□胡哲能

（西南林业大学经济管理学院 云南 昆明 650224）

1 研究背景

近年来，云南省农业产业化龙头企业作为重点扶持对象发展迅速，在带动农户发展专业化、标准化、规模化、集约化生产方面发挥了巨大的作用。然而，随着农业产业化龙头企业队伍不断壮大，或多或少面临一些问题，如信用风险无法科学评价，导致企业融资困难。因此，根据云南省农业产业化信用风险的特点，科学构建信用风险评价指标体系，并对信用风险进行准确评价，具有重要的现实意义。

目前，学术界对于信用风险评价主要有以下两个方面。一是研究信用风险评价指标体系，如舒歆（2015）[1]结合小微企业发展的特点，构建了包含偿债能力、盈利能力、创新能力、营运能力、成长能力、法人治理和信用情况7 个一级指标的小微企业信用风险评价指标体系。霍海涛（2012）[2]通过专家咨询和文献查阅等方法，研究了高科技中小企业信用风险的评价指标体系，并确定了19 个财务和非财务指标。二是研究信用风险评价模型，如帅青红等（2013）[3]选取216 家上市企业作为研究对象，采用决策树和logistic 结合的方法对企业信用进行评估；肖斌卿等（2016）[4]运用模糊神经网络，研究了某农村商业银行小微企业的信用。通过分析上述文献可以发现，较少有学者关注农业产业化龙头企业的信用风险，需要对其开展相应的研究。

2 研究方法

2.1 构建指标体系

研究根据云南省农业产业化龙头企业的信用风险特点，在充分借鉴国内外学者研究成果的基础上，构建了信用风险评价指标体系。该指标体系包含准则层7 个指标，指标层26 个指标，见表1。

2.2 数据标准化

首先，由评价指标构建初试矩阵R=（Rij）mn，其中，Rij为第i个评价对象的第j个指标下的值，在此基础上，采用极差标准化的方法对数据进行预处理，其计算公式如下。

表1 云南省农业产业化龙头企业信用风险评价模型指标权重

正向指标：

负向指标：

2.3 权重的确定

研究采用熵权法确定权重wij，由于熵权法较为常见，不再详细赘述，方法详见参考文献［5-6］。

2.4 TOPSIS 法

TOPSIS 是一种逼近于理想解的排序法，其基本原理是通过有限个评价对象与最优解、最劣解之间的距离来进行排序[7]，具体步骤如下。

（1）计算加权矩阵。

（2）确定正理想解和负理想解。

正理想解：

负理想解：

（3）计算各方案与正理想解和负理想解的欧式距离。

（4）计算贴近度。

式中，Ci越大，表明第i年农业产业化龙头企业信用越接近最佳水平。

2.5 研究对象及数据来源

选取云南省16 家农业产业化龙头企业作为研究对象，数据时间跨度为2015—2019 年。所使用的企业数据均来自于巨潮资讯网、企业年度报告和公司公开转让说明书，企业所在地区GDP 均来自于地区统计公报。

3 研究结果

3.1 确定指标权重

由表1 可知，对于云南省农业产业化龙头企业而言，人员规模、政府补助、注册资金、应收账款周转率、存货周转率权重较大，影响企业的信用风险水平。

3.2 基于TOPSIS 法的信用风险评价

通过公式（8）得到云南省16 家农业产业化龙头企业信用水平的贴近度，见图1。龙生茶业、润杰农科、云南白药和云叶化肥4 家农业产业化龙头企业信用的贴近度一直在提升，其他12 家农业产业化龙头企业信用的贴近度上下波动较大。

4 结论及建议

第一，人员规模、政府补助、注册资金、应收账款周转率、存货周转率较大程度上影响云南省农业产业化龙头企业的信用风险水平。第二，龙生茶业、润杰农科、云南白药和云叶化肥4 家农业产业化龙头企业的信用水平在研究时间范围内稳步提升。云南省农业产业化龙头企业应尽快做大做强，提升资金周转能力。