周子欽

1 引 言

黨的十八大以來，習(xí)近平科學(xué)剖析了經(jīng)濟(jì)建設(shè)和意識形態(tài)工作之間、物質(zhì)文明建設(shè)和經(jīng)濟(jì)文明建設(shè)之間的關(guān)系，推動者黨的中心工作與意識形態(tài)工作相輔相成、形成強(qiáng)大的合力。2021年中央經(jīng)濟(jì)工作會議指出，在應(yīng)對風(fēng)險挑戰(zhàn)的實(shí)踐中，我們進(jìn)一步積累了對做好經(jīng)濟(jì)工作的規(guī)律性認(rèn)識。必須堅(jiān)持黨中央集中統(tǒng)一領(lǐng)導(dǎo)，沉著應(yīng)對重大挑戰(zhàn)，步調(diào)一致向前進(jìn)。有關(guān)企業(yè)的信用風(fēng)險問題，是其中一個重要的組成部分。新時代的政治認(rèn)同，不僅僅是對中國共產(chǎn)黨的要求，也是對于各民主黨派和無黨派人士的要求，在信用風(fēng)險的考察中加入對企業(yè)高管政治認(rèn)同程度的分析等非財(cái)務(wù)因素的考察是順應(yīng)中國特色社會主義市場經(jīng)濟(jì)發(fā)展的必然要求。關(guān)于信用風(fēng)險的經(jīng)濟(jì)學(xué)研究中對政治認(rèn)同這類非經(jīng)濟(jì)性因素有很多尚待完善，隨著中國社會主義市場經(jīng)濟(jì)的發(fā)展，越來越多的研究成果表明非經(jīng)濟(jì)因素對企業(yè)的信用風(fēng)險有著直接且深遠(yuǎn)的影響，所以考察企業(yè)高管的政治認(rèn)同應(yīng)當(dāng)成為企業(yè)信用風(fēng)險考察中的重要組成部分。

為更好地探究企業(yè)高管政治認(rèn)同和信用風(fēng)險的關(guān)系并提供理論解釋和研究基礎(chǔ)，本文梳理文獻(xiàn)發(fā)現(xiàn)：（一）對信用風(fēng)險的研究大多聚焦于經(jīng)濟(jì)因素，關(guān)于企業(yè)高管本身尤其是高管政治認(rèn)同與信用風(fēng)險關(guān)系的文獻(xiàn)較少。目前研究從外部環(huán)境和內(nèi)部原因研究信用風(fēng)險，其中，外部環(huán)境包括經(jīng)濟(jì)、社會環(huán)境等，而企業(yè)信用風(fēng)險產(chǎn)生的根本原因在于內(nèi)部原因，主要包括財(cái)務(wù)因素、治理結(jié)構(gòu)、管理水平、管理者特征等，如林晚發(fā)和李殊琦（2018）研究發(fā)現(xiàn)企業(yè)資產(chǎn)規(guī)模、資產(chǎn)負(fù)債率、成本粘性等財(cái)務(wù)因素對信用風(fēng)險顯著相關(guān)［1］。此外，鄒曉囡（2020）認(rèn)為公司治理結(jié)構(gòu)（股權(quán)結(jié)構(gòu)、董事會結(jié)構(gòu)等）顯著地對信用風(fēng)險產(chǎn)生影響，企業(yè)的管理水平的高低會影響其經(jīng)營效率，且林晚發(fā)等（2019）實(shí)證分析高管在企業(yè)經(jīng)營、決策中發(fā)揮重要作用，包括管理者的背景特征（如年齡、性別、受教育程度、財(cái)務(wù)經(jīng)歷等）會影響企業(yè)信用風(fēng)險的高低［2-3］；（二）現(xiàn)代信用風(fēng)險模型大多以信息經(jīng)濟(jì)學(xué)為基礎(chǔ)的模型，包括CPV模型、KMV模型、Credit Metrics模型等，但是由于假設(shè)不完善、未來預(yù)測能力差等難以廣泛使用。近年來，基于數(shù)據(jù)驅(qū)動的機(jī)器學(xué)習(xí)模型在信用風(fēng)險研究中扮演重要的作用。郭立侖和周升起（2022）運(yùn)用隨機(jī)森林模型以違約距離作為被解釋變量，以外部環(huán)境、業(yè)務(wù)結(jié)構(gòu)、經(jīng)營管理三個維度因子作為解釋變量，對商業(yè)銀行信用風(fēng)險影響因素進(jìn)行實(shí)證研究［4］。陳湘州和陶李紅（2021）以2014年—2019年深交所中小企業(yè)板制造業(yè)中符合要求的中小企業(yè)為樣本，通過全方位初選評估指標(biāo)，利用相關(guān)性分析對指標(biāo)進(jìn)行進(jìn)一步篩選，得到中小企業(yè)供應(yīng)鏈金融信用風(fēng)險評估指標(biāo)體系，接著基于MLP神經(jīng)網(wǎng)絡(luò)構(gòu)建了中小企業(yè)供應(yīng)鏈金融信用風(fēng)險評估模型［5］。曹潔（2012）通過實(shí)證檢驗(yàn)了宏觀經(jīng)濟(jì)各因素與企業(yè)信用風(fēng)險的相關(guān)性，宏觀經(jīng)濟(jì)因素與中小企業(yè)信用違約存在顯著的線性關(guān)系［6］。因而，本文結(jié)合國內(nèi)外研究成果，將企業(yè)高管的政治認(rèn)同作為重要的非經(jīng)濟(jì)變量納入信用風(fēng)險的研究，引入守序和短視的概念，基于神經(jīng)網(wǎng)絡(luò)的方法對企業(yè)高管政治認(rèn)同可能影響信用風(fēng)險的途徑，進(jìn)行一定的闡述與分析。

2 理論闡釋與研究基礎(chǔ)

2.1 理論闡釋

（1）政治認(rèn)同

“政治認(rèn)同”由“政治”和“認(rèn)同”兩個詞合成。是指生活于一定政治體系中的社會成員對政治體系所產(chǎn)生的一種心理或情感上的歸屬感，以及相應(yīng)的支持行為。胡建（2021）對政治認(rèn)同的內(nèi)涵、結(jié)構(gòu)及功能進(jìn)行了理論解讀，政治認(rèn)同主要由政治認(rèn)同的主體、客體、環(huán)體、和介體四個相互聯(lián)系的要素組成，表明政治認(rèn)同作為一種同向性的政治心理和政治行為，是人類政治生活中不可忽視的重要力量［7］。趙志朋（2022）對政治認(rèn)同中的民族共同體意識認(rèn)同的生成機(jī)理進(jìn)行了論述，現(xiàn)代政治文化強(qiáng)調(diào)了共同體的政治意識［8］。楊繪榮和范雅鈞（2022）對政治認(rèn)同的生成路徑進(jìn)行了闡述，政治認(rèn)同的生成路徑主要包括制度塑造、政治社會化以及政治參與，它們均是形成政治認(rèn)同所不可或缺的，共同作用于政治認(rèn)同［9］。本文不同于以上研究，注重于企業(yè)高管的政治認(rèn)同對信用風(fēng)險的影響進(jìn)行研究。有學(xué)者從心理層面認(rèn)為政治認(rèn)同是一個政治體系中的成員對于政治體系的認(rèn)知、情感和評價，是成員對政治體系的價值傾向（桑玉成和梁海森，2017［10］）。本文將認(rèn)同的概念界定為心理反應(yīng)和行為表達(dá)兩個方面：一是認(rèn)為跟自己有共同之處而感到親切，承認(rèn)、認(rèn)可和贊同；二是自覺地以所認(rèn)可的對象的規(guī)范要求自己，按所認(rèn)可對象的規(guī)范行事。

（2）短視

同一經(jīng)濟(jì)主體做出的選擇，在其他主體看來，往往褒貶不一，這就說明每個主體形成判斷的依據(jù)不同，期待回報(bào)也不同（Adhikari等，2006［11］）。一般看來，經(jīng)濟(jì)主體做出決策時，考慮得范圍越狹隘，預(yù)期回報(bào)的周期越短，做出的決策越“不明智”；做出決策時考慮的范圍越寬泛，預(yù)期回報(bào)的周期越長，做出的決策越“明智”。而我們可以把考慮范圍相對狹隘，預(yù)期回報(bào)周期相對較短的行為稱為“短視”。

（3）守序和越軌行為

守序是對現(xiàn)有制度和規(guī)則的遵從。經(jīng)濟(jì)主體的不守序體現(xiàn)為經(jīng)濟(jì)活動中可能出現(xiàn)的越軌行為，造成信用風(fēng)險。越軌行為是越軌心理外化的結(jié)果。其中越軌心理包括越軌認(rèn)識和越軌意向，前者指越軌者違反社會規(guī)范的認(rèn)識，后者指違背現(xiàn)實(shí)社會規(guī)則的情感、態(tài)度以及意圖或動機(jī)（Lee，2012［12］；Montes，2015［13］；Loewenstein，2000［14］）。若越軌意向外化為越軌行為，行為主體便成了真正的越軌者。越軌意向一般來源于對當(dāng)前社會規(guī)則規(guī)范或者某一政策制度的不認(rèn)同感，這種不認(rèn)同感和對當(dāng)前社會普遍規(guī)范規(guī)定的否定是政治認(rèn)同的一種否定，在企業(yè)高管進(jìn)行決策的時候?qū)⒒蚨嗷蛏俚伢w現(xiàn)在決策內(nèi)容偏向性上，反映在市場主體的經(jīng)濟(jì)行為上，產(chǎn)生信用風(fēng)險（West，2000［15］；劉開和范磊，2015［16］）。

2.2 博弈分析

（1）政治認(rèn)同因素造成的影響

政治認(rèn)同，在實(shí)際的社會生產(chǎn)中能夠直接影響人的選擇。政治認(rèn)同本身，是對“大我”，也就是社會和集體的關(guān)注，尤其是我國執(zhí)政黨所認(rèn)同的共產(chǎn)主義更是在行為模式上強(qiáng)調(diào)集體主義和奉獻(xiàn)精神（李素華，2005［17］）。擁有較強(qiáng)程度政治認(rèn)同的人，更傾向于做出利他的行為，也更為重視理念利益。也可以說是其決策考量的范圍和預(yù)期的回報(bào)有所不同。

政治認(rèn)同程度較強(qiáng)的人更容易將外部因素和道德因素列入考慮范圍，在設(shè)定預(yù)期回報(bào)時也傾向于更長的周期（甚至超過自身生命長度），所以政治認(rèn)同程度較高的企業(yè)高管做出的選擇更能避免“短視”。

圖1 影響路徑

對于個人來說，政治認(rèn)同的因素通過對企業(yè)高管短視程度影響，作用于其行為方式；對集體來說，便是通過對文化環(huán)境的影響，形成較強(qiáng)的道德約束，進(jìn)而對企業(yè)信用違約情況產(chǎn)生影響。

（2）企業(yè)高管的預(yù)期回報(bào)

對于企業(yè)高管來說，可能成為預(yù)期回報(bào)的可能有幾個不同方面：①個人收入：包括工資、績效和分紅等經(jīng)濟(jì)收入，代表了企業(yè)高管的經(jīng)濟(jì)收益。②企業(yè)發(fā)展；體現(xiàn)企業(yè)高管的自我價值，是一種理念的收益。③社會貢獻(xiàn)：代表所受到的道德約束，是利他行為的動機(jī)之一。

對于企業(yè)高管來說，不同的主體可能會有不同的預(yù)期回報(bào)期限，分別為：①短期回報(bào)：當(dāng)下行為所產(chǎn)生的直接可預(yù)見的收益。博弈中表現(xiàn)為單次博弈解。②長期回報(bào)：當(dāng)下行為所可能產(chǎn)生的收益的總和，博弈中表現(xiàn)為重復(fù)博弈解。

（3）不同情境下企業(yè)高管的決策

①博弈主體。因?yàn)槠髽I(yè)高管的決策水平?jīng)Q定了整個企業(yè)的發(fā)展走向，所以在博弈中用企業(yè)高管的選擇替代企業(yè)的選擇。關(guān)于企業(yè)的信用問題，參與者為金融企業(yè)和一般企業(yè)，而金融企業(yè)則可以以銀行作為代表。對于銀行和企業(yè)來說，其可選擇的策略分別是借款和不借款，還款和不還款。

②決策的依據(jù)。

經(jīng)營策略：絕大多數(shù)企業(yè)高管不具有經(jīng)濟(jì)學(xué)專業(yè)的知識結(jié)構(gòu)，企業(yè)高管做出決策依賴于知識與直覺，所以采取有限理性的博弈，其策略選擇取決于對于預(yù)期收益的滿足，而不是對最大收益的獲得。政治認(rèn)同程度較高的企業(yè)高管做出的策略選擇會將理念收益和道德懲罰考慮在收益范圍內(nèi)，且對于預(yù)期收益的設(shè)置時間更長，考慮時更側(cè)重重復(fù)博弈的有效解。

履約回報(bào)：經(jīng)濟(jì)回報(bào)，是指該博弈中的經(jīng)濟(jì)回報(bào)包括第n期的本金cn，第n期產(chǎn)生的利息tncn，第n期產(chǎn)生的利潤Δncn。

理念收益：是指該博弈中產(chǎn)生的理念收益為正常還款時產(chǎn)生的i。

道德懲罰：是指該博弈中的道德懲罰為未正常還款時產(chǎn)生的m。

③銀企博弈。

●經(jīng)濟(jì)收益情況下的博弈分析

銀企單次博弈過程為銀行選擇是否向企業(yè)借款開始至企業(yè)選擇是否向銀行還款為止，具體博弈結(jié)果如表1所示。

表1 銀企單次博弈矩陣

如該博弈矩陣所示，當(dāng)銀行選擇不借款時收益為0，但隱性損失了可能得到的利息tc。在不考慮其他因素的情況下，企業(yè)若選擇具有利他性的策略，則可以得到該博弈的有效解；若選擇完全自利的策略，則違約概率高。若此時Δ≤0，則發(fā)生信用違約可能性極高。

銀企重復(fù)博弈考慮到一般正常企業(yè)的發(fā)展具有長期性，故需考慮重復(fù)博弈下銀企的博弈結(jié)果所示如表2所示。

表2 銀企重復(fù)博弈矩陣

如該博弈矩陣所示，當(dāng)企業(yè)在某一次不還款時，其收益固定為（（∑n-1a=1taca-cn（1+tn），∑n-1a=1Δaca-cn（1+Δn）-m）），而若其還款，則獲得收益為（∑na=1taca，∑na=1Δaca+i），在Δ的值一般大于零時，（∑na=1taca，∑na=1Δaca+i）≧（∑n-1a=1taca-cn（1+tn），∑n-1a=1Δaca-cn（1+Δn）-m）存在可能，且考慮企業(yè)在決策時具備一定利他因素，其違約概率相對減小。

●考慮其他因素情況下的博弈分析

銀企單次博弈在博弈過程中，將理念收益i和道德懲罰納入收益衡量范圍，其銀企單次博弈結(jié)果如表3所示。

表3 銀企單次博弈

如該博弈矩陣所示，企業(yè)在不還款時會受到道德懲罰m，在正常還款時會得到理念收益i，則根據(jù)m與i值的不同≥存在可能，且m，i的值越大，企業(yè)越傾向于還款。

銀企重復(fù)博弈在重復(fù)博弈中，將理念收益和道德懲罰考慮在內(nèi)，則銀企博弈結(jié)果如下：

表4 銀企重復(fù)博弈矩陣

●短視造成的影響

如上述博弈所示，當(dāng)企業(yè)行為越不“短視”時，違約的概率越低，具體影響因素如下：考慮時間范圍的影響，在重復(fù)博弈中，企業(yè)的違約概率更低，更易得到博弈的有效解?？紤]因素范圍的影響，將理念收益和道德懲罰納入考慮范圍后，企業(yè)的違約概率更低，更易得到博弈的有效解。

2.3 模型和實(shí)證結(jié)果與分析

（1）模型及數(shù)據(jù)選取說明

人工神經(jīng)網(wǎng)絡(luò)是一組進(jìn)行分布式并行信息處理，大致模仿生物演化神經(jīng)運(yùn)算行為特征的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)通過調(diào)整內(nèi)部節(jié)點(diǎn)間互連的關(guān)系來實(shí)現(xiàn)信息的處理，適合用于探究復(fù)雜變量之間的關(guān)系（仇榮國等，2010［18］；胡海清等，2012［19］），如圖2所示。本文研究涉及的數(shù)據(jù)范圍廣，維度大，缺乏傳統(tǒng)理論的支撐，而神經(jīng)網(wǎng)絡(luò)模型正是處理兩者之間聯(lián)系的較合適的選擇。

圖2 神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型

本研究旨在明確企業(yè)高管政治認(rèn)同與信用風(fēng)險之間的關(guān)系。而信用風(fēng)險影響因素較多，對于經(jīng)濟(jì)因素以及部分非經(jīng)濟(jì)因素如何影響信用風(fēng)險目前已取得諸多研究成果，故在本文中，有必要引入經(jīng)濟(jì)因素和其他部分除政治因素外的非經(jīng)濟(jì)因素作為輸入的基礎(chǔ)維度，對比加入政治因素相關(guān)維度輸入產(chǎn)生的結(jié)果，才能明確政治因素與信用風(fēng)險的確切關(guān)系。

本文選取深圳證券交易所上市企業(yè)作為樣本。因?yàn)樯鲜衅髽I(yè)的信息相對透明，數(shù)據(jù)更易獲取，且深圳證券交易所上市企業(yè)以中小企業(yè)為主，多數(shù)上市企業(yè)為民營合資企業(yè)。與上海證券交易所相比，所樣本更呈多樣化，輸出數(shù)據(jù)也相對更豐富。本文數(shù)據(jù)來源于深圳證券交易所全部企業(yè)從2012年第三季度至2019年第二季度總共28個季度的相關(guān)數(shù)據(jù)a數(shù)據(jù)主要來源于上海證券交易所、深圳證券交易所、中國國家數(shù)據(jù)中心、天眼查、國家企業(yè)信用信息公示系統(tǒng)、中國執(zhí)行信息公開網(wǎng)、中國裁判文書網(wǎng)等。，其中包括可探知的經(jīng)濟(jì)數(shù)據(jù)、非經(jīng)濟(jì)數(shù)據(jù)和風(fēng)險因素三個方面的數(shù)據(jù)，數(shù)據(jù)收集維度詳見下表所示：

表5 數(shù)據(jù)收集維度

（2）經(jīng)濟(jì)因素對企業(yè)風(fēng)險的預(yù)測的實(shí)驗(yàn)結(jié)果

基于傳統(tǒng)的分析因素包括經(jīng)濟(jì)因素和以往研究有所設(shè)計(jì)的一般非經(jīng)濟(jì)因素進(jìn)行對比實(shí)驗(yàn)，為了方便描述，將所涉及實(shí)驗(yàn)內(nèi)容如下：

表5 實(shí)驗(yàn)內(nèi)容

一般來說，企業(yè)的信用風(fēng)險與其經(jīng)營情況直接相關(guān)，經(jīng)營情況差的企業(yè)其信用風(fēng)險一定更高。而其經(jīng)營情況可直接由其經(jīng)營產(chǎn)生的經(jīng)濟(jì)指標(biāo)來判斷，所以對于銀行等金融機(jī)構(gòu)來說，衡量是否授信，首先是對其經(jīng)濟(jì)指標(biāo)的分析。

表6 實(shí)驗(yàn)輸出結(jié)果描述性統(tǒng)計(jì)

本文在數(shù)據(jù)收集過程中，取得了深圳證券交易所上市企業(yè)財(cái)報(bào)上可獲知的經(jīng)濟(jì)數(shù)據(jù)共十一維a企業(yè)營業(yè)收入金額及其同比增長比率、環(huán)比增長比率，企業(yè)凈利潤金額及其同比增長比率、環(huán)比增長比率，每股收益，每股凈資產(chǎn)，每股經(jīng)營，凈資產(chǎn)收益率，銷售毛利率。作為輸入變量，暴露風(fēng)險程度作為輸出變量進(jìn)行分類預(yù)測建模分析。將此神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)率設(shè)置為0.001，設(shè)置運(yùn)算為2000代數(shù)，可得其平均訓(xùn)練誤差為0.050，平均測試誤差為0.083。

與此同時，抽取經(jīng)濟(jì)數(shù)據(jù)中的比率數(shù)據(jù)共六維b企業(yè)營業(yè)收入同比增長比率及其環(huán)比增長比率，企業(yè)凈利潤同比增長比率及其環(huán)比增長比率，凈資產(chǎn)收益率，銷售毛利率。作為輸入變量，暴露風(fēng)險程度作為輸出變量進(jìn)行分類預(yù)測運(yùn)算進(jìn)行對照試驗(yàn)，將此神經(jīng)網(wǎng)絡(luò)進(jìn)行相同設(shè)置，可得其平均訓(xùn)練誤差為0.049，相對于上一實(shí)驗(yàn)改進(jìn)率為0.021.其平均測試誤差為0.082，相對于上一實(shí)驗(yàn)改進(jìn)率為0.013。

由此可知，在模型學(xué)習(xí)率和運(yùn)算代數(shù)相同的情況下，兩組實(shí)驗(yàn)的平均訓(xùn)練誤差和平均測試誤差十分接近，且只采用經(jīng)濟(jì)比率數(shù)據(jù)的情況下，模型的擬合程度更好。

（3）加入傳統(tǒng)非經(jīng)濟(jì)因素的預(yù)測的實(shí)驗(yàn)結(jié)果

本文研究的企業(yè)高管以集體的形式出現(xiàn)，故對所收集的數(shù)據(jù)進(jìn)行處理，描述為某企業(yè)的企業(yè)高管人數(shù)，加權(quán)平均學(xué)歷及加權(quán)平均年齡，以三維作為一般非經(jīng)濟(jì)數(shù)據(jù)加入六維經(jīng)濟(jì)比率數(shù)據(jù)作為輸入變量帶入運(yùn)算。

表7 實(shí)驗(yàn)輸出結(jié)果描述性統(tǒng)計(jì)

為了使兩組實(shí)驗(yàn)的訓(xùn)練誤差盡量接近以便對比分析，將此神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)率設(shè)置為0.001，調(diào)整運(yùn)算為2300代，可得其平均訓(xùn)練誤差為0.048，相對于上一實(shí)驗(yàn)改進(jìn)率為0.018.其平均測試誤差為0.081，相對于上一實(shí)驗(yàn)改進(jìn)率為0.004。由此可知，加入一般非經(jīng)濟(jì)因素帶入運(yùn)算，會使模型運(yùn)算結(jié)果產(chǎn)生略微改進(jìn)。

（4）加入政治認(rèn)同因素的模型運(yùn)算與分析

在傳統(tǒng)的分析因素包括經(jīng)濟(jì)因素和以往研究有所設(shè)計(jì)的一般非經(jīng)濟(jì)因素的基礎(chǔ)上加入政治因素相關(guān)數(shù)據(jù)作為輸入變量進(jìn)行對比實(shí)驗(yàn)，為了方便描述，所涉及實(shí)驗(yàn)內(nèi)容如下表所示：

表8 實(shí)驗(yàn)內(nèi)容

上文研究中探明了非經(jīng)濟(jì)因素對企業(yè)信用產(chǎn)生的影響，實(shí)驗(yàn)四中將輸入變量加入政治因素?cái)?shù)據(jù)四維a黨員占比，其他黨派占比，黨組情況，黨內(nèi)任職。帶入運(yùn)算。

表9 實(shí)驗(yàn)輸出結(jié)果描述性統(tǒng)計(jì)

為了使實(shí)驗(yàn)的訓(xùn)練誤差盡量接近以便對比分析，將實(shí)驗(yàn)四的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)率設(shè)置為0.001，調(diào)整運(yùn)算為2200代，可得其平均訓(xùn)練誤差為0.048，相對實(shí)驗(yàn)三的改進(jìn)率為-0.003，相對實(shí)驗(yàn)二的改進(jìn)率為0.015；其平均測試誤差為0.081，相對實(shí)驗(yàn)三的改進(jìn)率為0.003，相對實(shí)驗(yàn)二的改進(jìn)率為0.007。由此可知，在輸入變量中加入政治因素?cái)?shù)據(jù)后，對于企業(yè)風(fēng)險預(yù)測的能力顯著提升。

（5）信用風(fēng)險預(yù)測的因子分析及實(shí)證檢驗(yàn)

本節(jié)主要討論在自然實(shí)驗(yàn)的條件下，檢驗(yàn)政治因素和其他一般非政治因素對信用風(fēng)險預(yù)測和能產(chǎn)生的影響。對樣本中的部分國企和民企，采用了循環(huán)神經(jīng)網(wǎng)絡(luò)LSTM的方法對其部分違約風(fēng)險涉及的項(xiàng)目進(jìn)行預(yù)測。

①輸出變量的選取。自然實(shí)驗(yàn)中采用輸出變量，必須是客觀實(shí)際存在，故選取司法拍賣、被執(zhí)行人、失信人作為下列實(shí)驗(yàn)的輸出變量。為了方便描述，將所涉及實(shí)驗(yàn)內(nèi)容列舉如下：

表10 輸出變量

續(xù)表

②關(guān)于政治認(rèn)同要素的實(shí)證檢驗(yàn)。在研究中，將司法拍賣、被執(zhí)行人、失信人作為輸出變量；經(jīng)濟(jì)比率數(shù)據(jù)作為基礎(chǔ)的輸入數(shù)據(jù)，分別加入一般非經(jīng)濟(jì)因素?cái)?shù)據(jù)與政治因素?cái)?shù)據(jù)，分別進(jìn)行實(shí)驗(yàn)；最后將經(jīng)濟(jì)比率數(shù)據(jù)，一般非經(jīng)濟(jì)因素?cái)?shù)據(jù)以及政治因素?cái)?shù)據(jù)全部作為輸入變量進(jìn)行模型運(yùn)算進(jìn)行對比分析，實(shí)驗(yàn)結(jié)果如下表所示：

表11 實(shí)驗(yàn)輸出結(jié)果描述性統(tǒng)計(jì)

為了使實(shí)驗(yàn)的擬合情況盡可能良好，設(shè)置運(yùn)算代數(shù)為50000代，設(shè)置為0.001。根據(jù)實(shí)驗(yàn)五可知，單獨(dú)將經(jīng)濟(jì)比率數(shù)據(jù)作為輸入變量帶入運(yùn)算可得其平均訓(xùn)練誤差為0.123，平均測試誤差為0.118。實(shí)驗(yàn)六中加入一般非經(jīng)濟(jì)因素?cái)?shù)據(jù)代入運(yùn)算相較實(shí)驗(yàn)五的平均訓(xùn)練誤差改進(jìn)率為0.218，平均測試誤差的改進(jìn)率為0.676，而實(shí)驗(yàn)七的輸入變量為經(jīng)濟(jì)比率數(shù)據(jù)加上政治因素?cái)?shù)據(jù)，帶入運(yùn)算得其平均訓(xùn)練誤差為0.004，平均測試誤差為0.000。綜合輸入的實(shí)驗(yàn)八相對實(shí)驗(yàn)五來說平均訓(xùn)練誤差的改進(jìn)率為0.219，平均測試誤差的改進(jìn)率為0.677；相對實(shí)驗(yàn)六來說，平均訓(xùn)練誤差的改進(jìn)率為0.001，平均測試誤差的改進(jìn)率為0.003。由此可知，在輸入變量中加入非經(jīng)濟(jì)因素?cái)?shù)據(jù)后，對于企業(yè)風(fēng)險預(yù)測的能力顯著提升。加入其他一般非經(jīng)濟(jì)因素對于模型的擬合能力顯著提升，而政治因素有賴于其他一般非經(jīng)濟(jì)因素的同時輸入，才能起到更好的預(yù)測效果。

③即期信用違約的對比預(yù)測

●樣本的選取

為了驗(yàn)證對于政治因素在具體信用風(fēng)險指標(biāo)預(yù)測上可能產(chǎn)生的影響，同時進(jìn)一步檢驗(yàn)企業(yè)性質(zhì)的不同是否會對預(yù)測造成影響，故隨機(jī)選取了兩家主板上市企業(yè)的國企和民企進(jìn)行對比研究。

所選取企業(yè)分別為主板國企：深天馬A，全稱：天馬微電子股份有限企業(yè)，A股代碼：000050；峨眉山A，全稱：峨眉山旅游股份有限企業(yè)，A股代碼：000888。主板非國企：華映科技，全稱：華映科技（集團(tuán)）股份有限企業(yè)，A股代碼：000536；財(cái)信發(fā)展（財(cái)信國興地產(chǎn)發(fā)展股份有限企業(yè)）A股代碼：000838。

此對照實(shí)驗(yàn)的基礎(chǔ)輸入變量為除政治變量外其他全部變量，為了更好地對實(shí)驗(yàn)進(jìn)行描述，將所涉及實(shí)驗(yàn)內(nèi)容列舉如下：

表12 實(shí)驗(yàn)內(nèi)容

●主板國企的預(yù)測結(jié)果

表13 深天馬A的預(yù)測結(jié)果

實(shí)驗(yàn)十對實(shí)驗(yàn)九，預(yù)測準(zhǔn)確率有所提升，對失信人的預(yù)6測準(zhǔn)確率提升了0.002，對被執(zhí)行人的預(yù)測準(zhǔn)確率提升了0.002，說明政治因素對于提高預(yù)測信用風(fēng)險有一定作用。

表14 峨眉山A的預(yù)測結(jié)果

實(shí)驗(yàn)十二對實(shí)驗(yàn)十一，預(yù)測準(zhǔn)確率有所提升，對失信人的預(yù)測準(zhǔn)確率提升了0.001a由于數(shù)據(jù)小數(shù)點(diǎn)后保留位數(shù)產(chǎn)生的誤差。若保留小數(shù)點(diǎn)后四位數(shù)，則應(yīng)為0.0014=0.0136-0.0122。，對被執(zhí)行人的預(yù)測準(zhǔn)確率提升了0.001，說明政治因素對于提高預(yù)測信用風(fēng)險有一定作用。

●主板民企的預(yù)測結(jié)果

表15 華映科技的預(yù)測結(jié)果

實(shí)驗(yàn)十四對實(shí)驗(yàn)十三，預(yù)測準(zhǔn)確率有所提升，對失信人的預(yù)測準(zhǔn)確率提升了0.001，對被執(zhí)行人的預(yù)測準(zhǔn)確率提升了0.001，說明政治因素對于提高預(yù)測信用風(fēng)險有一定作用。

表16 財(cái)信發(fā)展的預(yù)測結(jié)果

實(shí)驗(yàn)十六對實(shí)驗(yàn)十五，預(yù)測準(zhǔn)確率有所提升，對失信人的預(yù)測準(zhǔn)確率提升了-0.001，對被執(zhí)行人的預(yù)測準(zhǔn)確率提升了0.002，說明政治因素對于提高預(yù)測信用風(fēng)險有一定作用，同時存在一定波動。

④實(shí)驗(yàn)分析。企業(yè)高管政治認(rèn)同對信用風(fēng)險的影響，在國企和民企中同樣有效且作用相當(dāng)；預(yù)測的目標(biāo)對象是國企時，加入政治因素作為輸入變量帶入模型運(yùn)算結(jié)果更穩(wěn)定，可能說明對于國企的企業(yè)高管群體來說，政治認(rèn)同的刻畫更加有效。

3 研究結(jié)論與政策建議

本文基于社會經(jīng)濟(jì)與誠信原則的內(nèi)在關(guān)聯(lián)，選取政治層面中的政治認(rèn)同作為文化類非正式制度納入分析體系，以我國深圳證券交易所上市企業(yè)信息作為數(shù)據(jù)基礎(chǔ)，運(yùn)用博弈論、神經(jīng)網(wǎng)絡(luò)等推導(dǎo)工具，研究企業(yè)高管政治認(rèn)同對企業(yè)信用違約的影響。針對上述的研究結(jié)果進(jìn)行分析總結(jié)的基礎(chǔ)之上，對本文研究內(nèi)容提出相關(guān)的政策建議，同時也對本文中存在的不足以及后續(xù)研究展望加以說明。

隨著我國經(jīng)濟(jì)發(fā)展和國際一體化，我國的商業(yè)銀行面臨的信用風(fēng)險越來越大。目前國內(nèi)外研究分析主要將視角聚焦于經(jīng)濟(jì)因素或一般非經(jīng)濟(jì)因素，并未充分認(rèn)識到政治認(rèn)同等文化因素的影響（程硯秋，2016［20］；葉永剛等，2016［21］；田廣等，2018［22］；王弘鈺等，2018［23］；謝玲玲等，2020［24］；趙亞蕊等，2020［25］），本文的創(chuàng)新點(diǎn)在于通過對政治認(rèn)同、信用等基礎(chǔ)概念的理論研究，從理論上分析不同政治認(rèn)同下企業(yè)高管決策的選擇，并通過神經(jīng)網(wǎng)絡(luò)模型構(gòu)建了考慮政治認(rèn)同的信用風(fēng)險預(yù)測模型，并進(jìn)行了實(shí)驗(yàn)驗(yàn)證分析了政治認(rèn)同與信用風(fēng)險的關(guān)系。以深圳證券交易所上市企業(yè)的相關(guān)經(jīng)濟(jì)數(shù)據(jù)和非經(jīng)濟(jì)數(shù)據(jù)作為樣本，以具有生物演化特征的BP神經(jīng)網(wǎng)絡(luò)和自然實(shí)驗(yàn)的方法，本文實(shí)證檢驗(yàn)了企業(yè)高管政治認(rèn)同與信用風(fēng)險的關(guān)系。得出研究結(jié)論如下：①對不同政治認(rèn)同下企業(yè)高管決策的選擇的理論分析和神經(jīng)網(wǎng)絡(luò)模型分析，選取經(jīng)濟(jì)因素（如營業(yè)收入、凈利潤等）、非經(jīng)濟(jì)因素（如一般因素、政治認(rèn)同因素等）、風(fēng)險因素（如司法風(fēng)險、經(jīng)營風(fēng)險等）及信用因素（如政府評估、商業(yè)評估等）數(shù)據(jù)做歸一化處理，再進(jìn)行模型運(yùn)算。結(jié)果說明，企業(yè)高管的政治認(rèn)同程度對其信用風(fēng)險有顯著影響，進(jìn)一步分析發(fā)現(xiàn)，企業(yè)所屬企業(yè)高管的政治認(rèn)同程度越高，其信用風(fēng)險的發(fā)生概率越低。②通過基于傳統(tǒng)分析因素的模型運(yùn)算和加入政治認(rèn)同因素的模型運(yùn)算分析的實(shí)證檢驗(yàn)，運(yùn)用對比研究的方法，兩者測試結(jié)果的誤差率很低，擬合度很高，該結(jié)果表明在對信用風(fēng)險的影響中政治認(rèn)同在非經(jīng)濟(jì)因素在具有很強(qiáng)的代表性。③同上運(yùn)用對比研究方法發(fā)現(xiàn)后者的政治認(rèn)同因素與認(rèn)同風(fēng)險的相關(guān)性更高，說明加入政治認(rèn)同因素的相關(guān)數(shù)據(jù)進(jìn)行分析能夠有效提高對信用風(fēng)險的預(yù)測能力。

本文的政策建議主要有：①鼓勵經(jīng)濟(jì)金融問題中關(guān)于政治認(rèn)同等非經(jīng)濟(jì)因素的研究。鑒于文化因素的影響一般是隱形的且作用巨大，應(yīng)該鼓勵關(guān)于政治認(rèn)同等其他文化因素對于經(jīng)濟(jì)金融及其他行業(yè)相關(guān)性問題的研究。文化因素的影響往往是潛移默化的，不易測量與監(jiān)管的，但影響卻是巨大的?？稍诖罅繑?shù)據(jù)基礎(chǔ)上，優(yōu)化擇選出影響因子，構(gòu)建函數(shù)，得出全面考慮經(jīng)濟(jì)因素和包括政治認(rèn)同等非經(jīng)濟(jì)因素在內(nèi)的影響結(jié)論，從而降低潛在信用風(fēng)險，提升信用風(fēng)險預(yù)測精度。②應(yīng)將企業(yè)高管政治認(rèn)同的相關(guān)信息納入企業(yè)信息收集系統(tǒng)。根據(jù)上述實(shí)證結(jié)論可知，企業(yè)所屬企業(yè)高管的政治認(rèn)同程度對其信用風(fēng)險有顯著影響，且企業(yè)所屬企業(yè)高管的政治認(rèn)同程度越高，其信用風(fēng)險的發(fā)生概率越低。而對于某一企業(yè)的生產(chǎn)經(jīng)營來說，企業(yè)高管的意識形態(tài)建設(shè)也尤為關(guān)鍵，處理好意識形態(tài)與經(jīng)濟(jì)建設(shè)是企業(yè)間交流合作的重要參考因素，因此應(yīng)將企業(yè)高管的政治認(rèn)同相關(guān)信息作為重要參數(shù)納入企業(yè)信息收集系統(tǒng)，便利與其他企業(yè)的交流與合作。③應(yīng)加速健全非經(jīng)濟(jì)因素信息征集系統(tǒng)，加強(qiáng)信用信息透明化。信用風(fēng)險是金融市場發(fā)展中持續(xù)存在的潛在威脅，一直以來，對于信用風(fēng)險的防范都是金融業(yè)界的焦點(diǎn)問題。健全征信系統(tǒng)，不僅包含經(jīng)濟(jì)因素，還需要包含政治認(rèn)同等非經(jīng)濟(jì)因素，充分發(fā)揮征信系統(tǒng)的激勵和懲罰機(jī)制，使企業(yè)信用信息公開透明化，可以使對于信用風(fēng)險的相關(guān)研究更充分，進(jìn)一步發(fā)揮市場對于企業(yè)的評估作用，增強(qiáng)市場效率和投資者信心。④加強(qiáng)企業(yè)高管政治認(rèn)同。由上述論述可知，企業(yè)高管的政治認(rèn)同對企業(yè)建設(shè)與發(fā)展有重要影響，政治認(rèn)同程度較高的企業(yè)高管做出的選擇更能避免“短視”，有利于做出利他和考慮集體的長遠(yuǎn)收益決策，從而降低信用風(fēng)險。因此，加強(qiáng)企業(yè)高管的政治認(rèn)同是個亟待解決的問題。