（金融学专业论文）中国非上市公司信用风险度量研究.pdf

摘要 本文在对国内外各种信用风险度量模型的分析和比较的基础上，结合传统的 非线性统计技术以及基于期权定价理论的现代模型，建立了刻画非上市公司特征 的信用风险度量模型。接下来，本文利用中国上市公司的最新数据和某国有商业 银行的非上市公司信贷数据对p f m ( p r i v a t ef i r mm o d e l ) 模型，p r o b i t 模型和 基于p f m 的p r o b i t 模型进行了实证研究和分析，从中发掘出影响我国非上市公 司信用风险的显著因素。在文章的最后采用分类预测正确性检验和r o c 曲线分析 两种方法对各模型的效力进行了比较分析，从中得出了丰富的实证研究结论并指 出了改进和后续研究的方向。 通过理论和实证研究发现，基于p f m 的p r o b i t 模型具有最强的违约预测能力， 且随着违约时间的接近，模型的识别能力也越强；p r o b i t 模型的辨别能力相对弱 一些，但也具有识别公司信用恶化趋势的能力；p f i 模型的结果则不太理想，预 测准确率相比最差，该模型虽然能识别出整体信用风险的变化趋势，但对于个体 信用风险趋势的把握上并不好。说明在传统静态的财务比率分析的基础上加入反 映市场动态特征的前瞻性因子违约距离能更好地反映非上市公司信用风险 的情况。 在影响非上市公司信用风险的各个变量中，实证分析表明流动性、资本结构 和公司规模这三类指标能很好地说明我国非上市公司信用风险的特征，是度量非 上市公司信用风险的优良指标，特别是现金类资产与总资产比率，流动负债率和 利息保障倍数这三个指标显著性非常高且很稳定。违约距离因子表现也很稳定， 且显著性水平较高，对公司的违约风险具有较强的解释力。另盈利性指标，公司 活动性和增长性指标显著性水平较低，说明该类指标与公司信用风险之间相关关 系较弱。 关键词：非上市公司信用风险度量p f m 模型p r o b i t 模型r o c 曲线 a b s t r a c t b a s e do nt h eg e n e r a la n a l y s i sa n d m l p a f i o f v a r i o u sk i n d so f c r e d i tr i s km e a s u r e m e n t m o d e l s , t h i si h c s l sc o m b i n e st r a d i t i o n a ln o n i h e s t i m a t i o nm e t h o dw j mt h em o d e mm o d e l w h i c hi sb a s e do no p t i o np r i c i n gt h e o r y , t od e r i v eaq u a n t i t a t i v ec r e d i tr i s km o d e lf o rm e a s u r i n g a n d m o n i t o r i n g c r e d i t r i s k o f n o n - l i s t e dc o m p a n i e s a s t h e n e x ts t e p , i t m a k e s e m p i r i c a l a n a l y s m b a s e do nt h em a r k e td a t af m mc h i n e s ef i s t e dc o m p a n i e sa n dn o n - l i s t e dc o m p a n yd a t af r o mo n e s t a t eo w n e dc o n u n c r c i a ib n k ，a n de s t i m a t e se f f e c t i v e n e s so f p r i v a t ef i r mm o d e l ，p r o b i tm o d e la n d t h ep r o b i tm o d e lb a s e do np f m a sar e s u l t t h ea n a l y s i su n c o v e i ss i g n i f i c a n tf a c t o r sa f f e c t i n gt h e c r e d i tr i s k o f n o n - l i s t e d c o m p a n i e s i n t h e l a s t p a r t o f t h e t h e s i s , i t a d o p t s d a s s i f i e a t i o ns t a t i s t i c s a n dr e c e i v e ro p e r a t i n gc h a r a c t e r i s t i c sc u r v ea n a l y s i st oc o m p a r et h ep o w e ro ft h r e em o d e l s , a n d c o m p l e t e sw i t ha b u n d a n tm p i r i c a lc o n c l u s i o n sa n d f u r t h e rr e s e a r c hd i r e c t i o n s i ti sf o u n dt h a tp m b i tm o d e lb a s e do np f mh a st h eg r e a t e s td e f a u l tp r e d i c t i o np o w e r , w h i c h i n c r e m sd i s c r i m i n a t i n ga b i l i t yw i t hl i m et od e f a u l t ；p r o b i tm o d e lh a sr e l a t i v e l yw e a k e rp o w e rb u t s t i l lh a st h ea b i l i t yt op r e d i c tc r e d i tf a u l t ；p f mh a st h ew e a k n e s sp r e d i c t a b i l i t y ，w i t hl e s ss u c c e s s r a t eo ni n d i v i d u a lc r e d i tr i s kt r e n dc o m p a r e dt oo v e r a l l t h i sh a sp r o v e nt h a ti n t r o d u c i n gl o o k i n g f o r w a r dd i s t a n c et od e f a u l tf a c t o r ，w h i c hr e f l e c t sm a r k e td y n a m i c s , t ot r a d i t i o n a ls t a t i cf i n a n c i a l s t a t e m e n ta n a l y s i s ，b e t t e ri l l u m i n a t e sc r e d i tr i s kc o n d i t i o n so f n o n - l i s t e dc o m p a n i e s , t h u si m p r o v e s t h e p e r f o r m a n c e o f t h e m o d e l a m o n g d i f f e r e n tp a r a m e t e r s , l i q u i d i t yr a t i o s , l e v e r a g er a t i o sa n ds i z ea r ep r o v e nt ob et h e m o s ts i g n i f i c a n tg r o u p so ff a c t o r st h a tc h a r a c t e r i z e dc r e d i tr i s ko fd o m e s t i cn o n - l i s t e dc o m p a n i e s a n dc a nb ea p p l i e dt om e a s u r e m e n t i nt h e s et h r e eg r o u p s , c s s h - t o - a s s e t sr a t i o , s h o r t - t e r md e b tt o a s s e t sr a t i oa n di n t e r e s tc o v c rr a t i oa r et h em o s ts i g n i f i c a n ta n ds t a b l ef a c t o r s l o o k i n gf o r w a r d d i s t a n c et od e f a u l tf a c t o ra l s oh a ss t a b l ep e r f o r m a n c ea n dh i g hs i g n i f i c a n c e w i ms t r o n g i n t e r p r e t a t i o na b i l i t yf o rc r e d i tr i s k p r o f i t a b i l i t yr a t i o s , a c t i v i t yr a t i o sa n dg r o w t ha r el e s s s i g n i f i c a n tt ot h er e s u l t , w h i c hh a v el e s sr e l a t i v i t yt oc o m p a n y c r e d i tr i s k k e y w o r d s ：n o n l i s t e dc o m p a n i e s ；c r e d i tr i s km e a s u r e m e n t ；p r i v a t ef i r mm o d e l ； p r o b i tm o d e l ；r e c e i v e ro p e r a t i n gc h a r a c t e r i s t i c sc u r v e 论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师指导 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，本论文不包含任何其他个人或集体已经发表或撰 写过的作品成果。对本文的研究作出重要贡献的个人和集 体，均己在文中以明确方式标明。本人完全意识到本声明的 法律结果由本人承担。 签名： 日期： 浙江大学硬士学位论文 中国幸上市公司信用风险度量研究 1 前言 1 1 研究的目的与意义 风险无处不在，无时不有。商业银行自诞生之日起，风险就与之相伴相随。 随着商业银行业务的多元化和经营的国际化，其风险也有了新的发展，呈现出复 杂多变的特征。现代商业银行经营所面临的风险主要有信用风险、利率风险、流 动性风险、市场风险、汇率风险、清偿风险、操作风险和环境风险。其中信用风 险是历史最悠久也是最重要的风险。信用风险与现代社会经济生活的各个方面息 息相关，直接影响到一个国家经济的稳定与发展，甚至影响到整个世界经济的健 康有序的发展。从狭义上讲，信用风险就是违约风险，即是债务人未能如期偿还 其债务造成违约而给银行经营带来的风险。现代意义上的信用风险不仅包括违约 风险，还包括由于债务人信用状况和履约能力的变化导致债权人资产价值发生变 动遭受损失的风险。 世界银行对全球银行业危机的研究表明，信用风险是导致银行破产最主要的 原因( m c n a u g h t o n ，1 9 9 2 ) 因此，从历史角度和世界范围看，运用有效 的方法分析、防范、控制与化解风险，特别是信用风险，既是各国银行界生存和 发展的基础、关注和研究的重点，也是监管当局进行风险性监管的基础。目前， 国际上信用风险评估方法不断推陈出新，管理技术日益量化和精细化，许多计量 模型、支持工具和软件已付诸商业应用。西方发达国家商业银行的信用风险管理 比较成熟，在实践和理论上形成相应的体系，尤其对信用风险分析的定量研究不 断尝试采用新的技术方法向前发展。 近几年，我国商业银行的信用风险管理工作取得了一定的成绩，已经逐步建 立起内部信用风险评级体系。但同国外先进的商业银行相比，国内信用风险管理 技术仍然比较落后，信用风险分析管理体系不健全，与发达国家的差距仍然很大， 主要表现在以下几个方面： 首先，信用风险外部环境不完善。当前我国的宏观经济制度不健全，金融、 投资、财政和社会保障制度中仍存在很多不合理的地方此外，我国尚未建立起 社会信用体系，相应的法律法规还不健全，国家社会规范尚不成熟。许多国民信 浙江大学硕士学位论文 中置非上市公司信用风险度量研究 用观念淡薄，缺乏对银行信用风险管理的必要认识，助长了道德风险的扩散，由 此加大了商业银行的信用风险。 其次，信用风险内部机制不健全。目前我国商业银行的风险管理部门的工作 易受各种因素的影响，独立性不够。审贷分离的模式可能存在客户经理的道德风 险。责、权、利不清，不良贷款形成后对相关责任人的认定流于形式，责任人制 度未得到落实。商业银行的绩效考核体系，使风险制度难以落实，风险文化难以 建立 最后，信用风险度量和管理技术落后。当前我国信用风险计量技术仍处于传 统的专家判断、比率分柝、单笔分析阶段，主要采用定性分析和主观判断电子一 数据资料积累不足，信用评级指标的选取和权重的确定主要根据专家的经验学识 来判断，因此评级标准的可行性大为降低，各行之间难以进行风险的横向比较。 此外，以过去静态的财务报表数据作为分析基础，难以及时反映信用最新变化状 况，降低了评级的可靠性。对信用风险进行事后管理，无法作为事前贷款决策、 贷款定价、预提损失准备的依据。这种静态和被动的管理方式已经难以适应现代 银行要求全面和动态风险管理的需要。 随着我国金融体制改革的深化和金融业对外开放进程的全面推进，国内商业 银行面临的挑战将更加严峻。在金融自由化和金融全球化的新形势下，中国商业 银行必须借鉴学习西方先进的信用风险管理技术，尽快建立适合我国的信用风险 度量模型和方法，适应新资本协议的要求。 本文的目的就在于利用国际上运用非常广泛的信用风险分析方法和技术，研 究在中国特殊的市场环境下，非上市公司信用风险变动的主要影响指标，并在此 基础上探索和建立一个适合我国国情的非上市公司信用风险度量模型。本文通过 结合传统的非线性统计技术以及基于期权定价理论的现代模型，以期建立的模型 更具前瞻性且更实用。最后通过对比分析几个模型的效力，以期对我国商业银行 信用风险管理系统，特别是信用风险评估方法的发展与完善提供一定的借鉴与参 考 本文的研究成果在理论和现实上均有重要意义，主要可以从以下尼令方面：b 酗 以概括： 1 、国内外尚鲜有结合期权定价理论与传统统计分析方法来研究中国非 上市公司的信用风险情况，而本文力图在此方面有所突破，将会对中国非上市公 浙江大学硕士学位论文 中国非上市公司信用风险度量研究 司的信用风险量化评估提供一个实证分析的基础和理论扩展的空同 2 、传统的信用风险分析方法偏重于评估公司的过去而不是其未来的偿 债能力。这与非上市公司经营的灵活性不适应。如果非上市公司处于上升阶段， 在市场前景看好急需资金投入而不能及时得到银行贷款，将错失宝贵的经营机遇 和市场占有率。本文风险度量模型在使用的变量中加入了市场信息，表现出更大 的时变性，模型的预测能力更强。 3 、信用风险评估模型的结果不仅可以为金融工具定价提供重要的依据，而 且可以用于坏账准备金的提取及经济资本的分配，盈利性分析等过程，以及为客 户综合授信，管理者风险决策提供依据参考。因此，信用风险的准确度量能够提 高风险的识别、评估和预警能力，从源头上降低不良资产。 4 、我国由于社会信用体系尚未建立，商业银行信息不完全和不对称普遍存 在，加大了银行经营的风险，导致了不良贷款的必然性，具体表现为公司逆向选 择和道德风险。风险评估是防范银行信息不对称风险的“防火墙”，建立完善的 风险评估体系能在一定程度上解决这个问题。本文试图通过建立适合中国国情的 非上市公司信用风险度量模型，对我国信用风险评估体系的完善提供一定的参 考。 5 、我国目前的信用风险评估主要是事后管理，然而对于贷款发放后出现 的风险，银行往往只能采取亡羊补牢的被动措施，不仅成本大，而且效果并不好 本文意在建立一个有效的非上市公司信用风险评估模型，在贷款发放前对公司的 偿债能力有一个预先的把握，从源头上严格控制，以至更低成本地控制贷款风险。 6 、建立银行内部信用风险评估体系是适应新的监管要求的必然趋势，只 有满足了这一标准，商业银行才能在日趋国际化、多元化的市场中得以生存与发 展。 1 2 论文的重点与难点 本论文研究的重点主要有以下几点： l 、选取最能体现中国非上市公司特征的关键指标。本文借鉴了国内外信 用风险量化研究领域中使用的多种有效指标，其中包括z - s c o r e 模型( a l t m a n ， 1 9 6 8 ) ，z e t a 模型( a 1 t m a n ，1 9 7 7 ) ，穆迪公司的r i s k c a l c “模型和r i s k c a l c 3 1 浙江大学硕士学位论文 中国非上市公司信用风险度量研究 模型以及其他国内外相关文献的财务指标。此外还加了现代信用风险模型p f m 模 型的输出结果一违约距离作外动态调整因子。另本文特别注重处理行业差异， 通过结合中国市场的实际情况，以期权重能更好的体现各因素的反映能力。 2 、结合二元分类选择模型p r o b i t 模型与基于期权定价理论的p f m 模型，即在 传统财务比率分析的基础上引入市场动态因子对我国非上市公司的信用风险进 行实证研究和检验，这既是本文的一个重点，也是本文的创新所在。 3 、p f m 模型作为吖模型的一种延伸，是穆迪旗下的肼v 公司开发的用来度量 非上市公司信用风险情况的模型，到目前为止国内尚很少有人用该模型进行实证 研究，且k w 公司出于赢利目的只公布了模型的部分技术资料。因此对模型缒 关键公式和技术细节的研究成为了本论文的一个关键点。p 刚模型涉及到股票收 益波动率的计算以及期权定价理论和波动率关系函数方程组的求解，而这需要用 到广义条件异方差模型一g r c h 和n e w t o n r a p h s o n 技术迭代求解，因此如何用 姒t l a b i 具编程求解p 刚的关键参数不仅是本文的一大重点更是一大难点。另p 刚 模型中涉及到上市公司与非上市公司之间的对应关系，本文采用了面板数据静态 随机效应模型，并在其中加入了行业虚拟变量和时间虚拟变量作为控制变量，这 是本文的另一个重点 4 、运用p r o b it 模型和基于p f m 的p r o b it 模型对我国非上市公司的信用风险 情况进行实证研究，通过f o r w a r d - s t e p w i s es e l e c t i o n 和b a c k w a r d s t e p w i s e s e l e c t i o n 两种逐步回归法实现，这是本文实证分析方面的重要部分 5 、利用分类预测正确性检验和r o e 曲线分析法对p f m 模型，p r o b i t 模型和基 于p f m 的p r o b i t 模型进行对比分析，并对在中国的适用性进行探讨。 此外，数据对于模型的建立与模型的验证来说是非常关键的。本文由于结合 了两种模型，对数据的要求更加追切，不仅要有上市公司的数据，而且更要有非 上市公司的数据相对于上市公司，非上市公司的财务数据往往更加难以获得， 而且财务报表的质量更需要斟酌。由于中国大多数银行开展内部评级的时间不 长，相关数据储备严重不足，数据缺乏规范性，数据质量不高，更没有关于商业 银行信用风险记录的大型数据库，这限制了信用风险度量模型的运用、验证及嵬 善。另目前我国商业银行没有建立能够全面汇集公司财务信息，债项与公司信用 等级，历史违约记录的数据库，这不仅影响到信用风险度量模型的效力，而且制 约了模型的选择和使用。，因此，数据将是本文的一大难点另一个影响本文研究 浙江大学硕士学位论文 中国非上市公司信用风险度量研究 结果的因素是中国股票市场的低效率中国股市尚处于规范和发展阶段，投机气 氛浓厚，上市公司信息质量低，股票价格经常背离公司的实际价值，上市公司的 市场价值难以被准确衡量，非理性和人为操纵的因素较多。 1 3 论文的逻辑框架 本文研究的基本框架如下：第一章也就是前言部分，主要阐述了本次研究的 目的与意义，分析了整个论文的重点与难点，并对文章的逻辑框架进行了简要介 绍；第二章对国内外信用风险度量研究的理论和方法进行了综述，并在此基础上 对各个模型的优劣进行了比较分析，进而总结出现阶段我国非上市公司信用风险 度量模型的可能选取：第三章为信用风险度量模型的研究，包括p 刚模型的推导、 计算和修正，p r o b i t 模型的函数说明以及基于p 刚的p r o b i t 模型的构建，本章的 目的在于结合传统的非线性技术与现代信用风险度量方法，在非上市公司信用风 险度量方法论上做出一定的贡献；第四章先对数据进行说明和描述性统计，然后 对p 刚模型，p r o b i t 模型和基于p f m 的p r o b i t 模型进行了实证研究和检验分析，定 量描述了非上市公司信用风险的状况以及各指标的影响，最后对模型进行了总结 和比较分析，从模分类预测正确性检验和b o g 曲线分析两个方面入手；第五章为 结论和总结，对本文的研究成果作一总结并提出了改进和后续研究的方向。 浙江大学硕士学位论文中田非上市公司信用风险度量研究 2 信用风险度量相关文献综述 2 1 国外信用风险度量研究文献综述 国外关于信用风险评估理论和方法的研究已经发展到了一定的阶段，各种模 型都渐趋成熟。在2 0 世纪7 0 年代以前信用风险的度量和管理主要侧重于定性分 析，即分析财务报表的静态财务数据与比率。然而随着金融市场的发展，影响金 融稳定的因素变得纷繁复杂，不确定性也逐渐增强，单凭主观判断，定性描述以 及简单的数学分析已难以适应市场发展的要求。近年来，信用风险管理数理模型 的研究在国际上得到了高度重视和快速发展，信用风险定量分析的新方法和新技 术不断涌现，而且部分研究成果在实际中碍到了广泛的应用。概括来讲，信用风 一 险评估方法大致可以分为五类：专家分析方法，评级方法，信用评分方法，人工 智能模型，现代信用风险模型。 2 1 1 专家分析方法 专家分析法是以借款人的财务报告、信用历史等资料所反映出的信息为基 础，依赖专家的个体常识和主观判断来估算借款人的信用风险，并由此做出是否 贷款的决定。这种决策的好坏完全由信贷人员的专业技能和主观因素所决定。专 家法要考虑的因素有很多，最常见的分析方法有信贷5 c 法瞄“，5 p 法和队p p 法。5 c 法从以下五个方面对借款人的信用进行考察：资信品格( c h a r a c t e r ) 、资 本( c a p i t a l ) 、偿付能力( c a p a c i t y ) 、抵押品( c o l l a t e r a l ) 、周期状况( c y c l e c o n d i t i o n s ) ，再加上专家对利率水平和公司发展前景等其他因素的主观判断调 整各个因素不同的权重，最后计算出公司的信用分值，以此作为贷款的依据。分 值的大小代表了借款人信用品质的好坏。 银行判断公司信用的骆法是从以下五个因素来研究鼢t 令人献糖 ( p e r s o n a l ) 、借款用途( p u r p o s e ) 、还款来源( p a y m e n t ) 、债权保障( p r o t e c t i o n ) l t l j 实际中的另一种说法为“6 c ”法，即瓷信品格( c h a r a c t e r ) 、资本( c a p i t a l ) 、偿付能力( c a p a c i t y ) 抵押品( c o l l a t e r a l ) 、周期状况( c y c l ec o n d i t i o n s ) 事业的连续性( c o n t i n u i t y ) 6 个因素。 ，6 一 浙江丈学硕士学位论文中国非上市公司信用风险度量研究 和未来前景( p e r s p e c t i v e ) 。 在实施信用风险分析时，商业银行遵循的l a p p 原则即以流动性 ( l i q u i d i t y ) 、活动性( a c t i v i t y ) 、盈利性( p r o f i t a b i l i t y ) 、潜力 ( p o t e n t i a l i t i e s ) 这四个方面的资料定性分析公司目前的财务状况，管理水平以 及行业经济状况。 日前还有许多银行在使用专家分析法，但是该类方法最明显的缺陷就是主观 性强。另外，相同的机构对于同类信贷者可能会因为评判人的不同而得出不同的 评判结果。这不仅是因为不同的信贷负责人可能会运用不同的标准，而且他们评 判时也容易受自身喜好与外界因素的干扰。因此，近年来，纯粹定性的专家分析 方法中加入越来越多的客观定量分析，并不断向定量分析的方向发展。 2 1 2 评级方法 评级方法是指将贷款的信用状况进行评价，按照质量的高低分成若干个级 别，并针对不同级别的贷款提取不同的损失准备。最早的评级方法是美国货币监 理机构( 0 0 c ) 开发的，将现有的贷款组合归为五类：正常贷款( p a s s p e r f o r m i n g a s s e t s ) 、关注贷款( o t h e ra s s e t se s p e c i a l l ym e n t i o n e d ) 、次级贷款 ( s u b s t a n d a r da s s e t s ) 、可疑贷款( d o u b t f u la s s e t s ) 、损失贷款( 1 0 s s a s s e t s ) 。其中正常贷款属于高质量级别，而其余四类都属于低质量级别。在我 国，1 9 9 8 年以前各商业银行贷款的分类方法一直采用四级分类法( 即一逾两呆 分类法，也既正常、逾期、呆滞、呆帐) 。这一方法并不能很好地反映信贷资产 面i i 缶的实际风险。1 9 9 8 年，我国开始借鉴国际监管经验，采用5 级分类法。中 国银监会成立以后，按照日程表国有独资商业银行和股份制商业银行从2 0 0 4 年 1 月1 日起全面推行5 级分类法。然而随着金融市场的不断发展，5 级分类法已 经不能满足市场的需求，许多银行对评级方法进行扩展和细化，比如1 0 级评级 法，1 2 级评级法。贷款质量1 2 级分类管理方法是基于新巴塞尔资本协议的 一种风险内部评级方法，比传统的五级分类方法更加严格和科学。协议建议 银行应将并没有发生拖欠情况的信贷资产最少分类为七级，欧美国家的大部分银 行已制订超过1 0 级的分类制度，部分美国银行已经开始制定多达2 1 级的制度， 甚至将其内部评级与外部评级机构的评级挂钩。在亚洲，日本、泰国、菲律宾等 浙江大学硕士学位论文 中国非上市公司信用风险度量研究 国均已制定超过五级的分类制度睢”。评级方法仍然属于定性分析的范畴，没有 确定其中财务指标的风险权重，并且没有建立多变量指标的不同权重评价体系。 2 1 - 3 信用评分方法 信用评分方法是通过选择决定违约概率的某些关键财务比率作为解释变量， 运用数理统计方法确定回归模型，对贷款的申请人或者现有的贷款预测违约可能 性的一种技术。在对商业银行信用风险的评估中，继比率分析之后，这类模型在 实际中得到了非常广泛的应用，是国际金融界与学术界公认的主流方法。根据样 本分布的假定与判别函数的形式的不同，主要的模型有单变量判定模型，多元判 别分析模型，线性概率模型和多元非线性回归模型，如l o g i s t i c 模型、p r o b i t 模型等。 l 、单变量判定模型 单变量判定模型以单个财务指标为变量对公司违约情况进行一元判定预测。 芝加哥大学会计系的比弗( b e a v e r ，1 9 ) 首先提出了该模型，他选用了5 个财 务比率指标，分别对7 9 家违约公司和7 9 未违约公司进行了一元判定预测。研究 结果表明两组公司的一些财务比率之间有显著性区别，特别是现金流净资产与 资产负债率两个指标能够很好的判定公司的财务状况另外，随着离公司经营失 败的日期越近，违约公司与未违约公司之间财务比率的差别越大，叩公司失败越 近，误判率越低。该模型最大的优点是简便易懂，但其存在一个很大的问题。由 于没有任何一个财务比率能够全面反映公司的财务状况，运用这种方法经常会出 现对于同一个公司，使用不同的预测指标得出不f 司结论的现象。因此，单变量模 型正逐渐向多变量方向发展。 2 、多元判别分析法 多元判别分析法( m u l t i v a r i a t ed i s c r i m i n a n ta n a l y s i s ，简称m d a ) 是根 据己知的历史上每个类别( 违约类、非违约类) 的若干样本，从这些样本的特征 中找出一个或多个判别公式，推导出误判率最小的判别模型，用于对新样本的分 类。其主要有z - s c o r e 模型和z e t a 模型( h l t m a n1 9 6 8 ，1 9 7 7 ) 。 1 9 6 8 年，美国纽约大学商学院a l t m a n 教授以提出破产申请的3 3 家公司和相 资料来源：东方财富网站网站，啊e a s t a t o n e y tc o i l - 8 浙江大学硕士学位论文 中国番上市公司信用风险度量研究 对应的3 3 家非破产公司作为研究样本，对2 2 个财务比率进行数理统计筛选，开 发出了5 变量z - s c o r e 判别模型。a l t m a n 利用判别分析法所建立的线性判别函 数为： z = 0 0 1 2 x i + 0 0 1 4 x a + 0 0 3 3 x 3 + 0 0 0 6 x , + 0 9 9 9 x 5 其中x ，= 营运资本总资产比率，澎= 留存盈余总资产比率，x 3 = 利息和税收前 的收益总资产比率，) 【= 股权的市场价值总负债的账面价值比率，】( 一销售额 总资产比率。这五个指标从不同的侧面对公司的持续经营能力作出了评价。 a l t m a n 结合美国股票市场行情，确定了临界值2 ，6 7 8 与1 8 1 ，当z 值大于2 6 7 8 时，那公司能财务状况健康，当z 值小于1 8 1 时，公司财务状况恶化，当处于两 者之间时，无法准确预测 1 9 7 7 年，a l t m a n 在第一代z 模型的基础上，充分考虑了现金流量变动等方 面的情况，将其改进为当前非常普遍使用的z e t a 模型。z e t a 分析的目的在于通 过对公司破产的可能性预测，以确认其信贷违约风险的大小z e t a 分析方法中 共用7 个因子作为考察标准，分别是资产收益率，收益的稳定性，偿馈率，累积 的盈利能力，流动性水平，资本化价值，规模。其判别函数公式是： z = 0 3 5 xj + 0 6 7 x 2 0 5 7 y o + 0 2 9 x 4 + 0 5 5 x 5 其中：x l 一速动资产流动负债( 速动比率) ，澎= 营运资本总资产比率，x ，= 固 定资产资产净值，x = 平均应收帐款x3 6 0 销货净额，) 【5 = 现金流入量现金流 出量。该模型的分界点是1 1 5 。z e t a 模型虽然结果很简单，但已经反映了公司 经营的重要方面，比如公司的资产规模，盈利能力等。因此，它可以从总体上衡 量被考察公司的经营状况。但由于z e t a 模型假定公司的经营环境以及经营状况 是稳定发展的，这并不符合实际情况，因此结果会有所偏差。 与一些比较流行的非参数方法相比，判别分析法建立的模型具有更强的透明 度，即具有良好的解释性。另外，模型能利用具有较好判别能力的多项指标对公 司的整体绩效做出评价，其中变量的系数代表了指标的重要程度，可以比较各个 变量对模型的贡献大小。缺点是过于严格的假设前提一要求数据服从多元正态 分布和等协方差，而现实中大量情形违背了上述假定。另分析结果仅能作分值的 高低捧序，也无法处理非线性的情况。 3 、线性概率模型 线性概率模型以评判对象已知的信用状况为因变量，多个财务比率为解释 浙江大学硕士学位论文中国非上市公司信用风险度量研究 变量代入线性回归模型，通过最小二乘法回归得出各解释变量与公司违约选择 之间的相关关系，建立预测模型。然后运用模型预测公司未来违约概率。该模型 的回归形式为： 乃= c o + c f i + e j 扛l 其中：= 第j 个公司第i 个财务指标，占，= 相互独立且均值为0 的随机变量， i l 第j 个企业发生财务危机 乃 1 0 第j 个企业未发生财务危机。 运用多元线性回归技术可以计算出此模型中 ( 扣q 。k2 。k ) 的估计值 c 。得到模型 ；= 乙+ 艺a 五 此模型可以解释为在给定某公司财务比率x i 的情况下，该公司发生财务危 机的概率的估计值。该方法可以解决自变量不服从正态分布的问题，模型使用时 不需要转换，容易使用。但是模型预测的概率估计值可能超过( 0 ，1 ) 范围，不 符合概率理论。目前这种方法在实际中很少使用 4 、多元非线性回归模型 为了改进多元判别分析以及线性概率模型存在的一系列问题，8 0 年代开始有 学者采用条件较为宽松的l o g i t 模型以及p r o b i t 模型。这些模型不需假定任何 概率分布，也不要求等协方差，而且假设事件发生的概率服从某种累积概率分布， 使模型预测值落在0 与1 之间。若假设事件发生的概率服从累积l o g i s t i c 分布， 则称为l o g i t 模型；若假设事件发生的概率服从累积标准正态分布，则称为 p r o b i t 模型。p r o b i t 模型在后面的模型研究中有详细的讨论，这里仅介绍l o g i t 模型。 l o g i s t i c 回归是一种非线性分类的统计方法。用于因变量为定性指标的问 题，如是或否，其估计模型如下： t y 西+ p 滓i + 琢 严i 其中，声为待估计参数，x 为自变量，u 为随机误差项，而订为无法观察到的 变量，比如，公司信用评分一般称为潜伏变量( 1 a t e n tv a r i a b l e ) ，我们可 浙江大学硕士学位论文 中国非上市公司信用风险度量研究 以利用观察得到的虚拟变量咒作为y i + 的替代变量，例如当公司违约时咒一1 ，否 则为0 ，如下所示： f 1 如果y l 0 乃。1 0 其他 根据上式，可以定义当咒- 1 时的概率只如下： 号；r o b ( y , 一1 ) t p r 州 ，- 屯8 。+ 岛) 】 - 1 一f 【邯。+ 蓍岛，】p p 。+ 荟岛以】 其中f 为u j 的累积分布分布函数，进而我们可以将其似然函数表述如下： “l ：【h ( 1 硼 在l o g i s t i c 回归模型中，假设f 函数服从l o g i s t i c 分布，如下式所示，则 我们可以采用最大似然法来估计参数值层。 。 f 佤) 一番篆法，乙。风+ 套岛 由于本模型假设残差项的累积概率分布函数为l o g i s t i c 分布，因此其概率转换 函数如下，这样才能保证其估计值落在0 与1 之间。 p ；! 丛墨! 1 + e x p ( z j ) l o g i s t i c 分析在信用风险度量中已经得到了相当广泛的应用。m a r t i n ( 1 9 7 7 ) 用l o g i t 和判别分析方法预测银行破产，发现两种方法的判别能力极为接近。 p r e s s 和w i l s o n ( 1 9 7 8 ) 提出由于l o g i s t i c 放宽了前提假设，即不假定任何概 率分布，也不需要等斜方差，其判别正确率高于判别分析结果。0 h l s o n ( 1 9 8 0 ) 使用l o g i s t i c 回归模型，利用美国1 9 7 0 - - 1 9 7 6 年问的公司资料，排除零售业、 运输业和金融业，进行公司破产预测，样本包括1 0 5 家破产公司及2 0 5 8 家正常 公司。模型的解释变量有9 个，其模型正确率有8 4 。该文章认为，任何模型 的预测能力很大部分取决于该模型所采用的预测变量，因此在原来财务会计资料 的基础上增加使用股价或股价的变动等非会计资料可能会提升模型的预测能力。 m a d a l l a ( 1 9 8 3 ) 采用该方法区别违约与非违约贷款申请人，p 为违约概率，违约 临界值为0 5 5 1 。当p ) 0 5 5 1 时为风险贷款，而p o 5 5 1 时为正常贷款。 浙江大学硕士学位论文 中田非上市公司信用风险度量研究 w e s t ( 1 9 8 5 ) 使用l o g i t 模型分析金融机构得出每一个机构的违约概率。l a w r e n c e ( 1 9 9 2 ) 以l o g i t 模型预测家庭汽车贷款的违约概率。s m i t h 和l a w e r e n c e ( 1 9 9 5 ) 用l o g i t 模型得出预测贷款违约最理想的变量。 p r o b i t 模型与l o g i t 模型相似，也是二分类因变量模型。z m ij e w s k i ( 1 9 8 4 ) 采用p r o b i t 模型预测了破产概率。穆迪k m l ，公司为非上市公司提供债务人评级 的r i s k c a l c t m 模型( e r i c 等，2 0 0 0 ) 采用p r o b i t 模型进行违约估算，已经得 到了广泛的商业用途。 多元非线性模型的优点是解决了自变量非正态化的问题、所求得的概率落于 q 与。l 之闻、模型可适用于非线形的情况但是当样本点完全分离对，模型参数 的最大似然估计可能不存在，模型的有效性值得怀疑，另外该方法对中间区域的 差别敏感性较强，导致判别结构不稳定，模型的转换程序较为复杂，因此模型的 运用不如多元判别模型广泛。 尽管以上的信用评分模型在信用评估问题中取得了很大的成效，但一方面由 于数据样本的严格假设以及金融数据的高噪音特性，另一方面模型缺乏严密的理 论基础使得该类模型在实际应用中效能大打折扣。 2 1 4 人工智能模型 随着信息技术的发展，近年来人工智能( a r t i f i c i a li n t e l l i g e n c e ，简称 a i ) 模型被引入了信用风险评估领域，以其强鲁棒性和非结构化性特征受到越来 越多学者的关注。常用的人工智能模型主要包括神经网络技术( n e u r a l n e t w o r k s ，简称n n ) ，决策树等。 l 、神经网络方法 神经网络技术近年来在模式识别与分类、识别滤波、自动控制、预测等方面 已展示了其非凡的优越性。神经网络是一种具有模式识别能力，自组织，自适应， 自学习特点的计算机制，对数据的分布要求不严格，能处理任意数据，也不必要 详细表述模型的函数形式，能处理复杂的非线性问题，克服了传统分析过程的复 杂性以及建模的困难性，给分析带来极大的方便。神经网络模型的基本原理是模 拟大脑的感知神经系统结构和功能，通过不断调整权重和阙值来“学习”或发现 变量问的关系，实现对事物的分类。该方法用于公司财务状况研究时，一方面利 浙扛大学硕士学位论文 中国非上市公司信用风险度量研究 用其映射能力，另一方面主要利用其泛化能力，即在经过一定数量的带噪声的样 本的训练之后，网络可以抽取样本所隐含的特征关系，并对新情况下的数据进行 内插和外推以推断其属性。 d u t t a 和s h e k h a r ( 1 9 8 8 ) 第一个应用神经网络于债券信用评级，研究不同数 目的自变量及网络构架对等级分辨能力的影响，其预测准确率为7 6 5 至8 2 之间， 自此神经网络成为研究信用风险的主要方法之一。m i l l e r 、t o d d 和h e d g e ( 1 9 8 9 ) 建议在构造网络结构时使用遗传算法。t a m 和k i a n g ( 1 9 9 2 ) 应用误差函数的偏 导数来解决关于输入变量相关重要性如何解释的问题。a l t m a n ( 1 9 9 4 ) 利用神经 网络对意大利公司进行了失败预测，与多元判别分析模型相比效果较好。t r i p p i 和t u r b a n ( 1 9 9 6 ) 探讨了神经网络在消费信贷、家庭抵押等方面的应用。 神经网络技术应用前景很广泛，具有一些其他方法无法比拟的优点，如非线 性映射能力强，能有效解决非正态分布、非线性的信用评估问题；能处理任意类 型的数据，容错能力强；能不断接受新样本、新经验并不断调整模型，自适应能 力强。同时该技术也存在一些缺陷，如不具有解释性，人们无法根据网络的权值 得到输入变量的相关重要性；结构确定的困难性、训练效率低下，实际中往往被 作为一种“校验性”的辅助方法；工作随机性强，需要人为调试，很耗人力和时 间等。 2 、决策树 决策树是q t l i n l a n ( 1 9 8 6 ) 在h u n t 的概念学习系统c l s ( c o n c e p tl e a r n i n g s y s t e m ) 上发展起来的一种自项而下的分类方法。该方法不象传统方法那样通过 判别函数形成决策规则来判别样本所属的类型，而是创立了一个对原始样本进行 最佳分类判别的分类树。决策树模型较统计模型从直观上更易理解，且应用时对 专业知识也无较高的要求。但是在实际应用中，由于问题的复杂性增加。决策树 模型经常会出现组合爆炸