楊 瑩，徐慎暉

(1.安徽大學(xué) 經(jīng)濟(jì)學(xué)院，安徽 合肥 230601；2.河海大學(xué) 商學(xué)院，江蘇 南京 211100)

?

判別分析在上市公司信用風(fēng)險(xiǎn)中的實(shí)證研究

楊 瑩1，徐慎暉2

(1.安徽大學(xué) 經(jīng)濟(jì)學(xué)院，安徽 合肥 230601；2.河海大學(xué) 商學(xué)院，江蘇 南京 211100)

隨著我國(guó)證券業(yè)體系的不斷健全、世界金融一體化趨勢(shì)和金融市場(chǎng)波動(dòng)性的加劇，上市公司信用的風(fēng)險(xiǎn)評(píng)估已經(jīng)成了金融機(jī)構(gòu)和企業(yè)關(guān)注的重大問題。因此，通過企業(yè)歷史數(shù)據(jù)對(duì)其未來發(fā)展及其預(yù)期風(fēng)險(xiǎn)做出較為準(zhǔn)確的判斷，對(duì)其信用風(fēng)險(xiǎn)進(jìn)行有效監(jiān)控就顯得愈發(fā)重要。以上海證券交易所上市的部分企業(yè)的相關(guān)數(shù)據(jù)作為樣本，通過選取較為合理的指標(biāo)體系，對(duì)樣本進(jìn)行多元統(tǒng)計(jì)判別分析，以提高管理效率，降低風(fēng)險(xiǎn)。判別分析結(jié)果顯示，所得到的判別模型能夠較好解釋我國(guó)證券市場(chǎng)所出現(xiàn)的部分信用情況。

上市公司；判別分析；信用風(fēng)險(xiǎn)

金融監(jiān)管對(duì)于一國(guó)的經(jīng)濟(jì)發(fā)展有著重要作用。一方面，它可以降低金融風(fēng)險(xiǎn)，維持金融業(yè)的穩(wěn)定；另一方面，過多的監(jiān)管勢(shì)必會(huì)花費(fèi)較高的監(jiān)管成本；同時(shí)，還可能會(huì)導(dǎo)致被監(jiān)管對(duì)象道德風(fēng)險(xiǎn)的增加，從而降低金融效率。如何判別一個(gè)產(chǎn)業(yè)是否具有市場(chǎng)競(jìng)爭(zhēng)力和發(fā)展持續(xù)性，是值得深思和研究的。目前，美國(guó)納斯達(dá)克市場(chǎng)的規(guī)范化已經(jīng)相對(duì)較為成熟，而我國(guó)滬深兩市的建設(shè)則較為落后。

美國(guó)在風(fēng)險(xiǎn)控制方面以銀行業(yè)為主，于1991年頒布了《聯(lián)邦存款保險(xiǎn)公司改進(jìn)法》，形成了快速預(yù)警糾偏模型，同時(shí)還設(shè)立了CAMEL(Captal Adequacy,Asset Quality,Management,Earnings,Liquidity)評(píng)級(jí)體系。本文對(duì)比借鑒CAMEL中的五方面評(píng)級(jí)標(biāo)準(zhǔn)。CAMEL從以下五方面分析銀行的經(jīng)營(yíng)情況：資本充足率、資產(chǎn)質(zhì)量、管理水平、收益狀況、波動(dòng)性。美國(guó)一些學(xué)者采用諸如回歸分析、多元判別分析、Logit和Probit分析對(duì)風(fēng)險(xiǎn)進(jìn)行有效性分析。

隨著市場(chǎng)化的加劇及金融市場(chǎng)化和金融全球化的波動(dòng)性日趨增加，各國(guó)銀行和投資者都受到前所未有的信用風(fēng)險(xiǎn)的挑戰(zhàn)。世界銀行對(duì)全球銀行危機(jī)的研究表明，導(dǎo)致銀行破產(chǎn)的最主要原因就是信用風(fēng)險(xiǎn)。《巴塞爾協(xié)議》旨在加強(qiáng)信用風(fēng)險(xiǎn)的管理。西方國(guó)家對(duì)于風(fēng)險(xiǎn)控制相對(duì)較為成熟，而在我國(guó)，證券市場(chǎng)起步晚，發(fā)展速度快，相關(guān)風(fēng)險(xiǎn)控制的政策還未落實(shí)，導(dǎo)致有關(guān)信用風(fēng)險(xiǎn)評(píng)估研究的成果較少。因此，本文采取判別分析法，對(duì)2014年上市公司中已經(jīng)披露的若干信息對(duì)企業(yè)信用風(fēng)險(xiǎn)進(jìn)行判別分析，來研究我國(guó)上市公司信用風(fēng)險(xiǎn)的評(píng)估。

一、理論假設(shè)

判別分析是一種統(tǒng)計(jì)判別和分組技術(shù)，其原理是就一定數(shù)量樣本的一個(gè)分組變量和相應(yīng)的其他多元變量的已知信息，對(duì)新樣品進(jìn)行判別分組。其中，F(xiàn)isher判別亦稱典則判別，是根據(jù)線性Fisher函數(shù)值進(jìn)行判別，使用此準(zhǔn)則要求各組變量的均值有顯著性差異。該方法的基本思想是投影，即將原來在R維空間的自變量組合投影到維度較低的D維空間，然后在D維空間中再進(jìn)行分類。投影的原則是使每一類的差異盡可能小，而投影的離差盡可能大。Fisher判別的優(yōu)勢(shì)在于對(duì)分布、方差等都沒有任何限制，應(yīng)用范圍比較廣。另外，用該判別方法建立的判別方差可以直接用手工計(jì)算的方法進(jìn)行新樣品的判別，這在許多時(shí)候是非常方便的。除Fisher外，還有貝葉斯(Bayes)判別法。

本文采用SPSS軟件對(duì)2014年上市公司信用風(fēng)險(xiǎn)進(jìn)行判別分析。首先，本文數(shù)據(jù)來自于A股市場(chǎng)的相關(guān)企業(yè)年報(bào)和證監(jiān)會(huì)披露的信息。其次，本文將2014年上市公司中已知的公司按信用風(fēng)險(xiǎn)程度分成不同的組，之后利用Fisher判別方法，將財(cái)務(wù)向量進(jìn)行投影，使之成為單向量，對(duì)已經(jīng)整理過而形成的單個(gè)向量進(jìn)行統(tǒng)計(jì)分析，從而建立起信用風(fēng)險(xiǎn)的距離差別準(zhǔn)則。對(duì)2014年的數(shù)據(jù)進(jìn)行判別分析所得到的結(jié)果，對(duì)比2015年上市公司的相關(guān)數(shù)據(jù)，發(fā)現(xiàn)預(yù)測(cè)正確率較高，誤差較低。

判別函數(shù)的一般形式為:

Z=a1x1+a2x2+a3x3+…+anxn

其中Z是判別值，x1,x2,x3,…，xn為研究對(duì)象的特征變量，a1,a2,a3,…，an為各變量的判別系數(shù)。將已知樣本分為Group 1和Group 2，根據(jù)得到的判別函數(shù)，將新得到的樣品Y中的各個(gè)指標(biāo)值帶入判別函數(shù)，便可得到相應(yīng)的判別值，再找出判別函數(shù)的臨界值。兩者進(jìn)行比較，就可以對(duì)新樣本的類別做出判斷。當(dāng)Z>臨界值，則Y屬于Group 1；當(dāng)Z<臨界值，則Y屬于Group 2；當(dāng)Z處于臨界值，則Y待判斷。

假設(shè)有n個(gè)上市公司來自A組，則將n個(gè)上市公司作為研究樣本，每一個(gè)樣本點(diǎn)由P個(gè)財(cái)務(wù)指標(biāo)組成。來自A組的觀測(cè)值將其投影到某一個(gè)共同方向，得到的投影點(diǎn)是線性組合P維常數(shù)向量，表示投影方向。SST、SS(TR)和SS分別表示總方差、組間方差、組內(nèi)方差。所含有的自由度分別為n-1、k-1和n-k。假設(shè)各組的真實(shí)方差相等，則可對(duì)k個(gè)組的真實(shí)組均值之間是否有顯著性差異進(jìn)行檢驗(yàn)。假設(shè)k個(gè)真實(shí)組均值相等是原假設(shè)，那么我們可以得到檢驗(yàn)統(tǒng)計(jì)量：

當(dāng)統(tǒng)計(jì)值F≥F(k-1,n-k)時(shí)，則拒絕原假設(shè)，F(xiàn)值越大，拒絕原假設(shè)的理由越充分，各組真實(shí)組均值之間的差異越顯著，投影數(shù)據(jù)越能反映原始數(shù)據(jù)的真實(shí)情況，則判別分析尤其是典型判別分析效果更加理想。

二、模型設(shè)計(jì)

(一)研究樣本

本文選擇樣本全部出自于在滬深兩市上市的公司及其相關(guān)財(cái)務(wù)報(bào)告。一方面，截自2015年4月公布2014年財(cái)務(wù)審計(jì)報(bào)告以來，本文從滬深兩市2015年評(píng)選出來的百?gòu)?qiáng)上市公司中挑選了包括伊利集團(tuán)、海螺集團(tuán)等共30家企業(yè)作為判別分析中的信用非違約組。另一方面，本文從相關(guān)程序所產(chǎn)生的ST公司中挑選了具有代表性的30家企業(yè)，視為判別分析中的信用違約組。綜上所述，樣本總量共計(jì)60家上市公司。

(二)變量選擇

財(cái)務(wù)比率在一定程度上可以客觀反映企業(yè)運(yùn)營(yíng)情況。本文在選擇財(cái)務(wù)指標(biāo)時(shí)，將反映企業(yè)的相關(guān)財(cái)務(wù)指標(biāo)進(jìn)行考慮，剔除了財(cái)務(wù)比率之間相關(guān)程度較高的指標(biāo)，最后以凈資產(chǎn)收益率(ROE)、資產(chǎn)負(fù)債率、流動(dòng)比率、資產(chǎn)收益率(ROA)、現(xiàn)金比率作為判別分析的變量，分別計(jì)為x1、x2、x3、x4、x5，基于此得到典型判別函數(shù)模型：

Z(x)=c0+c1x1+c2x2+c3x3+c4x4+c5x5

其中ci為模型的參數(shù)。

基于流動(dòng)性、安全性、盈利性、充足性等對(duì)五個(gè)因素進(jìn)行分析。流動(dòng)比率和現(xiàn)金比率作為流動(dòng)性參數(shù)進(jìn)行分析，凈資產(chǎn)收益率(ROE)和資產(chǎn)收益率(ROA)作為盈利性參數(shù)進(jìn)行分析，資產(chǎn)負(fù)債率作為安全性參數(shù)進(jìn)行分析。其中，流動(dòng)性指標(biāo)是反映企業(yè)償還短期債務(wù)、維持正常經(jīng)營(yíng)的重要指標(biāo)，流動(dòng)性差會(huì)影響企業(yè)的經(jīng)營(yíng)，但是流動(dòng)性過高又反過來會(huì)影響企業(yè)資產(chǎn)的運(yùn)營(yíng)效率。

(三)參數(shù)估計(jì)

根據(jù)前面分析討論，得出以下結(jié)果：

n1=30 代表信用非違約組的樣本容量，財(cái)務(wù)狀況良好的上市公司屬于這個(gè)組。

n2=30 代表信用違約組的樣本容量，主要以ST企業(yè)為主。

n=60 代表總體樣本容量。

本文將總樣本分為兩類，樣本數(shù)據(jù)是由現(xiàn)有滬深兩市所有公開披露的企業(yè)資料整理而來，在進(jìn)行下一步的判別分析時(shí)，總分類是g=2，n=60。

三、實(shí)證結(jié)果

按照前面設(shè)立的數(shù)據(jù)模型，以2014年60家上市公司年報(bào)所提供的數(shù)據(jù)作為樣本觀測(cè)值，通過SPSS運(yùn)行計(jì)算結(jié)果。

表1 判別函數(shù)模型估計(jì)

表2 判別函數(shù)解釋變量顯著性檢驗(yàn)群組平均值的等式檢定

表3 群組統(tǒng)計(jì)資料

由表1可以看出，卡方似然估計(jì)的統(tǒng)計(jì)量為44.736，大于自由度為5的卡方表中的臨界值15.09，所以可以得出Z(x)=0.278+0.851x1+x2+0.998x3+0.57x4+0.994x5，且該判別函數(shù)是顯著的?？梢钥闯?，函數(shù)總體在1%解釋水平下是顯著的，表明模型對(duì)上市公司信用的風(fēng)險(xiǎn)判斷有一定的解釋能力。表2 說明顯著的解釋變量有5個(gè)，按照逐步判別過程解釋變量進(jìn)行模型的順序是x2、x1、x3、x4、x5。因?yàn)橘Y產(chǎn)負(fù)債率在企業(yè)中反映了上市公司的財(cái)務(wù)風(fēng)險(xiǎn)，后者在一定程度上體現(xiàn)了資產(chǎn)的運(yùn)行效率，流動(dòng)比率衡量了企業(yè)短期變現(xiàn)資產(chǎn)償還債務(wù)的能力。實(shí)質(zhì)上這5個(gè)財(cái)務(wù)比率指標(biāo)與上市公司信用風(fēng)險(xiǎn)息息相關(guān)。由此可見，模型中所包含的解釋變量能夠較好地反映上市公司的實(shí)際信用風(fēng)險(xiǎn)程度。

表4 共變異矩陣與相關(guān)矩陣

通過以上SPSS軟件統(tǒng)計(jì)，對(duì)數(shù)據(jù)進(jìn)行分析并進(jìn)行了預(yù)測(cè)。標(biāo)準(zhǔn)化的判別函數(shù)為：Z(x)=0.278+0.851x1+x2+0.998x3+0.57x4+0.994x5，且觀測(cè)總量為60。截止到2016年2月，從2015年滬深兩市所公布的企業(yè)年報(bào)中選擇業(yè)績(jī)較為優(yōu)良、財(cái)務(wù)指標(biāo)規(guī)范的企業(yè)(銀行業(yè)除外)，以及ST企業(yè)一共20家作為檢驗(yàn)樣本進(jìn)行后續(xù)檢驗(yàn)，最后得出檢驗(yàn)樣本總的正確率達(dá)到了90%以上。*表3和表4的意義不在于統(tǒng)計(jì)結(jié)果的展示，而是展示了模型有效的預(yù)測(cè)能力，表3的結(jié)果是為表4做準(zhǔn)備的，其意義在于顯示統(tǒng)計(jì)量在判別分析的分類中表達(dá)出的正確率，從表4可以看出達(dá)到了90%以上。因此，樣本檢驗(yàn)結(jié)果表明，模型具有較為有效的預(yù)測(cè)能力。

四、結(jié)論和局限性

通過上面的分析可以得到如下結(jié)論：第一，利用歷史性數(shù)據(jù)可以對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測(cè)性估計(jì)，并對(duì)未知樣品做出快速的判斷。本文中所判斷的企業(yè)的凈資產(chǎn)收益率、資產(chǎn)負(fù)債率、流動(dòng)比率、現(xiàn)金比率和資產(chǎn)收益率只要達(dá)到平均水平以上，就能在很大程度上規(guī)避和防范風(fēng)險(xiǎn)。第二，企業(yè)的年報(bào)可以披露絕大多數(shù)企業(yè)運(yùn)營(yíng)情況，所以可以基于數(shù)據(jù)實(shí)際做出相應(yīng)的監(jiān)管判斷，為投資者進(jìn)行科學(xué)的決策、理智地回避風(fēng)險(xiǎn)提供依據(jù)。第三，我國(guó)的金融監(jiān)管在業(yè)務(wù)運(yùn)營(yíng)監(jiān)管上相對(duì)較為成熟，然而需要將企業(yè)運(yùn)營(yíng)和現(xiàn)場(chǎng)檢查兩者相結(jié)合，通過對(duì)數(shù)據(jù)的整理，對(duì)風(fēng)險(xiǎn)進(jìn)行監(jiān)測(cè)，有利于判斷企業(yè)的信用風(fēng)險(xiǎn)，也有利于監(jiān)管機(jī)構(gòu)實(shí)施分類監(jiān)管政策。

采用判別分析也存在一定的局限性。首先，上市公司信用違約組不能僅僅局限在ST企業(yè)。本文為了統(tǒng)計(jì)的便利性，采用ST企業(yè)作為第二組樣本進(jìn)行統(tǒng)計(jì)，實(shí)際上，一些并非ST的企業(yè)也存在信用違約問題。這類企業(yè)存在隱藏的信用風(fēng)險(xiǎn)，但并未表現(xiàn)出財(cái)務(wù)困難，所以可能存在財(cái)務(wù)虛假報(bào)告的可能。因此，在實(shí)際操作中，有必要對(duì)所有企業(yè)做進(jìn)一步的劃分，而不能僅僅局限于ST企業(yè)。其次，模型仍然存在犯錯(cuò)的可能，即第一類錯(cuò)誤的比率還是較高的，在進(jìn)一步的分析中應(yīng)該將定性和定量相結(jié)合，將誤差降到最低。再次，由于數(shù)據(jù)誤差的存在，同時(shí)對(duì)銀行(包括中國(guó)銀行、工商銀行等樣品的舍棄)缺少ROA和現(xiàn)金比率的公報(bào)的問題在接下來的研究中將繼續(xù)選擇合適的參數(shù)估計(jì)量，或者采用一些補(bǔ)救辦法對(duì)這類問題進(jìn)行合理性補(bǔ)救。

[1]龍小寧,朱艷麗,蔡偉賢,李少民.基于空間計(jì)量模型的中國(guó)縣級(jí)政府間稅收競(jìng)爭(zhēng)的實(shí)證分析[J].經(jīng)濟(jì)研究，2010(8)：41-53.

[2]李林,丁藝,劉志華.金融集聚對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)溢出作用的空間計(jì)量分析[J].金融研究，2011(5)：113-123.

[3]施錫全，鄒新月.典型判別分析在企業(yè)信用風(fēng)險(xiǎn)評(píng)估中的應(yīng)用[J].財(cái)經(jīng)研究，2001(10)：53-57.

[4]吳海華，王志紅.商業(yè)銀行監(jiān)控指標(biāo)的判別分析[J].統(tǒng)計(jì)與信息論壇，2005(7)：90-93.

[5]韓麗.聚類分析和判別分析在證券投資中的應(yīng)用[J].金融觀察，2007(7)：61-62.

[6]楚爾鳴, 喻多嬌.中國(guó)貨幣中性與非中性的實(shí)證檢驗(yàn)[J].金融發(fā)展研究, 2009 (3): 26-30.

[7]茍小菊,許銳,扶元廣.安徽省城鎮(zhèn)化發(fā)展影響因素的空間計(jì)量研究[J].中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào),2015(5):416-421.

An Empirical Study on the Discriminant Analysis About Credit Risk of the Listed Companies

YANG Ying1,XU Shenhui1,2

(1.SchoolofEconomics,AnhuiUniversity,Hefei230601,China; 2.SchoolofBusiness,HohaiUniversity,Nanjing211100,China)

With the constantly improvement of China′s securities system, and with the trend of global financial integration and the aggravated volatility in financial market, the assessment about listed companies′ credit risk has become a major issue of concern for financial institutions and enterprises. It is more important to make a more accurate judgment on the future development and expected risk through an enterprise′s historical data, and thus to monitor the credit risk effectively. In order to manage efficiently and reduce risks, this essay selects reasonable index system and make a multivariate statistical discriminant analysis on the sample, which was taken from related data of part of listed enterprises in the Shanghai Stock Exchange. Discriminant analysis results show that the model can better explain the credit situation in part of China′s securities market.

listed companies; discriminant analysis; credit risk

2016-05-05

楊 瑩(1993-)，女，安徽六安人，安徽大學(xué)經(jīng)濟(jì)學(xué)院碩士研究生，研究方向?yàn)樾庞蔑L(fēng)險(xiǎn)。

F832.49

A

1674-3318(2016)04-0017-03