杜亞茹 苗金芳

【摘 要】針對(duì)青海生物與醫(yī)藥行業(yè)的科技型企業(yè)，建立了一個(gè)多層次的信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，并利用獨(dú)立樣本T檢驗(yàn)、曼-惠特尼（U）檢驗(yàn)和因子分析對(duì)指標(biāo)體系進(jìn)行篩選降維，并在此基礎(chǔ)上構(gòu)建基于MLP神經(jīng)網(wǎng)絡(luò)的信用風(fēng)險(xiǎn)評(píng)價(jià)模型，以青海生物與醫(yī)藥行業(yè)的科技型企業(yè)作為研究樣本進(jìn)行實(shí)證分析，研究結(jié)果表明，文章針對(duì)青海生物與醫(yī)藥行業(yè)的科技型企業(yè)所建立的信用風(fēng)險(xiǎn)評(píng)價(jià)模型對(duì)企業(yè)的風(fēng)險(xiǎn)評(píng)價(jià)具有一定的參考價(jià)值。

【關(guān)鍵詞】科技型企業(yè)；信用風(fēng)險(xiǎn)；MLP神經(jīng)網(wǎng)絡(luò)

【中圖分類號(hào)】F276.44 【文獻(xiàn)標(biāo)識(shí)碼】A 【文章編號(hào)】1674-0688（2019）01-0003-03

0 引言

隨著經(jīng)濟(jì)的發(fā)展，我國經(jīng)濟(jì)步入新的階段，為保證我國經(jīng)濟(jì)能夠持續(xù)健康的發(fā)展，科技起著舉足輕重的作用?？茖W(xué)技術(shù)的進(jìn)步，科研成果的形成，都能在一定程度上對(duì)經(jīng)濟(jì)社會(huì)產(chǎn)生影響，而科技型企業(yè)則是科學(xué)技術(shù)創(chuàng)新的主要載體?？萍夹推髽I(yè)是生產(chǎn)要素和相應(yīng)管理具有較高科技含量的一類企業(yè)，其發(fā)展壯大主要是依賴于科技的投入和科技成果的推動(dòng)。近年來科技型企業(yè)也在迅速發(fā)展，但由于其自身特點(diǎn)，在融資渠道上相對(duì)來說比較狹窄，融資難度也有所提升，這在很大程度限制了經(jīng)濟(jì)發(fā)展中科技型企業(yè)這一主力軍的發(fā)展壯大。這一問題的原因之一便是科技型企業(yè)風(fēng)險(xiǎn)較大，無法合理地估計(jì)企業(yè)風(fēng)險(xiǎn)，因此，科技型企業(yè)的風(fēng)險(xiǎn)研究至關(guān)重要。

1 青?？萍夹推髽I(yè)現(xiàn)狀

隨著科技發(fā)展的浪潮，青?？萍夹推髽I(yè)也在快速發(fā)展，截至2017年底，青海省共有143家科技型企業(yè)，民營及外資企業(yè)占比將近83%，其中從事生物與醫(yī)藥的有41家，從事高技術(shù)服務(wù)的有26家，從事新材料的有20家，從事新能源與節(jié)能的有17家，從事資源與環(huán)境的有14家，從事電子信息的有14家，其余11家從事先進(jìn)制造與自動(dòng)化。這些企業(yè)的發(fā)展對(duì)整個(gè)青海省的經(jīng)濟(jì)與就業(yè)等多個(gè)方面起著重要作用，由此來看，對(duì)青海省科技型企業(yè)的風(fēng)險(xiǎn)研究具有重大意義。由于在青海省科技型企業(yè)中，生物與醫(yī)藥行業(yè)的企業(yè)占比最大且發(fā)展較好，因此本文選擇青海生物與醫(yī)藥行業(yè)的科技型企業(yè)作為研究對(duì)象來展開風(fēng)險(xiǎn)研究。

2 模型的選擇

對(duì)于信用風(fēng)險(xiǎn)評(píng)價(jià)的研究，由定性到定量出現(xiàn)了傳統(tǒng)信用風(fēng)險(xiǎn)評(píng)價(jià)模型、信用評(píng)分模型、神經(jīng)網(wǎng)絡(luò)模型和現(xiàn)代信用風(fēng)險(xiǎn)模型等多種評(píng)價(jià)方法。統(tǒng)信用風(fēng)險(xiǎn)評(píng)價(jià)模型有專家系統(tǒng)法和評(píng)級(jí)系統(tǒng)法，專家系統(tǒng)法是由專家們進(jìn)行打分然后匯總，存在明顯的主觀性，而評(píng)級(jí)系統(tǒng)法可能會(huì)因評(píng)級(jí)機(jī)構(gòu)積累的數(shù)據(jù)有限及外部因素而受限。信用評(píng)分模型多為線性關(guān)系模型，而現(xiàn)實(shí)數(shù)據(jù)之間可能還有非線性關(guān)系的存在?，F(xiàn)代信用風(fēng)險(xiǎn)模型包含Merton模型、Credit Metrics 模型、Credit Risk+模型、Credit Portfolio View模型、KMV模型等，這些模型操作較簡(jiǎn)單，但也存在一些缺點(diǎn)，Merton模型的假設(shè)過于完美且預(yù)測(cè)準(zhǔn)確度較低，Merton模型在使用過程中所采用的部分方法與現(xiàn)實(shí)不符，Credit Risk+模型未考慮到市場(chǎng)風(fēng)險(xiǎn)，Credit Portfolio View模型對(duì)數(shù)據(jù)的要求較高，KMV模型則要求使用上市企業(yè)數(shù)據(jù)，但科技型企業(yè)大多未上市。神經(jīng)網(wǎng)絡(luò)模型具有映射與泛化能力，可消除其一定的主觀性，能克服一些分析過程的復(fù)雜性及選擇模型函數(shù)形式的困難，且對(duì)數(shù)據(jù)要求不嚴(yán)，可以處理非線性的數(shù)據(jù)，在復(fù)雜領(lǐng)域還可以產(chǎn)生良好的預(yù)測(cè)效果。許多學(xué)者的研究也表明變量之間的關(guān)系為非線性關(guān)系時(shí)，神經(jīng)網(wǎng)絡(luò)模型的評(píng)價(jià)精度顯著優(yōu)于傳統(tǒng)的統(tǒng)計(jì)方法。同時(shí)本文所研究的信用評(píng)價(jià)本質(zhì)上是區(qū)分企業(yè)信用情況的優(yōu)劣，可以視為分類與預(yù)測(cè)問題?；诖?，本文選擇采用更適合于研究分類問題的MLP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行研究。

3 實(shí)證研究

3.1 評(píng)價(jià)體系建立與數(shù)據(jù)來源

3.1.1 評(píng)價(jià)體系建立

通常，企業(yè)的信用風(fēng)險(xiǎn)主要從企業(yè)財(cái)務(wù)特征的4個(gè)方面進(jìn)行研究，考慮到科技型企業(yè)的特殊性，本文綜合了企業(yè)規(guī)模及企業(yè)其他特征、營運(yùn)能力、償債能力、盈利能力、發(fā)展能力、研發(fā)能力7個(gè)方面，共選取了30個(gè)指標(biāo)，具體如下。

企業(yè)規(guī)模：X1（總資產(chǎn)）、X2（凈資產(chǎn)）、X3（注冊(cè)資本）、X4（產(chǎn)品銷售收入）、X5（人員規(guī)模）。

企業(yè)其他特征：X6（經(jīng)營年限）、X7（企業(yè)登記注冊(cè)類型）。

營運(yùn)能力：X8（總資產(chǎn)周轉(zhuǎn)率）、X9（流動(dòng)資產(chǎn)周轉(zhuǎn)率）。

盈利能力：X10（總資產(chǎn)報(bào)酬率）、X11（凈資產(chǎn)報(bào)酬率）、X12（銷售利潤率）、X13（銷售毛利率）、X14（主營業(yè)務(wù)利潤率）。

償債能力：X15（資產(chǎn)負(fù)債率）、X16（利息保障率）、X17（產(chǎn)權(quán)比率）。

發(fā)展能力：X18（銷售增長(zhǎng)率）、X19（凈資產(chǎn)增長(zhǎng)率）、X20（凈利潤同比增長(zhǎng)率）、X21（凈資產(chǎn)收益率同比增長(zhǎng)率）、X22（總資產(chǎn)增長(zhǎng)率）。

研發(fā)能力：X23（高新技術(shù)產(chǎn)品收入）、X24（無形資產(chǎn)）、X25（從業(yè)人員期末人數(shù)）、X26（研究生人數(shù)）、X27（科技活動(dòng)人員人工費(fèi)（包含各種補(bǔ)貼））、X28（期末擁有有效專利數(shù)）、X29（新產(chǎn)品銷售收入）、X30（委托境內(nèi)研究機(jī)構(gòu)開展科技活動(dòng)的經(jīng)費(fèi)支出）。

3.1.2 數(shù)據(jù)來源

在數(shù)據(jù)選取上，本文選取2014～2017年青?？萍夹推髽I(yè)中生物與醫(yī)藥行業(yè)的企業(yè)數(shù)據(jù)作為樣本進(jìn)行實(shí)證研究，數(shù)據(jù)來源于各年度科技年報(bào)。

本文將企業(yè)信用等級(jí)的分類作為評(píng)價(jià)企業(yè)風(fēng)險(xiǎn)的因變量，采用二分類法，將信用等級(jí)在AA級(jí)及以上的企業(yè)視為風(fēng)險(xiǎn)較低的企業(yè)，信用等級(jí)的類別記為1；信用等級(jí)在AA級(jí)以下的企業(yè)視為風(fēng)險(xiǎn)較大的企業(yè)，信用等級(jí)的類別記為0。

3.2 指標(biāo)篩選

由于本文所采用的指標(biāo)較多，指標(biāo)間可能會(huì)存在比較強(qiáng)的相關(guān)性，如果直接代入模型，會(huì)因?yàn)槎嘀毓簿€問題而造成研究結(jié)果的不準(zhǔn)確，因此對(duì)于這些指標(biāo)需進(jìn)行進(jìn)一步的檢測(cè)和篩選。

第一步，分布檢驗(yàn)。采用K-S檢驗(yàn)方法進(jìn)行分布檢驗(yàn)，將指標(biāo)數(shù)據(jù)分為服從正態(tài)分布與不服從正態(tài)分布兩類，方便分類進(jìn)行顯著性檢驗(yàn)。結(jié)果顯示，X10（總資產(chǎn)報(bào)酬率）、X15（資產(chǎn)負(fù)債率）、X22（總資產(chǎn)增長(zhǎng)率）3個(gè)指標(biāo)數(shù)據(jù)是服從正態(tài)分布的，其余指標(biāo)數(shù)據(jù)不服從正態(tài)分布。

第二步，顯著性檢驗(yàn)。對(duì)于服從正態(tài)分布的指標(biāo)數(shù)據(jù)，采用獨(dú)立樣本T檢驗(yàn)進(jìn)行分析，對(duì)于不服從正態(tài)分布的指標(biāo)數(shù)據(jù)，采用非參數(shù)檢驗(yàn)中的曼-惠特尼（U）檢驗(yàn)進(jìn)行分析，顯著性（雙尾）水平Sig.大于0.05時(shí)，表示未通過顯著性檢驗(yàn)，剔除未通過顯著性檢驗(yàn)的指標(biāo)。顯著性檢驗(yàn)后剩余指標(biāo)如下：X5（人員規(guī)模）、X6（經(jīng)營年限）、X7（企業(yè)登記注冊(cè)類型）、X21（凈資產(chǎn)收益率同比增長(zhǎng)率）、X23（高新技術(shù)產(chǎn)品收入）、X27（科技活動(dòng)人員人工費(fèi)（包含各種補(bǔ)貼））、X29（新產(chǎn)品銷售收入）、X30（委托境內(nèi)研究機(jī)構(gòu)開展科技活動(dòng)的經(jīng)費(fèi)支出）。

第三步，因子分析。上述剩余指標(biāo)數(shù)據(jù)間具有一定的相關(guān)性，因此不能直接代入模型進(jìn)行分析，本文通過因子分析進(jìn)行降維。在對(duì)指標(biāo)數(shù)據(jù)進(jìn)行分析前，需進(jìn)行Bartlett球形檢驗(yàn)和KMO檢驗(yàn)，判別指標(biāo)數(shù)據(jù)能否進(jìn)行因子分析，結(jié)果見表1。

根據(jù)計(jì)算可知，KMO統(tǒng)計(jì)量值為0.728，表明指標(biāo)數(shù)據(jù)之間的偏相關(guān)性較強(qiáng)；Bartlett球形檢驗(yàn)統(tǒng)計(jì)量值對(duì)應(yīng)的顯著性Sig.小于給定的顯著性水平0.05，表明相關(guān)陣不是單位陣且各變量間具有相關(guān)性，適合因子分析。

在檢驗(yàn)過程中，本文將標(biāo)準(zhǔn)適當(dāng)調(diào)整為大于0.8，最終指標(biāo)數(shù)據(jù)簡(jiǎn)化為4個(gè)因子，各因子載荷與命名見表2。

3.3 MLP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建

本文運(yùn)用SPSS軟件實(shí)現(xiàn)MLP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建和運(yùn)行。輸入層由前文得到的4個(gè)因子構(gòu)成，輸出層為企業(yè)信用等級(jí)分類y={0，1}，由2個(gè)神經(jīng)元構(gòu)成，最終的訓(xùn)練結(jié)果見表3。

由表3可知，MLP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練結(jié)果中總體預(yù)測(cè)正確百分比為75.00%，其中訓(xùn)練樣本的預(yù)測(cè)正確百分比為85.00%，檢驗(yàn)樣本的預(yù)測(cè)正確百分比為71.40%，堅(jiān)持樣本的預(yù)測(cè)正確百分比為60.00%?？傮w來看，該模型對(duì)企業(yè)信用風(fēng)險(xiǎn)的識(shí)別可以起到一定的作用。

4 結(jié)論與建議

本文針對(duì)青海生物與醫(yī)藥行業(yè)的科技型企業(yè)構(gòu)建了一個(gè)評(píng)價(jià)指標(biāo)體系，研究因變量為采用二分類法的企業(yè)信用等級(jí)分類，在對(duì)指標(biāo)數(shù)據(jù)進(jìn)行篩選降維的基礎(chǔ)上，運(yùn)用MLP神經(jīng)網(wǎng)絡(luò)方法構(gòu)建了風(fēng)險(xiǎn)評(píng)價(jià)模型。通過對(duì)2014～2016年青海生物與醫(yī)藥行業(yè)的科技型企業(yè)的實(shí)際數(shù)據(jù)進(jìn)行研究，表明該模型對(duì)企業(yè)信用風(fēng)險(xiǎn)的識(shí)別可以起到一定的作用。

在實(shí)證過程中，最終進(jìn)入模型的共有4個(gè)因子，即研發(fā)能力因子、企業(yè)其他特征因子、企業(yè)規(guī)模因子、發(fā)展能力因子，4個(gè)因子中包含X5（人員規(guī)模）、X6（經(jīng)營年限）、X7（企業(yè)登記注冊(cè)類型）、X21（凈資產(chǎn)收益率同比增長(zhǎng)率）、X23（高新技術(shù)產(chǎn)品收入）、X27（科技活動(dòng)人員人工費(fèi)（包含各種補(bǔ)貼））、X29（新產(chǎn)品銷售收入）、X30（委托境內(nèi)研究機(jī)構(gòu)開展科技活動(dòng)的經(jīng)費(fèi)支出）8個(gè)指標(biāo)，因此，無論是青海生物與醫(yī)藥行業(yè)的科技型企業(yè)對(duì)其信用風(fēng)險(xiǎn)進(jìn)行控制，或是金融機(jī)構(gòu)對(duì)其進(jìn)行風(fēng)險(xiǎn)分析，均可從以上幾個(gè)方面進(jìn)行考量。

參 考 文 獻(xiàn)

[1]李環(huán)，郭宏媛，鄧婕.財(cái)務(wù)風(fēng)險(xiǎn)對(duì)中國企業(yè)信用風(fēng)險(xiǎn)的影響研究（上篇）[J].會(huì)計(jì)研究，2016（5）.

[2]潘立生，葛睿.企業(yè)信用與經(jīng)營活動(dòng)現(xiàn)金流相關(guān)性研究——基于A股制造業(yè)上市公司的經(jīng)驗(yàn)數(shù)據(jù)[J].財(cái)會(huì)通訊，2016（30）.

[3]陳澤鵬.新創(chuàng)小型企業(yè)間接融資的信用風(fēng)險(xiǎn)評(píng)價(jià)研究[D].廣州：華南理工大學(xué)，2011.

[責(zé)任編輯：鄧進(jìn)利]