李敬明, 阮素梅, 劉奎戶

(1.安徽新華學院 信息工程學院，安徽 合肥 230088; 2.合肥工業(yè)大學 管理學院，安徽 合肥 230009; 3.安徽財經(jīng)大學 商學院，安徽 蚌埠 230030; 4.安徽職業(yè)技術學院 財務處，安徽 合肥 230010)

?

基于改進模糊綜合評價法的小微企業(yè)金融風險分析模型研究

李敬明1、2, 阮素梅3, 劉奎戶4

(1.安徽新華學院 信息工程學院，安徽 合肥 230088; 2.合肥工業(yè)大學 管理學院，安徽 合肥 230009; 3.安徽財經(jīng)大學 商學院，安徽 蚌埠 230030; 4.安徽職業(yè)技術學院 財務處，安徽 合肥 230010)

本文結合小微企業(yè)的具體環(huán)境及實際情況構建小微企業(yè)信用評價指標體系，通過對比分析國內(nèi)外信用評價方法，提出一種基于信息熵與層次分析法(AHP)結合的改進綜合評價法，該方法利用信息熵計算客觀權重，運用層次分析法計算主觀權重，并對主客觀權重進行擬合得出綜合權重，分析得到小微企業(yè)信用評價等級，實現(xiàn)對小微企業(yè)金融風險的分析。實驗結果表明，基于改進模糊評價法的小微企業(yè)金融風險分析模型可操作性較強，評估結果相對準確合理。

小微企業(yè)；金融風險分析；信息熵；層次分析法；模糊綜合評價法

0 引言

近年來隨著經(jīng)濟的不斷高速發(fā)展，小微企業(yè)在科技創(chuàng)新與提高就業(yè)率等方面的作用也在不斷凸顯，如何推動小微企業(yè)的不斷進步成為了被廣泛關注的話題。然而現(xiàn)階段資金短缺仍是小微企業(yè)發(fā)展過程中所面臨的最突出的問題，銀行及民間信貸機構仍是小微企業(yè)融資的主要渠道。在商業(yè)銀行實際信貸業(yè)務辦理過程中，由于小微企業(yè)一般財務管理不規(guī)范，導致傳統(tǒng)的財務分析方法難以全面、準確評估其經(jīng)營狀況和風險水平，這使得對小微企業(yè)的風險量化存在較大難度[1]。

如何精確對小微企業(yè)進行信用評價一直是信貸機構和銀行提供貸款時所遇到的一大難題。國內(nèi)外學術界和實務界對小微企業(yè)的信用評估非常重視，各種評價方法和評價模型層出不窮，目前還沒有有效、統(tǒng)一和公認的方法。通常來說，傳統(tǒng)金融機構對商業(yè)企業(yè)信用等級評價方法可以分為定性、定量及定性與定量相結合等三大類。定性評價方法主要依賴于專家的經(jīng)驗，通過主觀判斷來評價信用等級，主要包括6A，6C，5P[2]等方法，定性方法可以充分利用專家的經(jīng)驗，但過分強調主觀因素忽視了客觀因素；定量評估方法主要依賴于定量數(shù)據(jù)，利用統(tǒng)計判別模型評價的統(tǒng)計分析方法，該方法側重于財務和其它量化數(shù)據(jù)，結果較定性方法更為準確，但其缺點是片面強調定量分析，忽視定性分析，主要包括[3]Zeta模型， Logit模型，Z-score模型，Probit模型，多元判別分析方法，分類樹等；定性與定量相結合的綜合評價法，主要包括[4]層次分析法(AHP)、人工神經(jīng)網(wǎng)絡法、模糊評價法及灰色關聯(lián)法等。

近年來，一些新方法相繼應用于小微企業(yè)信用評估領域。在國外，Zekic-Susac M, Sarlija N及Bensic M等[5]從理論方面系統(tǒng)闡述了基于神經(jīng)網(wǎng)絡、決策樹及邏輯回歸等三種評價模型，并利用克羅地亞信貸協(xié)會的樣本數(shù)據(jù)進行實驗比較，結果顯示神經(jīng)網(wǎng)絡模型最好，其次為決策樹模型，邏輯回歸模型最差；在文獻[6]中，F(xiàn)antazzini與Figini從數(shù)學角度分析了基于邏輯回歸方法的評估模型，認為邏輯回歸模型優(yōu)于隨機存活森林(Random Survival Forests)模型，并利用德國評級機構的多家小微企業(yè)樣本數(shù)據(jù)對這兩個評價模型進行比較，實驗結果表明邏輯回歸模型相對較優(yōu)；同樣，在文獻[7]中，So Young Sohn與Hyejin Jeon采用Weibull模型建立了信用評價模型，并利用韓國高新技術行業(yè)小微企業(yè)數(shù)據(jù)驗證模型。 在國內(nèi)，由于小微企業(yè)在2008年金融危機后才興起，對小微企業(yè)信用評估研究相對晚一些，在2011年，董汝杰[8]采用logit模型對小微企業(yè)進行信用評價，通過logit模型來探討信用評估模型在小微企業(yè)信用評估中的應用；在2012年，錢慧,梅強等[9]提出了PCA-BPNN模型,該模型利用主成份分析法對信用風險指標進行選擇,選出指標作為BP神經(jīng)網(wǎng)絡的輸人,通過訓練樣本學習網(wǎng)絡，最后通過檢驗樣本預測其風險級別。洪微微，郭化林等[10]提出基于層次分析和模糊數(shù)學的小微企業(yè)信用評價模型，該模型利用層次分析法為信用風險的各指標賦予權值，再利用模糊綜合評判法進行選優(yōu)。

目前幾種方法在指標權重確定方面都存在不足，如單純的層次分析法是從主觀上來確定指標權重的，過于隨意性；人工神經(jīng)網(wǎng)絡精度低，還需要大量訓練樣本；灰色關聯(lián)法不能完全反映出指標間的關系，單純從比較曲線形狀確定因素間關聯(lián)度不太合適。因此，本文提出一種基于信息熵與層次分析法(AHP)結合的改進綜合評價法，該方法在權重方面把主觀與客觀權重有機結合起來，既克服了主觀權重的隨意性，又反映了模糊指標數(shù)據(jù)所蘊涵信息的客觀性。

1 小微企業(yè)金融風險分析的指標選擇

在文獻[11]中，范柏乃與朱文斌給出中小企業(yè)信用評價指標選擇的一般原則，從償債能力、經(jīng)營能力、獲利能力、管理能力、創(chuàng)新能力及行業(yè)發(fā)展?jié)摿Φ?個方面來選擇評價指標。由于我們的研究對象是小微企業(yè)具有自身的特殊性，一般不考慮它的創(chuàng)新能力與管理能力，另外，從定量角度分析，創(chuàng)新能力與管理能力方面屬于定性指標，不易獲取數(shù)據(jù)。所以，本文從企業(yè)的償債能力、經(jīng)營能力、獲利能力及行業(yè)發(fā)展?jié)摿Φ人膫€方面選取4個代表性的指標來綜合分析小微企業(yè)的金融風險。下面我們對各個指標進行具體介紹：

(1)資產(chǎn)負債率

資產(chǎn)負債率[12]是負債總額與資產(chǎn)總額的比例關系。資產(chǎn)負債率反映在總資產(chǎn)中有多大比例是通過借債來籌資的，衡量企業(yè)在清算時保護債權人利益的程度。

(2)資本積累率

資本積累率[12]是指企業(yè)本年所有者權益增長額同年初所有者權益的比率。資本積累率表示企業(yè)當年資本的積累能力，是評價企業(yè)信用級別及發(fā)展?jié)摿Φ闹匾笜?。文中采用的是小微企業(yè)三年內(nèi)平均資本積累率，使其更加客觀反映該公司的經(jīng)營及盈利能力。

(3)企業(yè)償債能力

企業(yè)的償債能力[13]是指企業(yè)用其資產(chǎn)償還長期債務和短期債務的能力。評估企業(yè)償債能力的常用兩個指標為流動比率與速動比率，其中流動比率是流動資產(chǎn)對流動負債的比率，一般說來，比率越高，說明企業(yè)資產(chǎn)的變現(xiàn)能力越強，償債能力就越強；速動比率是指速動資產(chǎn)對流動負債的比率，它是衡量企業(yè)流動資產(chǎn)中可以立即變現(xiàn)用于償還流動負債的能力。根據(jù)相關文獻，我們將這兩個指標進行擬合，重新確定償債能力為流動比率與速動比率的平均比率，使用平均比率對償債能力進行綜合評定。

(4)產(chǎn)值增長率

小微企業(yè)向銀行或其他信貸機構申請貸款時，其企業(yè)所在行業(yè)整體發(fā)展趨勢及前景對小微企業(yè)金融風險亦有很大影響。因此，很多文獻采用行業(yè)年產(chǎn)值增長率來對行業(yè)發(fā)展?jié)摿M行定量[10]，產(chǎn)值增長率為小微企業(yè)當年總產(chǎn)值與上一年度總產(chǎn)值之差占上一年度總產(chǎn)值的比率?？紤]到僅一年的產(chǎn)值增長率不能完全客觀反映行業(yè)的發(fā)展情況，文中指標采用的是近三年內(nèi)該行業(yè)總產(chǎn)值平均增長率來表示。

2 小微企業(yè)金融風險分析模型

2.1 評估指標模糊化處理

設小微企業(yè)信用評價論域為X={x1,x2,x3,x4}，其中x1為企業(yè)的資產(chǎn)負債率，文中取該企業(yè)當年的資產(chǎn)負債率狀況，為了保持和其他三個指標與信用等級關系的一致性，文中取資產(chǎn)負債率的倒數(shù)；x2為企業(yè)資產(chǎn)積累率，文中取的是該企業(yè)過去三年內(nèi)資產(chǎn)積累率的平均值；x3為企業(yè)償債能力，依據(jù)銀行現(xiàn)有的數(shù)據(jù)進行定量；x4是產(chǎn)值增長率，文中取該企業(yè)所在行業(yè)過去三年內(nèi)全國總產(chǎn)值平均增長率。由于各個指標對被評價對象的評價結果貢獻不一定是相同的，故本文從主客觀兩方面分別采用信息熵和層析分析法綜合來確定指標權重。由表1可知，評估對象指標值越大，小微企業(yè)信用度越高，可信賴程度越強，金融風險就越小。定量指標無量綱化一般采用隸屬度函數(shù)實現(xiàn)模糊化，將樣本數(shù)據(jù)標準到[0,1]區(qū)間。小微企業(yè)信用評價定量指標大多屬于極大型、極小型、穩(wěn)定型及區(qū)間型等幾類型；隸屬度函數(shù)有直線型與曲線型兩大類，直線型計算較簡單，曲線計算較復雜。本文根據(jù)信用指標的具體情況選用中間梯形的直線型隸屬度函數(shù)，函數(shù)具體定義如下：

當j=1時，

當j=2,3時，

當j=4時，

(1)

式中：j=1,2,…4分別對應于“不可信賴”、“較低信賴”、“一般信賴”及“可信賴；k1,k2,…k6是三個指標的6個界限值，按照表1各個指標的不同等級進行取值。

2.2 確定企業(yè)信用評價等級

信用評價等級集合為Y={y1,y2,y3,y4},其中y1為可信賴等級，若企業(yè)達到該標準，信貸機構可放貸并且可以適當延遲企業(yè)還款日期；y2為一般信賴等級，信貸機構可放貸，大筆貸款需謹慎處理；y3為較低信賴等級，機構可根據(jù)自己意愿來進行放貸，不建議大筆交易；y4為不可信賴等級，此時風險較大，不建議機構放貸。以上這些信用等級均為模糊信用等級。

2.3評價對象的技術指標

根據(jù)對以上四個評估指標的分析及相關文獻的記載，得出評估對象與信用類型的對應關系，如表1所示。

表1 評估對象技術指標

2.4 評價指標的權重確定

(1)信息熵確定權重

自香農(nóng)提出了“信息熵”的概念，才解決了對信息的量化度量問題。信息熵是系統(tǒng)無序程度的度量，它被定義為信息量的概率加權統(tǒng)計平均值，即：

(2)

其中，pi為事件的概率；H是pi的函數(shù)，是平均不確定性的一種表示，把信息熵引入到評價系統(tǒng)中使用，盡量避免了各因子權重的主觀性。

熵權值的基本計算步驟如下[14]：

步驟1 選定n個評價對象樣本，每個被評價對象有m個指標(文中選用4個指標)，構建判斷矩陣構建判斷矩陣：

M=(mij);i=1,2，…，n;j=1,2,…,m;

(3)

步驟2 求出第個評價指標下第個對象的指標比值：

(4)

步驟3 定義評估指標的熵為：

(5)

為了使得InPij有意義，規(guī)定: 當pij=0時，PijInPij=0。

步驟4 計算評估指標的熵值。第個指標的熵值為:

(6)

(2)由層次分析法確定的權重

層次分析法[15](The analytic hierarchy process,AHP)，它是一種定性和定量相結合的、系統(tǒng)化、層次化的分析方法。通常采用Satty 教授提出的9分位相對重要比例尺度，在本文中修改Satty的9分位尺度方法，采用經(jīng)濟領域經(jīng)常使用的黃金分割即0.618比例 ( 見表2) 。

表2 0.618尺度法的具體含義

指標xi與xj的重要性之比為aij，則指標xj與xi重要性之比為aij=1/aji。

(3)綜合權重的確定

我們將由信息熵確定的評價指標客觀權重W={w1,w2,…,wm}和由層次分析法確定的主觀權重Z={z1,z2,…,zm}進行擬合，最終得到的綜合權重向量A={a1,a2,…am},其中為：

(7)

2.5 模糊綜合評價模型

模糊綜合評價理論[16]是模糊數(shù)學的重要內(nèi)容，它以模糊數(shù)學為基礎，將相關的模糊概念用模糊集合表示，應用模糊關系合成的原理，通過模糊運算獲得集合表示的評價結果?；静襟E如下：首先，將評價因素組成具有m個元素的指標集合X={x1,x2,…,xm}，集合中X的元素分別代表了模型的m個評價指標, 文中m=4，4個指標分別為資產(chǎn)負債率、資本積累率、償債能力及行業(yè)增長率。集合Y={y1,y2,…,yn},集合Y中的元素代表了評價對象的n個結果集，文中n=4,4個評價結果分別為可信賴，一般信賴，較低信賴及不可信賴，并且每一個評價結果都對應一個模糊子集。指標集中的每個指標根據(jù)不同評價結果進行量化，可以生成模糊關系矩陣R。模糊關系矩陣R中的第i行第j列元素rij表示的是被評價對象從評價指標xi來看對yj結果集模糊子集的隸屬度。

同樣，在模糊綜合評價中，權向量A={a1,a2,…,am}是一個重要的因素，其中權重元素ai本質上是評價指標xi對被評價對象的重要性。本文中采用的是信息熵與層次分析法相結合的方法來確定被評價對象的各個指標的權重，并組成權重模糊向量A。最后將權重向量集合與關系矩陣R進行合成，如下：

(8)

3 模型驗證

3.1數(shù)據(jù)采樣和處理

研究采用的數(shù)據(jù)是來自休閑食品行業(yè)某小微企業(yè)近十年(2004～2013)來的實測數(shù)據(jù)，由于對某公司進行信用評級需要選用一定的時間間隔，通常采用的是一年，所以我們采用一年作為一個考察區(qū)間，所得的數(shù)據(jù)如表3所示。

表3 休閑食品行業(yè)某小微企業(yè)近十年的實測財務數(shù)據(jù)

為了便于對資本負債率進行模糊化，對上表中資本負債率取其倒數(shù)來使用。擬合企業(yè)償債能力是對流動比率和速動比率擬合后得到的數(shù)據(jù)。

根據(jù)評估對象模糊化方法，我們選取2004年的數(shù)據(jù)，資產(chǎn)負債率(倒數(shù))為161%，資本積累率為18%，行業(yè)增長率為11%，企業(yè)償債能力為86%，進行模糊化處理，利用公式(1)，建立模糊關系矩陣為：

3.2 確定權重

根據(jù)表中的所給出的某小微企業(yè)近十年來的數(shù)據(jù)，構建模糊關系矩陣，利用公式(3)～(5)計算出四個指標的熵值為(0.08,0.13,0.09,0.09),在利用公式(6)計算出客觀權重為w=(0.26,0.24,0.25,0.25)

根據(jù)層次分析法對上述四個指標兩兩比較，利用表1得出判斷矩陣

最后，根據(jù)公式(7)計算出資產(chǎn)負債率、資本積累率、企業(yè)償債能力及行業(yè)增長率等四個指標的綜合權重A=(0.17,0.41,0.39,0.29,0.15)。從所得的綜合權重可以看出小微企業(yè)的資本積累率與償債能力這兩個指標對企業(yè)的信用評估影響較大，因此，金融機構對小微企業(yè)貸款的金融風險分析時，這兩個指標比資產(chǎn)負債率及行業(yè)增長率相對重要。

3.3 評價結果與討論

由以上信息熵和層次分析法綜合確定的權重,利用公式(8)可以得到最后的評估結果：

根據(jù)模糊綜合評價法中的最大隸屬度原則可得該小微企業(yè)2004年度的信用等級為y3，即一般信賴，同理可求出該小微企業(yè)的其他年度信用評估情況，具體信用等級見表4。

表4 休閑食品行業(yè)某小微企業(yè)近六年的信用等級評估結果

從表4的結果可以看出，該小微企業(yè)近十年的發(fā)展還是比較穩(wěn)定的，沒有太大的波動，2006、2011及2012年度信用等級下降一個等級為較低信賴，其他年度均為一般信賴。綜合歷史數(shù)據(jù)對該小微企業(yè)貸款的金融風險還是較小的，可以向其貸款。

圖1 四種信用評價方法評估結果對比

從某金融機構收集休閑食品、裝飾建材及計算機服務等3個行業(yè)，4家小微企業(yè)的近六年(2004～2009)的指標數(shù)據(jù)，借助Clementine軟件平臺，分別采用BP神經(jīng)網(wǎng)絡、層次分析法及灰色聚類等方法進行計算，運算對比結果見圖1所示。信息熵與層次分析法結合的改進模糊綜合評價法采用隸屬度函數(shù)剖析信用分類界限，體現(xiàn)信用評估存在的界限模糊性，克服了其他幾種方法在信用分級不連續(xù)性或跳躍性方面的不足。同時從圖中可以看出，改進模糊綜合評價法比其他三種方法在小微企業(yè)信用的等級跨度相對平穩(wěn)，能夠比較客觀地反映信用等級的實際情況。根據(jù)此金融機構的歷史數(shù)據(jù)表明，采用改進模糊綜合評價法對4家小微企業(yè)的信用評價等級與歷史記載基本相符，因此本文提出的方法對小微企業(yè)信貸的金融風險分析是有效的。

4 結束語

基于改進的小微企業(yè)金融風險評估分析模型在指標權重方面把主觀和客觀的評判有機結合起來，采用了信息熵和層次分析法綜合確定指標的權重值，避免的主觀或客觀的單一性造成結果的偏差，既克服了主觀權重的隨意性，又反映專家的知識和實際經(jīng)驗，結果更為客觀合理。由于小微企業(yè)財務制度不完善，財務指標不是十分健全。因此，經(jīng)過大量文獻和實踐研究從眾多指標中選取資產(chǎn)負債率、資本積累率、企業(yè)償債能力及行業(yè)增長率等四個評價指標，這些指標數(shù)據(jù)容易從申貸的小微企業(yè)獲得，并且對小微企業(yè)信用等級評估或評價具有代表性。最后應用改進的模糊綜合評價法對休閑食品、裝飾建材及計算機服務等3個行業(yè)，4家小微企業(yè)從2004至2009六年進行了評估，并與其他3種方法比較評估結果更能反映該公司的運營與發(fā)展情況，與歷史記載基本一致。

[1] 彭凱,向宇.我國銀行開展小微企業(yè)貸款的困難和對策[J].西南金融,2010(6):59- 61.

[2] 周紅敏,張憲堂,丁麗冬.我國科技型小微企業(yè)信用評價研究[J].生產(chǎn)力研究,2014(2):136-139.

[3] 王曉春.小微企業(yè)風險測度、不良容忍度及其風險控制研究[J].金融發(fā)展研究,2012(11):7-11.

[4] 虞曉芬,傅玳.多指標綜合評價方法綜述[J].統(tǒng)計與決策,2004(11):119-121.

[5] Zekic-Susac, M. Sarlija N. and Bensic,M. Small Business Credit Scoring: A Comparison of Logistic Regression, Neural Network and Decision Tree Models[C]. 26th International Conference on Data of Conference, 2004,7: 265-270.

[6] Fantazzini,D. and Figini,S. Random Survival Forests Models for SME[J]. Methodol Comput Appl Probab, 2009(11): 29- 45.

[7] So Young Sohn, Hyejin Jeon. Competing Risk Model for Technology Credit Fund for Small and Medium-Sized Enterprises[J]. Journal of Small Business Management, 2010, 48(3): 378-394.

[8] 董汝杰.基于logit模型的微型企業(yè)信用評價研究[J].新金融,2011,(8):54-58.

[9] 錢慧,梅強,文學舟.小微企業(yè)信貸風險評估實證研究[J].科技管理研究,2013,33(14):220-223.

[10] 洪微微,郭化林.基于層次分析和模糊數(shù)學的小微企業(yè)信用評價研究[J].商場現(xiàn)代化,2014,(26):140-141.

[11] 范柏乃, 朱文斌. 中小企業(yè)信用評價指標的理論遴選與實證分析[J].科研管理,2003,24(6):83- 88.

[12] 黃鵬,劉艷.基于模糊綜合評判法的小微企業(yè)綜合信用評價模型[J].西南金融，2013(10)：25-29.

[13] 秦瑤.商業(yè)銀行如何支持科技型小微企業(yè)發(fā)展[J].現(xiàn)代金融,2012(3):40- 41.

[14] 張振海,李士寧,李志剛等.一類基于信息熵的多標簽特征選擇算法[J].計算機研究與發(fā)展,2013,50(6):1177-1184.

[15] 鄧雪, 李家銘, 曾浩健等. 層次分析法權重計算方法分析及其應用研究[J]. 數(shù)學的實踐與認識, 2012, 42(7):93-100.

[16] 呂英杰,葉強等.模糊綜合評判理論在網(wǎng)頁自動分類中的應用[J].計算機工程，2007,33(15):178-180.

Research on Financial Risk Analysis Model of Small and Micro Businesses Based on Improved Fuzzy Comprehensive Evaluation Method

LI Jing-ming1,2, RUAN Su-mei3, LIU Kui-hu4

(1.SchoolofInformationEngineering,AnhuiXinhuaUniversity,Hefei230088,China; 2.SchoolofManagement,HefeiUniversityofTechnology,Hefei230009,China; 3.SchoolofBusiness,AnhuiFinanceandEconomicsUniversity,Bengbu230030,China; 4.FinancialDepartment,AnhuiVocationalandTechnicalCollege,Hefei230010,China)

According to the specific enviroment and actual situation of small and micro business, credit evaluation index system of small and micro business is constructed. Comparative analyzing the domestic and foreign credit evaluation method, a fuzzy comprehensive evaluation model based on informtion entropy and AHP is proposed. The objective weight is based on the entropy weight, and the subjective weight is computed by use of the AHP. Then the objective and subjective weight are united, and consequently the comprehensive weights are obtained by weight fitting. Finally, the comprehensive evaluation result is got, which realized the analysis of financial risk of small and micro business. The experimental results which are calculated by the improved fuzzy comprehensive evaluation model based on strong operability are more scientific and accurate.

Small and Micro Businesses; Financial Risk Analysis; Information Entropy; Analytical Hierarchy Process(AHP); Fuzzy Comprehensive Evaluation Method

2013- 0- 0

國家自然科學基金項目(71403001)；安徽省教育廳人文社會科學研究重點項目(SK2013A011)

李敬明(1979-)男，安徽五河人，講師，在讀博士，主要研究方向：智能計算，數(shù)據(jù)挖掘；阮素梅(1974-)女，安徽太和人，副教授，博士，主要研究方向：銀行管理，公司治理；劉奎戶(1976-)男，安徽五河人，會計師，主要研究方向：財務與金融管理與信息化技術。

TP391.4

A

1007-3221(2015)06- 0217- 08

10.12005/orms.2015.0216