1、大数据背景下中小科技型企业信用评级研究 罗彬 罗洎 宜宾市商业银行 四川理工学院经济学院 摘 要： 为降低面向中小型科技企业的呆帐风险及营运成本, 依据科技型企业的特点而设定信用评估指标, 采用网络层级分析法得出各指标权重, 提供较简易、成本较低且实际可行的中小科技型企业信用评估模式。自主知识产权估值、现金流量和科技型产品占销售总收入比率是中小科技型企业信用评估中的权重较大的关键指标。关键词： 中小科技型企业; 信用评级; 网络层级分析法; 作者简介：罗彬 (1974-) , 男, 四川渠县人, 管理学博士, 研究方向为金融与大数据。收稿日期：2017-06-28基金：宜宾市科技计划 (重点)
2、 的阶段性研究成果Received： 2017-06-280 引言科技型企业已经成为推动中国经济发展的重要力量, 但科技型企业存在的融资难问题依然突出。科技型企业虽然具备较强的技术实力, 但其组织规模小、资本实力弱、可抵押物品少、核心竞争力尚未形成、管理与风险承担能力薄弱。同时, 基于减轻税负或融资需求的考量, 中小科技型企业的财务报表无法真实反应其盈亏, 其财务状况的不透明也往往为资金出借方所诟病。从而, 中小科技型企业不论在制度、体制、信用程度以及财务结构等方面均不如大型企业健全。信息的不对称使得对中小科技型企业的信用评级无论是基于财务性数据资料还是非财务性资料, 都需要征信或审核人员依照
3、业务上多年累计经验所得到的经验法则来判断。这种信用评级方式并没有标准化的操作流程, 主观判断过于强烈。因此, 如何科学、有效的对中小科技型企业进行信用评级, 以缓解其融资难问题, 发挥其促进国民经济发展的作用是值得考虑的重要问题。1 大数据与科技型企业信用评级信用评级工作的开展由来已久。通常, 信用评级人员从社会经济状况、行业总体的社会经济适应性、具体企业管理者的综合能力和素质、企业上报的财务指标、企业组织结构的合理性等方面提取评估因子, 使用统计工具对被评级对象的经营风险、违约概率等在定性分析的基础上做定量判断。但是, 传统对企业的信用评级考量存在一些不足:第一, 传统信用评级往往以目标企业
4、的过往财务相关信息和经营状态信息为基础。但中小科技型企业, 由于财务制度不够健全、经营状况不够稳定无法提供完整的财务和经营信息, 由此导致信用级别低下, 难以获得资金授信, 或者其授信资金成本较高;第二, 对企业经营管理层诚信程度的测评主观因素较多, 客观评估手段不足;因缺乏诚信或是偿债意愿不足所导致的债务违约现象时有发生, 其产生的深层次原因还需进一步研究;第三, 传统信用评估方法所使用的多为静态、往期信息, 难以对当下动态、即时的状况给出清晰的反馈, 其时滞性, 缺乏前瞻性的缺点导致信用评级准确度的下降。信用评级的大数据处理方法有助于克服传统信用评级存在的局限。所谓大数据是指数据的存量和流
5、量极其丰富, 以至于常规的数据工具或软件无法在相对短的时间里对其中的内容进行抓取和处理的数据集合, 它具有海量、高增长率和多样化的特点。翟伟丽 (2014) 认为大数据能有效降低贷款成本或者改善信息不对称现象。刘芸、朱瑞博 (2014) 认为基于大数据技术的开放性可以有效地提高征信体系的透明度, 降低中小企业的征信成本和融资成本。孙中东 (2013) 认为传统银行信用评级方法与大数据技术的结合可以有更高的效率, 得到更准确的信用评级结果。王伟等 (2014) 认为大数据信用评级技术可以及时发现小微企业的信贷违约风险, 以强化信贷风险管理。目前, 借助大数据实现科技型企业信用评级优化成为破解科技
6、型企业融资瓶颈的现实选择。大数据应用于科技型企业的信用评估需要注意以下几个问题。1) 过于复杂的模型在应用中可能出现难以解释和描述实际问题的情况。现有的风险管理模型在应用中往往出现数据量不足, 参数难以估计的问题。即便有来自于企业足够数量报表、评级公司或是行业报告的数据, 其准确性和可靠性也难以保证。因此, 应从简单模型入手, 逐渐添加变量以增强模型在实践上的适应性和可操作性。2) 人为填写的数据往往不能真实反应企业实际的业务情况。数据的真实性对于模型输出结果的准确性至关重要, 数据是否真实的判别标准之一就是数据源于客观信息和是人为填写。客观信息意味着真实交易的存在, 其数据的不确定性在可以接
7、受的范围内, 辅助以数据质量验证和校准, 则可以进一步保证数据的准确性。因此, 在大数据背景下, 使用记录企业生产经营状况的第三方数据如用电量、员工社保缴纳状况等动态实时对企业的征信状况进行评估是解决现有数据/模型失真的一个方法。3) 对结构化和非结构化数据的处理问题。需要注意到的是, 大数据当前更多的是应用于互联网搜索和社交网络的非结构数据, 而企业的业务数据更多的是结构化的数据。如何对海量结构化和非结构化数据抽取, 转换和装载 (ETL) 并生成相应的汇总报表, 同时通过可视化的工具展现出来是当前评级模型所面临的挑战。2 信用测评体系构建2.1 ANP 信用评测技术1996 年 Thoma
8、s L.Saaty 提出了网络层级 (Analytic Network Process Method, ANP) 评估技术, 此技术是由层级分析法 (Analytic Hierarchy Process, AHP) 结合了网络系统型态衍生而来。在评估者面对复杂的多准则与多层次问题时, AHP 技术能提供良好的协助。但研究人员发现, 在实际的评级中存在许多无法用层级化方式来表达的决策问题。这些决策问题往往在其内部存在较为复杂的相依性, 具体表现为判断准则间存在多种非线性的相互影响。ANP 技术在 AHP法的基础上引入回馈机制以处理不确定因素所导致的复杂问题, 由此 ANP 允许评估人员考虑评估准
9、则之间存在的内部非线性相关性。ANP 法及 AHP 法都能够以系统方式达成决策 (Saaty, 1996) , 并提供系统性的方法来确认目标及其优先权重。解决难以使用多阶层级结构表示的多准则决策问题是 ANP 技术的一大优点, 如:策略性决策、研发方案的选择、信息系统方案选择、多目标信贷评级等。ANP 法的层级与群组间具回馈关系, 并不是相互独立的。问题结构依据不同问题类型, 可以建构不同的层级结构模式。ANP 技术通过评估尺度得到并预测相关准则、目标、方案间的内部关系、互相影响, 并由此得到各集群 (Cluster) 、元素 (Element) 在整体架构中的权重, 有助于研究者从问题中找出
10、各个元素与群组之间的相互影响, 再推算出各方案的优先级。Lee, Wu, and Tzeng (2008) 依学者 Saaty (1980) , Mead and Rogers (1997) , Lee and Kim (2001) , Kinosita (2003) 以及 Karsak, Sozer, and Alpetekin (2003) 的研究内容整理出应用 ANP 分析各种具回馈特征问题的 6 个步骤。2.1.1 决策问题系统的建构应用 ANP 时, 应先将系铜分为 2 个部份:1) 控制因素层 (Control Level) :包括问题目标 (Goal) 、决策准则 (Criter
11、ia) 及次准则 (Sub Criterion) 。各个准则彼此独立, 只受目标支配, 控制层中每一个准则权重均可用 AHP 法获得。2) 网络层 (Network Level) :由所有受控制层支配的群组 (Cluster or Component) 所组成, 其内部是互相影响的网络结构。2.1.2 各群组与准则间成对比较建构系统与回馈关系后, 将具回馈关系的“群组”“准则”及“群组与准则”等做成对比较, 比较方式与 AHP 法相同。2.1.3 建立超级矩阵1) 经成对比较后, 可计算出控制层中每一个准则的特征向量, 所有的特征向量以矩阵的方式表示, 即为“超级矩阵”。2) 将超级矩阵的行向
12、量标准化 (Normalize) 使行向量总和等于 1, 称为为“随机矩阵” (Stochastic Matrix) 。未随机化的超级矩阵称为“未加权超级矩阵” (Unweighted Super Matrix) , 随机化后则称为“已加权超级矩阵” (Weighted Super Matrix) 。随机矩阵的优点是所对应的最大特征值为 1, 可让矩阵运算更为容易。2.1.4 计算决策问题极限化超级矩阵从特征值的类型, 将超级矩阵的类型与特性做分类, 接着将已加权超级矩阵连乘后成为“极限化超级矩阵” (Limiting Super Matrix) 。不同的系统结构会有不同的超级矩阵类型 (可分
13、解、不可分解、基本、非基本型) 。表 1 随机指标表 下载原表 2.1.5 可行方案的优劣排序依据超级矩阵中各备选方案所得的权重及各判断准则之间的相对权重, 计算出每一个方案整体权重, 即可获得最佳方案。2.1.6 决策问题的敏感度分析:通过敏感度分析做整体排序的强度分析, 可让决策者了解当改变某一重要准则时其敏感度的变化, 并观察改变后整体排序是否稳定, 若结果稳定, 决策者可更有信心地选择所提议的方案。2.2 数据来源本文的研究对象为川南地区中小型科技企业, 测量工具为问卷。我们将收集到的信息以问题的形式编制表格, 再分发给样本对象填写, 以此收集研究所需资料。为使问卷具有信度及效度, 我
14、们以专家问卷的方式发放前测问卷 5 份、正式 ANP 问卷 7 份。为确保专家问卷的有效性, 接收问卷调查的对象均为在金融行业从事信用评价 3 年以上人员。2.3 一致性分析一致性分析的目的在于判定评估者在成对比较时, 对各要素间权重判断的前后一贯性状况, 以确定其判断结果的可靠性和稳定性, 通常以一致性指标 (CI) 及一致性比率 (CR) 来表征。其中 n 为一致性成对比较举证的因素数量。为评估者所建议成对比较矩阵的最大特征值。其中, RI 是由评估尺度 1-9 所产生的正互反矩阵, 对应不同的阶数产生不同的CI 值, 被称为随机指标。如表 1 所示。一般而言, CR 的值小于 0.1 时
15、, 表示评估者在建立成都比较矩阵时对个因素权重判断的偏差程度在合理的范围之内, 则其判断结果具有一致性。综合科技型中小企业的认定标准, 辅以企业财务层面相关信息, 我们选取了“自主知识产权估值”等 6 个指标作为中小型科技企业的信用评级指标。各指标的 CI 值见表 2。表 2 各信用评级指标 CI 值 下载原表 3 研究结果本研究的问卷资料采用 Saaty (1980) 提出的九阶测量尺度, 在测量尺度里 1分表示两指针元素有同等重要性, 9 分表示具压倒性优势;测量尺度的各自规格说明见表 3。将数据计算好后, 以几何平均数作出平均值, 运算极限化超级矩阵, 并求得反准则之间的相对权重, 计算
16、出 2 种不同型态的超级矩阵 (Saaty, 2003) , 分别是未加权超级矩阵 (Unweighted Super Matrix) 以及已加权超级矩阵 (Weighted Super Matrix) , 以确定各信用评级指标的权重。4 结论与建议信用评级的价值来自于专业人员所做的判断与分析。同时, 评级的可信度依赖于评级者对评级的客观程度。然而, 中小型科技企业信用评级不能只凭借受评对象主动提供的信息, 而是要更积极主动的去监督、评估受评公司本身真实的情况。企业财务规划与管理能力不佳、可行性低的营运计划、财务体质不健全以及财务信息透明度差且对财务诊断能力不足等, 都会影响帐款的偿还能力。本
17、研究为降低面向中小型科技企业的呆帐风险及营运成本, 表 3 ANP 评估尺度意义及说明 下载原表 我们的研究发现, 在对中小型科技企业进行信用评级时, 评价指标重要性的排序分别为:自主知识产权估值、现金流量、科技型产品占销售总收入比率、本科以上专职科研人员占比、科技创新经费投入占比、科研成果转化率。各评估指标权重见表 4。汇整相关研究所探讨的信评指标, 进行专家访谈及网络层级分析法得出各指标权重。为了提供更全面且完整的评估, 同时将实务操作经验纳入到研究中, 邀请业界参与过信用评估工作的专家进行访谈, 并将访谈结果采用 ANP 法进行交叉分析其关系和权重, 且进行一致性分析, 并验证问卷的有效
18、性。本研究希望藉由客观的信用评级指标, 提供较简易、成本较低且实际可行的方式, 建构具一定预测能力与正确性的中小科技型企业信用评级。我们的指标依据科技型企业的特点而设定, 与传统研究中以企业财务层面指标为主有所不同, 更加强调企业的科技属性, 以及未来在所从事行业中可能的科技突破。所选取的指标较易取得, 符合实际应用的需要, 可做后续研究的参考。表 4 各评估指标权重值 下载原表 参考文献1Karask, E.E., Sozer, S., &Alptekin, S.E. (2002) .Product Planning in Quality Function Deployment Using
19、a Combined Analytic Network Process and Goal Programming Approach.Computers and industrial Engineering, 44, 171-190. 2Kinosita, E. (2003) .From AHP to ANP.Operations Research of Japan, 48 (9) , 677-683. 3Lee, J.W.&Kim, S.H. (2000) , Using Analytic Network Process and Goal Programming for Interdepend
20、ent Information System Project Selection.Computers&Operations Research, 27 (4) , 367-382. 4Lee, J.W.&Kim, S.H. (2001) .An Integrated Approach for Interdependent Information System Project.International Journal of Project Management, 19 (2) , 111-118. 5Lee, Y.T., Wu, W.W.&Tzeng, G.H. (2008) An Effect
21、ive Decisionmaking Medthon Using a Combined QFD and ANP Approach.WSEAS Transactions on Business and Economics, 12 (5) , 541-551. 6Mead, L.M.&Rogers, K.J. (1997) .Enhancing A Manufacturing Business Process For Agility.Portland International Conference On Management&Technology, 638-641. 7Pompe, P.&Bil
22、derbeek, J. (2005) .The Prediction of Bankruptcy of Small-and Medium-Sized Industrial Firms.Journal of Business Venturing, 20 (6) , 847-868. 8Saaty, R.W. (2003) .Decision Marking in Complex Environments Software for Decision Marking with Dependence and Feedback, Pittsbugh.PA. 9Saaty, R.W. (2003) .Th
23、e Analytic Hierarchy Process (AHP) for Decision Making and the Analytic Network Process (ANP) for Decision Making with Dependence and Feedback, Creative Decision Foundation. 10Saaty, T.L.&Takizawa, M. (1986) .Dependence and independence:from linear hierarchies to nonlinear networks.European Journal
24、of Operational Research, 26 (2) , 229-237. 11Saaty, T.L. (1980) .The Analytic Hierarchy Process:Planning, Priority Setting, Resource Allocation.New York:Me Graw-Hill Saaty, T.L. (1996) .Decision Making with Dependence and Feedback:The Analytic Network Process.Pittsburg h:RWS Publications. 12何非, 何克清.大数据及其科学问题与方法的探讨.武汉大学学报, 2014, (1) :1-12. 13刘智慧, 张泉灵.大数据技术研究综述.浙江大学学报, 2014, (6) :957-972. 14孙中东.大数据技术应用与银行信用评级体系创新之探.金融电子化, 2013, (11) :40-41. 15蔚赵春, 凌鸿.商业银行大数据应用的理论、实践与影响.上海金融, 2013, (9) :28-32. 16赵付玲, 安锋, 张晓锋.大数据时代商业银行信息化问题浅析.金融理论与实践, 2013, (10) :56-60.
