【作 者】
李洋洋，王俊凤（副教授）
【作者单位】
（东北农业大学经济管理学院，哈尔滨 150030）
【摘 要】
【摘要】 对于涉农中小企业来说，因农业本身具有弱质性，其融资较一般中小企业而言更为困难。鉴于此，本文结合涉农中小企业的实际情况，利用AHP法和模糊综合评价法建立具有涉农中小企业特点的差别化信用评级体系，以期找到一种更加科学的方法评价涉农中小企业的信用状况，进而解决涉农中小企业融资难问题。而目前商业银行仍使用“打分卡”的方法评价中小企业信用，且现行信用评级体系往往是为大型企业量身定制的，并不适合针对中小企业的信用评级。
【关键词】 涉农中小企业；信用评级；模糊综合评价
一、引言
自十八届三中全会提出“发展普惠式金融，鼓励金融创新”的决定以来，政府加大了对中小企业的扶持力度，力求用普惠金融理念建立新型多层次的中小企业融资体系，这给中小企业带来了发展的又一次机遇。但对涉农中小企业来讲，发展壮大并非易事，其融资供给渠道过于狭窄，过分偏向于间接融资和银行贷款。而商业银行作为涉农中小企业资金的主要供应者，往往过分地注重抵押物，以至于忽略了借款人自身所具有的第一还款能力，加之其评判中小企业信用的方法有限，且现行的信用评级体系往往是为大型企业量身定制的，并不适合对中小企业进行信用评级，致使中小企业的信用被普遍低估，进一步加剧了中小企业的融资困难，错误的判断同时也会给银行带来巨大的损失。
因此，在我国信用体系建设的初级阶段，制定一套具有涉农中小企业特点的差别化信用评级体系，科学地评估涉农中小企业的信用状况，对于解决涉农中小企业的融资难问题具有重要的现实意义。
二、现行中小企业信用评级体系存在的问题
商业银行将信用状况作为客户准入的一项重要标准，其目的是防范客户的信用风险，提高银行的信贷资产质量。但目前我国的信用评级体系还不够健全完善，尤其是关于中小企业的信用评级尚未形成成熟的体系，主要表现在以下几个方面：
（一）信用评级方法不够完善
目前商业银行在对中小企业进行信用评级时，多采用定性指标比率分析与定量指标专家判定的综合打分评级法。这一方法存在的问题是难以准确确定定性指标与定量指标的比例关系，且各指标之间具有一定程度的关联性，在对单个指标打分再加总时很难利用统计分析技术剔除重复计分的指标，致使评级模型容易产生系统性误差。加之中小企业的财务制度不健全、财务数据的可靠性较差，因此只能依赖专家经验选取指标、确定权重，这在很大程度上降低了评级结果的准确性。
（二）信用评级指标设置的局限性
商业银行所选取的信用评级指标大致包括定性和定量指标两个部分，虽然涉及了众多不同层面的因素，但指标设置过于简单，且其调查的项目也并不能完全涵盖企业经营管理的各个方面。一方面，银行在选取定量指标时，普遍将企业的固定资产、营业收入等规模变量列为主要的评价指标，使一些经营状况较好但资产规模和营业规模较小的中小企业的信用评级分数低于一些经营状况较差的大型企业，不能客观地反映企业的信用情况。另一方面，现有的定性指标缺乏对履约状况的分析。事实上，并非是财务状况良好、偿债能力强的企业就一定拥有好的信用，能否及时履约也是决定企业信用的重要因素。与此同时，银行目前的指标体系中也缺乏对企业所属行业的深入分析，不能体现和揭示企业所处行业的特点和发展前景，因此很难对未来企业的获利能力及变化趋势做出正确的判断。
（三）缺乏对评级企业的跟踪复评和返回式检验
商业银行在完成对企业的评级工作后，并没有持续密切地关注被评级企业的信息变化，也没有对企业进行跟踪复评。而此时若企业发生足以引起信用风险变化的事件，就难以确保以往信用评级结果的有效性。另外，整个评级体系中也缺少对评级结果的返回式检验制度。在实际评级过程中，评级体系和评级方法可能存在一定的缺陷，导致系统性偏差，并且由于人为操作不当也可能产生操作性偏差。因此，需要建立返回式检验制度，定期对系统性偏差及操作性偏差进行调整，以保证评级结果的有效性。
三、基于AHP法的涉农中小企业信用评级指标体系设计
（一）构建指标体系的基本原则
指标的选择要与涉农中小企业的信用状况相关联，确保所选指标能够体现涉农中小企业自身的发展特点，并能相对全面、准确地衡量涉农中小企业的整体素质，但指标之间所属的关联性不宜过大，过大的关联性会导致评级结果不准确。同时，在进行指标选择时，要坚持可行性原则，应以客观的角度，把定性与定量指标有机地结合起来，一方面要选择具有普遍性、便于理解和容易获取的定量指标，另一方面要选择便于观测、客观性强的定性指标。
综上所述，指标的选取应遵循科学性原则、可行性原则、定量与定性相结合原则、关联与非关联原则和指标与目的相结合原则。
（二）指标选取与指标说明
本文将涉农中小企业信用评级指标分为定量指标和定性指标，在设置定量指标时，笔者减少了对流动资产、销售收入等规模变量的考察，加入了对现金获取能力的评价，以反映未来企业真实的偿债能力。此外，由于很多中小企业面临着比大企业更高的风险，因此，本文特别添加了风险状况这项指标，分别用经营杠杆系数和财务杠杆系数评价企业的经营风险和财务风险，有助于全面评价涉农企业的信用状况。
考虑到涉农中小企业的数量庞大、资金实力较弱和财务制度不健全等特点，笔者认为应适当降低财务指标的权重，加强对中小企业基本素质、创新能力和行业状况等“软信息”的关注。本文在参考传统信用评级指标的基础上，加大了对涉农企业的市场竞争能力和履约状况的考察，尤其关注了企业业主的信用状况。
一般来说，中小企业业主的决策权要高于大企业，其还款意愿决定了企业的履约状况，因此应加强对业主信用状况的关注，从而更科学合理地评价涉农中小企业的信用风险。本文设计的信用评级指标体系见表1。
（三）基于AHP法确定指标权重
1. 建立递阶层次结构模型。将与决策有关的各因素自上而下分成若干层，具体可分解成总目标、一级指标、二级指标和三级指标。涉农中小企业信用评级指标体系的层次结构如表1所示，该结构由四个递阶层次组成，其中P为目标层，A1~ A2为一级指标，B1~ B11为二级指标，C1~ C37为三级指标。
2. 构造判断矩阵。本文按照层次结构模型自上而下逐层构造判断矩阵。每一层元素都以相邻上一层各元素为准则进行重要性的两两比较，比较时采用相对尺度，以尽可能减少不同属性元素相互比较的困难。本文采用T.L.Satty的1 ~ 9标度法构造判断矩阵，各标度的含义如表2所示。3. 计算各层次因素的权重。首先，计算n阶判断矩阵Z的每行元素的乘积的n次方根ai，令wi= ，则Z的最大特征值所对应的特征向量W=（w1，w2，…，wn）T，W即为各因素的权重向量，Z的最大特征值λmax=
，（ZW）i表示WZ的第i行元素值。
4. 判断矩阵的一致性检验。首先，计算判断矩阵的随机一致性指标C.I，C.I=（λmax-n）/（n-1），其中λmax为判断矩阵的最大特征值，n为判断矩阵的阶数。C.I越大，判断矩阵偏离一致性的程度越大；C.I越小，判断矩阵偏离一致性的程度越小。然后，根据判断矩阵的阶数查表得到平均随机一致性指标R.I，其数值随判断矩阵的阶数而变化，如表3所示。最后，计算一致性比率C.R=C.I/R.I，当C.R≤0.1时，判断矩阵通过一致性检验，接受判断矩阵，否则修改判断矩阵，直至通过一致性检验。表4 ~ 表17分别为各层次的判断矩阵、权重值Wi以及判断矩阵一致性检验情况。
四、涉农中小企业信用评级的模糊综合评价
中小企业信用评级是一个拥有多指标和多层次的综合性评价，对于这种综合评价，可以利用模糊综合评价模型来解决。本文基于AHP法得出的指标权重，构建模糊综合评价模型，其评价步骤如下：
（一）确定评价因素集合
本文构建的信用评级指标体系总共分为四层，其中一级指标集合A={A1，A2}，二级指标集合B={B1，B2，……，B11}，三级指标集合C={C1，C2，……，C37}。
（二）确定评语集合
本文将中小企业的信用等级分为九个级别，即AAA、AA、A、BBB、BB、B、CCC、CC、C，其含义分别是很好、优良、较好、一般、欠佳、较差、很差、极差、无信用，则评语集合D={AAA，AA，A，BBB，BB，B，CCC，CC，C}，见表18。
（三）确定权重向量
根据上文AHP法的计算结果确定各指标对于上级指标的的权重向量，权重数值见表4 ~ 17。
（四）确定隶属度
对于三级指标C中的Ci指标，存在模糊评判向量rCi=（rCi1，rCi2，……，rCi9），所有与指标Ci对应于同一上层指标的指标隶属度向量构成该指标的模糊评判矩阵R=（rCij）n×9（i=1，2，……，n；j=1，2，……，9）。rCij表示指标Ci对于第j级评语的隶属度。
1. 定性指标隶属度。本文采用专家评判法，邀请10位专家参照各定性指标的各等级的参考标准，根据评语集D确定指标的等级，然后统计指标Ci被归属为各等级的频率，进而得到指标Ci对于评语集D的隶属度向量ECi=（ECi1，ECi2，ECi3，ECi4，ECi5，ECi6，ECi7，ECi8，ECi9），其中ECi为参评专家中认为指标Ci属于第j等级的参评专家人数人数与参评专家总人数的比值。
2. 定量指标隶属度。首先由10位参评专家根据实践经验为每个定量指标设定不同等级的参照值，见表18。对于指标值与企业信用水平呈反向关系的指标，Hij+1>Hij，由公式ECij=EHi=（Hij-Hi）/（Hij+1-Hij）求得ECij，ECij+1=1-ECij，其余七个等级的隶属度为0；若Hi<Hi1，则ECi1=1，若Hi>Hi9，则ECi9=1，其余八个等级的隶属度为0。对于指标值与企业信用水平呈正向关系的指标，Hij+1<Hij，由公式ECij=EHi=（Hi-Hij）/（Hij-Hij+1）求得ECij，ECij+1=1-ECij，其余七个等级的隶属度为0；若Hi>Hi1，则ECi1=1，若Hi<Hi9，则ECi9=1，其余八个等级的隶属度为0。
（五）多级模糊综合评价
1. 一级模糊综合评价。设W3i是二级指标Bi对应的三级指标C中各指标的权重向量，模糊矩阵R2i是由二级指标Bi对应的三级指标C中各指标的隶属度向量为行向量组成的矩阵，则一级模糊综合评价向量Y2i=W3iR2i（i=1，2，…，11）。
2. 二级模糊综合评价。设W2i是一级指标Ai对应的二级指标B中各指标的权重向量，模糊矩阵R1i是由一级指标Ai对应的二级指标B中各指标的隶属度向量为行向量组成的矩阵，则二级模糊综合评价向量Y1i=W2iiR1i（i=1，2）。
3. 三级模糊综合评价。设W是总目标对应的一级指标A中各指标的权重向量，模糊矩阵R是由总目标对应的一级指标A中各指标的隶属度向量为行向量组成的矩阵，则综合模糊评价向量Y=WR。
（六）计算信用得分，得出信用等级
记分数向量T=（95，85，75，65，55，45，35，25，15）T，则企业的的信用得分M=YT，最后根据表评定企业的信用等级，详见表19。
五、实例分析
（一）龙泰农业简介
黑龙江省龙泰农业股份有限公司成立于2007年，注册资金3 500万元，拥有员工500人，主要致力于有机杂粮精选和农产品深加工，是一家集种植、生产、加工和销售于一体的现代化农产品企业。经过多年的发展，公司已成为一家具有一定规模和行业影响力的企业，拥有厂区约6万平方米，生产车间配备了国内外高科技有机杂粮精加工生产线和先进的辅助生产设备，年加工能力超10万吨，是黑龙江省农业产业化龙头企业。龙泰集团尊崇踏实、拼搏、创新的企业精神，并以诚信、共赢、开创为经营理念，力求建立人与食物的和谐生态链，努力打造农产品产销一体化服务平台。龙泰农业2014年1 ~ 6月主要财务指标如表20所示。
（二）龙泰农业信用等级模糊综合评价
1. 确定评价因素集合。相关内容见表1。
2. 确定评语集合。本文根据国际惯例，确定的评语集合D={AAA，AA，A，BBB，BB，B，CCC，CC，C}。
3. 确定各一级指标对总目标、各二级指标和三级指标对于其上级指标的权重向量。详见表4 ~ 表17。
4. 确定各三级指标关于评语集中各等级的隶属度。运用上文的方法，确定龙泰农业各三级指标关于评语集中各等级的隶属度，见表21。
5. 一级模糊综合评价。
B1到评语集上的模糊矩阵R21=
其中各三级指标的权重向量W31=（0.284 5，0.492 8，0.138 1，0.084 6），故:
B1的综合评价向量Y21=W31R21=（0.284 5，0.492 8，0.138 1，0.084 6）
=
（0.09，0.74，0.09，0.03，0.06，0，0，0，0）
同理可得B2 ~ B11的综合评价向量Y22 ~ Y211分别为：Y22=（0.18，0.82，0，0，0，0，0，0，0）；Y23=（0，0.30，0.70，0，0，0，0，0，0）；Y24=（0.18，0.56，0.26，0，0，0，0，0，0）；Y25=（0.02，0.12，0，0.25，0.61，0.0，0，0）；Y26=（0.07，0.18，0，0.33，0.42，0，0，0，0）；Y27=（0.04，0.39，0.48，0.08，0，0，0，0，0）；Y28=（0，0.30，0.58，0.12，0，0.0，0，0）；Y29=（0.06，0.76，0.13，0.05，0，0，0，0，0）；Y210=（0.05，0.15，0.40，0.40，0，0，0，0，0）；Y211=（0.28，0.54，0.16，0.02，0，0，0，0，0）。
6. 二级模糊综合评价。A1到评语集上的模糊矩阵：
R14=[Y21Y22Y23Y24Y25Y26]=[0.090.740.090.030.0600000.180.82000000000.300.700000000.180.560.260000000.020.1200.250.6100000.070.1800.330.420000]
其中各二级指标的权重向量：
W21=（0.401 3，0.150 5，0.202 8，0.113 8，0.078 9，0.052 7）
故A1的综合评价向量：
Y11=W21R11=（0.401 3，0.150 5，0.202 8，0.113 8，0.078 9，0.052 7）
[0.090.740.090.030.0600000.180.82000000000.300.700000000.180.560.260000000.020.1200.250.6100000.070.1800.330.420000]=
（0.09，0.56，0.21，0.05，0.09，0，0.0，0）
同理可得A2的综合评价向量：
Y12=（0.08，0.34，0.37，0.21，0，0，0，0，0）
7. 三级模糊综合评价。龙泰农业信用等级到评语集上的模糊矩阵：
R=[Y11Y12]=[0.090.560.210.050.0900000.080.340.370.2100000]
其中各一级指标的权重向量：
W=（0.666 7，0.333 3）
故龙泰农业集团信用等级的综合评价向量：
Y=WR=（0.666 7，0.333 3）
[0.090.560.210.050.0900000.080.340.370.2100000]=（0.11，0.51，0.23，0.09，0.06，0，0，0，0）
（三）计算龙泰农业的信用得分
记分数向量T=（95，85，75，65，55，45，35，25，15）T，则龙泰农业的信用得分M=YT=（0.09，0.49，0.26，0.10，0.06，0，0，0，0）（95，85，75，65，55，45，35，25，15）T=79.50，根据表19，其信用等级为A级。
六、结论
本文利用新构建的信用评级指标体系和以层次分析法为基础计算出的各指标权重，建立基于模糊综合评价方法的涉农中小企业信用评级模型，并将该模型应用于一个实例分析，以验证模型的科学性和可操作性。通过实例分析可以看出，按本文构建的评级体系所计算出的龙泰农业的信用评级结果为A级，说明借款人违约可能性小，企业市场竞争力强，有较好的发展前景，对银行的业务发展有一定价值，评级结果基本符合企业的实际情况。但在企业现实经营过程中，工商银行对其的信用评级为BB级，即企业不符合贷款条件，不能获得贷款。由此可见，目前商业银行采用的信用评级体系对涉农中小企业并不适用，这在一定程度上使涉农中小企业的信用被低估，进一步加剧了其融资难的问题。
综上所述，本文以涉农中小企业融资难问题为出发点构建的中小企业信用评级体系能够较全面地评定涉农中小企业的信用状况，基本上解决了因商业银行在对企业进行信用评级时，采用同一标准而造成的涉农中小企业信用等级过低的问题。该评级方法所使用的数学模型简单易操作，只要获取了样本的各相关指标值，就可快速完成评估工作，因此商业银行可以参照这一模型对涉农中小企业进行信用评级。
另外，为了使本文所建立的涉农中小企业信用评级体系有效地发挥其功能，商业银行还需要定期按照流程对企业进行跟踪复评，提高评级信息的时效性，并对评级结果进行返回式检验，修正由于评级方法的缺陷而造成的系统性偏差，消除由于人为操作不当等主观因素造成的操作性偏差，从而确保评级结果的真实性和有效性，保障银行资金的安全。
主要参考文献
牛草林.中小企业信用评级体系的构建［J］.财会通讯，2005（8）.
樊锰，汪媛雏，张竹海，仇新卫.基于AHP法的中小企业信用评级模型研究［J］.财会通讯，2010（2）.
范立夫，张殊颖，张亚洲.构建适合中小企业的商业银行信用评级体系［J］.广西财政高等专科学校学报，2005（6）.
孙文，王冀宁.基于AHP的中小企业信用评级指标体系构建［J］.研究与创新，2012（3）.
周少飞，王亮.基于AHP层次分析法的中小企业信用评级模型构建［J］.征信，2014（5）.
【基金项目】 黑龙江省哲学社会科学研究规划项目“黑龙江省现代农业综合配套改革实验区农业金融服务体系创新研究”（编号：14B074）
