基于層次分析和熵權(quán)法的中小微企業(yè)信用評(píng)級(jí)研究

秦春艷 李道波 王鈺 魏楠 袁勛

摘 要：本文以四川省新三板上市的92家制造業(yè)企業(yè)為研究對(duì)象，收集了2022年底的各項(xiàng)財(cái)務(wù)和非財(cái)務(wù)數(shù)據(jù)，通過(guò)統(tǒng)計(jì)學(xué)相關(guān)性分析，構(gòu)建中小微企業(yè)的信用評(píng)級(jí)指標(biāo)體系，利用層次分析法和熵權(quán)法結(jié)合的方式，計(jì)算各級(jí)指標(biāo)權(quán)重，綜合計(jì)算得到樣本企業(yè)的信用得分。結(jié)果說(shuō)明影響企業(yè)信用評(píng)級(jí)最主要的因素是償債能力，刪除非財(cái)務(wù)指標(biāo)后評(píng)級(jí)結(jié)果總體偏高，說(shuō)明非財(cái)務(wù)指標(biāo)對(duì)企業(yè)信用評(píng)級(jí)具有顯著影響。本文所得到的信用評(píng)級(jí)得分和評(píng)級(jí)結(jié)果均服從正態(tài)分布，評(píng)級(jí)結(jié)果與啟信寶數(shù)據(jù)庫(kù)得分趨勢(shì)基本一致，說(shuō)明研究結(jié)果比較可靠，本文所構(gòu)建的評(píng)級(jí)體系和評(píng)分標(biāo)準(zhǔn)具有實(shí)際意義，權(quán)重?cái)?shù)據(jù)和指標(biāo)體系可為同行提供參考。

關(guān)鍵詞：新三板；信用評(píng)級(jí)；層次分析法；熵權(quán)法；中小企業(yè)

本文索引：秦春艷，李道波，王鈺，等.<變量 2>[J].中國(guó)商論，2023（24）：-163.

中圖分類號(hào)：F276.3 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-0298（2023）12（b）--04

1 研究方法

20世紀(jì)90年代以后，隨著人工智能時(shí)代的到來(lái)，機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)模型、期權(quán)定價(jià)模型等開(kāi)始在信用評(píng)級(jí)領(lǐng)域使用。神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果比較準(zhǔn)確，但是需要標(biāo)簽作為因變量，實(shí)際上很多中小微企業(yè)沒(méi)有信用評(píng)級(jí)結(jié)果可以作為標(biāo)簽，因而此方法不適合中小微企業(yè)的信用評(píng)級(jí)，本文結(jié)合新三板企業(yè)一般沒(méi)有評(píng)級(jí)結(jié)果的特征，采用層次分析和熵權(quán)法，主客觀結(jié)合的賦值方式，建立包含財(cái)務(wù)和非財(cái)務(wù)指標(biāo)在內(nèi)的指標(biāo)體系，對(duì)四川省新三板企業(yè)進(jìn)行信用評(píng)級(jí)。

1.1 層次分析法

層次分析法將與目標(biāo)有關(guān)的元素按級(jí)分為目標(biāo)層、準(zhǔn)則層、方案層的方式構(gòu)建指標(biāo)體系，然后逐層計(jì)算權(quán)重的方法。首先構(gòu)建成對(duì)比較矩陣：

表示兩個(gè)變量相對(duì)目標(biāo)重要性的比，再求出矩陣A的特征值和特征向量，特征值即為權(quán)重，并對(duì)判斷矩陣進(jìn)行一致性檢驗(yàn)，來(lái)檢驗(yàn)權(quán)重的有效性，最后通過(guò)加權(quán)和的方法，由下至上逐層計(jì)算各方案對(duì)總目標(biāo)的最終權(quán)重，權(quán)重越大對(duì)目標(biāo)的作用也越大，一般適合于具有分層描述指標(biāo)體系，且難于定量描述的目標(biāo)決策問(wèn)題。

1.2 熵權(quán)法

熵權(quán)法是一種非常實(shí)用的客觀的權(quán)重計(jì)算方法。用每列數(shù)據(jù)所提供的信息量的大小來(lái)測(cè)算權(quán)重，熵值越小，所提供的信息量越大，相應(yīng)的權(quán)重也就越高。反之熵值越大，則說(shuō)明信息量小，相應(yīng)的權(quán)重越小。計(jì)算過(guò)程如下：

1.2.1 對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理

正指標(biāo)：

逆指標(biāo)：

1.2.2 計(jì)算各個(gè)指標(biāo)的熵值

其中，，

若，沒(méi)有意義，公式變?yōu)?/p>

1.2.3 計(jì)算區(qū)分度

1.2.4 計(jì)算權(quán)重

2 基于層次分析和熵權(quán)法的中小微企業(yè)信用評(píng)級(jí)分析

2.1 數(shù)據(jù)來(lái)源和指標(biāo)體系的建立

本文收集了四川省新三板上市的92家企業(yè)2022年的財(cái)務(wù)和非財(cái)務(wù)指標(biāo)數(shù)據(jù)。本文以啟信寶上各企業(yè)得分為因變量進(jìn)行多元回歸分析，通過(guò)共線性檢驗(yàn)和相關(guān)性分析，篩選出與評(píng)級(jí)相關(guān)性較強(qiáng)，且分類標(biāo)志明顯的指標(biāo)作為評(píng)級(jí)變量，限于篇幅這里不列出具體過(guò)程，再結(jié)合會(huì)計(jì)學(xué)知識(shí)和數(shù)據(jù)的可獲得性，建立指標(biāo)體系如下：

2.2 一二級(jí)指標(biāo)權(quán)重的計(jì)算

一二級(jí)指標(biāo)難以量化，因此采用層次分析法計(jì)算各指標(biāo)權(quán)重，本文通過(guò)文獻(xiàn)查閱和專家打分，一級(jí)指標(biāo)財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)按重要性2∶1的方式賦值，得到財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)權(quán)重分別為（0.666，0.333）。

二級(jí)指標(biāo)的權(quán)重，在充分結(jié)合問(wèn)題實(shí)際和咨詢專家的情況下，非財(cái)務(wù)指標(biāo)采用平均賦值的方式，即企業(yè)規(guī)模、創(chuàng)新能力、經(jīng)營(yíng)狀況、企業(yè)信用四個(gè)指標(biāo)重要性一致，權(quán)重為（0.25，0.25，0.25，0.25）。

二級(jí)財(cái)務(wù)指標(biāo)采用專家打分的方式，得到以下判斷矩陣：

本文利用層次分析計(jì)算判斷矩陣特征值及特征向量，并進(jìn)行一致性檢驗(yàn)得到CI=0.017<0.1，因此判斷矩陣有效，得到四個(gè)財(cái)務(wù)指標(biāo)償債能力，盈利能力，經(jīng)營(yíng)能力，發(fā)展能力的權(quán)重為：

償債能力反映的是企業(yè)償還債務(wù)的能力和現(xiàn)金支付水平，是企業(yè)健康生存發(fā)展的重要指標(biāo)。償債能力也是信用評(píng)級(jí)指標(biāo)體系中最重要的指標(biāo)，盈利能力體現(xiàn)企業(yè)資本增值的能力，是企業(yè)信用評(píng)級(jí)第二重要的指標(biāo)，這與其他文獻(xiàn)得出的結(jié)果基本一致。

2.3 三級(jí)指標(biāo)熵權(quán)法

首先用公式，對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，在利用熵權(quán)法得到各個(gè)三級(jí)指標(biāo)在二級(jí)指標(biāo)中的權(quán)重后，再利用綜合方法逐層累計(jì)求和，得到各個(gè)指標(biāo)在目標(biāo)中的權(quán)重如下：

由表3可知，排名前4個(gè)指標(biāo)都在償債能力指標(biāo)下，排名第一的是經(jīng)營(yíng)現(xiàn)金流量負(fù)債比，該指標(biāo)從現(xiàn)金的流入和流出角度考察企業(yè)的償債能力，體現(xiàn)企業(yè)短期的償債能力。排名第二的速動(dòng)比率，衡量企業(yè)流動(dòng)資產(chǎn)中可以立即變現(xiàn)用于償還流動(dòng)負(fù)債的能力。排名第三的是資產(chǎn)負(fù)債率，代表企業(yè)經(jīng)營(yíng)活動(dòng)的能力。這三個(gè)指標(biāo)都屬于二級(jí)指標(biāo)償債能力。非財(cái)務(wù)指標(biāo)中，被執(zhí)行金額，罰款次數(shù)體現(xiàn)了企業(yè)經(jīng)營(yíng)誠(chéng)信程度，以及經(jīng)營(yíng)活動(dòng)時(shí)規(guī)范，對(duì)信用評(píng)級(jí)的影響也比較大。總體來(lái)說(shuō)，財(cái)務(wù)指標(biāo)的重要性大于非財(cái)務(wù)指標(biāo)，可見(jiàn)影響企業(yè)信用最主要的是財(cái)務(wù)指標(biāo)。

2.4 綜合評(píng)級(jí)結(jié)果

利用加權(quán)和法，最終計(jì)算得到各個(gè)企業(yè)最終信用評(píng)分。加權(quán)和公式為：

其中，是各信用指標(biāo)的綜合權(quán)重，是各變量標(biāo)準(zhǔn)化的結(jié)果。計(jì)算得到的信用評(píng)分分值結(jié)果呈正態(tài)分布，再利用SPSS軟件進(jìn)行單樣本K-S檢驗(yàn)，顯著性p=0.042<0.05，因此四川省新三板企業(yè)信用評(píng)級(jí)得分呈正態(tài)分布，與事實(shí)相符合。

通過(guò)查閱文獻(xiàn)等，本文對(duì)中國(guó)信用評(píng)級(jí)的實(shí)際情況進(jìn)行調(diào)查發(fā)現(xiàn)，目前的評(píng)級(jí)有效性欠缺，評(píng)級(jí)集中偏高。本文在查閱了大量文獻(xiàn)資料的情況下，以平均值作為A級(jí)下限，每3分為一個(gè)等級(jí)區(qū)間，得到的評(píng)級(jí)結(jié)果頻數(shù)分布整體呈正態(tài)分布，如圖1所示，其中A級(jí)和BBB級(jí)企業(yè)數(shù)占69.56%，說(shuō)明本文結(jié)果比較合理。

2.5 刪除非財(cái)務(wù)指標(biāo)后的信用評(píng)級(jí)

為研究非財(cái)務(wù)指標(biāo)對(duì)信用評(píng)級(jí)的影響，本文刪除非財(cái)務(wù)指標(biāo)，利用上文相同的方法計(jì)算得到企業(yè)信用評(píng)級(jí)結(jié)果。

由圖3可知，刪除非財(cái)務(wù)指標(biāo)后，信用評(píng)級(jí)結(jié)果總體偏高，不服從正態(tài)分布，與事實(shí)不相符，說(shuō)明非財(cái)務(wù)指標(biāo)對(duì)信用評(píng)級(jí)具有重要作用。中小微企業(yè)多數(shù)是科技型企業(yè)，在非財(cái)務(wù)指標(biāo)中，企業(yè)的創(chuàng)新能力有效的評(píng)價(jià)了企業(yè)的潛力價(jià)值，企業(yè)經(jīng)營(yíng)能力情況中，供應(yīng)商、客戶數(shù)量、控股公司數(shù)等具體量化了企業(yè)真實(shí)經(jīng)營(yíng)情況，尤其是企業(yè)信用，揭示了企業(yè)誠(chéng)信經(jīng)營(yíng)的真實(shí)情況，反映企業(yè)總體品牌效應(yīng)，對(duì)企業(yè)信用評(píng)級(jí)結(jié)果具有重要影響，因此企業(yè)信用評(píng)級(jí)過(guò)程中非財(cái)務(wù)指標(biāo)必不可少。

2.6 結(jié)果驗(yàn)證

為了驗(yàn)證本文得到信用評(píng)級(jí)結(jié)果是否可靠，本文從啟信寶數(shù)據(jù)庫(kù)下載了各個(gè)公司的啟信寶綜合得分，與得到的得分?jǐn)?shù)據(jù)標(biāo)準(zhǔn)化處理后，隨機(jī)抽取30家企業(yè)進(jìn)行比較，折線1為本文計(jì)算的信用評(píng)級(jí)得分，折線2為啟信寶得分，如圖3所示，可見(jiàn)趨勢(shì)基本一致，說(shuō)明本文結(jié)果比較可靠。

3 結(jié)語(yǔ)

本文以四川省新三板上市的92家中小微企業(yè)為研究對(duì)象，根據(jù)統(tǒng)計(jì)學(xué)知識(shí)對(duì)指標(biāo)數(shù)據(jù)反復(fù)檢驗(yàn)，建立起適合中小微企業(yè)的信用評(píng)級(jí)體系，一二級(jí)指標(biāo)的計(jì)算時(shí)利用層次分析法，經(jīng)過(guò)查閱資料和專家解釋，非財(cái)務(wù)指標(biāo)采用均勻賦值的方式。財(cái)務(wù)指標(biāo)采用專家打分的方式，最終計(jì)算得到各個(gè)指標(biāo)權(quán)重，三級(jí)指標(biāo)采用熵權(quán)的客觀賦值方法，最終利用加權(quán)和法得到各個(gè)企業(yè)的信用評(píng)分，且得分分值呈正態(tài)分布。以平均分為A級(jí)最低點(diǎn)，3分一個(gè)階段得到了每個(gè)企業(yè)的信用評(píng)級(jí)，結(jié)果評(píng)級(jí)結(jié)果頻數(shù)分布呈正態(tài)分布，刪除非財(cái)務(wù)指標(biāo)后，信用評(píng)級(jí)結(jié)果總體偏高，且不再服從正態(tài)分布，說(shuō)明非財(cái)務(wù)指標(biāo)對(duì)信用評(píng)級(jí)具有顯著影響，是信用評(píng)級(jí)不可缺少的指標(biāo)數(shù)據(jù)。最后利用啟信寶上各個(gè)企業(yè)的綜合得分與本文結(jié)果進(jìn)行比對(duì)驗(yàn)證，結(jié)果得分趨勢(shì)基本一致，再次說(shuō)明本文得到的結(jié)果比較可靠。

因此，本文得到的層次分析法和熵權(quán)法的各個(gè)指標(biāo)的權(quán)重合理，構(gòu)建的信用評(píng)級(jí)指標(biāo)體系具有一定的實(shí)際意義，權(quán)重?cái)?shù)據(jù)和指標(biāo)體系可為同行提供參考。

參考文獻(xiàn)

王曉華， 張雪， 李峰. 基于神經(jīng)網(wǎng)絡(luò)模型的信用評(píng)級(jí)研究[J].金融研究， 2018（3）： 100-108.

王全， 馬勇， 張鵬. 基于熵權(quán)法的上市公司信用評(píng)級(jí)研究[J].宏觀經(jīng)濟(jì)研究， 2017（6）： 78-86.

劉建華， 劉江. 基于 Logistic 回歸模型的信用評(píng)級(jí)研究[J].國(guó)際金融研究， 2019（11）： 77-84.

王蕾， 高峰. 基于層次分析法和支持向量機(jī)的信用評(píng)級(jí)模型研究[J]. 金融研究， 2016（9）： 98-106.

陳婷， 林飛. 基于網(wǎng)絡(luò)分析法的企業(yè)信用評(píng)級(jí)研究[J].宏觀經(jīng)濟(jì)研究， 2019（4）： 99-107.

周曉明， 張明. 基于多元判別分析的信用評(píng)級(jí)模型研究[J].國(guó)際金融研究， 2018（4）： 77-84.

王麗華， 黃小原. 基于熵權(quán)法的商業(yè)銀行信用評(píng)級(jí)模型研究[J]. 系統(tǒng)工程理論與實(shí)踐， 2017（8）： 195-202.

馬超群， 陳銀科. 基于神經(jīng)網(wǎng)絡(luò)模型的信用評(píng)級(jí)研究[J].管理科學(xué)學(xué)報(bào)， 2018（3）： 34-41.

林春培， 張宇. 基于 Logistic回歸模型的商業(yè)銀行信用評(píng)級(jí)研究[J].金融研究， 2019（5）： 93-103.