基于AHP和DEA的科创型中小企业信用评价研究

李岳鑫， 王有远， 史永立

(1.南昌航空大学 a.经济管理学院；b.工业工程研究所， 南昌 330063； 2.江西省工信征信中心， 南昌 330029)

科创型中小企业具有高投入、高风险、轻资产等特征，其信贷能力较低，加上金融机构与企业之间存在信息不对称问题，进一步加大了金融机构在信贷评价方面的困难。因此，建立科学完善的信用评价体系与方法是解决科创型中小企业融资困境的关键。

国内外学者对此进行了研究，鲍盛祥等[1]运用层次分析法和熵值法确定指标权重，构建科技型中小企业综合评价模型；Hong等[2]基于财务比率、经济指标、技术评价等多种投入变量的支持向量机模型来预测被资助的科创型中小企业的违约行为；Pederzoli等[3]在分析创新资产对信用风险影响的基础上，运用logit模型评价是否能从银行获得贷款；楼霁月[4]基于科技型中小企业信用的评价指标，运用因子分析法从企业素质、财务能力、创新能力、发展能力、信用记录等方面分析影响企业信贷的主要因素；姜安印等[5]综合科创企业的内在品质、履约能力、信用环境等构建信用评价模型，利用效用综合评价法对甘肃省科创型中小企业的信用状况进行分析研究；孙雅芳等[6]将组合赋权法与Fuzzy评判法相结合，从企业的财务数据和评价者的主观经验分析了企业的信用状况；Kang等[7]提出一种将逻辑回归方法和人工神经网络相结合的混合模型，综合考虑定性和定量标准构建信用模型以评估企业的可信度；刘思宏[8]在多层次信用评价指标的基础上结合科技型企业的特点，构建MLP神经网络信用评价体系。

以上研究虽然卓有成效，但评价体系适用性较差，尚不能客观反映科创型中小企业的信用状况。因此，本文采用AHP和DEA相结合的信用评价方法，将多层次分析企业信用评分与企业投入产出数据结合起来，对科创型中小企业信用进行综合评价，以期为金融机构为科创型中小企业贷款提供依据。

1 科创型中小企业信用评价指标体系

根据科创型中小企业的特点，本文综合考虑财务状况与非财务状况，构建了科创型中小企业信用评价指标体系。根据指标之间的相互属性，指标分为目标层、准则层和指标层，各指标如表1所示。

表1 科创型中小企业信用评价指标体系

2 科创型中小企业信用评价模型

2.1 确定指标权重

采用AHP方法确定科创型中小企业信用评价指标的权重。在使用AHP构建递阶层次模型时，根据指标之间的相互属性，以上一层为标准与每一层中的各级指标进行比较来构造成对比较矩阵，以确定AHP模型中各个级别指标的权重。各项指标采用Saaty的1-9标度法[9]赋予其数值，具体标度如表2所示。

其中，aij表示ai与aj的相对重要程度。根据表2的判断标准，咨询多个企业的信用部门的负责人和管理者的意见，并结合分析企业信用的银行客户服务经理的调研结果，建立比较矩阵，此处以准则层为例，构建矩阵A。

表2 1-9标度法判断标准

由公式(1)计算A矩阵每一行元素乘积的n次方根Xi，对向量X=(X1,X2,X3,X4)T进行归一化处理。

得到W=(W1,W2,W3,W4)T。由于判断矩阵存在较大的人为操作风险，为了避免所建立矩阵的不一致性，有必要对其进行一致性检验。

当一致性比率CR≤0.1时，判断矩阵的不一致性在容许范围内，即W为准则层指标权重；否则，则需要对判断矩阵进行适当修正。

2.2 基于DEA-BCC模型测算企业经营状况

由于AHP方法测算出的结果具有一定的主观性，因此本文通过DEA-BCC模型对企业的经营状况进行评价。

DEA-BCC对偶规划模型[10]是通过对决策单元的输入以及输出的数据进行综合性的分析，可以得到各个决策单元相对于其他决策单元的综合效率的数量指标，进而对决策单元的相对有效性进行排序。

其中，n表示决策单元DMU的个数；每个决策单元有m种输入和s种输出，分别表示“耗费资源”与“工作成效”。X0、Y0分别表示投入量和产出量；S-、S+分别为投入、产出的松弛变量；ε为阿基米德无穷小量，一般为10-6。

Xj=(x1j,…,xmj)T>0，Yj=(y1j,…,ysj)T>0，其分别表示投入向量和产出向量；x1j,…,xmj与y1j,…,ysj分别表示各个决策单元下的投入和产出。

若λ*、S-*、S+*、θ*为公式3的最优解，则有：(1)若θ*=1且S-*=0，S+*=0，则DMUj0为DEA有效；(2)若θ*=1且S+*或S-*≠0，则DMUj0为弱DEA有效；(3)若θ*<1则DMUj0为非DEA有效，需要向有效DMU进行投影。

3 实证分析

3.1 评价指标权重的测算

按照AHP计算步骤，对准则层、一级指标、二级指标层的权重进行测算，其计算结果如表3所示。

表3 评价指标权重

由表3可知，信用状况和创新能力指标在信用评级体系中占有较大比重，反映出所设计评价体系的创新性特征。通过对每个指标的权重进行系统化处理(自身的权重乘以上一级指标的权重)，最终得到各个指标在整个系统中的综合权重。纳税率、研发经费投入比例和科研人员比例的权重占所有指标的一半以上，这说明研发资金、人力资本的投入对科创型中小企业的发展有着直接影响，且在衡量企业的信用程度时，缴纳税款率是首要的考虑因素。知识产权、贷款交付能力、发展前景、库存周转率的权重都在2.4%以上，这四个指标能够在一定程度上反映出企业的信用水平。

3.2 指标体系检验

选取华兰生物2018年的财务数据和管理信息来验证信用评价指标体系[11]。采用历史经验法和专家意见将所有定量指标按照其平均值转化到0～100之间。由于企业发展等定性指标很难通过一些具体的数据来衡量，需要依照一定的考核标准对这些指标定量化，将其分成五个评分等级，即：好，较好，一般，差，非常差，依次对应分值为：100，80，60，40，20。

企业信用状态的贷款还款率，贷款交付率和纳税率三个指标是不公开的，假设存在三种情景，情景1：公司拥有良好的信用记录，没有逾期还款，拖欠贷款，逃税等情况，贷款还款率，贷款交付率和纳税率值都是100%。

情景2：企业信用状况不佳，有逾期贷款，拖欠贷款或逃税的情况。贷款偿还率，贷款交付率和纳税率值为30%，相应的指数值为30。

情景3：商业贷款偿还率为70%，贷款交付率为80%，纳税率为100%，相应的指数值分别为70，80，100。

根据表2的指标设置值和指数权重计算综合得分，具体数据见表4所示。

由表4中的数据可以看出，在不同情境下企业的综合得分，且与假设情景中的企业情况相符合，因此佐证表1中的指标设计是可行的。

表4 各情景下信用评价模型综合得分情况

3.3 科创型中小企业信用综合评价

以华兰生物等中小板中十家科创型企业2018年度财务数据和管理信息为例[11]，对其信用进行综合评价。

根据表3中的权重和指标对十家公司进行计算AHP得分。其次，利用DEAP2.1软件计算企业综合效率(DEA得分)。对所有指标按照输入和输出进行分类和组合，将运营成本，销售费用和管理成本加在一起，以企业总货币投资的形式作为单一输入项。同样，将营业收入，投资收益和非营业收入加在一起作为公司总货币收入的输出项，假定规模收益率是可变的。

得到十家企业的AHP与DEA得分结果象限分布图，如图1所示。

图1 象限分布图

在图1中，纵轴表示AHP得分，横轴表示DEA得分,将整个区域分为四个象限。其中，第一个象限是“低风险”区域，该区域同洲电子具有较高的AHP得分且具有良好的DEA得分，金融机构可以相对放心为其提供贷款服务。

处于第二象限的公司AHP得分较高但是DEA得分相对较低，此时金融机构可以分析该公司未来的业绩数据，再决定是否为其提供资金。

第三象限无论是AHP得分还是DEA得分都处于较低水平，是“高风险”区域，不建议金融机构为其提供融资支持。

在第四象限的几个企业虽然具有良好的DEA得分，但信用等级略低。因此，金融机构应根据其所处行业情况来判断该公司是否存在经营风险，为其提供风险适应的贷款。

4 结束语

为了解决科创型中小企业的融资困境，本文基于AHP和DEA提出了一种综合信用评价方法，为科创型中小企业信用评价提供了一种切实可行的方法。