CN104123656A - 一种基于层次分析法的信用评价方法 - Google Patents

Abstract

本发明公开了一种基于层次分析法的信用评价方法，包括：确定信用评价等级集；确定多层次评价指标，并根据确定的评价指标构建由总体目标层、准则层、判别层和指标层组成的四层次结构的指标评价体系；将指标层的评价指标按实际数、百分比和状态值三种方式确定其的值域；根据评价指标的重要程度和层间结构关系，采用判断矩阵法计算评价指标的权重；根据构成指标要素的信息确定评价指标的值，然后根据评价指标的值采用预设的隶属度函数计算评价指标的隶属度值；采用层次分析法对评价对象的信用等级进行评估。本发明具有客观、科学和准确的优点，可广泛应用于信用评价领域。

Description

一种基于层次分析法的信用评价方法

技术领域

本发明涉及信用评价领域，尤其是一种基于层次分析法的信用评价方法。

背景技术

随着我国经济市场化进程的深入，商业信用在市场经济中扮演着越来越重要的角色。为了维护市场经济秩序、促进市场的健康发展、防范和化解信用风险等，建立一个健全、完善的企业信用评价体系势在必行。

目前的企业信用评级一般采用专家经验判断的主观评价法，评价结果容易受专家的经验、水平和人为主观因素的影响，评价不够客观和准确，而且评价指标设置较为单一，缺乏均衡性，不够科学。

发明内容

为了解决上述技术问题，本发明的目的是：提供一种客观、科学和准确的，基于层次分析法的信用评价方法。

本发明解决其技术问题所采用的技术方案是：一种基于层次分析法的信用评价方法，包括：

S1、确定信用评价等级集，所述信用评价等级集采用100分制，共分为10个等级，分别为AAA级、AA级、A级、BBB级、BB级、B级、CCC级、CC级、C级和D级；

S2、确定多层次评价指标，并根据确定的评价指标构建由总体目标层、准则层、判别层和指标层组成的四层次结构的指标评价体系；

S3、将指标层的评价指标按实际数、百分比和状态值三种方式确定其的值域；

S4、根据评价指标的重要程度和层间结构关系，采用判断矩阵法计算评价指标的权重；

S5、根据构成指标要素的信息确定评价指标的值，然后根据评价指标的值采用预设的隶属度函数计算评价指标的隶属度值；

S6、根据评价指标的权重和评价指标的隶属度值，采用层次分析法对评价对象的信用等级进行评估。

进一步，所述步骤S2，其包括：

S21、根据企业的实际需求和构成指标要素的信息来源，将评价指标划分为监管部门归属指标和行业组织归属指标，从而确定评价指标并根据评价指标的划分构建评价指标信息采集数据库；

S22、根据确定的评价指标构建由总体目标层、准则层、判别层和指标层组成的四层次结构的指标评价体系。

进一步，所述步骤S4，其包括：

S41、运用层次分析法将抽象的指标重要性差异量化成为1～9这9个等级标度，然后根据等级标度对同层的评价指标进行两两比较和判断，得到该层评价指标对于所属上一层评价指标的相对重要性，并按评价指标的相对重要性构建判断矩阵；

S42、对判断矩阵进行一致性检验和一致性修正，从而得到满足一致性条件的判断矩阵；

S43、对满足一致性条件的判断矩阵进行归一处理，从而计算出评价指标的权重。

进一步，所述步骤S42，其包括：

S420、计算判断矩阵的最大特征根和特征向量，然后根据最大特征根和特征向量判断判断矩阵是否满足一致性条件，若是，则以特征向量为评价指标的权重向量，反之，则执行步骤S421；

S421、采用一致性修正算法对判断矩阵的元素进行调整，从而使调整后的判断矩阵满足一致性条件。

进一步，所述步骤S421，其包括：

S4210、计算判断矩阵的转换矩阵，所述判断矩阵A的转换矩阵B=（b_ij）_n×ｎ的计算公式为：

,其中，n为判断矩阵A的阶数，a_ij为判断矩阵A第i行和j列的元素，b_ij为转换矩阵B第i行和j列的元素；

S4211、计算判断矩阵的诱导矩阵，所述判断矩阵A的诱导矩阵C=（c_ij）_n×ｎ的计算公式为：c_ij=b_ij/w_i，其中，w_i为通过和积法求出的权重；

S4212、找出使｜c_ij-1|达到最大值的i,j，并将此时的i，j值记为k,l；

S4213、根据c_kl是否大于1计算新判断矩阵A＇＝(a＇_ij)_n×ｎ的a＇_kl，若c_kl大于1，则a＇_kl的计算公式为：

，其中，Z为大于1的整数集，

反之，则a＇_kl的计算公式为： 

，其中，Z为大于1的整数集；

S4213、令a＇_lk=1/a＇_kl,a＇_ij=a_ij，其中，i,j≠k,l；

S4214、判断新判断矩阵A＇是否满足一致性条件，若是，则以新判断矩阵A＇为调整后的判断矩阵；反之，则用新判断矩阵A＇代替判断矩阵A,然后返回步骤S4210。

进一步，所述步骤S5，其包括：

S51、以构成指标要素的信息作为确定指标值的基础，由采集的信息分别采用绝对数、比率和指数法计算评价指标的值；

S52、根据评价指标的值采用预设的隶属度函数计算评价指标的隶属度值。

进一步，所述步骤S51，其具体为：

根据评价指标的的构成要素信息，采用相对应的指标值计算法对评价指标的值进行计算：若采集的指标信息涉及到以指标的绝对数量来确定指标值，则直接采用绝对数法来确定评价指标的值；若采集的指标信息涉及到以指标两个要素的比值来确定指标值，则采用比率法来确定评价指标的值；若采集的指标信息的多个要素之间不能直接相加时，则采用指数法来计算评价指标的值。

进一步，所述步骤S52，其具体为：

运用隶属度原理，根据评价指标的值采用预设的隶属度函数确定指标层中评价指标值所对应的信用评价等级区间，然后根据评价指标值与信用评价等级所对应的边界值的距离，得到该评价指标与指标边界在区间[0，1]的贴近程度，并以得到的贴近程度作为该评价指标的隶属度值。

进一步，所述步骤S6,其包括：

S61、将最底层指标层的同一父系的各项指标隶属度组合起来得到模糊判断矩阵；

S62、从最底层开始，将模糊判断矩阵与其关联的指标权重向量相乘，得出该父系指标的评价向量；

S63、将同一父系的各个指标关联的指标评价向量组合起来得到该父层的评价向量矩阵；

S64、以更上一层作为最底层返回步骤S62，直至得到总体目标层的评价向量矩阵为止；

S65、将总体目标层的评价向量与信用评价等级集相乘得出信用评价总分，然后根据信用评价总分评定评价对象的信用等级。

本发明的有益效果是：首先构建了由总体目标层、准则层、判别层和指标层组成的四层次结构的指标评价体系，并按实际数、百分比和状态值三种方式确定评价指标的值域；接着以构成指标要素的信息作为确定指标值的基础，由采集的信息通过相关计算公式计算出指标值；然后采用判断矩阵法和隶属度函数计算评价指标的权重和隶属度值；最后再综合运用层次分析法评估出评价对象的信用等级。本方法克服了评价结果容易受专家的经验、水平和主观因素影响的缺点，评价结果更加客观、准确；且采用了多层次评价指标来替代传统的单指标评价体系，更加科学。

附图说明

下面结合附图和实施例对本发明作进一步说明。

图1为本发明一种基于层次分析法的信用评价方法的步骤流程图；

图2为本发明步骤S2的流程图；

图3为本发明步骤是S4的流程图；

图4为本发明步骤是S42的流程图；

图5为本发明步骤是S421的流程图；

图6为本发明步骤是S5的流程图；

图7为本发明步骤是S6的流程图。

具体实施方式

参照图1，一种基于层次分析法的信用评价方法，包括：

S1、确定信用评价等级集，所述信用评价等级集采用100分制，共分为10个等级，分别为AAA级、AA级、A级、BBB级、BB级、B级、CCC级、CC级、C级和D级；

S2、确定多层次评价指标，并根据确定的评价指标构建由总体目标层、准则层、判别层和指标层组成的四层次结构的指标评价体系；

S3、将指标层的评价指标按实际数、百分比和状态值三种方式确定其的值域；

S4、根据评价指标的重要程度和层间结构关系，采用判断矩阵法计算评价指标的权重；

S5、根据构成指标要素的信息确定评价指标的值，然后根据评价指标的值采用预设的隶属度函数计算评价指标的隶属度值；

S6、根据评价指标的权重和评价指标的隶属度值，采用层次分析法对评价对象的信用等级进行评估。

其中，本发明采用分制和划分为多个等级来评定信用等级，以反映企业信守社会诚信原则程度的各信用等级的符号、分值范围及含义。

评价指标可以划分监管部门归属指标和行业组织归属指标，包括企业的管理和发展能力、财税状况、市场行为和社会责任等指标。

参照图2，进一步作为优选的实施方式，所述步骤S2，其包括：

S21、根据企业的实际需求和构成指标要素的信息来源，将评价指标划分为监管部门归属指标和行业组织归属指标，从而确定评价指标并根据评价指标的划分构建评价指标信息采集数据库；

S22、根据确定的评价指标构建由总体目标层、准则层、判别层和指标层组成的四层次结构的指标评价体系。

参照图3，进一步作为优选的实施方式，所述步骤S4，其包括：

S41、运用层次分析法将抽象的指标重要性差异量化成为1～9这9个等级标度，然后根据等级标度对同层的评价指标进行两两比较和判断，得到该层评价指标对于所属上一层评价指标的相对重要性，并按评价指标的相对重要性构建判断矩阵；

S42、对判断矩阵进行满足一致性检验和一致性修正，从而得到满足一致性条件的判断矩阵；

S43、对满足一致性条件的判断矩阵进行归一处理，从而计算出评价指标的权重。

参照图4，进一步作为优选的实施方式，所述步骤S42，其包括：

S420、计算判断矩阵的最大特征根和特征向量，然后根据最大特征根和特征向量判断判断矩阵是否满足一致性条件，若是，则以特征向量为评价指标的权重向量，反之，则执行步骤S421；

S421、采用一致性修正算法对判断矩阵的元素进行调整，从而使调整后的判断矩阵满足一致性条件。

参照图5，进一步作为优选的实施方式，所述步骤S421，其包括：

S4210、计算判断矩阵的转换矩阵，所述判断矩阵A的转换矩阵B=（b_ij）_n×ｎ的计算公式为：

,其中，n为判断矩阵A的阶数，a_ij为判断矩阵A第i行和j列的元素，b_ij为转换矩阵B第i行和j列的元素S4211、计算判断矩阵的诱导矩阵，所述判断矩阵A的诱导矩阵C=（c_ij）_n×ｎ的计算公式为：c_ij=b_ij/w_i，其中，w_i为通过和积法求出的权重；

S4212、找出使｜c_ij-1|达到最大值的i,j，并将此时的i，j值记为k,l；

S4213、根据c_kl是否大于1计算新判断矩阵A＇＝(a＇_ij)_n×ｎ的a＇_kl，若c_kl大于1，则a＇_kl的计算公式为：

，其中，Z为大于1的整数集，

反之，则a＇_kl的计算公式为： 

，其中，Z为大于1的整数集；

S4213、令a＇_lk=1/a＇_kl,a＇_ij=a_ij，其中，i,j≠k,l；

S4214、判断新判断矩阵A＇是否满足一致性条件，若是，则以新判断矩阵A＇为调整后的判断矩阵；反之，则用新判断矩阵A＇代替判断矩阵A,然后返回步骤S4210。

其中，a＇_kl为新判断矩阵A＇中第k行第l列的元素，a＇_lk为新判断矩阵A＇中第l行第k列的元素，且a＇_kl和a＇_lk互为倒数关系。新判断矩阵A＇与原判断矩阵A的区别仅在于，用a＇_kl和a＇_lk代替了a_kl和a_lk。

参照图6，进一步作为优选的实施方式，所述步骤S5，其包括：

S51、根据评价指标采集的信息，通过采用绝对数、比率或指数法计算评价指标的值；

S52、根据评价指标的值采用预设的隶属度函数计算评价指标的隶属度值。

进一步作为优选的实施方式，所述步骤S51，其具体为：

根据每项指标的构成要素，以及这些要素的具体数值是通过信息的采集来获得，并满足值域的要求，采用与采集的指标信息相对应的指标值计算法对评价指标的值进行计算：若采集的指标信息涉及到以指标的绝对数量来确定指标值，则直接采用绝对数法来确定评价指标的值；若采集的指标信息涉及到以指标两个要素的比值来确定指标值，则采用比率法来确定评价指标的值；若采集的指标信息的多个要素之间不能直接相加时，则采用指数法来计算评价指标的值。

进一步作为优选的实施方式，所述步骤S52，其具体为：

运用隶属度原理，根据评价指标的值采用预设的隶属度函数确定指标层中评价指标值所对应的信用评价等级区间，然后根据评价指标值与信用评价等级所对应的边界值的距离，得到该评价指标与指标边界在区间[0，1]的贴近程度，并以得到的贴近程度作为该评价指标的隶属度值。

参照图7，进一步作为优选的实施方式，所述步骤S6,其包括：

S61、将最底层指标层的同一父系的各项指标隶属度组合起来得到模糊判断矩阵；

S62、从最底层开始，将模糊判断矩阵与其关联的指标权重向量相乘，得出该父系指标的评价向量；

S63、将同一父系的各个指标关联的指标评价向量组合起来得到该父层的评价向量矩阵；

S64、以更上一层作为最底层返回步骤S62，直至得到总体目标层的评价向量矩阵为止；

S65、将总体目标层的评价向量与信用评价等级集相乘得出信用评价总分，然后根据信用评价总分评定评价对象的信用等级。下面结合具体实施例对本发明作进一步详细说明。

实施例一

本实施例对本发明的信用评价方法的过程进行介绍。

本发明的信用评价方法，主要涉及评价等级集的确定、指标的确定、指标体系结构、指标值域的确定、指标权重的计算、指标值的计算、指标信用隶属度和信用评级计算等方法的改进。

一、确定评价等级集

确定评价等级集时，信用等级评定采用分制和划分为多个等级，用于反映企业信守社会诚信原则程度的各信用等级符号、分值范围及含义。在本发明中，记确定的评价等级数学集合为U，信用等级评定采用100分制，共划分为10个等级，U＝{AAA，AA，A，BBB，BB，B，CCC，CC，C，D}。

二、确定指标体系

确定指标体系主要包括指标的确定和指标体系结构的构建。

（一）指标的确定

本发明根据小微企业的现实需求，以及构成指标要素的信息来源的不同，将评价指标划分为监管部门归属指标和行业组织归属指标，共确定了多类的评价指标并建立起指标信息采集数据库。本发明通过与相关部门反复研讨论证或广泛征询专家意见的方式完善评价指标，使评价指标尽可能全面、准确和均衡。监管部门归属指标是指由地方政府相关监管部门提供的对企业监管的信息，行业组织归属指标是行业组织（或协会）汇集的由企业主动提供的反应企业能力和信誉的信息。依据这一划分，本发明形成了对企业信用信息不同的采集方式，从而确保了信息采集的可行性，使评价结果能够更加客观和准确。

（二）指标体系结构的构建

本发明运用了定性与定量分析相结合的综合层次分析法，首先根据评价指标构建多层结构的指标体系。在构建过程中，本发明对指标的分类细化进行了改进，并兼顾各层指标数量的均衡性，将有关纳税方面的指标归入“企业财税状况”，将原“企业社会责任”有关的产品质量、环保、公平运营、交易行为、投诉举报等方面的指标归入“企业市场行为”，从而缩少“企业社会责任”的指标范围。本发明共构建了包含总体目标层、准则层、判别层和指标层的四层指标体系结构。准则层，包括企业管理和发展能力、财税状况、市场行为、社会责任等指标。在判别层中，企业管理和发展能力包含经营管理基础、人力资源素质、品牌与荣誉、科技创新能力等指标；财税状况含资金运营、国税纳税、地税纳税等指标；市场行为含产品质量、环境保护、公平运营、交易行为、投诉举报等指标；社会责任含职业健康及安全、员工福利及社会保障、其他社会责任等指标。本发明还结合相关法律法规和行业的实际情况，设定了多项指向性评价指标，使信用评价体系发挥引导企业遵纪守法的作用。

三、确定指标值域

指标层的各项指标的值域，是指指标的理想值和最低值的范围。本发明充分考虑了法律法规的规定，设计了实际数、百分比和状态值三种指标值域设定方法。

四、确定指标权重

确定指标权重主要涉及构造判断矩阵、矩阵一致检验和修正、指标权重确定这三个过程。

（一）构造判断矩阵

本发明首先运用层次分析法（AHP法）将抽象的指标重要性差异量化为1～9的等级标度，运用该标度法由政府监管部门业务、行业协会人员和行业从业员等专家对同层的评价指标进行两两比较和判断，从而得出该层次各项指标对于所属上一层次指标相对重要性，并根据指标的重要程度构建判断矩阵。

（二）判断矩阵一致检验和修正

专家给出的判断矩阵很难满足完全一致性条件，故本发明还增加了对指标的权重向量作满足一致性检验的过程：对判断矩阵计算最大特征根和特征向量，并根据最大特征根和特征向量作一致性检验，若一致性检验通过，则该特征向量为权向量。

当判断矩阵不具有满足一致性时，本发明设计了一种判断矩阵一致性修正的方法，通过判断矩阵的诱导矩阵，来对判断矩阵的元素进行调整，从而使判断矩阵达到满足一致性。

（三）指标权重确定

在判断矩阵满足一致性条件的前提下，本发明通过对判断矩阵进行归一处理后计算出指标的权重。

五、确定指标信用隶属度

确定指标信用隶属度主要包括指标值的确定和隶属度值计算的过程。

（一）指标值的确定

本发明在对指标值进行确定时，以构成指标要素的信息作为确定指标值的基础。指标值由采集的信息通过相关计算公式计算出。本发明设计了三类四种的计算方法：

1）绝对数——直接以涉及指标的绝对数量来确定指标值。

2）比率——以涉及指标的两个要素的比值来确定指标值。

3）指数——当涉及指标的多个要素之间不能直接相加或相比时，采用计算指数的方法来确定指标值。计算指数的基本公式有两种：

第一种指数公式是以三个要素中的某一个数为基数，将其他数与其进行比较，按各数的重要性得出相应的系数，从而将不能相加的三个数转化为可以相加的数。

第二种指数公式用于计算违法指数，根据违法行为总次数、违法行为被处罚金额累计总数和相关法律法规确定其具体取值。

另外，按指标所反映的行为性质的不同，本发明将评价指标划分为良好行为指标和不良行为指标。依据这一划分，本发明形成了在指标值的确定过程中存在信息采集缺项时对指标取值的处理方法。

（二）隶属度值的计算

本发明运用隶属度原理，通过预设的设隶属度函数确定指标层中各项指标值所对应的信用评价等级区间，然后根据指标值与信用评价等级所对应的边界值的距离，得到该指标与指标边界在区间[0，1]的贴近程度，并以该贴近程度值作为该指标隶属度值。

六、评级对象信用评估

本发明的信用评估过程为：从最底层开始，将同父系的各项指标隶属度组合起来得到模糊判断矩阵，然后将该模糊判断矩阵与与其关联的指标权重构成的向量相乘，得出该父系指标的评价向量；接着将父系同一层的各个指标关联的指标评价向量组合起来得到该父层评价向量矩阵；重复上述步骤得到更上一层，直到最高层-总体目标层的评价向量矩阵；再接着用总体目标层的评价向量与评价等级集合相乘得出信用评价总分，然后检查相关指向性指标的要求，最后评定受评企业的信用级别。

实施例二

本实施例对指标值的确定过程进行举例说明。

本发明对指标值进行确定时，首先考虑了每项指标的构成要素，以及这些要素的具体数值是否能通过信息的采集来获得，并满足值域的要求。为此，本发明采用了每项指标由采集的信息来计算指标值的方法，并具体设计了如下三种类型的计算方法：

1）绝对数——直接以涉及指标的绝对数量来确定指标值。如涉及指标按状

态取值，“有”则取1，“无”则取0。再如经营场所，其指标值以企业是否有经营场所确定，有则取1，无则取0。

2）比率——以涉及指标的两个要素x₁和x₂的比值来确定指标值，指标值N_Di的计算公式为：

N_Di=(x_1÷x_{2)×100%  。}

例如，计算借贷不良率指标值时，x₁为企业贷款总额；x₂为企业不良贷款总额。

3）指数——当涉及指标的多个要素之间不能直接相加或相比时，采用计算

指数的方法来确定指标值。计算指数的基本公式有两种：

N_Di=(ax_1+bx_2+cx_{3)÷A×100% ；}

N_Di=(x_1/3+x_2/mx_{1)×100% 。}

其中，第一种指数公式，是以三个要素中的第一个x₁ 作基数，将x₂、x₃ 与x₁相比较，按各数的重要性得出系数a/A、b/A、c/A，从而将不能相加的三个数转化为可以相加的数。

如：专利授权指数按下面公式计算：

N_Di=(3x₁₊₂x₂₊x_{3)÷3×100% ，}

式中：

x₁为有效期内企业获得的发明专利数；

x₂为有效期内企业获得的实用新型专利数；

x₃为有效期内企业获得的外观设计专利数。

第二种指数公式用于计算违法指数，其中x₁代表违法行为总次数，x₂代表

违法行为被处罚金额累计总数（单位万元），m代表违法最大处罚金额（单位万元），其具体取值根据相关法律法规确定。如按照专利法，一般最大处罚金额为20万元，则m=20。运用第二种指数公式应满足以下条件：₍x_1/3+x_2/(mx_{1))≤100%，}

即违法次数为3次时，不能有处罚金额；违法次数为2次或1次时，处罚金额累计总数不能大于m的2/3。

例如国税税收违法指标值按下面公式计算：N_Di=(x_1/3+x_2/(5x_1))×100%。

式中：

x₁为近三年企业发生国税税收违法行为总次数；

x₂为近三年企业发生国税税收违法行为被处罚金额累计总数。

实施例三

本实施例对本发明判断矩阵的一致性修正算法进行说明。

判断矩阵是否具有满足的一致性是接影响到由此判断矩阵得到的排序向量是否能真实地反映各比较方案之间的客观排序。

当判断矩阵A的特征根CR≥0.1时,认为判断矩阵A不符合随机一致性指标,必需进行调整和修正。

修正步骤为：

a、计算判断矩阵的转换矩阵，所述判断矩阵A的转换矩阵B=（b_ij）_n×ｎ的计算公式为：

，其中，n为判断矩阵A的阶数，a_ij为判断矩阵A第i行和j列的元素，b_ij为转换矩阵B第i行和j列的元素；

b、计算判断矩阵的诱导矩阵，所述判断矩阵A的诱导矩阵C=（c_ij）_n×ｎ的计算公式为：c_ij=b_ij/w_i，其中，w_i为通过和积法求出的权重；

c、找出使｜c_ij-1|达到最大值的i,j，并将此时的i，j值记为k,l；

d、根据c_kl是否大于1计算新判断矩阵A＇＝(a＇_ij)_n×ｎ的a＇_kl，若c_kl大于1，则a＇_kl的计算公式为：

，其中，Z为大于1的整数集，

反之，则a＇_kl的计算公式为： 

，其中，Z为大于1的整数集；

e、令a＇_lk=1/a＇_kl,a＇_ij=a_ij，其中，i,j≠k,l；

f、判断新判断矩阵A＇是否满足一致性条件，若是，则以新判断矩阵A＇为求得的具有满足一致性的判断矩阵；反之，则用新判断矩阵A＇代替判断矩阵A,然后返回步骤a。

下面以实际例子对上述过程进行说明。

设判断矩阵,CR（A）＝0.1606>0.1，A不满足一致性条件；此时，修正的过程为：

a)归一化处理，得矩阵B；

b)通过“和积法”求得的权重W：

c)求出判断矩阵A的诱导矩阵C：

C中偏离1最大的元素为c₃₂=1.6191＞1，且a₃₂=2，则a＇₂₃＝２－１＝１，从而可得：

，此时CR（A＇）＝0.0281<0.1，A＇具有满足一致性。

实施例四

本实施例对本发明的评价计算过程进行介绍。

本发明的评价计算过程主要包括求模糊判断矩阵、求评价向量、确定信用等级评级向量和结果计算这四个过程。

（一）求模糊判断矩阵

从最底层开始，将同父系的各项指标隶属度组合起来就可得到模糊判断矩阵R。

例如，根据判别层C关联的指标层D中的各项指标数据分别建立模糊判断矩阵R(Ci)：

，

式中，R(Ci)为根据判别层C中的每项指标的关联指标（即指标层D的指标）构成的模糊矩阵，r_ij为与Ci关联的指标层的指标数值构成的i×j阶矩阵，其中j代表每个信用等级，即j=1、2、3…。

（二）求评价向量

模糊判断矩阵R与其关联的指标权重构成的向量W相乘，得出该父系指标的评价向量θ,即：

θ=W．R。

例如：

1、判别层C评价向量按下式计算：

C_i=W_Di．R_(Ci)＝[W_D1 W_D2  W_D3]．R(Ci)，式中，Ci为判别层C中第i个指标的评价向量，Di为与判别层C中第i个指标关联的指标层D中各项指标权重构成的行向量。

2、准则层B评价向量按下式计算

，式中，Bi为准则层B中第i个指标的评价向量，W_Ci为与准则层C中第i个指标关联的指标层C中各项指标权重构成的行向量，Ci为准则层C中第i个指标的评价向量。

3、总体目标层A评价向量按下式计算

。

本发明与现有技术相比，首先构建了由总体目标层、准则层、判别层和指标层组成的四层次结构的指标评价体系，并按实际数、百分比和状态值三种方式确定评价指标的值域；接着以构成指标要素的信息作为确定指标值的基础，由采集的信息通过相关计算公式计算出指标值；然后采用判断矩阵法和隶属度函数计算评价指标的权重和隶属度值；最后再综合运用层次分析法评估出评价对象的信用等级。本发明克服了评价结果容易受专家的经验、水平和主观因素影响的缺点，评价结果更加客观、准确；且采用了多层次评价指标来替代传统的单指标评价体系，更加科学。

以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (9)

1.一种基于层次分析法的信用评价方法，其特征在于：包括：

S1、确定信用评价等级集，所述信用评价等级集采用100分制，共分为10个等级，分别为AAA级、AA级、A级、BBB级、BB级、B级、CCC级、CC级、C级和D级；

S2、确定多层次评价指标，并根据确定的评价指标构建由总体目标层、准则层、判别层和指标层组成的四层次结构的指标评价体系；

S3、将指标层的评价指标按实际数、百分比和状态值三种方式确定其的值域；

S4、根据评价指标的重要程度和层间结构关系，采用判断矩阵法计算评价指标的权重；

S5、根据构成指标要素的信息确定评价指标的值，然后根据评价指标的值采用预设的隶属度函数计算评价指标的隶属度值；

S6、根据评价指标的权重和评价指标的隶属度值，采用层次分析法对评价对象的信用等级进行评估。

2.根据权利要求1所述的一种基于层次分析法的信用评价方法，其特征在于：所述步骤S2，其包括：

S21、根据企业的实际需求和构成指标要素的信息来源，将评价指标划分为监管部门归属指标和行业组织归属指标，从而确定评价指标并根据评价指标的划分构建评价指标信息采集数据库；

S22、根据确定的评价指标构建由总体目标层、准则层、判别层和指标层组成的四层次结构的指标评价体系。

3.根据权利要求2所述的一种基于层次分析法的信用评价方法，其特征在于：所述步骤S4，其包括：

S41、运用层次分析法将抽象的指标重要性差异量化成为1～9这9个等级标度，然后根据等级标度对同层的评价指标进行两两比较和判断，得到该层评价指标对于所属上一层评价指标的相对重要性，并按评价指标的相对重要性构建判断矩阵；

S42、对判断矩阵进行一致性检验和一致性修正，从而得到满足一致性条件的判断矩阵；

S43、对满足一致性条件的判断矩阵进行归一处理，从而计算出评价指标的权重。

4.根据权利要求3所述的一种基于层次分析法的信用评价方法，其特征在于：所述步骤S42，其包括：

S420、计算判断矩阵的最大特征根和特征向量，然后根据最大特征根和特征向量判断判断矩阵是否满足一致性条件，若是，则以特征向量为评价指标的权重向量，反之，则执行步骤S421；

S421、采用一致性修正算法对判断矩阵的元素进行调整，从而使调整后的判断矩阵满足一致性条件。

5.根据权利要求2所述的一种基于层次分析法的信用评价方法，其特征在于：所述步骤S421，其包括：

S4210、计算判断矩阵的转换矩阵，所述判断矩阵A的转换矩阵B=（b_ij）_n×ｎ的计算公式为：

,其中，n为判断矩阵A的阶数，a_ij为判断矩阵A第i行和j列的元素，b_ij为转换矩阵B第i行和j列的元素；

S4211、计算判断矩阵的诱导矩阵，所述判断矩阵A的诱导矩阵C=（c_ij）_n×ｎ的计算公式为：c_ij=b_ij/w_i，其中，w_i为通过和积法求出的权重；

S4212、找出使｜c_ij-1|达到最大值的i,j，并将此时的i，j值记为k,l；

S4213、根据c_kl是否大于1计算新判断矩阵A＇＝(a＇_ij)_n×ｎ的a＇_kl，若c_kl大于1，则a＇_kl的计算公式为：

，其中，Z为大于1的整数集，

反之，则a＇_kl的计算公式为： 

，其中，Z为大于1的整数集；

S4213、令a＇_lk=1/a＇_kl,a＇_ij=a_ij，其中，i,j≠k,l；

S4214、判断新判断矩阵A＇是否满足一致性条件，若是，则以新判断矩阵A＇为调整后的判断矩阵；反之，则用新判断矩阵A＇代替判断矩阵A,然后返回步骤S4210。

6.根据权利要求5所述的一种基于层次分析法的信用评价方法，其特征在于：所述步骤S5，其包括：

S51、以构成指标要素的信息作为确定指标值的基础，由采集的信息分别采用绝对数、比率和指数法计算评价指标的值；

S52、根据评价指标的值采用预设的隶属度函数计算评价指标的隶属度值。

7.根据权利要求6所述的一种基于层次分析法的信用评价方法，其特征在于：所述步骤S51，其具体为：

根据评价指标的构成要素信息，采用相对应的指标值计算法对评价指标的值进行计算：若采集的指标信息涉及到以指标的绝对数量来确定指标值，则直接采用绝对数法来确定评价指标的值；若采集的指标信息涉及到以指标两个要素的比值来确定指标值，则采用比率法来确定评价指标的值；若采集的指标信息的多个要素之间不能直接相加时，则采用指数法来计算评价指标的值。

8.根据权利要求7所述的一种基于层次分析法的信用评价方法，其特征在于：所述步骤S52，其具体为：

运用隶属度原理，根据评价指标的值采用预设的隶属度函数确定指标层中评价指标值所对应的信用评价等级区间，然后根据评价指标值与信用评价等级所对应的边界值的距离，得到该评价指标与指标边界在区间[0，1]的贴近程度，并以得到的贴近程度作为该评价指标的隶属度值。

9.根据权利要求8所述的一种基于层次分析法的信用评价方法，其特征在于：所述步骤S6,其包括：

S61、将最底层指标层的同一父系的各项指标隶属度组合起来得到模糊判断矩阵；

S62、从最底层开始，将模糊判断矩阵与其关联的指标权重向量相乘，得出该父系指标的评价向量；

S63、将同一父系的各个指标关联的指标评价向量组合起来得到该父层的评价向量矩阵；

S64、以更上一层作为最底层返回步骤S62，直至得到总体目标层的评价向量矩阵为止；

S65、将总体目标层的评价向量与信用评价等级集相乘得出信用评价总分，然后根据信用评价总分评定评价对象的信用等级。