邱小妹 劉成成

(1.廈門(mén)國(guó)際銀行科技開(kāi)發(fā)部 廈門(mén) 361001)(2.南開(kāi)大學(xué)計(jì)算機(jī)與控制工程學(xué)院 天津 300350)

將G1法應(yīng)用于養(yǎng)殖戶信用風(fēng)險(xiǎn)評(píng)估研究

邱小妹1劉成成2

(1.廈門(mén)國(guó)際銀行科技開(kāi)發(fā)部 廈門(mén) 361001)(2.南開(kāi)大學(xué)計(jì)算機(jī)與控制工程學(xué)院 天津 300350)

在互聯(lián)網(wǎng)時(shí)代,信用是一筆巨大的財(cái)富,良好的信用可以幫助我們從銀行或金融機(jī)構(gòu)獲取資金支持,用于生產(chǎn)生活。但是,對(duì)于以養(yǎng)殖為主要收入來(lái)源的農(nóng)民而言,他們?cè)谏暾?qǐng)貸款時(shí)卻面臨手續(xù)繁瑣、獲批率低、貸款規(guī)模小等問(wèn)題。論文分析了養(yǎng)殖戶貸款難的原因,對(duì)傳統(tǒng)的信用風(fēng)險(xiǎn)度量技術(shù)和模型進(jìn)行了深入調(diào)研,提出將養(yǎng)殖情況的分析納入養(yǎng)殖戶信用評(píng)估指標(biāo)體系中,并將改進(jìn)的層次分析法G1應(yīng)用于計(jì)算各指標(biāo)的權(quán)重值,還實(shí)現(xiàn)了基于該模型的系統(tǒng),并通過(guò)實(shí)驗(yàn),驗(yàn)證系統(tǒng)的有效性。

養(yǎng)殖戶; 信用風(fēng)險(xiǎn); G1

1 引言

隨著經(jīng)濟(jì)社會(huì)的發(fā)展,“信用”對(duì)我們生產(chǎn)生活的影響也越來(lái)越顯著。在互聯(lián)網(wǎng)時(shí)代,信用是一筆巨大的財(cái)富。信用的影響正逐步滲透到經(jīng)濟(jì)活動(dòng)和日常生活的方方面面,擁有良好的信用記錄,可以從銀行或金融機(jī)構(gòu)獲得貸款用于生產(chǎn)生活。對(duì)于本文研究的養(yǎng)殖戶而言,他們同樣有信貸需求。

本文研究的養(yǎng)殖戶主要指以動(dòng)物養(yǎng)殖為主要經(jīng)濟(jì)來(lái)源的家庭。實(shí)踐中,養(yǎng)殖戶貸款往往面臨著

貸款規(guī)模小、還款周期短、貸款成本高等問(wèn)題。而長(zhǎng)期以來(lái),資金短缺制約著眾多養(yǎng)殖戶的經(jīng)營(yíng)發(fā)展。數(shù)據(jù)顯示,盡管農(nóng)民對(duì)貸款需求非常強(qiáng)烈,但是農(nóng)村家庭正常信貸獲批率只有27.6%,遠(yuǎn)遠(yuǎn)低于40.5%的全國(guó)平均水平[1]。圖1展示了養(yǎng)殖戶的一般貸款流程?？梢钥闯?養(yǎng)殖戶貸款的程序繁瑣,需要的條件也比較苛刻。

在實(shí)踐中,養(yǎng)殖戶獲得貸款主要有以下幾種模式：1)提供擔(dān)保人,一般要求擔(dān)保人具有穩(wěn)定工作和經(jīng)濟(jì)來(lái)源；2)提供財(cái)產(chǎn)抵押；3)三戶聯(lián)?；蛭鍛袈?lián)保*http://www.jzkfqls.com/Personal.asp?t=32,一旦其中一戶不能按約還款,則由其他幾戶分?jǐn)?這種做法實(shí)質(zhì)上是把風(fēng)險(xiǎn)轉(zhuǎn)嫁到了貸款人身上。

圖1 養(yǎng)殖戶申請(qǐng)貸款流程圖

為什么養(yǎng)殖戶貸款這么難呢？圖2顯示了養(yǎng)殖戶貸款難的主要原因,一方面是由于養(yǎng)殖行業(yè)自身的特點(diǎn),養(yǎng)殖業(yè)受到自然災(zāi)害、天氣等影響很大,導(dǎo)致養(yǎng)殖戶抵抗風(fēng)險(xiǎn)的能力較弱[2],收入來(lái)源不穩(wěn)定；養(yǎng)殖戶又無(wú)法提供價(jià)值高的抵押物；同時(shí),由于養(yǎng)殖行業(yè)分布較廣,從業(yè)人員的素質(zhì)參差不齊,一些企業(yè)和個(gè)人的誠(chéng)信經(jīng)營(yíng)生產(chǎn)觀念淡薄,行業(yè)整體的誠(chéng)實(shí)信用形象不佳[3]。另一方面,銀行及金融機(jī)構(gòu)現(xiàn)有風(fēng)險(xiǎn)評(píng)估技術(shù)落后,沒(méi)有專(zhuān)門(mén)針對(duì)養(yǎng)殖戶的信用評(píng)估方法,缺乏足以規(guī)避農(nóng)業(yè)自然風(fēng)險(xiǎn)與市場(chǎng)風(fēng)險(xiǎn)的機(jī)制,以至于他們對(duì)于農(nóng)村放貸等金融服務(wù)缺乏信心。

圖2 養(yǎng)殖戶貸款難的原因

本文對(duì)此進(jìn)行了更深入的分析,發(fā)現(xiàn)了養(yǎng)殖戶信用評(píng)估工作與一般信用評(píng)估工作的區(qū)別之處。

1) 相比于一般的財(cái)產(chǎn)抵押,養(yǎng)殖戶擁有的最多的財(cái)產(chǎn)就是他們所養(yǎng)殖的動(dòng)物,然而由于養(yǎng)殖行業(yè)受到疫病影響的風(fēng)險(xiǎn)高,養(yǎng)殖動(dòng)物的價(jià)值難以準(zhǔn)確評(píng)估,這樣的抵押方式獲得的資金并不多。

2) 目前,信用評(píng)估工作在很多情況下仍然依賴(lài)于人工審核。而人工審核不僅受限于審核人員的素質(zhì),在審核的內(nèi)容和指標(biāo)上也過(guò)多地依賴(lài)于用戶過(guò)往積累的財(cái)務(wù)數(shù)據(jù),比如用戶的征信報(bào)告及銀行流水等。實(shí)際上,在農(nóng)村,養(yǎng)殖戶與他人的交易常以現(xiàn)金方式完成,他們的資金變動(dòng)情況很難被體現(xiàn)在銀行流水中。

因此,論文提出一個(gè)專(zhuān)門(mén)適用于養(yǎng)殖戶的信用評(píng)估體系,設(shè)計(jì)符合養(yǎng)殖戶特點(diǎn)的信用評(píng)估模型。養(yǎng)殖動(dòng)物抵押價(jià)值低,根本原因是養(yǎng)殖的動(dòng)物受到疫病風(fēng)險(xiǎn)的影響大,那么就對(duì)此提出針對(duì)性的解決方法,在養(yǎng)殖戶的信用評(píng)估體系中引入養(yǎng)殖情況分析。養(yǎng)殖戶以養(yǎng)殖收入為主要來(lái)源,養(yǎng)殖情況的好壞直接關(guān)系他們的獲利能力,因此,將養(yǎng)殖情況納入養(yǎng)殖戶信用評(píng)估指標(biāo)體系是十分有必要的,也是本文的一大創(chuàng)新點(diǎn)。

論文還實(shí)現(xiàn)了基于該模型的系統(tǒng),用于建立養(yǎng)殖戶信用數(shù)據(jù)庫(kù),更加準(zhǔn)確地評(píng)估養(yǎng)殖戶的信用狀況,并提供可視化的展現(xiàn)形式,方便銀行和金融機(jī)構(gòu)對(duì)養(yǎng)殖戶進(jìn)行授信以及貸后管理工作,提高養(yǎng)殖戶融資工作的效率和成功率。

2 相關(guān)工作

從調(diào)研來(lái)看,并沒(méi)有一款成熟的模型或產(chǎn)品用于養(yǎng)殖戶信用風(fēng)險(xiǎn)評(píng)估。在信用評(píng)估領(lǐng)域傳統(tǒng)信用風(fēng)險(xiǎn)評(píng)估方法從誕生起一直沿用至今,它以主觀判斷分析和傳統(tǒng)的財(cái)務(wù)比率評(píng)分為主[4],其中“5C”法是其中較為著名的方法之一?！?C”法的要素包括品質(zhì)(Character)、資本(Capital)、抵押(Collateral)、能力(Capacity)和條件(Condition)。風(fēng)險(xiǎn)分析師根據(jù)申請(qǐng)者的表格來(lái)直接判斷是否要授信給申請(qǐng)者。

傳統(tǒng)信用風(fēng)險(xiǎn)評(píng)估方法是在長(zhǎng)期的信貸活動(dòng)中累積的經(jīng)驗(yàn)形成的,實(shí)踐證明了它們的有效性。這些方法的好處在于對(duì)模型的指標(biāo)參數(shù)約束比較弱,數(shù)據(jù)量要求也不是特別大[5],但是,它們具有很強(qiáng)的主觀性,在很大程度上受到專(zhuān)家個(gè)人素質(zhì)和水平的限制,具有隨意性和不穩(wěn)定性[6]。依賴(lài)人工審核的方式使得信用評(píng)估這項(xiàng)工作耗費(fèi)大量的時(shí)間和精力,審核的效率比較低下,銀行和金融機(jī)構(gòu)為之需要付出很高的經(jīng)濟(jì)成本。

為了更加準(zhǔn)確地對(duì)信用風(fēng)險(xiǎn)進(jìn)行評(píng)估,針對(duì)傳統(tǒng)度量方法的不足,信用評(píng)價(jià)方法中引入了數(shù)學(xué)工具、統(tǒng)計(jì)計(jì)量方法以及計(jì)算機(jī)技術(shù),常見(jiàn)的有線性分類(lèi)法、決策樹(shù)算法、神經(jīng)網(wǎng)絡(luò)方法、回歸方法等[7]。這些方法的決策規(guī)則易于理解,決策屬性指標(biāo)能夠得到清晰的呈現(xiàn),對(duì)于離散型數(shù)據(jù)和連續(xù)型數(shù)據(jù)都可以處理,但是也存在一些不足,比如模型不穩(wěn)定性和隨機(jī)性較強(qiáng)等。對(duì)于養(yǎng)殖戶信用評(píng)估工作來(lái)說(shuō),這類(lèi)方法的天生劣勢(shì)在于其要求大量的歷史數(shù)據(jù),而養(yǎng)殖戶信用數(shù)據(jù)的獲取卻依賴(lài)于目前養(yǎng)殖戶信用評(píng)估工作的進(jìn)展。在一個(gè)信用評(píng)估的初期,模型無(wú)法標(biāo)注一個(gè)客戶是絕對(duì)好的一定會(huì)及時(shí)還款或一個(gè)客戶是絕對(duì)不好的肯定會(huì)違約。因此,在沒(méi)有數(shù)據(jù)積累的情況下,顯然這些方法并不適用于養(yǎng)殖戶信用評(píng)估。

隨著信用評(píng)估工作的不斷深入,越來(lái)越多新的技術(shù)被應(yīng)用于信用評(píng)估領(lǐng)域。何莉娟博士提出將層次分析法(Analytic Hierarchy Process[8],AHP)運(yùn)用于我國(guó)中小企業(yè)的信用評(píng)估工作中[9]。層次分析法使得信用評(píng)估的決策過(guò)程更加透明,它能克服由于決策者的主觀判斷造成的認(rèn)知缺陷[10]。東北大學(xué)郭亞軍教授提出針對(duì)層次分析法的改進(jìn)方法G1[11],G1法在工作過(guò)程中先確定要評(píng)價(jià)的指標(biāo)的序關(guān)系,避免了層次分析法的一致性檢驗(yàn)過(guò)程,大大減小了計(jì)算量。

G1的工作步驟是：

1) 對(duì)屬于同一判斷準(zhǔn)則的指標(biāo)按重要性程度進(jìn)行排序。

2) 確定相鄰的兩個(gè)指標(biāo)之間的重要性程度比值。

對(duì)相鄰指標(biāo)Pk-1和Pk間之間的重要程度之比可以使用

表1 rk的取值

顯然有

ωk-1=rkωk,k=m,m-1,m-2,…,3,2

3 養(yǎng)殖戶信用評(píng)估模型

3.1 指標(biāo)體系的建立

信用評(píng)估指標(biāo)體系指的是在對(duì)被評(píng)估對(duì)象的信用狀況進(jìn)行公正客觀的評(píng)價(jià)時(shí)所采用的評(píng)估要素、評(píng)估指標(biāo)、評(píng)估方法、評(píng)估標(biāo)準(zhǔn)、評(píng)估權(quán)重等項(xiàng)目的總稱(chēng),這些項(xiàng)目構(gòu)成一個(gè)完整的體系,即信用評(píng)估體系[12]。

信用評(píng)估指標(biāo)體系是信用評(píng)估的依據(jù)。因此,在養(yǎng)殖戶信用評(píng)估模型的構(gòu)建過(guò)程中,首先需要確定的就是一套科學(xué)的信用評(píng)估指標(biāo)體系。

評(píng)估指標(biāo)是信用評(píng)估原則、評(píng)估方法及評(píng)估要素的具體化*http://wiki.mbalib.com/wiki/%E4%BF%A1%E7%94%A8%E8%AF%84%E7%BA%A7%E6%8C%87%E6%A0%87%E4%BD%93%E7%B3%BB,是衡量評(píng)估結(jié)果是否客觀公正的標(biāo)尺,要求具有實(shí)用性并且便于操作。在確定養(yǎng)殖戶信用評(píng)估指標(biāo)的時(shí)候,需要考慮指標(biāo)的輕重度、指標(biāo)的通用性、指標(biāo)要不脫離實(shí)際具有行業(yè)特征性。

在設(shè)計(jì)養(yǎng)殖戶信用評(píng)估指標(biāo)過(guò)程中,綜合了全面性、針對(duì)性、公正性、可操作性[13]等指導(dǎo)原則,綜合考慮了以下幾個(gè)要素：

1) 養(yǎng)殖戶的基本情況,這是影響?zhàn)B殖戶信用狀況的內(nèi)部因素；

2) 養(yǎng)殖戶自身財(cái)務(wù)狀況,這是現(xiàn)有評(píng)估工作主要參考的要素,具有良好的可操作性；

3) 養(yǎng)殖戶的品質(zhì),從信用歷史及倫理學(xué)角度衡量養(yǎng)殖戶在過(guò)去一段時(shí)間與金融機(jī)構(gòu)、其他社會(huì)成員交往的表現(xiàn),品質(zhì)要素的加入使得養(yǎng)殖戶信用評(píng)估指標(biāo)體系更加全面;

4) 養(yǎng)殖戶養(yǎng)殖情況,這是衡量養(yǎng)殖戶獲利力的表現(xiàn)。加入這項(xiàng)評(píng)估要素,主要目的在于養(yǎng)殖戶提供活物進(jìn)行抵押時(shí),銀行和金融機(jī)構(gòu)能夠依據(jù)養(yǎng)殖戶的過(guò)往養(yǎng)殖情況對(duì)活物的價(jià)值有更準(zhǔn)確的評(píng)估。

最終,通過(guò)多次論證與篩選,并結(jié)合實(shí)際數(shù)據(jù),建立起如圖3所示的指標(biāo)體系。

該指標(biāo)體系的建立借鑒了著名的“5C”要素指標(biāo)。“5C”是信用評(píng)估指標(biāo)設(shè)計(jì)的先驅(qū)者。而養(yǎng)殖戶群體的特殊性與影響其信用的因素的改變,使得必須設(shè)計(jì)一套適應(yīng)其特點(diǎn)的評(píng)估指標(biāo),該指標(biāo)從多角度對(duì)養(yǎng)殖戶信用加以闡釋,是比較全面的。

圖3 養(yǎng)殖戶信用評(píng)估指標(biāo)體系

3.2 指標(biāo)權(quán)重確定方法

評(píng)估指標(biāo)的權(quán)重,指的是在信用評(píng)估指標(biāo)體系中各指標(biāo)的重要性。在信用評(píng)估工作中,各項(xiàng)指標(biāo)的影響大小不同,有些指標(biāo)對(duì)養(yǎng)殖戶信用產(chǎn)生決定性作用,其權(quán)重必然大一些；有些指標(biāo)對(duì)養(yǎng)殖戶信用的作用較小,其權(quán)重就相對(duì)較小。

本文使用改進(jìn)的層次分析法G1進(jìn)行指標(biāo)權(quán)重的計(jì)算。通過(guò)設(shè)計(jì)專(zhuān)家問(wèn)卷得到指標(biāo)之間的重要性排序以及相鄰指標(biāo)的相對(duì)重要性程度。

問(wèn)卷一共設(shè)計(jì)了21個(gè)問(wèn)題,由于該問(wèn)卷是收集在信用評(píng)估方面具有實(shí)踐和理論意義的專(zhuān)家意見(jiàn),所以在問(wèn)卷的開(kāi)始,設(shè)置了三個(gè)問(wèn)題,分別為學(xué)歷、職業(yè)和從業(yè)年限。接下來(lái)需要對(duì)五個(gè)要素的重要性進(jìn)行排序,給出相鄰兩個(gè)要素之間的重要性比值；再按照相同的方法對(duì)每個(gè)要素下的指標(biāo)進(jìn)行重要性排序。最后,設(shè)計(jì)了一個(gè)開(kāi)放性問(wèn)題,收集專(zhuān)家對(duì)該問(wèn)卷的改進(jìn)意見(jiàn)。

在問(wèn)卷收集過(guò)程中,雖然是定向發(fā)放問(wèn)卷,但是收集到的問(wèn)卷依然有一些不符合要求。在刪除了填寫(xiě)時(shí)間小于100s(認(rèn)為小于100s的填寫(xiě)時(shí)間對(duì)問(wèn)卷的專(zhuān)業(yè)性產(chǎn)生影響)的問(wèn)卷之后,收集到有效問(wèn)卷26份,選擇職業(yè)為風(fēng)險(xiǎn)評(píng)估相關(guān)的5份問(wèn)卷作為指標(biāo)權(quán)重確定的依據(jù)。

以專(zhuān)家一對(duì)家庭特征、養(yǎng)殖情況、財(cái)務(wù)、品質(zhì)四個(gè)要素重要性做出的判斷為例,描述使用G1方法標(biāo)定養(yǎng)殖戶信用評(píng)估指標(biāo)權(quán)重的過(guò)程。

1) 專(zhuān)家一對(duì)四個(gè)要素的重要性排序如下：品質(zhì)→養(yǎng)殖情況→財(cái)務(wù)→家庭特征(記為e1→e2→e3→e4),品質(zhì)最重要,家庭特征最次要。

2) 以上四個(gè)排序好的要素的重要性依次為：{明顯重要,明顯重要,強(qiáng)烈重要},使用G1的標(biāo)度值表示,得到

r2r3r4=3.136,r3r4=2.24

r2r3r4+r3r4+r4=6.976

因此

ωe4=(1+6.976)-1=0.1254

ωe3=ωe4r4=0.1254×1.6=0.2006

ωe2=ωe3r3=0.2006×1.4=0.2808

ωe1=ωe2r2=0.2008×1.6=0.3932

表2展現(xiàn)了這四個(gè)要素的權(quán)重值。

表2 四個(gè)要素的權(quán)重值權(quán)重值

以此類(lèi)推,根據(jù)各專(zhuān)家給出的指標(biāo)重要性排序及相鄰指標(biāo)的重要性程度比值,可得到各要素及各要素下指標(biāo)的權(quán)重值. 采用數(shù)學(xué)平均的計(jì)算方式,求出綜合五個(gè)專(zhuān)家意見(jiàn)后的養(yǎng)殖戶信用評(píng)估指標(biāo)權(quán)重,具體權(quán)重值如表3所示。

表3 綜合五個(gè)專(zhuān)家意見(jiàn)的信用評(píng)估指標(biāo)權(quán)重

3.3 指標(biāo)評(píng)分規(guī)則庫(kù)的建立

3.3.1 傳統(tǒng)指標(biāo)評(píng)分規(guī)則

養(yǎng)殖戶信用評(píng)估指標(biāo)的差異性較大,既有定量指標(biāo),也有定性指標(biāo)。因此,需要對(duì)定量指標(biāo)進(jìn)行數(shù)據(jù)規(guī)范化處理,同時(shí),對(duì)定性指標(biāo)制定評(píng)分規(guī)則。表4是在養(yǎng)殖戶信用評(píng)估體系基礎(chǔ)上設(shè)計(jì)的模糊規(guī)則集。3.3.2 養(yǎng)殖情況評(píng)分規(guī)則

我們收集了680組真實(shí)的養(yǎng)殖數(shù)據(jù)。首先對(duì)數(shù)據(jù)做了預(yù)處理,把養(yǎng)殖情況標(biāo)定為1～5五個(gè)等級(jí),以該等級(jí)作為因變量 ,影響?zhàn)B殖情況判斷的五個(gè)屬性：上欄數(shù)量、出欄數(shù)量、出欄重量、用料重量、總利潤(rùn)也做了相應(yīng)的標(biāo)定,作為輸入。使用其中的480組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù),使用SPSS軟件,做回歸分析,訓(xùn)練出模型：

y= 0.160x1+0.127x2+0.064x3

回歸模型的擬合優(yōu)度評(píng)價(jià)如表5所示?？梢钥吹?回歸的可決系數(shù)(R Square)和調(diào)整的可決系數(shù)(Adjusted R Square)的值分別為0.933和0.933,說(shuō)明養(yǎng)殖情況的90%以上的變動(dòng)都可以被該模型所解釋,模型的擬合優(yōu)度較高。

表5 回歸模型擬和優(yōu)度評(píng)價(jià)

a. Predictors: (Constant), profit, weightout, feed, quantityout, quantityin

表6給出了回歸模型的方差分析結(jié)果,可以看到,F統(tǒng)計(jì)量為1650.522,對(duì)應(yīng)的P值為0,所以,拒絕模型整體不顯著的原假設(shè),即該模型的整體是顯著的。

表6 回歸模型的方差分析結(jié)果ANOVAa

a.Dependent Variable: y

b.Predictors: (Constant), profit, weightout, feed, quantityout, quantityin

表7給出了回歸系數(shù)、回歸系數(shù)的標(biāo)準(zhǔn)差、標(biāo)準(zhǔn)化的回歸系數(shù)值以及各個(gè)回歸系數(shù)的顯著性t檢驗(yàn)。從表中可以看到解釋變量的t統(tǒng)計(jì)量對(duì)應(yīng)的P值基本都小于顯著性水平0.05,因此,在0.05的顯著性水平下都通過(guò)了t檢驗(yàn)。

表7 回歸系數(shù)估計(jì)及其顯著性檢驗(yàn)Coefficients

a.Dependent Variable: y

之后,使用剩下的200組數(shù)據(jù)作為測(cè)試數(shù)據(jù)集,將模型的計(jì)算結(jié)果與人工標(biāo)定的結(jié)果進(jìn)行比較,結(jié)果顯示,一共有15組計(jì)算結(jié)果與標(biāo)定的結(jié)果不符,由此計(jì)算出模型的準(zhǔn)確率為92.5%。

綜上,本文認(rèn)為該回歸方程對(duì)于養(yǎng)殖戶的信用狀況的預(yù)測(cè)是有效的。因此,本文把訓(xùn)練出來(lái)的模型Y=F(X)放入養(yǎng)殖戶信用評(píng)估系統(tǒng)中,系統(tǒng)將自動(dòng)處理養(yǎng)殖戶的養(yǎng)殖數(shù)據(jù),并計(jì)算養(yǎng)殖情況的得分,再與其他傳統(tǒng)數(shù)據(jù)得分進(jìn)行匯總,得到養(yǎng)殖戶最終的信用評(píng)分結(jié)果。

4 養(yǎng)殖戶信用評(píng)估系統(tǒng)

4.1 系統(tǒng)功能設(shè)計(jì)

系統(tǒng)一共有七個(gè)主要功能。

1) 新增養(yǎng)殖戶信息,錄入養(yǎng)殖戶基本信息；

2) 查詢養(yǎng)殖戶信息,查詢系統(tǒng)中現(xiàn)有養(yǎng)殖戶信息,并可以進(jìn)行修改；

3) 評(píng)分結(jié)果,采用可視化的圖表展現(xiàn)養(yǎng)殖戶信用狀況；

4) 歷史評(píng)分記錄,展現(xiàn)養(yǎng)殖戶不同時(shí)間的信用評(píng)分結(jié)果；

5) 評(píng)分結(jié)果對(duì)比,可以選擇系統(tǒng)中任意兩個(gè)養(yǎng)殖戶對(duì)比他們的信用狀況；

6) 指標(biāo)維護(hù),修改指標(biāo)及權(quán)重值；

7) 規(guī)則庫(kù)維護(hù),修改評(píng)分規(guī)則。

評(píng)分結(jié)果頁(yè)如圖4所示。評(píng)分結(jié)果展示分為兩個(gè)圖,左邊是雷達(dá)圖,展現(xiàn)養(yǎng)殖戶信用得分的總體情況,一條線是該養(yǎng)殖戶的得分情況,另一條線展示的是系統(tǒng)中所有養(yǎng)殖戶的得分情況,通過(guò)這個(gè)圖可以很清晰地看出該養(yǎng)殖戶的信用狀況是居于平均分之上還是居于平均分之下。

圖4 評(píng)分結(jié)果展現(xiàn)

養(yǎng)殖戶歷史信用評(píng)估展現(xiàn)形式如圖5所示。歷史評(píng)分記錄展現(xiàn)的是養(yǎng)殖戶在系統(tǒng)中每次信用評(píng)估獲得的總分的變化情況,采用折線圖的形式展現(xiàn)。

圖5 養(yǎng)殖戶信用評(píng)估歷史記錄

圖6展示了指標(biāo)維護(hù)界面。進(jìn)入“指標(biāo)維護(hù)”模塊,將看到目前系統(tǒng)評(píng)分使用的指標(biāo)和權(quán)重值,以及它們的“創(chuàng)建時(shí)間”、“更新時(shí)間”和“操作者”,可以對(duì)每個(gè)指標(biāo)和權(quán)重進(jìn)行修改、刪除和標(biāo)記操作,當(dāng)修改之后,更新時(shí)間一欄將會(huì)自動(dòng)變?yōu)樾薷牡臅r(shí)間。

圖6 指標(biāo)維護(hù)界面

受到養(yǎng)殖戶自身數(shù)據(jù)缺失的影響以及專(zhuān)家判斷意見(jiàn)的局限性,系統(tǒng)目前采取的評(píng)估指標(biāo)及評(píng)估規(guī)則有待實(shí)踐中進(jìn)一步檢驗(yàn)以及修改。在系統(tǒng)中,采用圖表的形式展現(xiàn)這些指標(biāo)和它們的權(quán)重,風(fēng)控審核人員可以根據(jù)實(shí)際需要對(duì)指標(biāo)和權(quán)重實(shí)時(shí)進(jìn)行修改,系統(tǒng)將按照修改后的指標(biāo)權(quán)重及權(quán)重進(jìn)行信用評(píng)分。

系統(tǒng)對(duì)于數(shù)據(jù)庫(kù)中的每個(gè)字段均設(shè)置“創(chuàng)建時(shí)間”和“更新時(shí)間”,跟蹤每個(gè)字段的修改并提供歷史查詢功能。

4.2 數(shù)據(jù)驗(yàn)證

在系統(tǒng)的數(shù)據(jù)驗(yàn)證過(guò)程中,我們收集了60個(gè)養(yǎng)殖戶信貸數(shù)據(jù),這些養(yǎng)殖戶的信用等級(jí)都是由專(zhuān)家手工打分得到的。將專(zhuān)家判斷的信用等級(jí)以及他們的授信額度與申請(qǐng)額度的比值得到他們的信用得分,并將其轉(zhuǎn)換為一百分制。系統(tǒng)使用其中50個(gè)數(shù)據(jù)作為參照,用來(lái)在調(diào)整系統(tǒng)中各項(xiàng)指標(biāo)的權(quán)重值。然后使用剩下的10個(gè)數(shù)據(jù)作為測(cè)試數(shù)據(jù),將系統(tǒng)得到的信用評(píng)分結(jié)果與手工打分結(jié)果進(jìn)行對(duì)比,圖7顯示了對(duì)比結(jié)果。

圖7 專(zhuān)家打分結(jié)果與系統(tǒng)評(píng)分結(jié)果對(duì)比圖

從圖7可以看出,系統(tǒng)評(píng)分與專(zhuān)家人工打分的差距不大,也就是說(shuō),在系統(tǒng)的服役過(guò)程中,可以通過(guò)調(diào)整指標(biāo)的權(quán)重值,來(lái)得到比較符合實(shí)際需要的評(píng)分結(jié)果,減少在信用評(píng)估過(guò)程中的人力投入。

5 結(jié)語(yǔ)

本文針對(duì)當(dāng)前我國(guó)對(duì)養(yǎng)殖戶信用風(fēng)險(xiǎn)分析評(píng)估過(guò)程中存在的問(wèn)題,結(jié)合實(shí)際情況,以信息技術(shù)為基礎(chǔ)并結(jié)合金融業(yè)風(fēng)險(xiǎn)管理中的理論方法,采取定性分析與定量分析相結(jié)合的方式,對(duì)養(yǎng)殖戶信用風(fēng)險(xiǎn)進(jìn)行評(píng)估研究,建立了一個(gè)基于改進(jìn)的層次分析法——G1方法基礎(chǔ)上的養(yǎng)殖戶信用風(fēng)險(xiǎn)評(píng)價(jià)模型,并以此為指導(dǎo)開(kāi)發(fā)實(shí)現(xiàn)了一個(gè)適用性較強(qiáng)、便于操作的養(yǎng)殖戶信用風(fēng)險(xiǎn)評(píng)估系統(tǒng),使其能對(duì)潛在的客戶信用風(fēng)險(xiǎn)做出較為快速、準(zhǔn)確的評(píng)估,銀行和金融機(jī)構(gòu)方面則可以根據(jù)評(píng)估結(jié)果制定有效的應(yīng)對(duì)措施。

本文主要有以下三個(gè)創(chuàng)新點(diǎn):

1) 將養(yǎng)殖戶的養(yǎng)殖規(guī)模和養(yǎng)殖情況納入信用評(píng)估指標(biāo)體系中,這樣,在養(yǎng)殖戶使用養(yǎng)殖動(dòng)物進(jìn)行抵押的時(shí)候,銀行和金融機(jī)構(gòu)能夠?qū)υ摶钗锏膬r(jià)值有更好的把握和估算,有利于提高養(yǎng)殖戶貸款的成功率,在一定程度上解決養(yǎng)殖戶貸款難的問(wèn)題。

2) 使用層次分析法的改進(jìn)方法G1將定性評(píng)估指標(biāo)與定量評(píng)估指標(biāo)相結(jié)合,把問(wèn)題分解成不同的組成因素,形成一個(gè)多層分析結(jié)構(gòu)模型,最終歸結(jié)為同一層級(jí)因素相對(duì)優(yōu)劣次序和相對(duì)重要程度的問(wèn)題,構(gòu)建了一個(gè)比較全面的、合理的、適合養(yǎng)殖戶的信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系。

3) 信用評(píng)估系統(tǒng)的實(shí)現(xiàn),能改進(jìn)傳統(tǒng)的以專(zhuān)家打分為主的信用評(píng)估工作流程,節(jié)省大量人力物力,以往紙質(zhì)資料的傳遞和保存以及耗時(shí)耗力的評(píng)估過(guò)程在系統(tǒng)中都得到了實(shí)現(xiàn),同時(shí),系統(tǒng)評(píng)估過(guò)程可以減少專(zhuān)家的主觀性和傾向性給評(píng)估結(jié)果帶來(lái)的偏差。

未來(lái),系統(tǒng)在有一定的數(shù)據(jù)積累后可引入更有效的算法來(lái)修改指標(biāo)內(nèi)容,以方便在系統(tǒng)服役過(guò)程中隨時(shí)根據(jù)實(shí)際情況調(diào)整評(píng)價(jià)指標(biāo)的權(quán)重。

[1] 高飛. 農(nóng)民“貸款難”,究竟難在哪[EB/OL] (2015-09-10)[2016-04-15]. http://szb.farmer.com.cn/nmrb/html/2015-09/10/nw.D110000nmrb_20150910_1-03.htm?div=-1. GAO Fei, Why is it so difficult for farmers to loan. [EB/OL] (2015-09-10). http://szb.farmer.com.cn/nmrb/html/2015-09/10/nw.D110000nmrb_20150910_1-03.htm?div=-1.

[2] 譚英,奉志偉,牛寶亮,等.氣候變化背景下的農(nóng)牧交錯(cuò)區(qū)村民認(rèn)知與應(yīng)對(duì)行為調(diào)查分析[J].中國(guó)農(nóng)學(xué)通報(bào),2009,25(23):413-419. TAN Ying, FENG Zhiwei, NIU Baoliang, et al. Investigation and Analysis of Villagers' Cognition and Acts to the Climate Change in Agro-pastoral Ecotone[J]. Chinese Agricultural Science Bulletin,2009,25(23):413-419.

[3] 楊春,王明利.當(dāng)前我國(guó)肉牛養(yǎng)殖業(yè)發(fā)展形勢(shì)及未來(lái)趨勢(shì)[J].農(nóng)業(yè)經(jīng)濟(jì)與管理,2013(6):68-74. YANG Chun, WANG Mingli. The Development Situation and Future Trends of China’s Beef Cattle Breeding Industry[J]. Agricultural Economics & Management,2013(6):68-74.

[4] 韓崗.國(guó)外信用風(fēng)險(xiǎn)度量方法及其適用性研究[J].國(guó)際金融研究,2008,3:43-47. HAN Gang. A Study on Credit Risk Measurement Methods in Foreign Countries and Its Applicability in China[J]. Studies of International Finance, 2008,3:43-47.

[5] 孫建政.商業(yè)銀行個(gè)人信用風(fēng)險(xiǎn)管理方法分析[J].投資研究,2003(009):37-40. SUN Jianzheng. Personal Credit Risk Management of Commercial Banks[J]. Investment Research,2003(009):37-40.

[6] 高尚.支持向量機(jī)及其個(gè)人信用評(píng)估[M].西安:西安電子科技大學(xué)出版社,2013:200-209. GAO Shang, Support Vector Machine and Its Personal Credit Evaluation[M]. Xi’an: Xidian University Press, 2013: 200-209.

[7] Henley, Edward. W. Statistical aspects of credit scoring.[D]. Mitton Keynes: Open University, 2010.

[8] Saaty, Thomas L. Decision making with the analytic hierarchy process[J]. International Journal of Service Sciences,2008,1:83-98.

[9] 何莉娟.電子商務(wù)環(huán)境下的我國(guó)中小企業(yè)信用評(píng)估體系構(gòu)建[D].成都:西南財(cái)經(jīng)大學(xué),2012. HE Lijuan, Foundation of Credit Evaluation System About Small and Medium-sized Enterprises in China Under E-commerce Environment[D]. Chengdu: Southwestern University of Finance and Economics,2012.

[10] Ferreira F A F, Santos S P, Dias V M C. An AHP-based approach to credit risk evaluation of mortgage loans[J]. International Journal of Strategic Property Management, 2014,18(1):38-55.

[11] 郭亞軍.綜合評(píng)價(jià)理論,方法及應(yīng)用[M].北京:科學(xué)出版社,2007:53-59. GUO Yajun. Theory, method and application of comprehensive evaluation[M]. Beijing: Science Press,2007.

[12] 陸偉,徐蕾.電子商務(wù)信用評(píng)級(jí)指標(biāo)體系初探[J].評(píng)價(jià)與管理,2008,12(4):53-56. LU Wei, XU Lei. The Study of Credit Evaluation System of E-Commerce[J]. Evaluation & Management,2008,12(4):53-56.

[13] 楊琴棋.我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估研究[D].北京:首都經(jīng)濟(jì)貿(mào)易大學(xué),2015. YANG Qinqi, Research of Credit Risk Assessment of Chinese Commercial Banks[D]. Beijing: Capital University of Economics and Business,2015.

附錄

表A1到表A5是根據(jù)專(zhuān)家1到專(zhuān)家5的判斷得到的指標(biāo)權(quán)重值。

表A1 根據(jù)專(zhuān)家一意見(jiàn)確定的指標(biāo)權(quán)重值

評(píng)估要素權(quán)重該要素下指標(biāo)該要素下各指標(biāo)權(quán)重家庭特征0.1254養(yǎng)殖戶健康狀況0.3307養(yǎng)殖戶年齡0.2297負(fù)擔(dān)生活的人數(shù)0.1640婚姻狀況0.2756養(yǎng)殖情況0.2808養(yǎng)殖情況1.0000財(cái)務(wù)0.2006貸款余額0.2944月均流水0.3211有房產(chǎn)0.4495品質(zhì)0.3932信用歷史0.6429有無(wú)擔(dān)保人0.3571

表A2 根據(jù)專(zhuān)家二意見(jiàn)確定的指標(biāo)權(quán)重值

評(píng)估要素權(quán)重該要素下指標(biāo)該要素下各指標(biāo)權(quán)重家庭特征0.1555養(yǎng)殖戶健康狀況0.2022養(yǎng)殖戶年齡0.3564負(fù)擔(dān)生活的人數(shù)0.1768婚姻狀況0.2546養(yǎng)殖情況0.3656養(yǎng)殖情況1.0000財(cái)務(wù)0.2177貸款余額0.2033月均流水0.5122有房產(chǎn)0.2845品質(zhì)0.2612信用歷史0.6154有無(wú)擔(dān)保人0.3846

表A3 根據(jù)專(zhuān)家三意見(jiàn)確定的指標(biāo)權(quán)重值

評(píng)估要素權(quán)重該要素下指標(biāo)該要素下各指標(biāo)權(quán)重家庭特征0.2756養(yǎng)殖戶健康狀況0.3219養(yǎng)殖戶年齡0.2683負(fù)擔(dān)生活的人數(shù)0.2235婚姻狀況0.1863養(yǎng)殖情況0.2296養(yǎng)殖情況1.0000財(cái)務(wù)0.1640貸款余額0.3431月均流水0.4118有房產(chǎn)0.2451品質(zhì)0.3307信用歷史0.5455有無(wú)擔(dān)保人0.4545

表A4 根據(jù)專(zhuān)家四意見(jiàn)確定的指標(biāo)權(quán)重值

Credit Risk Evaluation of Farmers Based on G1

QIU Xiaomei1LIU Chengcheng2

(1. Technology Development Department, Xiamen International Bank, Xiamen 361001) (2. College of Computer and Control Engineering, Nankai University, Tianjin 300350)

With the development of internet era, credit becomes a great asset, good credit that can help us to obtain financial support from a bank or a financial institution for life or industry. However, it is difficult for farmers who live for cultivation to apply for a loan, shown as cumbersome procedures, low approved rate and small size of loans. This paper analyzes why it is difficult for farmers to obtain loans, and deeply researches in traditional credit risk measurement techniques and models, and then proposes that people can apply improved analytic hierarchy process G1 to evaluate the credit of farmers. This paper realizes a system based on the model and verifies the validity of the system through some experiments.

farmer, credit risk, G1 Class Number TP393

評(píng)估要素權(quán)重該要素下指標(biāo)該要素下各指標(biāo)權(quán)重家庭特征0.1490養(yǎng)殖戶健康狀況0.3564養(yǎng)殖戶年齡0.2546負(fù)擔(dān)生活的人數(shù)0.2122婚姻狀況0.1768養(yǎng)殖情況0.2920養(yǎng)殖情況1.0000財(cái)務(wù)0.3504貸款余額0.2747月均流水0.3956有房產(chǎn)0.3297品質(zhì)0.2086信用歷史0.5833有無(wú)擔(dān)保人0.4167

表A5 根據(jù)專(zhuān)家五意見(jiàn)確定的指標(biāo)權(quán)重值

2016年8月16日,

2016年9月30日

邱小妹,女,碩士,研究方向:互聯(lián)網(wǎng)金融和數(shù)據(jù)挖掘。劉成成,女,碩士,研究方向:數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等。

TP 393

10.3969/j.issn.1672-9722.2017.02.016