文/马超
内容摘要:随着经济全球化以及信息化的发展,企业信用信息数据源和信息复杂性呈现爆炸性增长。对于企业信用状况进行全面、动态和综合分析的评估工具仍比较欠缺。当前,已迫切需要加大对国内企业诚信和信用能力的动态研究,开发适合我国特色的企业信用综合指数体系。
关键词:信用体系 综合指数方法 企业信用综合指数
当前的企业信用评级、行业信用评价及信用指数研究客观性不够、动态性不足、指导性欠缺,难以反映企业信用的波动循环,及各要素的状况,对企业信用的管理和政策引导作用不强。因此,构建能够客观、动态、全面地反映企业信用状态,了解企业信用的波动、循环状态及其规律的企业信用综合指数研究指数体系,意义重大而尤为紧迫。
一、企业信用综合指数不同维度的概念界定
由于认识的维度不同,我国对信用定义的争论主要在狭义和广义的不同理解。狭义信用指经济主体以按期偿还为条件的交易关系和价值转移方式,它形成交易主体间的债权债务关系。狭义信用形式有商业信用、银行信用和消费信用等。广义信用指经济主体在经济活动中的狭义信用以及必须遵守的道德规范和行为准则。西方发达国家市场经济历史悠久,法制健全,因而信用体系主要是围绕经济交易展开,属于经济金融领域的信用风险管理范畴。国外关于企业信用的定义和概念以国外完善的市场经济制度为前提,利用数理方法建立模型并得出结论的。
结合我国实际情况,经过分析国外经验,笔者认为企业信用是指在市场活动中,企业遵守伦理道德、法律义务和市场规则,将诚实信用融入生产经营各环节的意愿、能力和实践的持续改善过程。因此,企业信用可以从企业基础信用水平、信用实践能力和外部信用记录几个维度去观察和考核。
基于以上分析,企业信用综合指数是依据统计指数与统计评价理论,采用多层双向加权合成指数编制方法,选择一系列反映企业信用相关的指标,进行综合处理,用以全面反映企业信用动态变化的综合指数,由基础信用类指数、信用实践和信用记录类指数构成。在企业信用综合指数指标的搜索过程中,我们更侧重在社会信用体系环境下,从企业微观实践角度考察企业信用活动,包括意愿、承诺、行为和结果在社会中的客观呈现。
企业信用综合指数通过运用大数据理论对企业信用指标信息采集、汇总、分析、加工,反映样本企业的信用基础、信用实践和信用记录的对比变动、趋势的数据体系,同时能反映与社会信用体系的互动关系。样本企业是指可以独立统计的一个或多个企业单位。
但是,由于仍采取了传统的问卷调查,数据信息量不够完整,报告发布周期过长,或者样本范围有限,不能动态、全面、客观反映真实情况。当前,还缺乏应用大数据挖掘技术对市场主体企业信用综合指数的开发,进行采集、导入和预处理、统计和分析,以及挖掘形成数据,再通过经济指数计算公式运算得出,尚属空白。
二、企业信用综合指数的理论基础及指标体系
基于交易成本、企业制度变迁、企业诚信、大数据等理论基础,本研究构建了企业信用综合指数理论框架。企业信用意愿、能力和状况是企业信用综合指数的核心,体现在三个层面:生产经营层面、生产要素层面和社会环境层面。整个框架以四大理论为前提,围绕企业信用这个核心,以生产经营、生产要素层面为基础,社会环境层面为顶层表现,形成一个稳定的三角结构(如图1所示)。
企业信用综合指数指标体系分为三个层级,第一层级为企业信用总指数;第二层级为指数分类,包括基础信用、信用实践和信用记录三类,第二层级不形成单独指数;第三层级为分项指标。指数分类,基础信用类包括4个分项指标:公司治理、经营者素质、理念与教育、财务状况;信用实践类包括6个分项指标:产品服务、安全生产、环境责任、劳动关系、供应链管理、风险管理;信用记录类包括3个分项指标:社会评价、监管部门信息、荣誉与公益。根据各行业特点,分项指标内容有所差别(如图2所示)。
三、企业信用综合指数模型构建
1.大数据分析和企业信用综合指数
随着信息化时代的到来,互联网的深入发展,数据承载量非常大,任何数据都可以成为信用的一部分,即我们可以利用数据与信用的关联度,深层次挖掘信用数据。数据源和信息复杂性的爆炸性增长使得人工分类和分析变得难以完成且不经济。当前,企业信用综合指数面临信息采集难、辨伪难、评价难、跟踪难等困境。而大数据理论的不断发展,从信息技术角度给企业信用综合指数数据的采集和分析带来了可操作性。
大数据理论对经济统计学的影响巨大,维克托·迈尔和舍恩伯格和肯尼斯·库克耶是大数据的最早研究者,他们认为大数据就是不用随机分析法(抽样调查)这样的捷径,而采用所有数据进行分析处理。大数据的海量信息在时空上具有传统抽样数据无法比拟的广度和深度,其全样本的性质能够在最大程度上避免个人经验有限性对研究过程客观性的负面影响。因此,企业信用综合指数的研发体现了以下几个特征:(1)动态性,变化性是企业信用综合指数动态信息最显著的特征;(2)完整性,包括政府职能部门的公共监管信息、银行信贷信用信息,还有来自于市场的消费者、交易对方、合作伙伴、员工等角色的信用信息;(3)客观性,信用由信息构成,有充分的信息量,才能全面、准确反映个人或企业的信用状况。因此,企业信用综合指数信息采集,采用大数据方式,全面、完整地采集样本企业的公开信用数据,既要包括正面信息,也要包括负面信息。
2.指标体系、权重及赋分
指标的权重是指数构建的关键因素。目前权重赋权的方法有两种,一是层次分析法,是客观性较强的方法;二是专家分析法,是主观性较强的赋权方法。由于专家主观判断可能会对指标掌握不够充分而产生认识偏差,导致所确定的权重不够准确,本研究采取层次分析法。
首先,构造企业信用综合指数分项指标判断矩阵,对分项指标进行对比,赋予特征向量。第二,根据分项指标特征向量计算权重向量,确定分项指标权重:
表中F1至F13分别为:公司治理、经营者素质、理念与教育、财务状况、产品服务、安全生产、环境责任、劳动关系、供应链管理、风险管理、社会评价、监管部门信息、荣誉与公益分项指标。
3.分析样本和数据来源
企业信用综合指数数据来源于互联网,由于互联网上的信息量巨大,并且形式多样,仅依靠人工的方法难以应对网上海量信息的收集和处理。因此,建立企业信用数据平台应具备以下的功能:(1)企业信息分析引擎。是企业信用数据平台的核心功能,包括:企业信用信息识别,信息倾向性分析,信息主题跟踪,信息趋势分析,统计报告等功能。(2)自动信息采集功能。企业信用数据平台运用的是最先进的聚焦爬虫技术。企业信用数据平台搜索引擎使用聚焦爬虫技术对全球范围内的网页进行检索。根据设定的企业目标自动信息采集完成信息收集任务。(3)信息抽取功能。对收集到的信息进行处理,如格式转换、数据清理,数据统计。需要滤除无关信息,抽取并保存信息的标题、出处、发布时间、内容、点击次数、评论人、评论内容、评论数量等。
企业信用数据平台对数据处理可分为三步,即数据挖掘采集、定性分析和量化处理:(1)数据挖掘采集。首先界定数据采集范围;其次界定数据采集内容,从企业名称内容和分项指标内容两个维度界定;第三界定数据采集周期;第四数据挖掘采集,数据符合率在80%以上。如构建2015年10月的某企业公司治理指标。数据采集范围:全网络中文包括繁体中文信息,包括论坛、博客、新闻、微博、微信等;企业名称内容:可按照标准进行抽样,如某行业、某地区选取样本企业。名称包括全称和简称以及俗称、旧称等;指标内容:公司治理,包括公司治理、现代企业制度以及信息披露制度等内容;采集周期:按照周、月、季度、年等;根据以上设定某公司采集数据共计3235KB,相当于1656320字。信息中已经滤除了重复信息,以及名称地址、广告等无效信息。(2)数据定性分析。首先,确定语义识别词语,一般按照正面和负面区分;第二,数据定性区分,一般定性可按照正面、负面、有正面有负面、无正面无负面四种性质区分。本研究采用非负面区分,即无负面信息为正面信息,数据总量分为正面信息和负面信息。定性分析得出某企业样本,2015年10月1日至10月31日,3235KB公司治理信息中,正面信息共计2677KB,相当于1370624字。(3)数据量化处理。将定性分析后的数据,计算数据量,得出企业的分项指标的数据正面率,得出目标企业的分项指标值。
四、指数模型和测算方法
按照企业信用综合指数统计对象范围划分,企业信用综合指数属于总指数,总指数的研究方法可以分为综合指数法和平均指数法。指数研究方法各有利弊,综合指数法有方法比较简单、经济含义清晰、容易理解、比较准确的优点,同时也有只能用同向指标的缺点。
企业信用综合指数使用综合指数法(加权综合指数法)构建,计算公式为:
其中γ为企业信用综合指数,γι为分指数,x为分项指标,xι为ι项分项指标,x'ι为分项指标标准值,ω为权重,ωι为ι项权重。
首先,分项指标值计算。分项指标=分项指标值/分项指标标准值×分项指标各权重。分项指标标准值本研究设定为同周期各企业分项指标中的最高值。第二,二级指数和总指数计算。分项指标合并计算二级指数和总指数。
随着企业信用综合指数的发布,采集数据的积累、统计模型的优化,企业信用综合指数还可深入挖掘和分析,开展比较性和关联性研究,成为政府决策、部门监管、行业指导的依据参考;同时也有助于引导国内企业规范经营,加强信用体系建设,增强风险防范能力,提升综合竞争力,促进可持续发展。■
主要参考文献
[1] 姚益龙等.企业信用与企业成长:理论与实证研究.经济管理出版社,2009.
[2] 刘鹏.企业诚信建设读本——诚信建设和信用管理创新与实践.企业管理出版社,2012.
栏目主编 程丹丹
|