摘  要： 針對基于傳統(tǒng)統(tǒng)計(jì)學(xué)的企業(yè)資信評估方法的不足，提出基于距離判別法的企業(yè)資信評估方法,，并用實(shí)例通過Matlab軟件及其相應(yīng)工具對其進(jìn)行了計(jì)算判別,。結(jié)果表明，基于距離判別法的企業(yè)資信評估方案,，可快捷,、準(zhǔn)確、有效地評價企業(yè)是否處于破產(chǎn)狀態(tài),，為企業(yè)資信評估提供可靠的依據(jù),。
關(guān)鍵詞： 馬氏距離判別法；企業(yè)資信評估,；Matlab

　隨著我國經(jīng)濟(jì)的高速發(fā)展,，作為市場經(jīng)濟(jì)的金融市場發(fā)展速度不斷加快,，逐漸與世界經(jīng)濟(jì)接軌,，我國經(jīng)濟(jì)形態(tài)也更趨向于信用經(jīng)濟(jì)。資信評估作為市場經(jīng)濟(jì)中的監(jiān)督力量,，在很大程度上可降低信息不對稱性,，能夠?yàn)樵u價企業(yè)的資信水平提供重要參考依據(jù)?？茖W(xué)準(zhǔn)確的資信評估可以輔助決策,，降低投資風(fēng)險。因此,，如何提高企業(yè)資信評估的準(zhǔn)確性和科學(xué)性極其重要[1],。企業(yè)資信評估是以獨(dú)立經(jīng)營的企業(yè)或經(jīng)濟(jì)主體為對象，根據(jù)企業(yè)及經(jīng)濟(jì)主體的生產(chǎn),、經(jīng)營,、管理前景及當(dāng)前的企業(yè)經(jīng)濟(jì)效益狀況，給出企業(yè)的資信評級,，本質(zhì)上是屬于綜合評價中的分類問題,。經(jīng)濟(jì)社會活動中判斷一個企業(yè)是否守信用,，可牽涉到多個數(shù)據(jù)指標(biāo)，如資產(chǎn)負(fù)債率,、現(xiàn)金流量,、流動資產(chǎn)、銷售利潤率,、存貸比,、利息償還率等，如何從這些數(shù)據(jù)中判定企業(yè)的信用,、財(cái)務(wù)狀況,，從而準(zhǔn)確地標(biāo)記出企業(yè)的資信等級是一個較為復(fù)雜的問題[2]。資信評估通常采用基于統(tǒng)計(jì)學(xué)的分析方法,，包括線性回歸分析法,、多元判別分析法等。然而傳統(tǒng)的統(tǒng)計(jì)學(xué)評估方法有較大的局限性,，存在著諸如權(quán)重確定缺乏理論依據(jù),、帶有明顯主觀臆斷且運(yùn)算量大等缺點(diǎn)，已經(jīng)無法滿足實(shí)際應(yīng)用的需要,。近年來隨著科學(xué)技術(shù)的飛速發(fā)展,，尤其是計(jì)算機(jī)技術(shù)的突飛猛進(jìn)，基于計(jì)算機(jī)處理的距離判別法,、貝葉斯判別,、FISHER判別等方法在綜合評價中的分類問題有了較大的突破和廣泛應(yīng)用。本文將基于Matlab實(shí)現(xiàn)的距離判別法應(yīng)用于企業(yè)資信評估,，并給出了實(shí)例來驗(yàn)證該方法在企業(yè)資信評估中財(cái)務(wù)狀況方面評價的可靠性,。
1 距離判別法原理
　判別分析方法是一種有效的多元數(shù)據(jù)分析方法，它能從各訓(xùn)練樣本中提取各總體的信息,，科學(xué)地判斷得到的樣品屬于什么類型,，現(xiàn)已在很多領(lǐng)域廣泛應(yīng)用。馬氏距離是由印度統(tǒng)計(jì)學(xué)家馬哈拉諾比斯（P.C.Mahalanobis）提出的,，表示數(shù)據(jù)的協(xié)方差距離,，是一種有效的計(jì)算兩個未知樣本集的相似度的方法。

1.3 基于Matlab的距離判別法的實(shí)現(xiàn)[3-5]
　Matlab統(tǒng)計(jì)工具箱中提供了classify函數(shù),，用來對未知類別的樣品進(jìn)行判別,，可以進(jìn)行距離判別和先驗(yàn)分布為正態(tài)分布的貝葉斯判別，其調(diào)用格式如下：
class=classify（sample,，training,，group，type）
　輸入?yún)?shù)sample是待判別的樣本數(shù)據(jù)矩陣,，training是用于構(gòu)造判別函數(shù)的訓(xùn)練樣本數(shù)據(jù)矩陣,。它們的每一行對應(yīng)一個觀測值,，每一列對應(yīng)一個變量，sample和training具有相同的列數(shù),，該函數(shù)將sample中的每一個觀測值歸入training中觀測值所在的某個分組,。參數(shù)group是與training相應(yīng)的分組變量，參數(shù)group是與training具有相同的行數(shù),，group中的每一個元素指定了參數(shù)group是與training中相應(yīng)觀測值所在的組,。group可以是一個分類變量、數(shù)值向量,、字符串?dāng)?shù)值或者是字符串元胞數(shù)組,。輸出參數(shù)class是一個行向量，用來指定sample中各個觀測值所在的組,，class和group具有相同的數(shù)據(jù)類型,。參數(shù)type的取值決定了classify函數(shù)支持的判別類型，其中有五種可選參數(shù),，即linear,、diaglinear、quadratic,、diagquadratic及mahalanobis,。當(dāng)type參數(shù)取前四種值時，該函數(shù)可用來作貝葉斯判別,；當(dāng)取值為mahalanobis時,，該函數(shù)用作距離判別，并且所計(jì)算的先驗(yàn)概率用來計(jì)算誤判概率,。
2 企業(yè)資信中財(cái)務(wù)狀況評估模型構(gòu)建[6]
2.1 企業(yè)資信評估指標(biāo)選取
　企業(yè)資信評估通過分析獨(dú)立經(jīng)營企業(yè)資產(chǎn)實(shí)力,、償債能力和信用風(fēng)險程度等，從而確定該企業(yè)的信用等級,，使管理者掌握企業(yè)經(jīng)營狀況,，幫助金融機(jī)構(gòu)決策者對企業(yè)進(jìn)行評價和選擇。資信評估包括資產(chǎn)評估和信用評估兩個方面,，本文選擇4項(xiàng)評價指標(biāo)對企業(yè)的財(cái)務(wù)狀況進(jìn)行評價：
　X1=現(xiàn)金流量/總債務(wù)
　X2=凈收入/總資產(chǎn)
　X3=流動資產(chǎn)/流動債務(wù)
　X4=流動資產(chǎn)/凈銷售額
　表1是相關(guān)企業(yè)年度財(cái)務(wù)數(shù)據(jù)，其中收集了21個破產(chǎn)的企業(yè)在破產(chǎn)前兩年的年度財(cái)務(wù)數(shù)據(jù),，同時對25個財(cái)務(wù)狀況良好的企業(yè)也收集了同一時期的財(cái)務(wù)數(shù)據(jù)進(jìn)行距離判別,，找出未判別的四家企業(yè)的財(cái)務(wù)狀況的情況，判別是否處于破產(chǎn)狀態(tài),。

2.2 基于Matlab的距離判別過程
?。?）讀取數(shù)據(jù)
　讀取文件example.xls的第一個工作表中C2：F51范圍的數(shù)據(jù)，即全部樣本數(shù)據(jù),，包括了未判企業(yè)數(shù)據(jù),。
　>>sample=xlsread（‘example.xls’,，’’，’C2：F51’）,；
　讀取文件example.xls的第一個工作表中C2：F47范圍的數(shù)據(jù),，即已知組別的樣本數(shù)據(jù)。
　>>training=xlsread（‘example.xls’,，’’,，’C2：F47’）；
　讀取文件example.xls的第一個工作表中B2：B47范圍的數(shù)據(jù),，即樣本的分組信息數(shù)據(jù),。
　>>group=xlsread（‘example.xls’，’’,，’B2：B47’）,；
　列出企業(yè)編號
　>>obs=[1：50]；
?。?）進(jìn)行馬氏距離判別,，返回判別結(jié)果向量C和誤判概率err
　>>[C，err]=classify（sample,，training,，group，mahalanobis）,；
　>>[obs,，C]%查看馬氏判別結(jié)果
　得出判別結(jié)果如表2所示。

　從表中可以看出,，共有3個觀測值發(fā)生了誤判,，即是第15、16和34號,，其中第15和第16號由第1組（財(cái)務(wù)良好）誤判為第2組（破產(chǎn)企業(yè)）,，而第34號觀測值原本屬于第2組誤判為第1組，用P（j|i）來表示原本屬于第I組的樣品被誤判為第J組的概率,，則誤判概率的估計(jì)值分別是：
P（2|1）=2/21=0.095  P（1|2）=1/25=0.04
　假設(shè)兩組的先驗(yàn)概率均為0.5,，則classify函數(shù)的誤判概率是：
　err=0.5  P（2|1）+0.5 P（1|2）=0.067 6
　可見該馬氏判別的結(jié)果是可以令人接受的且基本是合理的。表2中的第47~50號企業(yè)是未判企業(yè)的觀測值,，即未知組別的樣品,。由以上結(jié)果可知，第47號和第49號企業(yè)的觀測值判歸第1組,，從而判定它們是破產(chǎn)企業(yè),，第48號和第50號企業(yè)的觀測值被判歸為第2組，它們?yōu)榉瞧飘a(chǎn)的財(cái)務(wù)狀況良好的企業(yè),。
　本文提出將基于距離判別算法用于企業(yè)資信評估,，該方法具有以下優(yōu)點(diǎn)：（1）與資信評估常用的統(tǒng)計(jì)學(xué)方法不同,，該方法無需事先建立數(shù)學(xué)模型，只需將從各訓(xùn)練樣本中提取各總體的信息,，科學(xué)地判斷得到的樣品屬于什么類型,，評價過程方便、快捷,。（2）不需要人為確定權(quán)重,，從而避免由于評價過程中的主觀因素所導(dǎo)致的結(jié)果失真。（3）使用基于距離判別算法,，即便出現(xiàn)誤差,，也可通過假設(shè)的先驗(yàn)概率計(jì)算誤判概率，得出較為客觀的結(jié)論,，其評價結(jié)果比傳統(tǒng)的統(tǒng)計(jì)學(xué)方法更為客觀,、有效。
參考文獻(xiàn)
[1] 劉重才,，周洲,，梅強(qiáng).LVQ神經(jīng)網(wǎng)絡(luò)在企業(yè)資信評估中的應(yīng)用[J].集團(tuán)經(jīng)濟(jì)研究，2007（10）：50-51．
[2] 李翀,，夏鵬.后驗(yàn)概率支持向量機(jī)在企業(yè)信用評級中的應(yīng)用[J].計(jì)算機(jī)仿真,，2008，25（5）：256-258.
[3] 蘇金明,，張蓮花,，劉波.Matlab工具箱應(yīng)用[M].北京：電子工業(yè)出版社，2004.
[4] 董維國.深入淺出Matlab7.X混合編程[M].北京：機(jī)械工業(yè)出版社,，2006.
[5] 張潤楚.多元統(tǒng)計(jì)分析[M].北京：科學(xué)出版社,，2006.
[6] 鄭志勇.金融數(shù)量分析[M].北京：航空航天大學(xué)出版社，2009.