（数量经济学专业论文）上市公司信用风险预警——医药行业实证研究.pdf

武汉理t 大学硕士学位论文 摘要 随着企业破产问题的日益严重，上市公司信用状况越来受到关注。这是因 为上市公司信用状况不仅是衡量一个国家经济发展和经济稳定的重要指标之 一，而且它直接影响着上市公司管理者、投资者、债权人等利害关系人的经济 利益。所以预测上市公司信用状况，未雨绸缪从而最大限度的避免或减少信用 危机的破坏作用有着非常重要的现实意义。 基于以上原因，本文希望充分利用国内外现有的研究成果，结合国内实际， 建立一个以财务数据和市场数据为基础的医药行业上市公司信用风险模型，以 期能够对公司信用状况作出比较准确的预测。本文首先介绍了信用风险模型在 国内外的研究现状以及各种模型的适用范围以及它们的优缺点；接着介绍了本 文所采用的相关理论知识：z 评分模型、资产定价原理以及判别分析理论；第四 章是本文的主体部分，这一章主要研究了以下内容：1 上市公司非流通股价值的 定价；2 计算公司股价波动率3 利用莫顿理论以及股价波动率与公司资产波动率 的关系计算出公司资产的价值以及公司资产的年波动率4 建立信用风险评价模 型以及确定临界值。 本文的主要创新点是： 1 结合财务数据和市场数据建立信用风险预测模型。传统z 评分模型主要 以财务数据为基础建立模型来预测上市公司信用风险，但是因为财务数据时静 态的，而企业的信用状况是一个动态的过程，仅仅采用财务数据不能够及时反 映企业的市场信用风险状况，故本文把资产市场价值以及股权市场价值引入到 模型中，以期能够更准确的反应上市公司的财务状况。 2 非流通股的定价。本文采用历史股权转让价格与每股收益、每股净资产、 以及流通股市场价格建立线性模型预测了非流通股的价格。 3 本文从医药行业这个角度来建立预测模型。传统z 评分模型是对整个市 场建立的模型，而每个行业由于其行业特性，其资本结构和运作方式等有很大 不同，故各个行业的z 值也不同，从这一角度来说，削弱了模型的准确性。 关键词：信用风险z 评分模型上市公司临界值 武汉理工大学硕士学位论文 a bs t r a c t w i t ht h eg r o w i n gb r a n k r u p c yp r o b l e mo fe n t e r p r i s e s ，t h ec r e d i ts i t u a t i o no f l i s t e d c o m p a n i e sa r eg a i n i n gm o r ea n dm o r ep u b l i ca t t e n t i o n t h ec r e d i ts t a t u so f l i s t e dc o m p a n yi sn o to n l yt h ei n d i c a t o rw h i c hc a l lm e a s u r et h ed e v e l o p m e n ta n d s t a b i l i t yo fo n ec o u n t r y se c o n o m y , b u ta l s oh a sd i r e c t l yi m p a c t e do nt h ee c o n o m i c i n t e r e s t so ft h ei n t e r e s t - r e l a s t e dp e r s o n ss u c ha st h ec o r p o r a t i o nm a n a g e r , i n v e s t o ra n d c r e d i t o r t h e r e f o r e ，p r e d i c t i n gt h es t a t u so fc o r p o r a t i o n sc r e d i ta n dt a k i n gp r e c a u t i o n m e a s u r e sa c c o r d i n g l ys oa st oa v o i do rd e c r e a s et h ed e s t r u c t i v ee f f e c t so fc r e d i tc r i s i s h a v eg r e a tr e a l i s t i cm e a n i n g b a s e do np r e v i o u sr e s e a c h e s ，t h i sp a p e rw a n tt oe s t a b l i s hac r e d i tr i s km o d e lo f t h ep h a r m a c e u t i c a li n d u s t r ya c c o r d i n gt ot h es p e c i f i cs i t u a t i o ni no u rc o u n t r y , a n d e x p e c tt ou s et h i sm o d e lt of o r e c a s tt h ec r e d i ts t a t u so ft h ee n t e r p r i s e t l l i sp a p e r f i r s t l yd e m o n s t r a t e st h ep r e s e n ts t u d y i n g s t a t u so fc r e d i tr i s km o d e l sa n dt h e i r a p p l i c a t i o ns c o p ea sw e l l 雒t h e i rm e r i t sa n dd e m e r i t s t h e nt h i sp a p e ri n t r o d u c e st h e r e l a t e dt h e o r i e su s e di nt h i ss t u d ys u c h 鹪z - s c o r em o d e l ，a s s e t sp r i c i n gp r i n c i p a la n d d i s c r i m i n a t i o na n a l y s i st h e o r y a st h em a i np a r to ft h i sa r t i c l e ，t h ef o r t hc h a p t e r m a i n l ys t u d i e st h ef o l l o w i n gf o u rp o i n t s ：f i r s t ，p r i c et h ev a l u eo ft h en o n t r a d a b l e s h a r e so fl i s t e dc o m p a n y ；s e c o n d ，c a l c u l a t et h es t o c kp r i c ev o l a t i l i t yo fl i s t e d c o m p a n y ；珊r d ，c a l c u l a t ec o m p a n y st o t a la s s e t sv a l u ea n di t sv a l a t i l i t yb a s e do n m o r t o nt h e o r ya n dt h er e l a t i o n s h i pb e t w e e ns t o c kp r i c ev o l a t i l i t ya n dc o m p a n y s a s s e t sv o l a t i l i t y ；f o r t h ，e s t a b l i s ht h ec r e d i tr i s kf o r e c a s tm o d e la n dd e t e r m i n ec r i t i c a l v a l u e 1 1 托i n n o v a t i v ep o i n t so ft h i sp a p e ra r e 懿f o l l o w s ： 1 e s t a b l i s ht h ec r e d i tr i s kf o r e c a s tm o d e la c c o r d i n gt ot h er e l a t i v ef i n a n c i a ld a t a a n dm a r k e td a t a 1 1 圮t r a d i t i o n a lc r e d i tr i s kf o r e c a s tm o d e la r em a i n l yb a s e do nt h ef i n a n c i a ld a t a s u c h 嬲t h ec l a s s i c a lz - s c o r em o d e l ，h o w e v e r , 勰t h ef i n a n c i a ld a t ai ss t a t i ca n dt h e c o m p a n y sc r e d i ts t a t u si sad y n a m i cp r o c e s s ，t h o s ef o r e c a s tm o d e lt h a to n l yb a s e do n u 武汉理工大学硕士学位论文 f i n a n c i a ld a t ac a r ln o tr e f l e c tt h ec r e d i tr i s ks t a t u st i m e l y t h e r e f o 他，i no r d e rt om a k e t h ef o r e c a s tm o d e lm o r ea c c u r a t ea n ds e n s i t i v e ，t h i sp a p e ri n t r o d u c e sb o mt h ea s s e t s m a r k e tv a l u ea n dt h es t o c ko w n s h i p si n t ot h i sm o d e l 2 p r i c et h en o n - t r a d a b l es h a r e s i nt h i sp a p e r , t h ea u t h o re s t a b l i s h e sal i n e a r m o d e lw h i c ha d o p t sh i s t o r i cs t o c kt r a n s f e rp r i c e ，e a r n i n g sp e rs h a r e ，n e ta s s e t sp e r s h l l r ea sw e l la st r a d a b l es t o c km a r k e tp r i c ea si t sv a r i a b l e sa n du s e st h i sl i n e a rm o d e l t of o r e c a s tn o n - t r a d a b l es t o c kp r i c e 3 e s t a b l i s hf o r e c a s tm o d e lf r o mt h ep e r s p e c t i v eo fp h a r m a r c e u t i c a li n d u s t r y t h e t r a d i t i o n a lz - s c o r em o d e li sa i m e dt ot h ew h o l em a r k e t , h o w e v e r , e v e r yi n d u s t r yh a s i t so w nf e a t u r e ，f o re x a m p l e ，s o m ei n d u s t r i e s c a p i t a ls t r u c t u r ea n do p e r a t i o nm o d e a 托m u c hd i f f e r e n tf r o me a c ho t h e r , s od i f f e r e n ti n d u s t r ys h o u l dg e td i f f e r e n tzv a l u e f r o mt h i sp o i n to fv i e w , t r a d i t i o n a lz s c o r em o d e li sl a c ko fa c c u r a c y , a n di no r d e rt o m a k eu pf o rt h i sd e f i c i e n c y , t h i sp a p e rj u s ts e l e c tp h a r m a r c e u t i c a li n d u s t r ya st y p i c a l r e p r e s e n t a t i o n k e yw o r d s ：c r e d i tr i s k ；z - s c o r em o d e l ；l i s t e dc o m p a n y ；c r i t i c a lv a l u e i l l 独创性声明 本人声明，所呈交的论文是本人在导师指导下进行的研究工作及取得的研 究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其 他人已经发表或撰写过的研究成果，也不包含为获得武汉理工大学或其它教育 机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何 贡献均已在论文中作了明确的说明并表示了谢意。 签 名兢雄 日 期：竺掣：厂 关于论文使用授权的说明 本人完全了解武汉理工大学有关保留、使用学位论文的规定，即学校有权保 留、送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或 部分内容，可以采用影印、缩印或其他复制手段保存论文。 ( 保密的论文在解密后应遵守此规定) 签名啡导师签名：，叼毳l i 蝴一p 武汉理工大学硕士学位论文 1 1 研究背景 第l 章绪论 企业破产不仅是市场经济中的普遍存在的现象，也是一个目前非常关注的 话题。企业破产的数量经常被作为衡量国家经济发展和经济稳定的重要指标。 近些年来，全球企业出现了破产数量多、破产面非常广的趋势，甚至一些大公 司也难幸免。企业破产会带来一系列的社会和经济问题，因而如何在企业破产 之前预警并采取相应的防范措施是目前比较关注的问题。 西方国家对于企业信用风险的研究很早就已经开始，早在十九世纪三十年 代，美国就开始通过对企业的财务状况进行分析，以希望提前预测企业的信用 风险状况。经过多年的发展，西方国家的信用风险预测不仅在理论上形成了一 套系统有效的研究方法，而且在政府外部监管、企业内部控制以及投资者决策 等领域也得到了相对广泛的应用。但是在国内，信用风险预测研究才刚刚开始， 我国第一部统一的会计准则一企业会计准则于1 9 9 3 年7 月1 日才正式开始 生效，把全国各行业的会计做账方式统一到一个标准上，实现了会计指标的统 一。在此以前，由于企业财务报表数据及其他各方面的数据缺乏可比性，信用 风险预测研究一直处于相对停滞状态。 ， 随着中国经济的快速发展，对企业破产问题的研究受到越来越多人的关注， 而大部分的关注都集中在上市公司，这是由于上市公司各方面的数据对外公开， 相对容易对其信用风险状况进行评估。并且上市公司是金融市场发展的基石， 其业绩的好坏直接影响着金融行业的兴衰。中国证券市场经历十几年的发展， 上市的公司越来越多，总流通市值也越来越大。但是随着市场规模的不断扩大， 上市公司所暴露出来的问题也越来越多。，一部分公司为了包装上市，利用目前 市场法规的不健全和监管制度的不成熟来造假，损坏了投资者的经济利益，扰 乱了金融市场的秩序。这些上市公司治理结构不平衡，生产经营管理混乱，因 而一上市就连续亏损，从而给投资者带来了巨大的损失，也影响了市场的秩序。 所以建立信用风险体系，通过对企业的信用风险状况分析来鉴别质地不同的上 市公司，是我们目前迫切需要解决的问题。 武汉理一| = 人学硕士学位论文 1 2 国内外研究现状 1 9 8 8 年 ：巴塞尔协议的提出迈出了具有重大意义的一步，提出了信用风 险的数量管理方法。随着巴塞尔协议在西方发达国家的全面实施，各国加 大了对信用风险管理的研究投入，信用风险管理方法有了快速的发展。2 0 世纪 踟年代中期以前是传统信用分析方法，2 0 世纪8 0 年以后，随着资产组合选择 理论、，a r ( 风险价值) 理论、资本资产定价模型、期权定价模型和套利定价模型 等一些现代金融理论的出现，信用风险计量方法不断创新，出现了很多新的信 用风险计量模型。l i j 目前国外上市公司信用风险计量模型主要包括以下几种类型：z 评分模型， k m v 模型，c r e d i tm e r t i c s 模型以及人工神经网络方法。 1 z 评分模 z 评分模型是a l t m a n 在1 9 6 8 年提出的，“z 评分 模型是一种运用多变量 思路建立多元线性函数公式，即运用多种财务指标采用统计方法得到的总判别 得分来预测公司信用状况，信用风险预测要根据企业外部环境的实际情况，运 用定量和定性相结合的方法来进行分析。该模型主要是根据数理统计中的判别 分析方法，选取能够反映借款人的信用状况的指标，建立模型来反应企业的信 用风险状况，这个模型主要是基于企业的财务数据建立的信用风险模型。不同 的国家和地区的企业所处的环境不同，其选取的指标体系预测的值也会有所不 同。具体分析单个企业的信用风险指标体系，分析其信用风险状况，从而能够 将比较准确的信息传递给决策者进行决策，使管理者能够做出比较j 下确的防范 措施。 。 总的来说，z 评分模型比较明确，而且提供了一个衡量企业财务状况的单一 标准，数据资料来源于会计财务报表，易于获得，因此可操作性很强。1 4 l 2 k m v 模型 k m v 模型是1 9 9 5 年著名的风险管理公司k m v 公司提出的，它是估计借款 企业违约概率的一种模型。首先，它利用b l a c k s c h o l e s 期权定价公式，根据企 业股权的市场价值、到期时间、股权的波动性、无风险利率及负债价值估计出 企业资产的市场价值及其波动率，然后根据公司的负债( 包括长期负债和短期 负债) 计算出公司的违约点d p ，接着计算借款公司的违约距离d d ，最后根据 违约距离与预期违约率的关系，计算出企业的预期违约率。 2 武汉理t 大学硕士学位论文 k m v 模型的理论基础研究大概经历了如下两个阶段：第一阶段是将k m v 模型的预测结果与实际的违约数据相比较，研究结果表明k m v 模型对信用风险 的预测具有很高的敏感性；第二阶段是国外学者寻找到新的角度对模型进行验 证，并寻找验证模型有效性的方法。 总的来说，k m v 模型具有一下优点：首先，k m v 模型是一个相对动态的 预测模型，市场上每天都有上市公司更新发布的数据，且大部分公司都有季度 财务报表数据对外进行公布，这样使得该模型的更新数据较快，能够比较及时 的反应企业的信用风险状况；其次，k m v 模型是以主要是以股票数据为基础的， 股票数据能够反应企业历史的状况和人们对企业的预期，这些信息能够在股票 价格和股价的波动性之间得到比较充分的体现，从而会影响到公司的市场股权 价值，这样最终是会影响公司信用状况的；再次，k m v 模型部不要求有效市场 假设，这在我国证券市场相对发展不完善国家，从这个角度来说，k m v 模型具 有很好的实用性。0 5 1 3 c r e d i tm e r t i c s 模型 c r e d i tm e r t i e s 模型是1 9 9 7 年美国j p 摩根公司提出来的，该模型认为企业信 用风险直接源于企业信用等级的变化，并假定信用评级体系是有效的，并且企业 信用等级的变化能够反应其投资失败、利润下降等一些影响信用的事件。该模型 主要的输入数据是通过不同信用等级的信用工具在一定期限内转换到其他信用 等级或保持原级别的概率矩阵。 总的来说，该模型具有以下优势，首先它对“信用风险 的概念进行了延伸， 它认为信用风险不仅包括债务人的违约，而且也包括债务人信用等级的变化；其 次该模型适用范围非常广泛，不仅包括传统的商业贷款、应收账款等_ 些商业合 同，而且能够对期货合同及衍生产品进行处理；再次运用蒙特卡罗模拟法来计算 资产组合价值分布，从在某些程度上来说，避免了“资产收益率正态性 的假设； 最后该模型除了传统资产组合“信用在险值 进行分析外，还可以对单一信用工 具计算边际风险贡献率，这样可以很好发现新增一笔债券贷款的风险和收益，从 而为投资者进行决策提供量化依据。 7 1 4 人工神经网络方法 人工神经网络方法在2 0 世纪9 0 年代被引入信用风险的研究中，取得了较 好的预测判别结果该方法有以下几个重要环节：学习算法、网络结构、合适的 数据和训练网络方法。 3 武汉理丁大学硕士学位论文 神经网络技术主要有以下优点；( 1 ) 准确性较高。特别是在数据为非线性可 分的条件时，神经网络分类的准确性较为明显的高于判别分析法和决策树法； 但是反之，多元判别分析法则优于神经网络技术。对于一组待测的数据，通常 很难判别其线性与否，所以神经网络一般是首选的方法。( 2 ) 适应性较强。神经 网络具有很强的适应样本的变化能力，神经网络具有很强的记忆性本增加，能 记忆原来的训练样本。所以根据新增的样本数据进行适当调整，使表示的映射 关系能够更好地刻画出新的样本。其他方法在这一点上的表现均不及神经网络 技术。( 3 ) 健壮性。神经网络对样本的分布、均值、协方差都没有非常严格的要 求。嗍 1 3 目前研究中存在的问题 从目前对信用风险计量的急切需求来看，目前学者对信用风险计量模型的 研究还远远不够，这主要表现在以下几个方面：首先，国内在这方面，研究成 果虽然较多，出现了“百家争鸣”的状况，但由于缺乏统一的理论基础和思想， 没有达成一致的共识，阻碍了模型在现实中的应用。因此，有必要建立一个有 坚实的理论基础且判别效果较好，并且广泛认可的信用风险模型。其次，目前 国内学者认为企业盈亏与信用风险有着比较紧密的联系，在建立模型时只采用 利润表及资产负债表的一些财务比率现金流量指标却考虑的非常少，而实践证 明，现金流量指标与公司的破产有着非常大的联系，而与企业的盈亏并无必然 的联系。因此，模型指标的选择应该采用把传统财务指标和现金流量指标相结 合。再次，基于期权理论为基础的k m v 模型虽然在外国的应用十分广泛而且预 测效果也很好，但是由于我国国内资本市场的特殊性，现有的大多数研究成果 只是针对单个的公司进行分析，并不具有普遍性和代表性。下面对目前各模型 存在的不足做以下说明。 1 z 评分模型 ( 1 ) 要求有较为严格的假定条件。在传统“z 分模型”中它假定样本数据 服从多元正态分布，以及要求协方差相等，并且企业信用状况的好坏能够进行 明显的区分等：虽然后来改进的z e t a 评分模型没有正态分布和协方差矩阵相等 的假设条件，但是如果数据样本较少，由于选取的指标较多很有可能会影响模 型的效果： 4 武汉理工大学硕士学位论文 ( 2 ) 信息来源主要是会计财务报表数据。在快速发展的经济环境中，如果 财务数据不能反映企业的真实情况时，那么就很有可能造成信用风险，会严重 影响投资者、管理者等相关利害的正确判断： ( 3 ) 传统z 评分模型没有考虑现金流量指标，从目前企业的信用风险状况 来看。很多公司都是由于现金周转不灵才发生破产的，所以现金流量指标在预 测企业信用风险状况时起着非常重要的作用，所以有必要将其纳入建模体系之 中。 2 k m v 模型的缺点 ( t ) k m v 模型创建于西方国家，西方上市公司的所有股分都是流通股， 因而计算股权的总价值时可以直接将股票的市场价格与总股本简单相乘即可得 到。而我国证券市场上股股改革在2 0 0 5 年才开始，并且没有全部彻底完成，在 计算上市公司股权价值时，由于其股份中有很大一部分是国有非流通，不能像 流通股那样可以通过市场价格直接得到，所以股权的总价值无法从直接计算得 到。 ( 2 ) 历史违约数据库缺乏。k m v 模型根据公司的历史违约数据，确定违 约距离与违约率之间的对应关系，以此来预测预期违约率的大小。但是在我国 由于信用风险预测刚刚起步，历史统计数据严重缺乏，所以我们现在很难把违 约距离转化成违约概率。1 3 1 3 c r e d i tm e t r i c s 模型的缺点 ( 1 ) 首先模型假定的不合理性：模型中假定无风险利率均以及违约率都与 宏观经济状况无关，并且一直固定不变，这与实际情况并不相符；同样假定资 产的收益服从正态分布也欠合理；假定企业资产收益之间的相关性公司净资产 之间的相关性相等，从而进一步得到算资产组合的信用等级转移概率时，也缺 乏理论基础；上述这些假定，严重影响了该模型的使用范围及预测精度。 ( 2 ) c r e d i tm e t r i c s 采用的是企业信用等级的变化来进行分析，而企业的信 用评级有可能在在相当长的一段时间内会保持不变，这使得模型的预测结果不 能较为准确的反映企业信用状况的变化；并且，信用等级迁移矩阵也并不一定 是稳定的，它受到许多因素的影响，如行业、国家、经济周期； ( 3 ) c r e d i tm e t r i c s 没有考虑市场风险状况，信用资产的风险敞口和远期价 值都是从确定的远期曲线推出得到的，模型中唯一的不确定性来自于信用质量 的变化，然而经济状况的改变和市场都有可能影响公司的盈利，从而导致企业 5 武汉理：i = 人学硕士学位论文 违约和信用等级的变化。1 7 j 4 神经网络技术的缺点： ( 1 ) 缺乏统计合理性。无论因果模型还是外推模型，都是以统计学为基础， 有统计检验方法且具有显著的意义，但是神经网络是以权重的形式存储于网络 中，打开网络可以取出权重的值，但是它无法给出预测值的区问估计，不能检 验估计的可靠性。 ( 2 ) 解释能力差。各种预测信用风险的方法的最终结果均都以模型形式给 出来，容易结合经济理论进行解释，并且能够进行灵敏度分析和边际分析，而 神经网络系统的结构通常无法用模型表达出来，解释较为困难，采用该方法预 测有一定风险t 并且如果产生了错误的预测，常常无法找出出错的原因，因为 它缺乏检验准则，并且无统计的理论可遵循，不容易解释。 ( 3 ) 神经网络预测信用风险状况缺乏统计机理，并且变量选择困难，无法 给出显著性统计准则，也很难对变量进行选择，显然仅仅以精度来衡量是不行 的。模型中如果包括不相关的变量或没有考虑重要的变量都很有可能使结果失 去可信度，因此，研究变量的选择方法是神经网络预测企业信用风险状况首先 应该解决的问题。t m 1 4 研究目的和意义 “冰冻三尺，非一目之寒一，企业的信用危机都有一个逐步显现，不断恶化 的过程，因而具有一定的先兆性和可预测性。在西方很多国家有众多的提供信 用危机预测或破产预测服务的金融机构：如美国第一银行信托分部、英国的 p e r f o r m a n c ea n a l y s i ss e r v i c e s 公司和d a t as t r e a m 公司。利用上市公司财务报表 及其他相关经营资料进行分析，及早发现信用危机的信号从而预测信用危机并 进行应变防范，以便未雨绸缪从而最大限度的避免或减少危机的破坏作用，己 成为上市公司管理者、投资者和等利害经济关系人共同关注的问题。因此，对 我国上市公司信用危机状况进行研究，构建一个有效、适用的信用危机预测系 统，以期能够较为准确地根据各种指标预测上市公司的信用状况，对市场参与 各方都有着十分重要的现实意义。 自上世纪6 0 年代以来，随着企业破产问题的日益严重，各国学者己经开始 进行信用危机预测的研究。近几十年来，从多元判别分析等线性预测模型，到 6 武汉理工大学硕士学位论文 著名的k m v 模型及c r e d i tm e r t i c s 模型，出现了很多的研究成果。但是，国内 对公司信用风险预测的研究还不是很成熟，其主要原因是原来我国并没有实施 统一的企业会计准则，研究数据缺乏可靠性和对比性。因此，本文期望充分利 用国内外现有的研究成果，结合中国的实际，欲建立一个企业信用风险模型， 以其能够对中国医药业上市公司信用风险作出比较准确的预警，以便能够对企 业管理者、投资者、金融机构等相关部门和个人做出正确的判断与决策。n 劬 1 5 本文研究的主要内容和结构 本文下面的安排如下：第二章是对传统z 评分模型的介绍：第3 章重点介 绍莫顿理论和判别分析方法；第4 章是建模及实证研究；第5 章展望与回顾。 1 6 本章小结 本章为文献综述，介绍了论文的研究背景、国内外的研究现状。目前研究 中存在的问题、研究目的和意义、以及本文采用的研究方法。 7 武汉理j f 人学硕士学位论文 第2 章信用风险的成因及z 评分模型 2 1 信用风险的成因 信用风险是指债权人由于债务人违约或债务入信用等级或履约能力发生变 化造成损失的风险。而现代意义上的信用风险则包括由交易对手直接违约和交 易对手违约可能性发生变化而给贷款人造成损失的风险。因为信用资产不仅会 因为贷款借款人、债券发行人等的直接违约而发生损失，而且在交易对手并未 违约但是信用状况发生变化( 如信用等级的降低、盈利的能力下降等) 的情况下， 也会导致资产的市场价值发生变化，从而可能给债权人带来风险导致损失。信 用风险的传统定义是交易对手无力履行合约的风险，也即债务人不能按期偿还 其债务而造成违约，给经济主体带来的损失，该定义表达了这样一个思想，即 只有当交易对手在到期时不履行合约，并且这种不履行合约的行为只有在给经 济主体造成了损失的情况下，经济主体才遭受到信用风险的损失。随着风险管 理技术的快速发展，信用风险的定义发生了变化，信用风险是指由于借款人或 交易对手违约而导致的损失的可能性，更确切地说，信用风险不仅包括交易对 手的直接违约，而且还包括借款人的信用评级的变动而导致其债务的市场价值 变动而发生损失的可能性。1 2 j 2 1 1 信用风险的形成机理 信用风险在近几十年来已经更加变得更加突出和和重要，其形成的客观机 理主要表现在： ( 1 ) 人们的信用理念发生了重大的变化，举债已发展为企业的时代潮流， 债务规模也急剧增长，债务也在不断的增加，财务杠杆明显增加，使得整个社 会的信用风险逐步增大。 ( 2 ) 只要市场和交易的存在，那么信用风险就会存在。因为在不管在任何 时候信用风险都是一种客观存在的。 ( 3 ) 由于市场瞬息万变，导致遭受损失不确定性的因素存在，使交易者客 8 武汉理工大学硕十学位论文 观违约的可能性也在增加。 信用风险形成的主观机理主要表现在交易者的主观违约动机上，只是交易 者在经济博弈中出于自身经济利益和自身经济安全的考虑，不惜以损失交易对 方为代价而选择违约策略或任由违约行为的发生。网 2 1 2 信用风险形成的具体原因 一般来说，造成信用风险的原因主要是因为交易双方的信息不对称而造成 的。信息不对称的含义主要有两点：一t 有关交易的信息在交易对方之间是不 对称的；二：双方对各自在信息占有方面的优势是清楚的，处于信息劣势的一 方缺乏一些相关的信息，但可以知道相关信息的大致概率分布，并能够据此对 市场形成一定的预期。 造成信息不对称的原因主要有以下：首先，企业财务管理不是很规范，缺 乏严格的审计会计制度，很难向大众提供准确且完整的会计财务报表资料，有 的企业甚至提供虚假的财务表报，这就更加引起了信用风险的产生；其次，现 在竞争越来越强烈，企业一般处于激烈的竞争之中，其投资项目隐含的不确定 因素也较多，企业自身投资项目的预期收益都难以准确掌握，因此更不愿接受 一个透明度非常高的融资合约。 信息不对称在经济活动中是非常普遍的，它的存在引起市场的“ 逆向选 择和“道德风险”，从而大大降低了市场的效率。 在签订合约之前，如果交易双方存在着信息不对称，就很有可能导致逆向 选择。例如如果一家商业银行对借款企业的真实信用状况及财务状况不是非常 清楚，只知道整个行业的平均水平，那么，银行就会按照行业的平均水平来公 布贷款的利率和相应的条件。这样一来，信用状况较好的企业就不愿在这种条 件下向银行借款，而财务或信用状况较差一些的企业却想努力获取银行的贷款， 这样会导致银行的借款只会借给一些信用较差的企业。而对银行来说，它当然 也知道这种状况，就会以提高贷款利率或者更苛刻的借款条件向企业借款，结 果使得更多好的企业退出了信贷市场。如此恶性循环，在市场均衡的条件下， 只有信用较差的企业签订了借款合同，商业银行的风险由此也会增加。因此， 逆向选择会导致信用市场效率低下，甚至是无效率。1 5 l 道德风险是指由于经营者或参与市场交易的企业，在得到第三方的保障的 9 武汉理工大学硕+ 学位论文 条件下，其所作出的决策和行为即使引起损失，也不会完全承担责任，或者可 能得到一定的补偿，这将“激励 其作出风险较大的决策，来博取更大的利益。 调查结果表明，中小企业总体信用状况偏低，特别是破产兼并比例非常高，容 易引起道德风险，对银行会造成较大的损失。具体来说，道德风险主要可以分 为以下三类，分别是s ( 1 ) 借款入违反借款协议。私下改变资金用途 由于贷款人和借款人构成委托一代理关系，故委托人和代理人之间的存在 利益摩擦，当项目投资成功时，借款人可以得到比贷款人多得多的利润，当项 目投资失败时，损失的却是贷款人行的资金。所以，这时，若借款人具有风险 偏好性，他便会有了制造道德风险的动机，有可能将借款投向风险更高的项目， 因为项目风险跟收益一般会成正比，风险越高，收益也会越高。 ( 2 ) 借款人隐瞒投资收益，企图逃避偿债义务 在项目实施过程中或者项目结束后，借款人有可能利用虚假的财务报表信 息来隐瞒项目真实的投资收益，以此来逃避偿债义务。对于收益好的项目，借 款企业可能会提供较差的收益资料，并以此来偿还债务，表面上企业是在履行 合同条约，但实际上可以逃避一部分义务。例如如果企业投资盈利，他会利用 股东对企业投资经营状况的不了解，对贷款人谎称投资失败，让贷款人来承担 风险损失。更有甚者，有些企业甚至上报项目亏损的财务资料逃避全部债务。 ( 3 ) 借款人不以效益最大化为目标使用资金 借款人由于使用的是别人的钱，他在获得贷款后，并不以效益最大化为目 标。而是对资金的使用漠不关心，不努力去创造投资效益，致使投资项目失败， 然后，再想尽一切办法逃避贷款人的债务。 当然，信息不对称只是发生“道德j x l 险 的外因，内因主要还是在于借款 人自身的内在动机，也就是说就是借款人本身有没有制造“道德风险 的动机。 i l i l 2 2 z 评分模型简述 最早运用多变量分析法研究公司财务预测问题的是2 0 世纪6 0 年代的美国 学者阿德尔曼，它根据数理统计中的判别分析理论，对银行的贷款个案进行定 量分析，选择出一组比率，这组比率最能够反映企业的财务状况、最具有预测 1 0 武汉理工大学硕+ 学位论文 分析价值贷款、对质量影响最大，设计出一个能在最在限度上区分贷款风险度 的模型，对借款者进行信用风险。他的z 评分模型是一种运用多变量思路建立 的多元线性函数模型，即运用多种财务指标加权汇总产生的总判别得分( 来预测 上市公司信用危机，信用风险的预测需要根据企业外部环境的实际情况来定， 运用定量和定性相结合的方法来进行分析。不同国家和地区的企业所处的实际 情况不同，其选取的指标体系也会有所不同不同。具体分析单个企业的信用风 险预测指标体系，找出其中的差距，从而将比较准确的信息传递给决策者进行 决策，使管理者能够做出正确的防范措施，防范于未然。 总的来说，z 评分模型比较明确，而且提供了一个衡量企业财务状况的单一 标准，数据资料来源于会计财务报表，易于获得，因此可操作性很强。 2 2 1z 评分模型研究步骤 z 评分模型的研究步骤是包括： 1 选取一组最能反映借款者财务状况及还本付息能力的财务指标，如销售利 润率、流动比率、资产收益率、和资产负债率等； 2 从过去的贷款资料中分类收集各种样本数据。样本数据大致分为两大类： 一类是能够正常还本付息的企业，另一类是无法正常还本付息的贷款企业。每 一类还可按贷款性质、贷款方式和行业类别进行分类； 3 根据各个行业的实际情况，根据判别分析理论来确定各个比率的权重。 4 将每一比率乘以相应权重，然后相加，这样就得到线性判别模型，从而可 以得到各个企业的z 值； 5 对所选样本逐个进行分析，就可以得到一个测定企业信用状况的z 值和临 界值； 6 如果要测定某企业的信用风险状况，就将该企业的相关指标该模型，便可 以得到该公司的z 得分，再将该z 值与样本z 值和临界点进行比较。就可以判 别该企业的信用风险状况。1 9 j 2 2 2z 评分模型的确立 阿尔曼先后提出了两种模型，一个适用于上市公司，一个适用于非上市公 武汉理t 大学硕士学位论文 司。其判别函数分别为： 适用于上市公司的z 评分模型： z = 0 0 1 2 x l + 0 0 1 4 x 2 + 0 0 3 3 x 3 + 0 0 0 6 x 。+ 0 9 9 9 x 5 其中： z 为判别函数值，毛为( 期末流动资产期末流动负债) 期末总资产，岛为期 末留存收益期末总资产，毛为息税前利润期末总资产，毛为期末股东权益的市 场价值期末总负债，黾为本期销售收入总资产。 其中： 墨为营运资本资产总额，反映的是企业资产的折现能力和规模特征。公司 问题研究中经常使用该比率，它是公司的流动资产相对于总资本的一种衡量。 营运资本是公司的流动资产与公司的流动负债之差。还要明确考虑流动性与规 模特征。一般来说，对于经历长期经营损失的公司来说，其当前的资产相对于 总资产将有所减缩。一个企业营运资本的不断地持续减少，往往预示着企业资 金周转不灵或出现短期信用危机。 x ，期末留存收益期末总资产，反映的是企业的累积获利的能力。留存收益 是再投资的收益总量和公司在整个寿命期内的损失总量。留存收益会计账目可 以通过共轭公司的部分重组或股票的除息手段来认为操作。该比率还需要考虑 公司已存在的时间。一般说来，新企业资产与收益较少，因此对于老企业来说 x ，较小，说明信用风险较大。 邑息税前利润期末总资声，即e b t i 资产总额，称之为总资产息税前利润 率，也就是我们通常用的总资产息税前利润率为e b i t 平均资产总额。该比率可 以衡量除去税收或其他杠杆因素外，公司资产的获利能力。因为公司的最终生 存依靠于资产的盈利能力，所以该比率分析对于破产研究尤其有效。此外，若 公司的全部债务超过对资产的合理评估，即这些资产的盈利能力时，公司将会 出现无力偿还的情况。该指标主要是从企业利用各种资金来源的效率的角度对 企业资产的使用效益进行评价，通常是反映企业财务失败的非常有力依据之一。 x 。测定的是财务结构，总和所有股份的市场价值来衡量权益，负债则包括 流动负债和非流动负债。分母为流动负债、非流动负债的账面价值之和，分子 以股东权益的市场价值取代了帐面价值，因而对会计上影响企业财务状况的产 权比率进行了调整使分子能客观地反映公司股权价值的大小。对于上市公司， 分子应该是：未流通股权价值+ 流通股市场价值。 1 2 武汉理工大学硕十学位论文 x 。为总资产周转率，资产周转率是一种能反映公司资产营运能力的标准的 财务比率。该比率可以衡量公司在竞争状况下的管理能力。依据单变量的统计 显著性检验，模型中不应该出现该比率。但是由于该比率与其它变量的关系独 特，所以销售收入与总资产的比率对模型整体区分能力位居第二。如果企业总 资产周转率高，说明企业利用资产经营效率较高；反之，如果总资产周转率低， 则说明企业利用资产效率低下，这样最终将会影响企业的获利能力。0 0 1 z 评分模型从企业的资产规模、获利能力、财务结构、偿债能力、营运能力 等方面综合考虑了企业信用状况，进一步推动了信用风险预测研究的发展。 e d w a r da l t m n a 教授通过对z 评分模型的实证研究分析得出：企业的z 值越低， 就越可能发生破产，面, 1 5 的风险越大，该企业遭受失败的可能性也就越大。根 据上述模型，通过对过去各个企业的数据及指标进行统计分析得到企业经验性z 值的临界值，为z = 3 0 ，即当企业的z 值高于3 0 时，该企业为较安全企业，若 低于3 0 ，则该企业为存在财务危机或破产风险。此外，如果一个企业的z 值低 于1 8 ，说明该企业实际上己经潜在破产，如果不采取特别有力的措施，将面临 破产风险。 关于临界值的具体说明如下表示： z 值短期出现破产的概率 1 8 以下存在严重财务危机，破产机率很高 1 8 2 8 以下存在一定的财务危机，破产机率较高 2 8 3 0 以下存在某些财务隐患，解决不好有破产可能 3 0 以上财务状况良好，无破产可能 此外，他也提出了针对于非上市公司的模型，非上市公司选取的指标体系 与上市公司选取的指标体系差不多，但是赋予的各指标的权重值不同，本文主 要研究上市公司的信用风险状况，故非上市公司模型在此不作详细介绍。嘲 2 2 3 z 评分模型的优越性 在z 评分模型以前，评价信用风险主要靠主观判断，z 评分模型是运用数理 统计方法作为理论依据的，所以相对于主观判断，z 评分模型具有以下优点： 一是客观性。z 评分模型是根据从大量数据中提炼出来的预测信息和行为模 式制定的，反映了企业信用表现的普遍规律，在实施过程中不会因为工作人员 1 3 武汉理工大学硕士学位论文 的主观感受、个人偏见、个人好恶和情景、情绪等改变。 二是一致性。z 评分模型在实施过程中前后是一致的，不管是哪个分支机构， 哪个业务人员，哪个时间地点做出的决定，只要用得是同一个模型，其评估和 决策的标准就是一致的。 三是准确性。z 评分模型是依据大数原理、运用统计技术，科学的发展出来 的，能够比较准确的预测