Logistic模型在中小企業(yè)信用風(fēng)險度量中的應(yīng)用分析

1、Logistic模型在中小企業(yè)信用風(fēng)險度量中的應(yīng)用分析華東交通大學(xué)軌道交通學(xué)院 田秋麗摘 要:全球金融危機(jī)對企業(yè)信用風(fēng)險度量提出更高要求。本文從中小企業(yè)的信用風(fēng)險度量角度出發(fā),分析對我國中小企業(yè)的信用風(fēng)險度量的適用模型,并采取實證方法對Logistic模型的度量效果分析檢驗。分析結(jié)果表明,Logistic模型在中小企業(yè)的信用分析度量中具有較好的適用性。關(guān)鍵詞:Logistic模型 中小企業(yè) 信用風(fēng)險度量中圖分類號:F272.3 文獻(xiàn)標(biāo)識碼:A 文章編號:1005-5800(201004(b-064-02基金項目:本文為2009年江西省高校人文社會科學(xué)研究項目(項目編號:GL0904的部分成果。

2、作者簡介:田秋麗(1983-,女,山東梁山人,研究生學(xué)歷,華東交通大學(xué)軌道交通學(xué)院講師,主要研究方向:企業(yè)管理。隨著全球金融危機(jī)的爆發(fā),對企業(yè)信用的評價成為銀行信貸管理中日益重要的課題。作為融資弱勢群體的中小企業(yè)的信用評價和度量,更加成為銀行一個讓人頭疼的問題。中小企業(yè)信用風(fēng)險的度量成為一個重要課題。1 幾種信用風(fēng)險度量模型的比較分析信用風(fēng)險的度量,在國際上尚未形成成熟的模型。國際上主流信用風(fēng)險度量方法和模型也都有各自的優(yōu)缺點。一般認(rèn)為,傳統(tǒng)信用分析方法和信用評級方法簡便易行,對數(shù)據(jù)的要求不是很嚴(yán)格。但是這兩種方法主觀性較強(qiáng),不同評級機(jī)構(gòu)或者不同專家對同一對象的分析可能得出不同的結(jié)論,評級結(jié)果

3、的公正性也受到多種因素的影響。多元判別分析法可以找到具有判別能力的財務(wù)比率、能夠衡量企業(yè)的整體績效。但是,這種方法要求變量符合正態(tài)分布、變量和信用風(fēng)險之間呈現(xiàn)線性關(guān)系的假設(shè),使得多元判別分析模型僅適用于有準(zhǔn)確財務(wù)數(shù)據(jù)的公司,即公司有一定的規(guī)模,發(fā)展相對比較成熟,對中小企業(yè)的適用性則較差。KMV 模型適用于對上市公司的信用風(fēng)險評估;另外,該模型基本上屬于一種靜態(tài)模型,但實際情況絕非如此,尤其是中小企業(yè),由于發(fā)展不成熟,企業(yè)的資本結(jié)構(gòu)在不斷發(fā)生變化。因此將KMV 模型運(yùn)用到國內(nèi)中小企業(yè)信用風(fēng)險管理工作仍不適合。神經(jīng)網(wǎng)絡(luò)模型的運(yùn)行模型對于弱化權(quán)重確定重的人為因素十分有益、具有很強(qiáng)的容錯能力、還能處理

4、復(fù)雜的非線性關(guān)系問題。但是,要得到一個較好的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)非常耗費人力和時間。一般認(rèn)為,神經(jīng)網(wǎng)絡(luò)模型適用于授信后評價過程,較少用于信用評價前期。CreditMetric 模型度量對同經(jīng)濟(jì)環(huán)境、不同宏觀條件下信用等級轉(zhuǎn)移概率是固定的假設(shè)會引起評估結(jié)果偏差。1997年麥肯錫公司提出信用組合觀點(CreditPortfolio View對信用等級轉(zhuǎn)移概率矩陣進(jìn)行修正,但該模型的操作比較復(fù)雜,穩(wěn)定性較差,仍需繼續(xù)完善。傳統(tǒng)的線性統(tǒng)計模型以信用風(fēng)險與相關(guān)財務(wù)信息的線性關(guān)系假設(shè)為前提,Logistic 模型則擺脫了這一約束,并且可以直接計算出企業(yè)下一時期的違約概率預(yù)測值。與多元判別分析法相比,Logisti

5、c 回歸模型更為靈活,而與其他信用風(fēng)險模型相比,Logisitic 回歸模型相對簡單且具有較好的經(jīng)濟(jì)含義,因此Logistic 回歸模型實用性較強(qiáng),適用于各類具有一定數(shù)據(jù)基礎(chǔ)的客戶違約概率的計算。在此,本文擬采用中小企業(yè)的數(shù)據(jù)對Logistic 模型的度量效果進(jìn)行實證分析。2 樣本的選取和財務(wù)指標(biāo)的確定2.1 中小企業(yè)的確定我國的中小企業(yè)劃分最新標(biāo)準(zhǔn)是2003年2月19日公布的關(guān)于印發(fā)中小企業(yè)標(biāo)準(zhǔn)暫行規(guī)定的通知中的規(guī)定,規(guī)定適用于工業(yè)、建筑業(yè)、交通運(yùn)輸和郵政業(yè)、批發(fā)和零售業(yè)、住宿和餐飲業(yè)。本文在數(shù)據(jù)搜集過程中根據(jù)中小企業(yè)標(biāo)準(zhǔn)暫行規(guī)定確認(rèn)中小企業(yè)。2.2 樣本的確定本文采用上市公司數(shù)據(jù)作為研究樣

6、本,認(rèn)為ST 股為違約公司,非ST 股為正常公司。選取深滬兩市所有中小企業(yè)公司為學(xué)習(xí)樣本來建立模型,同時選取了這些樣本公司2005年、2006年和2007年的財務(wù)數(shù)據(jù),共選取133家違約樣本和254家正常樣本。2.3 財務(wù)指標(biāo)的選擇和篩選參照以往的研究文獻(xiàn),本文從反映企業(yè)盈利能力、償債能力、營運(yùn)能力、增長能力和資本結(jié)構(gòu)五個方面選擇了33個指標(biāo),然后按照“嚴(yán)格管制下線性Logit 評分模型中信用因子的最優(yōu)選擇”的思路來篩選指標(biāo)。最后,本文選定16個指標(biāo):凈資產(chǎn)收益率、總資產(chǎn)增長率、主營業(yè)務(wù)收入增長率、流動比率、速動比率、現(xiàn)金流動負(fù)債比率、現(xiàn)金負(fù)債比率、資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)報酬率、成本費用利潤率、利

7、息收益倍數(shù)、收入與負(fù)債的比率、長期債務(wù)比率、有形凈值債務(wù)率、現(xiàn)金資產(chǎn)比率、營業(yè)利潤率。財務(wù)指標(biāo)的因子分析本文首先對16個指標(biāo)進(jìn)行因子分析,以剔除指標(biāo)之間的相關(guān)性,減少變量維度。對16個指標(biāo)相關(guān)性的檢驗發(fā)現(xiàn),KMO 樣本測度值為0.741, Bartlett 球體檢驗中,統(tǒng)計值的顯著性概率是0.000,樣本數(shù)據(jù)適宜作因子分析的。因子分析的結(jié)果顯示,特征根大于1的因子共有6個,這6個因子解釋了所有變差的83.261%。表1是旋轉(zhuǎn)后的6個因子的負(fù)載值表格。根據(jù)在因子上負(fù)載值最大的三個指標(biāo)的實際含義,本文用盡量簡潔、更加有概念性的名稱來對因子命名,以對因子的含義進(jìn)行概括,以便于對回歸結(jié)果的解釋和說明。

8、表1中指標(biāo)在因子上的負(fù)載值顯示:因子1對速動比率、流動比率、現(xiàn)金負(fù)債比率、收入與負(fù)債比率、有形凈值債務(wù)率、現(xiàn)金流動負(fù)債比率的影響較大,反映了企業(yè)的償債能力。命名為償債能力因子。因子2對營業(yè)利潤/銷售收入、成本費用利潤率影響比較大,反映了企業(yè)的盈利質(zhì)量,命名為盈利質(zhì)量因子。因子3對資產(chǎn)周轉(zhuǎn)率、現(xiàn)金/總資產(chǎn)幾個指標(biāo)的影響較大,反映了64中國商貿(mào) CHINA BUSINESS&TRADEManagement 經(jīng)管空間企業(yè)資產(chǎn)收益狀況,命名為資產(chǎn)收益因子。因子4對利息收益倍數(shù)、總資產(chǎn)報酬率、凈資產(chǎn)收益率影響比較大,反映了企業(yè)的總體盈利能力,命名為總體財務(wù)狀況因子。因子5對長期債務(wù)占總債務(wù)的比率

9、影響很大,反映了企業(yè)的負(fù)債結(jié)構(gòu),命名為負(fù)債結(jié)構(gòu)因子。因子6對主營業(yè)務(wù)收入增長率影響較大,另外,總資產(chǎn)增長率在此因子上的負(fù)載值為0.395,大于0.3,考慮到實際經(jīng)濟(jì)含義,本文將此指標(biāo)歸屬于該因子,反映了企業(yè)的增長能力,命名為增長能力因子。由以上因子我們可以看到,分別反映了企業(yè)的資產(chǎn)、負(fù)債狀況、增長能力、盈利能力、償債能力和整體財務(wù)狀況,是對企業(yè)財務(wù)狀況的全面評價。表1 旋轉(zhuǎn)后的因子負(fù)載值表因子3 Logistic回歸分析3.1 變量的設(shè)置和臨界值的選擇在L o g i s t i c回歸分析中,本文采用Fo r w a r d S t e p w i s e (conditional方法逐步回

10、歸以使對樣本影響顯著的因子進(jìn)入回歸方程,影響較小的因子不能進(jìn)入方程。在因變量的設(shè)計中,需要將兩狀態(tài)的因變量轉(zhuǎn)變?yōu)閿?shù)值0和1,為了方便對回歸結(jié)果的解釋,我們把違約公司設(shè)為數(shù)值0,把正常公司作為數(shù)值1。這樣,如果回歸結(jié)果得到的不違約的概率為f(x,那么企業(yè)違約的概率計算公式:。在logistic模型中,本文選取0.647作為臨界值,即,只有當(dāng)f(x大于0.647時,我們才認(rèn)為該公司屬于正常公司。3.2 回歸結(jié)果的分析通過Logistic回歸分析可以得到企業(yè)違約概率P 的計算公式:對企業(yè)違約影響最大的是償債能力因子,對應(yīng)的Exp(B的值為9.287,在第二步中進(jìn)入回歸方程?？梢钥闯?對中小企業(yè)而言,

11、由于企業(yè)規(guī)模較小,無形資產(chǎn)能力較差,外部融資機(jī)構(gòu)賦予的信任也較小,一旦企業(yè)不能及時償還債務(wù),立即會引發(fā)外部融資機(jī)構(gòu)的催討借款,從而惡性循環(huán),引發(fā)企業(yè)不得不面臨破產(chǎn)的境況。這一結(jié)論和現(xiàn)實狀況相符合。企業(yè)的盈利質(zhì)量對企業(yè)違約影響顯著。盈利質(zhì)量因子對應(yīng)的Exp(B是2.355,首先進(jìn)入回歸方程。中小企業(yè)銷售收入中有多少能夠產(chǎn)生利潤,要產(chǎn)生這些利潤,需要的成本為多少,這一因素大大影響了中小企業(yè)的經(jīng)營狀況。中小企業(yè)作為小本小利企業(yè),銷售收入能否產(chǎn)生利潤,成本是否能夠得以控制,顯然會對小規(guī)模企業(yè)產(chǎn)生巨大的影響。第三步進(jìn)入方程的總體財務(wù)狀況因子也同樣強(qiáng)調(diào)了這一現(xiàn)象。這一因子也能對中小企業(yè)的經(jīng)營特征加以解釋。

12、債務(wù)結(jié)構(gòu)因子對應(yīng)的Exp(B值為2.017,對企業(yè)違約的影響很大。也就是說,中小企業(yè)債務(wù)結(jié)構(gòu)的合理與否,對其信用狀況的影響也是較嚴(yán)重的。中小企業(yè)資產(chǎn)規(guī)模較小,較大的長期債務(wù),容易引起企業(yè)道德風(fēng)險,一旦不能及時還款,企業(yè)更傾向于選擇破產(chǎn)來逃避債務(wù)。這一結(jié)果也是和以往研究結(jié)果相一致。以上分析可以發(fā)現(xiàn),采用Logistic回歸模型所得到的結(jié)果與中小企業(yè)的現(xiàn)實經(jīng)營狀況相一致,回歸結(jié)果可以得到很好的解釋。3.3 預(yù)測效果檢驗本文采用2008年中小企業(yè)的財務(wù)數(shù)據(jù)對預(yù)測效果進(jìn)行檢驗,共選取35個違約樣本,85個正常樣本。通過檢驗結(jié)果發(fā)現(xiàn),學(xué)習(xí)樣本中,模型對的總體預(yù)測正確率為84.2%。說明本論文的變量選取和模型設(shè)計效果較好,有一定的應(yīng)用價值。同時可以發(fā)現(xiàn),模型對測試樣本的預(yù)測效果也較好,總體預(yù)測正確率為75.8%,較有力的說明了Logistic模型有著較好的判別效果。4 結(jié)語通過數(shù)量分析和定性分析,本文可以認(rèn)為,Logistic模型在中小企業(yè)的信用風(fēng)險度量中具有較好的預(yù)測效果,這一模型的適用性較好。當(dāng)然,本文在分析過程中,存在有待于改進(jìn)之處,如:以上市公司樣本代替所有企業(yè),可能會造成典型性不強(qiáng)的問題;只考慮財務(wù)因素作為影響變量,未對非財務(wù)因素(如行業(yè)因素、其他宏觀因素加以考慮。參考文獻(xiàn)1 韓崗.國外信用風(fēng)險度量方法及其適用性研究J.國際金融研究,2008(3:434