信用决策范文10篇

【摘要】企业赊销信用决策是企业赊销管理必须妥善解决的重要问题之一。论文认为赊销信用是企业将商品资金投资于客户，以取得收益的一种投资理财方式。本文从投资的角度，建立了赊销信用决策分析指标体系，以实际应用数据为例，阐述了企业赊销信用投资的涵义、特点、指标体系及各项指标之间的相互关系，从而提高了决策分析的科学性、客观性、准确性及可操作性。

【关键词】赊销；信用；指标体系；投资

一、投资视野下企业赊销信用决策分析的涵义、指标与特点

(一)企业赊销信用决策分析的“投资”之涵义

因授信人的不同，信用可以分为以下三类：银行信用：由从事货币资金经营的银行发放的信用；投资信用：一般是由金融机构或私人基金向企业提供的相对较长期的信用，以帮助受益者开办企业、购置土地、建筑、设备等固定资产；商业信用：是指企业对企业或者消费者个人的赊销。通常，企业赊销信用多被归属到商业信用之中，对赊销信用的研究，从商业信用的角度研究者多，而从投资视野角度研究者少。

在当前对企业赊销信用决策的相关研究文献成果中，将赊销当成企业促销手段与关注赊销成本的论述较为常见：如李红梅(2003)在《健全赊销管理：企业应对信用风险的盾牌》文中认为：企业赊销一方面可扩大销售额和市场占有率,另一方面,有可能会造成现金周转风险和坏账风险,引发信用危机，要健全赊销管理。这是“手段论”的代表性观点；王莉莉(2003)在《企业赊销活动的财务管理》文中认为：企业赊销的成本由机会成本、管理成本、坏账成本组成，应加强管理。这是“成本论”的代表性观点。然而，在企业赊销信用决策中，赊销还存在另外一种重要功能：投资功能，即赊销信用是企业投资理财的一种方式。在相关研究文献中，注意到赊销“投资功能”的文献是“成本论”中有关“机会成本”的论点：机会成本是指企业的资金被应收账款占用所丧失的潜在收益。也就是说，如果将这些资金用于投资，可以为企业取得投资收益。在实际工作中，也是用赊销与投资利率的乘积来计算机会成本，但仅止于此，没有进一步的探讨与深入，缺乏较系统全面的评价指标及分析。

论文摘要：信用政策又称应收账款政策。应收账款的安全与否直接影响着企业的可用资源、损益情况、现金流量。因此，研究企业的信用政策和我国企业应收账款管理现状，提出信用决策的定量分析，从克服信用工作中的困难和问题。

论文关键词：信用政策；信用决策；定量分析

收账政策是指客户超过信用期限而仍未付款时企业采取的收账策略，是当客户未按事先约定在信用期内付款时企业所采取的事后补救方法。收账政策会影响利润。当企业采取积极的收账政策时，会减少应收账款及坏账损失，但有可能增加收账成本；反之，如果采取消极的收账政策，会增加应收账款占用额和坏账损失。可见，信用政策的好坏直接关系到应收账款的回收，从而影响企业资产的优良状况，进而影响到企业的财务风险。

一、我国企业应收账款管理现状

“三角债”是有“中国特色”的现象，在20世纪90年代时企业“赖账”成风，以至于在文艺界现了“黄世仁求杨白劳还债”的小品，辛辣地讽刺了当时的社会信用状况。尽管国家也曾下大力气整治过“三角债”问题，但如今企业的应收账款的管理现状依然是应收账款居高不下，企业缺乏管理力度。据国家统计局的统计结果显示，企业问的“三角债”规模截止到2002年6月末，企业应收账款净额1．53万亿元，比上年同期增加3．5％，增幅比5月份提高了0．3个百分点。另外，国内不少企业日常对应收账款的管理只限于数量方面，而对其账龄、应收账款成本、客户信用等级等资料不予计算分析，使得账龄超过3、4年的应收账款大有所在。很多早可作为坏账处理的应收账款也不处理，怕影响企业领导的业绩，于是乎坏账越来越多，账龄也越来越长了。与发达市场经济国家差距较大。我国企业平均坏账率是5％～10％，账款拖欠期平均是90多天，而市场经济发达的美国，平均坏账率是0．25％一0．5％，账款拖欠期平均是7天，相差10多倍。与此同时，美国企业的赊销比例高达90％以上，而我国只有20％。

二、企业信用决策模型

全球经济一体化是世界经济发展的主要趋势与重要特征,电子商务既是全球经济一体化的产物,也是全球经济一体化发展的重要推动力。随着Internet的发展,电子商务已经逐渐成为人们进行商务活动的新模式。然而由于网络信息本身具有虚拟性和流动性,其格式和媒体可以分离,数字信息可以转换成其他形式,可以复制,且复制后不会留下痕迹,电子商务信息易被修改,毁坏与丢失,加之参与电子商务的主体的诚信问题及网络技术发展的局限使得电子商务信息的真实性与安全性难以保障。特别在国际商业活动中由于担心合同的执行、赔偿、知识产权保护、个人隐私安全、税收和其他方面的诸多问题,商家和消费者更是顾虑重重、裹足不前,已经严重地妨碍了电子商务的发展。要促进我国电子商务的长足发展,必须尽快完善电子商务信用保障机制。

一、我国电子商务信用中存在的问题

目前,我国对电子商务信用保障问题无论在理论探讨,还是实际工作中,虽然都取得了很大的进展,但依然面临着许多不可忽视的问题。我国电子商务信用环境与西方发达国家相比,差距还很大,在建立电子商务信用保障体系中,还存在着许多制约因素。

1.普遍缺乏信用意识和信用道德规范

我国经济是由计划经济脱胎而来的,社会信用经济发育较晚,市场信用交易不发达,社会普遍缺乏现代市场经济条件下的信用意识和信用道德规范。信用保障体系还未完全建立,社会信用缺失反过来影响到电子商务活动中;与市场经济紧密相关的信用规则还不成熟,企业的市场行为随机性大,不少企业的诚信度还不高;我国电子商务法律法规还不完善,缺乏明确的法律法规对电子商务进行规范。国内企业的交易多限于面对面的进行,网上信用意识较差。很多企业与个人对于信用的重要性缺乏应有的认识,企业不讲信用照样可以生存和发展,社会上信用缺失行为非常盛行。面对信用程度较低,三角债情况严重,假冒伪劣商品泛滥的现实商业环境,这种现实状况无疑制约了电子商务信用状况的改善。

2.企业内部电子商务信用管理制度不健全

一、信用评分概况

信用评分模型作为信用风险管理的基础和核心,无论是对于建立社会征信体系还是对于金融机构的信贷资产管理,都有着不可替代的作用。其主要目的,在于尽量将能够预测借款人未来行为的指标加以整合,并统一成可以比较的单一指标,以显示借款人在未来特定时间内违约的可能性,所有的信用评分模型,无论采用什么理论或方法,其最终目的都是将贷款申请者的信用级别分类。为达到分类目的。当前，对个人信用评分模型的定义有多种，较为权威的种观点认为:“信用评分是预测贷款申请人或现有借款人违约可能性的一种统计方法。”这一观点指出了信用评分的作用和目的,不过随着信用评分模型的不断发展,信用评分已不仅是一种统计方法,也包含了运筹学,如数学规划法、非线性模糊数学(如神经网络方法)等。此外,信用评分的实际操作应用也与决策原则紧密相关，决策原则事实上决定了信用评分模型实现其目的和作用的程度。因此,对个人信用评分模型这一数学工具在金融和银行业中的应用来说,较为全面和恰当的定义应是,“信用评分是运用数学优化理论(包括统计方法、运筹方法等),依照即定原则或策略(损失最小原则或风险溢价原则),在数据分析决策阶段区分不同违约率水平客户的方法。

二、各类信用评分模型概述

1.判别分析模型

判别分析法是对研究对象所属类别进行判别的一种统计分析方法。进行判别分析必须已知观测对象的分类和若干表明观测对象特征的变量值。判别分析就是要从中筛选出能提供较多信息变量并建立判别函数，使推导出的判别函数对观测样本分类时的错判率最小。这种方法的理论基础是样本由两个分布有显著差异的子样本组成，并且它们拥有共同的属性。它起源于1936年Fisher引进的线性判别函数，这个函数的目的是寻找一个变量的组合，把两个拥有一些共同特征的组区分开来。

判别分析方法的优点:适用于二元或多元性目标变量,能够判断,区分个体应该属于多个不同小组中的哪一组。自身也存在不可避免的缺点:该模型假设前提是自变量的分布都是正态分布的,而实践中的数据往往不是完全的正态分布,从而导致统计结果的不可靠性。

|国内外信用评估状况比较

目前，中国除了上海之外，其它城市还没有专营消费信贷调查业务的报告机构。1999年下半年，建设银行济南分行出台的《个人信用等级评定办法》在信用评估方面进行了尝试。该办法对不同的指标赋予不同的分值，对借款申请人的还款能力、信用状况等做出综合评价以决定贷款决策。随着信贷业务的需要，国内越来越多金融机构以业务对象的个人信用记录直接作决策参考，或附以一些评分方法，但毕竟以主观经验为主。而国外在信用评估方面已经有人做了大量的工作，提出了有FICO评分模型、神经网络模型、贝叶斯分析模型等等各种评估模型，并采用了各种数学的、统计学的、信息学的方法，取得了一定的效果，特别是FICO评分模型，更是成为西方发达国家信用评分事实上的标准。

二、常用评估方法

1.标准数理统计模型

基于标准数理统计理论的信用评分模型是对大量的个人消费贷款的历史信用数据进行科学的归纳、总结、计算而得到的量化分析公式。在美国，不同的行业有不同的信用评分模型来帮助专业人士进行信用风险管理，如表1所示：

表1美国不同行业常用信用评分模型表

第一章总则

第一条为加强县政府与国家开发银行省分行(下称“开行分行”)的开发性金融合作，充分借助县级政府的资源力量，建立有效识别与评估、决策和管理风险的机制，使开发性金融县级实施机构具备信用风险管理和信用建设推动的功能，特制定本管理办法。

第二条县信用管理平台风险管理机制包括风险识别与评估制度、风险决策与处置制度、风险监控报告制度三个方面。

第三条县信用管理平台风险管理遵循“实时识别、动态监控、及时处理”的原则，以有效规避、预防、转移、分散和补偿风险。

第二章信用管理平台的设置和职能

第四条在县政府已成立的开发性金融合作办中设立信用管理平台，指定专人负责经常性的风险管理、信用建设工作，按照开发银行的有关规定和要求，组织信用评级、限额审查、搭建信用结构，推动信用建设、并在授权范围内进行风险决策。

一、文献综述

近年来，随着消费金融市场的迅速发展，越来越多的消费金融机构涌入，以蚂蚁花呗、借呗、京东白条为代表的消费金融服务盛行。从受众群体来看，消费贷款的发放对象是个人，还款来源主要为工资、奖金、投资收益、生产经营性收入等。这些来源易受多种外部因素影响，包括宏观经济变化、所在企业经营状况、个人健康及意外等。与此同时，与企业相比个人的流动性和不确定性更高，借款人还款行为易受个体思想观念、态度、行为习惯等主观因素的影响。因此，个人信用风险成为风控的核心，如何把各借款人纷繁复杂的信息数据映射成其自身详细的信用水平成为这一行业亟待解决的问题。在个人信用风险评估领域，国内外的研究主要集中在个人信用风险的指标选取和个人信用风险评估方法及模型构建两个方面，后者居多。信用风险指标的选取，主要基于传统信贷的指标选择和基于消费场景多样性对指标体系的补充优化。BillFair和Earllsaac（2015）提出的FICO信用分模型是个人信用评估领域最早且在银行使用最广泛的。FICO模型根据违约风险来计算客户的信誉，它所选用的指标主要有五类：信用偿还历史、信用账户数、使用信用的年限、正在使用的信用类型以及新开立的信用账户［1］。MariolaChrzanowska（2008）以一家在波兰经营的外资银行中的个人客户贷款为例，通过单一和集成的方法，发现“已偿还贷款的份额”是体现个人信用等级最重要的指标［2］。龙新庭、王晓华（2013）指出德国国际项目咨询IPC公司通过客户的信用历史、贷款申请书信息、个人声誉等方面综合评估其还款意愿［3］。消费场景的多样性使得实践中基于互联网的个人信用风险指标在构成上与传统的金融机构有所不同，在其基础上更多地获取关于个人生活消费的指标。国内首个个人信用评分——阿里巴巴芝麻信用分的评分标准主要由五部分组成：信用历史（35%）、行为偏好（25%）、履约能力（20%）、身份特征（15%）和人脉关系（5%）［4］。不同于阿里巴巴的是，京东与腾讯达成深度合作，将自身的电商数据和腾讯的社交数据结合，所以京东白条能更精确地把握用户的信用信息［5］。信用风险评估方法的实质是将一个数据样本总体按不同特征分为若干组的方法，个人信用评估模型构建主要包括统计和非统计方法。统计方法主要包括判别分析法、Logistic回归、K近邻判别分析法等。何晓群等（2015）认为信用风险评估模型是金融机构开展信贷工作的核心，模型结果则是信用评级的依据来源［6］。李萌（2005）将不良贷款率、T检验、主成分分析相结合，基于Logistic回归建立判断信用风险的评估模型［7］。姚路（2017）在对个人基本信息、信贷担保交易信息等认知的基础上建立多元线性回归模型，间接地对信息主体进行信用评价［8］。姜明辉等（2004）通过确定相应的评估指标体系，建立了基于K近邻判别分析法的个人信用评估模型，并对模型应用中需要注意的问题进行了分析［9］。基于统计方法的信用风险评估模型需要对样本数据进行严格的假设，如线性关系、正态分布等，这些都在一定程度上影响模型的适用性及使用效果［10］。非统计方法主要包括依托计算机技术的人工智能方法，以人工神经网络（ANN）、支持向量机（SVM）、决策树（DT）和随机森林（RF）著名。HussainAliBekhet（2014）设计了两种信用评分模型，并采用人工神经网络方法为约旦商业银行贷款决策提供技术支持，证实人工神经网络的应用将改善信贷决策效率，帮助金融机构节省分析时间和成本［11］。TonyBellottti和JonathanCrook（2008）运用大型信用卡数据库的信息，将支持向量机与Logistic回归等传统方法进行对比研究，表明支持向量机更具竞争力，还可用作特征选择方法来分辨出决定违约风险大小最重要的特征［12］。姚潇和余乐安（2012）将模糊隶属度引入支持向量机进行实证研究，结论表明模糊近似支持向量机能够显著地提高信用风险分类精度［13］。庞素琳和巩吉璋（2009）以德国银行个人信贷数据为样本，采用C5.0算法（DT模型的一种）构建信用评估模型，并使用了Boosting算法技术提升模型对样本数据的拟合度，最后通过参数调节进一步提高分类精确率［14］。GasparCano等（2017）对不同的数据集用RF算法进行特征选择并用其对数据集分类，结果表明由RF选出相关变量并据此进行分类的性能效果比SVM和ANN更具优势［15］。戴昕琦（2018）把更加适合处理不平衡数据的SMOTE算法改进，再与RF模型结合运用于供应链金融信用风险管理研究中，发现C-SMOTE-RF模型在很大程度上减少了银行的“取伪”概率，从而能帮助银行更好地对风险企业进行识别［16］。随机森林（RF）的提出者BreimanLeo（2001）指出RF明显优于单个分类决策树模型［17］。方匡南等（2010）将RF算法用于零售信贷领域的信用卡违约风险识别，并发现RF算法无须对数据样本标准化预处理，且比SVM、单一决策树以及Logistic回归有更高的准确率［18］。综上所述，RF算法是基于决策树的集成式算法，一般无须对数据标准化预处理，且分类性能优于传统统计方法和SVM等智能算法。大数据技术使得用于个人信用风险评估的数据指标的可获得性变强，数据维度变大，导致风险预测时间变长，成本变高。而RF算法是采用多棵决策树分类产生结果并以加法投票的方式得出最终结果。RF算法中单棵决策树每个节点的选择与分裂都是基于该节点随机选取的特征确定的，因此信用指标之间的自相关性会使决策树之间的选择与分裂规则相似；各决策树选择的相似性会使得以加法投票方式确定的最终分类结果呈现“一边倒”，这样会极大地降低分类准确度。因此，考虑到个人信用风险评估时数据维度及数据的预测能力，在传统随机森林模型的基础上加入XGBoost算法来对指标进行降维，剔除关系密切和对预测信用风险影响小的指标，并采用实际的数据集验证了模型的合理性和有效性，为个人信用风险评估提供更好的决策支持。

二、改进的随机森林模型建立

构建的改进的随机森林模型（即XGBoost-RF模型）如图1所示。第一阶段运用XGBoost算法进行特征选择，输出数据样本中的特征重要性柱状图，这样不仅能最直观地看到每个指标的特征重要性得分，而且能提升模型的解释性；此外，从中筛选出的影响较大的特征指标，也能为个人信用评估指标选择提供参考。第二阶段运用随机森林（RF）算法对第一阶段筛选出的指标进行分类。XGBoost算法是基于梯度提升树（GBDT）模型原理改进后的算法。与RF算法在特征选择时运用Gini指数计算节点不纯度不同的是，XGBoost是通过该特征每棵树中分裂次数的和计算的。与神经网络的“黑箱操作”相反，XGBoost所用决策树内在的可解释性降低了算法计算的复杂度，提升了整个模型的可解释性。可解释性也是信用评估的一个重要组成部分，因此将其用于对各个特征指标的重要性进行估计十分合适，一般重要性分数越高则该特征指标越重要，该特征指标在数据集中的贡献越大。RF算法是由LeoBreiman和AdeleCutler［17］提出的一种集成分类器，但它摒弃了单棵决策树容易产生过拟合现象的缺点，RF算法最终的分类决策fRF（x）由式（1）得出：fRF（x）=argmaxΣnk=1I（hk（x，θk）=Y）Y（1）其中，hk（x，θk）是单棵决策树分类器，是用CART算法构建的未剪枝的分类树，其中θk是服从独立同分布的随机变量，决定单棵树的生长过程；Y为目标变量，表示是否违约，在本文中用1（违约）和0（未违约）分别表示；I（•）表示满足括号中表达式的样本个数。式（1）为使用多数投票法来确定最终分类结果的表达式。对于随机森林算法中的单棵决策树，首先在每一节点随机选择m个特征，再从这m个特征中根据Gini指数最优分割选择最优特征进行该节点的分裂。Gini指数由式（2）得出：Gini（Q）=Σjj=1Pj（1-Pj）=1-Σjj=1Pj2（2）其中，Q为S个数据样本的集合；Pj为随机数据样本属于j类别的概率，近似值可用SjJS表示；J为数据集的类别总数，本文中J包括违约与未违约两类。通过求Gini（Q，F）的最小值得到Gini指数最优分割，Gini（Q，F）表达式如式（3）所示：Gini（Q，F）=SSjGini（Qj）+SSjGini（Q-j）（3）因此，使得Gini（Q，F）值最小的特征即为该节点应选择的最优特征。其中，Sj为属于j类别的样本个数，S-j为不属于j类别的样本个数，F为分裂特征。

三、数据选择与处理

本文采用著名的德国信用数据集（数据集网址为http：//archive.ics.uci.edu/）来验证模型的可行性和有效性。因为德国信用数据集的指标比较全面，对个人信用风险评估指标的构建具有借鉴意义；基于互联网的信贷也大多以此信用指标体系为根基，在其基础上进行细分补充。德国信用数据集是德国一银行记录使用信用卡的个人特征及违约与否的数据集，一共有1000个客户的基本信息，包含了700个好客户（客户信用良好，没有信用违约记录）和300个坏客户（客户信用较差，有违约记录）。每个客户的信息都包含24个属性指标，由7个离散型指标、13个连续型指标构成，其他4个指标未知，以及每个客户的类别，取“1”代表“好”客户，“0”代表“坏”客户。该数据集指标可分为个人指标、信用指标和经济指标三大类。个人指标主要是描述个人自然信息，包括婚姻状况、性别、年龄等信息，透过这些信息商业银行能够间接获悉申请人的还款意愿和还款能力；信用指标包括贷款信息、信用卡信息、历史信用信息等，从中可了解贷款申请人的信用风险、债务压力及其历史信用；经济指标包括贷款申请人的职位、工龄、收入等信息，是衡量贷款申请人还款能力的重要指标。而4个未知指标对信用分类预测能力非常小，因此将其作为无关指标剔除。

摘要：以博弈论为基础构建了“信用行为决策模型”，并以此作为分析框架研究我国社会转型过程中的信用缺失问题。通过“信用行为决策模型”的推导，研究发现，实现信用交易守信的途径主要有第三方监督惩罚机制和市场利益调节机制。在中国由弱流动性社会向强流动性社会转型的过程中，相应信用交易的守信保障机制并没有同步建立，这是中国转型社会“信用困境”的根源之所在。

关键词：转型社会；信用困境；信用行为决策模型；博弈论

一、引言

所谓“信用困境”就是指中国改革开放以来一直存在的社会失信行为泛滥的现实，这一现实严重影响了市场经济的正常运行，至今还没有得到根本性改观，故称之为“困境”。我国市场经济体制的建立过程是政府主导的外生型演进过程，虽然体制建设可以由政府在短期内完成，经济发展水平可以通过“后发优势”在短期内追赶，但是一些思想意识转变却很难在短期内迅速实现转型。一个突出的表现就在于市场经济的参与者还没有在短期内完全接受现代市场经济信用意识和信用道德规范，整个社会失信行为还比较普遍，人们还不能完全按照市场经济的信用规则行事。

社会的“信用困境”可以说贯穿于我国整个改革开放的历程，而且具有明显的阶段性特征。从改革开放初期的“三角债”问题，到后来的假冒伪劣产品横行，再到近期的资本市场造假丑闻频出、地方政府信用形象不佳。虽然失信行为的阶段特征不同，但是一个基本的结论是成立的，那就是我国目前尚未走出社会的“信用困境”。针对上述信用问题，本研究将以博弈论模型为基本分析框架，从社会转型的角度，深入挖掘我国当前“信用困境”的内在根源。

二、相关研究文献评述

1行为金融学的产生

20世纪50年代，冯·纽曼和摩根斯坦(VonNeumannMorgenstem)在公理化假设的基础上建立了不确定条件下对理性人(rationalactor)选择进行分析的框架，即期望效用函数理论。阿罗和德布鲁(Arrow，Debreu)后来发展并完善了一般均衡理论，成为经济学分析的基础，从而建立了经济学统一的分析范式。这个范式也成为金融学分析理性人决策的基础。1952年马克威茨(Markowi)发表了著名的论文“portfoliosdeefion”，建立了现代资产组合理论，标志着现代金融学的诞生。此后，莫迪戈里安尼和米勒(Modigliani－Miller)建立了MM定理，开创了公司金融学，成为现代金融学的一个重要分支。自上个世纪60年代夏普和林特纳等(Sharp－Limner)，建立并扩展了资本资产定价模型(CAPM)至布莱克、斯科尔斯和莫顿(Black－Scholes－Merton)建立了期权定价模型(OPM)，至此，现代金融学，已经成为一门逻辑严密的具有统一分析框架的学科。

随着金融市场上各种异常现象的累积，模型和实际的背离使得传统金融理论的理性分析范式陷入了尴尬境地。20世纪80年代，通过对传统金融学的反思和修正，行为金融理论悄然兴起，并开始动摇了CAMP和EMH的权威地位。行为金融理论在博弈论和实验经济学被主流经济学接纳之际，对人类个体和群体行为研究的日益重视，促成了传统的力学研究范式向以生命为中心的非线性复杂范式的转换，使得我们看到了金融理论与实际的沟壑有了弥合的可能。1999年克拉克奖得主马修(MatthewRabin)和2002年诺贝尔奖得主丹尼尔·卡尼曼(DanielKahneman)和弗农·史密斯(VemonSmith)，都是这个领域的代表人物，为这个领域的基础理论作出了重要贡献。国外将这一领域称之为behaviorfinance，国内大多数的文献和专著将其称为“行为金融学”。

行为金融学发现，人在不确定条件下的决策过程中并不是完全理性的，会受到过度自信、代表性、可得性、锚定和调整、损失规避等信念影响，出现系统性认知偏差。而传统金融学是基于理性人假设，认为理性人在不确定条件下的决策是严格依照贝叶斯法则计算的期望效用函数进行决策的。即使有些人非理性，这种非理性也是非系统性的，会彼此抵消，从而在总体上是理性的；如果这种错误不能完全相互抵消，套利者的套利也会淘汰这些犯错误的决策者，使市场恢复到均衡状态，达到总体理性。

2行为金融对信用风险管理的影响

2．1风险偏好

为深入推进依法治区和法治创建工作，根据区委《关于推进法治建设的意见》文件精神，按照区委办《区依法治区2014年工作要点》文件安排，现结合我局职能职责实际，制定如下具体实施方案。

一、建立健全科学民主决策机制

1、规范、完善行政决策机制和程序。制定和完善内部议事决策规则，明确决策权限、决策程序、决策责任，建立健全决策权和决策责任相统一的工作制度，建立健全公众参与、专家论证和集体决策相结合的行政决策机制。

2、建立健全决策过错责任追究制度。按照“谁决策、谁负责”的原则,建立健全决策过错责任追究制度,实现决策权力与决策责任相统一。对于未经认真调查研究、未经充分论证、未经领导集体讨论作出的决策,或集体决策失误造成重大损失的,要追究决策人的行政过错责任。

3、认真贯彻执行政务信息公开制度,将我局的重大决策事项、依据和结果在局网站进行公开，促进机关管理公开、便民、规范、廉洁。

二、规范行政执法行为