中圖分類號(hào)：F224"文獻(xiàn)標(biāo)識(shí)碼：A

摘要：本文采用實(shí)證研究的方法，然后利用2013年股票市場(chǎng)上存在的40家ST上市公司以及與其行業(yè)相同，資產(chǎn)規(guī)模相當(dāng)?shù)?0家非ST上市公司的財(cái)務(wù)數(shù)據(jù)為基礎(chǔ)，通過因子分析和logistic模型的運(yùn)用，建立了一個(gè)評(píng)價(jià)上市公司信用風(fēng)險(xiǎn)的模型，模型判別的正確率比較令人滿意，最后為了進(jìn)一步檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)能力，從A股市場(chǎng)隨機(jī)挑選了20家上市公司（不包括已經(jīng)包含在模型中的樣本）的財(cái)務(wù)數(shù)據(jù)帶入logistic模型進(jìn)行預(yù)測(cè)，結(jié)果表明模型有較好的預(yù)測(cè)能力。

關(guān)鍵詞：信用風(fēng)險(xiǎn);因子分析;logistic回歸模型

一、引言

2008年次貸危機(jī)的爆發(fā)，愈演愈烈，進(jìn)而演變成全球性的金融危機(jī)，使得銀行把對(duì)企業(yè)信用的評(píng)價(jià)成為信貸管理中日益重要的課題。狹義的信用風(fēng)險(xiǎn)指借款人到期不能或不愿償還借款的違約風(fēng)險(xiǎn)。廣義上也包括信用交易中借款人信用狀況惡化或金融市場(chǎng)上標(biāo)的資產(chǎn)信用評(píng)級(jí)下降，"造成資產(chǎn)貶值，"從而使投資者潛在損失擴(kuò)大的信貸利差風(fēng)險(xiǎn)。后一種風(fēng)險(xiǎn)由于其不直接反映在賬面上，"常常不被投資者重視。但事實(shí)上，"正如在08年的次貸危機(jī)中，"標(biāo)準(zhǔn)普爾和穆迪降級(jí)處理上百只房地產(chǎn)抵押債券，"使眾多投資者損失慘重，"后一種風(fēng)險(xiǎn)一旦爆發(fā)后果同樣嚴(yán)重。實(shí)際研究中已有許多評(píng)價(jià)上市公司信用風(fēng)險(xiǎn)的模型，"根據(jù)它們對(duì)信用事件的定義的不同，"大致可以分為盯住市場(chǎng)模型和違約模型兩類。前者著重考察借款企業(yè)信用品質(zhì)的變化情況，"評(píng)價(jià)該種信用事件對(duì)企業(yè)貸款（債券）價(jià)值的影響，"后者以企業(yè)不能或不愿還款為信用事件，"強(qiáng)調(diào)的是預(yù)期違約損失。隨著我國(guó)市場(chǎng)經(jīng)濟(jì)不斷發(fā)展和完善，企業(yè)之間的競(jìng)爭(zhēng)也越來越激烈，市場(chǎng)的復(fù)雜性和不可預(yù)見性使得企業(yè)一旦經(jīng)營(yíng)不善，就有可能陷入財(cái)務(wù)困境之中。因此建立一個(gè)適合我國(guó)上市公司信用風(fēng)險(xiǎn)度量的模型變得刻不容緩。

二、文獻(xiàn)回顧

（一）企業(yè)信用風(fēng)險(xiǎn)度量的理論模型

企業(yè)信用風(fēng)險(xiǎn)度量的規(guī)范性理論是探求企業(yè)陷入財(cái)務(wù)危機(jī)的深層次原因的理論基礎(chǔ)。大致可分為四類：一是非均衡理論模型。非均衡理論主要包括混沌理論和災(zāi)害理論?；煦缋碚撝饕獜囊粋€(gè)乃至其后一系列由其產(chǎn)生的微弱干擾對(duì)整個(gè)系統(tǒng)的影響入手分析問題，指出當(dāng)這一系列產(chǎn)生的微弱干擾對(duì)整個(gè)系統(tǒng)的非均衡影響逐步累加時(shí)，最終會(huì)導(dǎo)致整個(gè)系統(tǒng)偏離原來的均衡狀態(tài)。災(zāi)害理論主要關(guān)注一個(gè)系統(tǒng)中的幾個(gè)潛在均衡點(diǎn)，著重分析在一些逐漸平緩發(fā)生變化后出現(xiàn)的突然的、不連續(xù)的變化對(duì)整個(gè)系統(tǒng)的影響。二是財(cái)務(wù)模型。Scot（1981）將企業(yè)破產(chǎn)定義為權(quán)益價(jià)值小于零或資不抵債，并總結(jié)出由四種財(cái)務(wù)模型組成的解釋公司財(cái)務(wù)危機(jī)的規(guī)范理論。三是代理模型。代理理論是引入契約理論后得到的，其根據(jù)股東和債權(quán)人之間的潛在利益沖突來研究公司破產(chǎn)，主要通過現(xiàn)金流的波動(dòng)性和公司資產(chǎn)的變現(xiàn)價(jià)值來研究企業(yè)的生存狀態(tài)。

（二）企業(yè)信用風(fēng)險(xiǎn)度量的實(shí)證研究

企業(yè)信用風(fēng)險(xiǎn)度量一直是微觀經(jīng)濟(jì)領(lǐng)域的研究熱點(diǎn)，信用風(fēng)險(xiǎn)度量模型也隨著研究的深入而不斷地發(fā)展變化。信用風(fēng)險(xiǎn)度量模型從開始由Beaver提出的單變量模型（一元判定模型）發(fā)展到可以全面揭示企業(yè)財(cái)務(wù)狀況的多變量模型。當(dāng)前主流的四種多變量財(cái)務(wù)危機(jī)預(yù)測(cè)模型是：多元線性模型、Logistic模型、COX模型和神經(jīng)模型。具體來說，多元線性模型分為多元線性判別模型和多元線性回歸模型，是A.Altman在20世紀(jì)60年代首先采用的，由于二者的最終預(yù)測(cè)效果完全相同，一般選擇多元線性回歸模型來建立危機(jī)預(yù)測(cè)模型;Logistic模型是一種應(yīng)用二值響應(yīng)的非線性判別統(tǒng)計(jì)方法建立的模型，由于Altman多元判別分析的某些假設(shè)一直備受爭(zhēng)議，Ohlson（1980）采用了Logistic分析方法，從而克服了傳統(tǒng)判別分析中的許多問題，使財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的方法得到了重大改進(jìn);由于國(guó)內(nèi)財(cái)務(wù)預(yù)警研究起步較晚，發(fā)展還不成熟，因而在實(shí)踐中大多采用多元判別分析方法，采用多元邏輯研究方法較少。

三、研究設(shè)計(jì)

（一）研究方法

本文采用因子分析和logistic回歸模型的方法來研究企業(yè)信用風(fēng)險(xiǎn)。Logistic函數(shù)最早由珀?duì)柡屠拢?920）在研究果蠅繁殖的過程中發(fā)現(xiàn)，現(xiàn)已成為實(shí)際應(yīng)用最為普遍的的二元回歸模型之一。Logistic模型的最大優(yōu)點(diǎn)是：不需要嚴(yán)格的假設(shè)條件，克服了線性方程受統(tǒng)計(jì)假設(shè)約束的局限性。Logistic回歸模型的曲線為S型，該預(yù)警模型一般是以0.5作為閥值。來判斷企業(yè)是否存在信用風(fēng)險(xiǎn)。本文利用邏輯回歸方法來構(gòu)建信用風(fēng)險(xiǎn)度量模型進(jìn)行財(cái)務(wù)預(yù)測(cè)，該模型可以很好很快的預(yù)測(cè)出企業(yè)的風(fēng)險(xiǎn)情況，是值得推廣和應(yīng)用的一種模型。

（二）數(shù)據(jù)選擇

本文選用2013年年上海與深圳證券交易所被ST的一共40家上市公司作為失信企業(yè)組，"并按照同行業(yè)、同規(guī)模的原則又挑選了40家業(yè)績(jī)正常的上市公司作為參照的守信企業(yè)組。鑒于配對(duì)分析可以濾去所處行業(yè)、企業(yè)規(guī)模等一些外在環(huán)境對(duì)分析的干擾，本文采用配對(duì)的方式選取對(duì)照組。由于公司是在2013年被ST的，所以本文利用的是上市公司2010年的年報(bào)的財(cái)務(wù)數(shù)據(jù)。最后，為了檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)能力和穩(wěn)健性，另外選取了20家上市公司作為檢驗(yàn)樣本。本文所有數(shù)據(jù)來源于同花順數(shù)據(jù)庫和國(guó)泰君安數(shù)據(jù)庫。

（三）指標(biāo)選擇

參照以往的研究文獻(xiàn)，本文從反映企業(yè)盈利能力、償債能力、營(yíng)運(yùn)能力、發(fā)展能力和現(xiàn)金流五個(gè)方面選擇了33個(gè)指標(biāo)，然后按照“嚴(yán)格管制下Logit評(píng)分模型中信用因子的最優(yōu)選擇”的思路來篩選指標(biāo)。最后，本文選定15個(gè)指標(biāo)作為備選變量，如表3-1所示。

表3-1信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)

類別變量指標(biāo)名稱及計(jì)算公式

償債能

力指標(biāo)

X3流動(dòng)比率=流動(dòng)資產(chǎn)/流動(dòng)負(fù)債

X4速動(dòng)比率=速動(dòng)資產(chǎn)/流動(dòng)負(fù)債

X1資產(chǎn)負(fù)債率=平均總負(fù)債/平均總資產(chǎn)

X6利息保障倍數(shù)=（利潤(rùn)總額+利息費(fèi)用）/利息費(fèi)用

盈利能

力指標(biāo)

X13銷售凈利率=凈利潤(rùn)/銷售收入

X12ROA（總資產(chǎn)收益率）=息稅前凈利潤(rùn)/總資產(chǎn)平均總額

X11ROE（凈資產(chǎn)收益率）=息稅前凈利潤(rùn)/凈資產(chǎn)平均總額

營(yíng)運(yùn)能

力指標(biāo)

X7應(yīng)收賬款周轉(zhuǎn)率=賒銷收入凈額/應(yīng)收賬款平均余額

X8存貨周轉(zhuǎn)率=銷售成本/存貨平均余額

X9流動(dòng)資產(chǎn)周轉(zhuǎn)率=主營(yíng)業(yè)務(wù)收入凈額/流動(dòng)資產(chǎn)平均余額

X10總資產(chǎn)周轉(zhuǎn)率=銷售凈收入/總資產(chǎn)平均余額

發(fā)展能

力指標(biāo)

X15總資產(chǎn)增長(zhǎng)率=（本期總資產(chǎn)-上期總資產(chǎn)）/上期總資產(chǎn)

X14營(yíng)業(yè)收入增長(zhǎng)率=（本期營(yíng)業(yè)收入-上期營(yíng)業(yè)收入）/上期營(yíng)業(yè)收入

現(xiàn)金流

量指標(biāo)

X5現(xiàn)金流量比率=經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金凈流量/流動(dòng)負(fù)債

X2營(yíng)業(yè)收入現(xiàn)金比率=經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金凈流量/營(yíng)業(yè)收入

四、實(shí)證分析

（一）因子分析

本文選取了15個(gè)信用風(fēng)險(xiǎn)度量的指標(biāo)，其中不乏存在具有較強(qiáng)相關(guān)性的指標(biāo)，為了達(dá)到降維目的的同時(shí)又不喪失樣本的信息，首先要進(jìn)行因子分析。在因子分析之前，首先要考慮數(shù)據(jù)的特點(diǎn)，若選取的指標(biāo)數(shù)據(jù)單位不統(tǒng)一就需要進(jìn)行無量綱化處理，本文所選指標(biāo)均為比率指標(biāo)，并且利用spss進(jìn)行因子分析時(shí)，系統(tǒng)會(huì)自動(dòng)對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，所以可以直接進(jìn)入下一步。在進(jìn)行因子分析之前，要計(jì)算相關(guān)系數(shù)矩陣和KMO值以及Barlett檢驗(yàn)值，以判斷指標(biāo)是否適合進(jìn)行因子分析。

采用方差極大旋轉(zhuǎn)法旋轉(zhuǎn)后的因子載荷矩陣，它列示了提取的公因子和原始變量之間的簡(jiǎn)單線性關(guān)系。

Component

1234567

資產(chǎn)

負(fù)債率-.009-.008-.021.339-.207.352-.056

現(xiàn)金流量

凈額除營(yíng)

業(yè)收入.436-.004-.004-.098.138.109-.034

流動(dòng)

比率-.398-.014.083.048.122-.025.043

速動(dòng)

比率.047-.019.025-.032.598.104-.042

現(xiàn)金流

量比率.315-.045.017.024.094-.161.018

利息保

障倍數(shù).000.499-.069-.039-.003.065-.061

存貨周

轉(zhuǎn)率-.028-.039-.106.022-.169-.079.625

應(yīng)收賬款

周轉(zhuǎn)率-.042-.134.491-.130.148.108-.134

流動(dòng)資產(chǎn)

周轉(zhuǎn)率.007-.027.344.002-.192-.083.175

總資產(chǎn)

周轉(zhuǎn)率-.016.084.404.120-.013-.001-.068

凈資產(chǎn)收

益率ROE-.013-.003.038-.072.189.200.571

總資產(chǎn)報(bào)

酬率ROA-.021.481-.053-.027-.024-.011.012

銷售

凈利率.001.029.035-.080.143.709.085

營(yíng)業(yè)收入

增長(zhǎng)率-.062-.048.021.547-.060-.010-.039

總資產(chǎn)

增長(zhǎng)率.016.015-.113.394.282-.089.061

利用因子分析法將零亂復(fù)雜的指標(biāo)體系進(jìn)行結(jié)構(gòu)化處理，既降低了觀測(cè)維度"同時(shí)也保證了原始數(shù)據(jù)的信息量，為邏輯回歸分析提供了準(zhǔn)備。

利用SPSS19的Logistic"Regression對(duì)估計(jì)樣本進(jìn)行二元Logistic分析。

經(jīng)過論證模型是比較顯著的，檢測(cè)因變量實(shí)際值與預(yù)測(cè)值的分布是否有顯著差異，結(jié)果表明不顯著，也就是說本文中因變量的實(shí)際值與預(yù)測(cè)值沒有顯著性差異，模型擬合較好。

40家ST公司中，有32家被判為ST公司，另外8家被判為非ST，判別正確率為80%;39家非ST公司中，有29家被判為非ST，10家被判為ST，判別正確率為74.4%，綜合判別正確率為77.2%。

模型的系數(shù)及檢驗(yàn)得知，在10%的置信水平下，F(xiàn)1，F(xiàn)2，F(xiàn)4，F(xiàn)5，F(xiàn)7的系數(shù)以及常數(shù)項(xiàng)都通過了顯著性檢驗(yàn)。由表中結(jié)果得到下面的模型：

Pi/1-"Pi"=Exp（-0.075-2.898F1-5.756F2-0.247F3+0.121F4-0.952F5+1.499F6-1.203F7）

（3）預(yù)測(cè)效果檢驗(yàn)

a.將2013年40家ST公司和40家非ST公司的財(cái)務(wù)數(shù)據(jù)代入模型中進(jìn)行回判，可以得出較高的回判率。為了進(jìn)一步檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)能力和提高結(jié)果的穩(wěn)健性，以滬深上市公司為樣本，剔除了數(shù)據(jù)無法獲得的上市公司，同時(shí)樣本中不包括已在模型中使用的上市公司，共隨機(jī)抽取21家上市公司，將指標(biāo)值代入模型進(jìn)行預(yù)測(cè)，得出判別結(jié)果：10家ST公司中有9家判斷正確，回判率達(dá)到90%;11家非ST公司全部判斷中正確，綜合判別正確率達(dá)到了95.2%，表明模型的預(yù)測(cè)能力很強(qiáng)。

五、結(jié)論及建議

本文建立的信用風(fēng)險(xiǎn)度量模型從反映盈利能力、營(yíng)運(yùn)能力、發(fā)展能力、短期償債能力以及長(zhǎng)期償債能力等方面的指標(biāo)來對(duì)我國(guó)上市公司的信用風(fēng)險(xiǎn)進(jìn)行度量。實(shí)證結(jié)果表明，該模型的預(yù)測(cè)準(zhǔn)確率達(dá)到了近95.2%，有較好的預(yù)警效果。企業(yè)可以利用此模型作為防范財(cái)務(wù)風(fēng)險(xiǎn)的手段，及時(shí)調(diào)整財(cái)務(wù)戰(zhàn)略和經(jīng)營(yíng)戰(zhàn)略，防患于未然。投資者可以利用此模型預(yù)測(cè)企業(yè)未來財(cái)務(wù)狀況趨勢(shì)，為防范投資風(fēng)險(xiǎn)提供有益的參考。債權(quán)人則可以運(yùn)用此模型判斷借款和債權(quán)投資的安全性，決定是否為上市公司提供融資。但是，該模型也存在一定的局限：第一，所采用的指標(biāo)全是財(cái)務(wù)指標(biāo)，未選取非財(cái)務(wù)指標(biāo);第二，估計(jì)樣本量有80個(gè)，但是檢驗(yàn)樣本量只有21個(gè)，可能會(huì)影響預(yù)測(cè)的效果;第三，本文選取0.5作為預(yù)測(cè)判斷標(biāo)準(zhǔn)，有待進(jìn)一步研究。

作者簡(jiǎn)介：

王一林（1990-），男，漢族，河南鄭州人，碩士，單位：浙江財(cái)經(jīng)大學(xué)，研究方向：資本市場(chǎng)運(yùn)營(yíng)。