基于灰色关联度的科技型小微企业信用风险评价
一、研究背景
目前，我国经济发展已经开始由传统的依靠投资驱动的粗放型发展模式向依靠创新驱动的集约型发展模式转变。以科技创新带动全面创新，依靠创新引领发展，已经成为经济“新常态”背景下的发展主题。科技型小微企业作为创新活力最强，发展潜力巨大的创新群体，在科技创新、人才培养、经济发展、带动就业、优化产业结构等方面发挥着不可替代的作用，已经成为推动经济和社会转型升级的不可或缺的重要力量。
长期以来，资金短缺是科技型小微企业发展中面临的首要难题。相关文献表明，?y行贷款是我国企业融资的最主要渠道。但是，在现有的以财务指标为基础的信用风险评价体系下，银行更加倾向于贷款给国有大中型企业；而对于科技型小微企业来说，其知识产权等无形资产也很难被纳入到现有的评价体系中。因此，科技型小微企业不得不开辟更多的融资渠道。融资困难和融资成本的居高不下成为制约科技型小微企业发展的重要桎梏。
本文尝试使用融入层次分析法的灰色关联度模型，对科技型小微企业的信用风险进行评价。首先确立适用于科技型小微企业的信用风险评价指标体系，然后利用层次分析法确定指标的权重，最后使用灰色关联度模型进行计算。
二、灰色关联度模型评价方法
灰色关联度模型的理论基础是灰色系统理论。其本质是利用时间序列和非时间序列形成的曲线在几何上的相似程度来判断序列之间的关联是否紧密[1]。如果曲线的相似程度较高，则认为灰色关联度较高，进一步地，两个序列的联系较为紧密；反之，则认为灰色关联度较低，进一步地，两个序列的联系程度较差。
使用灰色关联度模型进行信用风险评价的一般步骤是：
（一）确定评价的指标体系
首先要确定在进行科技型小微企业信用风险评价时，需要考虑哪些指标，这些指标的重要程度是怎样的。
（二）获得原始数据
依据步骤（一）中确定的评价体系中的指标，对于每一个评价对象，获得其在每一个指标上的原始数据。假设共有m个企业参与评价，评价体系中的指标个数为n个，这些数据就构成一个m*n阶的矩阵X。则Xi，j表示第i个企业的第j个指标的值。
（三）数据的规范化处理
由于评价体系中的各个指标的范围和单位存在较大差别，为了保证评价结果的准确性，需要将数据统一处理成相同的范围，这一过程就是数据的规范化处理，也称无量纲化处理。处理后的矩阵记为X’。
（四）确定最优数据列
基于规范化处理后的矩阵X’，确定最优数据列。所谓最优数据列是指，对于评价体系中的同一指标，从参与评价的所有对象中选取最优的一个数据；由这些最优的数据所组成的数据列称为最优数据列，记为X0=（x0（1），x0（2），..x0（n））。
（五）计算关联系数
以最优数据列为参考序列，以各个待评价对象形成的数据列为比较序列，依照下式计算关联系数。
其中ρ为分辨系数，一般在（0，1）中取值。ρ越小，不同对象的关联系数差异越大，即关联系数的分辨能力越强；反之不同对象的关联系数的差异越小，关联系数的分辨能力越弱。一般取ρ=0.5。
（六）计算关联序
传统灰色关联度分析方法以待评价对象在评价体系的各个指标上的关联系数的均值来评价比较序列和参考序列的关联关系，并进行排序。此种方法忽略了评价体系中的各个指标的重要程度的差异。本文尝试使用层次分析法来对评价体系中的各个指标分别赋予权重。然后使用待评价对象在评价体系的各个指标上的关联系数的加权平均值来反映待评价对象与参考序列的关联关系。
三、实证分析
按照以上所述的评价方法，首先对科技型小微企业的信用风险评价指标进行确定。传统的信用风险评价体系以财务数据为核心。在此基础上，结合科技型小微企业的特点，依据企业状况和未来发展前景，共确定了15个指标。利用层次分析法对这些指标进行分析，得到每个指标对应的权重如表1所示[2]。
实证分析中共选取A、B、C、D、E五家企业，按照企业运营数据和专家打分结果，得到这五家企业在表1所示的指标体系中的原始数据。经过规范化处理，得到的规范化数据如表2所示。
根据以上数据，计算得到最优数据列，然后计算灰关联系数，并结合层次分析法得到的权重计算关联序。最终得到五家企业的关联序如图1所示。
由上图可以得到，企业C的各项指标与最优数据列关联更为紧密，由此可知，在A、B、C、D、E五家企业中，C在本文所设定的评价体系下，信用是最优的，风险是最低的。说明本文所提出的结合层次分析法的灰色关联度分析方法是可行的。
四、总结和建议
科技型小微企业是我国科技创新和转变经济增长方式的生力军，也是最具活力和发展前景的群体。在互联网金融的冲击下，传统金融市场的竞争日趋激烈。针对科技型小微企业的信贷作为一片“蓝海”，还尚未被多数传统金融机构重视。在对科技型小微企业进行信贷管理和风险评价时，要制定符合科技型小微企业特点的信用风险评价方案，从中选择市场前景好，还款能力和意愿强的优质企业进行合作。在不久的将来，科技型小微企业一定会成为金融机构信贷业务新的增长点。
