提要：本文在分析现有关于高校贷款风险评价方法的基础上，采用模糊数学法，建立高校贷款风险评价模型，并利用专家职业判断，综合应用定性分析和量化标准，选取教育部直属的两所综合性大学进行实例分析。实例表明，该方法科学有效，为高校贷款风险评价提供了新的思路。
关键词：高校贷款风险;模糊数学;评价模型
一、引言
据中国社会科学院发布的《2022年：中国社会形势分析与预测》显示，2022年以前，我国公办高校向银行贷款总额达1，500～2，000亿元，几乎所有的高校都有贷款。巨额债务已成为制约高校发展的重要因素，个别学校甚至资不抵债，破产隐患凸显。面对如此形势，如何才能正确客观地评价并最终规避高校贷款风险呢?就目前的研究情况来看，人们对高校贷款风险的评价主要是基于两种方法进行：
1、基于风险指数评价的贷款风险。教育部和财政部共同开发了高等学校银行贷款额度控制与风险评价模型。谢立本在上述模型的基础上通过对可偿债资金进行调整重新计算了贷款控制额度。郑鸣、朱怀镇则是通过一系列统计指标构建了高校贷款风险指数。
2、基于财务指标评价的贷款风险。李永宁、李瑞红和黎凯考核了影响高校贷款风险的主要财务指标，然后建立了财务指标分析体系。黄丽萍则利用因子分析法实现了高校债务风险的综合评价。
现有的关于高校贷款风险评价的研究有以下特点：①贷款风险指数能简洁直观地评价贷款风险的大小，但指数容易受人为因素影响而无法真实反映贷款风险;②财务指标体系较为全面地反映了高校贷款风险，但大多指标没有突出高校与其他营利或非营利机构的区别，且以定性分析为主;③风险指数和财务指标的风险临界值精确性不高;④高校贷款风险的综合评价较少。为了克服现有方法的缺陷，提高评价的效果，本文尝试采用模糊数学法对高校贷款风险进行评价。该方法在建立评价指标的基础上，结合了定性和定量分析，通过多个评价指标的综合作用进行风险评价。
二、高校贷款风险模糊评价
(一)评价指标的选取。要有效地评价高校贷款风险，首先必须设计一套评价指标。高校作为非营利性组织，与企业有着本质的区别，其贷款风险主要表现在不能按期支付利息或到期偿还本金以及由贷款引发的其他财务风险。本文在综合了已有研究思想和观点的基础上，选择了偿债能力、年末货币资金构成和自有资金动用程度三方面的指标作为评价指标。其中，偿债能力指标主要有现实支付比率和潜在支付比率，年末货币资金构成指标主要是自有资金余额占货币资金比率，自有资金动用程度指标主要是自有资金动用比率。各项指标解释如下：
1、现实支付比率。现实支付比率是指全部货币资金的结存额与月平均支出额的比值。其计算公式为：现实支付比率=(年末银行存款+年末现金)/月平均支出额;月平均支出额=全年支出总额/12。现实支付比率反映了高等学校货币资金可供正常运行管理所需的周转月份数，指标值越大，表明现实支付能力越强，还贷能力就越强;反之则越差。
2、潜在支付比率。潜在支付比率是全部货币资金的结存额以及可变现的债券投资、应收票据、借出款，减去借入款、应缴财政专户之和与月平均支出额的比值。其计算公式为：潜在支付比率=(年末银行存款+年末现金+年末债券投资+年末应收票据-年末借入款-年末应缴财政专户-年末应交税金)/月平均支出额。该指标反映了高等学校货币资金与所有短期可变现资产扣除短期应支付款后满足正常运行管理所需的周转月份数，指标值越大，体现高等学校潜在的支付能力越强，反之则越弱。
3、自有资金余额占货币资金比率。自有资金余额占货币资金比率是学校自有资金余额与年末货币资金的比值。其计算公式为：自有资金余额占货币资金比率=(年末事业基金-投资基金+年末专用基金-留本基金)/(年末银行存款+年末现金)。该指标反映了高等学校货币资金中实际可控制的资金所占的比重，指标值越大，表明学校可支配自有资金越多，在资金结构上，自有资金越多则面临的贷款风险越小;反之则越高。
4、自有资金动用比率。自有资金动用比率是应由自有资金负担的年末应收及暂付款中非正常周转垫款、对外投资、借出款与自有资金的比值。其计算公式为：自有资金动用比率=(应收及暂付款中非正常周转垫款+年末对外投资+借出款)/(年末事业基金+年末专用资金-留本基金)。该指标衡量了高校净资产中实际可控制资金的利用程度，指标值越小，表明自有资金动用越少，可供学校发展的资金就越多;该指标值越大，则学校的发展可能受到制约。该指标值的大小与高校的偿债能力成反比。
(二)模糊数学思想。经典的集合论认为，一个元素要么属于某个集合，要么不属于某个集合，没有介于二者之间的其他情况。1965年美国加利福尼亚大学的查德教授创立了模糊集合论，设法用一个取0～1之间小数的隶属度(即隶属于某个集合的程度)，来对那些处在属于和不属于之间的模糊事物进行可靠的定量分析。就高校贷款风险评价而言，其模糊性主要表现在两个方面;一是评价内容的模糊性。不能按期支付利息或到期偿还本金的风险是显性和直接的，评价较容易;而由贷款引发的其他财务风险则是隐形和间接的，评价也较困难。二是评价界限的模糊性，即高校有无贷款风险以及风险大小的边界是模糊的。
(三)评价模型的构建。在前面确定了高校贷款风险评价指标的基础上，运用模糊数学中的隶属度，调查了解某类高校中所有高校的各项实际指标的低值(后进水平点)和高值(先进水平点)，并将低值设定为0，高值设定为1，建立起区间[0，1]，然后分别将各项指标的实际数据映射到对应的[0，1]区间上，得到各项指标的隶属度。
为了简化运算过程，我们通过简单的线性插值法来求得各项指标在[0，1]区间上的隶属度。根据平面上的两点决定一条直线，设后进水平点的坐标为(X1，Y1)，先进水平点的坐标为(X2，Y2)，则能够建立直线方程式：
(X-X1)/(X2-X1)=(Y-Y1)/(Y2-Y1)(1)
在(1)式中，已经规定Y1=0，Y2=1，(1)式可以整理简化为：
Y=(X-X1)/(X2-X1)(2)
利用公式(2)，近似地求出各项指标的隶属度。
事实上，由于各项实际指标的重要程度并不完全一样，所以还必须给出它们的隶属度在分配上的不同权重。权重也是一个模糊集合问题，具有多种不同的计算方法，如幂法(也称几何平均法)较为科学但计算较复杂、主观概率设定法计算过于粗糙等。为兼顾科学和简便，本文设计了一种排序打分法。具体做法是，邀请若干专家，让他们根据自己的理解和判断，对各项实际指标从重要到次要进行排序打分。最重要的指标打10分，次重要的指标打9分，以此类推，排在最后的一项指标打1分，随即得出每位专家对各项实际指标的打分总和，且总和为相同常数，之后再将各项具体指标的得分分别求和，并分别除以上述打分总和与专家人数的乘积，得到各项实际指标的权重Qj：
在此基础上，建立贷款风险的评价模型：
P=f(1，2，3，，n)(4)
则高校的贷款风险指数：
其中，j为某项指标的隶属度，Qj为某项指标的权重，Pz为各项指标隶属度的加权平均值。考虑到人们评判的习惯，采用百分制将高校的贷款风险指数Pz扩大100倍，得出评价风险的综合分值：
Pj=100Pz(6)
三、模型实例分析
为了更好地对高校贷款风险进行评价，本文把风险评价等级分为很低、较低、一般、较高和很高五个等级。用上述介绍的模糊数学方法对教育部直属的两所综合性大学进行评价分析。
(一)数据采集。本文采用教育部对外公布的高等学校财务统计数据计算了各项评价指标。两所教育部直属的综合性大学评价指标实际值与教育部直属的该类大学评价指标总体比较的数据见表1，由于自有资金动用比率为逆指标，所以取其倒数计算。综合性大学评价指标高低值对比数据见表2。(表1、表2)
(二)计算各项指标的隶属度。根据公式(2)，分别计算出各项实际指标的隶属度，见表3。(表3)
(三)计算各项指标的权重，得出综合分值。根据排序打分法及公式(3)，由专家对上述实际指标打分，分别计算出各项指标的权重，见表4。(表4)
根据公式(4)、(5)可计算出各高校贷款风险评价的综合分值，见表5。(表5)
由公式(6)可知，在两所教育部直属的综合性大学中，大学A的综合分值为71.46，贷款风险较低。而大学B的综合分值仅为12.98，贷款风险很高。其中，需要指出的是，大学B的现实支付比率、潜在支付比率和1/自有资金动用比率分别为2.88、7.7和0.34，明显低于教育部直属综合性大学的平均水平，这可能是使其综合分值低的重要原因。而大学A的情况则刚好与之相反，从所构建的评价模型可以看出，偿债能力的强弱和实际可控货币资金的多少是决定高校贷款风险高低的重要因素。因此，本案例中的大学B应着重从这两个方面入手，对症下药，找出解决方案，才有可能降低贷款风险使自身获得健康、稳定的发展。
四、结束语
通过上述案例分析，其分析结果与事实基本相符，这说明了该评价模型的可靠性。可见，通过模糊数学法能更全面、更深入和更实际地评价高校的贷款风险，可为高校的管理决策者和各级财政管理部门提供一种行之有效的评价方法。该方法兼顾了客观实际和主观因素的双重影响，结合了定性分析和量化标准，能全面综合地评价高校贷款风险状况。但由于本文研究条件有限，模型的可靠性和稳定性还有待进一步检验与发展。
参考文献：
[1]教财[2022]18号.教育部、财政部关于进一步完善高等学校经济责任制加强银行贷款管理切实防范财务风险的意见.
[2]关于高校贷款风险防范的思考.教育财会研究，2022(1)：30-33.
[3]谢立本.对高校银行贷款额度控制与风险评价模型的调整.教育财会研究[J]，2022(2)：21-27.
[4]郑鸣，朱怀镇.我国高校贷款风险的预警研究.高教探索，2022(6)：36-39.
[5]黄丽萍.我国普通高校负债发展的风险研究.西安科技大学硕士学位论文，2022.
[6]丁玉芳，单广荣.基于模糊数学方法下的企业盈利能力评价模型.西北民族大学学报，2022(9).
查看全文
false