（会计学专业论文）我国上市公司信用风险评估研究——基于bp神经网络模型的研究.pdf

我国上市公司信用风险评估研究_ 基于b p 神经网络模型的研究中文摘要 中文摘要 在全球信用不断膨胀的背景下，信用风险暴露出越来越严重的问题，己成为 各国经济所面临的主要风险之一。市场经济本质上是信用经济，上市公司作为市 场经济的重要主体，其信用状况尤其应该受到重视。研究上市公司的信用风险问 题对证券市场监管、投资者利益保护以及信贷机构风险控制都具有重要的现实意 义。信用风险评估作为一种防范信用风险的社会监督手段，是市场经济发展到一 定阶段的必然产物，其对市场经济的重要性和促进作用已得到了理论研究的证明 和发达国家实践的检验。 本文先是界定了信用及其风险的内涵，且对国内外信用风险评估的研究现状 进行了回顾和评析；接着在简单比较几种具有代表性的信用风险评估模型的基础 上，从适用性出发，选取并描述了比较适合我国上市公司信用风险评估的模型； 然后以上交所1 1 8 家非s t 公司和7 4 家s t 公司作为样本，采用在m a t l a b 7 0 里设 计了合理参数的三层b p 神经网络模型，通过对网络模型的反复操作和不断训练， 使信用风险评估指标的输出接近目标值，从而获得适合我国上市公司的信用风险 评估模型；最后对所得模型进行仿真检验，用未参加训练的样本输入模型求出输 出值，与其目标值进行比较，以获得数据分类的正确率。本文所建立的以神经网 络为基础的上市公司信用风险评估模型评估结果正确率高达8 5 4 2 。可见，该模 型对上市公司信用风险能够进行有效的评估。 关键词：信用风险评估神经网络上市公司 作者：蔡茂霞 指导老师：黄鹏 s t u d yo nc r e d i tr i s ka s s e s s m e n to fl i s t e dc o m p a n i e s - - - - - b a s e do nb p n e u r a ln e t w o r km o d e la b s t r a c t s t u d y o nc r e d i tr i s ka s s e s s m e n to fl i s t e dc o m p a n i e s 一_ b a s e do nb p n e u r a ln e t w o r km o d e l a b s t r a c t w i t ht h er a p i dg r o w t ho fc r e d i ti nt o d a y sg l o b a le c o n o m y , p r o b l e m sr e l a t e dt o c r e d i tr i s kh a v ea t t r a c t e dm u c ha t t e n t i o n c r e d i tr i s kh a sb e c o m eo n eo ft h ei m p o r t a n t r i s k sw h i c hf i n a n c i a li n s t i t u t i o n sh a v et of a c e m a r k e te c o n o m yn a t u r a l l yi sc r e d i t e c o n o m y t h el i s t e dc o m p a n i e sa r eam a j o rp a r t i c i p a n to fm a r k e te c o n o m y , s ot h ec r e d i t o fl i s t e dc o m p a n i e ss h o u l db ep a i dm o r ea t t e n t i o nt o i ti sp r a c t i c a ls i g n i f i c a n c et o s e c u r i t y m a r k e t s u p e r v i s i o n ，t o i n v e s t o r s i n t e r e s t s p r o t e c t i o n a n dt oc r e d i t o r g a n i z a t i o n s r i s kc o n t r 0 1 a so n eo fm e a n si no r d e rt oa v o i dc r e d i tr i s k , c r e d i t a s s e s s m e n ti st h eo u t c o m ef o rt h ed e v e l o p m e n to fm a r k e te c o n o m y t h ei m p o r t a n c ea n d t h ei m p r o v e df u n c t i o no ft h em a r k e te c o n o m yh a v e b e e np r o v e db yt h er e s e a r c ha n dt h e p r a c t i c ei nd e v e l o p e dc o u n t r i e s f i r s to fa l l , t h ep a p e rr e v i e w st h el i t e r a t u r e sa b o u tt h ec r e d i tr i s km e a s u r e m e n to f o t h e rc o u n t r i e sa n dc h i n ai n t h i sf i e l d t h e ni n t r o d u c e st h er e l a t e dc o n c e p t so fc r e d i t r i s ko ft h el i s t e dc o m p a n i e s s e c o n do fa l l ，t h ep a p e ri n t r o d u c e st h ed e v e l o p i n go ft h e c r e d i te v a l u a t e dm o d e l sb r i e f l ya n dc o m p a i r st h e m b a s i n go nt h i s ，t h ep a p e rc h o s et h e m o d e l sw h i c ha r em o r es u i t a b l et om e a s u r et h ec r e d i tr i s ko fo u rc o u n t r y sl i s t e d c o m p a n i e s ，a n de x p l a i n i n gt h et h e o r i e so ft h e s em o d e l sd e t a i l e d ，n l 硼o fa l l i st h e e m p i r i c a lr e s e a r c h ，w h i c h i st h ec o r eo ft h ep a p e r t h ep a p e rc h o s e1 1 8l i s t e dc o m p a n i e s w h i c ha r en o ts p e c i a lt r e a t e da n d7 4w h i c ha r es p e c i a lt r e a t e da st h es a m p l e s ，e s t a b l i s h t h ei n d e x e ss y s t e m w ed e s i g nap r o f i tb p - n e u r a ln e t w o r km o d e li nm a t l a b 7 0 a f t e r m a n yt i m e so ft r a i n ，w eg e tap r o f i tm o d e l t h el a s tp a r ti ss i m u l a t i o n i no r d o rt o t e s t t h ee f f e c to ft h em o d e l , w en e e dt os i m u l a t i v ei t p u ti nt h ei n d e xo ft h e s ec o m p a n i e s w h i c ha r en o tu s et ot r a i n c o m p a i rt h eo u p u t sw i t ht a r g e t s ，w eg e tt h er e s u l t t h e c o r r e c tr a t eo ft h i sm o d e li s8 5 4 2 c a nh es e e nt h a tt h em o d e lo fc r e d i tr i s k a s s e s s m e n to nl i s t e dc o m p a n i e si se f f e c t i v e k e y w o r d s ：c r e d i tr i s ka s s e s s m e n t b p n e u r a ln e t w o r kl i s t e dc o m p a n i e s w r i t t e nb y ：m a o x i ac a i s u p e r v i s e db y ：p c n gh u a n g 苏州大学学位论文独创性声明及使用授权的声明 学位论文独创性声明 本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进 行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含 其他个人或集体已经发表或撰写过的研究成果，也不含为获得苏州i 大学 或其它教育机构的学位证书而使用过的材料。对本文的研究作出重要贡 献的个入和集体，均已在文中以明确方式标明。本人承担本声明的法律 责任。 研究生签名：衅日期：2 秘 学位论文使用授权声明 苏州大学、中国科学技术信息研究所、国家图书馆、清华大学论文 合作部、中国社科院文献信息情报中心有权保留本人所送交学位论文的 复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本 人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文 外，允许论文被查阅和借阅，可以公布( 包括刊登) 论文的全部或部分 内容。论文的公布( 包括刊登) 授权苏州大学学位办办理。 e l 期：毕 一 目期：迎悼 我国上市公司信用风险评估研究基于b p 神经网络模型的研究 第1 章绪论 第1 章绪论 1 1 本文的写作背景 我国经济体制改革至今已经三十一年，实现了从计划经济到市场经济的转变。 在市场化进程中，我国经济得到了突飞猛进的发展，这是全世界人民都有目共睹 的。但是，经济发展的同时也带来了很多问题，比如金融危机。 2 0 0 8 年是非常特殊的一年，人们亲眼见证了这场严重的金融风暴。由于经济 全球化，由美国次贷危机所带来的金融风暴影响了整个世界经济的发展。中国的 经济也受到了极大的冲击，许多上市公司业绩下滑，股票价值不断下跌。在这种 情况下，人们越来越发现防范和控制各种风险的必要性。2 0 0 8 年的经济危机是一 个因诚信问题而导致全世界经济衰退的教训。在这场金融风暴中，我们应该更加 体会到防范信用风险的重要性。 信用风险是金融市场所面临的最为重要的一类风险。从狭义上讲，信用风险 是指由于债务人没能按照合约规定的条件向债权人偿还负债而造成债权人损失所 引起的风险，它实际上是一种违约风险。从广义上讲，信用风险还包括因借款人 信用评级变动和履约能力变化导致其债务的市场价值变动而引起损失的可能性。 从目前的金融风险管理技术来看，无论从理论上还是在实践过程中，管理市场风 险的技术已经相当成熟。相比之下，信用风险管理在很大程度上还只是停留在较 为初级的阶段。其最为严重的是到目前为止大部分操作还没有一套通用的信用测 量语言系统【1 】。 我国企业目前在信用风险管理方面还是非常欠缺的。根据2 0 0 5 年全国整顿和 规范市场经济秩序领导小组办公室公布的信息显示，美国企业的坏账率是 0 2 5 0 5 ，而我国企业的坏账率是5 1 0 ；美国企业的应收账款拖欠期平均是 7 天，而我国企业的应收账款平均拖欠期多达9 0 多天【2 】。据中国银监会调查统计 数据显示，2 0 0 8 年6 月末，我国国有商业银行不良贷款余额为1 2 8 2 7 2 亿元，不 良贷款率为7 5 1 3 1 。虽然不良贷款余额已经经过债转股、打包出售、剥离等手段 得到了较大的下降，但我国主要银行业金融机构的不良贷款比率与国际上著名商 业银行相比仍显得偏高。从以上数据可以看出，我国企业目前信用风险管理还是 很不到位的，这不利于我国经济的发展，也不利于我国企业在市场中取得竞争优势。 我国上市公司信用风险评估研究基于b p 神经网络模型的研究第1 章绪论 我国上市公司是整个国民经济整体的一个有机构成部分，甚至可以说是整个 国民经济的核心所在。至2 0 0 8 年底，沪深两市的股票总市值在缩水6 2 9 的情况 下仍达到1 2 1 3 万亿，占g d p 的比重为4 8 6 4 1 。从这些数据可以看出，上市公 司在我国经济中所占有的主体地位，因此，上市公司的优劣存亡将关系到整个国 民经济的发展。然而，我们也应该看到，我国上市公司所积累的信用风险已经非 常巨大。在深交所的诚信档案里仅主板市场就列出了2 0 页的违规通报批评和处分 决定。上市公司是我国经济市场的主力军，其信用风险管理水平的高低对我国市 场经济的发展具有举足轻重的影响。可见，对上市公司信用风险的管理是非常必 要和迫在眉睫的。我国现在也的确越来越重视信用风险的管理，今年3 月份，“我 国内资企业的信用风险管理论坛”在北京举行。 信用风险管理包括信用风险的识别、信用风险的度量和信用风险的控制等内 容。然而，信用风险自身存在着诸如分布不对称、数据缺乏等理论问题和实际问 题，导致信用风险的度量成为信用风险管理的一个关键性难题。本文在研究和借 鉴国内外各种信用风险评估模型的基础之上，以我国上市公司的数据为样本，构 建了信用评估指标体系，建立了适合我国上市公司信用风险评估的模型，并对其 有效性进行了实证检验。 1 2 本文的研究意义 我国上市公司在国民经济中占有非常重要的地位，其信用风险状况直接关系 到我国金融市场的健康发展和国民经济的持续稳定。为此，对我国上市公司信用 风险评估的模型进行研究具有非常重要的意义。 首先，本文从整体上丰富和完善了信用风险评估的理论和方法体系。本文对 信用风险评估的理论发展历史进行了系统的梳理，从国内外两方面着手，进行了 全面的归纳，并且简要分析了各个发展阶段具有代表性的信用风险评估模型的特 点及意义等。 其次，从资本市场来看，研究出一套适合我国上市公司的信用风险评估模型， 有利于资本市场的公平、公正和诚信。随着我国资本市场的不断发展和完善，新 的金融产品不断出现，信用评估不仅可用于债券、贷款等方面，而且可用于其他 金融衍生产品的评价。信用风险评估减少了信息不对称问题，为资本市场的发展 降低了成本，提高了信息透明度。因此，提高企业信用风险评估技术有利于推动 资本市场的进一步成熟。 2 我国上市公司信用风险评估研究基于b p 神经网络模型的研究第l 章绪论 再次，从微观角度进行分析，包括上市公司本身、投资者及金融机构等。从 上市公司角度看，有效的信用风险评估模型可以让企业更加了解自身状况，提高 内部的经营管理效率，降低自身风险。有效的信用风险评估模型可以使企业自身 的信用优势更加透明，降低企业的融资成本。有效的信用风险评估模型有利于企 业之间相互掌握情况，为选择最佳的合作伙伴提供依据，节约成本。从投资者角 度看，信用风险的评估可以为广大投资者判断风险、理性投资服务。个人投资者 的时间、精力有限，但拥有适当信用风险评估模型的评级机构可以对被评主体的 可信任程度和投资风险做出准确、公正的评价，并用简单易懂语言公之于众。这 就使广大投资者更加容易掌握信用主体的全面情况，选取最优的投资目标，降低 进行风险评估的信息成本，并免受不必要的损失。从金融机构角度看，金融机构 通过使用有效的上市公司信用风险评估模型对上市公司进行评估，可以准确判别 该公司的信用状况。金融机构就可以此为标准决定是否对上市公司授信，授信所 要采用的方式，信贷的期限、信贷利率的选择、收款方式的选择，以及其他保护 性条款的选择等。 最后，从政府的角度来看，通过使用有效的评估模型对上市公司的信用风险 进行评估，政府就可以有选择性地对上市公司进行技术处理( 如暂停上市、终止 上市) 、行政处罚等。这样就能保护投资者利益，从而提高投资者信心，维护证券 市场的持续健康发展。通过对上市公司的信用风险进行评估，政府也可以对那些 信用风险管理较差的公司领导进行行政处罚，督促其改善公司经营管理效率，降 低公司的信用风险。政府可以根据评估结果制定合理的政策进行调整、降低整个 金融体系乃至整个社会的信用风险。 上市公司信用风险评估模型的建立是防范信用风险的重要手段。上市公司的 信用风险具有社会性和整体性的特点，体现在社会经济活动的各个方面；同时， 上市公司的信用风险又具有其自身特点。因此，研究上市公司信用风险评估这一 课题，不仅具有一定的理论意义，而且具有非常重要的现实意义。 1 3 本文的研究方法和结构 本文采用的是实证研究方法。所谓实证研究，是通过观察或者实验取得数据， 并对这些数据进行分析、测试而形成结论的一种方法。主要解决“是什么”的问题， 这与规范研究“应该是什么”是相区别的。本文在归纳以前学者研究内容的基础上， 做了进一步研究分析。前人所研究的理论及实证范围都相当广泛，本文对已经存 3 我国上市公司信用风险评估研究基于b p 神经网络模型的研究 第1 章绪论 在的具有代表性的模型进行了比较分析， 性又能体现先进性的信用风险评估模型， 在此基础上，选择了一种既能体现适用 并对其进行了实证研究。本文选取了人 工神经网络模型中的b p 算法建立了前馈型神经网络模型，并对此进行改进，采用 自适学习率和附加动量项的梯度下降方法。该种方法对信用风险评估模型具有提 高其精度和效率的作用。 本文的第1 章绪论，主要介绍了研究背景和研究意义，提出了建立有效信用 风险评估模型的必要性和重要性。第2 章文献综述，首先介绍了信用风险的相关 定义；其次分别分析了国内外的研究现状，并且对相关研究文献和模型进行了评 述。第3 章信用风险评估的理论与方法，首先介绍了上市公司信用风险评估的定 义，信用风险的形成原因及其特点；然后将具有代表性的信用风险评估方法进行 梳理比较。第4 章神经网络的基本原理及其适用性，主要描述人工神经网络的相 关概念和操作程序，以及b p 神经网络的模型和算法，最终得出建立以神经网络为 基础的信用风险评估模型的可行性。目的是为理解信用风险评估模型及其适用性 建立基础。第5 章信用风险评估模型的构建与仿真。从系统全面和简明可操作的 原则出发，选取与信用风险极其相关的1 2 项定性与定量相结合的指标。在抽样过 程中，则本着随机的原则，从上交所上市的8 0 0 多家公司中抽取了1 9 2 家公司作 为样本，其中1 1 8 家是财务状况良好的非s t 公司，7 4 家是财务状况较差的s t 公 司。然后对选取的指标进行标准化处理，消除其量纲影响，且选取其中非s t 和 s t 公司各5 0 作为训练样本，剩下的9 6 家公司作为仿真样本，并在m a t l a b 7 0 中 反复操作、训练样本，设置合适参数，寻求最佳的评估模型，用仿真样本对模型 的有效性进行检验，证明其对信用风险评估具有较高的判断力。第6 章结论，归 纳总结了本文所建立的信用风险评估模型的优缺点，及其创新性，同时也展望了 未来可以进行更深入研究的方法，并指出其具有广阔的发展前景。 4 我国上市公司信用风险评估研究基于b p 神经网络模型的研究 第2 章文献综述 第2 章文献综述 2 1 信用风险的相关定义 信用从古至今一直存在，自从人类开始了交易，就产生了信用。新帕格雷夫 经济大辞典中对信用的解释是：“提供信贷意味着把对某物( 如一笔钱) 的财产 权予以让度，以交换在将来的某一特定时刻对另外的物品( 如另外一部分钱) 的 所有权。”牛津法律大辞典的解释是t “信用，指在得到或提供货物或服务后并 不立即而是允诺在将来付给报酬的做法。”这些都是西方权威著作对信用的解释， 体现了信用的本质内容。我国学者黄达主编的货币银行学中对信用的解释是： “信用这个范畴是指借贷行为。这种经济行为的特点是以收回为条件的付出，或以 归还为义务的取得。而且贷者之所以贷出，是因为有权取得利息，后者之所以可 能借入，是因为承担了支付利息的义务。”也就是说，信用的基本要义是对借的偿 还。如果借者到期并未能履行义务，由此就产生了违约，即信用风险。 信用风险是金融市场中最古老，也是最重要的金融风险之一。在公元前1 8 0 0 年的古巴比伦汉穆拉比法典中就存在许多关于信用监管的章节f 5 l 。在现代社 会生活中信用风险直接影响着一个国家的宏观决策和经济发展，甚至影响全球经 济的稳定发展。关于信用风险的定义有许多种观点，传统观点认为是债务人未能 如期偿还其债务造成违约而给经济主体带来的风险。随着现代风险环境的变化和 现代风险管理技术的发展，传统的定义已经不能反映现代信用风险的本质。现代 意义上的信用风险是指，由于借款人或者市场交易对手违约而导致损失的可能性。 更广泛的讲，信用风险还包括由于借款人的信用等级或者履约能力发生变化导致 其债务的市场价值发生变动而引起损失的可能性。本文所采用的信用风险定义是 一种现代的广义概念，从企业整体质量出发，考虑企业的整体财务状况和履约能 力，这里履约能力不仅包括偿债意愿还包括偿债能力。本文所考虑的信用风险包 括未能履约给对方造成的损失，还考虑了虽然履约但是由于企业信用等级或财务 状况发生变动给债权人带来的资产价值变动损失。这样的信用风险定义更切合信 用风险的本质。 信用风险形成的主要原因是由于信息不对称。信息不对称理论是由2 0 0 1 年诺 我国上市公司信用风险评估研究基于b p 神经网络模型的研究 第2 章文献综述 贝尔经济学奖得主( 乔治阿克劳夫，迈克尔斯彭斯和约瑟夫斯蒂格里茨) 在2 0 世纪7 0 年代提出来的【6 1 。信息不对称理论是指有关交易的信息在交易双方分布不 对称，这很容易导致处于信息劣势的一方产生逆向选择，或者处于信息优势的一 方产生道德风险。由于借贷双方对企业整体资产质量和财务状况所掌握的信息不 一致，很可能产生信用风险。贷方或者投资者往往没有企业管理层掌握地信息充 分，很容易产生逆向选择，将资金投资于承诺给予高回报率但信用较差的企业， 这样就很可能收不回本息而发生损失。信用较差的企业为了获得高回报可能将借 入的资金投资于高风险项目，从而产生道德风险，导致贷方或投资者发生亏损。 为了避免信用风险造成损失，对信用风险进行可靠的度量和有效的评估就显得相 当重要。 信用风险评估是指选取科学的指标体系，运用定量分析和定性分析相结合的 方法，通过对企业、债券发行者等市场参与经济主体的信用记录、企业素质、经 营水平、财务状况、发展前景以及可能出现的各种情况进行客观、科学、公正的 分析研究之后，就其信用能力或其发行的金融工具的信用偿还能力所做的综合评 价【7 】。信用风险评估的对象可以是国家、机构、经济实体，也可以是这些实体发 行的各种金融工具。本文是对上市公司这一经济实体进行信用风险的评估。 2 2 国外研究现状 迄今，信用风险评估的历史已有一百多年。1 9 世纪中叶，美国铁路业得到发 展，银行的借贷资本不能满足其需求，因此铁路通过私募债券来筹集资金。私募 债券不像政府债券具有国家保障，私募债券具有很大的风险，投资者需要获取发 行方的有关信息才会购买。所以亨瑞普尔在1 8 6 8 年创立了标准普尔评级公司，对 美国主要铁路公司的经营和财务数据进行了分析和公布。1 9 0 9 年约翰穆迪在其出 版的美国铁路公司投资分析手册中首次发布了美国公司的评级情况，穆迪采 用了一种简单的度量系统对铁路债券进行评价，主要从财务实力，违约率，损失 程度和转让风险等方面对超过2 5 0 家铁路债券的信用质量进行了评估，并用a a a c 这一系列符号来表达评估结果。1 9 1 3 年约翰惠誉创办了惠誉这一欧资性质的评级 机构。这是信用风险评估的初级阶段，已经内含了初步的技术分析。上个世纪3 0 年代的经济危机促进了信用风险评估技术的进一步发展。经过一百多年的发展， 这三大评级机构已经成为世界上享有盛名的权威机构，为当今资本市场的公正、 6 我国上市公司信用风险评估研究基于印神经网络模型的研究 第2 章文献综述 公平和透明起到了很好的监督作用，使得信用风险评估越来越受到人们重视。 除了在实践领域有着广泛应用之外，国外对信用风险评估的理论研究也非常 丰富。信用风险研究始于2 0 世纪5 0 年代，经过几十年的发展，已取得了比较成 熟的研究成果。2 0 世纪6 0 至8 0 年代之间，形成了一些以统计方法为分析工具的 预警模型，如今，这些模型的发展已趋于成熟。2 0 世纪9 0 年代后，学者们开始探 索使用新的方法，主要是非统计方法来创建评估模型。 最早的信用风险评估研究可以追溯到1 9 5 9 年f i s h e r 对信用风险升水决定因素 的开创性研究成果。其后，美国学者b e a v e r 在1 9 6 6 年提出了较为成熟的单一变量 模型。a 1 t r n a n ( 1 9 6 8 ) 选取了5 个财务指标，建立了z 模型。a l t m a n 、h a l d c ：m a n 等( 1 9 7 7 ) 修正了z 模型，在原有5 个财务指标基础上加入了公司规模与盈余稳定性两个新 变量，建立了z e t a 模型。a l t m a n ( 2 0 0 0 ) 再次对z e t a 模型进行了修正，去掉了原有 受行业约束的指标，得到了跨行业的z 值模型。o h l s o n ( 1 9 8 0 ) 利用l o g i s t i c 分析建 立了企业财务危机预测模型，结果发现公司规模、资本结构、资金报酬率、变现 能力具有显著的预测能力。 1 9 9 0 年，o d o m 和s h a r d a 用a l t m a n 在z 值分析中所采用的五个财务指标作为 神经网络模型的输入变量，对1 2 8 家破产和非破产企业各占一半的实验样本进行 了研究。他们在这些样本上做了很多次的实验，结果为：神经网络对于这些破产 企业财务状况的预测准确率在7 7 8 一8 1 5 之间，对于非破产企业财务状况的预 测准确率在7 8 6 一8 5 7 之间。他们用多元判别分析法在同样的样本集上做了研 究，发现多元判别分析法对于破产企业预测的准确率为5 9 3 。7 0 4 ，对于非破 产企业样本预测的准确率为7 8 6 一8 5 7 【1 2 】。从以上结果我们可以看到，两种方 法对于破产企业预测的准确率要低于非破产企业。从总体上看，神经网络模型的 分类正确性要高于多元判别法。这是多位资深学者们多年研究成果的集合，选取 了具有代表性的指标，将神经网络的预测结果与多元判别方法的预测结果进行比 较，显示其高度准确率。研究成果当时在该领域具有一定的先进性和权威性。 1 9 9 1 年t a m 用人工神经网络模型进行了财务预警研究f 1 3 1 。1 9 9 2 年t a m 又和 k i a n g 合作利用三层前馈神经网络来训练财务预测模型，根据输入到网络的样本训 练出神经网络的权值。在网络训练之后，可以将任何新输入划分为破产或非破产 的公司进行归类。同时t a m 和k i a n g 用相同的样本集研究许多其它的模型和方法， 这些方法包括多元判别、l o g i s t i c 回归、k - 邻近算法和决策树算法【1 4 】。他们研究结 7 我国上市公司信用风险评估研究基于b p 神经网络模型的研究 第2 章文献综述 果为：对于一年后持续样本的预测，神经网络模型效果最好，对于两年后持续样 本的预测l o g i s t i c 回归效果最好，对于同年检验样本的预测，人工神经网络的预测 效果最好。这篇文章采用了多种方法进行了动态地比较，说明不同预测年限各种 方法的预测能力不同。学者对企业财务预警方法的研究相当全面，而且呈动态变 化，对后人的研究起到了非常好的引导作用。同年，d u t t a 和s l l e k h a t 首次在债券 评级过程中使用了神经网络模型评估方法 1 5 1 。 e r n e s t 和h a r i s h ( 1 9 9 5 ) 以保险公司为研究对象，采用判别分析、l o g i t 回归和神 经网络对保险公司的财务困境进行预警研究，结果表明神经网络的预警判别效果更 有效。1 9 9 9 年，z h a n g 及合作伙伴对制造业企业财务状况用神经网络模型和l o g i s t i c 回归做了比较研究。他们也用了a l t m a n 的5 个财务指标并加上现有资产负债等指 标作为神经网络的输入，结果判别准确率为8 8 2 ，而l o g i s t i c 回归的判别准确率 为7 8 6 。从结果可以看出，神经网络模型得到的最终结果明显优于l o g i s t i c 回归 方法1 1 6 。2 0 0 1 年，a m i r 在原来基于资金财务指标的基础提出了一套新的财务指 标，在新的财务指标体系中增j j n t 价格方面的因素。这套财务指标是a m i r 通过对 1 2 0 个企业建立企业资信财务指标的相关矩阵，对财务指标和资信的相关度作出分 析的基础上筛选出来的。他最终得到了最相关的6 个财务指标，通过改进他将神 经网络模型在企业资信评估方面的准确率从原来的8 1 4 6 提高到了8 5 5 1 7 1 。 a n d r e w s 和e v i ( 2 0 0 4 ) l 搠：究结果表明经营现金流指标含有增量信息，l o g i s t i c 回归 模型和神经网络模型均可用于预警，但l o g i s t i c 回归模型稍优于神经网络模型。 c h e nj i a n gg u o 和m a r s h a l l ( 2 0 0 6 ) 五j j ：究了中国市场上财务比率指标在预测公司困境 风险方面的有效性，结果表明息税前利润与总资产比率、每股盈余、资产负债率、 账面市值比表现出了较好的解释能力。另外还证明l o g i t 模型和神经网络模型是最 优的评价模型。 通过对以上国外信用风险评估现状的介绍，我们可以看出，尽管目前信用风 险评估方法层出不穷，但主流的方法只有多元l o g i s t i c 回归、多元判别分析和神经 网络三大类。其他建模方法虽然也做出了一些有益的尝试，但由于模型开发历史 较短，研究不够广泛，模型的稳定性有待进一步检验。国外对信用风险评估的研 究很多都是从财务状况预警研究开始的。因为财务状况优劣直接关系到企业的偿 债能力，对企业财务状况的预警在一定程度上包含于对企业信用风险的预测和评 估，两者的研究具有高度密切的相关性。国外信用风险评估在实践中的应用非常 我国上市公司信用风险评估研究基于b p 神经网络模型的研究第2 章文献综述 广泛，运用主体涉及到评级机构、银行金融机构、企业和投资者等。评估对象包 括企业的整体的信用风险、财务状况、债券、金融衍生产品和信贷资产组合等。 国外信用风险评估的理论研究也非常丰富和领先，采用了许多高技术、高精度的 度量方法对西方成熟资本市场的企业进行了多方面的研究，这对我国学者的研究 具有非常好的参考价值和借鉴作用。但是，西方学者的研究是建立在他们完善的 资本市场基础上的，选取的样本公司也是具有西方发展成熟型的企业，我们在借 鉴其方法时还应考虑我国弱势资本市场的特点，这样才能建立适合我上市公司的 信用风险评估模型。 2 3 国内研究现状 在实践领域，我国对信用风险评估的应用已有一定的发展。我国现在有四家 能在全国范围开展评级业务的机构：中诚信国际、大公国际、上海远东和深圳鹏 元。另外，还有些地区性的机构，比如联合资信、长城资信等。我国信用风险评 估是随着经济体制改革地不断深化而逐步发展起来地，特别是债券市场的发展推 动了信用评级的诞生。但是我国的债券发行数量很少，目前评级机构主要是受银 行金融机构委托对贷款企业的信用状况进行评价。我国信用风险评估所采用的技 术还停留在较低的水平，主要是因素分析法。新巴塞尔资本协议希望对商业银 行信用风险的确定应当逐步由从标准法向内部评级法过度，最后全面采用信用模 型法。国际清算银行也提倡国际性的商业银行建立高级的内部信用风险量化模型。 对于信用风险的评估研究我国目前还处于起步阶段，但是随着中国近几年经济的 快速发展和市场的对外开放，也陆续出现许多具有实质突破性的研究成果。 1 9 9 9 年陈静在会计研究上发表了一篇名为c l ：市公司财务恶化预测的实 证分析的文章。此文以5 4 家上市公司1 9 9 5 。1 9 9 7 年的数据为样本，选取资产负 债率、净资产收益率、总资产收益率和流动比率四个指标，进行了单变量分析和 多元判定分析 1 8 1 。研究结果表明，最近的数据具有较高的预测力，多元判定方法 比单变量分析易操作。这篇文章在当时很先进，对我国以后财务预警的研究具有 引导作用。但是作者只选取了四个管理层经常关注的指标，这些指标很容易因为 被管理层操纵而失真，从而影响预测能力。文章在进行预测时选取的样本失败和 非失败各为5 0 ，事实上并非如此，在现实生活中往往是非失败企业数量高于失 败企业，所以选取样本的比率应该是非失败企业多于失败企业，这样研究才更加 我国上市公司信用风险评估研究基于b p 神经网络模型的研究 第2 章文献综述 贴近实际情况，结果才会更加准确。 1 9 9 9 年王春峰、万海晖和张维在基于神经网络技术的商业银行信用风险评 估一文中，运用神经网络技术中的反向传播学习算法，对信用风险评估进行了 研究j 他们选取了8 7 家公司样本和5 个指标，样本中4 4 家能够按时偿还贷款4 3 家不能偿还【1 9 】。研究结果表明，无论是训练样本还是测试样本，神经网络的判断 正确率都优于线性判别分析法。同时，作者还在本文研究证明了五个指标变量中 没有变量与其他变量成线性关系。由于作者具有深厚的专业背景知识，所以这篇 文章很好地将神经网络用于信用风险评估，证明了神经网络的优越性。同时作者 还归纳了财务比率之间以及指标分布的四个特点，指出正是由于这些特点的存在， 采用神经网络模型进行评估才更加具有适用性。但是，也由于专业知识所限，本 文更多的是对神经网络进行了深刻研究，对公司财务数据的分析较少，选取指标 的合理性也未得到说明，指标数量不足。 2 0 0 1 年厦门大学的吴世农和卢贤义在经济研究上发表了一篇我国上市 公司财务困境的预测模型研究。他们选取了7 0 家处于财务困境的公司和7 0 家财 务正常的公司作为样本，对2 1 个指标分析后选取了最相关的6 个指标，分别用 f i s h e r 线性判定分析、多元线性回归分析和l o g i s t i c 回归分析三种方法建立预测财 务困境的模型【2 0 】。文章的结果表明，多变量判定模型优于单变量判定模型，三种 模型中l o g i s t i c 回归的判定准确率最高，误判率仅为6 4 7 。这篇文章对指标的选 取采用了非常严密的分析方法，用了跨度比较大的五年期限对2 1 个指标进行了剖 面分析，探讨其对财务状况影响的显著性，最后选取了最为显著的6 个指标进行 研究，有助于提高预测的高度精确性。但是本文的比较方法仅仅局限于三种统计 方法，并未涉及到现在研究比较广泛的非统计方法，缺乏先进性。 2 0 0 3 年北大光华管理学院的于立勇在商业银行信用风险评估预测模型研究 一文中选取了某银行的1 5 0 家客户进行分析，构建了基于l e v e n b e r g m a r q u a r d t 算 法的前向神经网络信用风险评估预测模型【2 1 】。实证结果表明，该模型可以较为准 确、客观地测度信用风险的暴露程度，对有效转变传统信用风险分类评估模式做 了一次有效的尝试。庞素琳、王燕鸣和黎荣舟在基于b p 算法的信用风险评价模 型研究一文中通过利用神经网络技术建立基于b p 算法的信用风险评价模型，对 我国某商业银行1 2 0 家贷款企业进行信用风险评价1 2 羽。他们按照企业的信用等级 分为“信用好”“信用差”和“信用中等”三个小组。仿真结果表明，他们所建立的神经 1 0 我国上市公司信用风险评估研究甚于b p 神经网络模型的研究第2 章文献综述 网络信用风险评价模型的分类准确率高于传统的参数统计分类方法一线性判别分 析法的分类准确率。 在2 0 0 4 年的中国经济学年会论文中，胡援成和田满文在上市公司财务困境 预测模型的再比较一文里将s t 公司作为企业陷入财务困境的标志，采用主成分 分析方法确定模型的变量，并利用多元判别分析、l o g i s t i c 回归和改进型b p 神经 网络三种方法进行财务困境预测【2 3 】。比较其预测结果发现，b p 神经网络模型的 预测准确率明显优于多元判别分析和l o g i s t i c 回归模型，而后两者的判别效果接 近，可见改进型b p 神经网络模型更适合于企业财务困境预测。这篇文章将最具有 代表性的三种方法用于上市公司财务困境预测，并从5 2 个财务指标中采用主成分 分析方法筛选了1 6 个主成分变量，有效的提高了分类精度，全文具有较高的综合 性和全面性。 我国学者对信用风险评估的研究要晚于西方国家，是在借鉴他们思想的基础 上结合我国实际情况对模型进行修正才建立起来的。从上述文献可以看出，我国 学者在这方面的研究逐渐丰富和多样化，采用不同的指标筛选方式，建立不同的 指标体系，选取多样化的模型进行多方面多层次，甚至逐年地比较分析，最终得 出最为适用的评估方法。但是由于各自采用的指标体系和样本不同，所得的结果 也不尽相同，在最优评估模型上尚未达成一致意见。上述学者在研究的过程中都 充分讨论了他们所提出的模型的合理性和预测正确性等问题，部分研究专家还对 未来的信用风险评估发展趋势作了一定的展望。由于我国对信用风险评估的研究 历史较短，文献还比较有限，具有代表性的研究成果也较少，只能结合财务困境 预警等高度相关的研究作出参考性分析，即使是对信用风险的评估大多数也是从 商业银行角度进行研究的，真正对上市公司信用风险研究的文献更少，所以对该 领域的研究具有广阔的发展前景，我们需要作出进一步地努力。我国学者一直都 在逐步完善，从简单的单变量分析到多元回归，从多元判别分析到l o g i s t i c 回归， 再到现在结合先进数据挖掘技术所产生的神经网络模型，每一步都在不断探索， 不断前进。 我国上市公司信用风险评估研究基于即神经网络模型的研究第3 章信用风险评估的理论和方法 第3 章信用风险评估的理论和方法 3 1 信用风险评估的相关理论 上市公司的信用风险，表现为上市公司在与其他组织、个人交易以及为维持 或扩大经营而从银行贷款、向其他企业借债和发行证券融资过程中存在的拖欠账 款、不偿还债务和圈钱等失信行为。上市公司的信用风险包括债务信用风险和股 票信用风险两个方面的内容。其中，债务风险主要是违约风险，即上市公司在其 债务到期时不能按约还本付息，从而使债权人遭受损失的可能性。而对于股票， 由于不存在还本付息的约束，上市公司的股票信用风险主要是指违规风险，直接 表现为上市公司不遵从或者违反相关的法律、条例、规章制度或道德标准。上市 公司的违规失信行为会造成股票价格的异常波动，从而给股票投资者带来损失， 因此应该被视为一种风险。违规风险相当于一种信用级差风险，即上市公司信用 水平下降引起公司股票价值的降低，从而给股东造成损失的可能性，甚至可能引 起公司资产价值降低，从而影响公司的债务履约能力，增大其违约风险。这说明 道德因素在上市公司信用风险中比在一般企业信用风险中占有更重要的位置。 上市企业总体而言代表着我国各行业资产质量较好、营运水平较高的企业， 但由于一些历史原因和人为因素，也有部分上市企业出现了过度包装，欺骗上市， 损害投资者利益的情况。有些上市公司上市不久便被特别处理。上市公司信用风 险形成的一般原因有：无能力履约、不愿履约和违约成本极低。产权、市场风险 等是企业无力履约的重要原因；信息不对称是“不愿意履约这种主观行为发生 的必要条件，缺乏稳定的、长期的预期是主观性信用风险发生的充分条件；法制 不健全，违约成本极低是上市公司信用风险产生的另外一个原因。当某一行业由 于羊群效应已经达到饱和，或者当国家产业政策倾向于抑制该行业的发展时，该 行业的企业就会受到极大的打击，进而陷入财务危机，无力履约，信用状况恶化， 这就是由于产权和市场风险而导致上市公司无能力履约产生的信用风险。我国目 前缺乏有效的上市公司信用信息系统，上市公司的真实情况不为债权人、投资者 等所了解，这样上市公司就会为不履约寻找合适的理由，进而实现事实上的不履 约；债权人、投资者对上市公司的真实情况不了解，容易遭受信用风险带来的损 1 2 我国上市公司信用风险评估研究基于b p 神经网络模型的研究第3 章信用风险评估的理论和方法 失。这就是由于信息不对称而使上市公司不愿履约导致的信用风险。我国目前的 立法还不是非常完善，现有的法律对契约关系的维护、对债权人以及投资者的保 护不够。我国的执法成本过高，受偿率过低，法律法规的规定不具体、不严谨， 实际执行中操作难度大等等各方面的原因导致了上市公司违约成本低而产生信用 风险。以上三方面都是我国上市公司信用风险产生的原因。 信用风险与市场风险相比，具有收益分布的不对称性、信用风险数据获取困 难以及信用风险非系统性等特点。信用风险概率分布的不对称是指企业违约的小 概率事绰以及贷款收益和损失的不对称，造成了信用风险概率分布的偏离。也就 是说，贷款的收益是固定和有上限的，它的损失则是变化的和没有下限的。由于 信用资产的流动性较差，贷款等信用交易存在明显的信息不对称以及贷款持有期 长、违约事件频率少等