论文部分内容阅读
摘 要：构建与科技型中小企业金融需求相适应的信用评估模型，是当前金融机构亟需解决的关键问题，其中评估指标的确定是核心。本文以2018年全国中小企业股份转让系统中信息传输、软件和信息技术服务业的中小企业为研究对象，选取反映企业偿债能力、经营能力等四个方面的19个指标构建信用风险评估指标体系，通过系统聚类算法对样本企业进行渐进式分类，并运用粗糙集算法对对初选的指标实施属性约简，精简指标，确定科技型中小企业信用风险评估指标体系。
关键词：聚类;粗糙集;信用风险;指标体系
1引言
科技型中小企业是国家产业结构调整和升级、科技创新的中坚力量，推动科技型中小企业发展的关键在于解决好科技型中小企业信用风险管理问题，构建一套科学的能够判别科技型中小企业信用风险状态的指标体系，可以为商业银行、政府基金、风险投资等对科技型中小企业进行信用风险评估提供参考依据。本文利用系统聚类算法对科技型中小企业进行渐进式的多级分类，确定样本企业信用风险评估等级，而后采用粗糙集算法在不影响分类属性的原则下有效地约简信用风险评估指标，从而确定科技型中小企业信用风险评估指标体系。
2基于聚类和粗糙集的指标综合筛选方法设计
目前大部分科技型中小企业信用风险研究只能把企业的信用风险状况分为高风险和低风险两类，但企业的信用危机现象是一个逐步发展的过程，仅用高风险或低风险两种状态不能够准确地度量一个企业的信用风险状况。同时，在信用风险评估指标的选择上带有很强的主观性，但指标过多会引起信息的冗余，指标过少会造成信息的缺失，都会影响评价结果。因此，本文提出了一种基于系统聚类和粗糙集的信用风险评估指标体系构建方法，在初步选定信用风险评估指标的基础上，选取样本企业，利用系统聚类算法将样本企业分为健康、一般、轻风险、高风险四类，将初选的信用风险评估指标作为条件属性，系统聚类结果作为决策属性，运用粗糙集算法对指标进行筛选，确定最终的指标体系，流程图如图1所示。
3实证研究
3.1初选指标与样本选取
总结国内外已有研究成果，本文选取能综合反映科技型中小企业经营状况和财务状况的指标包括盈利能力、偿债能力、营运能力、成长能力4方面19项指标，如表1所示。
本文研究对象为2018年全国中小企业股份转让系统中信息传输、软件和信息技术服务业的中小企业，考虑数据的完整性、準确性，剔除数据不完整的数据后共计251家企业，其中被ST企业13家。为了避免高估模型预测能力问题，本文采用企业2016年的指标数据建立模型来预测其是2018年的信用状态。本文所采用的数据主要来自于Wind数据库以及全国中小企业股份转让系统网站。
3.2基于系统聚类的信用风险状态分类
为消除不同量纲对结果的影响，首先对指标数据进行标准化处理，使指标数据均匀分布在[-1，1]之间，然后利用系统聚类法将样本企业分为4个聚类，依据隶属于4个聚类中被ST企业的比率，即违约比率，进行科技型中小企业信用风险评估分类，违约比率越低，信用等级越高。系统聚类的结果如表2所示。
对以上聚类分析结果，2018年被ST处理的样板企业13家，其中有10家分布在高风险、低风险等级中，占76.9%，23.1%的被ST企业分布一般分类中。各类之间差异显著，具有明显的层次性，可以为后续的粗糙集筛选提供良好的决策依据。
3.3基于RS的信用风险评估指标约简
通过粗糙集中的等频率离散法将各指标数据进行离散化，将聚类分析结果作为决策属性，其中高风险、轻风险、一般、健康分别对应“A、B、C、D”得到如表3所示的决策表。
根据粗糙集属性Johnson’s约简方法，运用Rosetta软件对此决策表进行属性约简，最终得到约简集合{X3，X5，X9，X15，X16，X19}。可以看出销售净利率、资产负债率、已获利息倍数、营业收入增长率、净利润增长率和营业利润增长率对信用风险评估起着十分重要的作用。
4结论
针对科技型中小企业信用风险评估指标体系的构建问题进行了研究，首先从企业盈利能力、偿还能力、成长能力、营运能力四个角度出发选取19个具体指标，之后运用系统聚类对样本企业进行分类，将分类结果作为粗糙集算法的决策属性进行主要信息量筛选得到客观筛选的指标，该方法充分利用数据自身的表达性，避免主观因素的影响。
参考文献：
[1]周战超.基于K-均值聚类的工业小企业信用评级研究[J].中国管理信息化，2018，21（13）：26-27.
[2]鲍新中，杨宜.基于聚类-粗糙集-神经网络的企业财务危机预警[J].系统管理学报，2013，22（03）：358-365.
[3]刘澄，胡巧红，孙莹.基于粗糙集—决策树的上市公司财务预警[J].财会月刊，2012（18）：26-28.
基金项目： 2018 年河北省教育厅课题项目（项目编号：Z2018232）;2018年保定市科技计划项目（项目编号：18ZG015）。
关键词：聚类;粗糙集;信用风险;指标体系
1引言
科技型中小企业是国家产业结构调整和升级、科技创新的中坚力量，推动科技型中小企业发展的关键在于解决好科技型中小企业信用风险管理问题，构建一套科学的能够判别科技型中小企业信用风险状态的指标体系，可以为商业银行、政府基金、风险投资等对科技型中小企业进行信用风险评估提供参考依据。本文利用系统聚类算法对科技型中小企业进行渐进式的多级分类，确定样本企业信用风险评估等级，而后采用粗糙集算法在不影响分类属性的原则下有效地约简信用风险评估指标，从而确定科技型中小企业信用风险评估指标体系。
2基于聚类和粗糙集的指标综合筛选方法设计
目前大部分科技型中小企业信用风险研究只能把企业的信用风险状况分为高风险和低风险两类，但企业的信用危机现象是一个逐步发展的过程，仅用高风险或低风险两种状态不能够准确地度量一个企业的信用风险状况。同时，在信用风险评估指标的选择上带有很强的主观性，但指标过多会引起信息的冗余，指标过少会造成信息的缺失，都会影响评价结果。因此，本文提出了一种基于系统聚类和粗糙集的信用风险评估指标体系构建方法，在初步选定信用风险评估指标的基础上，选取样本企业，利用系统聚类算法将样本企业分为健康、一般、轻风险、高风险四类，将初选的信用风险评估指标作为条件属性，系统聚类结果作为决策属性，运用粗糙集算法对指标进行筛选，确定最终的指标体系，流程图如图1所示。
3实证研究
3.1初选指标与样本选取
总结国内外已有研究成果，本文选取能综合反映科技型中小企业经营状况和财务状况的指标包括盈利能力、偿债能力、营运能力、成长能力4方面19项指标，如表1所示。
本文研究对象为2018年全国中小企业股份转让系统中信息传输、软件和信息技术服务业的中小企业，考虑数据的完整性、準确性，剔除数据不完整的数据后共计251家企业，其中被ST企业13家。为了避免高估模型预测能力问题，本文采用企业2016年的指标数据建立模型来预测其是2018年的信用状态。本文所采用的数据主要来自于Wind数据库以及全国中小企业股份转让系统网站。
3.2基于系统聚类的信用风险状态分类
为消除不同量纲对结果的影响，首先对指标数据进行标准化处理，使指标数据均匀分布在[-1，1]之间，然后利用系统聚类法将样本企业分为4个聚类，依据隶属于4个聚类中被ST企业的比率，即违约比率，进行科技型中小企业信用风险评估分类，违约比率越低，信用等级越高。系统聚类的结果如表2所示。
对以上聚类分析结果，2018年被ST处理的样板企业13家，其中有10家分布在高风险、低风险等级中，占76.9%，23.1%的被ST企业分布一般分类中。各类之间差异显著，具有明显的层次性，可以为后续的粗糙集筛选提供良好的决策依据。
3.3基于RS的信用风险评估指标约简
通过粗糙集中的等频率离散法将各指标数据进行离散化，将聚类分析结果作为决策属性，其中高风险、轻风险、一般、健康分别对应“A、B、C、D”得到如表3所示的决策表。
根据粗糙集属性Johnson’s约简方法，运用Rosetta软件对此决策表进行属性约简，最终得到约简集合{X3，X5，X9，X15，X16，X19}。可以看出销售净利率、资产负债率、已获利息倍数、营业收入增长率、净利润增长率和营业利润增长率对信用风险评估起着十分重要的作用。
4结论
针对科技型中小企业信用风险评估指标体系的构建问题进行了研究，首先从企业盈利能力、偿还能力、成长能力、营运能力四个角度出发选取19个具体指标，之后运用系统聚类对样本企业进行分类，将分类结果作为粗糙集算法的决策属性进行主要信息量筛选得到客观筛选的指标，该方法充分利用数据自身的表达性，避免主观因素的影响。
参考文献：
[1]周战超.基于K-均值聚类的工业小企业信用评级研究[J].中国管理信息化，2018，21（13）：26-27.
[2]鲍新中，杨宜.基于聚类-粗糙集-神经网络的企业财务危机预警[J].系统管理学报，2013，22（03）：358-365.
[3]刘澄，胡巧红，孙莹.基于粗糙集—决策树的上市公司财务预警[J].财会月刊，2012（18）：26-28.
基金项目： 2018 年河北省教育厅课题项目（项目编号：Z2018232）;2018年保定市科技计划项目（项目编号：18ZG015）。