（企业管理专业论文）判别企业违约的财务指标研究——基于行业差异的分析.pdf

浙江大学硕士学位论文判别企业违约的财务指标研究基于行业差异的分析 摘要 随着信用风险越来越受到金融机构和政府部门的重视，信用风险的度量成 为风险研究领域的核心课题。违约率是信用风险度量的关键和出发点，因而违 约的判别指标的研究也受到国内外学者的关注。由于不同行业的风险特征不 同，不同行业中影响企业违约的财务指标可能也会有所不同。基于此，本论文 从行业差异的角度出发，对判别企业违约的财务指标进行研究，重点分析各个 行业中判别企业违约的财务指标的差异。 本论文首先选定要研究的行业：制造业、信息技术业、批发零售贸易业和 房地产业，对行业风险存在差异的原因和各个行业的风险特征进行规范分析。 分析结果显示，行业之间存在着较大的差异，在寻求判别企业违约的财务指标 时有必要考虑行业差异的影响作用。 随后，本论文采用上市公司数据对各个行业中判别企业违约的财务指标的 差异进行了实证研究。首先，本论文选用适当的办法确定实证研究的违约样本 和正常样本，然后，对选用的初始财务指标进行筛选，得到对企业违约影响显 著的2 7 个财务指标，在对这些财务指标进行因子分析之后，剔除了指标之间的 相关性，得到9 个因子；利用这9 个因子进行l o g i s t i c 回归分析来建立所有行 业通用的违约判别模型和单一行业的违约判别模型。 分析和比较各个行业的违约判别模型中参数变量也就是财务因子的差异之 后，本论文发现：各个行业中判别企业违约的财务指标存在着较大的差异，并 且这些差异可以由本行业的风险特征以及现实发展状况解释。之后，本论文对 各个行业的判别指标的预测效果进行了检验，检验中发现，各个行业的判别指 标具有较好的预测效果，且信息技术行、世判别指标的预测效果优于通用判别模 型中判别指标的预测效果。 因此，本论文得到研究的结论：行业之问存在着较大的行业差异，这种差 异会使得各个行业中判别企业违约的财务指标不同，如制造业判别企业违约的 财务指标中判别企业违约的变量包括资产规模、负债比重、周转能力和流动性 状况，信息技术业中企业违约判别的财务变量包括负债比重、资产规模、周转 能力和销售变现能力，批发零售贸易业企业违约判别财务变量包括周转能力、 负债比重、资产规模和股东权益增长状况，房地产业企业违约判别的财务变量 则包括资产规模、周转能力和企业投资规模：这些差异是由每个行业的行业风 险特征所造成的；建立单一行业违约判别模型可以更准确地得到对该行业中的 企业违约影响显著的财务指标，更有效的判别企业的违约状况。 关键词：违约财务指标行业差异因子分析l o g i s t i c 回归分析 浙江大学硕士学位论文判别企业违约的财务指标研究基于行业差异的分析 a b s t r a c t a st h ec r e d i tr i s kl sm o r ea n dm o f ei m p o r t a n tt og o v e r n m e n ta n df i n a n c i a l i f l s t i t u t e ，c r e d i tr i s km e a s u r e m e n th a sb e e nt h ec o r eo fr e s e a r c ho nr i s km a n a g e m e n t a n dt h e na st h ek e ya n ds t a r to fc r e d i tr i s km e a s u r e m e n t ，t h ep r o b a b i l i t yo fd e f a u l th a s b e e np a i ds p e c i a la t t e n t i o nt o d i f f e r e n ti n d u s t r i e sh a sd i f f e r e n tr i s kc h a r a c t e r i s t i c s ，s o t h ep r e d i c t i v ef i n a n c i a lr a t i om a y b ed i f f e r e n tb e t w e e nd i f f e r e n ti n d u s t r i e s s o ，t h i s p a p e rs e e k sf o rt h ef i n a n c i a lr a t i o sw h i c hc a np r e d i c tt h ed e f a u l to fe n t e r p r i s ei nt h e p o i n to fi n t e r - i n d u s t r yd i f f e r e n c e s ，a n dp u te m p h a s e s o nt h ed i f f e r e n c e so f d i s c r i m i n a n tf i n a n c i a lr a t i o so fe n t e r p r i s e s d e f a u l tb e t w e e nd i f f e r e n ti n d u s t r i e s t h i sp a p e ra n a l y s e st h er e a s o n so fi n t e r - i n d u s t r yr i s kd i f f e r e n c e sa n dt h e c h a r a c t e r so fi n d u s t r y s p e c i a lr i s kf i r s t l ya n df i n d st h a tt h e r ei sg r e a td i f f e r e n c e s b e t w e e nd i f f e r e n ti n d u s t r i e s ，a n dw es h o u l dp a ya t t e n t i o nt ot h ee f f e c to fi n t e r - i n d u s t r y d i f f e r e n c e sw h e ns e e k i n gf o rf i n a n c i a lr a t i o so f p r e d i c t i n ge n t e r p r i s e s d e f a u l t t h e n ，u s i n gt h ed a t ao fe n t e r p r i s e sc o m i n gi n t ot h em a r k e t s ，t h i sp a p e r t e s t st h e d i f f e r e n c e sb e t w e e ni n d u s t r y s p e c i a l sp r e d i c t i v ef i n a n c i a lr a t i o s 。f i r s t l y , t h i sp a p e r f i n d sap r o p e rm e t h o dt os e l e c tt h ed e f a u l ts a m p l e sa n dt h eg o o ds a m p l e s s e c o n d l y , w es e l e c to u tt h e2 7m o s ti m p o r t a n tf i n a n c i a lr a t i o st oe n t e r p r i s e s d e f a u l tf r o mt h e i n i t i a lf i n a n c i a lr a t i o s ，a n dt h e n ，t h i sp a p e ru s e st h ef a c t o ra n a l y s i st or e d u c et h e p e r t i n e n c eo ft h e2 7f i n a n c i a lr a t i o s ，a n dg e t s9f a c t o r sa tl a s t t h e n ，a l l - i n d u s t r y d i s c r i m i n a n tm o d e la n di n d u s t r y s p e c i a ld i s c r i m i n a n tm o d e l sa r ef o u n d e du s i n gt h e9 f a c t o r sa n dl o g i s t i cr e g r e s s i o na n a l y s i s a f t e ra n a l y z i n gt h ed i f f e r e n c e so fp a r a m e t e r si ni n d u s t r y s p e c i a ld i s c r i m i n a n t m o d e l s ，t h i sp a p e rf i n d st h a tt h ed i s c r i r n i n a n tf i n a n c i a lr a t i o sd od i f f e rb e t w e e n i n d u s t r i e sa n dt h ed i f f e r e n c e sc a nb ee x p l a i n e db yt h ec h a r a c t e r i s t i c so fe v e r yi n d u s t r y t h e n ，t h i sp a p e rc h e c kt h ep r e d i c tp o w e ro ft h e s ed i c r i m i n a n tp o w e ra n df i n d st h a tt h e f i n a n c i a lr a t i o si ne v e r yi n d u s t r yh a sg o o dp r e d i c tp o w e ra n dt h ep r e d i c tp o w e ro f f i n a n c i a lr a t i o si nc o m p u t e ri n d u s t r yi sb e t t e rt h a nt h a t i na l l i n d u s t r yd i s c i m i n a n t m o d e l a tl a s t ，t h i sp a p e rg e tt h er e s u l t so ft h er e s e a r c h ：i n t e r - i n d u s t r yd i f f e r e n c e sd o e x i s ta n dt h e ya r et h er e s u l to ft h ed i f f e r e n c e so fi n d u s t r yc h a r a c t e r i s t i c s ；s oi n d u s t r y s p e c i a ld e f a u l td i s c r i m i n a n tm o d e l sc a r lf i n do u tt h em o s tp r e d i c t i v ef i n a n c i a lr a t i o s a n dh a v eb e t t e rp r e d i c t i v ep o w e r k e y w o r d s ：d e f a u l tf i n a n c i a lr a t i o s i n t e r - i n d u s t r yd i f f e r e n c e f a c t o ra n a l y s i s l o g i s t i cr e g r e s s i o na n a l y s i s l i 浙江大学硕士学位论文 判别企业违约的财务指标研究基于行业差异的分析 图目录 图1 1 本论文的结构安排6 图3 1 本论文的研究思路一2 7 图5 1 学习样本的行业分布图4 2 图5 2 碎石图5 2 图5 3 测试样本的行业分布图6 6 图5 4 制造业测试样本预测效果比较图6 7 图5 5 信息技术业测试样本预测效果比较图6 8 图5 6 批发零售贸易业测试样本预测效果比较图一6 8 图5 7 房地产业测试样本预测效果比较图一6 8 v 浙江大学硕士学位论文判别企业违约的财务指标研究基于行业差异的分析 表2 1 表2 2 表2 3 表2 4 表2 5 表5 1 表5 2 表5 3 表5 4 表5 5 表5 6 表5 7 表5 8 表5 9 表5 1 0 表 表 表 表 表5 1 5 表5 1 6 表5 1 7 表5 1 8 表5 1 9 表5 2 0 表5 2 1 表目录 国外部分研究中用于违约判别的财务指标一1 3 x x 商业银行在信用分析中使用的指标体系( a ) 1 6 x x 商业银行在信用分析中使用的指标体系( b ) 1 6 文献中使用的财务指标( a ) 1 7 文献中使用的财务指标( b ) 18 两种样本的违约率情况统计结果一3 9 独立样本t 检验结果。3 9 初始样本的分布4 1 随机选取后样本的分布一4 2 最后得到的2 7 个财务指标4 8 财务指标的相关系数矩阵一4 9 k m o 测度和b a r t l e t t 球体检验结果一5 0 总方差解释表一5 1 旋转后的因子负载值表5 3 计算因子值的系数矩阵( p 1 、p 2 、p 3 、陋、陋、p 6 、p 7 、1 3 8 、1 3 9 ) 一5 5 9 个因子的因子值协方差矩阵5 6 通用判别模型中的参数变量5 7 制造业判别模型中的参数变量5 8 信息技术业判别模型中的参数变量5 9 批发零售贸易业判别模型中的参数变量5 9 房地产业判别模型中的参数变量6 0 各判别模型中的参数变量汇总表6 0 判别模型对学习样本的预测效果6 5 测试样本的行业分布6 6 对测试样本的预测效果6 7 对测试样本的预测效果差异显著性检验6 9 v i 浙江大学硕士学位论文判别企业违约的财务指标研究基于行业差异的分析 1 绪论 1 1 问题的提出 如果信用可以定义成是在某一段限定的时间内可以获得一笔钱的预期，那 么信用风险就是这个预期未能实现的可能。与信用风险不同的另一类风险是市 场风险，它是指由于市场力量的作用而导致某项投资价值变动的可能性。自市 场形成以来，市场风险就一直影响着金融机构。一直以来，市场风险受到人们 的广泛关注，市场风险管理成为日新月异的技术发展所关注的焦点，管理市场 风险的技术也已经经历了剧烈的革新。事实上，信用风险是金融市场上最为古 老的一类风险，它和信贷行为一样古老悠久。然而，相比之下，信用风险的管 理还处在很低的层次上，理论和实践领域的人士对一些最基本的度量指标如违 约时间、违约事件、挽回率等还没有达成一致的意见。 在当今社会的企业中，举债成为企业正常生产运营的重要内容，全球中的 主权借款者也在急剧增长。信用扩张在中国也得到迅速发展。信用风险成为企 业所有者和经理人、投资者、商业银行等金融结构和政府面临的最重要的金融 风险。m c k i n s e y 公司的研究表明，以银行实际的风险资本配置为参考，信用风 险占银行总体风险暴露的6 0 ，而市场风险和操作风险则仅各占2 0 。因此， 信用风险的度量成为这些机构面临的核心课题。随着国际银行业结构的变化以 及认可银行采用内部评级法度量信用风险的巴塞尔新资本协议的出台，信 用风险的度量逐步成为风险研究领域最具挑战性的课题之一。 违约概率、赔付率和违约相关是度量信用风险的三个主要参数，其中违约 概率是度量的关键和出发点，因为无论是在单纯的基础上，还是在整个组合的 基础上考察债务，违约概率在风险评价和估价中都发挥着关键的作用。 影响企业违约的因素很多，包括企业的行业风险、竞争地位、内部管理等 等，但是目前受到学术界广泛关注的是财务因素对企业违约的影响作用。 由于信用风险的起步较晚，到目前为止，关于违约历史数据的统计非常匮 乏。大多数研究者都是根据公司财务资料和非财务资料，设计度量工具，来计 算企业违约率。不少学者针对企业违约的判别指标进行了研究，找出对样本的 区别能力较强的指标作为显著影响企业违约的指标。 由于企业经营项目的不同，企业被化分为不同的行业，各个行业有着不同 的特征，行业之间的风险存在着较大的差异。也就是说，不同行业面临的风险 有着较大的差别，那么，各个行业中决定企业违约的财务指标是否存在差异? 在寻求企业违约判别财务指标的时候，利用所有企业样本找出的判别指标是否 浙江大学硕士学位论文 判别企业违约的财务指标研究篷! 堑些薹墨堕坌堑 适用于每一个行业? 在对这个问题产生怀疑的基础上，本文拟对不同行业之间的风险差异进行 分析，并试图通过建立各个行业的违约判别模型来寻找对企业违约影响显著的 财务指标，分析各个行业的违约判别模型中财务指标的差异，并检验单一行业 违约判别模型中判别指标的预测效果。 1 2 基本概念的界定 为了研究的需要，本文首先对违约和行业两个基本概念进行界定。 1 2 1 违约概念的界定 在信用风险度量中，最关键的因素是违约风险。违约风险是企业履行偿还 债务能力的不确定性。违约定义大体有四种：不履行支付义务、违反合同、进 入法律程序和经济违约。 在贷款合约中通常定义借款人的违约事件，大多数违约事件是由借款人到 期不支付利息与偿还本金事件触发。不履行支付义务，指的是在到期后最短的 时期内，譬如到期后三个月不能按期还款付息为支付违约。 违反合同借款人违反合同规定的条款，比如财务比率的上、下界的限制， 也称技术违约。虽然技术违约不一定使借款人破产，但经常要引发谈判。 有的合同中虽不涉及技术指标，但是合同本身可能促使借款人偿还其全部 未偿还债务。在这种情况下，如果贷款人不放弃授权，那么借款人因不能偿还 全部借用资金而被迫进入法律程序如发生破产，称这种违约为法律违约。 违约也可能不与任何特定事件有联系，纯粹是“经济的”违约。当借款公 司资产的经济价值低于未偿到期债务价值时，发生经济违约。资产价值是未来 预期现金流的贴现价值，总是随市场情况变化而变化的。如果资产的市场价值 低于到期债务的价值，意味着现在预期未来现金流不足以偿还债务。即使这并 不触发任何纠纷行为，这样的“经济”违约显然是有意义的。 有时候人们还把违约与破产当作同义词交换使用，但无论将违约定义为法 律事件还是经济事件，都标志着当前形式的公司终结。 巴塞尔新资本协议对违约定义如下： 若出现以下一种情况或同时出现以下两种情况，债务人将被视为违约： ( 1 ) 银行认定，除非采取追索措施，如变现抵押品( 如果存在的话) ，借 款人可能无法全额偿还对银行集团的债务； ( 2 ) 债务人对于银行集团的实质性信贷债务逾期9 0 天以上。若客户违反 了规定的透支限额或者新核定的限额小于目前的余额，各项透支将视为逾期。 浙江大学硕士学位论文判别企业违约的财务指标研究基于行业差异的分析 国际商业银行一般认为企业破产、无力支付、加速到期或违约、拒绝支付 延期支付以及资产重组为企业的违约。 为了选取样本和建立违约判别模型，必须制定一个切实可行的违约的界定 标准。根据研究需要，本论文认为，企业的违约集中并突出地表现为财务违 约，以违约、无偿付能力或破产为显著特征和具体表现形式。由于违约、无偿 付能力或破产在实务中都表现为企业无法按贷款合同约定偿还贷款本金和利 息，因此企业是否有能力按时偿还贷款本息可以作为企业违约与否的界定标 准。企业的资产价值是企业所有业务预期未来现金流的现值，负债是企业在某 个或者某些确定的时间点上必须支付的合同义务。当企业不能履行这些义务， 那么将企业不能偿还债务的第一个瞬间定义为违约，并假设所有的债务都将违 约。也就是说，当企业的资产价值不能够抵偿其到期债务价值时，我们认为该 企业没有能力按时偿还贷款本息，企业违约。 1 2 2 行业概念的界定 行业是生产同类产品，使用相同原材料和工艺，服务相同内容和对象的经 济活动的集合或系统，是从事相同性质的经济活动的所有单位的集合。 和行业相似的概念是产业。行业和产业在英文中都叫做i n d u s t r y ，但在中文 中的含义有所不同。过去，产业是相对于工业而言的，如产业革命，主要指的 是工业革命；行业是相对于工商业而言的，如零售行业，指的是商业。但是现 在对这两个词的理解似乎发生了一些变化，就是产业应该按照规模经济和范围 经济要求集成起来的行业群体，因此产业的涵盖范围不仅包括工业，也包括非 工业，比如教育。这就说明产业可以是工业以往的行业，并且可以是由多个相 对独立但业务性质完全一致的行业组成的，或者说是由分散在多个行业、具有 同样的业务性质的经济组织组成的。 在本论文中，行业的分类结合国家统计局执行的国民经济行业分类和 上市公司分类所使用的上市公司行业分类指引进行，不对产业和行业作细 致的区别。 1 3 研究意义 本论文的研究在理论和应用两个方面都具有一定的研究意义。 ( 1 ) 理论意义 研究的理论意义主要在于： 第一，本文从理论和实证两个角度对各个行业的违约判别中的财务指标进 浙江大学硕士学位论文 判别企业违约的财务指标研究基于行业差异的分析 行了分析，对以后关于行业风险和违约风险的研究有一定的借鉴意义。 第二，本文采用分行业建立模型的办法建立单一行业的违约判别模型，可 为以后关于企业违约判别的研究提供新的研究思路。 第三，本论文采用新的方法建立违约判别模型，使得模型的判别能力更 强，为以后关于企业违约的研究提供了更有效的建模方法。 ( 2 ) 应用意义 模型方法和结论在企业内部风险控制、贷款信用风险度量和资本市场投资 估价等领域具有较高的应用价值。 首先，在企业财务风险控制方面。企业财务风险的控制一直是中国企业的 一个热点话题。财务风险的控制也关系着企业的持续经营的可能性。在财务风 险控制的过程中，一个重大的前提就是关系企业财务状况的指标的选择。本论 文分析了各个行业中影响企业违约的财务指标，为企业财务风险控制提供了关 注目标。 其次，在贷款信用风险度量方面。目前中国企业的主要筹资方式之一是银 行贷款。在银行贷款的时候，企业本身的信用风险的度量起着决定性的作用。 在企业信用风险度量过程中，影响企业违约的财务变量的有着重要意义。针对 不同行业确定影响企业违约的财务指标提高了企业风险度量的准确性。 最后，对于资本市场投资估价方面。资本市场投资估价时，对企业违约可 能性的估计占据了十分重要的地位。本论文建立单一行业违约判别模型，寻求 企业违约判别财务指标，提高了企业违约判别的预测能力。从而能够提高对资 本市场投资估价的准确性。 1 4 研究方法和研究步骤 本文试图先从现实状况出发分析行业之间的差异和各个行业的风险特征， 然后在实证过程中找出对各个行业中企业违约影响显著的财务变量，分析实证 结果对各个行业的适用性，并用实证方法检验结果的预测力。在研究方法上， 本论文力求实现规范分析与实证研究相结合。规范分析为本文提出问题、认识 问题和进一步理解问题，特别是为随后的实证研究奠定了基础；而大样本量的 实证研究则为进一步剖析问题、解决问题提供了依据。 本文拟通过以下步骤进行研究： 第一，在文献阅读的基础上总结以往研究的成果以及存在的问题，提出本 文的研究设计。 第二，选择所要研究的行业，通过对行业的风险特征的分析发现各个行业 之间的风险差异以及可能引起的企业违约判别财务指标的差异。 浙江大学硕士学位论文判别企业违约的财务指标研究基于行业差异的分析 第三，建立以所有企业为样本的通用违约判别模型和以单一行业为样本的 单一行业违约判别模型。 第四，分析各个行业的违约判别模型中参数变量即财务指标的差异并以通 用模型的预测效果为标准检验各个行业的判别指标的预测效果。 第五，得出本论文的研究结论。 1 5 创新之处 本论文采用规范分析和实证研究相结合的办法研究行业间的差异，和由此 造成的对各个行业中企业违约判别的财务指标的差异，创新之处主要在于： ( 1 ) 本论文在实证研究之前通过规范分析方法论述行业间的差异存在的原 因，以及各个行业的风险特征。这种分析在以前的研究中是比较少见的。 ( 2 ) 本论文建立单一行业违约判别模型，比较各个行业中判别企业违约的 财务指标的差异，并根据行业风险特征和现实状况分析差异存在的原因及其合 理性。 ( 3 ) 本论文在确定违约样本和正常样本时，没有直接借用其他研究中的方 法，而是对国内常用的两种方法进行分析比较，并结合本论文的研究特点，得 到合适的样本选择方法。 ( 4 ) 在确定初始财务指标时，本论文借鉴“严格管制下线性l o g i t 评分模 型中信用因子的最优选择”( 任若恩，徐晓肆和马向前等，2 0 0 5 ，r 1 0 1 ) 方 法，在初始财务指标的基础上一一删减对模型贡献小的指标得到的，与以往经 验性的选择财务指标的方法有所不同。 1 6 结构安排 本论文的结构安排如图1 1 所示。 第一部分为绪论部分。主要是根据现状背景提出研究的问题，对主要概念 的含义进行界定，并论述文章研究意义、研究方法和研究步骤。 第二部分是文献综述部分。主要是对以往关于违约率测度模型、违约判 别、行业差异等与本论文研究相关的文献的回顾与综述。 第三部分是对以往研究的总结和本论文的研究设计。首先，本文总结了以 往的研究的成果和存在的一些问题。在此基础上，提出了本文要研究的内容以 及主要研究思路。 第四部分是对行业风险的特征的分析。首先确定本文要研究的行业：制造 业、信息技术业、批发零售贸易业和房地产业，然后对这四个行业的风险差异 存在原因和各自风险特征进行分析探讨。采用的是规范分析的方法。 浙江大学硕士学位论文 判别企业违约的财务指标研究基于行业差异的分析 第五部分是论文的实证研究部分，是本论文研究的重要部分：在本部分 中，论文以上市公司数据为样本，选用合适的财务指标作为研究变量，通过 l o g i s d c 回归分析建立以所有企业为样本建立的通用判别模型和以单一行业企业 为样本的单一行业判别模型；分析各个行业的违约判别模型中参数变量即财务 变量的差异，并选择测试样本检验单一行业违约判别模型的预测效果；得到实 证研究的结论。 第六部分是论文的总结部分。主要对论文的主要结论进行总结分析，基于 论文结论对企业的违约判别和经营发展提出自己的几点建议，并指出本论文研 究中存在的不足之处。 l 绪论 2 文献综述 3 以往研究的总结和本论文的研究设计 4 行业风险的差异和特征分析 行业风险的差异分析 行业风险的特征分析 5 实证研究 样本和指标的选择 回归分析和模型建立 判别指标的分析与比较 6 本论文的研究结论 图1 1 本论文的结构安排 浙江大学硕士学位论文 判别企业违约的财务指标研究基于行业差异的分析 2 文献综述 2 1 违约率的测度模型研究综述 企业信用违约概率的测度和评估是巴塞尔新资本协议内部评价法的关键内 容，是信用风险评估模型中主要输入变量之一。不同信用状况资产的违约率已 经成为商业银行计算预期损失和v a r 值、确定经济资本的核心工具之一。此 外，违约率也是衡量不同评级体系优劣的客观标准。 国际发达商业银行和评级公司推出的测算违约率数值的高级模型研究主要 可以归为以下几类：基于信用评级历史资料的信用等级违约概率、基于期权定 价理论的“基数”违约率、基于保险精算违约概率的测度以及基于风险中性市 场的违约率测度。 ( 1 ) 基于信用评级历史资料的信用等级违约率是商业银行和评级公司根据 其评级体系长时间积累的信用评定等级的历史资料，统计的各个信用等级历史 违约率的均值，该均值为不同信用等级下企业对应的违约率。目前在世界范围 内，商业银行和评级机构至少有3 5 种信用评级体系，根据评级体系以及历史资 料积累的程度，违约概率测度经历了以下历史发展阶段：第一阶段，基于评级 结果排序的序数测度。主要体现在信用风险评级工具的早期阶段，如完全的主 观判断阶段、模板阶段和打分卡阶段的银行，由于评级历史资料的缺乏，还不 能统计出每个等级的违约概率，评级的级别即是违约率的近似表达。第二阶段 是通过信用评级历史资料来估算企业基数违约概率。这和巴塞尔新资本协议要 求基本一致，具体是通过评级历史资料来统计客户的每一个等级多年平均的历 史违约率，将其作为每个等级对应的违约概率，国外著名商业银行以及著名评 级机构采用这种方法。第三阶段，高级信用风险模型通过转移矩阵形式给出的 各个信用等级违约概率和转移概率，如c r e d in _ n e t r i c s 模型和c r e d i t p o r t f o l i ov i e w 模型。 ( 2 ) 基于期权定价理论的“技术”违约率。美国k m v 公司利用期权定价 理论创立了违约预测模型信用监测模型( c r e d i tm o n i t o r ) ，此模型也称 k m v 模型( k m v ，1 9 9 3 、1 9 9 6 、1 9 9 7 ) ，主要对上市公司和上市银行的预期违 约率( e d f ) 进行预测。k m v 对c r e d i l r n e l r i c s 假设观点提出挑战，认为违约率 是连续变化的，通过仿真试验表明，历史平均违约率和转移概率可能严重偏离 真实概率，并夸大了典型债务人的违约率；同时k m v 证明在同一债券等级 内，违约率可能存在巨大差别，违约率在不同等级之间的范围可能有很大的重 叠。有鉴于此，k m v 基于期权定价模型推出债务人的理论预期违约率和经验预 期违约率。 浙江大学硕士学位论文判别企业违约的财务指标研究基于行业差异的分析 k m v 模型的优势在于：一是，因为数据是基于股票市场数据，而非“历史 记载”企业账面资料，使得该方法具有前瞻性，更能反映企业当前的违约情 况，预测能力更强和更准确；二是，由建立在现代公司理财理论和期权理论上 的“结构性模型”得出的预期违约概率具有较强的说服力；三是，可以利用公 开获得的公司财务数据来计算违约率，适用于公开上市公司。但k m v 信用监 测模型也存在许多缺陷，首先，模型应用范围具有局限性，通常只针对上市公 司预期违约率的评估；其次模型企业资产价值呈正态假设条件往往与其是相违 背，该模型如果没有企业资产价值的正态假设，很难计算出理论e i ) f ；最后模 型对违约点b 的确定不准确，使模型的产出质量不准，因为模型不能够根据资 历、抵押品等对不同类型的长期债务进行分辨。 ( 3 ) 基于保险精算违约概率的测度。主要有死亡率模型和c r e d i t r i s k + 模 型。死亡率模型提供了预测违约率的保险精算方法，此方法可以看作是对某些 传统以会计为基础方法的一种替代，然而死亡率模型的有用性在很大程度上取 决于所需要的贷款或债券的样本规模。而c r e d i t r i s k + 模型作为c r e d i t m e t r i c s 模 型的替代，最大优势在于数据输入少，主要局限性是它并非属于充分估值的受 险价值模型，因为它主要集中于损失率，而非贷款价值的变化，因此属于违约 模式模型。 ( 4 ) 基于风险中性( r n ) 市场的违约率测度。k p m g 公司的贷款分析方 法是应用风险中性方法进行违约概率测度的。风险中性市场是指在进行资产交 易的市场上，投资者愿意接受从任何风险资产上可以得到与无风险资产所承诺 的收益相同的预期利息，这样所有资产的价格就可以用无风险利率对资产预期 的未来现金流量加以折现来实现。风险中性概率可以从零息债券价差和股票价 格推导得到。 贷款分析方法的风险中性违约概率的评估框架不仅为违约预测，而且为贷 款估值提供了有价值的工具，与历史上转移概率比较，风险中性模型给出了前 瞻性的违约预测。一般而言，一定时限内风险中性的预测会超过自然度量，这 是因为它包含着一个未预期到的违约概率的风险升水。 2 2 国外违约判别研究的综述 关于违约判别的研究主要是基于分类方法的违约率评估，也就是把违约率 测度看出是模型判别的分类问题，将公司分为正常和违约两类，根据财务与非 财务状况，利用统计模型建立鉴别力最佳的预测或者判别模型来对企业违约进 行判别分析。由于本文对违约含义的界定与财务危机相似，而财务危机的判别 指标研究对企业违约判别的研究有很大的借鉴意义，因此，在文献综述时，本 文把财务危机和信用评估方面的研究均作为违约方面的研究来参考。 浙江大学硕士学位论文判别企业违约的财务指标研究基于行业差异的分析 2 2 1 国外违约判别研究的历程 ( 1 ) 人工专家系统和主观分析阶段 传统的违约判别是依据银行财务分析人员的专门知识进行的。许多银行单独依 赖于主观判断来评估公司借贷者的信用风险。分析人员主要根据企业多方面的 特征信息确定是否提供贷款，如著名的“5 c 要素分析法”就是根据企业的道德 品质、还款能力、资本实力、担保、经营环境条件来判断企业的信用状况；5 w 因素是根据借款人、借款用途、还款期限、担保物、如何还款来评估企业的； 5 p 因素是根据个人因素、借款目的、偿还、保障和前景来评估借款者的。 ( 2 ) 单变量分析阶段 r a m s e r 和f o s t e r ( 1 9 3 1 ) 、f i t z p a t r i c k ( 1 9 3 1 ) 、m e r w i n ( 1 9 4 2 ) 已经针对财 务危机进行了研究( 转引自郭敏华，2 0 0 3 ) 。但是直到1 9 6 6 年，b e a v e r 关于以 财务比率预测经营失败的研究之后，针对财务危机的研究才得到广泛重视。 b e a v e r ( 1 9 6 6 ) 就1 9 5 4 1 9 6 4 年间的危机公司随机抽样，得到7 9 家危机样本 公司，再利用配对法，为每一个样本公司寻找一个属于相同产业、相似规模的 正常公司作为配对比较，以检视1 4 个财务比率于两组公司在失败前五年的差异 程度。研究中所谓的失败，是对凡有巨额银行透支者、优先股股息未支付者、 公司债违约者或是宣告破产者而言的。将7 9 对样本先随机分为学习样本与测试 样本二组，前者用来界定每一个财务比率的分界点，再以该分界点对测试样本 归类，再以测试样本检测财务比率的分类正确性。研究结果发现，有些财务比 率在两组公司间确有显著不同，其中“现金流量，负债总额”是预测经营失败的 最佳指标，其次是负债占总资产比重，以及资产报酬率。 单变量分析方法使分析者能够展开调查确定潜在借贷者的特定比率和行业 比率标准是否相差很大，但是由于一个比率的不满意程度可以由其他比率的长 处予以补偿，因而单变量分析方法难以在强比率和弱比率之间达到平衡。 ( 3 ) 多变量分析阶段 1 9 6 8 年a l t m a n 提出了著名的z - s c o r e 模型，并于1 9 7 7 年对z - s c o r e 模型 进行了修正和扩展，建立了z e t a 评分模型，将违约概率评估拓展到多变量分 析阶段。z s c o r e 模型和z e t a 模型以会计资料为基础进行多变量信用评分，由 其计算的z 值可以反映贷款企业在一定时期内的信用状况，并且具有较强的操 作性、适应性及较强的预测能力，成为当代预测企业违约或破产的核心分析方 法之一。 ( 3 ) 判别模型的提出 h o r r i g a n ( 1 9 6 6 ) 最早针对信用等级提出预测模型，他使用多元回归模型对 浙江大学硕士学位论文判别企业违约的财务指标研究基于行业差异的分析 穆迪和标准普尔的测试样本进行评估，其正确率穆迪为5 8 ，标准普尔为5 2 。其后，w e s t ( 1 9 7 0 ) 及p o g u e 和s o l d o f s k y ( 1 9 6 9 ) 也利用多元回归模型来 判别企业违约。 p i n c h e s 和m i n g o ( 1 9 7 3 年) 则是率先利用因素分析和区别分析来预测发行 债券的信用等级者，也就是将众多的观察变量利用因素分析法，缩减成几个相 互独立的重要因素，再来建立区别模型，其对穆迪公司的预测正确率为6 5 。 p i n c h e s 和m i n g o ( 1 9 7 5 年) 又该采用二次式函数，同时针对优先等级与次级等 级的债券进行预测，结果正确率提高了5 个百分点。 ( 4 ) 判别模型中其他变量的考赢 m e y e r 和p i f e r ( 1 9 7 0 ) 认为，财务比率本身具有一定的趋势或者具有均数 复归( 高于或是低于平均数的公司，通常会在3 1 0 年内回复到正常的平均报 酬水平) 的现象，因此在应用财务比率建立判别模型之前，先将财务比率随时 问变化的白发性演变排除，再建立判别模型较为合理。他们以3 9 加失败银行与 同时间、同地区的正常经营银行为配对样本，采用a l t m a n 研究的变量，先将各 项财务比率对时间作回归，找出时间趋势，再到线性概率模型中建立判别模 型。结果显示，在危机前1 到2 年，预测准确性达到8 0 ，但3 年以上预测力 不太理想。后来c o u i n ( 1 9 8 0 ) 对这两者的预测能力进行了检验，发现引入趋 势干扰和变异性的方法虽然在理论上具有晓理，但经实际资料的检验发现，其 预测正确率不如简单的财务比率模式。 b l u m ( 1 9 7 4 ) 在自变量中引入“现金流量负债总额”的现金流量相关信 息，并发现这一变量是最具判别能力的财务比率之一。c a s e y 和b a r t c z a k ( 1 9 8 5 年) 采用营运资金为基础的现金流量表，结果显示，把营运现金流量加入一般 财务比率的自变量中，并不能提升解释或预测力。g e n t r y , n e w b o l d 和w h i f f o r d ( 1 9 8 5 、1 9 8 7 ) 实证结果显示，经营现金流量无法改善整体分类准确度，但是 现金股利的减少对财务危机具有十分显著的预测能力。b e l k a o u i ( 1 9 8 0 ) 指出， 过去的研究所选取的财务变数都只是在试错后选出来的，缺乏理论基础，应以 经济理论指出关键要素后，再选取解释变量，才是较妥适的方法。 a l m a a n 和m c g o u g h ( 1 9 7 4 ) 将a l t m a n ( 1 9 6 8 ) 以1 9 4 6 1 9 6 5 年间的样本 所建立的区别模型，用在1 9 7 0 1 9 7 3 年的资料上，结果区别正确率由前者的 9 5 降到8 2 ；m o y e r ( 1 9 7 7 ) 同样将它用到1 9 6 5 1 9 7 5 年的样本上，结果正 确率更是降到7 5 ，如果不用a l t m a n 的模型，而是利用该期间的数据重新建 立区别模型的话，则正确率可达9 0 。r o s e ，a n d r e w s 和g i r o u x ( 1 9 8 2 ) 将总 体经济变量加入预测模型，发现多项总体经济指标确实对公司经营的成败呈现 显著影响，包括道琼斯工业指数、失业率、a a a 级公司债利率、自有准备、毛 储蓄率( 毛储蓄g n p ) 、企业投资变动、企业平均每小时产出，以及耐用品新 浙江大学硕士学位论文判别企业违约的财务指标研究基于行业差异的分析 订单对g n p 之比等等。m e n s a h ( 1 9 8 4 ) 也指出，过去对企业危机预测的相关 研究，所得到的区别模型，其内涵差异甚大，其中一个可能的原因就是，各研 究把连续数年的财务资料一起放进模型里，完全没有考虑道总体经济环境的循 环变化，也根本没有考虑到衰退期破产率显著上升的事实。由此可见，同一个 模型不可能适用于所有期间。 w i l l i a m s 和g o o d m a n ( 1 9 7 1 ) 、g u p t a 和h u e f n e r ( 1 9 7 2 ) 、b o w e n ，d a l e y 和 h u b e r ( 1 9 8 2 ) 、p l a t t 和p l a t t ( 1 9 9 0 ) 、p e r r y , h e n d e r s o n 和c r o n a n ( 1 9 8 4 ) 都对 行业的影响作了实证研究，研究结果都支持行业对企业财务特性有影响的结 论。关于行业影响的研究，本文在后面的2 4 节会有详细综述。 ( 5 ) 统计方法的改善 随着研究的深入，许多学者对统计方法进行了改善，并且越来越多的应用 到现代评估工具，提出了许多新的违约率的统计方法。 基于线性判别分析和统计评分方法：经典的费雪( f i s h e r ) 线性判别分析要 寻找一个会计变量的线性函数，该函数使得两组公司间的方差最大化，同时使 得每组公司中的方差最小化。对于评分函数的变量，一般是基于统计显著性而 在一系列较多的会计比率中进行筛选而得到的。这种模型