基于灰关联法的我国上市公司信用风险评价研究

[摘 要] 鉴于资本市场复杂性及变量样本分布的非典型性，为了准确解决上市公司信用风险评价问题，采用了灰关联分析法，并引入上市公司相关财务指标构建信用风险评价指标体系，实现对上市公司信用风险的评价和比较。通过实际案例分析，表明灰关联法评价结果还是比较理想的。

[关键词] 灰关联法 信用风险 上市公司

信用风险是指借款人或其他合约义务人的信用质量发生变化并导致其在贷款或其他合约到期时不能还本付息,或不能履行合约的义务而带来的损失。随着信用经济的发展,信用风险已经成为金融机构等主体所面临或承担的主要风险之一。利用信用风险管理模型科学、系统地测定评价信用风险,可以更好促进资本的优化配置.

对于新兴的资本市场,信用体系不完善,上市公司信用制度不健全,监管机制不完善和法规建设不到位。所有这些因素再加上企业法人治理结构的先天缺陷等原因很容易造成上市公司数据失信和缺失,从而给金融机构和资本市场上的相关参与主体带来潜在的风险。如何采用合适的模型或方法来有效评价上市公司信用风险是金融机构和资本市场相关利益主体面临的一个重要课题,同时也是促进资本市场健康发展的积极举措。

目前信用风险评价的方法很多,如JLT模型，CM模型，风险值法，logistic回归分析模型，近邻法，Z评分模型及其改进形式ZETA信用风险模型，KMV模型等，不难看出这些模型在分析上市公司信用风险上都具有一定的借鉴意义，与此同时也要认识到它们具有的局限性，以JTL模型为例，其以无风险利率与违约不相关，违约时清偿的资金将在债券到期时支付，所有具有相同信用等级的证券具有相同的期限等假设为前提，这些假设因与现实不完全吻合而有一定的局限性。基于上述缘由，并考虑到上市公司信用风险评价比较系统具有的信息不完全的灰色特征，即证券市场上影响上市公司信用风险的因素非常复杂，对相关上市公司信用风险评价比较时，只能选取主要的指标进行分析，在选取的指标中，有的不能定量描述。正是考虑到资本市场是一个非本征性的大系统，其间变量样本的分布也不一定是典型的，本文采用灰关联法来建立上市公司信用风险评价体系，将信用风险量化处理，为相关证券市场主体评价上市公司信用风险提供比较准确评判依据，从而使其做出正确的决策。

一、灰关联评价法理论

灰关联法是通过对系统统计数列几何关系的比较来分析系统中多因素间的关联程度，其实质就是比较若干数列所构成的曲线到理想数列所构成曲线几何形状的贴近度，列出关联序列，评价标准是灰关联度越大，评价结果越好。从空间视角来看，可以将关联分析中的参考曲线和比较曲线看作是某一特定空间中的两个点，即参考点和比较点，分析参考点和比较点之间的灰关联情况实际上就是分析它们之间的距离态势,距离越近，关联度越大。

灰关联评价法具备一个突出的特点，就是其对数据分布类型及变量之间的相关性无特殊要求，通常适用于信息不完全确知的小样本系统。

1.灰关联分析指标

灰关联分析的核心为灰关联系数和灰关联度计算，不妨假设存在两个数列,在t=k时，两个数列间的灰关联度为：

公式中的max、min和分别代表各个时刻绝对差中的最大值、最小值及分辨率，一般而言，取值0.5。

2.灰关联分析综合评价步骤

灰关联分析的计算步骤为：

(1）确定比较数列和参考数列。

(2）无量纲化，计算关联系数。

(3）计算指标相对权重系数。

(4）计算灰关联度并排序。

二、上市公司信用风险评价指标建立

上市公司严格按照有关制度规定在适当的时间季度和年度财务报表。通过报表财务分析，可以获取公司的成长性、偿债能力、营运能力、盈利能力指标。企业公司通常使用的财务指标变量有：流动比率、速动比率、权益比率、存货周转率、应收帐款周转率、固定资产周转率、营运资本周转率、总资产报酬率、每股收益率等。在现实生活中，银行系统正是通过一系列财务指标来评估贷款企业信用风险。

我们在结合相关信用评估指标系统的基础上，将衡量企业还款意愿考虑进去，假定被评价企业或公司当期或近期没有进行大规模投资，如果一个企业的利润增长是负的，而同时它的债务增长也是负的，说明它的还款意愿是好的，反之如果企业的利润增长为正，而它的债务增长也是正的，这说明了企业的还款遗愿很差，甚至有意拖延不还。基于此，建立一套上市公司信用风险评价指标体系如图1所示。

从图中可以看到，本文采用利润增长率与债务增长率之和来评测借款企业还款意愿的程度，其中利润增长率选取财务报表中的税前利润增长率。不同信用风险评价指标对评价企业信用风险的影响程度是不一样的，在实际应用中，可以采用专家评判法量化各指标的影响力，其测度公式为：

图上市公司信用风险评价指标体系

其中N为参与专家人数，XTt代表第T个专家对第t个指标的评判值。

三、案例研究

本文选取了A股市场上公路桥梁行业板块中的粤高速A（000429）、海南高速（000886）、华北高速（000916）、S东北高（600003）、皖通高速（600012）、中原高速（600020）、S楚高速（600035）、赣粤高速（600269）、山东高速（600350）、宁沪高速（600377）、深高速（600548）作为实证研究的样本，根据其2005年度财务指标值，应用灰关联法对这些公司的信用风险进行评价。

1.确定评测指标参考列

记参考列X0=(X1,X2,X3,X4,X5,X6,X7,X8）,各因素取样本公司最优值，结合财务指标的经验最佳值，在本实证分析中，取值X0=(1.18,1.86,0.3753,222,0.30,0.7351,0.1459,0.30）.

2.计算关联系数

以参考列为基准将样本无量纲化，利用灰关联系数计算公式可求出灰关联系数矩阵如表：

表 灰关联系数矩阵

3.确定指标相对权重系数

指标相对权重系数的选取，参考了相关文献[2][3][7]，选择各指标权重值为：

W（k）=(0.13,0.16,0.20,0.07,0.07,0.12,0.12,0.13)

4.计算灰关联度

依据前面步骤计算取得的值，求得灰关联度如下：

r=(0.9533,0.8382,0.8013,0.8704,0.9330,0.9517,0.8394,0.9361,0.9634,0.8956,0.9144)

r9>r1>r6>r8>r5>r11>r10>r4>r7>r2>r3

从指标的综合反映结果看，样本公司的信用风险从小到大的排序如下：

(1)山东高速，(2)粤高速A，(3)中原高速，(4)赣粤高速，(5)皖通高速，(6)深高速，(7)宁沪高速，(8)S东北高，(9)S楚高速，(10)海南高速，(11)华北高速。

从2005年财务报表看，信用风险较低的山东高速、粤高速A、中原高速在资源配置和资本结构上处于较好的部位，资金利用率比较高，从相关的机构给出的评级也能得到增持和买入的推荐。

四、结论

本文采用灰关联分析方法对上市公司的信用风险建立财务指标分析模型，克服了资本市场上变量分布不一定典型的现实难点和较多统计模型对样本数量的严格限定要求。同时还从偿债能力、赢利能力、经营能力、偿债意愿多方面视角全面评价了上市公司可能发生的信用风险，为银行监控防范信贷风险及上市公司的管理者发现企业发展过程中可能出现的问题提供了依据。更为投资者在股票一级市场和二级市场上作出正确投资给出了判断依据。

本文研究也存在不足之处，主要有:

第一，在确立评价指标时，忽略了企业较大投资对还款意愿指标的影响，本文是以假定上市公司的固定资产投资之类大的投资是平缓的，没有剧烈起伏为前提。

第二，灰关联分析法采用的是一年年报数据，在选取赢利能力和偿债能力这些指标权重时，较多考虑了短期偿债的能力，在以后的进一步研究中可以考虑如何把短期和长期偿债能力与公司的负债结构综合起来考虑。

第三，评价指标中缺乏某些无法量化但对上市公司发展非常重要的指标，如公司管理层的能力，员工素质，企业创新能力等动态因素指标，将这些指标和财务评价指标结合起来评价上市公司信用风险，结果会更精确和具备较长期预测性。

参考文献：

[1]刘思峰党耀国方志耕:灰色系统理论及其应用.北京:科学出版社,2004

[2]本书编写组.财务会计报告分析实务.北京:经济科学出版社,2004

[3]李秉祥:基于主成分分析法的我国上市公司信用风险评价模型.西安理工大学学报,2005(2):219～222.

[4]施兵超杨文泽:金融风险管理.上海:上海财经大学出版社,1999

[5]金月仙胡瑾瑾:上市公司信用风险分析.10～14

[6]Lee, W M, Liao Y S, & Chang Shihhsing, Neural-based WEDM optimization via grey analysis,The journal of Grey system,2001;13:11～15

[7]葛超豪葛学健:银行信贷风险评估计量模型探讨.统计与决策,2005(12):24～26

注：“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。”