CN113743817A - 一种基于云平台的企业信用等级评估方法 - Google Patents

Abstract

本发明提供了一种基于云平台的企业信用等级评估方法，包括以下步骤：步骤一：确定影响企业信用的因素集，定义一级指标、二级指标；步骤二：利用层次分析法确定指标权重；步骤三：基于模糊综合评价对供应链金融企业的信用进行评判。实现通过云平台来观察钢铁供应链金融信用等级情况，确保了交易背景的真实性和资金用途的真实性，能够帮助金融机构和核心企业辨别融资企业的信用等级，避免金融风险。

Description

一种基于云平台的企业信用等级评估方法

技术领域

本发明属于信用等级方法领域，特别是涉及基于云平台的一种信用等级评估方法。

背景技术

在当今的社会发展背景下，信用是企业发展的核心动力，有利于增加企业的竞争力。在企业融资过程中，企业信用是金融机构考虑的重要评估因素之一。然而传统的信用评估机制主要依赖于第三方企业对融资企业的评价，评估程序繁琐，效率低下，且公平性难以保证。申请号为CN201910541754.0，名称为一种基于税务大数据分析的信用评估方法，该方法利用机器学习进行特征选取，基于AHP建立指标体系层次结构，构件判断矩阵得到指标权重体系，利用专家打分法为每个指标赋值，但是该方法在对指标进行赋值的过程中，太过于注重专家主观意见，使得最终的结果更具有片面性。申请号为：CN201711064854.6，名称为一种阶梯层次信用评估方法和评估系统，该方法通过大量搜集与被评估单位的有关数据来建立信用问题元素卡模型，根据信用问题元素卡模型，对所述信用问题进行指标数据转换，生成三个等级的指标权重值，并对其进行评价生成综合评价值，但在搜集数据的过程中，该方法采集数据的时候涉及的部门和单位很多，流程很繁琐，不适合基于云平台的信用等级评估。

发明内容

本发明的目的在于克服上述现有技术中的不足之处，提出一种基于云平台的企业信用等级评估方法。

本发明是通过如下方式实现的：

一种基于云平台的企业信用等级评估方法，包括以下步骤：

步骤一：确定影响企业信用的因素集，定义一级指标、二级指标；

步骤二：利用层次分析法确定指标权重；

步骤三：基于模糊综合评价对供应链金融企业的信用进行评判。

进一步，所述步骤一的一级指标包括：企业竞争力、企业信誉、企业资产状况、云平台服务能力、借款人经营的环境条件；二级指标包括：管理水平、创新发展能力、营业收入状况、云平台交易记录评估、银行贷款信用分析、合作成功案例状况、资本项目、负债数量、企业还债能力、仓储的智能化水平、云平台信息协同能力、资金市场融资的难易程度、行业景气度、政府的政策。

进一步，所述步骤二的利用层次分析法确定指标权重具体为：

邀请专家进行打分，根据专家的打分意见，为各项指标权重赋值，构建一级和二级指标判断矩阵A，Aij为判断矩阵A中的元素，表示评价指标i和指标j相比的重要程度，具体步骤如下：

S21，专家根据云平台共享的信息权衡各项指标的重要性，对一级和二级各项指标进行比较，采用尺度m₁-m₉对Aij进行赋值，构建两两比较的判断矩阵A；

S22：计算出判断矩阵A的最大特征值λmax以及对应的归一化后的特征向量Wi，即为各项指标的权重值；

S23：一致性检验。

进一步，所述步骤二的S23具体为：

S231：计算一致性指标CI：

其中n为判断矩阵A的阶数，λmax为最大特征值；

S232：结合特定的RI值，计算判断矩阵的随机一致性比率CR：

S233：当判断矩阵的随机一致性比率CR<η时说明判断矩阵符合一致性检验，其中η为0.1。

进一步，所述步骤三具体包括：

S31：建立评语集V，将基于云平台企业的信用等级划分为5个等级V＝{V1，V2，V3，V4，V5}，其中V1表示非常好，V2表示比较好，V3表示一般，V4表示比较差，V5表示很差；

S32：邀请专家对各项指标进行打分，根据打分结果，可以获得二级指标的隶属度，公式为：

式中M为求得各指标对评语集的隶属度，其中r为参加调查问卷的专家人数，r1，r2，r3，r4，r5分别代表不同的评分等级；根据隶属度公式，得到单因素i的模糊评判向量：

S33：将各个单因素模糊评判向量Mi进行整合，形成模糊评判矩阵R，其中rij为模糊矩阵中的因素，表示评判因素对评语V的隶属程度，得到模糊判断矩阵R：

S34：根据层次分析法计算出来指标区中Wi，结合各级评价指标对各个评价等级的隶属度程度，即模糊评判矩阵R，计算综合评价向量B，采用乘法-有界算子，计算步骤如下:

其中乘法-有界算子运算为：

Sj＝min{1，∑min(wi，rij)}

其中Wi为二级指标的权重值，rij为模糊矩阵中的因素即隶属度，Sj表示被评级对象从整体上看对V的等级迷糊子集的隶属程度；

S35：将综合评判向量分数化，获取供应链金融企业信用的最终评分，评价集与评价分数对应，最终评价得分P＝V*B^T。

本发明的有益效果在于：在供应链金融业务中，金融机构不再直接核实融资企业的信用问题与交易的真实性，而是通过云平台来观察钢铁供应链金融信用等级情况。确保了交易背景的真实性和资金用途的真实性，能够帮助金融机构和核心企业辨别融资企业的信用等级，避免金融风险。通过层次分析法和模糊综合评价法相结合对供应链金融企业的信用等级进行评估，使得评价结果更加客观性和科学性。

附图说明

图1为本发明的基于云平台的信用等级评价的流程图；

具体实施方式

下面结合附图和本发明的实例，对本发明作进一步的描述。

一种基于云平台的企业信用等级评估方法，包括以下步骤：

步骤一：确定影响企业信用的因素集，定义一级指标、二级指标；所述步骤一的一级指标包括：企业竞争力、企业信誉、企业资产状况、云平台服务能力、借款人经营的环境条件；二级指标包括：管理水平、创新发展能力、营业收入状况、云平台交易记录评估、银行贷款信用分析、合作成功案例状况、资本项目、负债数量、企业还债能力、仓储的智能化水平、云平台信息协同能力、资金市场融资的难易程度、行业景气度、政府的政策。

步骤二：利用层次分析法确定指标权重；所述步骤二的利用层次分析法确定指标权重具体为：

邀请专家进行打分，根据专家的打分意见，为各项指标权重赋值，构建一级和二级指标判断矩阵A，Aij为判断矩阵A中的元素，表示评价指标i和指标j相比的重要程度，具体步骤如下：

S21，专家根据云平台共享的信息权衡各项指标的重要性，对一级和二级各项指标进行比较，采用尺度m₁-m₉对Aij进行赋值，构建两两比较的判断矩阵A；

S22：计算出判断矩阵A的最大特征值λmax以及对应的归一化后的特征向量Wi，即为各项指标的权重值；

S23：一致性检验。

所述步骤二的S23具体为：

S231：计算一致性指标CI：

其中n为判断矩阵A的阶数，λmax为最大特征值；

S232：结合特定的RI值，计算判断矩阵的随机一致性比率CR：

S233：当判断矩阵的随机一致性比率CR<η时说明判断矩阵符合一致性检验，其中η为0.1。

步骤三：基于模糊综合评价对供应链金融企业的信用进行评判。

所述步骤三具体包括：

S31：建立评语集V，将基于云平台企业的信用等级划分为5个等级V＝{V1，V2，V3，V4，V5}，其中V1表示非常好，V2表示比较好，V3表示一般，V4表示比较差，V5表示很差；

S32：邀请专家对各项指标进行打分，根据打分结果，可以获得二级指标的隶属度，公式为：

式中M为求得各指标对评语集的隶属度，其中r为参加调查问卷的专家人数，r1，r2，r3，r4，r5分别代表不同的评分等级；根据隶属度公式，得到单因素i的模糊评判向量：

S33：将各个单因素模糊评判向量Mi进行整合，形成模糊评判矩阵R，其中rij为模糊矩阵中的因素，表示评判因素对评语V的隶属程度，得到模糊判断矩阵R：

S34：根据层次分析法计算出来指标区中Wi，结合各级评价指标对各个评价等级的隶属度程度，即模糊评判矩阵R，计算综合评价向量B，采用乘法-有界算子，计算步骤如下:

其中乘法-有界算子运算为：

Sj＝min{1，∑min(wi，rij)}

其中Wi为二级指标的权重值，rij为模糊矩阵中的因素即隶属度，Sj表示被评级对象从整体上看对V的等级迷糊子集的隶属程度；

S35：将综合评判向量分数化，获取供应链金融企业信用的最终评分，评价集与评价分数对应，最终评价得分P＝V*B^T。

具体实施例

步骤一：根据云平台的数据信息，构建评估供应链金融企业信用的指标体系，一级指标包括企业竞争力、企业信誉、企业资产状况、云平台服务能力、借款人经营的环境条件。企业竞争力包含的二级指标有管理水平、创新发展能力、营业收入状况。企业信誉二级指标包括云平台交易记录评估、银行贷款信用分析、合作成功案例状况。企业资产状况主要包括资本项目、负债数量、企业还债能力。云平台服务能力包括仓储的智能化水平、云平台信息协同能力。借款人经营的环境条件包括的指标有资金市场融资的难易程度、行业景气度、政府的政策。

步骤二：根据专家打分意见，为各项指标权重赋值，构建一级和二级指标的判断矩阵A，其中的评价尺度m₁-m₉取1-9对A中的元素进行赋值，其中评价尺度表格如表1所述：

表1重要程度表

重要程度	i与j相比，i比j的重要程度
		1	i与j同等重要
3	i比j稍微重要
		5	i比j明显重要
7	i比j十分重要
		9	i比j绝对重要
2，4，6，8	表述上述判断中的中间值

对专家的打分意见进行统计，构件判断矩阵A，并其进行一致性检验，η取0.1，结果如表2所示：

表2一级指标赋值表

λmax＝5.0844，CR＝0.0188<0.1，符合一致性检验。

表3二级指标赋值表一

	管理水平	创新发展能力	营业收入状况
				管理水平	1	3	4
创新发展能力	1/3	1	3
				营业收入状况	1/4	1/3	1

λmax＝3.0735，CR＝0.0634<0.1，符合一致性检验。

表4二级指标赋值表二

λmax＝3.0183，CR＝0.0091<0.1，符合一致性检验。

表5二级指标赋值表三

	资本项目	负债数量	企业还债能力
				资本项目	1	6	3
负债数量	1/6	1	1/2
				企业还债能力	1/3	2	1

λmax＝3，CR＝0<0.1，符合一致性检验。

表6二级指标赋值表四

λmax＝2，CR＝0<0.1，符合一致性检验。

表7二级指标赋值表五

λmax＝3.0183，CR＝0.0158<0.1，符合一致性检验，检验如表3-7所示。

最终得到的一级指标和二级指标权重值以及综合权重值，如表8所示：

表8综合评价表

根据求得的综合权重值可以得到Wi＝(0.087，0.024，0.008，0.291，0.048，0.024，0.081，0.213，0.093，0.045，0.023，0.015，0.013，0.035)。

步骤三：设定评语集V为：非常好为V1即大于等于90分小于100分，比较好为V2即大于等于80分小于90分，一般为V3即大于等于70分小于80分，较差为V4即大于等于60分小于70分，很差为V5即小于60分，取评价集V＝[95，85，75，65，55]。根据专家对云平台供应链金融企业的相关指标信息进行打分，进行问卷调查，并整理统计得到二级指标的隶属度如表9所示：

表9一二级指标隶属度表

根据各项单因素的隶属度构建模糊判断矩阵R,可以获取供应链金融企业信用的最终评分，评价集与评价分数对应，评价集V＝[95，85，75，65，55]，

评价得分为P＝V*B^T＝83.64,该企业的信用等级为较好。

本发明的有益效果在于：在供应链金融业务中，金融机构不再直接核实融资企业的信用问题与交易的真实性，而是通过云平台来观察钢铁供应链金融信用等级情况。确保了交易背景的真实性和资金用途的真实性，能够帮助金融机构和核心企业辨别融资企业的信用等级，避免金融风险。通过层次分析法和模糊综合评价法相结合对供应链金融企业的信用等级进行评估，使得评价结果更加客观性和科学性。

Claims (5)

1.一种基于云平台的企业信用等级评估方法，包括以下步骤：

步骤一：确定影响企业信用的因素集，定义一级指标、二级指标；

步骤二：利用层次分析法确定指标权重；

步骤三：基于模糊综合评价对供应链金融企业的信用进行评判。

2.如权利要求1所述的基于云平台的企业信用等级评估方法，其特征在于：所述步骤一的一级指标包括：企业竞争力、企业信誉、企业资产状况、云平台服务能力、借款人经营的环境条件；二级指标包括：管理水平、创新发展能力、营业收入状况、云平台交易记录评估、银行贷款信用分析、合作成功案例状况、资本项目、负债数量、企业还债能力、仓储的智能化水平、云平台信息协同能力、资金市场融资的难易程度、行业景气度、政府的政策。

3.如权利要求1所述的基于云平台的企业信用等级评估方法，其特征在于：所述步骤二的利用层次分析法确定指标权重具体为：

邀请专家进行打分，根据专家的打分意见，为各项指标权重赋值，构建一级和二级指标判断矩阵A，Aij为判断矩阵A中的元素，表示评价指标i和指标j相比的重要程度，具体步骤如下：

S21，专家根据云平台共享的信息权衡各项指标的重要性，对一级和二级各项指标进行比较，采用尺度m₁-m₉对Aij进行赋值，构建两两比较的判断矩阵A；

S22：计算出判断矩阵A的最大特征值λmax以及对应的归一化后的特征向量Wi，即为各项指标的权重值；

S23：一致性检验。

4.如权利要求3所述的基于云平台的企业信用等级评估方法，其特征在于：所述步骤二的S23具体为：

S231：计算一致性指标CI：

其中n为判断矩阵A的阶数，λmax为最大特征值；

S232：结合特定的RI值，计算判断矩阵的随机一致性比率CR：

S233：当判断矩阵的随机一致性比率CR<η时说明判断矩阵符合一致性检验，其中η为0.1。

5.如权利要求1所述的基于云平台的企业信用等级评估方法，其特征在于：所述步骤三具体包括：

S31：建立评语集V，将基于云平台企业的信用等级划分为5个等级V＝{V1，V2，V3，V4，V5}，其中V1表示非常好，V2表示比较好，V3表示一般，V4表示比较差，V5表示很差；

S32：邀请专家对各项指标进行打分，根据打分结果，可以获得二级指标的隶属度，公式为：

式中M为求得各指标对评语集的隶属度，其中r为参加调查问卷的专家人数，r1，r2，r3，r4，r5分别代表不同的评分等级；根据隶属度公式，得到单因素i的模糊评判向量：

S33：将各个单因素模糊评判向量Mi进行整合，形成模糊评判矩阵R，其中rij为模糊矩阵中的因素，表示评判因素对评语V的隶属程度，得到模糊判断矩阵R：

S34：根据层次分析法计算出来指标区中Wi，结合各级评价指标对各个评价等级的隶属度程度，即模糊评判矩阵R，计算综合评价向量B，采用乘法-有界算子，计算步骤如下:

其中乘法-有界算子运算为：

Sj=min{1,Σmin(wi，rij)}

其中Wi为二级指标的权重值，rij为模糊矩阵中的因素即隶属度，Sj表示被评级对象从整体上看对V的等级迷糊子集的隶属程度；

S35：将综合评判向量分数化，获取供应链金融企业信用的最终评分，评价集与评价分数对应，最终评价得分P＝V*B^T。

Images