下载文档原格式
基于灰色关联度的科技型小微企业信用风险评价随着经济全球化和市场竞争的日益激烈，“金融风险”的概念已成为金融工作和经营中必须关注的一个问题。
信用风险是其中一个较为重要的风险，是指在信贷过程中，借款人未能按照合同规定的时间和金额偿还借款本息的可能性。
科技型小微企业是满足一定的创新能力和创业精神、先进技术和高科技含量的企业，这类企业极度重视安全可靠的信贷风险评价体系。
因此，本文基于灰色关联度的方法，探讨科技型小微企业的信用风险评价体系。
一、灰色关联度灰色关联度是指在研究不确定性问题时，通过与确定性因素进行关联和比较，就可以把不确定性问题转换为相对关联度的问题。
于是，通过建立评价指标体系和灰色关联度的计算，就可以对科技型小微企业的信用风险进行评价。
二、科技型小微企业的信用风险评价指标体系1.财务指标财务指标是评估企业财务健康状况的重要指标之一。
财务指标可以反映企业的资产负债状况、盈利能力、偿债能力等方面的情况，其中包括：销售收入总额、净利润总额、资产负债率、流动比率等。
2.管理指标管理指标是评估企业管理水平的重要指标之一。
管理指标可以反映企业的组织能力、市场开发能力、风险控制能力等方面的情况，其中包括：员工平均年龄、管理费用占销售比例、研发投入占销售比例等。
3.市场指标市场指标是评估企业在市场上的竞争能力的重要指标之一。
市场指标可以反映企业市场规模、市场份额等情况，其中包括：市场份额、产品销售占比、新产品研发速度等。
4.技术指标技术指标是评估企业技术优势的重要指标之一。
技术指标可以反映企业的研发能力、技术更新速度等情况，其中包括：科技创新能力、专利数量及质量、技术水平等。
三、利用灰色关联度评估科技型小微企业的信用风险通过灰色关联度模型来评估科技型小微企业的信用风险，首先需要将评估指标进行归一化处理，即将各指标的数据在同一区间内进行表达，避免指标间的数值差异而导致的评判出现偏差。
然后，在每个指标之间计算关联度，计算得到各指标与评估对象之间的关联度。
基于灰色关联分析的企业财务风险预警模型研究近年来，随着市场竞争日益激烈，企业生存环境变得愈发不稳定，由此导致了企业面临的金融风险不断加剧。
而如何建立一套科学可靠的企业财务风险预警模型，成为了企业管理者们最为关注的问题。
目前，灰色关联分析已经被广泛应用于企业财务风险预警领域，其具有较强的鲁棒性和预测能力。
本文旨在探讨基于灰色关联分析的企业财务风险预警模型研究。
一、灰色关联分析的基本理论灰色关联分析是灰色系统理论的一个重要分支，主要研究数据之间的相关性，是一种定量化表达指标间关系的方法。
灰色关联分析的基本思想是在不确定性条件下，寻找各指标之间相互影响的程度，从而得出各指标之间的联系强度。
在灰色关联分析中，通常采用标准化处理将各指标转化为无量纲指标，从而达到对各指标进行比较的目的。
标准化后，可以通过计算各指标之间的关联度，来分析各指标之间的联系程度和重要性等。
二、基于灰色关联分析的企业财务风险预警模型1. 模型构建企业财务风险预警模型的构建需要考虑的因素很多，比如财务分析指标的选择、时间区间的确定、样本数据是否具有代表性等。
在此，我们采用票房情报部提供的样本数据，对企业财务风险进行了分析。
首先，我们选取了常用的四个财务指标：营业收入、净利润、资产负债率、流动比率作为预警指标，并将其进行标准化处理。
接着，通过灰色关联分析法，得出各指标之间的关联度矩阵。
2. 模型应用基于灰色关联分析的企业财务风险预警模型，可以通过设置阈值的方式，实现财务风险的有效预警。
我们将各指标的关联度矩阵进行加权处理，得出总关联系数，并将其与预设阈值进行比较，从而判断企业的财务风险是否处于警戒状态。
3. 模型调优企业财务风险预警模型的调优工作，对于提高预测准确度和可信度十分重要。
在实际应用中，我们需要根据企业特定情况，适当调整指标权重、阈值等参数，以获得更好的预测效果。
三、结论本文通过对灰色关联分析理论的介绍，以及基于灰色关联分析的企业财务风险预警模型的构建和应用，阐述了该方法在企业财务风险预警中的应用价值和优越性。
灰色关联分析在财务管理中的应用实证研究引言财务管理是企业管理的一项重要部分，其主要任务是提供可靠的财务信息，为企业决策提供支持。
财务管理涵盖的范围较广，需要对大量数据进行处理和分析。
传统的数据分析方法往往需要建立复杂的数学模型，计算量大，且容易受到数据误差等因素的影响。
近年来，灰色关联分析作为一种新型的数据分析方法，逐渐在财务管理中得到了广泛的应用。
本文将从灰色关联分析的基本原理、应用实例以及优缺点等方面，对其在财务管理中的应用进行探讨和研究。
一、灰色关联分析的基本原理灰色关联分析是一种基于灰色系统理论的数据分析方法。
灰色系统理论是由中国科学家陈纳德提出的一种分析不确定系统的方法。
灰色系统是指仅具有少量数据，且不满足模型建立的条件的系统。
传统的数学统计方法往往难以适用于这类数据。
灰色关联分析的基本原理是通过比较两个或多个序列之间的关联度，确定它们之间的联系程度。
在实际应用中，先将数据进行标准化处理，然后计算出各个数据之间的关联系数，最后进行灰色关联分析。
二、灰色关联分析在财务管理中的应用实例（一）评价企业盈利能力灰色关联分析可以用于评价企业的盈利能力。
以某公司为例，假设该公司有四个关键指标：销售收入、成本费用、净利润和投资总额。
将这四个指标进行标准化处理后，可以计算出它们之间的关联系数。
通过灰色关联系数的大小进行排序，即可评估不同指标对企业盈利能力的影响。
（二）财务风险预测灰色关联分析可以用于财务风险预测。
以某银行为例，假设其有三个关键指标：不良贷款率、利差和规模。
将这三个指标进行标准化处理后，可以计算出它们之间的关联系数。
通过灰色关联系数的大小进行排序，即可预测银行的财务风险。
（三）财务绩效评估灰色关联分析可以用于财务绩效评估。
以某公司为例，假设其有三个关键指标：净利润率、资产周转率和应收账款周转率。
将这三个指标进行标准化处理后，可以计算出它们之间的关联系数。
通过灰色关联系数的大小进行排序，即可评估公司的财务绩效。
基于改进灰色关联分析法的企业技术创新风险评价研究【摘要】文章运用组合赋权法确定创新风险因素的权重，利用改进的灰色关联分析法对项目风险进行定量评估和分析。
【关键词】技术创新风险评价灰色关联分析灰色关联分析最大优点在于，它对数据量多少没有太高的要求，且无需服从典型分布，在系统数据资料较少的情况下，也能得出比较满意的结果，具有较强的实用性。
以往多数文章都采用邓氏经典关联分析法对风险进行评估，但该方法存在一些不足之处。
本文针对以上问题，通过对邓氏经典灰色关联法做一定的修正研究，使企业的投资决策更具有合理性和实用性。
1企业技术创新的评价方法（改进灰关联法）1.1指标权重的确定邓氏灰色关联分析法计算关联度时未考虑各指标的权重，权重的确定有主观法和客观法，为兼顾对属性的偏好，同时又力争减小主观随意性，本文采用组合赋权法确定权重，使对指标的赋权达到主观与客观的统一。
首先利用层次分析法确定主观权重α，然后利用变异系数法确定客观权重β，再计算组合赋权，公式为：。
1.2灰色关联投影值的确定灰色关联投影法把模和夹角余弦结合起来，能全面而准确地反映比较序列与参考序列之间的接近程度。
具体步骤如下：（1）构造灰色关联系数判断矩阵。
定义F为（n+1）m个灰关联系数组成的灰色关联系数判断矩阵由于一个方案是由m个因素指标所确定的，它构成m 维因素指标空间V中的一个离散的方案点，进行多目标决策，比较空间V中各方案点与理想方案点的关联系数F。
设评价指标的权向量为在权向量W的作用下构造而成的增广型矩阵为灰色关联决策矩阵F’，其中（2）将每个决策方案看成一个行向量，称为每个决策方案A i与理想方案A*之间的夹角余弦r i，则。
设决策方案A i的模数为d i，则。
夹角余弦0＜r i＜1，且愈大愈好，r i愈大，表示决策方案A i与理想方案A*之间的变化方向相一致。
（3）计算灰色关联投影值。
设决策方案A*在理想方案A i上的投影为灰色关联投影值A*，且满足：D i=d i•r i。
2006年6月系统工程理论与实践第6期 文章编号:100026788(2006)0620025205基于灰关联分析的多层次综合评价研究———风险投资项目综合评价模型唐万梅1,2(11内蒙古大学理工学院,内蒙古呼和浩特010021;21重庆师范大学数学与计算机科学学院,重庆400047)摘要: 利用灰色系统理论建立了一种新的基于灰色关联分析的多层次综合评价模型,给出了一种确定各指标权重的新方法.将此方法应用于高技术风险投资项目的筛选中,获得了较好的预期结果.关键词: 灰色关联分析;风险投资项目;综合评价中图分类号: C934 文献标识码: A A Research of Multihierarchy Synthetic Evaluation Based on theG ray Relation Analysis———the m odel of synthetic assessment in the venture investment itemsT ANG Wan2mei1,2(11C ollege of Sciences and T echnology,NeiM ong ol University,H ohhot010021,China;21Dept of Mathematics and C om puter Sciences, Chongqing N ormal University,Chongqing400047,China)Abstract: This paper founds a new m odel of multihierarchy synthetic evaluation based on the gray relation analysisusing gray system theory,and presents a new method to determine the weights of the indices.This method can be usedin the selection of high2tech venture investment items.The simulation test indicates that the results achieved by thismethod are satis factory.K ey w ords: gray relation analysis;venture investment items;synthetic evaluation1 引言在对多层次、多准则综合评价系统的研究中,问题的关键是:1)如何建立科学的指标体系;2)如何对指标进行赋权.指标权重的确定是一个较为重要的问题,也是较为难解决的问题.在已有的确定指标权重的方法中,其中影响较大的是层次分析法,不过层次分析法的实施要求指标体系是一个内部独立的递阶层次结构[1,2].但多层次、多准则综合评价系统中各因素(指标)相互联系,相互影响,其指标体系并不是内部独立的递阶层次结构,其次,在指标权重分配时带有较多的主观因素,从而影响其评价方法的效用.在多层次、多准则综合评价系统中,所涉及的因素和指标往往很多,既有定性因素,又有定量因素,各因素之间并不都具有确定的数量关系,是一种灰色系统.但在已有的灰色综合评价模型中,指标权重的确定应用得最多的是AHP方法[3～5],也有其他的如文献[6]采用非结构性模糊决策理论确定指标权重.本文将灰色系统理论引入到多因素综合评价中,并利用灰色关联分析[7]理论建立起一种新的确定指标权重的方法,较好地排除了赋权时人为因素的影响,并应用到风险投资项目的筛选中.2 利用灰色关联理论建立多层次综合评价模型211 灰色关联分析收稿日期:2005206206资助项目:国家自然科学基金(10171118,10471159)和教育部重点项目资助;教育部“新世纪优秀人才支持计划”;重庆师范大学校级科研项目(05X LY017);重庆市教委项目(K J060818) 作者简介:唐万梅(1965-),女,重庆,副教授,博士研究生,研究方向:计算机算法及区域规划.灰色关联分析模型可以解决因子间关联的相对度量,它提供了一个相对客观的评价指标权重测度的方法,而且,它对数据要求不苛刻,可以用来解决数据量少,信息不全情形下的测度问题.212 灰色关联分析的基本步骤[7]灰色关联分析的计算步骤如下:1)由原始序列集确定参考序列和比较序列;2)无量纲化.由于实际评价系统中各指标往往具有不同的量纲,且类型不同,故指标间具有不可共度性,难以进行直接比较,因此,在综合评价前必须把这些指标进行无量纲化处理.本文采用初值化进行无量纲化(即同一指标序列的数据除以该序列的第一个数据);3)计算关联系数.比较序列X i 对于参考序列X 0在k 点的关联系数为:ξi (k )=min i min k |X 0(k )-X i (k )|+ρmax i max k|X 0(k )-X i (k )||X 0(k )-X i (k )|+ρmax imax k|X 0(k )-X i (k )|,其中,ρ∈(0,+∞)为分辨系数.ρ越小,分辨能力越大.一般取ρ∈(0,1),更一般取ρ=015.4)计算灰关联度.由于关联系数的计算得到的是各比较序列与参考序列在各点的关联系数值,结果较多,信息过于分散,不便于比较,因而有必要将每一比较序列各个时刻的关联系数集中体现在一个数值上,这个值即是关联度.通常关联度的计算方法采用平均值法:γi =1n∑nk =1ξi(k ),ξi(k )(k =1,2,…,n )为灰关联序列.5)计算相对权重测度:令Ψi 为序列X i 对于序列X 0的相对权重测度,则Ψi =γi∑n i =1γi.213 定量评价项目风险的灰色关联分析综合评价模型及算法设计项目风险评估通常采用专家鉴定的方法,一方面能充分调动专家们丰富的理论知识和宝贵的实践经验,另一方面也使得指标体系的确定和指标之间的相互关系带有很大的主观性.该方法受具体时间、地点和人力物力的限制,同时对风险投资公司而言,面对成百上千份待选项目,如何从中进行大规模的评价以筛选合适的投资对象,就成了艰巨的任务[8].本文使用与文献[8]相同的实例,并对指标加以简化调整,选出能反映评价系统特征的指标序列作为参考序列,利用灰色关联分析理论,采用灰色关联度定义各指标权重测度,由此计算综合评价系统各方案的评价值[9,10].图1 项目风险评估系统的层次结构和指标体系从图1的指标体系可看出,在主准则层5项指标内的各分指标都不是相互独立的,而是相互依存,相互影响.如“R&D 风险”内指标u 2(人才资源)与u 4(R&D 条件)之间就存在相互依存关系;“技术风险”内指62系统工程理论与实践2006年6月标u 5(技术成熟性)与u 7(技术配套性)之间也是相互关联相互依存的.其次,在主准则层不同指标内的分指标之间也是相互影响的.如“R&D 风险”内指标u 2(人才资源)与“管理风险”内指标u 12(管理者素质和经验)之间明显存在强烈的关系.因此,这不是一个内部独立的递阶层次结构,不能用AHP 方法确定各个指标权重.为此,本文引入一种新的方法解决指标赋权问题.当综合评价系统只有单一层次时,计算比较简单.利用每个项目各项指标权重测度得出每个项目的评价值.然而,当综合评价系统存在多层次结构时,把按照同一层次各分指标的指标权重测度计算得出的评价值,作为上一层次指标的原始指标值,重复进行求出上一层次指标的评价值,直到最顶层,得出系统的评价值.如图1所示,首先对主准则层下的各分指标计算其权重测度,从而计算主准则层各指标的评价值,将此评价值作为主准则层各指标的原始指标值,进而计算目标层(投资项目)的评价值,依评价值的大小排序,作为选择投资对象的先后顺序关系.在“R&D 风险”指标中,理论基础合理性u 1越强,其风险就越低,所以在“理论基础合理性u 1,人才资源u 2,信息资源u 3,R&D 条件u 4”四个指标序列构成的序列集X ={X i |i =0,1,2,3}中,称X 0为理论基础合理性因子序列,X 1为人才资源因子序列,X 2为信息资源因子序列,X 3为R&D 条件因子序列.令X 0为参考序列,则根据灰关联分析理论有:1)ξi (k )=min i min k |X 0(k )-X i (k )|+ρmax i max k|X 0(k )-X i (k )||X 0(k )-X i (k )|+ρmax imax k|X 0(k )-X i (k )|ξi (k )为理论基础合理性灰关联系数.2)灰关联度:γi =1n∑n k =1ξi(k ).当i =1时,γ1为人才资源和理论基础合理性的关联度,它体现了人才资源对“R&D 风险”指标的影响测度;当i =2时,γ2为信息资源和理论基础合理性的关联度,它体现了信息资源对“R&D 风险”指标的影响测度;当i =3时,γ3为R&D 条件和理论基础合理性的关联度,它体现了R&D 条件对“R&D 风险”指标的影响测度;3)权重测度:Ψi =γi∑n i =1γi .当i =1时,Ψ1为评价“R&D 风险”中衡量理论基础合理性的人才资源的相对权重测度,它反映了影响“R&D 风险”中人才资源的相对重要性;当i =2时,Ψ2为评价“R&D 风险”中衡量理论基础合理性的信息资源的相对权重测度,它反映了影响“R&D 风险”中信息资源的相对重要性;当i =3时,Ψ3为评价“R&D 风险”中衡量理论基础合理性的R&D 条件的相对权重测度,它反映了影响“R&D 风险”中R&D 条件的相对重要性;4)主准则层各指标评价值的计算因人才资源和信息资源越丰富,R&D 条件越好,其R&D 风险越小,因此,可如下计算R&D 风险评价值:R&D 风险评价值=人才资源因子3Ψ1+信息资源因子3Ψ2+R&D 条件因子3Ψ3.类似可得技术风险评价值、市场风险评价值、管理风险评价值和环境风险评价值(见表2),以此作为主准则层指标“R&D 风险、技术风险、市场风险、管理风险和环境风险”的原始指标值,依次类推求出目标层“项目风险”的最终评价值,作为优选投资对象的依据.5)目标层“项目风险”评价值的计算因为在目标层“项目风险”指标中,技术风险是影响高技术投资项目的关键因素,其技术风险越小,项目风险就越小,所以在“技术风险、R&D 风险、市场风险、管理风险和环境风险”五个指标序列构成的序列72第6期基于灰关联分析的多层次综合评价研究82系统工程理论与实践2006年6月集X={X i|i=0,1,2,3,4}中,令技术风险指标序列X0为参考序列,其余序列X i(i=1,2,3,4)为比较序列,然后计算各比较序列和参考序列的关联度,进而计算影响“项目风险”中“R&D风险、市场风险、管理风险和环境风险”各因素的相对权重测度:Ψ′1、Ψ′2、Ψ′3、Ψ′4.因项目风险评价中,“R&D风险、市场风险、管理风险和环境风险”等的风险越小,其项目风险就越小,即对项目综合评价得分越高,说明该项目在所有评价指标上的综合表现越佳,从而该项目总的投资风险就越低,反之其得分越低,表明该项目投资风险越高.所以可如下计算项目风险的评价值:项目风险评价值=R&D风险因子3Ψ′1+市场风险因子3Ψ′2+管理风险因子3Ψ′3+环境风险因子3Ψ′4.表1 专家评估数据项目u1u2u3u4u5u6u7u8u9u10u11u12u13u14u15u16u17u18序号10.7110.70.70.710.710.70.710.70.7111120.50.70.50.70.70.70.50.50.50.70.50.70.70.70.70.70.70.530.50.50.30.50.50.30.30.30.30.30.50.30.30.30.30.50.30.140.50.50.50.50.50.70.30.30.50.30.50.70.70.70.70.70.30.550.50.50.50.70.70.70.51110.710.70.70.70.70.70.1610.7110.7111110.7110.70.310.71 710.7110.7111110.710.70.7110.70.180.70.70.50.70.50.70.50.70.50.70.70.70.70.70.70.710.590.70.710.70.50.70.50.70.50.70.70.70.50.70.70.70.70.5100.70.7110.70.70.51110.710.70.70.7110.5 110.70.50.50.70.70.70.50.70.50.70.70.70.70.50.70.70.71 120.70.710.70.70.70.51110.710.70.70.70.70.70.1 130.70.70.30.50.50.30.50.30.50.30.50.70.70.50.30.50.30.5 140.71110.70.71110.70.70.70.70.70.7110.5 150.70.70.510.70.711110.70.70.70.70.710.70.5 160.70.70.50.70.50.70.50.70.50.70.70.70.70.70.30.711表2 准则层各指标评价值、目标层项目风险评价值及排序项目序号技术风险R&D风险市场风险管理风险环境风险项目风险排序结果文献[8]的排序结果1111110.99994220.75730.7560.833410.64520.8118131330.38610.52230.59520.42860.31850.4689161640.61370.58440.595210.50140.6742141450.95080.6971.178610.53550.856011861.28691.08041.17861.20250.89221.09211171.28691.08041.178610.64540.98285580.83470.756110.75300.878191190.83470.911510.8650.64520.8595109100.95081.08041.178610.86291.033523110.83470.69710.84930.78220.83071210120.95080.91151.178610.53550.912777130.45220.58130.59520.84930.42810.61771515141.11611.1689110.86291.012734151.11610.92491.178610.75510.967366160.83470.756110.89010.91008123 应用实例本文采用福建省经济开发创业中心对16个高技术项目投资所做的评估,数据如表1所示[8],其中,因为影响高技术项目投资风险的各风险指标u 1～u 18中定性因素较多,因此对于u 1～u 18采用专家打分的方法,分别为:110,017,015,013,011五个等级[8].利用213节所建立的综合评价模型,针对表1的原始指标数据,得出准则层各指标和目标层“项目风险”的评价值以及风险投资项目优选的排序结果,如表2.从表2可看出,在16个高技术风险投资候选项目中,应首选项目6,其次是项目10,等等.这个优选排序结果和文献[8]的排序结果基本一致.4 结束语本文利用灰色系统理论建立了一种基于灰色关联分析的高技术风险投资项目的综合评价模型,给出了一种确定各指标权重的新方法.避免了层次分析法中要求指标体系是一个内部独立的递阶层次结构的苛刻要求,以及权重分配时带有的较多主观因素,使其评价结果更客观、更可信,为多层次、多准则综合评价系统提供了一种新的思路.致谢 感谢我的导师杨新民教授对我论文工作的指导.参考文献:[1] 戴文战.基于三层BP 网络的多指标综合评价方法及应用[J ].系统工程理论与实践,1999,19(5):30-40.Dai Wenzhan.A method of multiobjective synthetic evaluation based on artificial neural netw orks and applications [J ].Systems Engineering -Theory &Practice ,1999,19(5):30-40.[2] 赵国杰,邢小强.ANP 法评价区域科技实力的理论与实证分析[J ].系统工程理论与实践,2004,24(5):42-45.Zhao G uojie ,X ing X iaoqiang.The theoretical analysis and practical application on ANP method in reginal scientific strength evaluation[J ].Systems Engineering -Theory &Practice ,2004,24(5):42-45.[3] 徐维祥,张全寿.一种基于灰色理论和模糊数学的综合集成算法[J ].系统工程理论与实践,2001,21(4):114-119.Xu Weixiang ,Zhang Quanshou.An alg orithm of meta 2synthesis based on the grey theory and fuzzy mathematics [J ].Systems Engineering -Theory &Practice ,2001,21(4):114-119.[4] 陈冬林,黎志成.信息系统投资项目评价指标确定与灰色综合评价[J ].系统工程理论与实践,2002,22(2):100-103.Chen D onglin ,Li Zhicheng.The appraisement index in suring of in formation system investment and method for grey com prehensive appraisement [J ].Systems Engineering -Theory &Practice ,2002,22(2):100-103.[5] 郭鹏,施品贵.项目风险模糊灰色综合评价方法研究[J ].西安理工大学学报,2005,21(1):106-109.G uo Peng ,Shi Pingui.Research on fuzzy 2grey com prehensive evaluation method of project risk [J ].Journal of X i ’an University of T echnology ,2005,21(1):106-109.[6] 李希灿,程汝光,李克志.空气环境质量模糊综合评价及趋势灰色预测[J ].系统工程理论与实践,2003,23(4):124-129.Li X ican ,Cheng Ruguang ,Li K ezhi.Fuzzy com prehensive valuing and grey forecast for air environmental quality [J ].Systems Engineering -Theory &Practice ,2003,23(4):124-129.[7] 刘思蜂,郭天榜,党耀国.灰色系统理论及其应用[M].北京:科学出版社,1999.Liou S ifeng ,G uo T ianbang ,Dang Y aoguo.G rey Systems Theory and I ts Application [M].Beijing :Science Press ,1999.[8] 徐晋,彭娟.重置变结构神经网络及其在风险投资项目评估中的应用[J ].系统工程理论方法应用,2005,14(2):41-45.Xu Jin ,Peng Juan.The revisable structure of neural netw ork based on early restart alg orithm and its application in risk evaluation of venture investment items[J ].Systems Engineering -Theory Methodology Applications ,2005,14(2):41-45.[9] 解建喜,宋笔锋,刘东霞.飞机顶层设计方案优选决策的灰色关联分析法[J ].系统工程学报,2004,19(8):350-354.X ie Jianxi ,S ong Bifeng ,Liu D ongxia.G rey correlation analysis method for scheme selection decision of aircraft top 2layer design[J ].Journal of Systems Engineering ,2004,19(8):350-354.[10] 李 ,李玉忱,任磊.利用灰关联理论定量评价选择供应商的算法研究[J ].计算机应用与软件,2004,21(8):90-92.Li Jing ,Li Y uchen ,Ren Lei.Research of a calculation method for quantitative supplier valuation and selection by using gray relation theory[J ].C om puter Applications and S oftware ,2004,21(8):90-92.92第6期基于灰关联分析的多层次综合评价研究。
基于灰色关联度的船舶风险控制方案多指标评价模型近年来，船舶事故频发，给人们的生命财产安全带来了严重威胁。
为了提高船舶风险控制能力，降低事故发生的可能性，需要建立科学有效的风险控制方案。
基于灰色关联度的多指标评价模型是一种有效的评价方法，可以帮助船舶管理者全面分析各项指标之间的关联度，从而找出潜在的风险因素，制定合理的风险控制方案。
首先，为了建立灰色关联度的多指标评价模型，需要确定评价指标。
船舶风险控制的指标可以包括船舶年龄、船员素质、航线选择、天气情况、船舶装备等多个方面。
这些指标之间相互关联，通过灰色关联度分析可以找出哪些指标对船舶风险控制起到了关键作用。
其次，在进行具体评价时，需要确定各指标的权重。
不同指标对船舶风险控制的重要性各不相同，因此需要根据实际情况确定各指标的权重。
权重的确定可以采用专家打分法、层次分析法等方法，确保评价结果的客观性和准确性。
接着，利用灰色关联度分析方法，对各指标之间的关联度进行计算。
灰色关联度是一种针对非精确信息的关联度分析方法，可以有效地分析各指标之间的关联程度。
通过计算各指标的关联度，可以找出对船舶风险控制最为关键的指标，有针对性地制定风险控制方案。
最后，根据灰色关联度的评价结果，制定船舶风险控制方案。
在制定方案时，需要结合各指标之间的关联度，找出风险控制的关键点，尽可能降低事故发生的可能性。
在船舶风险控制方案中，可以包括加强船员培训、定期检查船舶装备、合理规划航线等措施，以全面提高船舶的安全性和可靠性。
综上所述，基于灰色关联度的多指标评价模型是一种有效的船舶风险控制方法，可以帮助船舶管理者全面了解各指标之间的关联度，找出潜在的风险因素，并制定合理的风险控制方案。
通过科学的评价和控制，可以有效地减少船舶事故的发生，保障人们的生命财产安全。
在未来的研究中，可以进一步完善灰色关联度的多指标评价模型，提高评价结果的准确性和可靠性，为船舶风险控制提供更好的支持和保障。
基于灰色关联分析的空管安全风险评估李海燕【摘要】As one of the three civil aviation systems, Air Traffic Management ( ATM) system plays a very important role in security of civil aviation. The risk evaluation index system for ATM was established. According to the Gray Relational Analysis (GRA), the correlation coefficients and correlation degree between safety risk in ATM and the first level factors was calculated, and the correlation coefficients and correlation degree between the first level factors and corresponding second level factors was also calculated. The results show that human factors which have been greatly impacted by poor safety awareness contribute main factors to safety risk in ATM. ATM units with recommendations to establish risk management programs are provided.%作为民航三大系统之一,空中交通管理(ATM)系统对民航安全起着十分重要的作用.构建了空管安全风险评估指标体系,运用灰色关联分析(GRA)计算出空管安全风险与第一层次因素的关联系数和关联度,以及第一层次因素和相应第二层次因素的关联系数和关联度.结果表明,人的因素是导致空管安全风险的最主要因素,而其中安全意识差对人的因素影响最大.最后为空管单位制定风险管理方案提供了建议.【期刊名称】《科学技术与工程》【年(卷),期】2011(011)030【总页数】4页(P7584-7587)【关键词】空中交通管理;安全风险;评估指标体系;灰色关联分析【作者】李海燕【作者单位】中国民航飞行学院航空心理学教研室,广汉618307【正文语种】中文【中图分类】V355.2空中交通管理系统(以下简称“空管”)是民航系统十分重要的组成部分，是保障民航飞行安全的重要环节之一。
148196 企业研究论文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。
第35卷第3期2013年5月宁夏大学学报(人文社会科学版)Joum al of N i ng)【i a U ni vers i t y(H um ani ti es＆Soci al Sci ences Edi t i on)V oL35N o．3M av2013基于灰色关联法的管理舞弊风险评价模型研究李敬，项晶，王泽霞(杭州电子科技大学会计学院，浙江杭州310018)摘要：本文将灰色关联法运用于管理舞弊风险评价，首先对442个样本运用T检验和W i l coxon符号秩检验建立基于舞弊三角理论的风险评价指标体系，然后选取了具有保牌动机的68家sT公司作为训练样本建立风险评价模型得到风险评分值．最后选取20家公司作为测试样本验证模型识别效果。
研究表明：区分舞弊与非舞弊公司的风险评分分割点约为0．465。
训练样本综合判别率为72．06％，测试样本模型的综合判别率为85％。
灰色模型具有较好的判别效果。
关键词：管理舞弊；灰色关联模型；ST公司；风险评分；最优阀值中图分类号：F276．3文献标志码：A文章编号：100l一5744(2013)03．0116-15从安然、世通、施乐到我国银广夏、蓝田股份以及近期的绿大地等令人触目惊心的重大舞弊案，不仅严重地打击了资本市场的信心，而且给投资者造成重大损失。
2008年的金融危机后，世界经济不景气，企业财务压力增大，舞弊行为也随之增加。
如何识别舞弊信号、量化舞弊风险对于注册会计师及政府监管具有重要的理论和实践意义。
加强信息披露，减少信息不对称是应对舞弊的重要举措。
但是，我国的证券市场是一个刚从新兴市场向成熟市场过渡的市场，信息披露不完善，公布的数据也不完备；同时，会计舞弊具有复杂性、隐蔽性和动态性的特点，管理层通常通过数据操纵进行舞弊，造成数据从信息源头上的失真。
以上两方面的原因．使得评价指标表现出由于技术方法、人为因素造成的数据误差、短缺甚至虚假的“灰色”特点。
灰色系统模型能够利用已知的信息来确定未知的信息，使系统由“灰”变“白”，对小样本、贫信息的数据处理非常好：并且灰色系统模型对于样本量没有严格要求，不要求服从任何分布。
基于灰色系统模型的这些特点，笔者尝试将其应用于舞弊风险预警。
并进行了检验。
一文献回顾在舞弊信号识别方面，国内外学者主要从3个角度进行研究，一是财务因素角度(W i l l i a m B eaver，1966[11；Pe rs ons，1995；B e ne i sh，1997；ke，Ingra m and H ow ar d，1999；吴世农，卢贤义【2]，2001；姜秀华，任强，孙铮，2002【3】)，二是公司治理角度(D echow，Sl oan，Sw eeney，1996；M ark S．B ea sl ey，1996；K ur t Fanni ng and K ennet h O．C og卵r，1998；S um m ers and Sw e eney，1998；Fan W ong，2002；刘立国，杜莹，2003；杨清香，俞麟，陈娜，2009)，三是舞弊三角理论角度(陈关亭，2007；孙素淑，2008；韦琳，徐立文，刘佳，2011)。
在积极寻找舞弊预警信号的过程中，国内外学者也尝试运用不同模型来验证预警信号的识别能力，运用的模型有单变量模型(Fit z Pat r i ck，1932：W i l l i am B e aver，1966)，多元线性分析(A l t m an，1968[4]；周首华，杨济华，王平，1996[5])，l o—gi st i c回归分析(Pers ons，1995；L ee，In辨l nl and H ow ar d，1999)，神经网络模型(刘君，王理平，2006；杨淑娥，黄礼，2005㈧；顾宁生，冯勤超，2009)。
舞弊研究大部分集中在预警方面，但在舞弊风险评价方面的文章却相对较少，张萍、王莹(2010)，王会金(2011)‘，1运用模糊综合评价法构建了指标体系评价审计风险。
沈亭、王淑慧(2010)‘s3根据层次分析法指标体系，并设计调查问卷构造判断矩阵并据此得出企业财务指标与财务风险收稿日期：2013—03—06基金项目：国家自然科学基金项目“上市公司舞弊风险指及监管机制研究——来自证券市场经验”(71172098)；杭州市科技计划项目一般项目(144611005)；浙江省教育厅科研计划项目Ⅳ201121339)作者简介：李敬(197(_卜)，河南郑州人，杭州电子科技大学会计学院讲师，博士，主要从事财务会计理论研究。
一116—的关联度，对各指标赋权得到综合分值以评价财务风险。
此外，阮建军、张治华、钟敬棠(2002)，万希宁、梁娟娟(2005)，朱佳翔、谭清美、荆象源(2008)㈨，廖茂渝(2009)运用灰色关联法评价财务风险。
这些研究集中在财务风险和审计风险，舞弊风险评估目前较少研究，主要因为以下两个原因：第一，舞弊手段多种多样，舞弊者会权衡公司环境作出相应的舞弊手段选择，不同手段对财务报表数据影响也不同。
利用历史信息进行舞弊预测。
历史信息本身都是部分被篡改过的信息，基础并不牢固。
第二，一般回归分析要求原始数据符合的统计规律特征对于有些指标并不适用。
灰色关联法主要考虑指标间的相互关系，个别指标的篡改修饰对指标体系总体影响并不会非常大，并且灰色关联模型对原始数据分布的要求并不高。
基于这些分析，认为灰色关联模型比较适合对舞弊风险的预测。
本文将基于灰色关联法评价舞弊风险。
二研究设计(一)样本数据与指标体系本文数据主要来源于C SM A R中国上市公司违规处理数据库及财务数据库以及中国证监会网站、上海证券交易所网站公布的“公开谴责”公告、深圳证券交易所网站的“诚信档案”。
对于上述公开处罚数据选取了7种违规类型(虚构利润，虚列资产，虚假陈述，推迟披露，重大遗漏，违规担保，其他)作为舞弊公司筛选标准。
由于舞弊公司的发现具有滞后性，国际上平均滞后2—4年，我国平均滞后3—5年，因此本文样本数据时间为2003年至2010年。
实证研究样本包括舞弊公司样本和非舞弊公司样本。
舞弊样本包括2003年至2010年因舞弊被证监会处罚的A股上市公司22l家，其中上交所82家，深交所139家。
配对样本选取，根据B e鹊l ey的原则：(1)舞弊与配对公司处于同一股票交易市场；(2)两者处于同行业；(3)在舞弊公司舞弊期间内配对公司未发生过舞弊；(4)舞弊前一年年末资产与舞弊公司最接近，且相差幅度小于30％的公司作为配对公司。
以中国证监会行业分类为标准，除制造业按照二级分类外，其他行业均选取一级分类，选取出22l 家配对公司样本，样本合计442家。
数据分析均用SPsS17．0进行处理。
表1舞弊公司样本行业类型分布f行业类型A B C0C1C3C4C5C6C7C8D E F G H J K L M合计I公司数量841893311018301311121712275l7221(二)变量的选取和指标体系的构建根据舞弊三角理论，风险评价指标体系的建立以压力、机会和借口为准则层，变量选取参照SA S N O．99列举的风险因子及国内外学者的研究成果。
1．指标体系及选取意义表2指标体系及选取意义准则层子准则层序号指标层指标意义指标分类X…毛利率营利能力一类X112流动资产周转率营运能力一类x。
，财务稳定性X I l3总资产增长率发展能力一类X“4应收账款／总资产资产质量二类H，压力X l l5经营活动现金流量／总资产现金流量一类XⅢ财务杠杆资本结构二类x。
2融资压力X12利息保障倍数债权人利益保护一类X1Ⅲ管理层持股比例管理层利益三类x．，管理层个人薪酬压力X132前三大高管薪酬之和的平均值管理层利益三类一117一续表1准则层子准则层序号指标层指标意义指标分类X211第一大股东董事股东大会三类X212外部董事比例董事会一类X213董事离任人数董事会稳定性二类x2，公司治理X2¨监事会持股比例监事会一类X215高管离任人数管理层二类H，机会X216两职是否兼任治理结构二类X笠1国有股比例我国特有股权结构三类X。
股权结构X2H．。
股权集中度股权集中二类X劫关联方交易／总资产关联方二类X。
特殊交易X m对外担保／净资产对外担保二类X m I审计意见类型外部监督二类H3借口X，，与审计师关系X312是否有审计师变更外部监督二类2．描述性统计为验证指标体系的综合性和全面性．将指标体系中的所有指标进行配对样本T检验及W i l c oxon符号秩检验。
一般来说，舞弊前一年的相关数据具有较好的预测效果。
因此本文选取舞弊前一年变量作为研究对象。
构造的指标体系及描述性统计结果如表3所示。
裹3描述性统计分析结果舞弊配对样本组配对样本T检验W dcoxon符号秩检验准则层子准则层序号指标层样本均值样本均值均值t Si g．Z舢唧叩．Si g X…毛利率0．2080．253—0．0447—2．57930．011”一2．1230．034”X112流动资产周转率1．15071．3656一O．215—2．00610．046¨一3．6128O．000”x。
财务X l t3总资产增长率0．08610．1984—0．1123—2．54110．012#一2．00450．045¨稳定性X114应收账款／总资产0．14550．12370．02182．35650．019抖一2．19360．028¨X I l5经营活动现金流压力i?惑赘产0．02270．0512—0．0284—3．60750．000…一3．49650．000…X12融资X12I财务杠杆1．65831．33150．32681．2222O．136—0．04170．767压力X I复利息保障倍数21．38065．626715．7541．43050．154—5．10010．000…X13管理X1Ⅲ管理层持股比例0．00240．0051—0．0027—1．49560．136—0．30110．763层个人薪酬压力X t女前三大高管薪酬之和的平均值182184192867—10683—0．4810．631—1．8891O．059宰一118一续表1舞弊配对样本组配对样本T检验W i l coX on符号秩检验准则层子准则层序号指标层样本均值样本均值均值Z A sym p．Si gt s唔在第一大股东任X2”1．75242．219—0．4667—3．09120．002“’一3．47870．001料+职的董事人数X212外部董事比例，()．4231(J．38660．()3641．96250．051+一2．25430．024#X2．公司治X213董事离任人数1．74631．00490．74153．40480．001抖‘一3．41660．001一理X214监事会持股比例0．00190．00030．00161．9780．049¨一1．46150．144X215高管离任人数1．09770．79070．3072．23020．027¨一2．25210．024蚪机会X216两职是否兼任20．11660．1794—0．0628—2．03490．043¨一1．78680．074+ X＆股权结X∞1国有股比例0．21690．2857—0．0687—3．43360．001…一2．3822O．017¨构H．。
