云南省農業產業化龍頭企業信用風險評價研究

□胡哲能

（西南林業大學經濟管理學院 云南 昆明 650224）

1 研究背景

近年來，云南省農業產業化龍頭企業作為重點扶持對象發展迅速，在帶動農戶發展專業化、標準化、規模化、集約化生產方面發揮了巨大的作用。然而，隨著農業產業化龍頭企業隊伍不斷壯大，或多或少面臨一些問題，如信用風險無法科學評價，導致企業融資困難。因此，根據云南省農業產業化信用風險的特點，科學構建信用風險評價指標體系，并對信用風險進行準確評價，具有重要的現實意義。

目前，學術界對于信用風險評價主要有以下兩個方面。一是研究信用風險評價指標體系，如舒歆（2015）[1]結合小微企業發展的特點，構建了包含償債能力、盈利能力、創新能力、營運能力、成長能力、法人治理和信用情況7 個一級指標的小微企業信用風險評價指標體系。霍海濤（2012）[2]通過專家咨詢和文獻查閱等方法，研究了高科技中小企業信用風險的評價指標體系，并確定了19 個財務和非財務指標。二是研究信用風險評價模型，如帥青紅等（2013）[3]選取216 家上市企業作為研究對象，采用決策樹和logistic 結合的方法對企業信用進行評估；肖斌卿等（2016）[4]運用模糊神經網絡，研究了某農村商業銀行小微企業的信用。通過分析上述文獻可以發現，較少有學者關注農業產業化龍頭企業的信用風險，需要對其開展相應的研究。

2 研究方法

2.1 構建指標體系

研究根據云南省農業產業化龍頭企業的信用風險特點，在充分借鑒國內外學者研究成果的基礎上，構建了信用風險評價指標體系。該指標體系包含準則層7 個指標，指標層26 個指標，見表1。

2.2 數據標準化

首先，由評價指標構建初試矩陣R=（Rij）mn，其中，Rij為第i個評價對象的第j個指標下的值，在此基礎上，采用極差標準化的方法對數據進行預處理，其計算公式如下。

表1 云南省農業產業化龍頭企業信用風險評價模型指標權重

正向指標：

負向指標：

2.3 權重的確定

研究采用熵權法確定權重wij，由于熵權法較為常見，不再詳細贅述，方法詳見參考文獻［5-6］。

2.4 TOPSIS 法

TOPSIS 是一種逼近于理想解的排序法，其基本原理是通過有限個評價對象與最優解、最劣解之間的距離來進行排序[7]，具體步驟如下。

（1）計算加權矩陣。

（2）確定正理想解和負理想解。

正理想解：

負理想解：

（3）計算各方案與正理想解和負理想解的歐式距離。

（4）計算貼近度。

式中，Ci越大，表明第i年農業產業化龍頭企業信用越接近最佳水平。

2.5 研究對象及數據來源

選取云南省16 家農業產業化龍頭企業作為研究對象，數據時間跨度為2015—2019 年。所使用的企業數據均來自于巨潮資訊網、企業年度報告和公司公開轉讓說明書，企業所在地區GDP 均來自于地區統計公報。

3 研究結果

3.1 確定指標權重

由表1 可知，對于云南省農業產業化龍頭企業而言，人員規模、政府補助、注冊資金、應收賬款周轉率、存貨周轉率權重較大，影響企業的信用風險水平。

3.2 基于TOPSIS 法的信用風險評價

通過公式（8）得到云南省16 家農業產業化龍頭企業信用水平的貼近度，見圖1。龍生茶業、潤杰農科、云南白藥和云葉化肥4 家農業產業化龍頭企業信用的貼近度一直在提升，其他12 家農業產業化龍頭企業信用的貼近度上下波動較大。

4 結論及建議

第一，人員規模、政府補助、注冊資金、應收賬款周轉率、存貨周轉率較大程度上影響云南省農業產業化龍頭企業的信用風險水平。第二，龍生茶業、潤杰農科、云南白藥和云葉化肥4 家農業產業化龍頭企業的信用水平在研究時間范圍內穩步提升。云南省農業產業化龍頭企業應盡快做大做強，提升資金周轉能力。