（３） 利用微粒群算法 （ Ｐａｒｔｉｃｌｅ Ｓｗａｒｍ Ｏｐｔｉｍｉ－
（ 一） 供应链金融视角下中小企业信用风险 评价方法的选择
１．供应链金融视角下中小企业信用风险评价 指标体系特点分析。 为了能客观评价中小企业的 信用等级， 需要对指标体系进行深入的分析， 根据 其特点确定合理评价方法， 构建具有操作性的评 价模型。 通过对指标体系进行深入的分析， 可以发 现具有以下特点： （１） 由大量指标构成的大型复 杂评价体系。 指标体系是由 ５ 个一级指标， １８ 个 二级指标， ３８ 个三级指标组成。 （２） 由定性指标
（ 三） 基于时间维的中小企业信用风险评价 模型的构建
１．确定评价对象的评语集 评语集是反映中小企业信用等级的集合， 评 价等级的多少是根据实际情况确定的。 本文取评 语集为 Ｖ ＝｛ Ｖ１ ，Ｖ２ ，Ｖ３ ，Ｖ４ ，Ｖ５ ｝ ＝｛ Ａ ＋，Ａ，Ｂ ＋，Ｂ，Ｃ｝ ， 具体代表优秀级， 良好级， 一般级， 风险级， 极 差级。 ２．基于微粒群算法指标权重的确定 （１） 指标权重数据来源。 为了避免指标权重 的主观性， 根据指标体系特点的不同， 本文采用不 同数据来源。 对于定量指标， 收集整理企业近 ５ 年 的历史数据； 对于定性指标采用李克特量表专家 打分法， 共聘请了 ５ 位专家， 专家的打分标准为： ５ 分代表非常重要， ４ 分代表重要， ３ 分代表重要 性一般， ２ 分代表不重要， １ 分代表非常不重要。 由于数据过于庞大， 在文中不再一一列出。 （２） 指 标 数据 标 准 化。 由 于数据 来 源不 同， 各个指标的量纲和量纲单位不同， 为了消除量纲 和量纲单位不同对指标权重的影响， 需要对评价
· １７２ ·
商业研究
２０１３ ／１０
待解决的问题。 基于此， 本文构建了基于时间维的 供应链金融视角下中小企业信用风险评价模型， 并 以 Ａ 企业为例证明此模型的有效性和科学性 。
二、 供应链金融视角下中小企业信用风险评 价指标体系的构建
从理论上分析， 一套科学完善的指标体系是 客观全面评价中小企业信用状况的基础， 其评价 内容应该包括能够影响评价对象的一切因素。 因 此， 在选取指标时应遵循一定的原则： （１） 指标 之间避免相互涵盖； （２） 供应链视角是研究的侧 重点； （３） 减少对财务报表的依赖性； （４） 关注 中小企业未来情况； （５） 关注中小企业管理者； （６） 定量与定性指标相结合。 同时， 由于供应链
金融融资模式的复杂性， 对融资企业信用风险进 行评价， 必须考虑影响融资企业信用水平的诸多 综合因素， 如供应链金融融资主体信用风险、 供应 链融资债项的信用风险、 供应链金融融资宏观环 境， 这样才能全面、 系统、 科学地评价供应链融资 企业信用水平。 因此， 面向供应链融资的中小企业 信用风险评价指标体系应该涵盖以下几个方面的 内容： （１） 针对供应链金融融资企业的信用风险 评价指标； （２） 针对供应链核心企业的信用风险 评价指标； （３） 针对融资项目的信用风险评价指 标； （４） 针对供应链运营风险评价指标； （５） 针 对供应链金融融资宏观环境的风险评估指标。 具 体指标体系见表 １。
２０１３ ／１０ 总第 ４３８ 期
商业研究
文章编号： １００１ －１４８Ｘ （２０１３） １０ －０１７１ －０７
ＣＯＭＭＥＲＣＩＡＬ ＲＥＳＥＡＲＣＨ
基于供应链金融的中小企业信用风险评价模型研究
夏立明１ ， 边亚男１ ， 宗恒恒２
（１．天津理工大学 管理学院， 天津 ３００４５０； ２．天津房友工程咨询有限公司， 天津 ３００４５０）
总第 ４３８ 期
夏立明： 基于供应链金融的中小企业信用风险评价模型研究
· １７３ ·
点： 一是指标权重的确定； 二是隶属度的确定。 为 了客观得到评价指标权重， 本文选用了微粒群算 法。 根据指标不同特点， 本文采用的原始数据来源 亦不相同： 对于定量指标， 收集企业近五年的数 据； 对于定性指标利用李克特量表专家打分， 然后 利用微粒群算法构建以指标权重为变量的非线性 规划问题， 确定权重， 避免了权重的主观色彩， 使 得评价结果更加客观和科学。 此外， 为了科学得到 指标的隶属度， 本文根据指标的不同类型， 采用了 不同的方法。 对于定性指标， 采用问卷调查法， 通 过统计各 个 指标 属 于等 级 的频 率 确定 其 隶 属 度； 对于定量指标， 确定各个指标的评价标准， 利用隶 属度函数确定其隶属度。
三级指标
财务信息质量； 贷款履约情况； 交易履约情况 管理者素质；管理者管理能力 ；资金自给率 三年销售平均增长率；业务利润增长率
资产负债率；利息保障倍数；速动比率 ；流动比率 新产品开发能力；Ｒ＆Ｄ 投入强度 核心企业信用等级
核心企业产需率；核心企业管理水平；核心企业产品生产循环期 核心企业速动比率
核心企业行业地位；核心企业规模 应收账款周转率；存货周转率；流动资产周转率；销售增长率；赊销周期
订货量比重；产品可替代性；项目产品流动性；产品的市场占有率 贸易供应链的竞争地位 信息共享程度 合作时间；合作频率 贸易供应链利润 政府支持度
行业前景预测；行业竞争强度
三、 基于时间维的中小企业信用风险评价模 型构建
收稿日期： ２０１３ －０７ －０３ 作者简介： 夏立明 （１９６０ －）， 男， 天津人， 天津理工大学管理学院教授， 研究生导师， 研究方向： 工程项目管理和 供应链金融； 边亚男 （１９８８ －）， 女， 河北保定人， 天津理工大学管理学院研究生， 研究方向： 工程项目 管理和供应链金融； 宗恒恒 （１９８６ －）， 女， 山东枣庄人， 天津房友工程咨询有限公司职员， 管理学硕 士， 研究方向： 工程项目管理、 供应链金融。 基金项目： 天津市哲学社会科学规划项目， 项目编号： ＴＪＧＬ１２ －０４６。
一、 引言
近年来， 银行业的竞争日渐激烈， 传统的利润 空间在不断缩小， 拓展中小企业贷款业务的竞争 正在不断升温。 针对现有中小企业融资存在的风 险性 弊 端， 探 索 结 合 供 应 链 和 中 小 企 业 特 点 的 “ 供应链金融” 模式应运而生。 目前， 造成银企之 间融资信贷风险矛盾的原因主要是两者之间存在 的信息不对称所引起的逆向选择和道德风险， 这 会使得其在放贷的过程中存在很大风险。 信用风 险评价旨 在 通过 建 立相 应 的信 用 风险 评 价 模 型， 确定中小企业信用等级， 以便使银行做出正确的 贷款决策， 降低银行的放贷风险。 因此， 研究供应 链金融模式下的中小企业信用风险评价问题具有 重要的指导意义。
（ 二） 微粒群算法
微粒群 算法 又 称 粒 子 群 算 法 （ Ｐａｒｔｉｃｌｅ Ｓｗａｒｍ Ｏｐｔｉｍｉｚａｔｉｏｎ， ＰＳＯ ）， 最 早 是 由 美 国 心 理 学 家 Ｊ． Ｋｅｎｎｅｄｙ 和电气工程师 Ｒ．Ｃ．Ｅｂｅｒｈａｒｔ 在 １９９５ 年的 ＩＥＥＥ 国际神经网络学术会议上正式提出的［６］ ， 这 是原始的 ＰＳＯ 模型。 Ｙ．Ｓｈｉ 等在原始的 ＰＳＯ 模型 基础上， 经过多次试验， 引入了惯性权重， 形成了 标准的 ＰＳＯ 模型［７］ 。 微粒群算法是一种基于群体 的优化工具， 同时也是一种基于迭代的优化工具。 微粒群算法具有以下优点［８］ ： （１） 算法通用性很 强， 不依赖问题信息； （２） 只有极少的参数需要调 整， 操作简单， 容易实现； （３） 收敛速度快， 算法 对于计算机的要求不高； （４） 算法利用个体局部信 息和群体全部信息指导搜索， 收敛速度较快。 基于 此， 微粒群算法已经被应用到许多领域 。
到目前为止， 供应链金融视角下中小企业的信 用风险评价已成为一大研究热点。 熊熊等 （２００９） 运用主成分分析法和 Ｌｏｇｉｓｔｉｃ 回归方法建立了供应链 金融模式下中小企业信用风险评价模型， 降低了依 靠专家评 价 的 局限 性［１］ 。 胡 海 青 等 （ ２０１１ ） 针 对
Ｌｏｇｉｓｔｉｃ 回归方法要求样本量大且预测精度不高的 缺点， 提出了运用支持向量机建立供应链金融模 式下中小企业信用风险评价模型， 并对这两种方 法进行了对比研究［２］ 。 谈俊英 （ ２０１２ ） 分 析了 我 国商业银行供应链金融服务的不足之处， 并运用 了因子分析和 Ｌｏｇｉｓｔｉｃ 的分析方法对中小企业进行 信用评价［３］ 。 谢伟 （２０１２ ） 运用了层次 分 析法 和 功效系数法等构建供应链金融视角下中小企业信 用评价模型， 并与传统的信用评价指标体系进行 比较［４］ 。 孟丽 （ ２０１１ ） 建 立 了 灰 色 层 次 分 析 法、 一次门限法和模糊综合评价法相结合的供应链金 融视角下中小企业的评价实用模型［５］ 。
摘要： 在以往供应链金融视角下， 中小企业信用风险评价多在孤立时间点上进行， 这样会造成 指标数据因某些原因而可能发生较大幅度变化， 进而导致评价结果的错误， 使银行在放贷过程 中存在较大风险。 本文以 Ａ 企业为例， 构建了基于时间维的供应链金融视角下中小企业信用风 险评价模型。 根据评价指标特点， 该模型在各个时间点上选用微粒群算法和模糊综合评价方法 对其进行信用风险评价， 将各个时间点上的评价结果进行比较， 分析企业的信用等级变化趋势， 以期为银行放贷风险的降低提供有效途径。 关键词： 供应链金融； 中小企业； 信用风险评价； 时间维； 微粒群算法 中图分类号： Ｆ８３０ 文献标识码： Ａ
表２
微粒群算法计算权重步骤
步骤 １ 步骤 ２ 步骤 ３ 步骤 ４ 步骤 ５ 步骤 ６ 步骤 ７
将模型（ １） 转化为无约束问题，建立微粒群算法的适应度函数。 初始化各个参数。 设置惯性权重 。 利用适应度函数计算各微粒的适应值，并以此设置个体的最优值和全局最优值。 微粒的状态更新。 找出个体和全局最优值。 重复步骤 ６、７，直到满足条件（最大迭代次数为 １ ０００），停止计算，输出计算结果（为了减少随机初始值对结果 的影响，取 ２０ 次运行结果的平均值并归一化，作为最终解）。
和定量指标组成的综合评价体系。 为了公正、 客观 的反映供应链金融下的中小企业信用风险状况的 各个方面信息， 本文从定性和定量两个方面对供 应链金融下的中小企业信用风险状况进行描述。