基于层次分析和熵权法的中小微企业信用评级研究

秦春艳 李道波 王钰 魏楠 袁勋

摘 要：本文以四川省新三板上市的92家制造业企业为研究对象，收集了2022年底的各项财务和非财务数据，通过统计学相关性分析，构建中小微企业的信用评级指标体系，利用层次分析法和熵权法结合的方式，计算各级指标权重，综合计算得到样本企业的信用得分。结果说明影响企业信用评级最主要的因素是偿债能力，删除非财务指标后评级结果总体偏高，说明非财务指标对企业信用评级具有显著影响。本文所得到的信用评级得分和评级结果均服从正态分布，评级结果与启信宝数据库得分趋势基本一致，说明研究结果比较可靠，本文所构建的评级体系和评分标准具有实际意义，权重数据和指标体系可为同行提供参考。

关键词：新三板；信用评级；层次分析法；熵权法；中小企业

本文索引：秦春艳，李道波，王钰，等.<变量 2>[J].中国商论，2023（24）：-163.

中图分类号：F276.3 文献标识码：A 文章编号：2096-0298（2023）12（b）--04

1 研究方法

20世纪90年代以后，随着人工智能时代的到来，机器学习、神经网络模型、期权定价模型等开始在信用评级领域使用。神经网络模型预测结果比较准确，但是需要标签作为因变量，实际上很多中小微企业没有信用评级结果可以作为标签，因而此方法不适合中小微企业的信用评级，本文结合新三板企业一般没有评级结果的特征，采用层次分析和熵权法，主客观结合的赋值方式，建立包含财务和非财务指标在内的指标体系，对四川省新三板企业进行信用评级。

1.1 层次分析法

层次分析法将与目标有关的元素按级分为目标层、准则层、方案层的方式構建指标体系，然后逐层计算权重的方法。首先构建成对比较矩阵：

表示两个变量相对目标重要性的比，再求出矩阵A的特征值和特征向量，特征值即为权重，并对判断矩阵进行一致性检验，来检验权重的有效性，最后通过加权和的方法，由下至上逐层计算各方案对总目标的最终权重，权重越大对目标的作用也越大，一般适合于具有分层描述指标体系，且难于定量描述的目标决策问题。

1.2 熵权法

熵权法是一种非常实用的客观的权重计算方法。用每列数据所提供的信息量的大小来测算权重，熵值越小，所提供的信息量越大，相应的权重也就越高。反之熵值越大，则说明信息量小，相应的权重越小。计算过程如下：

1.2.1 对数据进行标准化处理

正指标：

逆指标：

1.2.2 计算各个指标的熵值

其中，，

若，没有意义，公式变为

1.2.3 计算区分度

1.2.4 计算权重

2 基于层次分析和熵权法的中小微企业信用评级分析

2.1 数据来源和指标体系的建立

本文收集了四川省新三板上市的92家企业2022年的财务和非财务指标数据。本文以启信宝上各企业得分为因变量进行多元回归分析，通过共线性检验和相关性分析，筛选出与评级相关性较强，且分类标志明显的指标作为评级变量，限于篇幅这里不列出具体过程，再结合会计学知识和数据的可获得性，建立指标体系如下：

2.2 一二级指标权重的计算

一二级指标难以量化，因此采用层次分析法计算各指标权重，本文通过文献查阅和专家打分，一级指标财务指标和非财务指标按重要性2∶1的方式赋值，得到财务指标和非财务指标权重分别为（0.666，0.333）。

二级指标的权重，在充分结合问题实际和咨询专家的情况下，非财务指标采用平均赋值的方式，即企业规模、创新能力、经营状况、企业信用四个指标重要性一致，权重为（0.25，0.25，0.25，0.25）。

二级财务指标采用专家打分的方式，得到以下判断矩阵：

本文利用层次分析计算判断矩阵特征值及特征向量，并进行一致性检验得到CI=0.017<0.1，因此判断矩阵有效，得到四个财务指标偿债能力，盈利能力，经营能力，发展能力的权重为：

偿债能力反映的是企业偿还债务的能力和现金支付水平，是企业健康生存发展的重要指标。偿债能力也是信用评级指标体系中最重要的指标，盈利能力体现企业资本增值的能力，是企业信用评级第二重要的指标，这与其他文献得出的结果基本一致。

2.3 三级指标熵权法

首先用公式，对数据进行标准化处理，在利用熵权法得到各个三级指标在二级指标中的权重后，再利用综合方法逐层累计求和，得到各个指标在目标中的权重如下：

由表3可知，排名前4个指标都在偿债能力指标下，排名第一的是经营现金流量负债比，该指标从现金的流入和流出角度考察企业的偿债能力，体现企业短期的偿债能力。排名第二的速动比率，衡量企业流动资产中可以立即变现用于偿还流动负债的能力。排名第三的是资产负债率，代表企业经营活动的能力。这三个指标都属于二级指标偿债能力。非财务指标中，被执行金额，罚款次数体现了企业经营诚信程度，以及经营活动时规范，对信用评级的影响也比较大。总体来说，财务指标的重要性大于非财务指标，可见影响企业信用最主要的是财务指标。

2.4 综合评级结果

利用加权和法，最终计算得到各个企业最终信用评分。加权和公式为：

其中，是各信用指标的综合权重，是各变量标准化的结果。计算得到的信用评分分值结果呈正态分布，再利用SPSS软件进行单样本K-S检验，显著性p=0.042<0.05，因此四川省新三板企业信用评级得分呈正态分布，与事实相符合。

通过查阅文献等，本文对中国信用评级的实际情况进行调查发现，目前的评级有效性欠缺，评级集中偏高。本文在查阅了大量文献资料的情况下，以平均值作为A级下限，每3分为一个等级区间，得到的评级结果频数分布整体呈正态分布，如图1所示，其中A级和BBB级企业数占69.56%，说明本文结果比较合理。

2.5 删除非财务指标后的信用评级

为研究非财务指标对信用评级的影响，本文删除非财务指标，利用上文相同的方法计算得到企业信用评级结果。

由图3可知，删除非财务指标后，信用评级结果总体偏高，不服从正态分布，与事实不相符，说明非财务指标对信用评级具有重要作用。中小微企业多数是科技型企业，在非财务指标中，企业的创新能力有效的评价了企业的潜力价值，企业经营能力情况中，供应商、客户数量、控股公司数等具体量化了企业真实经营情况，尤其是企业信用，揭示了企业诚信经营的真实情况，反映企业总体品牌效应，对企业信用评级结果具有重要影响，因此企业信用评级过程中非财务指标必不可少。

2.6 结果验证

为了验证本文得到信用评级结果是否可靠，本文从启信宝数据库下载了各个公司的启信宝综合得分，与得到的得分数据标准化处理后，随机抽取30家企业进行比较，折线1为本文计算的信用评级得分，折线2为启信宝得分，如图3所示，可见趋势基本一致，说明本文结果比较可靠。

3 结语

本文以四川省新三板上市的92家中小微企业为研究对象，根据统计学知识对指标数据反复检验，建立起适合中小微企业的信用评级体系，一二级指标的计算时利用层次分析法，经过查阅资料和专家解释，非财务指标采用均匀赋值的方式。财务指标采用专家打分的方式，最终计算得到各个指标权重，三级指标采用熵权的客观赋值方法，最终利用加权和法得到各个企业的信用评分，且得分分值呈正态分布。以平均分为A级最低點，3分一个阶段得到了每个企业的信用评级，结果评级结果频数分布呈正态分布，删除非财务指标后，信用评级结果总体偏高，且不再服从正态分布，说明非财务指标对信用评级具有显著影响，是信用评级不可缺少的指标数据。最后利用启信宝上各个企业的综合得分与本文结果进行比对验证，结果得分趋势基本一致，再次说明本文得到的结果比较可靠。

因此，本文得到的层次分析法和熵权法的各个指标的权重合理，构建的信用评级指标体系具有一定的实际意义，权重数据和指标体系可为同行提供参考。

参考文献

王晓华， 张雪， 李峰. 基于神经网络模型的信用评级研究[J].金融研究， 2018（3）： 100-108.

王全， 马勇， 张鹏. 基于熵权法的上市公司信用评级研究[J].宏观经济研究， 2017（6）： 78-86.

刘建华， 刘江. 基于 Logistic 回归模型的信用评级研究[J].国际金融研究， 2019（11）： 77-84.

王蕾， 高峰. 基于层次分析法和支持向量机的信用评级模型研究[J]. 金融研究， 2016（9）： 98-106.

陈婷， 林飞. 基于网络分析法的企业信用评级研究[J].宏观经济研究， 2019（4）： 99-107.

周晓明， 张明. 基于多元判别分析的信用评级模型研究[J].国际金融研究， 2018（4）： 77-84.

王丽华， 黄小原. 基于熵权法的商业银行信用评级模型研究[J]. 系统工程理论与实践， 2017（8）： 195-202.

马超群， 陈银科. 基于神经网络模型的信用评级研究[J].管理科学学报， 2018（3）： 34-41.

林春培， 张宇. 基于 Logistic回归模型的商业银行信用评级研究[J].金融研究， 2019（5）： 93-103.