基于灰色模糊决策法的海关企业诚信评价

侯彩虹，李红霞

0 引言

海关诚信管理始于对进出口企业的诚信守法管理，通过积极推进以企业为单元的海关管理模式的建立。然而，在研究海关对企业诚信评价问题时，如果能借鉴金融界的成功实践经验，合理建立企业信用评价指标体系和运用信用评分技术，将企业信用予以标准化，降低海关风险管理的成本，缩短企业通关时间。通过提高企业守法诚信度，降低通关风险，以全面提高进出口企业的守法自律水平，防范风险。

1 海关对企业诚信评价指标体系的设计

海关企业诚信评价的内涵不完全等同于一般企业诚信评价，而是在海关管理视野下的企业诚信评价，这个概念的提出是以一般企业的诚信管理为基础，但同时又拓展海关管理要求下的诚信内涵。因此，海关的诚信评价从诚信的质，即四个方面的诚信指标：包括企业的财务能力和管理状况，代表着企业诚信的能力；企业的商业信用代表着企业的诚信态度；企业的守法状况代表着企业的诚信行为。另外，海关的诚信内涵强化了风险管理的重要性，通过引入海关管理环节中的两个重要方面来强化海关的企业风险管理要求，即通关风险指标和税收风险指标。通关风险指标反映出了在海关管理链条上最主要的通关环节中的诚信要求，要求企业诚信通关；另外，税收是海关四大职能中及其重要的一个职能，税收缴付情况直接影响到海关管理绩效。从以上六个方面，选择出适合的指标系统地对诚信企业进行描述和评价。

1.1 海关对企业诚信评价指标体系设计的原则

海关对企业诚信评价具有评价指标体系重点突出、内容完整，评价指标公平、公正，评价体系系统全面。评价工作应该遵从科学性、严谨性、权威性的原则，而评价指标体系的设置原则是评价工作的直接依据，是整个评价制度的关键所在。本文在参考了金融行业诚信评价体系、政府机构绩效考核体系、国外企业诚信评价体系的基础上，将海关风险管理工作的经验和海关现场业务工作的实际情况，遵循以下原则建立指标体系。

（1）系统性和全面性原则。（2）科学性原则。（3）数据可得性原则。（4）分层性原则。（5）可比性原则。（6）定性分析与定量分析相结合的原则。（7）依据职能的原则。

1.2 海关对企业诚信评价指标体系

通过综合海关对企业管理诚信风险评估的已有文献，以及专家建议得到初步的评价指标，指标主要涉及通关、税收、财务、管理、商业以及守法等方面。本文系统分析评价指标的体系的构成框架，结合已有的研究构成评价指标的准则层和子准则层，初步建立了海关对企业诚信评价指标体系。如图1所示

图1 海关对企业诚信管理评价指标体系

2 灰色FAHP在海关企业诚信评价中的应用

2.1 确定评价指标集

假设评价级六个等级中各个等级的标准值分别是6，5，4，3，2，1分。评价过程中，当指标等级介于两相邻等级之间时，相应的评分为5.5，4.5，3.5，2.5，1.5分。

2.2 确定评价指标的权重

（1）评价结果来源于相关领域的专家进行的测评，并以此构造评估判断矩阵A。由于不同评估专家的知识基础、专业积累、社会经验、感知能力、描述能力各不相同，因此不同专家给出的评估结果的可信度各不相同。因此，根据不同专家的评估能力为其赋以相应的权重，来间接描述其评估行为和结果的有效程度。

假设专家组由4名专家组成。对专家组的4名成员进行综合的比较和分析，然后根据知识基础、专业能力、对评估对象的熟悉程度，为每位专家在对应评估项下赋权gt对应知识基础能力，ht代表专业能力，jt对评估对象的熟悉程度，且υt=gt+ht+jt+kt，。则第t位专家的综合可信度为,t=1,2,3,4。则4位专家组成的评估小组的权向量为W=( )w1,w2,w3,w4。

（2）评估结果以判断矩阵的形式表示。每位评估专家采用莎蒂（T.L.Satty）提出的1-9标度法[17]，相对于整体评估项下采用1-9的数字对两层指标体系内的每个指标集合内的评估指标进行两两比较，得到t位专家对两层指标的判断矩阵。

aij的确定一般是根据资料统计获得，或由专家和分析者一起根据经验讨论后，凭定性分析的直觉和判断而确定的，即运用量化标度将思维判断数量化。显然，判断矩阵满足如下特征：自比性akk=1；反比性akj=1/ajk；一致性akj=akl/ajl。

（3）指标体系中各指标的重要性程度的排序及判断结果的一致性检验。据矩阵理论，对n阶判断矩阵，其最大特征根为单根，而且最大特征根λmax≥n。当n阶判断矩阵具有完全一致时，具有唯一的非零最大特征根λmax=n，其余特征根均为零。当判断矩阵不能保证具有完全一致时，其特征根也将发生变化。

设第t位专家确定的图1中两层评估指标的单排序权值确定过程为：在第一层wtk，k=1,2,3,4,5,6，且满足；在第二层，有六个子集r=1,2,3,4,5,6分别确定指标单排序权重wtrk，且满足

则对于每一个子集指标单排序权重分别为wt1k(k=1,2,3,4 ) ， 且 满 足；wt2k同时按照判断矩阵的一致性要求，理论上在第一层次atij=wti/wtj( )i=1,2,3,4，在第二层次上，r=1,2,3,4,5,6，i=j=1,2,3,4，即六个子集分别为at1ij=wt1i/at1j，同理得at6ij=wt6i/at6j。

于是，第t位专家确定的A中各层次下各指标的单排序权值及一致性检验问题可归结为非线性优化问题，即：

第一层：

第二层共6个子集，对于任意一个子集r，其中均有4个评估指标，因此每一个子集的一致性检验方法为：

第一子集：

同理可得其余五个子集

公式（1）用于计算第一子集判断矩阵的一致性问题。对于非线性优化问题，采用加速遗传算法（AGA）来求解较简单而有效。

依据公式计算得到第t位专家确定的A中各级指标的单排序权重以及相应的一致性指标函数CI。记，它们为4位专家的群体权重矩阵。但是当CI小于等于某一标准值时，则认为其所对应的判断矩阵At与Agt具有满意的一致解，据此计算出的各指标单排序权重wtk，wtrk是满意的；否则，需要对原始的判断矩阵At，A1t，A2t，A3t，A4t，A5t和A6t，直至所有的判断矩阵的一致性检验小于等于某一标准值。

（4）两个层次指标体系中各个指标权重的确定。将含有专家可信度σt的线性加权和对专家求出的指标权重进行加权平均，得到专家组最后确定的对评价指标Si(i =1,2,3,4,5,6 ) 的 权 重 向 量 P=σ1×4⋅D4×4=(P′1,P′2,P′3,P′4)。其中σ1×5是在前面所根据专家自身评估能力综合确定的可信度指标向量，D4×4是4位专家群体权重矩阵。同理还可以得到评价指标S1j(j =1,2,3,4)的权重 向 量P1=σ⋅D1=(P′11,P′12,P′13,P′14)，S1j(j =1,2,3,4)的 权 重 向 量 P1=σ⋅D1=(P′11,P′12,P′13,P′14) S2j(j =1,2,3,4)的权重向量P2=σ⋅D2=(P′21,P′22,P′23,P′24)，S3j(j =1,2,3,4 ) 的 权 重 向 量 P3=σ⋅D3=(P′31,P′32,P′33,P′34)，S4j(j =1,2,3,4)的 权 重 向 量P4=σ⋅D4=(P′41,P′42,P′43,P′44)，S5j(j =1,2,3,4)的权重向量P5=σ⋅D2=(P′51,P′52,P′53,P′54)和 S6j(j =1,2,3,4)的 权 重向量P6=σ⋅D6=(P′61,P′62,P′63,P′64)。

2.3 专家打分评价

4位专家对待评价对象——进出口企业B采用二层架构的模糊层次分析法对两层指标体系进行赋值评价，根据专家填写的评分表，既可以计算得到该企业的诚信评价矩阵，表示第k专家对待评价对象B在指标S下的评价值。ij

2.4 确定评价灰类

取m=4，即综合评价等级有4级R=1,2,3,4分别表示优、良、中、差四个等级，而与之对应的灰度白化函数为：第一灰类优（r=1），设定灰数⊙1∈[ ]4,∞，白化函数为f1。第二灰类良（r=2），设定灰数⊙1∈[ ]0,3,6，白化函数为f2。第三灰类中（r=3），设定灰数⊙1∈[ ]0,2,4，白化函数为f3。第四灰类中（r=4），设定灰数⊙1∈[ ]0,1,2，白化函数为f4。

2.5 计算灰色评价系数

2.6 计算灰色评价权向量及权矩阵

由此可得评价指标Sij对于各灰类的灰色评价权向量为

指标Sij对于各灰类的灰色评价权向量构成Si，各评价灰类的灰色评价矩阵ηBi为：

2.7 综合评价

一级评价结果Q1，Q2，Q3，Q4分别为QB1=P1gηB1，Q2B=P2gη2B，Q3B=P3gη3B，Q4B=P4gη4B。海关对企业B诚信风险评价总灰色评价矩阵为：

于是，该企业的诚信风险综合评价结果为Qh=PgΠB。

2.8 计算综合评价值

3 结论

本文的主要工作包括设定评价目标、构造指标体系、筛选评价方法、组织评价小组、获取评级结果以及分析评价结果。以诚信综合评价值为导向的对企业进行管理，可以为风险防控管理工作的开展提供指导，从而真正发挥量化管理下的科学管理与资源有序配置的指挥棒作用。并与当前海关开展的诚信管理下的一系列模式，即企业分类管理、“红黑名单”、“AEO认证”与“由企及物”等方式方法结合，对诚信程度较高的企业给予贸易通关安全与便利通道，对诚信等级差的企业加大核查力度和强度，以严格的管理约束其调整自身的经营战略积极践行诚信经营。

[1]Moody Investors Service.Industrial Company Rating Methodology[J].Global Credit Research,1998,7.

[2]Fredrik Andersson,Helmut Mausser,Dan Rosen.Stanislav Uryasev.Credit Risk Optimization with Conditional Value-at-Risk Criterion[J].Mathematical Programming,2001,(2).

[3]William H.Beaver,John W.Kennelly,William M.Voss．Financial Ratios as Predictors of Failure[J].Empirical Research in Accounting:Selected Studies,1966,(4).

[4]William F.Messier,Jr.，James V.Hansen．Inducing Rules for Ex⁃pert System Development an Example Using Default and Bankruptcy Data[J].Management Science,1985,(9).

[5]李毅学.供应链金融风险评估[J].中央财经大学学报,2011,(10).

[6]李存芳,周德群.基于模糊数学的企业综合竞争力评价和实证[J].控制与决策,2007,(3).

[7]丁辉.管理定量分析[M].北京:经济管理出版社,2009,(9).

[8]金菊良，杨晓华，丁晶.标准遗传算法的改进方案——加速遗传算法[J].系统工程理论与实践,2001,(4).