六、灰色关联分析
（一）概念
灰色关联分析（gray relation analysis，GRA）是灰色系统理论的一个重要分支，通过灰关联度来体现指标因素间的关联或相似程度。企业信用子系统的结构、参数和特征都有典型的灰色特性，即影响系统的各因素相互联系又相互作用但又不完全清晰。与传统评价方法相比，灰色关联分析对数据的要求较低，没有特别的分布规律要求，非常容易理解。作为一种定性分析和定量分析相结合的综合评价方法，灰色关联分析在企业的信用评价中应用较广。其分析过程可分为6个子过程：①合理确定财务指标综合评价体系；②确定满意财务指标的数值并构成参考序列；③对评价指标值进行规范化处理；④确定关联系数矩阵；⑤确定企业信用评价指标的重要性权重；⑥对指标进行综合评判，确定各企业的关联度数值。
（二）模型设计
由于灰色关联度算法发展较为成熟，且计算量小，灵活性高。因此，简要介绍灰色关联度的模型设计。
其中，ξ为分辨系数。
将特征序列设定为x0=（x0（1），x0（2）…，x0（n）），因素序列设定为
与关联系数相对应的关联度y（x0，xi）就能够满足灰色关联的相关公理（李亚，2014）。计算步骤如下。
（1）计算序列初值
（2）计算差序列
（3）计算最大差值和最小差值
(https://www.daowen.com)
（4）计算关联系数
（5）计算关联度
（三）应用
灰色关联评价是从已知信息去揭示未知信息从而探究信息间的关系的评价方法。这种方法在多个领域都得到了广泛应用。李向波和王刚（2007）构建多层次灰色关联综合评价模型对企业的竞争力进行了评价。戴峰和白庆华（2006）通过构建一个灰色关联模型，为虚拟企业有效评价合作伙伴信用等级提供了依据。谢爱荣等（2007）也在灰色系统的理论基础上，提出一种将定性与定量分析相结合并以定量分析为主的信用评价方法。
（四）灰色关联分析优势及不足
1.优势
①灰色关联分析的计算简单，易于操作。
②评价指标体系只考虑收集到的数据本身，因此不需要对数据进行标准化处理，对原始数据即可进行分析。
③相较于其他方法，灰色关联分析的结果更加客观准确。
2.不足
①在灰色关联分析的评价指标和指标体系要如何确定以及权重如何分配上需要更加深入的考虑。
②由于灰色关联分析确定的最优序列在不同的情况下是不一致的，并没有确定不变的标准，因此只能反映企业信用风险的相对水平而无法确定绝对水平。