Page 20 - 电力与能源2024年第三期

294 栾晶晶，等：基于组合赋权—云模型的电力市场主体信用风险评估

在绩效层面，评估指标应全面反映企业的经 重要程度，指标赋权的方式可以分为主观赋权和
营绩效和财务状况。首先，营业收入增长率 C 31 是 客观赋权两大类：主观赋权容易受到专家主观意
衡量企业经营能力和市场竞争力的重要指标，能 志的影响，缺乏客观性和严谨性；客观赋权在当数
够反映企业在产品质量和市场营销能力等方面的 据本身偏差较大时，容易出现权重与实际不符的
表现。其次，净利润率 C 32 是衡量企业盈利能力的 情况。基于此，本文采用主客观相结合的组合赋

指标，体现了企业在成本控制能力、经营效率和市 权法，相较于传统的赋权方法，主客观组合赋权方
场定位等方面的表现。再次，资产回报率 C 33 和投 法能够充分考虑主观赋权和客观赋权的局限性，
资回报率 C 34 是衡量企业资产利用效率和投资效 更好地融合专家主观意见和客观数据信息，提高
益的重要指标，可以直接反映企业在资产配置能 评估结果的客观性和准确性。本文主观赋权采用
力和投资决策能力方面的表现 ［10］ 。最后，客户满 属性层次模型，客观赋权采用反熵权法，最后基于

意度 C 35 能够衡量企业服务质量和客户关系管理 合作博弈模型确定组合权重。
能力，反映了企业在服务态度、服务质量和客户满 2.1 属性层次模型确定主观权重
意度等方面的表现。 属性层次模型是一种常用的主观赋权方法，
1.2 评估指标的获取方式 可 以 用 于 确 定 不 同 因 素 对 评 价 对 象 的 影 响 程
在获取电力市场主体信用风险评估指标时， 度 ［13］ 。该模型通过构建元素层次结构和准则层次
需要遵守保密原则和相关法律法规，严格保护市 结 构 来 确 定 指 标 的 相 对 权 重 。 与 层 次 分 析 法
场主体的商业机密。同时采取多种获取方式，结 （AHP）相比，属性层次模型的结构及计算方法都

合内外部信息，以减少信息误差，提高评估准确 更为简单，只需建立元素层次结构和准则层次结
性。本文评估指标的获取方式主要有以下 4 种。 构即可，便于决策者进行分析。此外，属性层次模
（1）直接采集。直接向市场主体获取相关信 型的元素层次结构和准则层次结构都是树状结
息，例如财务报表、资产报告、经营计划和业绩预 构，添加或删除一个因素，不会影响到其他因素的
测等。这种方式需要与市场主体建立良好的信任 权重计算，因此该模型易于修改。运用属性层次

关系和访问渠道。 模型计算指标主观权重的步骤如下。
（2）数据挖掘。通过大数据分析和数据挖掘 （1）构建比较判断矩阵。对于元素层次结构
技术，获取市场主体在网络上公开发布的信息，例 或准则层次结构中的每个层次，将其包含的所有
如新闻稿、社交媒体动态、行业报告、专业研究等。 因素两两进行比较，并使用 1~9 之间的整数表示
该 方 式 可 以 更 加 客 观 地 评 估 市 场 主 体 的 信 用 其相对重要程度，具体标度及含义如表 1 所示。
风险。 根 据 比 较 结 果 构 建 一 个 比 较 判 断 矩 阵 A =

（3）信用平台获取。通过电力信用平台或国 ( a ij ) m × n。
家企业信用信息公示系统，获取电力市场主体的 表 1 1~9 比例标度及含义
信用评级或信用报告等信息。 标度 相对重要程度
1 指标 i 与指标 j 相比，具有同等重要性
（4）综合评估。通过市场调查、客户满意度调
3 指标 i 与指标 j 相比，具有稍微重要性
查、信息查询和信用报告等方式，对市场主体进行 5 指标 i 与指标 j 相比，具有明显重要性
综合评估。这种方式结合了多个角度和多个来源 7 指标 i 与指标 j 相比，具有强烈重要性
9 指标 i 与指标 j 相比，具有极端重要性
的信息，可以减少单一信息来源可能带来的偏差
2，4，6，8 介于上述相邻判断之间
和局限性。 指标 i 与指标 j 以及指标 j 与指标 i 的比较结果互为
倒数
倒数
2 组合赋权确定指标权重
（2）计算属性判断矩阵。对比较判断矩阵进
指标赋权是评价各指标在总体评估中的相对 行归一化处理，将其转化为权重矩阵，使得所有元