基于数据关联分析的企业科技信用评级方法研究

李添天

摘 要 以科技型企业基础数据库为样本，构建了企业科技信用评级指标体系，并利用关联分析的方法对企业科技信用进行了实证分析，为企业信用评级提供了新的思路，有助于缓解科技型中小企业信息缺失和信息不对称，是解决中小企业融资问题的重要途径。

关键词 科技信用 关联分析 数据库

中图分类号：F272.5 文献标识码：A DOI：10.16400/j.cnki.kjdkx.2017.01.085

0 引言

科技研发活动为社会提供高科技含量的产品和服务、推动企业的转型升级，但科技活动高收益背后是其面临的高风险，导致高技术企业社会认可的障碍。对企业进行科技信用评价，有助于提高企业的社会认可度、弱化科技活动的风险，提升自主创新的效率和效能。

企业的信用评价是指根据一定评价指标体系和评价方法，对被评估对象履责能力和可信程度进行评价，并以一定方式标示其信用等级的行为。企业科技信用评价一般由政府部门或独立评级机构开展，对参与政府科技项目、科技成果产业化等事项的企业执行相关法律法规及政策、遵守公认行为准则、履行相关合约的能力和意愿进行综合评价。

1 科技信用评价研究相关工作

国内外学者对企业科技信用评价的机制、路径、评价监管体系、模型算法和数据获取开展了大量的研究。

国际上评级机构标准普尔、惠誉、穆迪在欧债危机的演化中发挥了重要的作用。但国内中小企业信用评级面临金融体系不完善、缺乏统一管理、缺少权威性、缺乏科学的评级体系、市场需求少、权威性不高等问题。万超等分析了中小企业信用评级的现状，就评级机构素质、评级监管体系、评级业务提升等方面提出建议。

企业信息数字化和电子商务带来了海量数据积累和数据挖掘技术的突飞猛进，大数据分析技术突破技术壁垒和信息获取隔阂，提高了科技活动主体间的信息透明度，成为科技信用评价的主战场。在评价方法上，李杰群以AHP分析法为基础，提出基于回归分析的聚类算法用于信用评价，舒歆研究了评价指标和评价体系的构建，霍海涛基于专家咨询法和文献学习法，选取合适指标构建了科技型企业的信用评价体系。高丽君采用拔靴生存模型等多种算法，验证了科技型中小企业的信用状况。

互联网征信主要是通过采集个人或企业在互联网交易或使用互联网各类服务过程中留下的信息数据，并结合线下渠道采集的信息数据，利用大数据、云计算等技术进行信用评估的活动。张健华提出将互联网征信作为传统征信的有益补充，推动传统信用评分模式的转变。吴晶妹研究了政府、行业和地方等不同层面的金融、行政管理和商业征信体系的融合与应用。

为提高中国科技型企业的计划项目的管理，提高科技研发领域的信用意识和科研成果质量，运用信用评级方法，对企业的科技活动和科技行为主体进行失信甄别，为促进我国科技研发能力的增强提供体制上的保障。

2 科技信用评级体系和模型

科技信用评级所评价的目标是信用主体按合同约定如期履行义务的能力和意愿。科技信用评级是独立的第三方利用其自身的技术优势和专业经验，就信用主体信用风险大小所发表的一种专家意见。企业的信用要素一般包括主体的品格、能力和资本、担保和环境状况等。

从基础数据分类建模，利用数据综合加工获取一个企业科技信用评价的综合得分，综合考量数据存储代价、数据获取能力、信息安全保护，以及数据质量等多方面的因素，我们从科技企业基础数据库中筛选出反映企业科技信用方方面面的58个基础变量，并通过归一化方法形成了5个维度的评分指标，每一个维度的评价结果都会影响企业科技信用的总体得分，每个维度的饱满程度也都是该维度各个因素的质量情况。

企业科技信用评价采用标准化建模方法，如图1所示体系和模型。首先梳理可以获取的企业运营基础数据，筛选模型指标作为建模基础。然后，定义科技信用好和坏的具体标准，提取样本后，通过相关性分析，最终确定各个指标的评分权重，确定各指标的评分规则，从而计算出得分范围内的科技信用评分。

根据目前常用的评级策略，我们选择将所有指标统一标准化，赋予相同的权重，并采用德尔菲法打分法，对各指标赋分并根据所有指标的得分考核评级。以企业团队的能力评价为例，在能力的40分总分中，分别考虑科研能力（30分）和管理能力（10分），细化收集基础数据，如科研能力方面，项目负责人在该领域职称、经验、获奖、知识产权等，根据具体情况将总分30分细化指标并分别评分。

3 基于数据关联的企业科技信用评级实证分析

为了分析企业科技信用评级的效果，我们利用关联分析的方法设立了评价模型，并从待研究的企业基础库中抽取可信样本进行了实证分析。下面我们介绍基于关联分析的效果评价模型建模过程。

企业科技信用评价的指标体系涉及各种类型的基础数据，利用德尔菲法完成各种指标评分，形成各个指标综合的判断矩阵，进一步数据处理，可以进行层次单排序并判断矩阵的一致性，进而确定各个指标评价因素应当占据的权重，并形成各指标最终评价权重，形成最终评价权重序列。

企业科技信用评价所选取的评价指标分有各种类型，包括类别（如职称）、数值（如资金额度）、名称（如设备）等，即使数值也要细分为效益型（越大越好）和成本型（越小越好），为了消除不同指标和量纲的影响，针对不同类型的指标采用无量纲化处理，将其规范为[0，1]区间。标准化公式为：

根据处理后的评价指标体系，构建递阶层次模型，包括目标层、准则层、指标层，甚至子指标层等。构造各单层的模糊判断矩阵。如果有部分模糊判断矩阵不满足一致性检验，那么根据模糊一致矩阵的性质，对判断矩阵进行一致性檢验和调整。再进行层次单排序。求出每一层对应上一层次的相对重要性权重。层次总排序计算指标层各因素相对于目标层相对重要性权重。权重值为各指标相对所属准则层的权重与所属准则层相对于目标层的权重之积。

从工作中积累的企业科技基础数据库中抽取相关数据，人工对熟悉的100家企业进行科技信用的实证分析。经分析，如果某企业通过基于多影响因素的科技信用评价模型计算出的信用评级和日常工作中积累的信用评分差异超过两个级别，则基本能够检查出该企业人工评级存在一定程度的疏漏和偏差，或者基础数据存在关键数据的缺失现象。当然本文提出的信用评价模型不能绝对准确地反映企业的科技信用情况，但较人工评价而言，现有的科技信用评价模型给出了一定的高效率、低成本的替代方法。总之，科技信用评价的影响因素有很多，算法研究上也需要进一步的研究。

4 结论

科技型企业基础数据库为构建科技信用评价提供了现实可行性，基于大数据的科技信用评价依托累积的企业基本信息、科技人员信息、财务信息、知识产权等海量数据有效拓展了数据来源，克服了信息不共享、平台不对接、内容不完善等问题。我们利用关联分析方法对企业科技信用评价进行了实证分析，避免主观判断影响的同时，又兼顾了不同评价指标的重要程度，为企业科技信用评价提供了新的思路。

参考文献

[1] 张建波.中小企业信用担保市场低效率的原因及对策[J].华东经济管理，2009.23（12）：78-80.

[2] 万超，孙侃文，庄健绚.从欧债危机看我国中小企业信用评级未来发展[J].当代经济管理，2012.34（12）：53-57.

[3] 李杰群.基于AHP法的科技型中小企业信用评级研究[J].征信，2014.32（1）：55-59.

[4] 霍海涛.高科技中小企业信用风险指标体系及其评价方法[J].北京理工大学学报（社会科学版），2012.14（1）：60-65.

[5] 张健华.互联网征信发展与监管[J].中国金融，2015（1）：40-42.