劉照 王安然
摘 要:構(gòu)建與科技型中小企業(yè)金融需求相適應(yīng)的信用評(píng)估模型,是當(dāng)前金融機(jī)構(gòu)亟需解決的關(guān)鍵問題,其中評(píng)估指標(biāo)的確定是核心。本文以2018年全國中小企業(yè)股份轉(zhuǎn)讓系統(tǒng)中信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)的中小企業(yè)為研究對(duì)象,選取反映企業(yè)償債能力、經(jīng)營能力等四個(gè)方面的19個(gè)指標(biāo)構(gòu)建信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系,通過系統(tǒng)聚類算法對(duì)樣本企業(yè)進(jìn)行漸進(jìn)式分類,并運(yùn)用粗糙集算法對(duì)對(duì)初選的指標(biāo)實(shí)施屬性約簡(jiǎn),精簡(jiǎn)指標(biāo),確定科技型中小企業(yè)信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系。
關(guān)鍵詞:聚類;粗糙集;信用風(fēng)險(xiǎn);指標(biāo)體系
1引言
科技型中小企業(yè)是國家產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和升級(jí)、科技創(chuàng)新的中堅(jiān)力量,推動(dòng)科技型中小企業(yè)發(fā)展的關(guān)鍵在于解決好科技型中小企業(yè)信用風(fēng)險(xiǎn)管理問題,構(gòu)建一套科學(xué)的能夠判別科技型中小企業(yè)信用風(fēng)險(xiǎn)狀態(tài)的指標(biāo)體系,可以為商業(yè)銀行、政府基金、風(fēng)險(xiǎn)投資等對(duì)科技型中小企業(yè)進(jìn)行信用風(fēng)險(xiǎn)評(píng)估提供參考依據(jù)。本文利用系統(tǒng)聚類算法對(duì)科技型中小企業(yè)進(jìn)行漸進(jìn)式的多級(jí)分類,確定樣本企業(yè)信用風(fēng)險(xiǎn)評(píng)估等級(jí),而后采用粗糙集算法在不影響分類屬性的原則下有效地約簡(jiǎn)信用風(fēng)險(xiǎn)評(píng)估指標(biāo),從而確定科技型中小企業(yè)信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系。
2基于聚類和粗糙集的指標(biāo)綜合篩選方法設(shè)計(jì)
目前大部分科技型中小企業(yè)信用風(fēng)險(xiǎn)研究只能把企業(yè)的信用風(fēng)險(xiǎn)狀況分為高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)兩類,但企業(yè)的信用危機(jī)現(xiàn)象是一個(gè)逐步發(fā)展的過程,僅用高風(fēng)險(xiǎn)或低風(fēng)險(xiǎn)兩種狀態(tài)不能夠準(zhǔn)確地度量一個(gè)企業(yè)的信用風(fēng)險(xiǎn)狀況。同時(shí),在信用風(fēng)險(xiǎn)評(píng)估指標(biāo)的選擇上帶有很強(qiáng)的主觀性,但指標(biāo)過多會(huì)引起信息的冗余,指標(biāo)過少會(huì)造成信息的缺失,都會(huì)影響評(píng)價(jià)結(jié)果。因此,本文提出了一種基于系統(tǒng)聚類和粗糙集的信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系構(gòu)建方法,在初步選定信用風(fēng)險(xiǎn)評(píng)估指標(biāo)的基礎(chǔ)上,選取樣本企業(yè),利用系統(tǒng)聚類算法將樣本企業(yè)分為健康、一般、輕風(fēng)險(xiǎn)、高風(fēng)險(xiǎn)四類,將初選的信用風(fēng)險(xiǎn)評(píng)估指標(biāo)作為條件屬性,系統(tǒng)聚類結(jié)果作為決策屬性,運(yùn)用粗糙集算法對(duì)指標(biāo)進(jìn)行篩選,確定最終的指標(biāo)體系,流程圖如圖1所示。
3實(shí)證研究
3.1初選指標(biāo)與樣本選取
總結(jié)國內(nèi)外已有研究成果,本文選取能綜合反映科技型中小企業(yè)經(jīng)營狀況和財(cái)務(wù)狀況的指標(biāo)包括盈利能力、償債能力、營運(yùn)能力、成長能力4方面19項(xiàng)指標(biāo),如表1所示。
本文研究對(duì)象為2018年全國中小企業(yè)股份轉(zhuǎn)讓系統(tǒng)中信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)的中小企業(yè),考慮數(shù)據(jù)的完整性、準(zhǔn)確性,剔除數(shù)據(jù)不完整的數(shù)據(jù)后共計(jì)251家企業(yè),其中被ST企業(yè)13家。為了避免高估模型預(yù)測(cè)能力問題,本文采用企業(yè)2016年的指標(biāo)數(shù)據(jù)建立模型來預(yù)測(cè)其是2018年的信用狀態(tài)。本文所采用的數(shù)據(jù)主要來自于Wind數(shù)據(jù)庫以及全國中小企業(yè)股份轉(zhuǎn)讓系統(tǒng)網(wǎng)站。
3.2基于系統(tǒng)聚類的信用風(fēng)險(xiǎn)狀態(tài)分類
為消除不同量綱對(duì)結(jié)果的影響,首先對(duì)指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,使指標(biāo)數(shù)據(jù)均勻分布在[-1,1]之間,然后利用系統(tǒng)聚類法將樣本企業(yè)分為4個(gè)聚類,依據(jù)隸屬于4個(gè)聚類中被ST企業(yè)的比率,即違約比率,進(jìn)行科技型中小企業(yè)信用風(fēng)險(xiǎn)評(píng)估分類,違約比率越低,信用等級(jí)越高。系統(tǒng)聚類的結(jié)果如表2所示。
對(duì)以上聚類分析結(jié)果,2018年被ST處理的樣板企業(yè)13家,其中有10家分布在高風(fēng)險(xiǎn)、低風(fēng)險(xiǎn)等級(jí)中,占76.9%,23.1%的被ST企業(yè)分布一般分類中。各類之間差異顯著,具有明顯的層次性,可以為后續(xù)的粗糙集篩選提供良好的決策依據(jù)。
3.3基于RS的信用風(fēng)險(xiǎn)評(píng)估指標(biāo)約簡(jiǎn)
通過粗糙集中的等頻率離散法將各指標(biāo)數(shù)據(jù)進(jìn)行離散化,將聚類分析結(jié)果作為決策屬性,其中高風(fēng)險(xiǎn)、輕風(fēng)險(xiǎn)、一般、健康分別對(duì)應(yīng)“A、B、C、D”得到如表3所示的決策表。
根據(jù)粗糙集屬性Johnsons約簡(jiǎn)方法,運(yùn)用Rosetta軟件對(duì)此決策表進(jìn)行屬性約簡(jiǎn),最終得到約簡(jiǎn)集合{X3,X5,X9,X15,X16,X19}??梢钥闯鲣N售凈利率、資產(chǎn)負(fù)債率、已獲利息倍數(shù)、營業(yè)收入增長率、凈利潤增長率和營業(yè)利潤增長率對(duì)信用風(fēng)險(xiǎn)評(píng)估起著十分重要的作用。
4結(jié)論
針對(duì)科技型中小企業(yè)信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系的構(gòu)建問題進(jìn)行了研究,首先從企業(yè)盈利能力、償還能力、成長能力、營運(yùn)能力四個(gè)角度出發(fā)選取19個(gè)具體指標(biāo),之后運(yùn)用系統(tǒng)聚類對(duì)樣本企業(yè)進(jìn)行分類,將分類結(jié)果作為粗糙集算法的決策屬性進(jìn)行主要信息量篩選得到客觀篩選的指標(biāo),該方法充分利用數(shù)據(jù)自身的表達(dá)性,避免主觀因素的影響。
參考文獻(xiàn):
[1]周戰(zhàn)超.基于K-均值聚類的工業(yè)小企業(yè)信用評(píng)級(jí)研究[J].中國管理信息化,2018,21(13):26-27.
[2]鮑新中,楊宜.基于聚類-粗糙集-神經(jīng)網(wǎng)絡(luò)的企業(yè)財(cái)務(wù)危機(jī)預(yù)警[J].系統(tǒng)管理學(xué)報(bào),2013,22(03):358-365.
[3]劉澄,胡巧紅,孫瑩.基于粗糙集—決策樹的上市公司財(cái)務(wù)預(yù)警[J].財(cái)會(huì)月刊,2012(18):26-28.
基金項(xiàng)目: 2018 年河北省教育廳課題項(xiàng)目(項(xiàng)目編號(hào):Z2018232);2018年保定市科技計(jì)劃項(xiàng)目(項(xiàng)目編號(hào):18ZG015)。