彭朝暉,王 平,王躍恒

(1.長(zhǎng)沙理工大學(xué) 經(jīng)濟(jì)管理學(xué)院,湖南 長(zhǎng)沙 410076；2.長(zhǎng)沙理工大學(xué) 數(shù)學(xué)與計(jì)算科學(xué)學(xué)院,湖南 長(zhǎng)沙 410076)

一、引言

信用風(fēng)險(xiǎn)是銀行面臨的最主要的風(fēng)險(xiǎn)之一,銀行對(duì)信用風(fēng)險(xiǎn)的控制和管理能力關(guān)系到銀行體系的穩(wěn)定和國(guó)民經(jīng)濟(jì)的發(fā)展。信用風(fēng)險(xiǎn)一直是銀行、其它金融機(jī)構(gòu)以及參與金融合作交易當(dāng)事人所關(guān)心的主要問題。而信貸風(fēng)險(xiǎn)可以說(shuō)是一種狹義的信用風(fēng)險(xiǎn),即表示債務(wù)人未能如期償還其債務(wù)而造成的違約,進(jìn)而給銀行經(jīng)營(yíng)帶來(lái)的風(fēng)險(xiǎn)。2008年的金融危機(jī)大爆發(fā),主要是由于金融機(jī)構(gòu)對(duì)信用風(fēng)險(xiǎn)的評(píng)估不力造成的。而且我國(guó)四大國(guó)有商業(yè)銀行也一直存在資產(chǎn)質(zhì)量較差,資產(chǎn)利潤(rùn)低,不良貸款率較高的弱點(diǎn)。如2000年不良貸款占貸款總量29.2%,2001年為25.4%,2002年為20.9%,2003年為22.2%,2004年為15.71%。我國(guó)國(guó)有銀行的不良資產(chǎn)比例遠(yuǎn)遠(yuǎn)大于國(guó)際警戒線水平(國(guó)際警戒線一般為10%左右),也遠(yuǎn)遠(yuǎn)高于1997年?yáng)|南亞金融危機(jī)前的主要受沖擊銀行的不良貸款比率。而導(dǎo)致國(guó)有商業(yè)銀行資產(chǎn)質(zhì)量差的根本原因是銀行承擔(dān)了較多的信用損失,因此提高信用風(fēng)險(xiǎn)管理水平是提高銀行資產(chǎn)質(zhì)量的根本措施。

上市公司定期公布的財(cái)務(wù)報(bào)告是集中反映公司在一定會(huì)計(jì)期間內(nèi)資金的流轉(zhuǎn)、財(cái)務(wù)狀況和盈利的綜合報(bào)告,是企業(yè)向市場(chǎng)和投資者傳達(dá)經(jīng)營(yíng)狀況的基本手段,更是商業(yè)銀行等金融機(jī)構(gòu)研究和判斷公司經(jīng)營(yíng)能力和發(fā)展?jié)摿Φ闹饕罁?jù)。針對(duì)上市公司的財(cái)務(wù)報(bào)告具有公布集中、數(shù)量龐大、行業(yè)復(fù)雜的特點(diǎn),本文主要采用因子分析方法,對(duì)隨機(jī)抽取的40家汽車行業(yè)的公司進(jìn)行了綜合財(cái)務(wù)分析,從而給出一種綜合評(píng)價(jià)上市公司財(cái)務(wù)狀況和發(fā)展?fàn)顩r的新方法。通過比較各企業(yè)最后因子得分排名結(jié)果來(lái)評(píng)估企業(yè)信用風(fēng)險(xiǎn)水平,并討論其應(yīng)用于商業(yè)銀行貸款業(yè)務(wù)中風(fēng)險(xiǎn)管理的可行性。

二、方法介紹

因子分析方法可分為R型因子分析和Q型因子分析,本文主要采用R型因子分析,即主要是研究變量之間相互關(guān)系的分析方法。其原理及分析方法歸結(jié)如下:

1.設(shè)原考核指標(biāo)x1,x2,…,xp的樣本觀察矩陣為X,則有

這里p表示變量數(shù),n表示樣本數(shù)。將原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,即

2.求R的特征值λ1≥…≥λp≥0及相應(yīng)的特征向量U1,…,Up,設(shè)特征向量矩陣為U=(U1,…Up),令F=UTX=(F1,…Fα,…,Fn),稱F為主因子陣,Fα=UTXα(α=1,…,n)為第α個(gè)樣品主因子觀測(cè)值,又稱因子得分矩陣。

則由F=UTX可得X=UF=U(1)F(1)+U(2)F(2),其中U(1)F(1)為m個(gè)主因子所能解釋的部分,U(2)F(2)為含信息量很少的殘余部分,可設(shè)為ε,這時(shí)有

X=U(1)F(1)+ε。

(1)

式(1)稱為因子模型,U(1)稱為因子載荷,F(1)稱為主因子,ε稱為特殊因子。

略去特殊因子的因子模型可表示為:

4.為了對(duì)主因子的實(shí)際意義有明確的分析和解釋,可將因子做正交旋轉(zhuǎn),使載荷矩陣中每一行的數(shù)值盡可能兩極化(接近于0或接近±1)。

三、可行性論證

1.引入的可行性

因子分析方法主要是通過研究眾多變量之間的內(nèi)部依賴關(guān)系,探求觀測(cè)數(shù)據(jù)中的基本結(jié)構(gòu),其目的是用有限個(gè)不可觀測(cè)的隱變量來(lái)解釋原始變量之間的相關(guān)關(guān)系。既可避免信息量的重復(fù),又克服了權(quán)重確定的主觀性。因子分析法進(jìn)行綜合評(píng)價(jià)所用權(quán)數(shù)屬于信息量權(quán)數(shù),與根據(jù)評(píng)判者對(duì)指標(biāo)自身重要程度的估計(jì)而確定的估價(jià)權(quán)數(shù)不同,它從指標(biāo)所含區(qū)分樣本的信息量多少來(lái)確定指標(biāo)的重要程度,是伴隨數(shù)學(xué)變換過程內(nèi)在生成的,并隨著樣本集合的變化而變化,不能人為調(diào)整。采用信息量權(quán)數(shù)有助于客觀地反映樣本間的現(xiàn)實(shí)關(guān)系,提高綜合評(píng)價(jià)的效度。本文應(yīng)用因子分析法進(jìn)行企業(yè)信用風(fēng)險(xiǎn)研究,主要考慮到企業(yè)內(nèi)部各評(píng)價(jià)指標(biāo)間的相關(guān)性較大,單純采用其他分析方法不能得出明顯有效的分析結(jié)果,而因子分析法可以將眾多財(cái)務(wù)指標(biāo)向量進(jìn)行降維,選擇最具有代表性的因子,通過對(duì)主因子內(nèi)涵的確定,可以找出影響企業(yè)財(cái)務(wù)狀況的主要原因,據(jù)以說(shuō)明影響企業(yè)信用風(fēng)險(xiǎn)的主要因素。

2.根據(jù)上市公司財(cái)務(wù)指標(biāo)引入因子分析法

將我國(guó)上市公司作為樣本,選取2009年40家汽車行業(yè)的主要財(cái)務(wù)指標(biāo),將其標(biāo)準(zhǔn)化后求得相關(guān)矩陣R,并求得特征值λ1≥…≥λp≥0及相應(yīng)的特征向量矩陣U以及主因子陣F,確定主因子的個(gè)數(shù)m,建立因子模型。本文采用最大方差正交旋轉(zhuǎn),用以解釋主因子的實(shí)際意義,最后計(jì)算每個(gè)樣本的總得分。

3.指標(biāo)的選取

綜合考慮企業(yè)財(cái)務(wù)績(jī)效評(píng)價(jià)的指標(biāo),其中企業(yè)財(cái)務(wù)績(jī)效評(píng)價(jià)就是利用公司的財(cái)務(wù)指標(biāo)進(jìn)行比較分析,能夠客觀地為商業(yè)銀行判斷企業(yè)的財(cái)務(wù)狀況和發(fā)展?fàn)顩r的總體水平,揭示其所面臨的風(fēng)險(xiǎn)大小和成長(zhǎng)空間。本文主要是采用上市公司財(cái)務(wù)績(jī)效評(píng)價(jià)指標(biāo)體現(xiàn)企業(yè)的信用風(fēng)險(xiǎn),主要指標(biāo)有:流動(dòng)比率(x1)=流動(dòng)資產(chǎn)/流動(dòng)負(fù)債、速動(dòng)比率(x2)=(流動(dòng)資產(chǎn)—存貨凈額)/流動(dòng)負(fù)債、資產(chǎn)負(fù)債率(x3)(%)=負(fù)債總額×100/資產(chǎn)總額、應(yīng)收帳款周轉(zhuǎn)率(x4)=主營(yíng)業(yè)務(wù)收入/(期初應(yīng)收帳款凈額+期末應(yīng)收帳款凈額)、存貨周轉(zhuǎn)率(x5)=主營(yíng)業(yè)務(wù)成本/(期初存貨凈額+期末存貨凈額)、管理費(fèi)用比例(x6)、經(jīng)營(yíng)凈利率(x7)、資產(chǎn)凈利率(x8)、主營(yíng)收入增長(zhǎng)率(x9)、凈利潤(rùn)增長(zhǎng)率(x10)、主營(yíng)利潤(rùn)增長(zhǎng)率(x11)。

四、實(shí)證分析

1.數(shù)據(jù)的標(biāo)準(zhǔn)化處理

從上市公司中隨機(jī)抽取40家汽車行業(yè)上市公司作為綜合分析對(duì)象,在上述的財(cái)務(wù)指標(biāo)體系下對(duì)40家上市公司2009年的財(cái)務(wù)狀況進(jìn)行考察,得到40組原始數(shù)據(jù)(略)。

2.計(jì)算樣本相關(guān)矩陣R,求R特征值與貢獻(xiàn)率

表1 特征值及百分比表

3.建立因子載荷陣

取前4個(gè)主成分建立因子載荷陣,并且為了便于主因子做出正確、合理的解釋,使結(jié)構(gòu)簡(jiǎn)化,也就是使每個(gè)因子載荷的平方按列向0或1兩極分化,就要對(duì)因子載荷矩陣實(shí)行方差最大旋轉(zhuǎn),經(jīng)旋轉(zhuǎn)后的因子載荷陣如表2所示。

表2 因子載荷矩陣

第一主因子F1的貢獻(xiàn)率為37.70%,說(shuō)明在11項(xiàng)指標(biāo)中起主導(dǎo)作用。F1在x6(管理費(fèi)用比例)、x7(經(jīng)營(yíng)凈利率)、x8(資產(chǎn)凈利率)上有較大的載荷,而這三個(gè)指標(biāo)反映的是企業(yè)經(jīng)營(yíng)業(yè)務(wù)創(chuàng)造利潤(rùn),直接反映公司的整體獲利能力,因此該因子可命名為“盈利能力因子”。

第二主因子F2的貢獻(xiàn)率為24.61%,其在x1(流動(dòng)比率)、x2(速動(dòng)比率)、x3(資產(chǎn)負(fù)債率)上有較大的載荷,而這三個(gè)指標(biāo)中的流動(dòng)比率和速動(dòng)比率反映短期償債能力、資產(chǎn)負(fù)債率反映長(zhǎng)期償債能力,因此該因子可命名為“償債能力因子”。

第三主因子F3的貢獻(xiàn)率為16.15%,其在x4(應(yīng)收帳款周轉(zhuǎn)率)、x9(主營(yíng)收入增長(zhǎng)率)、x11(主營(yíng)利潤(rùn)增長(zhǎng)率)上有較大的載荷,其指標(biāo)主營(yíng)收入增長(zhǎng)率反映了公司擴(kuò)大市場(chǎng)規(guī)模的能力,表明公司的重點(diǎn)發(fā)展方向的成長(zhǎng)性,而發(fā)展以及投資者的回報(bào)主要取決于利潤(rùn)的增長(zhǎng),所以主營(yíng)利潤(rùn)增長(zhǎng)率也是一個(gè)重要指標(biāo),因此該因子命名為“發(fā)展能力因子?！?/p>

第四主因子F4的貢獻(xiàn)率為9.38%,其在x5(存貨周轉(zhuǎn)率)、x10(凈利潤(rùn)增長(zhǎng)率)上有較大載荷,而這兩個(gè)指標(biāo)反映公司資產(chǎn)總額的周轉(zhuǎn)速度,是公司日常經(jīng)營(yíng)能力、資金利用效果的表現(xiàn),因此該因子命名為“經(jīng)營(yíng)效率分析能力因子”。

F1、F2、F3、F44個(gè)因子能反映11項(xiàng)指標(biāo)信息總量的87.83%,亦即用這4個(gè)因子代表原來(lái)的11項(xiàng)指標(biāo),評(píng)價(jià)企業(yè)財(cái)務(wù)狀況已有87.83%的把握。主因子的財(cái)務(wù)狀況可由因子模型中權(quán)數(shù)較大的幾個(gè)指標(biāo)的綜合意義來(lái)確定,本文分別從這4個(gè)主要方面來(lái)刻畫汽車行業(yè)企業(yè)的財(cái)務(wù)狀況和發(fā)展?fàn)顩r,4個(gè)主因子的線性組合如下:

(2)

設(shè)綜合評(píng)價(jià)函數(shù)為F,利用主因子對(duì)總信息量的貢獻(xiàn)率λi進(jìn)行加權(quán),可得

(3)

4.4 因子評(píng)分

將標(biāo)準(zhǔn)化后的數(shù)據(jù)帶入式(2)可以得出各企業(yè)在4個(gè)綜合因子方面的得分與排序;代入式(3)可以計(jì)算出這40家汽車行業(yè)企業(yè)財(cái)務(wù)狀況的綜合得分及排序,見表3。

五、結(jié)果分析

從表3可知40個(gè)汽車行業(yè)企業(yè)分別在4個(gè)主因子上的因子得分,據(jù)此可以對(duì)這些企業(yè)的財(cái)務(wù)狀況和經(jīng)營(yíng)狀況作出比較和判斷。

從盈利能力因子F1情況來(lái)看,股票代碼為600 609的盈利能力因子最高,為0.8939,說(shuō)明了該企業(yè)的經(jīng)營(yíng)利潤(rùn)率,資產(chǎn)利潤(rùn)率增長(zhǎng)很快,超出了其它企業(yè)的盈利增長(zhǎng)率,發(fā)展前景很好;600 523居其次,為0.8699,同樣頗具發(fā)展?jié)摿?。而股票代碼為600 988則處于最低水平,為-5.9093,經(jīng)營(yíng)業(yè)績(jī)大幅滑坡,事實(shí)上,從原始數(shù)據(jù)可以看出,它的經(jīng)營(yíng)凈利率是-1012.01,是非常低的,對(duì)這樣的企業(yè),商業(yè)銀行對(duì)其貸款尚需等待觀察,可以暫時(shí)不貸。

從償債能力因子F2情況來(lái)看,股票代碼為600 151的因子最高,為2.1681,這說(shuō)明了該公司的償還能力強(qiáng),負(fù)債比率很低,流動(dòng)比率高,財(cái)務(wù)風(fēng)險(xiǎn)小,債務(wù)清償保障強(qiáng),對(duì)這樣的企業(yè)貸款,違約的機(jī)會(huì)是很小。而該企業(yè)其他因子排名都很靠后,依次為第36、36、22名,但是它的綜合得分排名第7位,這也進(jìn)一步說(shuō)明了償債能力因子是決定和影響總體財(cái)務(wù)狀況水平的根本因素。600 854位居其次,為2.1517,財(cái)務(wù)風(fēng)險(xiǎn)也很小。相反,股票代碼為600 338的因子最低,為-2.1576,負(fù)債比率較高,流動(dòng)比率較低,財(cái)務(wù)風(fēng)險(xiǎn)較大,對(duì)這樣的企業(yè)貸款需慎重。

從發(fā)展能力因子F3情況來(lái)看,股票代碼為600 760的因子最高,為3.6851,從原始數(shù)據(jù)可以看出,該企業(yè)的主營(yíng)收入增長(zhǎng)率及主營(yíng)利潤(rùn)增長(zhǎng)率都非常高,這說(shuō)明企業(yè)未來(lái)發(fā)展能力強(qiáng),經(jīng)營(yíng)狀況好。代碼為600 741的因子居第二位,為2.7743,相對(duì)而言也是很不錯(cuò)的。

表3 因子得分、綜合評(píng)分及排序表

從經(jīng)營(yíng)效率分析能力因子F4情況看,股票代碼為600388的因子最高,為2.8463,相比之下其它因子排名靠后,所以綜合排名也比較落后。

從總體上看,財(cái)務(wù)狀況總體水平高于汽車行業(yè)平均水平的企業(yè)有25家,而低于汽車行業(yè)平均水平的企業(yè)有15家,其中總體財(cái)務(wù)狀況排前三位的股票代碼依次是600741、600523、600841;居后三位的股票代碼是600988、600081、600876。進(jìn)一步分析可見,償債能力因子是決定和影響總體財(cái)務(wù)狀況水平的根本因素。綜合得分排前三的企業(yè)其償債能力因子都是比較靠前的,商業(yè)銀行關(guān)于企業(yè)信貸風(fēng)險(xiǎn)就很小,商業(yè)銀行對(duì)這樣的企業(yè)貸款,其違約的可能性則很小。根據(jù)企業(yè)最后的綜合排名可以作為商業(yè)銀行貸款的一種參考。此排序結(jié)果對(duì)商業(yè)銀行向企業(yè)貸款具有一定的指導(dǎo)價(jià)值。實(shí)踐證明,該方法是可行的。

[參考文獻(xiàn)]

[1]方洪全,曾勇.運(yùn)用多元判別法評(píng)估企業(yè)信用風(fēng)險(xiǎn)的實(shí)例[J].預(yù)測(cè),2004,(4): 65-68.

[2]李慶東.上市公司財(cái)務(wù)績(jī)效評(píng)價(jià)與聚類分析[J].工業(yè)技術(shù)經(jīng)濟(jì),2005,144:146-148.

[3]李應(yīng)求,馮榮麗,彭朝暉.基于回歸分析的我國(guó)居民收入分配差距的定量研究[J].長(zhǎng)沙理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2006,21(3):60-66.

[4]李應(yīng)求,劉薇,陳文鋒.聚類分析視角下地區(qū)保險(xiǎn)業(yè)發(fā)展差異研究——基于湖南省各地市的截面數(shù)據(jù)分析[J].時(shí)代金融,2009,(1):117-119.

[5]李應(yīng)求,劉朝才,彭朝暉.不確定條件下企業(yè)的投資規(guī)模決策[J].運(yùn)籌學(xué)學(xué)報(bào),2008,12(2):121-128.

[6]彭朝暉,馮榮麗,李應(yīng)求.湖南省城鄉(xiāng)收入差距的基本趨勢(shì)和影響因素分析[J].長(zhǎng)沙理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2008,23(1):110-115.

[7]施錫銓,鄒新月.典型判別分析在企業(yè)信用風(fēng)險(xiǎn)評(píng)估中的作用[J].財(cái)經(jīng)研究,2001,27(10):53-57.

[8]王春峰,萬(wàn)海暉,張維.商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估及其實(shí)證研究[J].管理科學(xué)學(xué)報(bào),1998,1(1):68-72.

[9]張良.我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估模型的實(shí)證分析.財(cái)貿(mào)研究,2008,(3):147-148.