杜　鵬　陳軒明

【摘要】 通過建立財(cái)務(wù)危機(jī)識(shí)別模型,從商業(yè)銀行信貸風(fēng)險(xiǎn)防范的角度對(duì)企業(yè)財(cái)務(wù)危機(jī)進(jìn)行識(shí)別和分析。為企業(yè)的財(cái)務(wù)狀況提供建議,在實(shí)際操作中具有一定的參考性。

【關(guān)鍵詞】 信貸風(fēng)險(xiǎn);財(cái)務(wù)危機(jī);判別分析

一、商業(yè)銀行信貸風(fēng)險(xiǎn)防范中存在的問題及進(jìn)行財(cái)務(wù)危機(jī)識(shí)別的重要性

經(jīng)過多年的實(shí)踐,商業(yè)銀行已經(jīng)建立起了以“統(tǒng)一授信、審貸分離、分級(jí)審批、責(zé)權(quán)分明”為核心內(nèi)容的信貸業(yè)務(wù)運(yùn)作和防范體制,成立了相關(guān)的防范機(jī)構(gòu)如風(fēng)險(xiǎn)防范委員會(huì)等。

在實(shí)際操作過程中我國(guó)商業(yè)銀行風(fēng)險(xiǎn)防范中主要還存在以下問題:銀行與企業(yè)之間的信息分布、信息溝通、信息識(shí)別、信息處理等,對(duì)于防范和化解信貸風(fēng)險(xiǎn),支持市場(chǎng)經(jīng)濟(jì)發(fā)展,都具有十分重要的意義。我國(guó)商業(yè)銀行一直缺乏有效的風(fēng)險(xiǎn)監(jiān)測(cè)和控制手段,使得我們的風(fēng)險(xiǎn)判斷表面化和風(fēng)險(xiǎn)反應(yīng)滯后。目前商業(yè)銀行的內(nèi)部信貸評(píng)級(jí)方法基本上沒有對(duì)現(xiàn)金流量的預(yù)測(cè),因而難以反映評(píng)級(jí)對(duì)象將來(lái)的真實(shí)償債能力。

財(cái)務(wù)危機(jī)識(shí)別在協(xié)助商業(yè)銀行甄別、選擇客戶,幫助公司改善生產(chǎn)、經(jīng)營(yíng)管理,提高經(jīng)濟(jì)效益和競(jìng)爭(zhēng)能力等方面的積極作用十分明顯。一方面它有助于商業(yè)銀行合理確定貸款期限和額度、提高貸中審批工作效率,加強(qiáng)貸后管理,優(yōu)化、整合整個(gè)信貸流程;另一方面可以幫助商業(yè)銀行識(shí)別公司信息造假、降低銀企間的信息不對(duì)稱,甄別、選擇客戶,提高公司的還貸能力。

二、財(cái)務(wù)危機(jī)識(shí)別模型的構(gòu)建

1.研究樣本和數(shù)據(jù)來(lái)源

本文選取了2007年滬深兩市A股因財(cái)務(wù)狀況而首次被退市風(fēng)險(xiǎn)警示的公司90家為樣本選取范圍。選擇正常公司的配對(duì)標(biāo)準(zhǔn)是同行業(yè)和同時(shí)間窗,而將公司資產(chǎn)規(guī)模作為一變量放入模型中考慮。在選定危機(jī)型公司后。按1:1的配對(duì)原則選擇行業(yè)相同的健康型上市公司作為配對(duì)樣本,對(duì)這90家上市公司按其功能進(jìn)行分組:估計(jì)樣本組和檢驗(yàn)樣本組。

前者用于構(gòu)建識(shí)別模型,為使模型識(shí)別能力增強(qiáng),應(yīng)該在大樣本(樣本數(shù)大于或等于30)下進(jìn)行,故從中選取危機(jī)型和健康型公司中各選取30家共60家作為估計(jì)樣本;后者用于檢驗(yàn)所構(gòu)建模型的準(zhǔn)確性或者說是有效性。由于樣本有限,將剩下的危機(jī)型和健康型各15家共30家作為檢驗(yàn)樣本,如果檢驗(yàn)結(jié)果超過80%則認(rèn)為是可以接受。

2.財(cái)務(wù)識(shí)別指標(biāo)的篩選

在借鑒現(xiàn)有研究成果的基礎(chǔ)土,結(jié)合實(shí)際問題加以改進(jìn),選用符秩(Wilcoxon)檢驗(yàn)方法對(duì)在財(cái)務(wù)危機(jī)類公司和財(cái)務(wù)健康類公司間存在顯著差異的每個(gè)財(cái)務(wù)指標(biāo)變量進(jìn)行篩選。檢驗(yàn)結(jié)果表明:財(cái)務(wù)危機(jī)發(fā)生的前3年,共有8個(gè)指標(biāo)(資產(chǎn)收益率X1、凈資產(chǎn)收益率X2、每股收益X6、流動(dòng)比率X12、利潤(rùn)增長(zhǎng)率X21、現(xiàn)金債務(wù)總額比X24、全部資產(chǎn)現(xiàn)金回收率X26、公司規(guī)模X28)通過了0.05水平的顯著性檢驗(yàn),即利用這8個(gè)指標(biāo)能將對(duì)財(cái)務(wù)危機(jī)公司和財(cái)務(wù)健康公司進(jìn)行識(shí)別。

3.模型檢驗(yàn)

(1)變量在不同類中均值相等的檢驗(yàn)

為了對(duì)判別函數(shù)的有效性進(jìn)行檢驗(yàn),應(yīng)采用統(tǒng)計(jì)檢驗(yàn)量對(duì)模型進(jìn)行統(tǒng)計(jì)檢驗(yàn)――顯著性檢驗(yàn),以判斷該判別函數(shù)能否將財(cái)務(wù)危機(jī)和財(cái)務(wù)健康兩類公司很好地分開。

當(dāng)λ值為1時(shí),各組均值相等,表中8個(gè)指標(biāo)的λ值均小于1,表明各組均值不等;8個(gè)變量顯著性水平均小于0.05,因此可拒絕各組均值相等的零假設(shè),即在0.05的顯著性水平下8個(gè)指標(biāo)的均值有顯著性差異,可進(jìn)行判別分析。

(2)判別模型顯著性檢驗(yàn)

檢驗(yàn)結(jié)果表明,判別模型在兩組之間的判別顯著,即該判別函數(shù)能較好地將財(cái)務(wù)危機(jī)公司和財(cái)務(wù)健康公司區(qū)分開。通過上述對(duì)模型建立的統(tǒng)計(jì)量檢驗(yàn),可以認(rèn)為所建立的判別函數(shù)在統(tǒng)計(jì)上是有效的。

4.判別分析模型的建立

下面取*ST公司為1,非*ST公司為0作為因變量值,以篩選出的8個(gè)指標(biāo)作為識(shí)別最終變量,采用60家估計(jì)樣本被*ST前t-3年的數(shù)據(jù),建立Fisher兩類判別分析模型。

據(jù)分析得到財(cái)務(wù)健康公司前t-3年的判別函數(shù)為:

Y0=-5.057+1.233X1+0.187X2-0.878X6+2.716X12–1.558X21–9.037X24–0.625X26+0.587X28

財(cái)務(wù)危機(jī)公司前t-3年的判別函數(shù)為:

Y1=-3.564+0.807X1+0.346X2-0.276X6+3.172X12–21–1.316X7.346X24–0.226X26+0.356X28

根據(jù)費(fèi)雪線性判別模型,我們可以計(jì)算出兩類樣本的均值Y1和Y0,由于*ST和非*ST兩組選擇的樣本是按1:1選取的,所以閥值點(diǎn)可根據(jù)對(duì)稱分類原則確定:Y*=(Y0 + Y1)/2,我們將每個(gè)公司的Y分值與閥值點(diǎn)Y*進(jìn)行比較,如果Y

據(jù)分析結(jié)果,*ST和非*ST組公司均值為0.479和-0.479,閥值點(diǎn)Y*=(Y0 +Y1)/2=0,當(dāng)把待判別公司的財(cái)務(wù)指標(biāo)數(shù)據(jù)代入判別函數(shù)得到Y(jié)分值,再與Y*=0比較就可以判別其是屬于財(cái)務(wù)危機(jī)公司還是財(cái)務(wù)健康公司了。

三、判別模型識(shí)別效果的檢驗(yàn)

對(duì)于判別分析,人們最關(guān)心的是建立的判別函數(shù)用來(lái)進(jìn)行判別時(shí)準(zhǔn)確度如何。判別函數(shù)效果的驗(yàn)證方法主要有:自身驗(yàn)證、外部數(shù)據(jù)驗(yàn)證、樣本二分法、交互驗(yàn)證法等。本文首先采用自身驗(yàn)證和交互驗(yàn)證,再將t-3年的數(shù)據(jù)代入驗(yàn)證。

1.自身驗(yàn)證

自身驗(yàn)證是將構(gòu)造函數(shù)所使用的訓(xùn)練樣本依次代入判別函數(shù),以判斷模型的效果。(自身驗(yàn)證的結(jié)果見表3)。其中,“Original”表示原始組,“Predicted Group”表示預(yù)測(cè)組。

ses correctly classified.

從表中可看出,判別分析的結(jié)果為,30個(gè)財(cái)務(wù)健康公司的有24個(gè)分類正確,分類正確率為83.3%;30個(gè)財(cái)務(wù)危機(jī)公司的有26個(gè)分類正確,分類正確率為90.0%?？傮w分類正確率為86.7%,由此可見,模型的判別能力較好。

2.交互驗(yàn)證

交互驗(yàn)證是近年來(lái)逐漸發(fā)展起來(lái)的一種非常重要的判別效果驗(yàn)證技術(shù)。具體方法就是在建立判別函數(shù)時(shí)依次從每一類中去掉一例,然后用建立起來(lái)的判別函數(shù)對(duì)該例進(jìn)行判別,用這種方法可以非常有效地避免強(qiáng)影響點(diǎn)的干擾(交互驗(yàn)證的結(jié)果如表4)。

從交互驗(yàn)證的結(jié)果中可知,對(duì)財(cái)務(wù)健康公司、財(cái)務(wù)危機(jī)公司的分類正確率分別為76.7%、86.7%,總的判定正確率為81.7%。

3.模型外部數(shù)據(jù)回代驗(yàn)證

判別函數(shù)建立完成后,重新再收集一部分樣本數(shù)據(jù),用判別函數(shù)進(jìn)行判別,檢驗(yàn)判別效果,這種檢驗(yàn)方法稱為外部數(shù)據(jù)回代驗(yàn)證。將驗(yàn)證樣本組的30家上市公司的財(cái)務(wù)指標(biāo)代入模型中進(jìn)行驗(yàn)證,這一過程也叫做“回代”。從表5可知,對(duì)這30個(gè)公司的識(shí)別結(jié)果為:15個(gè)財(cái)務(wù)健康公司正確識(shí)別12個(gè),正確率為80%;15個(gè)財(cái)務(wù)危機(jī)公司正確識(shí)別13個(gè),正確率為86.7%;對(duì)全部30個(gè)公司正確識(shí)別出25個(gè),正確率為83.3%。

通過各種方法檢驗(yàn),判別分析模型對(duì)財(cái)務(wù)危機(jī)公司和財(cái)務(wù)健康公司識(shí)別的正確率都達(dá)到了80%以上。在實(shí)際操作中具有一定的參考性,這也證明了本研究所建立的實(shí)證模型具有一定的實(shí)用價(jià)值,可以為商業(yè)銀行構(gòu)建企業(yè)危機(jī)識(shí)別模型并用來(lái)分析、預(yù)測(cè)和監(jiān)督信貸企業(yè)的財(cái)務(wù)狀況提供建議。

參考文獻(xiàn)

[1]中國(guó)注冊(cè)會(huì)計(jì)師協(xié)會(huì).財(cái)務(wù)成本管理.經(jīng)濟(jì)科學(xué)出版社,2007

[2]王宗軍,李志生,崔鑫.深圳證券市場(chǎng)系統(tǒng)風(fēng)險(xiǎn)分析.華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版).2002(8):88～90

[3]黃國(guó)良,潘華,鐘曉東.基于企業(yè)核心能力培育的財(cái)務(wù)戰(zhàn)略研究[J] .當(dāng)代財(cái)經(jīng).2004(5)

[4]柳絮.企業(yè)商業(yè)信用管理方法與策略研究.中國(guó)知網(wǎng)優(yōu)秀博士學(xué)位論文全文數(shù)據(jù)庫(kù).2005