考慮指標(biāo)均衡性的小微企業(yè)信用評價方法

楊京

摘 要：針對貸款申請中處于劣勢地位的小微企業(yè)，文中以風(fēng)險審慎為第一要義，提出一種考慮指標(biāo)均衡性的猶豫模糊MPI罰劣綜合評價方法：首先，引入猶豫模糊集（HFS）構(gòu)建評價矩陣以充分重視與利用多位信貸專家的風(fēng)險意見；其次，為合理度量猶豫模糊環(huán)境中指標(biāo)間的均衡性，提出一種新的猶豫模糊元（HFE）得分函數(shù)，基于此測算的指標(biāo)間的均衡性可有效兼顧專家意見的分歧度與信用指標(biāo)的均衡度；再之，鑒于小微企業(yè)的信用短板會更加引商業(yè)銀行關(guān)注，在猶豫模糊MPI基礎(chǔ)上對“不合格”部分的信用指標(biāo)加以懲罰并作為最終決策的依據(jù)；最后，以某商業(yè)銀行同批申貸小微企業(yè)為例進行算法驗證及結(jié)果分析，結(jié)果表明，該方法計算簡單可行，評價結(jié)果全面且合理，在商業(yè)銀行等金融機構(gòu)甄選信用水平優(yōu)質(zhì)且穩(wěn)定的小微企業(yè)上發(fā)揮作用。 關(guān)鍵詞：指標(biāo)均衡性；MPI；猶豫模糊集；小微企業(yè)；信用評價中圖分類號：F 276

文獻標(biāo)識碼：A?? 文章編號：1672-7312（2024）01-0072-09

A Credit Evaluation Method for Micro and Small Enterprises

Considering Equilibrium of Indices

YANG Jing

（School of Management and Economics，Kunming University of Science and Technology，Kunming 650500，China）

Abstract：For small and micro enterprises that are disadvantaged in loan applications，this paper takes risk prudence as the first meaning and proposes a comprehensive evaluation method of hesitant fuzzy MPI punishment inferiority considering the equilibrium of indices：firstly，the hesitant fuzzy set（HFS）is introduced to characterize the expert opinions to construct an evaluation matrix to fully pay attention to and utilize the risk opinions of multiple credit experts；Secondly，in order to reasonably measure the equilibrium between indicators in the hesitant fuzzy environment，a new hesitant fuzzy element（HFE）score function is proposed，based on which the equilibrium between the indicators measured can effectively take into account the divergence of expert opinions and the equilibrium of credit indicators.Moreover，in view of the fact that the credit shortcomings of small and micro enterprises will attract more attention from commercial banks，the credit indicators of the “unqualified” part will be punished on the basis of hesitation and ambiguity of MPI and used as the basis for final decision-making；Finally，taking four small and micro enterprises as examples，the algorithm verification and result analysis are carried out，and the results show that the method is simple and feasible in calculation，and that the evaluation results are comprehensive and reasonable，which can play a role in the selection of small and micro enterprises with high-quality and stable credit levels by commercial banks and other financial institutions.

Key words：Equilibrium of indices；MPI；Hesitant fuzzy set；micro and small enterprises；Credit evaluation

0 引言小微企業(yè)是市場經(jīng)濟中最活躍、最廣泛的群體，在發(fā)展經(jīng)濟、擴大就業(yè)、改善民生等方面發(fā)揮著重要作用。然而小微企業(yè)良莠不齊，其普遍在資金、人才、技術(shù)等方面處于競爭劣勢，外來資金支持成為其謀生存與發(fā)展的重要資源。小微企業(yè)大多管理制度不健全、缺乏公開可信的財務(wù)報表與經(jīng)營數(shù)據(jù)[1]，商業(yè)銀行因為面臨著較高的信貸違約風(fēng)險將其拒之門外。對小微企業(yè)信用水平進行準(zhǔn)確全面評價是控制其信用風(fēng)險的重要手段，因此，商業(yè)銀行有必要探尋一套針對小微企業(yè)的信用評價方法，著力解決小微企業(yè)貸款違約率偏高問題。

指標(biāo)體系與評價方法是進行小微企業(yè)信用評價的關(guān)鍵所在，小微企業(yè)信用評價指標(biāo)體系涉及財務(wù)與非財務(wù)維度的多個指標(biāo)，其中財務(wù)指標(biāo)反應(yīng)企業(yè)的基本經(jīng)營狀況，有關(guān)此方面的研究相差無幾，往往選取償債能力、盈利能力、營運能力與發(fā)展能力下具有代表性的一眾指標(biāo)[2-3]；而非財務(wù)指標(biāo)能彌補小微企業(yè)財務(wù)指標(biāo)的缺乏并更有效反應(yīng)企業(yè)信用特征[4]，其選取上尚未形成統(tǒng)一體系。謝邦昌等認(rèn)為應(yīng)聚焦于企業(yè)主個人信用、企業(yè)利益相關(guān)者和企業(yè)前景等指標(biāo)[5]；中國工商銀行與中國建設(shè)銀行除企業(yè)內(nèi)部因素外，還額外關(guān)注企業(yè)所處的外部環(huán)境[6-7]；CAO等[8]則綜合考慮了企業(yè)經(jīng)濟、社會與環(huán)境要素，馮玲玲[9]探究了企業(yè)商業(yè)信用同企業(yè)社會責(zé)任間的關(guān)系。關(guān)于小微企業(yè)信用評價方法，

SMARANDA[10]采用Logistic回歸模型評判羅馬里亞小微企業(yè)信用違約情況并證實了其優(yōu)越性；胡賢德等[11]在BP神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上引入離散型螢火蟲算法構(gòu)建小微企業(yè)信用風(fēng)險評估模型；受精確數(shù)據(jù)樣本約束與先前經(jīng)驗數(shù)據(jù)不足的限制，兩者在評價小微企業(yè)信用水平上均有不足[12]。鑒于小微企業(yè)部分財務(wù)指標(biāo)可信度低甚至缺失，以及非財務(wù)指標(biāo)多維性、模糊性、難以精確的特點[13]，李敬明等[14]提出基于AHP與信息熵賦權(quán)的改進模糊綜合評價法能較好兼顧主客觀權(quán)重。但值得注意的是，對于小微企業(yè)信用這樣的多指標(biāo)綜合評價問題而言，指標(biāo)間并不滿足完全可補償假設(shè)，因此評價方法不僅要測度企業(yè)總體信用水平，各指標(biāo)間的均衡性對其評價結(jié)果亦有較大影響，若指標(biāo)間均衡性較差，較高的還款能力與較低的還款意愿仍會產(chǎn)生較大的信用風(fēng)險，因此將指標(biāo)均衡性納入小微企業(yè)信用評價中具有現(xiàn)實意義。由此文中提出一種考慮指標(biāo)均衡性的小微企業(yè)信用綜合評價方法，該方法能全面衡量小微企業(yè)信用水平，同時在傳統(tǒng)評價方法結(jié)果一致時提供新思路。對于風(fēng)險識別而言，多方評價能反映企業(yè)信用真實水平[15-16]，而傳統(tǒng)信息收集與聚合難以實現(xiàn)，結(jié)合風(fēng)險評價審慎原則，文中使用猶豫模糊集表征專家意見。處于猶豫模糊集環(huán)境中的小微企業(yè)信用指標(biāo)，均衡水平不僅涉及指標(biāo)間的均衡度，還涉及猶豫模糊集隸屬函數(shù)的均衡度，故文中基于變異系數(shù)表征離散程度的原理提出一種新的猶豫模糊得分函數(shù)，以此作為測算指標(biāo)間的均衡性的基準(zhǔn)?？紤]到商業(yè)銀行對小微企業(yè)信用短板的額外關(guān)注，文中在猶豫模糊MPI的基礎(chǔ)上添加了罰劣函數(shù)，對小微企業(yè)信用短板給予懲罰，實現(xiàn)綜合評估小微企業(yè)信用風(fēng)險，切實降低商業(yè)銀行貸款風(fēng)險。綜上所述，為幫助商業(yè)銀行合理評價小微企業(yè)信用水平，文中提出了考慮指標(biāo)均衡性的猶豫模糊MPI罰劣綜合評價方法。

1 基礎(chǔ)知識

1.1 猶豫模糊集鑒于小微企業(yè)財務(wù)指標(biāo)可信度低、非財務(wù)指標(biāo)模糊難以確定信用評價過程的復(fù)雜性，文中引入ZADEH[17]提出的用于描述客觀世界中存在且無法用經(jīng)典數(shù)學(xué)描述的模糊集刻畫指標(biāo)信用特征，同時為刻畫信用評價時信貸專家猶豫不決難以選擇或存在意見不一致的狀態(tài)，采用TORRA等[18]提出的模糊集拓展形式，即猶豫模糊集表征專家意見，猶豫模糊集的隸屬度由[0，1]的多個可能隸屬度組成，可以充分反映和兼顧多方信用風(fēng)險意見。以下給出HFS定義及計算法則。

定義1：設(shè)

M={u1，u2，…，un}是一個有N個隸屬函數(shù)的集合，則與該隸屬函數(shù)相關(guān)的猶豫模糊集，即

hM（x）

定義如下

hM（x）=∪u∈M{μ（x）}

（1）其中hM（x）為定義在μ∈M取值為[0，1]上的若干不同數(shù)值的集合。為便于表述，將hM（x）稱為猶豫模糊元，簡記為hM。定義2：T-N（Torra-narukawa）拓展原理：

H={h1，h2，…，hn}

是n個HFE組成的集合，Θ是H上的一個函數(shù)，Θ∶

[0，1]N→[0，1]，那么

ΘH=∪γ∈{h1×h2×…×hn}{Θ（γ）}

（2）定義3[19]：設(shè)

h1為猶豫模糊元，則其得分函數(shù)為

sh（h1）為h1的得分函數(shù)，其中#h1表示h1包含的隸屬度個數(shù)。若

sh（h1）≥sh（h2），則h1≥h2。定義4：設(shè)

h1為猶豫模糊元，則其離差函數(shù)為

v（h1）為h1的得分函數(shù)，其中#h1表示h1包含的隸屬度個數(shù)。若

sh（h1）=sh（h2）且v（h1）＞v（h2），則h1＜h2，離散函數(shù)用于在得分函數(shù)一致時比較兩個猶豫模糊元的大小。定義5[20]：設(shè)為兩任意猶豫模糊元，則它們之間的距離公式為

1.2 MPI綜合評價方法指標(biāo)間的可補償性是多指標(biāo)綜合評價中的一個重要性質(zhì)，由于評價維度間性質(zhì)不一，不能將一個維度的高值用于掩蓋其他維度的低值。為了避免不均衡指標(biāo)之間的相互補償現(xiàn)象，意大利學(xué)者MAZZIOTTA

與PARETO在衡量人類發(fā)展與貧困指數(shù)時首次提出MPI指數(shù)，且被意大利國家統(tǒng)計研究所用于衡量意大利的“公平和可持續(xù)福利”水平。后

MAZZIOTTA與PARETO對其標(biāo)準(zhǔn)化方法改進提出了AMPI（Adjusted Mazziotta Pareto Index），近10年，MPI和AMPI被意大利學(xué)者廣泛運用于測算社會現(xiàn)象的多個方面，例如公民對國家政治不信任水平變化

[21]、國家糧食可持續(xù)發(fā)展指數(shù)[22]、意大利農(nóng)村與城市的區(qū)域發(fā)展度[23]等追求均衡發(fā)展的社會多維復(fù)雜現(xiàn)象的評估。MPI用于聚合一組假設(shè)“非補償”的指標(biāo)，基于算術(shù)平均數(shù)對標(biāo)準(zhǔn)化指標(biāo)進行聚合，對統(tǒng)計單位應(yīng)用懲罰函數(shù)即使用變異系數(shù)測算決策方案“水平變異性”作為懲罰依據(jù)，以保證指標(biāo)值之間存在較高不均衡的單位受到懲罰。以下將給出MPI的聚合公式

MPI±=M（1±cv2）=M±S·cv（6）

其中平均值M為評價單位的綜合水平，標(biāo)準(zhǔn)差S為評價指標(biāo)間的標(biāo)準(zhǔn)偏差，變異系數(shù)cv為標(biāo)準(zhǔn)偏差與平均值的比值。根據(jù)MPI聚合式子可得，當(dāng)評價對象的變異系數(shù)較大時，評價指標(biāo)間不均衡程度更高，此時評價值將在平均值的基礎(chǔ)上受到懲罰。符號“±”取決于評價現(xiàn)象的極性，若評價社會發(fā)展等這樣的正向現(xiàn)象，則使用的是MPI-，表示當(dāng)指標(biāo)存在較低的均衡性時，指數(shù)值越低，社會越不發(fā)展；若評價社會貧窮等這樣的負(fù)向現(xiàn)象，則使用的是MPI+，表示當(dāng)指標(biāo)存在較低的均衡性時，指數(shù)值越高，社會越貧窮。

2 猶豫模糊MPI罰劣模型

2.1 猶豫模糊集的均衡性測度在以猶豫模糊集表征的原始數(shù)據(jù)矩陣中，如何有效衡量具有猶豫模糊特征的指標(biāo)均衡性將是文中所解決的重要問題。對于任意HFS H=∪{hi} ，i=1，2，…，m，其HFE hm=∪{γj}，j=1，2，…，n，其中各隸屬函數(shù)γj為各信貸專家對小微企業(yè)某一指標(biāo)特征的評分，v（h）為猶豫模糊集的離散函數(shù)，sh（H）為猶豫模糊集得分函數(shù)的均值，sh（hi）為猶豫模糊元hi的得分函數(shù)，ΘH為猶豫模糊元的平均數(shù)，d為兩猶豫模糊元的距離。其猶豫模糊集的均衡性可從以下4個方面入手。一是計算各指標(biāo)得分函數(shù)的離散函數(shù)表針其不均衡性

二是測算各指標(biāo)隸屬函數(shù)與總體隸屬函數(shù)均值的離散程度

三是測算任意兩兩指標(biāo)隸屬函數(shù)間距離的平均

四是測算各指標(biāo)隸屬函數(shù)與總體擴展平均數(shù)距離的平均

上述法一將猶豫模糊數(shù)轉(zhuǎn)化為精確數(shù)后計算其離散程度，此種轉(zhuǎn)換常使用各指標(biāo)猶豫模糊元的得分函數(shù)表征，可能導(dǎo)致各指標(biāo)隸屬函數(shù)分布差異較大而得分函數(shù)一致的情況下，例如設(shè)X={x}，A={0.5，0.6，0.7}，B={0.3，0.6，0.9}為X上的2個HFE，其得分函數(shù)sh（A）=0.6，sh（B）=0.6，基于法一計算的兩兩HFE完全均衡，這顯然是有悖常理的，原因在于各指標(biāo)的得分函數(shù)僅能表征兩HFE的總體特征而無法展現(xiàn)其內(nèi)部特征。法二、法三、法四充分考慮了以HFS表征的各指標(biāo)的多隸屬性質(zhì)，使用HFS隸屬函數(shù)與其總體隸屬函數(shù)均值、總體擴展平均數(shù)，亦或是使用兩兩隸屬函數(shù)測算的各指標(biāo)間的離散程度，其實際上均涵括了兩部分不均衡性：一是專家意見的分歧度，二是評價指標(biāo)的不均衡性，前者為信貸專家間知識、經(jīng)驗或偏好的差異性所導(dǎo)致的、具有主觀性質(zhì)的不均衡性，后者為評價對象各指標(biāo)發(fā)展不一導(dǎo)致的、具有客觀性質(zhì)的不均衡性，將主觀性導(dǎo)致的不均衡計入評價對象維度間固有的不均衡將在一定程度上難以準(zhǔn)確有效衡量其真實均衡性?；谝陨暇庑詼y度的不足，文中嘗試提出一種新的HFS均衡性的測度方法。首先在原始得分函數(shù)的基礎(chǔ)上考慮專家意見的分歧度構(gòu)造一種新的得分函數(shù)，而后基于新得分函數(shù)測算HFS指標(biāo)間的均衡性?？紤]專家意見分歧度的得分函數(shù)得到諸多學(xué)者的密切關(guān)注，學(xué)者從不同角度提出了得分函數(shù)的改進，F(xiàn)ARHADINIA[24]基于隸屬函數(shù)優(yōu)先級賦予不同權(quán)重體現(xiàn)了厚優(yōu)薄劣；ZENG等[25]基于HFE隸屬函數(shù)個數(shù)提出猶豫度表征專家意見的不一致，而未考慮專家意見的具體分布。鑒于變異系數(shù)有計算簡單、易于解釋的優(yōu)點，被廣泛應(yīng)用于多個指標(biāo)離散程度的表示中，故文中將變異系數(shù)引入表征打分專家意見的分布情況，并基于此構(gòu)造一種新的HFE得分函數(shù)，以新構(gòu)造的得分函數(shù)測算HFS的變異系數(shù)，使得HFS均衡性的測度更為科學(xué)。定義4：設(shè)ha=∪{γa}為任意猶豫模糊元，則文中構(gòu)造的得分函數(shù)為

其中sh*（ha）為新的得分函數(shù)，cva為HFE的變異系數(shù)，表征專家意見的分歧度。當(dāng)HFE變異系數(shù)較大時，即專家意見差異度越大，則該指標(biāo)值的不確定性加大，其得分應(yīng)減少，因此變異系數(shù)與得分函數(shù)呈反比關(guān)系，對此取1的補集。文中構(gòu)造的得分函數(shù)擁有原始得分函數(shù)的性質(zhì)。1）對于任意的HFE

ha=∪{γa}，文中提出的得分函數(shù)

sh*（ha）∈[0，1]。其證明為γa∈[0，1]，且專家打分意見的變異系數(shù)

cva∈[0，1]，故滿足sh*（ha）∈[0，1]。2）對于單個HFE

ha=∪{γ}，即HFE僅有一個隸屬函數(shù)或隸屬函數(shù)一致時，

sh*（hij）=γ。其證明為當(dāng)專家意見一致時，其HFE變異系數(shù)為0，則文中構(gòu)造的得分函數(shù)與原始得分函數(shù)一致，為隸屬函數(shù)值。特別的有：當(dāng)

ha={1}

時，sh*（hij）=1；當(dāng)ha={0}時，sh*（hij）=0。3）當(dāng)

sh（h′1j）＜sh（h′2j），cv1j＞cv2j時，sh（h*1j）＜sh（h*2j），說明當(dāng)專家意見不一致程度時，此指標(biāo)的得分較低，以此降低小微企業(yè)信用風(fēng)險特征?；谛碌牡梅趾瘮?shù)計算HFS的均衡性，新的得分函數(shù)考慮了專家意見的分歧度，在此基礎(chǔ)上測算的指標(biāo)的均衡性能更為準(zhǔn)確表征指標(biāo)客觀性的離散程度。對于任意HFS

H=∪{hi}，i=1，2，…，m，其HFE hm=∪{γj}，j=1，2，…，n，基于新得分函數(shù)的變異系數(shù)算例為

式中，sh*（hi）為HFS中各HFE的得分函數(shù)；sh（H）為HFS中各HFE得分函數(shù)的平均數(shù)；cv（H）為HFS的變異系數(shù)，即HFS的不均衡度。新的得分函數(shù)擁有聚合專家信息的同時兼顧專家意見分布的功能，HFS變異系數(shù)可以清晰表征指標(biāo)間的不均衡特征，因此，在新的得分函數(shù)基礎(chǔ)上測算的HFS變異系數(shù)區(qū)分了主觀性的專家意見不一致度和客觀性的指標(biāo)間的不均衡度，同時該變異系數(shù)能夠測算原始得分函數(shù)相同的兩個或多個猶豫模糊集之間的不均衡度。使用此變異系數(shù)公式測算上述兩個HFE的得分函數(shù)：則

sh（A）=0.589，sh（B）=0.5，HFE間的變異系數(shù)為0.08，該變異系數(shù)公式具有可行性與有效性。

2.2 罰劣模型信用評價需充分暴露申貸企業(yè)潛在的違約風(fēng)險，銀行等金融機構(gòu)評估小微企業(yè)信用時，出于風(fēng)險規(guī)避原則，劣勢值會更引起其關(guān)注，對指標(biāo)劣值進行懲罰符合商業(yè)銀行評價時規(guī)避風(fēng)險的原則。同時在小微企業(yè)評價方法中加入罰劣函數(shù)可以彌補衡量指標(biāo)均衡性時對優(yōu)值和劣值的一視同仁?，F(xiàn)有文獻大多對指標(biāo)進行獎優(yōu)罰劣，鮮有僅針對罰劣的函數(shù)，文獻中正負(fù)激勵點常選用平均數(shù)、中位數(shù)、上下四分位點等。就考慮指標(biāo)均衡的小微企業(yè)信用評價而言，若獎優(yōu)則會致使小微企業(yè)致力發(fā)展優(yōu)勢維度提高整體信用水平，加大指標(biāo)間的不均衡，故文中僅對部分劣勢指標(biāo)進行懲罰。文中將平均值作為劣勢值的追求目標(biāo)，受“十通六者為及格”啟發(fā)，文中按照考試與學(xué)科成績的最低標(biāo)準(zhǔn)，即得分率的60%為及格線，對“不合格”的劣勢值加以懲罰。對于任意多個HFS H=∪{hi}，i=1，2，…，m，其HFE

hm=∪{γj}，j=1，2，…，n，其罰劣點P為

P=mi（sh（h*i））+（sh（H）-min（sh（h*i）））×60%（13）

依托于文中提出的得分函數(shù)得到該HFS的平均值sh（H）與最小值min（sh（h*i）），確定罰劣點P，根據(jù)式（7），若待評價單位的平均值和最小值分別為0.5和0.3，則選用罰劣點為0.42。根據(jù)指標(biāo)與罰劣點之間的優(yōu)劣關(guān)系，對罰劣點以下的指標(biāo)懲罰，其懲罰值PV（Penalty Value）為

若指標(biāo)優(yōu)于P，則PV為0；若指標(biāo)劣于P，則PV為指標(biāo)與P的相對差異值；該罰劣函數(shù)對最小值的懲罰最大，即PV為1，對罰劣點無懲罰，即PV為0；使用函數(shù)對后可使得PV∈[0，n），在小微企業(yè)信用評價中添加罰劣函數(shù)能有效甄別出“不合格”的劣值，對劣值進行不同程度的懲罰，以降低商業(yè)銀行信貸風(fēng)險。

2.3 評價方法步驟步驟1 建立初始決策矩陣H：根據(jù)由熟悉客戶所屬行業(yè)情況及業(yè)務(wù)的評估小組對待評價小微企業(yè)Ai（i=1，2，…，m）依據(jù)評價指標(biāo)集Cj（j =1，2，…，n）打分的結(jié)果，以猶豫模糊集形式匯集所有專家意見并對相同評估值僅保留一次，得到初始評價矩陣H，其中hmn=（γ1，γ2，…，γt）為Cj指標(biāo)下關(guān)于Ai的專家意見的集合。

步驟2 計算待評價小微企業(yè)信用均衡水平。

式中，sh*（hij）為決策單位i在第j個指標(biāo)的新得分函數(shù)，即小微企業(yè)在某一指標(biāo)下的得分，sh（hi）為決策單位i的平均數(shù)，即小微企業(yè)的最終信用水平值，cvi為決策單位i的不均衡度，即小微企業(yè)信用指標(biāo)的不均衡度。步驟3 確定罰劣點P及罰劣值PV。

Pi=min（sh（h*ij））+（sh（hi）-min（sh（h*ij）））×60%（17）

式中，sh（hi）為待評價單位的平均值；min（sh（h*ij））為待評價單位的最小值，小微企業(yè)綜合信用水平為處于劣勢指標(biāo)所追求的目標(biāo)，對于“不合格”的指標(biāo)進行懲罰以識別對銀行信用風(fēng)險有較大威脅的企業(yè)。其懲罰值PV為

步驟4 計算最終評價值改進后的MPI。

在猶豫模糊MPI的基礎(chǔ)上添加罰劣算子，由于PV∈[0，n），參考文獻[33]構(gòu)造的函數(shù)對其進行數(shù)學(xué)變形并使其值域為[0，0.1]，其主要原因是文中以均衡性和均值作為企業(yè)信用水平的第一考量，罰劣函數(shù)作為輔助，以降低其對最終評價值的影響度。MPI可以衡量不同性質(zhì)的社會綜合現(xiàn)象，由于隨MPI指數(shù)的增加，小微企業(yè)信用水平越好，故此處使用的MPI-，即被評價單位指標(biāo)間存在較低均衡性時，罰劣值越大，則MPI指數(shù)越低，企業(yè)信用水平越低。步驟5 確定小微企業(yè)信用等級。采用國際通行的“四等十級制”評級等級，結(jié)合中國工商銀行小企業(yè)信用等級分?jǐn)?shù)段，其具體等級分為：AAA，AA，A，BBB，BB，B，CCC，CC，C，D，見表1。其中AAA-BBB等級為商業(yè)銀行所能接受的信用等級。

3 實例分析

3.1 小微企業(yè)信用指標(biāo)體系構(gòu)建構(gòu)建符合小微企業(yè)特征的指標(biāo)體系是開展評價的先決，本研究參考文獻[4-8]，按照科學(xué)、系統(tǒng)、典型、可操作四原則，從財務(wù)與非財務(wù)層面分析遴選7個維度構(gòu)建小微企業(yè)信用評價體系，如圖1所示。其中財務(wù)指標(biāo)能有效反映企業(yè)經(jīng)營狀況，參照大多文獻標(biāo)準(zhǔn)劃分為償債能力、運營能力、盈利能力和發(fā)展能力，分別表征小微企業(yè)資產(chǎn)負(fù)債結(jié)構(gòu)、經(jīng)營運轉(zhuǎn)速率、獲取利潤能力與可持續(xù)增長潛力。鑒于財務(wù)維度的可信度與局限性，使用非財務(wù)維度作為補充顯露隱性信用信息，非財務(wù)維度由廣至微選取外部環(huán)境、企業(yè)素質(zhì)和企業(yè)主信用，外部大環(huán)境的不確定性影響企業(yè)在市場中的發(fā)展進程，企業(yè)素質(zhì)例如企業(yè)成立年限、納稅情況和資質(zhì)等表征內(nèi)在各要素聯(lián)系、結(jié)合與制約的整體功能，企業(yè)主信用則顯著影響小微企業(yè)的信貸還款意愿。

3.2 小微企業(yè)信用評價過程步驟1 數(shù)據(jù)的來源與收集信用評價是信貸審批的關(guān)鍵步驟。昆明市某商業(yè)銀行擬對同批申請貸款的8家小微企業(yè)開展信用評價以確定其貸款資格，該8家小微企業(yè)的基本信息如下：A1 、A7為食品采購批發(fā)部，A2為某耐力管業(yè)制造有限公司，A3 、A6為建筑工程有限公司，A4為某機械制造有限公司，A5為戶外運動有限公司，A8為某農(nóng)業(yè)有限公司。

知悉企業(yè)的貸款申請后，該商業(yè)銀行組織5名熟悉評估客戶所屬行業(yè)情況及評估對象業(yè)務(wù)的專家組成評估小組，其中，小組負(fù)責(zé)人由具有項目經(jīng)理以上職稱的高級職員擔(dān)任。該評估小組負(fù)責(zé)向8家企業(yè)發(fā)出《評估調(diào)查資料清單》，資料清單包括公司章程、近3年財務(wù)報表（成立未滿3年提供自成立日期至申請日期止的財務(wù)報表）和可抵押資產(chǎn)匯總等基本資料，再結(jié)合企業(yè)納稅基本情況，銀行信用記錄等公開信息，對相關(guān)資料進行查閱分析并開展企業(yè)實地調(diào)查與訪談，對形成的相關(guān)資料建檔編號并保密，最終形成初始資料的收集工作。

步驟2 級別初評與復(fù)核直接評價人依據(jù)信用評價標(biāo)準(zhǔn)，對評估資料進行分析、歸納和整理，加以綜合評價和判斷，以1為滿分制進行打分，形成初步評價矩陣H，評價值使用HFS形式表現(xiàn)，可以兼顧5名專家意見，當(dāng)評價值出現(xiàn)多次時只記錄一次。

用式（11）計算猶豫模糊元得分函數(shù)，得出兼顧專家意見不一致度的得分函數(shù)。雖然新的得分函數(shù)本質(zhì)仍為將評價值化為精確值，但此精確數(shù)不僅可以反應(yīng)多位專家評價值的聚合，同時反應(yīng)出專家評價值的分布情況，當(dāng)分布離散時，說明專家間存在較大差異，指標(biāo)值的不確定性增加，故該指標(biāo)的評價值減少。根據(jù)式（12）計算各單位變異系數(shù)CVi分別為

CVi=〈{0.24}，{0.065}，{0.203}，{0.062}，{0.216}，{0.063}，{0.062}，{0.18}〉

通過變異系數(shù)可以形象看出各企業(yè)信用指標(biāo)的均衡性：企業(yè)A2、A4 、A6和A7指標(biāo)變異系數(shù)遠(yuǎn)小于其他單位且指標(biāo)得分值集中在0.7～0.9間，指標(biāo)間存在較大的均衡性，故相比與其他企業(yè)，信用水平將更為穩(wěn)定。在文中構(gòu)造的得分函數(shù)的基礎(chǔ)上，計算各小微企業(yè)指標(biāo)間的變異系數(shù)，新的得分函數(shù)囊括了具有主觀性的指標(biāo)離散程度，而各指標(biāo)的水平變異系數(shù)能則測度各指標(biāo)間所客觀存在的變異系數(shù)。根據(jù)式（13）得出各指標(biāo)指標(biāo)的罰劣點P分別為

P=〈{0.54}，{0.71}，{0.59}，{0.75}，{0.57}，{0.8}，{0.75}，{0.56}〉

根據(jù)式（14）計算各指標(biāo)的罰劣值PV分別為

PV=〈{1.24}，{1.58}，{1}，{1.07}，{1}，{1.22}，{1.09}，{1}〉

結(jié)合上述內(nèi)容，計算改進后的MPI，得出小微企業(yè)信用評價結(jié)果值匯總。

步驟3 級別審查與審定總行根據(jù)依據(jù)一級分行管理情況實行區(qū)別授權(quán)，經(jīng)各一級分行申報，總行對其進行審批，對各二級分行實行區(qū)別授權(quán)，商業(yè)銀行按照規(guī)定權(quán)限對客戶信用評級結(jié)果進行審查與審定。最終評價結(jié)果見表2。

3.3 結(jié)果分析均衡性對小微企業(yè)信用評價的影響：與傳統(tǒng)平均值相比，考慮指標(biāo)均衡性的MPI方法對指標(biāo)均衡性較差的小微企業(yè)予以懲罰，有助于商業(yè)銀行甄選信用風(fēng)險穩(wěn)定的小微企業(yè)，切實降低信貸風(fēng)險。由表2中的評價結(jié)果可知，以平均值劃分的企業(yè)信用等級，由于信用指標(biāo)間相互補償性假設(shè)的存在，企業(yè)A2，A3，A4，A5，A6，A7均達到可貸標(biāo)準(zhǔn)；而考慮指標(biāo)間的均衡性后，企業(yè)A3 與A5因其均衡性較差受到較大懲罰而被排除在可貸范圍內(nèi)，雖就單個指標(biāo)而言，A3 企業(yè)營運、盈利與發(fā)展?fàn)顩r良好，企業(yè)素質(zhì)達標(biāo)，但因行業(yè)性質(zhì)導(dǎo)致其資產(chǎn)負(fù)債率較高，加之信貸人員對于企業(yè)主信用分歧較大，致使A3 企業(yè)指標(biāo)不均衡系數(shù)達0.203，信用等級由BBB降為BB，A5 企業(yè)盈利能力難以保障企業(yè)到期還款能力，其信用等級由BBB降為BB。反觀企業(yè)A2、A4、A6、A7在此均衡性方面表現(xiàn)良好，其懲罰強度較小，但企業(yè)A2 受到輕微影響，信用等級由A降為BBB，企業(yè)A4、A6、A7得益于信用綜合水平較高且均衡，仍維持原等級。由上可知，企業(yè)信用指標(biāo)的均衡性促使商業(yè)銀行在綜合信用水平上更優(yōu)先考慮對其授信，信用指標(biāo)均很的小微企業(yè)抗風(fēng)險能力更強，擁有更小的信貸違約風(fēng)險。罰劣函數(shù)對小微企業(yè)信用評價的影響：在小微企業(yè)信用評價中，以考慮指標(biāo)均衡性的綜合評價值作為首要評價準(zhǔn)則，在均衡基礎(chǔ)上添加的罰劣函數(shù)目的在于排除指標(biāo)中劣值較為明顯的企業(yè)，再次降低商業(yè)銀行信貸風(fēng)險。根據(jù)各小微企業(yè)指標(biāo)總體特征對落后指標(biāo)進行懲罰，有助于商業(yè)銀行關(guān)注到各小微企業(yè)的短板，企業(yè)A2 存在大量應(yīng)收賬款使得其銷售行為無法確定收入，企業(yè)營運能力較差，同時信貸專家對于企業(yè)主信用存在較大分歧，導(dǎo)致企業(yè)A2再次受到了短板懲罰，信用等級降低至BB，最終未能成功貸款；反觀企業(yè)A4、A6、A7較為指標(biāo)間較為均衡且不存在明顯短板，整體信用良好，最終達到此商業(yè)銀行可貸標(biāo)準(zhǔn)。評價結(jié)果經(jīng)過集中討論，5位專家對最終各小微企業(yè)信用等級表示認(rèn)可并提交總行進行審查與審定，最終審定結(jié)果顯示企業(yè)A4、A6、A7符合該商業(yè)銀行貸款等級要求。

4 結(jié)語信用評價是商業(yè)銀行防控信貸風(fēng)險的關(guān)鍵。為進一步降低商業(yè)銀行信貸風(fēng)險，文中從不良貸款率較高的小微企業(yè)入手，以充分反映風(fēng)險意見、規(guī)避指標(biāo)間補償和識別劣勢指標(biāo)為出發(fā)點，提出了考慮指標(biāo)均衡性的猶豫模糊罰劣綜合評價方法，該方法對猶豫模糊元得分函數(shù)進行改進，使之能夠充分考慮專家群體意見的分歧度，使其從客觀的指標(biāo)不均衡性中剝離，以達到最終聚集值能更準(zhǔn)確反應(yīng)小微企業(yè)真實信用水平的目的，最終使用MPI聚合且對指標(biāo)劣值予以懲罰以強調(diào)指標(biāo)的均衡的重要性。將該方法應(yīng)用于商業(yè)銀行的小微企業(yè)信用評價中發(fā)現(xiàn)：該方法計算簡易，最終評定信用等級與商業(yè)銀行預(yù)期結(jié)果一致，信用評價中考慮指標(biāo)的均衡性能夠有效為商業(yè)銀行識別出信用水平更為均衡與穩(wěn)定的小微企業(yè)，使得評價更為準(zhǔn)確全面，為商業(yè)銀行等金融機構(gòu)甄選貸款對象、降低小微企業(yè)信貸風(fēng)險提供了指導(dǎo)思想和理論借鑒。

參考文獻：

[1]汪冬梅，王蘭粉.中小企業(yè)集群信貸融資的信用優(yōu)勢分析[J].技術(shù)與創(chuàng)新管理，2009，30（03）：352-354.

[2]范柏乃，朱文斌.中小企業(yè)信用評價指標(biāo)的理論遴選與實證分析[J].科研管理，2003（06）：83-88.

[3]江暮紅.中小微企業(yè)信用評價指標(biāo)體系研究[J].求索，2013（06）：237-239.

[4]陳偉杰，盧靜，鄒艷.直覺模糊語言信息下的三維動態(tài)評價方法及應(yīng)用[J].控制與決策，2022（05）：1-9.

[5]謝邦昌，魏超然，劉立新.大數(shù)據(jù)時代下的小微企業(yè)信用評價[J].中國統(tǒng)計，2016（10）：22-24.

[6]中國工商銀行.關(guān)于印發(fā)《中國工商銀行小企業(yè)法人客戶信用等級評定辦法》的通知[R].中國工商銀行，2005．

[7]中國建設(shè)銀行.關(guān)于印發(fā)《中國建設(shè)銀行小企業(yè)客戶信用等級辦法（試行）》的通知[R].中國建設(shè)銀行，2009．

[8]CAO Y，XIONG S Y.A sustainable financing credit rating model for Chinas small? and medium-sized enterprises[J].Mathematical Problems in Engineering，２０１４（03）：1-5．

[9]馮玲玲.企業(yè)社會責(zé)任、融資約束與商業(yè)信用動態(tài)調(diào)整[J].技術(shù)與創(chuàng)新管理，2022，43（06）：698-707.

[10]SMARANDA C.Scoring functions and bankruptcy prediction models-case study for romanian companies[J].Procedia Economics and Finance，2014，10：217-226.

[11]胡賢德，曹蓉，李敬明，等.小微企業(yè)信用風(fēng)險評估的IDGSO-BP集成模型構(gòu)建研究[J].運籌與管理，2017，26（04）：132-139+148.

[12]陳偉杰，龔濤.基于改進ELECTRE-IN的小微企業(yè)信用評估[J].重慶師范大學(xué)學(xué)報（社會科學(xué)版），2021（06）：38-50.

[13]程云喜.中小企業(yè)信用的模糊綜合評價方法研究[J].生產(chǎn)力研究，2008（04）：137-138.

[14]李敬明，阮素梅，劉奎戶.基于改進模糊綜合評價法的小微企業(yè)金融風(fēng)險分析模型研究[J].運籌與管理，2015，24（06）：217-224.

[15]劉云峰，陳瑞，張曉光.多主體參與的建筑施工安全管理評價體系構(gòu)建及應(yīng)用[J].技術(shù)與創(chuàng)新管理，2022，43（05）：570-575.

[16]MURO P D，MAZZIOTTA M，PARETO A.Composite indices for multidimensional development and poverty：An application to MDGs，２０１１（104）：1-48．

[17]ZADEH L A.Fuzzy sets[J].Information and control，1965，8（03）：338-356.

[18]TORRA V，NARUKAWA Y.On hesitant fuzzy sets and decision[J].2009 IEEE International Conference on Fuzzy Systems，2009（08）：20-24.

[19]ZHU B，XU Z S，XIA M M.Hesitant fuzzy geometric Bonferroni means[J].Information Sciences，2012，182（11）：72-85.

[20]彭定洪，黃子航.生態(tài)城市發(fā)展質(zhì)量評價方法研究[J].中國科技論壇，2019（08）：95-104.

[21]SAIANI P P，IVALDI E，CIACCI A，et al.Confidence gaps and distrust in latin america[J].Social Indicators Research，２０２１，9（０5）：1-13．

[22]AGOVINO M，CERCIELLO M，GATTO A.Policy efficiency in the field of food sustainability：The adjusted food agriculture and nutrition index[J].Journal of Environmental Management，2018，218（15）：220-233.

[23]BERTOLINI P，PAGLIACCI F.Territorial unbalances in quality of life：A focus on italian inner and rural areas[R].2016.

[24]FARHADINIA B.A novel method of ranking hesitant fuzzy values for multiple attribute decision：Making problems[J].International Journal of Intelligent Systems，2013，28（08）：752-767.

[25]ZENG W，LI D.Distance and similarity measures between hesitant fuzzy sets and their application in pattern recognition[J].Pattern Recognition Letters，2016，8（04）：267-271.