制造業上市公司信用風險評估

郝佳蓓　韓珂

【摘要】隨著經濟全球化的到來，金融市場內的波動相關性不斷加劇，信用風險越來越成為企業經營狀況的重要影響因素。我國制造業當下面臨著前所未有的危機，大量的制造業上市公司紛紛破產，其中最主要的因素就是信用危機。所以對制造業上市公司來說，信用風險評估至關重要。本文以我國2005年之前上市的制造業上市公司為樣本，以是否ST作用信用狀況的評價指標，應用主成分分析和logit模型對我國制造業上市公司的信用風險進行分析。

【關鍵詞】制造業上市公司 信用評估 主成分分析 logit

一、序言

“中國制造”曾一度風靡全球，成本低廉。而現在，“中國制造”正遭遇著空前的危機，越來越多的人對中國制造業的前景表示不樂觀。中國制造產業目前大多數仍停留在產業鏈的最低端，產品技術差，利潤小，基于這種情況，市場一旦出現問題，企業就會難以為繼。另外，中國雖然被稱為制造大國，但是真正拿得出手的品牌卻很少。制造業上市公司的信用風險，嚴重地影響到了社會上廣大投資者和金融機構經營收益，信用風險已經成為市場環境中上市公司所面臨的最重要的金融風險，識別和防范上市公司信用風險極為重要。

二、國內外研究現狀

WilliamBeaver（1966）在1968年提出了單變量預測模型。他將79家失敗企業和與其相對應的79家成功企業作為樣本進行研究，結果表明，債務保障率的準確率最高，并且離被ST的時間越近，準確率越高。Ohlson在1980年將1970到1976年間的105家破產公司和2058家非破產公司作為非配對樣本，首次采用邏輯回歸方法建立預警模型。

陳靜（1999）將1998年之前的27對上市公司作為樣本，用總資產收益率，流動比率，凈資產收益率和資產負債率這四個財務指標進行研究，發現這種方法雖然有局限，但具有一定的實踐意義。張愛民、祝春山（2001）在Z評分模型的基礎之上，選取80家公司，采用主成分分析方法來建立主成分預測模型，并證明主成分預測模型在上市公司財務狀況預測方面能夠取得較好的預測能力。陳曉蘭和任萍（2011）將AHP與Logit相結合，構建了混合模型，其預測正確率達到了93.3%。

三、我國制造業上市公司信用風險評估實證研究

本文采用logit的方法來對我國制造業上市公司信用風險的評估進行實證研究，在使用logit的方法研究之前，先對數據進行預處理，對數據進行標準化，并進行主成分分析。使用主成分分析之后的指標與數據帶入logit中，得到最終的結果。

（一）樣本選取

本文采用我國深市制造業上市公司中的非ST公司和ST公司作為樣本。選擇2009～2015年間首次被ST或*ST的上市公司作為ST樣本，選擇2005年前上市并且從未被ST的上市公司作為非ST的樣本。這是因為剛上市的公司可能因為經營不穩定等原因，各種數據可能與早上市的公司有所差距，導致模型的不準確。

（二）數據來源

本文從銳思（RESSET）金融研究數據庫中獲取數據，選擇2005～2015的所有深市制造業上市公司的ST與非ST情況，從中選出2009～2015年間首次被ST或*ST的上市公司的14家作為ST樣本，并從中挑出所有2005～2015年間從未被ST的公司作為備選非ST組。搜索每一個ST樣本所屬的二級分類，并從備選非ST組中選擇與之同行業的，資產總額最接近的一家非ST公司作為該ST公司的配對樣本，這樣獲得了14個非ST樣本。由于上市公司某一年的財務報表在下一年的四月份才會發布，所以企業在某一年被ST表明該企業在T-1年已經連續虧損兩年，所以我們選擇ST前兩年（即T-2年）的數據樣本數據。我們選擇如下指標：每股凈資產（元/股）_NAPS、資產負債率（%）_Dbastrt、每股息稅前利潤（元/股）_EBITPS、每股未分配利潤（元/股）_UndivprfPS等指標。

（三）數據分析

主成分分析是數學上對數據降維的一種方法。其基本思想是設法將原來眾多的具有一定相關性的指標X1，X2，XP（比如p個指標），重新組合成一組較少個數的互不相關的綜合指標Fm來代替原來指標。那么綜合指標應該如何去提取，使其既能最大程度的反映原變量Xp所代表的信息，又能保證新指標之間保持相互無關（信息不重疊）。本文的研究所選用的變量相互之間都存在著很大的多重共線性，所以我們首先使用主成分分析來消除相關性。

由結果可知，第一個主成分的特征根為4.84235，占總特征根的比例（方差貢獻率）為0.4842，這表示第一個成分解釋了原來10個變量的48.42%。可見第一個成分對原來10個變量的解釋不夠。加上的二個主成分之后，方差貢獻率變為0.7097，前兩個成分可以在很大程度上解釋原來10個變量。其中，成分1主要代表的變量為x2，x4，x5，x6，x7，x8，而成分2主要代表的是x1，x3，x7，x9，x10。

我們的模型中，因變量屬于二值選擇模型，因此，不可以使用簡單的回歸，而應該使用logit回歸。根據主成分分析得出的數據，我們使用STATA進行logit檢驗。

結果顯示，主成分1的p值為0.265，主成分2的p值為0.671。由此可知，兩種主成分都不顯著。這可能是由于選取的變量對一個企業是否被ST沒有起到決定性的作用，但這不能說明企業的各種狀況不影響企業是否被ST。

四、建議

基于logit信用風險評估未來研究的幾點建議：

一是本文中選擇的指標最初為10個，由于實證結果并不理想，所以筆者建議，未來的研究者可以加大指標的數量，并對指標進行更嚴格的篩選，以求最高的準確率。

二是可以嘗試將logit與其他方法相結合的混合方法，以完善信用風險評估模型。

參考文獻

[1]W.H.Beaver，Financial Rations as Predictors of Failure[J].Journal of Accounting Research （supplement），1966：77-111.

[2]Ohlson.J.A，Financial Ratios and the Probabilistic Prediction of corporate bankruptcy[J].Journal of Accounting Research，1980（1）：109-131.

[3]陳靜.上市公司財務惡化預測的實證分析[J].會計研究.1999（4）.

[4]張愛民，祝春山.上市公司財務失敗的主成分預測模型及其實證研究[J].金融研究.2001（3）.

作者簡介：郝佳蓓（1994-），女，漢族，山西省臨汾市，山西財經大學，碩士研究生在讀，金融學；韓珂（1993-），女，漢族，山西省永濟市，山西財經大學，碩士研究生在讀，金融學。