孫 瑜，牛艷芳，畢秀玲

(山東財(cái)經(jīng)大學(xué) 會(huì)計(jì)學(xué)院，山東 濟(jì)南 250014)

一、引言

2018 年8 月，國家工業(yè)和信息化部關(guān)于印發(fā)《推動(dòng)企業(yè)上云實(shí)施指南(2018-2020 年)》，特別指出“中小企業(yè)和創(chuàng)業(yè)型企業(yè)可依托公有云平臺(tái)，按需租用存儲(chǔ)、計(jì)算、網(wǎng)絡(luò)等基礎(chǔ)設(shè)施資源，應(yīng)用設(shè)計(jì)、生產(chǎn)、營銷、辦公、財(cái)務(wù)等云服務(wù)或構(gòu)建特色云服務(wù)，提高經(jīng)營管理水平和效率。”隨著應(yīng)用云平臺(tái)服務(wù)的小微企業(yè)數(shù)量的增多，存儲(chǔ)在云平臺(tái)公有云的數(shù)據(jù)逐步完善，不僅包括小微企業(yè)的財(cái)務(wù)信息，還包括小微企業(yè)使用云平臺(tái)的記賬行為數(shù)據(jù)。利用這些寶貴的數(shù)據(jù)資源在云平臺(tái)單獨(dú)設(shè)立信用評級板塊，打通云平臺(tái)與銀行之間的連接，將評價(jià)結(jié)果直接傳遞給銀行端與企業(yè)端，不僅有助于銀行放貸業(yè)務(wù)的判定，有效減輕小微企業(yè)與銀行間存在的信息不對稱問題，也有助于小微企業(yè)查找自身問題，避免劣幣驅(qū)逐良幣現(xiàn)象，促進(jìn)有潛質(zhì)的小微企業(yè)長遠(yuǎn)健康發(fā)展。同時(shí)，利用云平臺(tái)的財(cái)務(wù)數(shù)據(jù)與行為數(shù)據(jù)構(gòu)建信用評價(jià)指標(biāo)體系，能夠積極響應(yīng)2020 年工業(yè)和信息化部提出的“推廣基于多維度大數(shù)據(jù)分析的新型征信模式”要求。

當(dāng)前對小微企業(yè)信用評價(jià)體系中財(cái)務(wù)指標(biāo)的研究較為成熟，Van 和Baesens[1]、Dainelli 等[2]主要從企業(yè)的盈利能力、償付能力和流動(dòng)性狀況三方面進(jìn)行考慮，范柏乃和朱文斌[3]、李菁苗等[4]以經(jīng)營能力、盈利能力、清償能力、發(fā)展能力為主進(jìn)行評價(jià)體系構(gòu)建，Zhang 等[5]基于企業(yè)的抗風(fēng)險(xiǎn)能力、經(jīng)營能力、盈利能力以及成長能力四個(gè)方面對小微企業(yè)信用進(jìn)行評估；對具體指標(biāo)的研究，馬曉青等[6]、遲國泰和陳洪海[7]通過流動(dòng)比率、速動(dòng)比率、現(xiàn)金比率、現(xiàn)金流量比率、資產(chǎn)負(fù)債率、銷售凈利潤率等多項(xiàng)具體財(cái)務(wù)指標(biāo)對小企業(yè)進(jìn)行信貸評價(jià)。

對小微企業(yè)信用評價(jià)體系中非財(cái)務(wù)指標(biāo)的研究主要集中于企業(yè)環(huán)境、企業(yè)特征和企業(yè)主特征三方面，而行為指標(biāo)研究較為匱乏:在非行為指標(biāo)的研究中，張玉明和段升森[8]從外部影響因素(政策法律、產(chǎn)業(yè)環(huán)境、社會(huì)服務(wù)等)和內(nèi)部影響因素(企業(yè)家能力、融資能力、創(chuàng)新能力)兩個(gè)視角進(jìn)行探索，胡海青等[9]、匡海波等[10]使用行業(yè)狀況和企業(yè)基本素質(zhì)體現(xiàn)中小企業(yè)資信狀況，肖斌卿等[11]和Zhang 等[12]將企業(yè)基本信息與企業(yè)主信息融入評價(jià)體系中；在行為指標(biāo)的研究中，時(shí)晨[13]將中小企業(yè)在電商和社交平臺(tái)的行為數(shù)據(jù)融入評價(jià)體系中，大大提高了指標(biāo)體系的實(shí)用性。

對小微企業(yè)信用評價(jià)方法的研究集中于傳統(tǒng)方法和數(shù)據(jù)挖掘方法兩方面。傳統(tǒng)評價(jià)方法中，遲國泰等[14]利用序關(guān)系法、離差最大化賦權(quán)法、最優(yōu)組合權(quán)重法進(jìn)行評價(jià)，高麗君[15]采用貝葉斯模型平均生存模型進(jìn)行評價(jià)，陳曉紅和楊志慧[16]構(gòu)建AFF 改進(jìn)模糊評價(jià)模型，Shi 等[17]采用邏輯回歸的方法，趙志沖和遲國泰[18]構(gòu)造似然函數(shù)對指標(biāo)貢獻(xiàn)率進(jìn)行分析評價(jià)；數(shù)據(jù)挖掘方法中，Oreski 等[19]將遺傳算法和人工神經(jīng)網(wǎng)絡(luò)方法結(jié)合應(yīng)用，姚錚等[20]運(yùn)用社會(huì)網(wǎng)絡(luò)分析方法，劉納新[21]引入小世界網(wǎng)絡(luò)的方法，肖斌卿等[22]使用模糊神經(jīng)網(wǎng)絡(luò)方法，時(shí)晨[13]運(yùn)用BP 神經(jīng)網(wǎng)絡(luò)方法，黃丹陽等[23]構(gòu)建基于高斯譜聚類的風(fēng)險(xiǎn)商戶聚類方法。

綜上，當(dāng)前對小微企業(yè)信用評價(jià)的研究主要存在兩方面問題:其一，非財(cái)務(wù)指標(biāo)的選取多屬于間接影響因素而非直接影響因素，忽略了小微企業(yè)日常記賬行為對企業(yè)經(jīng)營活動(dòng)和財(cái)務(wù)活動(dòng)的直接反映，降低了評價(jià)體系的實(shí)用性；其二，評價(jià)方法大多以打分排名的方式推薦小微企業(yè)，可能致使少數(shù)小微企業(yè)存在個(gè)別方面表現(xiàn)不佳，卻因總分排名靠前而獲得貸款的現(xiàn)象。

針對上述問題，本文首先設(shè)計(jì)財(cái)務(wù)維度與行為維度并行的“雙維度”小微企業(yè)信用評價(jià)指標(biāo)體系，利用相關(guān)—主成分分析法[24]進(jìn)行指標(biāo)篩選，剔除信息重復(fù)和對結(jié)果影響不顯著的指標(biāo)，實(shí)現(xiàn)精簡指標(biāo)的目的；其次，構(gòu)建基于熵權(quán)法的加權(quán)迭代聚類方法，以劃分具有不同特征組別的方式代替單純排名的方式對小微企業(yè)信用進(jìn)行評價(jià)，實(shí)現(xiàn)評價(jià)過程重點(diǎn)指標(biāo)突出、評價(jià)結(jié)果合理可靠的效果，避免發(fā)生以次充優(yōu)的現(xiàn)象；最后，對云平臺(tái)中批發(fā)和零售業(yè)的443 家小微企業(yè)進(jìn)行綜合評價(jià)，針對性地給出發(fā)展建議。

二、評價(jià)指標(biāo)體系構(gòu)建

(一)評價(jià)指標(biāo)體系設(shè)計(jì)

綜合前人的研究基礎(chǔ)，結(jié)合云平臺(tái)的數(shù)據(jù)優(yōu)勢，構(gòu)建由財(cái)務(wù)維度和行為維度構(gòu)成的“雙維度”小微企業(yè)信用評價(jià)指標(biāo)體系，具體指標(biāo)設(shè)計(jì)依據(jù)如下:

財(cái)務(wù)維度，一級指標(biāo)主要參考范柏乃和朱文斌[3]、李菁苗等[4]和Zhang 等[5]的研究，從償債能力、盈利能力、營運(yùn)能力和成長能力四個(gè)方面進(jìn)行評價(jià)，旨在從企業(yè)的償付債務(wù)水平、綜合利潤水平、生產(chǎn)經(jīng)營情況以及未來發(fā)展?jié)摿λ姆矫鎸ζ髽I(yè)財(cái)務(wù)狀況進(jìn)行分析；二級指標(biāo)在馬曉青等[6]、遲國泰和陳洪海[7]研究基礎(chǔ)上，融入反映小微企業(yè)固定資產(chǎn)增長的相關(guān)指標(biāo)，旨在全面、科學(xué)地反映小微企業(yè)的成長狀況。

行為維度，以企業(yè)行為理論[25-26]為依據(jù)，發(fā)現(xiàn)企業(yè)將根據(jù)實(shí)際績效與經(jīng)營期望之間的差距來確定后續(xù)企業(yè)行為。因此，企業(yè)實(shí)際績效和貸款標(biāo)準(zhǔn)之間的差距可能影響企業(yè)的記賬行為，包括虛增業(yè)務(wù)行為(導(dǎo)致憑證數(shù)量激增、憑證規(guī)模激增等現(xiàn)象)、突擊記賬行為(出現(xiàn)單次填制大量憑證、報(bào)稅期填制上月憑證等現(xiàn)象)、異常使用會(huì)計(jì)科目行為(導(dǎo)致主營業(yè)務(wù)涉及科目使用頻率低、其他科目使用頻率高等現(xiàn)象)等異常記賬行為，同時(shí)，小微企業(yè)主受自身管理能力所限，可能會(huì)有記賬不及時(shí)、不規(guī)范等行為的發(fā)生。云平臺(tái)后臺(tái)記錄每次登錄平臺(tái)的記賬行為，通過對比分析能夠發(fā)現(xiàn)異常記賬行為，同時(shí)能夠反映小微企業(yè)內(nèi)部管理水平，因此，本文借鑒Sohn 和Kim[27]、時(shí)晨[13]將行為指標(biāo)融入信用評價(jià)體系的做法，創(chuàng)新性地設(shè)計(jì)企業(yè)憑證填制情況、登錄平臺(tái)使用情況以及記賬科目占比3 個(gè)一級指標(biāo)以及13 個(gè)二級指標(biāo)用以反映企業(yè)的行為狀況。

和以往研究相比，本文所構(gòu)建的“財(cái)務(wù)+行為”雙維度信用風(fēng)險(xiǎn)評價(jià)體系具有以下優(yōu)點(diǎn):(1)將小微企業(yè)記賬行為的指標(biāo)考慮在內(nèi)，反映企業(yè)記賬行為的真實(shí)性與規(guī)范性，能夠彌補(bǔ)小微企業(yè)經(jīng)營行為信息缺失的問題，防止小微企業(yè)利用偽造的財(cái)務(wù)信息騙取銀行貸款的行為。(2)通過記賬憑證張數(shù)、記賬平均規(guī)模、登錄平臺(tái)使用次數(shù)、記賬科目占比等行為指標(biāo)能夠間接反映企業(yè)的業(yè)務(wù)量、企業(yè)記賬科目使用與經(jīng)營業(yè)務(wù)間的關(guān)系等問題，對財(cái)務(wù)維度指標(biāo)起到二次驗(yàn)證的作用，實(shí)現(xiàn)以財(cái)務(wù)維度指標(biāo)為主、行為維度指標(biāo)為輔、兩者相輔相成的效果，同時(shí)響應(yīng)從多維度構(gòu)建新型征信模式的政策號召。初步指標(biāo)體系如表1 所示。

表1 云平臺(tái)小微企業(yè)信用評價(jià)初步指標(biāo)體系

(二)指標(biāo)標(biāo)準(zhǔn)化

指標(biāo)篩選前需對指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，解決指標(biāo)間量綱不一以及不可比的問題，保證后續(xù)分析結(jié)果的質(zhì)量。本文主要運(yùn)用適中區(qū)間標(biāo)準(zhǔn)化方法[28]對數(shù)據(jù)進(jìn)行處理，該方法認(rèn)為數(shù)據(jù)處于某一特定區(qū)間內(nèi)即為合理。設(shè)i為評價(jià)對象的項(xiàng)數(shù)，j為指標(biāo)的項(xiàng)數(shù)，uij和xij分別為標(biāo)準(zhǔn)化前和標(biāo)準(zhǔn)化后的數(shù)值，[q1，q2] 為第j個(gè)指標(biāo)的適中區(qū)間，q1為適中區(qū)間的下邊界，q2為適中區(qū)間的上邊界，該標(biāo)準(zhǔn)化方法如公式(1)所示:

其中適中區(qū)間的具體設(shè)置規(guī)則如下:第一，對財(cái)務(wù)維度指標(biāo)進(jìn)行標(biāo)準(zhǔn)化時(shí)，適中區(qū)間主要參考國資委同年出版的《企業(yè)績效評價(jià)標(biāo)準(zhǔn)值》一書中對應(yīng)行業(yè)的指標(biāo)標(biāo)準(zhǔn)值，以行業(yè)平均值作為區(qū)間下限，以行業(yè)優(yōu)秀值作為區(qū)間上限。對于未列入該書的指標(biāo)，通過計(jì)算統(tǒng)計(jì)年鑒中該指標(biāo)的行業(yè)平均值上下浮動(dòng)10%確定區(qū)間的上下限。第二，對行為維度進(jìn)行標(biāo)準(zhǔn)化時(shí)，由于缺少適中區(qū)間的參考值，結(jié)合專家咨詢意見與行為維度中的每個(gè)二級指標(biāo)數(shù)值的密度曲線，選取企業(yè)集中分布的適當(dāng)區(qū)間作為標(biāo)準(zhǔn)化的適中區(qū)間。

(三)相關(guān)—主成分分析法的指標(biāo)篩選

為保證評價(jià)體系的科學(xué)性與合理性，采用遲國泰等[24]提出的相關(guān)—主成分分析法，剔除含重復(fù)信息和對結(jié)果影響不顯著指標(biāo)，進(jìn)一步對指標(biāo)體系進(jìn)行精簡。

1.相關(guān)性分析的指標(biāo)篩選

相關(guān)系數(shù)反映兩兩指標(biāo)間的相關(guān)程度，相關(guān)系數(shù)越大，表明兩個(gè)指標(biāo)存在信息重疊的可能性越大，設(shè)h、j都為指標(biāo)的項(xiàng)數(shù)，則第h個(gè)和第j個(gè)指標(biāo)的相關(guān)系數(shù)r的計(jì)算如公式(2)所示，為第h個(gè)和第j個(gè)指標(biāo)的平均值。當(dāng)相關(guān)性系數(shù)0.9[24]時(shí)，刪除其中包含信息少的指標(biāo)，以減少指標(biāo)之間的重復(fù)信息。

2.主成分分析的指標(biāo)篩選

通過計(jì)算主成分的貢獻(xiàn)率與各指標(biāo)的因子負(fù)載值，篩選出對評估結(jié)果有顯著影響的原始指標(biāo)，該方法既能保持指標(biāo)本身的數(shù)值與意義，又能提高各指標(biāo)對評估結(jié)果的顯著影響。假設(shè)m為指標(biāo)個(gè)數(shù)，k為主成分個(gè)數(shù)，F(xiàn)g為第g個(gè)主成分(g ＝1，2，…，k)，αgm為對應(yīng)第g個(gè)特征值的特征向量的第m個(gè)分量。具體計(jì)算方法如下:

步驟1:經(jīng)相關(guān)性分析刪除含重復(fù)信息的指標(biāo)后，重新計(jì)算相關(guān)系數(shù)矩陣R；

步驟2:計(jì)算方差貢獻(xiàn)率vg。求矩陣R的特征值λg，λg表示第g個(gè)主成分Fg所解釋的原始指標(biāo)值的總方差，則方差貢獻(xiàn)率vg的計(jì)算如公式(3)所示:

步驟3:計(jì)算因子負(fù)載djg。將特征值λg從大到小排列，按照累計(jì)方差貢獻(xiàn)率≥85%的要求選取對應(yīng)的主成分，第j個(gè)指標(biāo)在第g個(gè)主成分上的因子負(fù)載djg的計(jì)算如公式(4)所示:

(四)樣本選取及指標(biāo)篩選結(jié)果

本文選取云平臺(tái)中443 家批發(fā)和零售業(yè)的小微企業(yè)作為樣本進(jìn)行信用評價(jià)，原因有三:其一，行業(yè)不同，經(jīng)營性質(zhì)不同，經(jīng)營重點(diǎn)不同，相互間可比性較弱，因此選擇單行業(yè)進(jìn)行信用評價(jià)；其二，對云平臺(tái)用戶的行業(yè)分布情況進(jìn)行分析，發(fā)現(xiàn)批發(fā)和零售業(yè)用戶注冊量排名第二位，且行業(yè)特征較為突出，排名第一的金融業(yè)本身行業(yè)性質(zhì)具有特殊性，與其他行業(yè)評價(jià)指標(biāo)差異較大，不作為主要研究行業(yè)；其三，為保證行為維度分析結(jié)果的真實(shí)可靠，在樣本選擇時(shí)剔除了個(gè)人版和代理記賬版所包含的數(shù)據(jù)，只保留企業(yè)版數(shù)據(jù)進(jìn)行探索性分析。

對上述443 家小微企業(yè)的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理后，運(yùn)用相關(guān)—主成分分析法進(jìn)行指標(biāo)篩選，最終得到7個(gè)一級指標(biāo)、23 個(gè)二級指標(biāo)組成的指標(biāo)體系，該指標(biāo)體系即為后續(xù)運(yùn)用加權(quán)迭代聚類方法進(jìn)行小微企業(yè)信用評價(jià)的指標(biāo)體系。指標(biāo)篩選的具體結(jié)果如表2 所示。

表2 指標(biāo)篩選結(jié)果

續(xù)表2

三、評價(jià)模型

為科學(xué)、合理地對小微企業(yè)的信用進(jìn)行評價(jià)，本文構(gòu)建基于熵權(quán)法的加權(quán)迭代聚類方法，以加權(quán)分組的方式代替排名的方式將小微企業(yè)劃分為不同的等級，使其各組內(nèi)企業(yè)特征盡可能相似，組間企業(yè)特征盡可能不同。該方法的原理是:首先，運(yùn)用熵權(quán)法對二級指標(biāo)加權(quán)綜合得到一級指標(biāo)的指標(biāo)值，熵權(quán)法權(quán)重的融入可以區(qū)分各指標(biāo)間不同的重要程度，使結(jié)果更具聚焦性；其次，采用K-means 算法對一級指標(biāo)進(jìn)行迭代聚類，相對于單次聚類結(jié)果而言，迭代聚類將其中數(shù)量較大的組別進(jìn)行更為細(xì)致的劃分，使聚類結(jié)果更準(zhǔn)確；最后，根據(jù)迭代聚類劃分結(jié)果判定小微企業(yè)的信用等級。該方法的具體原理如圖1 所示。

圖1 基于熵權(quán)法的加權(quán)迭代聚類方法構(gòu)建原理

(一)運(yùn)用熵權(quán)法進(jìn)行加權(quán)

熵權(quán)法中，熵是對不確定性的度量，指標(biāo)的熵值越小，該指標(biāo)所提供的信息量越大，對評估的影響越大，熵權(quán)也就越高。假設(shè)評價(jià)體系中具有n個(gè)評價(jià)對象，m個(gè)評價(jià)指標(biāo)，i為評價(jià)對象的項(xiàng)數(shù)(i ＝1，2，…，n)，j為指標(biāo)的項(xiàng)數(shù)(j ＝1，2，…，m)，xij為標(biāo)準(zhǔn)化后的指標(biāo)值。具體計(jì)算步驟如下所示:

步驟1:計(jì)算熵Hj，第j個(gè)指標(biāo)的熵Hj如公式(5)所示:

步驟2:計(jì)算熵權(quán)Wj，第j個(gè)指標(biāo)的熵權(quán)Wj如公式(6)所示:

Wj的值越高，表明指標(biāo)j的權(quán)重越大，指標(biāo)j的重要性越大。熵權(quán)法通過客觀計(jì)算權(quán)重，避免了人為主觀因素對權(quán)重的影響。

(二)通過迭代聚類方法完成企業(yè)分組

迭代聚類對符合特定條件的組別進(jìn)行多次聚類分析，直至達(dá)到停止聚類條件為止，實(shí)現(xiàn)組內(nèi)企業(yè)特征高度相似，組間企業(yè)特征不同的效果。迭代聚類方法具體步驟如下:

步驟1:隨機(jī)選取k(k ＝2，3，4，…) 個(gè)企業(yè)作為初始聚類中心，即隨機(jī)分為k個(gè)組別。為避免人為因素對劃分組數(shù)的干預(yù)，對每次K-means 算法聚類分析，都采用F 檢驗(yàn)的方法[29]選取F值最大的組數(shù)k。設(shè)B(k)為組間方差，W(k) 為組內(nèi)方差，n是企業(yè)總數(shù)，F(xiàn)值的計(jì)算如公式(7)所示:

步驟2:計(jì)算每個(gè)企業(yè)數(shù)據(jù)到k個(gè)聚類中心的歐幾里得距離d。并將該企業(yè)分配至離其最近的中心點(diǎn)所在的組別。

步驟3:重新計(jì)算每組中的中心點(diǎn)，根據(jù)新中心點(diǎn)，重新計(jì)算每個(gè)企業(yè)數(shù)據(jù)到新中心點(diǎn)的距離，并重新分配至距離其最近的中心點(diǎn)所在組別，直至中心點(diǎn)不再變化為止。

步驟4:分析組數(shù)為最優(yōu)k值時(shí)的聚類結(jié)果，對組內(nèi)企業(yè)數(shù)小于等于總體企業(yè)數(shù)10%[29]的組別進(jìn)行編號，記錄其各指標(biāo)平均中心點(diǎn)，不再對其進(jìn)行聚類分析；將組內(nèi)企業(yè)數(shù)大于總體企業(yè)數(shù)10%的組別挑選出，重復(fù)進(jìn)行步驟1 到步驟3，直至所有組別內(nèi)的企業(yè)數(shù)量小于等于總體企業(yè)數(shù)10%時(shí)，停止聚類。

步驟5:將聚類分析結(jié)果進(jìn)行匯總，根據(jù)每組各個(gè)一級指標(biāo)的平均中心值Vi進(jìn)行打分，便于后續(xù)信用等級的判定。通過咨詢多位專家的意見，對平均中心值范圍設(shè)置相應(yīng)的分值，具體標(biāo)準(zhǔn)如表3 所示。

表3 平均中心值打分標(biāo)準(zhǔn)

(三)信用等級標(biāo)準(zhǔn)

為便于對分析結(jié)果進(jìn)行統(tǒng)一的辨析，主要參考中國人民銀行發(fā)布的《中國人民銀行信用評級管理指導(dǎo)意見》對借款企業(yè)信用等級的劃分，并咨詢多位專家意見后，最終將評價(jià)結(jié)果分為7 個(gè)等級，由高到低分別是AAA 級、AA 級、A 級、BBB 級、BB 級、B 級、C 級，等級序號由7(AAA 級)逐漸降至1(C 級)。

由于行為維度尚在探索階段，沒有成型的評價(jià)體系及評價(jià)標(biāo)準(zhǔn)，只作為財(cái)務(wù)維度的信息輔助與補(bǔ)充維度。因此，在數(shù)據(jù)分析時(shí)，對財(cái)務(wù)維度與行為維度分開單獨(dú)分析，最后，將兩個(gè)評級結(jié)果按照公式(8)求出企業(yè)綜合信用等級。在對每個(gè)等級制定具體標(biāo)準(zhǔn)時(shí)，除了考慮企業(yè)的綜合得分外，還考慮了對A 級及以上信用等級設(shè)定單項(xiàng)要求限制。具體企業(yè)財(cái)務(wù)維度與行為維度信用等級評價(jià)標(biāo)準(zhǔn)如表4 所示。

綜合信用等級在計(jì)算的過程中遵循謹(jǐn)慎性原則采用向下取整的運(yùn)算方法()進(jìn)行處理，計(jì)算得出的綜合等級序號參照表4 中等級序號列查找對應(yīng)的信用等級，具體計(jì)算如公式(8)所示:

表4 財(cái)務(wù)維度與行為維度評價(jià)標(biāo)準(zhǔn)

四、評價(jià)結(jié)果及分析

(一)基于熵權(quán)法的二級指標(biāo)權(quán)重計(jì)算結(jié)果

根據(jù)篩選后的指標(biāo)體系，利用公式(5)(6)計(jì)算得出各二級指標(biāo)的權(quán)重，具體計(jì)算結(jié)果如表5 所示。

表5 基于熵權(quán)法的二級指標(biāo)權(quán)重計(jì)算結(jié)果

(二)財(cái)務(wù)維度迭代聚類評價(jià)結(jié)果

使用K-means 算法對財(cái)務(wù)維度的數(shù)據(jù)迭代聚類4 次后，達(dá)到停止聚類的條件，即滿足臨界值的要求，將443 家小微企業(yè)分為17 組。將一級指標(biāo)所得的平均中心點(diǎn)分別按照表3 的規(guī)則進(jìn)行打分并加總得到財(cái)務(wù)維度總分，按照總分和各個(gè)一級指標(biāo)得分參照表4 的規(guī)則判斷企業(yè)所屬的財(cái)務(wù)等級。具體結(jié)果如表6 所示，其中組別序號1～7 代表第一次聚類劃分的組別，組別序號4-1 代表對第4 組進(jìn)行第二次聚類劃分的組別，以此類推。

表6 財(cái)務(wù)維度評價(jià)結(jié)果

續(xù)表6

從財(cái)務(wù)維度評價(jià)結(jié)果的總體分析，共有AAA 級企業(yè)197 家，AA 級企業(yè)120 家，A 級企業(yè)47 家，BBB 級企業(yè)69 家，BB 級企業(yè)10 家，大多數(shù)組別財(cái)務(wù)維度等級較高，處于A 級及以上，且一級指標(biāo)平均中心點(diǎn)在0.8 以上，但是少數(shù)組別存在短板項(xiàng)目導(dǎo)致財(cái)務(wù)等級較低。其中，第3 組和第6 組營運(yùn)能力表現(xiàn)欠佳，第2 組盈利能力一般，第5 組成長能力和償債能力都存在一定的問題，導(dǎo)致這些組別的等級都處于A 級以下。值得注意的是，雖然第2 組與第3 組的財(cái)務(wù)等級都為BBB 級，但是第2 組和第3 組存在不同的短板項(xiàng)目，說明兩組的內(nèi)部數(shù)據(jù)含義不同，在日后經(jīng)營過程中改進(jìn)的方向不同。雖然獲得AAA 級的組別有5 組，但是每組四個(gè)一級指標(biāo)的表現(xiàn)也有細(xì)微的差距。由此可以看出，將小微企業(yè)按照其內(nèi)部數(shù)據(jù)特征進(jìn)行聚類劃分具有較大的實(shí)際意義，相較于傳統(tǒng)排名的方式，能夠更精細(xì)地刻畫出不同企業(yè)間的特征，為銀行放貸決策提供更詳細(xì)的信息，為小微企業(yè)的經(jīng)營管理指明改進(jìn)方向。

(三)行為維度迭代聚類評價(jià)結(jié)果

按照同樣的方法對443 家批發(fā)和零售小微企業(yè)的行為維度進(jìn)行分析，經(jīng)3 次迭代聚類將企業(yè)分為19 個(gè)組別。具體結(jié)果如表7 所示。

表7 行為維度評價(jià)結(jié)果

在此次對行為維度的分析中，沒有AAA 級企業(yè)也沒有C 級企業(yè)，達(dá)到AA 級的企業(yè)也只有16 家，達(dá)到A級的企業(yè)132 家，主要集中于等級較低的BBB 級225 家和BB 級70 家，達(dá)到A 級及以上的企業(yè)數(shù)量與財(cái)務(wù)維度相比相差甚遠(yuǎn)，說明行為維度的整體風(fēng)險(xiǎn)偏高。

由表7 可以看出，相較于其他兩項(xiàng)，記賬科目占比指標(biāo)總體表現(xiàn)較好，平均中心點(diǎn)除了第一組外都在0.8以上，說明企業(yè)在經(jīng)營過程中對主營業(yè)務(wù)科目的使用較為頻繁，從側(cè)面也反映企業(yè)具備一定的經(jīng)營能力。結(jié)合憑證填制情況來看，第一組企業(yè)存在憑證填制數(shù)量多、金額大但主營科目使用次數(shù)少的特點(diǎn)，可能存在操縱其他會(huì)計(jì)科目美化賬簿的行為。

憑證填制情況指標(biāo)在各組間浮動(dòng)較大，甚至出現(xiàn)平均中心點(diǎn)低于0.4 的現(xiàn)象，得分低的主要原因是存在未及時(shí)記賬、記賬憑證張數(shù)與經(jīng)營規(guī)模不匹配或突擊記賬的現(xiàn)象，說明小微企業(yè)普遍存在較為嚴(yán)重的記賬不規(guī)范行為，也不排除企業(yè)做假賬應(yīng)付的情況發(fā)生。

登錄平臺(tái)使用情況同樣差異較大，低分原因主要是存在報(bào)稅期登錄頻繁、企業(yè)業(yè)務(wù)量較小、每次登錄填制憑證數(shù)量較小等現(xiàn)象。該指標(biāo)沒有出現(xiàn)中心點(diǎn)極低的現(xiàn)象，表明所選取的443 家企業(yè)都在正常使用該平臺(tái)，側(cè)面說明對這443 家企業(yè)進(jìn)行分析，結(jié)果較為可靠，具有大規(guī)模推廣應(yīng)用的意義。

綜合上述分析，可以發(fā)現(xiàn)行為等級偏低的主要原因有二:其一，忽視記賬行為的重要性，存在非規(guī)范化記賬行為；其二，存在異常記賬行為，包括突擊記賬或操縱賬簿的行為。

(四)綜合等級評價(jià)結(jié)果

綜合財(cái)務(wù)等級結(jié)果與行為等級結(jié)果，根據(jù)公式(8)計(jì)算得出綜合等級結(jié)果，在對企業(yè)進(jìn)行綜合評級時(shí)，不再以組別為單位進(jìn)行評級，而是回歸到以單個(gè)企業(yè)為單位進(jìn)行評級。綜合等級的評價(jià)情況如圖2 所示。

圖2 綜合等級評價(jià)結(jié)果

由圖2 可以看出，443 家批發(fā)與零售業(yè)小微企業(yè)綜合等級中沒有B 級與C 級，即沒有信用惡劣的企業(yè)，可能由于樣本選取時(shí)主要考慮企業(yè)版用戶數(shù)據(jù)導(dǎo)致，因?yàn)槠渲饕ň哂幸欢ㄒ?guī)模、有能力獨(dú)立記賬的小微企業(yè)。從總體進(jìn)行分析，綜合等級較高的小微企業(yè)較少，最高等級AA 級，只包含68 家企業(yè)，主要集中于A 級251 家企業(yè)，其次是103 家BBB 級企業(yè)，整體呈正態(tài)分布，相較于財(cái)務(wù)等級差之甚遠(yuǎn)，相較于行為等級整體偏好。加入行為維度考量后，企業(yè)的綜合信用等級相較于財(cái)務(wù)等級呈現(xiàn)出三種不同的狀態(tài):等級降級(349 家，占比78.78%)、等級不變(88 家，占比19.86%)和等級升級(6 家，占比1.35%)。其中78.78%的小微企業(yè)綜合等級呈現(xiàn)明顯的下降狀態(tài)，說明小微企業(yè)的記賬行為與財(cái)務(wù)結(jié)果之間呈現(xiàn)嚴(yán)重的不匹配現(xiàn)象，可能由企業(yè)管理不善引發(fā)記賬行為不規(guī)范所致，也可能由于采取異常記賬行為粉飾賬簿導(dǎo)致，也說明當(dāng)前小微企業(yè)更注重最終的財(cái)務(wù)結(jié)果，尚未認(rèn)識(shí)到記賬行為的重要性。在信用評價(jià)體系中加入行為維度，能夠一定程度上規(guī)范小微企業(yè)的記賬規(guī)范性，提高企業(yè)治理水平，抑制財(cái)務(wù)造假行為。

(五)加權(quán)迭代聚類方法的特點(diǎn)

為體現(xiàn)加權(quán)迭代聚類方法的合理性與科學(xué)性，本文使用層次分析法(AHP)對上述443 家小微企業(yè)進(jìn)行信用評價(jià)，從評價(jià)結(jié)果和評價(jià)過程兩方面對比分析發(fā)現(xiàn)加權(quán)迭代聚類方法具有2 個(gè)相較于AHP 方法的突出特點(diǎn):

第一，評價(jià)結(jié)果更嚴(yán)謹(jǐn)、更科學(xué)。在443 家小微企業(yè)的評級中，AHP 方法評定的等級普遍偏高，其中財(cái)務(wù)等級偏高213 家、行為等級偏高129 家、綜合等級偏高220 家。以H234 小微企業(yè)為例進(jìn)行原數(shù)據(jù)分析，該企業(yè)應(yīng)收賬款科目使用較為頻繁，但是應(yīng)收賬款周轉(zhuǎn)率只有0.67，應(yīng)收賬款周轉(zhuǎn)天數(shù)大約在537 天，說明企業(yè)存在收賬期長、收賬速度慢的現(xiàn)象，可能導(dǎo)致壞賬損失多、資金流動(dòng)不暢的問題，且存在較為嚴(yán)重的本月填制上月憑證的非規(guī)范化記賬行為，AHP 方法將其評定為綜合AAA 級(其中財(cái)務(wù)等級AAA 級、行為AA 級)，但是加權(quán)迭代聚類方法將其評定為綜合BBB 級(其中財(cái)務(wù)等級BBB 級、行為BBB 級)，說明加權(quán)迭代聚類方法能夠更為真實(shí)地反映企業(yè)的狀況，評價(jià)結(jié)果更為科學(xué)。

第二，評價(jià)過程更客觀。AHP 方法需要專家對三個(gè)層次(兩個(gè)維度、一級指標(biāo)和二級指標(biāo))分別進(jìn)行兩兩指標(biāo)的重要性判斷，因此權(quán)重中包含較大成分的主觀因素，而加權(quán)迭代聚類方法評價(jià)全程根據(jù)數(shù)據(jù)特征進(jìn)行賦權(quán)與聚類，減少人為的主觀干擾，能夠?qū)崿F(xiàn)客觀真實(shí)反映企業(yè)現(xiàn)實(shí)狀況的目的。

五、結(jié)論與建議

(一)研究結(jié)論

本文以443 家批發(fā)和零售業(yè)小微企業(yè)為研究對象，基于企業(yè)行為理論設(shè)計(jì)了由財(cái)務(wù)維度與行為維度構(gòu)成的信用評價(jià)指標(biāo)體系，構(gòu)建熵權(quán)法與迭代聚類方法融合的加權(quán)迭代聚類方法完成對小微企業(yè)的信用評價(jià)。研究結(jié)論主要有:

第一，將行為指標(biāo)融入小微企業(yè)信用指標(biāo)體系，實(shí)現(xiàn)記賬行為反映實(shí)際經(jīng)營活動(dòng)的目的，能夠?qū)ω?cái)務(wù)指標(biāo)起到有效的輔助與驗(yàn)證作用，提高了整個(gè)指標(biāo)體系的實(shí)用性；基于熵權(quán)法的加權(quán)迭代聚類方法相較于AHP 方法，具有評價(jià)結(jié)果更嚴(yán)謹(jǐn)、更科學(xué)和評價(jià)過程更客觀的優(yōu)勢。

第二，在探索性研究的443 家批發(fā)和零售業(yè)小微企業(yè)中，整體綜合信用等級呈正態(tài)分布，沒有最高與最低級別，主要集中于中間級別，表明整體信用風(fēng)險(xiǎn)偏高；財(cái)務(wù)等級整體普遍高于行為等級，表明企業(yè)更為注重財(cái)務(wù)結(jié)果；行為等級表現(xiàn)較差，集中分布于中等偏下的等級，存在非規(guī)范化記賬行為、為粉飾財(cái)務(wù)數(shù)據(jù)而發(fā)生的異常記賬行為等。

(二)發(fā)展建議

當(dāng)前，小微企業(yè)上云已成為發(fā)展的必然趨勢，對小微企業(yè)、云平臺(tái)和云平臺(tái)下小微企業(yè)信用評價(jià)研究都提出了新的要求，為此完善與發(fā)展云平臺(tái)下小微企業(yè)信用評價(jià)具有重要的戰(zhàn)略意義。

第一，對小微企業(yè)而言，一方面，應(yīng)積極響應(yīng)國家號召，推進(jìn)企業(yè)財(cái)務(wù)上云步伐，以提高企業(yè)經(jīng)營管理效率，更大程度享受云服務(wù)及后續(xù)政策的便利與優(yōu)惠；另一方面，財(cái)務(wù)上云后，意味著信息向透明化轉(zhuǎn)變，以粉飾賬簿獲取貸款的方式成為過去式，小微企業(yè)主只有通過加強(qiáng)企業(yè)管理水平、創(chuàng)新企業(yè)經(jīng)營方式、提高企業(yè)競爭力，才能實(shí)現(xiàn)小微企業(yè)的持續(xù)性發(fā)展。在經(jīng)營過程中關(guān)注企業(yè)經(jīng)營績效的同時(shí)，應(yīng)加強(qiáng)記賬行為的規(guī)范性，以免降低信用等級導(dǎo)致銀行不放貸的結(jié)果。

第二，對云平臺(tái)而言，利用其優(yōu)勢向客戶提供優(yōu)質(zhì)服務(wù)是其主要職責(zé)，因此在完成對小微企業(yè)的信用評價(jià)后，除了向小微企業(yè)提供評價(jià)結(jié)果外，應(yīng)同時(shí)提供詳細(xì)的信用評價(jià)報(bào)告，包括但不限于信貸等級、信貸等級影響因素(含財(cái)務(wù)維度、行為維度等)、發(fā)展優(yōu)勢、發(fā)展弱勢、改進(jìn)方向等內(nèi)容，為小微企業(yè)的發(fā)展指明方向，促進(jìn)小微企業(yè)快速發(fā)展。

第三，對社會(huì)而言，云平臺(tái)、銀行、稅務(wù)、工商等部門應(yīng)建立小微企業(yè)信用評價(jià)聯(lián)動(dòng)機(jī)制，形成信息共享、互促共榮的發(fā)展模式。一方面，對來自云平臺(tái)、銀行、稅務(wù)、工商或其他機(jī)構(gòu)的數(shù)據(jù)在確保數(shù)據(jù)安全和保護(hù)商業(yè)機(jī)密的前提下進(jìn)行深度數(shù)據(jù)挖掘，從中提取行業(yè)、市場、企業(yè)相關(guān)的信息，進(jìn)一步設(shè)計(jì)行為指標(biāo)或其他特色指標(biāo)，不斷完善發(fā)展小微企業(yè)信用評價(jià)體系，構(gòu)建多角度、全方位的信用評價(jià)體系。另一方面，信息挖掘與整合對爬蟲技術(shù)、數(shù)據(jù)挖掘技術(shù)以及數(shù)據(jù)分析技術(shù)提出了更高的要求，需要從業(yè)人員做好迎接挑戰(zhàn)的技能準(zhǔn)備。