牟鵬飛，張東玲

（青島大學(xué)經(jīng)濟(jì)學(xué)院，山東青島266071）

有序多分類離散選擇模型的信用評(píng)級(jí)與風(fēng)險(xiǎn)預(yù)警研究—以國內(nèi)20家上市企業(yè)為例＊

牟鵬飛，張東玲

（青島大學(xué)經(jīng)濟(jì)學(xué)院，山東青島266071）

信用風(fēng)險(xiǎn)評(píng)估模型的選擇直接影響著對(duì)上市企業(yè)信用等級(jí)的評(píng)估。本文在建立上市企業(yè)信用等級(jí)評(píng)估指標(biāo)體系的基礎(chǔ)上，采用語言信息處理技術(shù)，通過因子分析法提取上市企業(yè)信用等級(jí)評(píng)估的潛在變量，建立有序多分類離散選擇模型，給出了信用等級(jí)判別分析計(jì)算步驟，并以中國境內(nèi)20家上市企業(yè)為例進(jìn)行了實(shí)證分析。以上設(shè)計(jì)運(yùn)用定量和定性指標(biāo)分析相結(jié)合的方式，有效地將語言評(píng)價(jià)信息進(jìn)行集結(jié)和利用，解決了上市企業(yè)中風(fēng)險(xiǎn)級(jí)別可以排序、定性的問題?？纱龠M(jìn)上市企業(yè)信用評(píng)級(jí)制度的完善，實(shí)現(xiàn)對(duì)上市企業(yè)信用規(guī)范管理的目標(biāo)，從而建立健全全社會(huì)信用評(píng)價(jià)體系。

企業(yè)信用；評(píng)級(jí)；多分類離散選擇模型；語言信息

隨著經(jīng)濟(jì)全球化和資本全球化的不斷加深，一方面為我國經(jīng)濟(jì)和金融發(fā)展注入了新的活力，這在上市企業(yè)融資方面表現(xiàn)地尤為明顯。通過上市，原來資金借貸相對(duì)困難的企業(yè)變得容易起來。另一方面，憑借著企業(yè)的信用籌集資金也為資金的安全性提出了更高的要求。因此，信用等級(jí)的高低關(guān)乎到企業(yè)籌集資金的難易程度，特別是近幾年發(fā)生的“次貸危機(jī)”、“歐債危機(jī)”、“溫州企業(yè)主跑路事件”等事件提醒我們，必須建立一種合理、健全的上市企業(yè)信用評(píng)級(jí)制度。這種評(píng)級(jí)制度應(yīng)該從企業(yè)的籌建出發(fā)，主要包括企業(yè)籌資和投資、企業(yè)經(jīng)營運(yùn)作、企業(yè)的增長與發(fā)展、企業(yè)的核心競爭力等，能準(zhǔn)確全面地反映企業(yè)的信貸等級(jí)。信貸等級(jí)制度不僅起到了監(jiān)督企業(yè)信貸的作用，還為投資者更加方便安全的投資提供依據(jù)。信用評(píng)級(jí)已經(jīng)成為衡量企業(yè)信用等級(jí)的重要手段，它既是我國應(yīng)對(duì)經(jīng)濟(jì)全球化和資本全球化以及提高金融國際競爭力的方式，更是提升公眾投資效率、凈化投資環(huán)境的根本途徑。發(fā)達(dá)國家在構(gòu)建以風(fēng)險(xiǎn)評(píng)估為基礎(chǔ)的風(fēng)險(xiǎn)管理模式上作了積極的探索和實(shí)際運(yùn)作［1－4］?，F(xiàn)代的信用評(píng)級(jí)業(yè)發(fā)源于美國，美國領(lǐng)導(dǎo)著全球信用評(píng)級(jí)的實(shí)務(wù)制度與學(xué)術(shù)研究。商業(yè)信用評(píng)級(jí)是信用評(píng)級(jí)機(jī)構(gòu)的前身，美國的很多商業(yè)評(píng)級(jí)機(jī)構(gòu)經(jīng)過合并、重組形成了如今一流的評(píng)級(jí)機(jī)構(gòu)如：穆迪和標(biāo)準(zhǔn)普爾等。日本的信用評(píng)級(jí)起步較晚，但經(jīng)過發(fā)展還是有了自己國內(nèi)的權(quán)威品牌。

在我國當(dāng)前的經(jīng)濟(jì)環(huán)境下，市場(chǎng)經(jīng)濟(jì)發(fā)展的時(shí)間較短，信用問題一直是制約我國經(jīng)濟(jì)發(fā)展的因素。經(jīng)過了十幾年的不斷發(fā)展，盡管已經(jīng)建立了信用等級(jí)評(píng)價(jià)制度，但是僅僅局限于定性信用管理方式的運(yùn)用，研究信用等級(jí)評(píng)級(jí)產(chǎn)生的成因及其策略基本理論方面，而缺乏信用評(píng)級(jí)模型深度的研究?；仡櫱叭说某晒?，其中有KMV期權(quán)定價(jià)模型計(jì)算違約頻率的方法。這種方法主要是采用數(shù)學(xué)定量計(jì)算的方法，沒有從定性的角度出發(fā)去研究信用評(píng)價(jià)體系。在我國，信用評(píng)級(jí)是以銀行對(duì)企業(yè)的信用評(píng)價(jià)為主，這種評(píng)價(jià)體系多以財(cái)務(wù)數(shù)據(jù)分析和現(xiàn)有及未來的項(xiàng)目盈利性等方面設(shè)計(jì)的。理論上講，信用等級(jí)的確定最重要的方面是對(duì)于企業(yè)內(nèi)部的風(fēng)險(xiǎn)判別。根據(jù)前人的研究成果，從實(shí)踐的角度上看，定性數(shù)據(jù)的衡量相較于定量數(shù)據(jù)的衡量困難。但是依然能從多元統(tǒng)計(jì)分析中找到解決問題的方法。運(yùn)用Logistic回歸模型對(duì)分類因變量進(jìn)行分析，可以給實(shí)際研究帶來估計(jì)參數(shù)容易解釋、事件的預(yù)測(cè)概率計(jì)算簡單等便利。另外，企業(yè)信用等級(jí)涉及到語言評(píng)價(jià)信息問題，并且其評(píng)價(jià)信息多屬呈現(xiàn)出時(shí)序特征的面板數(shù)據(jù)。

本文在以上研究成果的基礎(chǔ)上，應(yīng)用語言評(píng)價(jià)信息處理技術(shù)，建立基于有序多分類離散選擇的風(fēng)險(xiǎn)識(shí)別和分析模型，通過對(duì)國內(nèi)的上市企業(yè)的信用等級(jí)的實(shí)證研究，提出一種基于語言信息處理和離散選擇模型的信用等級(jí)評(píng)級(jí)模型，為建立良好的信用等級(jí)制度和信貸關(guān)系提供了新的方法。

1 上市企業(yè)信用評(píng)價(jià)分析指標(biāo)體系的建立

上市企業(yè)信用評(píng)級(jí)指標(biāo)體系應(yīng)包括企業(yè)籌資和投資、企業(yè)經(jīng)營運(yùn)作、企業(yè)的增長與發(fā)展和企業(yè)的核心競爭力這幾個(gè)方面的指標(biāo)。當(dāng)前，在國際評(píng)級(jí)機(jī)構(gòu)所給出的評(píng)級(jí)準(zhǔn)則中，過多的注重定量指標(biāo)，而忽略定性指標(biāo)的應(yīng)用和處理。因此，在建立上市企業(yè)信用評(píng)價(jià)分析指標(biāo)體系時(shí)，要盡量使定性指標(biāo)和定量指標(biāo)的均衡，盡量涉及上市企業(yè)各個(gè)環(huán)節(jié)，完整、準(zhǔn)確地反映國內(nèi)上市企業(yè)的信用等級(jí)。在進(jìn)行數(shù)據(jù)處理時(shí)，把所有的指標(biāo)標(biāo)準(zhǔn)化，清楚地顯示指標(biāo)之間的關(guān)系。根據(jù)選擇信用評(píng)價(jià)指標(biāo)的設(shè)置標(biāo)準(zhǔn)，經(jīng)過篩選，選擇以下11個(gè)定量和定性指標(biāo)（見表1）。

表1 上市企業(yè)信用評(píng)價(jià)指標(biāo)體系Table 1 Credit evaluation index system of listed companies

2 基于語言信息的上市企業(yè)信用等級(jí)評(píng)價(jià)模型

2.1 問題描述

假設(shè)上市企業(yè)總體的信用指標(biāo)集合為C＝｛c1，c2，…，cn｝，n≥2，ci代表指標(biāo)體系中的第i個(gè)指標(biāo)。從樣本角度考慮，取上市企業(yè)信用等級(jí)評(píng)價(jià)樣本如下：對(duì)q個(gè)上市企業(yè)v1，v2，…，vn進(jìn)行信用評(píng)估，vj代表第j個(gè)企業(yè)，評(píng)估信息取自以下語言評(píng)價(jià)集S：

從整體評(píng)價(jià)集S中選擇1個(gè)元素做為針對(duì)被評(píng)價(jià)對(duì)象vj對(duì)應(yīng)于指標(biāo)ci的評(píng)價(jià)值，記

假定20個(gè)上市企業(yè)信用評(píng)估的潛在變量為F1，F(xiàn)2，F(xiàn)3，上市企業(yè)信用等級(jí)的特點(diǎn)和投資資金風(fēng)險(xiǎn)管理的要求將信用級(jí)別設(shè)置為“低、中、高、很高”4類，并用數(shù)字“0”，“1”，“2”，“3”表示，概率分別為p0，p1，p2，［5］。由二元語義分析方法可得，以1個(gè)二元組（si，αi）來表示語言評(píng)價(jià)信息，其中si∈S，評(píng)價(jià)者的語言信息短語取自語言評(píng)價(jià)集S，根據(jù)二元語義轉(zhuǎn)換函數(shù)θ可以將單個(gè)語言短語si轉(zhuǎn)化為二元語義形式［6］。對(duì)語言信息的集結(jié)眾多學(xué)者已經(jīng)有豐碩的研究成果［7－11］。

2.2 提取影響上市企業(yè)信用等級(jí)的潛在變量

影響上市企業(yè)信用等級(jí)的因素很多，其中有些是定量數(shù)據(jù)，有些是定性數(shù)據(jù)。如：凈資產(chǎn)收益率、資產(chǎn)總額、主要業(yè)務(wù)安全性、管理控制分析等，這些指標(biāo)都是與上市企業(yè)信用等級(jí)相關(guān)的。但是，它們之間往往存在著多重共線性，應(yīng)用因子分析法以提取潛在變量解決多重共線問題。

其中：X∈R為觀測(cè)變量；F∈Rm為提取出來的潛在變量，因子負(fù)荷矩陣Λx∈Rn×m表示觀測(cè)變量與潛在變量之間的關(guān)系；εx∈Rn為觀測(cè)誤差或噪聲，則有

2.3 建立信用評(píng)級(jí)模型

2.3.1 有序離散選擇模型與估計(jì) 在信用評(píng)級(jí)實(shí)踐中，用數(shù)字代表相應(yīng)評(píng)估結(jié)果時(shí)，數(shù)字的大小反映了1種風(fēng)險(xiǎn)高低次序，與此類問題對(duì)應(yīng)的評(píng)價(jià)模型可采用有序離散選擇模型。設(shè)y表示序類數(shù)為k＋1的響應(yīng)變量，即在｛0，1，2，…，k｝上取值的有序分類響應(yīng)變量，解釋變量為x1，x2，…，xm，則對(duì)應(yīng)有序離散選擇模型為［12］：

其中：x＝（x1，x2，…，xm）T是解釋變量構(gòu)成的向量，β是參數(shù)向量。y＊代表的是效用評(píng)價(jià)值，是不可觀測(cè)的連續(xù)變量。只能觀測(cè)到的是：

這里α1＜α2＜…＜αk表示割點(diǎn)。

本文采用ε～Logistic分布的假設(shè)，可以得到如下的有序Logit模型：

式（7）中的未知參數(shù)包括閾值α＝（α1，α2，…，αk）T和參數(shù)向量β，可以通過極大似然估計(jì)得到。構(gòu)造對(duì)數(shù)似然函數(shù)如下：

2.3.2 基于有序Logitic回歸模型的判別分析 有序Logit模型用于上市企業(yè)信用評(píng)估時(shí)，通常用“序類數(shù)－1”個(gè)回歸方程描述自變量（預(yù)報(bào)變量）與響應(yīng)變量的關(guān)系，故可用如下K個(gè)回歸方程聯(lián)立給出：

建立（10）式所示聯(lián)立方程并經(jīng)過相應(yīng)統(tǒng)計(jì)檢驗(yàn)，便可以據(jù)此對(duì)新抽樣上市企業(yè)進(jìn)行信用評(píng)估。對(duì)于1組解釋變量值，，…，，代入式（10）并求解出qk－1，…，q1，q0的值，進(jìn)而可以得到序類0，1，2，…，k的概率p1，p2，…，pk：

對(duì)模型的統(tǒng)計(jì)檢驗(yàn)是通過擬合優(yōu)度檢驗(yàn)來實(shí)現(xiàn)的。擬合優(yōu)度檢驗(yàn)用來驗(yàn)證樣本回歸模型和總體回歸模型的擬合程度，設(shè)總體回歸模型為F0（x），樣本回歸模型為F（x）。原假設(shè)樣本回歸模型等于總體回歸模型，H0∶F（x）＝F0（x）。備擇假設(shè)為H1∶F（x）F0（x）。模型的擬合優(yōu)度檢驗(yàn)統(tǒng)計(jì)量通常有皮爾遜（Pearson）和科爾莫戈羅夫擬合檢驗(yàn)等。Pearson檢驗(yàn)統(tǒng)計(jì)量的定義如下：

實(shí)際統(tǒng)計(jì)判決時(shí)，擬合優(yōu)度檢驗(yàn)結(jié)果中P值越高，則意味著檢驗(yàn)統(tǒng)計(jì)量的值落在接受域，接受原假設(shè)H，模型越可靠。

表2 全國20家上市企業(yè)信用評(píng)價(jià)信息表Table 2 Credit evaluation information table of 20 listed companies

3 實(shí)證研究

我國擁有眾多大中型上市企業(yè)，在整個(gè)大環(huán)境的影響下，出現(xiàn)了一批“明星企業(yè)”。因此，建立具有我國上市企業(yè)特點(diǎn)的信用評(píng)級(jí)制度勢(shì)在必行。下面選取全國20個(gè)上市企業(yè)統(tǒng)計(jì)的信用評(píng)價(jià)信息，驗(yàn)證本文提出的基于語言信息的上市企業(yè)信用評(píng)價(jià)方法。

步驟1：根據(jù)表1給出的綜合評(píng)價(jià)指標(biāo)體系，對(duì)比語言評(píng)價(jià)集S，統(tǒng)計(jì)評(píng)級(jí)機(jī)構(gòu)對(duì)各上市企業(yè)給出各評(píng)價(jià)指標(biāo)信息。

步驟2：對(duì)以上數(shù)據(jù)信息進(jìn)行因子分析，得到表3因子分?jǐn)?shù)系數(shù)表和表4旋轉(zhuǎn)的因子載荷和公共因子方差表。

表3 因子分?jǐn)?shù)系數(shù)表Table 3 Factor score coefficient table

表4 旋轉(zhuǎn)的因子載荷和公共因子方差Table 4 Rotation of factor loadings and factor variance

因子分析碎石圖（見圖1）和分?jǐn)?shù)圖（見圖2）如下：

則有因子分析系數(shù)，

由結(jié)果（14）式，因子F1基本支配了c7，c10，c8，基本反映了上市企業(yè)的主營業(yè)務(wù)的安全性、管理的可控性和經(jīng)營的多樣性；因子F2基本支配了c3，c2，c1，基本反映了上市企業(yè)的股票收益性、資產(chǎn)規(guī)模和凈資產(chǎn)收益性；因子F3基本支配了c6，c4，c5，基本反映了上市企業(yè)的資產(chǎn)周轉(zhuǎn)率，資產(chǎn)負(fù)債率和盈利性。

根據(jù)表2和式（14）可得潛在變量的評(píng)價(jià)值，如表5。

表5 潛在變量評(píng)價(jià)值Table 5 variable evaluation table

表6 Logistic回歸分析結(jié)果Table 6 Analysis of regression Logistic

擬合優(yōu)度檢驗(yàn)用來驗(yàn)證樣本回歸模型和總體回歸模型的擬合程度，設(shè)總體回歸模型為F0（x），樣本回歸模型為F（x）。原假設(shè)H0∶F（x）＝F0（x），備擇假設(shè)H1∶F（x）≠F0（x）。擬合優(yōu)度檢驗(yàn)結(jié)果中P值越高，則意味著檢驗(yàn)統(tǒng)計(jì)量的值落在接受域，接受原假設(shè)H0，模型越可靠（見表7）。

表7 擬合優(yōu)度檢驗(yàn)結(jié)果Table 7 Goodness of fit test results

根據(jù)以上回歸結(jié)果，得到有序Logit回歸模型，如式（13）所示：

步驟3：假定有一待評(píng)級(jí)上市企業(yè)，根據(jù)信用評(píng)價(jià)模型，進(jìn)行信用評(píng)估分析。其上市企業(yè)信息如表。

表8 待評(píng)級(jí)上市企業(yè)信息Table 8 Unrated and listed companies information

根據(jù)式（15），提取的潛在變量評(píng)價(jià)值如下表所示：

表9 待評(píng)級(jí)上市企業(yè)潛在變量評(píng)價(jià)值Table 9 Unrated and listed company on the latent variable evaluation

據(jù)式（11），可求出q1，q2，q3，如下表所示：

表10 待評(píng)級(jí)上市企業(yè)q值Table 10 q value of unrated and listed company

步驟4：結(jié)果分析

經(jīng)以上上市企業(yè)信用風(fēng)險(xiǎn)判別分析，該上市公司處于中國境內(nèi)，經(jīng)過信用評(píng)級(jí)模型的評(píng)估，總體信用評(píng)價(jià)較高，其中凈資產(chǎn)收益率、股票收益、資產(chǎn)負(fù)債率和經(jīng)營多樣性方面較好。這些指標(biāo)與該企業(yè)所從事的行業(yè)與地區(qū)有密切關(guān)系。該企業(yè)為香港上市的銀行企業(yè)，股票收益和凈資產(chǎn)收益率都能保持著較高的水平，并且具有銀行業(yè)較高的資產(chǎn)負(fù)債率，而且在金融銀行業(yè)發(fā)達(dá)的地區(qū)多樣性程度很高。但企業(yè)的總規(guī)模無法和國內(nèi)其他的國有銀行相比，所以需要借助科學(xué)的系統(tǒng)管理來完善整個(gè)行業(yè)的運(yùn)作，實(shí)現(xiàn)資產(chǎn)方面的快速增長。

4 結(jié) 語

針對(duì)上市企業(yè)信用評(píng)級(jí)問題，在多分類離散選擇模型及參數(shù)估計(jì)基本原理的基礎(chǔ)上，運(yùn)用了1種基于語言信息處理技術(shù)的上市企業(yè)信用評(píng)級(jí)的方法，把定量和定性指標(biāo)相結(jié)合，提出了基于有序多分類Logistic

回歸的上市企業(yè)信用風(fēng)險(xiǎn)判別模型。以上方法組合可以為企業(yè)的管理層、企業(yè)的投資者和政府部門等提供一套良好的信用評(píng)價(jià)方式，起到了標(biāo)準(zhǔn)化、規(guī)范化的作用；另一方面，這種方法不僅僅局限于上市企業(yè)，可以推廣到全社會(huì)的各個(gè)領(lǐng)域，并且為更好地推進(jìn)全社會(huì)各個(gè)領(lǐng)域的信用制度提供參考。

［1］ Kookana R S，Baskaran S，Naidu R.Pesticide fate and behavior in Australian soils in relation to contamination and management of soil and water：a review［J］.Australian Journal of Soil Research，1998，36（5）：715－764.

［2］ Igor G D，Sabine B，Colin D B.Review calibration of pesticide leaching models：critical review and guidance for reporting［J］.Pest Management Science，2002（58）：745－758.

［3］ Bhanti M，Taneja A.Contamination of vegetables of different seasons with organophosphorous pesticides and related health risk assessment in northern India［J］.Chemosphere，2007（69）：63－68.

［4］ Clewella H J，Thomasa R S，Gentryb P R，et al.Research toward the development of a biologically based dose response assessment for inorganic arsenic carcinogenicity：A progress report［J］.Toxicology and Applied Pharmacology，2007，222（3）：388－398.

［5］ 張東玲，高齊圣，楊澤慧.農(nóng)產(chǎn)品質(zhì)量安全風(fēng)險(xiǎn)評(píng)估與預(yù)警模型—以山東省蔬菜出口示范基地為例［J］.Systems Engineering－Theory ＆Practice，2010，30（6），168－174.

［6］ Herrera F，Martinez L.A 2－tuple fuzzy linguistic representation model for computing with words［J］.IEEE Transactions on Fuzzy System，2000，8（6）：746－752.

［7］ Delgado M，Verdegay J L，Vila M A.Linguistic decision making models［J］.International Journal of Intelligent Systems，1992，7（5）：479－492.

［8］ Yager R R.On ordered weight averaging aggregation operators in multi－criteria decision－making［J］.IEEE Trans on Systems Man and Cybernetics，1988，18（1）：183－190.

［9］ Chiclana F，Herrera F，Herrera－Viedma E.Integrating multiplicative preference relations in a multi－purpose decision－making model based on fuzzy preference relations［J］.Fuzzy Sets and Systems，2001，122（2）：277－291.

［10］ Yager R R.Induced ordered weight averaging operators［J］.IEEE Trans on Systems Man and Cybernetics，1999，29（2）：141.

［11］ Herrra F，Martinez L.A Model based on linguistic 2－tuples for dealing with multigranular hierarchical linguistic contexts in multi－expert decision－making［J］.IEEE Transactions on Systems Man and Cybernetics Part B：Cybernetics，2001，31（2）：227－234.

［12］ 郭亞軍，姚遠(yuǎn)，易平濤.一種動(dòng)態(tài)綜合評(píng)價(jià)方法及應(yīng)用［J］.系統(tǒng)工程理論與實(shí)踐，2007（10）：155－159.

Ordered Discrete Choice Model－Based Credit Rating and Risk Warning：Illustrated by an Example of Twenty Domestic Listed Companies

MU Peng－Fei，ZHANG Dong－Ling
（School of Economics，Qingdao University，Qingdao 266071，China）

In order to solve the listed company credit evaluation and early－warning management，an analysis approach based on multi－classification discrete choice model is proposed.On the basis of building a listed company credit evaluation index system，applying the linguistic information processing method，the panel valuation data is aggregated to obtain the integrated evaluation values.The potential variables are extracted by factor analysis method，an ordered logistic model is put forward，and the calculation analysis steps are given.This research is illustrated by an example of twenty domestic listed companies.The research indicates that the linguistic information can be effectively aggregated with less lost by this method，the issues that the classes of listed company credit are ordinal，and approach will promote the improvement of the credit rating system of listed companies，and achieve the target on the standardized management of listed company credit.

corporate credit；rating；multi－classification discrete choice model；linguistic information

F224.0

A

1672－5174（2012）09－090－07

教育部人文社會(huì)科學(xué)研究項(xiàng)目（10YJC630372）資助

2012－04－02；

2012－05－10

牟鵬飛（1990－），男，本科生。E－mail：mupengfei＿andy＠126.com

責(zé)任編輯 龐 旻