課題組

摘 要：本文針對當(dāng)前農(nóng)銀信息不對稱、農(nóng)戶信用評級缺乏科學(xué)統(tǒng)一的標(biāo)準(zhǔn)和有效的評級算法問題，構(gòu)建了農(nóng)戶信用評級指標(biāo)體系，并根據(jù)指標(biāo)之間的依存關(guān)系構(gòu)建了指標(biāo)網(wǎng)絡(luò)圖模型。對定性指標(biāo)進(jìn)行了差別化的定量處理，通過改進(jìn)的極值變換法對定量指標(biāo)進(jìn)行標(biāo)準(zhǔn)化，采用網(wǎng)絡(luò)分析法（簡稱ANP）計算各級指標(biāo)的權(quán)重，通過權(quán)重與具體指標(biāo)值的線性加權(quán)計算出農(nóng)戶的信用度，從而建立了完整的農(nóng)戶信用評級算法。以此算法為核心，開發(fā)了農(nóng)戶信用信息綜合評級系統(tǒng)，總結(jié)了該系統(tǒng)在慶陽市轄區(qū)兩年來的推廣應(yīng)用方法，驗證了評級算法的有效性、可行性和科學(xué)性，實現(xiàn)了金融機構(gòu)之間農(nóng)戶信息共享和評級標(biāo)準(zhǔn)的統(tǒng)一性。

關(guān)鍵詞：農(nóng)戶，信用評級，ANP

中圖分類號：F830.5 文獻(xiàn)標(biāo)識碼：B 文章編號：1674-0017-2014（2）-0066-07

隨著農(nóng)村信用體系建設(shè)工作的深入推進(jìn)，開展農(nóng)戶信用評級成為解決農(nóng)戶信用信息不全面、不準(zhǔn)確、不共享問題的有效措施。農(nóng)戶信用評級的準(zhǔn)確性與真實性，也成為決定貸款質(zhì)量的重要因素。目前，由于我國農(nóng)戶信用評級方法及制度仍處探索階段，缺乏科學(xué)的評級指標(biāo)體系和方法，導(dǎo)致信用評級主觀性、不確定性較大。建設(shè)區(qū)域性農(nóng)戶信用評級系統(tǒng)，科學(xué)有效開展農(nóng)戶信用綜合評級，實現(xiàn)金融機構(gòu)間信用評級成果共享和評級標(biāo)準(zhǔn)的科學(xué)統(tǒng)一，是解決以上問題的有效途徑。本文針對這個問題，在農(nóng)戶信用評級方面進(jìn)行了初步探索研究，通過設(shè)計并開發(fā)評級系統(tǒng)，初步建立起了一個信用信息較為完整、數(shù)據(jù)采集和更新高效、評級較為科學(xué)規(guī)范的農(nóng)戶信用信息管理及評級系統(tǒng)，實現(xiàn)了農(nóng)戶信用信息采集、管理和等級評定應(yīng)用的信息化。該系統(tǒng)在慶陽市轄區(qū)已全面推廣應(yīng)用，并取得了明顯成效。

一、國內(nèi)外研究現(xiàn)狀

國外特別是發(fā)達(dá)國家對農(nóng)戶信用評級和風(fēng)險評估的研究多一些。國內(nèi)主要研究有：馬九杰（2001）在回顧和評價了20年來特別是近年來信用風(fēng)險評價方法及模型進(jìn)展后，簡要分析了國際上流行的信用評價方法對我國農(nóng)村信用社的適用性。吳金星等（2004）建立了一套企業(yè)信用等級評價指標(biāo)體系，然后應(yīng)用層次分析、聚類分析等方法對企業(yè)信用指標(biāo)體系進(jìn)行賦權(quán)，通過加權(quán)得出企業(yè)的信用評價值。王穎（2010）通過運用以德爾菲法和模糊數(shù)學(xué)為主體的模糊綜合評價方法，構(gòu)建了農(nóng)戶小額信貸信用風(fēng)險評估模型。王譽澍（2010）利用人工神經(jīng)網(wǎng)絡(luò)的反向傳播思想，建立農(nóng)戶信用評估模型。通過該模型進(jìn)行評價，弱化了人為因素，提高了評定結(jié)果的準(zhǔn)確性。

總結(jié)起來看，目前信用風(fēng)險的評價方法主要有：專家評估法、模糊綜合評判法和層次分析法等。專家評估法是借用各類科技人員的專長及其對有關(guān)政策和管理工作理解的深度做出決策，主要依靠概率統(tǒng)計，只能以均值反映權(quán)重；模糊綜合評判法使用效果一般較好，但有時亦會出現(xiàn)分類不清、結(jié)果不合理的問題。層次分析法（王蓮芬等，1990）雖然是一個比較適合基于指標(biāo)的評價方法，但是單個專家的主觀隨意性比較大，并且它只考慮了指標(biāo)上下層的關(guān)系，沒有考慮指標(biāo)之間的相互影響和依存關(guān)系。本文采用群組決策最大程度克服了單個專家對指標(biāo)重要性判斷的主觀性，采用網(wǎng)絡(luò)分析法最大程度擬合了指標(biāo)之間的相互影響和依存關(guān)系，這樣更加逼近指標(biāo)的本質(zhì)關(guān)系，對農(nóng)戶的信用評級將更加準(zhǔn)確科學(xué)。

二、農(nóng)戶信用評級指標(biāo)體系構(gòu)建

（一）指標(biāo)選取原則

本文根據(jù)以下原則選取指標(biāo)：一是可得性。指標(biāo)體系建設(shè)的前提是所涵蓋指標(biāo)的可得性能得到保障，一些從理論上講對評級有用，但是在實際中基本無法獲取的指標(biāo)暫不進(jìn)入指標(biāo)體系。二是可更新性。數(shù)據(jù)能否及時更新是系統(tǒng)成敗的關(guān)鍵所在，也是考察一個指標(biāo)是否可用的關(guān)鍵因素。從更新角度講，農(nóng)戶信用指標(biāo)可分為可變指標(biāo)和相對穩(wěn)定指標(biāo)兩類。數(shù)據(jù)的更新主要是針對可變指標(biāo)。通過對每個指標(biāo)項綜合考察可得性和可更新性這兩個特性，最后折中決定該指標(biāo)是否納入指標(biāo)體系中。三是完備性。指標(biāo)體系要能較好覆蓋農(nóng)戶信用的各方面，保證評級的科學(xué)全面性。四是無冗余性。如果指標(biāo)體系中存在較多冗余數(shù)據(jù)，將造成評級結(jié)果的片面性，在選取指標(biāo)時盡量保證不同的指標(biāo)表達(dá)了農(nóng)戶信用的不同側(cè)面，避免多個指標(biāo)以不同的變形方式表達(dá)同一件事情。

（二）指標(biāo)準(zhǔn)則構(gòu)建

為了保證評級計算過程的科學(xué)性，不同級別的信息不能放在一個級別上進(jìn)行比較，如不能把貸款中的貸款類型作為一個單獨指標(biāo)和民間借貸放在同一個層次中比較，這就是信息粒度的選擇問題。本文根據(jù)影響因子從直接到間接、準(zhǔn)則粒度從大到小、具有可比性的準(zhǔn)則粒度大小相同且放在同一層的原則，把指標(biāo)準(zhǔn)則劃分為表1所示的農(nóng)戶信用評級指標(biāo)準(zhǔn)則體系結(jié)構(gòu)。

（三）指標(biāo)關(guān)系建模

本文經(jīng)過研究認(rèn)為，指標(biāo)體系的本質(zhì)結(jié)構(gòu)是一個以層次間支配關(guān)系和同層間依存關(guān)系構(gòu)成的有向圖模型。準(zhǔn)則之間的獨立性和依存性分析是構(gòu)建指標(biāo)體系的核心問題。本文按照以下原則構(gòu)建指標(biāo)準(zhǔn)則關(guān)系：一是每個低層準(zhǔn)則只屬于唯一的上層準(zhǔn)則，每個指標(biāo)也只屬于一個準(zhǔn)則。二是準(zhǔn)則及指標(biāo)上下層不存在反饋，即只有下層準(zhǔn)則影響上層準(zhǔn)則，不存在上層準(zhǔn)則對下層準(zhǔn)則或指標(biāo)的反饋。上層指標(biāo)對下層指標(biāo)起支配作用，這種上層準(zhǔn)則對下層準(zhǔn)則或指標(biāo)的支配關(guān)系，本文用支持度來表達(dá)。三是同級準(zhǔn)則存在相互依存關(guān)系，它們之間是非獨立的，構(gòu)成網(wǎng)絡(luò)依存結(jié)構(gòu)，這種同層準(zhǔn)則之間的相互影響關(guān)系，本文用依存度來表示。四是為了防止在計算過程中對同一個依存關(guān)系進(jìn)行重復(fù)計算，在低層已經(jīng)表達(dá)了依存關(guān)系不再在高層表達(dá)。指標(biāo)準(zhǔn)則的網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

（四）定性指標(biāo)的定量化

定性指標(biāo)對于評估來說非常重要，但定性指標(biāo)只有通過量化表示才能被評級算法所使用。本文根據(jù)定性指標(biāo)性質(zhì)不同，把它們分為三類：是非型、等級型和分類型。根據(jù)第三類指標(biāo)中不同類別的重要性，對其進(jìn)而設(shè)置級別，這樣就把第三類指標(biāo)劃歸為第二類“等級型”指標(biāo)。對這兩類定性數(shù)據(jù)項我們通過如下方式進(jìn)行定量化處理：對于“是非型”指標(biāo)，用0和1表示。對于“等級型”數(shù)據(jù)項，分段給出分值。如有五個類別，每個區(qū)間長度為20，如果有四個級別，則區(qū)間長度為25。對反映程度的定性指標(biāo)，由于人們對定性問題認(rèn)識本身的模糊性，本文采用模糊三角數(shù)打分方法來采集反映程度的指標(biāo)：對每個指標(biāo)最多填連續(xù)三個概率值，最少填一項，最好填兩個選項。但是無論是填一個、兩個還是三個，這幾個數(shù)的和要等于1。設(shè)有k個不為零的連續(xù)選項，則該指標(biāo)的指標(biāo)值為這幾個不為零選項的加權(quán)平均。具體方法如表2。

（五）指標(biāo)的標(biāo)準(zhǔn)化

為了使不同指標(biāo)之間具有可比性，本文采用極差變換法對指標(biāo)值進(jìn)行標(biāo)準(zhǔn)化。傳統(tǒng)的極差變換標(biāo)準(zhǔn)化是把一個區(qū)間的數(shù)值映射到[0，1]區(qū)間。在實際的應(yīng)用中，它存在如下三個缺陷：一是距離問題。如果評估對象在指標(biāo)i上都處于較低水平，并且處在一個較密集的區(qū)間上，而指標(biāo)j都處于較高水平，且它們分散在一個較大的區(qū)間上，則處于較低水平的指標(biāo)標(biāo)準(zhǔn)化后的平均值要比處于較高水平指標(biāo)的平均值反而大，這顯然是不合理的。第二個缺陷是，對于有明確要求最優(yōu)值的指標(biāo)，沒有凸顯其系統(tǒng)重要性，即沒有考慮實際值與最優(yōu)值的距離。第三個缺陷是沒有考慮數(shù)據(jù)的地區(qū)差異性，即對于不同地區(qū)、不同信用要求的農(nóng)戶應(yīng)該采用差別化的標(biāo)準(zhǔn)化區(qū)間。本文針對以上缺陷對傳統(tǒng)極值變換法進(jìn)行了改進(jìn)，并根據(jù)信用評級的特殊要求，給出了以下差別化的指標(biāo)標(biāo)準(zhǔn)化方法：

1、時間指標(biāo)的標(biāo)準(zhǔn)化。對于第i個極大時間指標(biāo)，記該時間指標(biāo)的絕對時間長度為ti，我們獲取該絕對時間長度在被評農(nóng)戶所在地市地區(qū)的最大值，記為Tmaxi，則它的標(biāo)準(zhǔn)化值為：Ti=ti / Tmaxi。對于第j個極小時間指標(biāo)，記該時間指標(biāo)的絕對時間長度為tj我們同樣獲取該絕對時間長度在該農(nóng)戶所在地市地區(qū)的最大值，記為Tmaxj，則它的標(biāo)準(zhǔn)化值為：Ti=1-ti / Tmax j.

2、數(shù)量型指標(biāo)的標(biāo)準(zhǔn)化。為了對定量指標(biāo)標(biāo)準(zhǔn)化處理更加科學(xué)合理，本文給出了差別化的評級結(jié)果，分別為貸款在10萬元以內(nèi)、10-20萬元、20-50萬元、50-100萬元以及100萬以上的信用評級。這樣，對不同貸款數(shù)額的農(nóng)戶信用指標(biāo)給出差別化的標(biāo)準(zhǔn)化方法。分母采用評級段長，即在評估某農(nóng)戶在區(qū)間[a，b]上的信用級別時，我們記段長Xmax=b。還款期限一般按Xmax / 5來計算，但最多不超過10年。具體的標(biāo)準(zhǔn)化公式如下：

（1）對于極大型指標(biāo)做如下變換：

d■=■，x■

（2）對于極小型指標(biāo)做如下變換：

d■=1-■，x■

（3）對于固定值最優(yōu)指標(biāo)做如下變換：

d■=1-■，x■k

三、基于ANP的農(nóng)戶信用評級算法

ANP（analytic network process）是美國匹茲堡大學(xué)Thomas L. Saaty教授在1996年提出的方法（Saaty T.L.，2001），它的前身是已在系統(tǒng)決策中得到廣泛應(yīng)用的AHP（analytic hierarchy process）（A Esra etc.，2004）方法。ANP是為了解決指標(biāo)層次內(nèi)部存在相互依存、上下層存在反饋關(guān)系的決策問題而提出的，是AHP延伸發(fā)展得到的系統(tǒng)決策方法。從圖1看出，本文建立的信用評級指標(biāo)體系結(jié)構(gòu)是一個各層存在內(nèi)部依存的遞階層次網(wǎng)絡(luò)結(jié)構(gòu)，本文應(yīng)用ANP方法對農(nóng)戶信用評級指標(biāo)體系中具有內(nèi)部依存關(guān)系的準(zhǔn)則層計算相對權(quán)重，運用AHP方法對層內(nèi)無依存關(guān)系的準(zhǔn)則和指標(biāo)計算相對權(quán)重。ANP方法幾個關(guān)鍵環(huán)節(jié)包括模型構(gòu)建、建立未加權(quán)超矩陣、計算加權(quán)超矩陣和計算極限超矩陣等。

（一）模型構(gòu)建

根據(jù)圖1中的指標(biāo)準(zhǔn)則、依存網(wǎng)絡(luò)結(jié)構(gòu)圖和ANP的網(wǎng)絡(luò)結(jié)構(gòu)要求，構(gòu)建如圖2所示的模型：

（二）建立未加權(quán)超矩陣

根據(jù)以上模型，可構(gòu)建如下未加權(quán)超矩陣：

W=W■ 0 0 0W■ W■ 0 0 0 W■ W■ 0 0 0 W■ W■

其中，W■表示子準(zhǔn)則層相對于準(zhǔn)則層的權(quán)重，為8×2矩陣，W■表示子子準(zhǔn)則層相對于子準(zhǔn)則層的權(quán)重，為7×8矩陣，W■、W■和W■表示各準(zhǔn)則層的內(nèi)部依賴，分別為2×2矩陣、8×8矩陣和7×7矩陣，由于第四層內(nèi)部不存在相互依存關(guān)系，所以W■為0矩陣。

在每一控制準(zhǔn)則下，構(gòu)建未權(quán)超矩陣W，即應(yīng)用兩兩比較方法對元素進(jìn)行兩兩比較，這是傳統(tǒng)的AHP方法。在構(gòu)建的過程中，首先將構(gòu)建網(wǎng)絡(luò)時選取的準(zhǔn)則作為為主準(zhǔn)則，以該網(wǎng)絡(luò)中某一元素組中的元素作為子準(zhǔn)則，按照其它元素組中各元素對該元素的影響程度或按照該元素對其它元素組中各元素的影響程度構(gòu)造判斷矩陣，并求得歸一化特征向量。這樣，構(gòu)造各自的判斷矩陣，最后將各判斷矩陣的歸一化特征向量匯總到一個矩陣W■中，則該矩陣表示不同元素組中的元素之間的影響關(guān)系。其中，W■表示第i層上各元素對第j層的影響作用，稱為超矩陣中的塊。

（三）計算加權(quán)超矩陣

層次內(nèi)部各元素對某個準(zhǔn)則的排序，可用超矩陣來表示，即超矩陣中每個塊矩陣的每一列是歸一化的，但這并沒有顧及其它層次對此準(zhǔn)則的影響，因此整個超矩陣的每一列并不是歸一化的。要準(zhǔn)確反映排序，必須考慮層次之間的影響作用，即要考慮反饋作用的影響，具體做法是：將每個層次作為一個元素，針對某一層進(jìn)行兩兩比較，并計算相應(yīng)排序權(quán)值。若用a■表示第i個層次對第j個層次的影響權(quán)值W■=a■W■，則W即為加權(quán)超矩陣。加權(quán)超矩陣中，每一列元素的和均為1。

（四）計算極限超矩陣

對加權(quán)超矩陣進(jìn)行歸一化處理，得到極限超矩陣■■=■■■。由于元素之間存在依存與反饋關(guān)系，因而歸一化過程是一個反復(fù)迭代、趨穩(wěn)的過程。在極限超矩陣中，每一行數(shù)值相同，是該元素對應(yīng)的極限相對優(yōu)先權(quán)。在農(nóng)戶信用評級問題中，運用Super Decisons軟件自動計算極限超矩陣，計算得到各準(zhǔn)則的最終權(quán)重，結(jié)果如下：

設(shè)準(zhǔn)則Ps下有m個子準(zhǔn)則或m個指標(biāo)，這m個子準(zhǔn)則或指標(biāo)的標(biāo)準(zhǔn)化值為（d■，d■，L，d■），它們的權(quán)重向量為（w■，w■，L，w■），則準(zhǔn)則Ps的標(biāo)準(zhǔn)化值為：d■=■w■d■。以同樣的方式從下到上逐層計算得到農(nóng)戶在信用要求強度S下的最終信用評價結(jié)果，記為Cs。顯然Cs∈（0，1]。我們參照穆迪和標(biāo)準(zhǔn)普爾評級表達(dá)方式對每一種評級分10個級別，分別為AAA，AA，A， BBB，BB， B，CCC，CC，C，D。這10個結(jié)果通過如下方式給出：把（0，1]平均劃分為10個區(qū)間，每個區(qū)間是長度為0.1的半開半閉區(qū)間，這樣每個區(qū)間就對應(yīng)著一個評級級別。

四、應(yīng)用實踐

（一）建立農(nóng)戶信用綜合評級系統(tǒng)

基于上述指標(biāo)體系和評級算法，人民銀行慶陽市中心支行開發(fā)了農(nóng)戶信用信息綜合評級系統(tǒng)，并在全轄區(qū)推廣運行。系統(tǒng)主要功能包括：數(shù)據(jù)采集、數(shù)據(jù)校驗、批量更新、信用評級、信用報告查詢、統(tǒng)計與分析、數(shù)據(jù)管理和系統(tǒng)管理八大模塊。系統(tǒng)主要特點主要包括：

在業(yè)務(wù)優(yōu)勢方面，一是該系統(tǒng)是對個人征信系統(tǒng)的有力補充和完善。相比個人征信系統(tǒng)，農(nóng)戶信用信息綜合評級系統(tǒng)個人信息更加全面，農(nóng)戶覆蓋面更廣，同時還提供了客觀的、科學(xué)的信用評級結(jié)果。二是破解了由于農(nóng)銀信息不對稱造成的農(nóng)戶貸款難、銀行難貸款問題。三是實現(xiàn)了各銀行間的農(nóng)戶信用信息共享，降低了貸前調(diào)查成本，提高了貸款效率。四是統(tǒng)一了信用評級標(biāo)準(zhǔn)，提高了信用評級結(jié)果的科學(xué)性、時效性。五是為農(nóng)村信用體系建設(shè)和決策提供了實時的宏觀統(tǒng)計數(shù)據(jù)和輔助分析功能。六是數(shù)據(jù)采集方式高效低廉、可持續(xù)，便于更新和維護(hù)。七是數(shù)據(jù)真實性高。由于數(shù)據(jù)大多都是涉農(nóng)機構(gòu)業(yè)務(wù)系統(tǒng)中直接產(chǎn)生的數(shù)據(jù)，經(jīng)過嚴(yán)格審核并且正在使用，數(shù)據(jù)的真實性得到了充分保障。

在技術(shù)優(yōu)勢方面，一是適用范圍廣泛，本系統(tǒng)設(shè)計之初就著眼于各地通用模式，系統(tǒng)無須修改即可在其他省市級推廣應(yīng)用。二是系統(tǒng)采用的SSH框架，具有“低耦合，高內(nèi)聚”的特點，易于擴展維護(hù)。三是系統(tǒng)采用B/S架構(gòu)，運行成本低，占用網(wǎng)絡(luò)資源少，最大程度減輕了網(wǎng)絡(luò)傳輸壓力。四是系統(tǒng)運行穩(wěn)定，經(jīng)過近2年的測試、完善和運行考驗，系統(tǒng)運行穩(wěn)定、可靠。五是聯(lián)網(wǎng)接入簡單，系統(tǒng)服務(wù)器部署在人民銀行業(yè)務(wù)網(wǎng)中，利用網(wǎng)間互聯(lián)平臺，接入城市金融網(wǎng)，實現(xiàn)各銀行聯(lián)網(wǎng)應(yīng)用和信息查詢。

（二）農(nóng)村信用體系建設(shè)成效明顯

2013年，慶陽市農(nóng)戶信用信息綜合評級系統(tǒng)推廣應(yīng)用工作進(jìn)展順利，在人民銀行慶陽市中心支行的牽頭協(xié)調(diào)下，在市縣兩級政府的積極推動下，信息采集工作進(jìn)度較快，截止2013年9月底，已成功采集并導(dǎo)入系統(tǒng)440多萬條農(nóng)戶信用信息，轄區(qū)農(nóng)戶覆蓋面達(dá)90%以上。目前，轄內(nèi)試點縣農(nóng)村信用社已率先應(yīng)用系統(tǒng)農(nóng)戶信用等級評定結(jié)果，加大了農(nóng)村婦女小額擔(dān)保貸款、農(nóng)村青年創(chuàng)業(yè)貸款和雙聯(lián)貸款的發(fā)放力度，支持廣大農(nóng)村婦女和青年創(chuàng)業(yè)。通過應(yīng)用系統(tǒng)農(nóng)戶信用等級評定結(jié)果，初步形成了“扶持一個，帶動一批”的良好示范局面，達(dá)到了農(nóng)民增收、農(nóng)業(yè)增效、農(nóng)村經(jīng)濟發(fā)展的目的。在系統(tǒng)推廣應(yīng)用過程中具體做法是：

1、建立多方聯(lián)動工作機制，形成建設(shè)合力。農(nóng)村信用體系建設(shè)面臨的工作環(huán)境復(fù)雜，任務(wù)艱巨，建設(shè)農(nóng)戶信息系統(tǒng)涉及廣大農(nóng)戶和眾多涉農(nóng)機構(gòu)，人行慶陽中支研究構(gòu)建“政府領(lǐng)導(dǎo)，人行推動，多方支持，農(nóng)戶受益”的工作新機制、新格局，形成了齊抓共促的工作合力。一是政府加強領(lǐng)導(dǎo)。慶陽市各級政府高度重視農(nóng)村信用體系建設(shè)工作，2007年以來，先后批轉(zhuǎn)人行有關(guān)農(nóng)村信用體系建設(shè)工作的政策文件8份。并先后10多次協(xié)同人行組織召開專題會、現(xiàn)場會、觀摩會等推動各項工作開展。2013年5月份，慶陽市政府印發(fā)了《關(guān)于推廣運用農(nóng)戶信用信息綜合評級系統(tǒng)，促進(jìn)農(nóng)村信用體系建設(shè)的意見》，并發(fā)文成立了由市委常委、主管金融副市長擔(dān)任組長，人民銀行行長和金融管理局局長擔(dān)任副組長，法院、人社、農(nóng)業(yè)、扶貧辦和金融機構(gòu)等32個部門負(fù)責(zé)人為成員的領(lǐng)導(dǎo)小組。市、縣（區(qū)）政府分撥專項資金，抽調(diào)專門工作人員配合開展各項活動。同時，市、縣兩級政府將農(nóng)村信用體系建設(shè)工作納入對鄉(xiāng)鎮(zhèn)政府、部門新農(nóng)村建設(shè)工作績效考核的重要內(nèi)容。二是人行全力推動。人行慶陽中支成立了領(lǐng)導(dǎo)小組，結(jié)合實際出臺了《慶陽市農(nóng)村信用體系建設(shè)實施方案》。農(nóng)村信用體系建設(shè)試點及農(nóng)戶檔案系統(tǒng)推廣工作啟動以來，市縣人民銀行積極組織實施，抽調(diào)業(yè)務(wù)骨干，調(diào)研宣傳、開發(fā)系統(tǒng)，并多方協(xié)調(diào)，采取上門聯(lián)系、電話督促、技術(shù)人員蹲點等措施，深入轄區(qū)農(nóng)村信用聯(lián)社、政府相關(guān)部門，加快推進(jìn)信息采集進(jìn)度，引導(dǎo)涉農(nóng)金融機構(gòu)積極運用評級結(jié)果。三是各方大力支持。各縣區(qū)政府先后組織召開轄區(qū)農(nóng)村信用體系建設(shè)工作會、推進(jìn)會10多次，在各級政府主導(dǎo)下，鄉(xiāng)鎮(zhèn)政府、金融機構(gòu)、農(nóng)合、扶貧等涉農(nóng)部門緊密配合人民銀行工作，上下聯(lián)動，有序推進(jìn)。順利采集到了包括農(nóng)戶合作醫(yī)療保險、文明農(nóng)戶評選、農(nóng)村經(jīng)濟合作組織和農(nóng)村金融機構(gòu)在內(nèi)的農(nóng)戶基礎(chǔ)信息、生產(chǎn)資料和信用評價信息，保證了農(nóng)戶信用評級系統(tǒng)的順利推廣運行。

2、出臺正向激勵政策，讓信用農(nóng)民得實惠。改善農(nóng)村信用環(huán)境，破解農(nóng)民貸款難問題，是農(nóng)村信用體系建設(shè)的根本出發(fā)點和歸宿?！皯c陽市農(nóng)戶信用信息綜合評級系統(tǒng)”的運行，使金融機構(gòu)與農(nóng)戶之間信息不對稱問題得到了有效緩解，系統(tǒng)的支農(nóng)信息平臺作用得到有效發(fā)揮，社會效應(yīng)明顯。試點縣農(nóng)村信用社、郵政儲蓄銀行、村鎮(zhèn)銀行等涉農(nóng)金融機構(gòu)發(fā)放涉農(nóng)貸款時，通過運用農(nóng)戶信用評價結(jié)果，對農(nóng)戶實行差異化信貸服務(wù)，各涉農(nóng)金融機構(gòu)陸續(xù)出臺了一系列“貸款優(yōu)先、額度放寬、手續(xù)簡便、利率優(yōu)惠”的信貸政策，支持信用農(nóng)戶發(fā)展產(chǎn)業(yè)，調(diào)動了農(nóng)戶參與信用評價的積極性和主動性。慶城縣農(nóng)村信用社在信用評價信息應(yīng)用期間對AAA級信用農(nóng)戶的最高授信額度由8萬元提高到15萬元；有過縣級以上獎勵農(nóng)戶林權(quán)抵押和房產(chǎn)抵押貸款，其抵押物可以一次評估登記、二年有效；對1A、2A、3A級信用農(nóng)戶實行不同幅度的利率優(yōu)惠等。同時簡化審批程序，縮短信貸流程，實現(xiàn)了“一站式”信貸服務(wù)。借助農(nóng)戶信用信息綜合評級系統(tǒng)，一些惠農(nóng)政策貸款快速推進(jìn)，試點縣涉農(nóng)金融機構(gòu)2013年以來婦女小額擔(dān)保貸款、農(nóng)村青年創(chuàng)業(yè)貸款和雙聯(lián)貸款發(fā)放增量、增幅均名列全市前茅。

3、實現(xiàn)信用信息共享，促進(jìn)農(nóng)村金融服務(wù)水平提升。結(jié)合農(nóng)戶信用信息系統(tǒng)建設(shè)，協(xié)同政府把農(nóng)戶評級結(jié)果作為評定依據(jù)，大力開展信用村鎮(zhèn)、信用農(nóng)戶評選活動。截止2013年8月末，全市信用村鎮(zhèn)創(chuàng)建率達(dá)到100%，已建立農(nóng)戶信用檔案128萬戶，占農(nóng)戶總數(shù)的85%，已評定信用農(nóng)戶116萬戶，農(nóng)戶信用評級遍及全市116個鄉(xiāng)（鎮(zhèn)）的1315個行政村。通過農(nóng)戶信用評級，引導(dǎo)涉農(nóng)金融機構(gòu)開展農(nóng)村金融創(chuàng)新活動，開發(fā)了農(nóng)家樂、富民創(chuàng)業(yè)、果業(yè)通、農(nóng)耕文明等農(nóng)村信貸產(chǎn)品，創(chuàng)新了“共青團(tuán)+銀行+青年農(nóng)民”、專業(yè)合作社+農(nóng)戶、村委集體+農(nóng)戶等信貸模式，農(nóng)戶貸款大幅增加。

4、發(fā)揮宣傳引導(dǎo)作用，促進(jìn)農(nóng)村信用環(huán)境改善提高。在農(nóng)村信用體系建設(shè)工作中，人行慶陽中支注重宣傳引導(dǎo)和典型帶動作用，提高農(nóng)民信用意識。2012年，在全市開展了農(nóng)村青年信用示范戶評選活動，共評選出農(nóng)村青年信用示范戶784戶，其中五星級農(nóng)戶336戶，四星級農(nóng)戶185戶，三星級農(nóng)戶263戶。通過搭建農(nóng)戶信用信息共享平臺，建設(shè)農(nóng)戶信用信息檔案和信用評級，農(nóng)村信用服務(wù)需求得到了較好滿足，金融服務(wù)的社會效果和社會印象顯著提升。慶城縣通過農(nóng)戶信用等級評定，形成了“扶持一個，帶動一批”的良好示范局面。系統(tǒng)納入農(nóng)戶獎懲信息后，促使農(nóng)戶更加關(guān)注自身信譽，激發(fā)了廣大群眾爭創(chuàng)信用戶的熱情，借款到期不還、惡意逃廢債等現(xiàn)象有了較大改觀。通過信用等級評定的張榜公布、信用戶授牌、信用戶貸款受益等事實，引導(dǎo)部分原來信用程度不高、不講信用的人主動想方設(shè)法清償貸款，請求重新為其評定信用等級，一些欠貸農(nóng)戶主動歸還拖欠多年的貸款，實現(xiàn)了由“要我還貸”到“我要還貸”的根本性轉(zhuǎn)變。目前，慶城縣農(nóng)戶對信用普遍感受已不僅僅是“好借好還，再借不難”，信用已經(jīng)深刻影響到農(nóng)戶家族地位、鄰里關(guān)系等諸多方面，決定農(nóng)戶在當(dāng)?shù)氐膫€人威望，信用已成做人的一張名片，爭當(dāng)信用戶逐漸成為越來越多農(nóng)戶的追求。

五、結(jié)語

本文解決了農(nóng)戶信用評級算法的五個核心問題：評級指標(biāo)體系構(gòu)建及相互關(guān)系建模，定性指標(biāo)定量化處理，定量指標(biāo)標(biāo)準(zhǔn)化，指標(biāo)權(quán)重計算，農(nóng)戶信用級別計算評定。以此算法為基礎(chǔ)，通過建立系統(tǒng)并在全慶陽市轄區(qū)推廣應(yīng)用實踐，對整個理論進(jìn)行了實際檢驗。系統(tǒng)的應(yīng)用效果表明，本文的理論框架和對其中核心問題的處理是合理科學(xué)的。雖然本文是基于農(nóng)戶信用的評級方法，但是這套體系可以推廣應(yīng)用到更多的評價和決策問題中，比如金融機構(gòu)穩(wěn)健性評價，企業(yè)的信用評價等。信用評價是一個動態(tài)的系統(tǒng)工程，一些細(xì)節(jié)還有待于在不同地區(qū)、不同時期的應(yīng)用中逐漸完善，以趨完美。

參考文獻(xiàn)

[1]A Esra. CE. Yasemin. Using analytic hierarchy process （AHP） to improve human performance： An application of multiple

criteria decision making problem[J]. Journal of Intelligent Manufacturing， 2004， 15（4）：491-503.

[2] Saaty T.L. Decision Making With Dependence Feedback： The Analytic Network Process [M].RWS Publica-tions， Pittsburgh，

2001.83-93.

[3]馬九杰.信用風(fēng)險評價模型進(jìn)展及其對我國農(nóng)村信用社適用性研究[J].中國地質(zhì)大學(xué)學(xué)報（社會科學(xué)版），2001，（3）：27-32。

[4]王蓮芬.網(wǎng)絡(luò)分析法（ANP）的理論與算法[J].系統(tǒng)工程與實踐，2001，（3）：44-50。

[5]王蓮芬，許樹柏.層次分析法引論[M].北京：中國人民大學(xué)出版社，1990。

[6]王穎.中國農(nóng)戶小額信貸信用風(fēng)險評估研究—基于模糊綜合評價模型[J].西南金融，2010，（8）：60-62。

[7]王譽澍. BP算法在農(nóng)戶小額信貸信用評級中的應(yīng)用[J].金融經(jīng)濟，2010，（22）：123-124。

[8]吳金星，王宗軍.基于層次分析法的企業(yè)信用評價方法研究[J].華中科技大學(xué)學(xué)報，2004，（3）：109-111。

4、發(fā)揮宣傳引導(dǎo)作用，促進(jìn)農(nóng)村信用環(huán)境改善提高。在農(nóng)村信用體系建設(shè)工作中，人行慶陽中支注重宣傳引導(dǎo)和典型帶動作用，提高農(nóng)民信用意識。2012年，在全市開展了農(nóng)村青年信用示范戶評選活動，共評選出農(nóng)村青年信用示范戶784戶，其中五星級農(nóng)戶336戶，四星級農(nóng)戶185戶，三星級農(nóng)戶263戶。通過搭建農(nóng)戶信用信息共享平臺，建設(shè)農(nóng)戶信用信息檔案和信用評級，農(nóng)村信用服務(wù)需求得到了較好滿足，金融服務(wù)的社會效果和社會印象顯著提升。慶城縣通過農(nóng)戶信用等級評定，形成了“扶持一個，帶動一批”的良好示范局面。系統(tǒng)納入農(nóng)戶獎懲信息后，促使農(nóng)戶更加關(guān)注自身信譽，激發(fā)了廣大群眾爭創(chuàng)信用戶的熱情，借款到期不還、惡意逃廢債等現(xiàn)象有了較大改觀。通過信用等級評定的張榜公布、信用戶授牌、信用戶貸款受益等事實，引導(dǎo)部分原來信用程度不高、不講信用的人主動想方設(shè)法清償貸款，請求重新為其評定信用等級，一些欠貸農(nóng)戶主動歸還拖欠多年的貸款，實現(xiàn)了由“要我還貸”到“我要還貸”的根本性轉(zhuǎn)變。目前，慶城縣農(nóng)戶對信用普遍感受已不僅僅是“好借好還，再借不難”，信用已經(jīng)深刻影響到農(nóng)戶家族地位、鄰里關(guān)系等諸多方面，決定農(nóng)戶在當(dāng)?shù)氐膫€人威望，信用已成做人的一張名片，爭當(dāng)信用戶逐漸成為越來越多農(nóng)戶的追求。

五、結(jié)語

本文解決了農(nóng)戶信用評級算法的五個核心問題：評級指標(biāo)體系構(gòu)建及相互關(guān)系建模，定性指標(biāo)定量化處理，定量指標(biāo)標(biāo)準(zhǔn)化，指標(biāo)權(quán)重計算，農(nóng)戶信用級別計算評定。以此算法為基礎(chǔ)，通過建立系統(tǒng)并在全慶陽市轄區(qū)推廣應(yīng)用實踐，對整個理論進(jìn)行了實際檢驗。系統(tǒng)的應(yīng)用效果表明，本文的理論框架和對其中核心問題的處理是合理科學(xué)的。雖然本文是基于農(nóng)戶信用的評級方法，但是這套體系可以推廣應(yīng)用到更多的評價和決策問題中，比如金融機構(gòu)穩(wěn)健性評價，企業(yè)的信用評價等。信用評價是一個動態(tài)的系統(tǒng)工程，一些細(xì)節(jié)還有待于在不同地區(qū)、不同時期的應(yīng)用中逐漸完善，以趨完美。

參考文獻(xiàn)

[1]A Esra. CE. Yasemin. Using analytic hierarchy process （AHP） to improve human performance： An application of multiple

criteria decision making problem[J]. Journal of Intelligent Manufacturing， 2004， 15（4）：491-503.

[2] Saaty T.L. Decision Making With Dependence Feedback： The Analytic Network Process [M].RWS Publica-tions， Pittsburgh，

2001.83-93.

[3]馬九杰.信用風(fēng)險評價模型進(jìn)展及其對我國農(nóng)村信用社適用性研究[J].中國地質(zhì)大學(xué)學(xué)報（社會科學(xué)版），2001，（3）：27-32。

[4]王蓮芬.網(wǎng)絡(luò)分析法（ANP）的理論與算法[J].系統(tǒng)工程與實踐，2001，（3）：44-50。

[5]王蓮芬，許樹柏.層次分析法引論[M].北京：中國人民大學(xué)出版社，1990。

[6]王穎.中國農(nóng)戶小額信貸信用風(fēng)險評估研究—基于模糊綜合評價模型[J].西南金融，2010，（8）：60-62。

[7]王譽澍. BP算法在農(nóng)戶小額信貸信用評級中的應(yīng)用[J].金融經(jīng)濟，2010，（22）：123-124。

[8]吳金星，王宗軍.基于層次分析法的企業(yè)信用評價方法研究[J].華中科技大學(xué)學(xué)報，2004，（3）：109-111。

4、發(fā)揮宣傳引導(dǎo)作用，促進(jìn)農(nóng)村信用環(huán)境改善提高。在農(nóng)村信用體系建設(shè)工作中，人行慶陽中支注重宣傳引導(dǎo)和典型帶動作用，提高農(nóng)民信用意識。2012年，在全市開展了農(nóng)村青年信用示范戶評選活動，共評選出農(nóng)村青年信用示范戶784戶，其中五星級農(nóng)戶336戶，四星級農(nóng)戶185戶，三星級農(nóng)戶263戶。通過搭建農(nóng)戶信用信息共享平臺，建設(shè)農(nóng)戶信用信息檔案和信用評級，農(nóng)村信用服務(wù)需求得到了較好滿足，金融服務(wù)的社會效果和社會印象顯著提升。慶城縣通過農(nóng)戶信用等級評定，形成了“扶持一個，帶動一批”的良好示范局面。系統(tǒng)納入農(nóng)戶獎懲信息后，促使農(nóng)戶更加關(guān)注自身信譽，激發(fā)了廣大群眾爭創(chuàng)信用戶的熱情，借款到期不還、惡意逃廢債等現(xiàn)象有了較大改觀。通過信用等級評定的張榜公布、信用戶授牌、信用戶貸款受益等事實，引導(dǎo)部分原來信用程度不高、不講信用的人主動想方設(shè)法清償貸款，請求重新為其評定信用等級，一些欠貸農(nóng)戶主動歸還拖欠多年的貸款，實現(xiàn)了由“要我還貸”到“我要還貸”的根本性轉(zhuǎn)變。目前，慶城縣農(nóng)戶對信用普遍感受已不僅僅是“好借好還，再借不難”，信用已經(jīng)深刻影響到農(nóng)戶家族地位、鄰里關(guān)系等諸多方面，決定農(nóng)戶在當(dāng)?shù)氐膫€人威望，信用已成做人的一張名片，爭當(dāng)信用戶逐漸成為越來越多農(nóng)戶的追求。

五、結(jié)語

本文解決了農(nóng)戶信用評級算法的五個核心問題：評級指標(biāo)體系構(gòu)建及相互關(guān)系建模，定性指標(biāo)定量化處理，定量指標(biāo)標(biāo)準(zhǔn)化，指標(biāo)權(quán)重計算，農(nóng)戶信用級別計算評定。以此算法為基礎(chǔ)，通過建立系統(tǒng)并在全慶陽市轄區(qū)推廣應(yīng)用實踐，對整個理論進(jìn)行了實際檢驗。系統(tǒng)的應(yīng)用效果表明，本文的理論框架和對其中核心問題的處理是合理科學(xué)的。雖然本文是基于農(nóng)戶信用的評級方法，但是這套體系可以推廣應(yīng)用到更多的評價和決策問題中，比如金融機構(gòu)穩(wěn)健性評價，企業(yè)的信用評價等。信用評價是一個動態(tài)的系統(tǒng)工程，一些細(xì)節(jié)還有待于在不同地區(qū)、不同時期的應(yīng)用中逐漸完善，以趨完美。

參考文獻(xiàn)

[1]A Esra. CE. Yasemin. Using analytic hierarchy process （AHP） to improve human performance： An application of multiple

criteria decision making problem[J]. Journal of Intelligent Manufacturing， 2004， 15（4）：491-503.

[2] Saaty T.L. Decision Making With Dependence Feedback： The Analytic Network Process [M].RWS Publica-tions， Pittsburgh，

2001.83-93.

[3]馬九杰.信用風(fēng)險評價模型進(jìn)展及其對我國農(nóng)村信用社適用性研究[J].中國地質(zhì)大學(xué)學(xué)報（社會科學(xué)版），2001，（3）：27-32。

[4]王蓮芬.網(wǎng)絡(luò)分析法（ANP）的理論與算法[J].系統(tǒng)工程與實踐，2001，（3）：44-50。

[5]王蓮芬，許樹柏.層次分析法引論[M].北京：中國人民大學(xué)出版社，1990。

[6]王穎.中國農(nóng)戶小額信貸信用風(fēng)險評估研究—基于模糊綜合評價模型[J].西南金融，2010，（8）：60-62。

[7]王譽澍. BP算法在農(nóng)戶小額信貸信用評級中的應(yīng)用[J].金融經(jīng)濟，2010，（22）：123-124。

[8]吳金星，王宗軍.基于層次分析法的企業(yè)信用評價方法研究[J].華中科技大學(xué)學(xué)報，2004，（3）：109-111。