欧阳柳，张 成

（1.浙江省电力公司，杭州 310007；2.上海博苑信息科技有限公司，上海 201100）

由于诸多因素的影响，电费拖欠已成为困扰电网企业经营和发展的重要问题之一。如何有效防范和化解电费风险，及时回收电费，提高电费资金利用率，是目前亟待解决的重要课题。

本文对电费信用风险管理绩效评价问题进行研究，构建电费信用风险管理绩效评价指标体系及模糊智能绩效综合评价模型，以期找到一种能对电费信用风险管理绩效作出符合客观实际、科学评价的方法。

1 管理绩效评价体系

电费信用风险管理绩效评价的基础是建立绩效评价指标体系。而构建该指标体系必须从电费信用风险管理理论和实际要求出发，真正反映它的管理价值和实用价值，恰当反映电费信用风险管理水平。该指标体系遵循两个标准，一是指标的有效性，又称指标效度，描述指标的概念与所反映现象内容的一致性;二是指标的可靠性，又称指标信度，描述指标值重复观测结果的一致性。绩效评价指标体系包括按期收款率、平均收款率、逾期账款比等多项内容。

1.1 按期收款率

按期收款率反映一个电费结算周期内（从电费发行日期到缴费截止日期）的应收电费回收效率，以本期按期缴费金额占应缴电费金额的比重表示：

式中：Ri为用电客户按期缴费金额；Ni为用电客户应缴电费金额；n为应缴电费客户数。按期收款率的值越接近1，表示收款效率越高。

1.2 平均收款期

平均收款期表示电网企业从取得应收电费的权利至实际回收到电费所需要的时间。这个指标越小，表示应收账款流通速度越快。该指标集中反映了企业信用风险管理的效率，是目前信用风险管理绩效评价中应用最为广泛的指标[1]。

比如：某供电公司月内应收电费额为8000万元，月末应收电费余额为650万元，该月30天，则：

1.3 平均收款天数

平均收款天数表示从电费记账日期到用电客户实际缴费日期之间的时间。这个指标越小，表示电网公司收取电费款的速度越快。

式中：Ri为用电客户的电费记账日期；Pi为用电客户的实际缴费日期；n为应缴电费客户数。

1.4 平均欠款天数

平均欠款天数表示从缴费截止日到欠费客户实际缴费日之间的时间。这个指标越小，表示客户平均拖欠电费的时间越短。

式中：Ci为欠费客户的缴费截止日期；Pi为欠费客户的实际缴费日期；n为欠费客户数。

1.5 逾期帐款回收率

逾期帐款回收率反映了本月逾期账款的回收情况，用月末逾期账款余额占月初应收逾期账款的比例表示。

式中：Bi为月初应收逾期账款；Si为月末逾期账款余额；n为欠费客户数。逾期账款回收率越小，表示逾期账款回收效率越高。

1.6 逾期账龄比

逾期账龄比反映应收账款的账龄结构，用逾期天数在60天以上的应收账款余额占总应收账款余额的比重表示，套用此算法可以计算所有的账龄结构。逾期账龄比率值越小，应收账款的平均账龄就越短，应收账款的流动性就越好[1]。

1.7 欠费客户数

欠费客户数表示在应缴电费的客户中，欠费客户数占总客户数的百分比。

1.8 坏账损失率

坏账损失率用坏账金额与应收电费金额之比表示，该指标越大，表示应收账款回收的效果越差，不良债权越多。

2 管理绩效评价模型

2.1 评价方法的选择

目前，信用风险管理绩效评价常采用的方法有：核心指标法、综合指数法、多目标规划法等。核心指标法简单、易操作，但不能达到全面评价电费信用风险管理绩效的目的；综合指数法评价全面，但其权重的选择带有一定的主观性和随意性，缺乏科学性；而多目标规划法在确定某项指标的满意度时带有一定的主观随意性。为解决上述问题，本文提出采用智能权重分析算法确定各评价指标权重的新思路，在引入评价指标相对隶属度评价矩阵概念的基础上构建模糊智能综合评价模型，并用于电费信用风险管理绩效评价。

2.2 构造相对隶属度模糊评价矩阵

越小越优型指标的标准化处理公式为∶

式中： xmax（i）， xmin（i）分别为指标样本集中第 i个指标的最大值、最小值。r（i，j）为标准化后的评价指标值，也就是第j个实例第i个评价指标从属于优的相对隶属度值。

以这些r（i，j）值为元素，可组成单评价指标相对隶属度模糊评价矩阵 R=[r（i， j）]n×m。

2.3 采用智能权重分析模型确定评价指标权重

智能权重分析模型是一种综合定性与定量分析、模拟人的决策思维过程以解决多因素复杂系统的分析方法，其原理如下：

设权重判断矩阵为：A=[aij]，B=[bij]，C=[cij]∈Rn×n。

（1）若aij=1/aji，则称A为互反矩阵；若bij=-bji，则称B为反对称矩阵。

（2）若A为互反矩阵，且aij=aik/ajk，称A是一致的。若B是反对称矩阵，且bij=bik+bkj，则称B是传递的。若A是一致性的，则B=lgA（bij=lgaij，∀i，j）是传递的。反之若B是传递阵，则A=10B是一致的。

根据构造的权重判断矩阵A，求bij=lgaij（i，j=1，2，…，n），计算（bik-bjk）和，最后求出A*的特征向量，即可得到指标权重wi（i=1， 2， …， n）。

2.4 绩效评价模型

将绩效评语集U={u1，u2，…，um}定义为m个等级，比如可以定义U为{很差，较差，一般，较好，很好}。把各评价指标的权重值wi与各判例相应的评价指标相对隶属度值r（i，j）相乘并累加，可得模糊智能评价综合指标值z（j）。

得出企业信用风险管理绩效程度：

式中：C表示模糊性评语数值行向量，其数值以每个等级的代表值表示，CT为C的转置矩阵。根据F值的大小即可判断电费信用管理绩效的优劣，为电网企业电费信用管理提供决策依据。

3 应用实例

以浙江某地区供电公司电费信用风险管理绩效评价为例，进一步说明应用模糊智能综合评价模型的过程。该例评价指标体系及2009年10-12月及2010年1月的评价指标样本数据见表1。

该评价指标样本集中指标8的数据缺失，暂不纳入绩效评价体系。指标1和5为越大越优型指标，按式（6）计算相对隶属度值，其余指标为越小越优型，按式（7）计算相对隶属度值，得到相对隶属度值矩阵R，结果列于表1中。采用智能权重分析模型得到各评价指标的权重值矩阵W，其值分别为：0.3837（按期收款率）、0.2208（平均收款期）、0.1093（逾期账龄比）、0.0991（欠费客户数）、0.0749（平均欠款天数）、0.0248（平均收款天数）、0.0874（逾期账款回收率）。由式（8）可得绩效模糊智能评价综合值Z={0.4576，0.5156，0.6091，0.5504}。从Z中可以看出，该供电公司的电费信用风险管理水平属于很好，从2009年10月开始，管理绩效综合评价值一直上升，在2009年12月达到最高。这可能与年底该供电公司采用了更为有力的加强电费信用风险管理的措施有关。

表1 评价指标样本数据

4 结语

目前，评价电费信用管理绩效的难点在于合理构建绩效评价指标体系、科学设置评价指标的权重和保持评价结果的客观性和一致性。本文在建立绩效评价指标体系的基础上，提出了电费信用风险管理绩效模糊智能综合评价模型，采用智能权重分析算法确定各绩效评价指标的权重，在一定程度上解决了以往权重设置中过于依赖人的主观判断、易受主观因素影响的问题。同时，在模型中引入了相对隶属度评价矩阵的概念，使绩效评价结果比核心指标模型、综合指数模型和多目标规划模型更能客观、公正地反映实际情况，结果更具有横向和纵向可比性。应用表明，模糊智能综合评价模型评价结果较为客观、稳定，方法具有通用性，在电费信用风险管理绩效评价中具有实用价值。

[1] 林均跃.企业与消费者信用管理[M].上海：上海财经大学出版社，2005.

[2] 比哓丽，洪伟.生态环境综合评价方法的研究进展[J].农业系统科学与综合研究，2001，17（2）：122-124.

[3] 陈守煜.复杂水资源系统优化模糊识别理论与应用[M].吉林：吉林大学出版社，2002.

[4] 李洪兴，汪培庄.模糊数学[M].北京：国防工业出版社，1994.