實證法在企業信用評級中的應用研究

【摘" 要】論文旨在探討實證方法在企業信用評級中的應用。通過建立實證模型并使用相應的數據進行實證分析，提供一種有效的方法來預測企業的信用評級。實證過程包括收集數據、構建模型、進行回歸分析和模型評估等步驟。采用主觀性和客觀性的指標，以全面評估企業的信用狀況，并提供了定量的評估結果。研究結果表明，實證方法在企業信用評級中具有較高的預測能力和實用性。

【關鍵詞】實證法；信用評級；企業；實證模型；數據；實證過程

【中圖分類號】F272" " " " " " " " " " " " " " " " " " " " " " "【文獻標志碼】A" " " " " " " " " " " " " " " " " " " " " " " " "【文章編號】1673-1069（2024）05-0047-05

1 引言

企業信用評級作為金融領域中一個重要的評估指標，對于投資者、債權人和其他利益相關方來說具有重要意義。在市場經濟的背景下，企業信用評級幫助投資者了解和評估債券和其他金融工具的風險和回報，從而幫助他們作出明智的投資決策。實證法作為一種研究方法，旨在通過收集、分析和解釋可觀察的事實，從而進行理論驗證或實證驗證。實證法在社會科學研究中得到廣泛應用，其研究結果可以提供對實際現象的客觀、可靠的解釋和預測。然而，在企業信用評級領域，實證研究的應用還相對較少。當前的研究主要集中在理論模型的建立和方法的改進上，而對實證研究的關注卻相對較少。因此，有必要對實證法在企業信用評級中的應用進行深入探討和研究。本研究旨在通過運用實證法，從數量和質量兩個方面，探索企業信用評級中實證研究的具體應用。在數量方面，我們將收集和分析大量的數據，如企業財務指標、市場數據、行業數據等，以研究這些指標與企業信用評級之間的關系；在質量方面，我們將采用科學合理的實證研究設計和統計方法分析，以確保研究結果的準確性和可靠性。

通過本研究的實證研究，我們希望能夠為企業信用評級提供更加客觀、可靠的依據和模型進行預測，幫助投資者和決策者更好地理解和評估企業的信用風險，從而作出更加明智的投資決策。同時，我們也希望能夠為實證法在金融領域的應用提供一個有意義的案例，為相關研究和實踐提供借鑒和參考。

2 文獻綜述

在企業信用評級中，實證法是一種常見的應用方法。實證法是一種基于實際觀察和數據分析的研究方法，通過對真實數據的收集和處理，得出可靠的結論和推理。因此，在企業信用評級研究中，實證法可以提供客觀準確的評級結果[1]。實證法在企業信用評級中的應用主要可以分為兩個方面：一是通過建立模型和指標體系，對企業信用狀況進行評估和預測；二是利用數理統計的分析方法，研究和發現影響企業信用的因素。在以下的文獻綜述中，將對這兩個方面進行論述。

首先，建模和指標體系的研究是實證法在企業信用評級中的重要應用之一。研究者通過對一定數量的企業樣本進行觀察和數據收集，選擇合適的指標和變量，建立數學模型來評估和預測企業的信用狀況。其中，常用的評級指標包括財務指標、經營指標、市場指標等。通過這種方法，可以依據企業的實際經營情況和財務狀況，客觀地評估其信用狀況，并給予相應的評級結果[2]。

其次，數理統計的分析方法在實證法中的應用，在企業信用評級中發揮了重要作用。研究者通過對大量的企業樣本進行數理統計的分析，研究和發現影響企業信用的因素，并建立數學預測的模型。通過這種方法，可以從大量的數據中發現相關關系和趨勢，對企業信用的評估提供更為可靠的依據[3]。

綜上所述，實證法在企業信用評級中的應用研究是一種重要的方法。通過建立模型和指標體系，對企業信用狀況進行評估和預測，并利用數理統計的分析方法發現影響企業信用的因素，可以提供客觀準確的評級結果，對企業信用評級研究有著重要的意義。然而，需要注意的是，在實施實證法的過程中，數據的質量和樣本的選擇等問題需要引起研究者的重視。因此，在未來的研究中，需要進一步探索實證法在企業信用評級中的適用性和局限性。

3 數據收集與樣本構建

根據國務院國資委《中央企業綜合績效評價管理暫行辦法》（國務院國資委令第14號）等有關規定，依據全國國有企業有關財務數據、國家統計部門有關統計資料、各行業協會有關運行材料等。隨機選擇大型工業企業中的煤炭企業作為樣本。建立評價項目矩陣：

縱向指標為解釋變量指標，包括盈利能力狀況、資產質量狀況、債務風險狀況、經營增長狀況、補充指標等5個一級指標及總資產報酬率（%）、總資產周轉率（次）、資產負債率（％）等28個二級指標。

橫向指標為對應解釋變量的數量指標，包括：優秀值、良好值、平均值、較低值、較差值，體現對被解釋變量（信用層級）的解釋能力。

本研究收集了涵蓋煤炭行業、建筑安裝小型企業，不同規模和地區的企業信用評級數據。數據的來源包括財務報表、信用報告和其他公開信息等。在構建樣本時，考慮到數據的可用性和代表性，并采用適當的抽樣方法來確保樣本的隨機性和有效性。

4 實證模型的構建

本研究基于前面文獻綜述和對數據的分析，建立了適合企業信用評級的實證模型。采用多元選擇模型回歸方法，具體選用有序響應模型。通過選擇合適的因變量和自變量，建立了一個定量的評估模型。

某些受限因變量可以表示為一些具有自然順序的數字，在金融領域中，這方面最常見的就是信用評級，此外，對股票的買賣差價進行建模也如此。對于序數數據來說，由于只能從排序而非實際數字的角度來解釋這類數據，所以不能應用OLS技術，而要采用ML方法。而所使用的模型是對Logit模型和Probit模型的一般化，這種模型被稱為排序Logit模型或Probit模型。序數回歸的設計基于McCullagh的方法論。

建立有（排）序響應選擇模型：

p（y=yi|Xi， ？茁）=p（y=y1|x1， x2，x3，…，xk）" " （1）

其中，yi有1，2，3，…，m-1共m個數的選擇。建立多元排序選擇模型進行信用評級分析，需要引入一個不可觀測的潛在變量y■■：

y■■=x■■？茁+ε■■" " " " " " " " " " " " " " （2）

ε■■是相互獨立且同分布隨機性擾動項，yi的取值和潛在變量y■■有下面的對應關系：

yi=1，y■■≤c12，c1lt;y■■≤c23，c2lt;y■■≤c3" " " "■m-1，cm-i lt;y■■

假設ε■■為分布的函數F（x），可以得到因變量y取各個選擇值的概率：

p（y1=0）=F（c1-X' ？茁）

p（yi=1）=F（c2-X' ？茁）-F（c1-X' ？茁）

p（yi=2）=F（c3-X' ？茁）-F（c2-X' ？茁）

■

p（yi=m-1）=1-F（cm-1-X' ？茁）

模型方程的參數仍然使用最大似然函數估計，同時m-1個臨界值c1， c2，…，xm-1事先也是不確定的，因此也作為模型進行估計參數與模型系數一起估計[4]。

5 實證分析和結果

通過對實證模型進行回歸分析，得出模型的實證結果。在實證過程中，本研究充分考慮了自變量之間多重的共線性、異方差性等問題，并對模型穩健的性質進行了檢驗。實證分析結果表明，實證方法在企業信用評級中具有較高的預測能力，能夠提供可靠的評級結果。

①定義信用評級變量。

大型煤炭工業企業財務指標如表1所示。

根據表1一級指標有盈利能力、資產質量、債務風險、經營增長及必要的補充指標，一級指標各包含相應的二級財務指標，對應各個指標分別定義為：優秀、良好、平均、較低、較差5個變量值。有序響應排序被解釋因變量Y的數字1，2，3，…，9，對應信用級別為AAA，AA，A，BBB，BB，B，CCC，CC，C級，與優秀、良好、平均、較低、較差5個解釋變量（X）不是一一對應關系。

②統計描述性分析。

為做好實證研究，對收集到的數據進行統計描述性分析，主要看是否有離奇、極端的數據，采取縮尾處理。根據收集到的數據，變量是定性、分類、分層、分項的指標，被解釋變量有序響應排序數據，分別用數字1，2，3，…，9代替信用評級符號AAA，AA，A，BBB，BB，B，CCC，CC，C層級。解釋變量是財務指標，對應X1，X2，X3，…，xn，主要是財務指標質量的優劣。在數列里財務指標數據都較小，因此，沒有必要數學上取自然對數ln。此外，在文中表里面的指標數字出現負數是正常現象。

統計描述性分析如表2所示，樣本數量9/28個，Y的平均數值5，最大值9，最小值1；X1～X5均值和標準差均勻，最大值116.4，最小值-17.5，總體上說數據差異不大。未出現異常和極端的數據，數據較為適宜，可以作為研究使用的數據。為了更直觀地統計描述分析，將上述數據圖示如下（見圖1）。

圖1顯示，主要財務指標與表2中的統計描述性分析一致，客觀反映了企業獲利能力、資產質量、債務風險、經營增長狀況。

③相關分析。

相關分析主要考查被解釋變量與解釋變量是否具有相關關系，同時，也為后面實證檢驗模型右邊的自變量是否具有自相關情形考慮。計算皮爾遜相關分析如表3所示。

通過上述皮爾遜相關分析，除得出相關系數最大的為98.41%，最小的為-74.94%外，符號為負，具有數學上的反方向性質作解釋，所有的變量都具有中度、弱相關，同樣，該數據可以作為實證回歸數據。

④回歸分析。

Logit實證回歸分析，根據（1）、（2）Logit實證回歸模型，通過Stata統計軟件分析計算結果，整理得到表4。

通過表4可以看出，Logit模型回歸的整體顯著性很高，顯著性P值達到了0.001 6左右（Probchi2=0.001 6），偽R方達到了49.15%（Pseudo R=0.491 5），模型的擬合度都比較高，解釋能力比較強。具體用信用評級的Logit模型回歸進行分析，大型煤炭工業企業量化評價指標除了X5——較差值的系數-1.052 139，Z統計量-1.63，通過10%的統計顯著檢驗，財務指標對信用評級解釋較弱外，X1——優秀值、X2——良好值系數分別為3.349 924、-10.546 1，Z統計量分別為1.90、-2.22，兩個變量分別都通過5%的統計顯著檢驗，說明大型煤炭工業企業量化評價指標對信用評級的解釋能力較強。X3——平均值、X4——較低值系數分別為5.810 198、3.250 487，Z統計量分別為2.36、2.35，分別通過1%的統計顯著檢驗，說明大型煤炭工業企業量化評價指標對信用評級的解釋能力很強，自變量95%的置信期間，如X3、X4，分別為（0.990 563 5～10.629 83）、（0.545 180 1～5.955 793），說明實證的可信度較高。實證表明：企業的債務風險情況、經營增長情況、盈利能力狀況、資產質量狀況是決定企業信用等級高低的主要因素[5]。

“/cut1”和“/cut9”割點的估計值，9個割點把樣本分成了8個期間，也就是9個不同的信用評級檔次。

信用評級級別排序層次Y為因變量，以財務指標：盈利能力、資產質量、債務風險、經營增長、補充資料等一、二級指標，對應的優秀、良好、平均、較低、較差5個變量值。進行排（有）序Logit模型回歸分析，研究變量之間的相關影響關系。其中自變量的影響也可以使用優勢相對比例（Odds Ratio）表示輸出，系數解釋除了百分比相對數分析外，其他與上述絕對數分析一致。

上述Logit模型回歸分析，從以下圖2因變量回歸直方amp;正態分布圖的組合來看，數據趨勢較為集中，實證效果較好。

⑤根據上圖計算得出信用評級的面積。

計算微積分，y=（3.349 924x-10.546 1x+5.810 198x+

3.250 487x-1.052 139x）dx，在[-1.0，1.0]的面積。

對于函數y=（3.349 924x-10.546 1x+5.810 198x+3.250 487x

-1.052 139x）dx，需注意表達式中的dx是微分變量，而不是函數的一部分。dx表示自變量x的微小變化量。

首先，我們需要化簡函數表達式：

y=（3.349 924x-10.546 1x+5.810 198x+3.250 487x-1.052 139x）dx=（0.812 430x）dx

現在，我們可以計算函數在給定區間上的面積。由于這是一個線性函數，我們可以使用定積分來計算。

要計算給定區間上的面積，我們需要對函數進行積分，并在積分上下限上代入對應的x值，然后求差。

[a，b]（0.812 430x）dx=（0.406 215x2）|_[a，b]=0.406 215b2-0.406 215a2

將a設置為-1.0，將b設置為1.0，代入上式計算：

面積=（0.406 215×1.52）-[0.406 215×（-1.0）2]

=（0.406 215×2.25）-（0.406 215×1.0）=0.914 586 375

因此，在區間[-1.0，1.0]上的面積為0.914 586 375，與AAA系數0.916信用等級一致，說明實證方法預測能力較強，用于企業信用評級是科學的。

⑥信用評級結論。

有序響應排序被解釋因變量Y的數字1，2，3，…，9，分別表示信用評級的符號AAA，AA，A，…，C層級。解釋變量是財務指標，對應的表示X1，X2，X3，…，xn指標量化值的質量優劣程度。

對信用評級影響問題更進一步的概率分析，在正常情況下Y=1，2，3，…，9的概率如表5所示。

從表5可知，當Y=1時，公司信用評級為AAA的概率為91.60%；當Y=2時，公司信用評級為AA的概率為60.20%；當Y=3時，公司信用評級為A的概率為42.20%；依次類推Y=4，Y=5，…，Y=9。

⑦Logit模型穩定性檢驗。

使用Hotelling模型的穩定性質檢驗。1-group Hotelling's T-squared=310.494 2，F檢驗的統計量：[（9-6）/（9-1）（6）]×310.494 2=19.405 887，H0：均值的向量等于零向量，F（6，3）=19.405 9，Probgt;F（6，3）=0.016 9。Logit模型通過了穩定性檢驗。

6 模型評估和改進

長期以來，金融市場上的信用評級由國外的標準普爾、穆迪等知名評級機構主導。隨著全球經濟一體化步伐加快，我國“一帶一路”戰略構想穩步實現，構建適合中國國情的企業信用評級體系勢在必行。企業是社會系統的“細胞”，紛繁復雜，要做好全方位企業綜合信用評級并非易事。本文采用有序響應模型，以煤炭工業范圍內的大型企業的財務數據、指標為樣本進行研究，通過了擬合優度、穩定性檢驗，同時，又以建筑安裝業內小型企業的財務數據、指標為樣本，采用同樣的方法驗證（限于篇幅，文中略去驗證過程），效果不是很明顯，說明模型需進一步改進。主要原因：一是本文僅從財務績效視角出發，未考慮戰略管理、發展創新、經營決策、風險控制、基礎管理、人力資源、行業影響、社會貢獻等管理績效指標對企業信用評價的影響。下一步研究，可將管理績效指標納入評價體系，適當調整評級結論。二是因為變量較多、信息重疊、樣本數量較少，變量之間存在多重的共線性、自相關、異方差等因素。為此，采用因子、主成分分析方法對模型進行改進和完善。在盡可能不損失樣本信息的情況下，將多個變量減少為少數幾個潛在因子或主成分（高度概括大量樣本數據中的信息），既減少了變量個數，又能最大限度地保留原有變量中的信息，避免信息失真。續前面研究結果簡要陳述如下：

使用因子、主成分分析方法，將原5個解釋變量降為2個變量，其他多變量的情形依此類推。同樣，通過Logit模型回歸分析，得到了很好的統計顯著檢驗（見表6）。

以上論證表明：有（排）序模型回歸分析方法，在企業信用評級中的應用是正確的。

7 結論與實踐意義

研究表明：通過合理收集樣本數據，應用數理統計和計量經濟學理論，可以構建準確、可靠、統一的企業信用評級模型，進而對企業信用進行評價。本研究選擇了資源型煤炭工業大型企業、建筑安裝小型企業作為研究對象，采用實證方法構建企業信用評級模型，評價企業信用。模型評價的結果可以為金融機構和投資者決策提供有力依據。投資者可以根據企業信用評級結果來決定是否投資某個企業，金融機構可以根據評級結果來制定信貸政策和風險管理策略。將來的研究可以進一步改進評級模型，考慮更多的指標和因素，以提高評級的準確性和預測能力。同時，還可以探索實證方法在其他領域的應用潛力，如個人信用評級等。

總之，本研究結論凸顯了實證方法在企業信用評級中的重要性和應用潛力。應用實證方法評價企業信用，可以為金融機構和投資者提供更準確、可靠的評級結果，從而提高決策的科學性和有效性。實證法在企業信用評級中的應用，具有重要的實踐意義。

【參考文獻】

【1】陳德懷，陳德啟.實證法在司法會計鑒定中的應用[J].中國注冊會計師，2022（06）：91-95.

【2】（美）George Casella，Roger L.Berger.統計推斷[M].張忠占，傅鶯鶯，譯.北京：機械工業出版社，2010.

【3】（美）彼得？肯尼迪.計量經濟學原理（第六版）[M].北京：中國人民大學出版社，2014.

【4】楊維忠，張甜.Stata統計分析從入門到精通[M].北京：清華大學出版社，2022.

【5】（美）Samprit Chatterjee，Ali S.Hadi.例解回歸分析[M].鄭忠國，許靜，譯.北京：機械工業出版社，2013.