基于UTADIS決策技術(shù)的公司信用水平惡化風(fēng)險(xiǎn)辨析

楊瑞成, 李 融, 郭榮榮, 趙文靜

(內(nèi)蒙古財(cái)經(jīng)大學(xué)金融學(xué)院,內(nèi)蒙古自治區(qū)呼和浩特010050)

1 引 言

上市公司在我國(guó)的生產(chǎn)與經(jīng)濟(jì)發(fā)展中起著重要的作用,其信用風(fēng)險(xiǎn)一直是監(jiān)管層關(guān)注的重點(diǎn),它不僅影響投資者收益與公司的持續(xù)發(fā)展,也會(huì)影響到整個(gè)證券市場(chǎng)的穩(wěn)定和發(fā)展.然而,公司信用水平惡化是直接導(dǎo)致其產(chǎn)生信用風(fēng)險(xiǎn)的根源,如何正確辨析公司是否存在信用水平惡化風(fēng)險(xiǎn)至關(guān)重要;同時(shí),上市公司特別處理與否是其信用水平是否惡化的一個(gè)典型標(biāo)志,且央企上市公司在證券市場(chǎng)中的財(cái)務(wù)信息較為完整.鑒于此,本文以央企上市公司特別處理與否作為判定其信用水平是否存在惡化風(fēng)險(xiǎn)的標(biāo)準(zhǔn);同時(shí),由于UTADIS(Utilites Additives Discriminantes)決策技術(shù)具有良好的分類效果,可以有效判別上市公司是否被特別處理(ST),即是否存在信用水平惡化風(fēng)險(xiǎn).因此,本文運(yùn)用UTADIS 模型辨析央企上市公司是否被特別處理(ST),以此來(lái)判別公司是否存在信用水平惡化風(fēng)險(xiǎn).

公司信用水平是否惡化的判定主要采用定性與定量分析相結(jié)合的方法, 通過構(gòu)建數(shù)學(xué)模型、利用財(cái)務(wù)指標(biāo)對(duì)公司的信用水平做出正確評(píng)價(jià).經(jīng)典的信用水平判別方法主要有KMV方法[1,2],Logistic 回歸方法[3,4]及信用評(píng)分模型法[5,6,7].其中Logistic 回歸方法由于簡(jiǎn)單實(shí)用而被廣泛應(yīng)用: Ohlson[8]通過預(yù)測(cè)公司破產(chǎn)或者違約概率,認(rèn)為L(zhǎng)ogistic 回歸方法效果較為顯著;Comelli[9]在貨幣危機(jī)背景下預(yù)測(cè)公司的信用風(fēng)險(xiǎn),認(rèn)為L(zhǎng)ogistic 回歸方法預(yù)測(cè)效果較好;蒲林霞[10]運(yùn)用Logistic 回歸方法得出判別上市公司特別處理與否的幾個(gè)重要財(cái)務(wù)指標(biāo).雖然Logistic 回歸方法由于其簡(jiǎn)單易行被廣泛應(yīng)用于上市公司信用風(fēng)險(xiǎn)研究,但其預(yù)測(cè)能力依然沒有達(dá)到理想的效果,其風(fēng)險(xiǎn)識(shí)別的準(zhǔn)確性有待于進(jìn)一步提升.另一方面,由于公司信用水平惡化風(fēng)險(xiǎn)辨析本質(zhì)上是一個(gè)分類問題,一些學(xué)者利用UTADIS 技術(shù)的分類優(yōu)勢(shì)進(jìn)行判別,如Jacquet[11]利用方法建立累積效用方程,運(yùn)用總效用值的大小達(dá)到對(duì)公司的信用水平進(jìn)行分類的目的,Doumpos[12]將該方法與線性回歸、Logistic 回歸方法進(jìn)行了比較,認(rèn)為UTADIS 技術(shù)能夠更有效的預(yù)測(cè)公司的財(cái)務(wù)危機(jī).近幾年,該技術(shù)被應(yīng)用到多個(gè)領(lǐng)域的分類決策問題中,如公司風(fēng)險(xiǎn)評(píng)估、授信問題、資本投資與投資組合選擇等.國(guó)內(nèi)也有少量學(xué)者引入該模型對(duì)一些項(xiàng)目分類進(jìn)行決策,如李俊周[13]等運(yùn)用這一方法對(duì)電能質(zhì)量綜合評(píng)估進(jìn)行了分析.但是直接運(yùn)用UTADIS 模型對(duì)公司信用水平惡化風(fēng)險(xiǎn)進(jìn)行辨析的成果依然較少,模型的有效性也需進(jìn)一步探討,這也正是本文所研究的關(guān)鍵所在.

為有效識(shí)別上市公司信用水平是否存在惡化風(fēng)險(xiǎn),本文借助于UTADIS 決策技術(shù)在分類方面的優(yōu)勢(shì),以44 家央企上市公司為樣本,從盈利能力、償債能力和營(yíng)運(yùn)能力三個(gè)方面選取13 個(gè)財(cái)務(wù)指標(biāo),以公司特別處理與否刻畫其是否存在信用水平惡化風(fēng)險(xiǎn),運(yùn)用UTADIS 方法對(duì)該風(fēng)險(xiǎn)加以辨析,探討UTADIS 模型的有效性;并利用各指標(biāo)的邊際效用值,對(duì)體現(xiàn)公司信用水平惡化的財(cái)務(wù)指標(biāo)做進(jìn)一步分析,找出在信用水平惡化風(fēng)險(xiǎn)識(shí)別中起較大作用的財(cái)務(wù)指標(biāo).

2 UTADIS方法與信用水平惡化風(fēng)險(xiǎn)辨析流程

UTADIS 決策技術(shù)利用公司的財(cái)務(wù)數(shù)據(jù),實(shí)現(xiàn)對(duì)公司信用水平是否存在惡化風(fēng)險(xiǎn)的判別.與傳統(tǒng)信用風(fēng)險(xiǎn)識(shí)別模型不同,該模型是一種基于效用函數(shù)的多準(zhǔn)則分類方法,通過建立總效用函數(shù)、比較總效用值與效用閾值的大小,達(dá)到辨析上市公司信用水平是否存在惡化風(fēng)險(xiǎn)的目的.

2.1 理論模型構(gòu)建

記a為每一組評(píng)估對(duì)象,利用UTADIS 方法判別該評(píng)估對(duì)象是否存在信用水平惡化風(fēng)險(xiǎn)的步驟如下:

步驟1計(jì)算節(jié)點(diǎn)值.記評(píng)估對(duì)象a的每個(gè)評(píng)價(jià)指標(biāo)為分別表示所有評(píng)估公司的該指標(biāo)的最小值與最大值,j=1,2,...,m;記為每個(gè)評(píng)價(jià)指標(biāo)的數(shù)據(jù)區(qū)間,將Fj分成lj ?1段相等的區(qū)間,每個(gè)節(jié)點(diǎn)的評(píng)價(jià)指標(biāo)為

步驟2估計(jì)每個(gè)節(jié)點(diǎn)的邊際效用值.假定對(duì)于每一個(gè)評(píng)估對(duì)象a的每一個(gè)評(píng)價(jià)指標(biāo)fj(a)都有則評(píng)估對(duì)象a的評(píng)價(jià)指標(biāo)fj的邊際效用(即某一評(píng)估公司財(cái)務(wù)數(shù)據(jù)a的評(píng)價(jià)指標(biāo)fj的邊際效用)uj(fj(a))通過線性插值公式估計(jì),即

且滿足邊際效用的單調(diào)性,即

作如下不等式變形

通過式(3)和式(4)的轉(zhuǎn)換,式(2)可以寫成

步驟3計(jì)算總效用值.每個(gè)評(píng)估對(duì)象a的總效用U(a)的計(jì)算公式為

記區(qū)分不同類別的效用閾值為tk(其中t1>t2>···>tq),若tk≤U(a)

步驟4構(gòu)建效用估計(jì)誤差值.在運(yùn)用總效用估計(jì)每個(gè)評(píng)估對(duì)象a的所屬類別時(shí),會(huì)出現(xiàn)高估誤差或者低估誤差,用σ+(a)表示高估誤差,用σ?(a)表示低估誤差.如果出現(xiàn)高估誤差,評(píng)估對(duì)象a就會(huì)被劃分到一個(gè)比原來(lái)高一個(gè)等級(jí)的類別里,如評(píng)估對(duì)象a屬于C2類被錯(cuò)劃為C1類;如果出現(xiàn)低估誤差,評(píng)估對(duì)象a就會(huì)被劃分到一個(gè)比原來(lái)低一個(gè)等級(jí)的類別里,如評(píng)估對(duì)象屬于C1類被錯(cuò)劃為C2類.

把誤差因素考慮進(jìn)去,式(7)轉(zhuǎn)換為

其中δ是一個(gè)非常小的正數(shù)以區(qū)分不等式的嚴(yán)格性.

目的是使得估計(jì)的邊際效用值uj(fj(a))和效用閾值tk滿足約束條件式(8)～式(10),并且使得所有誤差總和最小.記所有誤差總和為

于是,問題轉(zhuǎn)換為使得誤差總和最小,即

且滿足式(8)～式(10)及約束條件

其中β >0 為區(qū)分兩個(gè)相鄰類別嚴(yán)格偏好關(guān)系的門限值,且式(13)用以表示效用的歸一化處理.

2.2 辨析流程

運(yùn)用UTADIS 決策技術(shù)對(duì)上市公司是否存在信用水平惡化風(fēng)險(xiǎn)的辨析流程共分三步,如圖1 所示.

圖1 公司信用水平惡化風(fēng)險(xiǎn)辨析流程圖Fig.1 Process of the analysis of the risk of deterioration of the company’s credit level

從圖1 可以看出,運(yùn)用UTADIS 模型辨析上市公司是否存在信用水平惡化風(fēng)險(xiǎn)主要包含三個(gè)步驟:

步驟1數(shù)據(jù)選取及處理階段.選取44 家上市公司,包含ST 公司(即存在信用水平惡化風(fēng)險(xiǎn)的公司)和非ST 公司(即不存在信用水平惡化風(fēng)險(xiǎn)的公司)的季度財(cái)務(wù)數(shù)據(jù)為研究樣本,將這些季度財(cái)務(wù)數(shù)據(jù)分成訓(xùn)練樣本數(shù)據(jù)和預(yù)測(cè)樣本數(shù)據(jù);

步驟2用UTADIS 方法和線性規(guī)劃方法對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練計(jì)算,根據(jù)計(jì)算結(jié)果給出公司是否存在信用水平惡化風(fēng)險(xiǎn)的判定;

步驟3用訓(xùn)練好的UTADIS 模型對(duì)待預(yù)測(cè)上市公司(即預(yù)測(cè)和檢驗(yàn)樣本)是否存在信用水平惡化風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)和檢驗(yàn),分析UTADIS 模型的辨析效果.

3 實(shí)證分析

基于央企上市公司的財(cái)務(wù)數(shù)據(jù)相對(duì)穩(wěn)定和完整的特性,選取44 家央企上市公司作為研究對(duì)象;同時(shí),為保證有足夠數(shù)量的處在ST 狀態(tài)的季度財(cái)務(wù)數(shù)據(jù)樣本,選取2015 與2016年的季度財(cái)務(wù)數(shù)據(jù)進(jìn)行分析(因?yàn)樵谶@兩個(gè)年度中ST 公司季度財(cái)務(wù)數(shù)據(jù)樣本數(shù)量相對(duì)較多),數(shù)據(jù)來(lái)自Wind 數(shù)據(jù)庫(kù).在這44 家央企上市公司中,33 家為非ST 公司,11 家為ST 公司.這里,ST 公司與非ST 公司的配比為1:3,是在借鑒國(guó)內(nèi)外實(shí)證研究的基礎(chǔ)上[14,15],經(jīng)過多次試驗(yàn)優(yōu)選得出,該配比對(duì)于本文辨析公司信用水平惡化風(fēng)險(xiǎn)較為有效.需要注意的是,這里的某ST 公司并不是指該公司在2015年～2016年所有季度都處于ST 狀態(tài),可能只是在部分季度處于ST 狀態(tài).在所研究的所有季度財(cái)務(wù)數(shù)據(jù)樣本中,共含有278 個(gè)非ST 公司季度財(cái)務(wù)數(shù)據(jù)與74 個(gè)ST 公司季度財(cái)務(wù)數(shù)據(jù).ST 公司季度財(cái)務(wù)數(shù)據(jù)表示公司在該季度存在信用水平惡化風(fēng)險(xiǎn)狀態(tài),非ST 公司季度財(cái)務(wù)數(shù)據(jù)表示在該季度信用水平正常,即無(wú)信用水平惡化風(fēng)險(xiǎn)發(fā)生.

本文將這些季度財(cái)務(wù)數(shù)據(jù)樣本分為兩部分——訓(xùn)練樣本集和預(yù)測(cè)樣本集,F1,F2,...,F2929 家公司,共232 個(gè)季度財(cái)務(wù)數(shù)據(jù)(包含176 個(gè)非ST 公司季度財(cái)務(wù)數(shù)據(jù)與56 個(gè)ST 季度財(cái)務(wù)數(shù)據(jù)).預(yù)測(cè)樣本集中包括15 家公司(記為Y1,Y2,...,Y15),共120 個(gè)季度財(cái)務(wù)數(shù)據(jù)(包含102 個(gè)非ST 公司季度財(cái)務(wù)數(shù)據(jù)與18 個(gè)ST公司季度財(cái)務(wù)數(shù)據(jù)).

根據(jù)2.2 節(jié)的見圖1,利用所選取財(cái)務(wù)指標(biāo)的季度財(cái)務(wù)數(shù)據(jù),對(duì)各公司在每一季度“ST 與否”(即是否存在信用水平惡化風(fēng)險(xiǎn))進(jìn)行辨析.為使選取的財(cái)務(wù)指標(biāo)能夠充分反映上市公司的各種情況, 本文根據(jù)可比性、可操作性及數(shù)據(jù)可獲得性等原則,經(jīng)過反復(fù)試驗(yàn),最終從盈利能力、償債能力和營(yíng)運(yùn)能力三個(gè)方面確定了如下指標(biāo)[16](見表1)進(jìn)入研究.

表1 財(cái)務(wù)指標(biāo)及其計(jì)算公式Table 1 Financial Indices and measurements

3.1 UTADIS 模型訓(xùn)練結(jié)果分析

在季度財(cái)務(wù)數(shù)據(jù)的訓(xùn)練樣本集中,包含C1類公司22 個(gè),C2類公司7 個(gè),其中C1表示公司的季度財(cái)務(wù)數(shù)據(jù)處于非ST 狀態(tài),用C2表示公司的季度財(cái)務(wù)數(shù)據(jù)處于ST 狀態(tài).采用如下判別標(biāo)準(zhǔn):若某一公司季度財(cái)務(wù)數(shù)據(jù)的總效用值(計(jì)算方法見式(6))大于效用閾值,則該季度數(shù)據(jù)被判別為C1類,否則為C2類.

根據(jù)上述判別標(biāo)準(zhǔn),在判斷過程中會(huì)出現(xiàn)正判(判斷正確)和誤判(判斷錯(cuò)誤)兩種情況:

1)正判情況.正判情況包含如下兩種情形:若公司季度財(cái)務(wù)數(shù)據(jù)的真實(shí)類別為C1,其總效用值大于效用閾值,則它的估計(jì)類別為C1;若公司季度財(cái)務(wù)數(shù)據(jù)的真實(shí)類別為C2,其總效用值小于效用閾值,則它的估計(jì)類別為C2.

2)誤判情況.誤判情況中包含如下兩種情形:若公司季度財(cái)務(wù)數(shù)據(jù)的真實(shí)類別為C1,其總效用值小于效用閾值,則它的估計(jì)類別為C2,即非ST 公司被誤判為ST 公司,發(fā)生低估錯(cuò)誤;若公司季度財(cái)務(wù)數(shù)據(jù)的真實(shí)類別為C2,其總效用值大于效用閾值,則它的估計(jì)類別為C1,即ST 公司被誤判為非ST 公司,發(fā)生高估錯(cuò)誤.需要注意的是,當(dāng)非ST 公司被誤判為ST 公司(發(fā)生低估錯(cuò)誤)時(shí),會(huì)給該公司帶來(lái)不良的聲譽(yù),甚至?xí)斐梢欢ǔ潭鹊膿p失;當(dāng)ST 公司被誤判為非ST 公司(發(fā)生高估錯(cuò)誤)時(shí),會(huì)掩蓋該ST 公司的真實(shí)信用狀況,人為地提高了ST 公司的信用水平,可能給投資者帶來(lái)?yè)p失.

運(yùn)用UTADIS 決策技術(shù),利用軟件MATLAB(2012b)編程計(jì)算得到了各訓(xùn)練數(shù)據(jù)樣本的總效用值及效用閾值t1=0.582 8,判定結(jié)果如表2 所示(表2 中T 表示公司真實(shí)類別,E 表示公司估計(jì)類別):

表2 訓(xùn)練數(shù)據(jù)分類結(jié)果(2015)Table 2 Classified results for training data(2015)

表3 訓(xùn)練數(shù)據(jù)分類結(jié)果(2016)Table 3 Classified results for training data(2016)

續(xù)表3Table 3 Continues

從表2 和表3 中可以看出,公司F1到F22的真實(shí)類別為C1,共176 個(gè)判定結(jié)果;F23到F29這7 家公司的真實(shí)類別為C2,共56 個(gè)判定結(jié)果.總體來(lái)看,不存在C1類被誤判為C2類與C2類被誤判為C1類的情況,即總體辨析正確率為100%,表明該模型的訓(xùn)練效果較好.

3.2 UTADIS 模型預(yù)測(cè)的結(jié)果分析

運(yùn)用3.1 節(jié)中訓(xùn)練好的UTADIS 模型,對(duì)預(yù)測(cè)樣本集“是否存在信用風(fēng)險(xiǎn)水平惡化風(fēng)險(xiǎn)”進(jìn)行預(yù)測(cè),效用閾值依然為t1= 0.582 8,并根據(jù)預(yù)測(cè)結(jié)果檢驗(yàn)該模型的辨析效果,得到了如下預(yù)測(cè)樣本分類結(jié)果,如表4和表5 中所示(表3 中T 表示公司真實(shí)類別,E 表示公司估計(jì)類別).

表4 預(yù)測(cè)樣本分類結(jié)果(2015)Table 4 Classified results for forecasting data(2015)

表5 預(yù)測(cè)樣本分類結(jié)果(2016)Table 5 Classified results for forecasting data(2016)

為清晰起見,在表4 和表5 中把出現(xiàn)錯(cuò)判的情況用灰色底紋加以標(biāo)記.從表4 和表5 中可以看出:

1)2015年的季度財(cái)務(wù)數(shù)據(jù)共60個(gè),其中真實(shí)類別為C1類的季度財(cái)務(wù)數(shù)據(jù)有57 個(gè),真實(shí)類別為C2類的季度財(cái)務(wù)數(shù)據(jù)有3 個(gè);有12 個(gè)數(shù)據(jù)分類出現(xiàn)誤判錯(cuò)誤,均把C1類公司錯(cuò)判為C2類公司,發(fā)生低估錯(cuò)誤出現(xiàn)低估錯(cuò)誤的比率是21%;沒有出現(xiàn)高估錯(cuò)誤.總體來(lái)說,運(yùn)用UTADIS 技術(shù)對(duì)2015年上市公司信用水平惡化風(fēng)險(xiǎn)判別的準(zhǔn)確率為80%.

2)2016年的季度財(cái)務(wù)數(shù)據(jù)共60 個(gè).真實(shí)類別為C1類的季度財(cái)務(wù)數(shù)據(jù)有45 個(gè),其中4 個(gè)被錯(cuò)判為C2類,正判的比率為91%,誤判(即發(fā)生低估錯(cuò)誤)比率為9%.真實(shí)類別為C2類的季度財(cái)務(wù)數(shù)據(jù)有15 個(gè),其中2 個(gè)被誤判為C1類,正判的比率為87%,誤判(即發(fā)生高估錯(cuò)誤)的比率為13%.

總體來(lái)說,在預(yù)測(cè)樣本中,真實(shí)類別為C1類的季度財(cái)務(wù)數(shù)據(jù)被誤判為C2類(即發(fā)生低估錯(cuò)誤)的比率為15.7%;真實(shí)類別為C2類的季度財(cái)務(wù)數(shù)據(jù)被誤判C1類(即發(fā)生高估錯(cuò)誤)的比率為11%.

3.3 穩(wěn)健性檢驗(yàn)

為驗(yàn)證UTADIS 決策技術(shù)辨析公司信用水平惡化風(fēng)險(xiǎn)的穩(wěn)定性, 本節(jié)進(jìn)一步做如下討論: 1) 改變研究方法,利用Logistic 模型對(duì)上述樣本做辨識(shí),并與運(yùn)用UTAIDS 技術(shù)所得結(jié)論做比較以驗(yàn)證UTADIS 的辨識(shí)效果; 2) 改變UTADIS 辨識(shí)的研究樣本: 選取中醫(yī)藥行業(yè)的樣本對(duì)其信用水平惡化風(fēng)險(xiǎn)分析, 以驗(yàn)證UTADIS 辨識(shí)效果的穩(wěn)定性.

3.3.1 與Logistic 回歸方法對(duì)比分析

根據(jù)所選取的樣本數(shù)據(jù)和財(cái)務(wù)指標(biāo), 以各個(gè)財(cái)務(wù)指標(biāo)為自變量, 季度財(cái)務(wù)數(shù)據(jù)類別為因變量, 進(jìn)行Logistic 回歸.最終總資產(chǎn)報(bào)酬率、投入資本回報(bào)率、銷售凈利率、營(yíng)業(yè)總成本/營(yíng)業(yè)總收入、資產(chǎn)減值損失/營(yíng)業(yè)總收入和應(yīng)收賬款周轉(zhuǎn)率六項(xiàng)通過顯著性檢驗(yàn),得到的回歸模型為

經(jīng)計(jì)算可得,運(yùn)用Logistic 回歸方法辨析公司是否存在信用水平惡化風(fēng)險(xiǎn)的準(zhǔn)確率為75%.對(duì)比兩種方法,對(duì)上市公司信用水平是否存在惡化風(fēng)險(xiǎn)的辨析準(zhǔn)確率匯總情況如表4 所示.

從表6, 運(yùn)用UTADIS方法辨析上市公司信用水平是否存在惡化風(fēng)險(xiǎn)的準(zhǔn)確率達(dá)到85%, 而運(yùn)用Logistic 回歸方法辨析的準(zhǔn)確率為75%.UTADIS 決策技術(shù)對(duì)非ST 季度財(cái)務(wù)數(shù)據(jù)的正判率(準(zhǔn)確率)為84.3%, 略高于Logistic 回歸方法; 而對(duì)ST 季度財(cái)務(wù)數(shù)據(jù), UTADIS 決策技術(shù)正判率為89%, 遠(yuǎn)高于Logistic 回歸方法44.44%的準(zhǔn)確率.無(wú)論是總體準(zhǔn)確率還是單獨(dú)對(duì)比,UTADIS 決策技術(shù)的正判比率均比Logistic 回歸方法高.通過以上兩種方法的結(jié)果對(duì)比分析得出,UTADIS 模型更適合辨析公司信用水平惡化風(fēng)險(xiǎn).

表6 兩種方法的判別準(zhǔn)確率比較Table 6 Comparison of accuracy rate between two methods

3.3.2 基于中醫(yī)藥行業(yè)的信用水平惡化風(fēng)險(xiǎn)分析

為進(jìn)一步說明利用UTADIS 決策技術(shù)對(duì)上市公司信用水平是否存在惡化風(fēng)險(xiǎn)辨識(shí)的穩(wěn)定性,采用更換樣本的方式對(duì)UTADIS 模型的穩(wěn)健性加以驗(yàn)證.選取上證和深證的中醫(yī)藥上市公司,類似對(duì)央企上市公司信用水平是否存在惡化風(fēng)險(xiǎn)的辨識(shí)過程(見3.1節(jié)～3.2 節(jié)),以2001年～2016年上證和深證的中醫(yī)藥上市公司為對(duì)象,選取了48 個(gè)財(cái)務(wù)樣本數(shù)據(jù),其中ST 狀態(tài)的財(cái)務(wù)樣本數(shù)據(jù)12 個(gè),非ST 狀態(tài)的財(cái)務(wù)樣本數(shù)據(jù)36個(gè).訓(xùn)練樣本和檢驗(yàn)樣本按照1:1 比例分配,經(jīng)計(jì)算效用閾值為0.349 589,訓(xùn)練與預(yù)測(cè)結(jié)果匯總見表7.

表7 運(yùn)用UTADIS 方法的識(shí)別結(jié)果匯總(中醫(yī)藥上市公司)Table 5 Classified results with UTADIS method for Chinese traditional medicine listed industry

表7 顯示訓(xùn)練過程中沒有出現(xiàn)錯(cuò)誤的分類,欺詐信息辨識(shí)正確率為100%;運(yùn)用訓(xùn)練好的模型對(duì)預(yù)測(cè)樣本進(jìn)行欺詐信息辨識(shí)并加以檢驗(yàn),得到高估誤差率和低估誤差率分別是11.111 1%和16.666 7%,總的錯(cuò)誤率為12.5%,辨識(shí)正確率高達(dá)87.5%.由此可知,UTADIS 決策技術(shù)在辨析公司信用水平惡化風(fēng)險(xiǎn)上具有較強(qiáng)的穩(wěn)定性.

3.4 引發(fā)公司信用水平惡化風(fēng)險(xiǎn)主要財(cái)務(wù)指標(biāo)的邊際效用分析

公司在經(jīng)營(yíng)過程中發(fā)生信用水平惡化風(fēng)險(xiǎn),會(huì)在具體的財(cái)務(wù)指標(biāo)上得到反映,于是,本節(jié)在3.2 節(jié)的基礎(chǔ)上,進(jìn)一步分析每一財(cái)務(wù)指標(biāo)對(duì)辨析公司信用水平是否存在惡化風(fēng)險(xiǎn)的邊際效用,根據(jù)式(5),圖2～圖7繪出了每一財(cái)務(wù)指標(biāo)(標(biāo)準(zhǔn)化數(shù)據(jù))的邊際效用圖.

對(duì)于不同公司來(lái)說, 公司在某個(gè)季度是否存在信用水平惡化風(fēng)險(xiǎn)是各財(cái)務(wù)指標(biāo)對(duì)其合力的影響, 通過總效用集中體現(xiàn)(見式(5)～式(6)).如果一個(gè)公司某幾項(xiàng)財(cái)務(wù)指標(biāo)在某個(gè)季度的數(shù)值偏高(或偏低), 特別是對(duì)最大邊際效用值較大的指標(biāo)來(lái)說, 將極大地提高(或拉低)該公司在這一季度的總效用值, 對(duì)該季度是否存在信用水平惡化風(fēng)險(xiǎn)的辨析起著舉足輕重的作用.但需要說明的是, 一個(gè)公司在某個(gè)季度存在信用水平惡化風(fēng)險(xiǎn), 并不一定是所有指標(biāo)都存在惡化趨勢(shì), 可能會(huì)出現(xiàn)某一個(gè)或幾個(gè)指標(biāo)呈“向好”趨勢(shì).從圖2～圖7 可以看出X4(利潤(rùn)率)、X2(投入資本回報(bào)率)、X3(銷售凈利率)、X1(總資產(chǎn)報(bào)酬率)、X12(流動(dòng)資產(chǎn)周轉(zhuǎn)率)與X11(應(yīng)收賬款周轉(zhuǎn)率)6 個(gè)指標(biāo)的最大邊際效用值權(quán)重總和約占總體的75%, 其最大邊際效用值分別高達(dá)23.947 9%,15.515 6%,10.869 3%,8.813 0%,8.163 7%,7.598 9%; 而其它指標(biāo)的最大邊際效用值相對(duì)較小.這六個(gè)財(cái)務(wù)指標(biāo)值的大小, 很大程度上決定了一個(gè)公司在某個(gè)季度總效用值的大小,進(jìn)而成為了辨析該公司在該季度的信用水平是否存在惡化風(fēng)險(xiǎn)的主要依據(jù).特別地, 財(cái)務(wù)指標(biāo)X4(利潤(rùn)率)與X2(投入資本回報(bào)率)的最大邊際效用值之和接近40%,這兩個(gè)財(cái)務(wù)指標(biāo)值的高與低,將大大擴(kuò)大或降低其邊際效用及其總效用值,它們?cè)诒嫖鲆粋€(gè)公司信用水平是否存在惡化風(fēng)險(xiǎn)上起著關(guān)鍵作用.

圖2 指標(biāo)X1 的邊際效用Fig.2 Marginal utility of index X1

圖3 指標(biāo)X2 的邊際效用Fig.3 Marginal utility of index X2

圖4 指標(biāo)X3 的邊際效用Fig.4 Marginal utility of index X3

圖5 指標(biāo)X4的邊際效用Fig.5 Marginal utility of index X4

圖6 指標(biāo)X11的邊際效用Fig.6 Marginal utility of index X11

圖7 指標(biāo)X12 的邊際效用Fig.7 Marginal utility of index X12

為更清楚地說明邊際效用在財(cái)務(wù)指標(biāo)權(quán)重確定的合理性, 下面以最大邊際效用值超過10 % 的財(cái)務(wù)指標(biāo)X4(利潤(rùn)率)與X2(投入資本回報(bào)率)為例做進(jìn)一步闡釋.下面給出X4與X2在2016年各預(yù)測(cè)公司(Y1,Y2,...,Y15)的季度財(cái)務(wù)數(shù)據(jù)對(duì)比圖,分別如圖8 與圖9 所示:

圖8 財(cái)務(wù)指標(biāo)X4 的季度財(cái)務(wù)數(shù)據(jù)對(duì)比圖Fig.8 Comparison of quarterly data on financial index X4

從邊際效用與總效用的角度來(lái)看(其關(guān)系見式(5)和式(6)),某一公司在某個(gè)季度的利潤(rùn)率與投入資本回報(bào)率如果偏低,而其它公司在同一季度的利潤(rùn)率與投入資本回報(bào)率相對(duì)較高,由于利潤(rùn)率X4與投入資本回報(bào)率X2的最大邊際效用值占比很大(分別為23.947 9%與15.515 6%),根據(jù)式(5)和式(6)的計(jì)算方法將會(huì)得出該公司在該季度的總效用值很小,從而該季度將會(huì)被判定為存在信用水平惡化風(fēng)險(xiǎn).同時(shí),由圖8 與圖9可以看出,公司處于非ST 狀態(tài)、即無(wú)信用水平惡化風(fēng)險(xiǎn)的情況下,各季度的財(cái)務(wù)指標(biāo)X4與X2的指標(biāo)值相對(duì)較大(一般為正值);相反,公司處于ST 狀態(tài)、即存在信用水平惡化風(fēng)險(xiǎn)的情況下,各季度的財(cái)務(wù)指標(biāo)X4與X2的值普遍很低(一般為負(fù)值).

圖9 財(cái)務(wù)指標(biāo)X2 的季度財(cái)務(wù)數(shù)據(jù)對(duì)比圖Fig.9 Comparison of quarterly data on financial index X2

一般來(lái)說,公司在某個(gè)季度的利潤(rùn)率(見圖8)與投入資本回報(bào)率越小(通常為負(fù)值,見圖9),該季度被認(rèn)定為存在信用水平惡化風(fēng)險(xiǎn)的可能性越大,由此看出,在辨析各公司在哪些季度存在信用水平惡化風(fēng)險(xiǎn)上,由最大邊際效用值確定出的主要財(cái)務(wù)指標(biāo)較為合理.

4 結(jié)束語(yǔ)

公司信用水平惡化影響整個(gè)經(jīng)濟(jì)市場(chǎng)的穩(wěn)定,而上市公司是否被ST 是判別公司是否存在信用水平惡化風(fēng)險(xiǎn)的重要標(biāo)志.本文以央企上市公司為例,運(yùn)用具有良好分類性能的UTADIS 決策技術(shù),從盈利能力、償債能力和營(yíng)運(yùn)能力三方面分析得出了判別上市公司信用水平是否惡化的六個(gè)主要財(cái)務(wù)指標(biāo):利潤(rùn)率、投入資本回報(bào)率、銷售凈利率、總資產(chǎn)報(bào)酬率、流動(dòng)資產(chǎn)周轉(zhuǎn)率、流動(dòng)資產(chǎn)周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率;其中,利潤(rùn)率與投入資本回報(bào)率由于其具有較高的最大邊際效用值而成為關(guān)鍵指標(biāo).相較于Logistic 回歸方法,UTADIS 方法更適合我國(guó)上市公司信用水平惡化風(fēng)險(xiǎn)辨析,本研究目前只是運(yùn)用UTADIS 模型對(duì)公司是否存在信用水平惡化風(fēng)險(xiǎn)進(jìn)行了簡(jiǎn)單分類并加以判別,由于UTADIS 決策技術(shù)具有多類別辨析的優(yōu)勢(shì),其理論和方法也相對(duì)成熟,只是計(jì)算過程更加復(fù)雜,可以運(yùn)用該技術(shù)對(duì)公司信用水平惡化風(fēng)險(xiǎn)的不同嚴(yán)重程度做進(jìn)一步細(xì)分,這也是以后需進(jìn)一步探討的方向.