林建華，林澤陽（.浙江新昌農(nóng)村合作銀行，浙江 新昌 3500；.上海大學(xué) 悉尼工商學(xué)院，上海 0800）

基于云重心理論的農(nóng)戶信用評(píng)級(jí)新方法

林建華1，林澤陽2
（1.浙江新昌農(nóng)村合作銀行，浙江 新昌 312500；2.上海大學(xué) 悉尼工商學(xué)院，上海 201800）

為進(jìn)一步提高農(nóng)戶信用評(píng)價(jià)的客觀性和合理性，基于經(jīng)濟(jì)較發(fā)達(dá)地區(qū)農(nóng)戶小額信貸的實(shí)踐，建立農(nóng)戶信用評(píng)價(jià)指標(biāo)體系，利用層次分析法確定指標(biāo)權(quán)重，運(yùn)用云重心理論構(gòu)建綜合評(píng)價(jià)模型，為農(nóng)戶信用等級(jí)評(píng)定提供一種新方法。應(yīng)用實(shí)例表明，該方法具有科學(xué)性和實(shí)用性。

農(nóng)戶信用；評(píng)價(jià)指標(biāo)體系；云重心評(píng)價(jià)法；層次分析法

0 引 言

農(nóng)戶信用評(píng)級(jí)是指銀行運(yùn)用現(xiàn)代信息技術(shù)和計(jì)量方法，通過對(duì)農(nóng)戶個(gè)人道德品質(zhì)、信用狀況、經(jīng)濟(jì)實(shí)力、經(jīng)營(yíng)水平及償債能力等多方面的綜合評(píng)判，進(jìn)而對(duì)農(nóng)戶家庭的違約概率作出最佳判斷的銀行信用風(fēng)險(xiǎn)評(píng)估方法。顯而易見，農(nóng)戶信用評(píng)級(jí)對(duì)于支持農(nóng)村經(jīng)濟(jì)發(fā)展，推動(dòng)社會(huì)主義新農(nóng)村建設(shè)，幫助廣大農(nóng)戶勤勞致富奔小康，以及農(nóng)村銀行自身的發(fā)展都具有積極的意義。

近年來，國(guó)內(nèi)對(duì)農(nóng)戶信用評(píng)價(jià)的研究并不多見，相關(guān)研究范疇主要包括：一是構(gòu)建農(nóng)戶信用評(píng)級(jí)指標(biāo)體系，如基于銀行的“4C”或“5C”原則[1-2]，價(jià)值鏈與平衡記分卡相結(jié)合方法[3]，心理、社會(huì)和經(jīng)濟(jì)三個(gè)維度構(gòu)建[4]。二是探討農(nóng)戶信用評(píng)價(jià)的具體方法，如采用層次分析法[5-6]、AHP模糊綜合評(píng)價(jià)法[7]和概率神經(jīng)網(wǎng)絡(luò)方法[8]等。從相關(guān)研究可以看出，農(nóng)戶信用評(píng)價(jià)指標(biāo)體系是一個(gè)既包括數(shù)值型指標(biāo)（定量指標(biāo)），又包括自然語言值指標(biāo)（定性指標(biāo)）的多層次復(fù)雜體系。由于我國(guó)存在嚴(yán)重的信息不對(duì)稱性現(xiàn)象，農(nóng)戶信用評(píng)級(jí)時(shí)所取得的數(shù)值型指標(biāo)的觀察值仍是一個(gè)未確知數(shù)，即是一個(gè)帶有附加信息的區(qū)間數(shù)。自然語言值指標(biāo)則具有模糊性、灰性和隨機(jī)性等不確定性特點(diǎn)，實(shí)務(wù)中很難對(duì)定性指標(biāo)給出精確的評(píng)價(jià)值，而只能確定一個(gè)相對(duì)的影響程度，如優(yōu)秀、良好和一般等。除此之外，許多指標(biāo)的評(píng)判標(biāo)準(zhǔn)的清晰邊界也很難確立。這些問題的存在使得一些農(nóng)戶信用評(píng)估的定量模型的使用效果大為降低，而德爾菲法、模糊綜合評(píng)價(jià)法和層次分析法又由于主觀性和片面性過大，使得信用評(píng)級(jí)結(jié)果的合理性有待進(jìn)一步檢驗(yàn)，穩(wěn)定性有待進(jìn)一步提高?？梢?，要提高農(nóng)戶信用評(píng)級(jí)的科學(xué)性和準(zhǔn)確性，必須解決定量指標(biāo)的灰數(shù)白化問題，以及定性指標(biāo)的定性描述如何實(shí)現(xiàn)定量表示的轉(zhuǎn)換問題。本文在云重心理論基礎(chǔ)上提出云重心評(píng)價(jià)法，應(yīng)用于農(nóng)戶信用評(píng)價(jià)中，以期為理論界和實(shí)務(wù)界進(jìn)一步提高農(nóng)戶信用評(píng)級(jí)的科學(xué)性、合理性和有效性提供一種新的思路。

1 云重心評(píng)價(jià)法

1.1 云模型

李德毅等在模糊集和概率統(tǒng)計(jì)學(xué)的基礎(chǔ)上，創(chuàng)造性地提出將自然語言表示的某個(gè)定性概念與其定量表示之間進(jìn)行不確定性轉(zhuǎn)換的正態(tài)云模型[9]。正態(tài)云用期望值Ex、熵En和超熵He三個(gè)數(shù)值表征。其中，Ex是論域空間中最能夠代表這個(gè)定性概念的云滴群分布的中心值，En反映定性概念的不確定性，He為熵的不確定性的度量。自然語言“良好”概念的1 000個(gè)云滴群分布的正態(tài)云如圖1所示，其生成方法見文獻(xiàn)[1 0]。

圖1 自然語言“良好”概念的1 000個(gè)云滴群分布的正態(tài)云

1.2 云重心評(píng)價(jià)法

云重心評(píng)價(jià)法是在云模型基礎(chǔ)上，從系統(tǒng)的全局角度利用云重心數(shù)值特征的變化度量整個(gè)系統(tǒng)狀態(tài)信息變化，并對(duì)其作出綜合評(píng)價(jià)的方法。云重心評(píng)價(jià)法基本實(shí)現(xiàn)步驟如下：

（1）構(gòu)建評(píng)價(jià)指標(biāo)體系，用云模型表示各指標(biāo)。根據(jù)具體評(píng)價(jià)目的，建立多層次的評(píng)價(jià)指標(biāo)體系。在給定的具體評(píng)價(jià)指標(biāo)體系中，p個(gè)精確數(shù)值型指標(biāo)的一維云模型可以用（1）、（2）式表示，p個(gè)自然語言值型指標(biāo)的一維云模型可以用（3）、（4）式表示。

（2）確定綜合云重心向量，計(jì)算加權(quán)偏離度。在系統(tǒng)理想狀態(tài)下，n維綜合云重心位置向量云重心高度向量，則理想狀態(tài)云重心向量。當(dāng)系統(tǒng)狀態(tài)發(fā)生變化時(shí)，其n維綜合云重心隨之也改變?yōu)椤?duì)G進(jìn)行歸一化處理得到一組向量，其中

將各指標(biāo)歸一化之后的向量值乘以其權(quán)重值再相加，得加權(quán)偏離度為：

（3）分析評(píng)測(cè)結(jié)果，確定語言評(píng)價(jià)值。圖2為評(píng)測(cè)云發(fā)生器，它包括若干個(gè)評(píng)語等級(jí)，生成多朵部分相互重疊的不同的云，而每朵云都是一個(gè)評(píng)價(jià)值的定性描述。將計(jì)算得到的加權(quán)偏離度θ輸入評(píng)測(cè)云發(fā)生器，它能同時(shí)激活兩朵相鄰的云，根據(jù)所激活程度較大的云的評(píng)語判斷θ所屬的等級(jí)。

圖2 評(píng)測(cè)云發(fā)生器

2 應(yīng)用實(shí)例

2.1 建立評(píng)價(jià)集和評(píng)語集

農(nóng)戶信用評(píng)級(jí)最為關(guān)鍵的一步，就是要建立科學(xué)合理的多層次評(píng)價(jià)指標(biāo)體系。從現(xiàn)有研究文獻(xiàn)看，評(píng)價(jià)指標(biāo)體系中準(zhǔn)則層（一級(jí)指標(biāo)）的分類雖然有差異，但指標(biāo)層（二級(jí)指標(biāo)）的設(shè)置卻大同小異，基本上是對(duì)家庭基本情況、經(jīng)濟(jì)實(shí)力、經(jīng)營(yíng)能力、償債能力、品行和信用狀況等方面的具體量化，差別主要體現(xiàn)在采用指標(biāo)的多少，以及評(píng)價(jià)偏重定性還是定量方面。從實(shí)務(wù)應(yīng)用的角度出發(fā)，在前人研究的基礎(chǔ)上，遵循評(píng)價(jià)的科學(xué)性、客觀性、可操作性和可比性原則，針對(duì)經(jīng)濟(jì)較發(fā)達(dá)地區(qū)農(nóng)戶的特點(diǎn)，建立農(nóng)戶信用評(píng)價(jià)指標(biāo)體系（見表1）。

在農(nóng)戶信用評(píng)價(jià)定性指標(biāo)中，信用狀況反映戶主及家庭成員的誠(chéng)實(shí)守信程度、道德品質(zhì)及在當(dāng)?shù)剞r(nóng)村的口碑等。良好信譽(yù)是取得銀行貸款必須具備的基本條件。在信用評(píng)價(jià)和發(fā)放貸款時(shí)，銀行必須事先向農(nóng)戶所在村的村干部、支農(nóng)信息聯(lián)絡(luò)員及鄉(xiāng)鄰了解農(nóng)戶家庭成員的品行。知識(shí)和技能反映農(nóng)戶家庭成員的受教育程度及掌握謀生技能的高低，它與農(nóng)戶的經(jīng)營(yíng)能力有直接的關(guān)系。農(nóng)戶成員知識(shí)和技能的掌握程度，可以從學(xué)歷水平和專業(yè)技能水平兩個(gè)方面衡量。學(xué)歷水平反映農(nóng)戶家庭成員所具備的基本文化素質(zhì)，專業(yè)技能水平反映農(nóng)戶掌握的特殊技術(shù)、技能和實(shí)用生產(chǎn)技能。在知識(shí)和技能分析中，要把農(nóng)戶的學(xué)歷水平和專業(yè)技能水平結(jié)合起來，并以專業(yè)技能水平為主。健康狀況直接反映農(nóng)戶家庭成員的身心健康情況。農(nóng)民身體素質(zhì)的重要性是由農(nóng)業(yè)生產(chǎn)方式的特點(diǎn)決定的，它直接關(guān)系到農(nóng)戶創(chuàng)造財(cái)富的能力及未來履約償債的可能性。

表1 農(nóng)戶信用評(píng)價(jià)指標(biāo)體系

在農(nóng)戶信用評(píng)價(jià)定量指標(biāo)中，勞動(dòng)力家庭人數(shù)比反映農(nóng)戶家庭成員直接參與家庭財(cái)富創(chuàng)造的人數(shù)及家庭經(jīng)濟(jì)負(fù)擔(dān)情況?？紤]到我國(guó)農(nóng)民的身體狀況、自然壽命，以及生產(chǎn)能力不受法定退休年齡限制等實(shí)際情況，可以將勞動(dòng)力界定為16～70周歲、具有實(shí)際勞動(dòng)能力的農(nóng)戶家庭成員。農(nóng)戶中的勞動(dòng)力人數(shù)越多，則要供養(yǎng)的人數(shù)越少，創(chuàng)造和積累的財(cái)富越多，償債能力越強(qiáng)，而違約的可能性越小。平均年齡反映戶主、配偶和勞動(dòng)力成員的年齡狀況，年齡的大小反映出農(nóng)戶個(gè)人的閱歷豐富程度、心智成熟度及待人處事的能力。一般而言，中青年人身體素質(zhì)好、受教育程度高、接受新生事物快，經(jīng)營(yíng)能力也就較強(qiáng)。農(nóng)戶家庭收入經(jīng)營(yíng)資產(chǎn)比是農(nóng)戶年經(jīng)濟(jì)收入與農(nóng)戶經(jīng)營(yíng)性資產(chǎn)的比值，反映單位資產(chǎn)的營(yíng)運(yùn)效率和創(chuàng)造財(cái)富價(jià)值的能力，比值越高越好。農(nóng)戶家庭收入經(jīng)營(yíng)資產(chǎn)是農(nóng)戶家庭總資產(chǎn)的重要組成部分，是過去經(jīng)營(yíng)成果的體現(xiàn)，同時(shí)也是開展未來生產(chǎn)經(jīng)營(yíng)的重要物質(zhì)保障。農(nóng)戶家庭人均收入倍比是農(nóng)戶人均年經(jīng)濟(jì)收入與當(dāng)?shù)剞r(nóng)戶平均人均年經(jīng)濟(jì)收入的比值，倍比越高，反映該農(nóng)戶人均比當(dāng)?shù)仄渌r(nóng)戶平均收入越高，償債能力越強(qiáng)。農(nóng)戶家庭年總收入包括傳統(tǒng)的種養(yǎng)殖業(yè)收入、勞務(wù)工資收入及自營(yíng)工商業(yè)收入等，將家庭年總收入除以家庭成員數(shù)得到農(nóng)戶人均年經(jīng)濟(jì)收入。農(nóng)戶家庭資產(chǎn)負(fù)債率是農(nóng)戶總負(fù)債（含或有負(fù)債）與農(nóng)戶總資產(chǎn)的比值，既反映農(nóng)戶負(fù)債水平的綜合指標(biāo)，又反映銀行等債權(quán)人發(fā)放貸款的安全程度的指標(biāo)。農(nóng)戶總資產(chǎn)主要包括房產(chǎn)價(jià)值、農(nóng)用經(jīng)營(yíng)性資產(chǎn)價(jià)值、家中耐用消費(fèi)品市場(chǎng)價(jià)值及現(xiàn)金存款類資產(chǎn)價(jià)值。農(nóng)戶總負(fù)債主要包括向銀行金融機(jī)構(gòu)的借款、向親朋好友的借款、向民間高利貸的借款及農(nóng)戶為他人提供連帶責(zé)任保證的情況。農(nóng)戶家庭資產(chǎn)負(fù)債率要適度控制，避免負(fù)債過大影響償債能力。農(nóng)戶家庭負(fù)債收入比是農(nóng)戶總負(fù)債（含或有負(fù)債）本息額與農(nóng)戶年經(jīng)濟(jì)收入的比值。農(nóng)戶家庭資產(chǎn)是財(cái)富擁有量的存量，經(jīng)濟(jì)收入是財(cái)富增量的源泉。家庭年經(jīng)濟(jì)收入越高，創(chuàng)造和積累的財(cái)富就越多，貸款償還的可能性就越大。由于我國(guó)地域遼闊，區(qū)域經(jīng)濟(jì)發(fā)展極不平衡，農(nóng)戶信用評(píng)價(jià)采用的指標(biāo)標(biāo)準(zhǔn)值要根據(jù)當(dāng)?shù)亟?jīng)濟(jì)發(fā)展的實(shí)際情況確定，并且應(yīng)隨經(jīng)濟(jì)和社會(huì)的發(fā)展變化適時(shí)適度調(diào)整。

對(duì)于農(nóng)戶信用評(píng)價(jià)中的精確數(shù)值型指標(biāo)，采用（1）、（2）式建立定量指標(biāo)云模型；對(duì)于自然語言值型指標(biāo)，采用（3）、（4）式建立定性指標(biāo)云模型。定性指標(biāo)的評(píng)價(jià)集根據(jù)評(píng)價(jià)目的和實(shí)際需要，設(shè)定“優(yōu)秀”、“良好”、“一般”、“偏下”、“較差”和“很差”6個(gè)級(jí)別。各個(gè)自然語言評(píng)語的期望值Ex分別為1、0.8、0.6、0.4、0.2和0，熵En為0.0667，超熵He為0.005，利用這些參數(shù)形成定性評(píng)測(cè)云模型。

2.2 確定各指標(biāo)權(quán)重

（1）構(gòu)建農(nóng)戶信用評(píng)價(jià)指標(biāo)體系（見表1）。

（2）構(gòu)造成對(duì)比較判斷矩陣，計(jì)算單排序權(quán)向量并進(jìn)行一致性檢驗(yàn)。采用1-9尺度將判斷定量化，分別求出準(zhǔn)則層相對(duì)于目標(biāo)層、指標(biāo)層相對(duì)于準(zhǔn)則層的判斷矩陣。對(duì)每個(gè)成對(duì)比較判斷矩陣計(jì)算最大特征值和其對(duì)應(yīng)的特征向量，利用一致性指標(biāo)、隨機(jī)一致性指標(biāo)和一致性比率進(jìn)行一致性檢驗(yàn)。若檢驗(yàn)通過，特征向量（歸一化后）即為權(quán)向量；若檢驗(yàn)不通過，需要重新構(gòu)造成對(duì)比較判斷矩陣。準(zhǔn)則層相對(duì)于目標(biāo)層構(gòu)造的判斷矩陣（見表2）及一致性檢驗(yàn)。同理可以得到，指標(biāo)層相對(duì)于準(zhǔn)則層的判斷矩陣及一致性檢驗(yàn)。

通過方根法求解判斷矩陣的最大特征根和相對(duì)應(yīng)的特征向量（權(quán)向量），計(jì)算得到判斷矩陣U的權(quán)向量w=(0.358,0.111,0.301,0.229)T，最大特征根λmax=4.046，一致性指標(biāo)CI=0.0152，一致性比率CR=0.0169＜0.1，通過一致性檢驗(yàn)，可以認(rèn)為判斷矩陣具有滿意的一致性，得到的指標(biāo)權(quán)重均為有效。

（3）計(jì)算得出各指標(biāo)相對(duì)于目標(biāo)層的組合權(quán)重。將指標(biāo)層各指標(biāo)權(quán)重乘以其所從屬的準(zhǔn)則層指標(biāo)權(quán)重，得到底層指標(biāo)相對(duì)于總目標(biāo)的組合權(quán)重。農(nóng)戶信用評(píng)價(jià)指標(biāo)權(quán)重見表3。

表2 準(zhǔn)則層相對(duì)于目標(biāo)層構(gòu)造的判斷矩陣

表3 農(nóng)戶信用評(píng)價(jià)指標(biāo)權(quán)重

2.3 給出各指標(biāo)狀態(tài)值

利用德爾菲法獲取評(píng)價(jià)對(duì)象農(nóng)戶信用指標(biāo)狀態(tài)值。假設(shè)評(píng)價(jià)小組由銀行信貸風(fēng)險(xiǎn)經(jīng)理、客戶經(jīng)理、支農(nóng)信息聯(lián)絡(luò)員、村干部和非常有威信的村民等5人組成，對(duì)甲農(nóng)戶的信用指標(biāo)進(jìn)行評(píng)判，結(jié)果見表4。

表4 甲農(nóng)戶信用指標(biāo)評(píng)判結(jié)果

2.4 確定各指標(biāo)云模型

根據(jù)云模型，將表4對(duì)甲農(nóng)戶信用衡量指標(biāo)評(píng)語云化，可以得到甲農(nóng)戶信用指標(biāo)決策（見表5）。將表5中的精確數(shù)值型或自然語言值型指標(biāo)的評(píng)價(jià)值，分別代入（1）、（2），（3）、（4）式，可以計(jì)算得到各指標(biāo)云模型的期望值和熵（見表6）。

2.5 計(jì)算云重心向量和加權(quán)偏離度

根據(jù)表3和表6提供的數(shù)據(jù)，可以計(jì)算得到1個(gè)10維加權(quán)綜合云的云重心向量為：

G=(G1,G2,…,G10)=(0.062,0.172,0.018,0.418,0.009, 0.043,0.412,0.212,0.053,0.028)

表5 甲農(nóng)戶信用指標(biāo)決策

表6 各指標(biāo)云模型的期望值和熵

理想狀態(tài)下的云重心向量為：

根據(jù)（5）式對(duì)G進(jìn)行歸一化處理，得到一組向量為：

再根據(jù)（6）式計(jì)算得到加權(quán)偏離度為：

2.6 生成測(cè)評(píng)結(jié)果

將加權(quán)偏離度θ(-0.195)輸入到評(píng)測(cè)云發(fā)生器，將激活“優(yōu)秀”和“良好”兩個(gè)云對(duì)象。激活“良好”云對(duì)象的程度大于“優(yōu)秀”云對(duì)象，則甲農(nóng)戶信用指標(biāo)評(píng)判的定性結(jié)果為介于“優(yōu)秀”和“良好”之間，但更傾向于“良好”。用精確數(shù)值表示的最終評(píng)定值為0.805(1-0.195)，非常接近評(píng)價(jià)值“良好”云對(duì)象的期望值0.80。

3 結(jié)束語

銀行對(duì)借款客戶評(píng)定信用等級(jí)并按信用等級(jí)發(fā)放貸款，是提高貸款決策科學(xué)化的重要途徑[11-13]。農(nóng)戶信用評(píng)級(jí)的具體方法有層次分析法、模糊綜合評(píng)價(jià)法和BP神經(jīng)網(wǎng)絡(luò)方法等，這些方法都各有優(yōu)長(zhǎng)。本文在參考以往農(nóng)戶信用評(píng)價(jià)指標(biāo)體系的基礎(chǔ)上，結(jié)合經(jīng)濟(jì)較發(fā)達(dá)地區(qū)的農(nóng)戶特點(diǎn)，構(gòu)建有別于欠發(fā)達(dá)或不發(fā)達(dá)地區(qū)的農(nóng)戶信用評(píng)價(jià)指標(biāo)體系，并利用層次分析法得到各指標(biāo)權(quán)重。首次將云重心理論引入農(nóng)戶信用評(píng)價(jià)中，對(duì)評(píng)價(jià)過程中的模糊性和隨機(jī)性進(jìn)行集成，有效解決了評(píng)價(jià)過程中有關(guān)定性描述向定量表示轉(zhuǎn)換的不確定性問題，并利用云重心評(píng)價(jià)法實(shí)現(xiàn)了對(duì)農(nóng)戶信用的綜合評(píng)價(jià)。應(yīng)用實(shí)例表明，該方法得到的評(píng)價(jià)結(jié)果較客觀合理，不失為農(nóng)戶信用評(píng)級(jí)的一種新方法，具有較實(shí)用的應(yīng)用價(jià)值。

[1]鞏寬.建立農(nóng)戶信用評(píng)級(jí)體系初探[J].今日南國(guó)，2008(3):75-76.

[2]王潤(rùn)倉，何云，陳秀權(quán)，等.欠發(fā)達(dá)地區(qū)農(nóng)戶信用評(píng)價(jià)體系的構(gòu)建及其應(yīng)用[J].征信，2011(1):63-66.

[3]楊宏玲，郭高玲.基于BBC與價(jià)值鏈風(fēng)險(xiǎn)分析的農(nóng)戶信用評(píng)價(jià)指標(biāo)體系探析[J].科技管理研究，2011(6):63-66.

[4]吳晶妹，張穎，唐勤偉，等.基于農(nóng)戶信用特征的WU’s三維信用評(píng)價(jià)模型研究[J].財(cái)貿(mào)經(jīng)濟(jì)，2010(9):22-28，63.

[5]何軍峰.基于AHP的農(nóng)戶個(gè)人信用度評(píng)價(jià)[J].安徽農(nóng)業(yè)科學(xué)，2011(29):18320-18322.

[6]徐芳，王恒山.基于AHP的農(nóng)戶個(gè)人信用度評(píng)價(jià)研究[J].商業(yè)研究，2006(6):132-136.

[7]蔡慶祝.農(nóng)村信用社農(nóng)戶貸款風(fēng)險(xiǎn)評(píng)價(jià)與控制體系的建立[J].當(dāng)代經(jīng)濟(jì)，2010(10):38-39.

[8]劉暢，方靚，晏江，等.概率神經(jīng)網(wǎng)絡(luò)在農(nóng)戶信用評(píng)估中的應(yīng)用研究[J].湖北社會(huì)科學(xué)，2009(11):85-89.

[9]李德毅，孟海軍，史雪梅.隸屬云和隸屬云發(fā)生器[J].計(jì)算機(jī)研究與發(fā)展，1995(6):15-20.

[10]劉桂花，宋承祥，劉弘，等.云發(fā)生器的軟件實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用研究，2007(1):46-48.

[11]林建華.工業(yè)企業(yè)流動(dòng)資金貸款供應(yīng)方法新探[J].浙江經(jīng)濟(jì)，1989(11):32-33.

[12]林建華.按信用等級(jí)核定商業(yè)周轉(zhuǎn)貸款的設(shè)想[J].財(cái)會(huì)通訊，1988(12):37-38.

[13]林建華.改革商業(yè)周轉(zhuǎn)貸款的設(shè)想[J].上海會(huì)計(jì)，1988(12):16-17.

[責(zé)任編輯：彭壽康]

New Method of Evaluating Farmers’ Credit Based on Cloud Barycenter Theory

LIN Jianhua1, LIN Zeyang2
(1.Zhejiang Xinchang Rural Cooperative Bank, Xinchang, 312500, China; 2.Sydney Institute of Language & Commerce, Shanghai University, Shanghai, 201800, China)

In order to evaluate farmers’ credit in a more objective and rational way, credit evaluation, a system of credit indexes, is constructed in accordance with the practice of farmers’ micro-finance in the comparatively developed areas. It provides a new method of evaluating farmers’ credit degree by applying the analytic hierarchy process to determine the index weight and the cloud barycenter theory to structure the comprehensive evaluation model. The practice shows that it is scientific and practical.

Farmers’ credit; Evaluation index system; Cloud barycenter method; Analytic hierarchy process

F832.43

A

1671-4326(2013)03-0062-04

2012-12-19

林建華（1962—），男，浙江新昌人，浙江新昌農(nóng)村合作銀行風(fēng)險(xiǎn)總監(jiān)，浙江省農(nóng)村信用聯(lián)合社特聘研究員，經(jīng)濟(jì)師；林澤陽（1991—），男，浙江新昌人，上海大學(xué)悉尼工商學(xué)院本科生.