近年来，中小企业在我国国民经济发展过程中扮演着越来越重要的角色，但融资难问题一直是制约中小企业发展的瓶颈。其主要原因是中小企业与银行之间信息不对称，银行贷款给中小企业所承担的市场风险，以及贷前调查和贷后监管的成本远远高于贷款给大企业。在这种情况下，建立中小企业信用评级指标体系能帮助银行有效揭示中小企业贷款风险，同时降低其获取企业信息的成本，为市场参与各方提供决策依据，起到投资引导、扶优除劣的作用。目前，我国中小企业信用评级问题已经引起多方关注，但尚未形成规范统一的评级指标体系。笔者在借鉴国内外先进评级方法的基础上，结合我国中小企业实际情况，建立信用评级指标体系，力求科学、客观地反映我国中小企业信用状况。
一、信用评级方法比较
（一）比例分析法 比例分析法将企业各类财务指标作为一个整体，对企业的财务状况和经营状况进行分析评价。比例分析方法包括杜邦分析法和沃尔比重分析法。杜邦分析法以净资产报酬率为分析指标，反映企业获利能力和影响获利能力的企业信用状况。沃尔比重分析法选择若干企业的财务指标并给予不同的比重，再与标准比率或行业平均比率进行比较，从而得出企业财务状况的综合评价值，确定其相应的信用等级。这种方法直观、操作简单，财务数据的准确性直接影响信用评估结论的有效性。但由于这种方法忽略了那些财务报表不能反映的因素，使评级结果令人质疑。
（二）统计分析法 这种方法包括以下几种类型：（1）多元判别分析法（MDA）。在国内外的信用评级研究中，MDA方法得到广泛的关注和应用。该方法通常以历史上每个信用类别或总体的若干样本为依据，从中总结出分类的规律性，建立判别公式，以此判别某一特定对象所处的信用类别。这种方法最突出的优点是它在模型方法上的简单性，这使得MDA方法很容易处理高维数据和扩展到非线性情形。但多元判别分析方法有严格的前提假设，它要求指标服从正态分布和等协差方阵，然而实际上指标数值往往满足不了这一要求。（2）Logit和Probit分析判别方法。Logit模型采用了一系列的财务比率来预测信用风险发生的概率，然后根据不同需求者的风险偏好设定信用风险警戒线，以此对分析对象进行风险定位。其不要求满足正态分布或等方差，从而消除了MDA模型的局限性。但其缺点是样本数量不宜少于200个，否则参数估计将出现偏差。在Probit模型中，采用的概率函数则是累积标准正态分布函数。虽然Probit模型与Logit模型相似，但并不像后者那么应用广泛。这是因为该模型包括了非线性估计，计算量较Logit模型大。（3）聚类分析法（Cluster Analysis）。这是一种非参数方法，其主要思路是根据指标间的相关性或者样本间的相似性对指标或样本进行归类。因为该方法不要求总体服从特定分布，并可使用名义尺度和次序尺度进行测算，所以其在信用风险评估领域得到广泛应用。（4）K近邻判别法。这是另一种应用比较广泛的非参数方法，在信用风险评估领域应用时，一般取马氏距离，并依据评估指标对象的各项评估指标进行分类。样本容量相对较大的类域，较小样本而言，更宜采用该算法。（5）层次分析法（AHP）。该方法将需要研究的问题分解为不同的组成元素，建立有序递阶层次结构，通过两两比较，确定层次中诸因素相对于上一层次某一因素的重要性，构造出两两比较判断矩阵，然后综合人的思维判断决定各因素相对重要性总的排序。由于相对于其它方法，层次分析法更重视人的思维判断在决策过程中所发挥的作用，所以它更适用于解决定性与定量因素相结合的问题。
（三）人工智能分析法 随着信息科技的逐步发展，人工智能（AI）模型逐渐被引入到信用风险评估当中，常见的AI模型主要有神经网络和遗传算法。（1）神经网络。人工神经网络是对人脑结构和功能的抽象和模拟。它由大量的非线性单元广泛互连而成，以神经元间广泛的互连分布来存储信息，以非线性神经元来协同处理信息。因此其具有大规模并行处理、极强的鲁棒性和容错性，以及强大的学习功能。其最大的缺点是随机性较强。因为要得到一个较好的神经网络结构，需要人为地去调试，非常耗费人力和时间，因此其应用范围受到了限制。（2）遗传算法（GA）。其原理是通过遗传算子对群体的网络集合不断改进，并能够把优良结构保持到下一代，或产生新的优良结构。在信用风险评估领域，其应用的关键在于开发适当的结构描述方法来表示风险识别的标准。但由于GA中定长编码机制的局限性，使其面对复杂问题时，编码出现困难或过长，从而使得这种方法在实际运用中遇到了很大的困难。
结合我国实际，笔者认为，AHP法比较适合作为我国现阶段中小企业信用评级的工具。一方面，其在技术上容易实现；另一方面，这种方法能将定性分析和定量分析很好的融合在一起。
二、我国中小企业信用评级指标体系的构建
（一）我国中小企业信用评价指标设计 我国中小企业数量庞大、良莠不齐，资金实力相对较弱，财务制度不够健全。因此，在对中小企业进行信用评级时，笔者认为可以在参阅国内外企业信用评级的大量研究成果的基础上，结合国情和中小企业特点，适当降低财务指标的分析权重，加强对中小企业管理者素质、企业创新能力、行业发展前景等“软信息”的关注。此外，对中小企业进行信用评级时，还应综合考虑其成长性、收益性、风险性，从而更科学合理地反映中小企业信用状况。
笔者将中小企业信用评级指标划分为定性和定量两大类，以此建立我国中小企业信用评级指标体系。定量指标的设定，一方面参照传统的信用等级评价方法，通过对财务报表的分析，了解企业的资产财务能力，主要包括营运能力A1，偿债能力A2，盈利能力A3。其中营运能力A1又从流动资产周转率C11、存货周转率C12、应收账款周转率C13三个方面来分析。偿债能力A2主要包括衡量短期偿债能力的指标：速动比率C21、营运资金与总资产比率C22，以及反映长期偿债能力的指标资产负债率C23和利息保障倍数C24。盈利能力A3通过净资产收益率C31、成本费用利润率C32、总资产报酬率C33三个指标反映。另一方面，针对中小企业的特点，在传统信用评级方法基础上，加大对其创新成长能力A4的考察，指标包括研发人员占员工比率C41，知识产权拥有数量C42，净资产增长率C43。
由于中小企业自身特点，笔者认为对中小企业的信用评级更应关注对定性指标体系的设计。我国中小企业多为私营或民营企业，管理者对企业的经营和发展起着决定性作用，因此，定性指标中首先考查中小企业管理者的素质，包括个人信用记录C51、个人经历C52（如学历、职称、从业年限等）、管理层风险偏好C53。此外中小企业自身的综合素质也是定性指标考察的重点，包括财务报表质量C54、社会影响力及口碑C55、行业发展前景C56（如图1）。
（二）基于层次分析法的指标权重确定 根据影响中小企业信用的主要因素，构建相应的信用评级指标体系之后，需要确定各个指标的具体权重。
首先，笔者参考国际惯例和国内具有代表性的权重设计方案，将定量和定性两类指标对中小企业信用的重要性做一个整体的权重划分。根据企业信用评级的国际惯例，一般将定量指标权重设定较大，定性指标权重相对较小，通常设定为60%和40%。具体到我国企业信用评级的具体情况，参考我国四大国有商业银行的客户信用评级体系和多家评级机构的企业信用评级体系，我国中小企业信用评级的定量指标权重围绕在60%~70%之间，定性指标则在30%~40%范围内浮动。参考国际企业信用等级通常划分为九级，满分100分的原则，为了简化运算，尽量使定量模型满分能被9整除，即定量指标权重设定为63%，定性指标权重为37%。
其次，在建立目标层次结构，并确定定性和定量两大指标权重之后，须要运用AHP法分别确定体系中各层次指标的具体权重，分为以下三个步骤：
一是构建两两比较的矩阵。通过专家评分法，对同一层次的各元素关于上一层次中某一准则的重要性进行两两比较，并对专家评价分值进行加权平均，其比较结果以1~9标度法表示。各级标度的含义如表1所示：
二是计算各评价指标的相对权重。根据AHP根法计算n阶判断矩阵每一行元素乘积的n次方根，公式为：Vi=■。
然后，对结果进行归一化处理，得到的就是相对权重向量。公式为：
wi=■。
三是进行一致性检验。由于判断矩阵是人为赋予的，可能出现如“甲比乙极端重要，乙比丙极端重要，而丙又比甲极端重要”的判断，这显然是有违常识的，一个混乱的矩阵有可能导致决策上的失误，故需要一致性检验来判断矩阵的可靠性，步骤如下：
（1）计算判断矩阵的最大特征根λmax 。
（2）计算一致性指标CI，CI=■。
（3）通过查表确定相对应的平均随机一致性指标RI（random index），见表2：
（4）计算一致性比率CR，CR=■，若CR