【《建筑施工企业信用监测问题研究》开题报告7700字】

建筑施工企业信用监测问题研究开题报告1.1研究背景与问题提出1.1.1研究背景当前，建筑业发展已逐步迈进面向新型工业化、集约型城镇化发展的新高度，并作为国民经济支柱保持较好态势继续发展。由近十年统计数据可知[1]，建筑业增加值占比GDP6.75%以上（如图1-1所示），其在2020年的增长速度已经超出GDP增速，达到近十年来的最高值7.18%。建筑业生产总值在今年增加至263947亿元。至2020年底，全国拥有的建筑企业更是突破十万家。在生产与经营规模快速扩张的态势下，为建筑业高质量发展开创崭新的前景。图1-1建筑业增加值占国内生产总值比重在企业数量连年攀升及业务规模不断扩大的背后，凸显出的是行业监管手段与机制不完善，企业对市场行为缺乏自我约束导致的信用缺失现象大量涌现。失信行为主要表现在资质获取、履约交易、质量安全事故等方面。在资质获取方面，企业为承揽超出实际建设能力的工程项目，以挂靠、虚假申报骗取企业资质。在履约交易方面，关于工程获取的失信存在以行贿承揽业务；以围标、串标、截标获取中标；非法分包或转包建筑工程的违法违规行为。关于现场施工的失信包括为谋取不正当利益对约定规格、数量、品牌等属性的建材设备的削减或替换；违背图纸、标准要求的施工；不履行强制规定的对竣工工程的后期维护。关于违约合同的行为包括不予雇佣劳务形成用工关系，以各种理由拖欠工资；不履行与合作企业签订的经济条约导致的仲裁、诉讼。在质量安全管理方面，因建筑主体施工安全防护措施、大型机械设备检测、安全管理责任制未落实到位等导致重大质量安全事故发生。凡此种种的建筑企业信用缺失严重违反职业操守，更造成建筑市场的混乱秩序，导致损害行业自身以及社会利益。1.1.2问题提出建筑施工企业的信用行为普遍体现在生产建设、履约合同、市场运作等诸多方面，而企业信用优劣程度对建筑业整体信用水平的影响十分显著。面对当前建筑施工企业信用缺失，市场经营秩序混乱的现象，如何在建筑施工企业的市场活动全过程中对其信用状况进行动态的监测，实时掌握建筑施工企业的信用水平至关重要。根据对国内外相关文献的检索，目前在建筑业还缺少对施工企业信用动态监测的研究。本文从此方向开展深入研究工作，为我国的建筑业诚信建设提供支持。本文针对建筑业信用动态监测进行深入系统性分析研究，以建筑施工企业作为动态监测对象，构建信用动态监测指标体系，建立信用动态监测模型，形成定量、动态的建筑施工企业信用监测，促进打造以信用为核心的健康经营环境，实现企业信用水平提升，推动建筑业信用建设稳步发展。本论文得到中国建筑业协会《建筑业信用情况动态监测与信用修复研究》课题的支持。1.2研究目的和意义1.2.1研究目的本文将建筑施工企业信用视为研究对象，为实现监测指标的严谨性与客观性，在文献与标准梳理基础上，开展专家访谈，对筛选后的监测指标进行问卷发放与分析。选取企业基本情况、财务表现、科技创新及成果、工程荣誉、严重失信行为五个维度，结合层次分析与熵权进行信用动态监测指标组合赋权，构建信用动态监测指标体系。运用网络爬虫技术与组合赋权的TOPSIS多目标决策法构建信用动态监测模型，结合真实数据判断企业信用动态，为建筑施工企业的信用监测提供一种有效途径。信用动态监测模型的运用有助于实现政府监管部门规范建筑施工企业市场行为，同时利于企业强化自身信用建设意识，推动建筑业信用建设的稳步发展。1.2.2研究意义本文构建科学、客观的建筑施工企业信用动态监测模型，有助于企业提升信用水平建设，监管部门强化信用监管力度。本文主要研究意义总结如下：（1）提出可量化的信用动态监测指标体系现有的建筑业信用评价指标体系中多采用定性指标作为评价因素，信用评价结果多实行信用综合评分制。然而定性指标缺乏数据支持，代表的信息真实程度有限，更容易受到主观因素的干扰，评估企业信用真实情况可能存在偏差。本文建立的信用动态监测指标体系，强调监测指标的可定量性与易获取性，实现客观科学的动态监测，以规范企业的生产经营行为。（2）有利于建立系统化的建筑施工企业信用动态监测模型将爬虫技术、组合赋权法、TOPSIS方法相结合，应用于构建信用动态监测模型，提出一种针对信用信息广泛收集与计算的信用监测方法，更能够提升企业信用水平判断的全面性与准确性，旨在建立科学客观的信用动态监测模型，约束规范企业市场行为，从而强化完善信用动态管理。（3）有利于监管、规范建筑施工企业市场行为利用动态监测模型得到的信用结果可服务于监管部门以及建筑企业。从监管效力来看，实现信用动态监测在加强市场监管力度，控制企业合理合法经营，恢复公平市场秩序方面具有实际意义。从建筑企业来看，动态监测强化企业内部的自我管理。企业为获取工程竞争优势及行业荣誉等切身利益，从而强化企业领导、主管与基层人员的信用意识，并转化为信守合约法规等实际行为，增强企业核心竞争力。（4）有利于推动我国建筑业信用体系建设信用动态监测指标体系以及动态监测模型建立，有利于保证企业信用监管手段的科学性与客观性，提供一种实时监管建筑施工企业的系统性方法，从而满足建筑业诚信建设需求。1.3国内外研究现状1.3.1信用评价体系研究现状国外研究现状信用评价一词最早由美国提出，目前发达国家具备相对较为健全、完善的社会信用体系建设。由于各国国情、法律文化、经济状况等方面的差异，国外的信用体系大致可以分为三类：以美国为代表的完全市场化运作；以法国、德国为代表的以政府和中央银为核心的全覆盖信用监管；以日本为代表的行业协会征信[2]。由于外国国家的信用体系建设发展相对较早，国外学者在信用评价体系方面有较为深入的研究。早在19世纪，当今极负盛誉的信用管理企业邓白氏公司（Dun&Bradstreet）正式成立，标志着信用评估与企业征信进入崭新发展阶段。邓白氏公司将企业的信用评级重点放在企业发展指数、风险分析、付款信息、财务实力等方面[3]。随着众多信用评估机构的成立，各企业纷纷围绕不同业务领域多维度构建信用评估体系，其中最为知名的企业包括穆迪（Moody）、标准普尔（Standard&Poor's）等。5C信用评价从品质、条件等五个层面实现对客户的综合评估，规避机构经营风险[4]，是普遍用于风险分析的具体方式。财务指标是一项判断企业信用的重要影响因素，它反映企业在市场经营环节的盈利与经营状态，同时是判断企业抵御风险能力的代表。因此部分学者将流动比率，资产负债、速冻比率等常规财务指标归纳为反映企业信用的因素[5-6]，以定量指标客观反应企业真实信用情况。为保证信用评价体系的全面科学，在关注定量的财务指标外，企业组织管理、社会因素的非财务性指标对企业信用的影响也是专家考虑的重点[7]。为丰富建筑业信用评价指标，强化信用评价体系实际运用效果，Abraham指出企业信用评级有必要借鉴其他行业的评估准则，除财务指标外，管理制度、公司业绩、组织结构等指标也是影响企业信用优良的重要因素[8]。包含财务状况、信誉、技术与管理水平、安全等多维度信用因素是Jaskowsk建立的建筑施工企业信用评价标准[9]。Chen对信用风险因素划分为两个层面，包括企业自身的成长发展、运营周转、举债与盈利平衡等因素以及外部影响的宏观政策、市场环境等，并在此基础上评价企业信用等级[10]。Chaghooshi等将管理水平、成本报价、技术经验等纳入信用评级体系[11]。为实现信用优劣比较，Balubaid关注了企业财务表现、具备资源、现今及过往工程建设规模与经验、现场安全管理等六个方面，并制定相应评判标准[12]。Bayraktar等认为企业资质、连续发展、承建能力、资金实力是评价承包商履约状况的通用标准[13]。国内研究现状对比发达国家信用建设，孙德厚阐明我国的诚信体系建设进入建筑业起步较晚，在信用评价体系与信息库平台建设中的科学性与统一性存在不足等问题[14]。张祖斌认为建筑业信用建设驱向多元化、复杂化，目前信用监管体系尚不健全，对待建筑行业参与主体的守信激励、失信惩戒制度尚未严格落实、信用评价标准尚未统一等问题亟待解决[15]。刘莉、辛同则重点强调第三方征信机构对建筑市场征信的影响[16]。随着信用基础研究的日益成熟和建筑业诚信建设大力有序开展，构建严谨有效的建筑企业信用评级指标体系是研究学者的关注重点。在信用指标选取方面，通过深入分析企业信用危机，刘晓峰和齐二石结合建筑业特点属性设计信用评价系统。该系统从人力资源、工程项目等五个层面计算企业信用得分，信用评级系统的数据从部门、行业、机构、企业处收集，并面向用户提供企业信息与研究报告服务[17]。郑磊、吕俊友等人通过严格界定了建筑企业信用的内涵，将企业诚信划分为环境、投标、履约等五方面，实现对建筑业企业诚信建设的指标补充[18]。鲍利佳分析企业主要信用行为，剖析我国建筑业信用评价发展面临的障碍与困难，并充分借鉴国内外信用评价体系，归纳出包括资质使用获取、生产交易等4方面9项指标对建筑企业进行信用审查[19]。鲍依蓓将指标体系构建的重点放在市场准入、建筑交易、工程承揽、质量管理、拖欠工程款和工资等5个一级指标和19个二级指标，并提出企业信用值计算标准[20]。扶润劲关注到中小型建筑企业与大型建筑企业间的差异，提别强调中小型企业的信用信息需求以及评价体系建立的重要意义[21]。辛立秋等从财务水平角度出发对建筑业上市公司的信用风险进行评估，构建的风险评估体系包括比例结构、现金流分析等6方面，共计27项具体指标[22]。刘帅将企业资质、声誉、财务实力、专业能力四个方面因素进行扩充，构建包含10项指标的企业信用评估体系[23]。1.3.2信用评价方法研究现状国外研究现状在企业信用评价方面，大部分学者运用多种基础理论与科学方进行信用评价模型构建，实现对企业信用评级与信用风险预测的客观准确判断。关于典型判别方法对于信用评价模型的构建，Nandi指出在信用风险管理中为了规避银行风险，需借助多元判别建立企业信用评级[24]。Maria等人结合判别与支持向量机的综合运用来衡量小型企业的信誉，从而预测违约，通过实证分析表明信用评价模型方法运用的合理性[25]。Harris与Niklis均选择支持向量机的方法构建信用评价模型，前者综合分析多种支持向量机方法，提出聚类支持向量机能够更好的评估企业信用，达到信用评级的目的[26]，后者利用用户数据实现对上述模型可靠情况的查验[27]。通过实证结果表明，部分学者认为人工智能、神经网络等方法在企业信用评价模型建立以及合作方信用预测方面表现出色。在信用评价模型的实际应用中，相比之下混合神经网络在提升模型预测准确度方面更具备优势[28]。结合数据的属性特征，局部线性模型树算法能够很好的预测并校准信用等级[29]。针对系统分类方法，Twala实例分析表明，这种方法可以使信用风险预测模型准确度大幅度提升[30]。关于建筑市场履约行为方面，众多学者对承包商市场行为的风险做出研判。Kagari深入分析工程承包风险主题，采用神经网络与模糊评价支持承包风险研究[31]。为达到专家对承包商风险测算精准的目的，运用同类型方法，Marsh等开发出专家决策支持系统[32]，Al-Sobiei提出履约风险预测算法[33]。国内研究现状2005年，原建设部强调推进行业诚信建设，这标志着我国正式将建筑行业信用体系建设作为一项重点工作纳入到国家的整体发展格局中。目前，国内学者对建筑业信用建设的评价模型构建方面取得丰富研究成果。大部分评价模型的构建都会涉及到信用评价指标赋权的研究，通过对学者研究成果的梳理，主观赋权、客观赋权以及二者结合的方法最为主要。为显著区分企业是否违约，孟斌等学者提出一种全新的指标权重求解思路，即结合方差检验法、熵权法与CRITIC法的组合赋权方法。以权重大小判断企业偏离总体程度，进而运用权值计算的信用得分构建目标函数。依据目标函数最大化得出组合赋权系数，成功建立企业信用风险评价模型[34]。部分学者向政府、高校专家发放问卷获取信用指标重要度，并构建信用评价的结构方程模型，结合信用评价计分标准，佐以实际案例证明模型效用[35]。仲冉和陆惠民运用SPSS弱化评价指标之间的相关性，在层次分析法基础上结合变精度粗糙集，有效解决信息分类不精确问题，并确定指标间的重要程度[36]。在完善建筑企业融资的信用评价与预判方面，王翠萍首先利用粗采集理论确定指标体系，利用物元分析判断初次融资方的信用状况，提升投资方抵御信贷风险的能力；将马尔科夫链引入对存在合作关系的融资方的信用预测[37]。企业信用受客观环境与不同利益相关者的语言表达与偏好影响较大，为解决上述问题，陈杨杨建立不同利益群体信用评价的二元语义模型，求解企业信用群体综合评价，最大程度保留各主体的评价信息，提供更加准确的承包商信用评价方案[38]。围绕信用风险相关理论与指标选取，腾培胜提出信用风险预警模型，但由信息不对称造成的模型数据失真问题仍时一大难题[39]。张可等人以政府为企业信用评价切入点，通过30家企业数据建立神经网络模型完成实证分析，认为trainlm算法的神经网络在政府监管的信用评价方面具有良好运用，强化信用评价模型的客观性[40]。孙颖和刘伊生提出履约担保与建筑市场主体信用紧密联系，将企业信用结果体现在履约担保制度中，实现对建筑企业的强力约束，进而提出针对二者耦合关系的信用评级模型[41]。1.3.3国内外研究现状评述通过对国内外已有的研究成果进行整理可以发现，目前关于推动诚信体系发展的研究主要包括：信用体系建设、信用评价体系和信用评价方法三方面，为本文研究提供一定的参考和借鉴价值，但仍有几个问题有待深入探讨：（1）信用评价指标大多难以量化关于信用评价体系方面的研究，国内外学者在指标选取方面多采用为定性指标，如：企业素质、人力资源、管理制度、发展战略等。由于定性指标难以量化存在主观偏误，可能无法反映企业真实客观的信用情况，评价指标更应该重点考察企业日常行为，以日常履约、违约情况作为信用评价依据。（2）缺乏有效的信用动态管理在建筑业信用评价方法研究中，国内外学者对信用动态监测方面的研究较少。由于我国建筑行业信息化水平与信用监督机制存在不足，尚未完全发挥出建筑行业信息公示平台优势，这就为企业日常行为公开、信用实时共享带来一定程度的障碍，难以对建筑企业形成动态的信用监督。因此必须通过改善现有的建筑业企业信用监测环境，提升信息化技术运用，建立建筑业企业信用监测体系，将信用监管落实到位，使得建筑企业在合法、稳健的环境中运行，进而推动行业诚信建设。综上所述，本文在已有的研究成果上，针对加强对建筑施工企业的监管力度，提升企业信用水平的重要目标，构建信用动态监测指标体系，完成指标赋权并建立信用动态监测模型，结合具体企业进行实证分析，为促进建筑业高质量发展奠定坚实信用基础。1.4研究内容和研究方法1.4.1研究内容本文致力于选取易量化、易获取的指标，同时结合问卷数据与专家研讨，确定信用动态监测指标，运用爬虫技术、组合赋权法、TOPSIS法建立信用动态监测模型，主要研究内容如下：（1）建筑施工企业信用动态监测指标体系的建立通过梳理文献和行业标准，构建建筑施工企业信用监测的指标初选库。借助专家访谈、走访调研，借鉴专家丰富的行业经验，考虑信用动态监测指标的可操作性与可评价性对初选指标进行筛选。对筛选后的指标制作调查问卷，并发放给建筑业及相关领域从业者，邀请对监测指标重要程度与指标结构进行判断，确定出最终信用动态监测指标。采用主客观结合的方式求得监测指标组合权重，完成信用动态监测指标体系构建。（2）建筑施工企业信用动态监测模型的构建以网络爬虫技术、组合赋权法、TOPSIS法作为模型构建的关键技术，提出模型构建的总体原则与框架，阐述信用动态监测模型求解流程。通过动态监测模型对信用数据的收集、处理以及量化分析，能够得出企业的信用动态排序，有助于实现政府及行业监管部门对建筑施工企业的实时监测与企业内部的信用提升。（3）建筑施工企业信用动态监测模型的实证分析选择具有代表性的大型建筑施工企业，以半年为一次监测周期，从国家、行业等官方信用公示公开网站爬取各项监测指标的基础数据，运用动态监测模型实现对信用数据的处理与计算，以相对贴近度作为评判建筑施工企业信用动态变化的依据，分析各企业之间与企业自身的信用变动并对信用动态监测模型应用给出相关建议。1.4.2研究方法本文采用多种理论与技术，结合诚信建设需求对建筑施工企业信用动态监测。图1-2为本文的技术路线。（1）文献研究对国家政策、行业标准、国内外文献数据库进行有关信用建设及评价文献的搜索、收集与阅读，获取国内外研究现状，分析当前研究领域的不足。依据建筑业诚信建设需求，整理得出建筑施工企业信用动态监测指标初选库，为建筑施工企业信用动态监测指标体系建立提供支持。（2）专家研讨在文献阅读与评价标准研究初步确定信用动态监测指标初选库基础上，邀请建筑业主管部门、建筑业协会组织、建筑施工企业管理者共同研讨，分析初选库中各指标缺陷，精选信用动态监测指标，确保建立的信用动态监测指标科学合理，符合动态监测要求。（3）问卷调查本文设计的调查问卷旨在广泛获取行业内经验人士对影响企业信用的意见与观点，判断初步筛选的信用动态监测指标对企业信用的重要性程度。通过分析问卷信度与效度，运用探索性因子分析确定指标体系结构与预期一致，完成信用动态监测指标筛选。依据专家经验确定信用动态监测指标主观重要程度。（4）模型构建明确爬虫技术、AHP、熵权法、TOPSIS关键技术原理，获取并处理信用动态监测指标数据。围绕国家官方信用信息公开网站与常用的资源集合数据库进行基本信用数据的获取，结合组合赋权判断各监测指标对企业信用的影响程度，运用TOPSIS建立理想解。从内部的变化趋势与外部整体的偏离趋势，综合判断监测企业信用在监测期间的变化波动，以反映模型的监测结果。（5）实证分析运用信用动态监测模型对具有代表性的大型施工企业进行分析计算，根据动态监测结果得到企业的信用动态排名，为监管部门规范市场以及建筑施工企业诚信建设提供支持。图1-2技术路线图参考文献赵峰,王要武,金玲,等.2020年建筑业发展统计分析[J/OL].工程管理学报:1-5[2021-06-21]./10.13991/ki.jem.2021.02.001.曹元芳.发达国家社会信用体系建设经验与我国近远期模式选择[J].现代财经(天津财经大学学报),2006(06):20-23.Dun&BradstreetDun&Bradstreetscoringsystemandindex[S/OL].(2019-12-11)./about-us/our-worldwide-network.htmlBEEWY,SENGHO,NORHMH.Usingdataminingtoimproveassessmentofcreditworthinessviacreditscoringmodels[J].ExpertSystemswithApplication,2011,38(10):13274-13283.VANLAEREE,BAESENSB.ThedevelopmentofasimpleandintuitiveratingsystemunderSolvencyII[J].Insurance:MathematicsandEconomics,2010,46(3):500-510.GÓMEZ-GONZÁLEZJE,HINOJOSAIPO.Estimationofconditionaltime-homogeneouscreditqualitytransitionmatrices[J].EconomicModelling,2010,27(1):89-96.BYOUNS,SHINYS.Informationcontentofunsolicitedcreditratings:evidencefromJapanesefirms[J].Asia-PacificJournalofFinancialStudies,2012,4(1):59-86.ABRAHAMG.Criticalsuccessfactorsfortheconstructionindustry[C]//ConstructionResearchCongress,2003(3):19-21.JASKOWSKIP,BIRUKS,BUCONR.AssessingcontractorselectioncriteriaweightswithfuzzyAHPmethodapplicationingroupdecisionenvironment[J].AutomationinConstruction,2010,19(2):120-126.CHENYS.ClassifyingcreditratingsforAsianbanksusingintegratingfeatureselectionandtheCPDA-basedroughsetsapproach[J].Knowledge-BasedSystems,2012,26:259-270.CHAGHOOSHIAJ,KHANMOHAMMADIE,FAGHEIMetal.ContractorselectionusingintegratedgoalprogrammingandfuzzyELECTRE[J].InternationalJournalofStrategicDecisionences,2014,5(3):65-86.BALUBAIDM,ALAMOUDIR.Applicationoftheanalyt