Logit模型對新材料領域上市公司的信用風險評估

　　摘要：文章選取了幾家新材料領域中的上市公司，通過對其年報各種財務指標的處理，建立了上市公司信用情況的Logit模型，利用該模型可以對上市公司一年后的信用情況進行預測和評估。文章拓展了logit模型在新材料領域中預測信用風險方面的應用，結論表明新材料領域上市公司的盈利能力是信用風險的最關鍵因素。
　　關鍵詞：信用風險；Logit模型；主成分分析；新材料
　　一、引言
　　信用風險廣泛存在于經(jīng)濟個體之間交往中，對借款人、證券發(fā)行人或銀行等從事金融業(yè)務的企業(yè)來說非常重要。在商業(yè)交易中，資本市場的投資者以及監(jiān)管部門都需要面對上市公司的信用風險，銀行需要額外資本儲備來應對個人及企業(yè)的信用風險。各大商業(yè)銀行和金融機構紛紛推出了度量企業(yè)信用風險的金融模型，以降低違約行為所造成的交易成本。我國銀行業(yè)目前并不具備自行建立風險模型的條件，因而需要結合風險管理現(xiàn)狀，構建以定性分析為主的信用風險評估模型，以提高我國銀行金融業(yè)風險管理水平。
　　信用風險分析方法比較重要的有要素分析法、財務比率分析法及多變量信用風險判別模型等。要素分析法以5c要素分析法為代表。5C要素分析法主要分析借款人的道德品質（Character）、還款能力（Capacity）、資本實力（Capital）、擔保（Collateral）和經(jīng)營環(huán)境條件（Condition）五個方面。財務比率分析法使用同一期財務報表上的各個項目計算財務比率，用以綜合分析和評價公司的經(jīng)營活動以及公司目前和歷史狀況，廣泛適用于財務分析和信用風險評估。多變量信用風險判別模型是以特征財務比率為解釋變量，運用數(shù)量統(tǒng)計方法推導而建立的標準模型。主要包括線性概率模型、Logistic（Logit）模型、Probit模型和判別分析模型。這些方法由于處理數(shù)據(jù)方面的優(yōu)勢，有著較好的預測效果。其中，由于Logit模型不需要假設變量間存在正態(tài)分布，且能對樣本外的數(shù)據(jù)進行預測。故本文選用Logit模型對新材料公司的財務比率指標進行分析和信用風險預測。
　　二、Logit模型構造
　　（一）Logit模型
　　本文選擇Logit模型來研究我國上市公司的信用風險。Logit模型是一種非線性統(tǒng)計方法，用于解決因變量為定性指標的問題。在二值選擇模型中，因變量Y代表一個個體或者一個實驗單元，它的取值有兩種可能，通常一種結果記為1，另一種結果記為0。X=（x1，x2，…xn）n表示自變量向量，用來預測Y=1的概率，在本文中表示企業(yè)守信這一事件。P=prob（Y=1|X），P可以由Logit（p）=ln[p/（1-p）]=α+β1x1+β2x2+…+βnxn=α+βX得到，P表示企業(yè)違約的概率，β＝（β1，β2，…，βn）是一組與X對應的回歸系數(shù)，α和β都是待估參數(shù)。在得到α和β的參數(shù)估計后，事件發(fā)生的概率就可以通過P=exp（α+βX）/[1+exp（α+βX）]得到。P／（1-P）為發(fā)生比。P越大，發(fā)生比越大；反之亦然。本文將選擇新材料領域部分上市公司的近3年年報數(shù)據(jù)，得出一些重要的財務比率和變化率，先對之進行主成分分析，而后構建適合評估我國新材料領域上市公司信用風險的Logit模型。
　　新材料是指正在研發(fā)、性能卓越的一些材料，它比傳統(tǒng)材料有著更為優(yōu)異的物理性能和更為廣闊的應用前景，或者通過新技術、新工藝能夠大幅降低生產(chǎn)成本。我國地大物博，但資源浪費情況十分嚴峻，大力發(fā)展新型材料是我國目前最熱門的話題之一。現(xiàn)今復合材料、電子信息材料、納米材料、新型功能材料（如高溫超導材料、功能高分子材料等）、新型建筑及化工材料等無一不是我國應用領域重點關注的熱點問題。基于此，本文使用新材料板塊的89支股票上市公司財務情況進行建模分析，以是否被特別處理（股票名稱被冠以ST或*ST）來近似模擬公司的金融風險情況。并且，對于ST公司使用被特別處理前兩年的財務報表來進行分析。其他普通股票均使用2010年、2009年的財務數(shù)據(jù)。
　　（二）主成分分析
　　由于上市公司的信用風險影響因素很多，為了全面反映公司的財務狀況和經(jīng)營盈利狀況，本文選取31個財務指標作為原始數(shù)據(jù)。并在此基礎上，將這些財務指標重新線性組合成一組新的互相無關的綜合指標，即進行主成分分析。這個過程將用SPSS 17.0軟件實現(xiàn)。
　　三、實證分析
　　（一）樣本采集及指標選取
　　企業(yè)財務指標主要分為5類：每股指標、盈利能力指標、營運能力指標、償債能力指標和成長能力指標。本文從這5類指標中共挑選了有代表性的31個指標。原始數(shù)據(jù)摘自2010年和2009年“新材料”概念板塊中的全部上市公司年報（*ST寶碩因為在2007年2月即遭遇停市警告，至今仍無好轉。故將此股去掉），財務指標使用EXCEL軟件進行計算。
　　（二）實證分析過程
　　為了減小多重共線性進而提高模型的準確度，采用SPSS 17.0進行因子分析。在提取主成分時，采用了方差最大化正交旋轉法，以便于為主成分找到合理的經(jīng)濟解釋。
　　由主成分負荷矩陣和碎石圖可見，從特征根和累積概率的判別方式共得到8個重要的因子，它們的可解釋度為87.54%，基本上符合要求。從因子得分系數(shù)矩陣得出這8個因子分別定義為盈利因子、現(xiàn)金流量因子、營運因子、現(xiàn)金償債因子、綜合因子、逆向因子、債務利潤因子、盈利償債因子。
　　將這8個因子代入Logit模型進行運算，由SPSS 17.0計算得到模型的擬合優(yōu)度Nagelkerke R2=0.79，-2 Log likelihood值為9.60，擬合結果較好。模型回歸參數(shù)如表1所示。由表1可得，Logit回歸函數(shù)為：Prob（上市公司高信用風險）=■，其中：
　　z=-11.611-3.236F1-0.180F2-3.133F3-0.913F4+1.057F5-2.912F6-1.759F7+4.140F8
　　故企業(yè)的負債指數(shù)越低，盈利能力越強，各種資產(chǎn)和先進流量周轉速度越快，企業(yè)的信用風險越低。
　　（三）模型準確性
　　模型對于訓練樣本風險預測的平均準確率為87.8%，準確率很高。但模型對高風險企業(yè)的預測精度不足，僅有80%，需要我們進一步選取測試樣本進行預測。
　　另外選擇20只新材料股票和15只ST板塊中的股票作為測試樣本，得到模型準確率為79.4%，對高風險企業(yè)預測準確率為69.3%，可以作為預測公司信用風險的參考方法。
　　四、結論
　　由Logit模型回歸結果可知，盈利因子對模型貢獻度最大，這說明新材料這種高新領域中公司是否違規(guī)主要取決于它的盈利能力，這與我們的常識符合。使用了眾多的財務數(shù)據(jù)，能夠全面反映公司的財務狀況和經(jīng)營情況，模型可以應用到對公司價值的估計方面，實用性強，是較好的定量研究方法。
　　本文的缺陷主要是高風險樣本容量不夠多，這是因為選擇的主要是新材料行業(yè)的上市公司，故ST和*ST類的公司比較少。比較好的改進辦法是使用其他違約判斷標準，比如公告中出現(xiàn)的債務違約事件，但這會使數(shù)據(jù)的采集難度加大。另外由于模型需要使用很多財務數(shù)據(jù)，而我國上市公司中普遍存在財務數(shù)據(jù)失真和人為操控利潤的情況，因而在判斷企業(yè)的風險情況時最好綜合考慮其他方法。
　　參考文獻：
　　1、盧紋岱.SPSS統(tǒng)計分析[M].電子工業(yè)