引入非財務信息的上市公司信用風險實證研究

【摘要】對上市公司進行信用風險評估，應注重企業財務信息與非財務信息的結合，并合理考慮到宏觀經濟環境對上市公司的信用狀況可能造成的系統性影響。本文選取2007年至2011年我國A股制造業上市公司96家樣本數據進行實證分析，結果表明：加入企業非財務指標和宏觀經濟指標能夠提高模型的預測精度和擬合優度，獨立董事的比例和公司是否因違規被相關監管部門處理與信用風險顯著相關。

【關鍵詞】信用風險 非財務因素 logistic模型 上市公司

引言

據中國銀監會發布的主要監管指標顯示，2012年一季度末全國商業銀行不良貸款環比增加103億元，不良貸款總額達到4382億元，隨著地方融資平臺貸款將于下半年開始逐步到期，超過5000億元的房地產信托貸款也將迎來還貸高峰期，加上長三角、珠三角地區民間借貸危機所暴露出來的信用風險，二季度銀行貸款違約風險的概率大增。作為中國資本市場的主體，上市公司因融資規模巨大，信用風險顯得尤為重要。因此，如何合理地分析與度量上市公司的信用風險，尋求有效降低商業銀行的經營風險的途徑顯得日益重要。

早期國外對信用風險的研究模型主要采用財務指標，以企業會計信息為解釋變量。如Altman的Z值模型和Ohlson的Logistic模型，后來的學者逐漸意識到非財務因素的重要性，Rose、Andrews和Giroux（1982）將總體經濟變量納入財務危機預警模型，增加了模型的解釋能力；Keasey和Watson（1987）在模型中加入一些非財務變量，如會計報表延遲發布時間、內部人持股比例等，結果表明此模型比僅用財務比率建立的模型更能準確預測公司的破產；Hoon（2011）利用美國市場數據實證研究表明，國家稅收政策顯著影響商業抵押貸款違約率。

國內學者對信用風險的研究主要集中在對國外先進模型在中國的適用性改進上，大部分仍以財務指標為主，如周首華（1996）、陳靜（1999）、宋冬梅（2009）等。本文將公司治理結構因素和宏觀經濟因素引入模型，構建新的信用風險評估Logistic回歸模型，然后利用數據檢驗加入一系列非財務因素后檢驗能否改善模型識別效果，并甄別不同非財務因素的識別能力。

二、研究設計

（一） 定義違約

現代信用風險理論認為債務人的資產價值隨信用狀況的降低而下降，損失在違約前就會發生。上市公司因財務困難被ST時，雖然并不一定違約，但其資產價值必然受到負面影響，將ST企業作為信用風險研究的違約樣本會適當地提高風險警戒水平，對信用風險管理不無裨益。

（二）數據選取

為排除行業因素的影響，本文選擇中國A股制造業上市公司2007年至2011年首次被ST的70家企業作為違約樣本，收集目標企業被處理前一年年底的財務數據和非財務數據，剔除數據不完整的個體，得到48份ST公司樣本，再按照1:1的比例，選取與違約企業被ST前一年年底的總資產規模差異在10%之內的正常企業作為配對樣本，共計96個企業樣本。本文實證分析采用SPSS17.0軟件。

（三）二元Logistic模型的建立

Logistic模型作為一種非線性分類的統計方法，不要求樣本數據呈正態分布，可以解決因變量不連續回歸的問題，因此我們選擇Logistic模型進行企業信用風險評估研究。

我們把模型被解釋變量，即企業的信用狀況分別記為“違約=1”和“不違約=0”。為模型的解釋向量，用以表示企業的某一種信用狀況發生的概率p，

其中，為模型截距項，表示各指標變量的回歸系數，由最大似然法估計得到。本文將0.5作為模型分割點，如果通過邏輯回歸模型計算出來的企業發生信用風險的概率p>0.5，那么該上市公司歸入信用違約（ST）公司；反之，則歸入正常公司。

企業的信用危機往往由財務危機引起，因此對表征企業財務狀況惡化的財務指標進行探索，可以提前發現企業潛在的信用風險。本文參考前人研究經驗預選18個財務變量，分別是速動比率、資產負債率、現金比率、企業自由現金流、債務保障率、現金流量比率、利息保障倍數、總資產增長率、主營業務收入增長率、營業收入現金比率、銷售凈利率、全部資產現金回收率、資產報酬率、凈資產收益率、應收賬款周轉率、存貨周轉率、流動資產周轉率、總資產周轉率。

然而，財務指標真實可靠，利用這些指標評估企業信用風險才有意義。企業所有權與經營權的分離可能導致管理者為追求自身利益而粉飾財務報表，夸大利潤，掩飾損失。從代理成本理論出發設立的獨立董事制度一定程度上能規避管理者單純追求盈利性而帶來的道德風險。董事會中獨立董事的比例越大，對公司管理者的監管越強，企業發生信用違約的可能性越低。 獨立董事與上市公司工作地點一致性啞變量區分了兩種狀況：一致或者不一致。若獨立董事與上市公司工作地點不一致，獨立董事不能經常參與公司的決策，其獨立監管職能很有可能失去實際意義。

我們還設置了企業以往信用記錄啞變量，以區分不良信用記錄和無不良信用記錄。企業的不良信用記錄可能意味著該企業信用文化淡薄，償債意愿較弱，信用風險比無不良信用記錄的企業大。

由于企業都是在市場環境中發展的，必然受到宏觀經濟環境的影響。當GDP增速放緩、居民消費價格指數（CPI）驟升、廣義貨幣供應量（M2）收縮時，商業銀行的不良貸款率會有不同程度的上升（湯婷婷等，2011）。宏觀經濟環境還將通過影響企業家經營態度進而影響企業的還款意愿。若企業家對未來宏觀經濟環境或企業發展前景持樂觀態度，對企業長期利益的追求將激發他們及時足額償還貸款的意愿，反之企業家則會盡力追求最大的眼前利益，產生逆向選擇與道德風險。

三、實證結果

（一）描述性分析

為保證研究的有效性，首先采用財務變量均值t檢驗來檢測ST樣本數據與非ST樣本數據是否具有顯著差異。檢驗結果表明，ST和非ST公司在債務保障率、銷售凈利率、資產報酬率、凈資產收益率、總資產增長率、營業收入增長率、速動比率、現金比率、總資產周轉率、資產負債率和利息保障倍數這11個財務指標上存在顯著差異，顯著性水平達到0.05。因此選擇這11個財務指標進入下一步的因子分析。

（二）因子分析

KMO和Bartlett球度檢驗顯示財務變量之間存在顯性相關關系，適合做因子分析，見表1。

表1 KMO和Bartlett

KMO檢驗Bartlett檢驗 卡方值P值

0.749509.708.000

根據Kaiser準則，保留特征值大于1的因子，提取4個公因子，累計解釋方差為76.135%. 因子得分函數如下：

因子1主要由X7和X13解釋，反映企業獲利能力；因子2主要由X1和X3解釋，反映企業短期償債能力；因子3主要由X18解釋，反映企業營運能力；因子4主要由X5和X11，主要反映企業現金償債能力。

（三） 財務因子Logistic回歸模型

利用上一步得出的四個公因子進行logistic回歸，變量采用一次性強制輸入，得到的Logistic回歸方程為：

單純財務變量模型調整后的偽R方為0.722，總體卡方值為74.804（a=0.000），模型整體判斷正確率達到89.6%，表征企業獲利能力和短期償債能力的因子解釋能力最強。從理論上說，因為本文選取的樣本分類標準即上市公司是否被ST，而目前“一會兩所”對上市公司是否被ST的判斷標準即連續兩個會計年度財務狀況異常，是根據企業財務狀況進行的事后分析，因此在本文的實驗中，財務變量具有良好的風險識別能力。

（四）加入非財務變量的logistic回歸模型

將財務公因子和非財務變量以及宏觀經濟變量作為自變量，采用似然比后向法將自變量分步納入Logistic模型，得到如下回歸方程：

檢驗結果與單純財務變量分析基本一致，結果十分顯著。加入非財務變量后，統計量Cox SnellR2=0.630，Nagelkerke R2=0.840，模型總體卡方值為95.480（a=0.000），模型正確識別率達到92.7%，比單純財務分析提高了3.1%，說明非財務指標作用顯著。

在所有非財務變量中，僅有X19和X21在0.05的水平下顯著。其中X19表示企業中獨立董事的比例，這說明獨立董事的比例是企業信貸生態環境的重要信號。獨立董事不在公司內部任職，不受股東和管理層的限制，因此能對公司決策做出獨立判斷。獨立董事的比例越高，企業做出錯誤經營決策的可能性越低，從而企業喪失還款能力的可能性越低；同時由于獨立董事與所在公司沒有重大利益關系，因此在獨立董事監督下披露的企業信息能較為準確的反映企業風險水平。

X21表示企業以往的信用記錄，包括是否因違規被證監會處理，是否被環保、稅務等部門調查或企業高管涉及道德問題等。企業違反證監會股票上市規則，未按要求及時充分進行信息披露，高管未能恪守職責、履行誠信、勤勉義務等，預示著該企業存在還款意愿較低、信用風險較大的可能。該結果還說明相關監管部門，尤其是證監會（這是因為在本文中企業違規數據主要選取證監會發布的違規處理公告）對上市公司的監管有效而顯著，權益相關者在投資前應重視這類信息。

在方程中，各宏觀經濟變量不夠顯著，原因在于GDP、M2和CPI存在顯著相關關系。

四、結論及啟示

信用風險識別模型有助于提前發現企業信用風險，對加強信貸管理具有重要意義。財務指標比非財務指標更能顯著指示風險，不過加入非財務指標能提高模型的預測準確率，因此投資者不僅應謹慎分析企業的財務狀況，了解其還款能力，更應注重搜集目標企業以往的信用記錄、治理結構等軟信息，以考察企業的還款意愿，降低投資可能遭遇的信用風險。

參考文獻

[1] Cho H， Ciochetti B A， Shilling J D. Are commercial mortgage defaults affected by tax considerations?[J]. Real Estate Financial Economy， 2011( 5).

[2] Keasey K， Watson R. Non-Financial symptoms and the prediction of small company failure: A Test of ARGENTIs Hypotheses[J]. Journal of Business Finance Accounting， 1987(14): 335-354.

[3] 湯婷婷，方兆本. 商業銀行信用風險與宏觀經濟——基于壓力測試的研究[J]. 當代經濟科學，2011（4）：66-71.

[4] 石曉軍，任若恩，肖遠文. 邊界Logistic違約率模型及實證研究[J]. 管理科學學報，2007 (3 ) : 44- 51.

[5] 周首華，楊濟華，王平. 論財務危機的預警分析——F分數模式[J]. 會計研究，1996（8）：10-13.

[6] Altman E I. Financial Ratios， Discriminant Analysis and the Prediction of Corporate Bankruptcy[J]. The Journal of Finance， 1968( 23): 589～609.

[7] Ohlson J A. Financial ratios and probabilistic prediction of bankruptcy [J]. Journal of Accounting Research， 1980， 18(1): 109- 131.

作者簡介：崔天媛（1988- ），女，安徽宿州人，合肥工業大學管理學院研究生，研究方向：會計學。

（責任編輯：劉晶晶）