3.评价模型。

    确定隶属度函数和各指标的权重，将量化隶属函数与指标权重相祸合，确立一个模糊综合评价集，流程如图3所示。具体数学推导及计算参见文献[1」。

    4.实证分析。

    本文根据某普通高校2001年助学贷款的数据，随机抽取了30个样本，运用以上评价方法，在计算机上模拟开发出了评估系统，对助学贷款风险进行评估，将评估结果与实际调查情况作列表对照(如表1)。对30个样本的实际调查结果为:有巧人已经开始按照还款计划偿还助学贷款(包括一名全额偿还);有10人表示会与银行一起共同制定还款计划;有2人表示无法偿还;剩余3人银行已经无法跟踪其实际状况，因此贷款很有可能无法偿还。

    我们根据评估得分的高低将风险程度分为较高(高于或等于0.75分)、正常(0.75一0.60分)、关注(0.5一0.25分)和损失(低于0.25分)四个信用等级。从表1可以看出，得分高的信用好，风险小，偿债可能性大;得分低的信用状况差，风险大，偿债可能性小。本案例评估中出现了4个错判的个案(表1带关项)，占总样本的13.3%，可能是专家经验赋值造成的。就总体而言，评估结果与实