基于灰色关联分析的供应链信用风险评估方法.docVIP

基于灰色关联分析的供应链信用风险评估方法 　　摘 要：供应链信用风险评估是一项非常复杂的系统工程，现有的决策模型又往往不能够同时兼顾主观和客观，有时又忽略了指标之间的内在关联。本文针对此类问题，根据熵理论，采用一种主客观相结合的结构熵权法。然后引入灰色关联分析对面向供应链金融的融资企业信用风险进行评估，加强了评估的整体性。 　　关键词：灰色关联分析；供应链；信用风险；评估 　　一、权重测定方法 　　如何更好的进行权重的测定是必须要解决的问题。在权重方法测定的研究中，很多学者进行了大量的研究，其中具有代表性和可行性的方法是结构熵权法。程启月（2010）[1]根据熵理论提出了一种主客观相结合的权重确定方法，其基本指导思想是将采集专家意见的德尔菲专家调查法与模糊分析法相结合，形成“典型排序”按照给定的熵决策公式进行熵值计算、“盲度”分析，并对可能产生潜在的偏差数据统计处理，根据主客观结果加权平均值的方法测定了最后的权重，这种方法保留了主观方法的可说明性的同时又强调了数学方法在逻辑上的重要性，本文权重的测定方法将引用结构熵权法。 　　（1）专家意见收集及排序矩阵的形成 　　首先选定专家组成员，对专家发放指标体系权重测定反馈表，每位专家采取德尔菲法的规定和程序，对每个指标的重要性进行排序，重要性由1-N。现有N个专家对M个指标进行重要性排序，其中a11表示第一个专家对第一个指标重要性排序，其数值（1-m）由小到大表示重要性的逐渐降低，同理am1表示第1个专家对第m个指标重要性排序，amn表示第n个专家对m个指标重要性排序，根据最后的排序形成典型排序矩阵A。 　　（2）偏差度的纠正 　　由于每位专家由于所出的工作或研究领域不同，对每个指标的认识程度也不同，因此所形成的数据会产生一定的偏差，为了降低偏差的程度和不确定性，需要将上式的数据进行偏差度的纠正。对上一节的排序矩阵进行转化，定义排序转化的隶属度函数为： 　　F（amn）=-ηpn（amn）lnpn（amn） 　　其中，pn（amn）=t-amnt-1，取η=1ln（t-1），将pn（amn）=t-amnt-1 和η=1ln（t-1）代入公式并化简求得θmn=-ln（t-amn）ln（t-1），本文将θmn称为amn对应的隶属度函数值，取t=m+2，当指标的最大数为4时，t=6。θmn为专家排序数amn的隶属度，称Bmn为隶属度矩阵。 　　视n个专家对第k个指标（k=1，2，…m）的“话语权”相同，即计算n个专家对第k个指标的“一致看法”称为平均认识度，记作Bk；将专家对第k个指标在认知方面的偏差称为“认知偏差度”，记作Ck； 　　令Bk=（θk1+θk2+…+θkn）n； 　　Ck=max（θk1，θk2，…，θkn）-Bk+min（θk1，θk2，…，θkn）-Bk2，定义n个专家对于第k个指标的总体认识度Rk=Bk（1-Ck），则n个专家对m个指标的总体认识度向量R可写作矩阵R=R1，R2，…，Rm。 　　（3）归一化处理 　　为了求得第k个指标的权重ωk，需要对Rk=Bk（1-Ck）进行归一化处理ωk=Rk∑m1Rk，显然，∑m1Rk=1，ωk≥0，本文将所求出的ωk称之为第k个指标所占的权重。 　　二、风险评估步骤 　　在灰色理论中，灰色关联分析是分析系统中各个元素之间关联度或相似程度的方法，其基本思想是根据关联的程度对所评估目标进行排序。灰色关联分析是分析事物发展的趋势，对样本的数量没有严格的规定，同时样本也不需要服从某种数学分布。 　　（1）专家评分阶段 　　请每位专家按照评估指标的选项对选中的目标进行评估，设评估的等级为1、2、3、4、5，数字的大小说明该评估目标在其中某一指标的表现，数值越大表示表现的水平越好。设评估指标有m个，选取专家k人（本文默认选取专家的学识水平、相关经验上的水平都是相同的），则根据专家的评分可对所评估的每个目标构成一个m×k的评分矩阵A。 　　（2）对比矩阵的构建 　　灰色关联分析的首要条件是选择一个参考数列，设所评估目标结果对应的最优评估指标集F* =f*1 ，f*2 ，…，f*m ，其中f*k 表示第k个指标的最优值，k=1、2、…m。其中，fnm表示第n个企业在第m个指标的平均评估值，fnm=am1+am2+…+amkk；将最优指标集与对比矩阵合并，形成一个新的矩阵。 　　（3）指标值的规范化处理 　　在评判指标里通常有不同的量纲以及数量纲，因此一般不能进行直接比较，为确保结果的可靠性，需要对上述指标进行规范化处理。 　　设第k个指标的变化区间为fk1，fk2，fk1为第k个指标在所有被评估融资企业中的最小值，fk2为第k个指标在所有被评估企业中的最大值，那么可以采用下式将上式中的指