【摘要】采用logistic模型，根據(jù)一般公司財(cái)務(wù)分析的指標(biāo)，選取常用且較為重要的財(cái)務(wù)指標(biāo)如凈資產(chǎn)收益率、總資產(chǎn)報(bào)酬率等，研究部分公司的債券違約行為發(fā)生與否的影響因素，對犯第一類錯(cuò)誤和第二類錯(cuò)誤的原因進(jìn)行一定的分析，在用logistic模型進(jìn)行判斷時(shí)應(yīng)小心謹(jǐn)慎。

【關(guān)鍵詞】債券 債券違約 影響因素 Logistic模型

一、引言

中國是市場經(jīng)濟(jì)體制，債券融資顯得很重要，同時(shí)債券違約行為的出現(xiàn)也越加頻繁。據(jù)中國貨幣網(wǎng)報(bào)道，2015年11月15日至11月24日這20天內(nèi)，有45家企業(yè)取消或延遲了債券發(fā)行計(jì)劃，涉及金額高達(dá)500億元，涉及債券數(shù)量多達(dá)48只，涵蓋中期票據(jù)、短融、超短融三類債券品種。債券違約行為已經(jīng)成為不可忽略的影響債券市場運(yùn)行的一大因素。

（一）債券違約

債券違約是指債券發(fā)行主體不能按照事先達(dá)成的債券協(xié)議履行其義務(wù)的行為。債券違約分為長期債券違約和短期債券違約。為了方便，我們把本息出現(xiàn)延期支付就算企業(yè)出現(xiàn)違約行為。

二、理論回顧

在國外Logit模型最早用來預(yù)測公司的破產(chǎn)及違約概率。在國內(nèi)，建立模型的準(zhǔn)確率，根據(jù)選取樣本數(shù)據(jù)的個(gè)數(shù)不同，分為兩類，一類是準(zhǔn)確率平均達(dá)到70%左右；一類是準(zhǔn)確率高達(dá)90.0%以上。王春峰、萬海暉選取129家樣本建立Logit模型的第一類錯(cuò)誤為33.33%，第二類錯(cuò)誤為25.00%[1]；龐素琳選取63家上市公司建立Logit判別模型判別準(zhǔn)確率達(dá)到99.06%[2]。

三、Logistic模型

logistic回歸為概率型非線性回歸模型，是研究分類結(jié)果（y）與影響因素（x）之間關(guān)系的一種多變量分析方法。有多個(gè)危險(xiǎn)因素（xi）時(shí)多個(gè)變量的logistic回歸模型方程的線性表達(dá)為：

通過最大似然法可以得到參數(shù)β0，β1，…，βm的值。將參數(shù)估計(jì)代入Logistic模型中可以測出各貸款的違約概率：

在統(tǒng)計(jì)學(xué)中，誤判分為兩類，第一類錯(cuò)誤是指將高信用風(fēng)險(xiǎn)企業(yè)誤判為低信用風(fēng)險(xiǎn)企業(yè)的錯(cuò)誤。第二類錯(cuò)誤稱為“納偽”，是指將低風(fēng)險(xiǎn)企業(yè)誤判為高信用風(fēng)險(xiǎn)企業(yè)的錯(cuò)誤 。

四、模型的構(gòu)建

（一）樣本的選取及指標(biāo)的選擇

根據(jù)企業(yè)常用的財(cái)務(wù)指標(biāo)以及數(shù)據(jù)來源的缺乏和數(shù)據(jù)的不全面，從財(cái)務(wù)結(jié)構(gòu)、償債能力、經(jīng)營能力、現(xiàn)金流量、盈利能力、經(jīng)營效益這六個(gè)方面選取了60家企業(yè)2015年近一期的12個(gè)相關(guān)指標(biāo)。具體指標(biāo)有資產(chǎn)負(fù)債（x1）、流動資產(chǎn)/總資產(chǎn)（x2）、帶息負(fù)債比率（x3）、流動資產(chǎn)/負(fù)債合計(jì)（x4）、流動比率（x5），速動比率（x6）、經(jīng)營活動產(chǎn)生凈現(xiàn)金流/帶息負(fù)債（x7）、經(jīng)營活動產(chǎn)生的現(xiàn)金流量凈額/營業(yè)收入（x8）、總資產(chǎn)報(bào)酬率（x9）、銷售（營業(yè)）利潤率（x10）、總資產(chǎn)周轉(zhuǎn)率（x11），流動資產(chǎn)周轉(zhuǎn)率（x12）。

（二）模型分析

對樣本集采取向前逐步選擇法，運(yùn)用RStudio軟件可以建立如下模型：

本模型結(jié)果表明，一個(gè)企業(yè)是否違約與企業(yè)的償債能力、盈利能力、經(jīng)營效益有關(guān)。其選中的指標(biāo)是流動比率（x5）、速動比率（x6）、銷售（營業(yè)）利潤率（x10）、總資產(chǎn)周轉(zhuǎn)率（x11）。指標(biāo)都通過參數(shù)檢驗(yàn)，模型整體檢驗(yàn)都比較顯著有效。將模型（3）對測試樣本數(shù)據(jù)進(jìn)行分析得到：正常公司是識別準(zhǔn)確率為81.82%，即犯第二類錯(cuò)誤僅為18.18%，該模型犯第一類錯(cuò)誤較小為6.12%。犯第二類錯(cuò)誤的概率大于犯第一類錯(cuò)誤的概率，即將違約公司判為正常公司比例較大。筆者進(jìn)一步細(xì)查60個(gè)企業(yè)中判斷違約與否的企業(yè)，發(fā)現(xiàn)Logistic誤判的有山水MTN1、珠中富MTN1、新中基CP001、英華MTN1、貴人鳥CP001。從中可以看出，該模型將違約企業(yè)誤判正常企業(yè)共有3個(gè)，這些企業(yè)不存在較大財(cái)政危機(jī)，雖然延遲支付但是最終還是支付了拖欠的資金，所以導(dǎo)致模型將其判為正常企業(yè)。

五、結(jié)論和啟示

本文基于我國上市企業(yè)數(shù)據(jù)建立的Logistic模型發(fā)現(xiàn)：該模型中，商業(yè)銀行在對上市企業(yè)信用風(fēng)險(xiǎn)進(jìn)行評估時(shí)，犯第一類錯(cuò)誤的概率平均達(dá)到6.12%左右。結(jié)合相關(guān)的文獻(xiàn)得到第二類錯(cuò)誤的概率達(dá)到18.18%左右。對于銀行來說，第二類錯(cuò)誤是可怕的，有時(shí)對銀行是致命的。所以我國在對企業(yè)或非企業(yè)進(jìn)行信用評估時(shí)，運(yùn)用Logistic模型是非常謹(jǐn)慎的，要結(jié)合新巴塞爾協(xié)議，綜合運(yùn)用其他相關(guān)模型，積極推進(jìn)IRB基礎(chǔ)數(shù)據(jù)庫和管理信息系統(tǒng)建設(shè)等各方面建設(shè)，建立內(nèi)部信用評級，對企業(yè)信用風(fēng)險(xiǎn)進(jìn)行合理評估 。

參考文獻(xiàn)

[1]王春峰，萬海暉.商業(yè)銀行信用風(fēng)險(xiǎn)評估及其實(shí)證研究[J].管理科學(xué)學(xué)報(bào)，1998（1）：68-72.

[2]龐素琳.Logistic回歸模型在信用風(fēng)險(xiǎn)分析中的應(yīng)用[J]數(shù)學(xué)的實(shí)踐與認(rèn)識，2006（9）：129-137.

[3]Ohlson，J.S.Financial Ratios and the Probabilitistic Prediction of Bankruptcy[J].Journalo f Accounting Re-search，1980（1）：109—131.

作者簡介：余欣媛（1992-），女，漢族，云南玉溪人，西安財(cái)經(jīng)學(xué)院，在讀研究生，研究方向：抽樣理論、方法與應(yīng)用。