□林建華

農(nóng)戶小額貸款灰熵決策模型及其應(yīng)用

□林建華

如何科學(xué)、合理地控制風(fēng)險、降低交易成本是當(dāng)前農(nóng)戶小額貸款可持續(xù)發(fā)展所面臨的一個亟待解決的問題。針對農(nóng)戶小額貸款的特點，建立農(nóng)戶小額貸款決策評價指標(biāo)體系，將灰熵理論應(yīng)用于貸款對象優(yōu)選評價中，初次提出了農(nóng)戶小額貸款灰熵決策評價模型。應(yīng)用實例表明，運用農(nóng)戶小額貸款灰熵決策評價模型解決貸款對象優(yōu)選排序問題是可行且有效的。

農(nóng)戶小額貸款；灰熵；決策模型

一、引言

農(nóng)戶小額貸款是指銀行向農(nóng)戶家庭單個成員發(fā)放的用于從事農(nóng)村土地耕作、其他與農(nóng)村經(jīng)濟發(fā)展有關(guān)的生產(chǎn)經(jīng)營活動以及滿足家庭生活消費需要的小額貸款。農(nóng)戶小額貸款在全國范圍全面推廣以來，對于緩解廣大農(nóng)戶貸款難問題，支持農(nóng)村經(jīng)濟發(fā)展，促進(jìn)億萬農(nóng)民脫貧致富奔小康發(fā)揮了重要而積極的作用，因而受到了廣大農(nóng)戶的普遍歡迎和青睞。然而，農(nóng)戶小額貸款具有金額小、戶數(shù)多、成本高、風(fēng)險大和效益低等一些有別于公司類貸款的個性特征，這就決定了農(nóng)戶小額貸款的可持續(xù)發(fā)展需要解決風(fēng)險控制和降低交易成本兩大難題。目前，解決上述兩個問題的代表性文獻(xiàn)主要有：王穎提出的農(nóng)戶小額貸款信用風(fēng)險模糊綜合方法[1]，李正波等提出的農(nóng)戶小額貸款信用風(fēng)險判別方法[2]；蔡麗艷等提出的農(nóng)戶小額貸款信用風(fēng)險決策樹方法[3]，王靜提出的基于蝴蝶突變模型的農(nóng)戶信用等級穩(wěn)定性研究[4]，劉暢等提出的農(nóng)戶信用評價的概率神經(jīng)網(wǎng)絡(luò)法[5]，林建華等提出的基于云重心理論的農(nóng)戶信用評級新方法[6]，以及晏露蓉等提出的基于信用村的農(nóng)戶小額貸款模式[7]，趙國俊提出的珠三角農(nóng)村信用社小額信貸轉(zhuǎn)型創(chuàng)新的MIS模式[8]，等等，這些研究對于識別和控制信用風(fēng)險、提高貸款質(zhì)量、降低貸款交易成本，進(jìn)而促進(jìn)農(nóng)戶小額貸款可持續(xù)發(fā)展都具有較高的理論價值和應(yīng)用價值。為了使農(nóng)戶小額貸款決策科學(xué)化、規(guī)范化和智能化，本文采用灰熵理論來構(gòu)建決策分析模型并給出算例，從而為提高銀行農(nóng)戶小額貸款決策質(zhì)量和效率奠定基礎(chǔ)。

二、農(nóng)戶小額貸款決策評價指標(biāo)體系

建立多維的農(nóng)戶小額貸款決策評價指標(biāo)體系是進(jìn)行農(nóng)戶貸款科學(xué)化決策的前提和關(guān)鍵。但是到目前為止，專門對農(nóng)戶貸款決策評價指標(biāo)體系進(jìn)行研究的卻很少，也幾乎沒有可供參考的公開文獻(xiàn)報道。有鑒于此，本文只能在總結(jié)先前多年農(nóng)戶小額貸款決策實踐經(jīng)驗的基礎(chǔ)上，遵循科學(xué)性、客觀性、可操作性和可比性的指標(biāo)選取原則，建立農(nóng)戶小額貸款決策評價指標(biāo)體系(見表1)。

表1 農(nóng)戶小額貸款決策評價指標(biāo)體系

(一)擬貸項目μ1

該指標(biāo)包括5個二級指標(biāo)，其中，用途合規(guī)程度μ11反映農(nóng)戶向銀行申請的貸款具體去向是否明確和合法；擬貸項目金額μ12反映農(nóng)戶向銀行申請貸款的金額大小，并且它應(yīng)該與具體的實際貸款用途一致；貸款歸還期限μ13反映貸款的還本付息的期限，而且它應(yīng)該與農(nóng)戶經(jīng)營周期和現(xiàn)金流相吻合；項目經(jīng)濟效益μ14反映農(nóng)戶申請的具體貸款項目的銷售利潤率或資金利潤率；擔(dān)保落實情況μ15反映農(nóng)戶申請貸款所提供的擔(dān)保是否具有合法性，有效性和可靠性。

(二)信貸管理μ2

該指標(biāo)包括4個二級指標(biāo)，其中，信貸人員素質(zhì)μ21是指對辦理該筆農(nóng)戶貸款所涉及的有關(guān)信貸人員的職業(yè)操守以及業(yè)務(wù)技能的評價；調(diào)查分析深度μ22是指對客戶經(jīng)理的農(nóng)戶貸款調(diào)查程序規(guī)范性以及調(diào)查結(jié)論的邏輯性和可靠性的評價；貸款文書質(zhì)量μ23是指對客戶經(jīng)理與農(nóng)戶簽訂的貸款合同、擔(dān)保合同等有關(guān)貸款法律文書正確性的評價；風(fēng)險防控措施μ24指對信貸人員提出的農(nóng)戶貸款風(fēng)險防控對策的可行性評價。

(三)環(huán)境因素μ3

該指標(biāo)包括4個二級指標(biāo)，其中，農(nóng)戶信用等級μ31是指銀行通過信譽狀況、資金實力、經(jīng)營能力和償債能力等幾個方面對農(nóng)戶的信用狀況所做出的等級分類；經(jīng)濟政策效應(yīng)μ32是指國家產(chǎn)業(yè)政策和經(jīng)濟政策對未來農(nóng)戶貸款按期足額歸還影響程度的評價；市場供需狀況μ33是指對農(nóng)戶所經(jīng)營產(chǎn)品的市場供需情況進(jìn)行的分析評價；自然影響因素μ34是指農(nóng)戶生產(chǎn)經(jīng)營受氣候、溫度和環(huán)境等自然條件影響程度的評價。

三、農(nóng)戶小額貸款灰熵決策評價模型

灰熵決策評價法以灰色系統(tǒng)理論與信息熵集成的灰熵理論為基礎(chǔ)，采用均衡接近度準(zhǔn)則，對受復(fù)雜因素影響的多個選擇方案或評價對象進(jìn)行優(yōu)劣排序的一種不確定型決策方法。此方法中，灰熵是序列X的分量值均衡程度的測度，灰熵愈大序列愈均衡，即各分量值趨于均等。[9]均衡接近度由關(guān)聯(lián)度和均衡度的乘積所構(gòu)造，其中灰色關(guān)聯(lián)度是對序列接近程度的測度，均衡度是對序列均衡程度的測度。灰熵決策評價法能有效克服傳統(tǒng)灰色關(guān)聯(lián)度分析法存在的局部關(guān)聯(lián)傾向和個性信息損失的缺陷，因此它比灰色關(guān)聯(lián)度分析更科學(xué)、更合理。灰熵決策評價法主要步驟如下:

(一)單層次灰熵決策評價

1. 確定理想對象和臨界對象

理想對象(e0)是由各個貸款決策指標(biāo)的標(biāo)準(zhǔn)理想值所構(gòu)成的虛擬貸款對象。臨界對象(en)是由各個貸款決策指標(biāo)的最低門檻值所構(gòu)成的虛擬貸款對象。各指標(biāo)的理想值或門檻值既可采用統(tǒng)計的方法確定，如“均值—方差”法等；又可以按專家的意見經(jīng)驗地給出。

2. 指標(biāo)數(shù)據(jù)的無量綱化處理

由于各個指標(biāo)存在量綱和數(shù)量級上的差異，為消除指標(biāo)量綱不同的影響，首先需要對數(shù)據(jù)進(jìn)行規(guī)范化處理，采用的方法為公式(1)：

(1)

3. 計算灰色關(guān)聯(lián)度

把理想對象作為參考序列，把各評價對象作為比較序列，采用公式(2)計算理想對象與各評價對象在k點上的灰關(guān)聯(lián)系數(shù)。在計算得到灰關(guān)聯(lián)系數(shù)后，采用公式(3)計算理想對象與各評價對象的灰色關(guān)聯(lián)度。

(2)

(3)

4．計算灰熵與均衡度

在利用公式(4)、(5)計算各評價對象的差值及歸一化后，再利用公式(6)、(7)計算差值序列的灰熵與均衡度。由于灰熵是對離散序列分量值均衡程度的度量，因此均衡度可以用于表示各評價對象與理想對象接近的均衡程度。

(4)

(5)

(6)

(7)

5. 計算均衡接近度并做出決策

灰色關(guān)聯(lián)度測度序列的接近程度，均衡度測度序列的均衡程度。關(guān)聯(lián)度和均衡度的乘積構(gòu)造出均衡接近度，見公式(8)。均衡接近度wi越大表明評價對象越接近理想對象，該評價對象也就越好。

wi=Bi×γi

(8)

(二)確定第一層次指標(biāo)權(quán)重

(9)

式中，k=1/ln4，當(dāng)pij=0時，pijlnpij=0。

(10)

(三)多層次的灰熵決策評價

從表1可知，農(nóng)戶貸款決策評價指標(biāo)體系分為二個指標(biāo)層次。第二層次的評價方法采用上述單層次的灰熵決策評價方法，并將得到的評價結(jié)果組成第一層次的均衡接近度矩陣，并考慮第一層次各指標(biāo)的權(quán)重，這樣，權(quán)重矩陣與均衡接近度矩陣就合成為農(nóng)戶小額貸款決策評價結(jié)果矩陣。

W=AW2

(11)

式(11)中，W為農(nóng)戶小額貸款決策評價對象的均衡接近度，A為第一層次各指標(biāo)的權(quán)重，W2為第二層次貸款灰熵決策評價結(jié)果所組成的均衡接近度矩陣。

四、實例應(yīng)用

表2 備選農(nóng)戶、理想和臨界對象二級評價指標(biāo)的初始值

(一)第二層次灰熵綜合評價

1.擬貸項目u1指標(biāo)的灰熵評價

(1)采用公式(1)計算得到，擬貸項目指標(biāo)的無量綱化數(shù)據(jù)矩陣：

(2)采用公式(4)計算得到，備選農(nóng)戶、臨界對象與理想對象的差值序列組成的差值矩陣：

(3)由公式(2)計算得到，灰色關(guān)聯(lián)系數(shù)矩陣如下：

(4)根據(jù)公式(5)，對備選農(nóng)戶、臨界對象與理想對象的差值歸一化如下：

2．信貸管理u2指標(biāo)的灰熵評價

3. 環(huán)境因素u3指標(biāo)的灰熵評價

(二)第一層次指標(biāo)權(quán)重賦值

選擇某行100名信貸人員(包括客戶經(jīng)理、風(fēng)險經(jīng)理和審批人員)對擬貸項目u1、信貸管理u2和環(huán)境因素u3三個指標(biāo)的相對重要性程度進(jìn)行投票表決，表決結(jié)果見表3。

表3 第一層次各指標(biāo)相對重要性投票

表4 第一層次指標(biāo)對應(yīng)評語的隸屬度

首先，采用式(9)計算得到，三個指標(biāo)的熵值分別為H1=0.703、H2=0.750、H3=0.860。然后，利用公式(10)計算出三個指標(biāo)的熵權(quán)分別為A1=0.432，A2=0.364，A3=0.204。

(三)第一層次灰熵綜合評價

擬貸項目u1、信貸管理u2和環(huán)境因素u3的灰熵評價結(jié)果組成均衡接近度矩陣W2；同時，利用前面專家意見熵權(quán)法得到的第一層次指標(biāo)權(quán)重矩陣為：A=(0.432,0.364,0.204)。由公式(11)可得第一層次的綜合決策評價為：

=(0.749,0.827,0.729,0.572,0.502,0.517)

五、結(jié)束語

科學(xué)、合理地控制風(fēng)險、降低交易成本關(guān)系到農(nóng)戶小額貸款的可持續(xù)發(fā)展。而研究農(nóng)戶小額貸款決策的科學(xué)化、智能化又具有控制風(fēng)險和降低成本的雙重意義。本文基于多年農(nóng)戶小額貸款的實踐經(jīng)驗，構(gòu)建了農(nóng)戶小額貸款決策評價指標(biāo)體系，并將灰熵綜合評價法引入農(nóng)戶小額貸款決策模型，初次提出了農(nóng)戶小額貸款灰熵決策評價模型，為銀行業(yè)界有效快速決策提供了參考方法。同時，文章還給出了一個農(nóng)戶小額貸款決策的應(yīng)用實例，對主要計算步驟進(jìn)行闡述和分析。應(yīng)用實例表明，該農(nóng)戶小額貸款決策評價模型與方法具有客觀、科學(xué)和全面的特點，不但能迅速優(yōu)選農(nóng)戶小額貸款對象，減少貸款決策的主觀性，而且計算簡單，易于操作。因此，農(nóng)戶小額貸款灰熵決策評價模型具有一定的推廣應(yīng)用價值。

[1]王穎.中國農(nóng)戶小額信貸信用風(fēng)險評估研究——基于模糊綜合評價模型[J]. 西南金融, 2010，(8)：60-62.

[2] 李正波,高杰. 農(nóng)戶信用社貸款的信用風(fēng)險判別分析[J].山東工商學(xué)院學(xué)報, 2007, 21(1)：76-82.

[3] 蔡麗艷, 馮憲彬, 丁蕊. 基于決策樹的農(nóng)戶小額貸款信用評估模型研究[J]. 安徽農(nóng)業(yè)科學(xué), 2011, 39(2)：1215-1217.

[4] 王靜, 朱滿紅. 農(nóng)戶小額信貸中農(nóng)戶信用等級穩(wěn)定性研究——基于蝴蝶突變模型[J]. 金融理論與實踐, 2011，(10)：37-40.

[5] 劉暢, 方靚, 晏江,等. 概率神經(jīng)網(wǎng)絡(luò)在農(nóng)戶信用評估中的應(yīng)用研究[J]. 湖北社會科學(xué), 2009，(11)：85-89.

[6] 林建華, 林澤陽. 基于云重心理論的農(nóng)戶信用評級新方法[J]. 溫州職業(yè)技術(shù)學(xué)院學(xué)報, 2013，(9)：68-72.

[7] 晏露蓉,梁華琪. 基于信用村的農(nóng)戶小額貸款模式探析[J]. 福建金融, 2003，(8)：10-12.

[8] 趙國俊. 珠三角農(nóng)村信用社小額信貸的轉(zhuǎn)型創(chuàng)新：MIS模式[J].南方金融, 2009，(8)：49-51.

[9] 張岐山, 李錫純,鄧聚龍. 不確定型決策的灰熵方法[J]. 決策借鑒, 1995，(6)：37-39.

[10] 雷宏. 基于隸屬度集合的熵值權(quán)重方法研究[J].中國農(nóng)業(yè)銀行武漢培訓(xùn)學(xué)院學(xué)報, 2009，(3)：37-39.

2013-12-10

浙江新昌農(nóng)商銀行，浙江 新昌，312500

林建華(1962- )，男，浙江新昌人，經(jīng)濟師，浙江新昌農(nóng)商銀行風(fēng)險總監(jiān)，研究方向：不確定性分析。

F832

A

1008-8091(2014)02-0043-06