閆炳琪，趙月瑤，張輝

(中國(guó)傳媒大學(xué) 理學(xué)院，北京100024)

?

基于上市公司財(cái)務(wù)數(shù)據(jù)的企業(yè)信用風(fēng)險(xiǎn)預(yù)測(cè)Logistic模型研究

閆炳琪，趙月瑤，張輝

(中國(guó)傳媒大學(xué) 理學(xué)院，北京100024)

隨著國(guó)際金融市場(chǎng)的發(fā)展，多元化的金融工具和衍生工具在資本市場(chǎng)中得以運(yùn)用和發(fā)展。上市公司作為自主經(jīng)營(yíng)、自負(fù)盈虧、自我發(fā)展的市場(chǎng)主體，面臨著日益多變的市場(chǎng)環(huán)境，隨時(shí)都要經(jīng)受財(cái)務(wù)危機(jī)的考驗(yàn)。信用風(fēng)險(xiǎn)研究有助于對(duì)企業(yè)信用狀況進(jìn)行預(yù)測(cè)，動(dòng)態(tài)了解企業(yè)發(fā)展的現(xiàn)狀和未來的趨勢(shì)，及時(shí)發(fā)現(xiàn)和解決企業(yè)財(cái)務(wù)管理中存在的問題，降低發(fā)生信用危機(jī)的概率，給投資者與信貸機(jī)構(gòu)提供保障。本次研究選取我國(guó)深滬兩市74家上市公司2013-2014年的財(cái)務(wù)報(bào)表數(shù)據(jù)，通過主成分分析降維，將17個(gè)財(cái)務(wù)指標(biāo)濃縮為5個(gè)主成分因子，將5個(gè)主成分因子作為自變量建立回歸模型。從上市公司的盈利能力、償債能力、發(fā)展能力和營(yíng)運(yùn)能力四個(gè)角度，全面反映財(cái)務(wù)狀況在企業(yè)信用中所起的作用。在選取變量、建立模型后，得到的整體預(yù)測(cè)水平較高，模型效果良好，可以將該模型運(yùn)用于我國(guó)上市公司的信用風(fēng)險(xiǎn)預(yù)測(cè)，為投資者與信貸機(jī)構(gòu)提供信用風(fēng)險(xiǎn)防范方面的幫助。

信用風(fēng)險(xiǎn)預(yù)警；財(cái)務(wù)風(fēng)險(xiǎn)；信用危機(jī)；主成分分析；logistic回歸模型

1　引言

面對(duì)國(guó)際競(jìng)爭(zhēng)的日益加大和經(jīng)濟(jì)環(huán)境的復(fù)雜多變，企業(yè)所要面臨的風(fēng)險(xiǎn)也隨之增大。企業(yè)管理制度的缺陷，市場(chǎng)經(jīng)濟(jì)體制的不健全等因素都在影響著企業(yè)發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的幾率，因高負(fù)債，盲目擴(kuò)張，資金周轉(zhuǎn)問題引發(fā)的財(cái)務(wù)風(fēng)險(xiǎn)也層出不窮。因此在我國(guó)上市公司建立信用風(fēng)險(xiǎn)評(píng)級(jí)系統(tǒng)非常重要。

市場(chǎng)競(jìng)爭(zhēng)越來越激烈，而我國(guó)又有一些上市公司經(jīng)營(yíng)效率不高，危機(jī)意識(shí)不夠敏感，導(dǎo)致其中一些企業(yè)財(cái)務(wù)狀況沒有及時(shí)得到改善，負(fù)債不斷，企業(yè)信用持續(xù)受損。為此，中國(guó)證監(jiān)會(huì)先后出臺(tái)了多項(xiàng)風(fēng)險(xiǎn)預(yù)警機(jī)制，來給廣大投資者與信貸銀行提供信用評(píng)測(cè)標(biāo)準(zhǔn)。

現(xiàn)代的市場(chǎng)經(jīng)濟(jì)，信用是基礎(chǔ)中的基礎(chǔ)，所以也可是說市場(chǎng)經(jīng)濟(jì)也是信用的經(jīng)濟(jì)。如今信用風(fēng)險(xiǎn)暴露愈發(fā)嚴(yán)重，信用風(fēng)險(xiǎn)已經(jīng)成為各國(guó)金融系統(tǒng)所面臨的核心風(fēng)險(xiǎn)。如何準(zhǔn)確測(cè)度信用風(fēng)險(xiǎn)也成為金融機(jī)構(gòu)、投資者、政府監(jiān)管部門關(guān)注的焦點(diǎn)。

如今我國(guó)還處于經(jīng)濟(jì)轉(zhuǎn)型時(shí)期，市場(chǎng)經(jīng)濟(jì)體制并不夠完善，與市場(chǎng)經(jīng)濟(jì)相關(guān)的一些法律和市場(chǎng)規(guī)則也有漏洞。這就導(dǎo)致了我國(guó)信用體系發(fā)育程度低，信用秩序較為混亂。同時(shí)企業(yè)的信用風(fēng)險(xiǎn)防范意識(shí)也比較差，體現(xiàn)在經(jīng)濟(jì)行為中就是違約現(xiàn)象不斷出現(xiàn)。例如貸款逾期不還，成為呆賬死賬；企業(yè)間資金相互拖欠、三角債盛行等等。我國(guó)整個(gè)信用體系的不健全以及大量企業(yè)存在嚴(yán)重的信用危機(jī)將會(huì)導(dǎo)致嚴(yán)重的后果：市場(chǎng)秩序遭到破壞，市場(chǎng)交易成本大大提高，市場(chǎng)效率顯著降低，市場(chǎng)機(jī)制發(fā)揮基礎(chǔ)性配置資源的作用也受到一定制約；嚴(yán)重阻礙了我國(guó)經(jīng)濟(jì)持續(xù)穩(wěn)定健康的發(fā)展進(jìn)程。由于信用風(fēng)險(xiǎn)提高，銀行等金融機(jī)構(gòu)不敢輕易放貸款，證券市場(chǎng)行情低迷，導(dǎo)致企業(yè)難以通過正常信用渠道獲取所需資金；信用環(huán)境的惡化，將同時(shí)惡化我國(guó)吸引外資的投資環(huán)境，制約我國(guó)企業(yè)的國(guó)際競(jìng)爭(zhēng)力。因此完善我國(guó)信用體系，構(gòu)建合適的信用風(fēng)險(xiǎn)預(yù)警模型對(duì)于我國(guó)的經(jīng)濟(jì)發(fā)展，尤其是我國(guó)金融市場(chǎng)的穩(wěn)定發(fā)展有著極為重大的現(xiàn)實(shí)意義。不論是銀行等金融機(jī)構(gòu)、投資者、債權(quán)人還是政府監(jiān)管部門在做出投資或是放貸的決策時(shí)最為關(guān)心的都是企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)情況或是信用情況。

2　國(guó)內(nèi)目前信用風(fēng)險(xiǎn)評(píng)級(jí)模型研究出現(xiàn)的問題

一些企業(yè)高層特別是企業(yè)的高級(jí)財(cái)務(wù)管理人員無視經(jīng)濟(jì)環(huán)境變化對(duì)企業(yè)財(cái)務(wù)狀況和未來發(fā)展所造成的重大影響。根本沒有建立財(cái)務(wù)預(yù)警系統(tǒng)，或者雖然建立了這一類的財(cái)務(wù)預(yù)警系統(tǒng)，卻完全不具備環(huán)境變化的適應(yīng)性，當(dāng)客觀環(huán)境發(fā)生變化時(shí)，企業(yè)依舊按照機(jī)械或傳統(tǒng)的思路來分析判斷問題，最終不能適應(yīng)環(huán)境的變化，給企業(yè)造成重大損失，而這些企業(yè)所謂的財(cái)務(wù)預(yù)警系統(tǒng)也就名存實(shí)亡。[1]

企業(yè)預(yù)警系統(tǒng)必須以大量的信息為基礎(chǔ)，而有些企業(yè)信息管理系統(tǒng)薄弱，沒有專門的組織負(fù)責(zé)信息的收集和管理，甚至沒有專門的人員負(fù)責(zé)這部分的工作，更沒有做到不相容職務(wù)分離，信息存在不完整、不及時(shí)、甚至錯(cuò)誤的問題。

加強(qiáng)信息管理工作，建立信息管理組織機(jī)構(gòu)，配備專門的從業(yè)人員，明確信息收集、處理、存放及反饋等各個(gè)環(huán)節(jié)的工作要求，保證權(quán)責(zé)明確、不相容職務(wù)分離，同時(shí)提供相關(guān)的技術(shù)支持。建立完善的內(nèi)部控制制度，包括法人治理結(jié)構(gòu)完善、組織建設(shè)權(quán)責(zé)分明、交易處理程序適當(dāng)、信息記錄真實(shí)、披露及時(shí)等內(nèi)容。[2]

企業(yè)是一個(gè)有機(jī)的整體，企業(yè)預(yù)警應(yīng)與其他系統(tǒng)保持良好的合作關(guān)系。而有些企業(yè)各子系統(tǒng)之間沒有建立起密切的聯(lián)系，信息缺少統(tǒng)一、信息反饋不及時(shí)，經(jīng)常發(fā)生幾個(gè)系統(tǒng)之間，同一經(jīng)濟(jì)活動(dòng)數(shù)據(jù)不同的現(xiàn)象。[3]同時(shí)，企業(yè)預(yù)警體系必須進(jìn)行事前、事中、事后的經(jīng)常性控制。有的企業(yè)往往只是在發(fā)生財(cái)務(wù)問題的時(shí)候才重視該系統(tǒng)，而系統(tǒng)因?yàn)殚L(zhǎng)年不用，形同虛設(shè)，根本無法通過預(yù)警系統(tǒng)，分析造成危機(jī)的問題，無法確定到底是哪個(gè)環(huán)節(jié)發(fā)生了問題。

企業(yè)預(yù)警系統(tǒng)是財(cái)務(wù)信息為中心的信息系統(tǒng)，它以預(yù)警為目的，不同于企業(yè)其他系統(tǒng)。但應(yīng)當(dāng)考慮不同子系統(tǒng)的數(shù)據(jù)傳遞和各子系統(tǒng)對(duì)數(shù)據(jù)的不同要求，實(shí)現(xiàn)企業(yè)數(shù)據(jù)共享，建立以財(cái)務(wù)為中心的信息集中、反饋系統(tǒng)，才能更好的發(fā)揮預(yù)警系統(tǒng)的作用。[4]同時(shí)，企業(yè)的每一項(xiàng)重要的經(jīng)營(yíng)決策對(duì)財(cái)務(wù)風(fēng)險(xiǎn)都存在影響，要做到預(yù)先分析、事中控制、事后反饋。通過日常的實(shí)時(shí)監(jiān)控，及時(shí)發(fā)現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)，及時(shí)快速做出反應(yīng)，抓住重點(diǎn)，對(duì)癥下藥，從而達(dá)到預(yù)警、糾錯(cuò)、改善的目的。[5]

企業(yè)的預(yù)警區(qū)間包括財(cái)務(wù)指標(biāo)的安全區(qū)間、一般風(fēng)險(xiǎn)區(qū)間，以此確定財(cái)務(wù)預(yù)警信號(hào)的重大性。有些企業(yè)在制定區(qū)間指標(biāo)時(shí)，未考慮行業(yè)水平、企業(yè)規(guī)模等因素。所選用的指標(biāo)也沒有實(shí)時(shí)更新，所選用的區(qū)間具有很大的主觀性。

一個(gè)公司財(cái)務(wù)狀況的好壞往往是管理當(dāng)局、投資者和債權(quán)人等利益相關(guān)者關(guān)注的焦點(diǎn)。以上四點(diǎn)都是現(xiàn)行我國(guó)財(cái)務(wù)預(yù)警方面的現(xiàn)狀，公司財(cái)務(wù)預(yù)警是公司管理經(jīng)營(yíng)的一個(gè)重要方面。在學(xué)術(shù)研究方面，相比較國(guó)外，國(guó)內(nèi)的相關(guān)文獻(xiàn)較少，且以靜態(tài)研究為主。靜態(tài)研究成果涉及到六種財(cái)務(wù)預(yù)警模型：一元判定模型、多元判定模型、Logistic模型、人工神經(jīng)網(wǎng)絡(luò)模型、Probit模型和聯(lián)合預(yù)測(cè)模型。其中應(yīng)用較多的是前四種模型，而后面的模型應(yīng)用相對(duì)較少。

3　模型的比較與選取

單變量預(yù)警分析方法計(jì)算比較簡(jiǎn)單，便于理解。但是由于企業(yè)的財(cái)務(wù)狀況是通過很多財(cái)務(wù)指標(biāo)來反映的，單個(gè)財(cái)務(wù)指標(biāo)是無法把企業(yè)完整的、真實(shí)的財(cái)務(wù)風(fēng)險(xiǎn)體現(xiàn)出來。而且單變量比率分析得出的結(jié)論可能會(huì)受到企業(yè)外部經(jīng)濟(jì)環(huán)境的影響。它僅僅重視的是某個(gè)指標(biāo)的分析能力，使模型過于片面，預(yù)測(cè)精度也會(huì)不穩(wěn)定。

多元線性回歸模型的預(yù)測(cè)精度雖然較高，但是對(duì)樣本數(shù)據(jù)的假設(shè)條件過于苛刻，不是所有企業(yè)的財(cái)務(wù)數(shù)據(jù)都滿足相關(guān)假設(shè)的，所以該模型并不能推廣使用，只能對(duì)特定的一些企業(yè)使用。

對(duì)于人工神經(jīng)網(wǎng)絡(luò)模型，雖然很多實(shí)證研究發(fā)現(xiàn)，神經(jīng)網(wǎng)絡(luò)模型的擬合或預(yù)測(cè)準(zhǔn)確性要高于多元判別分析和邏輯回歸模型，該方法有很強(qiáng)的容錯(cuò)能力、學(xué)習(xí)能力和糾錯(cuò)能力，但是由于神經(jīng)網(wǎng)絡(luò)嚴(yán)重的內(nèi)在缺陷，運(yùn)用起來有一定困難，且依據(jù)的理論較為抽象，判別結(jié)果不具有解釋性。因此認(rèn)為人工神經(jīng)網(wǎng)絡(luò)不適合本文樣本建模。

而Logistic回歸分析是一種非線性的分析方法，它不像多元線性回歸有那么多的假設(shè)條件作為前提，對(duì)數(shù)據(jù)的要求很低，泛用性很強(qiáng)，用spss又可以非常簡(jiǎn)便地得出各個(gè)參數(shù)的計(jì)算結(jié)果。

綜上所述，Logistic模型由于適用性廣，操作簡(jiǎn)便，且解釋性也全面，所以我們選擇使用Logistic回歸方法來構(gòu)建上市公司的信用風(fēng)險(xiǎn)預(yù)測(cè)模型。

4　研究思路與方法

目前我國(guó)企業(yè)的財(cái)務(wù)危機(jī)預(yù)警研究仍處于探索階段，還有許多問題需要進(jìn)行進(jìn)一步的探討。本文比較了當(dāng)下國(guó)內(nèi)外最流行的幾個(gè)信用風(fēng)險(xiǎn)評(píng)級(jí)模型，分析各模型的優(yōu)缺點(diǎn)，選了一個(gè)最適合我國(guó)上市公司財(cái)務(wù)數(shù)據(jù)特征的模型，運(yùn)用最新的數(shù)據(jù)構(gòu)建并獲得最新的、適用的信用風(fēng)險(xiǎn)評(píng)級(jí)模型。

本文選取了2013-2014年滬深交易所的共74家上市公司作為研究對(duì)象，由于*ST類企業(yè)過少，這里我們不采取將樣本配對(duì)的方法進(jìn)行研究，而將其作為獨(dú)立樣本研究。通過分析最新的財(cái)務(wù)數(shù)據(jù)，找出影響企業(yè)信用風(fēng)險(xiǎn)預(yù)測(cè)效果顯著的財(cái)務(wù)指標(biāo)。然后，利用Logistic回歸分析方法構(gòu)建適合我國(guó)上市公司的信用風(fēng)險(xiǎn)評(píng)級(jí)模型。

5　上市公司信用風(fēng)險(xiǎn)預(yù)測(cè)模型的構(gòu)建

5.1研究樣本選取

本文是從滬深兩市證券交易所掛牌的上市公司選取樣本。數(shù)據(jù)來源為國(guó)泰安數(shù)據(jù)庫(kù)。

本文通過隨機(jī)抽樣的方式選取了我國(guó)滬深兩市74個(gè)規(guī)模相近的企業(yè)2014年的財(cái)務(wù)數(shù)據(jù)作為研究樣本，截止日期為2014年的12月31日。其中*ST類企業(yè)有26個(gè)，而非*ST類企業(yè)有48個(gè)。

其中*ST企業(yè)指虧損滿三年的股票，如果在規(guī)定時(shí)間之內(nèi)不能扭轉(zhuǎn)虧損的狀態(tài)，就會(huì)有退市的風(fēng)險(xiǎn)?；蚴翘潛p雖不滿三年但財(cái)務(wù)狀況較為惡劣的企業(yè)。滬深兩市的交易所在98年規(guī)定對(duì)財(cái)務(wù)狀況異?；蛐庞貌涣嫉纳鲜泄竟善边M(jìn)行特殊處理，即Special treatment，簡(jiǎn)稱即*ST類股票.

*ST類企業(yè)由于財(cái)務(wù)問題嚴(yán)重，因此國(guó)內(nèi)外研究者通常把*ST類公司也視為財(cái)務(wù)困境公司，隨時(shí)存在退市的風(fēng)險(xiǎn)。因此，從理論上來說，由于*ST類公司的經(jīng)營(yíng)狀況通常出現(xiàn)了較為嚴(yán)重的問題，資金鏈隨時(shí)會(huì)出現(xiàn)斷層的情況，出現(xiàn)債務(wù)問題時(shí)將無法如期償債，綜上所說，如果投資者對(duì)*ST類公司進(jìn)行投資，將承擔(dān)更大的信用風(fēng)險(xiǎn)，*ST類公司的信用程度大大的低于非*ST類公司。因此，本文將*ST類公司與非*ST類公司界定為分別是高信用與低信用的兩類企業(yè)，作為因變量Y的值分別是*ST類公司為“0”，非*ST類公司為“1”。

選取樣本見下表。

表 1　研究樣本

5.2財(cái)務(wù)指標(biāo)的選取與說明

為了全面的解釋各個(gè)企業(yè)的信用情況，我們分別從四個(gè)方面尋找指標(biāo)來建立評(píng)估模型，四個(gè)方面分別是償債能力，經(jīng)營(yíng)能力，盈利能力，發(fā)展能力。

償債能力就是指企業(yè)用其資產(chǎn)償還長(zhǎng)期與短期債務(wù)的能力。一個(gè)企業(yè)若無法支付足夠的現(xiàn)金和償還所負(fù)的債務(wù)，企業(yè)就難以健康地生存和發(fā)展下去。企業(yè)的償債能力是反映企業(yè)財(cái)務(wù)狀況的重要指標(biāo)。靜態(tài)上講，償債能力就是用企業(yè)資產(chǎn)清償企業(yè)債務(wù)的能力；動(dòng)態(tài)上講，就是用企業(yè)資產(chǎn)和經(jīng)營(yíng)過程創(chuàng)造的收益償還債務(wù)的能力。償債能力越強(qiáng)，企業(yè)的財(cái)務(wù)狀況就越樂觀，信用狀況也就越健康。其中反映企業(yè)短期償債能力的指標(biāo)有流動(dòng)比率、速動(dòng)比率、現(xiàn)金比率。[6]流動(dòng)比率就是指企業(yè)流動(dòng)資產(chǎn)與流動(dòng)負(fù)債的比率，反應(yīng)企業(yè)短期將流動(dòng)資產(chǎn)轉(zhuǎn)變?yōu)楝F(xiàn)金以用來清償債務(wù)的能力計(jì)算公式為流動(dòng)資產(chǎn)/流動(dòng)負(fù)債；速動(dòng)比率又稱酸性試驗(yàn)比率，指速動(dòng)資產(chǎn)與流動(dòng)負(fù)債的比率。其中速動(dòng)資產(chǎn)就是指流動(dòng)資產(chǎn)除去其中變現(xiàn)能力弱和不穩(wěn)定的存貨、待攤費(fèi)用、待處理流動(dòng)資產(chǎn)損失等所剩的余額。速動(dòng)比率對(duì)短期負(fù)債的解釋能力比流動(dòng)比率更加精確可靠，計(jì)算公式為：速動(dòng)資產(chǎn)/流動(dòng)負(fù)債；現(xiàn)金比率是指企業(yè)現(xiàn)金與流動(dòng)負(fù)債的比率，反映企業(yè)的即時(shí)變現(xiàn)能力。計(jì)算公式為：現(xiàn)金/流動(dòng)負(fù)債。反映企業(yè)長(zhǎng)期負(fù)債能力的指標(biāo)有資產(chǎn)負(fù)債率和產(chǎn)權(quán)比率兩項(xiàng)。資產(chǎn)負(fù)債率指的是總負(fù)債與總資產(chǎn)之比，反映的是企業(yè)利用債權(quán)人的存貸資金進(jìn)行經(jīng)營(yíng)活動(dòng)的能力。計(jì)算公式為：總負(fù)債/總資產(chǎn)*100%；產(chǎn)權(quán)比率指企業(yè)總負(fù)債與所有者權(quán)益的比率，計(jì)算公式為：負(fù)債總額/所有者權(quán)益總額。這一比值越低，企業(yè)的長(zhǎng)期償債能力則越強(qiáng)，債權(quán)人權(quán)益的保障就越高，所要承擔(dān)風(fēng)險(xiǎn)越小。

表 2　模型指標(biāo)體系

經(jīng)營(yíng)能力又稱資產(chǎn)管理能力，指的是企業(yè)在日常生產(chǎn)經(jīng)營(yíng)過程中，資產(chǎn)的周轉(zhuǎn)速度所反應(yīng)出的企業(yè)在資產(chǎn)運(yùn)作方面的效率，它不僅反映著企業(yè)的對(duì)資產(chǎn)的管理能力和調(diào)配能力，而且也影響著企業(yè)的償債能力和盈利能力。企業(yè)的資產(chǎn)調(diào)配越先進(jìn)越合理，資產(chǎn)周轉(zhuǎn)效率就越快，資產(chǎn)管理能力也就越高，盈利就越多，企業(yè)就有足夠的資金去清償所欠的債務(wù)，發(fā)生信用危機(jī)的風(fēng)險(xiǎn)則越低。我們選取了應(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)率作為解釋企業(yè)經(jīng)營(yíng)能力的指標(biāo)。應(yīng)收賬款周轉(zhuǎn)率反映的是應(yīng)收賬款周轉(zhuǎn)的速度，它是一定時(shí)期內(nèi)賒銷收入凈額與應(yīng)收賬款平均余額的比率，計(jì)算公式：銷售收入/平均應(yīng)收賬款；存貨周轉(zhuǎn)率是指企業(yè)一定時(shí)期內(nèi)一定數(shù)量的存貨所占資金循環(huán)周轉(zhuǎn)次數(shù)或循環(huán)一次所需要的天數(shù)。存貨周轉(zhuǎn)率反映的是存貨資金與它周轉(zhuǎn)所完成的銷貨成本之間的比率，計(jì)算公式：銷貨成本/存貨平均余額。這是一組衡量企業(yè)銷售能力強(qiáng)弱和存貨是否過量的重要指標(biāo)，是分析企業(yè)流動(dòng)資產(chǎn)效率的又一依據(jù)；流動(dòng)資產(chǎn)周轉(zhuǎn)率指一定財(cái)務(wù)期間內(nèi)一定數(shù)量的流動(dòng)資產(chǎn)價(jià)值(即流動(dòng)資金)周轉(zhuǎn)次數(shù)或完成一次周轉(zhuǎn)所需要的天數(shù)，這反映的是企業(yè)全部流動(dòng)資產(chǎn)價(jià)值(即全部流動(dòng)資金)的周轉(zhuǎn)速度，計(jì)算公式：銷售收入/平均流動(dòng)資產(chǎn)；總資產(chǎn)周轉(zhuǎn)率是指一定財(cái)務(wù)期間內(nèi)，企業(yè)全部資產(chǎn)所占資金循環(huán)一次所需要的天數(shù)，它反映企業(yè)全部資產(chǎn)與它周轉(zhuǎn)所完成的銷售收入的比例關(guān)系。

盈利能力指的是企業(yè)獲取利潤(rùn)的能力。盈利所得的資金是企業(yè)用來償還所負(fù)債務(wù)以及為企業(yè)提供經(jīng)營(yíng)資本的重要來源，也是企業(yè)從投資者和債權(quán)人處獲得更多資金的信用保證。盈利能力越強(qiáng)，企業(yè)償還到期債務(wù)越有保證，發(fā)生信用危機(jī)的可能性也就越小。為了反映企業(yè)的盈利能力，我們選取了資產(chǎn)報(bào)酬率、凈資產(chǎn)收益率、營(yíng)業(yè)利潤(rùn)率、成本費(fèi)用利潤(rùn)率四項(xiàng)指標(biāo)。資產(chǎn)報(bào)酬率是企業(yè)在一定時(shí)期內(nèi)的凈利潤(rùn)和資產(chǎn)平均總額的比率，反映了企業(yè)總資產(chǎn)的利用效率，計(jì)算公式為：資產(chǎn)報(bào)酬率=凈利潤(rùn)/資產(chǎn)平均總額×100%；凈資產(chǎn)收益率，是企業(yè)一定時(shí)期凈利潤(rùn)與平均凈資產(chǎn)的比率，反映了企業(yè)所擁有資金投資過程中的收益能力。其計(jì)算公式為：凈資產(chǎn)收益率=凈利潤(rùn)/平均凈資產(chǎn)×100%；營(yíng)業(yè)利潤(rùn)率是指企業(yè)的營(yíng)業(yè)利潤(rùn)與營(yíng)業(yè)收入的比率，計(jì)算公式：營(yíng)業(yè)利潤(rùn)率=營(yíng)業(yè)利潤(rùn)/全部業(yè)務(wù)收入×100%，該比率反映了在考慮營(yíng)業(yè)成本的情況下，企業(yè)通過營(yíng)運(yùn)操作獲取利潤(rùn)多少的能力；成本費(fèi)用利潤(rùn)率是企業(yè)一定時(shí)期內(nèi)的總利潤(rùn)與成本總費(fèi)用的比率。其計(jì)算公式為：總利潤(rùn)/成本總費(fèi)用×100%，成本費(fèi)用利潤(rùn)率越高，表明企業(yè)為取得利潤(rùn)而付出的成本越小，盈利能力就越強(qiáng)。

發(fā)展能力指標(biāo)是對(duì)企業(yè)的各項(xiàng)財(cái)務(wù)指標(biāo)與上年相比的縱向分析。通過發(fā)展能力指標(biāo)的分析，我們能夠推算出企業(yè)大致的變化趨勢(shì)，從而可以大致預(yù)測(cè)出企業(yè)未來的發(fā)展情況，發(fā)展能力樂觀的話，表明企業(yè)的發(fā)展前景比較好，存在著一定的潛力，人們往往更愿意相信一個(gè)未來前景更好的企業(yè)。我們選取了四個(gè)指標(biāo)來解釋企業(yè)的發(fā)展能力水平，分別是資本保值增值率、總資產(chǎn)增長(zhǎng)率、營(yíng)業(yè)利潤(rùn)增長(zhǎng)率和可持續(xù)增長(zhǎng)率。資本保值增值率是企業(yè)扣除客觀因素后的本年末所有者權(quán)益總額與年初所有者權(quán)益總額的比率，反映企業(yè)當(dāng)年資本在企業(yè)自身努力下實(shí)際增減變動(dòng)的情況，其計(jì)算公式為：資本保值增值率=扣除客觀因素后的本年末所有者權(quán)益總額/年初所有者權(quán)益總額×100%，一般認(rèn)為，資本保值增值率越高，表明企業(yè)的資本保全狀況越好，所有者權(quán)益增長(zhǎng)越快，債權(quán)人的債務(wù)越有保障；總資產(chǎn)增長(zhǎng)率指企業(yè)當(dāng)年總資產(chǎn)增長(zhǎng)額同年初資產(chǎn)總額的比率，反映企業(yè)本期資產(chǎn)規(guī)模的增長(zhǎng)情況。其計(jì)算公式為：總資產(chǎn)增長(zhǎng)率=當(dāng)年總資產(chǎn)增長(zhǎng)額/年初資產(chǎn)總額×100%；營(yíng)業(yè)利潤(rùn)增長(zhǎng)率就是企業(yè)當(dāng)年?duì)I業(yè)利潤(rùn)增長(zhǎng)額與上年?duì)I業(yè)利潤(rùn)總額的比率，該比率反映企業(yè)營(yíng)業(yè)利潤(rùn)的增減變動(dòng)情況。其計(jì)算公式為：營(yíng)業(yè)利潤(rùn)增長(zhǎng)率=當(dāng)年?duì)I業(yè)利潤(rùn)增長(zhǎng)額/上年?duì)I業(yè)利潤(rùn)總額×100%；可持續(xù)增長(zhǎng)率是指不增發(fā)新股并保持目前經(jīng)營(yíng)效率和財(cái)務(wù)政策條件下公司銷售可以實(shí)現(xiàn)的最高增長(zhǎng)率。此處的經(jīng)營(yíng)效率指的是銷售凈利率和資產(chǎn)周轉(zhuǎn)率。財(cái)務(wù)政策指的是股利支付率和資本結(jié)構(gòu)。可持續(xù)增長(zhǎng)率的計(jì)算公式：可持續(xù)增長(zhǎng)率=銷售凈利率×總資產(chǎn)周轉(zhuǎn)率×利潤(rùn)留存率×權(quán)益乘數(shù)。

5.3指標(biāo)篩選處理

5.3.1正態(tài)性檢驗(yàn)

為了對(duì)各個(gè)指標(biāo)進(jìn)行顯著性的檢驗(yàn)以篩選解釋能力較強(qiáng)的指標(biāo)納入模型，我們首先需要檢驗(yàn)各個(gè)指標(biāo)變量的分布，因此這里將通過正態(tài)性檢驗(yàn)來將指標(biāo)分為兩類討論，分別是服從正態(tài)分布的一類和不服從正態(tài)分布的一類。

這里我們采用單樣本K-S檢驗(yàn)來進(jìn)行正態(tài)性檢驗(yàn)。通過進(jìn)行單樣本的K-S檢驗(yàn)，設(shè)原假設(shè)H0：指標(biāo)xi是服從正態(tài)分布，觀察對(duì)應(yīng)P值是否大于0.05，若大于則接受原假設(shè)，即對(duì)應(yīng)指標(biāo)服從正態(tài)分布，反之若小于0.05則拒絕原假設(shè)，對(duì)應(yīng)指標(biāo)不服從正態(tài)分布。

表3為單變量K-S檢驗(yàn)結(jié)果匯總表格，由表可見其中x4(資產(chǎn)負(fù)債率)、x8(流動(dòng)資產(chǎn)周轉(zhuǎn)率)、x9(總資產(chǎn)周轉(zhuǎn)率)、x15(總資產(chǎn)增長(zhǎng)率)的K-S檢驗(yàn)的雙側(cè)顯著性大于0.05，則可知以上四個(gè)變量是服從正態(tài)分布的，而其余的13個(gè)指標(biāo)則不符合正態(tài)分布。

表 3　K-S正態(tài)性檢驗(yàn)

5.3.2顯著性檢驗(yàn)

(1)獨(dú)立樣本t檢驗(yàn)

獨(dú)立樣本的T檢驗(yàn)過程用于檢驗(yàn)兩個(gè)來自正態(tài)分布的獨(dú)立樣本是否來自具有相同均值的總體，即檢驗(yàn)各個(gè)指標(biāo)在不同的因變量水平下的均值是否存在顯著差異，若差異顯著，則表明該指標(biāo)對(duì)企業(yè)的*ST性與非*ST性的影響是明顯的，反之，則對(duì)應(yīng)的指標(biāo)對(duì)企業(yè)的信用好壞影響不大，予以剔除。在這里我們規(guī)定顯著水平95%，若檢驗(yàn)的指標(biāo)對(duì)應(yīng)p值小于0.05，則表明對(duì)應(yīng)的指標(biāo)顯著，反之，則說明指標(biāo)的影響不夠顯著，應(yīng)予以剔除。

表4中的F檢驗(yàn)是檢驗(yàn)的指標(biāo)方差是否相等，若p值大于0.05，則接受第一個(gè)原假設(shè)方差相等，之后的t檢驗(yàn)以第一行為基準(zhǔn)，反之則接受第二個(gè)原假設(shè)，認(rèn)為方差不相等，t檢驗(yàn)以第二行為基準(zhǔn)。

根據(jù)以上準(zhǔn)則，我們可以看出四個(gè)指標(biāo)中x4(資產(chǎn)負(fù)債率)、x9(總資產(chǎn)周轉(zhuǎn)率)、x15(總資產(chǎn)增長(zhǎng)率)的p值小于0.05，通過了t檢驗(yàn)，表明它們的變化對(duì)企業(yè)是否成為*ST類企業(yè)有著顯著的影響，而x8(流動(dòng)資產(chǎn)周轉(zhuǎn)率)的p值大于0.05，未通過t檢驗(yàn)，說明該指標(biāo)對(duì)企業(yè)信用程度的影響并不顯著，所以將該變量剔除。

表4　獨(dú)立樣本t檢驗(yàn)結(jié)果

(2)非參數(shù)檢驗(yàn)

通過K-S檢驗(yàn)的檢驗(yàn)結(jié)果得知除了上一節(jié)所研究的四個(gè)指標(biāo)外的十四個(gè)指標(biāo)都不服從正態(tài)分布，由于這13個(gè)指標(biāo)的分布未知，所以無法用參數(shù)檢驗(yàn)來檢驗(yàn)它們的顯著性。非參數(shù)檢驗(yàn)正是一類基于這種考慮，在總體方差未知或知道甚少的情況下，利用樣本數(shù)據(jù)對(duì)總體分布形態(tài)等進(jìn)行推斷的方法。由于非參數(shù)檢驗(yàn)方法在推斷過程中不涉及有關(guān)總體分布的參數(shù)，因而得名為“非參數(shù)”檢驗(yàn)。前面用到的K-S檢驗(yàn)也是非參數(shù)檢驗(yàn)的一種。

非參數(shù)檢驗(yàn)中較為常用的有曼惠特尼U檢驗(yàn)、Kruskal-Wallis檢驗(yàn)、Wilcoxon檢驗(yàn)等，本文采用的是獨(dú)立樣本而非配對(duì)樣本，因此前兩者更適合本文的數(shù)據(jù)，我們這里選擇曼惠特尼U檢驗(yàn)。

曼惠特尼U檢驗(yàn)是用于兩獨(dú)立樣本的非參數(shù)檢驗(yàn)，是對(duì)兩總體分布的比例判斷。其原假設(shè)：兩組獨(dú)立樣本來自的兩總體分布無顯著差異。曼-惠特尼U檢驗(yàn)通過對(duì)兩組樣本平均秩的研究來實(shí)現(xiàn)判斷。秩簡(jiǎn)單說就是變量值排序的名次，可以將數(shù)據(jù)按升序排列，每個(gè)變量值都會(huì)有一個(gè)在整個(gè)變量值序列中的位置或名次，這個(gè)位置或名次就是變量值的秩。

簡(jiǎn)單來說，我們可以通過將檢驗(yàn)得出的p值與給定顯著性水平進(jìn)行比較，p若小于0.05，則拒絕原假設(shè)，表明所研究變量在不同因變量水平下的差異是顯著的，是適合保留的指標(biāo)，反之，則說明所研究變量對(duì)因變量的變化無顯著影響，應(yīng)予以剔除。

表5　曼惠特尼U檢驗(yàn)結(jié)果

通過兩獨(dú)立樣本曼惠特尼U檢驗(yàn)，我們看到通過檢驗(yàn)的指標(biāo)有 x1(流動(dòng)比率)、x2(速動(dòng)比率)、x3(現(xiàn)金比率)、x5(產(chǎn)權(quán)比率)、x10(資產(chǎn)報(bào)酬率)、x11(凈資產(chǎn)收益率)、x12(營(yíng)業(yè)利潤(rùn)率)、x13(成本費(fèi)用利潤(rùn)率)、x14(資本保值率)、x17(可持續(xù)增長(zhǎng)率)，而另外的x6(應(yīng)收賬款周轉(zhuǎn)率)、x7(存貨周轉(zhuǎn)率)、x16(營(yíng)業(yè)利潤(rùn)增長(zhǎng)率)三項(xiàng)指標(biāo)對(duì)應(yīng)的曼惠特尼U檢驗(yàn)p值大于0.05，未通過檢驗(yàn)，說明該三項(xiàng)指標(biāo)不夠顯著，因此將它們剔除。

5.4主成分分析

5.4.1KMO和巴特萊特球度檢驗(yàn)

主成分分析也稱為主分量分析，是利用對(duì)研究對(duì)象進(jìn)行降維的思想，在保留原始變量盡可能多信息的前提下把多個(gè)指標(biāo)華為幾個(gè)綜合指標(biāo)的多元統(tǒng)計(jì)方法。通常把轉(zhuǎn)化生成綜合指標(biāo) 稱為主成分，每個(gè)主成分都是原始變量的線性組合，并且各個(gè)主成分沒有相關(guān)性，因此主成分相比原始變量更能反映問題的實(shí)質(zhì)，在研究復(fù)雜問題時(shí)便于我們抓住主要矛盾。

在進(jìn)行主成分分析前，需要首先進(jìn)行KMO和巴特萊特球度檢驗(yàn)。KMO測(cè)定用來比較觀測(cè)變量之間的簡(jiǎn)單相關(guān)系數(shù)和偏相關(guān)系數(shù)的相對(duì)大小，其值得變化范圍從0到1，通常以0.5為界。KMO值大于0.5，則說明變量適合做因子分析，若小于0.5，則說明變量不適合做因子分析，當(dāng)對(duì)樣本或變量進(jìn)行進(jìn)一步處理。

表 6　KMO檢驗(yàn)結(jié)果

上表為KMO和巴特萊特球度檢驗(yàn)的結(jié)果，可看出KMO值約等于0.7，說明變量非常適合做因子分析，并且巴特萊特檢驗(yàn)的卡方統(tǒng)計(jì)的顯著性p值遠(yuǎn)小于0.05，說明變量間獨(dú)立，綜上兩個(gè)結(jié)果，我們可以對(duì)數(shù)據(jù)進(jìn)行下一步的因子分析與主成分分析。

5.4.2提取主成分

首先說明一下主城分析的原理以及步驟。第一步，是對(duì)所有選定自變量進(jìn)行標(biāo)準(zhǔn)化處理。因?yàn)樵紨?shù)據(jù)在數(shù)量級(jí)上可能相差很大，甚至是不同的量綱，統(tǒng)一為標(biāo)準(zhǔn)分值后就消除了這些影響。主成分分析要求各指標(biāo)符合同趨勢(shì)性的要求，在本文中由于財(cái)務(wù)指標(biāo)的方向各不相同，所以首先要對(duì)指標(biāo)進(jìn)行同向性處理。第二步，通過標(biāo)準(zhǔn)化處理后的數(shù)據(jù)，求出相關(guān)系數(shù)矩陣。第三步，求出相關(guān)系數(shù)矩陣的 特征值和特征向量，最后從中選擇主成分

通過以上步驟得到的結(jié)果如下表。

表7　提取主成分結(jié)果

續(xù)表

我們選取特征值大于0.9部分的為主成分，雖然通常默認(rèn)采用特征值大于1的部分，但是由于采取這一方法得出的主成分貢獻(xiàn)率不足百分之八十，代表性還不夠強(qiáng)，所以為了更高的代表性，我們提取出了一共五個(gè)主成分。我們可以看到這五個(gè)主成分的累計(jì)貢獻(xiàn)率達(dá)到81.992%。我們可以認(rèn)為這五個(gè)主成分對(duì)原本17個(gè)指標(biāo)所包含信息具有很大的代表性。

對(duì)主成分因子進(jìn)行因子載荷，可以得到原始指標(biāo)與主成分因子的相關(guān)系數(shù)。研究中發(fā)現(xiàn)，很多個(gè)變量和多數(shù)因子均有相關(guān)關(guān)系，使得初始因子 解釋起來比較困難。為了解決這個(gè)問題，本文使用了正交旋轉(zhuǎn)法中方差最大法進(jìn)行轉(zhuǎn)換。經(jīng)過因子旋轉(zhuǎn)后，得到的因子載荷矩陣如下表所示。

表8　因子載荷矩陣

通過因子載荷矩陣可知，主成分1中代表企業(yè)發(fā)展能力的資本保值增值率，總資產(chǎn)增長(zhǎng)率和可持續(xù)增長(zhǎng)率的財(cái)務(wù)指標(biāo)起主導(dǎo)作用。說明主成分1主要是代表企業(yè)的未來發(fā)展趨勢(shì)，其中具有代表性的指標(biāo)是x14(資本保值增長(zhǎng)率)。

主成分2中，三個(gè)代表企業(yè)短期償債能力的指標(biāo)即流動(dòng)比率、速動(dòng)比率和現(xiàn)金比率的因子載荷量較其他比率有顯著差異。因此，主成分2主要解釋的是企業(yè)的短期償債能力指標(biāo)，其中代表性指標(biāo)為x2(速動(dòng)比率)。

主成分3中，代表企業(yè)盈利能力的財(cái)務(wù)指標(biāo)資產(chǎn)報(bào)酬率和成本費(fèi)用利潤(rùn)率的因子載荷量都很大，說明主成分3主要代表企業(yè)盈利能力指標(biāo)，把因子載荷量最大的x10(資產(chǎn)報(bào)酬率)作為該主成分的代表性指標(biāo)。

主成分4代表著企業(yè)的資金利用合理性的能力，從資產(chǎn)周轉(zhuǎn)率和營(yíng)業(yè)利潤(rùn)率的因子載荷量較大可總結(jié)出，而其中占比更大的x9(資產(chǎn)周轉(zhuǎn)率)將作為該主成分的代表性指標(biāo)。

主成分5中帶表著企業(yè)長(zhǎng)期償債能力的產(chǎn)權(quán)比率占主導(dǎo)地位，另外產(chǎn)權(quán)比率還反映著企業(yè)的資本結(jié)構(gòu)。說明主成分1主要是站在企業(yè)管理的角度評(píng)價(jià)企業(yè)的長(zhǎng)期償債能力，該主成分的代表性指標(biāo)就是x5(產(chǎn)權(quán)比率)。

5.5模型建立

根據(jù)之前介紹比對(duì)的多元邏輯回歸分析理論與方法，且我們已經(jīng)篩選與確定出了模型構(gòu)建所需要的樣本數(shù)據(jù)和解釋性與代表性較強(qiáng)的自變量指標(biāo)。我們對(duì)符合與不符合正態(tài)分布的兩組指標(biāo)分別進(jìn)行的t檢驗(yàn)與曼惠特尼U檢驗(yàn)得出通過檢驗(yàn)的13個(gè)指標(biāo)是具有顯著性差異的。這里采用Logistic回歸建立信用風(fēng)險(xiǎn)預(yù)測(cè)模型。根據(jù)上章的指標(biāo)篩選結(jié)果，我們重新定義自變量。

表9　最終確定指標(biāo)方案

這里設(shè)信用不良的概率為P，將其看做新的自變量Zi的函數(shù)，當(dāng)P大于0.5時(shí)，Y值為1，P小于0.5時(shí)，Y值為0。我們將之前經(jīng)過篩選與整合的全新的五個(gè)指標(biāo)Z1、Z2、Z3、Z4、Z5作為研究變量。用spss對(duì)這五個(gè)新的自變量進(jìn)行Logistic回歸，采用向前逐步回歸法，經(jīng)過五次迭代，剔除掉了對(duì)模型不顯著的兩個(gè)變量Z3，(資產(chǎn)報(bào)酬率)、Z5(產(chǎn)權(quán)比率)得到最終的模型統(tǒng)計(jì)量：

表10　模型統(tǒng)計(jì)量

根據(jù)以上結(jié)果我們可以得到根據(jù)2014年的財(cái)務(wù)數(shù)據(jù)建立的Logistic信用風(fēng)險(xiǎn)預(yù)測(cè)模型：

5.6模型結(jié)果分析

根據(jù)上表我們可以看到三個(gè)綜合指標(biāo)Z1(資本保值增長(zhǎng)率)、Z2(速動(dòng)比率)、Z4(資產(chǎn)周轉(zhuǎn)率)都對(duì)企業(yè)的信用優(yōu)劣的影響顯著，并且與企業(yè)的信用狀況正相關(guān)，這也非常符合實(shí)際情況，因?yàn)槿叨挤謩e與企業(yè)的發(fā)展能力、償債能力、營(yíng)運(yùn)能力正相關(guān)，即三項(xiàng)指標(biāo)的值越高，都能提高企業(yè)的信用水平。

在實(shí)證研究中，如果研究的樣本數(shù)量不是太大，就可以考慮將所有的樣本均用于模型的參數(shù)估計(jì)，再將樣本的指標(biāo)值回代得出所有樣本的預(yù)測(cè)值，然后根據(jù)模型的準(zhǔn)確率或誤判率檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)效果。這里用spss對(duì)模型預(yù)測(cè)效果進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果如圖：

表11　模型預(yù)測(cè)效果檢驗(yàn)

從表中，我們看到原本信用狀況健康的企業(yè)在該模型中預(yù)測(cè)效果更好，48家正常企業(yè)中僅有5家被誤判為*ST類企業(yè)，預(yù)測(cè)準(zhǔn)確率高達(dá)接近90%，而對(duì)信用狀況不佳的企業(yè)的預(yù)測(cè)準(zhǔn)確率也有80%以上，而模型的整體的準(zhǔn)確率高達(dá)86.49%，說明模型用原始數(shù)據(jù)的預(yù)測(cè)效果非常好。

用同樣的方法以2013年的數(shù)據(jù)為樣本建立模型得到的精度表：

表12　基于2013年數(shù)據(jù)建模預(yù)測(cè)準(zhǔn)確度檢驗(yàn)

從表中可以看到以2013年數(shù)據(jù)為樣本建立的模型對(duì)信用狀況不佳的企業(yè)的預(yù)測(cè)效果并不理想，僅有61.54%，但對(duì)信用正常的企業(yè)預(yù)測(cè)準(zhǔn)確率同樣高達(dá)近90%，整體的模型預(yù)測(cè)準(zhǔn)確率79.17，較之使用最新數(shù)據(jù)2014年數(shù)據(jù)為樣本建立的模型的精度要差上一些，尤其是對(duì)信用危機(jī)企業(yè)的預(yù)測(cè)效果太差。所以我們認(rèn)為使用越新的數(shù)據(jù)建立的模型越適用。

5.7往年數(shù)據(jù)預(yù)測(cè)分析

接下來我們將2013年的財(cái)務(wù)數(shù)據(jù)利用2014年財(cái)務(wù)數(shù)據(jù)分析并建立的Logistic回歸模型來進(jìn)行模型的精度檢驗(yàn)，得到的預(yù)測(cè)結(jié)果如表13。

可以看到用2014年數(shù)據(jù)所建立的Logistic回歸模型對(duì)2013年財(cái)務(wù)數(shù)據(jù)進(jìn)行預(yù)測(cè)檢驗(yàn)后，得到的結(jié)果顯示*ST類企業(yè)的預(yù)測(cè)準(zhǔn)確率僅有42.31%，比2014年的預(yù)測(cè)準(zhǔn)確率要低上很多，而信用健康的企業(yè)的預(yù)測(cè)準(zhǔn)確率高達(dá)93.48%，相比于2014年的預(yù)測(cè)準(zhǔn)確率卻要稍稍高上一些。整體的準(zhǔn)確率來說，利用2013年來進(jìn)行信用風(fēng)險(xiǎn)評(píng)級(jí)的準(zhǔn)確度僅有75%，準(zhǔn)確率并不是很高，實(shí)際應(yīng)用中很容易發(fā)生判斷失誤，導(dǎo)致不必要的損失。

表13　模型的精度檢驗(yàn)

6　結(jié)論

以2014年容量為74的研究樣本詳細(xì)闡述了Logistic預(yù)測(cè)模型的建立和檢驗(yàn)。主要思路：先通過顯著性檢驗(yàn)剔除顯著性差的變量，保留對(duì)因變量影響顯著的指標(biāo)自變量。然后，為檢驗(yàn)這些指標(biāo)是否存在共同因素，是否適合進(jìn)行主成因分析，首先進(jìn)行KMO統(tǒng)計(jì)量檢驗(yàn)和Bartlett檢驗(yàn)。在確定可以進(jìn)行因子分析后，將原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，計(jì)算各主成分的特征值和方差貢獻(xiàn)率、降序排列，提取代表性指標(biāo)。然后將5個(gè)代表性指標(biāo)作為綜合性指標(biāo)代入Logistic回歸，通過Logistic向前逐步回歸法保留對(duì)模型顯著的變量，最終保留下Z1(資本保值增長(zhǎng)率)、Z2(速動(dòng)比率)、Z4(資產(chǎn)周轉(zhuǎn)率)作為建模變量的預(yù)測(cè)模型，模型的準(zhǔn)確率為86.49%。

通過以上的分析，我們可以發(fā)現(xiàn)Logistic具有較好的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)能力。通過主成因法降維，第一、可以避免因財(cái)務(wù)指標(biāo)間信息的相關(guān)性和重復(fù)，將幾個(gè)財(cái)務(wù)指標(biāo)濃縮為一個(gè)主成分，用少量因子代替所有變量。第二、只要該財(cái)務(wù)比率能夠在一定程度上區(qū)分ST和非ST企業(yè)，就可以作為建模時(shí)采用的原始財(cái)務(wù)比率，不受財(cái)務(wù)比率個(gè)數(shù)的限制。

本文使用前進(jìn)逐步回歸法得到的Logistic回歸模型對(duì)上市公司信用風(fēng)險(xiǎn)進(jìn)行了實(shí)證分析，得到以下結(jié)論：(1)本文建立的Logistic回歸模型針對(duì)最新數(shù)據(jù)樣本時(shí)取得了86.49%的預(yù)測(cè)準(zhǔn)確率，使用往年數(shù)據(jù)樣本預(yù)測(cè)時(shí)也得到了75%的預(yù)測(cè)準(zhǔn)確度。在使用往年樣本預(yù)測(cè)時(shí)，對(duì)正常企業(yè)錯(cuò)誤預(yù)測(cè)率明顯偏高，我們認(rèn)為這一結(jié)果表明我國(guó)上市公司整體信用狀況較差，一些公司雖然沒有由于信用記錄不良而被標(biāo)記*ST，但是這些公司的財(cái)務(wù)狀況實(shí)際已經(jīng)開始惡化。(2)本文分別對(duì)2014與2013年的數(shù)據(jù)進(jìn)行分析并建模，經(jīng)過比較我們得出結(jié)論用最新的數(shù)據(jù)建立的Logistic模型的精度更高，更加可靠。(3)我們發(fā)現(xiàn)通過顯著性檢驗(yàn)與提取主成分后留下的5個(gè)財(cái)務(wù)指標(biāo)中，有2個(gè)是償債能力指標(biāo)，1個(gè)盈利能力指標(biāo)，1個(gè)成長(zhǎng)能力指標(biāo)和1個(gè)營(yíng)運(yùn)能力指標(biāo)。可見在我國(guó)的證券市場(chǎng)上，對(duì)上市公司的信用水平影響比重比較大的還是企業(yè)的償債能力，也可以說償債能力直接反映著企業(yè)的信用風(fēng)險(xiǎn)水平，畢竟一個(gè)企業(yè)的信用好壞最簡(jiǎn)單來判斷的話還是要看它還不還得起債。而成長(zhǎng)能力，營(yíng)運(yùn)能力和盈利能力反映的是一個(gè)企業(yè)是否運(yùn)轉(zhuǎn)良好和未來的發(fā)展是否穩(wěn)定，這幾類指標(biāo)被納入模型就表明一個(gè)陷入信用危機(jī)的公司，不僅僅是短期內(nèi)出現(xiàn)資金短缺或者暫時(shí)虧損的問題，公司陷入信用危機(jī)有它更深層的經(jīng)營(yíng)管理的問題，如果不能很好的解決這些問題，企業(yè)的財(cái)務(wù)狀況將越走越劣，最終走向退市的結(jié)局。(3)本文共選取了74家上市公司作為研究樣本，樣本量還并不足夠，且選取數(shù)據(jù)時(shí)間段為2013-2014年，跨度還不夠大，導(dǎo)致模型的長(zhǎng)期穩(wěn)定性不能保證，這就需要我們根據(jù)每年財(cái)務(wù)數(shù)據(jù)的更新，搜集更多更新的數(shù)據(jù)，對(duì)模型進(jìn)行修正優(yōu)化，以達(dá)到更好的預(yù)測(cè)效果。

[1]Coats P，F(xiàn)ant L.Recognizing Financial Distress Patterns Using Neural Network Tool[M].Financial Management，1993，145-155.

[2]謝春巖.上市公司信用風(fēng)險(xiǎn)實(shí)證研究——基于Logistic模型的比較分析[D].吉林大學(xué)，2004.

[3]李小燕，錢建豪.我國(guó)企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的有效性研究[J].2005，(9).

[4]劉紅霞，張紅林.以主成分分析法構(gòu)建企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2004，70-75.

[5]江紅.試論企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的分析與防范[J].經(jīng)濟(jì)研究參考，2008，21-24.

[6]閆哲.基于Logistic模型的上市公司財(cái)務(wù)危機(jī)預(yù)測(cè)的實(shí)證研究[J].東北財(cái)經(jīng)大學(xué)，2007.

(責(zé)任編輯：馬玉鳳)

Research on Enterprise Credit Risk Forecast Based on Financial Data of Listed Company

YAN Bing-qi，ZHAO Yue-yao，ZHANG Hui

(School of Science，Communication University of China，Beijing 100024)

Along with the development of the international financial market，diversification of financial instruments and derivatives to apply and develop in the capital market.The listed company as an independent market main body，self-financing，self-development，facing the increasingly volatile market environment，all the time to stand the test of the financial crisis.Credit risk research helps to forecast the enterprise credit conditions，dynamic understanding of enterprise development present situation and the trend of the future，timely discover and solve the problems existing in the enterprise financial management，reduce the probability of the credit crisis，to investors and credit institutions to provide security.This study selected deep Shanghai two cities 74 listed companies in China in 2013-2014 financial statements data，through the principal component analysis dimension reduction，condensed the 17 financial indicators for the five principal component factors，the four principal component factors as the independent variable regression model is established.From the listed company profit ability，debt paying ability，development ability and operation ability of four point of view，reveal the financial indicators signal role in enterprise development.In the selection of variables，to set up the model，the prediction level is higher，the model effect is good，the model can be applied in our country the credit risk of listed companies to predict，for investors and credit institutions to provide help for the credit risk prevention.

early warning of credit risk；financial risk；the credit crisis；principal component analysis；logistic regression model

2016-05-16

閆炳琪(1992-)，男(漢族)，山東萊蕪人，中國(guó)傳媒大學(xué)碩士.E-mail：cmzsqisi@163.com

O213.9

A

1673-4793(2016)04-0036-12