基于FLES-TOPSIS 法的存貨質押融資風險診斷

張云豐,王勇

（1.安徽工程大學管理工程學院，安徽蕪湖241000；2.重慶大學經濟與工商管理學院，重慶沙坪壩400030）

基于FLES-TOPSIS 法的存貨質押融資風險診斷

張云豐,王勇

（1.安徽工程大學管理工程學院，安徽蕪湖241000；2.重慶大學經濟與工商管理學院，重慶沙坪壩400030）

存貨質押融資業務具有巨大的市場發展潛力，科學且準確地診斷其業務風險具有重要意義。目前，業務風險診斷的方法存在或多或少的缺陷?；诖?，本文提出新的存貨質押融資業務風險診斷方法。該方法應用模糊語言區間數刻畫指標值及指標重要性程度，參考TOPSIS法思想，測量各風險影響指標到正理想解與負理想解的距離，并定義相對風險系數的計算式。最后進行案例演示，給出風險診斷詳細過程，為銀行進行決策提供參考。

存貨質押融資；風險診斷；TOPSIS；模糊語言評估標度

存貨質押融資作為一種新興的物流金融業務形式，在提升供應鏈效率，提供低風險、高附加值金融服務，增強物流企業核心競爭力等方面發揮重要作用，成為解決中小企業融資難的有效途徑[1]。例如，中國物資儲運總公司從1999年先后與招商銀行、中信銀行、交通銀行、工商銀行等數十家金融機構展開合作，6年間已為500多家企業提供了150多億元的存貨質押融資業務[2]。2005年11月央行公布的《中國信貸人權利的法律保護》報告中，明確指出存貨質押貸款是解決中小型企業融資難問題的有效渠道[3]。為了保證存貨質押業務的順利進行，商業銀行或第三方物流企業需要實時監控業務過程中的所有動態變化，以最大程度上規避風險。而在實施存貨質押融資之前對該業務進行準確的風險識別與診斷至關重要，可以幫助商業銀行有效地回避風險程度較高的融資業務，以最大化自己的期望收益[4]。因此，對風險的識別與診斷是存貨質押融資業務開展必不可少的前期工作。

學術界也一直保持著對存貨質押融資風險問題的高度關注。李毅學等(2010)從擔保物在融資風險中的作用、融資風險指標、融資風險預警及違約后處理三個方面，對商業銀行與第三方物流企業的風險控制決策問題進行了比較全面的回顧[5]。鑒于文獻[5]所做的工作，這里不再重復以前的研究成果，下面僅對近幾年的最新進展作簡要述評。袁軍(2010)[1]、常偉(2009)[6]、韓鋼(2010)[7]、李曉蕓(2012)[8]等分別對質押物的流動性風險度量問題展開了深入研究。李毅學等(2011)[9]針對季節性存貨質押融資業務，考慮委托監管模式下風險中性借款企業的訂購決策，并分析了下側風險規避銀行的關鍵風險控制指標——質押率的決策。何娟等(2011,2012)[10,11]利用訪談和問卷調查數據，經過系列處理，建立起存貨質押業務關鍵風險因子評價指標體系，但沒有運用具體的評價方法進行演示。李毅學(2011)[12]將供應鏈金融（以存貨質押融資為例）的復雜風險歸納為系統和非系統兩大類，基于供應鏈金融風險評估原則構建了評估指標體系，并介紹了層次分析法在風險評估中的應用。盛巧玲(2012)[13]先是建立一套存貨質押融資風險評價指標體系，然后運用層次分析法確定各指標權重，最后使用模糊綜合評價法完成融資風險綜合評價。層次分析法雖然基本原理簡單，經常用于多指標決策分析，但判斷矩陣中的各個標度賦值有很大的隨意性[14]，且當指標數較多時，特征值和特征向量的精確求解很復雜，權重難以確定[15]。

綜上所述，現有文獻對質押物流動性風險研究比較深入，成果也頗豐富；對影響存貨質押融資業務風險的關鍵因素描述比較具體，部分學者細化到三級指標[12]，并建立起規范的指標評價體系?？梢哉f，對存貨質押融資風險的識別研究已相當充分，而對風險的診斷研究稍顯不足，且使用的評價方法也需要商榷。逼近理想解的排序方法(Technique for order Preference by Similarity to Solution，TOPSIS)作為一種有效的多指標決策方法，在自然科學和社會科學領域都得到廣泛應用[16]?；诖?，本文參考TOPSIS法思想，運用模糊語言評估標度刻畫指標值，提出改進的FLES-TOPSIS (fuzzy linguistic evaluation scale-TOPSIS)法，為商業銀行或第三方物流企業提供更為客觀、準確的存貨質押融資風險診斷依據。

一、基礎知識

（一）模糊語言評估標度

由于需要評估的指標多數為定性的，受制于人類思維的模糊性及專業知識水平等客觀因素的制約，難以用精確數去量化，通過模糊語言來刻畫評估指標則顯得更切合實際。

定義1[17]記Ψ=｛ψaa∈［－L,L］;L∈Ζ｝為模糊語言評估標度集，其中ψa表示模糊語言變量，且與特定模糊語言評價值一一對應。ψ-L和ψL分別表示模糊語言變量的下限標度和上限標度。若γ=［ψα,ψβ］，ψα,ψβ∈Ψ且α＜β，稱γ為模糊語言區間數。當時α=β時，γ退化為模糊語言變量。

Ψ中模糊語言變量個數根據評估需要進行標度，一般取奇數個。若取L=4，則模糊語言標度集包括9個元素。一般情況下，模糊語言評估標度集中各元素由左到右表示的評估結果依次變優，如在刻畫風險程度時，可設模糊語言評價值與模糊語言變量對應關系如下：ψ-4=HG(很高)，ψ-3=G(高)，ψ-2=JG(較高)，ψ-1=SG(稍高)，ψ0=YB(一般)，ψ1=SD (稍低)，ψ2=JD(較低)，ψ3=D(低)，ψ4=HD(很低)。

定義2[17]對任意兩個模糊語言區間數γ=［ψα, ψβ］，ξ=［ψμ,ψν］，ψα,ψβ,ψμ,ψν∈Ψ，令lengthαβ=β－α，lengthμν=μ－ν，則γ≥ξ的可能度為：

顯然，p(ξ＞γ)=1－p(γ≥ξ)。

（二）確定屬性權重

設m個決策者對n個指標的重要性展開評估，采用模糊語言區間數進行刻畫，第k個決策者賦予的指標重要性評估值構成向量)，按（1）式將向量wk中元素進行兩兩比較，得到可能度矩陣Pk=(pkij)n×n，則第k個決策者賦予第i個指標的權重表示為：

對L加權求和，得到ωk與其他權重向量的平kt均一致性程度表達式：

令Lπ=max{Lkk=1,2,…,m}，則認為第π個決策者賦予的指標權重向量為近似最優權重向量，因此也最能體現最優權重向量反映的信息。

（三）屬性值的規范化處理

現有文獻在運用TOPSIS法進行多屬性決策時，對每個屬性的規范化處理是以所有備選方案下該屬性的極大/極小值作為轉換標準，而忽略了該屬性自身存在最大/最小值的情況，我們稱這種處理方式為相對規范化處理；而以屬性自身最大/最小值作為轉換標準的處理方式稱為絕對規范化處理。顯然，相對規范化處理容易掩蓋屬性值反映的真實信息，導致評價結果不能準確體現客觀實際，如下面的例子。

例1在一個多屬性決策問題中，需對3個備選供應商的績效進行評估。現選擇4個屬性作為績效評估依據，且4個屬性視為同等重要程度。決策者采用百分制對備選供應商進行考評，賦予的績效評估值見矩陣所示：

供應商績效屬于效益型指標，采用極差變換法進行相對規范化處理，轉換公式則有φ11=(1.00,0.00,0.67)。百分制績效評估值的最大值都是100，而最小值為0，即進行絕對規范化處理時，有φ′11=(0.85,0.70,0.80)?？梢?，同樣進行規范化處理，絕對規范化處理方式能夠反映實際績效值與理想績效值(100)間的真實距離，而相對規范化處理方式卻放大了實際績效值與理想績效值間的真實距離。因此，本文數據的處理將采用絕對規范化的方式，如定義4所示。

定義4記γ=［ψα,ψβ］為模糊語言區間數，其中α，β∈［－L,L］，a~=［aM,aN］，為普通區間數，存在下列映射關系使得f［Ψα,Ψβ］=［aM,aN］：

其中，2L+1為模糊語言評估標度集中元素數量。

二、風險評估指標體系

存貨質押融資風險的診斷屬典型的多指標決策問題，需要建立科學、合理的風險評估指標體系。由于影響風險的指標眾多，且各指標對風險的貢獻度也不一樣，因此建立風險評估指標體系時，既要體現全面性，又要突出重點，需從眾多影響因素中抽象出主要影響因素，不可能也沒必要將每一個影響因素都反映出來。在實際操作時，尚需遵循科學性、客觀性、規范性、獨立性、可操作性及系統性等基本原則[18]?？茖W性原則是指選擇的各項指標彼此之間須有機配合，不能相互矛盾，標度指標值的方法要科學；客觀性原則是指所選擇的指標要能客觀反映存貨質押融資的真實風險，其評價標準、計算方法不能隨意改變；規范性是指所選擇的指標應盡量和行業的慣例接軌，便于交流、比較；獨立性原則是指所選擇的指標應盡量減少重疊，各指標間相關性最好為零；可操作性是指所選擇的指標應當便于在實際評價領域中應用，易于被參加評估的人員接受；系統性原則是指從系統的角度選擇指標，使各個指標相互補充，全面反映風險在各方面的內在聯系。依據這些基本原則，一些學者[10-13,17]分別建立了相應的風險評估指標體系，其所包含的指標也相差無幾。限于篇幅，這里不再一一羅列。本文將學者們建立的風險評估指標體系進行比較與歸納后，建立如下表1所示的風險評估指標體系。

表1 風險評估指標體系

李柏洲等(2012)指出每個主要指標包含的次級指標應不多于4個，否則需要進行指標提純，縮減指標數量[19]。通過表1可以看到，本文建立的風險評估指標體系中，每個一級指標細分的二級指標數量為2~4個，與文獻[19]的觀點十分吻合。考慮到本文重點在于介紹FLES-TOPSIS法在存貨質押融資風險診斷中的具體應用，為了避免枯燥的重復簡單計算，在下文的討論中，我們將會略去二級指標的評估過程，直接由評估人員給出一級指標及其重要性的綜合評估值，以考察各指標對融資風險的影響程度。

三、基于FLES-TOPSIS法的風險診斷基本步驟

第1步參考已經建立的風險評估指標體系，各位決策者賦予指標及指標重要性的模糊語言評價值向量x~ik、w~ik；并依據定義1描述，將之分別轉化為指標及指標重要性模糊語言區間數向量xik、wik。其中k=1，2，…，m、i=1，2，…，n；

第2步按照（1）式將各位決策者賦予的指標重要性模糊語言區間數轉化為可能度矩陣，再由（2）式解出每位決策者賦予的指標權重向量。依定義3介紹方法，確定最佳指標權重向量ω~(ω~1，ω~2，…，ω~n，)；

第3步根據定義4，對指標模糊語言評價值向量進行規范化處理，得到各位決策者賦予的指標規范化評價值向量rk(r1k,r2k,…，rnk)，并將與rk加權

第5步考慮到風險系數越小越好，這里定義相對風險系數ρ=d+/(d－+d+)，則各位決策者賦予方案的相對風險系數ρk=dk+/(dk－+dk+)，對照風險系數劃分等級表，確定風險等級。

四、案例演示

S公司是位于B市主城區的一家大型民營企業，自成立以來，業務量持續增加，發展迅速。目前，由于銷售網店建設及添置相應配貨設備，公司需要大量資金。公司現金流本就不充裕，年初新增一條生產線后更是捉襟見肘，因此融資已是公司面臨的首要問題。公司高層經過研究后決定，愿以倉庫中部分存貨出質，向H銀行S市分行申請融資。該行收到S公司的融資申請后，迅速組織4名專家來對該融資項目的可行性進行評估。4名專家采用模糊語言評價值來描述指標及指標重要性，并選擇以質押物風險、信用風險、法律風險、操作風險、宏觀環境風險等五個指標來全面診斷該融資項目的風險程度。以下給出該融資項目的詳細診斷過程。

(ⅰ)4名專家分別賦予的指標模糊語言評價值向量為：

按（3）式計算任意兩個指標權重向量間的一致性程度：L12=L21=0.698，L13=L31=0.684，L14=L41= 0.910，L23=L32=0.968，L24=L42=0.736，L34=L43=0.817。

按（4）式計算任一權重向量與其他權重向量間的平均一致性程度：L1=0.764，L2=0.801，L3= 0.823，L4=0.821。

由于max{L1,L2,L3,L4}=L3，取屬性權重向量=ω3=(0.266,0.066,0.094,0.307,0.266)作為近似最優權重。

(ⅲ)按定義4介紹方法，將4位專家賦予的指標模糊語言評價值向量進行規范化處理，得到4位專家賦予的指標規范化評價值向量：

將指標近似最優權重與指標規范化評價值向量加權集結：

(ⅴ)根據區間數運算法則，得到4名專家診斷的融資項目相對風險系數分別為：

存貨質押融資風險等級的劃分尚沒有建立統一的標準，為與模糊語言評估標度集中模糊語言變量標度的風險程度保持一致，本文提供一種九等級風險程度劃分方案，如表2所示。

表2 九等級風險程度劃分方案

對照表2提供的九等級風險程度劃分方案，結合4名專家診斷的相對風險系數，可以看出4名專家認為該融資項目風險介于“低”與“一般”之間?？傊?，4名專家一致認定該融資項目不會產生高風險。銀行可以在參考4名專家診斷結果的基礎上，作出是否接受S公司融資申請的決策。

五、結語

存貨質押融資項目的風險性大小直接影響到銀行的決策，而選擇科學、合理的風險診斷方法至關重要。本文提出的方法是對傳統TOPSIS法的有效拓展，具有決策思路清晰，數學計算簡單的特點。引入模糊語言來刻畫指標值和指標重要性程度更符合人們的習慣性思維，并且在進行指標規范化處理時，為了維持對事物認識的模糊性特征，只是將模糊語言區間數轉化成普通區間數，而且一直保留到最后。對于相對風險系數，雖然給出精確實數的結果有利于作出決策，但筆者認為文中的區間數結果卻更能體現實際狀況?？紤]到保持4位專家風險診斷結果獨立性的需要，最后并未對得到的相對風險系數進行加權處理，實際決策時可以根據專家影響力的大小選擇相應權重加權。

[1]袁軍.基于結構突變的存貨質押融資流動性風險實證研究——以中國東方絲綢市場交易所坯布動產為例[J].系統工程,2010,28(2):73-81.

[2]韓鋼,李隨成.動態質押模式下的存貨質押融資業務的風險控制[J].系統工程,2010,28(12):18-22.

[3]閆英,帥斌,甘蜜,等.市場不確定下存貨質押融資后企業利潤的定量分析[J].工業工程,2012,15(6):114-118.

[4]Cruz J M,Nagurney A,Wakolbinger T.Financial engineering of the integration of globalsupply chain networks and social networks with risk management[J]. Naval Research Logistics,2006,53(7):674-696.

[5]李毅學,汪壽陽,馮耕中.一個新的學科方向——物流金融的實踐發展與理論綜述[J].系統工程理論與實踐, 2010,30(1):1-13.

[6]常偉,胡海清,張道宏，等.存貨質押業務的價值風險度量[J].預測,2009,28(12):71-75.

[7]韓鋼,李隨成.動態質押模式下的存貨質押融資業務風險控制[J].系統工程,2010,28(12):18-22.

[8]李曉蕓,江孝感.存貨質押融資業務的流動性風險研究[J].時代金融,2012(3):136-137.

[9]劉毅學,馮耕中,張媛媛.委托監管下存貨質押融資的關鍵風險控制指標[J].系統工程理論與實踐,2011,31 (4):587-598.

[10]何娟,劉苗苗.存貨質押業務關鍵風險因子實證辨析分析[J].金融理論與實踐,2012(1):28-32.

[11]何娟,王欣.存貨質押業務風險因子關系影響分析：基于結構方程模型[J].現代管理科學,2011(7):34-37.

[12]李毅學.供應鏈金融風險評估[J].中央財經大學學報, 2011(11):36-41.

[13]盛巧玲,吳炎太.基于層次分析法的供應鏈存貨質押融資風險模糊綜合評價[J].科技管理研究,2012(11):52-57.

[14]演克武,朱金福.層次分析法在多目標決策過程中的不足與改進[J].統計與決策,2012(5):10-11.

[15]吳殿廷,李東方.層次分析法的不足與其改進的途徑[J].北京師范大學學報：自然科學版,2014,40(2): 264-268.

[16]王勇,張戰峰,賴志柱.基于TOPSIS方法的第四方物流作業多屬性優化指派模型[J].系統管理學報,2011,20 (5):569-577.

[17]徐澤水.基于語言信息的決策方法和理論[M].北京:科學出版社,2008.

[18]劉威廷.物流企業存貨質押融資的風險研究[D].西安:中南林業科技大學,2012.

[19]李柏洲,蘇屹.基于改進突變級數的區域科技創新能力評價研究[J].中國軟科學,2012(6):90-101.

責任編輯：吳強

Inventory Pledge Financing Risk Diagnosis Based on FLES-TOPSIS

ZHANG Yunfeng,WANG Yong
(1.School of Management Engineering,Anhui Polytechnic University,Wuhu Anhui 241000,China) (2.School of Economics and Business Administration,Chongqing University,Shapingba Chongqing 400030,China)

Inventory pledge financing business has a huge market potential of development,so it is significant to study its risk diagnosis method.In view of this situation,this paper presents a new method for the diagnosis of inventory risk financing project. The method describes the index and the index weight by using fuzzy language interval number,references the idea of TOPSIS, measures the distance from every index to the positive ideal solution and the negative ideal solution,and defines the calculation formula of the relative risk coefficient.At last,the paper designs a simulation example,gives the specific diagnostic process of the risk,and provides the reference for the bank to make decision.

inventory pledge financing;risk diagnosis;TOPSIS;fuzzy linguistic evaluation scale

F830

A

1673-8004（2014）06-0092-07

2014-03-04

本文系教育部人文社會科學基金項目“農產品質押融資的運作模式與優化方法研究”(項目號：12YJA630135)和安徽省高校省級優秀青年人才基金重點項目“基于供應鏈金融的組合質押與循環質押融資決策研究”(項目號：2013SQRW034ZD)的研究成果。

張云豐(1982-)，男，安徽無為人，博士研究生，講師，主要從事供應鏈金融研究；王勇(1957-)，男，重慶人，博士，教授，博士生導師，主要從事物流與供應鏈管理、決策分析研究。