信用缺失环境下的农户信用评估指标体系构建研究

《信用缺失环境下的农户信用评估指标体系构建研究》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、信用缺失环境下的农户信用评估指标体系构建研究　　摘要：本文调查了湖南省长沙县某信用社713个农户的贷款记录，运用层次分析法（AHP）设计了一个以目标层—准则层—因素层为核心的指标体系，通过层次单排序和层次综合排序确定了各个因素层指标的权重，然后，选取权重值较大的9个指标作为神经网络模型（ANN）的输入层，利用AHP-ANN组合模型最终得到农户的信用等级和信用评分，最后，针对我国农户信用评估体系的不足提出了相应的政策建议。　　关键词：农户信用评估指标体系层次分析法神经网络模型　　信用缺失环境下的农户信用评估指标体系构建研究　　社会信用体系是市场经济体制中的重要制度安排。党的十六大提出“整顿和规范

2、市场经济秩序，健全现代市场经济的社会信用体系”。党的十七大提出“规范发展行业协会和市场中介组织，健全社会信用体系”。2011年10月19日国务院召开常务会议部署制订“十二五”期间社会信用体系建设规划，要求推进行业、部门和地方信用建设，建立健全覆盖全社会的征信系统，全面推进社会信用体系建设。但是，到目前为止，国内仍然没有统一完整的信用评估系统，而针对农户的信用评估指标体系构建在我国更是处于刚刚起步的阶段。近几年，随着农村金融的发展，农户的信贷行为日益增多，如何对农户的信用状况进行科学评估以判断农户的信贷能力，既是加快社会信用体系建设必须解决的现实问题，也是深化农村金融体制改革的重要理论问题，因此

3、，构建一个完整的、行之有效的农户信用评估指标体系具有重要的理论与现实意义。　　一、文献综述　　国内外关于农户信用评估的文献不多，尤其是国内文献，数量很少，具有代表性的有以下几篇。LuisR.Sanint[1]（2001）提出了一个多期风险编程模型，他的实证结果表明信贷风险源自于放贷者对于农场收入变化的非价格反应，这些信用风险严重影响了一个农场流动性以及规避风险的效率。黄传森[2]（2008）论证了如何有效地对农户发放贷款，并且通过实际的调查证明了这些在当今的台湾是如何做到的。刘畅[3]（2009）提出了采用概率神经网络（PNN）的方法构建农户信用评分体系，他综合了15个信用指标，运用概率神经网

4、络模型，对在湖北调查的数据信息所反映的农户信用状况进行拟合和预测，得到了预期的结果。胡愈[4]应用模糊数学构建农户信用等级的模糊综合评价模型，利用不确定层次分析法确定指标权重，为农户信用等级的评定提供一套科学可行的方法。由于单个评分模型有其自身的缺点，所以有些作者采用两种或多种模型来构建农户信用评估指标体系。周振[5]（2008）利用主成分分析法（PCA）归纳出对农户信用评级有显著影响的因子，并引入人工神经网络进行农户信用等级的评估，为农户信用等级的评定提供一套科学可行的方法。杨宏玲[6]（2011）提出了基于价值链风险分析与平衡积分卡方法的农户信用评价指标体系，以个人平衡积分卡为框架，通过对

5、农产品价值链风险分析，找出影响农户偿还贷款的潜在因素，根据这些因素来选取评价指标，构建农户信用评估指标体系。此外，在组合模型的应用上，张广明[11]将模糊层次分析法（F-AHP）和ANN相结合，用于对电梯的风险评估中，实验证明用此方法进行评估所用的时间比ANN方法要少，且评估的准确性没有降低。　　________　　本文系作者主持的国家社会科学基金重大项目《加快社会信用体系建设研究》（批准号：12﹠ZD053）、国家社会科学基金重点项目《社会诚信制度建设和维护市场经济秩序问题研究》（批准号：11AZD026）和国家自然科学基金面上项目《社会信用制度建设关键技术、建设标准与实现机制研究》（批准号

6、：71073047）的阶段性成果，感谢审稿人的宝贵意见，当然，文责自负。　　就文献对比分析后，笔者认为国内关于农户信用评估指标体系的研究依然不够深入，在运用单个模型进行数据处理时，往往会因为模型自身的缺陷性而使得结果误差较大，因此本文拟采用组合模型的方法来构建农户的信用评估指标体系，以减少单个模型结果的误差。　　二、模型选择及原理分析　　层次分析法（AnalyticHierarchyProcess简称AHP）是将与决策总是有关的元素分解成目标、准则、因素等层次，在此基础上进行定性和定量分析的决策方法。利用层次分析法得到个人信用评估指标体系因果关系比较明确，便于管理人员的分析研究，但是由于判断矩

7、阵是通过专家打分得出，它的主观性比较强，容易受到个人意识的控制，所以精准度不高。　　神经网络模型（ArtificialNeuralNetworks简称ANN）是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型。它包括输入层、隐含层和输出层。神经网络模型属于黑箱操作，前后指标层的因果关系不明确，但是模型会根据输出结果的精准度来自行调整模型内部的运行过程，所以精准度比较高，因此它和层次分析法