楊 瑩，徐慎暉

(1.安徽大學 經濟學院，安徽 合肥 230601；2.河海大學 商學院，江蘇 南京 211100)

?

判別分析在上市公司信用風險中的實證研究

楊 瑩1，徐慎暉2

(1.安徽大學 經濟學院，安徽 合肥 230601；2.河海大學 商學院，江蘇 南京 211100)

隨著我國證券業(yè)體系的不斷健全、世界金融一體化趨勢和金融市場波動性的加劇，上市公司信用的風險評估已經成了金融機構和企業(yè)關注的重大問題。因此，通過企業(yè)歷史數(shù)據(jù)對其未來發(fā)展及其預期風險做出較為準確的判斷，對其信用風險進行有效監(jiān)控就顯得愈發(fā)重要。以上海證券交易所上市的部分企業(yè)的相關數(shù)據(jù)作為樣本，通過選取較為合理的指標體系，對樣本進行多元統(tǒng)計判別分析，以提高管理效率，降低風險。判別分析結果顯示，所得到的判別模型能夠較好解釋我國證券市場所出現(xiàn)的部分信用情況。

上市公司；判別分析；信用風險

金融監(jiān)管對于一國的經濟發(fā)展有著重要作用。一方面，它可以降低金融風險，維持金融業(yè)的穩(wěn)定；另一方面，過多的監(jiān)管勢必會花費較高的監(jiān)管成本；同時，還可能會導致被監(jiān)管對象道德風險的增加，從而降低金融效率。如何判別一個產業(yè)是否具有市場競爭力和發(fā)展持續(xù)性，是值得深思和研究的。目前，美國納斯達克市場的規(guī)范化已經相對較為成熟，而我國滬深兩市的建設則較為落后。

美國在風險控制方面以銀行業(yè)為主，于1991年頒布了《聯(lián)邦存款保險公司改進法》，形成了快速預警糾偏模型，同時還設立了CAMEL(Captal Adequacy,Asset Quality,Management,Earnings,Liquidity)評級體系。本文對比借鑒CAMEL中的五方面評級標準。CAMEL從以下五方面分析銀行的經營情況：資本充足率、資產質量、管理水平、收益狀況、波動性。美國一些學者采用諸如回歸分析、多元判別分析、Logit和Probit分析對風險進行有效性分析。

隨著市場化的加劇及金融市場化和金融全球化的波動性日趨增加，各國銀行和投資者都受到前所未有的信用風險的挑戰(zhàn)。世界銀行對全球銀行危機的研究表明，導致銀行破產的最主要原因就是信用風險?！栋腿麪枀f(xié)議》旨在加強信用風險的管理。西方國家對于風險控制相對較為成熟，而在我國，證券市場起步晚，發(fā)展速度快，相關風險控制的政策還未落實，導致有關信用風險評估研究的成果較少。因此，本文采取判別分析法，對2014年上市公司中已經披露的若干信息對企業(yè)信用風險進行判別分析，來研究我國上市公司信用風險的評估。

一、理論假設

判別分析是一種統(tǒng)計判別和分組技術，其原理是就一定數(shù)量樣本的一個分組變量和相應的其他多元變量的已知信息，對新樣品進行判別分組。其中，F(xiàn)isher判別亦稱典則判別，是根據(jù)線性Fisher函數(shù)值進行判別，使用此準則要求各組變量的均值有顯著性差異。該方法的基本思想是投影，即將原來在R維空間的自變量組合投影到維度較低的D維空間，然后在D維空間中再進行分類。投影的原則是使每一類的差異盡可能小，而投影的離差盡可能大。Fisher判別的優(yōu)勢在于對分布、方差等都沒有任何限制，應用范圍比較廣。另外，用該判別方法建立的判別方差可以直接用手工計算的方法進行新樣品的判別，這在許多時候是非常方便的。除Fisher外，還有貝葉斯(Bayes)判別法。

本文采用SPSS軟件對2014年上市公司信用風險進行判別分析。首先，本文數(shù)據(jù)來自于A股市場的相關企業(yè)年報和證監(jiān)會披露的信息。其次，本文將2014年上市公司中已知的公司按信用風險程度分成不同的組，之后利用Fisher判別方法，將財務向量進行投影，使之成為單向量，對已經整理過而形成的單個向量進行統(tǒng)計分析，從而建立起信用風險的距離差別準則。對2014年的數(shù)據(jù)進行判別分析所得到的結果，對比2015年上市公司的相關數(shù)據(jù)，發(fā)現(xiàn)預測正確率較高，誤差較低。

判別函數(shù)的一般形式為:

Z=a1x1+a2x2+a3x3+…+anxn

其中Z是判別值，x1,x2,x3,…，xn為研究對象的特征變量，a1,a2,a3,…，an為各變量的判別系數(shù)。將已知樣本分為Group 1和Group 2，根據(jù)得到的判別函數(shù)，將新得到的樣品Y中的各個指標值帶入判別函數(shù)，便可得到相應的判別值，再找出判別函數(shù)的臨界值。兩者進行比較，就可以對新樣本的類別做出判斷。當Z>臨界值，則Y屬于Group 1；當Z<臨界值，則Y屬于Group 2；當Z處于臨界值，則Y待判斷。

假設有n個上市公司來自A組，則將n個上市公司作為研究樣本，每一個樣本點由P個財務指標組成。來自A組的觀測值將其投影到某一個共同方向，得到的投影點是線性組合P維常數(shù)向量，表示投影方向。SST、SS(TR)和SS分別表示總方差、組間方差、組內方差。所含有的自由度分別為n-1、k-1和n-k。假設各組的真實方差相等，則可對k個組的真實組均值之間是否有顯著性差異進行檢驗。假設k個真實組均值相等是原假設，那么我們可以得到檢驗統(tǒng)計量：

當統(tǒng)計值F≥F(k-1,n-k)時，則拒絕原假設，F(xiàn)值越大，拒絕原假設的理由越充分，各組真實組均值之間的差異越顯著，投影數(shù)據(jù)越能反映原始數(shù)據(jù)的真實情況，則判別分析尤其是典型判別分析效果更加理想。

二、模型設計

(一)研究樣本

本文選擇樣本全部出自于在滬深兩市上市的公司及其相關財務報告。一方面，截自2015年4月公布2014年財務審計報告以來，本文從滬深兩市2015年評選出來的百強上市公司中挑選了包括伊利集團、海螺集團等共30家企業(yè)作為判別分析中的信用非違約組。另一方面，本文從相關程序所產生的ST公司中挑選了具有代表性的30家企業(yè)，視為判別分析中的信用違約組。綜上所述，樣本總量共計60家上市公司。

(二)變量選擇

財務比率在一定程度上可以客觀反映企業(yè)運營情況。本文在選擇財務指標時，將反映企業(yè)的相關財務指標進行考慮，剔除了財務比率之間相關程度較高的指標，最后以凈資產收益率(ROE)、資產負債率、流動比率、資產收益率(ROA)、現(xiàn)金比率作為判別分析的變量，分別計為x1、x2、x3、x4、x5，基于此得到典型判別函數(shù)模型：

Z(x)=c0+c1x1+c2x2+c3x3+c4x4+c5x5

其中ci為模型的參數(shù)。

基于流動性、安全性、盈利性、充足性等對五個因素進行分析。流動比率和現(xiàn)金比率作為流動性參數(shù)進行分析，凈資產收益率(ROE)和資產收益率(ROA)作為盈利性參數(shù)進行分析，資產負債率作為安全性參數(shù)進行分析。其中，流動性指標是反映企業(yè)償還短期債務、維持正常經營的重要指標，流動性差會影響企業(yè)的經營，但是流動性過高又反過來會影響企業(yè)資產的運營效率。

(三)參數(shù)估計

根據(jù)前面分析討論，得出以下結果：

n1=30 代表信用非違約組的樣本容量，財務狀況良好的上市公司屬于這個組。

n2=30 代表信用違約組的樣本容量，主要以ST企業(yè)為主。

n=60 代表總體樣本容量。

本文將總樣本分為兩類，樣本數(shù)據(jù)是由現(xiàn)有滬深兩市所有公開披露的企業(yè)資料整理而來，在進行下一步的判別分析時，總分類是g=2，n=60。

三、實證結果

按照前面設立的數(shù)據(jù)模型，以2014年60家上市公司年報所提供的數(shù)據(jù)作為樣本觀測值，通過SPSS運行計算結果。

表1 判別函數(shù)模型估計

表2 判別函數(shù)解釋變量顯著性檢驗群組平均值的等式檢定

表3 群組統(tǒng)計資料

由表1可以看出，卡方似然估計的統(tǒng)計量為44.736，大于自由度為5的卡方表中的臨界值15.09，所以可以得出Z(x)=0.278+0.851x1+x2+0.998x3+0.57x4+0.994x5，且該判別函數(shù)是顯著的?？梢钥闯?，函數(shù)總體在1%解釋水平下是顯著的，表明模型對上市公司信用的風險判斷有一定的解釋能力。表2 說明顯著的解釋變量有5個，按照逐步判別過程解釋變量進行模型的順序是x2、x1、x3、x4、x5。因為資產負債率在企業(yè)中反映了上市公司的財務風險，后者在一定程度上體現(xiàn)了資產的運行效率，流動比率衡量了企業(yè)短期變現(xiàn)資產償還債務的能力。實質上這5個財務比率指標與上市公司信用風險息息相關。由此可見，模型中所包含的解釋變量能夠較好地反映上市公司的實際信用風險程度。

表4 共變異矩陣與相關矩陣

通過以上SPSS軟件統(tǒng)計，對數(shù)據(jù)進行分析并進行了預測。標準化的判別函數(shù)為：Z(x)=0.278+0.851x1+x2+0.998x3+0.57x4+0.994x5，且觀測總量為60。截止到2016年2月，從2015年滬深兩市所公布的企業(yè)年報中選擇業(yè)績較為優(yōu)良、財務指標規(guī)范的企業(yè)(銀行業(yè)除外)，以及ST企業(yè)一共20家作為檢驗樣本進行后續(xù)檢驗，最后得出檢驗樣本總的正確率達到了90%以上。*表3和表4的意義不在于統(tǒng)計結果的展示，而是展示了模型有效的預測能力，表3的結果是為表4做準備的，其意義在于顯示統(tǒng)計量在判別分析的分類中表達出的正確率，從表4可以看出達到了90%以上。因此，樣本檢驗結果表明，模型具有較為有效的預測能力。

四、結論和局限性

通過上面的分析可以得到如下結論：第一，利用歷史性數(shù)據(jù)可以對未來數(shù)據(jù)進行預測性估計，并對未知樣品做出快速的判斷。本文中所判斷的企業(yè)的凈資產收益率、資產負債率、流動比率、現(xiàn)金比率和資產收益率只要達到平均水平以上，就能在很大程度上規(guī)避和防范風險。第二，企業(yè)的年報可以披露絕大多數(shù)企業(yè)運營情況，所以可以基于數(shù)據(jù)實際做出相應的監(jiān)管判斷，為投資者進行科學的決策、理智地回避風險提供依據(jù)。第三，我國的金融監(jiān)管在業(yè)務運營監(jiān)管上相對較為成熟，然而需要將企業(yè)運營和現(xiàn)場檢查兩者相結合，通過對數(shù)據(jù)的整理，對風險進行監(jiān)測，有利于判斷企業(yè)的信用風險，也有利于監(jiān)管機構實施分類監(jiān)管政策。

采用判別分析也存在一定的局限性。首先，上市公司信用違約組不能僅僅局限在ST企業(yè)。本文為了統(tǒng)計的便利性，采用ST企業(yè)作為第二組樣本進行統(tǒng)計，實際上，一些并非ST的企業(yè)也存在信用違約問題。這類企業(yè)存在隱藏的信用風險，但并未表現(xiàn)出財務困難，所以可能存在財務虛假報告的可能。因此，在實際操作中，有必要對所有企業(yè)做進一步的劃分，而不能僅僅局限于ST企業(yè)。其次，模型仍然存在犯錯的可能，即第一類錯誤的比率還是較高的，在進一步的分析中應該將定性和定量相結合，將誤差降到最低。再次，由于數(shù)據(jù)誤差的存在，同時對銀行(包括中國銀行、工商銀行等樣品的舍棄)缺少ROA和現(xiàn)金比率的公報的問題在接下來的研究中將繼續(xù)選擇合適的參數(shù)估計量，或者采用一些補救辦法對這類問題進行合理性補救。

[1]龍小寧,朱艷麗,蔡偉賢,李少民.基于空間計量模型的中國縣級政府間稅收競爭的實證分析[J].經濟研究，2010(8)：41-53.

[2]李林,丁藝,劉志華.金融集聚對區(qū)域經濟增長溢出作用的空間計量分析[J].金融研究，2011(5)：113-123.

[3]施錫全，鄒新月.典型判別分析在企業(yè)信用風險評估中的應用[J].財經研究，2001(10)：53-57.

[4]吳海華，王志紅.商業(yè)銀行監(jiān)控指標的判別分析[J].統(tǒng)計與信息論壇，2005(7)：90-93.

[5]韓麗.聚類分析和判別分析在證券投資中的應用[J].金融觀察，2007(7)：61-62.

[6]楚爾鳴, 喻多嬌.中國貨幣中性與非中性的實證檢驗[J].金融發(fā)展研究, 2009 (3): 26-30.

[7]茍小菊,許銳,扶元廣.安徽省城鎮(zhèn)化發(fā)展影響因素的空間計量研究[J].中國科學技術大學學報,2015(5):416-421.

An Empirical Study on the Discriminant Analysis About Credit Risk of the Listed Companies

YANG Ying1,XU Shenhui1,2

(1.SchoolofEconomics,AnhuiUniversity,Hefei230601,China; 2.SchoolofBusiness,HohaiUniversity,Nanjing211100,China)

With the constantly improvement of China′s securities system, and with the trend of global financial integration and the aggravated volatility in financial market, the assessment about listed companies′ credit risk has become a major issue of concern for financial institutions and enterprises. It is more important to make a more accurate judgment on the future development and expected risk through an enterprise′s historical data, and thus to monitor the credit risk effectively. In order to manage efficiently and reduce risks, this essay selects reasonable index system and make a multivariate statistical discriminant analysis on the sample, which was taken from related data of part of listed enterprises in the Shanghai Stock Exchange. Discriminant analysis results show that the model can better explain the credit situation in part of China′s securities market.

listed companies; discriminant analysis; credit risk

2016-05-05

楊 瑩(1993-)，女，安徽六安人，安徽大學經濟學院碩士研究生，研究方向為信用風險。

F832.49

A

1674-3318(2016)04-0017-03