摘 要：上市公司的財(cái)務(wù)基本面一般能夠反映出公司在生產(chǎn)經(jīng)營(yíng)過(guò)程中可能遭遇經(jīng)營(yíng)管理不善、宏觀經(jīng)濟(jì)不景氣等原因所導(dǎo)致的無(wú)力支付到期債務(wù)或費(fèi)用、公司經(jīng)營(yíng)出現(xiàn)困難甚至破產(chǎn)等財(cái)務(wù)危機(jī)的情況。文章根據(jù)上市公司的財(cái)務(wù)指標(biāo)基于全局Fisher判別的快速聚類模型構(gòu)造出上市公司信貸違約風(fēng)險(xiǎn)評(píng)級(jí)體系，用以實(shí)現(xiàn)對(duì)上市公司可能存在的經(jīng)營(yíng)和財(cái)務(wù)問(wèn)題所導(dǎo)致的信貸違約風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)與識(shí)別，對(duì)上市公司財(cái)務(wù)基本面的研究與應(yīng)用進(jìn)行了探討。

關(guān)鍵詞：基本面 Fisher判別 快速聚類 信貸違約風(fēng)險(xiǎn)

中圖分類號(hào)：F830.91 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1004-4914（2013）03-095-03

一、上市公司信貸違約風(fēng)險(xiǎn)評(píng)級(jí)的必要性與可行性

上市公司的經(jīng)營(yíng)狀況與財(cái)務(wù)狀況往往通過(guò)財(cái)務(wù)指標(biāo)進(jìn)行識(shí)別與判斷，而上市公司因?yàn)槠浣?jīng)營(yíng)不善或是財(cái)務(wù)問(wèn)題，給銀行與其他債務(wù)人造成的信貸違約風(fēng)險(xiǎn)嚴(yán)重影響了債務(wù)人資金的安全性，導(dǎo)致債務(wù)人壞賬損失的發(fā)生。因此，對(duì)于我國(guó)商業(yè)銀行系統(tǒng)來(lái)說(shuō)，專業(yè)審貸人員是建立在對(duì)上市公司財(cái)務(wù)指標(biāo)的經(jīng)驗(yàn)審查之上。這種基于主觀判斷與定性審查往往是流于形式，使得對(duì)上市公司的信貸違約風(fēng)險(xiǎn)不具備良好的預(yù)先識(shí)別性。因此，如果通過(guò)現(xiàn)有的財(cái)務(wù)指標(biāo)體系，構(gòu)造一個(gè)具有科學(xué)可控、量化有效特征的上市公司信貸違約風(fēng)險(xiǎn)識(shí)別機(jī)制，將能夠最大限度地為上市公司的債權(quán)人與投資者提供有效的決策信息與建議。

我國(guó)商業(yè)銀行對(duì)其借款人的信貸違約風(fēng)險(xiǎn)評(píng)級(jí)主要是傳統(tǒng)的模式，即基于專業(yè)人員的定性經(jīng)驗(yàn)判斷之上，通過(guò)“5C”等評(píng)價(jià)體系對(duì)企業(yè)信貸對(duì)象進(jìn)行財(cái)務(wù)狀況的審查。即通過(guò)對(duì)已有的上市公司財(cái)務(wù)指標(biāo)進(jìn)行定量化與系統(tǒng)化處理，形成對(duì)信貸違約風(fēng)險(xiǎn)的可識(shí)別機(jī)制，將會(huì)提高對(duì)上市公司信貸違約風(fēng)險(xiǎn)的識(shí)別準(zhǔn)確度與預(yù)警的效率。而通過(guò)對(duì)相關(guān)文獻(xiàn)的梳理與研究發(fā)現(xiàn)，不少學(xué)者已經(jīng)在此領(lǐng)域采取了基于財(cái)務(wù)數(shù)據(jù)的模型研究，本文正是基于這樣的思路，通過(guò)公司會(huì)計(jì)中用得最為廣泛的杜邦財(cái)務(wù)指標(biāo)來(lái)構(gòu)建上市公司的信貸違約風(fēng)險(xiǎn)模型。實(shí)現(xiàn)基于企業(yè)財(cái)務(wù)指標(biāo)的信貸違約風(fēng)機(jī)制的建立，使債權(quán)人與投資者能對(duì)企業(yè)債務(wù)人的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行科學(xué)的識(shí)別、分類、預(yù)警。

二、上市公司信貸違約風(fēng)險(xiǎn)評(píng)級(jí)的財(cái)務(wù)指標(biāo)體系

杜邦財(cái)務(wù)指標(biāo)體系在企業(yè)財(cái)務(wù)指標(biāo)體系中廣泛使用，其特點(diǎn)是以權(quán)益報(bào)酬率為核心的基本財(cái)務(wù)指標(biāo)體系，主要包括償債能力、營(yíng)運(yùn)能力、盈利能力與成長(zhǎng)能力的企業(yè)經(jīng)營(yíng)過(guò)程中方方面面的內(nèi)容。

在財(cái)務(wù)會(huì)計(jì)實(shí)務(wù)中，采用杜邦財(cái)務(wù)指標(biāo)體系中各個(gè)指標(biāo)來(lái)衡量企業(yè)財(cái)務(wù)狀況（吳世農(nóng)，在“我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究”，2001）的某一方面或利用各個(gè)指標(biāo)間數(shù)量聯(lián)動(dòng)關(guān)系來(lái)衡量企業(yè)財(cái)務(wù)的綜合狀況，是比較普遍的財(cái)務(wù)指標(biāo)分析法。對(duì)于上市公司來(lái)說(shuō)，基于財(cái)務(wù)指標(biāo)的分析被稱之為公司基本面分析。但是，通過(guò)單個(gè)財(cái)務(wù)指標(biāo)或是杜邦財(cái)務(wù)指標(biāo)體系的簡(jiǎn)單聯(lián)動(dòng)運(yùn)用，難以科學(xué)地掌握到對(duì)上市公司信貸違約風(fēng)險(xiǎn)發(fā)生的核心指標(biāo)，也就難以實(shí)現(xiàn)對(duì)信貸違約風(fēng)險(xiǎn)進(jìn)行的預(yù)測(cè)與識(shí)別。

本文基于杜邦財(cái)務(wù)指標(biāo)體系構(gòu)建出信貸違約風(fēng)險(xiǎn)評(píng)級(jí)指標(biāo)體系，并參考了相關(guān)文獻(xiàn)資料，篩選、設(shè)計(jì)出上市公司信貸違約風(fēng)險(xiǎn)的指標(biāo)體系，為進(jìn)一步的建模分析提供基礎(chǔ)與條件。

三、基于Fisher判別與快速聚類法的評(píng)級(jí)模型

信貸違約風(fēng)險(xiǎn)評(píng)級(jí)的對(duì)象是將信貸違約風(fēng)險(xiǎn)高的企業(yè)從正常經(jīng)營(yíng)的企業(yè)中識(shí)別出來(lái)，即本文研究的對(duì)象分為信貸違約風(fēng)險(xiǎn)高的對(duì)象與經(jīng)常經(jīng)營(yíng)的企業(yè)對(duì)象，這需要利用上市公司的ST企業(yè)的警示標(biāo)識(shí)。本文在對(duì)擬研究對(duì)象進(jìn)行信貸違約風(fēng)險(xiǎn)評(píng)級(jí)時(shí)，首先對(duì)研究對(duì)象進(jìn)行ST類企業(yè)與非ST類企業(yè)區(qū)分，以此作為判別分析的基礎(chǔ)對(duì)象。

（一）Fisher判別模型

1.從上市公司分為ST與非ST兩總體中取得兩組P維指標(biāo)數(shù)據(jù)值之后，利用法線產(chǎn)生對(duì)應(yīng)投影值，由此得到不同信貸違約風(fēng)險(xiǎn)級(jí)別的上市公司的對(duì)應(yīng)財(cái)務(wù)指標(biāo)特征值。

2.利用P維指標(biāo)投影值組成一元方差分析的數(shù)據(jù)，構(gòu)造出組間平方和與組內(nèi)平方和：

信貸違約風(fēng)險(xiǎn)不同級(jí)別的上市公司兩總體之間（存在信貸違約風(fēng)險(xiǎn)警示企業(yè)與正常經(jīng)營(yíng)的企業(yè)）的組間平方和：

（二）快速聚類模型

聚類分析指將物理或抽象對(duì)象的集合組成為由類似的對(duì)象集合而成多個(gè)類的分析過(guò)程，其目標(biāo)就是在相似的基礎(chǔ)上收集數(shù)據(jù)來(lái)分類?；谏鲜泄矩?cái)務(wù)指標(biāo)的Fisher判別模型，能夠充分地識(shí)別出高信貸違約風(fēng)險(xiǎn)與正常經(jīng)營(yíng)的上市公司的類型，但對(duì)于債權(quán)人與投資者來(lái)說(shuō)，除了對(duì)上市公司信貸違約風(fēng)險(xiǎn)0—1兩極的判別，更有價(jià)值的是實(shí)現(xiàn)梯級(jí)分類，即不同水平的信貸違約風(fēng)險(xiǎn)一一呈現(xiàn)達(dá)到為債權(quán)人甄別上市公司信貸風(fēng)險(xiǎn)、為投資者提供上市公司經(jīng)營(yíng)與財(cái)務(wù)問(wèn)題信息的功能。

1.聚類分析的原理。將多維財(cái)務(wù)指標(biāo)構(gòu)建出簡(jiǎn)單的類結(jié)構(gòu)，并通過(guò)距離函數(shù)實(shí)現(xiàn)類與類之間的相關(guān)性測(cè)度。

（1）標(biāo)準(zhǔn)化各指標(biāo)數(shù)據(jù)。

2.適用性。聚類分析是一種基于距離函數(shù)的非參數(shù)統(tǒng)計(jì)分析方法。通過(guò)財(cái)務(wù)指標(biāo)對(duì)象對(duì)不同類中心的距離函數(shù)進(jìn)行分類，具有對(duì)事物自然屬性判別的客觀性。由于，上市公司具有不同的經(jīng)營(yíng)狀況與財(cái)務(wù)情況，其對(duì)應(yīng)的信貸違約風(fēng)險(xiǎn)也呈現(xiàn)出不同的類別，尤其是在高信貸違約風(fēng)險(xiǎn)與低信貸違約風(fēng)險(xiǎn)的上市公司之間存在著不同信貸違約風(fēng)險(xiǎn)層次。因此，利用聚類法可實(shí)現(xiàn)同一信貸違約風(fēng)險(xiǎn)警度下上市公司財(cái)務(wù)指標(biāo)體系的特征共性分析提供基礎(chǔ)，也可為不同信貸違約風(fēng)險(xiǎn)程度下上市公司財(cái)務(wù)指標(biāo)體系的對(duì)比分析提供條件。

（三）實(shí)證結(jié)果分析

本文通過(guò)SPSS18.0，以2009—2011年480家ST類企業(yè)與487家非ST類企業(yè)為判類對(duì)象，基于篩選出的五類一級(jí)財(cái)務(wù)指標(biāo)，12個(gè)二級(jí)指標(biāo)（流動(dòng)比率，速動(dòng)比率，資產(chǎn)負(fù)債比率等）進(jìn)行基于全局Fisher函數(shù)的二類線性判定分析。

1.基于Fisher判別模型實(shí)證結(jié)果。

標(biāo)準(zhǔn)化變量的系數(shù)也即判別權(quán)重，用來(lái)表示標(biāo)準(zhǔn)化后的各個(gè)變量對(duì)判別分類的重要性。對(duì)于信貸違約風(fēng)險(xiǎn)判類分析來(lái)看，財(cái)務(wù)指標(biāo)中的流動(dòng)比率、速動(dòng)比率與流動(dòng)資產(chǎn)周轉(zhuǎn)率表現(xiàn)出在判類分析中較大的判別權(quán)重，說(shuō)明ST類企業(yè)所指明的高信貸違約風(fēng)險(xiǎn)企業(yè)的生產(chǎn)經(jīng)營(yíng)環(huán)節(jié)不暢成為企業(yè)發(fā)生信貸違約的主要特征。

（2）分類函數(shù)。

（3）判類結(jié)果。

依據(jù)上表錯(cuò)判矩陣可知，交叉驗(yàn)證（留一個(gè)觀測(cè)值在外）實(shí)現(xiàn)了86.0%的預(yù)測(cè)精度。從判類結(jié)果看，基于11個(gè)財(cái)務(wù)指標(biāo)的信貸違約判別模型對(duì)信貸違約風(fēng)險(xiǎn)低的上市公司的判別精度略高于信貸違約風(fēng)險(xiǎn)高的ST類企業(yè)（88.9%>81.7%；88.7%>83.3%）。

2.基于快速聚類的信貸違約風(fēng)險(xiǎn)警度評(píng)級(jí)分析。

根據(jù)2009—2011年上市公司高信貸違約風(fēng)險(xiǎn)的ST類與低信貸違約風(fēng)險(xiǎn)的非ST類判別分析，得到的判別函數(shù)Z得分值作為快速聚類變量，兩類上市公司之中分別進(jìn)行類別為4類的快速聚類，得到8類不同級(jí)別的信貸風(fēng)險(xiǎn)警度。

即通過(guò)2009—2011年三年的上市公司財(cái)務(wù)指標(biāo)構(gòu)造的信貸違約風(fēng)險(xiǎn)判別模型，得到的判別Z得分系數(shù)，并通過(guò)該系數(shù)的快速聚類實(shí)現(xiàn)了對(duì)上市公司不同信貸違約風(fēng)險(xiǎn)級(jí)別的劃分。債權(quán)人與投資人即可根據(jù)對(duì)上市公司財(cái)務(wù)指標(biāo)體系的信貸違約風(fēng)險(xiǎn)評(píng)級(jí)標(biāo)準(zhǔn)進(jìn)行信貸或投資決策。

四、結(jié)論與進(jìn)一步研究方向

顯然，本文通過(guò)對(duì)上市公司信貸違約風(fēng)險(xiǎn)的評(píng)價(jià)建模發(fā)現(xiàn)，財(cái)務(wù)指標(biāo)體系注重上市公司的經(jīng)營(yíng)狀況，其與信貸違約風(fēng)險(xiǎn)相關(guān)的杜邦財(cái)務(wù)指標(biāo)體系指標(biāo)（如資產(chǎn)負(fù)債情況，周轉(zhuǎn)情況）與公司的經(jīng)營(yíng)狀況密切相關(guān)。由此，通過(guò)反映上市經(jīng)營(yíng)狀況的財(cái)務(wù)指標(biāo)能夠識(shí)別出企業(yè)因經(jīng)營(yíng)不善或是流動(dòng)性不足等問(wèn)題造成的信貸違約風(fēng)險(xiǎn)，即通過(guò)全局Fisher判別可將高信貸違約風(fēng)險(xiǎn)的ST類上市公司與低信貸違約風(fēng)險(xiǎn)的非ST類上市公司進(jìn)行精度為86.0%的區(qū)分，實(shí)現(xiàn)了對(duì)上市公司信貸違約風(fēng)險(xiǎn)的判別。進(jìn)一步來(lái)說(shuō)，要對(duì)上市公司的信貸違約風(fēng)險(xiǎn)精度再進(jìn)行區(qū)分，就要利用快速聚類進(jìn)行不同信貸違約風(fēng)險(xiǎn)的聚類；而利用的劃分依據(jù)則是基于Fisher判別分析得到的Z函數(shù)，即根據(jù)典則判別系數(shù)得到的Z得分函數(shù)進(jìn)行信貸違約風(fēng)險(xiǎn)的劃分。

財(cái)務(wù)指標(biāo)體系是良好的信貸違約風(fēng)險(xiǎn)判別指標(biāo)，但存在多個(gè)單變量之間的多重共線性，本文并未單獨(dú)討論指標(biāo)之間的多重共線性問(wèn)題，而是容忍多重共線性的存在，雖然對(duì)于模型自身的一致性沒(méi)有影響，這對(duì)模型的預(yù)測(cè)精度與評(píng)級(jí)質(zhì)心的存在一定的影響。因此本文將繼續(xù)通過(guò)對(duì)實(shí)證方法的深度挖掘和使用實(shí)現(xiàn)進(jìn)一步的信貸違約風(fēng)險(xiǎn)研究，以對(duì)上市公司的信息使用者提供更為精確的投資判斷的信息。

參考文獻(xiàn)：

1.周泓，邱月.交叉熵算法在企業(yè)違約風(fēng)險(xiǎn)評(píng)估中的應(yīng)用研究[J].計(jì)算機(jī)工程與應(yīng)用，2008，44（20）：13-16

2.汪冬華.我國(guó)上市公司行業(yè)分析方法及違約風(fēng)險(xiǎn)預(yù)警模型研究[D].華中科技大學(xué)，2004

3.張智梅，章仁俊.KMV模型的改進(jìn)及對(duì)上市公司信用風(fēng)險(xiǎn)的度量[J].統(tǒng)計(jì)與決策，2006（18）：157-160

4.黃卉.關(guān)于我國(guó)上市公司違約風(fēng)險(xiǎn)評(píng)價(jià)效率的研究[J].中國(guó)總會(huì)計(jì)師，2011（6）：86-87

5.蔡薇.KMV模型的修正及對(duì)我國(guó)上市公司信用風(fēng)險(xiǎn)評(píng)估的實(shí)證研究[D].對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)，2010

6.郭富霞，路蘭，高齊圣等.基于主成分的Logistic模型的上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)分析[J].青島大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，25（2）：106-110.

（作者單位：從化市職業(yè)技術(shù)學(xué)校 廣東從化 510900）

（責(zé)編：若佳）