基于FC及VPRS信用风险评价探究摘要：企业信用风险评价是金融领域最重要的问题之一。提出一种将模糊聚类(FC)和变精度粗糙集理论(VPRS)结合进行信用风险评价的模型。首先利用模糊聚类法对样本上市公司数据进行离散化处理，然后根据变精度粗糙集理论抽取决策规则。结果表明，由该方法生成的决策规则能对样本数据进行正确的分类，并具有一定的抗干扰性。关键词：信用风险;模糊聚类;变精度粗糙集;决策规则中图分类号:F830.5文献标识码：A文章编号：1003-5192(2009)05-0032-06CreditRiskEvaluationBasedonFuzzyClusterandVariablePrecisionRoughSetGUOJun-hual,2,LIBang-yi❷1(1.SchoolofEconomicsandManagement,NanjingUniversityofAeronauticsandAstronautics,Nanjing210016,China；2.SchoolofEconomicsandManagement,EastChinaJiaotongUniversity,Nanchang330013,China)Abstract：Creditriskevaluationisoneofthemostimportantproblemsinthefinancefield.Fuzzyclusterandvariableprecisionroughsettheoryareintroducedtoevaluatecreditrisk.Fuzzyclusterisappliedtodiscriminatesampledata.Then,decisionrulesareextractedbyvariableprecisionroughsettheory.Theresultindicatesthatsampledatacanbeclassifiedcorrectlybythedecisionruleswhichhavethecharacterofanti-interference.Keywords：creditrisk；fuzzycluster；variableprecisionroughset；decisionrule1引言信用风险评价是商业银行贷款的重要依据。世界银行对全球银行业危机的研究表明，导致银行破产的主要原因就是信用风险［1］。随着2007年我国银行业的全面放开，我国商业银行面临的竞争更加剧烈，如何科学、合理地对企业做出正确的信用风险评价，是一个值得研究的问题。传统的信用评价方法存在某些不足，必须引入新的理论，对信用评价方法加以改进。粗糙集理论作为研究不确定知识表达、学习、归纳的新型数学工具，其重要特点是不需要预先给定某些特征或属性的数量描述，而直接从给定问题的描述集合出发,在信息不确定情况下，仍可挖掘出大量对决策有帮助的知识信息［2］。粗糙集理论提供了一整套比较成熟的样本学习式决策方法。由于标准粗糙集理论在某些条件下具有一定的局限性，缺乏对复杂系统的处理机制，对于不确定性概念的边界区域，刻画过于简单，缺乏对噪音数据的适应能力。而在实际应用中，噪音是难免的，因此Ziarko提出了变精度粗糙集(VariablePrecisionRoughSet,简称VPRS)模型[3],增强粗糙集合模型的抗干扰能力。本文利用变精度粗糙集理论,根据2007年我国部分上市公司公布的年报数据，以部分财务指标作为基本属性，从中筛选出能反映评价指标本质关系的重要属性，从而挖掘出数据间的关系而形成信用评价决策规则。通过这些由训练数据抽取的决策规则对测试数据进行判别表明，该方法具有良好的分类判别能力。2文献回顾在信用风险评价的文献中，主要存在三类不同的方法。第一类是统计分类方法，第二类是神经网络方法，另一类是支持向量机方法。2.1统计分类方法早在1966年,Beaver[4]首次运用单变量判定分析法来研究公司财务危机问题，但该方法因财务比例的选取不同而观测结果相差很大，所以很快被多变量分析法所取代。1968年.Altman率先将判别分析法应用于财务危机、公司破产及违约风险的分析,建立了Z-Score模型[5],该模型只适用于短期的预测oAltman在1977年及1983年又在Z-Score模型基础上进行了改进，建立了ZETA模型[6,7],研究结果表明ZETA模型优于Z-Score模型oMartin.Ohlson.Maddala[8^10.等人分别在1980年前后将Logistic模型应用于信用风险分其中用得最多的是BP算法网络。Altman>Marco和Varetto析，并认为Logistic模型优于Z-Score模型和ZETA模型。国内学者在统计分类方法应用于信用风险评价的研究上也做出了具大贡献。陈静［11］、张玲［12］分别利用线性判别分析法对企业信用风险进行了研究。唐晓岸、孟庆福［13］、姜天、韩立岩［14］、陈晓虹、戴静［15］、宋荣威［16］等人分别运用Logit模型对企业进行了财务预警分析。研究表明，线性判别分析法和Logit模型对企业信用风险评价有一定的准确性。2.2神经网络方法...