基于云重心理論的農戶信用評級新方法

林建華，林澤陽（.浙江新昌農村合作銀行，浙江 新昌 3500；.上海大學 悉尼工商學院，上海 0800）

基于云重心理論的農戶信用評級新方法

林建華1，林澤陽2
（1.浙江新昌農村合作銀行，浙江 新昌 312500；2.上海大學 悉尼工商學院，上海 201800）

為進一步提高農戶信用評價的客觀性和合理性，基于經濟較發達地區農戶小額信貸的實踐，建立農戶信用評價指標體系，利用層次分析法確定指標權重，運用云重心理論構建綜合評價模型，為農戶信用等級評定提供一種新方法。應用實例表明，該方法具有科學性和實用性。

農戶信用；評價指標體系；云重心評價法；層次分析法

0 引 言

農戶信用評級是指銀行運用現代信息技術和計量方法，通過對農戶個人道德品質、信用狀況、經濟實力、經營水平及償債能力等多方面的綜合評判，進而對農戶家庭的違約概率作出最佳判斷的銀行信用風險評估方法。顯而易見，農戶信用評級對于支持農村經濟發展，推動社會主義新農村建設，幫助廣大農戶勤勞致富奔小康，以及農村銀行自身的發展都具有積極的意義。

近年來，國內對農戶信用評價的研究并不多見，相關研究范疇主要包括：一是構建農戶信用評級指標體系，如基于銀行的“4C”或“5C”原則[1-2]，價值鏈與平衡記分卡相結合方法[3]，心理、社會和經濟三個維度構建[4]。二是探討農戶信用評價的具體方法，如采用層次分析法[5-6]、AHP模糊綜合評價法[7]和概率神經網絡方法[8]等。從相關研究可以看出，農戶信用評價指標體系是一個既包括數值型指標（定量指標），又包括自然語言值指標（定性指標）的多層次復雜體系。由于我國存在嚴重的信息不對稱性現象，農戶信用評級時所取得的數值型指標的觀察值仍是一個未確知數，即是一個帶有附加信息的區間數。自然語言值指標則具有模糊性、灰性和隨機性等不確定性特點，實務中很難對定性指標給出精確的評價值，而只能確定一個相對的影響程度，如優秀、良好和一般等。除此之外，許多指標的評判標準的清晰邊界也很難確立。這些問題的存在使得一些農戶信用評估的定量模型的使用效果大為降低，而德爾菲法、模糊綜合評價法和層次分析法又由于主觀性和片面性過大，使得信用評級結果的合理性有待進一步檢驗，穩定性有待進一步提高。可見，要提高農戶信用評級的科學性和準確性，必須解決定量指標的灰數白化問題，以及定性指標的定性描述如何實現定量表示的轉換問題。本文在云重心理論基礎上提出云重心評價法，應用于農戶信用評價中，以期為理論界和實務界進一步提高農戶信用評級的科學性、合理性和有效性提供一種新的思路。

1 云重心評價法

1.1 云模型

李德毅等在模糊集和概率統計學的基礎上，創造性地提出將自然語言表示的某個定性概念與其定量表示之間進行不確定性轉換的正態云模型[9]。正態云用期望值Ex、熵En和超熵He三個數值表征。其中，Ex是論域空間中最能夠代表這個定性概念的云滴群分布的中心值，En反映定性概念的不確定性，He為熵的不確定性的度量。自然語言“良好”概念的1 000個云滴群分布的正態云如圖1所示，其生成方法見文獻[1 0]。

圖1 自然語言“良好”概念的1 000個云滴群分布的正態云

1.2 云重心評價法

云重心評價法是在云模型基礎上，從系統的全局角度利用云重心數值特征的變化度量整個系統狀態信息變化，并對其作出綜合評價的方法。云重心評價法基本實現步驟如下：

（1）構建評價指標體系，用云模型表示各指標。根據具體評價目的，建立多層次的評價指標體系。在給定的具體評價指標體系中，p個精確數值型指標的一維云模型可以用（1）、（2）式表示，p個自然語言值型指標的一維云模型可以用（3）、（4）式表示。

（2）確定綜合云重心向量，計算加權偏離度。在系統理想狀態下，n維綜合云重心位置向量云重心高度向量，則理想狀態云重心向量。當系統狀態發生變化時，其n維綜合云重心隨之也改變為。對G進行歸一化處理得到一組向量，其中

將各指標歸一化之后的向量值乘以其權重值再相加，得加權偏離度為：

（3）分析評測結果，確定語言評價值。圖2為評測云發生器，它包括若干個評語等級，生成多朵部分相互重疊的不同的云，而每朵云都是一個評價值的定性描述。將計算得到的加權偏離度θ輸入評測云發生器，它能同時激活兩朵相鄰的云，根據所激活程度較大的云的評語判斷θ所屬的等級。

圖2 評測云發生器

2 應用實例

2.1 建立評價集和評語集

農戶信用評級最為關鍵的一步，就是要建立科學合理的多層次評價指標體系。從現有研究文獻看，評價指標體系中準則層（一級指標）的分類雖然有差異，但指標層（二級指標）的設置卻大同小異，基本上是對家庭基本情況、經濟實力、經營能力、償債能力、品行和信用狀況等方面的具體量化，差別主要體現在采用指標的多少，以及評價偏重定性還是定量方面。從實務應用的角度出發，在前人研究的基礎上，遵循評價的科學性、客觀性、可操作性和可比性原則，針對經濟較發達地區農戶的特點，建立農戶信用評價指標體系（見表1）。

在農戶信用評價定性指標中，信用狀況反映戶主及家庭成員的誠實守信程度、道德品質及在當地農村的口碑等。良好信譽是取得銀行貸款必須具備的基本條件。在信用評價和發放貸款時，銀行必須事先向農戶所在村的村干部、支農信息聯絡員及鄉鄰了解農戶家庭成員的品行。知識和技能反映農戶家庭成員的受教育程度及掌握謀生技能的高低，它與農戶的經營能力有直接的關系。農戶成員知識和技能的掌握程度，可以從學歷水平和專業技能水平兩個方面衡量。學歷水平反映農戶家庭成員所具備的基本文化素質，專業技能水平反映農戶掌握的特殊技術、技能和實用生產技能。在知識和技能分析中，要把農戶的學歷水平和專業技能水平結合起來，并以專業技能水平為主。健康狀況直接反映農戶家庭成員的身心健康情況。農民身體素質的重要性是由農業生產方式的特點決定的，它直接關系到農戶創造財富的能力及未來履約償債的可能性。

表1 農戶信用評價指標體系

在農戶信用評價定量指標中，勞動力家庭人數比反映農戶家庭成員直接參與家庭財富創造的人數及家庭經濟負擔情況。考慮到我國農民的身體狀況、自然壽命，以及生產能力不受法定退休年齡限制等實際情況，可以將勞動力界定為16～70周歲、具有實際勞動能力的農戶家庭成員。農戶中的勞動力人數越多，則要供養的人數越少，創造和積累的財富越多，償債能力越強，而違約的可能性越小。平均年齡反映戶主、配偶和勞動力成員的年齡狀況，年齡的大小反映出農戶個人的閱歷豐富程度、心智成熟度及待人處事的能力。一般而言，中青年人身體素質好、受教育程度高、接受新生事物快，經營能力也就較強。農戶家庭收入經營資產比是農戶年經濟收入與農戶經營性資產的比值，反映單位資產的營運效率和創造財富價值的能力，比值越高越好。農戶家庭收入經營資產是農戶家庭總資產的重要組成部分，是過去經營成果的體現，同時也是開展未來生產經營的重要物質保障。農戶家庭人均收入倍比是農戶人均年經濟收入與當地農戶平均人均年經濟收入的比值，倍比越高，反映該農戶人均比當地其他農戶平均收入越高，償債能力越強。農戶家庭年總收入包括傳統的種養殖業收入、勞務工資收入及自營工商業收入等，將家庭年總收入除以家庭成員數得到農戶人均年經濟收入。農戶家庭資產負債率是農戶總負債（含或有負債）與農戶總資產的比值，既反映農戶負債水平的綜合指標，又反映銀行等債權人發放貸款的安全程度的指標。農戶總資產主要包括房產價值、農用經營性資產價值、家中耐用消費品市場價值及現金存款類資產價值。農戶總負債主要包括向銀行金融機構的借款、向親朋好友的借款、向民間高利貸的借款及農戶為他人提供連帶責任保證的情況。農戶家庭資產負債率要適度控制，避免負債過大影響償債能力。農戶家庭負債收入比是農戶總負債（含或有負債）本息額與農戶年經濟收入的比值。農戶家庭資產是財富擁有量的存量，經濟收入是財富增量的源泉。家庭年經濟收入越高，創造和積累的財富就越多，貸款償還的可能性就越大。由于我國地域遼闊，區域經濟發展極不平衡，農戶信用評價采用的指標標準值要根據當地經濟發展的實際情況確定，并且應隨經濟和社會的發展變化適時適度調整。

對于農戶信用評價中的精確數值型指標，采用（1）、（2）式建立定量指標云模型；對于自然語言值型指標，采用（3）、（4）式建立定性指標云模型。定性指標的評價集根據評價目的和實際需要，設定“優秀”、“良好”、“一般”、“偏下”、“較差”和“很差”6個級別。各個自然語言評語的期望值Ex分別為1、0.8、0.6、0.4、0.2和0，熵En為0.0667，超熵He為0.005，利用這些參數形成定性評測云模型。

2.2 確定各指標權重

（1）構建農戶信用評價指標體系（見表1）。

（2）構造成對比較判斷矩陣，計算單排序權向量并進行一致性檢驗。采用1-9尺度將判斷定量化，分別求出準則層相對于目標層、指標層相對于準則層的判斷矩陣。對每個成對比較判斷矩陣計算最大特征值和其對應的特征向量，利用一致性指標、隨機一致性指標和一致性比率進行一致性檢驗。若檢驗通過，特征向量（歸一化后）即為權向量；若檢驗不通過，需要重新構造成對比較判斷矩陣。準則層相對于目標層構造的判斷矩陣（見表2）及一致性檢驗。同理可以得到，指標層相對于準則層的判斷矩陣及一致性檢驗。

通過方根法求解判斷矩陣的最大特征根和相對應的特征向量（權向量），計算得到判斷矩陣U的權向量w=(0.358,0.111,0.301,0.229)T，最大特征根λmax=4.046，一致性指標CI=0.0152，一致性比率CR=0.0169＜0.1，通過一致性檢驗，可以認為判斷矩陣具有滿意的一致性，得到的指標權重均為有效。

（3）計算得出各指標相對于目標層的組合權重。將指標層各指標權重乘以其所從屬的準則層指標權重，得到底層指標相對于總目標的組合權重。農戶信用評價指標權重見表3。

表2 準則層相對于目標層構造的判斷矩陣

表3 農戶信用評價指標權重

2.3 給出各指標狀態值

利用德爾菲法獲取評價對象農戶信用指標狀態值。假設評價小組由銀行信貸風險經理、客戶經理、支農信息聯絡員、村干部和非常有威信的村民等5人組成，對甲農戶的信用指標進行評判，結果見表4。

表4 甲農戶信用指標評判結果

2.4 確定各指標云模型

根據云模型，將表4對甲農戶信用衡量指標評語云化，可以得到甲農戶信用指標決策（見表5）。將表5中的精確數值型或自然語言值型指標的評價值，分別代入（1）、（2），（3）、（4）式，可以計算得到各指標云模型的期望值和熵（見表6）。

2.5 計算云重心向量和加權偏離度

根據表3和表6提供的數據，可以計算得到1個10維加權綜合云的云重心向量為：

G=(G1,G2,…,G10)=(0.062,0.172,0.018,0.418,0.009, 0.043,0.412,0.212,0.053,0.028)

表5 甲農戶信用指標決策

表6 各指標云模型的期望值和熵

理想狀態下的云重心向量為：

根據（5）式對G進行歸一化處理，得到一組向量為：

再根據（6）式計算得到加權偏離度為：

2.6 生成測評結果

將加權偏離度θ(-0.195)輸入到評測云發生器，將激活“優秀”和“良好”兩個云對象。激活“良好”云對象的程度大于“優秀”云對象，則甲農戶信用指標評判的定性結果為介于“優秀”和“良好”之間，但更傾向于“良好”。用精確數值表示的最終評定值為0.805(1-0.195)，非常接近評價值“良好”云對象的期望值0.80。

3 結束語

銀行對借款客戶評定信用等級并按信用等級發放貸款，是提高貸款決策科學化的重要途徑[11-13]。農戶信用評級的具體方法有層次分析法、模糊綜合評價法和BP神經網絡方法等，這些方法都各有優長。本文在參考以往農戶信用評價指標體系的基礎上，結合經濟較發達地區的農戶特點，構建有別于欠發達或不發達地區的農戶信用評價指標體系，并利用層次分析法得到各指標權重。首次將云重心理論引入農戶信用評價中，對評價過程中的模糊性和隨機性進行集成，有效解決了評價過程中有關定性描述向定量表示轉換的不確定性問題，并利用云重心評價法實現了對農戶信用的綜合評價。應用實例表明，該方法得到的評價結果較客觀合理，不失為農戶信用評級的一種新方法，具有較實用的應用價值。

[1]鞏寬.建立農戶信用評級體系初探[J].今日南國，2008(3):75-76.

[2]王潤倉，何云，陳秀權，等.欠發達地區農戶信用評價體系的構建及其應用[J].征信，2011(1):63-66.

[3]楊宏玲，郭高玲.基于BBC與價值鏈風險分析的農戶信用評價指標體系探析[J].科技管理研究，2011(6):63-66.

[4]吳晶妹，張穎，唐勤偉，等.基于農戶信用特征的WU’s三維信用評價模型研究[J].財貿經濟，2010(9):22-28，63.

[5]何軍峰.基于AHP的農戶個人信用度評價[J].安徽農業科學，2011(29):18320-18322.

[6]徐芳，王恒山.基于AHP的農戶個人信用度評價研究[J].商業研究，2006(6):132-136.

[7]蔡慶祝.農村信用社農戶貸款風險評價與控制體系的建立[J].當代經濟，2010(10):38-39.

[8]劉暢，方靚，晏江，等.概率神經網絡在農戶信用評估中的應用研究[J].湖北社會科學，2009(11):85-89.

[9]李德毅，孟海軍，史雪梅.隸屬云和隸屬云發生器[J].計算機研究與發展，1995(6):15-20.

[10]劉桂花，宋承祥，劉弘，等.云發生器的軟件實現[J].計算機應用研究，2007(1):46-48.

[11]林建華.工業企業流動資金貸款供應方法新探[J].浙江經濟，1989(11):32-33.

[12]林建華.按信用等級核定商業周轉貸款的設想[J].財會通訊，1988(12):37-38.

[13]林建華.改革商業周轉貸款的設想[J].上海會計，1988(12):16-17.

[責任編輯：彭壽康]

New Method of Evaluating Farmers’ Credit Based on Cloud Barycenter Theory

LIN Jianhua1, LIN Zeyang2
(1.Zhejiang Xinchang Rural Cooperative Bank, Xinchang, 312500, China; 2.Sydney Institute of Language & Commerce, Shanghai University, Shanghai, 201800, China)

In order to evaluate farmers’ credit in a more objective and rational way, credit evaluation, a system of credit indexes, is constructed in accordance with the practice of farmers’ micro-finance in the comparatively developed areas. It provides a new method of evaluating farmers’ credit degree by applying the analytic hierarchy process to determine the index weight and the cloud barycenter theory to structure the comprehensive evaluation model. The practice shows that it is scientific and practical.

Farmers’ credit; Evaluation index system; Cloud barycenter method; Analytic hierarchy process

F832.43

A

1671-4326(2013)03-0062-04

2012-12-19

林建華（1962—），男，浙江新昌人，浙江新昌農村合作銀行風險總監，浙江省農村信用聯合社特聘研究員，經濟師；林澤陽（1991—），男，浙江新昌人，上海大學悉尼工商學院本科生.