精準(zhǔn)扶貧視角下革命老區(qū)金融扶貧信用評(píng)價(jià)系統(tǒng)的研究與應(yīng)用

楊君岐　趙雅琦

摘要：為確保在2020年實(shí)現(xiàn)全民脫貧攻堅(jiān)，黨和國(guó)家的工作重心一直圍繞著精準(zhǔn)扶貧展開。然而，我國(guó)的陜南革命老區(qū)由于經(jīng)濟(jì)落后、情況復(fù)雜，目前的扶貧工作依舊面臨著扶貧評(píng)級(jí)授信難等問題。本文基于對(duì)陜南革命老區(qū)商洛市鎮(zhèn)安縣農(nóng)戶的調(diào)研數(shù)據(jù)結(jié)果，引入3個(gè)一級(jí)指標(biāo)及10個(gè)二級(jí)指標(biāo)，從定性與定量結(jié)合的角度出發(fā)，選用層次分析法與模糊綜合評(píng)價(jià)法構(gòu)建符合革命老區(qū)現(xiàn)實(shí)情況的扶貧信用評(píng)價(jià)體系。本文共選取1321個(gè)調(diào)研樣本進(jìn)行實(shí)證結(jié)果分析，建立了科學(xué)有效的信用評(píng)價(jià)體系，為政府精準(zhǔn)扶貧工作與金融機(jī)構(gòu)評(píng)級(jí)授信積極建言獻(xiàn)策。

關(guān)鍵詞：金融扶貧? 革命老區(qū)? 信用評(píng)價(jià)? 層次分析法? 模糊綜合評(píng)價(jià)法

2019年，中央一號(hào)文件就“農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革”工作提出要求，要扎實(shí)推進(jìn)精準(zhǔn)扶貧工作，不斷促進(jìn)農(nóng)村金融發(fā)展。2020年是實(shí)現(xiàn)全民脫貧攻堅(jiān)的決勝之年。目前革命老區(qū)精準(zhǔn)扶貧工作中最關(guān)鍵的問題是如何將有限的資金用到最需要的貧困戶上，如何從扶貧角度客觀對(duì)貧困戶的信用情況做信用評(píng)價(jià)。歷來，銀行等金融機(jī)構(gòu)多數(shù)將扶貧對(duì)象排除在信用評(píng)級(jí)的優(yōu)質(zhì)客戶外，以商洛市為代表的我國(guó)重點(diǎn)革命老區(qū)，近幾年努力探索了符合當(dāng)?shù)貙?shí)際的脫貧道路。2018年，商洛市農(nóng)業(yè)生產(chǎn)總值174.35億元，較2017年同期增長(zhǎng)4.1%;城鄉(xiāng)居民可支配收入較2017年分別增長(zhǎng)8.4%和9.5%。商洛市鎮(zhèn)安是國(guó)家扶貧開發(fā)重點(diǎn)縣、革命老區(qū)縣，全縣有建檔立卡貧困村96個(gè)，其中深度貧困村15個(gè)，截至2018年底，穩(wěn)定脫貧退出25041戶76970人，剩余貧困人口724戶2178人，貧困發(fā)生率降至0.89%。近年來，鎮(zhèn)安縣政府持續(xù)增加邊遠(yuǎn)山區(qū)、特困人群等的扶貧力度。目前的扶貧工作中主要存在以下難點(diǎn)：一是信息采集有障礙，扶貧評(píng)級(jí)授信難;二是貧困戶還款意識(shí)薄弱，還款風(fēng)險(xiǎn)大;三是金融機(jī)構(gòu)覆蓋少，“普惠”介入難。

本文通過對(duì)鎮(zhèn)安縣的實(shí)地調(diào)研，充分考察農(nóng)戶現(xiàn)在的經(jīng)濟(jì)狀況以及未來的發(fā)展?jié)摿?。從家庭特征、償債能力、信譽(yù)狀況這三個(gè)維度選取指標(biāo)，由此確定戶主的年齡、健康狀況、受教育程度、家庭人口數(shù)、家庭教育負(fù)擔(dān)、家庭人均年純收入、農(nóng)戶勞動(dòng)時(shí)間、農(nóng)戶勞動(dòng)技能、農(nóng)戶的勤勞程度、信用與品德等二級(jí)指標(biāo)。結(jié)合層次分析法和模糊綜合評(píng)價(jià)法，構(gòu)建出一個(gè)符合陜南革命老區(qū)的扶貧信用評(píng)價(jià)指標(biāo)體系，并根據(jù)農(nóng)戶數(shù)據(jù)進(jìn)行實(shí)證分析。

一、基于AHP的模糊綜合評(píng)價(jià)法的模型構(gòu)建

（一）評(píng)語(yǔ)集合的確定

（二）基于層次分析法（AHP）的指標(biāo)權(quán)重的判定

1.層次分析法的運(yùn)用步驟。

（1）建立層次結(jié)構(gòu)模型。

（2）構(gòu)造兩兩矩陣。設(shè)T為評(píng)價(jià)指標(biāo)集，，代表對(duì)的相對(duì)重要程度（j=1，2，3，...，n），判斷矩陣為;

（3）計(jì)算n階矩陣每一行元素乘積的n次方根，對(duì)作歸一化處理，得到因素i的相對(duì)權(quán)重

（公式2-1）;

2.一致性檢驗(yàn)。

（1）計(jì)算判斷矩陣T的最大特征根;

（2）計(jì)算一致性指標(biāo)CI;

（公式2-2）;

（3）引入隨機(jī)一致性指標(biāo)RI，得出檢驗(yàn)系數(shù)，若，則認(rèn)為該判斷矩陣通過一致性檢驗(yàn)，否則就不具有一致性。

（公式2-3）

3.隸屬函數(shù)的構(gòu)造。設(shè)屬于優(yōu)秀、良好、一般、較差模糊方案子集的隸屬函數(shù)分別為、、、，。

對(duì)指標(biāo)的處理公式如下：

（公式2-4）

（公式2-5）

（公式2-6）

（公式2-7）

（公式2-8）

（公式2-9）

（公式2-10）

（公式2-11）

其中，代表評(píng)價(jià)因素在二級(jí)指標(biāo)下的值，與代表評(píng)價(jià)因素最大值和最小值，通過處理得到評(píng)價(jià)結(jié)果，進(jìn)而得出模糊關(guān)系矩陣。

（三）綜合子因素集評(píng)判結(jié)果做總評(píng)判

其中，矩陣的每一行代表二級(jí)指標(biāo)屬于評(píng)語(yǔ)集合不同評(píng)語(yǔ)的評(píng)價(jià)，其值分別是、、、。

（四）評(píng)價(jià)農(nóng)戶信用程度

其中，以為權(quán)數(shù)，對(duì)賦值，，其中=4，=3，=2，=1，根據(jù)V值的大小，確定評(píng)價(jià)對(duì)象次序。利用MATLAB軟件對(duì)數(shù)據(jù)處理，結(jié)合AHP及模糊綜合評(píng)價(jià)法減少人為主觀因素所導(dǎo)致的數(shù)據(jù)誤差。

二、模型應(yīng)用

目前，商洛市鎮(zhèn)安縣有建檔立卡貧困村96個(gè)，其中深度貧困村15個(gè)，建檔立卡貧困人口25765戶79148人。本文將1321份貧困戶家庭的微觀金融數(shù)據(jù)為樣本，建立貧困戶信用體系。

（一）基于AHP的模糊綜合評(píng)價(jià)

1.評(píng)語(yǔ)集合的選取。本文選用評(píng)語(yǔ)集，分別對(duì)應(yīng)優(yōu)秀、良好、一般、較差四個(gè)等級(jí)。對(duì)評(píng)價(jià)集進(jìn)行量化。

2.權(quán)重的確定。本文選取了基層村委以及部分貧困戶的打分意見。其中戶主年齡為逆向指標(biāo)，家庭人口數(shù)為定量指標(biāo)，其余指標(biāo)均為正向指標(biāo)且可通過實(shí)踐打分結(jié)果進(jìn)行量化。最終確定3個(gè)一級(jí)指標(biāo)和10個(gè)二級(jí)指標(biāo)。其中，家庭特征下分為戶主年齡、戶主健康狀況、受教育程度、家庭人口數(shù)、家庭受教育負(fù)擔(dān)5個(gè)二級(jí)指標(biāo);償債能力下分為農(nóng)戶的人均年純收入、農(nóng)戶務(wù)工時(shí)間、戶主勞動(dòng)技能3個(gè)指標(biāo);信譽(yù)狀況下分為農(nóng)戶勤勞程度、信譽(yù)與品德2個(gè)指標(biāo)。利用MATLAB軟件計(jì)算各指標(biāo)的權(quán)重，并進(jìn)行一致性檢驗(yàn)。

（1）構(gòu)造判斷矩陣，見表3。

（2）計(jì)算n階矩陣每一行元素乘積的n次方根，對(duì)作歸一化處理。

T1：

T2：

T3：

以同樣的方法計(jì)算可得二級(jí)指標(biāo)權(quán)重系數(shù)，見表3。

（3）最終得到相對(duì)權(quán)重。

其中，為家庭特征，為償債能力，為信譽(yù)狀況。

其中為戶主年齡，為戶主健康狀況，為戶主受教育程度，為家庭人口數(shù)，為家庭教育負(fù)擔(dān)。

其中為農(nóng)戶的人均年純收入，為農(nóng)戶務(wù)工時(shí)間，為戶主勞動(dòng)技能。

其中為農(nóng)戶成員勤勞程度，為農(nóng)戶信用與品德。

（4）一致性檢驗(yàn)。

第一，計(jì)算判斷矩陣T的最大特征根;

第二，計(jì)算一致性指標(biāo)CI;

（公式5-1）

第三，引入隨機(jī)一致性指標(biāo)RI，得出檢驗(yàn)系數(shù)，，則認(rèn)為該判斷矩陣通過一致性檢驗(yàn)，

（公式5-2）

所得結(jié)果如下：

經(jīng)計(jì)算，以上判斷矩陣的檢驗(yàn)系數(shù)，均通過一致性檢驗(yàn)。得出指標(biāo)權(quán)重分配如下：

3.隸屬函數(shù)的構(gòu)造。本次實(shí)踐共采訪基層村委和農(nóng)戶樣本110個(gè)，有效樣本100個(gè)。二級(jí)指標(biāo)的隸屬函數(shù)如下：

（1）單因素與多因素結(jié)合的模糊評(píng)價(jià)。以上述第三步驟所得到的二級(jí)指標(biāo)層對(duì)一級(jí)指標(biāo)層的權(quán)重向量作為算子，將與的模糊評(píng)價(jià)矩陣進(jìn)行矩陣乘法運(yùn)算，獲得一級(jí)指標(biāo)層對(duì)于評(píng)價(jià)集的隸屬向量。

經(jīng)過上述單因素與多因素結(jié)合的模糊評(píng)價(jià)得出總評(píng)價(jià)結(jié)果為：

（2）評(píng)語(yǔ)等級(jí)綜合評(píng)價(jià)。本文中所選取的評(píng)價(jià)指標(biāo)均為定性指標(biāo)與定量指標(biāo)的結(jié)合，對(duì)S進(jìn)行歸一化處理，得出3個(gè)因素集模糊綜合評(píng)價(jià)的加權(quán)平均值（即最終得分）：

綜合以上評(píng)價(jià)分級(jí)標(biāo)準(zhǔn)及最終的加權(quán)平均值可得出，償債能力得分最高，其次為家庭特征。最終本信用評(píng)價(jià)系統(tǒng)整體評(píng)價(jià)得分為2.7159分，屬于良好等級(jí)。因此，由本模型得出的革命老區(qū)農(nóng)戶的模糊信用總分越接近或超過2.7159分，農(nóng)戶的信用程度越高。

（二）信用評(píng)價(jià)體系的應(yīng)用

本模型將各評(píng)價(jià)指標(biāo)的權(quán)重應(yīng)用到了1321個(gè)農(nóng)戶微觀數(shù)據(jù)樣本中來，對(duì)農(nóng)戶的每項(xiàng)指標(biāo)打分結(jié)果采用變異系數(shù)法進(jìn)行標(biāo)準(zhǔn)化處理，按照分?jǐn)?shù)高低確定“優(yōu)秀、良好、一般、較差”四個(gè)等級(jí)，以此作為金融機(jī)構(gòu)向農(nóng)戶提供貸款的參考依據(jù)（以下為部分樣本結(jié)果）。

三、結(jié)論及對(duì)策建議

（一）結(jié)論

本文最終得出1321個(gè)調(diào)研樣本中貧困戶信用評(píng)價(jià)結(jié)果為“較差”的占比7.3%，“一般”及以上的占比92.7%。由樣本評(píng)價(jià)結(jié)果與當(dāng)?shù)匦刨J數(shù)據(jù)資料對(duì)比得出，有113戶農(nóng)戶的評(píng)價(jià)結(jié)果相差較大，占比8.55%?；贏HP的模糊綜合評(píng)價(jià)法構(gòu)建的信用評(píng)價(jià)體系與銀行的符合率為91.45%，即本信用評(píng)價(jià)系統(tǒng)是客觀有效的。

（二）對(duì)策建議

1.政府運(yùn)用扶貧信用體系完善緩釋機(jī)制。（1）政府扶貧辦可采用扶貧信用評(píng)價(jià)指標(biāo)體系，結(jié)合扶貧對(duì)象的實(shí)際情況，切實(shí)提升扶貧效率。針對(duì)信用程度較差的扶貧對(duì)象，政府可合理調(diào)整對(duì)扶貧產(chǎn)品以及相關(guān)補(bǔ)助政策的落實(shí)，降低扶貧成本，客觀上完善扶貧對(duì)象信息的準(zhǔn)確性。

（2）根據(jù)扶貧信用評(píng)價(jià)體系，綜合扶貧對(duì)象的各項(xiàng)指標(biāo)概率分析，評(píng)價(jià)指標(biāo)中整體概率被評(píng)為“良好”的方面，政府繼續(xù)加強(qiáng)支出。在今后的扶貧財(cái)政預(yù)算中應(yīng)當(dāng)加大對(duì)優(yōu)質(zhì)農(nóng)戶資源的投入，結(jié)合金融扶貧，助力優(yōu)質(zhì)優(yōu)信農(nóng)戶實(shí)現(xiàn)脫貧且防止返貧。同時(shí)調(diào)整薄弱環(huán)節(jié)中的扶貧指標(biāo)，保障農(nóng)戶還本付息的償債能力，鼓勵(lì)相關(guān)部門做自查自糾工作，采用扶貧信用評(píng)價(jià)體系進(jìn)行考核工作。

2.金融機(jī)構(gòu)貫徹金融普惠原則。金融機(jī)構(gòu)根據(jù)革命老區(qū)的地方經(jīng)濟(jì)特點(diǎn)和當(dāng)?shù)刎毨糍J款運(yùn)行效率，結(jié)合扶貧信用評(píng)價(jià)體系，推出適合農(nóng)戶個(gè)人發(fā)展的多種特色金融產(chǎn)品，適時(shí)調(diào)整評(píng)級(jí)模型，對(duì)信貸客戶及內(nèi)部評(píng)級(jí)系統(tǒng)進(jìn)行跟蹤管理，綜合市場(chǎng)經(jīng)濟(jì)變化適時(shí)調(diào)整信貸規(guī)則，控制不良貸款。

提高放貸標(biāo)準(zhǔn)優(yōu)化業(yè)務(wù)管理流程是目前金融精準(zhǔn)扶貧過程中金融機(jī)構(gòu)扶貧平臺(tái)的當(dāng)務(wù)之急，金融機(jī)構(gòu)可結(jié)合扶貧信用評(píng)價(jià)體系，與基礎(chǔ)數(shù)據(jù)、流轉(zhuǎn)數(shù)據(jù)的運(yùn)營(yíng)與維護(hù)相銜接，達(dá)到對(duì)產(chǎn)品、用戶的監(jiān)控與預(yù)警的目的，解決可比性差、與扶貧對(duì)象實(shí)際信息不對(duì)稱、信息公信度低等問題。提高放貸標(biāo)準(zhǔn)。

3.扶貧對(duì)象樹立良好信用意識(shí)。隨著信貸狀況與個(gè)人信用評(píng)價(jià)體系的不斷結(jié)合，農(nóng)戶應(yīng)配合相關(guān)金融機(jī)構(gòu)完善個(gè)人信用信息，充分認(rèn)識(shí)誠(chéng)信信貸的重要性，形成良好的信用習(xí)慣，及時(shí)、足額地償還貸款，保持良好的銀行借貸記錄，為今后抵押貸款、投資理財(cái)?shù)忍峁┯行ПＵ稀?/p>

參考文獻(xiàn)：

[1]聶偉，龔紫鈺.十八大以來精準(zhǔn)扶貧研究進(jìn)展與未來展望[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2018，35（05）：5-12.

[2]李喜梅.陜西金融精準(zhǔn)扶貧工作中存在的供給側(cè)問題及對(duì)策[J].農(nóng)村經(jīng)濟(jì)與科技，2018，29（08）：191+194.

[3]章麗瓊.精準(zhǔn)扶貧背景下農(nóng)村普惠金融創(chuàng)新發(fā)展研究[J].中國(guó)商論，2018（30）：37-38.

[4]鐘承斌.金融精準(zhǔn)扶貧形勢(shì)下農(nóng)村信用體系建設(shè)面臨的機(jī)遇和挑戰(zhàn)——以江西省贛州市為例[J].征信，2018，36（10）：43-46.

[5]黃紹斌，楊章偉.精準(zhǔn)扶貧背景下革命老區(qū)產(chǎn)業(yè)脫貧路徑研究——以蓮花縣神泉鄉(xiāng)棋盤山民族村為例[J].唯實(shí)（現(xiàn)代管理），2018（10）：25-27.

[6]李創(chuàng)，吳國(guó)清.鄉(xiāng)村振興視角下農(nóng)村金融精準(zhǔn)扶貧思路探究[J].西南金融，2018（06）：28-34.

[7]聶燕敏，封二英.基于數(shù)據(jù)挖掘的扶貧對(duì)象精準(zhǔn)識(shí)別研究[J].科技視界，2018（08）：102-103.

[8]郭小卉，康書生.金融精準(zhǔn)扶貧模式分析——基于河北省保定市的案例[J].金融理論探索，2018（02）：34-42.

[9]蘇暢，蘇細(xì)福.金融精準(zhǔn)扶貧難點(diǎn)及對(duì)策研究[J].西南金融，2016（04）：23-27.

[10]徐云松.金融精準(zhǔn)扶貧問題的調(diào)查與思考[J].金融理論與教學(xué)，2016（03）：1-9+29.

作者單位：陜西科技大學(xué)