因子分析在上市公司信用风险评价中的应用[文献综述].doc

1、毕业论文文献综述 统计学 因子分析在上市公司信用风险评价中的应用 一 、 前言部分 在全球信用不断膨胀的背景下，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。市场经济本质上是信用经济，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。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。 在竞争如此激烈的今天，我国上市公司资产负债率偏高，这样虽然可以利用财务杠杆

2、，但更为重要的是面临巨大的债务危机；在国外从二战以后，为了对企业的信用状况进行预测，不断出现新的方法与模型，从定性到定量，从单一到复合，从传统计算方法到金融数学方法，随着时代的发展，经济状况的变化，一步步走向严密与精确，变得更加理性并符合客观实际。但是在中国，信用风险的预测做得非常不够，一般还使用信用评级方法，对信用风险的预测模型的开发也少有进展。随着世界经济一体化，信用风险必将增大，这些方法是无法有效防范和化解危机的，因此加 强信用风险预警模型的研究，科学有效地控制企业蛉信用风险，成为亟待解决的课题。所以，对上市公司信用风险预警模型的研究既有理论价值又有现实意义。 本文以上市公司为研究对象，

3、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、发展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。 二 、 主题部分 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，多种方法理论上可行，实践上不易实现。以综合财务指标为

4、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。分析信用风险在金融和学术界成为主流，评价效果显著。本文从国内外学者对研究信用风险进行综述。 （一）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。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。最早进行单变量研究企业破产概率的是 Fitzpatri（ 1932），他选择 1

5、9个公司作为样本，运用单个财务比率指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。 Beaver1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

6、量的测定法。单变量测定法最大的缺陷就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） 2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 Hor

7、rigan,他使用多元回归模型预测 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%。 Ohlson3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

8、、总负债 /总资产、资产报酬率、营运资金 /总资产、流动负债 /流动资产。 Altman. Marco对意大利公司财务危机预测中应用了神经网络分析法。Altman在对神经网络和判别分析法的比较研究中得出结论：神经网络分析方法在信用风险识别和预测中的应用，并没有实质性的优于线性判别模型 。 Andrews&Evi(2004)4的研究结果表明经营现金流指标含有增量信息，Logistic回归模型和神经网络模型均可用于预警，但 Logistic回归模型稍优于神经网络模型。 Marijalia Zekic Susac(2004)5将神经网络方法与 Logstic回归和决策树方法进行比较，得出结论，神经网

9、络方法优于其它方法。 （二）国内的信用研究方法 卢世春、欧阳植 (1999)6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)X。为营运资金总资产； (2)X：为 (股东权益一总股本 )总资产； (3)X。为税前利润总负债； (4)X。为股东权益总负债； (5)X。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） 7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 8（ 2004）以银行实际贷款数据样本为分析对象，使用 SAS软

10、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 4水平的线性判别模型，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 9(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 10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。研究结果认为

11、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 11(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的预测准确度。 吴世农、卢贤义 12(2001)14以上市公司为对象，把 ST公司界定为陷入财务困境的公司，选取

12、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。 1999年王春峰、万海晖和张维 13在基于神经网络技术的商业银行信用风险评估一文中，运用神经网络技术中的反向传播学习算法，对信用风险评估进行了研究 j他们选取了 87家公司样本和 5个指标，样本中 44家能够按时偿还贷款 43家不能偿还。研究结果表明，无论是

13、训练样本还是测试样本，神经网络的判断正确率都优于线性判别分析法。同时，作者还在本文研究证明了五个指标变量中没有变量与其他变量成线性关系。 常丽娟、张俊瑞 (2007)以企业财务信用评价为研究对象，对我国企业财务信用评价与管理问题进行了较为系统的研究，同时对信用评价模型的有效性进行了实证分析，通过比较 KMV模型和多元因变量 Logit模型，发现多元因变量 Logit模型能更精确地界定受评企业的信用等级。 石秀福 14（ 2008）在基于支持向量机的上市公司财信用评价预测方法研究中选取了在不同时期比较有名的信用评价方法，然后对每种评价方法进行评价比较，之处每种方法的优点与不足，并最终选取层次分析

14、法和模糊数学综合评价法相结合的方法为最适合中小企业的信用 评价方法。 李娜 15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。 王凡 16在其硕士论文中选用我国沪深上市公司的 61家 ST公司和 61家非 ST公司做为样本，构建了指标体系，并利用因子分析法对指标进行了浓缩，找出了对上市公司信用风险影响作用比较显著的 6个因子；分别利用 BP神经网络 模型、支

15、持向量机 (S )模型、 SVM-Logistic回归混合两阶段模型和 Adaboost组合分类器模型进行了实证研究，并对这四种模型的实证结果进行了比较。 王浩 17在硕士论文中通过使用五力竞争模型来分析企业信用风险的来源，论证了企业信用风险不仅源自于客户，也可能来自于供应商、竞争者、企业内部及企业外部的信用环境。并且通过实证研究沪深两市公司的最新财务数据，采用聚类 因子分析得出综合反映企业信用风险状态的指标，并对这一指标的使用效果进行了验证。 本文通过以我国上市公司作为研究样本，运用相关财务数据，在 认识公司信用和因子分析统计方法涵义的基础上，运用因子分子的方法进行有关上市公司信用评价的研究

16、。 企业偿债能力指标主要选择以往研究中比较看好的一些指标：有形净值债务率、负债权益比率、现金流动负债比率、现金负债比率等，这几个指标比较全面的反映了企业的短期偿债能力和长期偿债能力。企业经营能力是指企业的资金周转能力，反映了企业的经营管理能力。主要选用的指标包括：收入与负债的比率、资产周转率、流动资产周转率等，这几个指标也分布反映了企业的短期资金周转能力和长期资金周转能力。企业成长能力指标主要选用净资产增长率、总资产增 长率、主营业务收入增长率、税后利润增长率和营业利润增长率几个指标。是企业增长能力的全面反映。企业盈利能力是企业持续经营的保证，是指财务资源投入与产出的比率关系。认为净利润率、营

17、业利润率、总资产报酬率、净资产收益率这四个指标能从企业销售盈利、资产盈利和股东权益盈利几个方面全面反映企业的盈利能力。并运用 SPSS软件软件分析 ,知道各个指标对公司信用风险管理的影响，进而提出相对应的建议。 三 、 总结部分 通过对以上国内外信用风险评估现状的介绍，我们可以看出， 越来越多的方法被应用到信用评价模型的分析中来以解决样本数据存 在的缺陷。 尽管目前信用风险评估方法层出不穷，但主流的方法只有多元 Logistic回归 18、多元判别分析19和神经网络三大类。其他建模方法虽然也做出了一些有益的尝试，但由于模型开发历史较短，研究不够广泛，模型的稳定性有待进一步检验。 国外对信用风险

18、评估的研究很多都是从财务状况预警研究开始的。因为财务状况优劣直接关系到企业的偿债能力，对企业财务状况的预警在一定程度上包含于对企业信用风险的预测和评估，两者的研究具有高度密切的相关性。我国学者对信用风险评估的研究要晚于西方国家，是在借鉴他们思想的基础上结合我国实际情况对模型进行修正才建立起来的。从上述文献可以看出，我国学者在这方面的研究逐渐丰富和多样化，采用不同的指标筛选方式，建立不同的指标体系，选取多样化的模型进行多方面多层次，甚至逐年地比较分析，最终得出最为适用的评估方法。 本文有从上市公司相对稳定的财务指标体系出发，构建了适合我国上市公司信用风险分析的模型，以几十家上市公司作为检验样本，

19、对该回 Logistic回归模型进行检验，进行主成分分析和因子分析，取得了较高的预测准确率，研究还发现，偿债能力、经营能力和盈利能力是导致我国上市公司信用恶化的主要原因，提高 上市公司的经营管理水平和获利能力是避免公司陷入信用危机的关键。 主要参考文献 1 Altman.E. I. Financial Ratios Discriminate Analysis and the Prediction of Corporate Bankruptcy J.The Journal of Finance,1968(4):589-609. 2 Altman.E.L.Haldcman K Narayanan

20、P.ZETA Analysis： a new Model to Identify Bankruptcy risk of Corporations J.Journal of Banking and Finance，1977(1):29-54 3 Ohlson J. Financial ratios and the probabilistic prediction of bankruptcyJ, Journal of Accounting Research,Vol,1980(18):203-335 4 Andrews,Evi.Predicting Corporate Failure： Empiri

21、cal Evidence from the UK J. European Accounting Review, 2004(3):465-497. 5 Marijana Zekic-Susac.Small Business Credit Soaring： A Comparison of Logistic Regression, Neural Network, and Decision Tree ModelsJ. Cof.Information Technology Filter faces IT, 2004(6):7-10. 6 卢世春 ,欧阳植 .商业银行信用风险跟踪预警监测模型 J.数量经济

22、技术经济研 究 ,2008(1)： 59-61 7 陈静 .上市公司财务恶化预测的实证分析 J.会计研究 ,1999,1(4):31-38. 8 方洪全 ， 曾勇 .对银行信用风险评价体系的比较 J.系统工程理论方法 ,2004, 13(3):214-217 9 张玲 .财务危机预警分析判别模型及应用 J.预测 ,2007,3(6):38-40. 10 张后奇 ,刘月平 .上市公司财务危机预警系统 :理论研究和实证分析 R.长城证券课题组 :上海证券交易所课题 ,2005.3-45. 11 陈晓 ,陈治鸿 .中国上市公司的财务困境预测 J.中国会计与财务研究 ,2000,15 (9):55-7

23、2. 12 吴世农 ,卢贤义 .我国上市公司财务困境的预测模型研究 J.经济研究 ,2001 (6):3-8. 13 王春峰 ,万海晖 ,张维基于神经网络技术的商业银行信用风险评估 J.系统工程理论与实务 ,1999,13(9):24-32. 14 石秀福 .基于支持向量机的上市公司财信 用评价预测方法研究 J华东师范大学学报 ,2008,3(5):2-5. 15 李娜 .上市公司信用风险度量的实证研究 D.南京航空航天大学 .2008 (3).3-7. 16 王凡 .上市公司信用风险评估的实证研究 D.北京工业大学 .2008(5).2-6. 17 王浩 .企业信用风险管理问题研究 D.江苏大学 .2006(12).2-4. 18 李子奈 ,潘文卿 .计量经济学 M.北京 :高等教育出版社 .2000.55-90. 19 朱建平 .应用多元统计 M.北京 :科学出版社 .2006.93-129.