潘莉　曾鈴智　潘遠(yuǎn)翊

摘要：本文運(yùn)用Logi stic回歸模型構(gòu)建了我國上市公司信用風(fēng)險預(yù)測模型。該模型對我國上市公司出現(xiàn)信用風(fēng)險概率的預(yù)測具有83.5%的準(zhǔn)確性，可以為我國上市公司的投資者及監(jiān)管者提供較為準(zhǔn)確的上市公司信用風(fēng)險狀況信息。

關(guān)鍵詞：金融風(fēng)險測度；信用風(fēng)險；Logi stic模型

金融風(fēng)險監(jiān)管是指對金融風(fēng)險進(jìn)行識別、測度和控制。金融風(fēng)險管理的核心與基礎(chǔ)是金融風(fēng)險測度，只有精準(zhǔn)的測度風(fēng)險發(fā)生的概率和規(guī)模大小，才能做出有效的管理。金融風(fēng)險測度的研究需要與時代接軌，不斷改善，才能保障其對金融風(fēng)險預(yù)測的準(zhǔn)確性。因此，研究科學(xué)合理、符合當(dāng)下金融環(huán)境的統(tǒng)計測度模型，對預(yù)防、規(guī)避金融風(fēng)險顯得十分重要。

本文在上述背景下，積極探索研究符合當(dāng)今金融環(huán)境下的金融風(fēng)險統(tǒng)計測度模型，為我國金融市場的投資者和監(jiān)管者提供理論支持，及時防范金融風(fēng)險，促進(jìn)我國金融與經(jīng)濟(jì)的健康平穩(wěn)發(fā)展。

一、模型構(gòu)建

Logistic回歸模型是對二分類因變量進(jìn)行回歸分析時最普通常見的多元統(tǒng)計方法，它根據(jù)樣本數(shù)據(jù)所采用的財務(wù)數(shù)據(jù)，使用最大似然估計法估計出參數(shù)值，可求得自變量取某個值的概率。

本文研究的上市公司分為存在信用風(fēng)險或不存在信用風(fēng)險兩個狀況，屬于二分類變量。當(dāng)其取值為0時，代表上市公司存在信用風(fēng)險；當(dāng)其值取為1時，代表上市公司不存在信用風(fēng)險。本文的單因素Logistic回歸模型的表達(dá)式如下所示：

在上述表達(dá)式中，P表示企業(yè)存在信用風(fēng)險的概率，a為常數(shù)項，b為系數(shù)，x表示財務(wù)指標(biāo)的取值。P的取值區(qū)間為（O，1），本文選取0.5作為分割點，即預(yù)測概率P大于0.5，表示企業(yè)存在信用風(fēng)險，取值小于0.5，表示企業(yè)不存在信用風(fēng)險。

二、數(shù)據(jù)來源及篩選

本文選取我國滬深兩市A股中在2015年至2016年期間被sT上市公司及其對應(yīng)的非ST上市公司作為樣本數(shù)據(jù)進(jìn)行建模，其中包括被ST公司98家，非Sr公司98家。選取我國滬深兩市A股中在2017年1月1日至2017～[z5月10日期間被sT上市公司及非sT]z市公司作為檢測樣本對模型進(jìn)行檢測，其中包括被sT公司51家，非sT公司51家。

關(guān)于信用風(fēng)險測度，本文選擇以下14個財務(wù)指標(biāo)：凈資產(chǎn)收益率、銷售凈利率、總資產(chǎn)報酬率、應(yīng)收賬款周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率、流動資產(chǎn)周轉(zhuǎn)率、存貨周轉(zhuǎn)率、銷售現(xiàn)金比率、流動比率、速動比率、總資產(chǎn)負(fù)債率、總資產(chǎn)增長率、

凈利潤增長率、凈資產(chǎn)增長率。

根據(jù)我國國情，上市公司發(fā)出t-1年的年報與其在t年被sT這兩個事件幾乎是同時發(fā)生的。同時，前人的研究表明，運(yùn)用t-1年的財務(wù)數(shù)據(jù)對t年該公司是否存在信用風(fēng)險進(jìn)行預(yù)測會高估模型的預(yù)測能力。因此，本文采取上市公司t-2年的財務(wù)數(shù)據(jù)來預(yù)測公司在t年是否會產(chǎn)生信用風(fēng)險。

三、實證結(jié)論與模型檢驗

構(gòu)建Logistic回歸模型的目的是對企業(yè)存在信用風(fēng)險的概率進(jìn)行預(yù)測，即將x帶入回歸方程，求出P值，得出企業(yè)是否存在信用風(fēng)險的概率。

其預(yù)測結(jié)果如表2所示：

a.切割值為.500

將樣本數(shù)據(jù)帶入該模型中，對其出現(xiàn)信用風(fēng)險的概率進(jìn)行預(yù)測，從預(yù)測結(jié)果可以看出，該模型的預(yù)測準(zhǔn)確率為83.5%。

將我國2017年上市上司中的51家被sT公司及對應(yīng)51家非ST公司在2015年的財務(wù)數(shù)據(jù)帶入上述模型進(jìn)行預(yù)測檢驗，檢驗結(jié)果如表3所示：

a.切割值為.500

從預(yù)測結(jié)果可以看出，用2017年上司公司作為該模型的檢驗樣本，預(yù)測準(zhǔn)確度為83.3%，表明這是一個比較理想的信用風(fēng)險預(yù)警模型。

四、研究不足

信用風(fēng)險測度的研究是一項復(fù)雜的系統(tǒng)工程，上述模型也有以下幾個不足之處有待進(jìn)一步研究：該模型僅適用于我國的上市公司，對于非上市公司，該模型有待進(jìn)一步研究確認(rèn)；企業(yè)出現(xiàn)信用風(fēng)險是一個過程，本文僅使用了公司被sT的前t一2年的靜態(tài)數(shù)據(jù)進(jìn)行研究，無法體現(xiàn)企業(yè)的財務(wù)數(shù)據(jù)變化；沒有考慮到其他非財務(wù)指標(biāo)對企業(yè)出現(xiàn)信用風(fēng)險的影響。

注：本文受國家統(tǒng)計局統(tǒng)計信息技術(shù)與數(shù)據(jù)挖掘重點開放實驗室課題項目（SDL201612）資助

作者簡介：

潘莉，成都信息工程大學(xué)統(tǒng)計學(xué)院講師，碩士；研究方向：金融數(shù)量分析。

曾鈴智，成都信息工程大學(xué)統(tǒng)計學(xué)院學(xué)生

潘遠(yuǎn)翊，成都弘達(dá)偉業(yè)文化傳播有限責(zé)任公司研究員，博士；研究方向：數(shù)據(jù)挖掘