试论基于聚类分析与模糊可拓AHP的中小企业信用评价

　　x1-=（0.120，0.288，0.215，0.192，0.107，0.078）T
　　x1+=（0.122，0.277，0.214，0.190，0.115，0.080）T
　　f=0.911　　所以判断矩阵的一致性良好。
　　由公式（2）可得S1=0.109，0.135，S2=0.262，0.305， S3=0.195，0.235，S4=0.174，0.210，S5=0.097，0.127， S6=0.071，0.088。
　　根据公式（3）有?籽1=V（S1?叟S6）=3，?籽2=V（S2?叟S6）=7.87， ?籽3=V（S3?叟S6）=5.75，?籽4=V（S4?叟S6）=5.36，?籽5=V（S5?叟S6）=2.38，?籽6=1，进行归一化处理，从而得出专家3对此因素给出的权重向量W31=（0.118，0.310，0.226，0.211，0.093，0.040），同理可得到其他专家给出的权重向量，这里不一一列举。集合专家自身权重可以得到在这个维度的综合权重W1=（0.117，0.305，0.211，0.192，0.096，0.080），给出此因素下指标的评价值矩阵，便可得到此因素的隶属度向量B1=（0.139，0.443，0.212，0.126，0.08）。
　　依照此法求出准则层的权重向量W=（0.338，0.114，0.305，0.164，0.079），总评价矩阵
　　R=0.139 0.443 0.212 0.126 0.080.687 0.251 0.044 0.015 0.0030.514 0.357 0.072 0.048 0.0090.435 0.418 0.113 0.030.0040.234 0.562 0.106 0.051 0.047

　利用公式（6）和公式（7）计算出企业A信用评价综合得分为M=81.5，信用评价结果良好。若按传统模式进行信用评价，只考虑企业自身的情况，本例中用申请企业基本情况维度计算A企业信用评价得分为60.7，很难获得银行的信贷支持，这也是很多中小企业面临的融资困境，供应链金融信用评价体系从关注中小企业自身的风险，转变成关注供应链的整体风险，从对中小企业的静态财务数据进行评价，转变到关注单笔交易的自偿性，对交易全过程进行评价，银行通过对融资项下资产的有效控制，有效地解决了中小企业融资难题。
　
　　五、 结论及建议
　　本文所建立的模型，解决了构造判断矩阵和系统综合评价时人类认识的模糊性问题，聚类分析法的应用，解决
　　了群决策问题中专家权重的确定问题，在实际应用中，发现该方法具有数据处理方便、结论客观合理、可操作性强等特点，为供应链金融环境下中小企业的信用评价提供了有效的新途径。同时我们也应该注意到，在银行业刚刚开展供应链金融业务四五年的时间里引入和应用信用风险评价模型，企业信用数据的缺乏将是遇到的首要问题。银行必须切实做好收集、整理及存储企业的财务信息、信用信息以及与之相关的供应链信息，建立起自己的基础数据库，选择或开发适合自身的信用评价方法，才能提高信贷决策的科学性和准确性。
　　参考文献：
　　1. Alen N．Berger，Gregorry F．Udell．A More Complete Conceptual Framewolrk for SME Finance. World Bank Conferenceon Small and Medium Ente- rprises：Overcoming Growth Constraints，USA，2004．
　　2. Gonzalo Guillen，Mariana Baderll．A Holis- tic Framework for Shortterm Supply Chain Mana- gement Integrating Productionand Corparate Fina- ncial Planning．Production Economics，2006，（7）：25-27．
　　3. 陈祥锋，石代论，朱道立．融通仓与物流金融服务创新．科技导报，2005，23（9）：30-33．
　　4. 弯红地．供应链金融风险模型分析研究．经济问题，2008，（11）：109-112．
　　5. 熊熊，马佳，赵文杰．供应链金融模式下的信用风险评价．南开管理评论，2009，12（4）：92-98．
　　6. 迟国泰，冯雪，赵志宏．商业银行经营风险预警模型及其实证研究．系统工程学报，2009，24（4）：408-416．
　　7. 毛义华，刘悦．基于RBF神经网络的商业银行客户信用评级．统计与决策，2010，302（2）：151-153．
　　基金项目：安徽省教育厅人文社会科学基金资助项目（项目编号：2008sk239，2010sk3210）。