摘 要： 針對基于傳統(tǒng)統(tǒng)計學的企業(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,，并用實例通過Matlab軟件及其相應工具對其進行了計算判別,。結果表明，基于距離判別法的企業(yè)資信評估方案,，可快捷,、準確、有效地評價企業(yè)是否處于破產狀態(tài),，為企業(yè)資信評估提供可靠的依據,。
關鍵詞： 馬氏距離判別法；企業(yè)資信評估,；Matlab
隨著我國經濟的高速發(fā)展,，作為市場經濟的金融市場發(fā)展速度不斷加快，逐漸與世界經濟接軌,，我國經濟形態(tài)也更趨向于信用經濟,。資信評估作為市場經濟中的監(jiān)督力量，在很大程度上可降低信息不對稱性,，能夠為評價企業(yè)的資信水平提供重要參考依據,?？茖W準確的資信評估可以輔助決策,，降低投資風險。因此,，如何提高企業(yè)資信評估的準確性和科學性極其重要[1]。企業(yè)資信評估是以獨立經營的企業(yè)或經濟主體為對象,，根據企業(yè)及經濟主體的生產,、經營、管理前景及當前的企業(yè)經濟效益狀況,，給出企業(yè)的資信評級，本質上是屬于綜合評價中的分類問題,。經濟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)據指標,，如資產負債率、現(xiàn)金流量,、流動資產,、銷售利潤率、存貸比,、利息償還率等,，如何從這些數(shù)據中判定企業(yè)的信用、財務狀況,，從而準確地標記出企業(yè)的資信等級是一個較為復雜的問題[2],。資信評估通常采用基于統(tǒng)計學的分析方法，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)計學評估方法有較大的局限性，存在著諸如權重確定缺乏理論依據,、帶有明顯主觀臆斷且運算量大等缺點,，已經無法滿足實際應用的需要。近年來隨著科學技術的飛速發(fā)展,，尤其是計算機技術的突飛猛進,，基于計算機處理的距離判別法、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用,。本文將基于Matlab實現(xiàn)的距離判別法應用于企業(yè)資信評估，并給出了實例來驗證該方法在企業(yè)資信評估中財務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)據分析方法，它能從各訓練樣本中提取各總體的信息,，科學地判斷得到的樣品屬于什么類型,，現(xiàn)已在很多領域廣泛應用。馬氏距離是由印度統(tǒng)計學家馬哈拉諾比斯（P.C.Mahalanobis）提出的,，表示數(shù)據的協(xié)方差距離,，是一種有效的計算兩個未知樣本集的相似度的方法。
1.3 基于Matlab的距離判別法的實現(xiàn)[3-5]
Matlab統(tǒng)計工具箱中提供了classify函數(shù)，用來對未知類別的樣品進行判別,，可以進行距離判別和先驗分布為正態(tài)分布的貝葉斯判別,，其調用格式如下：
class=classify（sample，training,，group，type）
輸入參數(shù)sample是待判別的樣本數(shù)據矩陣,，training是用于構造判別函數(shù)的訓練樣本數(shù)據矩陣。它們的每一行對應一個觀測值,，每一列對應一個變量,，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,、字符串數(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type參數(shù)取前四種值時,，該函數(shù)可用來作貝葉斯判別；當取值為mahalanobis時,，該函數(shù)用作距離判別,，并且所計算的先驗概率用來計算誤判概率。
2 企業(yè)資信中財務狀況評估模型構建[6]
2.1 企業(yè)資信評估指標選取
企業(yè)資信評估通過分析獨立經營企業(yè)資產實力,、償債能力和信用風險程度等,，從而確定該企業(yè)的信用等級，使管理者掌握企業(yè)經營狀況,，幫助金融機構決策者對企業(yè)進行評價和選擇,。資信評估包括資產評估和信用評估兩個方面，本文選擇4項評價指標對企業(yè)的財務狀況進行評價：
X1=現(xiàn)金流量/總債務
X2=凈收入/總資產
X3=流動資產/流動債務
X4=流動資產/凈銷售額
表1是相關企業(yè)年度財務數(shù)據,，其中收集了21個破產的企業(yè)在破產前兩年的年度財務數(shù)據,，同時對25個財務狀況良好的企業(yè)也收集了同一時期的財務數(shù)據進行距離判別，找出未判別的四家企業(yè)的財務狀況的情況,，判別是否處于破產狀態(tài),。
2.2 基于Matlab的距離判別過程
（1）讀取數(shù)據
讀取文件example.xls的第一個工作表中C2：F51范圍的數(shù)據,，即全部樣本數(shù)據,，包括了未判企業(yè)數(shù)據。
>>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,，即已知組別的樣本數(shù)據,。
>>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，即樣本的分組信息數(shù)據,。
>>group=xlsread（‘example.xls’,，’’，’B2：B47’）,；
列出企業(yè)編號
>>obs=[1：50],；
（2）進行馬氏距離判別,，返回判別結果向量C和誤判概率err
>>[C,，err]=classify（sample，training,，group,，mahalanobis）；
>>[obs,，C]%查看馬氏判別結果
得出判別結果如表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（財務良好）誤判為第2組（破產企業(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，則誤判概率的估計值分別是：
P（2|1）=2/21=0.095 P（1|2）=1/25=0.04
假設兩組的先驗概率均為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的財務狀況良好的企業(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：（1）與資信評估常用的統(tǒng)計學方法不同,，該方法無需事先建立數(shù)學模型，只需將從各訓練樣本中提取各總體的信息,，科學地判斷得到的樣品屬于什么類型,，評價過程方便、快捷,。（2）不需要人為確定權重,，從而避免由于評價過程中的主觀因素所導致的結果失真。（3）使用基于距離判別算法,，即便出現(xiàn)誤差,，也可通過假設的先驗概率計算誤判概率，得出較為客觀的結論,，其評價結果比傳統(tǒng)的統(tǒng)計學方法更為客觀,、有效。
參考文獻
[1] 劉重才,，周洲,，梅強.LVQ神經網絡在企業(yè)資信評估中的應用[J].集團經濟研究，2007（10）：50-51．
[2] 李翀,，夏鵬.后驗概率支持向量機在企業(yè)信用評級中的應用[J].計算機仿真,，2008,，25（5）：256-258.
[3] 蘇金明，張蓮花,，劉波.Matlab工具箱應用[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：機械工業(yè)出版社，2006.
[5] 張潤楚.多元統(tǒng)計分析[M].北京：科學出版社,，2006.
[6] 鄭志勇.金融數(shù)量分析[M].北京：航空航天大學出版社,，2009.