本發(fā)明屬于計(jì)算機(jī)及財(cái)務(wù)評(píng)估領(lǐng)域，尤其涉及一種基于公司經(jīng)營健康狀況的信用評(píng)估方法。

背景技術(shù)：

奧特曼z得分模型(z-scoreformula)是在1958年由當(dāng)時(shí)在紐約大學(xué)擔(dān)任金融系助理教授的奧特曼首先提出來的主要用于預(yù)測未來兩年內(nèi)評(píng)價(jià)對(duì)象企業(yè)是否會(huì)倒閉的模型。在z-score模型出現(xiàn)之前，評(píng)價(jià)企業(yè)是否會(huì)倒閉的方法基本上還是綜合分析法，即綜合一個(gè)對(duì)象企業(yè)的不同財(cái)務(wù)指標(biāo)或財(cái)務(wù)比例的情況，但是沒有明確的閾值來根據(jù)財(cái)務(wù)指標(biāo)或財(cái)務(wù)比例評(píng)價(jià)和分析對(duì)象企業(yè)的財(cái)務(wù)健康狀況。當(dāng)不同的財(cái)務(wù)指標(biāo)或財(cái)務(wù)比例出現(xiàn)相互矛盾的含義時(shí)，如何分析和評(píng)價(jià)對(duì)象企業(yè)就完全取決于評(píng)價(jià)人的個(gè)人經(jīng)驗(yàn)了。

奧特曼第一次把統(tǒng)計(jì)計(jì)量的方法用到了破產(chǎn)違約分析中來。他收集了大量國外上市公司的財(cái)務(wù)數(shù)據(jù)，包括健康的公司和最終破產(chǎn)的公司，并且總結(jié)了將近三十個(gè)與企業(yè)財(cái)務(wù)健康狀況有關(guān)的財(cái)務(wù)指標(biāo)，然后把這些指標(biāo)和是否破產(chǎn)違約的結(jié)果進(jìn)行相關(guān)性檢驗(yàn)。為了提高指標(biāo)和破產(chǎn)違約結(jié)果之間的關(guān)聯(lián)度，他選擇了把財(cái)務(wù)指標(biāo)相互組合計(jì)算，變成財(cái)務(wù)比例。最終篩選出來五個(gè)關(guān)聯(lián)度最大的財(cái)務(wù)比例，然后把這些財(cái)務(wù)比例和破產(chǎn)違約結(jié)果進(jìn)行線性回歸，得出了z-score模型。

奧特曼最初搜集的數(shù)據(jù)來自于上市的制造業(yè)公司，相應(yīng)的z-score模型有五個(gè)財(cái)務(wù)比例，它們分別是運(yùn)營資本/總資產(chǎn)(x1)、盈余公積/總資產(chǎn)(x2)、息稅前利潤/總資產(chǎn)(x3)、公司市值/總負(fù)債(x4)以及營業(yè)收入/總資產(chǎn)(x5)。z-score模型的公式如下：

z＝1.2×x1+1.4×x2+3.3×x3+0.6×x4+0.99×x5。

當(dāng)z值大于2.99時(shí)，對(duì)象企業(yè)沒有破產(chǎn)可能性；當(dāng)z值介于1.81和2.99之間時(shí)，無法對(duì)對(duì)象企業(yè)下結(jié)論；當(dāng)z值小于1.81時(shí)，對(duì)象企業(yè)的財(cái)務(wù)健康狀況堪憂。

非上市制造業(yè)企業(yè)的z-score模型也包含五個(gè)財(cái)務(wù)比例，它們分別是運(yùn)營資本/總資產(chǎn)(x1)、盈余公積/總資產(chǎn)(x2)、息稅前利潤/總資產(chǎn)(x3)、股東權(quán)益/總負(fù)債(x4)以及營業(yè)收入/總資產(chǎn)(x5)。z-score模型的公式如下：

z＝0.717×x1+0.847×x2+3.107×x3+0.420×x4+0.998×x5。

當(dāng)z值大于2.9時(shí)，對(duì)象企業(yè)沒有破產(chǎn)可能性；當(dāng)z值介于1.23和2.9之間時(shí)，無法對(duì)對(duì)象企業(yè)下結(jié)論；當(dāng)z值小于1.23時(shí)，對(duì)象企業(yè)的財(cái)務(wù)健康狀況堪憂。

服務(wù)業(yè)企業(yè)的z-score模型包含四個(gè)財(cái)務(wù)比例，它們分別是運(yùn)營資本/總資產(chǎn)(x1)、盈余公積/總資產(chǎn)(x2)、息稅前利潤/總資產(chǎn)(x3)、以及股東權(quán)益/總負(fù)債(x4)。z-score模型的公式如下：

z＝6.56×x1+3.26×x2+6.72×x3+1.05×x4。

當(dāng)z值大于2.6時(shí)，對(duì)象企業(yè)沒有破產(chǎn)可能性；當(dāng)z值介于1.1和2.6之間時(shí)，無法對(duì)對(duì)象企業(yè)下結(jié)論；當(dāng)z值小于1.1時(shí)，對(duì)象企業(yè)的財(cái)務(wù)健康狀況堪憂。

z-score模型作為真正用計(jì)量法開發(fā)的信用評(píng)價(jià)模型，到今天仍然在被廣泛使用，尤其在財(cái)務(wù)數(shù)據(jù)相對(duì)準(zhǔn)確的西方國家中。但是z-score模型也存在明顯的缺陷。首先，例如在考察上市制造企業(yè)時(shí)，當(dāng)z值大于2.99時(shí)，z值大的企業(yè)與z值小的企業(yè)之間信用資質(zhì)之間是否不同以及差異的程度，通過z-score模型無法獲得相應(yīng)的數(shù)據(jù)。且若財(cái)務(wù)數(shù)據(jù)質(zhì)量參差不齊，可能會(huì)出現(xiàn)由于某一項(xiàng)或某幾項(xiàng)財(cái)務(wù)指標(biāo)影響過大，導(dǎo)致z-score模型的結(jié)果失真。

為了解決現(xiàn)有技術(shù)所存在的上述缺陷，本發(fā)明提出一種新的基于z-score模型的信用評(píng)估方法，將原本用于破產(chǎn)違約分析的模型參數(shù)運(yùn)用到風(fēng)險(xiǎn)評(píng)估當(dāng)中，且通過對(duì)信用評(píng)估參數(shù)進(jìn)行區(qū)間化處理，克服了原模型中因財(cái)務(wù)數(shù)據(jù)質(zhì)量問題引起的結(jié)果失真缺陷，本發(fā)明的信用評(píng)估方法能夠準(zhǔn)確地評(píng)估中小型企業(yè)的財(cái)務(wù)及信用狀況。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提出了一種基于公司經(jīng)營健康狀況的信用評(píng)估方法，其包括如下步驟：模型建立步驟：引入z-score模型并根據(jù)評(píng)估對(duì)象的類型選取信用評(píng)估參數(shù)；樣本值獲取步驟：根據(jù)所述評(píng)估對(duì)象的類型獲取樣本，并獲取所述樣本的所述信用評(píng)估參數(shù)的樣本值；區(qū)間化處理步驟：剔除所述樣本值的異常值，再對(duì)所述樣本值進(jìn)行聚類，根據(jù)聚類結(jié)果確定所述信用評(píng)估參數(shù)的分類區(qū)間及分項(xiàng)分值；信用評(píng)估參數(shù)值獲取步驟：獲取所述評(píng)估對(duì)象的經(jīng)營數(shù)據(jù)，計(jì)算所述評(píng)估對(duì)象的各項(xiàng)信用評(píng)估參數(shù)值；及信用評(píng)估步驟：將所述信用評(píng)估參數(shù)值代入所述分類區(qū)間中，根據(jù)信用評(píng)估參數(shù)值在所述分類區(qū)間中的分布得到相應(yīng)的分項(xiàng)分值，計(jì)算每個(gè)分項(xiàng)分值的總和得到信用評(píng)估結(jié)果。

本發(fā)明提出的所述基于公司經(jīng)營健康狀況的信用評(píng)估方法中，所述信用評(píng)估參數(shù)包括：x1＝營運(yùn)資本/資產(chǎn)總額，其用于反映公司資產(chǎn)的經(jīng)營效率；x2＝盈余公積/資產(chǎn)總額，其用于反映公司的抗風(fēng)險(xiǎn)能力；x3＝息稅前利潤/資產(chǎn)總額，其用于反映公司運(yùn)用資產(chǎn)獲利的能力；x4＝股東權(quán)益/負(fù)債總額，其用于反映公司經(jīng)營的杠桿率；及x5＝銷售收入/資產(chǎn)總額，其為總資產(chǎn)周轉(zhuǎn)率，用于反映企業(yè)的經(jīng)營水平。

本發(fā)明提出的所述基于公司經(jīng)營健康狀況的信用評(píng)估方法中，利用四分位數(shù)據(jù)原理剔除所述樣本值的異常值，包括如下處理步驟：

步驟a1：根據(jù)z-score模型計(jì)算每一個(gè)樣本的信用評(píng)估參數(shù)的樣本值；

步驟a2：按所述樣本值進(jìn)行升序或降序排序后，獲得所述樣本值在每一項(xiàng)信用評(píng)估參數(shù)中的分布，在樣本值分布中取第一分位數(shù)、第二分位數(shù)和第三分位數(shù)；

步驟a3：根據(jù)所述第一分位數(shù)、所述第二分位數(shù)和所述第三分位數(shù)計(jì)算樣本值分布的上邊界與下邊界；

步驟a4：取低于所述下邊界和高于所述上邊界的樣本值為異常值，從所述樣本值中剔除所述異常值。

本發(fā)明提出的所述基于公司經(jīng)營健康狀況的信用評(píng)估方法中，所述上邊界以如下式(1)表示：

上邊界＝q3+(q3-q1)*1.5；(1)

式(1)中，q3表示第三分位數(shù)，q1表示第一分位數(shù)。

本發(fā)明提出的所述基于公司經(jīng)營健康狀況的信用評(píng)估方法中，所述下邊界以如下式(2)表示：

下邊界＝q1-(q3-q1)*1.5；(2)

式(2)中，q3表示第三分位數(shù)，q1表示第一分位數(shù)。

本發(fā)明提出的所述基于公司經(jīng)營健康狀況的信用評(píng)估方法中，對(duì)于z-score模型的每一項(xiàng)信用評(píng)估參數(shù)，分別采用自底向上的凝聚的層次聚類方法進(jìn)行聚類，包括如下處理步驟：

步驟b1：將一項(xiàng)信用評(píng)估參數(shù)中將每個(gè)樣本值單獨(dú)初始化為一類；

步驟b2：計(jì)算類與類之間的距離；

步驟b3：將距離最接近的兩個(gè)類合并成一類；

步驟b4：重復(fù)進(jìn)行步驟b2與b3，直至所述樣本值被匯聚到至少兩類為止；每個(gè)類中的樣本值被定義為所述分類區(qū)間。

本發(fā)明提出的所述基于公司經(jīng)營健康狀況的信用評(píng)估方法中，所述距離采用歐氏距離，以如下公式(3)表示：

公式(3)中，k＝1,2…n，k表示類中樣本值的序號(hào)；x1k表示第一個(gè)點(diǎn)的第k維坐標(biāo),x2k表示第二個(gè)點(diǎn)的第k維坐標(biāo)。

本發(fā)明提出的所述基于公司經(jīng)營健康狀況的信用評(píng)估方法中，經(jīng)區(qū)間化處理后，所述營運(yùn)資本/資產(chǎn)總額的分類區(qū)間及分項(xiàng)分值為：

若x1＞75％，則該分項(xiàng)分值為5；

若50％＜x1≤75％，則該分項(xiàng)分值為4；

若25％＜x1≤50％，則該分項(xiàng)分值為3；

若5％＜x1≤25％，則該分項(xiàng)分值為2；

若x1≤5％，則該分項(xiàng)分值為1。

本發(fā)明提出的所述基于公司經(jīng)營健康狀況的信用評(píng)估方法中，經(jīng)區(qū)間化處理后，所述盈余公積/資產(chǎn)總額的分類區(qū)間及分項(xiàng)分值為：

若x2＞4％，則該分項(xiàng)分值為4；

若3％＜x2≤4％，則該分項(xiàng)分值為3；

若1.5％＜x2≤3％，則該分項(xiàng)分值為2；

若1％＜x2≤1.5％，則該分項(xiàng)分值為1；

若0％＜x2≤1％，則該分項(xiàng)分值為0。

本發(fā)明提出的所述基于公司經(jīng)營健康狀況的信用評(píng)估方法中，經(jīng)區(qū)間化處理后，所述息稅前利潤/資產(chǎn)總額的分類區(qū)間及分項(xiàng)分值為：

若x3＞25％，則該分項(xiàng)分值為4；

若15％＜x3≤25％，則該分項(xiàng)分值為3；

若8％＜x3≤15％，則該分項(xiàng)分值為2；

若0％≤x3≤8％，則該分項(xiàng)分值為1；

若x3＜0％，則該分項(xiàng)分值為0。

本發(fā)明提出的所述基于公司經(jīng)營健康狀況的信用評(píng)估方法中，經(jīng)區(qū)間化處理后，所述股東權(quán)益/負(fù)債總額的分類區(qū)間及分項(xiàng)分值為：

若x4＞400％，則該分項(xiàng)分值為5；

若300％＜x4≤400％，則該分項(xiàng)分值為4；

若200％＜x4≤300％，則該分項(xiàng)分值為3；

若80％＜x4≤200％，則該分項(xiàng)分值為2；

若x4≤80％，則該分項(xiàng)分值為1。

本發(fā)明提出的所述基于公司經(jīng)營健康狀況的信用評(píng)估方法中，經(jīng)區(qū)間化處理后，所述股東權(quán)益/負(fù)債總額的分類區(qū)間及分項(xiàng)分值為：

若x5＞110％，則該分項(xiàng)分值為12；

若80％＜x5≤110％，則該分項(xiàng)分值為9；

若70％＜x5≤80％，則該分項(xiàng)分值為6；

若50％＜x5≤70％，則該分項(xiàng)分值為3；

若x5≤50％，則該分項(xiàng)分值為0。

本發(fā)明的有益效果在于：本發(fā)明基于z-score模型的信用評(píng)估方法將原本用于破產(chǎn)違約分析的模型參數(shù)運(yùn)用到風(fēng)險(xiǎn)評(píng)估當(dāng)中，且通過對(duì)信用評(píng)估參數(shù)進(jìn)行區(qū)間化處理，解決了極大值數(shù)據(jù)影響整體評(píng)估結(jié)果的技術(shù)問題，能夠準(zhǔn)確地評(píng)估中小型企業(yè)的財(cái)務(wù)及信用狀況。

附圖說明

圖1為本發(fā)明信用評(píng)估方法的流程示意圖。

圖2為聚類后箱型圖的示意圖。

具體實(shí)施方式

結(jié)合以下具體實(shí)施例和附圖，對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說明。實(shí)施本發(fā)明的過程、條件、實(shí)驗(yàn)方法等，除以下專門提及的內(nèi)容之外，均為本領(lǐng)域的普遍知識(shí)和公知常識(shí)，本發(fā)明沒有特別限制內(nèi)容。

圖1顯示的是本發(fā)明信用評(píng)估方法的具體流程圖，其中，包括如下步驟：

模型建立步驟：引入z-score模型并根據(jù)評(píng)估對(duì)象的類型選取信用評(píng)估參數(shù)。z-score模型是用于預(yù)測未來兩年內(nèi)評(píng)價(jià)對(duì)象企業(yè)是否會(huì)倒閉的模型，而本發(fā)明選取其中五項(xiàng)指標(biāo)用于評(píng)估企業(yè)信用。這五項(xiàng)指標(biāo)即為信用評(píng)估參數(shù)，包括：x1＝營運(yùn)資本/資產(chǎn)總額，其用于反映公司資產(chǎn)的經(jīng)營效率；x2＝盈余公積/資產(chǎn)總額，其用于反映公司的抗風(fēng)險(xiǎn)能力；x3＝息稅前利潤/資產(chǎn)總額，其用于反映公司運(yùn)用資產(chǎn)獲利的能力；x4＝股東權(quán)益/負(fù)債總額，其用于反映公司經(jīng)營的杠桿率；及x5＝銷售收入/資產(chǎn)總額，其為總資產(chǎn)周轉(zhuǎn)率，用于反映企業(yè)的經(jīng)營水平。

樣本值獲取步驟：根據(jù)評(píng)估對(duì)象的類型獲取樣本，并獲取樣本的信用評(píng)估參數(shù)的樣本值。本發(fā)明中所涉及的樣本是指與評(píng)測對(duì)象相同類型的其他企業(yè)，因?yàn)橄嗤愋推髽I(yè)之間的經(jīng)營數(shù)據(jù)具有更高的可參考性，所以獲取這些樣本的經(jīng)營數(shù)據(jù)從而獲取樣本的信用評(píng)估參數(shù)的樣本值，為區(qū)間化處理打下基礎(chǔ)。

區(qū)間化處理步驟：剔除樣本值的異常值，再對(duì)樣本值進(jìn)行聚類，根據(jù)聚類結(jié)果確定信用評(píng)估參數(shù)的分類區(qū)間及分項(xiàng)分值。

1)本實(shí)施例采用四分位數(shù)據(jù)原理剔除樣本值的異常值，具體包括如下步驟：

步驟a1：根據(jù)z-score模型計(jì)算每一個(gè)樣本的信用評(píng)估參數(shù)的樣本值；

步驟a2：按樣本值進(jìn)行升序或降序排序后，獲得樣本值在每一項(xiàng)信用評(píng)估參數(shù)中的分布，在樣本值分布中取第一分位數(shù)、第二分位數(shù)和第三分位數(shù)；本實(shí)施例中，第一分位數(shù)取25％分位數(shù)，第二分位數(shù)為50％分位數(shù)即中位數(shù)，第三分位數(shù)為75％分位數(shù)。

步驟a3：根據(jù)第一分位數(shù)、第二分位數(shù)和第三分位數(shù)計(jì)算樣本值分布的上邊界與下邊界；本實(shí)施例中，上邊界＝q3+(q3-q1)*1.5，下邊界＝q1-(q3-q1)*1.5，其中q3表示第三分位數(shù)，q1表示第一分位數(shù)。

步驟a4：通過上述步驟生成一個(gè)如圖2所示的箱形圖，箱體包含了大部分的正常數(shù)據(jù)，而低于下邊界和高于上邊界的樣本值為異常值，將異常值從樣本值中剔除。

2)本實(shí)施例中，對(duì)于z-score模型的每一項(xiàng)信用評(píng)估參數(shù)，分別采用自底向上的凝聚的層次聚類方法進(jìn)行聚類，包括如下處理步驟

步驟b1：將一項(xiàng)信用評(píng)估參數(shù)中將每個(gè)樣本值單獨(dú)初始化為一個(gè)類；

步驟b2：計(jì)算類與類之間的距離；該距離采用漢明距離表示。

步驟b3：將距離最接近的兩個(gè)類合并成一類；

步驟b4：重復(fù)進(jìn)行步驟b2與b3，直至樣本值被匯聚到至少兩類為止；每個(gè)類中的樣本值被定義為分類區(qū)間。

信用評(píng)估參數(shù)值獲取步驟：獲取評(píng)估對(duì)象的經(jīng)營數(shù)據(jù)，計(jì)算評(píng)估對(duì)象的各項(xiàng)信用評(píng)估參數(shù)值。

信用評(píng)估步驟：將信用評(píng)估參數(shù)值代入分類區(qū)間中，根據(jù)信用評(píng)估參數(shù)值在分類區(qū)間中的分布得到相應(yīng)的分項(xiàng)分值，計(jì)算每個(gè)分項(xiàng)分值的總和得到信用評(píng)估結(jié)果。

實(shí)施例

本實(shí)施例中選取1000家高新技術(shù)企業(yè)為樣本，從樣本的2012年，2013年，2014年年報(bào)中選取總資本，總負(fù)債，流動(dòng)資產(chǎn)，流動(dòng)負(fù)債，股東權(quán)益，營運(yùn)資本，盈余公積，息稅前利潤，主營業(yè)務(wù)收入，營業(yè)稅金及附加等經(jīng)營數(shù)據(jù)。根據(jù)從z-score模型中提取的信用評(píng)估參數(shù)，計(jì)算每一個(gè)樣本的五項(xiàng)樣本值：營運(yùn)資本/總資產(chǎn)，盈余公積/總資產(chǎn)，息稅前利潤/總資產(chǎn)，股東權(quán)益/總負(fù)債，銷售額/總資產(chǎn)。計(jì)算得出上述每一項(xiàng)指標(biāo)的相關(guān)分布，并選取中位數(shù)(50％分位數(shù))，25/％分位數(shù)，75/％分位數(shù)，上邊界和下邊界來描述數(shù)據(jù)的整體分布情況。根據(jù)25％分位數(shù)和75％分位數(shù)計(jì)算上邊界和下邊界，形成一個(gè)如圖2所示的箱型圖，箱體包含了大部分的正常樣本值，而在箱體上邊界和下邊界之外的樣本值就是異常值，將異常值從中剔除。

剔除異常值后，對(duì)于z-score模型的每一項(xiàng)信用評(píng)估參數(shù)，分別采用自底向上的凝聚的層次聚類方法(agglomerativehierarchicalmethod)進(jìn)行分層聚類(hierarchicalcluster)。首先將一項(xiàng)信用評(píng)估參數(shù)中將每個(gè)樣本值單獨(dú)初始化為一個(gè)類，共得到多個(gè)類,每類僅包含一個(gè)樣本值。類與類之間的距離就是它們所包含的樣本值之間的距離，本實(shí)施例距離選用歐式距離(euclidean)計(jì)算，歐氏距離如下表示：

式中，k表示……，k＝1,2…n,x1k表示第一個(gè)點(diǎn)的第k維坐標(biāo),x2k表示第二個(gè)點(diǎn)的第k維坐標(biāo)，n為維歐氏空間是一個(gè)點(diǎn)集，它的每個(gè)點(diǎn)可以表示為(x(1),x(2),...x(n)),其中x(k)(k＝1,2...n)是實(shí)數(shù)，稱為x的第k個(gè)坐標(biāo)，兩個(gè)點(diǎn)x和y＝(y(1),y(2)...y(n))之間的距離d(x,y)定義為上面的公式。之后找到距離最接近的兩個(gè)類，并合并成一類，重新計(jì)算新的類與所有舊類之間的距離。如此重復(fù)上述步驟,直到所有對(duì)象被分為5個(gè)類，即為此z-score指標(biāo)的分類區(qū)間，本實(shí)施例中經(jīng)聚類后的分類區(qū)間及分項(xiàng)分值如以下表1所示。

表1經(jīng)聚類后信用評(píng)估分值的分類區(qū)間及分項(xiàng)分值

獲得上述分類區(qū)間及分項(xiàng)分值后，獲取評(píng)估對(duì)象的經(jīng)營數(shù)據(jù)，根據(jù)經(jīng)營數(shù)據(jù)計(jì)算其信用評(píng)估參數(shù)值。本實(shí)施例中，評(píng)估對(duì)象的信用評(píng)估參數(shù)值分別為：x1＝95％，x2＝0％，x3＝-1％，x4＝1866％，x5＝87％。將信用評(píng)估參數(shù)值代入分類區(qū)間中，所對(duì)應(yīng)的各分項(xiàng)分值為：5分，0分，0分，5分，9分。所以，該評(píng)估對(duì)象的信用評(píng)估結(jié)果為19分，將信用評(píng)估結(jié)果的評(píng)分作為參考對(duì)該公司的信用作進(jìn)一步評(píng)估。

其中，針對(duì)x4(股東權(quán)益/總負(fù)債)一項(xiàng)的信用評(píng)估參數(shù)值為1866％，若按照原z-score模型，此項(xiàng)參數(shù)值過大導(dǎo)致嚴(yán)重弱化了其他指標(biāo)的作用，最終導(dǎo)致結(jié)果失真，但是按照本發(fā)明區(qū)間化處理后的分類區(qū)間進(jìn)行評(píng)估，則該項(xiàng)參數(shù)值處于“大于400％”的分類區(qū)間中，其分項(xiàng)分值為5。與原z-score模型相比，本發(fā)明信用評(píng)估方法避免因財(cái)務(wù)數(shù)據(jù)質(zhì)量的參差不齊出現(xiàn)由于某一項(xiàng)或某幾項(xiàng)財(cái)務(wù)指標(biāo)影響過大導(dǎo)致模型不合理的情況。

本發(fā)明的保護(hù)內(nèi)容不局限于以上實(shí)施例。在不背離發(fā)明構(gòu)思的精神和范圍下，本領(lǐng)域技術(shù)人員能夠想到的變化和優(yōu)點(diǎn)都被包括在本發(fā)明中，并且以所附的權(quán)利要求書為保護(hù)范圍。