CN114881485A - 一种基于层次分析法和云模型的企业资金风险评估方法 - Google Patents

一种基于层次分析法和云模型的企业资金风险评估方法 Download PDF

Info

Publication number
CN114881485A
CN114881485A CN202210514053.XA CN202210514053A CN114881485A CN 114881485 A CN114881485 A CN 114881485A CN 202210514053 A CN202210514053 A CN 202210514053A CN 114881485 A CN114881485 A CN 114881485A
Authority
CN
China
Prior art keywords
evaluation
index
cloud
risk
enterprise
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
CN202210514053.XA
Other languages
English (en)
Inventor
夏宁
柯忆诺
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.)
CHINA UNIVERSITY OF POLITICAL SCIENCE AND LAW
Original Assignee
CHINA UNIVERSITY OF POLITICAL SCIENCE AND LAW
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 CHINA UNIVERSITY OF POLITICAL SCIENCE AND LAW filed Critical CHINA UNIVERSITY OF POLITICAL SCIENCE AND LAW
Priority to CN202210514053.XA priority Critical patent/CN114881485A/zh
Publication of CN114881485A publication Critical patent/CN114881485A/zh
Pending legal-status Critical Current

Links

Images

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

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)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Technology Law (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于层次分析法和云模型的企业资金风险评估方法，包括：采用层次分析法确定企业资金风险评价指标体系，建立AHP层次结构模型；采用层次分析法结合熵权法计算各评价指标的权重；在AHP层次结构模型的基础上，利用云模型，构建企业资金风险评分标准评语云，根据逆向发生器得到指标评价云模型，并结合各评价指标的权重计算各评价指标的云模型；通过正向云发生器生成系统的综合评估云图，得到评估结果。本发明利用层次分析法选择合适评价指标，利用云模型理论计算评价指标隶属函数，建立分析资金风险的综合评价指标体系，以增强企业对资金风险的感知能力，为投资者、银行等金融机构提供快速分析企业投资风险能力的技术支持。

Description

一种基于层次分析法和云模型的企业资金风险评估方法
技术领域
本发明涉及企业资金风险评估技术领域，特别是涉及一种基于层次分析法和云模型的企业资金风险评估方法。
背景技术
企业资金风险是指企业资金在循环过程中，由于各种难以预料或无法控制的因素作用，使企业资金的实际收益小于预计收益而发生资金损失，进而造成企业运转不畅，甚至破产倒闭。企业资金风险主要包括：筹资风险、投资风险、营运管理风险、其他风险。
现代企业资金管理作为企业管理核心问题之一，加强对企业资金进行深入、细致、全面、持续的风险评估，在防范资金风险方面具有极为重要的意义。
但在实际工作中，有的企业风险评估标准并未实现定性与定量的融合，在定量上缺乏量化的程度，在定性上又缺乏科学的支撑；有的企业并没有根据风险的发生等级制定出相应的标准，有的企业没考虑到不同风险层级之间的关联性等问题层出不穷，究其原因是因为我国尚未建立起一套科学合理的企业资金风险评估体系，不利于企业对其资金风险进行评估和控制。目前，尚未建立起一套科学合理的企业资金风险评估体系，不利于企业对其资金风险进行评估和控制。
发明内容
本发明的目的是提供一种基于层次分析法和云模型的企业资金风险评估方法，利用层次分析法选择合适评价指标，利用云模型理论计算评价指标隶属函数，建立分析资金风险的综合评价指标体系，以增强企业对资金风险的感知能力，为投资者、银行等金融机构提供快速分析企业投资风险能力的技术支持。
为实现上述目的，本发明提供了如下方案：
一种基于层次分析法和云模型的企业资金风险评估方法，包括如下步骤：
S1，采用层次分析法确定企业资金风险评价指标体系，建立AHP层次结构模型；
S2，采用层次分析法结合熵权法计算各评价指标的权重；
S3，在AHP层次结构模型的基础上，利用云模型，构建企业资金风险评分标准评语云，根据逆向发生器得到指标评价云模型，并结合各评价指标的权重计算各评价指标的云模型；
S4，通过正向云发生器生成系统的综合评估云图，得到评估结果。
进一步的，所述步骤S1中，采用层次分析法确定企业资金风险评价指标体系，建立AHP层次结构模型，具体包括：
S101，评价指标筛选：基于资金营运全过程设定指标大类为获现风险、周转风险、偿债风险，并从企业绩效评价体系5大类29个指标中选取能够反映企业资金风险的12个评价指标，对应划入前述三大类指标，确定企业资金风险评价指标体系；其中，划入获现风险的指标包括资产收益率、盈余现金保障倍数、总资产现金回收率、营业利润增长率、总资产报酬率，划入周转风险的指标包括应收账款周转率、存货周转率、总资产周转率，划入偿债风险的指标包括速动比例、已获利息倍数、资产负债率、带息负债比率；
S102，横向维度建立AHP层次结构模型：设置目标层为资金风险，用A表示；准则层包括：获现风险B1、周转风险B2、偿债风险B3；决策层包括净资产收益率C11、盈余现金保障倍数C12、总资产现金回收率C13、营业利润增长率C14、总资产报酬率C15、应收账款周转率C21、存货周转率C22、总资产周转率C23、速动比例C31、已获利息倍数C32、资产负债率C33、带息负债比率C34。
进一步的，所述步骤S2，采用层次分析法结合熵权法计算各评价指标的权重，具体包括：
S201，应用层次分析法对准则层和决策层各指标进行打分，经归一化处理、一致性检验后得到AHP法评价指标权重分配；
S202，运用熵权法对AHP法初步计算的评价指标权重进行修正，构建包含m个评价指标n个评价对象的判断矩阵D，经归一化处理、熵值计算求得熵权法评价指标权重分配；
S203，结合AHP法评价指标权重分配以及熵权法评价指标权重分配，计算各评价指标的组合权重，计算公式如下：
Figure BDA0003638896570000031
其中，w0为AHP法所得的评价指标权重，wj为熵权法所得的评价指标权重。
进一步的，所述步骤S201，应用层次分析法对准则层和决策层各指标进行打分，经归一化处理、一致性检验后得到AHP法评价指标权重分配，具体包括：
S2011，构建两两比较判断矩阵，包括目标层相对于准则层的判断矩阵A-B及准则层对决策层判断矩阵B1-C、B2-C、B3-C，定义各评价指标的重要程度；
S2022，进行一致性检验：
(1)计算一致性指标
Figure BDA0003638896570000032
其中，λmax为判断矩阵A-B的最大特征根，k为矩阵阶数；
当CI越接近0，表示有满意的一致性；当CI越大，表示严重不一致；
(2)引入随机变量指标RI，计算一致性比率CR：
Figure BDA0003638896570000033
其中，RI为随机一致性指标；
当CR＜0.1时，通过一致性检验，否则需重新构造判断矩阵A-B，并对矩阵元素进行调整；
S2023，计算相对权重：
通过MATLAB软件计算判断矩阵A-B最大特征根λmax及特征向量w0，并对w0进行归一化处理。
进一步的，所述步骤S202，运用熵权法对AHP法初步计算的评价指标权重进行修正，构建包含m个评价指标n个评价对象的判断矩阵D，经归一化处理、熵值计算求得熵权法评价指标权重分配，具体包括：
S2021，设共有n个评价对象的样本、m个评价指标，则用xij表示第i个评价对象第j个评价指标的值，包含m个评价指标n个评价对象的判断矩阵D表示为：
D＝{xij}m×n(i＝1,2,...,n；j＝1,2,...,m)；
S2022，计算各指标熵值：设ej为第j个评价指标的熵值,则熵值的计算过程如下：
Figure BDA0003638896570000041
Figure BDA0003638896570000042
其中，hij为第j个评价指标下第i个样本的特征比重；x* ij为第i个样本中的第j个评价指标的观测数据；
S2023，计算各指标的熵权，设wj为第j个评价指标的熵权，则评价指标的熵权为：
Figure BDA0003638896570000043
进一步的，所述步骤S3，在AHP层次结构模型的基础上，利用云模型，构建企业资金风险评分标准评语云，根据逆向发生器得到指标评价云模型，并结合各评价指标的权重计算各评价指标的云模型，具体包括：
S301，构建企业资金风险评分标准评语云：在AHP层次结构模型的基础上，利用云模型，将企业资金风险目标层下的决策层根据5级标度法，将企业资金风险质量评价等级划分为“优秀”、“良好”、“平均”、“较低”、“较差”，这五个等级类别下均存在一个代表值，计算各个等级类别下评语集的标准云评语数字特征值；
S302，根据逆向云发生器得到指标评价云模型：专家小组中多个专家依据指标说明和评分标准，对企业的资金风险评估指标体系中的12个评价指标进行打分，利用逆向云发生器对得分数据进行处理，得到分标准层指标云模型的数字特征值；
S303，在得到分标准层指标云模型的数字特征值之后，再结合该层指标项的各项权重值，计算得到其对应的主标准层指标项的评价结果。
进一步的，所述步骤S4，通过正向云发生器生成系统的综合评估云图，得到评估结果，具体包括：
S401，基于主标准层指标项的评价结果，利用正向发生器得到云滴；
S402，根据云滴得到综合评估云图。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供的基于层次分析法和云模型的企业资金风险评估方法，第一，通过层次分析法将有效分析企业资金风险的指标归集整理出来，并以描述性指标的形式呈现出来，有利于评价企业资金风险的数据化操作，增加计量的准确性、完整性、可靠性；第二，利用隶属函数技术，建立AHP-云模型，形成一套企业资金风险评估模型，有利于企业管理者评估和控制资金风险，加强企业管理效率，例如，通过AHP-云模型企业可以明确企业资金现存的风险，通过对评分较低的资金风险指标控制和完善，来更好的控制企业的资金风险，从而刚好的管理企业；第三，利用隶属函数和云模型技术，将结果以云图的方式加以呈现，有利于企业于更加及时和直观的获取所需资金风险成本信息，以及增强资金风险信息的可靠性；第四，资金风险是企业发展过程当中不可避免的问题，但是这个问题是可以提前预防并且可控的，本方法创建了一套完整的实施流程，有利于企业及时、准确的获取企业存在的资金风险，进而能够降低企业面临的风险，实现企业持续高质量发展。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例基于层次分析法和云模型的企业资金风险评估方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种基于层次分析法和云模型的企业资金风险评估方法，利用层次分析法选择合适评价指标，利用云模型理论计算评价指标隶属函数，建立分析资金风险的综合评价指标体系，以增强企业对资金风险的感知能力，为投资者、银行等金融机构提供快速分析企业投资风险能力的技术支持。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
层次分析法(Analytic Hierarchy Process，AHP)是一种定性和定量相结合的、系统的、层次化的分析方法。这种方法的特点就是在对复杂决策问题的本质、影响因素及其内在关系等进行深入研究的基础上，利用较少的定量信息使决策的思维过程数学化，从而为多目标、多准则或无结构特性的复杂决策问题提供简便的决策方法。
图1为发明实施例基于层次分析法和云模型的企业资金风险评估方法流程示意图，如图1所示，本发明实施例提供的基于层次分析法和云模型的企业资金风险评估方法，包括如下步骤：
S1，采用层次分析法确定企业资金风险评价指标体系，建立AHP层次结构模型；
S2，采用层次分析法结合熵权法计算各评价指标的权重；
S3，在AHP层次结构模型的基础上，利用云模型，构建企业资金风险评分标准评语云，根据逆向发生器得到指标评价云模型，并结合各评价指标的权重计算各评价指标的云模型；
S4，通过正向云发生器生成系统的综合评估云图，得到评估结果。
其中，所述步骤S1中，采用层次分析法确定企业资金风险评价指标体系，建立AHP层次结构模型，具体包括：
S101，评价指标筛选：基于资金营运全过程设定指标大类为获现风险、周转风险、偿债风险，并从企业绩效评价体系5大类29个指标中选取能够反映企业资金风险的12个评价指标，对应划入前述三大类指标，确定企业资金风险评价指标体系；其中，划入获现风险的指标包括资产收益率、盈余现金保障倍数、总资产现金回收率、营业利润增长率、总资产报酬率，划入周转风险的指标包括应收账款周转率、存货周转率、总资产周转率，划入偿债风险的指标包括速动比例、已获利息倍数、资产负债率、带息负债比率；
S102，横向维度建立AHP层次结构模型，如表1所示：设置目标层为资金风险，用A表示；准则层包括：获现风险B1、周转风险B2、偿债风险B3；决策层包括净资产收益率C11、盈余现金保障倍数C12、总资产现金回收率C13、营业利润增长率C14、总资产报酬率C15、应收账款周转率C21、存货周转率C22、总资产周转率C23、速动比例C31、已获利息倍数C32、资产负债率C33、带息负债比率C34。
表1 AHP层次结构
Figure BDA0003638896570000071
AHP-熵权组合构权法计算权重既可保证评价体系中各评价指标重要程度的有效区分，又使权重计算结果具备客观性。所述步骤S2，采用层次分析法结合熵权法计算各评价指标的权重，具体包括：
S201，应用层次分析法对准则层和决策层各指标进行打分，经归一化处理、一致性检验后得到AHP法评价指标权重分配；具体包括：
S2011，构建两两比较判断矩阵，包括目标层相对于准则层的判断矩阵A-B及准则层对决策层判断矩阵B1-C、B2-C、B3-C，定义各评价指标的重要程度；
表2两两比较判断矩阵定义
标度 定义与说明
1 两个元素对某个属性具有同样重要的意义
3 两个元素比较，一元素比另一元素稍微重要
5 两个元素比较，一元素比另一元素明显重要
7 两个元素比较，一元素比另一元素重要得多
9 两个元素比较，一元素比另一元素极端重要
2，4，6，8 表示需要在上述两个标准之间折衷时的标度
1/b<sub>ij</sub> 两个元素的反比较
如表2所示，在建立递阶层次结构明确上下各层元素之间的隶属关系后，以上层次的元素为准则，对下一层次各影响因素的相对重要性两两进行判断与比较，引入saaty提出的1～9比例标度方法，建立判断矩阵，对各目标及其影响因素进行相关度评定；邀请专家构造指标体系目标层相对于准则层的判断矩阵的判断矩阵A-B及准则层对决策层判断矩阵B1-C、B2-C、B3-C。
S2022，进行一致性检验：
(1)计算一致性指标
Figure BDA0003638896570000081
其中，λmax为判断矩阵A-B的最大特征根，k为矩阵阶数；
当CI越接近0，表示有满意的一致性；当CI越大，表示严重不一致；
(2)引入随机变量指标RI，计算一致性比率CR：
Figure BDA0003638896570000091
其中，RI为随机一致性指标；其标准值，如表3所示：
表3 RI标准值
Figure BDA0003638896570000092
当CR＜0.1时，通过一致性检验，否则需重新构造判断矩阵A-B，并对矩阵元素进行调整；
S2023，计算相对权重：
通过MATLAB软件计算判断矩阵A-B最大特征根λmax及特征向量w0，并对w0进行归一化处理(使向量中各元素之和为1)；
S202，运用熵权法对AHP法初步计算的评价指标权重进行修正，构建包含m个评价指标n个评价对象的判断矩阵D，经归一化处理、熵值计算求得熵权法评价指标权重分配；依据信息论基本原理，信息的熵值可反映指标的离散程度，信息熵越小，指标的离散程度越大，指标对综合评价的影响也越大；熵权法正是基于指标的离散程度对其进行客观赋权的方法；步骤S202，具体包括：
S2021，设共有n个评价对象的样本、m个评价指标，则用xij表示第i个评价对象第j个评价指标的值，包含m个评价指标n个评价对象的判断矩阵D表示为：
D＝{xij}m×n(i＝1,2,...,n；j＝1,2,...,m)；
对于给定的j,xij的差异越大,该项指标对系统的比较作用就越大,亦即该项指标包含和传输的信息越多；为消除样本量纲并减少运算结果对均值较大指标的偏向，采用标准0～1变换对数据进行了初步处理，具体运用的公式如下：
Figure BDA0003638896570000093
Figure BDA0003638896570000094
两个公式的经济学含义为第j个指标值与最小值的偏差相对于最大值与最小值偏差的相对距离；偏差越大距离越大，规范化处理后值越高；
S2022，计算各指标熵值：设ej为第j个评价指标的熵值,则熵值的计算过程如下：
Figure BDA0003638896570000101
Figure BDA0003638896570000102
其中，hij为第j个评价指标下第i个样本的特征比重；x* ij为第i个样本中的第j个评价指标的观测数据；
S2023，计算各指标的熵权，设wj为第j个评价指标的熵权，则评价指标的熵权为：
Figure BDA0003638896570000103
S203，结合AHP法评价指标权重分配以及熵权法评价指标权重分配，计算各评价指标的组合权重，计算公式如下：
Figure BDA0003638896570000104
其中，w0为AHP法所得的评价指标权重，wj为熵权法所得的评价指标权重。
其中，所述步骤S3，在AHP层次结构模型的基础上，利用云模型，构建企业资金风险评分标准评语云，根据逆向发生器得到指标评价云模型，并结合各评价指标的权重计算各评价指标的云模型，具体包括：
S301，构建企业资金风险评分标准评语云：在AHP层次结构模型的基础上，利用云模型，将企业资金风险目标层下的决策层根据5级标度法，将企业资金风险质量评价等级划分为“优秀”、“良好”、“平均”、“较低”、“较差”，这五个等级类别下均存在一个代表值，计算各个等级类别下评语集的标准云评语数字特征值，如表4所示；
其中，根据评语集不同的形式确定标准云评语的数字特征值
Figure BDA0003638896570000111
对于评语集{V1,V2,.....,Vn}存在代表值{x1,x2,...,xn}的模糊概念，以代表值作为该评语的期望并根据云模型中熵的内涵建立了各个评语的标准评语云数字特征值计算公式:
Figure BDA0003638896570000112
Figure BDA0003638896570000113
Figure BDA0003638896570000114
其中，
Figure BDA0003638896570000115
表示第i个评语集下期望值Ex，
Figure BDA0003638896570000116
表示第i个评语集下熵En，
Figure BDA0003638896570000117
表示第i个评语集下超熵Ee，xi表示第i个评语集下第j个代表值，xi+1表示第i个评语集下第j+1个代表值，xi-1表示第i个评语集下第j-1个代表值，k表示反映熵与超熵的线性关系，一般取0.1；
通过黄金分割法能使升序排列等级的云模型特征值呈现一定的比例关系，从而对专家的自然语言评价值进行更准确的定量转化；
表4标准云评语数字特征值
Figure BDA0003638896570000118
S302，根据逆向云发生器得到指标评价云模型：专家小组中多个专家依据指标说明和评分标准，对企业的资金风险评估指标体系中的12个评价指标进行打分，利用逆向云发生器对得分数据进行处理，得到分标准层指标云模型的数字特征值；
具体实施例为：
Figure BDA0003638896570000121
Figure BDA0003638896570000122
Figure BDA0003638896570000123
Figure BDA0003638896570000124
其中，xcd表示第d位专家对第c个评价指标的评定数据，S2表示专家数据的方差；n表示评价对象的样本数；
S303，在得到分标准层指标云模型的数字特征值之后，再结合该层指标项的各项权重值，计算得到其对应的主标准层指标项的评价结果，即将其云模型进行综合，得到综合云模型的数字特征，进而得到最终的评价结果。
云模型综合的计算公式如下；
Figure BDA0003638896570000125
Figure BDA0003638896570000126
Figure BDA0003638896570000127
其中，Ex为期望值，是概念上的原型值(中心值、标准值)；En为熵，是概念不确定程度的度量，熵越大，概念相对越模糊；Ee为超熵，是熵的不确定程度的度量，即熵的熵，反映了云的离散程度。Wi表示第i个评价对象的权重系数。
所述步骤S4，通过正向云发生器生成系统的综合评估云图，得到评估结果，具体包括：
S401，基于主标准层指标项的评价结果，利用正向发生器得到云滴；
(1)以En为期望值，Ee为标准差生成一个正态分布随机数En'；
(2)以Ex为期望值，En'为标准差生成一个正态分布随机数x；
(3)将En'、x带入公式
Figure BDA0003638896570000131
(4)得到一个云滴Drop(xi,yi)；
(5)重复步骤(1)-(4)直至生成满足要求的云滴；
S402，根据云滴得到综合评估云图。最后，通过AHP-云模型得到的云图，既可以得到企业资金风险评估结果。
本发明提供的基于层次分析法和云模型的企业资金风险评估方法，第一，通过层次分析法将有效分析企业资金风险的指标归集整理出来，并以描述性指标的形式呈现出来，有利于评价企业资金风险的数据化操作，增加计量的准确性、完整性、可靠性；第二，利用隶属函数技术，建立AHP-云模型，形成一套企业资金风险评估模型，有利于企业管理者评估和控制资金风险，加强企业管理效率，例如，通过AHP-云模型企业可以明确企业资金现存的风险，通过对评分较低的资金风险指标控制和完善，来更好的控制企业的资金风险，从而刚好的管理企业；第三，利用隶属函数和云模型技术，将结果以云图的方式加以呈现，有利于企业于更加及时和直观的获取所需资金风险成本信息，以及增强资金风险信息的可靠性；第四，资金风险是企业发展过程当中不可避免的问题，但是这个问题是可以提前预防并且可控的，本方法创建了一套完整的实施流程，有利于企业及时、准确的获取企业存在的资金风险，进而能够降低企业面临的风险，实现企业持续高质量发展。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (7)

1.一种基于层次分析法和云模型的企业资金风险评估方法，其特征在于，包括如下步骤：
S1，采用层次分析法确定企业资金风险评价指标体系，建立AHP层次结构模型；
S2，采用层次分析法结合熵权法计算各评价指标的权重；
S3，在AHP层次结构模型的基础上，利用云模型，构建企业资金风险评分标准评语云，根据逆向发生器得到指标评价云模型，并结合各评价指标的权重计算各评价指标的云模型；
S4，通过正向云发生器生成系统的综合评估云图，得到评估结果。
2.根据权利要求1所述的基于层次分析法和云模型的企业资金风险评估方法，其特征在于，所述步骤S1中，采用层次分析法确定企业资金风险评价指标体系，建立AHP层次结构模型，具体包括：
S101，评价指标筛选：基于资金营运全过程设定指标大类为获现风险、周转风险、偿债风险，并从企业绩效评价体系5大类29个指标中选取能够反映企业资金风险的12个评价指标，对应划入前述三大类指标，确定企业资金风险评价指标体系；其中，划入获现风险的指标包括资产收益率、盈余现金保障倍数、总资产现金回收率、营业利润增长率、总资产报酬率，划入周转风险的指标包括应收账款周转率、存货周转率、总资产周转率，划入偿债风险的指标包括速动比例、已获利息倍数、资产负债率、带息负债比率；
S102，横向维度建立AHP层次结构模型：设置目标层为资金风险，用A表示；准则层包括：获现风险B1、周转风险B2、偿债风险B3；决策层包括净资产收益率C11、盈余现金保障倍数C12、总资产现金回收率C13、营业利润增长率C14、总资产报酬率C15、应收账款周转率C21、存货周转率C22、总资产周转率C23、速动比例C31、已获利息倍数C32、资产负债率C33、带息负债比率C34。
3.根据权利要求2所述的基于层次分析法和云模型的企业资金风险评估方法，其特征在于，所述步骤S2，采用层次分析法结合熵权法计算各评价指标的权重，具体包括：
S201，应用层次分析法对准则层和决策层各指标进行打分，经归一化处理、一致性检验后得到AHP法评价指标权重分配；
S202，运用熵权法对AHP法初步计算的评价指标权重进行修正，构建包含m个评价指标n个评价对象的判断矩阵D，经归一化处理、熵值计算求得熵权法评价指标权重分配；
S203，结合AHP法评价指标权重分配以及熵权法评价指标权重分配，计算各评价指标的组合权重，计算公式如下：
Figure FDA0003638896560000021
其中，w0为AHP法所得的评价指标权重，wj为熵权法所得的评价指标权重。
4.根据权利要求3所述的基于层次分析法和云模型的企业资金风险评估方法，其特征在于，所述步骤S201，应用层次分析法对准则层和决策层各指标进行打分，经归一化处理、一致性检验后得到AHP法评价指标权重分配，具体包括：
S2011，构建两两比较判断矩阵，包括目标层相对于准则层的判断矩阵A-B及准则层对决策层判断矩阵B1-C、B2-C、B3-C，定义各评价指标的重要程度；
S2022，进行一致性检验：
(1)计算一致性指标
Figure FDA0003638896560000022
其中，λmax为判断矩阵A-B的最大特征根，k为矩阵阶数；
当CI越接近0，表示有满意的一致性；当CI越大，表示严重不一致；
(2)引入随机变量指标RI，计算一致性比率CR：
Figure FDA0003638896560000023
其中，RI为随机一致性指标；
当CR＜0.1时，通过一致性检验，否则需重新构造判断矩阵A-B，并对矩阵元素进行调整；
S2023，计算相对权重：
通过MATLAB软件计算判断矩阵A-B最大特征根λmax及特征向量w0，并对w0进行归一化处理。
5.根据权利要求3所述的基于层次分析法和云模型的企业资金风险评估方法，其特征在于，所述步骤S202，运用熵权法对AHP法初步计算的评价指标权重进行修正，构建包含m个评价指标n个评价对象的判断矩阵D，经归一化处理、熵值计算求得熵权法评价指标权重分配，具体包括：
S2021，设共有n个评价对象的样本、m个评价指标，则用xij表示第i个评价对象第j个评价指标的值，包含m个评价指标n个评价对象的判断矩阵D表示为：
D＝{xij}m×n(i＝1,2,...,n；j＝1,2,...,m)；
S2022，计算各指标熵值：设ej为第j个评价指标的熵值,则熵值的计算过程如下：
Figure FDA0003638896560000031
Figure FDA0003638896560000032
其中，hij为第j个评价指标下第i个样本的特征比重；x* ij为第i个样本中的第j个评价指标的观测数据；
S2023，计算各指标的熵权，设wj为第j个评价指标的熵权，则评价指标的熵权为：
Figure FDA0003638896560000033
6.根据权利要求3所述的基于层次分析法和云模型的企业资金风险评估方法，其特征在于，所述步骤S3，在AHP层次结构模型的基础上，利用云模型，构建企业资金风险评分标准评语云，根据逆向发生器得到指标评价云模型，并结合各评价指标的权重计算各评价指标的云模型，具体包括：
S301，构建企业资金风险评分标准评语云：在AHP层次结构模型的基础上，利用云模型，将企业资金风险目标层下的决策层根据5级标度法，将企业资金风险质量评价等级划分为“优秀”、“良好”、“平均”、“较低”、“较差”，这五个等级类别下均存在一个代表值，计算各个等级类别下评语集的标准云评语数字特征值；
S302，根据逆向云发生器得到指标评价云模型：专家小组中多个专家依据指标说明和评分标准，对企业的资金风险评估指标体系中的12个评价指标进行打分，利用逆向云发生器对得分数据进行处理，得到分标准层指标云模型的数字特征值；
S303，在得到分标准层指标云模型的数字特征值之后，再结合该层指标项的各项权重值，计算得到其对应的主标准层指标项的评价结果。
7.根据权利要求6所述的基于层次分析法和云模型的企业资金风险评估方法，其特征在于，所述步骤S4，通过正向云发生器生成系统的综合评估云图，得到评估结果，具体包括：
S401，基于主标准层指标项的评价结果，利用正向发生器得到云滴；
S402，根据云滴得到综合评估云图。
CN202210514053.XA 2022-05-11 2022-05-11 一种基于层次分析法和云模型的企业资金风险评估方法 Pending CN114881485A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210514053.XA CN114881485A (zh) 2022-05-11 2022-05-11 一种基于层次分析法和云模型的企业资金风险评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210514053.XA CN114881485A (zh) 2022-05-11 2022-05-11 一种基于层次分析法和云模型的企业资金风险评估方法

Publications (1)

Publication Number Publication Date
CN114881485A true CN114881485A (zh) 2022-08-09

Family

ID=82674965

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210514053.XA Pending CN114881485A (zh) 2022-05-11 2022-05-11 一种基于层次分析法和云模型的企业资金风险评估方法

Country Status (1)

Country Link
CN (1) CN114881485A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115481906A (zh) * 2022-09-22 2022-12-16 中航机载系统共性技术有限公司 一种生产制造产线评估方法、装置、设备及介质
CN115660406A (zh) * 2022-09-27 2023-01-31 北京市应急管理科学技术研究院 一种危化企业安全分级方法、装置、电子设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115481906A (zh) * 2022-09-22 2022-12-16 中航机载系统共性技术有限公司 一种生产制造产线评估方法、装置、设备及介质
CN115481906B (zh) * 2022-09-22 2024-04-16 中航机载系统共性技术有限公司 一种生产制造产线评估方法、装置、设备及介质
CN115660406A (zh) * 2022-09-27 2023-01-31 北京市应急管理科学技术研究院 一种危化企业安全分级方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN110110981B (zh) 一种信用评级违约概率测度与风险预警方法
Amiram et al. Financial statement errors: Evidence from the distributional properties of financial statement numbers
Chen et al. A fuzzy credit-rating approach for commercial loans: a Taiwan case
Angelini et al. A neural network approach for credit risk evaluation
Puška et al. Model for investment decision making by applying the multi-criteria analysis method
Gupta et al. Hybrid optimization models of portfolio selection involving financial and ethical considerations
Roy et al. A credit scoring model for SMEs using AHP and TOPSIS
CN114881485A (zh) 一种基于层次分析法和云模型的企业资金风险评估方法
Zhou et al. Towards achieving consistent opinion fusion in group decision making with complete distributed preference relations
CN112668822A (zh) 科技成果转化平台共享系统、方法、存储介质、手机app
Chikunov et al. Financial risks of Russian oil companies in conditions of volatility of global oil prices
Ünvan et al. Financial performance analysis with the fuzzy COPRAS and entropy-COPRAS approaches
Li et al. Financial risk prediction for listed companies using IPSO-BP neural network
Akbulayev et al. Economic analysis of tourism enterprise solvency and the possibility of bankruptcy: The case of the Thomas cook group
Odeh et al. A multi-objective approach for the prediction of loan defaults
CN113344692B (zh) 多信息源融合的网络借贷信用风险评估模型的建立方法
Zhang et al. Dynamic portfolio allocation for financial markets: A perspective of competitive-cum-compensatory strategy
Kayakuş et al. Predicting the share of tourism revenues in total exports
Zhang A deep learning model for ERP enterprise financial management system
Aleksandar et al. Multiple linear regression model for predicting bidding price
CN114862563A (zh) 基于主成分分析和神经网络的中小信贷策略模型
Qiang et al. Relationship model between human resource management activities and performance based on LMBP algorithm
Widnyana et al. Effect of Company Size, Profitability and Capital Structure on Firm Value in Indonesia
CN113159634A (zh) 一种金融产品管理方法、装置及电子设备
Talebi et al. The Evaluation of the Capability of the Regression & Neural Network Models in Predicting Future Cash Flows

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