企业信用评级指标体系中的行业风险研究

【摘 要】 文章研究了我国机械工业行业协会的信用评级指标体系，提出了在该体系中加入“外部行业风险”这一新评价指标的观点，并根据层次分析法确定的机械工业平均“外部行业风险”权重和模糊综合法确定的行业风险隶属度，对13个机械工业子行业计算出了13个不同的“外部行业风险”指标权重，以反映外部行业风险对机械工业不同子行业的差异化影响。

【关键词】 机械工业； 企业信用评级； 指标体系； 行业风险

一、行业因素对信用评级的意义

宏观经济因子是信用评级必须考虑的重要参数，但多家信用评级机构分析发现，我国现行企业信用评级主要采用定性分析的方法估计宏观经济因子对信用风险的影响，而未能精确度量。也就是说，我们缺乏对宏观经济运行和企业微观行为间关系的研究，缺乏从宏观到微观传导机制的精确研究，即中观层面的行业风险研究。若在信用评级过程中不考虑这些因素，会在一定程度上造成风险计量的不准确，进而，很有必要考察外部行业风险对不同行业的差异化影响。所以，笔者针对我国机械工业行业协会的信用评级指标体系，探讨在评级中增加行业风险指标的方法，使企业信用评价更具可信性。

二、外部行业风险指标的量化

（一）机械工业行业分类

中国机械工业联合会将我国机械工业分为13个子行业。但对企业行业运行状况分析时，信用评级的行业分类会不完全等同于传统的行业分类。资信评级的行业分类是基于信用风险分析因素的近似原则，即形成信用风险的主要构成因素相同，企业获得收益的经营内容及经营方式相近。所以笔者根据GBT4754-2002，对机械工业13个子行业重新归类，使其能在中国经济网的行业景气分类中，找到一一对应的组别，算出合适的行业景气指数。归类结果为十个大行业：家电产业、服装、纺织制造业、化工产业、煤炭产业、石油产业、乳制品业、有色金属产业、钢铁产业、水泥制造业以及装备制造业。

（二）指标的量化方法

针对外部风险分析，可将行业市场结构、竞争结构、经济周期以及生命周期分析归为一类，作为行业整体的运行状况，探讨市场这只看不见的手对行业的影响；而行业政策单独作为一类，分析外界调控力量对行业的影响。所以，笔者把企业信用评级的外部行业风险分为行业运行状况和行业相关政策，即定量和定性这两个方面。

1.定量指标量化方法

企业外部行业风险的定量指标为“行业运行状况”，笔者对此以“中国经济产业预警指数”来反映。该指数是由经济日报社中经产业景气指数研究中心和国家统计局中国经济景气监测中心共同研究编制的，并按季。它以行业生产合成指数、出口额、产品出厂价格指数、从业人数、产成品资金、行业利润总额、行业销售收入、行业税金总额、固定资产投资总额以及行业应收账款这10个行业先行指标合成反映行业发展态势。这些指标能够反映行业周期、市场竞争状况、产品的季节性因素、市场的进入与退出等情况。

量化的前提假设：由于经济的周期性波动，经济过热后经济泡沫膨胀，破裂后会造成经济过冷，二者相互连接、转化。所以假设经济过热与经济过冷均会对行业运行造成负面影响。因此，将行业运行的冷热两极的中心定为最优经济状态，其中心对应分值100即为行业运行状况这个指标的系统分值满分100分，并设行业实际测量分值为x，最终系统分值为X，max和min分别表示行业景气指数测量分值在近8年中的最大值和最小值，则：

①当x>100时，经济偏热，X=100

-100*■；

②当x=100时，经济最优，X=100；

③当x

■。

2.定性指标量化方法

企业外部行业风险的定性分析指标为“国家相关行业政策”，包括行业优惠政策和行业限制政策，采用定性判断方式量化，主要参照产业结构调整目录、机械工业十二五规划等政府官方文件，并以相关证券网站的行业分析作为辅助。在行业的优惠与限制政策相抵消后，把“净优惠政策”数大于等于3项、2项、1项、0项及以下分别归类为优、良、中、低、差5档，按档确定系统分值。公式如下：

行业“净优惠政策数量”x=行业优惠政策数量-行业限制及淘汰政策数量

①当x≥3时，系统分值为优，X∈（90，100）；

②当x=2时，系统分值为良，X∈（75，90）；

③当x=1时，系统分值为中，X∈（50，75）；

④当x=0时，系统分值为低，X∈（25，50）；

⑤当x

三、行业风险指标权重的确定

（一）层次分析法的应用

1.专家调查

笔者采用层次分析法确定指标权重，综合运用问卷法和访谈法收集数据，确定指标间的两两比较矩阵。问卷调查的主体是中国机械工业企业管理协会下设的信用评级委员会及行业工作部。同时，为增强专家团的评级效果，使判断更专业化，笔者还调查了资信评级机构、商业银行、管理咨询公司、资产评估公司、中国银监局以及相关机械类实体公司的管理人员。需要指出的是，在层次分析法中，外部行业风险代表的是机械工业的一般水平，即大行业整体上受外部行业风险影响的程度，它暂不区分各个子行业，而将外部风险影响定为中等时，与其他5项内部指标进行比较，确定指标比较判别矩阵。

2.确定权重

通过同级指标两两比较，确定指标比较判别矩阵a，根据等式aw=xw计算w和x，其中，x是比较判别矩阵a的最大特征值，而对应的特征向量W在归一化处理后，就是同一层次中各要素的相对权重。笔者采用软件Matlab7.0对数据计算和检验，对每一份问卷计算出一份权重。对6个一级指标的两两比较矩阵a，按以下公式计算：

“[x，y]=eig（a）；eigenvalue=

diag（y）；lamda=eigenvalue（1）；CI=（la-mda-6）/5；CR=CI/1.24；w=x（：，1）/sum（x（：，1））”

通过实证调查，成功回收问卷40份，并对各份问卷的指标权重计算算数平均数。统计计算后，评级体系中6个一级指标权重分别为：外部行业风险12%；企业综合素质14%；财务状况23%；企业管理水平16%；企业竞争力要素18%；企业信用记录17%。其中外部行业风险的二级指标权重分别为：行业运行状况47%、行业相关政策53%。

（二）模糊综合法的应用

由于不同行业对宏观经济变动的敏感性不同，因此有必要区分外部行业风险对机械工业不同子行业的不同影响。对此，笔者采用模糊综合法对不同机械子行业“外部行业风险”的权重进行调整，统计资料亦来自上述问卷调查及访谈。针对每一个子行业，均从行业运行状况和行业相关政策两方面对外部行业风险的影响进行打分，1为最低影响，10为最高影响。

1.行业风险隶属度的计算

根据调查问卷，将影响程度划为3档：1—3分为较低影响；4—6分为一般影响，即层次分析法中确定的中等水平；7—10分为较高影响。经统计分类，可把每个子行业受外部行业风险的影响转化为一个两行三列的矩阵R，详见表1，其中M为打分专家总数，A、B、C、D、E、F分别为选择该级别的专家人数，且A+B+C=D+E+F=M。

采用模糊综合评判法计算行业风险隶属度时，因素集U={行业运行状况，行业相关政策}，评判集V={较低影响，中等影响，较高影响}。上文中，层次分析法已计算出行业运行状况和行业相关政策的相对权重，即因素集权重矩阵A：（0.47，0.53）。在此，将矩阵A左乘矩阵R，可得到隶属度综合矩阵Y：（c，d，e），即某一子行业的行业风险隶属度，其中c=0.47■+0.53■；d=0.47■+0.53■；e=0.47■+0.53■。这三个值分别表示该行业对于较低影响、一般影响（中等影响）和较高影响的隶属程度，且c+d+e=1。

2.子行业风险权重的调整

在上文中，层次分析法已算出机械工业行业平均的外部行业风险权重为12%；同时又把子行业受外部行业风险的影响分成低、中、高三个级别。对此，笔者把中等水平的外部风险权重定为层次分析法计算出12%，并进行第二次专家调查，量化低和高两个级别对“外部行业风险”指标应授予的权重。根据收回的调查问卷，对权重求算数平均数，得出低、中、高这三个级别对应的外部行业风险权重分别为5%、12%和18%。然后，再以行业风险隶属度矩阵Y：（c，d，e）左乘行业风险权重矩阵（5%，12%，18%）T，即可得出该子行业最终的外部行业风险权重Wi=（5%×c）+（12%×d）+（18%×e）。

最后，5个内部一级指标的权重，要以层次分析法确定的权重为基础，把行业风险权重的调整变化量平均分摊，即外因增加的内因减少；外因减少的内因增加。按上述模糊综合法调整分摊后，各子行业的指标权重见表2。

结 论

企业外部行业因素对其信用风险有重要影响，且不同行业受其影响的程度不同。所以，在对企业信用评级时，需考虑企业的外部行业风险，在影响企业信用风险的宏微观因素间建立联系，使企业信用评价指标更具精确性与可信性。

通过分析表明，目前在对我国机械工业企业信用评级时，外部行业风险指标的平均权重为12%，其中行业运行状况占47%，行业相关政策占53%。受行业风险影响较大的子行业有农业机械、工程机械、石油化工通用机械、重型矿山机械、汽车工业以及民用机械工业。受行业风险影响较小的子行业有仪器仪表、文化办公设备、机械基础件、食品包装机械、内燃机、机床工具以及电工电器行业。

企业财务状况仍是机械行业企业信用评级中最重要的一级指标，平均权重为23%。

【参考文献】

[1] 李关政.基于宏观经济因子的我国商业银行信用风险度量研究[D].湖南：湖南大学金融与统计学院，2010：3-7.

[2] 姜国华，饶品贵.宏观经济政策与微观企业行为——拓展会计与财务研究新领域[J].会计研究，2011（3）：13.

[3] 肖北溟. 宏微观分析相结合的信贷风险预测模型研究[J].金融论坛，2004（10）：57.

[4] Bina Lehmann，Is It Worth the While？ The Relevance of Qualitative Information in Credit Rating[C].EFMA 2003 Helsinki Meetings，2003.

[5] Grunert J，Norden L，Weber M. The Role of Non-Financial Factors in Internal Credit Ratings[R].Discussion Paper 3415，Centre for Economic Policy Research，London，2003.

[6] 邬润扬.资信评级方法[M]. 北京：中国方正出版社，2005：180-183.

[7] 张宗益，胡纯.基于行业分类的商业银行信用风险的度量[J].统计与决策，2006（6）：80-84.