劉新文

(陜西省公路局渭南路政執(zhí)法支隊，陜西　渭南　714000)

?

制造業(yè)上市公司信用風(fēng)險實證研究
——基于邏輯回歸方法分析

劉新文

(陜西省公路局渭南路政執(zhí)法支隊，陜西渭南714000)

摘要：通過搜集占比例大的制造業(yè)公司樣本，以制造業(yè)為例，選取其各行業(yè)在2006年被ST企業(yè)作為研究樣本；以凈資產(chǎn)收益率作為配對樣本選取依據(jù)，借助于SPSS10.0對2004年樣本和配對數(shù)據(jù)進(jìn)行了邏輯回歸模型構(gòu)建和實證研究，得出了行業(yè)邏輯回歸模型較高的信用風(fēng)險預(yù)測判別能力。

關(guān)鍵詞：信用風(fēng)險；上市公司；回歸分析；制造業(yè)

一、文獻(xiàn)述評

關(guān)于信用風(fēng)險的定義，不同學(xué)者有不同的觀點。第一種觀點認(rèn)為，它是交易對手無力履約的風(fēng)險，也即債務(wù)人未能如期償還其債務(wù)造成違約而給經(jīng)濟主體經(jīng)營帶來的風(fēng)險。第二種觀點認(rèn)為，信用風(fēng)險特指借款方由于種種原因，無力或不愿償還貸款本息，導(dǎo)致放貸方損失的可能性。信用風(fēng)險是伴隨著信用的出現(xiàn)的，是金融風(fēng)險之一，也是企業(yè)所有者、經(jīng)理人、投資者、商業(yè)銀行等金融機構(gòu)和政府面臨的最重要的金融風(fēng)險。特別是對于銀行等金融機構(gòu)來說，其面臨的信用風(fēng)險是非常巨大和前所未有的。因此，信用風(fēng)險的度量一直都是金融機構(gòu)及企業(yè)所面臨的核心問題。

關(guān)于信用風(fēng)險的研究最早可以追溯到上個世紀(jì)的30年代，研究對象大部分是企業(yè)破產(chǎn)和經(jīng)營失敗。菲茨.帕特里克(Fitz Patrick， 1932)運用單個財務(wù)比率，比弗(Beaver， W.H，1966)提出了并運用單變量判定模型，奧特曼(Altman， 1968)提出并運用多元Z值判定模型。我國的信用風(fēng)險相關(guān)研究是從20世紀(jì)80年代末，吳世農(nóng)和黃世忠(1986)曾介紹過企業(yè)的破產(chǎn)分析指標(biāo)和預(yù)測模型。陳靜(1999)運用單變量判別分析和多變是判別分析。吳世農(nóng)、盧賢義(2001)應(yīng)用Fisher線性判定分析、多元線性回歸分析和Logistic回歸分析三種方法分析。楊淑娥(2003)采用統(tǒng)計方法中的主成分分析法，建立了上市公司財務(wù)預(yù)警Y分?jǐn)?shù)模型。

對于企業(yè)來說，陷入信用風(fēng)險是一個逐步的過程，出現(xiàn)個別違約現(xiàn)象不足以認(rèn)定其面臨很大的信用風(fēng)險，而出現(xiàn)大量的違約行為時，就足以確定其一個企業(yè)陷入財務(wù)困境時。因此，本文界定信用風(fēng)險企業(yè)即為財務(wù)危機企業(yè)。

二、模型構(gòu)建與樣本選取

(一)模型構(gòu)建

對于處理定性變量方法較多，主要有判別分析、邏輯回歸分析、對數(shù)線性模型。本文在前人研究的基礎(chǔ)上，以2006年我國制造業(yè)被ST的企業(yè)為研究對象，采用邏輯回歸分析法進(jìn)行判別分析。

假設(shè)因變量Y為兩個值的定性變量，用0、1分別表示企業(yè)財務(wù)危機和財務(wù)正常兩種不同的狀態(tài)，Y=0的概率P是我們研究的對象。

設(shè)x1,x2,…,xk是與y相關(guān)的確定性變量，n組觀測數(shù)據(jù)為(xi1,xi2,…,xik,yi)(i=1,2,…,n)，其中，y1,y2,…,yn是取值為或1(財務(wù)危機或非財務(wù)危機)的隨機變量，yi與xi1,xi2，…,xik的關(guān)系為：

E(yi)=pi=β0+β1xi1+β2xi2+…+βkxik

(1)

對于邏輯回歸：

(2)

其中，β0是回歸方程的常數(shù)，β1,β2，…βk分別為xi1,xi2,…，xik的回歸系數(shù)，f(pi)為第i個企業(yè)被判別為財務(wù)危機企業(yè)的概率。

(二)樣本選取

從上市公司行業(yè)數(shù)量來看，農(nóng)、林、牧、漁業(yè)45家，采掘業(yè)29家，制造業(yè)943家，電力、煤氣及水的生產(chǎn)和供應(yīng)業(yè)67家，建筑業(yè)30家，交通運輸、倉儲業(yè)72家，信息技術(shù)業(yè)114家，批發(fā)和零售貿(mào)易90家，金融、保險業(yè)17家，房地產(chǎn)業(yè)88家，社會服務(wù)業(yè)88家，傳播與文化產(chǎn)業(yè)11家，綜合類108，總計1702家，制造業(yè)所占數(shù)量最多，占55%，所以本文選取制造業(yè)為研究對象。

根據(jù)證券會頒布的《上市公司狀況異常期間的股票特別處理方式的通知》，要求證券交易所對“財務(wù)狀況異常的上市公司”實行股票交易的特別處理。財務(wù)狀況異常包括兩種情況：一是最近兩個會計年度的審計報告顯示公司財務(wù)狀況的凈利潤為負(fù)；二是最近一個會計年度的審計結(jié)果顯示其股東權(quán)益低于注冊資本。本文選取制造業(yè)在2006年因財務(wù)狀況異常而被特別處理上市公司作為樣本。同時對每一個被特別處理上市公司以同行業(yè)類別，凈資產(chǎn)收益率最接近的作為配對企業(yè)，部分被特別處理而無法配對的企業(yè)被刪除。需要說明：本文以2006年被ST的企業(yè)作為研究對象，若以2005年或2006年的財務(wù)數(shù)據(jù)作為預(yù)測源數(shù)據(jù)會高估模型的預(yù)測能力，因此，選擇2004年的財務(wù)作為預(yù)測源數(shù)據(jù)。經(jīng)過整理，確定37家為特別處理企業(yè)作為樣本數(shù)據(jù)，同時選取37家為非特別處理企業(yè)配對樣本數(shù)據(jù))。如表1所示：

表1　特別處理企業(yè)與配對企業(yè)表

如表1所示，由于2006年制造業(yè)部分行業(yè)被ST的企業(yè)較少，不便運用模型進(jìn)行計算，所以將這些行業(yè)進(jìn)行合并后如表2所示。其中，造紙、印刷33家，ST企業(yè)占該行業(yè)18%，石油、化學(xué)、塑膠、塑料、金屬、非金屬319家，ST企業(yè)占該行業(yè)3%，機械、設(shè)備、儀表263家，ST企業(yè)占該行業(yè)3%，醫(yī)藥、生物制品112家，ST企業(yè)占該行業(yè)6%，食品、飲料、紡織、服裝、皮毛、電子、其他制造業(yè)216家，ST企業(yè)占該行業(yè)4%，其中以造紙、印刷行業(yè)ST企業(yè)比例最高，具體數(shù)據(jù)如表2所示。

表2　制造業(yè)ST公司與上市公司比較

(三)模型指標(biāo)選取

本文根據(jù)中國上市公司資訊網(wǎng)提供資料，選取了獲利能力、經(jīng)營能力、償債能力、資本結(jié)構(gòu)、發(fā)展能力、現(xiàn)金流量分析6大類30個財務(wù)指標(biāo)。經(jīng)過T檢驗分析后認(rèn)為，剔除一些判別區(qū)分能力弱、相關(guān)系數(shù)較高的財務(wù)指標(biāo)，最終得到16個財務(wù)指標(biāo)作為模型的備選變量。16個財務(wù)指標(biāo)分別包括銷售凈利率、總資產(chǎn)收益率、凈資產(chǎn)收益率、應(yīng)收賬款周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率、股東權(quán)益與固定資產(chǎn)比率、資產(chǎn)負(fù)債比率、股東權(quán)益比率、營業(yè)利率增長率、凈利潤增長率、利潤總額增長率、凈資產(chǎn)增長率、全部資金現(xiàn)金回收率、凈收益營運指數(shù)、現(xiàn)金營運指數(shù)和銷售現(xiàn)金比率。T檢驗結(jié)果如表3所示：

表3　T檢驗結(jié)果

三、實證研究

本文以SPSS10.0作為運算工具，以2006年制造業(yè)被ST的37家上市公司和相應(yīng)的配對企業(yè)作為研究對象，選取2004年的財務(wù)報表數(shù)據(jù)和上述經(jīng)T檢驗的16個財務(wù)指標(biāo)進(jìn)行運算后得出模型和結(jié)果如下：

造紙、印刷業(yè)模型：

(3)

石油、化學(xué)、塑膠、塑料、金屬、非金屬業(yè)模型：

(4)

機械、設(shè)備、儀表業(yè)模型：

(5)

醫(yī)藥、生物制品業(yè)模型：

(6)

食品、飲料、紡織、服裝、皮毛、電子、其他制造業(yè)模型：

(7)

制造業(yè)綜合模型：

(8)

以上模型以0.5為判別分界點，f(p)值范圍為[0，1]，當(dāng)值大于0.5時，判別為正常型企業(yè)，當(dāng)Y值小于0.5時，判別為信用風(fēng)險企業(yè)。將各行業(yè)樣本數(shù)據(jù)和配對樣本數(shù)據(jù)代入各自模型(3)、(4)、(5)、(6)、(7)、(8)模型，結(jié)果如表4：

表4　邏輯回歸模型結(jié)果

a.The cut value is .500

從表4中可以發(fā)現(xiàn)，造紙、印刷、醫(yī)藥、生物制品兩行業(yè)所建立的邏輯回歸模型預(yù)警識別能力較高，均達(dá)到100%，機械、設(shè)備、儀表行業(yè)預(yù)警識別能力達(dá)87.5%，石油、化學(xué)、塑膠、塑料、金屬、非金屬、食品、飲料、紡織、服裝、皮毛、電子、其他制造業(yè)行業(yè)預(yù)警識別能力達(dá)87.5%，制造業(yè)綜合預(yù)警識別能力達(dá)89.2%。分析表2和表4可以得出，行業(yè)中所占ST上市公司比重越大所構(gòu)建的邏輯回歸模型識別能力越強。

四、結(jié)論

以制造業(yè)為例，分別對制造業(yè)各行業(yè)建立了邏輯回歸模型，將2006年制造業(yè)被ST企業(yè)研究對象，2004年制造業(yè)被ST企業(yè)和其配對企業(yè)作為數(shù)據(jù)源泉，通過SPSS10.0分析后得出以下結(jié)論：

1、國外研究普遍認(rèn)為，企業(yè)信用風(fēng)險與區(qū)域經(jīng)濟有較大的關(guān)系，本文提出了以行業(yè)為研究對象也具相對較高的信用風(fēng)險識別能力，因此，應(yīng)針對不同行業(yè)建立符合該行業(yè)的企業(yè)信用風(fēng)險判別模型。

2、研究發(fā)現(xiàn)，行業(yè)信用風(fēng)險模型的識別能力與該行業(yè)被ST企業(yè)樣本容量有一定的關(guān)系，該行業(yè)中被ST企業(yè)所占比重越大，模型越具有判別能力。然而，我國的上市公司數(shù)量和被ST企業(yè)的數(shù)量還非常有限，隨著上市公司數(shù)量的增加，該模型將具有更高的識別能力。

3、對ST企業(yè)配對公司的選取依據(jù)本文以(T-2)年凈產(chǎn)收益率相近企業(yè)為依據(jù)具有針對性，能夠更好的說明在(T-2)年經(jīng)營相近情況下判別其未來存在信用風(fēng)險的概率。