林业企业信用风险论文范文

本站小编为你精心准备了林业企业信用风险论文参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

1样本处理

1.1研究样本以及研究样本分类对于林业相关行业的研究，罗欢焕、张大红等将CSRC行业分类体系中涉及林业的公司作为研究对象。为了增强样本覆盖范围完整性，本文根据CSRC分类选取林业及制造业中造纸、木材和家具子行业36家上市公司作为研究对象，研究数据来源于上海证券交易所和深圳证券交易所公布的2012年上市公司年报及wind资讯。对于变量，从偿债能力、盈利能力、营运能力、成长能力和现金流量指标五方面选取，以此作为Logistic衡量企业信用风险的决定因子。但这五个方面的变量侧重考虑企业自身经营状况，缺乏对市场供求的考虑。因此，本文在研究前期利用KMV模型对样本进行分组。KMV模型以现代期权理论作为依托，侧重考虑公司与整个市场，更好反映如何从市场价值角度衡量信用风险。因此通过KMV分组可以从另一个维度说明林业企业信用风险的情况。针对KMV与Logistic模型相结合的研究，刘澄将KMV模型的违约概率与Logistic相结合，对我国中小企业信用风险进行较为准确的评估。魏婷实证得出KMV模型能够从某些方面弥补Logistic模型的不足。韩艳艳研究证明将这两种模型相结合获得的混合模型有更好的评价效果。本文根据KMV模型分类结果将样本公司划分为两组，以进行财务指标的选择及检验。

1.2财务指标选取处理针对林业类上市公司信用风险研究，本文从偿债能力、盈利能力、营运能力、成长能力和现金流量指标等五方面进行研究，共选取17项财务指标作为变量进行研究。

2因子分析

财务指标之间存在相互转换的可能，财务指标间的多重共线性可能降低模型稳定性，甚至影响最终结果。其次，各变量之间的内在联系以及重要程度，即变量的内在结构对于指标的选取及模型的建立具有重要意义。本文采用因子分析提取主成分，将离散指标的信息浓缩为预测所需的主要指标。

2.1KMO以及Bartlett球形检验KMO及Bartlett球形检验用以检验变量间的相关性。本文检验结果如表2所示，获得KMO统计量为0．556。考虑到样本量的影响，此数值在接受范围内，可以利用上述变量进行因子分析。

2.2公因子方差比（Communalities）公因子方差比反映了提取公因子过程中，各变量被提取出信息所占比例，即原变量的信息量中由公因子决定的比例。本文对变量公因子方差比进行分析，结果如表3所示。多数变量提取的比例在70％以上，可知所提取公因子对变量的的解释能力均处在较强水平。

2.3解释的总方差为保证因子的可解释性，本文运用最大方差法对因子进行旋转，将信息量重新分配。该操作将17个变量划分为5个特征根。特征根可以被看做体现主成分影响力度的指标，代表引入该因子后对原始变量信息的平均解释量。分析表4中各成分方差及其累积程度可知，前五个特征根的总贡献率已达到79．48％，即可利用前五个特征根描述足够信息。

2.4旋转后的成分矩阵通过成分矩阵可以得到各个主要成分的表达式如下分析各成分表达式可以得到各个因素中最主要的变量。F1主要包括总资产报酬率、净资产周转率、总资产周转率等与资产相关的指标；F2主要包括与现金流量相关联的指标；F3主要包括与负债相互关联的指标；F4则包括了净利润增长率以及营业收入；F5主要包括与存货相互关联的指标。

3Logistic模型实证研究及预测结果

3.1Logistic模型实证研究Logistic模型又称增长函数，于1838年由比利时学者PFVerhulst首度提出。1920年美国学者珀尔和利德的研究使其在人口估计和预测问题中推广。Logistic函数原型为：P＝L／（1＋exp［－（a＋bt）］）。t为时间，P为时间t的人口数，L为P的最大极限，a和b为相关参数。

3.2预测结果依照正常和存在信用风险将样本公司分为两类，使用模型得到的预测结果正确率为83．8％。这表明，此模型可以对我国林业类上市公司信用风险进行较为理想的预测。

4结论与建议

本文通过Logistic模型建立林业上市公司信用风险预警机制，研究结论如下：第一，从预测指标的选择中可以发现，从营运能力、盈利能力、现金流量、偿债能力和成长能力这五类指标中汲取的主要成分是有效的。通过因子分析，本文从五类指标中选取了5项主成分。通过表5可以看出，分别表示现金流量、负债和存货的F2、F3、F5对于林业企业是否存在风险的判别起到比较显著的作用。第二，实证结果说明通过KMV模型得出的分组是合理有效的，且将Logistic模型与KMV分组结果相结合进行预测是可行的。第三，Logistic模型对于我国林业类相关上市公司信用风险的预测结果较为准确，能够较好的区分林业上市公司的信用风险，可以成为决策者进行投资决策的理想工具。分析可知，负债、现金流量和存货是当前林业企业信用风险判别的主要影响因素。对于主要从事轻工制造、家具、造纸的林业类企业而言，林产品库存即企业生物性资产最为主要。主要包括：外购存货入库前的费用；为达到销售状态的加工成本；“郁闭”后的费用。最后一项费用对林业企业而言往往是最高的一笔开支，因为在生物资产存续期间必须连续不断地投入，才能维持生物资产活体存在。如果中断后续投入，将影响收获品的数量和质量，甚至因活体生存无法维持而导致价值减少。因此，注重库存的比例，加大流转速度，是林业企业需要注意的重要问题。另一方面，企业的负债程度偏高。负债是一把双刃剑，恰当的使用能够给股东带来收益，过度举债则会导致偿债能力受限，企业信用级别降低，信用风险增加。根据杨建志的分析，林业企业举债的目的主要三类：扩张性、偿债性以及混合性目的。前者存在经营风险，后者存在财务风险。如何协调者两者风险，结合成功企业的历史经验确立正确的资产结构，同样也是林业企业所需注重的重要问题。综上，通过此预测模型，可以利用林业企业当前的财务指标对信用风险进行较为准确的预测，帮助投资者进行合理的选择。同时，对信用风险的预测有助于企业管理者估计风险程度，分析风险因素并采取措施避免损失，促进企业长远发展。

作者：朱子佩滕旭林霞邓晶单位：北京林业大学经济管理学院