论文部分内容阅读
摘 要：上市公司的财务基本面一般能够反映出公司在生产经营过程中可能遭遇经营管理不善、宏观经济不景气等原因所导致的无力支付到期债务或费用、公司经营出现困难甚至破产等财务危机的情况。文章根据上市公司的财务指标基于全局Fisher判别的快速聚类模型构造出上市公司信贷违约风险评级体系，用以实现对上市公司可能存在的经营和财务问题所导致的信贷违约风险进行预测与识别，对上市公司财务基本面的研究与应用进行了探讨。
关键词：基本面 Fisher判别 快速聚类 信贷违约风险
中图分类号：F830.91 文献标识码：A
文章编号：1004-4914（2013）03-095-03
一、上市公司信贷违约风险评级的必要性与可行性
上市公司的经营状况与财务状况往往通过财务指标进行识别与判断，而上市公司因为其经营不善或是财务问题，给银行与其他债务人造成的信贷违约风险严重影响了债务人资金的安全性，导致债务人坏账损失的发生。因此，对于我国商业银行系统来说，专业审贷人员是建立在对上市公司财务指标的经验审查之上。这种基于主观判断与定性审查往往是流于形式，使得对上市公司的信贷违约风险不具备良好的预先识别性。因此，如果通过现有的财务指标体系，构造一个具有科学可控、量化有效特征的上市公司信贷违约风险识别机制，将能够最大限度地为上市公司的债权人与投资者提供有效的决策信息与建议。
我国商业银行对其借款人的信贷违约风险评级主要是传统的模式，即基于专业人员的定性经验判断之上，通过“5C”等评价体系对企业信贷对象进行财务状况的审查。即通过对已有的上市公司财务指标进行定量化与系统化处理，形成对信贷违约风险的可识别机制，将会提高对上市公司信贷违约风险的识别准确度与预警的效率。而通过对相关文献的梳理与研究发现，不少学者已经在此领域采取了基于财务数据的模型研究，本文正是基于这样的思路，通过公司会计中用得最为广泛的杜邦财务指标来构建上市公司的信贷违约风险模型。实现基于企业财务指标的信贷违约风机制的建立，使债权人与投资者能对企业债务人的财务风险进行科学的识别、分类、预警。
二、上市公司信贷违约风险评级的财务指标体系
杜邦财务指标体系在企业财务指标体系中广泛使用，其特点是以权益报酬率为核心的基本财务指标体系，主要包括偿债能力、营运能力、盈利能力与成长能力的企业经营过程中方方面面的内容。
在财务会计实务中，采用杜邦财务指标体系中各个指标来衡量企业财务状况（吴世农，在“我国上市公司财务困境的预测模型研究”，2001）的某一方面或利用各个指标间数量联动关系来衡量企业财务的综合状况，是比较普遍的财务指标分析法。对于上市公司来说，基于财务指标的分析被称之为公司基本面分析。但是，通过单个财务指标或是杜邦财务指标体系的简单联动运用，难以科学地掌握到对上市公司信贷违约风险发生的核心指标，也就难以实现对信贷违约风险进行的预测与识别。
本文基于杜邦财务指标体系构建出信贷违约风险评级指标体系，并参考了相关文献资料，筛选、设计出上市公司信贷违约风险的指标体系，为进一步的建模分析提供基础与条件。
三、基于Fisher判别与快速聚类法的评级模型
信贷违约风险评级的对象是将信贷违约风险高的企业从正常经营的企业中识别出来，即本文研究的对象分为信贷违约风险高的对象与经常经营的企业对象，这需要利用上市公司的ST企业的警示标识。本文在对拟研究对象进行信贷违约风险评级时，首先对研究对象进行ST类企业与非ST类企业区分，以此作为判别分析的基础对象。
（一）Fisher判别模型
1.从上市公司分为ST与非ST两总体中取得两组P维指标数据值之后，利用法线产生对应投影值，由此得到不同信贷违约风险级别的上市公司的对应财务指标特征值。
2.利用P维指标投影值组成一元方差分析的数据，构造出组间平方和与组内平方和：
信贷违约风险不同级别的上市公司两总体之间（存在信贷违约风险警示企业与正常经营的企业）的组间平方和：
（二）快速聚类模型
聚类分析指将物理或抽象对象的集合组成为由类似的对象集合而成多个类的分析过程，其目标就是在相似的基础上收集数据来分类。基于上市公司财务指标的Fisher判别模型，能够充分地识别出高信贷违约风险与正常经营的上市公司的类型，但对于债权人与投资者来说，除了对上市公司信贷违约风险0—1两极的判别，更有价值的是实现梯级分类，即不同水平的信贷违约风险一一呈现达到为债权人甄别上市公司信贷风险、为投资者提供上市公司经营与财务问题信息的功能。
1.聚类分析的原理。将多维财务指标构建出简单的类结构，并通过距离函数实现类与类之间的相关性测度。
（1）标准化各指标数据。
2.适用性。聚类分析是一种基于距离函数的非参数统计分析方法。通过财务指标对象对不同类中心的距离函数进行分类，具有对事物自然属性判别的客观性。由于，上市公司具有不同的经营状况与财务情况，其对应的信贷违约风险也呈现出不同的类别，尤其是在高信贷违约风险与低信贷违约风险的上市公司之间存在着不同信贷违约风险层次。因此，利用聚类法可实现同一信贷违约风险警度下上市公司财务指标体系的特征共性分析提供基础，也可为不同信贷违约风险程度下上市公司财务指标体系的对比分析提供条件。
（三）实证结果分析
本文通过SPSS18.0，以2009—2011年480家ST类企业与487家非ST类企业为判类对象，基于筛选出的五类一级财务指标，12个二级指标（流动比率，速动比率，资产负债比率等）进行基于全局Fisher函数的二类线性判定分析。
1.基于Fisher判别模型实证结果。
标准化变量的系数也即判别权重，用来表示标准化后的各个变量对判别分类的重要性。对于信贷违约风险判类分析来看，财务指标中的流动比率、速动比率与流动资产周转率表现出在判类分析中较大的判别权重，说明ST类企业所指明的高信贷违约风险企业的生产经营环节不畅成为企业发生信贷违约的主要特征。 （2）分类函数。
（3）判类结果。
依据上表错判矩阵可知，交叉验证（留一个观测值在外）实现了86.0%的预测精度。从判类结果看，基于11个财务指标的信贷违约判别模型对信贷违约风险低的上市公司的判别精度略高于信贷违约风险高的ST类企业（88.9%>81.7%；88.7%>83.3%）。
2.基于快速聚类的信贷违约风险警度评级分析。
根据2009—2011年上市公司高信贷违约风险的ST类与低信贷违约风险的非ST类判别分析，得到的判别函数Z得分值作为快速聚类变量，两类上市公司之中分别进行类别为4类的快速聚类，得到8类不同级别的信贷风险警度。
即通过2009—2011年三年的上市公司财务指标构造的信贷违约风险判别模型，得到的判别Z得分系数，并通过该系数的快速聚类实现了对上市公司不同信贷违约风险级别的划分。债权人与投资人即可根据对上市公司财务指标体系的信贷违约风险评级标准进行信贷或投资决策。
四、结论与进一步研究方向
显然，本文通过对上市公司信贷违约风险的评价建模发现，财务指标体系注重上市公司的经营状况，其与信贷违约风险相关的杜邦财务指标体系指标（如资产负债情况，周转情况）与公司的经营状况密切相关。由此，通过反映上市经营状况的财务指标能够识别出企业因经营不善或是流动性不足等问题造成的信贷违约风险，即通过全局Fisher判别可将高信贷违约风险的ST类上市公司与低信贷违约风险的非ST类上市公司进行精度为86.0%的区分，实现了对上市公司信贷违约风险的判别。进一步来说，要对上市公司的信贷违约风险精度再进行区分，就要利用快速聚类进行不同信贷违约风险的聚类；而利用的划分依据则是基于Fisher判别分析得到的Z函数，即根据典则判别系数得到的Z得分函数进行信贷违约风险的划分。
财务指标体系是良好的信贷违约风险判别指标，但存在多个单变量之间的多重共线性，本文并未单独讨论指标之间的多重共线性问题，而是容忍多重共线性的存在，虽然对于模型自身的一致性没有影响，这对模型的预测精度与评级质心的存在一定的影响。因此本文将继续通过对实证方法的深度挖掘和使用实现进一步的信贷违约风险研究，以对上市公司的信息使用者提供更为精确的投资判断的信息。
参考文献：
1.周泓，邱月.交叉熵算法在企业违约风险评估中的应用研究[J].计算机工程与应用，2008，44（20）：13-16
2.汪冬华.我国上市公司行业分析方法及违约风险预警模型研究[D].华中科技大学，2004
3.张智梅，章仁俊.KMV模型的改进及对上市公司信用风险的度量[J].统计与决策，2006（18）：157-160
4.黄卉.关于我国上市公司违约风险评价效率的研究[J].中国总会计师，2011（6）：86-87
5.蔡薇.KMV模型的修正及对我国上市公司信用风险评估的实证研究[D].对外经济贸易大学，2010
6.郭富霞，路兰，高齐圣等.基于主成分的Logistic模型的上市公司信用风险评价分析[J].青岛大学学报（自然科学版），2012，25（2）：106-110.
（作者单位：从化市职业技术学校 广东从化 510900）
（责编：若佳）
关键词：基本面 Fisher判别 快速聚类 信贷违约风险
中图分类号：F830.91 文献标识码：A
文章编号：1004-4914（2013）03-095-03
一、上市公司信贷违约风险评级的必要性与可行性
上市公司的经营状况与财务状况往往通过财务指标进行识别与判断，而上市公司因为其经营不善或是财务问题，给银行与其他债务人造成的信贷违约风险严重影响了债务人资金的安全性，导致债务人坏账损失的发生。因此，对于我国商业银行系统来说，专业审贷人员是建立在对上市公司财务指标的经验审查之上。这种基于主观判断与定性审查往往是流于形式，使得对上市公司的信贷违约风险不具备良好的预先识别性。因此，如果通过现有的财务指标体系，构造一个具有科学可控、量化有效特征的上市公司信贷违约风险识别机制，将能够最大限度地为上市公司的债权人与投资者提供有效的决策信息与建议。
我国商业银行对其借款人的信贷违约风险评级主要是传统的模式，即基于专业人员的定性经验判断之上，通过“5C”等评价体系对企业信贷对象进行财务状况的审查。即通过对已有的上市公司财务指标进行定量化与系统化处理，形成对信贷违约风险的可识别机制，将会提高对上市公司信贷违约风险的识别准确度与预警的效率。而通过对相关文献的梳理与研究发现，不少学者已经在此领域采取了基于财务数据的模型研究，本文正是基于这样的思路，通过公司会计中用得最为广泛的杜邦财务指标来构建上市公司的信贷违约风险模型。实现基于企业财务指标的信贷违约风机制的建立，使债权人与投资者能对企业债务人的财务风险进行科学的识别、分类、预警。
二、上市公司信贷违约风险评级的财务指标体系
杜邦财务指标体系在企业财务指标体系中广泛使用，其特点是以权益报酬率为核心的基本财务指标体系，主要包括偿债能力、营运能力、盈利能力与成长能力的企业经营过程中方方面面的内容。
在财务会计实务中，采用杜邦财务指标体系中各个指标来衡量企业财务状况（吴世农，在“我国上市公司财务困境的预测模型研究”，2001）的某一方面或利用各个指标间数量联动关系来衡量企业财务的综合状况，是比较普遍的财务指标分析法。对于上市公司来说，基于财务指标的分析被称之为公司基本面分析。但是，通过单个财务指标或是杜邦财务指标体系的简单联动运用，难以科学地掌握到对上市公司信贷违约风险发生的核心指标，也就难以实现对信贷违约风险进行的预测与识别。
本文基于杜邦财务指标体系构建出信贷违约风险评级指标体系，并参考了相关文献资料，筛选、设计出上市公司信贷违约风险的指标体系，为进一步的建模分析提供基础与条件。
三、基于Fisher判别与快速聚类法的评级模型
信贷违约风险评级的对象是将信贷违约风险高的企业从正常经营的企业中识别出来，即本文研究的对象分为信贷违约风险高的对象与经常经营的企业对象，这需要利用上市公司的ST企业的警示标识。本文在对拟研究对象进行信贷违约风险评级时，首先对研究对象进行ST类企业与非ST类企业区分，以此作为判别分析的基础对象。
（一）Fisher判别模型
1.从上市公司分为ST与非ST两总体中取得两组P维指标数据值之后，利用法线产生对应投影值，由此得到不同信贷违约风险级别的上市公司的对应财务指标特征值。
2.利用P维指标投影值组成一元方差分析的数据，构造出组间平方和与组内平方和：
信贷违约风险不同级别的上市公司两总体之间（存在信贷违约风险警示企业与正常经营的企业）的组间平方和：
（二）快速聚类模型
聚类分析指将物理或抽象对象的集合组成为由类似的对象集合而成多个类的分析过程，其目标就是在相似的基础上收集数据来分类。基于上市公司财务指标的Fisher判别模型，能够充分地识别出高信贷违约风险与正常经营的上市公司的类型，但对于债权人与投资者来说，除了对上市公司信贷违约风险0—1两极的判别，更有价值的是实现梯级分类，即不同水平的信贷违约风险一一呈现达到为债权人甄别上市公司信贷风险、为投资者提供上市公司经营与财务问题信息的功能。
1.聚类分析的原理。将多维财务指标构建出简单的类结构，并通过距离函数实现类与类之间的相关性测度。
（1）标准化各指标数据。
2.适用性。聚类分析是一种基于距离函数的非参数统计分析方法。通过财务指标对象对不同类中心的距离函数进行分类，具有对事物自然属性判别的客观性。由于，上市公司具有不同的经营状况与财务情况，其对应的信贷违约风险也呈现出不同的类别，尤其是在高信贷违约风险与低信贷违约风险的上市公司之间存在着不同信贷违约风险层次。因此，利用聚类法可实现同一信贷违约风险警度下上市公司财务指标体系的特征共性分析提供基础，也可为不同信贷违约风险程度下上市公司财务指标体系的对比分析提供条件。
（三）实证结果分析
本文通过SPSS18.0，以2009—2011年480家ST类企业与487家非ST类企业为判类对象，基于筛选出的五类一级财务指标，12个二级指标（流动比率，速动比率，资产负债比率等）进行基于全局Fisher函数的二类线性判定分析。
1.基于Fisher判别模型实证结果。
标准化变量的系数也即判别权重，用来表示标准化后的各个变量对判别分类的重要性。对于信贷违约风险判类分析来看，财务指标中的流动比率、速动比率与流动资产周转率表现出在判类分析中较大的判别权重，说明ST类企业所指明的高信贷违约风险企业的生产经营环节不畅成为企业发生信贷违约的主要特征。 （2）分类函数。
（3）判类结果。
依据上表错判矩阵可知，交叉验证（留一个观测值在外）实现了86.0%的预测精度。从判类结果看，基于11个财务指标的信贷违约判别模型对信贷违约风险低的上市公司的判别精度略高于信贷违约风险高的ST类企业（88.9%>81.7%；88.7%>83.3%）。
2.基于快速聚类的信贷违约风险警度评级分析。
根据2009—2011年上市公司高信贷违约风险的ST类与低信贷违约风险的非ST类判别分析，得到的判别函数Z得分值作为快速聚类变量，两类上市公司之中分别进行类别为4类的快速聚类，得到8类不同级别的信贷风险警度。
即通过2009—2011年三年的上市公司财务指标构造的信贷违约风险判别模型，得到的判别Z得分系数，并通过该系数的快速聚类实现了对上市公司不同信贷违约风险级别的划分。债权人与投资人即可根据对上市公司财务指标体系的信贷违约风险评级标准进行信贷或投资决策。
四、结论与进一步研究方向
显然，本文通过对上市公司信贷违约风险的评价建模发现，财务指标体系注重上市公司的经营状况，其与信贷违约风险相关的杜邦财务指标体系指标（如资产负债情况，周转情况）与公司的经营状况密切相关。由此，通过反映上市经营状况的财务指标能够识别出企业因经营不善或是流动性不足等问题造成的信贷违约风险，即通过全局Fisher判别可将高信贷违约风险的ST类上市公司与低信贷违约风险的非ST类上市公司进行精度为86.0%的区分，实现了对上市公司信贷违约风险的判别。进一步来说，要对上市公司的信贷违约风险精度再进行区分，就要利用快速聚类进行不同信贷违约风险的聚类；而利用的划分依据则是基于Fisher判别分析得到的Z函数，即根据典则判别系数得到的Z得分函数进行信贷违约风险的划分。
财务指标体系是良好的信贷违约风险判别指标，但存在多个单变量之间的多重共线性，本文并未单独讨论指标之间的多重共线性问题，而是容忍多重共线性的存在，虽然对于模型自身的一致性没有影响，这对模型的预测精度与评级质心的存在一定的影响。因此本文将继续通过对实证方法的深度挖掘和使用实现进一步的信贷违约风险研究，以对上市公司的信息使用者提供更为精确的投资判断的信息。
参考文献：
1.周泓，邱月.交叉熵算法在企业违约风险评估中的应用研究[J].计算机工程与应用，2008，44（20）：13-16
2.汪冬华.我国上市公司行业分析方法及违约风险预警模型研究[D].华中科技大学，2004
3.张智梅，章仁俊.KMV模型的改进及对上市公司信用风险的度量[J].统计与决策，2006（18）：157-160
4.黄卉.关于我国上市公司违约风险评价效率的研究[J].中国总会计师，2011（6）：86-87
5.蔡薇.KMV模型的修正及对我国上市公司信用风险评估的实证研究[D].对外经济贸易大学，2010
6.郭富霞，路兰，高齐圣等.基于主成分的Logistic模型的上市公司信用风险评价分析[J].青岛大学学报（自然科学版），2012，25（2）：106-110.
（作者单位：从化市职业技术学校 广东从化 510900）
（责编：若佳）