基于Topsis模型與logistic分類模型確定信貸策略

張冰清

針對問題，首先利用Excel與Stata軟件對數據進行預處理與描述性統計，篩選并量化反映企業信貸風險的指標;其次利用熵權法確定了各個指標在信貸風險評價中的權重;然后利用Topsis綜合評價模型求得各企業得分，其中分數越高，代表信貸風險越小;最后定義線性模型量化各信貸策略，由此可以給出具體的線性策略模型，在此基礎上便于制定對于中小型企業的信貸策略。

一、引言

在生活中，企業向銀行貸款時，銀行需要根據國家政策放給合格的資金需要者，并約定歸還期限。近年來為鼓勵中小微企業發展，銀行依據評估結果選擇出實力強、供求關系穩定的企業提供貸款，并確定具體貸款額度、實際利率與借貸期限等信貸政策。基于此背景，需要給出中小微企業的信貸策略。

二、模型的建立與求解

（一）數據分析與預處理

Step1：指標初步篩選

為了選擇適當的企業信貸策略模型，需要對數據進行預處理，整理合適的指標作為要研究的對象。通過對已知的分析，初步確定了要研究的指標見表1。

Step2：線性指標分類

由于數據中的進銷項發票數據中的六種金額間具有非常強的相關性，所以不能直接用這六種指標進行評價，需要將其整合為兩類，經計算發現：

各企業金額均值+各企業稅額均值價≈稅合計均值

最終確定的評價指標為：各企業進項發票價稅合計的平均值、銷項發票稅價合計的平均值、銷項作廢發票比例、進項作廢發票比例、信譽評級、是否違約、銷項價稅合計的負數比例、進項價稅合計的負數比例。

Step3：定性指標定量化

確定了要研究的指標之后，發現在這些指標中，有定性指標和定量指標，為了更好的應用評價模型對123個企業進行綜合評價，需要將定性指標定量化。

首先將進項發票信息和銷項發票信息中的發票狀態指標以企業為單位定量化，具體公式為：

（三）Topsis模型的建立

現需利用Topsis優劣解距離模型對各個企業信貸風險進行評估得分，得分越高，則信貸風險越小。

Step1：指標分類

基于前面的研究，確定的八個指標分為極小型指標、極大型指標和中間型指標。

Step2：指標正向化

為了計算方便， 需要將三種指標類型統一歸化成極大形指標。

Step3：計算得分并歸一化處理

在標準化后的指標中找到最優方案和最劣方案，然后分別計算評價對象與最優方案和最劣方案間的距離，獲得評價對象與最優方案的相對接近程度，作為評價優劣的依據，并對得分做歸一化處理。

利用Matlab軟件對上述建立的模型進行處理與求解。

（四）信貸策略的制定

Step1：對量化結果整合分析

基于上述求解最終得到的排序情況，將123家中小微企業分為三類，其分數區間分別為[0.009，0.0986]，（0.0041，0.009），[0.0019，0.0041]，可供銀行評估中小微企業信貸風險時參考。

Step2：制定具體信貸政策

由于我國中小微企業對銀行借貸的依賴性較大，以及貸款成本較高，加之信息多處不對等加劇了信貸市場的檸檬現象。因此在保證銀行一定盈利的情況下盡量為中小型企業爭取一定的額度。已經建立Topsis模型對123家有信貸記錄的中小微企業的信貸風險進行了評估并分級，在此基礎上確定合適的信貸策略，如表2：

（作者單位：河北農業大學）