基于粗糙集与AHP中小企业信用风险评估模型探究.docxVIP

基于粗糙集与AHP中小企业信用风险评估模型探究 【摘要】本文针对于中小企业信用评估指标过多, 评估效率和准确率不高的问题，提出了一种基于粗糙集与 AHP的中小企业信用评估模型。该模型以粗糙集的约简理论 简化企业的财务数据指标数量，以AHP层次分析法量化各指 标间的权重关系，建立一套科学合理的信用评估体系，并将 该体系应用于2005-2007的上市公司年报，实验结果表明， 该模型不仅方便、快捷，而且和真实数据的误差率小于5%。 【关键词】粗糙集；AHP；风险评估；约简 当前的社会经济已经从计划经济转化为市场经济，而市 场经济是建立在诚信为基础上的经济体系，是一种信用经 济，如果破坏了信用规则，则必将对整个市场经济秩序产生 深远的影响，从而进一步影响到社会问题，例如前不久的次 贷危机对整个世界的稳定都产生的影响，因此信用问题已经 成为制约世界经济发展的一个重要因素。如何对当前企业进 行有效的信用评估，一直是当今社会研究的主要课题，国内 夕I、一直有研究机构致力于解决这个社会难题，它们研究的主 要方法一般都为基于统计的预测方法，根据它们已经掌握的 历史资料，从中总结出分类的规律，建立判别公式，对新样 本进行预测［1］。常用的预测模型有：线形回归分析法、多 元判别分析法、、Logistic回归分析法、遗传算法及BP神经 网络等等。这些方法有一个大缺点就是收集的企业财务指标 过多、评估效率低下，准确率不高。 本文所介绍的基于粗糙集和AHP模型提出了 一种评估企 业信用的方法，即首先利用粗糙集约简理论对大量的企业指 标进行约简，找出对企业信用依赖度较高的财务指标，然后 用AHP层次分析法对所求的财务指标进行权重计算，建立适 合企业的信用评级体系，该评估方法方便快捷、高效、准确 率高。 一、粗糙集及与AHP模型相关概念 1、 粗糙集的相关概念 (1)粗糙集合，简称粗糙集(Rough set简称RS)是 继信度网络(Belief N etworks)、遗传学、混沌理论、概 率论、模糊集之后的又一种处理不确定性的数学方法、是软 件计算方法的补充。鉴于粗糙集在科学领域及其在科学与工 程领域的成功应用，近些年来受到越来越多的关注，成为当 今社会人工智能及商务智能领域的研究热点[2-3] o 2、 AHP模型 层次分析法(简称AHP)是美国著名的运筹学家 T. L. Saaty于20世纪70年代初期提出来的处理非结构 化问题的方法。它是一个将人的思维数量化、层次化的过程, 不仅可以简化系统分析和计算，还有助于决策者保持思维 的一致性。它以数学方法为工具，为系统分析决策与控制 提供定量的依据，是处理多目标、多因素、多层次的复杂 问题和进行决策分析的一个简单有效的方法。 层次分析法的基本思路是：将所有要分析的问题层次 化，根据问题的性质和所要达到的总目标，将所有问题分解 为不同的组成因素，并按照这些因素的相互关联影响以及隶 属关系，按不同层次聚集组合，形成一个多层次分析结构模 型。最后将该问题归结为最底层相对于最高层的比较优劣的 排序问题。 二、企业信用风险评估建模 金融机构对中小企业的信用进行评级，主要依靠于中小 企业的所提供的财务指标数据。以深圳某银行为例。中小企 业对银行提出贷款要求，其所提供的财务数据大概分为五大 类，将近60个财务指标。对于银行负责信贷的风险控制部 而言，每个企业客户提供大量数据，若从这些数据中挖掘出 与金融信用有关的信息，对任何机构来说其工作量都是非常 大的，大大地增加了金融结构的风险控制成本。为了减轻工 作量，本章采用粗糙集理论来简化输入数据指标，以此来寻 找最能反映信用风险状况的最简捷的信用指标，并将该指标 用AHP进行权重处理，从而建立快捷有效信用风险评估体系。 1、企业信用指标约简 通过对信用风险评估模型的分析，粗糙集和AHP层次分 析法相结合对系统风险控制功能中有其独特的优势。其原因 是本模型在保持分类不变的情况下，通过对知识表达系统的 约简可以简化大量的工作量，节省时间，提高处理效率。最 后用AHP层次分析法对简化后的关键指标对企业的影响程度 进行量化分析，构造一套合理的有效的风险评估模型，从而 实现对企业信用风险实现有效预测。下面将对信用风险评估 功能进行信用风险建模，通过模型分析，找出具有潜在风险 的指标数据［4］。 (1)企业的财务指标分类。以深圳为例，企业客户对 银行提出贷款要求时，银行信贷部门要求其提供多方面财务 数据，传统的财务数据大概的可以分为如下几种类别，它们 依次为： 第一类，盈利类：利润收入比例、销售回报率、成本与 费用比、销售净利率等四个指标。 第二类，效率类：固定的资产的周转次数、总的资产的 周转次数、应收账周转率、库存周转率、资产所得率、净资 产收益率等六个指标。 第三类，杠杆类：资产