[发明专利]一种中小企业信用风险评价方法

说明书

本发明涉及信用风险评估领域，具体提供了一种中小企业信用风险评价方法，首先利用AHP层次分析法确定一级指标的权重，然后分别利用均方差法和离差最大化法确定二级指标的权重，将均方差法和离差最大化法得出的指标的权重相乘，再对相乘得到的结果进行归一化处理得到组合权数；利用灰色关联度对指标的隶属度进行确定，构造评判矩阵，将权重矩阵和评判矩阵对应相乘，得到各企业的综合评价结果。与现有技术相比，本发明一方面弥补了客观赋权法易受样本数据随机性影响的缺点，另一方面使得AHP法赋权时主观性较强的境况得以改善。利用灰色关联理论计算灰色关联度矩阵，结合综合指标权重得到中小企业风险评价结果。

技术领域

本发明涉及信用风险评估领域，具体提供一种中小企业信用风险评价方法。

背景技术

早期，信用风险评价主要根据专家经验对影响企业信用的主要因素进行打分，这种打分方法依赖于评价人员的主观判断。后来线性概率模型等数学方法被引入到信用评价模型中。随着研究的发展，主成分分析、因子分析、模糊综合评价模型等大量统计方法逐渐被应用到信用评价中。近年来，决策树、SVM等机器学习算法也被应用到风险评价中。

为了弥补了客观赋权法受数据干扰较大以及层次分析法过于主观的弊端，以及不同客观赋权法由于数学原理和侧重点不同造成的评价效果不一致的问题。

发明内容

本发明是针对上述现有技术的不足，提供一种实用性强的中小企业信用风险评价方法。

本发明解决其技术问题所采用的技术方案是：

一种中小企业信用风险评价方法，首先利用AHP层次分析法确定一级指标的权重，然后分别利用均方差法和离差最大化法确定二级指标的权重，将均方差法和离差最大化法得出的指标的权重相乘，再对相乘得到的结果进行归一化处理得到组合权数；

利用灰色关联度对指标的隶属度进行确定，构造评判矩阵，将权重矩阵和评判矩阵对应相乘，得到各企业的综合评价结果。

进一步的，计算灰色关联度矩阵，选取参考列，根据指标性质，分别选取最大值和最小值组成参考列，整个指标体系中的指标值存在量纲不同的问题，在进行灰色关联度计算时应进行无量纲处理，采取均值法对数据进行处理；

根据灰色关联度原理，得到灰色关联度评价矩阵R，各指标的权重W与评价矩阵R带入公式B＝W·R，得到B为最后的综合评价结果。

进一步的，所述AHP层次分析法的具体步骤为：

S1、建立层次结构；

S2、构造判断矩阵；

S3、检验判断矩阵的一致性；

S4、计算判断矩阵的最大特征值和对应的特征向量，该层中各指标的权重就是特征向量归一化之后的值。

进一步的，S1、建立层次结构：

首先明确中小企业信用评价问题，建立评价指标体系，并将所建立的指标体系分层，建立层次结构模型；

S2、构造判断矩阵：

对于同一层次上的各个指标相对于准则层中指标的重要性进行两两比较，构造两两比较判断矩阵A；

S3、检验判断矩阵的一致性：

(1)计算一致性指标CI＝(λ_max-n)/(n-1)，其中：λ_max为判断矩阵A的最大特征值，n为该层指标的个数；

(2)参照相应的平均随机一致性指标RI，不同阶数的矩阵对应的RI值不同；

(3)计算一致性比例CR＝CI/RI。当CR0.1时，判断矩阵满足一致性检验；