任向英

(合肥职业技术学院经贸旅游学院，安徽 合肥 230022)

中小企业作为国民经济发展的主要驱动力，在其经营发展中主要采用银行借款的方式筹资，在贷款时金融机构通常要对企业信用情况进行衡量，由此判断贷款收回可能性。对此，可将灰聚类法引入其中，创建完善的信用等级评价体系，对中小企业信用进行精准科学的评价，促进其长远发展的同时，也使金融机构的资金风险降到最低。

在金融市场中信用风险对经营活动具有调节作用，良好的信用可为企业带来可观的效益，较差的信用可对企业经营产生不良影响，甚至会扰乱市场秩序，不利于社会和谐。中小企业作为市场经济主体之一，偶尔会发生失信事件，例如安然会计案件、世界通信案件等等。与发达国家相比，我国企业在治理机制、管理效率、内部结构等方面存在漏洞，且利益主体较多，为了实现自身效益最大化更会加剧信用风险的发生。通常情况下，此类企业的信用风险成因如下：一是丧失履约能力。中小企业的规模较小，企业内部治理结构存在一定的缺陷，导致企业履约能力弱化甚至丧失，进而产生信用风险；
二是履约意识淡薄。企业与银行之间存在信息不对称情况，监管机构有时无法彻底掌握中小企业的实际情况，这样企业便可寻找合适的理由，在行为上不履行责任；
三是违约成本较低。由于法律制度不够完善，且执行力较弱，导致部分中小企业便很容易出现故意违约[1]。

在中小企业发展中，银行贷款属于主要的资金筹措渠道，但因二者的信息严重不对称，导致银行不愿意向中小企业放贷，在很大程度上抑制了企业的发展步伐。究其根源，主要因银行无法精准评估企业的信用情况，进而难以预测贷款收回的概率，可见金融机构急需构建一个客观公正的信用评估模型，使企业融资难问题得到有效改善。当前发达国家的风险评估方式多样，如KMV、CreditRisk等等，但我国在此方面仍处于起步阶段，因缺乏科学充足的基础数据，导致部分评估理论与方法很难适用。一般采用多元判别模型，将企业信用分为还本付息、违约两种类型，但不利于对企业的深层评价，仍然存在较高的误判率。对此，本文在灰色聚类法的基础上提出了新型企业信用风险评估模式，具有较强的准确性与可行性。

在系统论中，大多通过颜色体现研究者对系统信息的认知度。例如，“黑”代表的是信息完全缺失；
“白”代表的是信息充足；
“灰”代表的是信息不够充足，可将信息缺失的数据称为“灰数”，信息不完全的元素称为灰元，信息不全部的关系称灰关系。如若系统中信息不完全或不确定现象为系统灰色性，该系统为灰色系统。因中小企业各类管理制度不完善，内部财务运作机制、发展前景、生产经营对银行来说，不能充分完全的了解，企业内部众多方面不够稳定，内部组织结构、资金运用、人员构成不够明确，从这角度来看银行对信用评估系统复杂灰色系统。此外，银行从企业能够得到数据量少，但灰色系统中的部分数据可有效挖掘指标内部信息，可采用灰聚类的方式对企业信用风险进行评估。在灰数的白化函数生成基础上，灰色聚类与灰色统计存在一定区别，此种方式是将聚类对象对多种聚类指标中的白化值进行分类整理，由此对聚类对象的灰类所属进行评估的方法[2]。

3.1 指标体系构建

根据当前文献研究结果，选择应用频率较高的部分指标；
采用专家打分法对文章中评价指标体系进行确定。在本文研究中，根据《企业公信度评分》内容中的指标与研究成果，在分类、汇总的基础上，先选择应用频率超过70%的指标共29项，包括定量16项和定性13项。然后，要求12为专家进行打分，由此确定二级指标。采用四分制评分方式，由1到4分别为“不重要”“一般”“重要”和“十分重要”，每位专家均可按照自己的想法赋予分值。如若“重要”或“十分重要”的专家数量占总数的比值低于50%，则将该项指标删除；
对于专家给出的无法理解或重复的指标也应剔除。在一轮评分后，原始指标剩余25项，对其进行二轮打分，指标分值如表1所示。将不合标准的指标删除后还剩22项，其中定量12项，定性10项，采用T-检验的方式分析两次打分的结果差异，结果显示二者差异不具有显著性，说明专家对全部指标已经基本达成共识，无需再次进行打分。

表1 信用指标分值区间

对于中小企业来说，在发展过程中受到政治、经济、社会等多种因素影响，范围较为广泛。由于相关指标数量众多，可分为不同体系进行分析，具体如下：

(1)行业地位。体现出企业经营现状以及与竞争对手之间的距离；

(2)经营能力。可充分体现企业决策力，并对企业的发展高度与前景具有决定性作用；

(3)财务指标。该项指标可直接体现出企业经营情况，同时也是银行与信评结构在信用评价中关注的关键指标；

(4)基本素质。可体现出企业整体概况，对其管理和运作具有较大影响，同时还会影响企业信用情况。

3.2 权重分配

3.3 灰色聚类模型

该模型基于灰数的白化函数而成，与灰色统计存在一定区别，此种方式是将聚类对象对多种聚类指标中的白化值进行分类整理，由此对聚类对象的灰类所属进行评估的方法。该模型的构建步骤如下：

步骤一：对指标i关于指标j的样本值Xij进行描述，其中聚类对象i的取值范围为i∈I，区间为(i,n)；
聚类指标j的取值范围为j∈J，区间为(1,m)；
聚类灰类k的取值范围为k∈K，区间为(1,s)。

步骤二：根据以往研究结果与定性分析，构建j指标k子类白化权函数，其中j的取值为1到m；
k的取值范围由1到s。通常白化权函数类型为上/下限测度类、典型函数以及适中测度类。在具体应用中，还应对n个聚类对象角度进行综合分析，确定白化权函数，并且立足于大环境，按照相同对象样本取值得出相应的函数；

步骤三：按照多种评估问题，采用定权、变权或者其他方式明确j指标聚类权R。通常情况下，将Rk作为j指标在k类别中的聚类全，可应用到聚类指标意义、量纲均一致的情形之中。当各项因素的样本值存在较大区别时，如若采用Rk作为聚类权，很容易增加评估结果的误差。对此，可采用层次分析的方式，使指标权重得以确定，由此体现出各项指标在评估中的重要价值；

步骤四：计算定权聚类系数与灰色聚类向量，在k灰类中的聚类系数中，聚类系数向量用ai表示，取值范围为ai1至ai5；

步骤五：以对象i灰色聚类为依据进行分析，可对对象i是否属于灰类k进行判定[4]。

聚类法是指按照事物间的相似性将其集成多种类型的技术方法，灰聚类作为应用较为频繁的一种，主要是灰色矩阵与白化权函数的结合，利用其对指标进行观察和划分，使其变成不同类别的方法。灰聚类适用于同种类型的归并结合，可使复杂系统更加精简，评价结果也更加可观真实。在本文研究中，采用灰聚类的方式进行研究。灰聚类是在白化函数的基础上产生，将采集的信息进行处理后，根据特定设置进行分类归纳，对其所属类别进行划分。在对企业信用情况进行分析时，可采用灰聚类法，根据当前整体信用情况划分为多个灰类，即优秀、较优秀、一般、较差和差。在选择原始指标后，对其主要内容进行分析，变成八个具有较强描述性的指标，并对其进行评估。为了精简聚类计算流程，可根据八项指标对企业信用的综合指标进行聚类分析，也就是财务效益、偿债能力、发展能力、潜力指标以及运营效率。

4.1 评估过程

4.1.1 样本选择

本研究从某国有银行中随机选出20家中小企业，将其作为评估对象，重点针对资金运营能力、财务情况、偿债能力、发展潜力四项指标进行分析，并对企业的总体信用情况进行综合分析。评价模型构建的第一步便是确定指标集，指标质量将对整体模型的评估结果具有直接影响。例如，资金运营能力、财务情况、偿债能力、发展潜力等等，其中，资金运营能力采用应收账款与存货周转率来体现；
财务情况采用净资产收益率与销售利润率来体现；
偿债能力采用的是运营资本与保息倍数的比值进行体现；
发展潜力采用三年税后利润增长均值进行体现。在对原始数据进行归一处理时，应与分指标相结合，每种指标的两个样本数值应按1/2加权计算，由此得出企业指标i在总指标中的比例[5]。

假设i代表聚类对象，取值范围为1到n；
j代表聚类指标，取值范围为1到m；
k代表的是聚类灰数，取值范围为1到k。Dij代表第i个对象关于第j个指标的样本值，则dij的矩阵如下：

4.1.2 白化权函数描述

通常情况下，该函数是根据以往经验、定性结果进行描述。在对企业信用风险进行评估时，应结合中小企业的信用类型与贷款级别，明确评估指标与不同灰类的白化权函数。因指标数量较多，且具有综合性，可将其全部看成相同的白化权函数。在五个灰类基础上建立四个指标函数与对应的图像。图像中包含许多转折点，这些均是根据企业信用情况由银行打分体系体现出来。当前打分体系中以百分制形式对企业信用情况打分，按照得分对信用类型进行划分，在本研究中图像上的转折点便是按照信用等级AAA到D划分断点而成。

4.1.3 确定指标聚类权

采用层次分析法确立综合指标聚类权。为了避免信用评估中的重要指标小于样本数据量，在阈值方面也应适当缩小，进而影响聚类权的大小，增加信用评估误差，有助于更加精准的评价企业信用情况。在本文研究中，采用问卷调查的方式选出关键的评估指标，并采用层次分析法明确指标权数，使各项指标在聚类操作中能够发挥不同作用。在层次分析法背景下，可确定出以下几个指标权重：

一是财务效益权重，用R1表示，数值为0.32；

二是偿债能力权重，用R2表示，数值为0.40；

三是发展能力权重，用R3表示，数值为0.10；

四是运营效率权重，用R4表示，数值为0.18；

4.2 评估结果

将灰聚类评估结果进行对比，立足于当前企业贷款实际情况可知，企业1—10的贷款状态为正常，灰聚类法的结果主要体现为优秀类，企业2—7为一般类，各项指标情况基本与企业实际信用相一致；
企业12、16、18和20均存在逾期贷款情况，灰聚类结果处于较差类与一般类之间，与企业实际情况相一致，企业20被定为一般类主要因其具备较强的偿债能力；
企业11、13—15、17、19均存在不同程度的贷款呆滞，灰聚类结果显示为差灰类，其结果与实际情况相一致。由此可见，灰聚类结果与企业实际情况相符合，是一种客观公正、可信度强的评估方式。在实际应用中应更加细致的划分信用灰类，便于金融机构更为细致的管理和风险控制。

此外，还应在评估时对非财务因素综合考虑，使评估内容更加科学全面，结果更加精准合理，结合AHP法确定二级指标权重，对各个参评企业的一级指标进行打分，如表2所示。

表2 企业各项指标值

根据上述样本企业中各类灰度分布情况可知，在前三类企业中主要为电子、电器制造与生物医药科技，这与创业市场中潜力较大的行业相符，可见灰色聚类能够与行业前景相互对应，与现实情况一致。根据灰色关联理论可知，关联度较为靠前的企业中，灰类等级大多为良好以上；
关联度较差的企业，通常灰类等级也处于差等，这意味着二者的结论相一致。可见，灰色聚类评估结果与市场实际情况基本相同，具有较强的可信度。在实际应用中，能够对信用风险进行详细划分，为金融机构对信用风险的监控与管理提供诸多宾利；
投资者也可充分掌握企业当前风险情况，提早做出科学正确的投资决策。

灰聚类是在白化函数的基础上产生，将采集的信息进行处理后，根据特定设置进行分类归纳，对其所属类别进行划分。将该评估方法应用到中小企业信用评估中，可为金融机构贷款提供科学可靠的依据。经过大量实践表明，该方法客观公正、可信度强，评估内容更加科学全面，结果更加精准合理，可有效促进金融机构与中小企业在资金筹措方面的共同发展。

猜你喜欢 白化灰色聚类 一种傅里叶域海量数据高速谱聚类方法北京航空航天大学学报(2022年8期)2022-08-31运用红外相机技术首次记录白化小麂野生动物学报(2021年1期)2021-01-13白化黄喉拟水龟人工培育研究①热带农业科学(2020年7期)2020-08-31浅灰色的小猪小学生学习指导(低年级)(2020年3期)2020-06-02基于Surfer的瞬变电磁法扇形超前探测白化文件的精确快速生成方法煤矿安全(2020年4期)2020-04-24面向WSN的聚类头选举与维护协议的研究综述现代计算机(2018年27期)2018-10-25改进K均值聚类算法舰船电子对抗(2017年6期)2018-01-11灰色时代Coco薇(2017年2期)2017-04-25她、它的灰色时髦观Coco薇(2017年2期)2017-04-25感觉为了孩子（3～7岁）(2016年8期)2016-05-14