我國高技術(shù)企業(yè)信用風(fēng)險地區(qū)差異識別分析

摘要:為有效識別我國高技術(shù)企業(yè)信用風(fēng)險的地區(qū)差異，從借款人信用等級轉(zhuǎn)移的角度，遵循CreditMetrics模型的基本假設(shè)和風(fēng)險識別的前瞻性要求，構(gòu)建基于Markov鏈的高技術(shù)企業(yè)信用風(fēng)險地區(qū)差異識別系統(tǒng)，以高技術(shù)產(chǎn)業(yè)上市公司為例，對我國東、中、西部地區(qū)高技術(shù)企業(yè)信用風(fēng)險差異進(jìn)行實(shí)證分析。結(jié)果顯示，我國高技術(shù)企業(yè)信用風(fēng)險在東、中、西部之間存在較為明顯的地區(qū)差異，呈現(xiàn)出東部地區(qū)顯著低于中、西部地區(qū)，中部地區(qū)略低于西部地區(qū)的總體特征。

關(guān)鍵詞:高技術(shù)企業(yè);信用風(fēng)險;地區(qū)差異;Markov鏈;信用轉(zhuǎn)移矩陣

中圖分類號:F830.5 文獻(xiàn)標(biāo)識碼:B

我國地域遼闊，地區(qū)間經(jīng)濟(jì)發(fā)展不平衡，地方政府管理能力、金融市場發(fā)展水平和社會環(huán)境均存在一定的差異，導(dǎo)致不同地區(qū)債務(wù)人的整體償債能力和償債意愿也具有差異性[1]。高技術(shù)企業(yè)是研究開發(fā)為社會提供高科技含量的產(chǎn)品與服務(wù)、以迅速的技術(shù)進(jìn)步為標(biāo)志的特殊類型的現(xiàn)代企業(yè)，與傳統(tǒng)企業(yè)相比，高技術(shù)企業(yè)在技術(shù)成果轉(zhuǎn)化時的一個顯著特點(diǎn)是具有更高的不確定性，即高風(fēng)險、高收益，這種不確定性在一定程度上加劇了信息非對稱性的影響，從而導(dǎo)致高技術(shù)企業(yè)面臨融資障礙[2]。對高技術(shù)企業(yè)信用風(fēng)險的地區(qū)差異進(jìn)行有效識別，可為商業(yè)銀行制定科學(xué)的區(qū)域信貸政策提供依據(jù)，可在一定程度上擴(kuò)大高技術(shù)企業(yè)融資，促進(jìn)高技術(shù)產(chǎn)業(yè)持續(xù)、健康發(fā)展。

目前，國外相關(guān)研究主要集中于國家信用評級[3]，較少研究一國國內(nèi)的信用風(fēng)險地區(qū)差異。而國內(nèi)相關(guān)研究尚處于探索階段。馬九杰等(2004)[4]運(yùn)用Logistic模型對山東、山西、陜西三省縣域中小企業(yè)貸款違約的影響因素進(jìn)行了實(shí)證分析，結(jié)果顯示，企業(yè)所在地域的經(jīng)濟(jì)發(fā)展水平越高，則企業(yè)貸款的信用風(fēng)險越小。葉曉可等(2006)[5]對溫州地區(qū)某商業(yè)銀行不良貸款違約損失率結(jié)構(gòu)特征進(jìn)行了描述性統(tǒng)計(jì)分析，結(jié)果表明，違約損失率與區(qū)域經(jīng)濟(jì)發(fā)展程度負(fù)相關(guān)。張文鋒(2007)[6]基于2004年某商業(yè)銀行不良貸款率的區(qū)域數(shù)據(jù)，運(yùn)用因子分析和聚類分析將我國31個省、自治區(qū)和直轄市劃分為7個信用類別。上述研究從一個側(cè)面反映了企業(yè)信用風(fēng)險地區(qū)差異性的存在，為本文的研究提供了實(shí)證依據(jù)。但現(xiàn)有文獻(xiàn)中尚缺乏關(guān)于企業(yè)，特別是高技術(shù)企業(yè)信用風(fēng)險地區(qū)差異識別的研究。J.P.摩根公司和KMV公司(1997)共同開發(fā)的信用度量術(shù)(CreditMetrics)[7]為本文提供了研究方法的啟示。本文將從借款人信用等級轉(zhuǎn)移的角度，遵循CreditMetrics模型的基本假設(shè)和風(fēng)險識別的前瞻性要求，首先構(gòu)建基于Markov鏈的高技術(shù)企業(yè)信用風(fēng)險地區(qū)差異識別系統(tǒng);然后，以高技術(shù)產(chǎn)業(yè)上市公司為例，對我國東、中、西部地區(qū)高技術(shù)企業(yè)信用風(fēng)險差異進(jìn)行實(shí)證分析，從而揭示我國高技術(shù)企業(yè)信用風(fēng)險的地區(qū)差異特征。

一、 Markov鏈基本原理

時間離散、狀態(tài)離散的Markov過程稱為Markov鏈，其有關(guān)數(shù)學(xué)定義如下[8]:

二、高技術(shù)企業(yè)信用風(fēng)險地區(qū)差異識別系統(tǒng)

國外有關(guān)研究表明，企業(yè)(或債券)信用等級轉(zhuǎn)移近似滿足Markov性(或無后效性)和時齊性的特征假定[9-12]。由此，基于Markov鏈的高技術(shù)企業(yè)信用風(fēng)險地區(qū)差異識別系統(tǒng)構(gòu)建步驟如下:

步驟1:建立高技術(shù)企業(yè)信用狀態(tài)空間。由商業(yè)銀行內(nèi)部評級法給出K個信用等級，從而獲得高技術(shù)企業(yè)信用狀態(tài)空間S={1，2，…，K-1，K}。其中1，2，…，K-1均為暫態(tài)，分別代表K-1個信用風(fēng)險從低到高的信用等級，K為違約等級。假定高技術(shù)企業(yè)從違約等級一步回到任何其它信用等級的概率均為0，則K就為一種吸收狀態(tài)。

三、實(shí)證分析

本文以滬深股市中的高技術(shù)產(chǎn)業(yè)上市公司為例，運(yùn)用前面提出的高技術(shù)企業(yè)信用風(fēng)險地區(qū)差異識別系統(tǒng)，對我國東、中、西部地區(qū)高技術(shù)企業(yè)信用風(fēng)險差異進(jìn)行實(shí)證分析。

(一)指標(biāo)體系與樣本數(shù)據(jù)

本文參照國家財政部統(tǒng)計(jì)評價司的企業(yè)績效評價指標(biāo)體系和中國工商銀行企業(yè)資信評估指標(biāo)體系，遵循指標(biāo)選取的系統(tǒng)性、科學(xué)性、客觀性、可比性及可操作性等原則，從償債能力、營運(yùn)能力和盈利能力等三個方面構(gòu)建高技術(shù)企業(yè)信用評級指標(biāo)體系。該指標(biāo)體系包括以下12個指標(biāo):流動比率、速動比率、資產(chǎn)負(fù)債率、利息保障倍數(shù)、存貨周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率、固定資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)報酬率、凈資產(chǎn)報酬率、銷售凈利率、股本報酬率等。

根據(jù)《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》(2008)中的地區(qū)劃分標(biāo)準(zhǔn)，我國東部地區(qū)包括:北京、天津、上海、河北、遼寧、江蘇、浙江、福建、山東、廣東、廣西和海南等12個省(市);中部地區(qū)包括:山西、內(nèi)蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南、等9個省(區(qū));西部地區(qū)包括:四川、重慶、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆等10個省(區(qū))。 本文設(shè)定樣本區(qū)間為2002-2007年，剔除異常數(shù)據(jù)樣本后，共獲得樣本企業(yè)219家，其中，東部地區(qū)樣本企業(yè)134家，中部地區(qū)樣本企業(yè)51家，西部地區(qū)樣本企業(yè)34家。樣本數(shù)據(jù)均來源于國泰安數(shù)據(jù)庫。使用Matlab7.1工具包進(jìn)行實(shí)驗(yàn)分析。

(二)高技術(shù)企業(yè)信用狀態(tài)空間的構(gòu)建

文獻(xiàn)[15]運(yùn)用基于投影尋蹤和最優(yōu)分割的企業(yè)信用評級模型，給出了5個信用風(fēng)險從低到高的信用等級，分別用數(shù)字序號Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ表示。這樣，信用等級Ⅰ-Ⅴ就構(gòu)成了高技術(shù)企業(yè)信用狀態(tài)空間，其中，Ⅰ-Ⅳ級均為暫態(tài)，Ⅴ級假定為吸收態(tài)。信用等級Ⅰ-Ⅴ對應(yīng)的信用得分區(qū)間及近似違約率見表1，其中近似違約率用某一信用等級中“ST或*ST”企業(yè)占比來表示[15]。

由表1可以看出，從第Ⅰ級到第Ⅴ級，隨著信用等級的降低，近似違約率呈單調(diào)遞增趨勢，即，企業(yè)信用等級越低，其違約概率越大，信用風(fēng)險越高，這與信用風(fēng)險管理理論相吻合[16]，由此反映出信用等級劃分的合理性。

(三)一步轉(zhuǎn)移概率矩陣的計(jì)算

根據(jù)步驟2，運(yùn)用文獻(xiàn)[15]中的企業(yè)信用評級模型，分別計(jì)算東、中、西部地區(qū)的一步轉(zhuǎn)移概率矩陣，這里的一步是指一年，則一步轉(zhuǎn)移概率矩陣又可稱為一年期信用轉(zhuǎn)移矩陣。計(jì)算結(jié)果見表2-表4，其中T=5。

由表5-表7可知，總體而言，從當(dāng)前時刻出發(fā)，三年后，東、中、西部地區(qū)中信用等級處于Ⅰ-Ⅳ級的高技術(shù)企業(yè)的平均違約概率分別為0.107、0.1616和0.1774，東部地區(qū)比中部地區(qū)低5.46個百分點(diǎn)，中部地區(qū)比西部地區(qū)低1.58個百分點(diǎn)。從商業(yè)銀行信貸實(shí)務(wù)角度來看，如果商業(yè)銀行同時向東、中、西部地區(qū)中信用等級處于Ⅰ級和Ⅱ級的高技術(shù)企業(yè)發(fā)放三年期中長期貸款，則三年后，東、中、西部地區(qū)高技術(shù)企業(yè)的平均違約概率分別為0.035、0.0702和0.0952，東部地區(qū)比中部地區(qū)低3.52個百分點(diǎn)，中部地區(qū)比西部地區(qū)低2.5個百分點(diǎn)。綜上所述，我國高技術(shù)企業(yè)信用風(fēng)險在東、中、西部之間存在較為明顯的地區(qū)差異，呈現(xiàn)出東部地區(qū)顯著低于中、西部地區(qū)，中部地區(qū)略低于西部地區(qū)的總體特征。

四、結(jié)束語

從借款人信用等級轉(zhuǎn)移的角度，遵循CreditMetrics模型的基本假設(shè)和風(fēng)險識別的前瞻性要求，首先構(gòu)建基于Markov鏈的高技術(shù)企業(yè)信用風(fēng)險地區(qū)差異識別系統(tǒng);然后，以高技術(shù)產(chǎn)業(yè)上市公司為例，對我國東、中、西部地區(qū)高技術(shù)企業(yè)信用風(fēng)險差異進(jìn)行實(shí)證分析，結(jié)果顯示，我國高技術(shù)企業(yè)信用風(fēng)險在東、中、西部之間存在較為明顯的地區(qū)差異，呈現(xiàn)出東部地區(qū)顯著低于中、西部地區(qū)，中部地區(qū)略低于西部地區(qū)的總體特征。本文的研究對商業(yè)銀行制定科學(xué)的區(qū)域信貸政策、擴(kuò)大高技術(shù)企業(yè)融資具有積極的現(xiàn)實(shí)意義。與CreditMetrics模型相同，本文提出的高技術(shù)企業(yè)信用風(fēng)險地區(qū)差異識別系統(tǒng)的準(zhǔn)確性也依賴于兩個關(guān)鍵的假設(shè):第一，所有在同一信用等級內(nèi)的企業(yè)有相同的違約率;第二，現(xiàn)實(shí)的違約率等同于歷史的平均違約率。上述假設(shè)與現(xiàn)實(shí)存在一定程度的偏離，如何修正這一偏離有待于進(jìn)一步研究。此外，由于數(shù)據(jù)獲取的困難，本文僅以高技術(shù)產(chǎn)業(yè)上市公司為例，如能采用商業(yè)銀行信用數(shù)據(jù)進(jìn)行研究，將提高實(shí)證分析結(jié)果的說服力。

參考文獻(xiàn):

[1] 袁建良.地區(qū)信用風(fēng)險與評級方法[J].系統(tǒng)工程，2006，24(8):70-73.

[2] 熊波，陳柳.非對稱信息對高新技術(shù)企業(yè)融資的影響[J].中國管理科學(xué)，2007，15(3):136-141.

[3] 曹榮湘.國家風(fēng)險與主權(quán)評級(全球經(jīng)濟(jì)熱點(diǎn)譯叢)[M].北京:社會科學(xué)文獻(xiàn)出版社，2004.

[4] 馬九杰，郭宇輝，朱勇.縣域中小企業(yè)貸款違約行為與信用風(fēng)險實(shí)證分析[J].管理世界，2004(5):58-66.

[5] 葉曉可，劉海龍.銀行不良貸款違約損失率結(jié)構(gòu)特征研究[J].上海管理科學(xué)，2006，28(6):12-15.

[6] 張文鋒.地區(qū)信用評級方法研究[J].上海金融，2007(6):73-76.

[7] Gupton G M， Finger C C and Bhatia M. Credit metrics-technical document[M].New York: J. P. .Morgan Co. Incorporated，1997.

[8] 葉爾驊，張德平.概率論與隨機(jī)過程[M].北京:科學(xué)出版社，2005.

[9] Altman E I， Kao D L. Rating Drift in High-Yield Bonds[J].The Journal of Fixed Income， 1992，1(4):15-20.

[10]Altman E I， Kao D L. The Implications of Corporate Bond Ratings Drift[J].Financial Analysts Journal， 1992，48(3):64-75.

[11]Jarrow R A， Lando D， Turnbull S M. A Markov Model for the Term Structure of Credit Risk Spreads[J]. Review of Financial Studies， 1997，10(2):481-523.

[12]Lando D， Skodeberg T M. Analyzing Rating Transitions and Rating Drift with Continuous Observations[J]. Journal of Banking and Finance， 2002，26(2-3):423-444.

[13]歐陽資生，謝赤.信用等級轉(zhuǎn)移方法比較研究[J].統(tǒng)計(jì)研究，2006(2):50-53.

[14]Robert A J， Stuart M T. The intersection of market and credit risk[J].Journal of Banking and Finance，2000，24(1-2):271-299.

[15]Zhang M， Zhou Z F. A Method for Identifying the Industry Credit Risk Based on Markov Chain[A].The International Conference on E-Business and E-Government (ICEE2010)[C].Guang Zhou: IEEE Computer Society’s CPS， 2010: 3509-3512.

[16]李建平，徐偉宣，石勇.基于主成分線性加權(quán)綜合評價的信用評分方法及應(yīng)用[J].系統(tǒng)工程，2004，22(8):64-68.

(責(zé)任編輯:陳樹明)