石寶峰，王靜

（西北農(nóng)林科技大學(xué) 經(jīng)濟(jì)管理學(xué)院，陜西 楊凌 712100）

我國(guó)農(nóng)業(yè)人口占戶籍人口比重達(dá)64.71%[1]，加上農(nóng)戶小額貸款對(duì)象的分散性、財(cái)務(wù)信息不健全等特點(diǎn)和難點(diǎn)，致使農(nóng)戶小額貸款信用評(píng)級(jí)體系極不完善，甚至大多數(shù)銀行均未建立該體系。研究農(nóng)戶小額貸款的信用評(píng)級(jí)問(wèn)題意義重大，一方面，可以為農(nóng)業(yè)、農(nóng)村、農(nóng)民的“三農(nóng)”問(wèn)題的解決，以及第一產(chǎn)業(yè)的發(fā)展提供更好的金融支持和金融服務(wù)；另一方面，可以為測(cè)算農(nóng)戶小額貸款的違約風(fēng)險(xiǎn)提供依據(jù)，為按照農(nóng)戶信用等級(jí)進(jìn)行貸款定價(jià)打下基礎(chǔ)。

（1）農(nóng)戶小額貸款信用評(píng)級(jí)指標(biāo)體系現(xiàn)狀分析。

①權(quán)威機(jī)構(gòu)的評(píng)級(jí)指標(biāo)體系。標(biāo)準(zhǔn)普爾[2]、穆迪[3]、惠譽(yù)國(guó)際[4]的客戶信用評(píng)價(jià)指標(biāo)體系包括流動(dòng)比率、資產(chǎn)報(bào)酬率等指標(biāo)。美國(guó)信用局[5]的FICO 信用評(píng)價(jià)模型，主要從客戶建立信用記錄時(shí)間的長(zhǎng)短、客戶償付信用的歷史記錄等5個(gè)方面對(duì)客戶的信用狀況進(jìn)行評(píng)價(jià)。美國(guó)聯(lián)邦金融機(jī)構(gòu)檢查委員會(huì)（FFIEC）[6]發(fā)布的CAMELS 評(píng)級(jí)體系，該評(píng)級(jí)體系從資本充足率、資產(chǎn)質(zhì)量、管理能力、盈利性以及流動(dòng)性5個(gè)方面對(duì)債務(wù)人如期足額償還債務(wù)本息的能力和意愿進(jìn)行評(píng)價(jià)。中國(guó)郵政儲(chǔ)蓄銀行[7]從家庭結(jié)構(gòu)、償債意愿、償債能力等4個(gè)方面建立了農(nóng)戶信用評(píng)級(jí)指標(biāo)體系，包括年齡、信用狀況、家庭人均年純收入等15個(gè)評(píng)價(jià)指標(biāo)。中國(guó)農(nóng)業(yè)銀行[8]建立了包括年齡、健康狀況、家庭收入狀況等9個(gè)指標(biāo)在內(nèi)的農(nóng)戶信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系。四川農(nóng)村信用社[9]建立了包括婚姻狀況、健康狀況、收入水平等12個(gè)指標(biāo)在內(nèi)的農(nóng)戶信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系。中國(guó)工商銀行[10]的客戶信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系包括資產(chǎn)負(fù)債率等指標(biāo)。這類指標(biāo)體系雖然具有很強(qiáng)的典型性，但是由于標(biāo)普、穆迪等[2-6]指標(biāo)體系是個(gè)“黑匣子”、不全部對(duì)外公開(kāi)，中國(guó)郵政儲(chǔ)蓄銀行、中國(guó)農(nóng)業(yè)銀行等[7-10]農(nóng)戶信用評(píng)級(jí)指標(biāo)體系存在對(duì)違約狀態(tài)影響不顯著的指標(biāo)，故不適合農(nóng)戶小額貸款的評(píng)價(jià)和比較。

②學(xué)術(shù)文獻(xiàn)整理的評(píng)級(jí)指標(biāo)體系。Akkoc[11]利用性別、婚姻狀況、年齡、居住狀況等11個(gè)指標(biāo)，評(píng)價(jià)客戶的信用狀況。胡楓等[12]通過(guò)社會(huì)網(wǎng)絡(luò)分析對(duì)9 631個(gè)農(nóng)村家庭進(jìn)行實(shí)證，研究發(fā)現(xiàn)，家庭規(guī)模、勞動(dòng)力數(shù)量等指標(biāo)對(duì)農(nóng)戶借貸行為影響顯著。韓喜平等[13]構(gòu)建了由農(nóng)戶聯(lián)保、互助擔(dān)保等11 個(gè)指標(biāo)組成的農(nóng)戶信用擔(dān)保評(píng)價(jià)指標(biāo)體系。這類指標(biāo)體系[11-13]存在多個(gè)指標(biāo)反映信息重復(fù)，或指標(biāo)不能有效區(qū)分農(nóng)戶違約狀態(tài)的現(xiàn)象。

（2）小額貸款信用評(píng)分模型研究現(xiàn)狀分析。

①基于人工智能的信用評(píng)分模型。人工智能方法主要分為神經(jīng)網(wǎng)絡(luò)信用評(píng)分模型和支持向量機(jī)信用評(píng)分模型兩類。郭春香等[14]利用德國(guó)和澳大利亞1 000條個(gè)人征信數(shù)據(jù)，構(gòu)建了基于貝葉斯網(wǎng)絡(luò)分類器的信用評(píng)估模型。實(shí)證結(jié)果表明，在信用風(fēng)險(xiǎn)評(píng)估中，貝葉斯網(wǎng)絡(luò)信用評(píng)估模型具有明顯優(yōu)勢(shì)。Ozturk等[15]實(shí)證檢驗(yàn)了支持向量機(jī)（SVM）、貝葉斯等人工智能分類模型和傳統(tǒng)計(jì)量統(tǒng)計(jì)模型在違約判別中的表現(xiàn)，結(jié)果表明，人工智能分類器的誤判率明顯低于計(jì)量統(tǒng)計(jì)模型。

②基于統(tǒng)計(jì)與計(jì)量方法的信用評(píng)分模型。Wosnitza等[16]針對(duì)邏輯回歸模型測(cè)算違約概率準(zhǔn)確度低的問(wèn)題，提出了基于支持向量機(jī)的多項(xiàng)式邏輯回歸信用評(píng)分模型和基于核的邏輯回歸信用評(píng)分模型。Hwang等[17]利用有序半?yún)⒑瘮?shù)替代線性回歸函數(shù)，建立了有序半?yún)robit信用評(píng)分模型。除此之外，Karlan等[18]及Nguyen等[19]構(gòu)建的隨機(jī)概率信用評(píng)分模型；Psillakia等[20]及Kruppaa等[21]構(gòu)建的非參數(shù)信用評(píng)分模型。

（3）信用等級(jí)劃分模型研究現(xiàn)狀分析。

①基于違約概率閾值的信用等級(jí)劃分模型。張東玲等[22]在企業(yè)信用評(píng)估指標(biāo)體系基礎(chǔ)上，利用多分類離散選擇模型中的“序類數(shù)”表示信息級(jí)別，建立了基于有序Logitic企業(yè)質(zhì)量信用等級(jí)劃分模型，并對(duì)青島市16 個(gè)家電企業(yè)進(jìn)行了實(shí)證。Yeh等[23]利用KMV 模型測(cè)算貸款客戶的違約距離DD，利用客戶違約距離DD所屬的不同區(qū)間，將貸款客戶分為高風(fēng)險(xiǎn)、中等風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)3 個(gè)等級(jí)。

②基于貸款農(nóng)戶信用得分區(qū)間的信用等級(jí)劃分模型。中國(guó)農(nóng)業(yè)銀行[8]根據(jù)貸款客戶信用得分屬于不同的得分區(qū)間，將貸款農(nóng)戶劃分為優(yōu)秀、良好、一般、較差4 個(gè)信用等級(jí)。劃分標(biāo)準(zhǔn)為：得分介于[85，100]為優(yōu)秀，得分在[75，85）為良好，得分在[65，75）為一般，得分在65以下為較差。遼寧省農(nóng)村信用社[24]根據(jù)農(nóng)戶信用得分所屬區(qū)間不同，將其劃分為：AAA、AA、A、BBB、BB、B、CC、C，共8個(gè)信用等級(jí)。例如得分在[90，100]為AAA 級(jí)。

現(xiàn)有信用評(píng)分模型[14-21]和信用等級(jí)劃分模型[8，22-24]存在如下不足：①農(nóng)戶小額貸款信用評(píng)級(jí)體系極不完善，甚至絕大多數(shù)銀行均未建立該體系。②在信用評(píng)價(jià)中，由于評(píng)價(jià)指標(biāo)之間存在相互替代性，即權(quán)重大、得分低的指標(biāo)和權(quán)重小、得分高的指標(biāo)具有相同的信用得分，這無(wú)疑會(huì)對(duì)評(píng)價(jià)結(jié)果的可靠性造成影響。③基于違約概率閾值或信用得分區(qū)間的信用等級(jí)劃分模型，存在違約概率閾值或得分區(qū)間人為主觀確定的弊端。

針對(duì)現(xiàn)有研究存在的不足，本文通過(guò)共線性檢驗(yàn)剔除反映信息重復(fù)的指標(biāo)，通過(guò)Logistic回歸顯著性判別遴選對(duì)農(nóng)戶違約狀態(tài)影響顯著的指標(biāo)，建立了農(nóng)戶小額貸款信用評(píng)級(jí)指標(biāo)體系。在此基礎(chǔ)上，利用消去與選擇轉(zhuǎn)換（ELECTRE III）評(píng)價(jià)方法，構(gòu)建了基于ELECTRE III的農(nóng)戶小額貸款信用評(píng)級(jí)模型，并對(duì)中國(guó)某全國(guó)性大型商業(yè)銀行2 044個(gè)農(nóng)戶樣本進(jìn)行了實(shí)證。

本文的創(chuàng)新與特色在于：①通過(guò)借鑒消去與選擇轉(zhuǎn)換評(píng)價(jià)中的非一致優(yōu)先度d i（a，b），構(gòu)建了基于ELECTRE III的農(nóng)戶信用評(píng)分模型，保證了農(nóng)戶凈可信度信用得分Φ（a）的確定能夠反映指標(biāo)間的相互作用對(duì)評(píng)價(jià)結(jié)果的影響。彌補(bǔ)了現(xiàn)有研究由于評(píng)價(jià)指標(biāo)之間的相互替代性、無(wú)法保證信用評(píng)價(jià)結(jié)果真實(shí)可靠的不足。②利用正態(tài)分布“中間大、兩頭小”的特征來(lái)劃分農(nóng)戶的信用等級(jí)，保證了50%的農(nóng)戶評(píng)級(jí)樣本聚集在A 級(jí)和BBB級(jí)附近。既避免出現(xiàn)多數(shù)樣本聚集在AAA 級(jí)或C級(jí)附近的不合理現(xiàn)象，也彌補(bǔ)了現(xiàn)有信用等級(jí)劃分中違約概率閾值或信用得分區(qū)間人為主觀確定的不足。③實(shí)證研究表明，農(nóng)戶所在地區(qū)的宏觀環(huán)境對(duì)農(nóng)戶小額貸款信用風(fēng)險(xiǎn)影響較大。

1 農(nóng)戶小額貸款信用評(píng)級(jí)指標(biāo)體系的構(gòu)建

1.1 指標(biāo)體系建立的基礎(chǔ)

以標(biāo)普、穆迪、惠譽(yù)等權(quán)威機(jī)構(gòu)[2-6]的信用評(píng)級(jí)指標(biāo)為基礎(chǔ)，結(jié)合中國(guó)郵政儲(chǔ)蓄銀行、中國(guó)農(nóng)業(yè)銀行[7-10，24]等農(nóng)戶信用評(píng)級(jí)指標(biāo)，建立反映農(nóng)戶小額貸款信用評(píng)價(jià)特點(diǎn)的指標(biāo)體系。如表1所示。

表1 農(nóng)戶小額貸款信用評(píng)級(jí)指標(biāo)原始數(shù)據(jù)及標(biāo)準(zhǔn)化數(shù)據(jù)

1.2 信用評(píng)級(jí)指標(biāo)體系的構(gòu)建

本課題組通過(guò)共線性檢驗(yàn)剔除反映信息重復(fù)的指標(biāo)，通過(guò)Logistic回歸顯著性判別篩選對(duì)農(nóng)戶違約狀態(tài)影響顯著的指標(biāo)，在68個(gè)海選指標(biāo)基礎(chǔ)上，建立了一套由X1基本情況、X2償債能力、X3還款意愿、X4保證聯(lián)保和X5宏觀環(huán)境5個(gè)準(zhǔn)則，包括X1，1年齡、X4，1保證人實(shí)力等13個(gè)指標(biāo)組成的農(nóng)戶小額貸款信用評(píng)級(jí)指標(biāo)體系[25]（見(jiàn)表1第b、c列）。

2 基于ELECTRE III的農(nóng)戶小額貸款信用評(píng)級(jí)模型

2.1 評(píng)價(jià)指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化

2.1.1 定量指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化 定量指標(biāo)分為正向、負(fù)向和區(qū)間型3類。正向指標(biāo)指數(shù)值越大、農(nóng)戶信用狀況越好的指標(biāo)，負(fù)向指標(biāo)指數(shù)值越小、農(nóng)戶信用狀況越好的指標(biāo)；區(qū)間型指標(biāo)則是數(shù)值在某一特定區(qū)間內(nèi)都是合理的指標(biāo)。指標(biāo)類型見(jiàn)表1第d列。

設(shè)x ij為第j個(gè)農(nóng)戶第i個(gè)指標(biāo)的標(biāo)準(zhǔn)化得分，vij為第j個(gè)農(nóng)戶第i個(gè)指標(biāo)的原始數(shù)據(jù)，n為貸款農(nóng)戶數(shù)，則正、負(fù)向指標(biāo)標(biāo)準(zhǔn)化打分公式為[25]：

設(shè)q1為指標(biāo)最佳區(qū)間左邊界，q2為最佳區(qū)間右邊界，則區(qū)間型指標(biāo)的標(biāo)準(zhǔn)化得分為[25]

式（3）中其余字母含義同式（1）。應(yīng)該指出，表1所示的農(nóng)戶信用評(píng)級(jí)指標(biāo)體系中，區(qū)間型指標(biāo)僅有“年齡”。年齡的理想?yún)^(qū)間[25]為[31，45]，表明處于該年齡段的貸款農(nóng)戶還款能力和還款意愿較強(qiáng)。

2.1.2 定性指標(biāo)打分標(biāo)準(zhǔn)的制定 通過(guò)對(duì)中國(guó)某全國(guó)性大型商業(yè)銀行信貸業(yè)務(wù)的總行副行長(zhǎng)、風(fēng)險(xiǎn)管理部總經(jīng)理、授信審批部總經(jīng)理、信貸部總經(jīng)理等多位銀行實(shí)務(wù)專家、業(yè)務(wù)骨干進(jìn)行訪談?wù){(diào)研，結(jié)合大連理工大學(xué)、西北農(nóng)林科技大學(xué)、東北財(cái)經(jīng)大學(xué)的10余名專家學(xué)者，并且參考某商業(yè)銀行農(nóng)戶非財(cái)務(wù)數(shù)據(jù)信貸字典，制定出適合農(nóng)戶信用評(píng)級(jí)的定性指標(biāo)打分標(biāo)準(zhǔn)，如表2所示。

表2 定性指標(biāo)打分標(biāo)準(zhǔn)

2.2 農(nóng)戶信用評(píng)分模型的構(gòu)建

2.2.1 基于熵權(quán)法的指標(biāo)賦權(quán) 指標(biāo)的信息熵反映了指標(biāo)在農(nóng)戶信用評(píng)級(jí)中的重要程度。熵值越大，表明該指標(biāo)所蘊(yùn)含的信息量越大、在綜合評(píng)價(jià)中所起的作用越大，指標(biāo)越重要、權(quán)重也就越大[26]，反之則權(quán)重越小。

設(shè)x ij為第j個(gè)農(nóng)戶第i個(gè)指標(biāo)的標(biāo)準(zhǔn)化得分（i=1，2，…，m；j=1，2，…，n），m為評(píng)價(jià)指標(biāo)數(shù)，n為農(nóng)戶數(shù)，則第i個(gè)指標(biāo)的熵值為[26]

2.2.2 基于ELECTREIII的農(nóng)戶信用評(píng)分模型 ELECTRE III評(píng)價(jià)[27-30]是應(yīng)用比較普遍的一種復(fù)雜系統(tǒng)決策評(píng)價(jià)方法。在電廠選址、零售商選擇、經(jīng)濟(jì)、環(huán)境和能源評(píng)價(jià)等諸多領(lǐng)域，現(xiàn)有研究[27-30]已經(jīng)證實(shí)，ELECTRE III方法能夠克服指標(biāo)之間的相互替代性，提供更加客觀、實(shí)用的評(píng)價(jià)結(jié)果。

農(nóng)戶小額貸款信用評(píng)分模型的構(gòu)建步驟：

（1）農(nóng)戶信用評(píng)級(jí)優(yōu)先關(guān)系的構(gòu)造。為了確定農(nóng)戶信用得分的序關(guān)系，首先需要構(gòu)建農(nóng)戶信用評(píng)價(jià)的優(yōu)先關(guān)系。設(shè)A=｛aj|j=1，2，…，n｝為n個(gè)待評(píng)價(jià)農(nóng)戶aj構(gòu)成的集合；X=｛x i|i=1，2，…，m｝為m個(gè)評(píng)價(jià)指標(biāo)x i構(gòu)成的集合；W=｛w i|i=1，2，…，m｝為評(píng)價(jià)指標(biāo)x i對(duì)應(yīng)的權(quán)重集；G=｛gi（·）|i=1，2，…，m｝為評(píng)價(jià)指標(biāo)的函數(shù)集，即對(duì)于A中的任一農(nóng)戶a j，g i（aj）為農(nóng)戶aj在評(píng)價(jià)指標(biāo)x i下的評(píng)價(jià)值；U=｛ul|l=1，2，…，h｝為第l個(gè)決策者的偏好結(jié)構(gòu)集，h為決策者的總數(shù)；P=｛p i|i=1，2，…，m｝為ELECTRE III方法中m個(gè)評(píng)級(jí)指標(biāo)偏好閾值的函數(shù)集；Q=｛qi|i=1，2，…，m｝為ELECTRE III方法中m個(gè)評(píng)級(jí)指標(biāo)無(wú)差異閾值的函數(shù)集；V=｛vi|i=1，2，…，m｝為ELECTRE III方法中m個(gè)評(píng)級(jí)指標(biāo)否決閾值的函數(shù)集；農(nóng)戶信用評(píng)級(jí)問(wèn)題的決策集I=｛A，X，W，G，U｝。

對(duì)評(píng)價(jià)集A中的任意兩個(gè)農(nóng)戶a、b，給出如下定義：

①農(nóng)戶信用評(píng)級(jí)的一致優(yōu)先度C。設(shè)C（a，b）為農(nóng)戶a相對(duì)于農(nóng)戶b的一致優(yōu)先度，w i為第i個(gè)指標(biāo)的熵值權(quán)重，m為指標(biāo)數(shù)，則[27，30]

式（6）的經(jīng)濟(jì)學(xué)含義：一致優(yōu)先度C（a，b）為決策者認(rèn)為農(nóng)戶a優(yōu)于農(nóng)戶b的程度。所有n個(gè)農(nóng)戶兩兩比較的一致優(yōu)先度構(gòu)成一個(gè)一致優(yōu)先度矩陣C。

②農(nóng)戶信用評(píng)級(jí)的非一致優(yōu)先度D。設(shè)d i（a，b）為農(nóng)戶a相對(duì)于農(nóng)戶b的非一致優(yōu)先度，則[27，30]

式（8）的經(jīng)濟(jì)學(xué)含義：非一致優(yōu)先度d i（a，b）為決策者認(rèn)為農(nóng)戶a劣于農(nóng)戶b的程度。所有n個(gè)農(nóng)戶兩兩比較的非一致優(yōu)先度d i構(gòu)成一個(gè)非一致優(yōu)先度矩陣D。

應(yīng)該指出，在多屬性決策評(píng)價(jià)中，現(xiàn)有研究[27，30]已經(jīng)證明式（8）所示的非一致優(yōu)先度d i（a，b）能消除不同評(píng)價(jià)對(duì)象在不同指標(biāo)下的相互替代性。

式（8）通過(guò)構(gòu)造農(nóng)戶兩兩之間的非一致優(yōu)先度d i（a，b），剔除不同評(píng)價(jià)對(duì)象在不同指標(biāo)下的相互替代性對(duì)農(nóng)戶信用評(píng)級(jí)結(jié)果的影響。避免了現(xiàn)有研究[14-21]由于評(píng)價(jià)指標(biāo)之間的相互替代性、無(wú)法確保信用評(píng)價(jià)結(jié)果真實(shí)可靠的弊端。

③農(nóng)戶信用評(píng)級(jí)的可信度S。設(shè)s（a，b）為農(nóng)戶a優(yōu)于農(nóng)戶b的可信程度，則[27，30]

式中，J（a，b）為使得d i（a，b）＞C（a，b）成立的指標(biāo)集合。顯然，由式（9）知，對(duì)任意的a，b∈A，s（a，b）∈[0，1]。

式（9）的經(jīng)濟(jì)學(xué)含義：可信度s（a，b）為決策者認(rèn)為農(nóng)戶a優(yōu)于農(nóng)戶b的可信程度。所有n個(gè)農(nóng)戶兩兩比較的可信度s（a，b）構(gòu)成一個(gè)可信度矩陣S。

（2）農(nóng)戶信用評(píng)級(jí)序關(guān)系的確定。通過(guò)可信度矩陣S，ELECTRE III利用一種蒸溜算法對(duì)農(nóng)戶的信用得分進(jìn)行排序[27]。

①農(nóng)戶一致可信度Φ+（a）的確定。設(shè)Φ+（a）為農(nóng)戶a優(yōu)于其他所有農(nóng)戶的程度，則[27]

式（10）的經(jīng)濟(jì)學(xué)含義：農(nóng)戶a優(yōu)于其他所有農(nóng)戶的程度Φ+（a），等于農(nóng)戶a優(yōu)于其余每個(gè)農(nóng)戶可信度s（a，b）的線性和。

②農(nóng)戶非一致可信度Φ-（a）的確定。設(shè)Φ-（a）為農(nóng)戶a劣于其他所有農(nóng)戶的程度，則[27]

式（11）的經(jīng)濟(jì)學(xué)含義：農(nóng)戶a劣于其他所有農(nóng)戶的程度Φ-（a），等于其余每個(gè)農(nóng)戶優(yōu)于農(nóng)戶a可信度s（b，a）的線性和。

③農(nóng)戶凈可信度信用得分Φ（a）的確定。設(shè)Φ（a）為農(nóng)戶a的凈可信度信用得分，則[27]

式（12）的經(jīng)濟(jì)學(xué)含義：農(nóng)戶a的凈可信度信用得分Φ（a），等于“農(nóng)戶a優(yōu)于其他所有農(nóng)戶的程度Φ+（a）”與“其他所有農(nóng)戶優(yōu)于農(nóng)戶a的 程 度Φ-（a）”之差，揭示了農(nóng)戶a與其余農(nóng)戶評(píng)價(jià)指標(biāo)之間的相互替代性對(duì)評(píng)價(jià)結(jié)果的影響。

應(yīng)該指出，由于s（a，b）∈[0，1]，故對(duì)于n個(gè)農(nóng)戶，當(dāng)農(nóng)戶a完全優(yōu)于其他所有農(nóng)戶時(shí)，即式（10）等號(hào)右端s（a，b）≡1、式（11）等號(hào)右端s（b，a）≡0，這時(shí)，

此時(shí)，Φ（a）達(dá)到最大值

反之，當(dāng)其他所有農(nóng)戶完全優(yōu)于農(nóng)戶a時(shí)，Φ+（a）=0，Φ-（a）=n-1。此時(shí)，Φ（a）達(dá)到最小值Φ（a）min=1-n。即Φ（a）的取值范圍為Φ（a）∈[1-n，n-1]。

農(nóng)戶信用評(píng)分模型通過(guò)借鑒消去與選擇轉(zhuǎn)換評(píng)價(jià) 中的非一致優(yōu)先度d i（a，b），構(gòu)建了基于ELECTRE III的農(nóng)戶信用評(píng)分模型，保證了農(nóng)戶凈可信度信用得分Φ（a）的確定能夠反映指標(biāo)間的相互作用對(duì)評(píng)價(jià)結(jié)果的影響。避免了現(xiàn)有研究[14-21]由于評(píng)價(jià)指標(biāo)之間的相互替代性、無(wú)法保證信用評(píng)價(jià)結(jié)果真實(shí)可靠的弊端。

2.3 農(nóng)戶信用等級(jí)劃分模型的構(gòu)建

根據(jù)各等級(jí)貸款農(nóng)戶數(shù)近似服從正態(tài)分布的特征[31]，將其劃分為9個(gè)信用等級(jí)：

（1）將貸款農(nóng)戶的凈可信度信用得分Φ（a）按照由高到低進(jìn)行排序。

（2）根據(jù)各信用等級(jí)人數(shù)近似服從正態(tài)分布的特征[31]，確定各等級(jí)農(nóng)戶所占的樣本比例：第1 等級(jí)占8%，第2等級(jí)占16%，…，第9等級(jí)占2%，如表3所示；對(duì)應(yīng)的頻率分布如圖1所示。

（3）根據(jù)各等級(jí)農(nóng)戶所占的樣本比例，確定每個(gè)等級(jí)農(nóng)戶對(duì)應(yīng)的信用得分區(qū)間，信用得分屬于某區(qū)間的農(nóng)戶就劃歸為這一等級(jí)。

表3 農(nóng)戶小額貸款信用等級(jí)劃分標(biāo)準(zhǔn)

圖1 樣本頻率分布圖

農(nóng)戶信用等級(jí)劃分模型利用正態(tài)分布“中間大、兩頭小”的特征來(lái)劃分農(nóng)戶的信用等級(jí)，可以保證50%的評(píng)級(jí)樣本聚集在A 級(jí)和BBB 級(jí)附近。既避免出現(xiàn)多數(shù)樣本聚集在AAA 級(jí)或C級(jí)附近的不合理現(xiàn)象，也彌補(bǔ)了現(xiàn)有信用等級(jí)劃分中[8，22-24]違約概率閾值或信用得分區(qū)間人為主觀確定的不足。

3 某全國(guó)性大型商業(yè)銀行農(nóng)戶樣本實(shí)證

3.1 樣本選取和數(shù)據(jù)來(lái)源

選取中國(guó)某全國(guó)性大型商業(yè)銀行收集到的2 596個(gè)農(nóng)戶小額貸款數(shù)據(jù)作為分析樣本，通過(guò)對(duì)樣本數(shù)據(jù)進(jìn)行分析，剔除數(shù)據(jù)缺失嚴(yán)重或異常值較多的552個(gè)農(nóng)戶，最終選擇2 044個(gè)農(nóng)戶作為本研究的實(shí)證對(duì)象。2 044個(gè)農(nóng)戶小額貸款樣本包括除北京、云南、西藏、臺(tái)灣、香港、澳門(mén)外，其他28個(gè)省級(jí)行政區(qū)的小額貸款農(nóng)戶[32]。

樣本數(shù)據(jù)來(lái)源于該商業(yè)銀行總行農(nóng)戶小額貸款信貸系統(tǒng)[32]，見(jiàn)表1第1～13行第1～2 044列。

3.2 農(nóng)戶信用評(píng)級(jí)指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化

定量指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化。根據(jù)表1第d列的指標(biāo)類型，將表1第1～2 044列的正向指標(biāo)數(shù)據(jù)vij代入式（1）、負(fù)向指標(biāo)數(shù)據(jù)vij代入式（2）、區(qū)間指標(biāo)數(shù)據(jù)vij代入式（3），得指標(biāo)的標(biāo)準(zhǔn)化得分值x ij，結(jié)果列入表1第2 045～4 088列各定量指標(biāo)對(duì)應(yīng)的行。

定性指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化。根據(jù)表1第d列的指標(biāo)類型以及表2的定性指標(biāo)打分標(biāo)準(zhǔn)，對(duì)表1第1～13行的4 個(gè)定性指標(biāo)進(jìn)行打分，結(jié)果列入表1 第2 045～4 088列對(duì)應(yīng)行。

3.3 農(nóng)戶凈可信度信用得分的計(jì)算

3.3.1 農(nóng)戶信用評(píng)級(jí)指標(biāo)權(quán)重的確定將表1第2 045～4 088列的數(shù)據(jù)代入式（4）、（5），利 用Matlab2010軟件，可得13 個(gè)評(píng)級(jí)指標(biāo)的熵值法權(quán)重（見(jiàn)表1第e列）。

3.3.2 農(nóng)戶信用得分的計(jì)算

（1）農(nóng)戶信用評(píng)級(jí)偏好函數(shù)閾值的確定。ELECTRE III評(píng)價(jià)中，每個(gè)指標(biāo)均需要一個(gè)偏好函數(shù)，不同指標(biāo)需要不同類型的偏好閾值，常用的偏好函數(shù)有Usual型、U-shape型、V-shape型、Level型、Linear型和Gaussian型[33]6種。根據(jù)農(nóng)戶小額貸款信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的實(shí)際含義，并通過(guò)對(duì)中國(guó)某全國(guó)性大型商業(yè)銀行信貸業(yè)務(wù)的總行副行長(zhǎng)、風(fēng)險(xiǎn)管理部總經(jīng)理、授信審批部總經(jīng)理、信貸部總經(jīng)理等多位銀行實(shí)務(wù)專家進(jìn)行訪談?wù){(diào)研，結(jié)合大連理工大學(xué)、西北農(nóng)林科技大學(xué)、東北財(cái)經(jīng)大學(xué)等10余名專家學(xué)者的訪談建議，確定了Level型和U-shape型兩種偏好函數(shù)。又因?yàn)閁-shape型偏好函數(shù)僅涉及無(wú)差異閾值qi，Level型偏好函數(shù)僅涉及偏好閾值pi和無(wú)差異閾值qi，這兩種偏好函數(shù)均不涉及否決閾值vi[33-34]，所以設(shè)定了13個(gè)指標(biāo)的偏好函數(shù)及其閾值，如表4所示。

表4 偏好參數(shù)閾值的確定

（2）農(nóng)戶凈可信度信用得分的確定。

應(yīng)該指出，此處利用ELECTRE III方法求解農(nóng)戶一致可信度信用得分的過(guò)程，可利用計(jì)算機(jī)軟件直接實(shí)現(xiàn)，詳細(xì)過(guò)程可參閱文獻(xiàn)[35]。下文非一致可信度和凈可信度Φj（a）的求解同理。

③農(nóng)戶凈可信度信用得分Φj（a）的確定。將表5第3、4列數(shù)據(jù)代入式（12），得對(duì)應(yīng)農(nóng)戶的凈可信度信用得分Φj（a），列入表5第5列。

3.4 農(nóng)戶信用等級(jí)的劃分

以AAA級(jí)農(nóng)戶為例，說(shuō)明信用等級(jí)的劃分過(guò)程。

將2 044個(gè)農(nóng)戶按照表5第5列凈可信度信用得分Φj（a）由高到低排序，結(jié)果列入表6第2、3列。由表3第1行第2列知，AAA 級(jí)農(nóng)戶占農(nóng)戶樣本總數(shù)的8%，即AAA 級(jí)農(nóng)戶數(shù)為2 044×8%≈164，結(jié)果列入表6第6列。表6第4、5列的數(shù)據(jù)對(duì)應(yīng)來(lái)源于表3第1、2列。

表5 凈可信度信用得分的確定

由表6第6列知，AAA 級(jí)農(nóng)戶有164個(gè)。再由表6第3列知，第164行農(nóng)戶Gao H.的信用得分為0.652，即AAA 級(jí)農(nóng)戶的信用得分Φj≥0.652；再由2.2.2節(jié)（2）知，

故AAA級(jí)農(nóng)戶的信用得分區(qū)間為0.652≤Φj≤2 043，如表6第7列AAA 級(jí)信用得分區(qū)間所示。即凈可信度信用得分Φj（a）落在區(qū)間0.652≤Φj≤2 043內(nèi)的農(nóng)戶為AAA 級(jí)客戶。

表6 農(nóng)戶小額貸款信用評(píng)級(jí)結(jié)果

同理，可得其余8個(gè)等級(jí)的信用評(píng)級(jí)結(jié)果，列入表6的相應(yīng)位置。

3.5 農(nóng)戶信用評(píng)級(jí)模型合理性分析

（1）農(nóng)戶信用評(píng)級(jí)體系誤判率分析。通過(guò)采用經(jīng)典的Logistic回歸方法[25]，利用不均衡數(shù)據(jù)誤判率求解方法[36]，測(cè)算本文構(gòu)建的農(nóng)戶小額貸款信用評(píng)級(jí)體系誤判率的高低，用以檢驗(yàn)本文所建模型的合理性。將表1第2 045～4 088列的指標(biāo)數(shù)據(jù)、第14行農(nóng)戶違約狀態(tài)y i代入Logistic回歸模型[25]，利用SPSS17.0軟件可得該評(píng)級(jí)體系對(duì)非違約農(nóng)戶的預(yù)測(cè)準(zhǔn)確率為94.46%、對(duì)違約農(nóng)戶的預(yù)測(cè)準(zhǔn)確率為82.86%，則對(duì)全部農(nóng)戶的整體預(yù)測(cè)準(zhǔn)確率為88.66%，表明本文構(gòu)建的農(nóng)戶小額貸款信用評(píng)級(jí)模型具有較好的判別能力。

（2）本文構(gòu)建的農(nóng)戶小額貸款信用評(píng)級(jí)體系既考慮了貸款農(nóng)戶本人的償債能力，也考察了貸款農(nóng)戶的基本情況，不僅反映了農(nóng)戶所在地區(qū)宏觀經(jīng)濟(jì)因素對(duì)其信用風(fēng)險(xiǎn)的影響，還反映了我國(guó)農(nóng)戶小額貸款信用評(píng)級(jí)的特點(diǎn)，可以在商業(yè)銀行農(nóng)戶小額貸款信用評(píng)級(jí)中實(shí)踐應(yīng)用。

4 結(jié)論

通過(guò)共線性檢驗(yàn)剔除反映信息重復(fù)的指標(biāo)，通過(guò)Logistic回歸顯著性判別遴選對(duì)農(nóng)戶違約狀態(tài)影響顯著的指標(biāo)，建立了農(nóng)戶小額貸款信用評(píng)級(jí)指標(biāo)體系。在此基礎(chǔ)上，利用消去與選擇轉(zhuǎn)換（ELECTRE III）評(píng)價(jià)方法，構(gòu)建了基于ELECTRE III的農(nóng)戶小額貸款信用評(píng)級(jí)模型，并對(duì)中國(guó)某全國(guó)性大型商業(yè)銀行2 044 個(gè)農(nóng)戶樣本進(jìn)行了實(shí)證，得出：

（1）農(nóng)戶所在地區(qū)的宏觀環(huán)境對(duì)農(nóng)戶小額貸款信用風(fēng)險(xiǎn)影響較大。由表1 第e列可知，5 個(gè)準(zhǔn)則層指標(biāo)權(quán)重和依次為：

與之對(duì)應(yīng)的準(zhǔn)則層序關(guān)系為：X2償債能力＞X5宏觀環(huán)境＞X1基本情況＞X4保證聯(lián)保＞X3還款意愿，表明農(nóng)戶所在地區(qū)的X5宏觀環(huán)境占農(nóng)戶信用風(fēng)險(xiǎn)權(quán)重的27.7%、對(duì)農(nóng)戶小額貸款影響較大。

（2）支出收入比、人均農(nóng)業(yè)總產(chǎn)值這兩個(gè)指標(biāo)對(duì)農(nóng)戶信用評(píng)級(jí)影響最大。由表1第e列知，指標(biāo)“X2，1支出收入比”的權(quán)重為0.280、指標(biāo)“X5，3人均農(nóng)業(yè)總產(chǎn)值”的權(quán)重為0.235。這兩個(gè)指標(biāo)權(quán)重和0.515占13個(gè)評(píng)價(jià)指標(biāo)權(quán)重和的51.5%，表明這兩個(gè)指標(biāo)對(duì)農(nóng)戶小額貸款信用評(píng)價(jià)影響最大。

本文通過(guò)借鑒消去與選擇轉(zhuǎn)換評(píng)價(jià)中的非一致優(yōu)先度d i（a，b），構(gòu)建了基于ELECTRE III的農(nóng)戶信用評(píng)分模型，保證了農(nóng)戶凈可信度信用得分Φ（a）的確定能夠反映指標(biāo)間的相互作用對(duì)評(píng)價(jià)結(jié)果的影響。彌補(bǔ)了現(xiàn)有研究由于評(píng)價(jià)指標(biāo)之間的相互替代性、無(wú)法保證信用評(píng)價(jià)結(jié)果真實(shí)可靠的不足。利用正態(tài)分布“中間大、兩頭小”的特征來(lái)劃分農(nóng)戶的信用等級(jí)，保證了50%的農(nóng)戶評(píng)級(jí)樣本聚集在A 和BBB級(jí)附近。既避免出現(xiàn)多數(shù)樣本聚集在AAA 級(jí)或C級(jí)附近的不合理現(xiàn)象，也彌補(bǔ)了現(xiàn)有信用等級(jí)劃分中違約概率閾值或信用得分區(qū)間人為主觀確定的不足。