因子分析在上市公司信用风险评价中的应用[毕业论文].doc

1、 本科 毕业 论文 （二零 届） 因子分析在上市公司信用风险评价中的应用 所在学院 专业班级 统计学 学生姓名 学号 指导教师 职称 完成日期 年 月 摘要： 上市公司信用风险的度量是一项非常复杂的系统工程。近年来我国证券市场的上市公司因财务状况异常而被特别处理的现 象屡见不鲜， 对上市公司信用风险的评价 ，能实时对公司的生产经营过程和财务状况进行跟踪监控，及时地进行财务预警分析，发现财务状况异常的征兆，并迅速 报警 ，及时采取应变措施，避免或减少损失。 研究上市公司的信用风险管理对证券市场的监管、金融机构的信贷风险控制以及投资者的利益保护具有重要的现实意义。 本文首先界定了上市公司信用风险的

2、定义及分类，对信用风险度量的相关方法和文献进行了回顾，对 我国在该领域所获得的研究成果进行了介绍，并对拟采用的信用风险度量方法进行详细的理论论述。在此基础上，选择了 沪市主板 49家 ST公司和 98家非 ST公司作为研究样本 ，采用 SPSS 统计分析软件中的因子分析法和 Logistic回归分析法，建立了基于财务报表分析的我国上市公司信用风险度量的新模型。实证研究表明，模型对预测样本的预测正确率都非常的高。 关键词： 上市公司；信用风险；因子分析； Logistic模型 本科毕业论文（设计） Factor Analysis in Credit Risk Evaluation of list

3、ed companies application Abstract: The measure of credit risk of listed companies is a very complicated system. In recent years, Chinas stock market listed companies financial position of the anomaly was special treatment are common occurrences, Credit risk on the evaluation of listed companies, rea

4、l-time production and management of the companys financial condition and tracking and monitoring, early warning and timely conduct financial analysis, we found signs of unusual financial situation, and the police immediately, in time to take contingency measures to avoid or reduce losses .Of credit

5、risk management of listed companies on securities market regulation, financial institutions, credit risk control and protection of the interests of investors has important practical significance. This paper defines the credit risk of listed companies in the definition and classification of the relat

6、ed credit risk measurement methods and reviewed the literature on China in the field results obtained were introduced, and the intended use of the credit risk measurement methods detailed theoretical discussion. On this basis, select the Shanghai main board 49 ST companies and 98 non-ST as the resea

7、rch sample, the use of SPSS statistical analysis software factor analysis and Logistic regression analysis was established based on analysis of financial statements of listed companies in China new model of credit risk measurement. Empirical studies have shown that the prediction model correctly pre

8、dicted the sample rate is very high. Key words: listed companies； Credit Risk ； factor analysis； Logistic regression model 本科毕业论文（设计） 目录 1引言 . 1 1.1本文研究的背景 . 1 1.2 基本概念的界定 . 1 1.3 国内外研究动态 . 2 1.4 本文所做的工作 . 4 1.5 本文主要创新点 . 4 2 上市公司信用风险度量模型的构建 . 5 2.1研究所涉及的模型和方法的理论探讨 . 5 2.2 样本的选择 . 6 2.3 模型指标的确定 . 9

9、3 上市公司信用风险评价的实证研究 . 12 3.1财 务指标的因子分析 . 12 3.2 LOGISTIC回归分析与违约判别模型的建立 . 17 4 结论与政策建议 . 19 4.1 研究的结论 . 19 4.2 政策建议 . 19 致 谢 . 错误 !未定义书签。 主要参考文献 . 20 本科毕业论文（设计） 1 1 引言 1.1 本文 研究的背景 2008年，一场由美国金融危机引发的经济危机席卷全球，美国经济全面衰退，全球经济大萧条 ， 企业信用风险暴露出越来越严重的问题，己成为各国经济所面临的主要风险之一。对企业信用风险的评价 ，能实时对公司的生产经营过程和财务状况进行跟踪监控，及时地

10、进行财务预警分析，发现财务状况异常的征兆，并迅速 报警 ，及时采取应变措施，避免或减少损失 。上 市公司作为市场经济的重要主体，其信用状 况尤其应该受到重视。 截至 2009年年末，我国上市公司总数达 1718家 。上证报统计显示， 2009年上市公司应收账款共计 8450.90亿元，较 2008年度的 6720.08亿元增长 25.76。这一结果显示，国内企业尤其是上市公司的拖欠或延付货款问题很严重，信用风险不可小视。 研究上市公司的信用风险问题对证券市场监管、投资者利益保护以及信贷机构风险控制都具有重要的现实意义。信用风险评估作为一种防范信用风险的社会监督手段，是市场经济发展到一定阶段的必

11、然产物，其对市场经济的重要性和促进作用已得到了理论研究的证明和发达国 家实践的检验。 1.2 基本概念的界定 1.2.1 信用风险的概念 关于信用风险，一直以来没有一个统一的定义，国内外学者从不同的角度对信用风险作了一些阐释。一般来说，企业发生财务困境是一种经营失败 (business failure)，最严重的情况下，财务困境可导致企业破产，而在投资者眼中，这种潜在的破产风险就可以归为信用风险。 信用风险又称违约风险，是指借款人、证券发行人或交易对方因种种原因不愿或无力履行合同条件而构成违约，致使银行、投资者或交易对方遭受损失的可能性。信用风险广泛存在于经济个体之间的交往中， 已成为制约我国

12、经济运行的瓶颈。信用风险的广泛存在增加了市场交易的风险和成本，阻碍了市场主体间的正常经济活动，压抑了资金的活跃性，使企业的商品交换不能正常进行，企业流动资金紧张，经营效率低下，阻碍了金融市场的有效运行，进而严重阻碍了市场经济的完善。这也导致了市场经济秩序混乱，加剧了社会财富的分配不公，影响了社会安定与经济的发展。 1.2.2 上市公司的信用风险 上市公司的信用风险，具体表现为上市公司在与其它组织、个人交易，以及为维持或扩大经营而从银行贷款、向其它组织或个人借债和发行证券融资过程中存在的拖欠账款 、债务和圈钱等失信行为。即使在高度发达的市场经济国家，失信事件也时常发生，比如安然会计本科毕业论文（

13、设计） 丑闻、世界通信丑闻等。我国的上市公司大多数是从国有企业脱胎而来的，与成熟市场经济国家的公司相比，在公司治理机制上存在着先天性的缺陷。而与上市公司利益攸关的各方，由于追求自身经济效益最大化的动机的驱使，也会加剧信用风险的程度。银广厦事件、成都红光事件等都反映了以上问题。 1.3 国内外研究动态 近几十年来，信用评价主要基于会计信息中的财务指标特征计算违约风险以及等级划分。评价的方法和模型有经济计量技术（判别分析、回归分析、分 类选择模型等）、人工智能模型（神经网络技术、分类树等）、最优化模型、经验和专家的系统方法（ 5C法等）和模糊系统方法等。由于指标的选取和数据搜集存在着困难，多种方法

14、理论上可行，实践上不易实现。以综合财务指标为解释变量，运用计量统计方法建立模型。 西方国家的信用风险管理已经形成了成熟的理论和实践体系，包括信用风险定量研究中采用的新的技术。而我国信用风险分析以及管理方面存在很多不完善的地方，由于体制上的原因各类经济主体信用风险的度量和管理在很大的程度上被忽略了，信用风险的度量和管理研究成果较少。 1.3.1 国外 的信用风险研究 对公司信用风险研究是从公司财务困境的研究开始的。对公司破产或经营失败的预测研究最早可以追述到上个世纪的 30年代。 Fitzpatri（ 1932）是最早进行单变量研究企业破产概率的是，他选择 19个公司作为样本，运用单个财务比率指

15、标将样本划为破产和非破产两组，发现判别能力最高的是净利润 /股东权益和股东权益 /负债二个比率。 Beaver于 1967年提出传统的信用分析法，他从 1954到 1964年间的危机公司中随机抽样 79个公司，利用配对法为每个样本公司找出一个属于相同产业、相似规模的正常公司进行比较 ,以 检验 14个财务比率在两组公司失败前的 5年，财务指标是否存在差异性。研究结果表明，“现金流量 /负债总额”是预测经营失败的最佳指标 ,其次为“负债 /总资产”和资产报酬率。彼沃虽然运用了许多财务会计信息，对各种财务比率进行比较，但这一方法基本上属于定性分析法，属于一种单变量的测定法。单变量测定法最大的缺陷就

16、在于它不能对不同的财务比率的重要性进行排序，于是他提出了构建多变量的信用风险预测法。 多元线性判别分析模型的典型代表是美国纽约大学斯特商学院教授阿尔特曼（ Edward I. Altman）提出了著名的 Z评分模型（ Z Score Model）和 ZETA信用风险模型。 Z评分模型是一种多变量式的判别模型，主要是依据数理统计中的辨别分析技术，对银行过去的贷款案例进行统计分析，选择一部分最能反映借款人的财务状况，对贷款质量影响最大，最具有预测或本科毕业论文（设计） 分析价值的比率，设计出一个能最大程度地区分贷款风险度的判别函数。 利用多元回归来判别企业信用风险的代表是 Horrigan,他使用

17、多元回归模型预测 Moody与 S&P的评价，对各个不同的等级给予主观数值，最后回归模型包含 6个变量，依次是总资产、债券价格、营运资金 /营运收入、净值周转率与净利 率。预测准确率为 Moody为 58%， S&P为 62%。 Ohlson利用假设条件稍微宽松的 Logistic分析来建立预测模型，扩大正常对比公司的样本数量，扩大正常公司与非正常公司的数量差距，采用 1970-1976年 105家破产公司及 2056家正常公司为研究对象，采用 9个财务变量来估计模型，实证结果表明判别正确率为 92%以上。其中五项财务比率具有统计显著性，分别是总资产 /GNP物价指数后取对数、总负债 /总资产

18、、资产报酬率、营运资金 /总资产、流动负债 /流动资产。 1.3.2 国内的信用研究方法 卢世春、欧阳植 (1999)采用我国 296家上市公司 1992年一 1995年的财务数据，选取了 5项财务比率作为自变量： (1)X1为营运资金总资产； (2)X2为 (股东权益一总股本 )总资产；(3)X3为税前利润总负债； (4)X4为股东权益总负债； (5)X5为主营业务收入总资产，运用多元统计分析中的聚类分析法和判别分析法建立了商业银行信用风险跟踪预警监测模型。 陈静（ 1999）使用多元判别法进行实证研究，建立了评价企业信用风险水平的现行判别模型。方洪全、曾勇（ 2004）以银行实际贷款数据样

19、本为分析对象，使用 SAS软件在 66个 财务指标中选取 7个财务指标运用多元统计技术建立起线性判别模型，并根据对模型的检验证实了该判别模型对信用风险的定量评估有较强的解释和预测能力。 张玲 (2000)在财务危机预警分析判别模型一文中采用了 120家上市公司财务数据建立了 4个指标的判别模型。 2001年，她又以深沪两市 164家上市公司为样本对 Z值判别模型进行了修改，构造了 7个指标的 z值判别模型。 张后奇、刘月平等 (2005)以 2001年以来的亏损公司以及每股净资产低于 1元的上市公司作为财务危机公司样本，选取了 37个财务指标，采用 Logistic回归 分析作为主要建模方法。

20、研究结果认为在预测上市公司是否发生财务危机上，净利润总资产比、投资收益占利润总额比重、应收账款周转率、营业利润增长率、净资产增长率、长期负债总资产比、净利润增长率、存货周转率八个财务指标有着显著的预测判别作用。资产负债率和货币资金比流动负债两个指标在预测判别公司每股净资产是否小于零时有着重要作用。 陈晓、陈治鸿 (2000)以 1998年一 1999年被 ST的 37家公司为样本，选用被特别处理的上市公司前一年可以公开获得的年报财务信息，建立了 Logistic一回归模型并得到了 86 5本科毕业论文（设计） 的预测 准确度。 吴世农、卢贤义 (2001)以上市公司为对象，把 ST公司界定为陷

21、入财务困境的公司，选取了 1998年 -2000年 70家发生 ST的上市公司和 70家财务正常的上市公司为样本，应用剖面分析和单变量判定分析，研究上市公司财务困境出现前 5年内这两类公司 21个财务指标各年的差异，最后选定 6个为预测指标，应用 Fisher线性判定分析、多元线性回归分析和 Logistic回归分析三种方法，分别建立三种预测财务困境的模型。 李娜在其硕士论文中选择了 135 家上市公司 2004 年末和 2005 年末的年度财务报表作为研究 的样本，采用 SPSS 统计分析软件中的因子分析法和 Logistic回归分析法，建立了基于财务报表分析的我国上市公司信用风险度量的新模

22、型。实证研究表明，模型对预测样本的预测正确率都非常的高。 1.4 本文所做的工作 本文以沪市上市公司为研究对象，选定具体行业，通过对上市公司财务报表的分析，从资本结构、偿债能力、盈利能力、营运能力等方面收集财务指标，运用因子分析法筛选财务指标，建立 Logistic 回归模型。从实证的角度对模型进行了验证研究，并分析影响上市公司信用风险的主要因素。 1.5 本文主要创新点 本文的 创新点主要有以下四点： （ 1）区别于许多国内公司采用传统的定性研究方法，试图从财务指标出发，对上市公司信用风险进行定量研究。 （ 2）从财务管理的角度来看，试图建立适合我国上市公司信用风险度量的指标体系和度量信用风

23、险的多元回归模型，并希望通过对模型的实证检验，能够获得较好的预期结果。 （ 3）确定初始财务指标时，创新性的加入反映资产负债表结构的财务指标和反映现金流量表的财务指标，与以往经验性的选择财务指标有所不同。 （ 4）构建了独特的指标体系，且对预测上市公司信用风险具有较强的解释力。本文的回归模型建立在因子分 析的基础，有效避免了多重共线性，充分利用了关键的指标，效果较好。 本科毕业论文（设计） 2 上市公司信用风险度量模型的构建 2.1 研究所涉及的模型和方法的理论探讨 2.1.1 因子分析法 因子分析是多元统计分析中降维的一种方法，主要目的是浓缩数据。在研究多个变量的实际问题时，我们经常遇到诸多

24、变量之间存在强相关的问题，例如回归分析中的多重共线性问题，这会增加了分析问题的复杂性和解决问题的难度。我们希望能找到合理的个数较少的互相独立的综合因子去替代原有变量大部分信息，这样既可以减少所要分析的变量个数，又尽量不损失原变量所包含的 信息，而因子分析法很好地解决了这个问题。 因子分析的数学模型： 设原有 P个可观测的变量为 Xi (i=1， 2， p) ，且每个变量 (或经标准处理后 )的均值为 0，标准差均为 1。 m个不可观测的因子为 F1， F2， ， Fm。则因子分析的数学模型可表示为： Xi = 1i F1 + + im Fm +i (m p ) （一） F1， F2， Fm是公

25、共因子，且两两之间正交。 1 ， 2 ， . p 是特殊因子，只对 Xi 起作用。 ij 是公共因子的载荷，是第 i个变量在第 j个因子上的载荷。矩阵是载荷矩 阵。因子分析的目标就是求出能够控制原始变量的因子 Fj ，让其尽可能多地包含原始变量的信息，从而达到明确观测内容、简化观测系统的目的。 因子载荷：在各公共因子不相关的前提下，公共因子的载荷 ij ，是第 i个变量在第 j个因子上的相关系数，即表示 Xi 依赖 Fj 的比重，反映了第 i个变量在第 j公共因子上的相对重要性。载荷较大，说明第 i个变量与第 j个因子的 关系越密切；载荷较小，则说明第 i个变量与第 j个因子的关系越疏远。 变

26、量共同度：也称为公共方差。原有变量 Xi 的共同度定义为因子载荷矩阵 ij 中第 i行元素的平方和，即 h2i =mj ij12 。在原有变量 Xi 标准化的前提下， Xi 的方差可以表示成 h2i +e2i =1因此，可以认为，原有变量 Xi 的方差由两部分组成：第一部分为变量共同度 h2i ，反映了全部公共因子变量对原有变量 Xi 总方差解释说明的比例，体现了公共因子对原有变量 Xi 的贡献程度。可见， h2i 越接近于 l，说明公共因子己经解释说明了 原有变量 Xi 的几乎全部信息；第本科毕业论文（设计） 二部分是特殊因子 e2i 。它反映了原有变量方差中无法被公共因子刻画的比例。一般认

27、为，如果大部分变量的共同度都高于 O 8，则说明提出的公共因子己经基本上反映了各原始变量80以上的信息，仅有较少的信息丢失，因子分析效果较好。因此，各个变量的共同度是衡量因子分析效果的一个变量。公共因子 E的方差贡献度：定义为因子载荷矩阵 ij 中第 j列各元素的平方和，即： Sj =pi ij12 ，可见，公共因子 Fj 的方差贡献 度反映了因子 Fj 对所有原始变量总方差的解释能力，其值越高，说明该因子的重要程度越高。 与众多统计分析方法相比，因子分析方法具有以下优点 : 第一，因子分析方法能够保证财务指标在度量上市公司信用风险大小中充分全面的反映上市公司信用风险信息。 第二，因子分析方法

28、能够保证上市公司信用风险评估模型中财务指标权重的科 学性及合理性。 第三，因子分析方法能够保证在原始财务指标基础上产生的公共因子具有可比性。在因子分析过程中，由于对各个指标进行了标准化处理，所以使各种不同度量的指标划成了同度量的指标，消除了原始数据级上的差别，这就使得各个经济指标以及公共因子之间具有可比性和可加性。因此，本文在财务指标的筛选过程中采用因子分析法来降低变量维度和剔除指标之间的相关性。 2.1.3 Logistic回归模型 在借鉴已有的这些研究成果和吸收现代信用风险度量模型和方法的基础上，本文选取Logistic模型作为主要的研究方法。下面就该模 型的理论部分进行探讨。将上市公司违

29、约事件发生的条件概率设为 1( ii yPp | )., 21 kiii xxx ，将得到下列 Logistic 回归模型： kk kikii xpp 1)1ln ( （二） 本文之所以选择 Logistic 回归模型，是由于 Logistic 回归模型对变量的分布没有具体要求，适用性更广；使用简单的 t 检验就能评估不同比率的相对重要性；在解决因变量是二分类的问题上，可以很好的处理解释 变量和被解释变量之间的关系；回归建立好模型后，在实际运用中非常简单、方便，结果是违约的概率，比较直观明了；本文中假设 ST企业的因变量值为 0，非 ST的因变量值为 1，属于二分类问题。因此， Logistic 回归适用于本文的研究。 2.2 样本的选择