基于聚類分析與模糊可拓AHP的中小企業信用評價

摘要：傳統信貸政策下，銀行對中小企業信用評價時是把單個企業作為評價主體，文章突破了這一限制，提出供應鏈金融模式下信用指標體系建立的準則，構建了信用評價指標體系，并建立了基于聚類分析和模糊可拓AHP的信用評價模型，該模型把區間模糊數的基本理論引入到AHP群組評價中，利用聚類分析法來確定專家的權重，并結合模糊綜合評價法得出評價對象的信用評價值。最后將其用于A企業的信用評價，實例表明了該方法的實效性。

關鍵詞：供應鏈金融；信用評價；模糊綜合評價；可拓AHP；聚類分析

一、 引言

供應鏈金融自從2006年被中國資金管理者沙龍發掘并深入研討后，越來越多地被國內各大企業和銀行應用，已成為破解當前中小企業融資難題的創新金融產品。國內外學者針對供應鏈金融業務，分別從不同角度進行了分析。Allen N等人對中小企業融資提出了一些新的設想及框架，最早提出了供應鏈金融的思想。Gonzalo Guillen等研究了短期供應鏈融資，提出了合理的供應鏈管理模式可以影響資金融通與企業運作，從而增加供應鏈整體收益。本文提出應用模糊可拓層次分析法對供應鏈金融模式下的中小企業信用風險進行評價的方法，該方法利用可拓區間數來表示各指標間的相對重要性，比傳統層次分析法更科學、更合理，通過專家打分建立可拓區間個體判斷矩陣，計算出各層次個體判斷指標權重，應用聚類分析法，將專家個體排序向量進行系統聚類，確定出專家權重系數，得出各層次綜合權重，再結合模糊綜合評價方法進行逐級評價，最終得到綜合評價值。

二、 基于供應鏈金融的中小企業信用評價指標體系構建

本文借鑒傳統信貸政策下中小企業信用評價的基本框架，根據供應鏈金融自身的特點，結合借款人的資信水平，重點考察單筆融資業務自我清償的能力以及貸款人組織該筆供應鏈交易的能力，對供應鏈上中小企業進行信用評價。評價指標體系見圖1。

三、 基于聚類分析與模糊可拓AHP中小企業信用評價模型

1. 可拓群組AHP。

（1）可拓判斷矩陣的構造。本文采用Saaty提出的互反性1-9標度法作為判斷矩陣標量化準則，在這一準則下，每位專家兩兩比較隸屬于同一層次的各個指標的相對重要性，為反映人類認識的模糊性，用具有一定彈性的區間數來進行重要性標度，假設m個專家參與決策，則每人所得的區間判斷矩陣分別記為，A1，A2，…，Am，其中Ak=（aijk）n×n，aijk=[aijk-，aijk+]，k=1，2，…，m，i，j=1，2，…，n。

第三步，判斷矩陣的一致性。若0?燮f?燮1?燮g，表示可拓判斷矩陣具有較好的一致性。若不滿足則需校正判斷矩陣或請專家重新判斷。

第四步，求出權重向量。

Sk=（Sk1，Sk2，…，Sknl）T=（2）

Sknl表示專家k給出的l層的第n個因素對上一層因素的權重向量。

2. 模糊綜合評價。下面給出二級模糊綜合評價的基本步驟：

（1）劃分因素集。設因素集U={u1，u2，…，un}，評價尺度集V=（v1，v2，…，vm），根據U中各因素間的關系將U分成 k份，設第i個子集Ui={ui1，ui2，…，uin}，i=1，2，…，k。

（2）一級評價。利用一級模型對每個Ui進行綜合評價，計算其綜合評價向量，

Bi=Wi。Ri i=1，2，…，n（4）

式中，“?！睘槟：铣蛇\算；Wi為1×ni階權重向量； Ri為對Ui的ni×m階單因素評價矩陣；Bi為Ui上的1×m階一級綜合評價結果矩陣。

（3）多級綜合評價。將每一個Ui作為一個元素，用Bi作為它的單因素評判，構成二級評判矩陣：

R=B1B2…Bn（5）

設關于U={u1，u2，…，un}的權重分配為W=（w1，w2，…，wn），則可以得到U的二級評判結果為：

B=W。R=（b1，b2，…，bm）（6）

按照最大隸屬度原則，用bj=max（b1，b2，…，bm）對應的等級vj可以判定評判因素的等級。

（4）計算方案的綜合評價值。若取評價尺度的隸屬度集為V=（好，較好，中等，較差，差），并賦以相應的分值，如 V=（100，80，60，40，20），各級因素的綜合得分即為

M=BVT（7）

四、 評價實例

A是某地的煉油企業，其上游供應商是中國石化公司的B分公司，B公司每月按照原油指標給A企業穩定的原油供應，A企業進行煉制生產，A企業與B公司采用預付貨款的方式。由于A企業存在預付貨款的資金需求，向銀行申請基于預付貨款的供應鏈金融融資。

聘請10位專家，按照A企業的基本狀況、供應鏈的交易狀況等，對照圖1給出的評價指標體系，建立可拓判斷矩陣，由于判斷矩陣的對稱性，這里僅列出申請企業基本情況維度的判斷矩陣的右上三角形的量值（如表1），并給出模糊評價值的求法，其余各維度及總目標層的評價值可類似求出。

下面以專家3可拓判斷為例計算權重向量。

x1-=（0.120，0.288，0.215，0.192，0.107，0.078）T

x1+=（0.122，0.277，0.214，0.190，0.115，0.080）T

f=0.91<1

所以判斷矩陣的一致性良好。

由公式（2）可得S1=<0.109，0.135>，S2=<0.262，0.305>， S3=<0.195，0.235>，S4=<0.174，0.210>，S5=<0.097，0.127>， S6=<0.071，0.088>。

根據公式（3）有?籽1=V（S1?叟S6）=3，?籽2=V（S2?叟S6）=7.87， ?籽3=V（S3?叟S6）=5.75，?籽4=V（S4?叟S6）=5.36，?籽5=V（S5?叟S6）=2.38，?籽6=1，進行歸一化處理，從而得出專家3對此因素給出的權重向量W31=（0.118，0.310，0.226，0.211，0.093，0.040），同理可得到其他專家給出的權重向量，這里不一一列舉。集合專家自身權重可以得到在這個維度的綜合權重W1=（0.117，0.305，0.211，0.192，0.096，0.080），給出此因素下指標的評價值矩陣，便可得到此因素的隸屬度向量B1=（0.139，0.443，0.212，0.126，0.08）。

依照此法求出準則層的權重向量W=（0.338，0.114，0.305，0.164，0.079），總評價矩陣

R=0.139 0.443 0.212 0.126 0.080.687 0.251 0.044 0.015 0.0030.514 0.357 0.072 0.048 0.0090.435 0.418 0.113 0.030.0040.234 0.562 0.106 0.051 0.047

利用公式（6）和公式（7）計算出企業A信用評價綜合得分為M=81.5，信用評價結果良好。若按傳統模式進行信用評價，只考慮企業自身的情況，本例中用申請企業基本情況維度計算A企業信用評價得分為60.7，很難獲得銀行的信貸支持，這也是很多中小企業面臨的融資困境，供應鏈金融信用評價體系從關注中小企業自身的風險，轉變成關注供應鏈的整體風險，從對中小企業的靜態財務數據進行評價，轉變到關注單筆交易的自償性，對交易全過程進行評價，銀行通過對融資項下資產的有效控制，有效地解決了中小企業融資難題。

五、 結論及建議

本文所建立的模型，解決了構造判斷矩陣和系統綜合評價時人類認識的模糊性問題，聚類分析法的應用，解決

了群決策問題中專家權重的確定問題，在實際應用中，發現該方法具有數據處理方便、結論客觀合理、可操作性強等特點，為供應鏈金融環境下中小企業的信用評價提供了有效的新途徑。同時我們也應該注意到，在銀行業剛剛開展供應鏈金融業務四五年的時間里引入和應用信用風險評價模型，企業信用數據的缺乏將是遇到的首要問題。銀行必須切實做好收集、整理及存儲企業的財務信息、信用信息以及與之相關的供應鏈信息，建立起自己的基礎數據庫，選擇或開發適合自身的信用評價方法，才能提高信貸決策的科學性和準確性。

參考文獻：

1. Alen N．Berger，Gregorry F．Udell．A More Complete Conceptual Framewolrk for SME Finance. World Bank Conferenceon Small and Medium Ente- rprises：Overcoming Growth Constraints，USA，2004．

2. Gonzalo Guillen，Mariana Baderll．A Holis- tic Framework for Shortterm Supply Chain Mana- gement Integrating Productionand Corparate Fina- ncial Planning．Production Economics，2006，（7）：25-27．

3. 陳祥鋒，石代論，朱道立．融通倉與物流金融服務創新．科技導報，2005，23（9）：30-33．

4. 彎紅地．供應鏈金融風險模型分析研究．經濟問題，2008，（11）：109-112．

5. 熊熊，馬佳，趙文杰．供應鏈金融模式下的信用風險評價．南開管理評論，2009，12（4）：92-98．

6. 遲國泰，馮雪，趙志宏．商業銀行經營風險預警模型及其實證研究．系統工程學報，2009，24（4）：408-416．

7. 毛義華，劉悅．基于RBF神經網絡的商業銀行客戶信用評級．統計與決策，2010，302（2）：151-153．

基金項目：安徽省教育廳人文社會科學基金資助項目（項目編號：2008sk239，2010sk3210）。

作者簡介：劉長義，安徽工程大學管理工程學院副教授，合肥工業大學機械與汽車學院博士生；孫剛，安徽工程大學管理工程學院副教授。

收稿日期：2011-02-13。