基于云模型的證券公司競爭力評價(jià)方法

邵一磊，尤建新，徐 濤，鐘之陽

（1. 同濟(jì)大學(xué)經(jīng)濟(jì)與管理學(xué)院，上海200092；2. 同濟(jì)大學(xué)高等教育研究所，上海200092）

隨著我國經(jīng)濟(jì)快速發(fā)展，改革開放帶來社會財(cái)富的積累，市場對投資理財(cái)需求日益強(qiáng)烈。同時，作為資本市場的重要組成部分，證券公司在推動企業(yè)發(fā)展、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、促進(jìn)資金融通等方面發(fā)揮著重要作用。經(jīng)過20多年發(fā)展，我國證券公司經(jīng)歷了從無到有，從雜亂到有序的發(fā)展過程。但是，相比國外證券公司，我國證券公司仍存在市場運(yùn)行機(jī)制不合理、制度建設(shè)不完善的問題。因此，評價(jià)我國證券公司的綜合競爭力，對證券公司評級有一定參考價(jià)值，也對促進(jìn)證券行業(yè)的健康發(fā)展有著重大意義。

現(xiàn)有對證券公司競爭力的評價(jià)或評級主要由監(jiān)管機(jī)構(gòu)或第三方評級公司發(fā)布，也有部分學(xué)者采用統(tǒng)計(jì)學(xué)、管理學(xué)方法進(jìn)行研究。例如，黃虹等［1］分別利用有熵權(quán)灰色關(guān)聯(lián)分析和無熵權(quán)灰色關(guān)聯(lián)分析對上市證券公司的競爭力進(jìn)行評價(jià)分析，將兩者得到的結(jié)果進(jìn)行比較討論。劉強(qiáng)［2］以15家上市證券公司為研究對象，利用主成分分析方法，提取出影響證券公司競爭力的重要財(cái)務(wù)指標(biāo)?，F(xiàn)有研究為證券公司競爭力評價(jià)做出了重要貢獻(xiàn)，但仍然存在以下不足：首先，基于財(cái)務(wù)數(shù)據(jù)的評價(jià)體系難以全面反映出證券公司的績效表現(xiàn)；其次，多元統(tǒng)計(jì)方法對樣本量的大小有頗高要求，這些都會影響證券公司競爭力的評價(jià)結(jié)果。

為了彌補(bǔ)現(xiàn)有研究不足，本文將證券公司競爭力看作一個多準(zhǔn)則決策（MCDM）問題。MCDM 是在比較不同方案時，通過設(shè)定一些相應(yīng)的準(zhǔn)則，比較不同方案在多個準(zhǔn)則的表現(xiàn)?；疑P(guān)聯(lián)分析‐逼近理想解（GRA‐TOPSIS）方法是一種有效的MCDM方法，通過結(jié)合HWANG 等［3］提出的逼近理想解（TOPSIS）方法和DENG［4］提出的灰色關(guān)聯(lián)分析（GRA）方法，可以從方案數(shù)據(jù)曲線態(tài)勢變化和位置關(guān)系兩個方面反映方案的優(yōu)劣順序，使得結(jié)果更加準(zhǔn)確清晰。

本文旨在研究上市證券公司的競爭力情況，為其提升綜合競爭力提供相應(yīng)建議。因此，本文通過構(gòu)建一個新的MCDM 的模型來對上市證券公司進(jìn)行評價(jià)和排序。在該模型中，首先采用云模型對證券公司進(jìn)行競爭力評價(jià)，以實(shí)現(xiàn)從定性到定量的轉(zhuǎn)化；采用GRA‐TOPSIS方法確定指標(biāo)權(quán)重和對上市證券公司的綜合競爭力進(jìn)行排序。

1 理論基礎(chǔ)

定義1 云模型是由LI 等［5］提出的一種將定性概念的語言描述轉(zhuǎn)化為定量的轉(zhuǎn)換模型。假設(shè)一個論域U ={X}，A為與U相關(guān)的定性概念，U中的元素X 對T 的定性概念的隸屬度μA(x)∈[0，1]為一個具有穩(wěn)定傾向的隨機(jī)數(shù)，則隸屬度x 在論域U 上的分布稱之為云，而每一個隨機(jī)數(shù)都稱之為云滴。

云的數(shù)字特征由3個參數(shù)表示，分別是期望Ex，熵En 和超熵He。Ex 為云滴的期望值，表示論域的中心值，熵En 衡量定性概念的模糊性和隨機(jī)性，超熵He衡量熵的模糊性和隨機(jī)性。因而，云可以表示為y = (Ex，En，He)［6］。

定義2 假設(shè)給定論域U中的任意兩朵云y1=(Ex1，En1，He1) 和y2=(Ex2，En2，He2)，兩者之間的代數(shù)運(yùn)算定義如下：

定義3 假設(shè)在論域U 中任意兩朵云y1=(Ex1，En1，He1) 和y2=(Ex2，En2，He2)，則這兩朵云之間的距離為［7］

定義4 假設(shè)在論域U中有n朵云yi=（Exi，Eni，Hei）(i= 1，2，…，n)，w =(w1，w2，…，wn) 為對應(yīng)的權(quán)重，滿足條件權(quán)云算子（COWA）為

定 義5 假 設(shè)[Xmin，Xmax] 為 有 效 域，S={ s?g，…，s0，…，sg，g ∈N }為一個有序離散的術(shù)語集，其中N表示非負(fù)整數(shù)，si表示術(shù)語集中的語言變量，則可 以 對 應(yīng) 產(chǎn) 生 2g+1 個 云，列 為 y?g=(Ex?g，En?g，He?g)，… ，y0=(Ex0，En0，He0)，… ，yg=(Exg，Eng，Heg)。

定 義6 給 定 語 言 集S={ s?g，…，s0，…，sg，g ∈N }，假設(shè)從Si到θi的轉(zhuǎn)化函數(shù)定義如下［8］：

其中，a的區(qū)間在[1.36，1.40]［8］。

2 模型建立

本節(jié)主要目的為基于云模型和GRA‐TOPSIS建立一個證券公司綜合競爭力評價(jià)模型，其中語言評價(jià)轉(zhuǎn)化為云模型以更好地反映評價(jià)信息的模糊性和隨機(jī)性，GRA‐TOPSIS用于計(jì)算證券公司評價(jià)指標(biāo)的權(quán)重和對證券公司競爭進(jìn)行排序。具體步驟如下：

第1 步，將專家語言評價(jià)矩陣轉(zhuǎn)化為云模型評價(jià)矩陣Yk=[yijk]m×n。

根據(jù)語言術(shù)語和云模型轉(zhuǎn)化的方法，將專家對證券公司的語言評價(jià)P =[pijk]m×n轉(zhuǎn)化為云模型評價(jià)Yk=[yijk]m×n，式中yijk=(Exijk，Enijk，Heijk)。

第2步，聚合云模型評價(jià)矩陣Y =[yij]m×n。

通常情況下，在績效評價(jià)中可能存在“錯誤的” 和“偏見的”評價(jià)，利用有序加權(quán)平均云算子方法聚合所有專家的云模型評價(jià)矩陣可以緩解上述可能存在的問題。

第3步，確定正理想解（PIS）和負(fù)理想解（NIS）。

在云模型環(huán)境下，確定證券公司競爭力評價(jià)中每個指標(biāo)的PIS和NIS，如下所示：

第4步，計(jì)算每個證券公司到PIS和NIS的灰色關(guān)聯(lián)系數(shù)矩陣。

將PIS 和NIS 作為參考序列，證券公司的評價(jià)信息作為比較序列，利用以下兩個公式分別計(jì)算每個證券公司到PIS和NIS的灰色關(guān)聯(lián)系數(shù)：

第5步，計(jì)算證券公司的貼近度。

根據(jù)灰色關(guān)聯(lián)系數(shù)矩陣，通過以下公式可以得到每家證券公司的灰色關(guān)聯(lián)度：

第6 步，基于GRA‐TOPSIS 建立多目標(biāo)優(yōu)化模型。

vi越大，證券公司Ai績效水平越優(yōu)。因此，當(dāng)績效評價(jià)指標(biāo)的權(quán)重完全未知時，求解以下線性規(guī)劃來獲得評價(jià)指標(biāo)的最優(yōu)權(quán)重：

如果決策者給出部分有關(guān)評價(jià)指標(biāo)的權(quán)重信息，在約束環(huán)境中添加相應(yīng)的條件，以此來求解評價(jià)指標(biāo)的權(quán)重。假設(shè)決策者給出的指標(biāo)權(quán)重信息包括以下幾種形式：①微弱大于，T1={wi≥wj}；②嚴(yán)格大 于，T2={wi?wj≥φj}(φj> 0)；③差 異 大 于，T3={wi?wj≥wm?wn}(j ≠m ≠n)；④乘 法 結(jié)構(gòu)，T4={wi≥φjwj}(0< φj< 1)；⑤區(qū) 間 結(jié) 構(gòu)，T5={φi≤wi≤φi+ εi}(0< φi< φi+ εi)。為方便起見，將這些形式集中在一起，即T =T1?T2?T3?T4?T5。則可以建立以下多目標(biāo)優(yōu)化模型：

第7步，計(jì)算評價(jià)指標(biāo)的最優(yōu)權(quán)重。

本文采用最大‐最小算子將上述一個多目標(biāo)規(guī)劃模型轉(zhuǎn)變?yōu)閱我荒繕?biāo)的優(yōu)化模型，并通過求解該模型來獲得證券公司評價(jià)指標(biāo)的最優(yōu)權(quán)重w*=(w1*，w2*，…，wn*)，即

防治措施：在播種之前可以徐昂用40%甲基異柳磷乳油按照1∶50的比例進(jìn)行溶液配比，后加入50%辛硫磷按1∶50比例配比溶液，攪拌均勻后加入10千克玉米種進(jìn)行拌種。在玉米苗株長到4到6葉期前，可以使用10%吡蟲啉可濕性粉劑按照1∶3000的比例進(jìn)行配比，或者可以選用40%毒死蜱乳油按照1∶3000的比例進(jìn)行配比溶液，然后在初期進(jìn)行根部灌溉，后續(xù)以噴霧形式進(jìn)行全畝噴灑，起到殺蟲的效果。

第8步，獲得證券公司綜合競爭力排序。

根據(jù)上一步獲得的最優(yōu)指標(biāo)權(quán)重，回到第5 步計(jì)算證券公司的貼近度vi。貼近度vi越高，證券公司的績效水平越高，因而可以根據(jù)vi的大小對證券公司的綜合競爭力水平進(jìn)行排序。

3 案例分析

3.1 模型應(yīng)用

在該階段，選取的是上市超過3年的證券公司，超過3 年表示證券公司在規(guī)模、盈利能力方面達(dá)到一定水平，同時上市公司數(shù)據(jù)公開透明，最后確定了30家證券公司，如表1 所示。

通過文獻(xiàn)研究［9-10］和專家調(diào)查，確定了5個評價(jià)指標(biāo)，分別是運(yùn)營規(guī)模、盈利能力、運(yùn)營效率、負(fù)債償還能力、風(fēng)險(xiǎn)管理能力。運(yùn)營規(guī)模主要從企業(yè)的總資產(chǎn)、營業(yè)收入等角度來衡量，盈利能力是指企業(yè)的營業(yè)利潤率，運(yùn)營效率是單位勞動投入的產(chǎn)出水平，負(fù)債償還能力是指企業(yè)到期償還債務(wù)能力，風(fēng)險(xiǎn)管理能力反映的是以凈資本為核心的證券公司的風(fēng)控水平。同時，邀請5位專家對30家上市證券公司的5個指標(biāo)進(jìn)行語言評價(jià)，語言術(shù)語集為：S={s0=很差，s1= 差，s2= 較差，s3= 一般，s4= 較好，s5=好，s6= 很好}。本文的評價(jià)信息是集團(tuán)數(shù)據(jù)的合并口徑，即母公司和一級控股公司及重要參股公司。專家語言評價(jià)結(jié)果如表2所示。

表1 候選證券公司名稱Tab.1 The candidate securities companies

表2 專家語言評價(jià)結(jié)果Tab. 2 Linguistic evaluations of five decision makers

模型運(yùn)用過程如下：

第1步，根據(jù)定義6，可以將7個語言標(biāo)度轉(zhuǎn)化成7朵云。假設(shè)U=[0，10]，則7朵云分別是：

根據(jù)上述7 朵云的數(shù)字特征，專家的語言評價(jià)可以轉(zhuǎn)化為云模型。其中，第1 位專家的云模型評價(jià)結(jié)果如表3所示。

第2 步，利用有序加權(quán)平均云算子，將5 位專家的云模型評價(jià)聚合成集體云模型評價(jià)，得到的結(jié)果如表4所示。

表3 第1位專家的云模型評價(jià)Tab. 3 Cloud model evaluation of the first decision maker

表4 專家聚合評價(jià)矩陣Tab. 4 Aggregated evaluations of decision makers

第3步，確定每個指標(biāo)的PIS和NIS。本文的證券公司績效指標(biāo)均為效益型指標(biāo)，因而PIS和NIS為

第5步，計(jì)算每個證券公司的加權(quán)貼近度，得到的結(jié)果如下：

第6 步，建立優(yōu)化模型。對于指標(biāo)權(quán)重，5 位專家給出的相關(guān)信息是

因而，根據(jù)證券公司的加權(quán)貼近度和專家給出的信息T，可以建立優(yōu)化模型如下：

第7 步，計(jì)算證券公司績效評價(jià)指標(biāo)的最優(yōu)權(quán)重。利用lingo軟件求解上述模型，得到證券公司評價(jià)指標(biāo)的最優(yōu)權(quán)重為：w1= 0. 372，w2=0. 222，w3= 0. 172，w4= 0.122，w5= 0.112。

第8步，獲取上市證券公司績效水平排序。

將得到的指標(biāo)權(quán)重帶入到第5步的貼近度計(jì)算中，計(jì)算出證券公司的vi值。根據(jù)vi大小對證券公司的綜合績效水平進(jìn)行排序，得到的結(jié)果如圖1所示。

圖1 2018年證券公司綜合競爭力結(jié)果Fig.1 Results of comprehensive competence of securities companies in 2018

3.2 比較分析

為驗(yàn)證模型結(jié)果的準(zhǔn)確性，本節(jié)將對比基于客觀財(cái)務(wù)數(shù)據(jù)的實(shí)數(shù)GRA‐TOPSIS 方法（5 個評價(jià)指標(biāo)對應(yīng)的財(cái)務(wù)指標(biāo)分別是總資產(chǎn)、凈利率、人均凈利潤、資產(chǎn)負(fù)債率和凈資本，數(shù)據(jù)來源于各公司年報(bào)）和證監(jiān)會給出的2018年評級結(jié)果（評級數(shù)據(jù)來自證監(jiān)會官網(wǎng)），如表5所示。

表5 排序結(jié)果比較Tab. 5 Comparative results of ranking

證監(jiān)會給出評級結(jié)果是基于公司的市場競爭力和風(fēng)控水平對證券公司進(jìn)行的綜合評價(jià)，結(jié)果的專業(yè)性和準(zhǔn)確性較高，但是相對具體排名來說更為籠統(tǒng)。從表5 可以看出，本文提出的云模型GRA‐TOPSIS方法得到的結(jié)果和證監(jiān)會給出的評級結(jié)果序列較為相似，因而可以反映出本文提出的模型具有較高的準(zhǔn)確性和可靠性。略微不足的是，云模型GRA‐TOPSIS 在判斷國信證券、國元證券、華林證券和山西證券的排序時出現(xiàn)了一些偏差。導(dǎo)致偏差的原因可能在于證券公司2018 年出現(xiàn)了一些評價(jià)指標(biāo)之外的事件。例如，國信證券在2018 年擔(dān)任ST 華澤財(cái)務(wù)顧問被證監(jiān)會罰沒2 800 萬元，同時還擔(dān)任了深陷詐騙門的“黑天鵝”寧波東力的財(cái)務(wù)顧問。山西證券在2018年評級由2017年的B級連升3級到A 級，以凈資本和流動性為核心的主要風(fēng)險(xiǎn)控制指標(biāo)持續(xù)符合監(jiān)管要求，同年推動完成山西路橋借殼上市項(xiàng)目。而實(shí)數(shù)GRA‐TOPSIS 得到的結(jié)果與評級序列相差較大，從表5 可以看出，評級為AA的廣發(fā)證券、申萬宏源和東方證券分別位列第15、18、21 名，而評級為BB 的華林證券位列第10 名，這與事實(shí)存在著較大的沖突。從總體上來看，云模型GRA‐TOPSIS 得到的結(jié)果比實(shí)數(shù)GRA‐TOPSIS 更接近證監(jiān)會給出的評級結(jié)果。

3.3 結(jié)果分析

由圖1 可知，2018 年證券公司整體競爭力處于中低水平，這與金融去杠桿、中美貿(mào)易戰(zhàn)等因素導(dǎo)致證券公司業(yè)務(wù)受損是一致的。根據(jù)圖1可以將上市證券公司的綜合績效分為5個梯隊(duì)。其中，第1梯隊(duì)的證券公司關(guān)聯(lián)度在0. 6以上的有6家證券公司，分別是中信證券、招商證券、廣發(fā)證券、國泰君安、海通證券、華泰證券。其中，綜合實(shí)力表現(xiàn)第1名的是中信證券。從專家聚合評價(jià)矩陣表4 可以看出，中信證券在經(jīng)營規(guī)模、負(fù)債償還能力和風(fēng)險(xiǎn)管理能力3項(xiàng)指標(biāo)表現(xiàn)為第1 名。綜合績效處在第2 梯隊(duì)的證券公司有申萬宏源、中國銀河、國信證券、中信建投和東方證券。第3 梯隊(duì)的證券公司有華西證券、興業(yè)證券、國金證券、國元證券、方正證券、財(cái)通證券。第4梯隊(duì)的證券公司有長城證券、華安證券、浙商證券、紅塔證券、光大證券、天風(fēng)證券。第5 梯隊(duì)的證券公司包括東興證券、華林證券、東吳證券、東北證券、國海證券、山西證券和中原證券。

從各個指標(biāo)權(quán)重來看，經(jīng)營規(guī)模指標(biāo)的權(quán)重最大，為0. 372。因此，在經(jīng)營規(guī)模指標(biāo)評價(jià)較高的證券公司排名也比較靠前，例如第1 梯隊(duì)的證券公司的經(jīng)營規(guī)模都較高。從證券行業(yè)的發(fā)展歷程來看，規(guī)模越大的證券公司社會聲譽(yù)也比較高，抗風(fēng)險(xiǎn)能力比較強(qiáng)，則生存發(fā)展的能力也就越強(qiáng)。其次，對證券公司績效表現(xiàn)影響第2 大的指標(biāo)是有盈利能力，為0. 222。盈利能力指標(biāo)主要考核公司的可持續(xù)發(fā)展能力，是企業(yè)生存發(fā)展的原動力。我國上市證券公司的盈利能力大部分處于中下游水平，表現(xiàn)比較好的是招商證券、國信證券、華林證券和華西證券。可見，一些規(guī)模較大的證券公司盈利能力并不高，這可能是由于盈利能力指標(biāo)主要以凈利率為參考對象，即一塊錢的銷售收入可以帶來的凈利潤為多少，而規(guī)模大的證券公司的營業(yè)收入基數(shù)較為龐大，因而凈利率較低。運(yùn)營效率指標(biāo)考核的是公司獲得的利潤和投入的成本之比，這個指標(biāo)一定程度上受證券公司規(guī)模影響，企業(yè)在一定范圍內(nèi)，規(guī)模越大，運(yùn)營效率越高。規(guī)模較大的證券公司，例如中信證券、華泰證券、海通證券，運(yùn)營效率比較高。同樣的，經(jīng)營規(guī)模指標(biāo)與負(fù)債償還能力和風(fēng)險(xiǎn)管理能力2個指標(biāo)也具有一定相關(guān)性，規(guī)模較大的證券公司其負(fù)債償還能力和風(fēng)險(xiǎn)管理能力也相應(yīng)比較高。

4 結(jié)論和建議

本文通過結(jié)合云模型和GRA‐TOPSIS 方法構(gòu)建了新型多準(zhǔn)則決策模型用以對我國上市證券公司進(jìn)行綜合競爭力評價(jià)，其中云模型可以反映決策者評價(jià)信息的模糊性和隨機(jī)性，GRA‐TOPSIS方法結(jié)合了GRA和TOPSIS方法兩者的優(yōu)點(diǎn)，保證了評價(jià)指標(biāo)權(quán)重和證券公司排序結(jié)果的可靠性和準(zhǔn)確性。以中國的30 家上市證券公司為案例，對其經(jīng)營規(guī)模、盈利能力、運(yùn)營效率、負(fù)債償還能力和風(fēng)險(xiǎn)管理能力5 個指標(biāo)進(jìn)行評價(jià)，其中綜合績效水平排名第一的證券公司為中信證券?；诒疚牡难芯拷Y(jié)果，對證券公司競爭力提升提出了以下建議：

（1）在控制風(fēng)險(xiǎn)的前提下，證券公司在發(fā)展初期時可從提高規(guī)模角度來整體上提升證券公司的綜合競爭力；在體量達(dá)到一定程度后，企業(yè)可控制規(guī)模，保障企業(yè)的盈利能力和經(jīng)營效率。

（2）具有一定規(guī)模的證券公司需重點(diǎn)提高其盈利能力。通過借鑒國外證券公司經(jīng)營模式，并時刻關(guān)注市場發(fā)展趨勢，捕捉客戶需求，開創(chuàng)出更多創(chuàng)新型、特色型業(yè)務(wù)，推動證券行業(yè)的創(chuàng)新發(fā)展。

（3）證券公司應(yīng)該對其風(fēng)險(xiǎn)管理體系進(jìn)行升級。隨著證券公司由傳統(tǒng)的單一模式向多元化發(fā)展，證券公司的風(fēng)險(xiǎn)管理部門應(yīng)該加強(qiáng)與各個部門之間的合作，建立一個全方位、多角度的風(fēng)險(xiǎn)管理機(jī)制。