基于歷史數據的水利工程建設市場主體信用動態評價與預測模型

王龍寶，李 晟，陽晃林，楊妍妍，4，豐 慧，5

(1.河海大學計算機與信息學院，江蘇 南京 211100； 2.河海大學商學院，江蘇 南京 211100；3.廣東省水利廳，廣東 廣州 510635； 4.國際河流研究中心，江蘇 南京 211100；5.江蘇省“世界水谷”與水生態文明協同創新中心，江蘇 南京 211100)

現行的水利工程建設市場主體信用評價方法已難以滿足市場主體信用管理的實際需要，而采用信用動態管理能夠彌補信用評價周期較長且更新慢的缺陷，及時掌握水利工程建設市場主體信用信息動態。為了建立以信用為核心的政府監管體系，一方面應將信用評價結果應用于水利工程招標投標活動，降低市場交易風險；另一方面，水利工程建設領域存在市場準入機制不健全、信息公開不規范等突出問題，往往會造成信用缺失問題。建立互聯互通的水利工程建設市場信用體系，對于減少政府監管成本、加強事中事后監管、維護水利工程建設市場正常秩序等具有重要的意義。

信用評價方法源自于金融危機后基于信用風險的研究，發展經歷了從簡單的“3C”“5C”等和以線性判別分析為代表的傳統評價方法，到以Logistic回歸、Probit信用評分等為代表的統計學方法，再到神經網絡、支持向量機和聚類分析等方法。目前，國外信用評價方法從統計學和運籌學等模型發展為以人工智能方法為主要研究熱點。

為了優勢互補，有關學者提出了混合評價方法，其中金融領域的研究較多。Tsai等[1]基于3個銀行的數據，對神經網絡集成和混合神經網絡進行了比較；張瑯[2]運用支持向量機對信用風險進行了評估；Akko?[3]驗證了三階段混合自適應神經模糊推斷(ANFIS)信用評分模型要優于傳統的判別分析法(LDA)、Logistic回歸分析法(LRA)以及神經網絡法(ANN)的結論。

針對國內的現狀，陳曉紅等[4]建立了改進的模糊綜合評價模型，驗證了模型的穩定性和適用性。周春喜[5]提出的綜合評價模型彌補了企業信用評價存在的主觀性太強的缺點，為銀行貸款提供了決策依據。在建筑企業信用評價方面，劉高軍等[6]將數據挖掘技術應用于LRA、決策樹以及ANN中，得出的信用評價值可預測建筑企業的違約率。曲春慧[7]首先構建了建筑企業信用評價體系，通過綜合各種信用評價模型，提出了基于熵值法的模糊綜合評判模型，并驗證了該模型良好的適應性。袁莉[8]運用支持向量機(SVM)進行信用預測分類，得到的結果準確率較高。有些學者著重于對信用的動態評價，張發明[9]采集各個時點上構成的一維時間向量，通過融合算法對受評對象進行動態評價，以避免靜態評價可能導致的錯誤。管曉永[10]主要考慮評價指標與信用評價的相關性，將企業信用評價指標分為靜態信用能力和動態信用能力兩個維度。張洪祥等[11]從時間序列的角度而不是孤立時點對受評樣本進行信用評價，提高對信用風險的控制能力。楊韻[12]指出，傳統的C2C評價體系不合理，通過動態信用評價模型著重解決了歷史交易和近期交易同等處理、信用值累計方法不科學等問題。呂永衛等[13]為制造業信息化建立了動態指標，并以3個月為周期評價獲取的數據。Yu等[14]通過AHP法確定貸款的信用水平，提出一種基于動態推送功能的模型。Li等[15]提出一個基于邏輯回歸和人工神經網絡相結合的算法。朱清香等[16]結合熵權-AHP法確定權重，并對動態信用數據進行預測。李菁苗等[17]通過聚類分析對專家的評價權重進行修正，使權重更加合理、準確，并主要通過財務指標對企業進行信用評價。

本文在分析國內外文獻的基礎上，結合我國水利工程建設市場主體信用評價的現狀和特點，基于信用動態評價方法，以滿足水利工程建設市場主體信用動態評價要求。此外，本文構建的信用預測模型是根據企業最近3年的信用評價值對企業未來信用狀態進行趨勢預測，得到的評價結果可用于政府監管、招投標選擇、市場準入等活動中，使企業信用評價的結果更有現實適用性。

1 水利工程建設市場主體信用評價現狀與問題

水利工程建設市場信用缺失表現為：①勘察設計單位地質勘查不足，在水利工程建設中不嚴格按照基本建設程序運作，設計成果不滿足勘查設計深度；②施工企業靠不正當手段中標，在施工過程中偷工減料；③建設監理單位越級承攬監理業務，中標后不能按照業主的要求履行合同；④工程設備、材料等供貨單位提供與合同不符的劣質設備和材料等。

水利工程建設市場主體信用評價主要存在以下3個問題：

a. 信用評價周期過長，難以滿足信用動態管理的實際需要。

b. 沒有全面反映動態變化。水利工程建設市場主體信用是用于反映未來的履約能力，取決于當前信用和未來信用的變化。一方面歷史的信用信息是各主體進行市場活動的反映，能夠作為現在信用評價的評判依據之一(目前沒有考慮信用歷史的權重)；另一方面，信用信息處于不斷變化的狀態，為了使信用評價結果更加合理，應該增加動態評價作為補充。市場主體的獲獎、工程獲獎、企業參與搶險救災、慈善公益、專利、工法、正式期刊發表論文、新工藝新方法等良好記錄，以及行政處罰、違法、欠薪、欠繳社保、行業自律機構處罰等不良行為記錄等時有發生，現行的信用評價對此考慮不夠。

c. 信用等級評定時間與信用等級應用時間不同步。按照現行做法，水利工程建設市場主體信用等級是反映當前水利工程建設市場主體的信用狀態，而其應用是未來的。

2 水利工程建設市場主體信用動態評價與預測模型構建

目前，企業信用評價模型主要有判別分析、Logistic回歸分析、數據挖掘、人工神經網絡和支持向量機等方法。判別分析法具有較強的操作性和預測能力，但是對指標要求較高，并且假定各自變量與因變量之間存在線性關系，往往與實際情況不符。人工神經網絡具有很強的自適應性，能克服適當函數模型選擇困難的缺陷，避免分析過程的復雜性，但是過分依賴樣本，無法得到權值的重要性[7]。支持向量機分類模型[18-19]簡單，但是魯棒性差，模型僅考慮兩分類問題。而基于現代數理統計分析的方法——模糊綜合評價法可以較好地解決模糊、難量化的問題。

2.1 信用動態評價模型理論與建立

2.1.1信用動態評價模型理論分析

布朗認為時間序列的態勢具有穩定性或規則性，時間序列可被合理地順勢推延，最近的過去態勢在某種程度上會持續到將來[20]。基于這種觀點，布朗提出了指數平滑法。指數平滑法的特點在于并不舍棄過去的數據，而是隨著數據的遠離，給予逐漸減弱的影響程度，即較近期觀測值的權重比較遠期觀測值的權重大。分析水利工程建設市場主體信用的特點可知，其最近的過去對現在的信用會產生一定的影響，因此，選用基于歷史的信用數據對水利工程建設市場主體信用進行動態評價。

2.1.2信用動態評價模型建立

信用動態評價基礎模型未能考慮市場主體信用增量因素，為此，考慮信用歷史數據后的信用值為

Ft=WRq

(1)

F=αF0+βFt

(2)

α+β=1

(3)

式中：Ft為本次信用評價的綜合信用值；W為指標權重；R為模糊評價矩陣；q為分數集向量；F為基于歷史數據的最終信用值；F0為歷史信用值；α,β分別為歷史和本次信用值權重。一般認為α≤β。

2.2 信用動態預測模型

2.2.1馬爾科夫模型

馬爾科夫過程是一種特殊的隨機過程，以一種基于概率統計的方式來分析系統。馬爾科夫預測法認為系統在每一時刻的狀態僅取決于前一時刻的狀態，而與其過去歷史狀態無關。通過研究狀態轉移的概率可以近似地刻畫系統狀態的演變趨勢，目前已被廣泛應用于各領域。在金融領域，王春峰等[21]運用馬爾科夫蒙特卡洛模型提高了對金融市場風險的測量精度。在電力電子系統領域，廖瑞金等[22]應用馬爾科夫模型對變壓器的壽命進行了預測，評估了其可靠性。在經濟領域，陳立波[23]提出由于馬爾科夫過程具有無后效性，較適合隨機波動比較大的動態過程。通過構建灰色馬爾科夫預測模型，提高了企業實際經營狀態預測的準確性和可靠性。在地產領域，谷秀娟等[24]認為房屋價格動態變化的過程是一個馬爾科夫鏈，根據月度統計數據對房屋價格走勢進行了預測。交通領域，呂穎釗等[24]結合模糊評價和馬爾科夫過程，對橋梁承載力的可靠度進行了預測。

信用評價的實質是對被評價對象未來信用品質和信用能力的預測。國際著名信用評級公司穆迪公司認為，信用評級的目的不僅可以表示企業的信用度，還能夠預測企業的信用走勢。因此，本文應用馬爾科夫矩陣對企業信用進行預測。

2.2.2基于馬爾科夫的信用動態預測模型構建

2.2.2.1狀態區間的劃分

a. 對于水利工程建設市場主體，根據水利部現行的三等五級法[25]，將信用狀態分為5種，見表1。

表1 水利工程建設市場主體信用狀態劃分

2.2.2.2狀態矩陣的構建

狀態轉移是系統由一個時期所處的狀態Ei到未來某時期所處的可能狀態Ej的轉變，而發生這種轉移的可能性被稱為轉移概率。按照轉移次數可以分為一次轉移和多次轉移。

a. 分析歷史數據得到的狀態概率即為初始概率。

b. 計算狀態轉移概率。假設有n個狀態E1，E2，…，En，則

(4)

式中：fij為由狀態Ei轉移到Ej的頻率；mij為由狀態Ei轉移到Ej的次數；Mij為由狀態Ei在狀態轉移過程中出現的總次數。fij可近似表示狀態轉移概率的近似值pij。

c. 構建狀態轉移概率矩陣。一次狀態轉移概率矩陣為

(5)

2.2.2.3未來狀態的預測

設初始時刻的狀態概率向量為∏(0)=(α1,α2,…,αn)，則預測第k次的分布為∏(k)=∏(0)P(k)。

2.3 權重的確定

2.3.1動態信用指標權重的確定

2.3.1.1層次分析法

a. 構建層次結構模型，建立準則層和指標層。

b. 構造成對比較矩陣，用aij表示ai指標與aj指標兩兩比較的相對值，則比較矩陣為A=(aij)n×n。其中，Saaty的比例標度法賦值見相關文獻[26]。

c. 計算排序權向量。計算判斷矩陣T的最大特征根λ及其相應的特征向量，把特征向量進行標準化后得到權重向量

w=(w1,w2,…,wn)T

d. 一致性檢驗。

(6)

(7)

式中：CI為一致性指標；RI為隨機一致性指標；CR為一致性比率，當CR<0.1時A的不一致可以接受；n為評價指標的個數。

2.3.1.2熵值法

a. 指標j的熵值為

(8)

b. 指標同度量化：

(9)

c. 指標j的差異系數：

dj=1-ej

(10)

d. 指標權重：

(11)

2.3.1.3綜合賦權

考慮到層次分析法AHP的主觀性較強，而熵值法會出現重要指標所占權重較小等不合理現象[27]，因此采用綜合賦權的方式確定最后權重，以確保指標權重的合理性。用熵值法差異化系數來調整主觀權重：

(12)

2.3.2動態評價模型權重的確定

根據Camerer等[28]歷史策略衰退率的討論，由于環境變化，進行策略選擇時需對歷史信息進行特定的遺忘，即引入歷史衰退系數ф。以前的交易活動如與現在的交易活動一致性較高，則ф值越大，但是隨著歷史時間的延伸，其值會減少。何清泉等[29]提出歷史信用與當前信用不能同質處理，應引入衰退系數對信用度進行調整。如過去的交易活動與現在的交易活動差異較大，過去的信用對當前信用影響較小，衰退系數的取值為[0，0.3]；如過去的交易活動與現在的交易活動一致性較高，則衰退較小，此時衰退系數取值為[0.7，1]。一方面，由于水利工程建設市場主體信用動態評價的周期較短，歷史數據會有較大的參考價值；另一方面，當前水利工程建設市場主體在水利工程建設市場中的表現比歷史表現更具參考性，當賦予歷史信用值和本次信用值不同的系數時，可認為歷史信用值的衰退系數為ф=0.7，當前的信用值沒有衰退，即ф=1。所以為了保證信用值的百分制，按照歷史信用值和當前信用值的比例，設定α=0.7/1.7=0.4，β=0.6。

2.4 評價指標隸屬度的確定

2.4.1定量評價指標隸屬度函數

信用評價評語按照國際慣例，用9個級別來劃分企業信用等級。

(13)

a. 正向指標隸屬度函數：

(14)

b. 逆向指標隸屬度函數：

(15)

式中：[ ]為取整符號；r為評價指標的隸屬度值；xjmin、xij和xjmax為指標j的最小值(下限值)、實際值和最大值(上限值)。

2.4.2定性指標

對于難以定量描述的指標，需采用模糊統計法確定模糊評價矩陣，建立信用指標評語集V和指標集U，按照V對U得到模糊評價矩陣R。其中，U={U1,U2,…,Un}為信用評價指標集合。本文借鑒國際上應用較為廣泛的對信用等級的劃分(三等九級制)方法，并以相對應分值范圍來量化等級，則評語集為V={V1,V2,…,V9}。

(16)

式中rix(x=1,2,…,9)為指標i屬于等級Vi的頻率。

3 案例分析

3.1 背景

某水利工程建設市場主體X施工企業目前經營范圍：庫容1億m3，裝機容量100 MW及以下水利水電工程和輔助生產設施的建筑、安裝和基礎工程施工。資質方面：1999年獲得三級企業施工資質，2004年獲得水利水電工程施工總承包二級資質，2010年獲得市政公用工程施工總承包三級資質。企業人員素質：主要包括技術負責人、管理團隊、在職員工總數、水利工程造價工程師、注冊建造師、全國水利水電施工現場管理人員、施工企業三類人員、中級以上技術工人以及其他執(從)業人員。良好記錄：本季度獲得一個水利安全生產標準化二級獎項，屬于縣市級獎項且無不良記錄。信用等級評價可以有不同的時效，信用動態評價的時效為一個季度。本案例數據來源為全國水利工程建設市場信用信息平臺。

3.2 信用動態評價

3.2.1指標權重

在全面整理近10年CNKI數據庫關于企業信用評價資料的基礎上，借鑒水利部對施工單位的信用評價標準及關于水利工程建設施工單位的相關研究成果[25，30-32]，建立較為系統的水利工程建設市場主體(施工單位)的信用評價體系，見表2。根據AHP法計算一級、二級、三級指標的權重，再利用熵值法算出差異性因數對權重進行調整，具體計算方法見文獻[33]，最后得出調整后的權重見表3。

表3 水利工程建設市場主體(施工單位)各級指標權重

3.2.2指標隸屬向量

a. 定量指標。指標上下限值的確定參照《企業績效評價標準值》設定，求得相應的隸屬度向量。

對于正向指標U231，確定其上限值為0.5%，下限值為10%，指標U231的實際值為12.4%，故其隸屬向量為(1，0，0，0，0，0，0，0，0，)。

對于逆向指標U211，確定其下限值為50%，上限值為85%，指標U211的實際值為55%，則其隸屬向量為(0，1，0，0，0，0，0，0，0)。

b. 定性指標。根據專家對指標的打分來確定其隸屬度。以指標U34所包含的三級指標為例，指標評價結果見表4。

表4 指標評價結果

根據表4可以得到各個指標的隸屬等級頻率，從而得到隸屬向量為

3.2.3模糊綜合評價

a. 模糊綜合評價向量:

Ri=WijkRij

R1=(0.2367,0.2027,0.4286,0.1338)

=(0.133 8，0.240 1,0.343 8,0.216 5,0.068,0,0,0,0,0)

同理，根據R=WijRi可得二級模糊綜合評價向量:

R=

b. 分數集向量:

q=(95,85,75,65,55,45,35,25,15)T

c. 本次評價信用值。

Ft=WRq=

(0.51,0.14,0.13,0.06,0.04,0.05,0.07,0,0)q=80.9

d. 上一季度X施工企業的信用評分為76.69，則基于歷史數據的X施工企業的最終信用得分為：F=0.4F0+0.6Ft，即F=79.22。

3.3 信用動態預測

a. 取連續3年(共計12個季度)的信用數據，計算信用動態等級，并對下一季度的信用等級進行預測。信用值狀態區間見表5。

表5 信用值狀態區間

b. 狀態轉移矩陣:

c. 下一季度的信用狀態預測。由于各個企業的發展水平差異性較大，很難保證長期保持同一狀態轉移率，所以只進行下一季度的信用狀態預測。

∏(1)=∏(0)P=

3.4 結果分析

a. 從評價結果可以看出，該公司信用狀態較好。為了提高信用值，可以著重改善指標U4和U5兩方面的水平。此次雖然信用評價等級為A，但是綜合得分接近80，即企業通過努力，下一階段較容易被評為更高的等級。

b. 基于前3年的信用記錄，可以看出企業信用水平有所下降，但是處于相對穩定狀態。最近6個季度信用等級保持在較好和一般水平，且信用水平較好的情況較多，通過預測得出X施工企業下一季度信用等級為A的結論。

c. 信用評價結果普遍較好，主要是因為不良記錄未公布、受評企業的基本資料缺乏可信性、財務數據等信息透明度不高。

4 結 語

本文提出的信用動態評價主要體現在縮短時間周期、評價值基于歷史數據滾動以及預測信用值。通過數據抓取、數據交換和企業自身提供等方式更快捷地獲取數據的同時可進一步縮短評價周期。

a. 動態信用評價模型考慮歷史數據，對過去和現在的信用評分賦予不同的權重，由此得出的評價結果是一種動態滾動的過程，從而使企業既更注重保持自身的信用狀態，又能采取適當的改進措施來提升企業信用等級。

b. 目前可用于信用評價的數據較少，而且信用評價指標中一些定性指標難以直接量化，所以模糊綜合評價比較可行且操作較為簡單。

c. 信用動態評價及預測方法的實用性及可操作性較強，為今后選擇施工企業提供了新的思路和研究方向。