中小非上市公司信用风险的评价研究——基于WEB与FAHP的视角

张诚

（1.湖北文理学院，湖北 襄阳 441053； 2.上海财经大学，上海 200433）

中小非上市公司信用风险的评价研究
——基于WEB与FAHP的视角

张诚

（1.湖北文理学院，湖北 襄阳 441053； 2.上海财经大学，上海 200433）

信用是人类社会最古老的词汇之一，而信用风险的管控是现代社会经济生活关注的核心问题之一。中小企业既是资本主义社会也是社会主义社会向前发展的源驱动力，中小企业的发展离不开现代信用体系的支撑。在文章中，中小企业按其信息的披露程度分为上市公司与非上市公司，相对于中小企业上市公司来说，由于交易的参与人信息不对称，中小非上市公司信用风险评估是交易双方以及各类金融机构最关心和最难解决的难题之一。在现代信息网络技术普遍化的背景下，利用人工以及机器搜索策略，充分挖掘中小非上市公司信息风险元和分类整理，并在此基础之上进行模糊综合评估，最后通过算例说明基于WEB对中小非上市公司信用风险的模糊综合评价的方法行之有效。

中小非上市公司；信用风险；企业金融；金融风险

一、引言

我国的中小非上市公司数目较多，占企业总数的95%以上，创造就业新增数70%以上，GDP贡献率超过60%。中小非上市公司经营规模较小，自我约束力较差，企业行为自我意识较强，政府和其它相关机构监管不力或者监管缺失。中小非上市公司在经营思维中的主观随意性较大，它们过失或者故意的违约行为可能导致整个社会信用体系的坍塌。而一个国家经济发展的活力、创新力主要来自于中小企业，如果我国在将来没有建立起相对完善的公司信用评价管理体系，那么势必会阻碍我国市场经济的健康发展。

党和国家领导人都十分重视国家公司信用体系建设。2011年温家宝主持召开国务院常务会议部署制订社会信用体系建设规划，会议提出：“要推进行业、部门和地方信用建设。有关行业、部门和地方管理部门要通过建立信用信息系统，依法依规有效采集、整合和应用个人、企业、事业单位及其他社会组织的信用信息。各地区要对本地区各部门、各单位的信用信息进行整合，形成统一平台，实现对失信行为的协同监管。尤其要结合市场主体准入、纳税、合同履行、产品质量、食品药品安全和社会保障、科研管理、人事管理等方面的工作，有针对性地加强各领域的信用信息系统建设，建立健全信用档案[1]。2014年1月李克强主持召开国务院常务会议，部署加快建设社会信用体系。会议提出“建设社会信用体系是长期的、艰巨的系统工程，要用改革创新的办法积极推进。要把社会各领域都纳入信用体系，食品药品安全、社会保障、金融等重点领域更要加快建设。要完善奖惩制度，全方位提高失信成本，让守信者处处受益、失信者寸步难行，使失信受惩的教训成为一生的‘警钟’。加强诚信文化建设，让诚实守信成为全社会共同的价值追求和行为准则，通过持续努力，打造良好信用环境”[2]。几任国家总理都十分重视中小公司信用管理体系的建立，可见公司信用管理的重要性和紧迫性。

中小非上市公司类型的企业，这类公司在我国一般为私人或者民营企业，企业经营状况的信息一般是非公开透明的，交易双方信息是不充分的。少数中小企业的不诚信行为可以在短时间内积聚财富，以欺诈行为获得非正当收益，这导致了社会对中小企业诚信度差评的认识误区，使得中小企业发展受到桎梏。综合上述分析可知，如何通过现代信息技术的运用，使得中小非上市公司类型的企业内部信息外部化，并在此基础上进行公司信用风险科学评估，从而达到降低企业交易以及融资信用风险的目的。

二、文献与理论综述

从人类史观来看，公司信用是人类社会发展到一定历史阶段的产物，它是现代市场经济社会中经济行为的规范约束条件和准则。按照马克思在《资本论》中所描述的经济活动行为：人类在原始社会末期由于剩余产品的出现，人们开始进行“物—物”交换以满足不同的需求；而为了交易的方便和可操作性，进一步发展则出现了一般等价物，这种交换则变成了“物—一般等价物—物”；天生适合作为一般等价物的金银的出现则为人们更加顺利地、快捷地进行交换提供了更好的媒介；纸币代替金银等贵金属则是人类一种天才式的发明。在这些发展过程中，由于交易媒介的变化，人们对交易信用的要求趋向于复杂化和高级化，也是从原始信用—初级信用—公司信用（硬信用、软信用）的发展历程。特别是信息时代的到来，公司电子交易和企业电子兑付的虚拟化使得人们对交易信用提出了更高的要求，并且出现了从事公司信用评估的组织机构。

许多学者认为信用起源于公元前1800年古巴比伦，随着个人、群体、部落等之间的借贷关系产生而出现。由于西方发达资本主义国家实行市场经济运作体制的时间较早，这些国家有相对成熟的微观信用及公司信用风险管理体系，包括宗教的、法律的、道德的支撑体系，所以西方发达国家对于信用及公司信用风险研究更侧重于宏观方面，从宏观经济层面上研究信用与信用风险防范的人物及学者较多，包括西方国家的总统、议会、金融机构、评级机构、经济学家、管理学家、各类专家教授等。

一些西方古典经济学家把对公司信用的研究与商品货币的循环、公司及个人的道德行为、道德观念结合起来。马克思认为公司信用是借贷关系中的一种信任，他认为公司信用是一种特殊的价值运动形式：“这个运动——以偿还为条件的付出一般地说就是贷和借的运动，即货币或商品只是有条件的让渡的这种独特形式的运动”[3]。马歇尔(1924)在《货币、信用与商业》中阐明了公司信用的发展历史、原因及对商业发展的作用，以及国际贸易、国内贸易等因素对公司信用的影响。英国著名经济学家尼古拉·巴尔本认为在商业社会中人们可以凭借公司信用像货币一样购买商品，到期后才返还款项，公司信用的价值来源于人们对对方的评价。亚当·斯密在《道德情操论》中指出：“与其说收益、仁慈是社会存在的基础，还不如说信用、诚信、正义是这种基础”[4]。

一些“公司信用创造论”的西方学者认为公司信用可以创造财富、繁荣经济，促进社会的快速进步。约翰·劳(John Law)认为货币代表一个国家的财富，货币增加，可以增加就业，从而增加一国财富，而公司信用可以创造出货币，公司信用的增加可以增加一国财富。麦克鲁德(HenryDunningMacleod)[5]在The Theory of Credit《信用的理论》一书解释了银行不只是发行货币和从事货币借贷行为的机构，而且是公司信用的创造者和生产商，货币就是信用、公司信用创造资本。亨利·桑顿(Henry Thomton)在《大不列颠票据信用的性质和作用的探讨》一书中论述了公司信用与经济增长、公司信用与经济危机之间的关系，他认为扩张公司信用可以促进经济增长，紧缩信用可以导致经济萎缩，但是过分的扩张信用就会带来经济危机，他的公司信用理论直到现在仍然为许多人所推崇。约瑟夫·熊彼特(Joseph Alois Schumpeter)[6]的企业家理论提出了信用制度是企业实现创新的经济保证，银行通过提供信用贷款，企业家通过获得信用资源，实现新的组合，把各种生产要素以及各种资源引向新的创新用途。

一些“公司信用调节论”的西方学者认为公司信用制度可以防止金融危机的出现，可以调节市场经济环境下的各种矛盾，社会需要扩大信用体系范围，促进经济增长。英国著名金融学家霍曲莱(R·G·Hawtrey)认为短期利率调整可以控制现金余额的变动，现金余额的变动可以引起信用的扩张与收缩，公司信用的扩张和收缩引起经济周期的变化。约翰·梅纳德·凯恩斯(John Maynard Keynes)认为引起经济衰退的主要原因是有效需求不足，随着边际消费递减、资本边际效率递减、流动性偏好陷进、货币供应不足等引起消费需求不足和投资需求不足；那么凯恩斯进一步提出了“廉价的货币政策”—扩大企业信贷、增加货币供给、降低银行利率，从而扩大社会总需求，促进经济的繁荣。约翰·希克斯(Hicks，John Richard)提出了在《经济史理论》中描述市场的出现和发展以及法律、法规、信用制度的出现和发展，他把公司信用分为商业信用和金融信用两种，企业商业信用产生于实物的委托销售买卖中，而企业金融信用产生于货币的借贷行为中，风险越大则利率越高；为了保证公司信用的正常运转，采用的方法有：法院的司法判决、担保制度，银行就是信用担保制度中的核心运作机构，通过信用吸收或者发放贷款，以及衍生出保险业、债券市场、有限责任公司等现代经济环境中的各种单位元素。保罗·萨缪尔森(Paul A.Samuelson)认为中央银行的信贷货币政策对整个宏观经济的调节起着十分重要的作用，并构建了信贷机制运行的时效模型：中央银行↔商业银行↔资本市场（公司）↔投资市场（公司）↔消费市场（公司），信用关系是每一个环节顺利运行的保障。

随着新科学、新技术、新产品的出现，特别是以计算机科学为代表的现代信息技术发展成熟，还有一些西方学者把对公司信用系统与公司金融系统、公司信息技术系统、公司运作系统等结合起来构成一个复杂系统进行研究。在近20年期间，随着全球经济一体化的进程加快，公司信用风险事件成为全球关注的焦点，比如上世纪90年代世界闻名的金融企业——巴林银行因信用风险而倒闭、美国的长期资本公司因信用风险而破产，21世纪初安然会计丑闻事件也是因为信用风险所引致、今年爆发的全球金融危机的导火线也是公司信用风险的连环效应所产生的，这一现象说明了西方国家的宏观和微观信用机制都存在着巨大的优缺点。

国内外不少学者对中小公司信用风险评估与防范问题做出了一些研究，主要具有以下视角和观点：

我国学者胡海青、张琅(2011)[7]研究了企业供应链中公司信用风险评估的方法，从考察企业供应链交互关系以及供应链节点上的关键公司信用状况，建立一套比较合理的信用风险指标评价体系；在此基础上，采用机器学习语言的支持矢量基(SVM)建立企业供应链风险评估模型。朱长胜(2011)认为中小公司信用风险管理在我国还是一个新生事物，还未得到众多机构和企业所重视，尤其是中小企业执行和实施信用风险管理体系提出了如何构建市场经济体制下的中小公司信用风险管理体系，为防范公司信用违约风险起到积极的作用。龙泉、丁永生(2011)基于简单规则结构中的公司信用违约风险传染特征和规律性，认为传染中的核心信用风险粒子对整个公司信用体系的演进起着决定性的作用，而且还认为在公司信用风险传染过程中，传染演进非线性依赖于整个系统的信用传染的均场密度和系统局部信用传染密度大小。刘先凡(2005)分析了在当前的市场经济交往中，企业与个人的信用违约风险缺失状况，认为假冒伪劣行为、欺蒙拐骗行为、弄虚作假行为等已经严重影响了我国市场经济的正常运转，提出了构建和谐社会信用风险评价管理体系的设想。

国外学者的研究：Anthony(1990)[8]把中小公司信用分为先现代公司信用机制和现代公司信用机制，他运用历史的分析方法认为“Pre-modern Conditions of Trust”是建立在亲属和社会关系基础之上，而“Modern Conditions of Trust”是建立在现代企业金融系统以及技术系统基础之上。Arrow(1999)[9]认为中小公司信用是企业之内和企业之间进行经济活动的润滑剂，中小企业的任何经济行为都离不开信用元素的参与，信用对中小企业的各方面运作起着至关重要的作用，信用也是企业之间合作的基础。Doumpos，M；Kosmidou，K；Baourakis，G等(2002)[10]认为中小企业的信用评价包括两个主要的议题：一是违约概率的判断，二是未来潜在的信用损失和收益；前者表达的是企业根据不同的信用水平分成不同的类组，它需要使用统计学或者计量经济学的研究方法；他们选取希腊商业银行1994-1997年的企业存贷数据信息，使用MHDIS方法进行信用风险区分，并与回归分析、概率分析做了对比研究。Twala，B(2010)[11]认为机器学习(ML)算法能够较好地解决信用风险预测问题，作者用五种不同的分类方法来对比研究信用风险预测的准确性和噪声水平，实验结果证明分类器组技术能够提高预测的准确性。

国内外的众多研究是从普遍企业角度来进行研究，很少有研究成果是将中小上市公司与中小非上市公司进行分类，考虑到两者之间信息公开化程度的不同；也鲜有研究成果是基于现代信息网络技术，他们往往更多地依赖传统的研究基础。而文章的研究目的则正是克服了这两点缺陷，使得研究成果更具有现实意义和超前性。

三、模型的建立

WEB网络信息化技术应用与普及的影响已渗透到了经济社会的各个领域，作为信息网络化优先成长起来的一批企业：如Google、雅虎、阿里巴巴、Made-in-china中国制造、中国化工网、慧聪网等一大批企业在短短十余年时间内成为了网络搜索企业巨人。阿里巴巴2008年市值超200亿美元、Google在2008年市值就达到了1572.3亿美元、雅虎2008年市值达到170亿美元。这些基于网络技术特别是网络搜索技术的广泛应用是这些公司得到迅速成长的主要原因，中小企业作为网络搜索技术使用的终端用户，需要通过网络搜索策略-机器搜索和人工搜索综合应用来达到快捷、方便、准确地处理各种事物。

利用机器与人工蜘蛛网络搜索策略挖掘出风险因素信息的结果，引进模糊综合评估(FAHP)方法，并通过相关领域专家对挖掘信息的综合判断，将定性分析与定量分析相结合，达到更加准确评判非上市公司信用违约风险的大小。

1.WEB搜索与非上市公司信用风险指标信息获取

基于WEB的一种搜索策略，可以充分挖掘出非上市公司风险因素的相关信息，在信息充分的基础之上，运用模糊综合评价的方法对风险因素做出定量的分析。实践证明，依靠信息收集和信息处理的方法来判断对方的信用状况有助于准确把握信用风险信息，能够回避和减少风险损失。国际互联网上的信息是海量的，而要从这些海量信息充分挖掘出有用信息，需要一定的技术和方法，不同的技术方法所挖掘的信息的有效性和准确度是不一致的。WEB信息搜索策略主要包括人工搜索策略和蜘蛛网络搜索策略两种方法。这两种方法的综合运用能够保证信息获取的有效性和准确性。

蜘蛛网络技术(Web Spider)是现在网络搜索引擎使用的一种流行搜索方法，它采用了信息中的迭代追踪模式，类似于蜘蛛结网的方法，能够从一个节点出发爬取各个节点和页面，并将此节点的关联信息搜索出来。从某种程度上讲，它能保证所搜索信息的相对完整性；也保证了搜索的迅捷性，比如百度的主题关键词搜索可以在短短几秒钟内完成。藕军、任明仑论证了通过优化爬行规则的网络蜘蛛爬取页面的高效性。他们的试验结果表明该方法简单有效，自动发现的查准率和查全率分别达到97%和91%。

图1 基于Web搜索方法图

运用搜索引擎并不能快速地寻找到最有利的结果。整个搜索过程需要有人工WEB页面选择的参与，人工选择页面以及运用主题词的不断迭代。这种迭代方法跟蜘蛛网络爬行策略基本一致，即人工对WEB页面做出选择时，通常也会基于广度优先或者深度优先，也会包含WEB页面内容评价策略、链接结构的评价策略、未来回报值大小的策略等，只不过不同的是机器搜索策略包含了固定的算法程序，而人工选择策略通常是基于个人经验的模糊判断。如图1。

2.采用FAHP对中小非上市公司风险信息元的分析与处理

（1）确定各个因素之间的相对重要性并赋以相应的分值，构造出各层次中的所有判断矩阵，然后计算权矢量，进行一致性检验

通过运行MATLAB软件可以求得矩阵的特征矢量B=(X1， X2，X3，X4，X5)，经过归一化变化得到权矢量Wb=(Wb1，Wb2，Wb3，Wb4，Wb5)。

（2）建立模糊集合论域

F=(C1，C2，…，Cn)=（生效条件风险，付款条款风险，提单风险，商检风险…）

（3）建立模糊评语集V

根据实际情况需要，可以建立多层次的评语集，如：

{风险发生概率非常大，风险发生概率大，风险发生概率一般，风险发生概率小，风险发生概率非常小}

表1 因素赋值表

（4）建立评语模糊映射集

通过WEB信息搜索，我们可以得到论域中各个因子（信息元）的信息，然后把这些信息交由相关专家通过评语集V判断，建立评语模糊映射集合，如表2。

（5）模糊综合评判

计算A=Wc×V，其中Wc可以利用层次分析法求得。

表2 模糊映射集合

（6）综合风险概率计算

其中：p(g3)为风险概率；P0为模糊概率评语集的对照标准；AT为各风险因素的隶属度矢量A的转置。

四、算例分析

我国一家化工A公司与产品下游中小非上市公司B企业签订了一份200MT的磷酸—铵赊销合同，两家公司属于第一次业务往来，互相并不了解彼此之间的信用状况。

1.建立层次结构分析图

具体层次结构如图2所示。

图2 公司信用风险层次结构图

2.采用的正是人工搜索策略与WEB搜索引擎结合的技术，在国际互联中挖掘出大量客户的各种相关信息

3.公司将搜集信息交由专家评估委员会进行模糊综合评估(FAHP)

（1）确定各因素间的相对重要性，构造判断矩阵

根据表1确定各因素之间的相对重要性并赋以相应的分值，构造出各层次中的所有判断矩阵，然后计算权矢量，并进行一致性检验，计算结果如下：

Wb=(Wb1，Wb2，Wb3，Wb4，Wb5)=(0.2，0.2，0.3，0.3)

Wc1=(0.2，0.1，0.2，0.5)

Wc2=(0.5，0.1，0.1，0.3)

Wc3=(0.3，0.3，0.2，0.2)

Wc4=(0.8，0.2)

（2）综合因素b层并排序，得到各因素的权重

综合因素b层Wb和c层Wc1，Wc2，Wc3，Wc4，Wc5进行总排序，可以得到各种因素的权重，见表3。

根据实际情况需要，一般可以建立五层次的评语集，即：{风险发生概率非常大，风险发生概率大，风险发生概率一般，风险发生概率小，风险发生概率非常小}

表3 风险因素权重表

表4 风险概率评语集

（3）建立评语模糊映射集合

通过WEB搜索结果，可以得到论域中各个因子（信息元）的信息，然后把这些信息交由相关专家通过模糊判断，建立评语模糊映射集合V1={基本风险}={公司成立时间，公司所在地区，公司组织结构，公司高管背景}。同理可得V2、V3、V4。

表5 风险模糊评价表

（4）利用模糊综合评价公式计算

A=(Wbc1，Wbc2，Wbc1，Wbc4)×(V1，V2，V3，V4)=(A1,A2,A3,A4)解得:

A1=Wbc1×V=Wb1×Wc1×V1=(0.026，0.022，0.046，0.072，0.034)

A2=Wbc2×V=Wb2×Wc2×V2=(0.046，0.04，0.054，0.03，0.03)

A3=Wbc3×V=Wb3×Wc3×V3=(0.03，0.09，0.09，0.06，0.03)

A4=Wbc4×V=Wb4×Wc4×V4=(0.03，0.042，0.066，0.132，0.03）

（5）综合风险概率计算

同理：p(g2)=P0×A2T=0.0672

由此可见，风险概率模糊综合评价在（风险非常大，风险大，风险一般，风险小，风险非常小） 五个等级的值分别为(0.5，0.4，0.3，0.2，0.1)，根据模糊风险概率的对照，0.3736所对应的风险等级为一般(P0=0.3)与风险大(P0=0.4)之间，所以可以认为此项贸易赊销合同的风险程度为一般偏高，卖方A公司应该密切关注B公司的变化情况。

五、结论

中小非上市公司之间的交易往往是跨区域进行的，使得了解交易与融资双方的相关风险信息并不十分对称，而信息网络化正好为信息的挖掘和处理提供了一个便宜、快速、容易操作的平台，挖掘出有用的信息，并做出有效的风险评估，是中小企业交易与融资活动中的关键环节。基于WEB的蜘蛛网络搜索策略和人工页面选择能够比较完整、准确地挖掘出贸易对方的信息源，并在获得的信息源基础上，运用模糊数学评估对贸易风险进行分析，从而计算出综合风险概率，为中小企业交易与融资决策提供科学依据。

[1]国务院常务会议部署制订社会信用体系建设规划.新华网 [EB/OL]. http://ne-ws.xinhuanet.com/politics/2011-10/19/c_111108306_2.htm，2001.10.19

[2]国务院：加快建设社会信用体系.新浪网 [EB/OL]. http://news.sina.com.cn/c/2014-01-16/070429256628.shtml，2014.1.16.

[3]《资本论》第三卷.人民出版社，1953：389-390.

[4]亚当·斯密(AdamSmith).道德情操论 [M].谢宗林译.中央编译出版社，2009(04).

[5]HenryDunningMacleod.The TheoryofCredit[J].London，NewYork：Longmans，Green and Co.,1889(91).

[6]熊彼特，孔伟艳，朱攀峰，娄季芳著.经济发展理论(TheoryofEconomic Development)[J].北京出版社，2008(09).

[7]胡海青，张琅.基于支持矢量机的供应链金融信用风险评估研究 [J].软科学，2011(5).

[8]AnthonyG.The consequences ofmodemity[J].Stanford:Stanford universitypress，1990.

[9]Arrow K J，Frank H.Notes on sequences economics，transaction costs，and uncertainty[J].Journal ofEconomics Theory，1999，86(2):203-216.

[10]Doupos，M.，Kosmidou，K.，Baourakis，G.，Zopounidis，C..Credit risk assessment using a multicriteria hierarchial discrimination approach:A comparative analysis [J].European Journal of Operational Research，2002 (138)：392-412.

[11]Twala，B..Multiple classifier application to credit risk assessment[J]. Expert Systems with Applications，2010，37：326-3336.

[12]John Andrew McQuown.A Comment on market vs accounting-based measures ofde-fault risk[J].White Paper，Moody's KMV，1993.

[13]Matthew Kurbat，Irina Korablev.Methodologyfor testing thelevel of the EDFTMcreditmeasure[J].White Paper，Moody's KMV，2002.

[14]Caouette J B，Alt man E，Narayanan P.Managing credit risk：The next great financialchallenge[J].1998.

（责任编辑：FZF）

The Appraise of Non-listed SME Credit Risks——Based on WEB and FAHP

ZHANG Cheng
（1.Hubei University of Science and Arts，Xiangyang Hubei 441053，China；2.Shanghai University of Finance and Economics，Shanghai 200433，China）

Credit is one of the oldest expressions of human society.In modern society，the credit risk management and control is one of the core problems whatever in capitalist society or socialist society and SME is one kind of driving force of the society.SME can not develop without the modern credit system.In this article，SME is divided into listed companies and non-listed companies according to the degree of their information disclosure.Because transaction information about the people involved in is asymmetry， those transaction credit risk assessment of non-listed SME is the most caring and the most difficult problem for transaction parties and various financial institutions. By using the modern network information technology and labor and machinery search strategy，the risk information of small unlisted companies can be dug out and sorted and fuzzy comprehensive evaluation can be did on this basis.Finally，a numerical example illustrates that the WEB-based and fuzzy comprehensive evaluation of the credit risk of small non-listed companies is effective.

Non-listed SME；Credit risks；Corporate finance；Financial risk

F270.7

A

1004-292X（2014）10-0012-05

2014-05-15

教育部人文社科研究基金项目（13YJC630218)。

张 诚（1977-），男，四川仪陇人，博士后，主要从事企业风险与企业金融研究。