【摘要】對(duì)上市公司進(jìn)行信用風(fēng)險(xiǎn)評(píng)估，應(yīng)注重企業(yè)財(cái)務(wù)信息與非財(cái)務(wù)信息的結(jié)合，并合理考慮到宏觀經(jīng)濟(jì)環(huán)境對(duì)上市公司的信用狀況可能造成的系統(tǒng)性影響。本文選取2007年至2011年我國A股制造業(yè)上市公司96家樣本數(shù)據(jù)進(jìn)行實(shí)證分析，結(jié)果表明：加入企業(yè)非財(cái)務(wù)指標(biāo)和宏觀經(jīng)濟(jì)指標(biāo)能夠提高模型的預(yù)測(cè)精度和擬合優(yōu)度，獨(dú)立董事的比例和公司是否因違規(guī)被相關(guān)監(jiān)管部門處理與信用風(fēng)險(xiǎn)顯著相關(guān)。

【關(guān)鍵詞】信用風(fēng)險(xiǎn) 非財(cái)務(wù)因素 logistic模型 上市公司

引言

據(jù)中國銀監(jiān)會(huì)發(fā)布的主要監(jiān)管指標(biāo)顯示，2012年一季度末全國商業(yè)銀行不良貸款環(huán)比增加103億元，不良貸款總額達(dá)到4382億元，隨著地方融資平臺(tái)貸款將于下半年開始逐步到期，超過5000億元的房地產(chǎn)信托貸款也將迎來還貸高峰期，加上長三角、珠三角地區(qū)民間借貸危機(jī)所暴露出來的信用風(fēng)險(xiǎn)，二季度銀行貸款違約風(fēng)險(xiǎn)的概率大增。作為中國資本市場(chǎng)的主體，上市公司因融資規(guī)模巨大，信用風(fēng)險(xiǎn)顯得尤為重要。因此，如何合理地分析與度量上市公司的信用風(fēng)險(xiǎn)，尋求有效降低商業(yè)銀行的經(jīng)營風(fēng)險(xiǎn)的途徑顯得日益重要。

早期國外對(duì)信用風(fēng)險(xiǎn)的研究模型主要采用財(cái)務(wù)指標(biāo)，以企業(yè)會(huì)計(jì)信息為解釋變量。如Altman的Z值模型和Ohlson的Logistic模型，后來的學(xué)者逐漸意識(shí)到非財(cái)務(wù)因素的重要性，Rose、Andrews和Giroux（1982）將總體經(jīng)濟(jì)變量納入財(cái)務(wù)危機(jī)預(yù)警模型，增加了模型的解釋能力；Keasey和Watson（1987）在模型中加入一些非財(cái)務(wù)變量，如會(huì)計(jì)報(bào)表延遲發(fā)布時(shí)間、內(nèi)部人持股比例等，結(jié)果表明此模型比僅用財(cái)務(wù)比率建立的模型更能準(zhǔn)確預(yù)測(cè)公司的破產(chǎn)；Hoon（2011）利用美國市場(chǎng)數(shù)據(jù)實(shí)證研究表明，國家稅收政策顯著影響商業(yè)抵押貸款違約率。

國內(nèi)學(xué)者對(duì)信用風(fēng)險(xiǎn)的研究主要集中在對(duì)國外先進(jìn)模型在中國的適用性改進(jìn)上，大部分仍以財(cái)務(wù)指標(biāo)為主，如周首華（1996）、陳靜（1999）、宋冬梅（2009）等。本文將公司治理結(jié)構(gòu)因素和宏觀經(jīng)濟(jì)因素引入模型，構(gòu)建新的信用風(fēng)險(xiǎn)評(píng)估Logistic回歸模型，然后利用數(shù)據(jù)檢驗(yàn)加入一系列非財(cái)務(wù)因素后檢驗(yàn)?zāi)芊窀纳颇Ｐ妥R(shí)別效果，并甄別不同非財(cái)務(wù)因素的識(shí)別能力。

二、研究設(shè)計(jì)

（一） 定義違約

現(xiàn)代信用風(fēng)險(xiǎn)理論認(rèn)為債務(wù)人的資產(chǎn)價(jià)值隨信用狀況的降低而下降，損失在違約前就會(huì)發(fā)生。上市公司因財(cái)務(wù)困難被ST時(shí)，雖然并不一定違約，但其資產(chǎn)價(jià)值必然受到負(fù)面影響，將ST企業(yè)作為信用風(fēng)險(xiǎn)研究的違約樣本會(huì)適當(dāng)?shù)靥岣唢L(fēng)險(xiǎn)警戒水平，對(duì)信用風(fēng)險(xiǎn)管理不無裨益。

（二）數(shù)據(jù)選取

為排除行業(yè)因素的影響，本文選擇中國A股制造業(yè)上市公司2007年至2011年首次被ST的70家企業(yè)作為違約樣本，收集目標(biāo)企業(yè)被處理前一年年底的財(cái)務(wù)數(shù)據(jù)和非財(cái)務(wù)數(shù)據(jù)，剔除數(shù)據(jù)不完整的個(gè)體，得到48份ST公司樣本，再按照1:1的比例，選取與違約企業(yè)被ST前一年年底的總資產(chǎn)規(guī)模差異在10%之內(nèi)的正常企業(yè)作為配對(duì)樣本，共計(jì)96個(gè)企業(yè)樣本。本文實(shí)證分析采用SPSS17.0軟件。

（三）二元Logistic模型的建立

Logistic模型作為一種非線性分類的統(tǒng)計(jì)方法，不要求樣本數(shù)據(jù)呈正態(tài)分布，可以解決因變量不連續(xù)回歸的問題，因此我們選擇Logistic模型進(jìn)行企業(yè)信用風(fēng)險(xiǎn)評(píng)估研究。

我們把模型被解釋變量，即企業(yè)的信用狀況分別記為“違約=1”和“不違約=0”。為模型的解釋向量，用以表示企業(yè)的某一種信用狀況發(fā)生的概率p，

其中，為模型截距項(xiàng)，表示各指標(biāo)變量的回歸系數(shù)，由最大似然法估計(jì)得到。本文將0.5作為模型分割點(diǎn)，如果通過邏輯回歸模型計(jì)算出來的企業(yè)發(fā)生信用風(fēng)險(xiǎn)的概率p>0.5，那么該上市公司歸入信用違約（ST）公司；反之，則歸入正常公司。

企業(yè)的信用危機(jī)往往由財(cái)務(wù)危機(jī)引起，因此對(duì)表征企業(yè)財(cái)務(wù)狀況惡化的財(cái)務(wù)指標(biāo)進(jìn)行探索，可以提前發(fā)現(xiàn)企業(yè)潛在的信用風(fēng)險(xiǎn)。本文參考前人研究經(jīng)驗(yàn)預(yù)選18個(gè)財(cái)務(wù)變量，分別是速動(dòng)比率、資產(chǎn)負(fù)債率、現(xiàn)金比率、企業(yè)自由現(xiàn)金流、債務(wù)保障率、現(xiàn)金流量比率、利息保障倍數(shù)、總資產(chǎn)增長率、主營業(yè)務(wù)收入增長率、營業(yè)收入現(xiàn)金比率、銷售凈利率、全部資產(chǎn)現(xiàn)金回收率、資產(chǎn)報(bào)酬率、凈資產(chǎn)收益率、應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、流動(dòng)資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率。

然而，財(cái)務(wù)指標(biāo)真實(shí)可靠，利用這些指標(biāo)評(píng)估企業(yè)信用風(fēng)險(xiǎn)才有意義。企業(yè)所有權(quán)與經(jīng)營權(quán)的分離可能導(dǎo)致管理者為追求自身利益而粉飾財(cái)務(wù)報(bào)表，夸大利潤，掩飾損失。從代理成本理論出發(fā)設(shè)立的獨(dú)立董事制度一定程度上能規(guī)避管理者單純追求盈利性而帶來的道德風(fēng)險(xiǎn)。董事會(huì)中獨(dú)立董事的比例越大，對(duì)公司管理者的監(jiān)管越強(qiáng)，企業(yè)發(fā)生信用違約的可能性越低。 獨(dú)立董事與上市公司工作地點(diǎn)一致性啞變量區(qū)分了兩種狀況：一致或者不一致。若獨(dú)立董事與上市公司工作地點(diǎn)不一致，獨(dú)立董事不能經(jīng)常參與公司的決策，其獨(dú)立監(jiān)管職能很有可能失去實(shí)際意義。

我們還設(shè)置了企業(yè)以往信用記錄啞變量，以區(qū)分不良信用記錄和無不良信用記錄。企業(yè)的不良信用記錄可能意味著該企業(yè)信用文化淡薄，償債意愿較弱，信用風(fēng)險(xiǎn)比無不良信用記錄的企業(yè)大。

由于企業(yè)都是在市場(chǎng)環(huán)境中發(fā)展的，必然受到宏觀經(jīng)濟(jì)環(huán)境的影響。當(dāng)GDP增速放緩、居民消費(fèi)價(jià)格指數(shù)（CPI）驟升、廣義貨幣供應(yīng)量（M2）收縮時(shí)，商業(yè)銀行的不良貸款率會(huì)有不同程度的上升（湯婷婷等，2011）。宏觀經(jīng)濟(jì)環(huán)境還將通過影響企業(yè)家經(jīng)營態(tài)度進(jìn)而影響企業(yè)的還款意愿。若企業(yè)家對(duì)未來宏觀經(jīng)濟(jì)環(huán)境或企業(yè)發(fā)展前景持樂觀態(tài)度，對(duì)企業(yè)長期利益的追求將激發(fā)他們及時(shí)足額償還貸款的意愿，反之企業(yè)家則會(huì)盡力追求最大的眼前利益，產(chǎn)生逆向選擇與道德風(fēng)險(xiǎn)。

三、實(shí)證結(jié)果

（一）描述性分析

為保證研究的有效性，首先采用財(cái)務(wù)變量均值t檢驗(yàn)來檢測(cè)ST樣本數(shù)據(jù)與非ST樣本數(shù)據(jù)是否具有顯著差異。檢驗(yàn)結(jié)果表明，ST和非ST公司在債務(wù)保障率、銷售凈利率、資產(chǎn)報(bào)酬率、凈資產(chǎn)收益率、總資產(chǎn)增長率、營業(yè)收入增長率、速動(dòng)比率、現(xiàn)金比率、總資產(chǎn)周轉(zhuǎn)率、資產(chǎn)負(fù)債率和利息保障倍數(shù)這11個(gè)財(cái)務(wù)指標(biāo)上存在顯著差異，顯著性水平達(dá)到0.05。因此選擇這11個(gè)財(cái)務(wù)指標(biāo)進(jìn)入下一步的因子分析。

（二）因子分析

KMO和Bartlett球度檢驗(yàn)顯示財(cái)務(wù)變量之間存在顯性相關(guān)關(guān)系，適合做因子分析，見表1。

表1 KMO和Bartlett

KMO檢驗(yàn)Bartlett檢驗(yàn) 卡方值P值

0.749509.708.000

根據(jù)Kaiser準(zhǔn)則，保留特征值大于1的因子，提取4個(gè)公因子，累計(jì)解釋方差為76.135%. 因子得分函數(shù)如下：

因子1主要由X7和X13解釋，反映企業(yè)獲利能力；因子2主要由X1和X3解釋，反映企業(yè)短期償債能力；因子3主要由X18解釋，反映企業(yè)營運(yùn)能力；因子4主要由X5和X11，主要反映企業(yè)現(xiàn)金償債能力。

（三） 財(cái)務(wù)因子Logistic回歸模型

利用上一步得出的四個(gè)公因子進(jìn)行l(wèi)ogistic回歸，變量采用一次性強(qiáng)制輸入，得到的Logistic回歸方程為：

單純財(cái)務(wù)變量模型調(diào)整后的偽R方為0.722，總體卡方值為74.804（a=0.000），模型整體判斷正確率達(dá)到89.6%，表征企業(yè)獲利能力和短期償債能力的因子解釋能力最強(qiáng)。從理論上說，因?yàn)楸疚倪x取的樣本分類標(biāo)準(zhǔn)即上市公司是否被ST，而目前“一會(huì)兩所”對(duì)上市公司是否被ST的判斷標(biāo)準(zhǔn)即連續(xù)兩個(gè)會(huì)計(jì)年度財(cái)務(wù)狀況異常，是根據(jù)企業(yè)財(cái)務(wù)狀況進(jìn)行的事后分析，因此在本文的實(shí)驗(yàn)中，財(cái)務(wù)變量具有良好的風(fēng)險(xiǎn)識(shí)別能力。

（四）加入非財(cái)務(wù)變量的logistic回歸模型

將財(cái)務(wù)公因子和非財(cái)務(wù)變量以及宏觀經(jīng)濟(jì)變量作為自變量，采用似然比后向法將自變量分步納入Logistic模型，得到如下回歸方程：

檢驗(yàn)結(jié)果與單純財(cái)務(wù)變量分析基本一致，結(jié)果十分顯著。加入非財(cái)務(wù)變量后，統(tǒng)計(jì)量Cox SnellR2=0.630，Nagelkerke R2=0.840，模型總體卡方值為95.480（a=0.000），模型正確識(shí)別率達(dá)到92.7%，比單純財(cái)務(wù)分析提高了3.1%，說明非財(cái)務(wù)指標(biāo)作用顯著。

在所有非財(cái)務(wù)變量中，僅有X19和X21在0.05的水平下顯著。其中X19表示企業(yè)中獨(dú)立董事的比例，這說明獨(dú)立董事的比例是企業(yè)信貸生態(tài)環(huán)境的重要信號(hào)。獨(dú)立董事不在公司內(nèi)部任職，不受股東和管理層的限制，因此能對(duì)公司決策做出獨(dú)立判斷。獨(dú)立董事的比例越高，企業(yè)做出錯(cuò)誤經(jīng)營決策的可能性越低，從而企業(yè)喪失還款能力的可能性越低；同時(shí)由于獨(dú)立董事與所在公司沒有重大利益關(guān)系，因此在獨(dú)立董事監(jiān)督下披露的企業(yè)信息能較為準(zhǔn)確的反映企業(yè)風(fēng)險(xiǎn)水平。

X21表示企業(yè)以往的信用記錄，包括是否因違規(guī)被證監(jiān)會(huì)處理，是否被環(huán)保、稅務(wù)等部門調(diào)查或企業(yè)高管涉及道德問題等。企業(yè)違反證監(jiān)會(huì)股票上市規(guī)則，未按要求及時(shí)充分進(jìn)行信息披露，高管未能恪守職責(zé)、履行誠信、勤勉義務(wù)等，預(yù)示著該企業(yè)存在還款意愿較低、信用風(fēng)險(xiǎn)較大的可能。該結(jié)果還說明相關(guān)監(jiān)管部門，尤其是證監(jiān)會(huì)（這是因?yàn)樵诒疚闹衅髽I(yè)違規(guī)數(shù)據(jù)主要選取證監(jiān)會(huì)發(fā)布的違規(guī)處理公告）對(duì)上市公司的監(jiān)管有效而顯著，權(quán)益相關(guān)者在投資前應(yīng)重視這類信息。

在方程中，各宏觀經(jīng)濟(jì)變量不夠顯著，原因在于GDP、M2和CPI存在顯著相關(guān)關(guān)系。

四、結(jié)論及啟示

信用風(fēng)險(xiǎn)識(shí)別模型有助于提前發(fā)現(xiàn)企業(yè)信用風(fēng)險(xiǎn)，對(duì)加強(qiáng)信貸管理具有重要意義。財(cái)務(wù)指標(biāo)比非財(cái)務(wù)指標(biāo)更能顯著指示風(fēng)險(xiǎn)，不過加入非財(cái)務(wù)指標(biāo)能提高模型的預(yù)測(cè)準(zhǔn)確率，因此投資者不僅應(yīng)謹(jǐn)慎分析企業(yè)的財(cái)務(wù)狀況，了解其還款能力，更應(yīng)注重搜集目標(biāo)企業(yè)以往的信用記錄、治理結(jié)構(gòu)等軟信息，以考察企業(yè)的還款意愿，降低投資可能遭遇的信用風(fēng)險(xiǎn)。

參考文獻(xiàn)

[1] Cho H， Ciochetti B A， Shilling J D. Are commercial mortgage defaults affected by tax considerations?[J]. Real Estate Financial Economy， 2011( 5).

[2] Keasey K， Watson R. Non-Financial symptoms and the prediction of small company failure: A Test of ARGENTIs Hypotheses[J]. Journal of Business Finance Accounting， 1987(14): 335-354.

[3] 湯婷婷，方兆本. 商業(yè)銀行信用風(fēng)險(xiǎn)與宏觀經(jīng)濟(jì)——基于壓力測(cè)試的研究[J]. 當(dāng)代經(jīng)濟(jì)科學(xué)，2011（4）：66-71.

[4] 石曉軍，任若恩，肖遠(yuǎn)文. 邊界Logistic違約率模型及實(shí)證研究[J]. 管理科學(xué)學(xué)報(bào)，2007 (3 ) : 44- 51.

[5] 周首華，楊濟(jì)華，王平. 論財(cái)務(wù)危機(jī)的預(yù)警分析——F分?jǐn)?shù)模式[J]. 會(huì)計(jì)研究，1996（8）：10-13.

[6] Altman E I. Financial Ratios， Discriminant Analysis and the Prediction of Corporate Bankruptcy[J]. The Journal of Finance， 1968( 23): 589～609.

[7] Ohlson J A. Financial ratios and probabilistic prediction of bankruptcy [J]. Journal of Accounting Research， 1980， 18(1): 109- 131.

作者簡(jiǎn)介：崔天媛（1988- ），女，安徽宿州人，合肥工業(yè)大學(xué)管理學(xué)院研究生，研究方向：會(huì)計(jì)學(xué)。

（責(zé)任編輯：劉晶晶）