制造業(yè)上市公司信用風(fēng)險評估

郝佳蓓　韓珂

【摘要】隨著經(jīng)濟全球化的到來，金融市場內(nèi)的波動相關(guān)性不斷加劇，信用風(fēng)險越來越成為企業(yè)經(jīng)營狀況的重要影響因素。我國制造業(yè)當(dāng)下面臨著前所未有的危機，大量的制造業(yè)上市公司紛紛破產(chǎn)，其中最主要的因素就是信用危機。所以對制造業(yè)上市公司來說，信用風(fēng)險評估至關(guān)重要。本文以我國2005年之前上市的制造業(yè)上市公司為樣本，以是否ST作用信用狀況的評價指標(biāo)，應(yīng)用主成分分析和logit模型對我國制造業(yè)上市公司的信用風(fēng)險進行分析。

【關(guān)鍵詞】制造業(yè)上市公司 信用評估 主成分分析 logit

一、序言

“中國制造”曾一度風(fēng)靡全球，成本低廉。而現(xiàn)在，“中國制造”正遭遇著空前的危機，越來越多的人對中國制造業(yè)的前景表示不樂觀。中國制造產(chǎn)業(yè)目前大多數(shù)仍停留在產(chǎn)業(yè)鏈的最低端，產(chǎn)品技術(shù)差，利潤小，基于這種情況，市場一旦出現(xiàn)問題，企業(yè)就會難以為繼。另外，中國雖然被稱為制造大國，但是真正拿得出手的品牌卻很少。制造業(yè)上市公司的信用風(fēng)險，嚴(yán)重地影響到了社會上廣大投資者和金融機構(gòu)經(jīng)營收益，信用風(fēng)險已經(jīng)成為市場環(huán)境中上市公司所面臨的最重要的金融風(fēng)險，識別和防范上市公司信用風(fēng)險極為重要。

二、國內(nèi)外研究現(xiàn)狀

WilliamBeaver（1966）在1968年提出了單變量預(yù)測模型。他將79家失敗企業(yè)和與其相對應(yīng)的79家成功企業(yè)作為樣本進行研究，結(jié)果表明，債務(wù)保障率的準(zhǔn)確率最高，并且離被ST的時間越近，準(zhǔn)確率越高。Ohlson在1980年將1970到1976年間的105家破產(chǎn)公司和2058家非破產(chǎn)公司作為非配對樣本，首次采用邏輯回歸方法建立預(yù)警模型。

陳靜（1999）將1998年之前的27對上市公司作為樣本，用總資產(chǎn)收益率，流動比率，凈資產(chǎn)收益率和資產(chǎn)負(fù)債率這四個財務(wù)指標(biāo)進行研究，發(fā)現(xiàn)這種方法雖然有局限，但具有一定的實踐意義。張愛民、祝春山（2001）在Z評分模型的基礎(chǔ)之上，選取80家公司，采用主成分分析方法來建立主成分預(yù)測模型，并證明主成分預(yù)測模型在上市公司財務(wù)狀況預(yù)測方面能夠取得較好的預(yù)測能力。陳曉蘭和任萍（2011）將AHP與Logit相結(jié)合，構(gòu)建了混合模型，其預(yù)測正確率達到了93.3%。

三、我國制造業(yè)上市公司信用風(fēng)險評估實證研究

本文采用logit的方法來對我國制造業(yè)上市公司信用風(fēng)險的評估進行實證研究，在使用logit的方法研究之前，先對數(shù)據(jù)進行預(yù)處理，對數(shù)據(jù)進行標(biāo)準(zhǔn)化，并進行主成分分析。使用主成分分析之后的指標(biāo)與數(shù)據(jù)帶入logit中，得到最終的結(jié)果。

（一）樣本選取

本文采用我國深市制造業(yè)上市公司中的非ST公司和ST公司作為樣本。選擇2009～2015年間首次被ST或*ST的上市公司作為ST樣本，選擇2005年前上市并且從未被ST的上市公司作為非ST的樣本。這是因為剛上市的公司可能因為經(jīng)營不穩(wěn)定等原因，各種數(shù)據(jù)可能與早上市的公司有所差距，導(dǎo)致模型的不準(zhǔn)確。

（二）數(shù)據(jù)來源

本文從銳思（RESSET）金融研究數(shù)據(jù)庫中獲取數(shù)據(jù)，選擇2005～2015的所有深市制造業(yè)上市公司的ST與非ST情況，從中選出2009～2015年間首次被ST或*ST的上市公司的14家作為ST樣本，并從中挑出所有2005～2015年間從未被ST的公司作為備選非ST組。搜索每一個ST樣本所屬的二級分類，并從備選非ST組中選擇與之同行業(yè)的，資產(chǎn)總額最接近的一家非ST公司作為該ST公司的配對樣本，這樣獲得了14個非ST樣本。由于上市公司某一年的財務(wù)報表在下一年的四月份才會發(fā)布，所以企業(yè)在某一年被ST表明該企業(yè)在T-1年已經(jīng)連續(xù)虧損兩年，所以我們選擇ST前兩年（即T-2年）的數(shù)據(jù)樣本數(shù)據(jù)。我們選擇如下指標(biāo)：每股凈資產(chǎn)（元/股）_NAPS、資產(chǎn)負(fù)債率（%）_Dbastrt、每股息稅前利潤（元/股）_EBITPS、每股未分配利潤（元/股）_UndivprfPS等指標(biāo)。

（三）數(shù)據(jù)分析

主成分分析是數(shù)學(xué)上對數(shù)據(jù)降維的一種方法。其基本思想是設(shè)法將原來眾多的具有一定相關(guān)性的指標(biāo)X1，X2，XP（比如p個指標(biāo)），重新組合成一組較少個數(shù)的互不相關(guān)的綜合指標(biāo)Fm來代替原來指標(biāo)。那么綜合指標(biāo)應(yīng)該如何去提取，使其既能最大程度的反映原變量Xp所代表的信息，又能保證新指標(biāo)之間保持相互無關(guān)（信息不重疊）。本文的研究所選用的變量相互之間都存在著很大的多重共線性，所以我們首先使用主成分分析來消除相關(guān)性。

由結(jié)果可知，第一個主成分的特征根為4.84235，占總特征根的比例（方差貢獻率）為0.4842，這表示第一個成分解釋了原來10個變量的48.42%。可見第一個成分對原來10個變量的解釋不夠。加上的二個主成分之后，方差貢獻率變?yōu)?.7097，前兩個成分可以在很大程度上解釋原來10個變量。其中，成分1主要代表的變量為x2，x4，x5，x6，x7，x8，而成分2主要代表的是x1，x3，x7，x9，x10。

我們的模型中，因變量屬于二值選擇模型，因此，不可以使用簡單的回歸，而應(yīng)該使用logit回歸。根據(jù)主成分分析得出的數(shù)據(jù)，我們使用STATA進行l(wèi)ogit檢驗。

結(jié)果顯示，主成分1的p值為0.265，主成分2的p值為0.671。由此可知，兩種主成分都不顯著。這可能是由于選取的變量對一個企業(yè)是否被ST沒有起到?jīng)Q定性的作用，但這不能說明企業(yè)的各種狀況不影響企業(yè)是否被ST。

四、建議

基于logit信用風(fēng)險評估未來研究的幾點建議：

一是本文中選擇的指標(biāo)最初為10個，由于實證結(jié)果并不理想，所以筆者建議，未來的研究者可以加大指標(biāo)的數(shù)量，并對指標(biāo)進行更嚴(yán)格的篩選，以求最高的準(zhǔn)確率。

二是可以嘗試將logit與其他方法相結(jié)合的混合方法，以完善信用風(fēng)險評估模型。

參考文獻

[1]W.H.Beaver，F(xiàn)inancial Rations as Predictors of Failure[J].Journal of Accounting Research （supplement），1966：77-111.

[2]Ohlson.J.A，F(xiàn)inancial Ratios and the Probabilistic Prediction of corporate bankruptcy[J].Journal of Accounting Research，1980（1）：109-131.

[3]陳靜.上市公司財務(wù)惡化預(yù)測的實證分析[J].會計研究.1999（4）.

[4]張愛民，祝春山.上市公司財務(wù)失敗的主成分預(yù)測模型及其實證研究[J].金融研究.2001（3）.

作者簡介：郝佳蓓（1994-），女，漢族，山西省臨汾市，山西財經(jīng)大學(xué)，碩士研究生在讀，金融學(xué)；韓珂（1993-），女，漢族，山西省永濟市，山西財經(jīng)大學(xué)，碩士研究生在讀，金融學(xué)。