企业信用评价

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇企业信用评价范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

企业信用评价范文第1篇

［关键词］ 企业信用；指标体系；未确知测度；层次分析法

［中图分类号］ F832.4 ［文献标识码］ A ［文章编号］1003－3890（2006）07－0053－03

信用评价又称信用分析是商业银行资产业务、特别是贷款业务经营的核心内容。信用评价的目的在于评价银行在贷款业务中可能面临的信用风险。目前，中国的国有商业银行正处在向股份制商业银行转轨的关键时期，而要实现这一实质性的真正转变，其根本在于银行必须以效益性、安全性和流动性为经营原则，切实提高贷款资产质量、降低其风险，对借款企业作出全面准确的评价。目前而言，企业信用评价的方法体系仍不完善，主要不足有：（1）各指标评分方法较粗略，受专家主观因素影响较大；（2）注重定量指标的评价，定性指标注重不够。魏巍贤等人用模糊综合评判方法，定性与定量相结合，对企业信用等级进行了评价，较好地解决了上述问题。

笔者结合国内相关学者的研究成果，将未确知综合评估模型与层次分析法（the analytic hierarchical process，简称AHP）相结合用于企业信用评价，对此问题进行探讨。

一、企业信用评价指标体系的建立

企业信用评价的指标体系是综合反映企业本身和环境所构成的复杂系统的不同属性的指标，按隶属关系、层次结构有序组成的集合，体现了企业信用程度的真实内涵，是企业信用评价的依据和标准。文献[1]在参考西方商业银行贷款审查的“6C”原则的基础上，并考虑到目前国有商业银行贷款对象以国有大中型企业为主的实际情况，对影响企业信用的因素加以系统分析与合理综合，应建立如图1所示的四层次综合评价指标体系。

二、企业信用的未确知-AHP综合评价方法

对企业信用评价的基本思想是：将影响企业信用的众多因素按其性质不同分为若干类，使每类包含较少因素，先按类进行评价，再对所有类进行综合评价。图1所示递阶层次结构为应用未确知-AHP方法对企业信用进行评价奠定了基础。

（一）指标权重的赋值方法

对于任何多指标的综合评估模型，确定指标权重是模型中重要的一步。确定权重的方法通常有两种：一种采用专家赋值，把指标得分率作为指标权重；或是用AHP方法求排序向量，则归一化后排序向量的各个分量就是相应的指标权重；另一种是根据实测数据，在分类标准已知的条件下通过数据挖掘确定指标权重。在实际应用中，两种方法常结合使用，特别是在定性指标和定量指标并存时。从图1可看出，在评价经营者素质（经历、业绩、信誉、能力）、经济实力、资金结构、经营效益、发展前景这些因素时，指标u11~u83有具体的观测数值，且有对应的评价标准。针对这一问题，未确知综合评估模型借助信息熵的概念，定义了指标分类权重的概念，以衡量指标对分类所作贡献的大小。这是与模糊综合评估模型最大的区别之一。

在经营者素质等因素评价完之后，要判定企业信用等级（总目标G），就必须考虑组成企业信用的各因素Ui(i=1～5)之间的相对重要性权重。显然，这一权重不涉及指标观测值，是一个无结构决策问题，要依据专家判断，并通过合乎逻辑的推理给出决策结果。AHP描述的正是选择与判断的规律。

综上所述，就本文所讨论的企业信用评价而言，其过程涉及两类权重，一是指标分类权重，二是指标重要性权重。两者无论是在内涵计算方法以及应用场合等方面均是不同的，不容混淆，更不容相互替代。

（二）未确知测度的计算

多目标决策的显著特点之一是目标间的不可公度性，难以比较。所以在评价之前，应先确定指标体系中各个指标的评价值，即计算隶属函数值。但由于评价指标的类型不同，因而其隶属函数值的计算方法也应不同。对于难以用数量来定量表示的指标，如企业经营者的经验、能力等，可通过Delphi法或随机调查方式来获取；对于数量指标，如资产负债率、流动比率等，未确知系统首先定义了可测空间，进而在严格满足测量准则的前提下，引入未确知测度[6]来计算。这一点也与模糊评估模型有所不同。

在未确知测度函数的构造上，先根据有关金融法规确定指标的最优、最差临界值，在其中插入k-1个分点a1,a2,…,ak-1（k为评价等级的划分个数）。假设在a1点左侧的属性值处于i状态，当属性值从ai增加到ai+1过程中，属性i的状态程度逐渐减弱，至ai+1时i状态的程度减为零，同时，属性的i+1状态的程度由0增加到1，如图2所示。

对应的数学表达式为：

这样，就可以计算出指标隶属于各个信用等级的未确知测度。

（三）企业信用的综合评价

企业信用评价的基本步骤是：

（1）将因素集U分类为m个因素集U1，U2，…，Um，且满足：

（4）对Ui的每个因素进行单因素评价，得评价矩阵Ri=（μijk）mxp，μijk为第i类因素Ui集中第j个因素uij关于评价集中第k个等级的未确知测度。应用未确知逻辑运算规则，计算第类因素集的综合评价为Bi=w(i)・Ri=（bi1,bi2,…,bip）。对U的m个因素集均作出综合评价后，得到总评价矩阵B=（B1,B2,…,Bm）mxp，则企业信用综合评价值为C=w（G）・B。其中“・”表示普通实数乘法。

（5）依据置信度识别准则（λ=0.6），给出评估结论。

三、实例检验

中国证券市场发展迅速，上市公司各项财务指标及信息披露较为完善、规范，为此笔者以某大型国有上市公司为例，应用上述方法进行了信用等级评价（这里仅以此为例，给出评价的具体步骤和结果）。

1. 依据相关金融法规，建立评价企业信用的指标体系。

2. 应用企业信用评价所述方法，分别计算指标重要性权重（表1）和指标分类权重（表2）。

3. 未确知综合评判。对每个定性指标采用百分制请参评专家对每个指标打分，从而得到各因素的评价值。对每个定量指标，利用未确知测度的计算方法，确定每个因素属于评语集中各等级的未确知测度，再进行综合评价，得到了该企业信用等级的综合评价值（表3）。

4. 结果分析。从综合评价结果（表3）可以看出，该企业信用水平为BBB级，基本处于中等偏上的水平，但经济实力较差，加上经营者素质不够高，所以提供给该企业的贷款风险较大。

企业信用评价范文第2篇

中图分类号：F740.44

文献标志码：A

文章编号：1000—8772（2015）19-0054-02

一、电子商务环境下信用评价模型的构建

（一）权重比率的计算

选择n位分析者进行观点阐述，然后利用层次分析法布局数学矩阵。对于n位分析者而言，面前的待分析目标信息体被分成不同层次的元素。比如，分析企业债务清偿能力的关键要素，首层分析目标为债务清偿能力。次级分析目标为企业资产负债率、主营业务收入、净资产、存货等指标。再次级将针对次级要素，逐一分配要素，比如构成企业的负债总额、资产总额等。根据此项架构，由分析者评判出元素间的重要程度。

构建矩阵模型中，f表示分析者，g表示层次分析中的目标及构成总目标的各个子目标。于是得出公式，其中，fi表示第i个分析者；fmfn表示分析者fi针对要素m与要素n之间的判断指数比较值；gm*gn表示目标要素的范围。fm与fn之间的判断指数由fm/fn求得，计算过程可以进行互相倒置，即倒置后的两种运算结果互为倒数。

用fmfn表示m针对n要素的重要程度，可以通过得数大小来具体体现两种要素比较下的判断指数。

利用集合平均法进一步运算。假设分析者提出的观点有价值，则推导出

，将上述公式所得向量W进行归一化运算，以每一分量的得数作为分子分别除以总量，计算出每位分析者的分析结果在总量分析结果中所占的权重比率，

检验经过计算得出的权数结果的客观可靠程度，

参考文献数据，检查Pfi的得数，实行一致性检验。若Pfi小于0.1，则认为判断权数的客观性符合普遍性标准；若得数大于或等于0.1，则说明结果可参考性不足，需要追加运算做出调整，直至结果降至0.1一下。

基于聚类分析法，对分析者之间各自的分析结果的权重得数做出整合和筛选。目的是选择符合整体趋向的有意义判断指标。由层次分析法得出的矩阵数列

推导出整体判断权重的矩阵

。式中，fm表示第m位分析者对第m行目标的分析权重，fn表示第n为分析者对第n行目标的分析权重。通过汇总矩阵的计算，得出所有分析者的整体量化指标Df。再用得出的Df值与固定的阀值作比较，去除偏离阀值较大的分析者判断权数，保证判断结果符合整体一致性原则。

通过层次分析法、聚类分析法得出的整体及子系统的判断指数，进行区间化计算后，将指标值进行加权平均处理。即得出企业信用度指数：D=

。式中，Wj表达目标的权重值；Wji表示指标的权重值；Xj则表示区间化计算后的指标得数。

（二）根据计算结果进行评级

企业的信用等级主要包括三A、二A、A、三B、二B、B等级别，根据Xj的指标得数对应不同等级区间的指标级别设置，判断出企业的信用等级。例如，Xj得数大于0.9（小于1）的企业，被视为信用等级AAA级企业。债务清偿能力优秀，在与其进行债务合作交易中能够获得较可靠的保障。

二、企业信用评级体系的注意事项

（一）评估元素的清晰化

通常，企业的信用水平通过环境、基础、动力、表现四个信用方面来体现。基础要素是企业内部的信用决定性要素，包括企业的财务报表体现出的情况指标分析；表现要素是企业在信用经济合作中的历史记录，表现要素也是权重指数较高的信用决定元素；环境要素是对于政策、行业市场前景、电子交易平台的设备情况等外在条件进行的分析，企业的经营状况深受外在环境影响所以必须清晰环境元素信息；动力元素旨在分析企业未来发展状况，通过对未来盈利能力的预测来推算未来债务清偿能力等指标。

（二）评估指标的精细化

企业信用指标是评价企业综合能力的标尺，在评价的过程中不能用片面的标准掺杂主观的臆断进行评判，必须通过客观的运算，得出全面化的指标，参照国内通用的指标参数来衡量企业的综合信用水平。在计算的过程中要严格细化每一个具体步骤，例如决定企业盈利能力的因素中，财务报表内的营业收入起到直接影响作用，客户结算进度、回款进度指标则起到间接影响作用。在这些因素中，各个单项所占的权重比例不同，不能采用简单的平均数分析法来计算，需要加权指数后计算出每一项在总体指标中的影响程度，进而采用加权平均的方法合理地分析企业的综合信用指数。

（三）评估方法的全面化

多元统计、人工智能、期权理论是目前信用评估的主要方法。其中多元统计包括判别分析、回归分析、Probit模型等；人工智能评判方法主要采用神经网络等方法。定性分析法的判断结果主要取决于评估者的个人经验，具有比较高的个人主观性，定量评估法则侧重客观分析。在企业信息评级实践中，要根据具体的情况决定采取哪种评估方式。

结语：

电子商务平台为企业的商务发展提供机遇也同时提供了挑战。电商中小企业在享受新型交易模式带来的便捷的同时，也容易出现多元化的信用危机。交易机构在信用监管方面，必须加大企业信用评判机制的构建，避免由于评级架构的不完备而为企业带来不合理的评级结果，让中小企业电子交易模式下的发展受到制约。

参考文献：

[1]李菁苗.电子商务环境下中小企业信用评价[J].系统工程理论与实践，2012（03）.

[2]何娟.电子商务环境下的我国中小企业信用评估体系构建[D].西南财经大学，2012.

作者简介：胡念（1981-），男，湖北天门人，本科，教研室主任。研究方向：互联网中小企业。

企业信用评价范文第3篇

关键词：中小企业 信用评价 F分数模型 相关性分析 方差分析

一、引言

我国目前的企业信用评价体系主要针对国有大型企业，如果机械套用，只会使得中小企业的价值和信用被低估，加剧中小企业融资困境。而设立符合中小企业发展规律、现实需求和实际情况的信用评价体系，具有以下积极意义：（1）优化融资环境，帮助金融机构和信用担保机构正确评估中小企业信用风险，从而提高中小企业获得贷款的机会；（2）引导投资，由于新型信用分析模型指标中包括企业未来发展和创新能力指标，有助于潜在投资者了解企业发展情况和前景，进行投资决策，使中小企业获得投资资金；（3）促进中小企业自身发展，中小企业可以利用新型的信用分析模型，了解自身经营和信用上存在的风险和不足，提高经营水平、人员素质和诚信自律。在信用评价体系中，信用评价方法和信用评价指标居于核心地位。尤其是信用评价指标，是信用评价的基础和对象，指标选取是否恰当对评价结果的可靠性至关重要。本文将以深交所中小板块的上市公司为研究样本，利用F分数模型度量样本公司的信用水平，并以此作为被解释变量，检验所选中小企业信用评价指标与其信用水平之间是否存在相互关系或影响，以确保评价结果的科学性和准确性。

二、文献综述

（一）企业信用及信用评价概念 从经济学意义上讲，信用就是用契约关系保障本金回流和增值的价值运动，是商品货币关系下价值运动的一种特殊形式。企业信用是指企业法人以自身盈利能力、资产状况为抵押或依托，从金融机构获得贷款或从其他企业（如供货商）预先获得商品和服务。而金融机构或供应商向契约另一方提供贷款或商品，就必将面临对方不能全部履约、甚至是违约的风险，典型的包括不能按期支付利息、到期无法归还本金、不支付货款等。这种因交易一方不能履行或不能全部履行交收责任的风险就是信用风险，而引发信用风险的原因往往是违约方出现了破产或其它严重的财务困境。而信用评价，就是评估主体根据科学的评估方法和规范的指标体系，给出关于受评对象的信用风险（特别是可能出现违约状况）的判断意见。如果受评对象出现违约或财务困境的概率较小，意味着其信用风险较低，那么我们就可以认为该受评对象的信用水平较高。

（二）信用评价方法回顾 从20世纪30年代以来，企业信用评价方法大致经历了经验判断、数学模型和系统综合三个阶段。1950年以前的企业信用评价方法主要以专家经验判断为特征，包括著名的5C、5P、5W分析法。但这种方法有赖于个体常识和专家的判断过程，因此主观性较强。为了克服这一缺陷，1950年以后的科研人员开始尝试运用数理统计方法创新企业信用评价技术。Altman（1968）建立了5个变量的线性判别式分析模型，即Z计分模型，该模型的临界值为2.675，如果Z值小于临界值，那么就被认定为违约组。1977年，Altman等人对Z计分模型进行了修正，推出了第二代信用评分模型-ZATA模型。1993年，KMV公司利用期权定价理论提出了信用检测模型（Credit Monitor Model），也被称为KMV模型，用来对上市公司和上市银行的信用风险（特别是它们的违约状况）进行预测。随着计算机技术、人工智能和系统技术的进步和创新，企业信用分析方法也随之进入了系统综合阶段，决策支持系统、多目标决策、遗传算法、因子分析和聚类分析、神经网络、DEA模糊数学等的研究方法在企业信用评价研究中得到了广泛的应用和发展。

（三）信用评价指标选择 信用评价指标是信用评价的依据和对象，前者是后者的具体化以及定量或定性反映。信用指标的合理性、准确性直接决定着评价结果的可信度。因此有关企业信用评价的研究，都对指标体系问题给予了特别关注。从指标性质的演化上来看，1950年以前的信用评价主要依靠专家经验判断，所以在指标的选择上也采用了定性指标，大多围绕道德品质、还款能力、资本实力等因素展开分析。随着数理统计方法的不断创新和发展，同时为了克服人为因素对定性指标的影响，研究者开始引入企业财务数据、市场份额等定量指标加以分析。而以定量指标为主的数学评估模型，却难以反映对企业信用有重大影响的却难以量化的指标。因此，目前主流的信用评估指标主要是定性指标与定量指标相结合，以增强指标设置的合理性和全面性。从具体指标上来看，Beaver（1966）通过单变量分析模型发现现金流量负债比是最佳的信用判定指标，其次是资产收益率、资产负债率、营运资本比和流动比率。Altman（1968）利用判别分析，最终选用营运资本/总资产、留存收益/总资产、息税前收益/总资产、权益市价/债务总额账面价值、销售收入/总资产这五个指标，建立了Z计分模型。Edmister（1972）选择常规财务指标建立了专门针对小企业的信用评价指标体系。Altman、Haldeman&Narayanan（1977）对Z计分模型进行扩展，建立了适用于资产规模较大的上市公司的Zeta模型，包括了资产报酬率、收入稳定性、偿债能力、累积盈利能力、流动比率、资本化率和规模等变量。我国学者也从不同的角度，构建了多样化的企业信用评价指标体系。施锡铨、邹新月 （2001）采用典型判别分析法，将净资产收益率、资产负债率、流动比率、营运资金/总资产、留存收益/总资产作为分析变量，对上市公司的信用状况进行实证分析和检验。李小燕、卢闯（2004）运用相对关联研究方法研究了基于业绩的企业信用评价模型，。管晓永、宋新伟（2009）对企业信用能力评价指标的相关性问题进行了研究，最终筛选出了包括资产负债率、存货应收账款占比、速动比率、存货周转率、应收账款周转率、总资产利润率等9项有效指标。在中小企业信用评价方面，任永平、梅强（2001）提出了信用决策、信用跟踪和信用追偿三个不同过程中所运用的评价指标体系，认为应注重中小企业的未来、发展、创新、成长四个方面的有关指标。范柏乃、朱文斌（2003）构建了中小企业信用评价指标体系。梁晓娟（2009）从财务指标和非财务指标两个方面，研究了后危机时代下中小企业信用评价指标体系。

三、研究设计

（一）研究假设 马克思的信贷资金循环理论，对信用评价作出了理论解释。假定企业资金Gc来源于企业自有资金K和借入资金Gb，即Gc=K+Gb。当企业经过资金运动，获得增值资金？驻G，Gc从而转变为G'C，G'C=Gc+？驻G=K+Gb+？驻G。由于借入资金需要还本付息，借款利息为？驻Gb，那么，上述等式可以变换为：G'C=K+Gb+？驻Gb+（？驻G-？驻Gb）。可见，如果自有资金K保持不变，只有？驻G？叟？驻Gb，才能保证借款的安全性。显而易见，企业盈利水平越高，资金增值的可能就越大，企业违约风险也就越小，企业信用水平越高。因此，提出假设：

H1：企业盈利能力指标与中小企业信用水平正相关

如果企业盈利能力不高，？驻G

H2：企业自有资本水平指标与中小企业信用水平正相关

H3：企业流动性水平指标与中小企业信用水平正相关

企业资金增殖过程包括购买、生产和销售三个阶段。而企业自身经营能力的高低，直接对生产阶段产生影响，继而间接影响资金增值程度，最终将影响企业的信用水平。一般说来，高水平的经营效率，能减少资金的占用，生产更多的产品，产生更多的资金增值，最终会提升企业的信用水平。因此，提出假设：

H4：企业自身经营能力指标与中小企业信用水平正相关

企业偿债意愿的高低，直接影响到企业信用水平的高低。但是偿还意愿难以直接观测，因此企业过去经营失败和违规的纪录对评估其信用风险有重要的意义。因此，提出假设：

H5：企业经营失败或违规记录会对中小企业信用水平产生显著影响

（二）变量定义和指标的选择 企业盈利能力、自有资金水平和流动性、经营失败或违约记录、企业经营能力和外部环境与中小企业信用水平有关，本文选择了包括资产负债率、流动比率、销售利润率在内的指标体系。由于资产重组是解决企业财务困境的首选方式，因而观察企业是否出现过资产重组、兼并收购行为，也能反应企业过往是否有过经营失败。指标如表（1）。信用评价的核心目标就是判断企业信用风险水平（特别是可能出现财务困境或违约的概率）的高低。由于Z计分模型和ZETA计分模型在实际运用中存在较大的局限性（如数据需要服从正态分布和协方差矩阵相等），因此，周首华等人于1996年提出的一种新型信用评分模型——F分数模式，该模式使用Computetat PC Plus会计资料库中的4160家公司数据进行了检查（而Z计分模型的样本仅为66家），在预测变量的选择上遵循Donalson的理论，因而能更为准确地预测出公司是否存在财务困境。一般情况下，F分数值越高，公司违约或发生财务困境的可能性就越小，企业信用风险也就越小，企业信用水平则越高。本文将先利用F分数模式计算样本企业可能出现违约或财务困境的可能性，以代表中小企业信用水平的高低，并将计算得到的F分数值作为被解释变量，通过检验上述指标与F分数值之间的相关系数，以判定所选指标在评价中小企业信用水平的有效性。

（三）样本选择和数据来源 为了保证研究数据的可靠性和客观性，本文对截至2011年底已在深交所中小板块上市的，包含2009年至2011年连续三年有关数据记录的中小企业进行了随机抽样，共抽取了359家中小企业上市公司。本研究数据主要以2011年度有关数据为主，为了提高F分值预测的准确性，采用了2009年至2011年连续三年的F分值均值。数据来源于国泰安研究数据库、RESSET金融研究数据库、深圳证券交易所网站等。在分析过程中对缺失值、异常值的处理采取了列删法。

四、实证检验分析

（一）相关性分析 将2011年样本公司盈利能力有关指标数据与连续3年F分数均值进行相关性分析，结果显示见表（2）。除了固定资产净利润率，其余指标与F分数的相关系数检验概率P-值小于显著性水平（α=0.05），说明指标均与F分数存在正向的线性关系，假设H1获得证实。但是净资产收益率与F分数的相关性较弱，说明该指标在帮助判断企业信用水平上的作用较为有限。而营业利润率等指标则有助于判断企业信用水平高低。将2011年样本公司资本结构、流动性有关指标数据与连续3年F分数均值进行相关性分析，结果显示见表（3）、表（4）、。通过检验发现自有资本水平和流动性这个两个层次上的有关指标与F分值的相关系数检验概率P-值小于显著性水平（α=0.05），相关系数r均大于0.3，说明自有资金水平指标和流动性指标与F分值之间存在较强的正相关性，因此，假设H2，H3均被证明，有关指标有助于判断企业的信用水平。

将2011年样本公司自身经营能力指标与连续3年F分数均值进行相关性分析，结果见表（5）。存货周转率和应付账款周转率与F分值的相关系数概率P-值虽小于显著性水平，但是0

（二）方差分析 将企业违约次数和资产重组有关记录数据与F分值分别进行单因素方差分析。相关分析结果见表（6）、表（7）、表（8）、表（9）。样本数据均通过了方差齐性检验，适合进行方差分析。企业违约次数和资产重组记录的概率P-值均小于显著性水平（α=0.05），证明了企业违约次数和资产重组行为会对F分值产生显著影响。由于F分值代表中小企业信用水平，因而假设F5得到证明。

五、结论

本文研究得出以下结论：中小企业的盈利能力、自有资本水平和流动性水平与其信用水平呈现出正相关性，有关信用评价指标有助于合理判断中小企业信用水平。提升中小企业信用水平的首要任务是通过不断扩大自身盈利能力、增大利润留存比率，不断扩充自有资本，并保持良好的流动性，以防范并降低中小企业出现财务困境的可能性。中小企业自身经营能力主要反映企业在生产环节中的效率，而生产环节居于资金增值的中间环节，其作用于资金增值最终结果的传递链条较长，因而对资金增值结果的反映效率较低，导致与中小企业信用水平相关性较弱。而作为传统企业信用评价指标的应收账款周转率，可能由于受中小企业生产经营的周期性因素或其他外部因素影响，使得该指标不能正确反映公司经营情况，最终使得该指标无助于判断企业的信用水平。虽然企业过往的违约记录和资产重组记录只能反映过去的信息，但是仍然对企业的信用水平产生了显著影响，相关指标也具有评价有用性。无违约记录（或无资产重组记录）的中小企业F分数均值要高于有过违约记录（或资产重组记录）的中小企业F分数均值。因此，不断提高中小企业诚信意识，规范中小企业的信用行为，建立中小企业诚信记录体系，也有助于中小企业不断提升自身信用水平。

参考文献：

[1]任永平、梅强：《中小企业信用评价指标体系探讨》，《现代经济探讨》2001年第4期。

[2]管晓永：《中西信用评价技术发展的逻辑及其比较研究》，《科研管理》2009年第7期。

[3]周首华等：《论财务危机的预警分析——F分数模式》，《会计研究》1996年第8期。

企业信用评价范文第4篇

在我国互联网普及率以及对其他行业的渗透率不断上升的背景下，“互联网+”战略被写入了政府工作报告中，并将成为“十三五”规划中重要的战略布局。“互联网+”战略就是将以互联网为主的一整套信息技术（包括移动互联网、云计算、大数据技术等）在经济、社会生活各部门中进行扩散和应用，把互联网和包括传统行业在内的各行各业结合起来，在新的领域创造一种新的生态。

这个概念正是在我国传统产业转型升级、多行业互联网化的前提下被提出的。据CNNIC的最新统计报告显示，2014年底我国网民总规模达到6.49亿，互联网普及率为47.9%。在所有传统行业中，零售业是互联网化程度较高的一个行业：数据显示网络购物用户总数为3.61亿，在网民中的占比为55.7%，在全国居民中的渗透率也达到26.67%。而“互联网+”的效应并不是这两年才出现的，比如传统零售+互联网就有了淘宝，传统百货+互联网就有了京东，电商行业正是趁着互联网的东风不断发展壮大：数据显示2014年网上零售额达2.8万亿元，占到同期零售总额的10.6%。电商已经成为市场中一个不可忽视的群体，而且其经营灵活、实时性极强，拥有巨大的资金需求，需要一个成熟的信用评价体系规范其融资业务。

二、电商评价的特点

对于电商这一相对较新的企业群体，需要进行有针对性的信用评价，电商信用评价体系主要需要具有以下特点：

1.轻资产、重销售

从事电商运营的企业主很多都是“80后”甚至“90后”，而且很大一部分都是外地人，所以并不一定拥有大量固定资产等可以抵押的财产，针对传统企业的抵押等手段不一定适用于电商企业，故对于电商企业提供的贷款一般为信用方式或担保方式。

2.考虑企业主人品和经营能力的因素

相对于传统企业，电商企业的运营更依赖于业主的人品和电子商务运营能力。由于电商企业的运营与各电商平台的规则密切相关，企业主在规则的约束下进行适合电商理念的推广和运营，需要其具有较为成熟的电商数据分析能力、运营方式和战略规划。

3.加入电子商务线上独特性指标

与传统行业只关注于成本、库存、毛利率等指标不同，对于电商企业还需要考虑很多独特性的数据指标，如：访客数、转化率、流量成本等。这些都是能充分反映电商运营状况的关键数据。其中也突出体现了“互联网+”的数据共享性特点，可以通过大数据的采集来掌握企业的全貌，更好地刻画企业的还款能力。

三、电商评价的指标体系建立

1.现有的体系与研究

（1）理论界评估模型

在电子商务信用评价体系中，众多学者提出了针对性的评估模型。包括L.Mui等研究得出的评估模型用来计算网络商的信誉分数；彭丽芳等提出可以根据电商的历史交易数据来判断电商信用；法国科法斯集团提出的@评估体系，可以让电商企业在线申请评估，然后该公司对企业进行认证，反映企业的贸易付款能力，且提供在线查询。

（2）电商平台金融模式

作为电商依托的平台，阿里巴巴集团为电商提供纯信用的贷款。阿里巴巴掌握了电商的所有交易数据并且控制电商资金流，采取基于大数据的风险把控和资金管理，为平台上的电商提供资金周转的贷款服务。其信用评价体系主要依托于平台拥有的大量电商交易数据，并依据数据进行建模，对用户的风险等级进行测评。优势在于操作方便快捷，数据规模庞大，但利率相对较高。另外还有一些P2P平台为电商提供融资，但并不仅仅针对电商。

（3）传统金融机构模式

传统金融机构如银行也逐步将视角转向庞大的电商群体，作为业务的拓展点，有多家银行推出类似“电商贷”的产品，并制定了针对性的信用评价体系。但是多数银行还未形成完善的电商信用贷款模型和尽职调查流程，仍处于探索阶段。传统机构的指标体系在原有中小企业的信用评价体系基础上进行修改，比如浙江泰隆商业银行的“三品三表”体系，并加入电商相关的特征性数据作为补充。

（4）第三方评价机构

一些第三方评价机构根据自有的数据资源或评价体系对电商的评价提供独立意见，包括拥有工商局、税务、法院等信息共享的机构以及拥有大数据采集能力的机构。这些机构根据自己能够搜集到的不同角度的数据建立各自的指标体系。

2.在“互联网+”理念下的拓展

现阶段虽然各方均设计出了侧重各异的指标体系，但有的还停留在理论阶段并没有形成成熟的评价模式和风控模型。此时需要综合各家的评价体系探索更为完整成熟且针对电商的评价体系，特别是建立拥有“互联网+”理念的体系，这种体系应该是线上与线下的结合，既包括线上大数据实时信息更新的优势，又包括线下尽职调查的严谨。

（1）线上数据的采集以及实时更新

采集电商信用评价的关键指标――电商店铺的销售数据，该数据能够真实反映电商的还款能力。并且针对不同电商平台的物流运输成本、客户服务、信息安全措施等方面加入相应指标，其他重要指标还包括流量、转化率、流量成本、主营销售占比、好评率、退款率等，综合反映电商的销售、经营、利润情况。

（2）传统的尽职调查

对于企业主人品的调查从来都是信用评估中至关重要的一个环节，如果企业主嗜赌成性或没有信誉，即使销售流水数据再好也可能会成为一笔坏账。需要综合法院、税务、工商等各部门的信息，形成综合的个人评价体系。

其次根据银行的传统尽调流程，包括审核电商企业的三张表以及银行流水、对个人征信进行查询、进行库存盘查，并了解企业的债务、固定资产、资金运营等情况。

最后还要了解企业主所在的行业形势，是否存在淡旺季、“双十一”等活动占收入的比重、是否存在主要货品频繁的变动等经营策略信息，以及企业未来的战略规划。如果在近期有诸如大量囤货、转变主营产品的经营策略，可能会对预期收益产生一定的影响。

（3）线上线下的复核及互动

电商的销售数据可能存在“刷单”、“刷信誉”等造假行为，一方面电商平台会对这些行为进行一定的处罚措施，另一方面对电商评价的机构也需要对数据的准确性进行线下核实。其中包括店主身份和对店铺所有权的核实、店铺经营数据真实性的核实、店铺主要货品销售量和库存情况的比对，在此基础上进行综合评定。

四、对电商的动态信用风险管理

对于信用评价这一体系，评价得到的结果不应该是静态的报告，而应该是具有动态实时更新的特性，才能适应“互联网+”环境下电商领域瞬息万变的形势。信用评价体系应该能够实时更新相关指标数据，并且根据企业的运营情况进行监控，对于出现的异常波动进行预警。

企业信用评价范文第5篇

根据商务部和国资委2009年8月联合下发《关于公布第三批行业信用评价参与单位名单的通知》(商信用函字[2009]3号)的精神，中国纺织工业协会为第三批行业信用评价参与单位。在商务部和国资委领导下，中国纺织工业协会自2010年3月15日起开展了第一批中国纺织服装行业企业信用等级的评价工作。

中国纺织工业协会严格执行《中国纺织工业协会企业信用等级评定管理办法》及《中国纺织工业协会开展企业信用等级评价总体方案》，以本行业企业信用等级评价指标体系为依据，按照“求实客观、企业自愿、公开透明、服务会员、扶优扶强”的原则开展企业信用评价工作。经协会信用办初审、信用评价专家复审并报协会信用评价委员会批准，确定了第一批企业信用等级评价结果。

5月5日，第一批纺织企业信用等级评价工作会在京召开，会议由信用办主任叶志民主持。在当天的会上，信用办副主任徐建华就第一批参评企业申报情况及初评结果作了详细汇报。“根据《管理办法》规定，信用评价实行信用办组织专家初评、信评委终评的两级评审制度，按初审、公示、终审、备案、授牌、年度复查的程序进行。”徐建华介绍说，信用办自3月下旬开始受理第一批申报企业申报材料，并组织专家对企业申报材料进行一审和二审，撰写企业信用评价初评报告草稿，确定初评等级。

4月20日―5月4日，协会信用办在中国反商业欺诈网和中国纺织信用网公示了第一批31家企业的初评结果，征求社会意见。据了解，在这31家企业中，毛纺、家纺企业各有7家；棉纺色织企业5家：勘察设计企业3家：麻纺、产业用、印染企业各2家；丝绸、纺机、综合性企业各有1家。