杜春春

摘 要：隨著社會(huì)經(jīng)濟(jì)的發(fā)展，上市公司的數(shù)目日益增多，隨之而來(lái)，公司的信用風(fēng)險(xiǎn)問(wèn)題變得更加突出。因此，本文采用主成分分析，以是否被ST作為公司是否存在信用風(fēng)險(xiǎn)的判別標(biāo)準(zhǔn)，對(duì)上市公司信用風(fēng)險(xiǎn)進(jìn)行綜合評(píng)估。結(jié)果表明：綜合得分與信用風(fēng)險(xiǎn)之間存在負(fù)相關(guān)關(guān)系。綜合得分越高，面臨信用風(fēng)險(xiǎn)的可能性越低;利用Logistic回歸分析得出上市公司的風(fēng)險(xiǎn)評(píng)估模型。通過(guò)主成分綜合分析和回歸預(yù)測(cè)，對(duì)上市公司信用風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)和預(yù)測(cè)。這不僅為我國(guó)上市公司信用風(fēng)險(xiǎn)評(píng)估提供了理論依據(jù)，而且也對(duì)公司及時(shí)調(diào)整治理結(jié)構(gòu)，進(jìn)而避免發(fā)生信用危機(jī)具有一定的實(shí)用意義。

關(guān)鍵詞：主成分分析;信用風(fēng)險(xiǎn)評(píng)估;綜合得分;Logistic回歸模型

一、文獻(xiàn)綜述

信用風(fēng)險(xiǎn)是一種違約風(fēng)險(xiǎn)，隨著上市公司不斷增多，信用風(fēng)險(xiǎn)問(wèn)題也變得日益嚴(yán)重。在這種情形下，國(guó)內(nèi)相繼出現(xiàn)許多關(guān)于信用風(fēng)險(xiǎn)方面的研究，并取得了相應(yīng)的成果。劉凡暉對(duì)我國(guó)制造業(yè)上市公司信用風(fēng)險(xiǎn)的原因、現(xiàn)狀和相應(yīng)特征進(jìn)行了闡釋。通過(guò)分析，得出結(jié)論：Logistic模型和KMV模型相結(jié)合能夠較好地評(píng)估我國(guó)制造業(yè)上市公司的信用風(fēng)險(xiǎn)。韓嵩，李曉俊針對(duì)我國(guó)企業(yè)信用指標(biāo)研究、企業(yè)信用現(xiàn)狀研究、企業(yè)信用管理研究、企業(yè)信用評(píng)價(jià)模型研究四個(gè)方面展開了論述，推動(dòng)了企業(yè)信用研究方面的進(jìn)展。甯懿楠，楊爽，李云飛運(yùn)用改進(jìn)的主成分分析法進(jìn)行主要變量篩選得到最終的指標(biāo)，再利用專家打分法確定指標(biāo)權(quán)重。郝佳蓓，韓珂以是否ST作為風(fēng)險(xiǎn)狀況的衡量指標(biāo)，運(yùn)用主成分分析和logit模型對(duì)我國(guó)制造業(yè)公司的信用風(fēng)險(xiǎn)開展評(píng)價(jià)。龍冰婷選取上市公司的財(cái)務(wù)數(shù)據(jù)作為變量，運(yùn)用Logistic回歸模型對(duì)我國(guó)上市公司信用風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)，實(shí)證結(jié)果表明模型預(yù)測(cè)效果良好。

二、指標(biāo)體系的構(gòu)建及處理

1.指標(biāo)體系的構(gòu)建

本文研究的是上市公司的信用風(fēng)險(xiǎn)，而公司的財(cái)務(wù)數(shù)據(jù)又是信用風(fēng)險(xiǎn)評(píng)估的重要依據(jù)，以安徽省95家上市公司截至到2019年4月1日的財(cái)務(wù)數(shù)據(jù)作為原始數(shù)據(jù)，其中92家為非ST公司，3家ST公司。將原始數(shù)據(jù)分為盈利能力、營(yíng)運(yùn)能力、成長(zhǎng)能力、償還能力、資本結(jié)構(gòu)五個(gè)準(zhǔn)則層（V1～V5），并在每個(gè)準(zhǔn)則層下選取了相關(guān)更具體的指標(biāo)，累計(jì)選取了共46個(gè)指標(biāo)，具體如下：

V1（%）：總資產(chǎn)報(bào)酬率X1、總資產(chǎn)凈利率X2、投入資本回報(bào)率X3、人力投入回報(bào)率X4、年化凈資產(chǎn)收益率X5、年化總資產(chǎn)報(bào)酬率X6、銷售凈利率X7、銷售毛利率X8、銷售成本率X9、主營(yíng)業(yè)務(wù)比率X10

V2（次）：存貨周轉(zhuǎn)率X11、應(yīng)收賬款周轉(zhuǎn)率X12、流動(dòng)資產(chǎn)周轉(zhuǎn)率X13、非流動(dòng)資產(chǎn)周轉(zhuǎn)率X14、固定資產(chǎn)周轉(zhuǎn)率X15、無(wú)形資產(chǎn)周轉(zhuǎn)率X16、總資產(chǎn)周轉(zhuǎn)率X17、營(yíng)運(yùn)資金周轉(zhuǎn)率X18、凈資產(chǎn)周轉(zhuǎn)率X19

V3（%）：營(yíng)業(yè)總收入增長(zhǎng)率X20、營(yíng)業(yè)成本增長(zhǎng)率X21、營(yíng)業(yè)利潤(rùn)增長(zhǎng)率X22、利潤(rùn)總額增長(zhǎng)率X23、凈利潤(rùn)增長(zhǎng)率X24、凈資產(chǎn)增長(zhǎng)率X25、總資產(chǎn)增長(zhǎng)率X26、毛利增長(zhǎng)率X27、基本每股收益增長(zhǎng)率X28、應(yīng)收賬款增長(zhǎng)率X29

V4（%）：速動(dòng)比率X30、保守速動(dòng)比率X31、產(chǎn)權(quán)比率X32、現(xiàn)金與總資產(chǎn)的比率X33、負(fù)債凈值比率X34、有形資產(chǎn)凈值債務(wù)率X35、清算價(jià)值比率X36、現(xiàn)金比率X37、現(xiàn)金流量比率X38

V5（%）：資產(chǎn)負(fù)債率X39、有息負(fù)債率X40、長(zhǎng)期資本負(fù)債率X41、權(quán)益乘數(shù)X42、股東權(quán)益比率X43、資本固定化比率X44、流動(dòng)負(fù)債權(quán)益比率X45、營(yíng)運(yùn)資產(chǎn)與總資產(chǎn)的比率X46

2.數(shù)據(jù)標(biāo)準(zhǔn)化

本文選取指標(biāo)的性質(zhì)和單位均存在較大差異，故需對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。數(shù)據(jù)的標(biāo)準(zhǔn)化處理方法有很多，本文選用Z標(biāo)準(zhǔn)化法。具體公式如下：

（1）

其中，為樣本均值，為樣本方差。

三、上市公司信用風(fēng)險(xiǎn)評(píng)估實(shí)證分析

（一）主成分提取

運(yùn)用SPSS進(jìn)行主成分分析，總方差解釋表給出了各個(gè)主成分所能解釋原始變量方差的比率。結(jié)果顯示第一個(gè)主成分的特征值為11.826，方差貢獻(xiàn)率為25.709%;第二個(gè)主成分的特征值為7.306，方差貢獻(xiàn)率為15.883%;前10個(gè)成分的累積貢獻(xiàn)率為85.395%，大于85%;只有前10個(gè)成分的特征根大于1。以上兩點(diǎn)都說(shuō)明了這10個(gè)成分提取了原始變量絕大多數(shù)信息，故確定從46個(gè)指標(biāo)中提取10個(gè)主成分，分別記為。

將因子載荷矩陣中的第列的每個(gè)元素分別除以第個(gè)特征根的平方根，即用如下公式表示：（2）

其中，為標(biāo)準(zhǔn)化正交向量;表示因子載荷量;為第個(gè)特征根

此時(shí)，第個(gè)主成分表示為：

（3）

（二）主成分解釋與分析

1.主成分解釋

第一主成分主要由產(chǎn)權(quán)比率、負(fù)債凈值比率、資產(chǎn)負(fù)債率、權(quán)益乘數(shù)、股東權(quán)益比率構(gòu)成，反映公司的資本情況。第二主成分主要由總資產(chǎn)凈利率、投入資本回報(bào)率、人力投入回報(bào)率、非流動(dòng)資產(chǎn)周轉(zhuǎn)率、營(yíng)運(yùn)資金周轉(zhuǎn)率、營(yíng)業(yè)總收入增長(zhǎng)率構(gòu)成，反映公司的經(jīng)營(yíng)效益情況。以此類推，其余8個(gè)主成分分別反映了公司資產(chǎn)的盈利發(fā)展能力、風(fēng)險(xiǎn)程度、盈利水平能力、成長(zhǎng)能力、經(jīng)營(yíng)效益情況、財(cái)務(wù)能力、償債能力和經(jīng)營(yíng)效率。

2.綜合得分分析

通過(guò)相關(guān)整理匯總計(jì)算出所選取樣本中安徽省各上市公司的綜合得分，這里記綜合得分為。

（4）

觀察綜合得分排名后十的公司可得，得分最低的是*ST華信和*ST安凱公司，分別是-3.88和-2.74實(shí)際上這兩個(gè)上市公司已連續(xù)三年處于虧損狀態(tài)，面臨退市風(fēng)險(xiǎn)，屬于存在極大信用風(fēng)險(xiǎn)的公司。相反，淮北礦業(yè)，黃山B股、黃山旅游、歐普康視等上市公司綜合得分較高，可見這些公司的總體經(jīng)營(yíng)情況較好，存在信用風(fēng)險(xiǎn)的可能性較小。這也證明了綜合得分越高，公司的總體發(fā)展情況較好，存在信用風(fēng)險(xiǎn)的可能性較小。

（三）Logistic回歸預(yù)測(cè)

以主成分分析得到的10個(gè)主成分的得分作為協(xié)變量進(jìn)行二元Logistic回歸分析。其中，因變量Z代表上市公司的信用狀況，本文中將ST或ST*處理的公司統(tǒng)稱為ST公司，記“0”表示有信用風(fēng)險(xiǎn)的ST公司，“1”表示沒(méi)有信用風(fēng)險(xiǎn)的非ST公司。分別以“進(jìn)入法”、“向前逐步法”、“向后逐步法”作為自變量進(jìn)入模型的方法進(jìn)行回歸分析，結(jié)果顯示“向前逐步法”的分析結(jié)果較顯著。

由回歸結(jié)果得到Logistic模型的預(yù)測(cè)函數(shù)為：

（5）

四、結(jié)論與展望

本文將安徽省95家A股上市公司作為研究對(duì)象，以上市公司的相關(guān)財(cái)務(wù)指標(biāo)為原始數(shù)據(jù)，對(duì)安徽省上市公司的信用風(fēng)險(xiǎn)進(jìn)行簡(jiǎn)單評(píng)估分析。分析結(jié)果如下：上市公司信用風(fēng)險(xiǎn)與公司的資本情況，經(jīng)營(yíng)效益和盈利發(fā)展能力有很大的聯(lián)系;綜合得分越高，說(shuō)明上市公司的總體發(fā)展情況較好，信用風(fēng)險(xiǎn)較小。因此，在選擇股票投資時(shí)，可以考慮購(gòu)買這些綜合得分較高的上市公司的股票;利用Logistic回歸模型得出上市公司的風(fēng)險(xiǎn)預(yù)測(cè)模型。

本文雖然選用較多指標(biāo)進(jìn)行主成分分析，增加了分析結(jié)果的準(zhǔn)確性，但也存在如下不足：

本文在選取影響上市公司信用風(fēng)險(xiǎn)的指標(biāo)時(shí)，只選取了財(cái)務(wù)方面的指標(biāo)，而沒(méi)有考慮非財(cái)務(wù)指標(biāo)，如沒(méi)有考慮行業(yè)、企業(yè)經(jīng)營(yíng)者的文化程度和道德水平等因素對(duì)上市公司信用風(fēng)險(xiǎn)的影響，這在某種程度上會(huì)降低評(píng)估結(jié)果的準(zhǔn)確性。

本文選取的安徽省95上市公司中ST公司只有3家，占比較小。因此，在某種程度上可能會(huì)放大研究的誤差。