现代租赁融资已经成为包括信贷融资、股权融资在内的三大金融融资工具之一，发达60％的工程机械、飞机船舶、各种车辆、医疗、通讯和信息等设备是通过融资租赁的方式取得的。作为建筑施工企业的主要固定资产，工程机械具有价值高、单件性强和利用率不高等特点，使得工程机械行业是融资租赁渗透率最高的行业之一。 融资租赁作为一种典型的金融服务业务，其实质是一种债务融资，它具有一般金融风险的特点，风险管理的重点在于信用风险。
外学术界对融资租赁信用风险管理的研究主要集中在以下几方面：一是有关融资租赁风险产生机制及风险分类的研究；二是有关融资租赁风险的计量模型研究；三是就不同行业的融资租赁风险的评价研究。 程东跃从金融租赁公司的角度出发，提出融资租赁信用风险产生的原因。
Grenadier和Steven R研究了融资租赁的信用风险，提供了一个统一的决定均衡信用分布的理论框架。 吴云从金融租赁公司的角度讨论了承租企业的风险偏好、过度自信对金融租赁公司的信用风险产生影响。Schmit等通过对金融机构的上万件租赁产品运用样本统计分析方法，分析了零售租赁的信用风险。马连峰运用模糊综合评价方法建立了飞机融资租赁风险综合评价模型。 黄生权针对出租厂商融资租赁的风险构建了风险预警指标体系。
在稳定的市场中，融资租赁信用风险评价中往往选取反映承租人经营能力、盈利能力、成长能力、偿债能力及现金流量等财务指标作为信用风险评价的依据。而在工程机械融资租赁的建设施工企业大都是民营中小型企业，由于普遍没有建立完善的现代企业制度，缺少规避市场风险的相应机制，导致工程机械融资租赁的违约率较高。
基于对工程机械行业的理解，本文从企业行为的角度综合分析了高违约率承租企业的信用风险，建立了财务指标和非财务指标相结合的评价指标体系。 在参考相关文献的基础上，提出了一种基于专家群体的多属性决策下属性权重的确定方法。 专家根据其知识、经验和评价习惯，可以对属性集赋予不同类型的权重值。 该方法对于评价承租人的融资租赁信用风险的评价及各级指标（属性）的权重确定具有一定的实际意义。
1 工程机械行业融资租赁信用风险评价指标体系构建
在，工程机械行业是典型的投资驱动型行业，行业需求的增长主要依赖于基础设施投资的增长，受到外经济发展状况及政策引导的影响较大，故本文选择了政策及市场风险、企业及行业特征为评价指标。其次，融资租赁本身的融资功能特点决定了在对其进行风险评估的过程中，对租赁标的物未来的变现价格、租赁设备的使用情况、市场交易程度等进行评估是工程机械行业融资租赁信用风险考察的关键点之一。 故本文选择了设备的操作风险、担保风险作为评价指标。另外，本文在财务指标分析中主要选取了反映企业短期偿债能力的财务指标，在参考相关文献的基础上建立了财务风险、设备操作风险、担保风险、企业及行业特征风险、政策及市场风险、企业管理能力风险等6个一级指标和相关的24个二级指标。 具体见表１。
2 工程机械行业融资租赁信用风险评价方法
2.1 多属性决策下的权重确定方法
2.1.1 问题描述
在一个多属性决策问题中，设X={X1,X2,...,Xp}(p≥2)为方案集；U={U1,U2,...,Un}(n≥2)为属性（评估指标集）集；E ＝｛e１ ，e２ ，…，em ｝（m≥２）为专家集，且专家ei 的权重为λi 且满足０≤λi ≤１，Σmi ＝１ λi ＝１，i ＝１，２，…，m；R ＝［rij ］m ×n 为混合决策矩阵，rij为专家ei 对属性Uj 所赋的权重值，rij可以为实数、区间或语言型等数据类型中的某一类，且有不同的物理含义和量纲。
2.1.2 多属性权重确定方法及主要步骤
实数型权重值的大小可以直接进行比较，区间型和语言型大小的比较可以分别使用“可能度”和转化为三角模糊数之后使用“可能度”实现。本文选用专家对属性的权重赋值与总体均值之间的偏离程度作为区分专家权重偏好的“标度”，建立标度之后就可以确定专家ek 对于属性Ui 与Uj 的重要差异与标准的倍数，建立标准属性重要差异矩阵，进而将混合决策矩阵规范化。考虑到决策者的主观偏好，通过使用ｌｏｇｓｉｇ 对数S 型非线性变化函数定义转换映射，得到基于专家评判类型差异下的判断矩阵。最后，将最终得到的该矩阵与决策者给出的专家权重相聚合，进而得到各属性的权重向量。
1）分别建立各种数据类型下的标准属性重要差异矩阵。
（1）对于实数型的决策数据采用方差概念定义标度。
式中，
， 表示专家ek 对所有属性权重赋值的算术平均值。根据式（２）确定其在标准属性重要差异矩阵中对应的元素：
（２）对于区间型的决策数据采用相离度概念定义标度。
（３）对于语言型的决策数据先转化为三角模糊数来比较分析，将三角模糊数的相离度定义为标度。
式中的 
为三角模糊数。假设某专家对属性的权重赋值采用语言型，且其语言可表示为以下形式｛极低，很低，低，较低，一般，稍高，较高，高，很高，极高｝，则可将其表示成对应的三角模糊数形式： 极低＝［０，０，０.１］，很低＝［０，０.１，０.２］，低＝［０.１，０.２，０.３］，较低＝［０.２，０.３，０.４］，稍低＝［０.３，０.４，０.５］，一般＝［０.４，０.５，０.６］，稍高＝［０.５，０.６，０.７］，较高＝［０.６，０.７，０.８］，高＝［０.７，０.８，０.９］，很高＝［０.８，０.９，１.０］，极高＝［0.9，1.0，1.0］。
３）求解属性权重。
基于决策者判断变换后的矩阵 Yk 是用统一的映射关系转换所得，具有互补性。因此，可以通过求解模糊互补判断矩阵 Yk 的排序向量 Hk 来量化各属性在专家 ek 下的相对重要程度，然后依照模糊 AHP 的思想，结合各专家的权重得到各属性的权重向量 H。
2.2 各级指标（属性）权重的确定
本文邀请５ 名该行业相关领域的专家（e１ ，e２ ，e３ ，e４ ， e５ ）， 其权重 λ＝（０.２２，０.３０，０.１８，０.１５，０.１５），其中，e１ 、e３ 采用语言型评价方式；e２ 采用区间型评价法方式；e４ 、e５ 采用实数型评价方式。各位专家依照各自的评价偏好对各个一级指标及相应的二级指标给予权重评价。假定采用语言评判的专家均为风险中性，即式中（８ａ）、（８ｂ）β＝０．５。
2.2.1 一级指标权重的确定
表２ 为各个专家融资租赁风险一级指标属性的权重评价结果。
表2 一级指标初始混合决策矩阵
步骤１ 将表２ 中语言型数据按照本文给出的语言标度换算成三角模糊数据。
步骤２ 根据式（１）、式（３）、式（６），给出５ 位专家（e１ ，e２ ，e３ ，e４ ，e５ ）的标度如下：σ１ ＝０.３７７５，σ２ ＝２.４９４４，σ３ ＝０.４５， σ４ ＝０.３９１０，σ５ ＝１.１９０２。
步骤３ 根据式（２）、式（４）、式（７），确定各专家（e１ ，e２ ，e３ ，e４ ，e５ ）下的标准属性重要差异矩阵X１ ， X２ ，X３ ，X４ ，X５ 。
步骤５ 由式（１０）和式（１１）聚合各专家的权重 λ＝（０.２２，０.３０，０.１８，０.１５，０.１５），确定属性的权重向量： H ＝（０.２０６４，０.１２２８，０.１７４９，０.１７４９，０.１９８７，０.１２２３）。分析结果表明，一级指标中政策及市场风险的权重相对较高，财务风险与租金偿还关系密切，风险权重较高。其他风险指标，如设备的操作风险及企业的管理能力风险权重相对较低。这与前面的分析是一致的。
2.2.2 各个二级指标权重的确定
１）财务风险指标权重的确定。
二级财务风险指标属性的权重评价结果如表３所示。
依照以上权重评判步骤１ ～５，得到二级财务指标的权重评价结果为H１ ＝（０．３２５ １，０．２１３ ７，０．２４１ ４，０．２２１ ２）。
分析结果表明，企业经营现金流量与企业的短期偿债能力密切相关，企业经营现金流量在总资产表3 二级财务指标初始混合决策矩阵
与总负债中的比率在财务风险指标中权重相对较高，是财务风险的主要考察指标。
２）设备操作风险指标权重的确定。
二级设备操作风险指标属性的权重评价结果如表４ 所示。
表4 二级设备操作风险指标初始混合决策矩阵
依照以上权重评判步骤１ ～５，得到二级设备操作风险指标的权重评价结果为H２ ＝（０．３００ ７，０．２８４ ０，０．２５４ ８，０．１５９ １）。
分析结果表明，融资租赁设备操作风险中技术重大革新周期比重较低，这与工程机械行业技术革新周期较长，短期之内技术变革的风险较低等特点相一致。
３）担保风险指标权重的确定。
二级担保风险指标属性的权重评价结果如表５所示。
表5 二级担保风险指标初始混合决策矩阵
依照以上权重评判步骤１ ～５，得到二级担保风险指标的权重评价结果为H３ ＝（０．１８６ ５，０．２９７ ８，０．３０９ ６，０．２０４ ７）。
分析结果表明，设备的再处置风险与设备的需求度在担保风险中权重较高。
４）企业及行业特征指标权重的确定。
二级企业及行业特征指标属性的权重评价结果如表６ 所示。
表6 二级企业及行业特征指标初始混合决策矩阵
依照以上权重评判步骤１ ～５，得到二级企业及行业特征指标的权重评价结果为H４ ＝（０．１７７ ０，０．２０３ ８，０．２９７ ９，０．３２１ ２）。
分析结果表明，企业资质与企业所承担的项目的业主性质所占权重相对较高。
5）政策及市场风险指标权重的确定。
政策及市场风险指标属性的权重评价结果如表７ 所示。
表7 二级政策及市场风险指标初始混合决策矩阵
依照以上权重评判步骤１ ～５，得到二级企业及行业特征指标的权重评价结果为H５ ＝（０．２９８ ８，０．１８０ ８，０．３１１ ７，０．２０８ ７）。
工程机械服务于资源开发和基本建设，较多地依赖投资拉动，所以与经济景气程度及固定资产投资增长率密切相关。分析结果表明，经济景气度以及固定资产投资增长率在融资租赁政策及市场风险中权重相对较高。
６）企业管理能力指标权重的确定。
二级政策及市场风险指标属性的权重评价结果如表８ 所示。
表8 二级政策及市场风险指标初始混合决策矩阵
依照以上权重评判步骤１ ～５，得到二级政策及市场风险指标的权重评价结果为H６ ＝（０．３００8，０．３１９９，０．１９７０，０．１７４６）。
工程机械融资租赁承租企业多为中小企业，企业管理能力更多地体现在企业的项目管理能力及组织协调能力。分析结果表明，企业的项目管理能力及组织协调能力指标权重比例相对较高。
3 结论
本文在对工程机械行业融资租赁业理解的基础上，分析了工程机械行业融资租赁中信用风险呈现高违约率特点的原因，建立了财务风险与非财务风险相结合的融资租赁信用风险评价体系，根据专家的评价偏好，结合多属性决策评价方法，将实数型、区间型、语言型评价语言分别进行标准变换，进而确定各级指标的权重。结果表明，该风险评价体系及指标权重确定方法能够较全面地反映工程机械行业融资租赁信用风险的特点，能够为工程机械企业开展融资租赁业务的风险评价提供重要的决策依据。
参考文献：
［１］李刚，陈利军，陈倩，等．经营租赁的真实动机———基于东方航空公司的案例研究［Ｊ］．管理世界，２００９（Ｓ１）：１２１-１２２．
［２］程东跃．金融租赁风险管理研究［Ｄ］．浙江：浙江大学，２００６：５-１７．
［３］Ｇｒｅｎａｄｉｅｒ， Ｓｔｅｖｅｎ Ｒ．Ｌｅａｓｉｎｇ ａｎｄ Ｃｒｅｄｉｔ ｒｉｓｋ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆＦｉｎａｎｃｉａｌ Ｅｃｏｎｏｍｉｃｓ，１９９６，４２（３）：３３３-３６４．
［４］吴云．金融租赁风险特性及其管理研究———基于行为金融理论．［Ｊ］经济研究导论，２００９，１（２９）：１４２-１４３．
［５］Ｓｃｈｍｉｔ Ｍａｔｈｉａｓ．Ｃｒｅｄｉｔ ｒｉｓｋ ｉｎ ｔｈｅ ｌｅａｓｉｎｇ ｉｎｄｕｓｔｒｙ［Ｊ］．Ｊｏｕｒｎａｌｏｆ Ｂａｎｋｉｎｇ ａｎｄ Ｆｉｎａｎｃｅ，Ｅｃｏｎｏｍｉｃｓ，２００８，１（２８）：８１１-８３３．
［６］章连标，马连峰．飞机融资租赁风险模糊综合评价模型［Ｊ］ ．民用航空，２００７，７２（１）：６０-６１．
［７］徐泽水．权重信息完全未知且对方案有偏好的多属性决策法［Ｊ］，系统工程理论与践，２００３， ２３（１２）：１００-１０３．
［８］宋兴光，杨德礼．基于决策者偏好及赋权法一致性的组合赋权法［Ｊ］．系统工程与电子技术，２００４，２６（９）：１２２６-１２９０．
［９］陈伟．夏建华．综合主、客观权重信息的最优组合赋权方法［Ｊ］．数学的实践与认识，２００７，３１（１）：１７-２２．
［１０］黄生权．工程机械企业融资租赁风险分析与评价［Ｊ］．价值工程，２００８，３（１）：１５７-１５９．
［１１］马海英．基于混合系统的信用风险评估［Ｊ］．清华大学学报：自然科学版，２００６，４６（Ｓ１）：１１００-１１０１．
［１２］陈栋才．电网工程项目融资租赁理论与应用研究［Ｄ］．河北：华北电力大学，２００８：１０-２５．
［１３］柴燕茹，马岩．浅谈ＢＰ 人工神经网络［Ｊ］．学理论，２００８，１（２２）：３９-４０．
［１４］徐泽水，达庆利．区间数排序的可能度法及其应用［Ｊ］．系统工程学报，２００３，１（１８）：６７-７０．
［１５］徐泽水．三角形模糊互补判断矩阵的一种排序方法［Ｊ］．模糊系统与数学，２００２，１（１６）：４７-５０．
［１６］徐泽水，模糊互补判断矩阵排序的一种算法［Ｊ］．系统工程学报，２００１，４（１６）：３１１-３１４．
［１７］王志诚，周春生．金融风险管理研究进展：国际文献综述［Ｊ］．管理世界，２００６，１（４）：１５８-１６５．【完】
