中小企业信用担保风险的模糊综合控制研究的论文

《中小企业信用担保风险的模糊综合控制研究的论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中小企业信用担保风险的模糊综合控制研究的论文[摘要]信用担保是公认的高风险行业，提高专业化的信用风险管理能力，对于中小企业信用担保机构的健康持续发展和功能发挥至关重要。本文利用模糊数学理论，通过构建中小企业信用担保风险评价指标体系，对中小企业信用担保风险进行模糊综合评价。　　[关键词]中小企业；信用担保；模糊综合评价　　　　　一、中小企业信用担保风险管理现状与控制方法选择　　　　我国中小企业信用担保实践起步于1992年，经过十多年的发展，中小企业信用担保体系组建工作已基本完成，并初步发挥改善中小企业融资环境的作用。但由于发展时间短，我国的担保业面临着资金规模小、业务单一、业务程序不规范和风险

2、防范不到位等诸多问题，而风险管理是最为核心的问题。由于对中小企业信用担保风险水平认识不足，我国各地中小企业信用担保机构在实际运行中都采取了相对保守的策略，担保资金尚未有效利用，中小企业信用担保机构的中介功能尚未真正体现，能够受到中小企业信用担保机构支持和服务的中小企业还极其有限。在此背景下，有必要引入定量分析技术，精确度量担保业务所面临的风险，进而寻求在风险有效控制前提下适度的担保规模，以实现业务拓展与风险控制之间的均衡。　　信用担保风险管理包括信用担保风险评价与度量、决策、风险防范和控制，而对中小企业的信用风险评价是信用担保风险管理的中心工作，是决定担保机构能否生存及有效运行的关键。本文对

3、中小企业信用担保风险的研究主要是针对信用风险评价，即担保项目评审，而不是担保机构面临的所有风险。.　　有关信用风险评价方法的研究在国内处于起步阶段，在国外却处于成熟阶段，涌现了kmv、creditmetrics、credit等众多模型和方法，这些先进的评估理论和方法由于在国内缺乏相应的基础数据，难以进行广泛的运用。遗传规划、贝叶斯网络、神经网络等非线性方法在一定程度上可以提高评价的准确性并且解决了数据的非正态分布问题，但是这些方法在评估过程中的“暗箱”操作，使其不具有很高的可解释性和可操作性。还有其他一些数学方法，如z值破产模型、chesser企业信用预测模型，由于引入的指标少且大多为财务指

4、标，评价结果有一定的缺陷和局限性。因此需要寻求一种准确性高和可操作性强的评价方法，对信用担保项目风险状况进行评估。本文针对中小企业信用风险的特点，引入模糊综合评判模型来对中小企业信用担保风险进行量化分析。　　　　二、中小企业信用担保风险评价的指标层次体系　　　　指标体系建立应遵循系统性与层次性、定性与定量、科学性和可操作性等原则。中小企业信用风险评价指标体系可借鉴一般企业的评价指标体系，但与一般企业信用评价指标体系相比应考虑其特殊性。(1)应重视未来。信用是未来的信用，因此，信用评价应分析企业面临的机遇与挑战，侧重于企业的未来。(2)应重视创新。中小企业优势之一是经营灵活，随着市场竞争的激烈

5、，低水平的竞争必然导致企业利润降低，因此，必须提高产品科技含量，不断创新。(3)应更重视成长。成长体现了企业经济增长的潜力。在中小企业的信用评价中，应重视对企业经济成长性的评价，重视对项目经济成长性的评价。(4)应更重视发展。发展意味着企业的广阔前景和可持续性。没有发展性的企业，就谈不上未来，更谈不上信用。　　本文在选取一系列初始指标的基础上，对指标进行主成分分析和独立性分析，保留了18个解释力较强的指标，其侧重于反映企业的竞争能力、创新能力、财务状况、发展前景和信誉状况五个方面，构成中小企业信用担保风险评价的指标层次体系(具体见下图)。这些指标，基本能满足中小企业信用担保风险控制的需要。　

6、　　　　　三、中小企业信用担保风险的模糊综合控制方法　　　　(一)中小企业信用担保风险模糊综合控制模型的建立　　1．建立指标集。指标集是以影响评判对象的各种因素为元素所组成的集合，设第一层次影响评价结果的指标由m个，得到指标集u={u1u2，……，um)}，其中u1为第i层次(最高层次)的第i个指标集，它又由第二层次中的n个指标决定，u={u1u2，……，um)}。当存在更多层，可以依此类推。一般而言，层次划分越多，评价结果会越准确，但计算的工作量也会越大。　　2．确定评价集。评价集是对评判对象可能做出各种评判集合的总体，假设有p个评价结果，则评价集可以表示为：v={u1u2，……，um)}

7、其中，vi=(i=1，2，3,...,p)为总评判集的第i个可能的评判结果。中小企业信用担保风险评价的评价集v={很高，较高，一般，较低}。　　3．建立权重集。权重可视为各因素u(i=1，2,...,m)对“重要”的隶属度。根据每一层次中各个因素的重要程度，分别给予相应的权数，第一层次因素的相应权重为a=(a1，a2，...,ai，...am)，其中ai是第一层次的第i个因素ui的权数。同理，第二层次的权重可