宋瑞敏++王冠雄++汪亭

【摘 要】 制約小微企業(yè)發(fā)展的融資問題是多方面原因?qū)е碌?，而融資渠道選擇不當(dāng)也是原因之一。利用MADM（多屬性決策）中TOPSIS方法的基本原理，可為企業(yè)常見三種融資渠道進(jìn)行排序，從而為企業(yè)的融資決策提供一套科學(xué)有效的定量分析方法。

【關(guān)鍵詞】 小微企業(yè)； 融資渠道； 多屬性決策

中圖分類號：F590.3 文獻(xiàn)標(biāo)識碼：A 文章編號：1004-5937（2016）05-0029-04

一、引言

現(xiàn)代企業(yè)融資理論中，有三個具有代表性的理論，分別從不同的角度探討了企業(yè)應(yīng)該選擇怎樣的融資結(jié)構(gòu)能實(shí)現(xiàn)企業(yè)價值的最大化。其一是Modigliani and Miller的MM理論，該理論認(rèn)為：企業(yè)在融資過程中采用什么樣的資本結(jié)構(gòu)對公司價值沒有影響。其二是Myers and Scott提出的企業(yè)平衡論：負(fù)債會因利息減稅作用而增加企業(yè)的價值，但隨著企業(yè)負(fù)債的上升，企業(yè)的風(fēng)險也隨之上升，因?yàn)樨?fù)債使企業(yè)陷入財(cái)務(wù)虧空的可能性增大，甚至可能導(dǎo)致企業(yè)破產(chǎn)，這些不利的風(fēng)險因子會降低企業(yè)市場價值。其三是梅耶斯的融資順序理論，其核心思想為，企業(yè)融資總是先內(nèi)源融資后外源融資，而外源融資又一般遵循先間接融資后直接融資的原則。國內(nèi)學(xué)者根據(jù)我國特殊國情，也從理論層面探討了中小企業(yè)的融資渠道選擇問題。如王曉梅等（2007）以溫州市中小企業(yè)為研究對象，分析比較了溫州市中小企業(yè)內(nèi)源融資、銀行貸款、民間融資三種融資渠道的現(xiàn)狀及利弊。田秀娟（2009）用計(jì)量經(jīng)濟(jì)學(xué)的方法，對農(nóng)村中小企業(yè)融資渠道選擇作了實(shí)證分析，得出了不同融資渠道的金融供給對企業(yè)發(fā)展擴(kuò)張和企業(yè)效益提升沒有顯著的不同影響的結(jié)論。金丹丹（2006）認(rèn)為中小企業(yè)在其發(fā)展的過程中，經(jīng)歷了企業(yè)發(fā)展初期的自籌資金，到中期結(jié)合其他融資形式融資，再到后期的風(fēng)險投資退出這樣一個過程。從以上理論不難發(fā)現(xiàn)，很多對于企業(yè)融資結(jié)構(gòu)選擇問題的研究多為定性分析，且角度不同，得出的結(jié)論也不盡相同，從而給企業(yè)主帶來更多的困惑。

近年來，學(xué)者們不再僅僅將融資理論與投資理論、股權(quán)政策等相聯(lián)系，而是多學(xué)科交叉研究小微企業(yè)融資渠道狹而不暢的問題，如把融資渠道、融資方式的選擇與出資者、經(jīng)營者等的行為方式相聯(lián)系；企業(yè)融資模式選擇與企業(yè)治理、企業(yè)價值等相聯(lián)系。從研究方法上來看，不少學(xué)者利用數(shù)學(xué)工具來研究分析小微企業(yè)融資問題，嘗試建立合適的數(shù)學(xué)模型，用定量的方法來研究企業(yè)融資渠道選擇問題。如張揚(yáng)（2012）運(yùn)用Probit模型驗(yàn)證分析了不同收益能力的農(nóng)村中小企業(yè)的融資特征，以及融資渠道的選擇問題。彭瑾（2008）則構(gòu)建了中小企業(yè)融資效率評價模型，計(jì)算各種融資渠道的融資效率。無論是定性分析，還是建立數(shù)學(xué)模型定量分析，在考慮選取何種融資渠道時，都應(yīng)該考慮以下因素：融資成本、融資效益、融資風(fēng)險、金融環(huán)境、法律環(huán)境、資金的利用率、融資機(jī)制的規(guī)范度、融資期限、融資主體的自由度等。而這些因素多為定性的、語言化的，無法用精確的數(shù)學(xué)語言來描述。此外，對于不同的企業(yè)主，其風(fēng)險偏好不同，也就導(dǎo)致風(fēng)險因子在其融資決策過程中的權(quán)重不同，故不能用一個籠統(tǒng)的方法來研究所有的企業(yè)?；谝陨峡紤]，筆者選擇利用模糊多屬性決策方法，把融資決策過程中的定性描述轉(zhuǎn)換為定量描述，同時分別討論不同風(fēng)險愛好者在融資決策過程中所表現(xiàn)出來的不同行為方式，為常見融資渠道的優(yōu)先級進(jìn)行排序，從而為企業(yè)主在融資決策時提供一個有效、科學(xué)的分析方法。

二、TOPSIS方法基本原理

多屬性決策又可稱為有限方案多目標(biāo)抉擇，指的是在考慮多個屬性的情況下，選擇最優(yōu)的候選方案或者對備選方案進(jìn)行排序的決策問題，它是現(xiàn)代決策科學(xué)的重要組成部分，已被廣泛應(yīng)用于工程、經(jīng)濟(jì)、管理等各學(xué)科中的決策問題。Bellman and Zadeh首先將模糊集與決策問題聯(lián)系起來，隨后，大量學(xué)者參與到模糊多屬性決策的研究工作中去，并產(chǎn)生了大量的具體的模糊多屬性決策方法。具體而言，模糊多屬性決策方法可分為四大類，第一類是無偏好信息的方法，它包含模糊樂觀型決策法、模糊悲觀型決策方法、模糊折中型結(jié)合法；第二大類是有屬性信息的方法，它包含模糊聯(lián)合與分離法、模糊加權(quán)平均法、模糊決策擴(kuò)展法；第三類是有方案信息的方法，如模糊多維偏好線性分析規(guī)劃（LINMAP）方法；第四類是模糊決策綜合方法，如模糊層次分析法、區(qū)間層次分析法。本文主要應(yīng)用的是第二類有屬性信息的決策方法中的TOPSIS法。

TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）方法，又稱為優(yōu)劣解距離法，是逼近理想解的排序法。設(shè)一個多屬性決策問題的備選方案集為X={x1，x2…，xm}，每個方案由n個屬性進(jìn)行評價，記屬性集為Y={y1，y2，…，yn}；這時方案集X中的每個方案xi（i=1，…，m）的n個屬性值構(gòu)成的向量是Yi=（yi1，yi2，…，yin），它作為n維空間的一個點(diǎn)，能唯一地表征方案xi。由于每個屬性對于決策者的重要性不同，因此要對每個屬性賦予不同的權(quán)重。假設(shè)屬性yi的權(quán)重為ωi（i=1，2，…，n），且滿足ωi=[0，1]，ωi=1。所有屬性的權(quán)重可用向量形式表示為ω=（ω1，ω2，…，ωn）T。

理想解x*并不是一個方案集X中本身存在的某個方案，而是虛構(gòu)出來的最佳方案，其每個屬性值均為決策矩陣中該屬性的最佳值。同理，負(fù)理想解x0也不是方案集中的某個方案，而是虛擬出來的最劣方案，其每個屬性值均為決策矩陣中該屬性的最劣值。在n維空間中，將方案集X中的各備選方案xi與理想解x*和負(fù)理想解x0的距離進(jìn)行比較，其中既靠近理想解同時又遠(yuǎn)離負(fù)理想解的方案便是該方案集X中的最優(yōu)方案，并可根據(jù)方案集中每個方案與正負(fù)理想解的距離來判斷各方案的優(yōu)劣順序。

用理想解求解多屬性決策問題，只要在屬性空間定義適當(dāng)?shù)木嚯x測度就能計(jì)算備選方案與理想解。至于既用理想解又用負(fù)理想解，是因?yàn)槿绻麅H使用理想解，有時候會出現(xiàn)某兩個備選方案與理想解距離相同的情況，為了區(qū)分這兩個備選方案的優(yōu)劣，引入負(fù)理想解并計(jì)算這兩個備選方案與負(fù)理想解的距離，在與理想解距離相同的情況下遠(yuǎn)離負(fù)理想解的方案為優(yōu)。TOPSIS方法的思路可用圖1來說明。圖1表示兩個屬性的決策問題，f1與f2為加權(quán)的規(guī)范化屬性，均為效益型；方案集X中有6個備選方案x1，x2，…，x6，根據(jù)它們的加權(quán)規(guī)范化屬性值標(biāo)出了在圖中的位置，并確定理想解x*與負(fù)理想解x0，圖中的x4和x5與理想解x*的距離相同，引入它們與負(fù)理想解的距離后，由于x4比x5離負(fù)理想解x0更遠(yuǎn)，故備選方案x4優(yōu)于方案x5。

本文所用方法是TOPSIS方法在模糊情形中的拓展——模糊折中型決策方法，它是以模糊理想解與模糊負(fù)理想解二者一起為參考基準(zhǔn)建立起來的。技術(shù)細(xì)節(jié)上，先對模糊指標(biāo)值進(jìn)行加權(quán)，然后確定模糊理想解和模糊負(fù)理想解，并計(jì)算方案與理想解和負(fù)理解的距離，進(jìn)而得到各方案的優(yōu)劣順序并作出最終的決策。關(guān)于TOPSIS法的一般步驟，此處不再一一贅述，下文中將給出TOPSIS方法在企業(yè)融資過程中的具體應(yīng)用。

三、模糊多屬性決策在小微企業(yè)融資中的應(yīng)用

第一，選取決策變量：企業(yè)在融資過程中需要考慮的因素有很多，其中一些客觀因素不以企業(yè)主的個人意志為轉(zhuǎn)移，而融資成本、融資效益和融資風(fēng)險這三個直接因素則可以被企業(yè)拿來綜合考慮，故選取這三者作為企業(yè)融資決策變量。為研究方便，本文主要比較三種常見融資渠道，分別為：

A：小微企業(yè)直接向銀行貸款融資；

B：小微企業(yè)通過擔(dān)保機(jī)構(gòu)向金融機(jī)構(gòu)貸款融資；

C：小微企業(yè)通過民間借貸融資。

此時依據(jù)經(jīng)驗(yàn)對這三種融資渠道的融資成本、融資風(fēng)險以及融資效益定性分析，具體見表1。

第二，語音值模糊化：求解模糊多屬性決策問題的關(guān)鍵之一就是對其中模糊成分的定量化描述，為此，對以上表格中的定量描述語言賦予其指標(biāo)值，具體對應(yīng)如下：

語言：極低、很低、低、較低、一般、較高、高、很高、極高

對應(yīng)模糊數(shù)：采用三角模糊數(shù)，其隸屬函數(shù)圖像如圖2。

故對于風(fēng)險偏好者而言，C1=0.5213，C2=0.5263，C3=0.5445，即他會選擇方案C：風(fēng)險較高，但同時融資效益也高的民間借貸融資渠道。

對于風(fēng)險厭惡者而言，C1=0.76，C2=0.5766，C3=0.5707，即他會選擇方案A：風(fēng)險較低，但相對而言手續(xù)更加繁瑣，融資效益也較低的銀行借貸。

四、結(jié)語

由以上的分析過程不難看出，利用MADM模型可以使得語言化的指標(biāo)值定量化，并且可以綜合考慮不同風(fēng)險偏好者在行為決策中的不同行為方式，從而使決策結(jié)果更符合決策者的價值取向。以上分析只是現(xiàn)實(shí)融資渠道選擇問題的一個縮影，當(dāng)出現(xiàn)更多、更復(fù)雜的融資渠道時，企業(yè)決策者往往不能根據(jù)自己的主觀判斷來決定選擇某個融資渠道，此時MADM模型便能為企業(yè)決策者提供有效、科學(xué)的解決辦法。企業(yè)主可以初步定性判斷待選融資渠道的融資風(fēng)險、融資效益、融資成本等問題，然后根據(jù)自己的風(fēng)險偏好程度，在行為決策的過程中，設(shè)置相應(yīng)的權(quán)重，按照上文的五個步驟，用定量的方法來作出最優(yōu)的決策。

以上模型的適用對象是單個主體的行為決策，即一個決策者在面對多個融資渠道時所作出的決策，基于這樣的特征，本模型只適用于小微企業(yè)的融資決策研究，因?yàn)樾∥⑵髽I(yè)其特征往往表現(xiàn)為人格化的管理模式，獨(dú)斷性強(qiáng)，企業(yè)行為往往一個人說了算。當(dāng)企業(yè)發(fā)展到一定規(guī)模，需要群策群力，公司權(quán)力不再集中于某一個人手中時，該模型便不再生效，具體表現(xiàn)在模型中風(fēng)險因子對于企業(yè)決策的影響權(quán)重?zé)o法統(tǒng)一，這時就需要多屬性群決策來解決這個問題。另外，當(dāng)考慮的融資渠道選擇指標(biāo)體系擴(kuò)展到含有精確數(shù)值或者區(qū)間值時，則可以利用混合多屬性決策模型加以解決，其基本思路與原理跟本文一致。

【主要參考文獻(xiàn)】

[1] 王曉梅，陳相侄.溫州中小企業(yè)融資渠道選擇[J].企業(yè)經(jīng)濟(jì)，2007（8）：95-97.

[2] 田秀娟.我國農(nóng)村中小企業(yè)融資渠道選擇的實(shí)證研究[J].金融研究，2009（7）：146-159.

[3] 張揚(yáng).農(nóng)村中小企業(yè)融資渠道選擇及影響因素[J].金融論壇，2012（6）：50-57.

[4] 張茂軍，南江霞，李登峰，等.帶有三角直覺模糊數(shù)的多屬性決策的TOPSIS[J].運(yùn)籌與管理，2012（5）：99-100.

[5] 徐玫平，吳巍.多屬性決策的理論與方法[M].北京：清華大學(xué)出版社，2006.

[6] WU RONG.Study on the fuzzy mathematics based selection of partners in developing new products[J].Logistics Technology，2010（Z2）：832-833.

[7] IDRIS L，LYES B，MANOJ K T.Novel fuzzy hybrid multi-criteria group decision making approaches for the strategic supplier selection problem[J].Expert Systems with applications.2015，42（7）：3347-3349.

[8] ZADEH L A.Fuzzy sets，information and Control[J].International Journal of Intelligent Systems，1965，8（3）：338-353.