基于模糊規(guī)則的中小企業(yè)信用評級系統(tǒng)研究

靖 固，王宏力，2

(1.哈爾濱理工大學 計算機科學與技術(shù)學院，哈爾濱 150080;

2.中國建設(shè)銀行股份有限公司大慶分行，哈爾濱 163000)

中小企業(yè)是我國國民經(jīng)濟和社會發(fā)展的重要力量，促進中小企業(yè)發(fā)展，是保持國民經(jīng)濟平穩(wěn)較快發(fā)展的重要基礎(chǔ)。2009年國務(wù)院出臺了《國務(wù)院關(guān)于進一步促進中小企業(yè)發(fā)展的若干意見》(國發(fā)［2009］36號)，其中明確要求要加強和改善對中小企業(yè)的金融服務(wù)，逐步提高中小企業(yè)中長期貸款的規(guī)模和比重。但由于中小企業(yè)自身經(jīng)濟規(guī)模小、受宏觀經(jīng)濟影響明顯、自身抵抗風險能力較弱，而銀行是以贏利為目的的商業(yè)機構(gòu)，確實很難實現(xiàn)融資支持［1］。

本文在對中小企業(yè)客戶風險構(gòu)成要素數(shù)據(jù)分析基礎(chǔ)上，針對中小企業(yè)財務(wù)數(shù)據(jù)不規(guī)范、評級模型指標構(gòu)成多樣等情況，利用數(shù)據(jù)挖掘技術(shù)建立信貸風險評估模型［2－3］，開發(fā)了中小企業(yè)信用評級系統(tǒng)，規(guī)范銀行對中小企業(yè)的評級過程，提升銀行自身的業(yè)務(wù)效率，減小銀行信貸風險［4］。

1 模糊規(guī)則算法原理

1.1 算法選取

模糊規(guī)則算法最早來源于Zadeh 1965年提出的模糊集理論，Zadeh后來在1970年把該理論描述為解決不確定性的復雜環(huán)境下問題的決策支持方法，通過對諸多事實、因素、指標的重要性(權(quán)重)的評估，得出一個綜合推理、評價結(jié)果。模糊規(guī)則算法的一個重要特點就是，這些參考因素或者指標可以是定性的，也可以是定量的，還可以是相關(guān)的替代性參考項，這一點是很多數(shù)據(jù)挖掘算法所不具備的優(yōu)勢。

中小企業(yè)信貸風險管理中數(shù)據(jù)信息量大，造成信貸風險項之間沒有明確的數(shù)學關(guān)系描述。還有，中小企業(yè)財務(wù)制度不健全使財務(wù)數(shù)據(jù)部分缺失、財務(wù)數(shù)據(jù)造假等問題的存在，導致一些規(guī)范化的適合用于中大型企業(yè)的評級模型失效。但可根據(jù)以往經(jīng)驗、過往賬目及各造成信貸風險項數(shù)據(jù)組合發(fā)現(xiàn)中小企業(yè)信貸潛在風險，這正是模糊規(guī)則算法的優(yōu)勢。

1.2 模糊規(guī)則系統(tǒng)設(shè)計

模糊規(guī)則因其較強的寬容性，且簡單、適用，在很多專家系統(tǒng)中都有應(yīng)用，這類系統(tǒng)的設(shè)計過程包括［5］:(1)業(yè)務(wù)分析，數(shù)據(jù)處理;(2)系統(tǒng)規(guī)劃設(shè)計;(3)系統(tǒng)結(jié)果評估與選擇三個基本環(huán)節(jié)。

而其中第1步和第2步環(huán)節(jié)則涉及模糊規(guī)則集的設(shè)計、推理過程設(shè)計和系統(tǒng)規(guī)劃設(shè)計等部分，也是整個系統(tǒng)的核心。圖1是模糊規(guī)則開發(fā)過程示意圖。

圖1 模糊規(guī)則推理決策的基本框架Fig.1 Basic frame of inference and decision ofthe fuzzy rules algorithm

1.2.1 數(shù)據(jù)分析

模糊規(guī)則模型具有較高的寬容性，適合于多變量、多條件等復雜情況下的數(shù)據(jù)處理和分類，特別是在定量、評價指標定性不能統(tǒng)一的情況下對特定對象進行評價分類。在經(jīng)濟、社會價值推動下，對特定的社會進行某方面的價值評價分析，是數(shù)據(jù)挖掘的應(yīng)用之一，其數(shù)據(jù)分析的基本過程是根據(jù)通過觀察對象的內(nèi)部、外部實際情況的觀察，選擇能夠?qū)ζ溥M行區(qū)分的屬性和數(shù)據(jù)，這些數(shù)據(jù)有些是確定的，有些是模糊的。在多輪的觀察中，對這些屬性進行優(yōu)化，形成相對穩(wěn)定的屬性集也就是描述性模型，在規(guī)范化處理后即為評價指標。

1.2.2 模糊規(guī)則庫設(shè)計

規(guī)則庫是在確立評價指標的情況下，通過指標的組合，建立推理規(guī)則集合的過程，也就是形成一系列“if…else…”推論語句的過程。其中，任何一條規(guī)則可以描述為:

其中:xi是推理條件，對應(yīng)著評價指標，Ai是與條件xi相對應(yīng)的取值，而y則表示推理結(jié)果對象，B1是該規(guī)則模糊推理結(jié)果。經(jīng)過組合而成的規(guī)則庫，見圖2。形成的規(guī)則庫有這樣幾個特點:

(1)一個模糊規(guī)則庫中含有多個模糊推論句;

(2)若沒有“任何二個規(guī)則有相同的前命題FP1，而有不同的后命題FP2”發(fā)生，這種模糊規(guī)則庫稱為一致的;

(3)若每二條相鄰規(guī)則之后命題FP2一定有重疊區(qū)域，則此規(guī)則庫稱為連續(xù)的。

圖2 規(guī)則庫模型Fig.2 Model of rule bank

1.2.3 權(quán)重計算

權(quán)重計算過程是在模糊規(guī)則推理過程中，對各屬性取值進行累加，得到其總分，計算算法如下:

其中:x1是某項指標，gλ({xi})該項指標得分。

1.2.4 結(jié)果評價

模糊規(guī)則系統(tǒng)結(jié)果評價的過程是根據(jù)既定標準和權(quán)重對象的屬性進行劃分的過程，標準確定的過程也就是隸屬函數(shù)設(shè)計的過程。在整個全集合中每一元素對某一模糊集合的所屬程度都賦予一個介于0與1之間的數(shù)值稱之為隸屬函數(shù)，它是以該產(chǎn)品應(yīng)用領(lǐng)域中的專家經(jīng)驗以及知識作為判斷基礎(chǔ)，使得產(chǎn)品運作較有安全性。另外隸屬函數(shù)的形式會隨使用者定義而有所不同，在文獻中提出許多不同的形式，但大多數(shù)在實際應(yīng)用中只使用規(guī)格化的標準隸屬函數(shù)。有四種標準隸屬函數(shù):Z－Type，Pi－Type(lambda)，L－Type(pi)和 S－type，如圖3所示。

圖3 四種標準隸屬函數(shù)Fig.3 Membership function of four standards

2 系統(tǒng)分析設(shè)計

2.1 系統(tǒng)需求分析

本研究的初始目標就是建立自動化的中小企業(yè)自動評級系統(tǒng)，隨著研究的深入，對評級模型的確定、用戶評級數(shù)據(jù)的歷史價值有了新的認識。鑒于這些認識，系統(tǒng)功能定位為:(1)企業(yè)用戶基本信息、評級數(shù)據(jù)的輸入與管理;(2)企業(yè)用戶信用評級指標、模型優(yōu)化與管理;(3)企業(yè)用戶信用評級與歷史信用管理。系統(tǒng)功能模塊結(jié)構(gòu)圖如圖4所示:

圖4 系統(tǒng)功能模塊結(jié)構(gòu)圖Fig.4 Structure of system functional module

2.2 數(shù)據(jù)模型設(shè)計

系統(tǒng)功能的實現(xiàn)依賴于數(shù)據(jù)及數(shù)據(jù)之間的關(guān)系，根據(jù)各部分功能的數(shù)據(jù)輸入、輸出及存儲需求，從實體關(guān)系的角度進行了系統(tǒng)數(shù)據(jù)模型設(shè)計(見圖5)，并根據(jù)數(shù)據(jù)庫規(guī)范化設(shè)計理論，根據(jù)設(shè)計的數(shù)據(jù)庫實體關(guān)系圖進行了物理表設(shè)計，所使用的設(shè)計工具為E－R Win 7.0，設(shè)計中選擇的目標數(shù)據(jù)庫管理系統(tǒng)為SQL Server 2005。

根據(jù)關(guān)系數(shù)據(jù)庫規(guī)范化設(shè)計理論及系統(tǒng)開發(fā)實現(xiàn)需要，中小企業(yè)信用評級系統(tǒng)的實體關(guān)系圖可以轉(zhuǎn)換為如表1所示的八個基本物理表。

表1 系統(tǒng)數(shù)據(jù)表說明Tab.1 System data

圖5 系統(tǒng)實體關(guān)系圖Fig.5 The system entity

2.3 用戶評級模型設(shè)計

根據(jù)中小企業(yè)信用評級模型設(shè)計基本方法及科學性、一致性、系統(tǒng)性、可監(jiān)管等原則，結(jié)合《中國建設(shè)銀行小企業(yè)客戶信用評級辦法(試行)》(建總發(fā)〔2009〕101號)，選擇其中經(jīng)營者素質(zhì)、經(jīng)濟實力、償債能力、企業(yè)成長、與我行關(guān)系、社會責任等六個一級指標作為評價中小企業(yè)信用評級的主要參數(shù)指標，下設(shè)21個二級指標，具體見表2。

表2 企業(yè)信用評級指標Tab.2 Enterprise credit rating index

2.4 信用評級模糊推理

在系統(tǒng)實現(xiàn)中，模糊推理和權(quán)重計算是集成在一起的。由于中小企業(yè)信用評級指標間的差異性較大，既有定量性指標，同時也有定性指標。本研究從定性、定量角度對評級指標進行了分類，對于定量指標進行了數(shù)據(jù)規(guī)范化處理，分為1～5五個級別，并賦予相應(yīng)的權(quán)重(weight1－weight5)，在進行“if…else…”判斷后分別加權(quán)，而對于定性指標，則有評級人員根據(jù)情況，直接打分。具體推理計算過程偽代碼如下:

int weightScore(){//企業(yè)信用權(quán)重int weight=0;//根據(jù)每項評價指標，進行模糊判斷加權(quán)foreach(index in indexColloction){if(index=1)weight+=weight1;if(index=2)weight+=weight2;if(index=3)weight+=weight3;if(index=4)weight+=weight4;if(index=5)weight+=weight5;}//有杰出社會貢獻的信用加分weight+=specialContribution//有惡劣社會影響的信用扣分weight+=special//其他特例//……return weight;}

其中，n 為參數(shù)總數(shù)(i=1，2，3....，20 ，n=20)，Si為該項參數(shù)的得分，Wi為該項參數(shù)的權(quán)重。

系統(tǒng)評分計算公式為:

3 系統(tǒng)實現(xiàn)與測試

3.1 系統(tǒng)環(huán)境配置

在系統(tǒng)設(shè)計的基礎(chǔ)上，本研究進行了編程實現(xiàn)，模糊規(guī)則推理算法復雜度與規(guī)則規(guī)模大小和規(guī)則嵌套層次有關(guān)，但整體來說對系統(tǒng)性能影響不大，所以在一般的PC硬件平臺上都可以實現(xiàn)，表3是系統(tǒng)運行的軟硬件環(huán)境。

表3 系統(tǒng)運行環(huán)境Tab.3 The running environment of system

3.2 系統(tǒng)界面截圖

從對評級企業(yè)信息保護和系統(tǒng)安全角度出發(fā)，本系統(tǒng)運行在銀行內(nèi)部局域網(wǎng)，采用C/S架構(gòu)。圖6、圖7分別是評級指標管理、歷史評級及評級比較等系統(tǒng)界面截圖。

圖6 系統(tǒng)評級指標管理Fg.6 System rating index management

圖7 企業(yè)歷史評級比較Fig.7 Comparison of history rating

3.3 試驗結(jié)果與分析

表4是系統(tǒng)對59個有效的中小企業(yè)客戶評級案例測試的評級結(jié)果，專家通過對系統(tǒng)中的評價指標權(quán)重多次調(diào)整，模擬后的結(jié)果與專家人工評級結(jié)果最為接近，平均偏離度為8.42%，能滿足銀行對中小企業(yè)信用評級需求，具體權(quán)重值設(shè)置見表2。

表4 系統(tǒng)評分結(jié)果分析Tab.4 Analysis of system score

4 結(jié)論

本文在深入分析中小企業(yè)信貸風險構(gòu)成和數(shù)據(jù)挖掘技術(shù)基礎(chǔ)上，提出利用模糊規(guī)則推理算法，開發(fā)中小企業(yè)評級系統(tǒng)，對中小企業(yè)進行信用評級，主要結(jié)論如下:

(1)模糊規(guī)則加權(quán)算法，具有較強的適應(yīng)性，對中小企業(yè)信用評級財務(wù)數(shù)據(jù)不規(guī)范、評價指標多樣性有較好的兼容性。

(2)中小企業(yè)信用評級模型的設(shè)計是一個持續(xù)更新、螺旋式優(yōu)化的過程。隨著每年度信用評級發(fā)生的新變化，以及企業(yè)的發(fā)展變化，該模型中的指標應(yīng)適時調(diào)整。

(3)系統(tǒng)中中小企業(yè)評級歷史管理、企業(yè)信用橫向縱向?qū)Ρ鹊裙δ埽梢詾殂y行提供更為科學的優(yōu)質(zhì)企業(yè)客戶篩選依據(jù)。

［1］ 郎曉瑛，石云.試析中小企業(yè)融資難問題［J］.行政與法，2012，(5):31－34.

［2］尹曉麗.數(shù)據(jù)挖掘技術(shù)在銀行信貸管理中的應(yīng)用研究［D］.南京:南京航空航天大學，2011.

［3］牟慧楊.數(shù)據(jù)挖掘在銀行CRM客戶關(guān)系管理系統(tǒng)中的研究及應(yīng)用［D］.上海:華東師范大學，2011.

［4］王林.商業(yè)銀行中小企業(yè)信貸業(yè)務(wù)風險防范研究［J］.新金融，2011，(1):53 －54.

［5］ Tzeng Gwo－Hshiung.Fuzzy theory and its application:fuzzy MCDM in past，present，and future［EB/OL］.(2010 － 02 － 02)［2012－10－18］.http://www.knu.edu.tw/lecture.