陳煥新

【摘 要】 區(qū)塊鏈技術(shù)的應(yīng)用可顯著提升債務(wù)風(fēng)險管理體系智能化水平，有效識別債務(wù)危機，為高校債務(wù)管理提供新契機。由此，文章從高校與區(qū)塊鏈技術(shù)兩方面選取相關(guān)評價指標(biāo)，利用序關(guān)系分析法確定了各指標(biāo)權(quán)重，構(gòu)建了基于區(qū)塊鏈技術(shù)的高校債務(wù)風(fēng)險評價指標(biāo)體系。最后以國內(nèi)某地方公立高校為例，運用灰色多層次評價法對其債務(wù)風(fēng)險進行探析，發(fā)現(xiàn)所構(gòu)建的評價指標(biāo)體系具有較高應(yīng)用價值。該研究結(jié)果旨在為游離在高校預(yù)算體系之外的債務(wù)管理提供量化指標(biāo)與評價方法，增強高校早期債務(wù)監(jiān)測預(yù)警能力。

【關(guān)鍵詞】 區(qū)塊鏈; 高校債務(wù)風(fēng)險; 評價指標(biāo)體系; 灰色綜合評價

【中圖分類號】 F224.11? 【文獻標(biāo)識碼】 A? 【文章編號】 1004-5937（2021）05-0148-08

一、引言

近年來，部分高校逐漸呈現(xiàn)過度負債的發(fā)展趨勢。這不僅制約高?？沙掷m(xù)發(fā)展，還會使作為擔(dān)保方的政府承擔(dān)較大信用風(fēng)險。若高校未在期限內(nèi)償清貸款，可能使銀行形成大額不良貸款，引發(fā)金融風(fēng)險。相關(guān)領(lǐng)域?qū)W者針對高校負債經(jīng)營問題展開研究。國外對高校債務(wù)的研究不多，因為國外高校辦學(xué)經(jīng)費來源于學(xué)費收入、政府補助等渠道，無需償還，基本不存在外債。國內(nèi)相關(guān)研究較多。在成因方面，廖開銳[1]研究提出高校債務(wù)風(fēng)險形成內(nèi)因是高校財務(wù)管理制度存在漏洞、管理層對風(fēng)險認知不足、招生規(guī)模逐年擴大，外因是政府財政投入不足、相關(guān)制度尚不完善。在預(yù)警指標(biāo)方面，王萌[2]借助財務(wù)指標(biāo)分析法，構(gòu)建了高校負債融資風(fēng)險預(yù)警指標(biāo)體系，并對高校貸款風(fēng)險綜合指數(shù)進行測算。王宏宇等[3]選取4個非財務(wù)指標(biāo)、10個財務(wù)指標(biāo)評價高校債務(wù)風(fēng)險，但所選指標(biāo)大多為財務(wù)指標(biāo)，難以充分體現(xiàn)高校經(jīng)營狀況與發(fā)展?jié)摿?。還有部分學(xué)者從貸款規(guī)模控制方面進行研究，但其前提是準(zhǔn)確預(yù)測高校未來現(xiàn)金流，準(zhǔn)確性與實用性尚存在一些不足。

區(qū)塊鏈技術(shù)正處在加速演進成熟過程中，其在金融領(lǐng)域具有重大研究價值。管亞梅等[4]認為，憑借去中心化、加密安全性等特點，區(qū)塊鏈技術(shù)為重塑會計行業(yè)提供有效解決方案。朱興雄等[5]發(fā)現(xiàn)，區(qū)塊鏈技術(shù)可簡化企業(yè)貸款的紙質(zhì)申請流程，解決企業(yè)信用背書難題，提升經(jīng)濟效益與社會效益。張淑麗等[6]提出，區(qū)塊鏈技術(shù)具有智能合約、共享賬簿、鏈?zhǔn)浇Y(jié)構(gòu)等特點，在信用評價機制建設(shè)中具有獨特應(yīng)用優(yōu)勢，有助于各類型平臺有機對接。董淼[7]構(gòu)建了基于區(qū)塊鏈技術(shù)的高校智能財務(wù)系統(tǒng)架構(gòu)，并提出一系列應(yīng)用建議。

綜上，多數(shù)學(xué)者的研究集中于區(qū)塊鏈技術(shù)在金融領(lǐng)域的應(yīng)用或是單純的高校債務(wù)問題，關(guān)于如何將區(qū)塊鏈技術(shù)與高校債務(wù)評價相結(jié)合尚處于空白，且高校財務(wù)僅為債務(wù)風(fēng)險評價中的一個環(huán)節(jié)，難以代表高校整體債務(wù)問題。本文將區(qū)塊鏈技術(shù)指標(biāo)引入高校債務(wù)風(fēng)險評價體系，構(gòu)建新的評價指標(biāo)體系，為高校債務(wù)風(fēng)險防控提供新思路?；诨疑碚?，驗證基于區(qū)塊鏈技術(shù)的高校債務(wù)風(fēng)險評價指標(biāo)體系的適用性，進一步豐富了相關(guān)領(lǐng)域的研究。

二、基于區(qū)塊鏈技術(shù)高校債務(wù)風(fēng)險評價的現(xiàn)實需求

（一）必要性分析

債務(wù)風(fēng)險評價不僅能夠有效提升高校整體管理水平，也有助于政府和銀行進行宏觀管理與貸款決策。因此有必要對高校債務(wù)風(fēng)險進行評價，促進高校教育、政府宏觀調(diào)控與社會經(jīng)濟協(xié)調(diào)發(fā)展。

首先，債務(wù)風(fēng)險評價可有效提升高校風(fēng)險防范能力。高?？筛鶕?jù)實際運營情況，利用債務(wù)風(fēng)險評價體系對債務(wù)風(fēng)險進行科學(xué)、合理預(yù)計，以此避免盲目負債，防范因負債過度產(chǎn)生的風(fēng)險[8]。同時，進行債務(wù)風(fēng)險評價有助于高校統(tǒng)籌安排當(dāng)前需求與長遠需求，分重點分層次地解決發(fā)展中遇到的問題，實現(xiàn)持續(xù)穩(wěn)定發(fā)展。其次，高校債務(wù)評價有助于銀行決策。長期以來，銀行對于高校貸款風(fēng)險性的重視程度較低，認為高校無法償還債務(wù)的風(fēng)險最終會轉(zhuǎn)移到政府部門。而高校貸款資金占用周期較長，且收入來源主要是學(xué)費收入，存在較大債務(wù)償還不確定性。一旦高校不能按期償還貸款，政府又拒絕承擔(dān)其債務(wù)，那么高校貸款就會變成不良貸款，對銀行正常運轉(zhuǎn)產(chǎn)生不利影響。若能及時對高校債務(wù)風(fēng)險進行評估，那么銀行就可充分了解高校資金使用情況與收支狀況，合理規(guī)劃高校貸款問題。最后，高校債務(wù)風(fēng)險評價有利于主管部門進行宏觀管理。在我國高校、政府與銀行的三方博弈中，高校既是獨立的財務(wù)主體，也屬于國家預(yù)算的基層單位，教育主管部門需要監(jiān)督管理高校的債務(wù)風(fēng)險。而高校債務(wù)風(fēng)險評價體系可以幫助相關(guān)部門全面了解并掌握高校債務(wù)風(fēng)險水平與債務(wù)規(guī)模，強化對高校財務(wù)的監(jiān)管，有效降低債務(wù)風(fēng)險[9]。

（二）適用性分析

高校債務(wù)風(fēng)險是由于高校運營情況不佳、管理層決策失誤及自身資金短缺而產(chǎn)生的，其風(fēng)險嚴(yán)重性與產(chǎn)生來源均會隨著高校招生規(guī)模、經(jīng)營狀況等因素變化而變化[10]，風(fēng)險防控具有一定難度。區(qū)塊鏈技術(shù)的特有法則恰好能夠有效解決當(dāng)前高校債務(wù)風(fēng)險防控的難點問題。具體而言，第一，高校資金相對獨立難題。高校資金交易往來較少，且在一定程度上處于獨立狀態(tài)。因此信用評級機構(gòu)與銀行無法準(zhǔn)確評價高校經(jīng)營狀況，也難以從市場中獲取相關(guān)數(shù)據(jù)。針對這一難點，高校需將所有資金往來與交易信息都上傳到區(qū)塊鏈網(wǎng)絡(luò)。銀行可通過查看相關(guān)交易記錄來獲取高校資金往來與債務(wù)信息。第二，財務(wù)信息不透明難題。為確保各大高校擴招后的教學(xué)質(zhì)量，教育部正式啟動高校教學(xué)水平評估工作，對圖書館、實驗室、師生比等指標(biāo)均做出具體要求。而高校為改善辦學(xué)條件，只能通過向銀行貸款來彌補資金不足。在此過程中，高校財務(wù)數(shù)據(jù)并沒有對外披露，銀行很難準(zhǔn)確掌握高校實際負債信息。針對這一問題，區(qū)塊鏈上交易記錄透明且不可篡改，信用評級機構(gòu)與銀行可通過區(qū)塊鏈記錄信息進行信用評估[11]。

通過上述分析可知，基于區(qū)塊鏈技術(shù)的高校債務(wù)風(fēng)險評價將具備以下特點。第一，交易記錄分布式存儲。分布式賬本是區(qū)塊鏈技術(shù)的核心內(nèi)容，主要指將每一節(jié)點上傳的信息生成區(qū)塊，并傳輸至其他所有節(jié)點處，其他節(jié)點會將該信息儲存在賬本中[12]。區(qū)塊鏈中交易記錄由所有節(jié)點共同維護，具有較高可靠性。由于所有節(jié)點都存儲了總賬本，因此可以輕易查詢到高校資金走向與財務(wù)狀況，使高校財務(wù)信息更加透明，債務(wù)風(fēng)險防控也更加便利。第二，實現(xiàn)信用自證。高?？蓪⑺羞\營指標(biāo)、交易信息、財務(wù)信息等內(nèi)容加密上傳至區(qū)塊鏈網(wǎng)絡(luò)。對于銀行等金融機構(gòu)與信用評價機構(gòu)而言，可根據(jù)業(yè)務(wù)相關(guān)企業(yè)的反饋信息、交易往來憑證、歷史交易記錄等信息對高校信用風(fēng)險進行評估。這樣可促使高校通過“以貸養(yǎng)信”提升自身信用評級，降低債務(wù)風(fēng)險[13]。

三、基于區(qū)塊鏈技術(shù)的高校債務(wù)風(fēng)險評價指標(biāo)體系確立

（一）評價指標(biāo)選取

在建立基于區(qū)塊鏈的高校債務(wù)風(fēng)險評價指標(biāo)體系時，需要選取能夠體現(xiàn)高校債務(wù)風(fēng)險特征的指標(biāo)，相關(guān)指標(biāo)應(yīng)具備可操作性與可比性。在結(jié)合高校債務(wù)風(fēng)險特征的基礎(chǔ)上，本文通過借鑒周曉芝等[14]觀點，選取如下評價指標(biāo)（見表1）。

1.高校收益能力

作為影響高校債務(wù)風(fēng)險的重要因素，收益能力主要指高校在科研與培養(yǎng)大學(xué)生等方面的收益能力。本文選擇投資收益比、凈資產(chǎn)投入比例以及科研與教育經(jīng)費總收入來衡量高校收益能力。其中，投資收益比是校辦企業(yè)收入、其他投資收入總和與高校各類投資的比率，能有效反映科研成果與校辦企業(yè)轉(zhuǎn)為資本收入的能力。凈資產(chǎn)投入比例代表高校每單位凈資產(chǎn)可轉(zhuǎn)化收益數(shù)量，數(shù)值越大代表收益能力越強，債務(wù)風(fēng)險越低?？蒲信c教育經(jīng)費總收入則主要是從高校各方面收入總量的層面加以分析。

2.高校成長潛力

作為反映高校未來收益獲取能力的重要指標(biāo)，成長潛力數(shù)值越大，高校債務(wù)償還能力越強，債務(wù)風(fēng)險越低。本文從國家政策扶持程度、高校生源狀況和資產(chǎn)狀況方面著手，選取國家政策扶持力度、在校大學(xué)生增長率、資產(chǎn)總額、固定資產(chǎn)總額以及年末總資產(chǎn)增長率作為評價指標(biāo)，對高校成長潛力進行衡量。國家政策扶持力度主要是指政府部門是否給予高校相關(guān)扶持政策，政策扶持力度是否足夠大;在校大學(xué)生增長率能體現(xiàn)出社會對高校的認可度與高校未來發(fā)展規(guī)模;資產(chǎn)總額可有效反映辦學(xué)規(guī)模;固定資產(chǎn)總額可反映高校硬件水平;年末總資產(chǎn)增長率能反映出高校辦學(xué)規(guī)模增長速度。

3.資金經(jīng)營狀況

資金經(jīng)營狀況對于高校財務(wù)具有一定影響，因而評價高校債務(wù)風(fēng)險時需充分考慮高校資金經(jīng)營狀況這一指標(biāo)。本文選取財務(wù)運作機制完善程度、經(jīng)營現(xiàn)金回收率、招生計劃現(xiàn)金比率、科研經(jīng)費支出額以及教育經(jīng)費支出額對高校資金經(jīng)營狀況進行衡量。其中，作為高校債務(wù)風(fēng)險的重要影響因素，財務(wù)運作機制完善程度能反映高校防范財務(wù)風(fēng)險的能力。經(jīng)營現(xiàn)金回收率是指非限定性資金流量與經(jīng)營性資金總額的比率，數(shù)值越大說明高校運行績效和債務(wù)償還能力越強。招生計劃現(xiàn)金比率是指招生實際收費金額與招生應(yīng)收費總金額之間的比率，這一指標(biāo)數(shù)值小于1有兩種情況：一是高校未完成原定招生計劃，二是高校完成招生計劃但存在欠費問題。上述情況均會造成高校資金流入量減少，影響債務(wù)償還能力。作為剛性指標(biāo)，科研經(jīng)費支出額和教育經(jīng)費支出額在高校支出總金額中所占比例較大，這兩個指標(biāo)數(shù)值越高，說明高校債務(wù)風(fēng)險越高。

4.債務(wù)償還能力

債務(wù)償還能力能有效反映學(xué)校是否能到期償還債務(wù)本息，因而評價高校債務(wù)風(fēng)險需著重評價其賬務(wù)償還能力。本文選取資產(chǎn)負債比率、債務(wù)依存度、現(xiàn)金比率、流動負債現(xiàn)金保證率以及利息保障倍數(shù)5個指標(biāo)對高校賬務(wù)償還能力進行評價。其中，資產(chǎn)負債比率是指學(xué)校負債總金額在資產(chǎn)總額中的占比，能反映出學(xué)?？傎Y產(chǎn)中債務(wù)數(shù)量。債務(wù)依存度指的是學(xué)校貸款總金額在現(xiàn)金流出總額中的占比，該數(shù)值越大，表明高校債務(wù)負擔(dān)和債務(wù)風(fēng)險越大?，F(xiàn)金比率主要是指現(xiàn)金類資產(chǎn)在整個流動負債中所占的比例，能有效衡量學(xué)校使用現(xiàn)金償還短期債務(wù)的能力。流動負債現(xiàn)金保證率是從現(xiàn)金流量角度出發(fā)，對學(xué)校短期負債償還能力進行評價，該指標(biāo)是指非限定性現(xiàn)金凈增加額占高校流動負債總金額的比重。利息保障倍數(shù)是指實際利息支出總額和非限定性現(xiàn)金凈增加額之和與實際利息支出額的比率。

5.區(qū)塊鏈技術(shù)效用

去中心化、業(yè)務(wù)功能及業(yè)務(wù)機制安全性在一定程度上能反映出高校利用區(qū)塊鏈進行債務(wù)風(fēng)險管理的有效性。本文借鑒段瀟宇[15]的研究，選取信息共享程度、審慎調(diào)查、高校信息完整度3個指標(biāo)，用以衡量去中心化、業(yè)務(wù)功能以及業(yè)務(wù)機制安全性，進而對區(qū)塊鏈技術(shù)在高校債務(wù)風(fēng)險管理中的效用進行評價。信息共享程度是指高校將財務(wù)信息公示的意愿，高校收益能力、運營狀況與信息共享程度正相關(guān)，即高校運營狀況和收益能力越好，披露意愿越強烈。審慎調(diào)查是高校債務(wù)風(fēng)險評價的重要環(huán)節(jié)，銀行可充分運用區(qū)塊鏈技術(shù)對高校貸款用途、償債能力、收益能力進行調(diào)查，為高校債務(wù)風(fēng)險評價和貸款審批提供參考依據(jù)。高校信息完整度表示高校將自身的運營狀況、運行成本等信息進行公示的完整程度，尤其是債務(wù)依存度、總負債率等與高校運營相關(guān)的重要信息。

（二）隸屬度分析

上述21個評價指標(biāo)是人為選擇而來，需對其進行科學(xué)性分析。由此通過隸屬度分析和相關(guān)性分析對上述指標(biāo)加以分析。隸屬度主要是對難以通過經(jīng)典集合論歸類的元素進行模糊處理，將其界定為大多數(shù)屬于某一集合。本文將基于區(qū)塊鏈的高校債務(wù)風(fēng)險評價體系視為一個模糊合集，評價指標(biāo)為其中的一個元素。例如，第n個評價指標(biāo)為Yn，共有Ln人選擇該指標(biāo)，即Ln人認為該指標(biāo)較為重要，隸屬于模糊合集。該指標(biāo)隸屬度Wn可表示為：Wn=■。Wn數(shù)值越大，說明選擇第n個評價指標(biāo)的人越多，該指標(biāo)越符合模糊合集。反之則說明大多數(shù)人認為該指標(biāo)不符合模糊合集，需要剔除。

在上述分析基礎(chǔ)上，通過郵件、微信及線下咨詢等方式，對金融機構(gòu)與高校60名從業(yè)人員進行調(diào)查，邀請其選擇12個相對重要的評價指標(biāo)。此次調(diào)查對象均與高校債務(wù)風(fēng)險管理工作相關(guān)，且對區(qū)塊鏈技術(shù)具有較深刻的理解。對收集到的信息進行隸屬度分析得出X3、X14、X18、X21的隸屬度分別為0.0851、0.0553、0.0692、0.0375，均低于隸屬度界定值0.1，因此予以剔除，保留剩余17項評價指標(biāo)。

（三）相關(guān)性分析

相關(guān)性分析是對兩個評價指標(biāo)間的相關(guān)系數(shù)進行計算。相關(guān)系數(shù)越大，說明兩個評價指標(biāo)的相關(guān)性越大[16]。通常情況下，兩兩評價指標(biāo)相關(guān)系數(shù)臨界值為0.6。相關(guān)系數(shù)大于0.6，代表兩個指標(biāo)具有較大關(guān)聯(lián)性，指標(biāo)不具代表性;相關(guān)系數(shù)低于0.6，代表兩個評價指標(biāo)沒有明顯關(guān)聯(lián)性，能用來進行評價。評價指標(biāo)的相關(guān)系數(shù)計算公式為：

使用IBM SPSS 23統(tǒng)計軟件，對隸屬度分析后保留的17個評價指標(biāo)進行相關(guān)性分析，結(jié)果如表2所示。

通過表2可知，指標(biāo)X7與X5的相關(guān)系數(shù)值為0.088，高于臨界值0.6，因而將X7刪除，保留其余16個評價指標(biāo)。

綜上所述，基于區(qū)塊鏈技術(shù)的高校債務(wù)風(fēng)險評價指標(biāo)選取如表3所示。

（四）基于區(qū)塊鏈技術(shù)的高校債務(wù)風(fēng)險評價指標(biāo)權(quán)重確定

在構(gòu)建評價指標(biāo)體系后，通過序關(guān)系分析法對高校區(qū)債務(wù)風(fēng)險評價指標(biāo)權(quán)重進行設(shè)置，以確保評價結(jié)果的準(zhǔn)確性與真實性。按照序關(guān)系分析法，就評價指標(biāo)Xi和Xm而言，若指標(biāo)Xi的重要程度大于指標(biāo)Xm，則將其標(biāo)記為Xi>Xm。如評價指標(biāo)集{X1，X2，X3，X4}根據(jù)重要程度可以構(gòu)建序關(guān)系X3>X1>X4>X2，與之相對應(yīng)的序關(guān)系指標(biāo)集為{W1，W2，W3，W4}。其中，W1和X3相對應(yīng)，W2和X1相對應(yīng)，W3和X4相對應(yīng)，W4和X2相對應(yīng)。各指標(biāo)權(quán)重確定過程如下：

1.構(gòu)建序關(guān)系指標(biāo)集{W1，W2，W3，…，Wn}。根據(jù)重要程度，評價者在評價指標(biāo)集{X1，X2，X3，…，Xn}中對其進行排序，得到如下序關(guān)系：{W1>W2>W3>…>Wn}。

2.對上述構(gòu)建的序關(guān)系指標(biāo)集{W1，W2，W3，…，Wn}中的相鄰評價指標(biāo)進行賦值，將兩個相鄰指標(biāo)Wt與Wt-1間的重要程度比標(biāo)記為st，則st=■，t=2，3，4，5，…，n，st的賦值如表4所示。

3.為確定序關(guān)系指標(biāo)集{W1，W2，W3，…，Wn}中評價指標(biāo)的權(quán)重，基于運用公式Q■■=（■■■■s■）-1，對Wn的權(quán)重Q■■進行計算，進而使用計算公式Q■■=stQ■■，t=n，n-1，n-2，…，4，3，2，依次計算得出Wn-1，Wn-2，…，W2，W1的權(quán)重Q■■，Q■■，…，Q■■，Q■■，此時可以得到序關(guān)系指標(biāo)集{W1，W2，W3，…，Wn}中各個評價指標(biāo)的權(quán)重（Q■■，Q■■，…，Q■■）。

4.對評價指標(biāo)集{X1，X2，X3，…，Xn}中各個評價指標(biāo)的權(quán)重進行確定。使用（Q1，Q2，…，Qn）來代表評價指標(biāo)集{X1，X2，X3，…，Xn}的權(quán)向量，使用（Q■■，Q■■，…，Q■■）代表序關(guān)系指標(biāo)集{W1，W2，W3，…，Wn}的權(quán)向量。Wi對應(yīng)Xm能夠確定Q■■對應(yīng)Q■■，因此能夠依據(jù){W1，W2，W3，…，Wn}與{X1，X2，X3，…，Xn}之間的對應(yīng)關(guān)系，由（Q■■，Q■■，…，Q■■）確定出（Q1，Q2，…，Qn）。Qi（i=1，2，3，…，n）就是評價指標(biāo)Xi（i=1，2，3，…，n）相對應(yīng)的權(quán)重。為確定評價指標(biāo)的權(quán)重，本文向銀行和高校專家進行咨詢，做出如下排序：

并給出：

依據(jù)公式，計算結(jié)果如下：

同理，可計算得出

0.148），由此確定一級評價指標(biāo)的權(quán)重。

對評價指標(biāo)X1的二級評價指標(biāo)排序為X12>X11？圯X■■>X■■。依據(jù)計算公式，可計算出X1各個二級指標(biāo)的權(quán)重，序關(guān)系指標(biāo)X■■>X■■權(quán)重向量（Q■■，Q■■）=（0.541，0.459）。同理得出X2、X3、X4、X5中二級評價指標(biāo)權(quán)重，如表5所示。

四、基于區(qū)塊鏈技術(shù)的高校債務(wù)風(fēng)險評價模型構(gòu)建

通常情況下，人們獲取某一事物的相關(guān)信息帶有灰色性質(zhì)，若使用傳統(tǒng)數(shù)理統(tǒng)計法將會較為復(fù)雜。由于本文所建立的評價指標(biāo)體系具有多層次性，且個別評價指標(biāo)信息不完全確定，因而選擇灰色評價法，對基于區(qū)塊鏈技術(shù)的高校債務(wù)風(fēng)險加以評價。在評價過程中，借助白色代表信息完全明確，借助灰色代表部分信息明確、部分信息不明確，借助黑色代表信息完全不明確。

（一）某高校基于區(qū)塊鏈的債務(wù)風(fēng)險灰色綜合評價

自高校擴招以來，地方公立高校迅猛發(fā)展。政府部門為地方公立高校進行擔(dān)保，銀行對貸款政策進行適時調(diào)整，這使得地方公立高校獲取銀行貸款的有利因素進一步增加。但是，銀行為高校提供資金支持的同時，也使地方公立高校面臨一定債務(wù)風(fēng)險。鑒于此，本文選取國內(nèi)某所地方公立高校，基于區(qū)塊鏈技術(shù)對其債務(wù)風(fēng)險加以評價。該校為省屬地方公立高校，占地面積約為2 000畝，目前共有2個校區(qū)，教職工人數(shù)約為1 500人，在校學(xué)生共計33 000人。2017—2019年期間，該校凈資產(chǎn)總額持續(xù)增加。與此同時，該校收入增長和支出增長不對稱，主要表現(xiàn)為支出增長顯著快于收入增長，即負債規(guī)模快速增長。究其原因在于，該高校一方面為擴大人才儲備，著手開展博士授權(quán)申報準(zhǔn)備工作;另一方面致力于加快新校區(qū)建設(shè)和教學(xué)科研基礎(chǔ)設(shè)施建設(shè)。特別是2016年以來，該校著手加強內(nèi)涵式發(fā)展建設(shè)，引進大量高層次人才，不斷擴大師資團隊，致使各項支出大幅增長。

為進一步驗證基于區(qū)塊鏈的高校債務(wù)風(fēng)險評價體系的有效性，邀請銀行和高校專家按照評分等級標(biāo)準(zhǔn)進行打分。將評價指標(biāo)Xim劃分為五個評分等級：較差、一般、中等、良好、優(yōu)秀，各等級標(biāo)準(zhǔn)相對應(yīng)的值分別為1、2、3、4、5，若評分在相鄰評分等級之間，相對應(yīng)的評分值為1.5、2.5、3.5、4.5。經(jīng)過匯總專家評分，得到如下矩陣。

1.灰色評價系數(shù)計算。使用灰類序號e，其中e=5，4，3，2，1代表以下五個等級：無風(fēng)險、低風(fēng)險、中等風(fēng)險、高風(fēng)險以及極高風(fēng)險。上述評價灰類的灰數(shù)分別為：？茚5∈[5，∞]、？茚4∈[0，4，8]、？茚3∈[0，3，6]、？茚2∈[0，2，4]、？茚1∈[0，1，2]。

當(dāng)灰數(shù)e=5時，白化權(quán)函數(shù)為：

當(dāng)灰數(shù)e≠5，白化權(quán)函數(shù)為：

就X11而言，用G11e代表屬于第e個灰類的灰色評價系數(shù)，則e=1。

由此可得出評價指標(biāo)X11灰類總評價數(shù)G11，即：

2.灰色評價權(quán)向量計算。根據(jù)評價指標(biāo)X11灰色評價系數(shù)G111、G112、G113、G114、G115和總評價數(shù)G11，能夠算出評價指標(biāo)X11灰色評價權(quán)向量，將其標(biāo)記為f11。則f11=（f111，f112，f113，f114，f115），進而可算出f11=（0，0.265，0.199，0.298，0.238），同理可得f12，f21，f22，…，f51，f52的數(shù)據(jù)。

3.灰色評價權(quán)矩陣構(gòu)建。按照上述所求出的灰色評價權(quán)向量fim，建立該高?；趨^(qū)塊鏈技術(shù)的債務(wù)風(fēng)險評價指標(biāo)X1，X2，…，X5的灰色評價權(quán)矩陣F1，F(xiàn)2，…，F(xiàn)5：

4.綜合評價計算。針對相關(guān)指標(biāo)X1，X2，…，X5進行綜合評價，并將結(jié)果記為A1，A2，…，A5，則Ai=Qi×Fi。

由A1，A2，…，A5構(gòu)建基于區(qū)塊鏈的高校債務(wù)風(fēng)險灰色評價權(quán)矩陣F：

F=A1A2A3A4A5=0，0.1830，0.3581，0.2281，0.22280，0.1639，0.2039，0.3268，0.22670，0.2947，0.3241，0.2701，0.20160，0.3016，0.2779，0.2843，0.21930，0.2847，0.1962，0.3386，0.2157

根據(jù)上述矩陣綜合評價該高校債務(wù)風(fēng)險，結(jié)果為：

（二）某高校區(qū)塊鏈債務(wù)風(fēng)險的綜合評價結(jié)果分析

通過對該高校債務(wù)風(fēng)險進行綜合評價，匯總專家意見，沒有專家認為該高校面臨極高的債務(wù)風(fēng)險，19.2%的專家認為該高校面臨的債務(wù)風(fēng)險屬于高風(fēng)險，有36%認為該高校面臨的債務(wù)風(fēng)險等級為中等風(fēng)險，有24%認為該高校面臨的區(qū)塊鏈債務(wù)風(fēng)險等級為低風(fēng)險，還有20.8%的專家認為該高校沒有任何的債務(wù)風(fēng)險。

按照已求出的計算結(jié)果A，依據(jù)取值最大原則，能夠確定高校債務(wù)風(fēng)險的所屬灰類，然而該方法會由于信息丟失而造成評價結(jié)果不夠準(zhǔn)確。因此，使用如下方法將A單值化，使得U=（a1，a2，a3，a4，a5）=（5，4，3，2，1）=無任何風(fēng)險，低風(fēng)險，中風(fēng)險，高風(fēng)險，極高風(fēng)險。并根據(jù)公式Z=A×UT算出單值化的評價結(jié)果。

由上述評價結(jié)果可知，該高校綜合評價結(jié)果為3.462，根據(jù)本文所設(shè)置的灰類級別，該高校的債務(wù)風(fēng)險處于低風(fēng)險和中等風(fēng)險之間。這反映出仍然在一些方面存在問題，有待進一步完善和改進，所以需對相應(yīng)的評價指標(biāo)進行深入分析，使管理者關(guān)注影響高校債務(wù)風(fēng)險的相關(guān)因素，進而采取對應(yīng)措施加以防范和應(yīng)對。

根據(jù)上述公式分別對各二級指標(biāo)數(shù)值進行計算得出：Z1=A1×UT=3.518，Z2=A2×UT=3.565，Z3=A3×UT=3.592，Z4=A4×UT=3.520，Z5=A5×UT=3.485。根據(jù)計算結(jié)果對各指標(biāo)的綜合評價值排序為Z3>Z2>Z4>Z1>Z5。由此可見：第一，該高校成長潛力與資金運營狀況評價值分別為3.565、3.592，均超過綜合評價值3.522，處于中等偏上水平，這充分表明該高校十分重視資金運營狀況，有較高成長性，風(fēng)險都低于平均債務(wù)風(fēng)險。第二，該高校區(qū)塊鏈技術(shù)效用評價值為3.520，與高校債務(wù)風(fēng)險綜合評價值較為接近，說明該高校需充分利用區(qū)塊鏈相關(guān)工具，進一步降低整體債務(wù)風(fēng)險。第三，該高校收益能力與償債能力評價值分別為3.518、3.485，二者均低于綜合評價值，對高校債務(wù)風(fēng)險有較大影響。其中，償債能力評價值最小，需要學(xué)校管理者提高重視度，這是控制高校債務(wù)風(fēng)險的重點。

五、結(jié)論與應(yīng)用建議

本文通過選取高校收益能力、高校成長潛力、資金經(jīng)營狀況、債務(wù)償還能力與區(qū)塊鏈技術(shù)效用五類指標(biāo)，構(gòu)建了基于區(qū)塊鏈技術(shù)的高校債務(wù)風(fēng)險評價指標(biāo)體系。同時，運用序關(guān)系分析法對各評價指標(biāo)權(quán)重加以確定，并以國內(nèi)某地方公立高校為例，在全新指標(biāo)評價體系基礎(chǔ)上利用灰色評價模型對該高校的債務(wù)風(fēng)險進行分析，研究發(fā)現(xiàn)所選取指標(biāo)可有效反映地方公立高校債務(wù)風(fēng)險防控水平。可見本文所構(gòu)建的評價指標(biāo)體系具有較高應(yīng)用價值，能夠有效提升地方公立高校債務(wù)風(fēng)險管控的智能化水平。由此，地方公立高?？稍趥鶆?wù)風(fēng)險防控過程中，合理引入?yún)^(qū)塊鏈技術(shù)，以促進自身持續(xù)健康發(fā)展。鑒于此，提出區(qū)塊鏈技術(shù)在高校債務(wù)風(fēng)險評價指標(biāo)體系中的應(yīng)用建議。

其一，升級完善相關(guān)硬件設(shè)備。區(qū)塊鏈技術(shù)的應(yīng)用會大幅提升高校信息系統(tǒng)數(shù)據(jù)處理量，對各節(jié)點硬件設(shè)備提出了更高要求。因此，高校相關(guān)部門應(yīng)升級完善相關(guān)硬件設(shè)備，加大內(nèi)存量，使系統(tǒng)配置與相關(guān)數(shù)據(jù)處理相匹配，滿足區(qū)塊鏈技術(shù)的應(yīng)用需求。其二，提升節(jié)點數(shù)據(jù)安全性。區(qū)塊鏈技術(shù)的應(yīng)用對高校運行系統(tǒng)各節(jié)點數(shù)據(jù)安全具有較高要求。高校應(yīng)在部署各業(yè)務(wù)節(jié)點時建立專線內(nèi)網(wǎng)，將公網(wǎng)數(shù)據(jù)與專線內(nèi)網(wǎng)加以區(qū)分。同時，高校應(yīng)嚴(yán)格控制專線網(wǎng)絡(luò)訪問權(quán)限，使用加密硬件強化各節(jié)點數(shù)據(jù)管控，嚴(yán)防數(shù)據(jù)竊取。其三，利用區(qū)塊鏈相關(guān)工具評估債務(wù)風(fēng)險，提升高校債務(wù)風(fēng)險管理水平。區(qū)塊鏈依靠其獨有特性被廣泛應(yīng)用于各個領(lǐng)域，相關(guān)部門應(yīng)利用相關(guān)工具，通過區(qū)塊鏈私鑰對高校債務(wù)數(shù)據(jù)與經(jīng)營狀況進行監(jiān)管，并利用大數(shù)據(jù)工具進行債務(wù)風(fēng)險評估，及時掌握高校債務(wù)風(fēng)險數(shù)據(jù)，促使高校債務(wù)風(fēng)險管理水平逐步提升。

【參考文獻】

[1] 廖開銳.我國高校債務(wù)的現(xiàn)狀、成因及化解對策分析[J].會計之友，2012（9）：114-118.

[2] 王萌.高校負債融資風(fēng)險預(yù)警模型的構(gòu)建[J].財會月刊，2016（2）：52-56.

[3] 王宏宇，秘麗霞.我國高校債務(wù)風(fēng)險動態(tài)預(yù)警模型研究[J].會計之友，2015（1）：75-78.

[4] 管亞梅，季春紅，吳倩倩.區(qū)塊鏈技術(shù)對會計方法的影響研究——以商業(yè)銀行貸款業(yè)務(wù)為例[J].財會通訊，2019（25）：95-99.

[5] 朱興雄，何清素，郭善琪.區(qū)塊鏈技術(shù)在供應(yīng)鏈金融中的應(yīng)用[J].中國流通經(jīng)濟，2018（3）：111-119.

[6] 張淑麗，王爽.基于區(qū)塊鏈視角下的供應(yīng)鏈金融風(fēng)險防范研究[J].現(xiàn)代營銷，2019（2）：45.

[7] 董淼.基于區(qū)塊鏈技術(shù)的高校智能財務(wù)系統(tǒng)架構(gòu)研究[J].會計之友，2020（12）：157-161.

[8] 顧萍，夏旭，伍雪瑩，等.高校科研評價指標(biāo)體系構(gòu)建研究[J].圖書情報工作，2017（9）：94-101.

[9] HUANG LULU. Financial management situation and countermeasures of university scientific research fund[J].International Business and Management，2012，5（2）：163-166.

[10] IMTIAZ BHAYAT，MAURIZIO MANUGUERRA，CLIVE BALDOCK.A decision support model and tool to assist financial decision-making in universities[J].Journal of Higher Education Policy and Management，2015，37（1）：69-82.

[11] 章劉成，于琳琳.大數(shù)據(jù)視域下區(qū)塊鏈技術(shù)在會計行業(yè)應(yīng)用研究[J].會計之友，2018（18）：157-160.

[12] GOLDEN E，et al.Blockchain technology：fundamentals，applications，and case studies[M].CRC Press，2020.

[13] 吳麗梅，丁潔，王深蘢，等.基于區(qū)塊鏈技術(shù)的財務(wù)共享模式架構(gòu)[J].會計之友，2019（2）：149-154.

[14] 周曉芝，于桂玲，楊國磊.高校債務(wù)風(fēng)險評價體系構(gòu)建[J].財會通訊，2015（16）：38-42.

[15] 段瀟宇.基于區(qū)塊鏈的供應(yīng)鏈金融信用風(fēng)險研究[D].天津：天津師范大學(xué)碩士學(xué)位論文，2020.

[16] 黨建寧，楊曉宏，王馨晨.教育信息化2.0下的高校信息化績效評價模型和指標(biāo)體系研究[J].電化教育研究，2019（8）：45-52.