一种基于履约能力和行为的多维信用评价模型构建方法
技术领域
本发明属于模型构建
技术领域
，尤其涉及基于履约能力和行为的 多维信用评价模型构建方法。背景技术
质量信用是企业履行质量承诺的意愿和能力，质量信用本质上是 企业与消费者之间有关产品质量的契约关系体现。事实证明，产品具 有高质量、高信用的良好形象，对提高人民群众消费信心，拉动经济 增长有着难以替代的作用。由于市场经济秩序的不完善，部分企业缺 乏质量信用意识，制假售假、劣质建筑、有毒食品、服务违约等质量 失信行为仍在各个领域时有发生。
企业作为质量信用的主体，可能在低廉成本带来的巨额利润面 前，铤而走险，牺牲自身的质量信用。因此，加强质量信用体系建设， 需要客观分析企业质量信用与消费者的关系，从而采取针对性措施加 以引导，才能取得有效进展，为此我们提出了一种基于履约能力和行 为的多维信用评价模型构建方法。
发明内容
本发明的目的是为了解决现有技术中存在的问题而提出的基于 履约能力和行为的多维信用评价模型构建方法。
为了实现上述目的，本发明采用了如下技术方案：
本发明包括以下步骤：
A获取商贸流通企业信用水平构建构建目标层，通过商贸流通企 业信用水平的履约行为和履约能力构建准则层以及指标层，
B建立多维信用评价模型的主成分，对所述主成分构建指标层和 准则层；
C利用主成分析法对所述指标层进行评价；
D利用熵值法对准则层进行评价；
E利用标准化处理后的指标层综合评价值数据进行加权后可得模 式的最终评价值。
进一步地，所述履约行为包括经营能力和交易能力，所述履约能 力包括财务状况和社会行为，将所述经营能力、交易能力、财务状况 和社会行为构建准则层，所述经营能力包括人力资源管理、业务管理 和无形资产管理、交易能力包括主营产品、销售收入和销售对象，财 务状况包括财务质量、财务报表和债务偿还，所述社会行为包括公共 信用信息和市场信用信息。
进一步地，所述主成分析法对所述指标层进行评价的方法为：
设有m个评价对象，需要用n个评价指标x1,x2,L xn进行评价。其 指标值可以构成一个m×n阶矩阵x＝(xij)m×n，令xk＝(x1k,x2k,L xnk)T表示x 的第k个列向量。求取n个指标的期望μ＝[μ1,μ2,Lμn]T，令 νij＝cov(xi,xj)(i,j∈[1,n]，其中cov(xi,xj)表示xi和xj之间的协方差。从而 求出n×n阶协方差矩阵V＝[νij]。
建立数学模型：
式中：A＝[α1,α,Lα1]T A＝[α1,α2,Lαn]T；α1,α2,Lαn为n个指标的系 数；D(y)为y的方差；y为A与x构造的线性函数。
利用拉格朗日乘子法求解有：
D(y)＝ATVA＝λATA＝λ (2)
式中，λ＝[λ1,λ2,Lλn]为V的特征值(由大到小)。
设λi对应特征向量为γi＝(γi1,γi2,Lγin)T，则第i个主成分分量为
第i个主成分分量的贡献率为
βi用来度量第i个主成分的贡献率，越大表明其贡献越大。前q 个主成分的累积贡献率为
一般情况下，若累积贡献率超过85％，则只要采用这q个主成分即 可。为充分利用原始信息，不丢弃任何成分，采用各个主成分分量的 贡献率作为其权重。则利用求得的主成分分量及及其权重，可得各种 模式综合得分为
式中，P为一个m维列向量。
对数据进行标准化处理，按划分的层次分别计算不同评价对象各 个准则的综合评价值，对其中某个准则，首先得出与此准则关联的指 标形成的评价矩阵，进而得出其协方差矩阵V，进一步求得各个主成 分分量的对应的特征值λi和特征向量γi，利用式(3)和式(4)分别得出 主成分分量yi及其贡献率βi，最后利用式(6)得出在此准则下各种模 式的综合评价值P。
进一步地，所述对数据进行标准化处理方法包括：
式中：表示m个评价对象在第j个指标的最大值；表示m个评价对象在第j个指标的最小值；B表示效益型指标集合； C表示成本性指标集合。
进一步地，在利用熵值法对准则层进行评价方法包括在准则层运 用中，假设有m个评价对象，q项评价准则，形成评价矩阵e＝(eij)m×q， 对其中某个评价准则，若m个取值之间差距越大，则该指标在评价中 的作用越大。
定义第i个评价准则的熵为
式中：k＝1/ln m；并且，假定fij＝0时，fijlnfij＝0。
则可定义第i个评价准则的熵权为
式中，0≤ωi≤1且
得出各准则的综合评价值，作标准化处理时如果已区分成本型指 标和效益型指标，后续的标准化处理均认为是效益型指标，由式(9) 得标准化处理后的指标层综合评价值。
从而利用式(7)可得每个准则的熵值，利用式(8)可得其权重向量ω， 从而再利用标准化处理后的指标层综合评价值数据进行简单加权后 可得不同评价对象的最终评价值，得出评价对象的得分排序。在与其 他方法得出的评估值进行排序比较时，可以进行评估值的灵敏度分 析，灵敏度分析公式：
式中，表示评价值的最大值；表示评价值的次大值。灵敏度含 义：灵敏度越大，则使用的评价算法得出的评价值区分度越好，评选 效果更好。
相比现有技术，本发明的有益效果为：
本发明通过基于履约能力和履约行为的多维企业信用评价模型， 利用主成分法分析和熵值法进行评价，能够较好的得出企业信用水平 的差异，同时能够识别出信用评价的主要影响要素。
附图说明
图1为本发明基于履约能力和行为的多维信用评价模型构建方法 示意图；
图2为商贸流通企业信用评价指标示意图；
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方 案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部 分实施例，而不是全部的实施例。
如图1所述，在本实施例子中，
A获取商贸流通企业信用水平构建构建目标层，通过商贸流通企 业信用水平的履约行为和履约能力构建准则层以及指标层；
选取商贸流通行业10家典型企业作为研究样本。因为是同行业的 企业，所以避免了不同行业因素的干扰，使企业信用评价更加科学合 理。以各企业2020年第四季度披露的相关数据指标，进行计算得分后 的数据如表1所示。
表1企业各项指标得分数据表
B建立多维信用评价模型的主成分，对所述主成分构建指标层和 准则层；
如图2为商贸流通企业信用评价指标，根据国家标准GB/T 39450-2020中有关商贸流通企业信用评价指标的要求，建立商贸流通 企业信用评价模型如下：
C利用主成分析法对所述指标层进行评价；
所述主成分析法对所述指标层进行评价的方法为：
设有m个评价对象，需要用n个评价指标x1,x2,L xn进行评价。其 指标值可以构成一个m×n阶矩阵x＝(xij)m×n，令xk＝(x1k,x2k,L xnk)T表示x 的第k个列向量。求取n个指标的期望μ＝[μ1,μ2,Lμn]T，令 νij＝cov(xi,xj)(i,j∈[1,n]，其中cov(xi,xj)表示xi和xj之间的协方差。从而 求出n×n阶协方差矩阵V＝[νij]。
建立数学模型：
式中：A＝[α1,α,Lα1]T A＝[α1,α2,Lαn]T；α1,α2,Lαn为n个指标的系 数；D(y)为y的方差；y为A与x构造的线性函数。
利用拉格朗日乘子法求解有：
D(y)＝ATVA＝λATA＝λ (2)
式中，λ＝[λ1,λ2,Lλn]为V的特征值(由大到小)。
设λi对应特征向量为γi＝(γi1,γi2,Lγin)T，则第i个主成分分量为
第i个主成分分量的贡献率为
βi用来度量第i个主成分的贡献率，越大表明其贡献越大,前q 个主成分的累积贡献率为
若累积贡献率超过85％，则只要采用这q个主成分即可。为充分利 用原始信息，不丢弃任何成分，采用各个主成分分量的贡献率作为其 权重。则利用求得的主成分分量及及其权重，可得各种模式综合得分 为
式中，P为一个m维列向量。
对数据进行标准化处理，按划分的层次分别计算不同评价对象各 个准则的综合评价值，对其中某个准则，首先得出与此准则关联的指 标形成的评价矩阵，进而得出其协方差矩阵V，进一步求得各个主成 分分量的对应的特征值λi和特征向量γi，利用式(3)和式(4)分别得出 主成分分量yi及其贡献率βi，最后利用式(6)得出在此准则下各种模 式的综合评价值P。
先用式(9)对数据进行标准化处理。然后按图中划分的层次分别 计算不同评价对象各个准则的综合评价值。对其中某个准则，首先得 出与此准则关联的指标形成的评价矩阵，进而得出其协方差矩阵V， 进一步求得各个主成分分量的对应的特征值λi和特征向量γi，利用式 (3)和式(4)分别得出主成分分量yi及其贡献率βi，最后利用式(6)得 出在此准则下各种模式的综合评价值P。
表2指标层综合评价值
D利用熵值法对准则层进行评价；
6、在利用熵值法对准则层进行评价方法包括在准则层运用中， 假设有m个评价对象，q项评价准则，形成评价矩阵e＝(eij)m×q，对其 中某个评价准则，若m个取值之间差距越大，则该指标在评价中的作 用越大。
定义第i个评价准则的熵为
式中：k＝1/ln m；并且，假定fij＝0时，fij ln fij＝0。
则可定义第i个评价准则的熵权为
式中，0≤ωi≤1且
得出各准则的综合评价值，作标准化处理时如果已区分成本型指 标和效益型指标，后续的标准化处理均认为是效益型指标，标准化处 理后的指标层综合评价值。从而利用式(7)可得每个准则的熵值，利 用式(8)可得其权重向量ω，从而再利用标准化处理后的指标层综合 评价值数据进行简单加权后可得不同评价对象的最终评价值，得出评 价对象的得分排序。在与其他方法得出的评估值进行排序比较时，可 以进行评估值的灵敏度分析，灵敏度分析公式：
式中，表示评价值的最大值；表示评价值的次大值。灵敏度含 义：灵敏度越大，则使用的评价算法得出的评价值区分度越好，评选 效果更好。
上述得出各准则的综合评价值，由式(9)可得标准化处理后的指 标层综合评价值。利用式(7)可得每个准则的熵值分别为 (0.7321,0.2734,0.3253,0.7683)。
E利用标准化处理后的指标层综合评价值数据进行加权后可得模 式的最终评价值。
利用式(8)可得其权重向量ω＝ (0.1324,0.6148,0.1486,0.1042)，
从而再利用标准化处理后的指标层综合评价值数据进行简单加 权后可得模式的最终评价值依次为(0.6002，0.5306，0.3180，0.3877， 0.7103，0.5622，0.4928，0.3254，0.3048，0.4873)，得出企业信 用水平排序，其中，企业5信用水平最高，其次是企业1和企业6，拍 在最后的是企业9。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范 围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技 术范围内，根据本发明的技术方案及其发明构思加以等同替换或改 变，都应涵盖在本发明的保护范围之内。
- 上一篇：石墨接头机器人自动装卡簧、装栓机
- 下一篇：基于大数据的银行用户征信评估方法
