財務信息下上市公司信用風險影響因素范文

本站小編為你精心準備了財務信息下上市公司信用風險影響因素參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：

本文以我國滬深兩市A股上市公司為研究對象，針對財務指標利用生存分析中Cox比例風險模型建模，篩選出影響上市信用風險的重要財務指標。結果表明：影響最大的三個財務指標依次是現金流量比率、利息保障倍數和每股收益。銀行可利用這些財務指標對貸款企業的信用風險做出初步判斷，并針對不同的貸款企業實施差異化的管理與服務。

關鍵詞：

財務信息；信用風險；Cox模型

一、引言

商業銀行經營管理的核心問題是風險管理。世界銀行對全球銀行業的研究表明，導致銀行破產的主要風險是信用風險，因此對信用風險進行科學有效地評價和管理對于銀行的生存發展具有重要意義。現代意義的信用風險指交易對手直接違約或履約能力的變換造成資產損失的風險。傳統的信用風險主要源自商業銀行的信貸業務，這一點對于主要業務利潤來自信貸業務的商業銀行更是如此。貸款企業能否到期還本付息主要取決于企業的財務狀況，因此準確評價貸款企業的財務狀況、及時發現存在的財務危機是商業銀行信用風險評價的關鍵。

二、Cox比例風險模型

（一）基本概念

生存分析方法是一種可以將是否違約和生存時間兩個因素結合起來考慮的統計方法，能處理刪失數據，充分利用所獲得的信息，對生存時間的分布進行描述、比較，對影響生存時間的多因素進行分析。1972年英國生物統計學家D.R.Cox提出的Cox比例風險模型是生存分析中進行多因素分析的重要方法之一。其特點是無需假設生存時間的分布，模型要求滿足比例風險（proportionalhazards）假定，簡稱PH假定，即相對危險度或風險比是一個固定值，與時間t無關。很多研究受經費和時間等多種因素制約，研究時間段是固定而非無限延長的，即存在研究對象的某些個體在最終觀察時點不能確定特定結果是否發生，這種不完全數據稱為刪失數據，反之稱為完全數據。生存時間指從起始事件到某終點事件所經歷的時間，可延伸理解為某狀態所持續的時間。“生存”和“死亡”表示兩類結果互斥的事件，“生存”表示某狀態的持續，“死亡”則表示某狀態的結束，即研究個體出現研究者關心的特定結果。生存時間的起點和終點有嚴格的定義，便于計算生存時間。生存函數S（t）又稱生存率、累計生存概率，表示個體生存時間T≥t的概率，即S（t）=p（T≥t）。風險函數h（t）又稱危險率函數，表示生存時間已達t的個體在t時刻死亡的瞬時風險率，h（t）=lim△t→0+1△tp（t＜T＜t+△t|T＞t）。Cox比例風險模型中風險函數常用λ（t）表示。風險比又稱相對危險度RR，表示同一時點的風險函數之比，與時間可能無關，也可能有關。風險比與時間無關是Cox比例風險模型的前提條件，即滿足PH假定。

（二）Cox比例風險模型

（1）模型的結構。Cox比例風險模型將生存時間的多個影響因素作協變量，風險函數作因變量，對生存時間進行多因素分析，而非直接考察生存函數與協變量的關系。一般形式為：λ（t）=λ0（t）exp（β1*X1+β2*X2+…+βm*Xm）λ（t）表示t時刻暴露于各危險因素（X1，X2，…，Xm）狀態下的風險函數。λ0（t）是基線風險函數，表示所有的危險因素狀態都為零時的風險函數。λ（t）/λ0（t）=exp（β1*X1+β2*X2+…+βm*Xm）即ln[λ（t）/λ0（t）]=β1*X1+β2*X2+…+βm*Xm基線風險函數λ0（t）的形式不限，不要求服從特定分布，具有非參數特點，使模型如同非參數法一樣適用范圍廣泛；模型中含有參數β使得其統計效率接近參數模型，Cox比例風險模型將非參數λ0（t）與參數β相結合，使其成為生存分析中適用范圍廣泛而備受青睞的半參數模型。由基線風險函數λ0（t）可計算基線生存函數，最終計算出生存函數，由生存函數可繪制生存曲線以及進行預測分析。（2）參數的統計學意義。若X表示連續型協變量，λ1（t）、λ2（t）分別表示X=k+1，X=k兩種狀態下的風險函數，則風險比RR=λ1（t）/λ2（t）=λ0（t）exp[β1*（k+1）]λ0（t）exp[β1*k]=exp（β）。風險比RR是Cox比例模型進行多因素分析時最關注的問題。顯然，參數β表示X每增加一個單位時風險比的自然對數值。β＞0表明協變量的增加將加大特定結果發生的可能性；β＜0表明協變量的增加將減少特定結果發生的可能性；β=0表明協變量與特定結果無關。（3）參數估計。假設n個研究個體的觀測數據為（ti，δi，Xi，），i=1，2，…，n，其中ti是生存時間；在研究期間特定結果發生，記δi=1，即該個體的生存時間是明確的；在研究期間結束時特定結果未發生，記為δi=0，即該個體的生存時間不明確，稱為生存數據的刪失；Xi（t）是第i個個體的協變量向量。將n個個體生存時間升序排列為t1≤t2≤…≤ti≤…≤tn，ti之前處于研究過程中的所有個體組成一個危險集Ri={j:tj≥ti}，參數向量β=（β1，β2，…，βp）的偏似然函數估計為：L（β）=∏i=1n{exp（β'Xi（t））j∈RiΣexp（β'Xj（t））}δ（4）比例風險假定（PH假定）。風險比RR保持恒定比例與時間t無關是Cox比例模型的前提假設。Cox（1972）提出通過引入構造的時依協變量可以判定PH假定是否成立。具體做法是，當檢驗協變量X是否滿足PH假定時，在Cox比例風險模型中加入一個含時間的交互作用項，如X*ln（t），檢驗協變量X與其時間的交互作用項X*ln（t）的回歸系數顯著性，依據p值判定協變量X是否滿足PH假定，一般的交互作用項的p>0.05時滿足PH假定。該方法稱為時協變量法檢驗PH假定。

三、研究設計

（一）研究對象的選取

（1）樣本選取與數據來源。本文將2008~2012年滬深兩市A股上市公司作為研究對象，將上市公司是否被特別處理作為是否信用違約的界定標準，被特別處理包括ST、*ST和退市的公司（以下統一稱為ST公司）。考慮到后續研究所用協變量都是財務比率指標，可有效消除不同行業不同規模公司的差異，使其具有可比性，因此本文對公司所處行業和規模不進行分類討論，而是將滬深兩市A股所有ST公司和非ST公司作為研究對象。數據源自國泰安CSMAR數據庫。（2）生存時間的界定。生存時間定義為上市公司從特定的時間開始到首次被ST的一段時間。研究期間段非ST公司的數據為刪失數據，即該公司到研究期間段結束時仍沒有被ST，生存時間記為整個研究時間段；研究期間段的ST公司數據稱為完整數據，生存時間記為特定開始時間到首次被ST的時間段。樣本的研究時間選定為2008~2012年。以2008年為生存時間的起點，當上市公司在2009年出現違約時，生存時間記為1年，當上市公司在2010年出現違約時，生存時間記為2年，當上市公司在2011年出現違約，生存時間記為3年，若至2012年12月31日上市公司仍沒有違約，則為刪失數據，生存時間記為3+年。

（二）協變量的選取及篩選

（1）協變量的選取。就商業銀行面臨的信貸風險而言，償債能力是指貸款企業從銀行貸出的款項及由此生成的利息到期償還的能力，在銀行信貸風險評價中占有重要地位。就企業而言，企業的償債能力是指企業用其資產償還債務的能力，即建立在對企業現有資產進行清盤變賣基礎之上的清算償債能力分析。而實際中持續經營的企業若不準備破產倒閉，就不可能將其資產變現用于償債，往往償債是依賴企業穩定的現金流入。因此，本文特別增加現金流量分析用于銀行信貸風險評價，以補充僅用償債能力分析的不足。此外，考慮到僅從償債能力角度分析視野較窄，不能全面反映企業的實際償債能力，本文還選取盈利能力、運營能力和發展能力等多方面的因素綜合分析，全面了解企業的實際償債能力，以確保分析結果客觀準確。綜上所述，本文參照已有文獻、專家意見并兼顧數據的可獲得性，從償債能力、現金流量分析、盈利能力、運營能力和發展能力等五個方面，共選取18個財務指標作為協變量進行建模分析。（2）生存時間、數據類型（刪失與否）與財務指標時間的匹配。考慮到我國上市公司前1年年報公布和當年公司是否被ST的時間非常相近，所以采用當年上市公司的財務信息建立預測模型會高估模型的預測能力，不利于影響因素分析。因此，本文采用上市公司前2年年報中的財務指標數據做協變量。例如，2009年的ST公司使用2007年的財務指標，非ST公司也使用前2年的財務指標。（3）協變量的篩選。財務指標的選取需滿足兩個原則：一是所選指標在ST公司與非ST公司之間存在顯著差異，即所選指標可以有效區分不同生存時間的上市公司，差異不顯著的指標將被剔除；二是所選指標彼此不線性相關，避免多重共線性對后續回歸分析造成影響。將同時滿足這兩個原則篩選出的指標作為生存分析模型的協變量。首先，進行差異性檢驗。本文采用kuskal-wallisH（k）非參數檢驗方法進行差異性檢驗，分組變量為生存時間，表示該指標在99%的置信水平下可顯著區分不同生存時間的上市公司，檢驗結果見表2。由表2可知，償債能力指標中除利息保障倍數X6外，其他指標均不顯著；現金流分析的各項指標都顯著，這充分說明在傳統分析償債能力基礎上，引入現金流分析指標的必要性。最終將差異性不顯著的X1-X5和X14指標剔除，對其余12個顯著性指標進行相關性分析。對X6-X13和X15-X18共計12個指標計算pearson相關系數，通過pearson相關性檢驗剔除部分相關性較強的指標后，保留利息保障倍數X6、現金流比率X8、每股收益X10、凈資產收益率X11、應收賬款周轉率X13、流動資產周轉率X15和資本積累率X18共計7個指標進行建模分析，這7個指標的相關系數均小于0.5，顯然指標間已不存在較強的共線性。

四、實證結果與分析

（一）PH假定的檢驗運用

Cox比例風險模型進行多因素回歸分析必須滿足比例風險假定。若協變量不滿足PH假定，將直接影響最終結論的可靠性，甚至得出錯誤結論。本文利用spss軟件生存分析中的coxw/time-depcov過程采用時協變量法檢驗PH假定，檢驗結果見表3。由表3可知，保留利息保障倍數X6、現金流比率X8、每股收益X10、凈資產收益率X11、流動資產周轉率X15共計5個指標滿足PH假定，可做為協變量用于Cox比例風險模型建模。

（二）模型建立過程

本文采用Wald向前選擇法建立Cox比例風險模型，從沒有變量的零模型開始，將上述5個指標逐個進入模型，運用Score統計量做變量的加入選擇，運用Wald統計量做變量的刪除選擇。每一步操作中對新加入的變量進行Wald檢驗，驗證其是否會影響已存在于模型中變量的顯著性。若新加入變量的Wald統計量顯著水平超過刪除標準，則該變量不能進入模型。若所有變量都不符合刪除標準，則在還未進入模型的變量中繼續添加新的符合Score統計量標準的變量。重復上述加入與刪除操作，直到所有變量沒有可以進入或刪除為止。本文將加入變量的顯著性水平取值為0.10、刪除變量的顯著性水平取值為0.05，最終模型的預測變量共有3個，詳見表4。

（三）模型結果分析

由表4可知，cox比例風險函數λ（t）為：λ（t）=λ0（t）exp（-0.108*X6-0.086*X8-2.514*X10），變形后得：RR=λ（t）/λ0（t）=exp（-0.108*X6-0.086*X8-2.514*X10），或ln（RR）=ln[λ（t）/λ0（t）]=-0.108*X6-0.086*X8-2.514*X10。βi表示Xi每增加一個單位時風險比的自然對數值，exp（βi）表示Xi每變化一個單位時上市公司被ST的風險倍數。例如，A公司的每股收益X8是30，B公司的每股收益X8是29，則A公司的危險率（被ST的可能性）是B公司的81%，即exp[-0.086*（30-1）]=0.081。由表4可知系數β的顯著性檢驗P值都小于0.05，說明利息保障倍數X6、現金流量比率X8和每股收益X10這3個協變量對生存時間有顯著影響；由β絕對值或者exp（β）的大小可知，協變量影響程度從大到小依次是現金流比率X8、利息保障倍數X6和每股收益X10；由β為負號可知利息保障倍數X6、現金流量比率X8、每股收益X10都是保護因素，其數值的增加有利于降低風險函數的取值，增加生存函數的取值。相反，若是危險因素，其數值的增加會加大風險函數的取值，降低生存函數的取值。

五、結論

本文將滬深兩市2008~2012年A股上市公司中所有ST公司和非ST公司作為研究對象進行建模分析，其結論具有廣泛適用性。研究結果表明，判斷一個上市公司是否被ST主要看高度概括的三個財務指標即可做初步判斷，其影響程度由大到小依次是現金流量比率（現金流分析指標）、利息保障倍數（長期償債能力指標）和每股收益（盈利能力指標）。特別需要說明是，目前許多應用Cox比例風險模型建模分析的文獻沒有進行PH假定檢驗，其分析結果是值得懷疑的。

參考文獻：

［1］沈沛龍、任若恩：《現代信用風險管理模型和方法的比較研究》，《經濟科學》2002年第3期。

［2］姚瀟瀟、余安樂：《模糊近似支持向量機模型及其在學院分析評估中的應用》，《系統工程理論與實踐》2012年第3期。

［3］馬振中：《Cox回歸變量風險假定的考察和影響點的識別及其SAS和SPSS實現》，山西醫科大學2007年碩士學位論文

作者：劉忻梅 丁研 段翀 單位：內蒙古科技大學數理與生物工程學院 對外經濟貿易大學金融學院 大連理工大學經濟管理學部