基于社會責任的上市公司財務信用風險評價研究

曹海敏，邵明昱

(上海工程技術大學 管理學院，上海 201620)

基于社會責任的上市公司財務信用風險評價研究

曹海敏，邵明昱

(上海工程技術大學 管理學院，上海 201620)

企業履行社會責任是企業信用的表現形式。隨著市場經濟的飛速發展，企業信用已成為資源配置的重要因素。將社會責任與財務信用相結合，基于利益相關者理論，從股東、債權人、消費者、供應商、政府、員工、社會等7個維度，選取20個指標建立Logistic-SVM財務信用風險評價模型，得出股東利益對企業財務信用風險影響程度最大、對政府利益影響最小的研究結論。最后從政府、社會、企業3個層面提出風險控制策略。

社會責任；財務信用風險；Logistic-SVM模型

一、引言

隨著市場經濟的飛速發展，企業信用已成為資源配置的重要因素。然而，從20世紀90年代開始，金融危機頻發，尤其是2008年美國次貸危機、2009年希臘國家債務危機、2010年發生并一直持續至今的歐洲主權債務危機以及2016年英國就退出歐盟開展全民公投，世界范圍內的信用危機不斷發生，對全球金融體系造成了嚴重影響。目前，產品質量、食品安全等一系列信用問題嚴重阻礙了中國經濟一體化發展進程。據報道，我國企業每年由于信用缺失造成的損失高達5 855億元，信用缺失已經成為制約經濟快速增長、企業健康發展的瓶頸[1]。以虛構經濟業務、違反合同、披露虛假財務信息[2]等為主的企業財務信用缺失進一步導致了企業信用危機，嚴重影響了經濟健康發展及企業利益相關者的利益。近年來，承擔社會責任作為企業維護公眾利益及可持續發展的必然因素得到社會各界的重視。履行社會責任不僅是企業發展進程中的一項義務，也是加強企業財務信用的關鍵途徑[3]。企業積極主動承擔社會責任，對于社會經濟健康發展、社會信用體系建設都具有深遠意義。那么企業履行社會責任會對企業財務信用風險產生什么影響？如何從企業社會責任的角度加強企業財務信用建設、降低財務信用風險？這些都成為研究的重要內容。本文將企業社會責任與財務信用風險相融合，從社會責任視角研究企業財務信用風險評價。

二、文獻綜述

20世紀30年代，國外學者開始對財務信用風險評價模型進行研究。早期主要是對企業財務信用的定性分析，主觀評價企業信用狀況，并評定信用等級。自20世紀70年代初到80年代末，基于統計判別的信用風險評價方法開始興起，模型主要利用公司財務報表披露的信息和數據進行信用風險的定量分析。1998年，新巴塞爾協議修正案規定各大銀行可以用內部模型估算信用風險，由此推動了信用風險度量方法的快速興起。20世紀90年代以后，基于前人的研究成果，財務信用風險評價模型越發完善和更具有創新性，同時一些非統計方法被運用到信用風險評價模型中。近年來，信用度量的單一方法研究進入低潮期，學者們開始把研究重點放在信用風險度量組合模型上。

我國學者從3個角度對社會責任和財務信用風險的關系進行了研究，如表1所示。

綜合國內外研究結果，從社會責任視角研究企業財務信用風險的文獻很少。隨著國內外對企業社會責任研究的不斷深入，將社會責任融入到企業財務信用風險中為解決企業財務信用風險評價問題提供了新思路。

表1 社會責任和財務信用風險關系主要研究成果

三、基于社會責任的企業財務信用風險評價依據

基于利益相關者理論，分析社會責任視角下企業財務信用風險評價的研究思路、研究方法和研究目標，如表2所示。

利益相關者理論指出，一個企業的持續健康發展離不開股東、債權人、消費者、供應商、員工、政府、社會等等，企業不應只以股東利益最大化來經營管理，還應考慮債權人、員工、供應商等其他利益相關者的利益。因此，本文的研究范圍包括股東、債權人、消費者、供應商、員工、政府和社會，研究方法和研究思路選擇能夠反映各利益相關者利益的社會績效指標，利用這些指標建立相應風險度量模型，評價社會責任視角下的企業風險狀況。

表2 基于社會責任的企業財務信用風險評價依據

本文基于學者曲艷梅的研究成果，將企業財務信用分為資本信用、商業信用和管理信用[11]。企業的資本信用所涉及的主要利益相關者是股東和債權人。股東是公司的所有者，其利益直接與企業的經營效益掛鉤。股東利益最大化是企業的目標，企業有責任和義務謀取更多利潤以回報股東。企業的生產經營結果及現金流量直接關系到企業能否及時繳納貸款利息及按時歸還本金，債權人的利益是否能得到維護。因而，企業對股東和債權人主要存在資本信用。

企業的商業信用主要被消費者和供應商所重視。消費者是企業獲取收益的命脈，是企業最重視的利益相關者之一，為消費者提供滿意的產品和服務是企業的基本職責，消費者最為關心的也是產品和服務的質量。對供應商來說企業按規定執行合同內容、按時繳納貨款就是守信用。企業對消費者和供應商主要存在商業信用。

員工、政府和社會最為關心的是企業的管理信用。一個企業管理質量的高低直接關系到員工、政府和社會的利益。企業有責任和義務善待員工，公司章程的制定應多考慮員工的利益，多為員工謀福利。企業有義務依照法律法規向國家繳納稅款并參與政府提倡的社會公益事業，有責任向社會提供更多的就業機會和崗位。企業對員工、政府和社會主要存在管理信用。

四、社會責任視角下企業財務信用風險評價的實證分析

(一)Logistic-SVM組合模型

企業財務信用風險評價的模型選擇中，Logistic回歸模型和SVM模型已被學者廣泛應用。Logistic模型是離散選擇法模型之一，是一種多元邏輯模型，屬于多重變量分析范疇。由于Logistic模型對樣本數據的要求較少，對變量也沒有過多限制，如今被廣泛應用。支持向量機(Support Vector Machine，簡稱SVM)，是近年來發展起來的新型人工智能方法。該方法對樣本數據分布沒有特別要求，而且基于結構風險最小化原則保證了SVM模型的穩定性。國外學者Chih-Shen Lin[12]，國內學者肖珉[13]、康艷紅[14]將SVM模型用于信用風險評價領域，并與神經網絡模型和Logistic模型進行比較，SVM模型取得了更優的結果。

組合模型的本質是通過信息的集成和分散個別樣本特有的不確定性來提高準確度。研究表明，對于多因素復雜問題的評價，組合模型比單一模型擁有更高的準確度。由于Logistic模型與SVM模型對假設條件及樣本數據要求相似，都能處理非線性、二分類問題，且均不要求變量服從正態分布，故本文選擇Logistic-SVM組合模型。雖然Logistic模型與SVM模型處理數據的方式存在差異，但兩者具有互補性，前者通過回歸方程建立模型，具有較高穩定性；后者利用核函數，在有效避免過度擬合的同時保持高準確性。

本文采用SPSS 19.0統計軟件，首先利用因子分析對指標進行降維，然后建立Logistic財務信用風險評價模型；再使用Matlab 7.8構建SVM財務信用風險評價模型；最后將Logistic和SVM相結合建立Logistic-SVM組合模型評價企業財務信用風險。

(二)樣本選取

將在我國滬深兩市上市的公司作為樣本，剔除披露信息不完整、數據不完全的公司。同時，金融業的商業模式、報表結構異于其他行業，因此剔除金融類企業。在2013—2015年每年各選取200家上市公司，其中50家為在2013—2015年被標記過ST的公司、150家為未被標記過ST的公司。最終選取2013—2015年600家上市公司作為研究樣本。數據來源主要是2013—2015年的年度財務報告和企業社會責任報告，行業分類來源于證監會最新行業門類劃分。

由于本文選取的指標直接反應公司當年的運營情況及社會責任情況，加上宏觀經濟因素的影響，會導致選取的研究樣本數據波動較大，異常值對實證質量有影響。因此根據3σ原則對異常數據進行剔除，共發現異常數據63個，最終樣本容量為537個。

(三)指標選取

企業財務信用分為資本信用、商業信用和管理信用，從實證分析得出它們與企業成長性為正相關關系[15]。如圖1所示，資本信用包括企業對股東、債權人社會責任的實現情況；商業信用包括企業對消費者、供應商社會責任的實現情況；管理信用包括企業對員工、政府、社會的社會責任實現情況。企業對利益相關者責任實現越好，財務信用越高，財務信用風險越小。

圖1 企業財務信用風險評價體系設計

本文從企業財務報告出發，選取能反映7個利益相關者利益實現情況的指標，綜合評價企業財務信用風險水平。本研究主要為企業財務信用風險控制路徑提供意見，為避免主觀性，將選取可以量化的財務指標作為風險度量依據，便于企業結合自身財務狀況分析企業財務信用風險，具體如表3。

表3 社會責任視角下企業財務信用風險度量優化指標體系

(四)因子分析

本文采用因子分析法對指標進行降維，以降低信息重復的干擾問題，便于分別對企業資本信用風險、商業信用風險及管理信用風險進行評價。使用統計軟件SPSS 19.0，得出股東利益因子、債權人利益因子、供應商利益因子、消費者利益因子、政府利益因子、員工利益因子和社會利益因子，分別用F1，…，F7表示：

F1=0.376X1+0.162X2+0.350X3+ 0.350X4-0.158X5-0.277X6

F2=0.014X1+0.432X2+0.021X3- 0.152X4+0.849X5+0.005X6

F3=-0.095X7+0.129X8+0.081X9+ 0.072X10+0.564X11+0.559X12

F4=0.440X7+0.319X8-0.689X9+ 0.418X10-0.034X11-0.010X12

F5=0.528X13+0.059X14+0.112X15+ 0.534X16+0.059X17-0.3X18+ 0.236X19+0.184X20

F6=-0.092X13+0.588X14-0.428X15+ 0.035X16+0.414X17-0.246X18+ 0.048X19+0.077X20

F6=-0.092X13+0.588X14-0.428X15+ 0.035X16+0.414X17-0.246X18+ 0.048X19+0.077X20

F7=-0.139X13+0.166X14+0.205X15+ 0.198X16+0.027X17+0.116X18- 0.734X19+0.507X20

(五)Logistic-SVM模型的建立與檢驗

1.Logistic財務信用風險評價模型的構建

將因子分析得到的7類因子F1，…，F7作為自變量，引入二元變量y作為因變量。選取350組上市公司樣本數據，將2013—2015年被標記ST的我國上市公司作為財務信用風險高的樣本，y取值為1；未被標記ST的上市公司作為財務信用風險低的樣本，y取值為-1。被標記ST的樣本有78組，未被標記ST的樣本有41組?；谝陨蠑祿?，通過SPSS 19.0對7類因子進行Logistic回歸，構建企業財務信用風險評價模型。得到的企業財務信用風險評價表達式為：

其中，Pi在(0，1)中間取值，代表企業財務信用風險大小。Pi越接近0，表示企業財務信用風險越小，企業財務信用越好；Pi越接近1，表示企業財務信用風險越大，企業財務信用越差。

2.SVM財務信用風險評價模型的構建

在Matlab7.8的環境下，基于SVM模型，以上述350組上市公司樣本數據作為訓練集S1，剩余187組作為測試集S2。訓練集中有272組未被標記ST的上市公司數據，有78組被標記ST的上市公司數據。測試集中未被標記ST的上市公司數據和被標記ST的數據分別是146組和41組。設定兩分類目標值{-1,1}，-1代表財務信用風險低的企業，即未被標記ST的上市公司；1代表風險高的企業，即被標記ST的上市公司。使用Libsvm 3.1工具箱和faruto Ultimate Version 3.1程序包對企業財務信用風險評價模型進行構建。

(1)函數的選取與參數(c，g)的確定

SVM模型建立的關鍵在于核函數的選擇。常用的核函數類型有線性(linear)函數、多項式(polynomial)函數、徑向量(RBF)函數和sigmoid函數。袁莉[16]、王艾婷[17]、康艷紅[14]、趙永霞[18]等學者通過實證驗證出，以RBF函數為核函數的SVM模型較線性函數、多項式函數、sigmoid函數有更好的準確性。因此，本文借鑒這些學者的研究成果，選取RBF函數構建模型，同時引入(c，g)兩個參數，利用Grid Search法尋找最優參數(c，g)，c的尋找區間設為[0,20]，g的尋找區間設為[-20,0]，步長設為4.5，采用4-fold交互檢驗模式進行粗略尋找，得到如圖2的結果。

如圖2所示，對(c，g)的最優值進行粗略尋找后，得到c的最優取值為445.72，g的最優取值為0.003 9，識別準確率為92.56%。接下來將c的區間設為[2,8]，g的區間設為[-8,-4]，步長設為0.5，采用10-fold交互檢驗模式進行進一步精細尋找，得到如圖3的結果。

如圖3所示，對(c，g)的最優值進行進一步精細尋找后，得到c的最優取值為36.758 3，g的最優取值為0.020 6，識別準確率為93.714 3%。此時達到最大的識別準確率。因此以參數(c，g)取值為(36.758 3,0.020 6)建立SVM財務信用風險評價模型。

圖3 參數(c，g)進一步精確尋找結果的等高線圖和3D視圖

(2)模型檢驗

利用以參數(c，g)取值為(36.758 3,0.020 6)建立的SVM財務信用風險評價模型對測試集樣本進行預測，得到Accuracy=89.304 8%(167/187)(classification)，并將結果輸出。

(3)SVM模型的權重提取

由于SVM模型是用非線性函數將樣本數據投射到高維特征空間中，并采用核函數取代高維特征空間中的內積運算。學習階段完成后，決策者進行上市公司財務信用風險評價的主觀判斷、對目標重要性的偏好及推理機制等都被貯存在隱藏層中(如圖4)，因此從顯性評價變量、評價標準中不能直觀了解決策方式和過程，進而不能對評價結果做出明確解析。但在現實中，人們除了需要高準確性模型之外，更希望從模型的映射關系中了解SVM的決策過程，并對分類結果進行解釋，對企業財務信用風險的控制提供路徑指導。

圖4 SVM模型方法結構圖

最終得出提取權重的SVM財務信用風險評價表達式為：

f(xi)=-0.036 28xi1-0.057 8xi2-0.047 1xi3- 0.097 6xi4+0.084 6xi5-0.301 6xi6- 0.217 7xi7

3.Logistic-SVM組合模型構建

基于前人研究成果，將組合模型的誤差平方和σ2最小化作為目標函數，采用被普遍使用的最小方差法求解組合模型的權重系數。

利用最小方差法求得：

得到最終的Logistic-SVM模型公式：

F(xi)=0.227 3Pi+0.772 7f(xi)

4.模型檢驗

將測試集S2代入Logistic-SVM模型公式進行檢驗，準確率如表4。

表4 Logistic-SVM組合模型的財務信用風險評價檢驗結果

如表4所示，基于Logistic-SVM組合模型對測試集的預測結果中，將11個風險低的上市公司判斷為風險高的公司，135個風險低的上市公司預測正確，對風險低的上市公司的預測正確率達92.5%。在對風險高的上市公司預測時，將10個風險高的公司判斷為風險低的公司，其余31個公司判斷正確，對風險高的上市公司的預測正確率達75.6%。對測試集樣本的綜合預測正確率為88.8%?？梢钥闯觯贚ogistic-SVM組合模型的財務信用風險評價模型的擬合度較好。

將Logistic模型、SVM模型、提取權重的SVM模型及Logistic-SVM組合模型的預測結果進行比較，如表5所示。

表5 模型預測結果比較

從表5可以看出，Logistic模型、SVM模型以及Logistic-SVM組合模型的預測企業財務信用風險的準確率依次為88.8%、89.3%和88.8%。Logistic-SVM組合模型對兩種模型進行了有效整合，雖然其整體預測準確率不是最高的，但在保持對低財務信用風險企業的預測正確率很高的前提下，高風險企業的正確率有了一定提高，模型的綜合預測能力較好。

5.實證結論

通過上述實證分析，可以發現Logistic-SVM財務信用風險評價模型對上市公司財務信用風險評價的綜合能力最好。從最終得到的Logistic-SVM財務信用風險評價表達式可以看出，企業財務信用風險與股東利益因子、債權人利益因子、供應商利益因子、消費者利益因子、員工利益因子、社會利益因子呈負相關關系，與政府利益因子呈正相關關系。利益因子中對企業財務信用風險影響程度由大到小依次為：股東利益因子、員工利益因子、社會利益因子、消費者利益因子、債權人利益因子、供應商利益因子和政府利益因子。股東利益因子對企業財務信用風險的影響程度最大，占0.41。說明企業實現股東利益的行為對降低企業財務信用風險最有效，原因在于企業的運營資金主要來源于股東投入，股東利益實現程度越高，企業資金越充裕，越有利于企業經營發展，從而使企業股價越高，股東得到的分紅也越多，股東利益實現程度進一步提高，形成良性循環。

政府利益因子與財務信用風險呈正相關關系，風險影響程度最小。政府對企業進行監督管理，有助于企業獲得政府相關政策扶持，有利于企業的資金周轉。企業按時納稅可以獲得良好信用，說明企業繳納稅款、吸納失業人員等行為會促進財務信用風險的增大，原因可能是：第一，維護政府利益的行為在短時間內導致企業運營成本的提升，企業沒有權衡成本和收益的關系；第二，企業這些行為沒有得到政府相應的政策扶持，不利于資金業務的周轉，特別是研究樣本中國有企業所占比重大，對政府依賴程度相對更高，政府的政策執行力有待加強；第三，可能還與本文進行實證研究的時間跨度較短有關，這將是下一步研究的方向。

五、結語

針對上述問題，本文從政府、社會和企業3個層面分析企業財務信用風險評價策略。首先，從政府層面，國家和政府應建立信用法律制度體系及信用信息監管平臺，健全財務信用管理機制。良好的信用環境需要相關法律制度作為支撐和保障。依法設置信用懲戒機制有助于消除商業欺詐等大部分不良商業行為，一定程度上保障信用經濟發展。為此，我國也應建設信用監管平臺，建立財務信用獎勵及懲戒機制。其次，從社會層面，加強社會道德建設，在社會中形成信用新風尚。道德是信用建設的基礎，信用經濟時代，信用成為資源配置的重要因素，社會道德建設主要包括公民道德建設和職業道德建設。最后，從企業層面，提高企業社會責任意識和信用意識，建立企業信用制度。企業社會責任是企業信用的具體表現形式，增強企業社會責任意識有利于提高財務信用、降低財務信用風險。強化社會責任意識和信用意識離不開信用制度的建設。企業信用建設作為企業戰略的一部分需要用規章制度加以規范。

[1] 敖華，趙嫻.我國社會信用管理行業總體特征、主要問題及對策研究[J].浙江工商大學學報，2011(1):59-65，89.

[2] 安靈,黃銀鋒.我國上市公司年報預約披露日變更動機研究[J].重慶理工大學學報(社會科學),2016,30(6):67-75.

[3] 曹海敏，儲麗琴.企業績效、財務信用和社會責任——基于某民營企業的案例分析[J].財會通訊，2014(6):85-88，129.

[4] 葉陳毅，宋紹清.企業社會責任、信用治理及評價系統的構建[J].財務與會計，2009(12):56-57.

[5] 晏艷陽，劉鵬飛.公司社會責任績效對其信用風險的影響研究——來自A股市場的證據[J].湖湘論壇，2014(1):36-40，52.

[6] 王雪青，韓濤濤，陳楊楊，等.基于SD的建筑市場執業資格人員信用行為決策機理研究[J].工程管理學報，2015(1)：1-6.

[7] 安強.企業可持續發展下的財務管理創新[J].企業導報，2010(8):89-90.

[8] 趙文英，郭曉明.基于企業可持續發展的社會責任研究[J].財會通訊，2010(24):123-125.

[9] 李冰.萬科集團社會責任對財務風險的影響研究[D].大慶：黑龍江八一農墾大學，2015.

[10]葛倩.民營企業財務信用對社會責任績效的影響研究[D].上海：上海工程技術大學，2015.

[11]曲艷梅.上市公司財務信用評價指標體系的研究[J].商業研究，2006(6):104-106.

[12]PAIPingfeng,LINChishen.AhybridARIMAandsupportvectormachinesmodelinstockpriceforecasting[J].Omega:InternationalJournalofManagementScience,2005，33(6):497-505.

[13]肖珉.我國企業集團上市公司財務預警與信用風險評估研究[D].成都：電子科技大學，2012.

[14]康艷紅.基于Logistic-SVM的農戶信用評價組合模型研究[D].長春：吉林大學，2014.

[15]曹海敏，常越.企業財務信用評價對成長性的影響效應分析[J].經濟問題，2015(10):113-117.

[16]袁莉.基于支持向量機的建筑業企業信用評價研究[D].大連:大連理工大學,2008：35-61.

[17]王艾婷.基于SVM的商業銀行信用風險模型研究[D].天津:天津大學,2009：24-45.

[18]趙永霞.電力上市公司財務風險評價及預警研究[D].北京:華北電力大學,2014：56-73.

[19]陳思鳳.基于ASVM的創業板上市企業風險評估研究[D].合肥：合肥工業大學,2012：45-60.

(責任編輯 魏艷君)

Research on the Evaluation of Listed Company’s Financial Credit Risk Based on Social Responsibility

CAO Hai-min, SHAO Ming-yu

(School of Management,Shanghai University of Engineering Science, Shanghai 201620, China)

The company fulfills the social responsibility, which is the manifestation of business credit. With the development of market economy, corporate credit has become an important factor in the allocation of resources. In this paper, based on stakeholder theory, combining the social responsibility and financial credit, 20 indicators were selected from seven dimensions (shareholders, creditors, customers, suppliers, government, employees, and society) to establish Logistic-SVM evaluation model of financial credit risk. Results show that the interests of the shareholders bring about the greatest impact on the financial credit risk of the enterprise and the interests of government have the minimal impact. Finally, risk control strategies are put forward from the aspects of government, society, enterprises.

social responsibility; credit risk of finance; logistic-SVM model

2016-09-13 基金項目：上海市政府決策咨詢研究項目“證券期貨交易機構一線監管與政府監管聯動防范風險研究”(2016JD02)；上海市重點課程建設項目“管理會計”(S201503001)

曹海敏(1961—)，女，河南洛寧人，教授，碩士生導師，中國注冊會計師，研究方向：財務管理、管理會計。

曹海敏，邵明昱.基于社會責任的上市公司財務信用風險評價研究[J].重慶理工大學學報(社會科學)，2017(3):38-46.

format：CAO Hai-min, SHAO Ming-yu.Research on the Evaluation of Listed Company’s Financial Credit Risk Based on Social Responsibility[J].Journal of Chongqing University of Technology(Social Science)，2017(3):38-46.

10.3969/j.issn.1674-8425(s).2017.03.007

F275

A

1674-8425(2017)03-0038-09