大型水利工程承包商動(dòng)態(tài)信用評(píng)價(jià)研究

盧星云，楊高升

(1.河海大學(xué) 商學(xué)院，江蘇 南京 211100；2.河海大學(xué) 工程管理研究所，江蘇 南京 211100)

大型水利工程承包商動(dòng)態(tài)信用評(píng)價(jià)研究

盧星云1,2，楊高升1,2

(1.河海大學(xué) 商學(xué)院，江蘇 南京 211100；2.河海大學(xué) 工程管理研究所，江蘇 南京 211100)

針對(duì)大型水利工程對(duì)承包商的信用水平考察以靜態(tài)為主的現(xiàn)狀，建立基于灰色模糊聚類分析的承包商動(dòng)態(tài)信用評(píng)價(jià)模型。在建立承包商信用評(píng)價(jià)指標(biāo)體系的基礎(chǔ)上，通過(guò)灰色關(guān)聯(lián)分析對(duì)時(shí)間數(shù)據(jù)進(jìn)行降維，動(dòng)態(tài)地觀察承包商在這一段有效時(shí)間內(nèi)的信用狀態(tài)趨勢(shì)和波動(dòng)情況，并通過(guò)模糊聚類分析對(duì)其信用水平進(jìn)行歸類。同時(shí)以典型大型水利工程承包商信用水平為例進(jìn)行實(shí)證分析，結(jié)果表明該模型適用于具有高維數(shù)據(jù)的大型水利工程，同時(shí)解決了由于數(shù)據(jù)選取單一而導(dǎo)致評(píng)價(jià)結(jié)果不全面的問(wèn)題。

承包商；動(dòng)態(tài)信用評(píng)價(jià)；灰色關(guān)聯(lián)分析；模糊聚類分析； 大型水利工程

自國(guó)務(wù)院印發(fā)社會(huì)信用體系建設(shè)規(guī)劃綱要(2014—2020)后，各行業(yè)對(duì)全面推進(jìn)社會(huì)信用體系建設(shè)的研究與創(chuàng)新不斷深入。其中大型水利工程屬于基礎(chǔ)設(shè)施建設(shè)項(xiàng)目，往往具有規(guī)模大、投資多、工期長(zhǎng)的特點(diǎn)，是一個(gè)復(fù)雜且綜合的系統(tǒng)工程[1]。而當(dāng)前大型水利工程在信用評(píng)價(jià)與監(jiān)管上仍處于一個(gè)相對(duì)較低的水平，如在招投標(biāo)時(shí)總承包單位進(jìn)行非法“轉(zhuǎn)包”和“分包”；在施工過(guò)程中，承包商偷工減料等現(xiàn)象屢見(jiàn)不鮮；這一系列信用缺失問(wèn)題，不僅增加了工程的信用風(fēng)險(xiǎn)，同時(shí)也擾亂了整個(gè)水利市場(chǎng)秩序[2-3]。為了保障水利工程市場(chǎng)的公正、公平和高效，以及該市場(chǎng)主體的合法權(quán)益，需要建立一個(gè)有效的動(dòng)態(tài)信用評(píng)價(jià)機(jī)制以及早發(fā)現(xiàn)危險(xiǎn)信號(hào)，及時(shí)作出相應(yīng)的信用風(fēng)險(xiǎn)決策，對(duì)提高工程安全質(zhì)量和管理水平有著重要的意義。

信用評(píng)價(jià)技術(shù)始于20世紀(jì)30年代，最早在金融領(lǐng)域展開(kāi)分析研究，1958 年BILL等為美國(guó)投資業(yè)建立了第一個(gè)信用評(píng)價(jià)系統(tǒng)。傳統(tǒng)的信用評(píng)價(jià)方法多是主觀和線性的，沈沛龍等[4]在對(duì)比了較著名的信用風(fēng)險(xiǎn)模型后發(fā)現(xiàn)傳統(tǒng)的定性分析現(xiàn)在逐漸轉(zhuǎn)化為定量分析，從指標(biāo)化的評(píng)價(jià)形式逐漸轉(zhuǎn)為指標(biāo)模型化評(píng)價(jià)。所以目前主流的信用評(píng)價(jià)方法可分為三大類：①以多元統(tǒng)計(jì)(回歸、聚類分析、主成分分析等)為基礎(chǔ)的信用評(píng)價(jià)方法[5-7]；②以人工智能(模糊綜合評(píng)價(jià)、BP神經(jīng)網(wǎng)絡(luò)等)為基礎(chǔ)的信用評(píng)價(jià)方法[8-11]；③以期權(quán)理論為基礎(chǔ)的信用評(píng)價(jià)方法[12]。上述方法大多基于某個(gè)固定的時(shí)間點(diǎn)對(duì)承包商的信用進(jìn)行評(píng)價(jià)，但在一個(gè)時(shí)間點(diǎn)的數(shù)據(jù)可能會(huì)發(fā)生突變，這樣將導(dǎo)致誤評(píng)的現(xiàn)象，而且在“孤立時(shí)間點(diǎn)”的評(píng)價(jià)結(jié)果往往也不夠全面客觀，會(huì)在很大程度上影響管理者的判斷與決策。

目前，中國(guó)大型水利工程項(xiàng)目中存在承包商的信用數(shù)據(jù)搜集難度大、數(shù)據(jù)不完整、指標(biāo)數(shù)量多、具有重疊信息等情況，且信用數(shù)據(jù)表現(xiàn)出非正態(tài)分布和高維性的特征[13]。為此，筆者將建立具有針對(duì)性的承包商信用評(píng)價(jià)指標(biāo)體系，用灰色模糊聚類分析對(duì)數(shù)據(jù)進(jìn)行降維和信用分類，構(gòu)建承包商信用動(dòng)態(tài)評(píng)價(jià)模型。與傳統(tǒng)模型相比，灰色關(guān)聯(lián)分析可對(duì)數(shù)據(jù)進(jìn)行降維，而模糊聚類分析具有對(duì)變量采用尺度和次序尺度等優(yōu)點(diǎn)，突破了傳統(tǒng)的靜態(tài)評(píng)價(jià)方法，彌補(bǔ)因數(shù)據(jù)突變而產(chǎn)生誤評(píng)的情況，也能夠更加直觀真實(shí)地反映承包商在一段有效時(shí)間內(nèi)的信用趨勢(shì)及波動(dòng)情況。同時(shí)以我國(guó)某典型大型水利工程承包商信用水平為樣本進(jìn)行實(shí)證檢驗(yàn)，以期為進(jìn)一步完善大型水利工程領(lǐng)域承包商信用體系建設(shè)提供借鑒。

1 承包商信用評(píng)價(jià)指標(biāo)體系建立

大型水利工程承包商的信用評(píng)價(jià)指標(biāo)體系是業(yè)主對(duì)承包商進(jìn)行信用評(píng)估的前提條件，綜合考慮指標(biāo)建立的全面性、可操作性、科學(xué)性、可比性等原則，對(duì)109篇信用評(píng)價(jià)相關(guān)的文獻(xiàn)進(jìn)行指標(biāo)的統(tǒng)計(jì)、分析及篩選，同時(shí)參考水利部發(fā)布的水利建設(shè)市場(chǎng)主體(施工單位)信用評(píng)價(jià)標(biāo)準(zhǔn)，最終建立了大型水利工程承包商信用評(píng)價(jià)指標(biāo)體系。

筆者采用德?tīng)柗品▽?duì)各個(gè)指標(biāo)權(quán)重進(jìn)行確定。調(diào)查對(duì)象包括水利單位的工作人員以及研究水利工程工程風(fēng)險(xiǎn)等方面的專家，共132人，有效回復(fù)為116人。其中大學(xué)教授44位(副教授及以上職稱21位，占47.7%)；水利單位工作人員72位(高級(jí)工程師31位，占43.1%；項(xiàng)目經(jīng)理11位，占15.3%)。筆者采用九級(jí)標(biāo)度法對(duì)專家進(jìn)行問(wèn)卷調(diào)查統(tǒng)計(jì)，并用yaahp軟件計(jì)算指標(biāo)權(quán)重。大型水利工程承包商信用評(píng)價(jià)指標(biāo)體系及權(quán)重如表1所示。

表1 大型水利工程承包商信用評(píng)價(jià)指標(biāo)及權(quán)重

2 大型水利工程項(xiàng)目承包商動(dòng)態(tài)信用評(píng)價(jià)模型的建立

筆者通過(guò)灰色關(guān)聯(lián)分析和模糊聚類分析動(dòng)態(tài)地觀測(cè)承包商在一段有效時(shí)間內(nèi)承包商信用數(shù)據(jù)的波動(dòng)情況和變化趨勢(shì)，同時(shí)對(duì)其信用水平進(jìn)行歸類。因此筆者采取的灰色模糊聚類分析模型方法步驟如下：

2.1 原始數(shù)據(jù)的標(biāo)準(zhǔn)化處理

計(jì)算每一維特征的均值和方差，通過(guò)函數(shù)變換將其數(shù)值映射到某個(gè)數(shù)值區(qū)間。其中，xij表示在第i個(gè)時(shí)間采樣點(diǎn)第j個(gè)受評(píng)對(duì)象的指標(biāo)得分，對(duì)原始數(shù)據(jù)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，如式(1)～式(3)所示。

(1)

(2)

(3)

(4)

2.2 灰色關(guān)聯(lián)分析

灰色關(guān)聯(lián)分析是衡量各因素之間關(guān)聯(lián)程度的一種方法，適合多目標(biāo)的動(dòng)態(tài)變化過(guò)程評(píng)價(jià)分析，且對(duì)于受評(píng)對(duì)象在一段時(shí)間內(nèi)的發(fā)展變化可以用灰色關(guān)聯(lián)度分析進(jìn)行量化。參考序列與目標(biāo)序列之間的灰色關(guān)聯(lián)度越高，則說(shuō)明兩者的關(guān)聯(lián)度越高，也進(jìn)一步說(shuō)明受評(píng)單位的信用水平與目標(biāo)信用水平越接近[14-15]。

(1)確定參考序列和比較序列。參考序列記為X0j，即對(duì)于單目標(biāo)由其最優(yōu)值組成，可表示為：

X0j=(x0j(1),x0j(2),…,x0j(n))

(5)

在灰色關(guān)聯(lián)分析中，比較序列是指與參考序列做關(guān)聯(lián)程度相比較的數(shù)列，記為Xi，即：

Xi=(xi(1),xi(2),…,xi(n))

(6)

其中，x0j(k)∈X0j,xi(k)∈Xi,k=1,2，…,n,n≥2。

(2)計(jì)算灰色關(guān)聯(lián)系數(shù)。

(7)

式中：ξoi(k)為xi對(duì)x0在k點(diǎn)的灰色關(guān)聯(lián)系數(shù)；|x0(k)-xi(k)|為距離；ρ為分辨系數(shù),可調(diào)整比較環(huán)境大小，ρ∈[0，1]，筆者研究中令ρ=0.5。

(3)計(jì)算灰色關(guān)聯(lián)度。由于比較數(shù)列和參考數(shù)列在各個(gè)時(shí)間采樣點(diǎn)之間的灰色關(guān)聯(lián)系數(shù)不止一個(gè)，灰色關(guān)聯(lián)分析可以將在各個(gè)時(shí)間采樣點(diǎn)之間的灰色關(guān)聯(lián)系數(shù)進(jìn)行集約降維，即通過(guò)求各個(gè)時(shí)間采樣點(diǎn)的平均值來(lái)計(jì)算。因此用灰色關(guān)聯(lián)度表示比較數(shù)列與參考數(shù)列間的關(guān)聯(lián)程度，即：

(8)

而對(duì)于多維的數(shù)據(jù)來(lái)說(shuō)，還需要建立灰色關(guān)聯(lián)矩陣：

(9)

2.3 模糊聚類分析

模糊聚類分析可以對(duì)涉及事物之間的模糊界限時(shí)按一定的要求對(duì)事物進(jìn)行分類，客觀地劃分類型，使之更加貼近實(shí)際情況。由模糊聚類得到了樣本屬于各個(gè)類別的不確定性程度，不僅能夠?qū)颖镜念悇e進(jìn)行模糊的類別判定，也能體現(xiàn)樣本的連續(xù)過(guò)渡性。這樣可以更加直觀地反映受評(píng)單位的實(shí)際信用狀況[16-17]。

(10)

(11)

(12)

(13)

λ可取[0,1]內(nèi)的任意實(shí)數(shù)，當(dāng)rij≤λ時(shí)，樣本xi和xj可并為同一類。取合理的水平截值λ即可對(duì)樣本進(jìn)行分類。

3 實(shí)證分析

3.1 數(shù)據(jù)選取

筆者選擇中國(guó)某大型水利工程在河北邢臺(tái)縣、內(nèi)丘縣段、臨城縣三地中的6個(gè)施工段的承包商作為被評(píng)目標(biāo)，即xi(i=1,2,…,6)。時(shí)間采樣點(diǎn)為2013年6月到2016年的6月，以半年為采樣周期，共5個(gè)時(shí)間采樣點(diǎn)tj(j=1,2,…,5)。使用Matlab7.1進(jìn)行數(shù)據(jù)處理分析。

3.2 數(shù)據(jù)分析

(1)數(shù)據(jù)標(biāo)準(zhǔn)化。對(duì)6個(gè)樣本在5個(gè)時(shí)間采樣點(diǎn)的原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，如表2所示。

表2 數(shù)據(jù)標(biāo)準(zhǔn)化處理

(2)灰色關(guān)聯(lián)分析。筆者對(duì)采集得到的3個(gè)維度數(shù)據(jù)進(jìn)行灰色關(guān)聯(lián)處理，將多維時(shí)間序列數(shù)據(jù)分割成個(gè)8數(shù)據(jù)庫(kù)，通過(guò)灰色關(guān)聯(lián)分析將8×5×6的三維數(shù)據(jù)降成了5×6的二維數(shù)據(jù)，并得出了6個(gè)受評(píng)單位在5個(gè)時(shí)間采樣點(diǎn)上的信用值(灰色關(guān)聯(lián)度)，如表3所示。接著對(duì)5個(gè)采樣時(shí)間點(diǎn)上的數(shù)據(jù)進(jìn)行分析，通過(guò)趨勢(shì)圖可直觀地觀測(cè)到受評(píng)單位的信用趨勢(shì)和波動(dòng)情況。6個(gè)受評(píng)單位的信用趨勢(shì)及其信用對(duì)比情況如圖1所示。

表3 受評(píng)單位信用評(píng)價(jià)值(灰色關(guān)聯(lián)度)

圖1 受評(píng)單位x1～x6的信用評(píng)價(jià)值趨勢(shì)對(duì)比圖

此時(shí)的模糊相似矩陣只滿足自反性和對(duì)稱性，還不滿足傳遞性。因此還需要利用扎德算子對(duì)模糊相似矩陣進(jìn)行平方自合成運(yùn)算，求出其傳遞閉包：

根據(jù)信用評(píng)價(jià)等級(jí)標(biāo)準(zhǔn)，最終當(dāng)截集λ=0.76時(shí)，受評(píng)單位的信用等級(jí){x1,x2,x3}聚為一類；{x4}聚為一類；{x5,x6}聚為一類。

3.3 結(jié)果分析

通過(guò)灰色模糊聚類分析模型不僅從可以從時(shí)間的維度上縱向觀察到承包商在信用水平上的波動(dòng)幅度和趨勢(shì)水平(見(jiàn)圖1)；同時(shí)也可以固定一個(gè)時(shí)間點(diǎn)從橫向?qū)Ρ雀鱾€(gè)受評(píng)單位的信用水平，如圖2所示。從縱向上觀察受評(píng)單位的信用評(píng)價(jià)值趨勢(shì)對(duì)比圖，能夠直觀地看到受評(píng)單位(x1,x2,x3)整體處于信用較高的水平，而受評(píng)單位(x4,x5,x6)一開(kāi)始處于較低的信用水平，但總體呈上升的趨勢(shì)，但相對(duì)于前3個(gè)受評(píng)單位仍處于較低的信用水平。再結(jié)合圖1可以發(fā)現(xiàn)x2和x3兩家單位的信用水平總體相差不大，但是單位x3的信用趨勢(shì)是不斷變好的，這樣一個(gè)積極信號(hào)使其最終信用排名略勝于單位x2。

圖2 t=1和t=3時(shí)不同受評(píng)單位的信用水平對(duì)比圖

但是由于信用評(píng)價(jià)值在某個(gè)時(shí)間點(diǎn)的大幅增加或減少引起信用排名的變化，會(huì)導(dǎo)致錯(cuò)評(píng)、誤評(píng)的結(jié)果。從圖2可以觀察到單位x1信用評(píng)價(jià)總體較好，在t=1時(shí)信用值達(dá)到0.99，排名第一，而到了t=3時(shí)信用值則僅僅只有0.63，導(dǎo)致此時(shí)的排名掉至第四位，遠(yuǎn)低于受評(píng)單位x2、x3、x4。而參考表4則發(fā)現(xiàn)單位x1最后的總評(píng)仍處于第一的位置。因此僅停留在t=3時(shí)進(jìn)行信用評(píng)價(jià)就會(huì)出現(xiàn)錯(cuò)評(píng)的情況，這也證明了信用評(píng)價(jià)需要選取多個(gè)時(shí)間點(diǎn)對(duì)受評(píng)單位的整體信用水平進(jìn)行一個(gè)連續(xù)的動(dòng)態(tài)評(píng)價(jià)?；疑：垲惙治瞿Ｐ驮诳坍?huà)信用的波動(dòng)和趨勢(shì)之后，還可通過(guò)均值方差和信用評(píng)價(jià)值對(duì)受評(píng)單位進(jìn)行信用排名和歸類，各受評(píng)單位信用綜合評(píng)價(jià)結(jié)果如表4所示。

表4 受評(píng)單位信用綜合評(píng)價(jià)表

合理的信用等級(jí)劃分對(duì)受評(píng)單位能有很好的激勵(lì)和導(dǎo)向作用。等級(jí)劃分過(guò)疏，對(duì)被評(píng)單位的激勵(lì)和引導(dǎo)作用會(huì)減弱；等級(jí)劃分過(guò)密時(shí)，評(píng)級(jí)和管理相對(duì)困難，但對(duì)被評(píng)單位的激勵(lì)和引導(dǎo)作用會(huì)增加。由于缺乏統(tǒng)一的信用評(píng)價(jià)標(biāo)準(zhǔn)，筆者借鑒《水利建設(shè)市場(chǎng)主體信用評(píng)價(jià)暫行辦法(中水協(xié)[2009]39號(hào))》[18]將水利建設(shè)市場(chǎng)主體信用等級(jí)分為誠(chéng)信(AAA級(jí)，AA級(jí)、A級(jí))、守信(BBB級(jí))、失信(CCC級(jí))三等五級(jí)，同時(shí)結(jié)合研究結(jié)果可知6個(gè)受評(píng)單位的信用等級(jí)為：誠(chéng)信單位={x1,x2,x3}；守信單位={x4}；失信單位={x5,x6}。從受評(píng)單位在實(shí)際過(guò)程中的表現(xiàn)情況來(lái)看，這4年來(lái)總的評(píng)估結(jié)果與筆者的評(píng)估結(jié)果基本一致，可見(jiàn)該方法客觀且可行。

4 結(jié)論

筆者在信用指標(biāo)體系建立的基礎(chǔ)上，用灰色關(guān)聯(lián)分析和模糊聚類分析對(duì)大型水利工程的承包商信用水平進(jìn)行有效的動(dòng)態(tài)評(píng)價(jià)。通過(guò)驗(yàn)證分析發(fā)現(xiàn)若要對(duì)承包商信用進(jìn)行有效的動(dòng)態(tài)管理，需要基于合理的評(píng)價(jià)指標(biāo)體系追蹤其在一整段有效時(shí)間內(nèi)的信用水平和變化趨勢(shì)。這樣可才避免由于數(shù)據(jù)在某個(gè)時(shí)間點(diǎn)過(guò)大幅度的增加或減小而導(dǎo)致評(píng)價(jià)結(jié)果失真的情況。同時(shí)筆者指出在每個(gè)采樣點(diǎn)上的信用值需選取合理的截集水平對(duì)其進(jìn)行信用等級(jí)歸類。最后通過(guò)實(shí)證發(fā)現(xiàn)評(píng)價(jià)結(jié)果與受評(píng)單位的實(shí)際表現(xiàn)情況是相符的，進(jìn)而證明該方法的有效性和可行性。

但是，筆者的研究也存在一定的局限性，由于選取的大型水利工程仍處于征信建設(shè)初期，信用信息采集有不及時(shí)不全面的情況，以及不同受評(píng)單位的評(píng)價(jià)時(shí)間不一致，導(dǎo)致筆者的實(shí)證分析數(shù)據(jù)在時(shí)間采樣點(diǎn)數(shù)量的選取上有些偏少，且時(shí)間間隔略長(zhǎng)。若該法在未來(lái)能取得普遍性的使用，對(duì)承包商的信用信息能夠通過(guò)數(shù)據(jù)庫(kù)聯(lián)網(wǎng)查詢，這樣不僅可以作為信用水平的趨勢(shì)預(yù)測(cè)，同時(shí)也將成為失信行為的預(yù)警信號(hào)。當(dāng)然隨著社會(huì)的發(fā)展，業(yè)主單位乃至全社會(huì)公民對(duì)信用信息的提取也要求更加及時(shí)、精確，進(jìn)而能更加客觀、全面地刻畫(huà)出受評(píng)單位的信用狀況，從而實(shí)現(xiàn)對(duì)大型水利工程的信用信息智能化管理。

[1] 徐砍平，李姣．大型水利水電工程建設(shè)項(xiàng)目動(dòng)態(tài)聯(lián)盟組織模式的結(jié)構(gòu)集成[J]．系統(tǒng)工程理論與實(shí)踐，2012，32(11)：2447-2458．

[2] 仲冉,陸惠民.基于AHP-VPRS建筑企業(yè)信用評(píng)價(jià)研究[J]. 武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版),2016,38(3):297-300.

[3] 楊建斌．水利項(xiàng)目動(dòng)態(tài)風(fēng)險(xiǎn)分析方法及應(yīng)用研究[J]．水資源與水工程學(xué)報(bào)，2011，22(1)：87-89．

[4] 沈沛龍，任若恩．現(xiàn)代信用風(fēng)險(xiǎn)管理模型和方法的比較研究[J]．經(jīng)濟(jì)科學(xué)，2002(3)：32-41．

[5] 王雪青， 陳偉唯，陳楊楊,等．基于灰色理論的工程造價(jià)咨詢企業(yè)信用評(píng)價(jià)實(shí)證研究[J]．科技管理研究，2014(22)：166-171.

[6] 張洪祥，毛志忠．基于多維時(shí)間序列的灰色模糊信用評(píng)價(jià)研究[J]．管理科學(xué)學(xué)報(bào)，2011，14(1)：28-37．

[7] 陳德軍,羅金成,張兵. 基于改進(jìn)的K-means聚類算法的分類評(píng)價(jià)方法[J].武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版),2011,33(1):32-35.

[8] 戴毅，霍佳震，張倩．基于模糊層次綜合方法的企業(yè)內(nèi)部風(fēng)險(xiǎn)評(píng)價(jià)[J]．同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版)， 2008，36(6)：864-868．

[9] 張目，周宗放．基于投影尋蹤和最優(yōu)分割的企業(yè)信用評(píng)級(jí)模型[J]．運(yùn)籌與管理，2011(6)：226-231．

[10] HUANG Z,CHEN H,HSU C J,et al.Credit rating analysis with support vector machines and neural networks：a market comparative study [J]．Decision Support Systems, 2004,37(4):543-558．

[11] 袁莉，李宏男，姜韶華,等．基于SVM的建筑企業(yè)信用評(píng)價(jià)研究[J]．價(jià)值工程， 2009，28(3)：141-144．

[12] 陳殿左.信用治理[M].北京：機(jī)械工業(yè)出版社，2004:198-202．

[13] 王春峰,李汶華.商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估:投影尋蹤判別分析模型[J].管理工程學(xué)報(bào),2000, 14(2):43-46.

[14] 黨耀國(guó),劉思峰,劉斌,等．基于動(dòng)態(tài)多指標(biāo)灰色關(guān)聯(lián)決策模型的研究[J]．中國(guó)工程科學(xué),2005,7(2)：69-72．

[15] KUNG C Y，WEN K L．Applying grey relational analysis and grey decision-making to evaluate the relationship between company attributes and its financial performance： a case study of venture capital enterprises in Taiwan [J]．Decision Support Systems，2007，43(3)：842-852．

[16] LUO Y Z，PANG S L，QIU S．Fuzzy cluster in credit scoring[C]∥International Conference on Machine Learning and Cybernetics.[S.l.]:[s.n.], 2003:2731-2736．

[17] 陳黎飛，姜青山，王聲瑞．基于層次劃分的最佳聚類數(shù)確定方法[J]．軟件學(xué)報(bào)，2008，19(1)：62-72．

[18] 中水利工程協(xié)會(huì)．水利建設(shè)市場(chǎng)主體信用評(píng)價(jià)暫行辦法:中水協(xié)[2009]39號(hào)[S]．北京：水利水電出版社,2009:37-46．

ResearchonDynamicCreditEvaluationoftheContractorinLarge-scaleWaterConservancyProject

LUXingyun,YANGGaosheng

For the large-scale water conservancy project, the traditional evaluation on the contractor′s credit level was mostly static, the contractor credit evaluation model through the grey-fuzz clustering analysis is established in this paper. The model makes dimensionality reduction of time serious data through gray correlation analysis on the basis of evaluation index system of credit, to observe the contractor credit status trend and fluctuation dynamically within an effective period, and through the fuzzy cluster analysis to classify the credit level of the contractor. In addition, the model has been tested by the typical the large-scale water conservancy project.The empirical research result shows that model is suitable for high dimensional data and solved the problem of not comprehensive and objective evaluation due to simplex data is selected.

contractor; dynamic credit evaluation; grey correlation analysis; fuzzy clustering analysis; the large-scale water conservancy project

F407.9

10.3963/j.issn.2095-3852.2017.05.020

2095-3852(2017)05-0615-05

A

2017-03-15.

盧星云(1992-)，女，福建南平人，河海大學(xué)商學(xué)院碩士研究生，主要研究方向?yàn)楣こ添?xiàng)目管理、工程信用風(fēng)險(xiǎn)管理.

國(guó)家自然科學(xué)基金(71402045).

LUXingyunPostgraduate; School of Business, Hohai University, Nanjing 211100, China.