CN107437151A - 企业信用评级方法 - Google Patents

企业信用评级方法 Download PDF

Info

Publication number
CN107437151A
CN107437151A CN201710669426.XA CN201710669426A CN107437151A CN 107437151 A CN107437151 A CN 107437151A CN 201710669426 A CN201710669426 A CN 201710669426A CN 107437151 A CN107437151 A CN 107437151A
Authority
CN
China
Prior art keywords
index
scoring
capacity
ability
total score
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710669426.XA
Other languages
English (en)
Inventor
徐慧囝
丁建文
初钰杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Limited By Share Ltd Credit Service
Original Assignee
Limited By Share Ltd Credit Service
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Limited By Share Ltd Credit Service filed Critical Limited By Share Ltd Credit Service
Priority to CN201710669426.XA priority Critical patent/CN107437151A/zh
Publication of CN107437151A publication Critical patent/CN107437151A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/03—Credit; Loans; Processing thereof

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Technology Law (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明揭示了一种企业信用评级方法：步骤1、量化能力指标权重，能力指标包括行业发展性指标、核心团队素质指标、规范性与风险性、实力规模、偿债能力、盈利能力、运营能力、成长能力、技术与创新能力和市场与渠道指标；步骤2、量化细节指标权重；步骤3、针对企业的每项能力指标和每项细节指标评分；步骤4、累加每项能力指标权重与相应指标评分的乘积获得能力指标总分，累加每项细节指标权重与相应指标评分的乘积获得细节指标总分，企业信用分数＝能力指标总分+细节指标总分。本发明将非财务指标的描述性语言转化成分数,采用了定量研究的办法将所有指标纳入到统一的评价标准中。最终形成的中小企业信用评级模型为银行提供了将主观判断降低到最低的评级方法,可以采用这种思路对该类企业进行公正客观的信用评价。

Description

企业信用评级方法
技术领域
本发明涉及企业信用评级方法，尤其涉及中小企业信用评级的方法。
背景技术
企业信用评级模型主要分为以下几类：
1、信用风险的定量分析
该方法以企业财务数据出发，依据统计模型和大数定律对财务数据进行建 模分析最终评价一个企业的信用状况。代表人物有Altman的Z-Score模型，该 模型将33家破产公司作为研究样本，通过选取22项最能反映企业经营状况的 财务比率形成线性模型，该模型后来被Altman再次改进并建立改进的Zeta判 别分析模型。Ohlson首次提出Logit分析可应用于信用风险评估，改模型以105 家破产公司及2058家正常公司作为研究对象，其结果证明Logit分析具有较高 正确率。
2、信用等级的指标体系分析
该方法主要对影响信用等级的因子进行排序，比较著名的有Gentry对8个 现金流量相关变量：CFO、营运资金、融资、固定资产净值、资本支出、股利、 其他资产与负债的资金流量，该模型用于破产与预测违约概率，实证结果表明 CFO无法改善整体分类准确度，但是现金股利的减少对财务危机具有较为显著的 预测能力。2005年邹小凡提出不仅要选择财务指标还要采用企业管理、人才资 源、制度架构、历史记录、企业所处行业等指标作为全面考察企业信用状况的 因素。
3、信用等级的预测研究
该领域中主要方法基于对标普、穆迪和惠誉评级方法的研究和评价， Pinches&Mingo首先使用因素分析与区别分析来预测发行债券的信用等级，通过 利用因素分析法将众多观察变量缩减为几个相互独立的重要因素再建立区别模 型，验证了穆迪预测的65％准确率。
当今主流的信用评级方法主要面向对象为上市公司，在中小企业的信用评 级层面现有模型表现不尽如人意。其最主要原因是中小企业披露的财务指标无 法客观的反应企业财务现状，而财务指标作为唯一定量分析的数据来源如果真 实性得不到保证必将给评级结果的客观公正性大打折扣。
发明内容
本发明所要解决的技术问题是实现一种能够准确可靠的为中小企业进行信 用评级的方法。
为了实现上述目的，本发明采用的技术方案为：企业信用评级方法：
步骤1、量化能力指标权重，能力指标包括行业发展性指标、核心团队素质 指标、规范性与风险性、实力规模、偿债能力、盈利能力、运营能力、成长能 力、技术与创新能力和市场与渠道指标；
步骤2、量化细节指标权重；
步骤3、针对企业的每项能力指标和每项细节指标评分；
步骤4、累加每项能力指标权重与相应指标评分的乘积获得能力指标总分， 累加每项细节指标权重与相应指标评分的乘积获得细节指标总分，企业信用分 数＝能力指标总分+细节指标总分。
所述步骤1量化指标权重后，对权重指标进行一致性检验。
所述能力指标总分为0.1203*行业发展性评分+0.033*核心团队素质评分 +0.0211*规范性与风险性评分+0.0211*实力规模评分+0.2957*偿债能力评分+0.1590*盈利能力评分+0.0886*运营能力评分+0.2007*成长能力评分+0.0211* 技术与创新评分+0.0397*市场与渠道评分。
所述能力指标采用专家法细分若干三级指标，三级指标的权重可以参照以 上方法赋予，每个三级指标都是逻辑型数据。
本专利采用AHP层次分析法,以50家上市中小企业年财务报表为样本,从企 业中遴选出了10项财务指标和非财务指标建立了中小企业信用评级定量研究模 型,并确定了权重,通过了一致性检验。由于中小企业经营中存在较大的自主性, 企业的非财务指标能够较全面、科学的反应企业经营情况,所以引入非财务指标 参与信用评级是很重要的,但是由于这些“软指标”很难建立量化指标体系,本 专利将非财务指标的描述性语言转化成分数,采用了定量研究的办法将所有指 标纳入到统一的评价标准中。最终形成的中小企业信用评级模型为银行提供了 将主观判断降低到最低的评级方法,可以采用这种思路对该类企业进行公正客 观的信用评价。
具体实施方式
中小企业信用评级的应用一般需要使用该模型进行分析时,必须选择100家 以上的企业数据，从而保证比较的准确性。
我们认为我国中小企业信用评级的指标体系由三层构成：第一层决策层， 用来甄别企业信用好坏；第二层是能力指标层，判断企业的“底子”、“面子” 和“日子”；第三层是细节指标，用来支持二级指标。因此可以利用层次分析法 来确定各个指标的权重；同时层次分析法中所需的原始数据是在理论研究的基 础上，根据信用评级工作的对采集数据的分析获得的判断矩阵的值。具体实施 步骤流程如下：
步骤1、我们认为可以对企业信用状况进行相对全面的量化分析的指标主要 有：行业发展性指标、核心团队素质指标、规范性与风险性、实力规模、偿债 能力、盈利能力、运营能力、成长能力、技术与创新能力和市场与渠道指标。 相对于中小企业信用评级指标体系这个总目标来说，其一级指标层内各个指标 的重要性分别进行两两比较，其中1代表相同重要，9代表非常重要，得到相对 重要性矩阵，即判断矩阵C-A，见下表所示
C A1 A2 A3 A4 A5 A6 A7 A8 A9 A10
A1 1.00 5.00 6.00 6.00 0.25 0.50 2.00 0.50 6.00 5.00
A2 0.20 1.00 2.00 2.00 0.13 0.17 0.25 0.14 2.00 1.00
A3 0.17 0.50 1.00 1.00 0.11 0.14 0.20 0.13 1.00 0.50
A4 0.17 0.50 1.00 1.00 0.11 0.14 0.20 0.13 1.00 0.50
A5 4.00 8.00 9.00 9.00 1.00 3.00 5.00 2.00 9.00 8.00
A6 2.00 6.00 7.00 7.00 0.33 1.00 3.00 0.50 7.00 6.00
A7 0.50 4.00 5.00 5.00 0.20 0.33 1.00 0.33 5.00 4.00
A8 2.00 7.00 8.00 8.00 0.50 2.00 3.00 1.00 8.00 7.00
A9 0.17 0.50 1.00 1.00 0.11 0.14 0.20 0.13 1.00 0.50
A10 0.20 1.00 2.00 2.00 0.33 0.13 0.25 0.17 2.00 1.00
根据C-A判别矩阵做归一化处理，得到：
C A1 A2 A3 A4 A5 A6 A7 A8 A9 A10
A1 0.10 0.15 0.14 0.14 0.08 0.07 0.13 0.10 0.14 0.15
A2 0.02 0.03 0.05 0.05 0.04 0.02 0.02 0.03 0.05 0.03
A3 0.02 0.01 0.02 0.02 0.04 0.02 0.01 0.02 0.02 0.01
A4 0.02 0.01 0.02 0.02 0.04 0.02 0.01 0.02 0.02 0.01
A5 0.38 0.24 0.21 0.21 0.33 0.40 0.33 0.40 0.21 0.24
A6 0.19 0.18 0.17 0.17 0.11 0.13 0.20 0.10 0.17 0.18
A7 0.05 0.12 0.12 0.12 0.07 0.04 0.07 0.07 0.12 0.12
A8 0.19 0.21 0.19 0.19 0.16 0.26 0.20 0.20 0.19 0.21
A9 0.02 0.01 0.02 0.02 0.04 0.02 0.01 0.02 0.02 0.01
A10 0.02 0.03 0.05 0.05 0.11 0.02 0.02 0.03 0.05 0.03
对判断矩阵特征向量，向量W＝(W1，W2，W3，W4，W5，W6，W7，W8，W9，W10)做归 一化处理，求出特征向量W’，得到：
指标 名称 权重Wi
A1 行业发展性 0.120282
A2 核心团队素质 0.032953
A3 规范性与风险性 0.021051
A4 实力规模 0.021051
A5 偿债能力 0.295715
A6 盈利能力 0.158963
A7 运营能力 0.088585
A8 成长能力 0.200699
A9 技术与创新 0.021051
A10 市场与渠道 0.039651
确定权重后，需要进行一致性检验，通过查表可知RI＝1.49，CR＝CI/CR＝0.040431＜0.1，因此通过一致性检 验。若CR＞0.1则需重新调整判断矩阵。对每个一级指标单一准则下的二级指标 之间，确定其相对的权重。
为了提高准确性，在获取权重需要进行一致性检验，
通过查表(平均随机一致性指标表)可知Rl＝1.49
CR＝CI/RI＝0.040431＜0.1，因此通过一致性检验。若CR＞0.1则需重 新调整判断矩阵，对每个一级指标单一准则下的二级指标之间，确定其相对的 权重。CI：Consistency lndex(一致性指标)RI：Random Index(随机性指标) CR：Consistency Ratio(随机一致性比率)。
步骤2、根据层次分析法中二级指标相对于总目标的组合权重的计算公式算 出各个二级指标相对于中小企业信用评级指标体系的权重。
二级指标如下表：
步骤3：:针对企业的每项能力指标和每项细节指标评分。
步骤4、将信用等级转化为分数：将各个一级指标和二级指标相对于总目标 的权重用百分制计分法转化为指标体系内的权数。具体做法是将总目标中小企 业信用等级满分设为100分，再用各指标的权重乘以100转换成百分制权数， 最终得到企业信用评分
能力指标(一级指标)总分＝0.1203*行业发展性+0.033*核心团队素质 +0.0211*规范性与风险性+0.0211*实力规模+0.2957*偿债能力+0.1590*盈利能 力+0.0886*运营能力+0.2007*成长能力+0.0211*技术与创新+0.0397*市场与渠 道
其中每个二级指标下可以采用专家法细分若干三级指标，三级指标的权重 可以参照以上方法赋予，每个三级指标都是逻辑型数据，因此可以减少主观判 断性。
最后,本专利提供的中小企业信用评级模型存在一定的局限性,虽然经过企 业遴选、指标筛选、数据分析、一致性检验等环节,目前形成的中小企业信用评 级模型具有一定的适用性。但是由于中小企业所处行业特点各有不同且数据采 集中存在诸多限制,目前这套方法主要提供银行对中小企业评级的解决思路,另 外信用评级过程中应该选用的财务指标和非财务指标也不尽相同,所以本专利 中提供的信用评级指标是依照一般企业设定的,对于商贸型企业和生产型企业 在使用时需要区分对待。
实现银行资金的高效配置，解决银行在中小企业贷款过程中遇到的痛点。 实践过程中由于中小企业的行业特点不同,信用评级过程中应该选用的财务指 标和非财务指标也不尽相同,所以本专利中提供的信用评级指标是依照一般企 业设定的,专门行业在使用时需要做出调整。
上面文对本发明进行了示例性描述，显然本发明具体实现并不受上述方式 的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进， 或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的 保护范围之内。

Claims (4)

1.企业信用评级方法，其特征在于：
步骤1、量化能力指标权重，能力指标包括行业发展性指标、核心团队素质指标、规范性与风险性、实力规模、偿债能力、盈利能力、运营能力、成长能力、技术与创新能力和市场与渠道指标；
步骤2、量化细节指标权重；
步骤3、针对企业的每项能力指标和每项细节指标评分；
步骤4、累加每项能力指标权重与相应指标评分的乘积获得能力指标总分，累加每项细节指标权重与相应指标评分的乘积获得细节指标总分，企业信用分数＝能力指标总分+细节指标总分。
2.根据权利要求1所述的企业信用评级方法，其特征在于：所述步骤1量化指标权重后，对权重指标进行一致性检验。
3.根据权利要求1或2所述的企业信用评级方法，其特征在于：所述能力指标总分为0.1203*行业发展性评分+0.033*核心团队素质评分+0.0211*规范性与风险性评分+0.0211*实力规模评分+0.2957*偿债能力评分+0.1590*盈利能力评分+0.0886*运营能力评分+0.2007*成长能力评分+0.0211*技术与创新评分+0.0397*市场与渠道评分。
4.根据权利要求3所述的企业信用评级方法，其特征在于：所述能力指标采用专家法细分若干三级指标，三级指标的权重可以参照以上方法赋予，每个三级指标都是逻辑型数据。
CN201710669426.XA 2017-08-08 2017-08-08 企业信用评级方法 Pending CN107437151A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710669426.XA CN107437151A (zh) 2017-08-08 2017-08-08 企业信用评级方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710669426.XA CN107437151A (zh) 2017-08-08 2017-08-08 企业信用评级方法

Publications (1)

Publication Number Publication Date
CN107437151A true CN107437151A (zh) 2017-12-05

Family

ID=60460445

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710669426.XA Pending CN107437151A (zh) 2017-08-08 2017-08-08 企业信用评级方法

Country Status (1)

Country Link
CN (1) CN107437151A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108564465A (zh) * 2018-05-03 2018-09-21 上海第二工业大学 一种企业信用管理方法
CN108629507A (zh) * 2018-05-03 2018-10-09 上海第二工业大学 一种企业信用管理系统
CN109102391A (zh) * 2018-08-14 2018-12-28 深圳市人民政府金融发展服务办公室 金融机构评级方法、装置及计算机可读存储介质
CN109636242A (zh) * 2019-01-03 2019-04-16 深圳壹账通智能科技有限公司 企业评分方法、装置、介质及电子设备
CN109829812A (zh) * 2018-12-24 2019-05-31 重庆生产力促进中心 基于大数据的科技信用评价贷款系统及方法
CN110991892A (zh) * 2019-12-04 2020-04-10 昆明电力交易中心有限责任公司 一种基于财务信息和交易行为的售电公司信用评级方法
CN111091276A (zh) * 2019-12-04 2020-05-01 苏宁金融科技(南京)有限公司 企业风险评分方法、装置、计算机设备和存储介质
CN111178744A (zh) * 2019-12-25 2020-05-19 东方微银科技(北京)有限公司 一种分配方法、装置、设备及存储介质
CN111460260A (zh) * 2020-03-31 2020-07-28 上海智芝全智能科技有限公司 多类型数据的数据处理系统、方法及介质
CN112766788A (zh) * 2021-01-29 2021-05-07 北京明略软件系统有限公司 高新技术企业评价方法、系统、计算机设备及存储介质
CN113487410A (zh) * 2021-07-06 2021-10-08 建信金融科技有限责任公司 一种授信管理方法、装置、电子设备及计算机可读介质
CN115470251A (zh) * 2022-08-23 2022-12-13 陕西天诚软件有限公司 一种大数据分析展示装置
CN118014719A (zh) * 2024-04-08 2024-05-10 南京启尚数字科技有限公司 一种基于线性回归模型的企业信用智能分析方法和系统

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108564465A (zh) * 2018-05-03 2018-09-21 上海第二工业大学 一种企业信用管理方法
CN108629507A (zh) * 2018-05-03 2018-10-09 上海第二工业大学 一种企业信用管理系统
CN109102391A (zh) * 2018-08-14 2018-12-28 深圳市人民政府金融发展服务办公室 金融机构评级方法、装置及计算机可读存储介质
CN109829812A (zh) * 2018-12-24 2019-05-31 重庆生产力促进中心 基于大数据的科技信用评价贷款系统及方法
CN109636242A (zh) * 2019-01-03 2019-04-16 深圳壹账通智能科技有限公司 企业评分方法、装置、介质及电子设备
CN111091276A (zh) * 2019-12-04 2020-05-01 苏宁金融科技(南京)有限公司 企业风险评分方法、装置、计算机设备和存储介质
CN110991892A (zh) * 2019-12-04 2020-04-10 昆明电力交易中心有限责任公司 一种基于财务信息和交易行为的售电公司信用评级方法
CN111178744A (zh) * 2019-12-25 2020-05-19 东方微银科技(北京)有限公司 一种分配方法、装置、设备及存储介质
CN111460260A (zh) * 2020-03-31 2020-07-28 上海智芝全智能科技有限公司 多类型数据的数据处理系统、方法及介质
CN112766788A (zh) * 2021-01-29 2021-05-07 北京明略软件系统有限公司 高新技术企业评价方法、系统、计算机设备及存储介质
CN113487410A (zh) * 2021-07-06 2021-10-08 建信金融科技有限责任公司 一种授信管理方法、装置、电子设备及计算机可读介质
CN115470251A (zh) * 2022-08-23 2022-12-13 陕西天诚软件有限公司 一种大数据分析展示装置
CN118014719A (zh) * 2024-04-08 2024-05-10 南京启尚数字科技有限公司 一种基于线性回归模型的企业信用智能分析方法和系统

Similar Documents

Publication Publication Date Title
CN107437151A (zh) 企业信用评级方法
Amin et al. It’s who you know that counts: Board connectedness and CSR performance
Gyan et al. Diversification strategy, efficiency, and firm performance: Insight from emerging market
Kallberg et al. The value of private sector business credit information sharing: the US case
Kim et al. Impact of ethical behavior on syndicated loan rates
Asgarnezhad Nouri et al. Designing a bankruptcy prediction model based on account, market and macroeconomic variables (Case Study: Cyprus Stock Exchange)
Chen Classifying credit ratings for Asian banks using integrating feature selection and the CPDA-based rough sets approach
Fang et al. Effect of CEO power and board strength on bank performance in China
CN106326473A (zh) 基于熵权算法与层次分析法的数据挖掘方法与系统
Nandy et al. Impact of directors' networks on corporate social responsibility: A cross country study
Chikoko et al. Insights on non-performing loans: evidence from Zimbabwean commercial banks in a dollarised environment (2009-2012)
Xu et al. Generalists vs. specialists: Who are better acquirers?
Okay et al. Financial performance analysis of brokerage firms quoted on the Istanbul Stock Exchange using the TOPSIS method of analysis
Siering " Boom" or" Ruin"--Does It Make a Difference? Using Text Mining and Sentiment Analysis to Support Intraday Investment Decisions
Opoku-Mensah et al. Exploring governments' role in mergers and acquisitions using IVIF MULTIMOORA-COPRAS technique
Zhang et al. Social capital and CEO involuntary turnover
Chen et al. Mixed credit scoring model of logistic regression and evidence weight in the background of big data
Ohene-Asare et al. Banking efficiency analysis under corporate social responsibilities
Baik Private equity fund valuation management during fundraising
Kuwahara et al. Establishment of the credit risk database: Concrete use to evaluate the creditworthiness of SMEs
Wang et al. A two-stage credit risk scoring method with stacked-generalisation ensemble learning in peer-to-peer lending
Nagy et al. An Analysis of the Financial Health of Companies Concerning the Business Environment of the V4 Countries
Metzker et al. Explanatory power of earnings management models
Osunnaiye et al. The Impact of Non-performing Loans on Nigerian Economic Growth, 2011-2020
Jayaraman et al. Empirical Analysis of Banks in India using DBA and DEA.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171205