企業信用評價精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的企業信用評價主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：企業信用評價范文

關鍵詞:企業信用模糊綜合評判法 德爾菲法

引言

企業信用作為社會信用的三大組成部分之一,也是社會信用體系的基礎和核心,因此,企業行為對構建良好社會主義市場經濟秩序起著十分重要的作用。本文針對現存在的問題提出基于模糊綜合評判下的企業信用評價,其中應用德爾菲法對各評價指標打分的方法確定其隸屬度和權重,實現定性分析和定量分析相結合的對企業信用客觀、綜合的分析。

一、企業信用評價指標體系

企業信用評價是一種普遍反映企業信用風險的方法,本文根據企業的特點、將影響企業信用等級的因素分為企業外部因素(包括市場前景、國家法律政策、行業環境)、企業內部因素(包括組織結構、企業戰略、競爭地位、行業承保)、企業管理因素(包括產品定價、投資管理、業務管理)和企業財務因素(包括企業財務制度、企業盈利能力、資產流動性)四個方面,在此基礎上,選擇有代表性、對企業信用影響較大的因素作為二級指標建企業信用評價指標體系。

二、構建綜合評判模型

2.1 評語集的建立

企業的信用等級通常從高到低劃為為四等,即信用好、信用較好、信用一般、信用差,分別用A、B、C、D表示,本文據此確定信用評語集V={ A; B; C;D}。

2.2確定評判集

以企業的信用為評價目標,將目標分解的具體指標。本文結合構建的企業的評價指標體系,確定一級評判因素集為U={企業內部因素,企業外部因素,企業管理因素,企業財務風險};根據二級評判指標確定的二級評判因素集為:

U1={組織結構,企業戰略,競爭地位,行業承保};

U2={市場前景,國家法律政策,行業環境};

U3={產品定價,投資管理,業務管理};

U4={企業財務制度,企業盈利能力,資產流動性}

2.3確定評判矩陣R

評判矩陣R看為評語集X到因素集U的模糊關系,R∈F(X×U),用各項判據對每個評判對象進行評價。rij是對象對于xi因素ui的特征指標。可以把rij看為因素ui屬于xi的程度。即因素ui對于xi的隸屬度。rij∈[0,1]看作集合U的模糊集。本文結合德爾菲法確定因素ui屬于xi的程度,即有專家打分的方式確定rij。

2.4 確定權重

權重系數是表示某一指標在整個指標體系中具有的重要程度.某種指標越重要,則該指標的權重系數越大,反之,權重系數越小。本文根據應用德爾菲法確定一級因素層的權重和二級因素層的權重。

2.5 確定評判函數f

評判函數f是一個m元函數,m個自變量都在[0,1]區間取值,對應的函數值可取任意實數。即d=f(z1, z2, z3 …. , zm) zi∈[0,1]本文根據模糊綜合評價模型式Ⅰ:d1=a1z1+a2z2+……+amzm=。

2.6 綜合評判模型構建

首先,根據模糊綜合評價模型式Ⅰ:d1=a1z1+a2z2+……+amzm=。得到信用等級評判據集的關于評語級的隸屬向量:D =(d1, d2 ,d3 ,d4)。d1, d2 ,d3 ,d 4表示U屬于xi(i=1,2,3,4)的隸屬度。

D =(d1, d2 ,d3 ,d4)=( R1 ×A1 , R2 ×A2 , R3 ×A3 , R4 ×A4 )。

其次,再將D作為一級評判據集的評判矩陣和模糊綜合評價模型式Ⅰ,進行上一級綜合評判,以此來確定此項目投資風險屬于評語級X的隸屬度v。根據隸屬度判斷項目的風險大小。

V=D×A=( R1 ×A1 , R2 ×A2 , R3 ×A3 , R4 ×A4 )×A

三、實例分析

根據圖1所示企業信用評價指標體系,確定某企業的評價指標

3.1確定評判矩陣

應用德爾菲法參用專家打分的方式確定評判矩陣,對于組織結構一項假設有35%專家認為該企業信用等級屬于A級,40%專家認為屬于B級,15%專家認為屬于C級,其余專家認為屬于D級,則得r1j=(0.35,0.4,0.15,0.05)。其余各項因素也類似通過專家打分,得到如下評判矩陣:

3.2 應用德爾菲法確定權重

本文根據應用德爾菲法,利用專家經驗確定一級因素層的權重:A={0.3, 0.2, 0.2, 0.3}

二級因素層的權重分別為:A1={0.3, 02, 03, 0.2} A2={0.3, 0.4, 0.3 } A3={0.4, 0.3, 0.3 }A4={0.2, 0.4, 0.4}

3.3 模型求解

計算

依次類推求得d2、d3、d4得

即企業信用等級屬于C的隸屬度是0.253最大;信用等級屬于A的隸屬度為0.236最小,說明企業的信用等級為C,信用一般,作為企業自身應進一步加強企業信用建設,提高信用等級。

四、結論

本文將模糊評判方法和德爾菲法結合,建立企業信用情況評價的模糊綜合評判模型,其積極意義有如下:

1)將德爾菲法定性評價和糊評判方法定量評價相結合,再次實現了定量分析與定性分析的結合。

2)通過兩種方法的結合,削弱了定性分析方法中人為因素的影響,使得評價結果更客觀。

3)應用德爾菲法,結合專家經驗知識將模糊評價中的模糊因素轉化為可靠、符合實際的量化指標,提高評價結果的精度且能更加反映實際情況。

利用該模型對企業信用評價,當有多個擬合作對象時,通過信用隸屬度的比較決定是否與其合作,是企業決策提供有效、可靠的分析方法。

參考文獻:

[1]劉林.應用模糊數學[M]西安:陜西科學技術出版社,1996

第2篇：企業信用評價范文

[關鍵詞]信用評價 層次分析法 優勢 評價指標 應用

[中圖分類號]F276.3；F832.4 [文獻標識碼]A [文章編號]1009-5349（2013）01-0158-02

一、信用評價

信用評價是以一套相關指標體系為考量基礎，標示出個人或企業償付其債務能力和意愿的過程。

二、對中小企業信用評價的難點

對中小企業信用評價的難點在于，無法對中小企業行業發展潛力、經營發展和償債風險進行評估，從而導致銀行等金融機構對中小企業的信貸能力產生懷疑，造成中小企業信用度缺失，進而出現融資難的現象，導致企業發展與企業信用逆反現象，使得企業信用降低。

三、選擇合適的評價方法——層次分析法

層次分析法是一種能有效處理那種難以完全由定量方法處理的復雜問題的方法。將復雜的問題分解成目標、準則、方案等若干層次的系統，在每一層次按照一定準則對該層元素進行逐對比較，并按標度定量化，形成判斷矩陣。通過計算判斷矩陣的最大特征值以及相對應的正交化特征向量得出該元素對該準則的權重。

（一）運用層次分析法的優勢

層次分析法是從中小企業發展的內外發展狀況進行分析。將行業狀況、經營狀況、管理狀況、財務狀況等作為層次影響因素，對各層次因素進行細分，進一步對成本結構、盈利能力、負債能力等二級因素進行科學分析，得出各二級細分因素在企業信用評級中的權重比例以及評分結果，銀行金融機構、擔保機構等依據最終指標評分結果對中小企業所處行業狀況、財務狀況、經營狀況等方面進行系統的風險性和收益評價，確定是否給中小企業實施貸款業務。

（二）層次分析法步驟

4.最終得出信用評價得分=100*權重。

四、對我國中小企業信用評價指標的選擇

（一）行業狀況

掌握行業的特征和風險程度，就能掌握被評價者在行業中的競爭地位，從行業的基本狀況和發展趨勢來判斷被評價者的基本風險。考察的因素有：成本結構、行業周期性、行業盈利性、產品替代性。

（二）經營狀況分析

要全面地評價企業信用，還需要分析企業身的經營管理風險。包括：經營策略分析、管理控制分析、管理層素質經驗、組織結構分析。

（三）管理狀況分析

企業的管理狀況、領導層的素質和管理水平直接關系著企業的經濟效益，對企業的管理現狀進行分析，是對企業信用程度分析的必要環節。

（四）財務狀況分析

企業的財務狀況決定了企業的信用基礎，任何企業的信用都要以財務基礎為保障，企業財務與企業信用互相制約。因此，分析企業財務狀況是對企業進行信用評價的關鍵。

五、層次分析法評價應用

（一）對某小企業基本信息狀況進行層次分析法處理

以下是對某一小型太陽能企業基本信息的考察，搜集資料數據，掌握本企業所在行業基本情況。

成本結構：固定成本相對其他企業較大，流動成本適中，盈利能力一般；太陽能產業作為新型能源產業，有著良好的發展前景；行業盈利能力強，太陽能資源作為新型能源，綠色環保，加上技術先進化，企業利潤隨著市場規模的擴大，逐漸增加；行業依賴性大，同行業替代品較少，初步預測未來五年無新型產業能替代太陽能產業。通過專家學者對太陽能企業的行業分析，依據數據統計建立中小企業的初始矩陣圖（包括財務狀況、經營狀況、管理狀況），初步確立各指標的相對權重。

在此我們建立信用評價結果集。這里以優、良、合格、不合格四個標準來評價中小企業的信用度，即評價集為V=（優、良、合格、不合格）。參數指標如下：40～50為優，30～40為良，20～30為合格，20以下為不合格。

（二）小太陽能制造企業信用評價指標分析

從上表統計本小太陽能制造企業信用評價指標得分來看：

1.出于行業發展分析：太陽能產業正處在新能源開創初期，作為新能源行業具有巨大的發展空間。

2.總體經營狀況發展可觀，本小企業能夠正確的進行產品分析和市場評價，運用正確的經營策略，能保證企業在以后發展中處于基本穩定狀態，良好的企業經營狀況能夠給企業帶來良好的信用評價。

3.企業內部管理較為科學，組織結構適中，管理者知識技能和管理素質給企業的科學發展提供了軟條件。為企業的長久發展具有戰略性指導意義。

4.企業財務是公司一切事務發展的基礎，良好的財務狀況決定了企業具備較強的發展能力。企業總體處于一個好的發展狀態，盈利能力較強，負債比率較低，說明企業值得信任，正常條件下不會出現資金信用缺失問題。

綜述，企業總體信用度處在高分位置，表明企業信用度比較高，除企業自身存在小部分問題之外，總體信用能給銀行評價機構一個可信賴答復。從企業信貸風險和銀行收益角度考慮，銀行可以給予本小企業一定金額的融資貸款業務，幫助企業實現技術、制度、產品創新。

【參考文獻】

第3篇：企業信用評價范文

關鍵詞：科技型創業企業；信用評價；BP神經網絡

中圖分類號：F27

文獻標識碼：A

文章編號：16723198（2015）23006203

1 引言

目前，科技型創業企業已成為推動國民經濟持續健康發展的重要動力之一，然而在其發展和壯大過程中也最容易出現制約其發展的問題。由于科技型創業企業需要大量的資金投入，融資問題已成為影響其是否取得成功的關鍵因素。在國內企業取得融資的有限渠道中，銀行和金融市場起著至關重要的作用，但往往由于市場信息的不對稱以及企業信息不透明等因素的限制，出于規避高昂的監督成本和收益的高度不確定性等風險，銀行和金融機構在放貸額度中給予科技型創業企業的融資額度相對有限。由于科技型創業企業的研發周期長，在缺乏有效的外部融資的狀況下，即使項目有大好投資前景，企業也有較大的失敗風險，最終無法發揮出科技型創業企業對企業技術創新的促進作用。因此，對國內科技型創業企業進行信用評價，建立適合其特征的信用評價模型，來提高其信用水平、財務信息透明度、拓寬其融資渠道十分必要。目前國內針對企業信用評價的研究有了一定的發展，但統一的主要針對科技型創業企業信用評價的指標體系和評價模型尚未形成。

傳統的企業信用評價模型主要有專家打分法、信用評級方法和信用評分方法等，現代的信用評價模型主要有：KMV模型、財務比率分析模型、Logit回歸模型、神經網絡模型、模糊綜合評價法和AHP（Analytical Hierarchy Process）法。由于企業的信用風險與反映企業信用風險狀況的各項指標變量之間通常具有非線性的關系，而上述企業信用評價方法都不能有效解決變量之間的非線性關系，也不能有效解決指標變量存在的非正態分布問題。由于神經網絡模型在解決變量間的非線性關系問題中具有優越性，在Odom（1990年）運用神經網絡模型解決企業信用評價問題之后，神經網絡模型逐漸獲得了相關實踐者和學者的極大關注。Tam（1991）、Kiang（1992）、Datta（1991）和Shekhar（1992）將神經網絡模型用于銀行破產預測，Altman（1994）將其用于對意大利企業經營成敗狀況進行預測，取得了比多元判別分析模型預測結果更加準確的結果。根據小微型科技企業信用狀況的特點，何躍、蔣國銀（2005）運用人工神經網絡原理構建了三層BP神經網絡信用評價模型，該模型的優點是具有較強的自學習和非線性處理能力，針對小微型科技企業信用狀況的預測具有較高的預測結果。國內許多學者（鮑盛祥、殷永飛，2009；龐素琳，2012）認為，在變量之間是非線性關系的情況下，人工神經網絡模型的精度優于傳統的統計方法。

2 BP神經網絡概述

BP神經網絡具有準確性高、誤差小、收斂速度快的顯著優勢，相比其他企業信用評價方法，BP神經網絡模型的自學習能力和自聯想功能較強，也不要求樣本數據呈正態分布、滿足先驗概率已知以及協方差相等要求，同時也具有能夠有效解決非線性分類問題、對樣本數據容量不做具體要求等優勢，是處理企業信用評價問題的理想方法。因此，本文使用BP神經網絡來建立適合科技型創業企業的信用評價模型。

神經網絡內部依次為輸入層、隱含層、輸出層，BP神經網絡屬于前向反饋神經網絡，BP神經網絡的學習算法包含了正向和反向傳播兩個過程，正向傳播過程即為：指標變量信息由輸入層經隱含層各神經元傳向輸出層，前層神經元的處理結果只對后層神經元的結果產生影響，如果最后輸出層產生的結果與期望輸出不符，則自動轉變為反向傳播過程。反向傳播即為：將輸出誤差經隱含層神經元向輸入層逐層反饋，在此過程中，網絡會將誤差均攤給各層的每一個神經元，從而網絡可以取得各層神經元傳來的誤差信號，網絡將其作為修正各神經元權值的依據，經過權值的不斷調整使網絡完成訓練。權值的調整過程持續到預先設定的學習次數或輸出誤差減小到可接受程度為止。三層前饋BP神經網絡的結構如圖1所示。其中，X=（x1，x2，……，xn）代表輸入向量，Y=（y1，y2，……，ym）代表輸出向量，n和m分別代表輸入和輸出向量的維數。不同層間的神經元屬于全互聯接，每層次內的神經元沒有任何連接。

來衡量其信用的高低。反映科技型創業企業經營和財務狀況的財務指標具體包括償債能力、盈利能力、營運能力和成長能力等方面。本文在借鑒現有企業信用評價研究成果并結合科技型創業企業的特征，選擇出16項可以有效反映科技型創業企業特點的財務指標。為解決某些財務指標變量間高度的相關性問題，本文通過SPSS 19.0軟件，使用因子分析法對這些指標變量進行分析和整理，在刪除那些與科技型創業企業信用狀況不相關或與其他指標高度相關的指標后，本文最終確定了包含12項指標變量的指標體系作為下文對科技型創業企業的信用狀況進行評價的指標體系（如圖1所示）。但由于保留的指標變量間還可能存在多重共線性問題，為保證評價結果的準確性、可靠性，本文再次對其進行因子分析來提取公因子，以特征根大于1且累計方差貢獻率大于80%作為提取公因子的標準，通過分析本文提出了5個能夠體現原始變量的主要信息的公因子，它們即為下文評價模型中的輸入變量。

由于選取的樣本企業的各項財務指標包含了不同的量綱和數量級，本文首先將各指標變量進行標準化處理，從而使各個指標變量都具有共同的數值特性。本文運用的標準化方法如下式所示：

Xij=xij-xjσj，其中，Xj為原始數據的均值，Xj=1ni=1xi，σj為原始數據的標準差，σj=1nni=1（xij-xj）。

4 科技型創業企業信用評價實證分析

4.1 BP神經網絡的設計

BP神經網絡可以根據實際情況來設置一個或者多個隱含層，當樣本較多時，增加一個隱含層可以顯著減小網絡規模。由于包含單個隱含層網絡可以通過適當調增神經元個數來實現任意非線性映射，所以，包含單個隱含層的神經網絡即可解決大部分場合下問題。因此本文建立的BP神經網絡模型包含單個隱含層。

（1）輸入層和輸出層神經元個數。輸入層神經元個數等于輸入變量的個數，由于本文得到了5個公因子，因此輸入層神經元數n=5。輸出層神經元的個數m取決于科技型創業企業信用評價結果類別。本文用輸出“1”表示中小企業信用正常，用輸出“0”表示中小企業信用較差，因此本文建立的模型的輸出層神經元的個數為1。

（2）隱含層神經元個數。隱含層神經元個數的確定目前還沒有一個理想的解析式，通常根據經驗公式來確定。

常用的經驗公式為：n1=n+m+a，其中m為輸出層個數，n為輸入層個數，a為[1，10]之間的常數，有上文可知，m=1，n=5，代入公式可知隱含層個數的取值范圍為（3，13），經過實際對比分析，當隱含層選10時，訓練誤差較小，因此，本文設定隱含層個數為10。

（3）訓練函數的選擇。本文建立的BP神經網絡模型的輸入層和輸出層函數均為Sigmoid函數，并設定最大訓練步長epoch=1500。

（4）樣本原始數據來源。本文選擇了100家在創業板和新三板上市的科技型創業企業的財務數據作為實證樣本數據進行訓練，各項數據取自于瑞思數據庫和東方財富Choices數據庫。為了確保能夠得到可靠、準確的訓練結果，樣本企業行業的選取包含了電子、化工、制藥、家電、生物科技、機械制造、金屬加工等多個行業部門，能夠反映科技型創業企業的特征。

4.2 實證分析與結果輸出

本文運行Matlab2014a版本并運用編寫的程序將100家企業各自的5項主因子作為輸入變量，對網絡進行訓練和檢驗并對訓練樣本進行了仿真。本文將前90家企業數據作為訓練樣本來訓練網絡，將后10家企業數據作為檢驗樣本代入網絡以檢驗網絡的預測精度。對于得出的預測結果設定以0.5為分界值，如過大于05，則將公司判定為信用好的企業，反之則判定為信用差的企業。由圖2可知網絡可以以較快的速度實現收斂。

為了抵消隨機因素的影響，本文取相同的訓練參數和測試樣本代入網絡重復運算20次，統計正確率和迭代次數（如圖3所示），20次訓練結果如表2。

由網絡20次訓練結果（表2）可知，使用BP神經網絡模型對實證樣本數據進行預測的結果和期望輸出對比后，模型的平均正確率達到83%，預測精度較高，適合作為預測科技型創業企業信用狀況的評價模型。實證結果表明，利用BP神經網絡對科技型創業企業進行信用評價，具有較高的可操作性和準確性。

5 結論

本文在借鑒國內外現有的企業信用評價理論和相關研究成果的基礎上，結合科技型創業企業的特點構建了適合對其進行信用評價的指標體系，然后在運用因子分析提取反映企業信用狀況的公因子作為代入模型的指標變量，據此建立了BP神經網絡信用評價模型，通過對國內100家在創業板和新三板上市公司的實際數據進行分析，得出的實證結果表明使用BP神經網絡對科技型創業企業進行信用評價的平均正確率可以達到83%，具有較高的準確率和可操作性。因此，金融機構可以據此加強對科技型創業企業的信用評價，篩選優秀的科技型創業企業借款人以降低信用風險，同時也可改善科技型創業企業與金融機構之間的信息不對稱程度，使科技型創業企業能夠獲得更多的融資機會，促使其能夠以健康的方式持續的發展，進而充分發揮出其促進企業技術創新的作用。

參考文獻

[1]龐素琳.信用評價與股市預測模型研究及應用統計學、神經網絡與支持向量基方法[M].北京：科學出版社，2005.

[2]遲國泰，章穗，齊菲.小企業貸款信用評價模型及實證研究―基于最優組合賦權視角[J].財經問題研究，2012，（9）：5357.

[3]李菁苗，吳吉義，章劍林等.電子商務環境下中小企業信用評價[J].系統工程理論與實踐，2012，（3）：555560.

[4]劉湘勤，龍海雯.銀行結構、信用環境與中小企業發展：基于中國跨省數據的實證分析[J].西北大學學報（哲學社會科學版），2007，（6）：159161.

[5]譚慶美，吳金克，趙黎明.基于BP神經網絡的中小企業信用評價研究[J].西北農林科技大學學報（社會科學版），2009，（5）：5762.

[6]邢樂成，梁永賢.中小企業融資難的困境與出路[J].濟南大學學報（社會科學版），2013，（2）：17.

第4篇：企業信用評價范文

關鍵詞：供應鏈金融；信用評價；模糊綜合評價；可拓AHP；聚類分析

一、 引言

供應鏈金融自從2006年被中國資金管理者沙龍發掘并深入研討后，越來越多地被國內各大企業和銀行應用，已成為破解當前中小企業融資難題的創新金融產品。國內外學者針對供應鏈金融業務，分別從不同角度進行了分析。Allen N等人對中小企業融資提出了一些新的設想及框架，最早提出了供應鏈金融的思想。Gonzalo Guillen等研究了短期供應鏈融資，提出了合理的供應鏈管理模式可以影響資金融通與企業運作，從而增加供應鏈整體收益。本文提出應用模糊可拓層次分析法對供應鏈金融模式下的中小企業信用風險進行評價的方法，該方法利用可拓區間數來表示各指標間的相對重要性，比傳統層次分析法更科學、更合理，通過專家打分建立可拓區間個體判斷矩陣，計算出各層次個體判斷指標權重，應用聚類分析法，將專家個體排序向量進行系統聚類，確定出專家權重系數，得出各層次綜合權重，再結合模糊綜合評價方法進行逐級評價，最終得到綜合評價值。

二、 基于供應鏈金融的中小企業信用評價指標體系構建

本文借鑒傳統信貸政策下中小企業信用評價的基本框架，根據供應鏈金融自身的特點，結合借款人的資信水平，重點考察單筆融資業務自我清償的能力以及貸款人組織該筆供應鏈交易的能力，對供應鏈上中小企業進行信用評價。評價指標體系見圖1。

三、 基于聚類分析與模糊可拓AHP中小企業信用評價模型

1. 可拓群組AHP。

（1）可拓判斷矩陣的構造。本文采用Saaty提出的互反性1-9標度法作為判斷矩陣標量化準則，在這一準則下，每位專家兩兩比較隸屬于同一層次的各個指標的相對重要性，為反映人類認識的模糊性，用具有一定彈性的區間數來進行重要性標度，假設m個專家參與決策，則每人所得的區間判斷矩陣分別記為，A1，A2，…，Am，其中Ak=（aijk）nn，aijk=[aijk-，aijk+]，k=1，2，…，m，i，j=1，2，…，n。

第三步，判斷矩陣的一致性。若0?燮f?燮1?燮g，表示可拓判斷矩陣具有較好的一致性。若不滿足則需校正判斷矩陣或請專家重新判斷。

第四步，求出權重向量。

Sk=（Sk1，Sk2，…，Sknl）T=（2）

Sknl表示專家k給出的l層的第n個因素對上一層因素的權重向量。

2. 模糊綜合評價。下面給出二級模糊綜合評價的基本步驟：

（1）劃分因素集。設因素集U={u1，u2，…，un}，評價尺度集V=（v1，v2，…，vm），根據U中各因素間的關系將U分成 k份，設第i個子集Ui={ui1，ui2，…，uin}，i=1，2，…，k。

（2）一級評價。利用一級模型對每個Ui進行綜合評價，計算其綜合評價向量，

Bi=Wi。Ri i=1，2，…，n（4）

式中，“。”為模糊合成運算；Wi為1ni階權重向量； Ri為對Ui的nim階單因素評價矩陣；Bi為Ui上的1m階一級綜合評價結果矩陣。

（3）多級綜合評價。將每一個Ui作為一個元素，用Bi作為它的單因素評判，構成二級評判矩陣：

R=B1B2…Bn（5）

設關于U={u1，u2，…，un}的權重分配為W=（w1，w2，…，wn），則可以得到U的二級評判結果為：

B=W。R=（b1，b2，…，bm）（6）

按照最大隸屬度原則，用bj=max（b1，b2，…，bm）對應的等級vj可以判定評判因素的等級。

（4）計算方案的綜合評價值。若取評價尺度的隸屬度集為V=（好，較好，中等，較差，差），并賦以相應的分值，如 V=（100，80，60，40，20），各級因素的綜合得分即為

M=BVT（7）

四、 評價實例

A是某地的煉油企業，其上游供應商是中國石化公司的B分公司，B公司每月按照原油指標給A企業穩定的原油供應，A企業進行煉制生產，A企業與B公司采用預付貨款的方式。由于A企業存在預付貨款的資金需求，向銀行申請基于預付貨款的供應鏈金融融資。

聘請10位專家，按照A企業的基本狀況、供應鏈的交易狀況等，對照圖1給出的評價指標體系，建立可拓判斷矩陣，由于判斷矩陣的對稱性，這里僅列出申請企業基本情況維度的判斷矩陣的右上三角形的量值（如表1），并給出模糊評價值的求法，其余各維度及總目標層的評價值可類似求出。

下面以專家3可拓判斷為例計算權重向量。

x1-=（0.120，0.288，0.215，0.192，0.107，0.078）T

x1+=（0.122，0.277，0.214，0.190，0.115，0.080）T

f=0.911

所以判斷矩陣的一致性良好。

由公式（2）可得S1=0.109，0.135，S2=0.262，0.305， S3=0.195，0.235，S4=0.174，0.210，S5=0.097，0.127， S6=0.071，0.088。

根據公式（3）有?籽1=V（S1?叟S6）=3，?籽2=V（S2?叟S6）=7.87， ?籽3=V（S3?叟S6）=5.75，?籽4=V（S4?叟S6）=5.36，?籽5=V（S5?叟S6）=2.38，?籽6=1，進行歸一化處理，從而得出專家3對此因素給出的權重向量W31=（0.118，0.310，0.226，0.211，0.093，0.040），同理可得到其他專家給出的權重向量，這里不一一列舉。集合專家自身權重可以得到在這個維度的綜合權重W1=（0.117，0.305，0.211，0.192，0.096，0.080），給出此因素下指標的評價值矩陣，便可得到此因素的隸屬度向量B1=（0.139，0.443，0.212，0.126，0.08）。

依照此法求出準則層的權重向量W=（0.338，0.114，0.305，0.164，0.079），總評價矩陣

R=0.139 0.443 0.212 0.126 0.080.687 0.251 0.044 0.015 0.0030.514 0.357 0.072 0.048 0.0090.435 0.418 0.113 0.030.0040.234 0.562 0.106 0.051 0.047

利用公式（6）和公式（7）計算出企業A信用評價綜合得分為M=81.5，信用評價結果良好。若按傳統模式進行信用評價，只考慮企業自身的情況，本例中用申請企業基本情況維度計算A企業信用評價得分為60.7，很難獲得銀行的信貸支持，這也是很多中小企業面臨的融資困境，供應鏈金融信用評價體系從關注中小企業自身的風險，轉變成關注供應鏈的整體風險，從對中小企業的靜態財務數據進行評價，轉變到關注單筆交易的自償性，對交易全過程進行評價，銀行通過對融資項下資產的有效控制，有效地解決了中小企業融資難題。

五、 結論及建議

本文所建立的模型，解決了構造判斷矩陣和系統綜合評價時人類認識的模糊性問題，聚類分析法的應用，解決

了群決策問題中專家權重的確定問題，在實際應用中，發現該方法具有數據處理方便、結論客觀合理、可操作性強等特點，為供應鏈金融環境下中小企業的信用評價提供了有效的新途徑。同時我們也應該注意到，在銀行業剛剛開展供應鏈金融業務四五年的時間里引入和應用信用風險評價模型，企業信用數據的缺乏將是遇到的首要問題。銀行必須切實做好收集、整理及存儲企業的財務信息、信用信息以及與之相關的供應鏈信息，建立起自己的基礎數據庫，選擇或開發適合自身的信用評價方法，才能提高信貸決策的科學性和準確性。

參考文獻

1. Alen N．Berger，Gregorry F．Udell．A More Complete Conceptual Framewolrk for SME Finance. World Bank Conferenceon Small and Medium Ente- rprises：Overcoming Growth Constraints，USA，2004．

2. Gonzalo Guillen，Mariana Baderll．A Holis- tic Framework for Shortterm Supply Chain Mana- gement Integrating Productionand Corparate Fina- ncial Planning．Production Economics，2006，（7）：25-27．

3. 陳祥鋒，石代論，朱道立．融通倉與物流金融服務創新．科技導報，2005，23（9）：30-33．

4. 彎紅地．供應鏈金融風險模型分析研究．經濟問題，2008，（11）：109-112．

5. 熊熊，馬佳，趙文杰．供應鏈金融模式下的信用風險評價．南開管理評論，2009，12（4）：92-98．

6. 遲國泰，馮雪，趙志宏．商業銀行經營風險預警模型及其實證研究．系統工程學報，2009，24（4）：408-416．

第5篇：企業信用評價范文

[關鍵詞]信用評價 指標 模型

信用風險一直以來都是各個經濟主體面臨的重要金融風險,信用風險評價的研究在國際上得到了高度的重視和迅速的發展。次貸危機的爆發,使得信用評價研究的重要性更加不言而喻。我國的信用風險度量方法雖然起步較晚,但隨著我國市場經濟和金融市場地發展不斷演進,越來越多的學者加入到信用評價的研究中來。

綜觀我國的信用評價研究,焦點主要集中在信用評價指標體系的建立、信用評價的分析方法和信用評價模型中的有效性研究三個方面。

一、信用評價指標體系的研究

在指標的選取上,許劍生(1997)認為現行企業信用等級評定指標體系存在著以企業資產負債表和損益表數據為主,忽略了對企業現金流量的分析和部分指標設置不科學兩大缺陷。

夏紅芳、趙麗萍(1998)則指出現行指標體系存在著與新財務管理準則的核算口徑不統一、定性分析指標太多、單項指標設置內涵過寬三個方面做得不足。認為當前的指標系統未能全面反映企業經營情況。

周佰成等(2003)認為一個指標體系應能準確地反映評估對象的特點與實際水平。

李小燕、盧闖(2004)研究了基于業績企業信用評價指標與股權所有者的利益相關性,從而提出改進和完善現有企業信用評價模型的構想。研究結果表明:企業信用評價指標體系中的業績指標較非業績指標與企業的信用等級更相關。

田俊平(2005)在其碩士論文中提出現有信用評價指標較多關注企業的短期能力,應更多地關注反映企業長期能力的指標。

曲艷梅(2006)根據平衡計分卡原理,分別設計定性指標和定量指標的四個維度。其中定性指標的四個維度指標均衡分布,各為25分。而定量指標中的償債能力指標定為50分。

綜合現有文獻中所采用的信用評價指標體系,信用評價所強調的是債權人的利益,而非股東的利益,故指標體系中最為看重的是體現償債能力的指標。現有的指標體系普遍存在著定量指標比重過大,定性指標較少的現象,評價指標中所涉及的現金流量指標也較少。

二、信用評價的分析方法研究

當前我國學者研究得更多的是各種分析方法在信用評價模型中的應用。

最早用于建立信用評價模型的線性判別法(Liner Discriminate Analysis,簡稱LDA)是一種簡單的參數統計方法。考慮到財務比率的多維性,信用評價模型中更為常用的是多元判別法(Multivariate Discriminate Analysis,簡稱MDA)。近年來,線性概率模型和Logistic回歸模型,特別是神經網絡法等也被廣泛應用于企業信用評級。

最先將多元線性判別法用于信用分析的是美國的Redward•Altman于1968使用22個財務指標分析了美國破產企業和非破產企業,并從中選出5個最有代表性的關鍵指標建立了著名的五變量Z模型。該模型簡單且成本低,在美國商業銀行得到廣泛應用。我國學者陳靜(1999)使用多元判別法進行實證研究,建立了評價企業信用風險水平的現行判別模型。方洪全、曾勇(2004)以銀行實際貸款數據樣本為分析對象,使用SAS軟件在66個財務指標中選取7個財務指標運用多元統計技術建立起4水平的線性判別模型,并根據對模型的檢驗證實了該判別模型對信用風險的定量評估有較強的解釋和預測能力。

這些多元判別分析模型一般情況下只能對企業信用劃分成兩類,即還本付息和違約。這種分類不利于使用者對企業的風險進行更深層的管理。同時,由于多元判別分析法對變量數據要求較多,應用前提過于嚴格,而實際所使用的數據卻有一定的違背,使得這種模型的誤判率較高。

為了解決多元判別法應用前提的局限,美國學者Ohlson將多元邏輯回歸(Logistic regression,簡稱Logit分析法)引入了信用評價研究中。使用Logit分析法的模型采用Logistic函數,在數據不滿足正態分布情況下其判別正確率高于多元判別分析法的結果。

在國內,許多學者將Logit模型用于上市公司財務困境的預測研究,并取得了不錯的效果。陳曉、陳治鴻(2000)使用Logit模型對ST公司和非ST公司進行了預測,其判別準確率為86.5%。常麗娟、張俊瑞(2007)建立了多元因變量Logit模型對69家進行了實證分析,并使用一個樣本進行檢驗,評價結果與中介機構評價結果一致。

隨著信息技術的發展,人工智能模型被引入到企業信用評估中,最典型的是人工神經網絡(Artificial neural networks,簡稱ANN)的運用。神經網絡對數據的要求不嚴格,處理非線性關系的變量具有良好的效果。但其工作的隨機性較強,往往需要進行多重的訓練。國外學者Altman、Marco、Jenson等都使用了神經網絡分析法對公司的財務危機進行了預測研究,并取得了一定的成果。

王春峰、萬海暉、張維(1999)使用神經網絡法對100個企業樣本進行了信用分析,研究結果中使用判別分析法的誤判率為25.45%,神經網絡法的誤判率為18.18%。神經網絡的預測準確性明顯優于判別分析法。劉慶宏,劉列勵(2009)對各類方法中的代表模型使用了兩個數據集來驗證他們的在信用評級應用中的評價效果,結論認為在各種方法中人工神經網絡方法較為靈活與準確。但由于該研究數據為澳大利亞與德國企業的數據,未能代表其在中國的應用效果。

由于神經網絡工作的隨機性較大,需要人為地對網絡結構進行調試,其應用受到了一定的限制。Altman(1997)經過研究后認為“神經網絡分析方法在信用風險識別和預測中的應用,并沒有實質性低優于線性判別模型”。

也有部分學者針對如何解決各種樣本存在的問題,在模型中引入了各種處理方法進行改進。在解決小樣本問題上,王春峰(2001)、勝(2004)的研究結果認為將cross-validation法引入信用風險評估建模技術,對于小樣本情況更為有效。章華、盧太平(2006)考慮到企業財務信息不確定和樣本的非典型分布特征,將灰靶模型引入對企業信用等級的評價。王慧玲等(2009)的研究表明在財務信用評價中引入熵模型,能夠更加客觀的確定評價指標的權重。

綜合相關文獻,我們可以發現隨著統計分析方法的發展,越來越多的方法被應用到信用評價模型的分析中來以解決樣本數據存在的缺陷。盡管信用風險評估方法層出不窮,但主流的方法只有多元Logistic回歸、多元判別分析和神經網絡法三大類。當前在準確性上較為認可的是神經網絡法。

三、信用評價模型有效性研究

現代信用風險度量模型主要包括Credit Metrics模型、基于精算方法的信用風險附加(Credit Risk)模型、信用證券組合(Credit Portfolio View)模型以及基于期權定價理論的KMV模型。國內對現代信用風險度量模型的涉及最初見于對信用風險模型的綜述類和比較類文獻。陽(2000)、梁世棟等(200)、春等(2004)分別對各種信用風險度量模型做了比較分析。李志光(2007)在其碩士論文中對Credit Metrics模型、KMV模型、Credit Risk模型、CPV模型進行了分析比較,得出了Credit Metrics模型比其他模型在我國商業銀行更具適用性和可行性的結論。

而對于Credit Risk模型,常麗娟等(2007)認為在我國的銀行貸款業務中,行業特征和風險會對各筆貸款的獨立性產生影響,不符合Credit Risk模型將每筆貸款是為獨立的重要假設,該模型在我國的適用性令人懷疑。

國內對CPV模型進行的研究較少。靳鳳菊(2007)基于CPV模型,選取了綜合領先指標、中國房地產開發企業綜合景氣指數和企業景氣指數三個指標從宏觀層面對房地產信貸的信用風險進行了研究。楊崗、陳帥(2009)對KMV模型與CPV模型進行比較分析后認為,CPV模型能更好地把握經濟變化對信用風險的影響。謝赤等(2006)對Credit Metrics模型與CPV模型進行了比較研究,結論認為CPV模型有利于提高信用風險度量的精確性,特別適用于投機性債務人。

國內較多的研究驗證集中于KMV模型在我國的適用性。主要研究成果有:薛鋒等(2003)討論了運用KMV模型分析我國上市公司信用風險的優缺點和運用前景。常麗娟、張俊瑞(2007)使用中國上市公司數據,對KMV模型做了有效性檢驗,研究結果認為KMV模型在我國股票市場環境下具備整體有效性,但由于我國股票市場信息效率存在一定的缺陷,模型的預測效力尚顯不足。李磊寧等(2007)在KMV模型中引入了公司資產價值增長率,使得模型在我國的適用性有了提高。李博、王海生(2008)使用修正后的KMV模型進行信用風險評價并檢驗了模型識別我國房地產上市公司信用風險的能力,發現模型能較好的識別出ST與非ST公司之間信用風險的差別,但同時也認為其在我國上市公司的預測準確率同其在國外的預測準確率相比相對較低。夏紅芳、馬俊海(2008)利用KMV模型,通過對我國4家上市公司5年股票價格的違約距離實證分析表明,KMV模型的靈敏度和預測能力都相當好。

這些學者普遍認為KMV模型在我國的實用性不高,主要在于我國缺乏一個完善的違約數據庫,難以確定一個較為準確客觀的經驗EDF值。且我國資本市場上處于初步發展階段,企業信息披露存在不足。必須結合我國的實際情況,不斷地對模型進行修訂與校驗,才能提高KMV模型在我國的有效性。

四、小結

近年來我國經濟一直在保持持續增長,在增長的同時我國的社會信用體系建設卻嚴重滯后。企業缺乏一個良好的信用氛圍,對于社會保障各種信用關系的健康發展和整個金融市場的穩定有著一定的影響。目前我國政府也越來越重視這個問題,并相應出臺了一系列政策措施。如何有效地、客觀地對企業的信用進行評價,不僅有利于保障企業各相關經濟關系主體的利益,更有助于我們今后繼續推進社會的信用體系建設。

參考文獻

[1]夏紅芳,趙麗萍.企業債券信用評級指標體系及神經網絡方法[J].華東船舶工業學院學報,1998 (2).

[2]李小燕,盧闖等.企業信用評價模型、信用等級與業績相關性研究[J].中國軟科學,2003 (5).

[3]陳曉,陳治鴻.企業財務理論、方法及應用[J].投資研究,2000 (2).

[4]常麗娟,張俊瑞.企業財務信用評價與管理研究[M].大連:東北大學出版社,2007.

[5]王春峰,萬海暉,張維.商業銀行信用風險評估及其實證研究[J].管理科學學報,1998,1(1).

[6]李志光:Credit Metrics模型在我國商業銀行信用風險管理的應用研究――基于我國商業銀行某分機構的實證分析[D].上海財經大學,2007.

第6篇：企業信用評價范文

關于開展互聯網企業信用等級評價工作的通知

各工作委員會，各會員單位，各互聯網企業，各省、自治區、直轄市互聯網協會：

為了貫徹落實中央關于“整頓和規范市場經濟秩序，健全現代市場經濟的社會信用體系”和“加強網絡文化建設和管理，營造良好網絡環境”的指示精神，根據國務院辦公廳《國務院辦公廳關于社會信用體系建設的若干意見》(〔2007〕17號)、工業和信息化部《關于2008年“陽光綠色網絡工程”工作方案的通知》（信部電[2008]83號）、全國整規辦和國資委有關《開展行業信用評價試點工作實施辦法》（整規辦發[2006]12號）等文件的要求，中國互聯網協會作為工信部、全國整規辦和國資委開展互聯網企業信用評價工作的實施單位和試點單位，于近期成立了互聯網企業信用等級評價中心（籌），制訂了《中國互聯網行業企業信用評價實施方案》（試行）及《企業信用等級評價標準》（網站企業與電信運營商），將接受互聯網行業企業的自愿申報，開展信用等級評價工作。為了確保評價工作的“公開、公平、公正”，協會已聘請了國內權威的行業專家和信用評級專家全程參與和監督評審過程。現就有關工作通知如下：

一、 信用評價簡介

1、企業信用評價等級分為三等九級（即AAA、AA、A、BBB、BB、B、CCC、CC和C）。

2、信用等級評價報告、證書和銅牌由中國互聯網協會頒發。統一采用全國整規辦和國資委制定的證書、銅牌樣式和編號。

3、評價結果有效期為三年。在有效期內對企業每年進行一次復查，復查不合格者要相應下調信用級別。有效期滿后企業可重新申請參加信用評價。

4、評價指標：包括企業綜合素質、財務狀況、管理水平、競爭力、社會信用記錄等方面。

5、信用評價工作流程：《申請表》資格初審《受理通知函》提交《評價申報書》/材料繳費征信調查評價/審核公示終評向企業提交《評價報告》/證書/銘牌年度復查。

企業信用等級評價相關系列文件和資料，包括《實施方案》、《申請表》、《評價申報書》格式等，將在中國互聯網協會網站企業信用等級評價專欄詳盡，供企業查看、下載。

二、 信用評價結果應用

1、根據整規辦和國資委有關文件精神和部署，評價結果將向社會公示，向整規辦、國資委和商務部報備，并向中國人民銀行、國家工商總局、國家質檢總局和國家稅務總局等政府部門推介。

2、評價結果將作為互聯網企業經營許可證、生產許可證年檢的參考依據，服務政府的市場監管。

3、配合各省市地方政府的信用體系建設工作，評價結果將作為對企業融資、獲得政府資助、享受稅收優惠等的參考依據。

4、在年度“中國互聯網大會”等場合或以其他方式進行推介和宣傳。

5、向金融機構和風險投資機構提供優秀企業的信用信息，增強企業融資能力。

三、 信用評價費用

根據全國整規辦和國資委關于行業信用評價“不以盈利為目的”的原則，經協會理事長辦公會議討論通過，并經全國整規辦和國資委報備，每個企業評價收費標準確定為1.5萬元人民幣。評級結果三年有效期內每年一次的復查不再收取任何費用。

四、 申報條件

1、評價對象：基礎電信運營服務企業；電信增值服務提供商（網站、無線增值服務、域名注冊、ISP、IDC等）；互聯網和電信網的設備提供商、軟件提供商及系統集成商等。

2、申報企業必須在中國境內依法登記注冊且取得合法資質，互聯網協會會員優先。

3、連續2年工商年檢合格、2年內無嚴重不良信用記錄。

4、各省、自治區、直轄市互聯網協會的會員單位或省內互聯網企業須有所在省協會出具的審核意見。

五、 首批申報截止時間

信用等級評價工作常年接受企業申報。有意參加“首批互聯網企業信用等級評價活動”且符合申報條件的企業，請填寫《申請表》（見附件1）并加蓋公章后，于2008年8月18日前傳真至我協會企業信用等級評價中心（聯系方式附后）。

企業信用等級評價中心將進行資格初審，確定評價企業名單，并出具《受理通知函》（見附件2）。

六、 信用信息保密承諾

1、按照全國整規辦和國資委要求對企業工商注冊基本信息和評價結果進行披露，以便公眾查詢，為參評企業擴大宣傳；

2、在整個評價過程中，直接參與人員根據評價需要有權知曉企業各種信用信息，獲得的信息僅用于此次評價目的；

3、除了上述兩項以外，其他涉及包括評價報告在內的企業商業秘密信息的披露和轉讓，都必須取得權益人授權。

七、 聯系方式

互聯網企業信用等級評價專項工作由中國互聯網協會委托的第三方專業機構——北京至誠在線信息服務有限公司承擔。

地址：北京西城區德外新風街2號天成科技大廈B座三層

郵編：100088

咨詢、投訴電話：010-82273323

電子郵箱：xinyong@isc.org.cn

傳真：010-82273326

聯系人：付迎、孫國兵

評價中心網址：

（1）中國互聯網協會 企業信用評價專欄（查看、下載文件、表格等）；

（2）全國整頓和規范市場秩序辦公室，中國反商業欺詐網：

請點擊下載附件：

1、企業信用等級評價申請表

2、中國互聯網企業信用等級評價受理通知函

第7篇：企業信用評價范文

【關鍵詞】 中小企業; 擔保; 信用評級; 組織實施

借助擔保機構進行間接融資是中小企業克服資金瓶頸的重要途徑。信用評級具有風險揭示、投資引導、價格發現和扶優限劣的功能,是銀行、擔保機構發放擔保貸款的基礎。本文結合江蘇省中小企業擔保融資狀況調查,提出建立信用評價指標體系和組織實施方案,以期能為控制銀行和擔保機構風險,促進銀企合作、破解中小企業融資難服務。

一、信用資源匱乏和信息不對稱制約著中小企業融資

金融交易不同于一般的商品交易,它是以信息、信用為基礎的資金所有權和使用權的暫時分離。資金所有者――銀行為保證資金的流動性、安全性和收益性,渴望了解企業更多、更真實、更準確的信息和信用;而作為資金使用者,不少中小企業卻存在著治理結構不完善、管理不規范、可抵押資產少、生命周期短等問題,信用資源普遍不足。一般來說,企業管理者擁有的企業信息要遠遠多于銀行,信息不對稱增加了金融交易的風險。

信用資源匱乏和信息不對稱造成中小企業融資障礙,本質上是一種市場失靈的現象,需要市場以外的力量進行干預、解決,即引入第三方,通過社會信用資源共享放大個體信用。由于社會信用資源具有準公共產品性質,政府有責任參與其供給與生產。一方面由政府直接撥款和制定優惠政策鼓勵民間出資,建立信用擔保體系,解決中小企業信用不足的問題;另一方面是組織有關部門開展對中小企業的信用評級,以降低銀行和擔保機構可能承擔的違約風險。根據財政部《中小企業融資擔保機構風險管理暫行辦法》第八條規定,擔保機構擔保責任余額一般不超過機構實收資本的5倍,最高不得超過10倍。2008年江蘇省該指標不足4倍,銀行對與擔保機構合作為中小企業貸款顧慮重重。這說明,中小企業融資難主要不是擔保機構資本金不足,而是中小企業信用資源建設滯后。

二、中小企業信用資源的內涵

企業信用是基于經濟主體的內在責任,是與企業職工、投資人、債權人、客戶和社會公共組織等客觀主體進行經濟往來的一種道德規范。信用實現是中小企業意識認同和行為實踐的統一。根據中小企業的社會交往關系,其信用資源包括經濟信用、行政信用(即守法信用)和社會信用。

(一)經濟信用

中小企業經濟信用是企業在獲取物質利益過程中與關系人進行經濟交往中所要遵從的信用規范,包括價格信用、質量信用和合同信用。價格信用指經濟交往主體對交易物的價值要擁有完全信息,做到童叟無欺。質量信用指經濟交往主體對交易物的質量擁有完全信息,做到貨真價實。合同信用是指交易雙方要遵守合同約定的權利義務,做到“履行承諾、依約而為”,它是經濟信用中最根本、最核心的要求和體現。

(二)守法信用

守法信用是中小企業與公共管理組織交往中的信用表現形式。由于企業與公共管理組織的交往關系分為政府及授權組織、行業管理組織等交往關系,因而中小企業的守法信用相應的表現為行政守法信用和行業守法信用。

(三)社會信用

社會信用是企業基于科學發展觀和人本原則,對生態環境、工作環境、股東和職工利益的關心和尊重,是成熟企業推崇的社會責任,是企業贏得社會尊重的核心成份。

三、影響中小企業信用實現的主要因素

影響中小企業信用實現的因素根據其重要性,可分為信用品質、信用能力、經濟環境和社會環境。信用品質指企業履行信用的主觀意識。信用能力指企業履行信用的財力、物力及軟實力(包括無形資產和商譽),它是企業實現信用的物質基礎。經濟環境指企業履行信用時所處的金融環境、市場環境及經濟周期。社會環境包括法制完善程度和社會信用氛圍。前者表現為制度的完整性和強制力,后者表現為社會公眾道德思想和行為水平,它對企業信用行為在心理層面上產生從眾影響力。

為了解江蘇省中小企業信用狀況,筆者發放了200份調查問卷(中小企業和信用擔保機構各100份),收回126份。收回問卷中信用擔保企業占63%。分析顯示,信用品質、信用能力、經濟環境和社會環境,對江蘇中小企業信用影響的權重分別達到32.24%、30.50%、24.08%、13.18%(見表1)。

(一)信用品質

由于江蘇省中小企業,特別是私營企業普遍存在一股獨大的治理結構,決定了企業法人(或負責人,下同)絕對的決策權力和地位,企業信用品質主要取決于企業法定代表人的品格;其次是取決于影響法定代表人信用意志和執行決策的管理團隊素質,一般職工素質對企業信用實現影響甚微。

(二)信用能力

資產財務能力是企業當前信用能力的物質基礎,經營運作能力是企業未來信用能力的保障。但在考查企業當前信用能力時,經營運作能力的影響力要低于資產財務能力。

(三)經濟環境

在影響企業信用能力的三個經濟環境因素中,國家金融政策力度最大,直接關系到中小企業融資的成敗;其次是產品市場狀況,一般而言,市場需求旺盛或產品競爭力強、產銷率高的企業,信用資源就好;再次是經濟周期。經歷此次國際金融危機,中小企業負責人對經濟周期的關注度空前提高,特別是以出口導向型為主的中小企業。

(四)社會環境

與前三個因素相比,社會環境對江蘇省中小企業的信用影響力不是很高,說明法律完整性、強制力和社會輿論對企業實現信用的促進作用還有待進一步加強。

在四個因素中,信用品質和信用能力是企業實現信用的內在條件,對企業信用的影響權重合計為62.74%;經濟環境和社會環境中企業實現信用的外在條件,對企業信用的影響權重為37.26%。這完全符合唯物辯證法內因起主導作用的原理。

四、中小企業信用評價指標體系構想

控制信貸風險、維護金融安全穩定始終是我國政府貨幣經濟政策的重要目標。由于中小企業信用資源匱乏,提高自身信用的主動性差,2000年8月24日,國務院辦公廳在印發《關于鼓勵和促進中小企業發展的若干政策意見》時,就明確提出要建立和完善信用評估和風險控制制度。建立中小企業公共信用平臺,將大大降低銀行與企業的信息甄別成本和交易成本,解決了銀企、銀保雙方信息不對稱問題,改變銀行、擔保公司和企業的成本收益函數,實現盈利的帕累托優化。

信用評級是根據科學的指標體系對被評級企業履行經濟責任的能力及其可信任程度進行客觀公正的評價,并確定其信用等級。信用評級可分為外部信用評級和內部信用評級兩種模式。外部信用評級由專業評級機構作出,基本程序包括評級準備、實地調研、初評建議、等級復評、結果反饋、結果公告、文件存檔、跟蹤服務等。內部信用評級是由各銀行根據內部信貸條件評出,主要是預測企業的違約概率,針對不同的違約概率給出對應的信用等級,一般不對外公布。借鑒國內外信用評價、評級方法,結合我國中小企業的經營特點,其信用評級指標體系應包括信用品質和信用能力兩部分,具體測評指標見表2、表3。

五、中小企業信用評級的組織與管理

公開、公正、權威的信用評級既是中小企業融資的先決條件,也是擔保公司、商業銀行控制風險求發展的基本要求。筆者根據近年三方合作開展擔保業務的實際狀況,認為對中小企業信用水平評價應由第四方擔當。目前,作為“第四方”的信用評級機構主要是為大型企業,特別是上市公司服務,且行業發展不夠規范。人民銀行征信體系建設雖在一定程度上緩解了中小企業信用缺失的問題,但覆蓋面很不夠,且僅限于“征”,而沒有評級。因此,有必要對信用評級的組織和管理方式進行改革。

(一)信用評級監管機構

人民銀行是由國務院指定的征信管理部門,因而應由其牽頭設立信用評級監管機構,負責信用評級機構的認可,建立和完善我國信用評級機構的認可制度。一是明確評級機構獲得認可的條件,包括最低資本金、分析師的資格與數量、已有業務量的大小等;二是建立正式的程序對提交申請的評級機構加以評估;三是建立淘汰機制,被認可的評級機構一旦違反獨立、公正的評級原則,將被取消評級資格;四是認可制度和結果應向社會公開,以確保認可過程的透明度和公信力;五是在銀行、工商、稅務、質檢、海關等部門配合下,構建企業信用基礎數據公共平臺。

(二)信用評級機構

信用評級機構既是解決企業信用級別缺失的組織保障,又是信用體系建設中的重要組成部分。目前,國內從事企業信用服務的機構大體有三類:第一類是中資的企業信用服務公司;第二類是政府部門以及各商業銀行系統附屬的有關機構;第三類是合資、獨資機構及國外公司在中國的辦事處。第一、三類機構應該是重點培育和發展的對象,引進國外的、發展自己的。第二類則需要在評級市場化、第三方評估發展的基礎上,逐步進行取舍、整合。在實現信用評級市場化的過程中,逐步形成專業化、權威性的信用評級機構。

評級機構應具有三性:第一,專業性。評級機構應擁有自己的分析專家和專業人士,從資料搜集、整理分析到結果公布都具有高度的專業性。第二,獨立性。評級機構社會地位應比較超脫,在監管體系中扮演著“中立者”的角色,確保評級過程、評級結果獨立。第三,非強制性。評級機構作出的評比等級只是一種社會監督手段,不具有行政強制力,應具有明顯的非強制性的特征。

對信用級別達不到銀行信貸標準的企業,各級中小企業局應與企業開戶結算銀行合作進行信用培植,以提高中小企業的品質信用、經濟信用和守法信用。政府應把信用培植納入金融生態環境建設任務中,為提高全社會信用水平創造良好的組織和制度環境。

【參考文獻】

第8篇：企業信用評價范文

（一）客戶信用評價是出口企業應收賬款管理的基石商務部研究院院長柴海濤在2008年9月份指出，我國外貿企業國際業務的壞帳率高達5%，遠遠超出發達國家0.5%的水平，這意味著我國每年的出口要新產生300億至350億美元的壞帳。而商務部下屬的一家機構對我國1000家外貿企業的調查顯示，68%的企業有過因貿易對方信用缺失而利益受損的遭遇，其中損害最嚴重的就是信用風險所造成的拖欠貨款和合同違約，我國企業“應收賬款延遲收付”的比例超過50%。金融危機中，出口企業的海外商賬問題尤顯突出。信用評價體系是應收賬款事前管理的核心內容，是防范應收賬款風險的第一道屏障，也是應收賬款后續管理的基石，對交易對手的信用評價體系缺失是造成壞賬的根源。

（二）以財務指標為主導的出口是企業客戶信用評價體系推廣的制約因素具體表現在：

（1）信息資源限制是以財務指標為主導的出口企業客戶信用評價方法的根本制約因素。首先，信息渠道障礙。除上市公司外，企業一般不愿對外公開財務信息，在買方占優的條件下，多數交易中，客戶為非上市公司，處于相對劣勢地位的出口企業很難充分獲得進行評價所需的客戶的財務信息。其次，信息溝通障礙。除語言差異外，財務指標計算的基礎――財務會計報告通常受制于各國的會計法規或準則框架，各國之間存在一定的差異，這在一定程度上會限制信息的溝通效果，從而影響評價結果。在調查中81%的企業表示未能實現的原因之一是無法獲得客戶的相關信息或獲得信息的成本太高。最后，信息質量障礙：一是財務信息具有一定的主觀性，主要指財務信息在形成過程中，會計政策和處理方法收到主觀判斷和選擇的影響；二是財務信息具有滯后性，財務信息反映的是客戶過去交易或事項導致的財務狀況和經營業績，而信用評價關心的是客戶未來的支付能力；三是會計信息失真現象大量存在，財務信息的真實性很難驗證。

（2）其他資源限制是以財務指標為主導的出口企業客戶信用評價方法的現實制約因素。出口企業中，中小企業占大多數，以出口大省――浙江為例，有70%左右的出口中是中小企業實現的。中小企業資金、人力資源等方面的限制通常使過于復雜的評價模型難于操作。

從上述約束條件的可見，出口企業信用評價體系主要應保證信息的可獲取、評價體系易于執行。

二、基于非財務指標的出口企業客戶信用評價體系構建的原則

（一）信息渠道的暢通性、可靠性 非財務指標信息 主要有以下來源渠道：一是企業以往的交易紀律記錄；二商業機構或資信調查機構所提供的客戶信息資料及信用等級標準資料；三是委托往來銀行信用部門向與客戶有關聯業務的銀行索取資料；四是同其他與同一客戶有業務往來的企業相互交換該客戶的信用資料；五是其他可靠來源。

（二）指標體系的全面性和前瞻性 以非財務指標為主導的信用評價指標體系在建立時全面考慮影響客戶未來支付能力的主要因素，包括影響信用環境、信用表征、信用基礎和信用意愿與能力等因素。

（三）評價方法的科學性和可操作性 鑒于出口企業的資源限制，在方法的設計上，以易于執行和客觀科學為主要原則。

三、出口企業客戶信用評價非財務指標設計和內涵描述

本著全面性、前瞻性、科學性和可行性的原則，考慮到影響出口企業客戶信用的各方面因素，選用信用環境、信用表征、信用基礎與信用能力作為出口企業信用評價的第一層即基準層指標，再進一步構建第二層即具體層指標。具體指標構建如表1所示：

（一）信用環境 信用環境是指影響客戶信用的客觀經濟環境因素。相對于國內貿易而言，出口貿易的環境更為復雜，對于最終的貨款支付有更大影響，穩定好的環境是信用實現的重要保證。我們將環境因素氛圍出口企業客戶所在地的經濟環境、社會政治環境和貿易政策環境三個方面。

（二）信用表征信用表征主要反映那些有關客戶表面、外在的、客觀的特點。客戶信用同其內部組織管理的規范性有很大聯系，而客戶內在的信用能力和意愿通常也可以從其表面特征尋找到一定的痕跡，通過與客戶的接觸和對同行的咨詢，可以積累客戶的相關信息，從而得到其表面印象、業內信譽和組織管理的評價依據。

（三）信用基礎 信用基礎是指客戶信用形成的基礎。以往交易的付款記錄是客戶信用的有力證據，而交易的擔保條件、結算貨幣和結算方式是信用形成的基礎，擔保條件是信用實現的保證，而結算貨幣匯率的穩定性是貨款能否支付的重要影響因素，不同的結算方式對于出口企業的保護程度有很大差異的。

（四）信用意愿與能力 信用意愿與能力是指能夠直接反映客戶信用意愿能力的指標。以往交易的付款記錄是反映客戶信用意愿和能力的重要參考。主要交易金額的大小對于客戶的壓力不同，大額交易的負擔較重，信用風險較大。資本總額是客戶承擔責任的基礎和限額，是信用能力的根本體現。

四、指標權重的確定

由于非財務指標的度量具有一定的主觀性，采用德爾菲專家調查法和層次分析法（AHP）相結合的方式確定各指標的權重。

（一）確定基準層的權重具體包括：

（1）構造判斷矩陣。課題組邀請了12位來自高校、企業和銀行的專家對基準層和具體層的指標重要程度分別進行判斷，根據統計結果，采用T.L.Saaty的標度法構造基準層的判斷矩陣如表2所示：

（2）用n次根法將矩陣的各行向量進行歸一化處理，得到權重向量（0.142，0.087，0.385，0.385）

（3）一致性檢驗。計算矩陣的最大特征值λmax=4.021，CI=0.007，查表RI=0.89，則CR=0.080.1，通過一致性檢驗。

（二）確定具體層各指標的權重匯總如表3。

五、基于非財務指標的出口企業客戶信用評價模型

（一）評判集的確定規定評判集為V={優，良，中，差}，用V={ V1，V2，V3，V4}表示。對于“優”和“良”的客戶，企業可以給予賒銷政策，其差別體現在具體的信用條件上；對于評價為“中”的客戶，企業可以進一步考證是否給予賒銷政策，對于評價為“差”的客戶，企業原則上不給予賒銷政策。

（二）單因素的模糊判斷 單因素的模糊判斷即對一個因素進行評判，以確定評判對象對評價集的隸屬度。假設評判對象按因素集Ui中第j個因素Uij進行評判，則有：

rijk =Vijk/T

其中，rijk――評判集中第k個因素的隸屬度；Vijk――表示所有評價中因素Uij隸屬于評語Vk的份數；T――評價專家的評價總份數

由于本文中V={ V1，V2，V3，V4}，所以

Rijk={ rij1，rij2，rij3，rij4}

Rijk――表示因素Uij的評判結果的模糊集合。

假設Ui中有x個因素，則所有因素的評判結果構成的評判矩陣為：

Ri=ri11ri12ri13 ri14ri21ri22ri23 ri24… ………rix1rix2rix3 rix4

（三）二級模糊綜合評判 在單因素評價的基礎上，進行綜合評判，即綜合考慮所有因素的影響，以便得出更為合理的評判結果，表示如下：

Bi={Bi1，Bi2，Bi3，Bi4}

= WijRi

=（ Wi1 ，Wi2，Wi3 ……Wix） ri11 ri12 ri13 ri14ri21 ri22 ri23 ri24… ………rix1 rix2 rix3 rix4

――表示Wi與Ri的合成方式

Bik（k=1，2，3，4） ――表示綜合考慮所有因素的影響時，評判對象對評價集中四個標度的隸屬度

二級評判后，如果Bi1+Bi2+Bi3+Bi4≠1，則要對Bi1，Bi2，Bi3，Bi4進行歸一化處理，得到歸一化的Bi為Bi’即：

Bi’={Bi1’，Bi2’，Bi3’，Bi4’}

（四）一級模糊綜合評判 針對二級模糊綜合評判的結果，構建一級模糊綜合評判矩陣：

R=Bi1’Bi2’Bi3’Bi4’

B={b1，b2，b3，b4}

=WiR

=（ Wi，W2，W3 ……Wi）Bi1'Bi2'Bi3'Bi4'

二級評判后，如果bi1+bi2+bi3+bi4≠1，則要對bi1，bi2，bi3，bi4進行歸一化處理，得到歸一化的B為B’即：

B’={b1’，b2’，b3’，b4’}

為客戶信用評價的最終結果。

（五）模糊綜合評判結論從上述結果顯示評價集中“優”、“良”、“中”和“差”占的比重分別為b1’，b2’，b3’和b4’，最后采用最大隸屬度法對評判結果進行處理，例如在評判結果B’中b1’值最大，表明評語“優”所占比重最大，則該客戶的信用評價為“優”。

六、基于非財務指標的出口企業客戶信用評價模型的應用

課題組以出口企業A公司的客戶M公司為例，應用上述模型。首先由A公司組織評價專家組，成員由公司的高管、信用管理人員和行業協會專家共10進行分別評價，評價結果統計如表4所示：

（一）單因素模糊評判根據上述評價數據可以求得單因素R值為：

R1=0.20.50.3 00.7 0.20.1 00.50.30.1 0.1

R2=0.30.40.20.10.20.40.20.20.10.3 0.5 0.1

R3=0 0.30.50.20 0.10.70.20.2 0.70.1 0 0.2 0.30.4 0.1

R4= 0.40.50.10 0.10.50.30.10.10.20.60.1

（二）二級模糊綜合評判M公司信用評價的二級模糊綜合判斷如下：

B1={B11，B12，B13，B14}

= W1R1

= （ W11 ，W12，W13 ） = r 111r112r113 r114 r121r122r123 r124r131r132r133 r134

=（ 0.249 ，0.157 ，1.594） =0.2 0.50.300.7 0.20.100.5 0.30.1 0.1

=（0.4566，0.3342，0.1499，0.0594）

因為B11+B12+B13+B14=1，所以對B1={B11，B12，B13，B14}不需要進行歸一化處理，即B1‘=B1，同理可得，B2=（0.1866，0.3703，0.2891，0.1540）

B3=（0.0450，0.2629，0.5247，0.1674）

B4=（0.2619，0.4510，0.2411，0.0460）

（三）一級模糊綜合評判 針對二級模糊綜合評判的結果，構建一級模糊綜合評判矩陣，可得：

W=Bi1’ Bi2’Bi3’Bi4’= 0.45660.33420.14990.05940.18660.37030.28910.15400.04500.26290.52470.16740.26190.45100.24110.0460

考慮出口企業客戶信用評判模型中的基準層因素的權重，得到一級評判結果B，即：

B={b1，b2，b3，b4}

=WiR

=（ Wi1 ，Wi2，Wi3 ……Wix） W=Bi1’ Bi2’Bi3’Bi4’

=（0.142，0.087，0.385，0.385）

W=0.45660.33420.14990.0594 0.18660.37030.28910.15400.04500.26290.52470.16740.26190.45100.24110.0460

=（0.1994， 0.3549，0.3416， 0.1041）

因為B1+B2+B3+B1=1，所以對B1={B1，B2，B3，B4}不需要進行歸一化處理，即B‘=B=（0.1994， 0.3549，0.3416， 0.1041）為出口企業A公司客戶M公司信用評價的最終結果。

（四）模糊評判結果分析由上述計算和分析可見，客戶M公司的信用評價集中“優”、“良”、“中”和“差”的比例分別為19.94%，35.49%，34.16%和，10.41%，其中“良”占的比重最大，根據最大隸屬度法，M公司的信用評分為“良”，但同時注意到“中”的比例達34.16%，比較高，A公司對M公司應提供謹慎的信用政策。

參考文獻：

［1］劉瀅、金漢光：《外貿業務中的信用風險及其管理》，《財貿研究》2008年第1期。

第9篇：企業信用評價范文

和前兩種方法相比，信用評分法是一個量化法最著名的模型就是Z計分模型（Z-score）：它的基本思想是利用數理統計中的辨別方法分析銀行的貸款情況，建立一個可以在最大程度上區分信貸風險度的模型，得到最能夠反映借款人的財務狀況的好壞，具有預測和分析價值的比率，從而對企業進行信用風險狀況評估。模型如下：X1=流動資本/總資產；X2=留存收益/總資產；X3=息稅前收益/總資產；X4=優先股和普通股市值/總負債；X5=銷售額/總資產=主營業務收入凈額/總資產。Z<1.8，財務狀況較差，信用風險高，拒絕貸款；1.8≤Z≤2.99，為灰色區，誤判的概率較大；2.99<Z，財務狀況良好，信用風險低，可以貸款。Z-score模型主要是利用財務指標進行加權平均，該模型有2大缺陷：①企業財務數據反映的是過去的信息，利用這些數據進行風險度量的結果也只是對過去風險水平的測量；②中小企業多半不是上市公司，財務指標原始數據獲得困難。

二、現代判別法

（一）統計模型法。統計模型法是典型的定量評級法，根據中小企業信用數據，統計模型，計算其違約風險的大小常見的有Logit模型和Probit模型。1、Logit模型。Logit模型是通過一個取值為0和1之間的Logistic函數來進行二類模式分類。不要求數據滿足正態分布，這是其最大優點；另外，自變量、因變量之間不是線性關系，模型如下：xk（k=1，2，…m）為信用風險影響變量（多為企業財務指標），ck（k=0，1，2，…，m）為技術系數，通過回歸估計獲得。回歸值p∈（0，1）為中小企業信用風險分析的判別結果。如果p接近于0，則被判定為“差類”企業；若p接近于1，則被判定為“好類”企業。即p值離0越遠，企業違約風險越小；反之，違約風險越大。2、Probit模型。Probit模型假定誤差項服從標準正態分布，樣本企業的債信質量得分也服從標準正態分布。Xi與B分別為解釋變量與回歸系數構成的向量；Yi*為樣本公司有財務危機的傾向。當Yi*>0時，表示樣本企業有債務危機傾向；當Yi*<0時，表示無債務危機傾向。統計模型確實可以憑借統計分析提供有參考價值的依據，比較容易在評級效果上取得一致性。但存在兩點缺陷：①缺乏有力的理論基礎支持區別函數中的權重及自變量。在信用評分模型中的權重及自變量通常只能維持短期的穩定狀態，特別是當金融市場發生變化時，其他的財務比率也許在解釋違約風險概率上容易造成預測模型的不穩定。②模型忽略了難以計量但又重要的因素，如借款人聲譽。

（二）人工智能法。人工智能法主要包含專家系統和神經網絡。1、專家系統。專家系統其實是模擬專家運用知識進行推理的計算機程序，將專家解決問題的推理過程再現從而成為專家的決策工具或為非專業決策者提供專業性建議。專家系統一般采用歸納推理法，分析一系列案例，發現其規律。歸納推理有兩種途徑：一是利用大量案例信息來發現規律的信息驅動型；二是利用先驗模型指導來發現規律的意識模型驅動型。利用計算機的人工智能法大大降低了風險評估的難度，但是專家系統中知識的獲取始終是瓶頸，極大地影響著專家系統在信用分析領域的應用前景。2、神經網絡（PNN）。神經網絡是一種具有模式識別能力、自組織、自適應、自學習特點的計算機制，該方法主要將知識編碼用于整個權值網絡，具有包容錯誤的能力，同時對數據的分布沒有嚴格要求，也不必要詳細表述自變量與因變量之間的函數關系。該模型原理是通過神經網絡的分類功能進行信用風險分析的。首先找出影響分類的因素，作為PNN的輸入量，然后通過有導師的或無導師的訓練形成神經網絡的信用風險分析模型，用于新樣本的判別。

三、結論