考慮指標均衡性的小微企業信用評價方法

楊京

摘 要：針對貸款申請中處于劣勢地位的小微企業，文中以風險審慎為第一要義，提出一種考慮指標均衡性的猶豫模糊MPI罰劣綜合評價方法：首先，引入猶豫模糊集（HFS）構建評價矩陣以充分重視與利用多位信貸專家的風險意見；其次，為合理度量猶豫模糊環境中指標間的均衡性，提出一種新的猶豫模糊元（HFE）得分函數，基于此測算的指標間的均衡性可有效兼顧專家意見的分歧度與信用指標的均衡度；再之，鑒于小微企業的信用短板會更加引商業銀行關注，在猶豫模糊MPI基礎上對“不合格”部分的信用指標加以懲罰并作為最終決策的依據；最后，以某商業銀行同批申貸小微企業為例進行算法驗證及結果分析，結果表明，該方法計算簡單可行，評價結果全面且合理，在商業銀行等金融機構甄選信用水平優質且穩定的小微企業上發揮作用。 關鍵詞：指標均衡性；MPI；猶豫模糊集；小微企業；信用評價中圖分類號：F 276

文獻標識碼：A?? 文章編號：1672-7312（2024）01-0072-09

A Credit Evaluation Method for Micro and Small Enterprises

Considering Equilibrium of Indices

YANG Jing

（School of Management and Economics，Kunming University of Science and Technology，Kunming 650500，China）

Abstract：For small and micro enterprises that are disadvantaged in loan applications，this paper takes risk prudence as the first meaning and proposes a comprehensive evaluation method of hesitant fuzzy MPI punishment inferiority considering the equilibrium of indices：firstly，the hesitant fuzzy set（HFS）is introduced to characterize the expert opinions to construct an evaluation matrix to fully pay attention to and utilize the risk opinions of multiple credit experts；Secondly，in order to reasonably measure the equilibrium between indicators in the hesitant fuzzy environment，a new hesitant fuzzy element（HFE）score function is proposed，based on which the equilibrium between the indicators measured can effectively take into account the divergence of expert opinions and the equilibrium of credit indicators.Moreover，in view of the fact that the credit shortcomings of small and micro enterprises will attract more attention from commercial banks，the credit indicators of the “unqualified” part will be punished on the basis of hesitation and ambiguity of MPI and used as the basis for final decision-making；Finally，taking four small and micro enterprises as examples，the algorithm verification and result analysis are carried out，and the results show that the method is simple and feasible in calculation，and that the evaluation results are comprehensive and reasonable，which can play a role in the selection of small and micro enterprises with high-quality and stable credit levels by commercial banks and other financial institutions.

Key words：Equilibrium of indices；MPI；Hesitant fuzzy set；micro and small enterprises；Credit evaluation

0 引言小微企業是市場經濟中最活躍、最廣泛的群體，在發展經濟、擴大就業、改善民生等方面發揮著重要作用。然而小微企業良莠不齊，其普遍在資金、人才、技術等方面處于競爭劣勢，外來資金支持成為其謀生存與發展的重要資源。小微企業大多管理制度不健全、缺乏公開可信的財務報表與經營數據[1]，商業銀行因為面臨著較高的信貸違約風險將其拒之門外。對小微企業信用水平進行準確全面評價是控制其信用風險的重要手段，因此，商業銀行有必要探尋一套針對小微企業的信用評價方法，著力解決小微企業貸款違約率偏高問題。

指標體系與評價方法是進行小微企業信用評價的關鍵所在，小微企業信用評價指標體系涉及財務與非財務維度的多個指標，其中財務指標反應企業的基本經營狀況，有關此方面的研究相差無幾，往往選取償債能力、盈利能力、營運能力與發展能力下具有代表性的一眾指標[2-3]；而非財務指標能彌補小微企業財務指標的缺乏并更有效反應企業信用特征[4]，其選取上尚未形成統一體系。謝邦昌等認為應聚焦于企業主個人信用、企業利益相關者和企業前景等指標[5]；中國工商銀行與中國建設銀行除企業內部因素外，還額外關注企業所處的外部環境[6-7]；CAO等[8]則綜合考慮了企業經濟、社會與環境要素，馮玲玲[9]探究了企業商業信用同企業社會責任間的關系。關于小微企業信用評價方法，

SMARANDA[10]采用Logistic回歸模型評判羅馬里亞小微企業信用違約情況并證實了其優越性；胡賢德等[11]在BP神經網絡基礎上引入離散型螢火蟲算法構建小微企業信用風險評估模型；受精確數據樣本約束與先前經驗數據不足的限制，兩者在評價小微企業信用水平上均有不足[12]。鑒于小微企業部分財務指標可信度低甚至缺失，以及非財務指標多維性、模糊性、難以精確的特點[13]，李敬明等[14]提出基于AHP與信息熵賦權的改進模糊綜合評價法能較好兼顧主客觀權重。但值得注意的是，對于小微企業信用這樣的多指標綜合評價問題而言，指標間并不滿足完全可補償假設，因此評價方法不僅要測度企業總體信用水平，各指標間的均衡性對其評價結果亦有較大影響，若指標間均衡性較差，較高的還款能力與較低的還款意愿仍會產生較大的信用風險，因此將指標均衡性納入小微企業信用評價中具有現實意義。由此文中提出一種考慮指標均衡性的小微企業信用綜合評價方法，該方法能全面衡量小微企業信用水平，同時在傳統評價方法結果一致時提供新思路。對于風險識別而言，多方評價能反映企業信用真實水平[15-16]，而傳統信息收集與聚合難以實現，結合風險評價審慎原則，文中使用猶豫模糊集表征專家意見。處于猶豫模糊集環境中的小微企業信用指標，均衡水平不僅涉及指標間的均衡度，還涉及猶豫模糊集隸屬函數的均衡度，故文中基于變異系數表征離散程度的原理提出一種新的猶豫模糊得分函數，以此作為測算指標間的均衡性的基準?？紤]到商業銀行對小微企業信用短板的額外關注，文中在猶豫模糊MPI的基礎上添加了罰劣函數，對小微企業信用短板給予懲罰，實現綜合評估小微企業信用風險，切實降低商業銀行貸款風險。綜上所述，為幫助商業銀行合理評價小微企業信用水平，文中提出了考慮指標均衡性的猶豫模糊MPI罰劣綜合評價方法。

1 基礎知識

1.1 猶豫模糊集鑒于小微企業財務指標可信度低、非財務指標模糊難以確定信用評價過程的復雜性，文中引入ZADEH[17]提出的用于描述客觀世界中存在且無法用經典數學描述的模糊集刻畫指標信用特征，同時為刻畫信用評價時信貸專家猶豫不決難以選擇或存在意見不一致的狀態，采用TORRA等[18]提出的模糊集拓展形式，即猶豫模糊集表征專家意見，猶豫模糊集的隸屬度由[0，1]的多個可能隸屬度組成，可以充分反映和兼顧多方信用風險意見。以下給出HFS定義及計算法則。

定義1：設

M={u1，u2，…，un}是一個有N個隸屬函數的集合，則與該隸屬函數相關的猶豫模糊集，即

hM（x）

定義如下

hM（x）=∪u∈M{μ（x）}

（1）其中hM（x）為定義在μ∈M取值為[0，1]上的若干不同數值的集合。為便于表述，將hM（x）稱為猶豫模糊元，簡記為hM。定義2：T-N（Torra-narukawa）拓展原理：

H={h1，h2，…，hn}

是n個HFE組成的集合，Θ是H上的一個函數，Θ∶

[0，1]N→[0，1]，那么

ΘH=∪γ∈{h1×h2×…×hn}{Θ（γ）}

（2）定義3[19]：設

h1為猶豫模糊元，則其得分函數為

sh（h1）為h1的得分函數，其中#h1表示h1包含的隸屬度個數。若

sh（h1）≥sh（h2），則h1≥h2。定義4：設

h1為猶豫模糊元，則其離差函數為

v（h1）為h1的得分函數，其中#h1表示h1包含的隸屬度個數。若

sh（h1）=sh（h2）且v（h1）＞v（h2），則h1＜h2，離散函數用于在得分函數一致時比較兩個猶豫模糊元的大小。定義5[20]：設為兩任意猶豫模糊元，則它們之間的距離公式為

1.2 MPI綜合評價方法指標間的可補償性是多指標綜合評價中的一個重要性質，由于評價維度間性質不一，不能將一個維度的高值用于掩蓋其他維度的低值。為了避免不均衡指標之間的相互補償現象，意大利學者MAZZIOTTA

與PARETO在衡量人類發展與貧困指數時首次提出MPI指數，且被意大利國家統計研究所用于衡量意大利的“公平和可持續福利”水平。后

MAZZIOTTA與PARETO對其標準化方法改進提出了AMPI（Adjusted Mazziotta Pareto Index），近10年，MPI和AMPI被意大利學者廣泛運用于測算社會現象的多個方面，例如公民對國家政治不信任水平變化

[21]、國家糧食可持續發展指數[22]、意大利農村與城市的區域發展度[23]等追求均衡發展的社會多維復雜現象的評估。MPI用于聚合一組假設“非補償”的指標，基于算術平均數對標準化指標進行聚合，對統計單位應用懲罰函數即使用變異系數測算決策方案“水平變異性”作為懲罰依據，以保證指標值之間存在較高不均衡的單位受到懲罰。以下將給出MPI的聚合公式

MPI±=M（1±cv2）=M±S·cv（6）

其中平均值M為評價單位的綜合水平，標準差S為評價指標間的標準偏差，變異系數cv為標準偏差與平均值的比值。根據MPI聚合式子可得，當評價對象的變異系數較大時，評價指標間不均衡程度更高，此時評價值將在平均值的基礎上受到懲罰。符號“±”取決于評價現象的極性，若評價社會發展等這樣的正向現象，則使用的是MPI-，表示當指標存在較低的均衡性時，指數值越低，社會越不發展；若評價社會貧窮等這樣的負向現象，則使用的是MPI+，表示當指標存在較低的均衡性時，指數值越高，社會越貧窮。

2 猶豫模糊MPI罰劣模型

2.1 猶豫模糊集的均衡性測度在以猶豫模糊集表征的原始數據矩陣中，如何有效衡量具有猶豫模糊特征的指標均衡性將是文中所解決的重要問題。對于任意HFS H=∪{hi} ，i=1，2，…，m，其HFE hm=∪{γj}，j=1，2，…，n，其中各隸屬函數γj為各信貸專家對小微企業某一指標特征的評分，v（h）為猶豫模糊集的離散函數，sh（H）為猶豫模糊集得分函數的均值，sh（hi）為猶豫模糊元hi的得分函數，ΘH為猶豫模糊元的平均數，d為兩猶豫模糊元的距離。其猶豫模糊集的均衡性可從以下4個方面入手。一是計算各指標得分函數的離散函數表針其不均衡性

二是測算各指標隸屬函數與總體隸屬函數均值的離散程度

三是測算任意兩兩指標隸屬函數間距離的平均

四是測算各指標隸屬函數與總體擴展平均數距離的平均

上述法一將猶豫模糊數轉化為精確數后計算其離散程度，此種轉換常使用各指標猶豫模糊元的得分函數表征，可能導致各指標隸屬函數分布差異較大而得分函數一致的情況下，例如設X={x}，A={0.5，0.6，0.7}，B={0.3，0.6，0.9}為X上的2個HFE，其得分函數sh（A）=0.6，sh（B）=0.6，基于法一計算的兩兩HFE完全均衡，這顯然是有悖常理的，原因在于各指標的得分函數僅能表征兩HFE的總體特征而無法展現其內部特征。法二、法三、法四充分考慮了以HFS表征的各指標的多隸屬性質，使用HFS隸屬函數與其總體隸屬函數均值、總體擴展平均數，亦或是使用兩兩隸屬函數測算的各指標間的離散程度，其實際上均涵括了兩部分不均衡性：一是專家意見的分歧度，二是評價指標的不均衡性，前者為信貸專家間知識、經驗或偏好的差異性所導致的、具有主觀性質的不均衡性，后者為評價對象各指標發展不一導致的、具有客觀性質的不均衡性，將主觀性導致的不均衡計入評價對象維度間固有的不均衡將在一定程度上難以準確有效衡量其真實均衡性?；谝陨暇庑詼y度的不足，文中嘗試提出一種新的HFS均衡性的測度方法。首先在原始得分函數的基礎上考慮專家意見的分歧度構造一種新的得分函數，而后基于新得分函數測算HFS指標間的均衡性?？紤]專家意見分歧度的得分函數得到諸多學者的密切關注，學者從不同角度提出了得分函數的改進，FARHADINIA[24]基于隸屬函數優先級賦予不同權重體現了厚優薄劣；ZENG等[25]基于HFE隸屬函數個數提出猶豫度表征專家意見的不一致，而未考慮專家意見的具體分布。鑒于變異系數有計算簡單、易于解釋的優點，被廣泛應用于多個指標離散程度的表示中，故文中將變異系數引入表征打分專家意見的分布情況，并基于此構造一種新的HFE得分函數，以新構造的得分函數測算HFS的變異系數，使得HFS均衡性的測度更為科學。定義4：設ha=∪{γa}為任意猶豫模糊元，則文中構造的得分函數為

其中sh*（ha）為新的得分函數，cva為HFE的變異系數，表征專家意見的分歧度。當HFE變異系數較大時，即專家意見差異度越大，則該指標值的不確定性加大，其得分應減少，因此變異系數與得分函數呈反比關系，對此取1的補集。文中構造的得分函數擁有原始得分函數的性質。1）對于任意的HFE

ha=∪{γa}，文中提出的得分函數

sh*（ha）∈[0，1]。其證明為γa∈[0，1]，且專家打分意見的變異系數

cva∈[0，1]，故滿足sh*（ha）∈[0，1]。2）對于單個HFE

ha=∪{γ}，即HFE僅有一個隸屬函數或隸屬函數一致時，

sh*（hij）=γ。其證明為當專家意見一致時，其HFE變異系數為0，則文中構造的得分函數與原始得分函數一致，為隸屬函數值。特別的有：當

ha={1}

時，sh*（hij）=1；當ha={0}時，sh*（hij）=0。3）當

sh（h′1j）＜sh（h′2j），cv1j＞cv2j時，sh（h*1j）＜sh（h*2j），說明當專家意見不一致程度時，此指標的得分較低，以此降低小微企業信用風險特征?；谛碌牡梅趾瘮涤嬎鉎FS的均衡性，新的得分函數考慮了專家意見的分歧度，在此基礎上測算的指標的均衡性能更為準確表征指標客觀性的離散程度。對于任意HFS

H=∪{hi}，i=1，2，…，m，其HFE hm=∪{γj}，j=1，2，…，n，基于新得分函數的變異系數算例為

式中，sh*（hi）為HFS中各HFE的得分函數；sh（H）為HFS中各HFE得分函數的平均數；cv（H）為HFS的變異系數，即HFS的不均衡度。新的得分函數擁有聚合專家信息的同時兼顧專家意見分布的功能，HFS變異系數可以清晰表征指標間的不均衡特征，因此，在新的得分函數基礎上測算的HFS變異系數區分了主觀性的專家意見不一致度和客觀性的指標間的不均衡度，同時該變異系數能夠測算原始得分函數相同的兩個或多個猶豫模糊集之間的不均衡度。使用此變異系數公式測算上述兩個HFE的得分函數：則

sh（A）=0.589，sh（B）=0.5，HFE間的變異系數為0.08，該變異系數公式具有可行性與有效性。

2.2 罰劣模型信用評價需充分暴露申貸企業潛在的違約風險，銀行等金融機構評估小微企業信用時，出于風險規避原則，劣勢值會更引起其關注，對指標劣值進行懲罰符合商業銀行評價時規避風險的原則。同時在小微企業評價方法中加入罰劣函數可以彌補衡量指標均衡性時對優值和劣值的一視同仁?，F有文獻大多對指標進行獎優罰劣，鮮有僅針對罰劣的函數，文獻中正負激勵點常選用平均數、中位數、上下四分位點等。就考慮指標均衡的小微企業信用評價而言，若獎優則會致使小微企業致力發展優勢維度提高整體信用水平，加大指標間的不均衡，故文中僅對部分劣勢指標進行懲罰。文中將平均值作為劣勢值的追求目標，受“十通六者為及格”啟發，文中按照考試與學科成績的最低標準，即得分率的60%為及格線，對“不合格”的劣勢值加以懲罰。對于任意多個HFS H=∪{hi}，i=1，2，…，m，其HFE

hm=∪{γj}，j=1，2，…，n，其罰劣點P為

P=mi（sh（h*i））+（sh（H）-min（sh（h*i）））×60%（13）

依托于文中提出的得分函數得到該HFS的平均值sh（H）與最小值min（sh（h*i）），確定罰劣點P，根據式（7），若待評價單位的平均值和最小值分別為0.5和0.3，則選用罰劣點為0.42。根據指標與罰劣點之間的優劣關系，對罰劣點以下的指標懲罰，其懲罰值PV（Penalty Value）為

若指標優于P，則PV為0；若指標劣于P，則PV為指標與P的相對差異值；該罰劣函數對最小值的懲罰最大，即PV為1，對罰劣點無懲罰，即PV為0；使用函數對后可使得PV∈[0，n），在小微企業信用評價中添加罰劣函數能有效甄別出“不合格”的劣值，對劣值進行不同程度的懲罰，以降低商業銀行信貸風險。

2.3 評價方法步驟步驟1 建立初始決策矩陣H：根據由熟悉客戶所屬行業情況及業務的評估小組對待評價小微企業Ai（i=1，2，…，m）依據評價指標集Cj（j =1，2，…，n）打分的結果，以猶豫模糊集形式匯集所有專家意見并對相同評估值僅保留一次，得到初始評價矩陣H，其中hmn=（γ1，γ2，…，γt）為Cj指標下關于Ai的專家意見的集合。

步驟2 計算待評價小微企業信用均衡水平。

式中，sh*（hij）為決策單位i在第j個指標的新得分函數，即小微企業在某一指標下的得分，sh（hi）為決策單位i的平均數，即小微企業的最終信用水平值，cvi為決策單位i的不均衡度，即小微企業信用指標的不均衡度。步驟3 確定罰劣點P及罰劣值PV。

Pi=min（sh（h*ij））+（sh（hi）-min（sh（h*ij）））×60%（17）

式中，sh（hi）為待評價單位的平均值；min（sh（h*ij））為待評價單位的最小值，小微企業綜合信用水平為處于劣勢指標所追求的目標，對于“不合格”的指標進行懲罰以識別對銀行信用風險有較大威脅的企業。其懲罰值PV為

步驟4 計算最終評價值改進后的MPI。

在猶豫模糊MPI的基礎上添加罰劣算子，由于PV∈[0，n），參考文獻[33]構造的函數對其進行數學變形并使其值域為[0，0.1]，其主要原因是文中以均衡性和均值作為企業信用水平的第一考量，罰劣函數作為輔助，以降低其對最終評價值的影響度。MPI可以衡量不同性質的社會綜合現象，由于隨MPI指數的增加，小微企業信用水平越好，故此處使用的MPI-，即被評價單位指標間存在較低均衡性時，罰劣值越大，則MPI指數越低，企業信用水平越低。步驟5 確定小微企業信用等級。采用國際通行的“四等十級制”評級等級，結合中國工商銀行小企業信用等級分數段，其具體等級分為：AAA，AA，A，BBB，BB，B，CCC，CC，C，D，見表1。其中AAA-BBB等級為商業銀行所能接受的信用等級。

3 實例分析

3.1 小微企業信用指標體系構建構建符合小微企業特征的指標體系是開展評價的先決，本研究參考文獻[4-8]，按照科學、系統、典型、可操作四原則，從財務與非財務層面分析遴選7個維度構建小微企業信用評價體系，如圖1所示。其中財務指標能有效反映企業經營狀況，參照大多文獻標準劃分為償債能力、運營能力、盈利能力和發展能力，分別表征小微企業資產負債結構、經營運轉速率、獲取利潤能力與可持續增長潛力。鑒于財務維度的可信度與局限性，使用非財務維度作為補充顯露隱性信用信息，非財務維度由廣至微選取外部環境、企業素質和企業主信用，外部大環境的不確定性影響企業在市場中的發展進程，企業素質例如企業成立年限、納稅情況和資質等表征內在各要素聯系、結合與制約的整體功能，企業主信用則顯著影響小微企業的信貸還款意愿。

3.2 小微企業信用評價過程步驟1 數據的來源與收集信用評價是信貸審批的關鍵步驟。昆明市某商業銀行擬對同批申請貸款的8家小微企業開展信用評價以確定其貸款資格，該8家小微企業的基本信息如下：A1 、A7為食品采購批發部，A2為某耐力管業制造有限公司，A3 、A6為建筑工程有限公司，A4為某機械制造有限公司，A5為戶外運動有限公司，A8為某農業有限公司。

知悉企業的貸款申請后，該商業銀行組織5名熟悉評估客戶所屬行業情況及評估對象業務的專家組成評估小組，其中，小組負責人由具有項目經理以上職稱的高級職員擔任。該評估小組負責向8家企業發出《評估調查資料清單》，資料清單包括公司章程、近3年財務報表（成立未滿3年提供自成立日期至申請日期止的財務報表）和可抵押資產匯總等基本資料，再結合企業納稅基本情況，銀行信用記錄等公開信息，對相關資料進行查閱分析并開展企業實地調查與訪談，對形成的相關資料建檔編號并保密，最終形成初始資料的收集工作。

步驟2 級別初評與復核直接評價人依據信用評價標準，對評估資料進行分析、歸納和整理，加以綜合評價和判斷，以1為滿分制進行打分，形成初步評價矩陣H，評價值使用HFS形式表現，可以兼顧5名專家意見，當評價值出現多次時只記錄一次。

用式（11）計算猶豫模糊元得分函數，得出兼顧專家意見不一致度的得分函數。雖然新的得分函數本質仍為將評價值化為精確值，但此精確數不僅可以反應多位專家評價值的聚合，同時反應出專家評價值的分布情況，當分布離散時，說明專家間存在較大差異，指標值的不確定性增加，故該指標的評價值減少。根據式（12）計算各單位變異系數CVi分別為

CVi=〈{0.24}，{0.065}，{0.203}，{0.062}，{0.216}，{0.063}，{0.062}，{0.18}〉

通過變異系數可以形象看出各企業信用指標的均衡性：企業A2、A4 、A6和A7指標變異系數遠小于其他單位且指標得分值集中在0.7～0.9間，指標間存在較大的均衡性，故相比與其他企業，信用水平將更為穩定。在文中構造的得分函數的基礎上，計算各小微企業指標間的變異系數，新的得分函數囊括了具有主觀性的指標離散程度，而各指標的水平變異系數能則測度各指標間所客觀存在的變異系數。根據式（13）得出各指標指標的罰劣點P分別為

P=〈{0.54}，{0.71}，{0.59}，{0.75}，{0.57}，{0.8}，{0.75}，{0.56}〉

根據式（14）計算各指標的罰劣值PV分別為

PV=〈{1.24}，{1.58}，{1}，{1.07}，{1}，{1.22}，{1.09}，{1}〉

結合上述內容，計算改進后的MPI，得出小微企業信用評價結果值匯總。

步驟3 級別審查與審定總行根據依據一級分行管理情況實行區別授權，經各一級分行申報，總行對其進行審批，對各二級分行實行區別授權，商業銀行按照規定權限對客戶信用評級結果進行審查與審定。最終評價結果見表2。

3.3 結果分析均衡性對小微企業信用評價的影響：與傳統平均值相比，考慮指標均衡性的MPI方法對指標均衡性較差的小微企業予以懲罰，有助于商業銀行甄選信用風險穩定的小微企業，切實降低信貸風險。由表2中的評價結果可知，以平均值劃分的企業信用等級，由于信用指標間相互補償性假設的存在，企業A2，A3，A4，A5，A6，A7均達到可貸標準；而考慮指標間的均衡性后，企業A3 與A5因其均衡性較差受到較大懲罰而被排除在可貸范圍內，雖就單個指標而言，A3 企業營運、盈利與發展狀況良好，企業素質達標，但因行業性質導致其資產負債率較高，加之信貸人員對于企業主信用分歧較大，致使A3 企業指標不均衡系數達0.203，信用等級由BBB降為BB，A5 企業盈利能力難以保障企業到期還款能力，其信用等級由BBB降為BB。反觀企業A2、A4、A6、A7在此均衡性方面表現良好，其懲罰強度較小，但企業A2 受到輕微影響，信用等級由A降為BBB，企業A4、A6、A7得益于信用綜合水平較高且均衡，仍維持原等級。由上可知，企業信用指標的均衡性促使商業銀行在綜合信用水平上更優先考慮對其授信，信用指標均很的小微企業抗風險能力更強，擁有更小的信貸違約風險。罰劣函數對小微企業信用評價的影響：在小微企業信用評價中，以考慮指標均衡性的綜合評價值作為首要評價準則，在均衡基礎上添加的罰劣函數目的在于排除指標中劣值較為明顯的企業，再次降低商業銀行信貸風險。根據各小微企業指標總體特征對落后指標進行懲罰，有助于商業銀行關注到各小微企業的短板，企業A2 存在大量應收賬款使得其銷售行為無法確定收入，企業營運能力較差，同時信貸專家對于企業主信用存在較大分歧，導致企業A2再次受到了短板懲罰，信用等級降低至BB，最終未能成功貸款；反觀企業A4、A6、A7較為指標間較為均衡且不存在明顯短板，整體信用良好，最終達到此商業銀行可貸標準。評價結果經過集中討論，5位專家對最終各小微企業信用等級表示認可并提交總行進行審查與審定，最終審定結果顯示企業A4、A6、A7符合該商業銀行貸款等級要求。

4 結語信用評價是商業銀行防控信貸風險的關鍵。為進一步降低商業銀行信貸風險，文中從不良貸款率較高的小微企業入手，以充分反映風險意見、規避指標間補償和識別劣勢指標為出發點，提出了考慮指標均衡性的猶豫模糊罰劣綜合評價方法，該方法對猶豫模糊元得分函數進行改進，使之能夠充分考慮專家群體意見的分歧度，使其從客觀的指標不均衡性中剝離，以達到最終聚集值能更準確反應小微企業真實信用水平的目的，最終使用MPI聚合且對指標劣值予以懲罰以強調指標的均衡的重要性。將該方法應用于商業銀行的小微企業信用評價中發現：該方法計算簡易，最終評定信用等級與商業銀行預期結果一致，信用評價中考慮指標的均衡性能夠有效為商業銀行識別出信用水平更為均衡與穩定的小微企業，使得評價更為準確全面，為商業銀行等金融機構甄選貸款對象、降低小微企業信貸風險提供了指導思想和理論借鑒。

參考文獻：

[1]汪冬梅，王蘭粉.中小企業集群信貸融資的信用優勢分析[J].技術與創新管理，2009，30（03）：352-354.

[2]范柏乃，朱文斌.中小企業信用評價指標的理論遴選與實證分析[J].科研管理，2003（06）：83-88.

[3]江暮紅.中小微企業信用評價指標體系研究[J].求索，2013（06）：237-239.

[4]陳偉杰，盧靜，鄒艷.直覺模糊語言信息下的三維動態評價方法及應用[J].控制與決策，2022（05）：1-9.

[5]謝邦昌，魏超然，劉立新.大數據時代下的小微企業信用評價[J].中國統計，2016（10）：22-24.

[6]中國工商銀行.關于印發《中國工商銀行小企業法人客戶信用等級評定辦法》的通知[R].中國工商銀行，2005．

[7]中國建設銀行.關于印發《中國建設銀行小企業客戶信用等級辦法（試行）》的通知[R].中國建設銀行，2009．

[8]CAO Y，XIONG S Y.A sustainable financing credit rating model for Chinas small? and medium-sized enterprises[J].Mathematical Problems in Engineering，２０１４（03）：1-5．

[9]馮玲玲.企業社會責任、融資約束與商業信用動態調整[J].技術與創新管理，2022，43（06）：698-707.

[10]SMARANDA C.Scoring functions and bankruptcy prediction models-case study for romanian companies[J].Procedia Economics and Finance，2014，10：217-226.

[11]胡賢德，曹蓉，李敬明，等.小微企業信用風險評估的IDGSO-BP集成模型構建研究[J].運籌與管理，2017，26（04）：132-139+148.

[12]陳偉杰，龔濤.基于改進ELECTRE-IN的小微企業信用評估[J].重慶師范大學學報（社會科學版），2021（06）：38-50.

[13]程云喜.中小企業信用的模糊綜合評價方法研究[J].生產力研究，2008（04）：137-138.

[14]李敬明，阮素梅，劉奎戶.基于改進模糊綜合評價法的小微企業金融風險分析模型研究[J].運籌與管理，2015，24（06）：217-224.

[15]劉云峰，陳瑞，張曉光.多主體參與的建筑施工安全管理評價體系構建及應用[J].技術與創新管理，2022，43（05）：570-575.

[16]MURO P D，MAZZIOTTA M，PARETO A.Composite indices for multidimensional development and poverty：An application to MDGs，２０１１（104）：1-48．

[17]ZADEH L A.Fuzzy sets[J].Information and control，1965，8（03）：338-356.

[18]TORRA V，NARUKAWA Y.On hesitant fuzzy sets and decision[J].2009 IEEE International Conference on Fuzzy Systems，2009（08）：20-24.

[19]ZHU B，XU Z S，XIA M M.Hesitant fuzzy geometric Bonferroni means[J].Information Sciences，2012，182（11）：72-85.

[20]彭定洪，黃子航.生態城市發展質量評價方法研究[J].中國科技論壇，2019（08）：95-104.

[21]SAIANI P P，IVALDI E，CIACCI A，et al.Confidence gaps and distrust in latin america[J].Social Indicators Research，２０２１，9（０5）：1-13．

[22]AGOVINO M，CERCIELLO M，GATTO A.Policy efficiency in the field of food sustainability：The adjusted food agriculture and nutrition index[J].Journal of Environmental Management，2018，218（15）：220-233.

[23]BERTOLINI P，PAGLIACCI F.Territorial unbalances in quality of life：A focus on italian inner and rural areas[R].2016.

[24]FARHADINIA B.A novel method of ranking hesitant fuzzy values for multiple attribute decision：Making problems[J].International Journal of Intelligent Systems，2013，28（08）：752-767.

[25]ZENG W，LI D.Distance and similarity measures between hesitant fuzzy sets and their application in pattern recognition[J].Pattern Recognition Letters，2016，8（04）：267-271.