摘要：隨著我國經(jīng)濟(jì)的高速發(fā)展，企業(yè)已經(jīng)進(jìn)入了全面的市場競爭階段，企業(yè)信用評價(jià)的好壞直接決定了企業(yè)的競爭力，然而我國目前信用管理尚處于初級階段，在市場經(jīng)濟(jì)的發(fā)展過程中出現(xiàn)了很多由信用風(fēng)險(xiǎn)引發(fā)的問題，本文通過對企業(yè)信用評級的研究，使企業(yè)能夠更好地監(jiān)控和預(yù)測信用風(fēng)險(xiǎn)，更好地進(jìn)行信用管理。

關(guān)鍵詞：企業(yè)信用評級;神經(jīng)網(wǎng)絡(luò);熵權(quán)法

隨著我國經(jīng)濟(jì)建設(shè)的不斷發(fā)展，國家實(shí)力不斷增強(qiáng)，我國的社會(huì)主義市場經(jīng)濟(jì)也在朝著高度發(fā)達(dá)的現(xiàn)代信用經(jīng)濟(jì)的方向前進(jìn)，信用經(jīng)濟(jì)是市場經(jīng)濟(jì)的基礎(chǔ)，沒有信用就談不上現(xiàn)代經(jīng)濟(jì)。但是我們在建設(shè)中國特色的社會(huì)主義市場經(jīng)濟(jì)道路上遇到了很多危機(jī)與困難，一方面，現(xiàn)代信用價(jià)值標(biāo)準(zhǔn)與我國傳統(tǒng)信用價(jià)值標(biāo)準(zhǔn)和文化發(fā)生沖突，另一方面，現(xiàn)代信用體系和規(guī)范尚未完善。因此在市場經(jīng)濟(jì)中出現(xiàn)了很多不規(guī)范，甚至違法行為。企業(yè)信用評級作為信用體系的一個(gè)重要部分，對于預(yù)測和控制企業(yè)信用風(fēng)險(xiǎn)，加強(qiáng)企業(yè)信用管理具有重要作用。

1.企業(yè)信用評級指標(biāo)體系的構(gòu)建

進(jìn)行企業(yè)信用評級前首先要建立信用評級指標(biāo)體系，作者研究大量企業(yè)信用評級的相關(guān)文獻(xiàn)、論文以及期刊等文章后，發(fā)現(xiàn)目前國際上普遍采用信用5C分析法評估企業(yè)信用，而現(xiàn)在我國主要根據(jù)安全性、收益性、成長性、流動(dòng)性和生產(chǎn)性來衡量企業(yè)的信用狀況。本文結(jié)合前人的研究基礎(chǔ)，得出企業(yè)信用評級的指標(biāo)體系要既包括財(cái)務(wù)指標(biāo)，也要包括非財(cái)務(wù)指標(biāo)，定量與定性相結(jié)合，更加全面和準(zhǔn)確的進(jìn)行企業(yè)信用評級。

財(cái)務(wù)指標(biāo)選取了能夠全面反映企業(yè)的盈利能力、償債能力、營運(yùn)能力、現(xiàn)金流量和成長能力的26個(gè)財(cái)務(wù)指標(biāo)

除了企業(yè)的盈利能力、償債能力等財(cái)務(wù)指標(biāo)與企業(yè)信用有關(guān)外，企業(yè)的發(fā)展能力也與企業(yè)信用密切相關(guān)，因此在對企業(yè)進(jìn)行信用評級時(shí)也應(yīng)當(dāng)關(guān)注此類信息。本文通過廣泛使用的非財(cái)務(wù)指標(biāo)結(jié)合爬取的數(shù)據(jù)最終選擇了企業(yè)注冊資本、經(jīng)營年限、行業(yè)類型來反映企業(yè)的發(fā)展能力。

2.企業(yè)信用評級的實(shí)現(xiàn)

2.1期望信用評級的實(shí)現(xiàn)

使用神經(jīng)網(wǎng)絡(luò)時(shí)，要明確網(wǎng)絡(luò)的期望輸出，神經(jīng)網(wǎng)絡(luò)才能根據(jù)訓(xùn)練樣本識別其中的規(guī)律，但作者沒有找到樣本企業(yè)已有的信用評級的信息，因此本文決定計(jì)算各企業(yè)的信用評分，然后按銀行信用等級劃分標(biāo)準(zhǔn)對樣本企業(yè)進(jìn)行劃分。

根據(jù)各企業(yè)信用評分和商業(yè)銀行信用等級劃分標(biāo)準(zhǔn)，對各企業(yè)信用進(jìn)行評級，發(fā)現(xiàn)樣本數(shù)據(jù)中的企業(yè)信用都比較不錯(cuò)，沒有處于C類等級的，絕大多數(shù)企業(yè)都處于良好狀態(tài) 。

2.2基于BP神經(jīng)網(wǎng)絡(luò)模型的企業(yè)信用評級的實(shí)現(xiàn)

構(gòu)建神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，即確立神經(jīng)網(wǎng)絡(luò)的輸入層、隱含層和輸出層，由于這些都是要在實(shí)踐中根據(jù)實(shí)際需要設(shè)定，因此不存在一個(gè)確定的標(biāo)準(zhǔn)。

（1）輸入層設(shè)計(jì)

本文從同花順網(wǎng)站上爬取了樣本數(shù)據(jù)中各企業(yè)計(jì)算期望評級時(shí)各項(xiàng)財(cái)務(wù)指標(biāo)所對應(yīng)時(shí)期的各項(xiàng)能力的評分，包括量、成長能力、資金面、行業(yè)面、消息面評分，將這8個(gè)數(shù)據(jù)作為輸入節(jié)點(diǎn)。

（2）隱含層設(shè)計(jì)

隱含層節(jié)點(diǎn)數(shù)的確定并沒有標(biāo)準(zhǔn)的方法，如果隱含層節(jié)點(diǎn)數(shù)設(shè)置過少，則可能達(dá)不到訓(xùn)練的效果，但如果隱含層節(jié)點(diǎn)數(shù)設(shè)置過多，雖然能夠增加準(zhǔn)確度，減少誤差，但會(huì)使訓(xùn)練時(shí)間加長，甚至出現(xiàn)過擬合的情況，因此往往需要在實(shí)踐中根據(jù)經(jīng)驗(yàn)進(jìn)行調(diào)試， 本文根據(jù)設(shè)置隱含層節(jié)點(diǎn)數(shù)的多個(gè)方法進(jìn)行試驗(yàn)，最終選擇了用sqrt（輸入層節(jié)點(diǎn)數(shù)*輸出層節(jié)點(diǎn)數(shù)）計(jì)算隱含層節(jié)點(diǎn)數(shù)，獲得的結(jié)果誤差最小。

（3）輸出層設(shè)計(jì)

本文是將樣本數(shù)據(jù)中的各企業(yè)的實(shí)際信用情況和計(jì)算的期望信用評級進(jìn)行預(yù)測，因此選擇期望信用評級作為輸出節(jié)點(diǎn)。

本文結(jié)合樣本數(shù)據(jù)，為使運(yùn)行結(jié)果更好，選擇了三層神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，神經(jīng)網(wǎng)絡(luò)是一門機(jī)器學(xué)習(xí)語言，因此要首先對其進(jìn)行訓(xùn)練，本文選用了MATLAB的神經(jīng)網(wǎng)絡(luò)工具箱的GUI界面來進(jìn)行神經(jīng)網(wǎng)絡(luò)。

結(jié)果顯示：樣本輸入層節(jié)點(diǎn)數(shù)為8，隱含層節(jié)點(diǎn)數(shù)為3，輸出層節(jié)點(diǎn)數(shù)為1，w表示權(quán)重，b表示閾值。

根據(jù)訓(xùn)練數(shù)據(jù)梯度與均方圖可知：最好的均方誤差為0.1，驗(yàn)證數(shù)據(jù)集在第23次迭代中達(dá)到了0.1，訓(xùn)練集與測試集誤差均低于0.1，說明訓(xùn)練集和測試集誤差都比較小，準(zhǔn)確率較高。

分析訓(xùn)練集、驗(yàn)證集、測試集以及整體數(shù)據(jù)的回歸分析圖，行坐標(biāo)為期望評級，縱坐標(biāo)為網(wǎng)絡(luò)輸出值，每個(gè)圖中兩條線都幾乎重合，說明擬合程度很好，R為自變量與因變量之間的相關(guān)性，上圖中訓(xùn)練集、測試集以及整體的樣本數(shù)據(jù)的R值都達(dá)到了0.95以上，驗(yàn)證集的R值也在0.94以上，說明網(wǎng)絡(luò)輸出與期望輸出的誤差較小，神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確率很高，是適用于企業(yè)信用評級研究的。

3.結(jié)論

本文構(gòu)建了企業(yè)信用評級指標(biāo)體系，結(jié)合定量與定性分析，并且對定性指標(biāo)進(jìn)行了量化，在進(jìn)行信用評級時(shí)選擇了BP神經(jīng)網(wǎng)絡(luò)模型，主要結(jié)論如下：

（1）神經(jīng)網(wǎng)絡(luò)具有高度的自組織、自學(xué)習(xí)的能力，由于企業(yè)信用信息披露不全面，而傳統(tǒng)統(tǒng)計(jì)模型對財(cái)務(wù)數(shù)據(jù)又有較高的要求，因此并不適用企業(yè)信用評級的研究，而且目前國內(nèi)外很多信用評級多采用專家打分等比較主觀的方法，使企業(yè)信用評級結(jié)果帶有較大的不確定性，神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的并行處理機(jī)制，通過對樣本數(shù)據(jù)的訓(xùn)練與學(xué)習(xí)，能夠準(zhǔn)確預(yù)測輸入向量與輸出向量之間的關(guān)系，更加方面靈活，結(jié)果也更準(zhǔn)確。

（2）神經(jīng)網(wǎng)絡(luò)能夠處理企業(yè)評級指標(biāo)和期望等級之間的非線性問題。

（3）神經(jīng)網(wǎng)絡(luò)是一個(gè)動(dòng)態(tài)學(xué)習(xí)的過程，隨著訓(xùn)練和學(xué)習(xí)樣本的增加，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力也會(huì)隨著提高，從而提高準(zhǔn)確度，相比傳統(tǒng)方法只能預(yù)測當(dāng)前樣本更適用于企業(yè)信用評級的研究。

參考文獻(xiàn)：

[1]鄭建華，黃灝然，李曉龍.基于大數(shù)據(jù)小微企業(yè)信用評級模型研究[J].技術(shù)經(jīng)濟(jì)與管理研究，2020（07）：22-26.

[2]張澤珩，胡俊彧，仇雪陽，龔漪波，楊博森.互聯(lián)網(wǎng)背景下科技型中小企業(yè)信用評級指標(biāo)體系[J].現(xiàn)代商貿(mào)工業(yè)，2020，41（24）：129-130.

[3]楊國鍵. 基于BP神經(jīng)網(wǎng)絡(luò)預(yù)測非公開發(fā)行公司債券信用利差[D].上海外國語大學(xué)，2020.

[4]胡嚴(yán)勻. 基于BP神經(jīng)網(wǎng)絡(luò)的新三板企業(yè)信用評級研究[D].華北電力大學(xué)（北京），2018.

[5]歐陽建明. 基于BP神經(jīng)網(wǎng)絡(luò)的中小企業(yè)信用評級[D].江西財(cái)經(jīng)大學(xué)，2016.

作者簡介：劉曉春（1995.01-）女，漢族，山西臨汾人，單位：云南民族大學(xué)管理學(xué)院（會(huì)計(jì)學(xué)院），碩士研究生，研究方向：企業(yè)管理。