财务信息下上市公司信用风险影响因素范文

本站小编为你精心准备了财务信息下上市公司信用风险影响因素参考范文，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。

摘要：

本文以我国沪深两市A股上市公司为研究对象，针对财务指标利用生存分析中Cox比例风险模型建模，筛选出影响上市信用风险的重要财务指标。结果表明：影响最大的三个财务指标依次是现金流量比率、利息保障倍数和每股收益。银行可利用这些财务指标对贷款企业的信用风险做出初步判断，并针对不同的贷款企业实施差异化的管理与服务。

关键词：

财务信息；信用风险；Cox模型

一、引言

商业银行经营管理的核心问题是风险管理。世界银行对全球银行业的研究表明，导致银行破产的主要风险是信用风险，因此对信用风险进行科学有效地评价和管理对于银行的生存发展具有重要意义。现代意义的信用风险指交易对手直接违约或履约能力的变换造成资产损失的风险。传统的信用风险主要源自商业银行的信贷业务，这一点对于主要业务利润来自信贷业务的商业银行更是如此。贷款企业能否到期还本付息主要取决于企业的财务状况，因此准确评价贷款企业的财务状况、及时发现存在的财务危机是商业银行信用风险评价的关键。

二、Cox比例风险模型

（一）基本概念

生存分析方法是一种可以将是否违约和生存时间两个因素结合起来考虑的统计方法，能处理删失数据，充分利用所获得的信息，对生存时间的分布进行描述、比较，对影响生存时间的多因素进行分析。1972年英国生物统计学家D.R.Cox提出的Cox比例风险模型是生存分析中进行多因素分析的重要方法之一。其特点是无需假设生存时间的分布，模型要求满足比例风险（proportionalhazards）假定，简称PH假定，即相对危险度或风险比是一个固定值，与时间t无关。很多研究受经费和时间等多种因素制约，研究时间段是固定而非无限延长的，即存在研究对象的某些个体在最终观察时点不能确定特定结果是否发生，这种不完全数据称为删失数据，反之称为完全数据。生存时间指从起始事件到某终点事件所经历的时间，可延伸理解为某状态所持续的时间。“生存”和“死亡”表示两类结果互斥的事件，“生存”表示某状态的持续，“死亡”则表示某状态的结束，即研究个体出现研究者关心的特定结果。生存时间的起点和终点有严格的定义，便于计算生存时间。生存函数S（t）又称生存率、累计生存概率，表示个体生存时间T≥t的概率，即S（t）=p（T≥t）。风险函数h（t）又称危险率函数，表示生存时间已达t的个体在t时刻死亡的瞬时风险率，h（t）=lim△t→0+1△tp（t＜T＜t+△t|T＞t）。Cox比例风险模型中风险函数常用λ（t）表示。风险比又称相对危险度RR，表示同一时点的风险函数之比，与时间可能无关，也可能有关。风险比与时间无关是Cox比例风险模型的前提条件，即满足PH假定。

（二）Cox比例风险模型

（1）模型的结构。Cox比例风险模型将生存时间的多个影响因素作协变量，风险函数作因变量，对生存时间进行多因素分析，而非直接考察生存函数与协变量的关系。一般形式为：λ（t）=λ0（t）exp（β1*X1+β2*X2+…+βm*Xm）λ（t）表示t时刻暴露于各危险因素（X1，X2，…，Xm）状态下的风险函数。λ0（t）是基线风险函数，表示所有的危险因素状态都为零时的风险函数。λ（t）/λ0（t）=exp（β1*X1+β2*X2+…+βm*Xm）即ln[λ（t）/λ0（t）]=β1*X1+β2*X2+…+βm*Xm基线风险函数λ0（t）的形式不限，不要求服从特定分布，具有非参数特点，使模型如同非参数法一样适用范围广泛；模型中含有参数β使得其统计效率接近参数模型，Cox比例风险模型将非参数λ0（t）与参数β相结合，使其成为生存分析中适用范围广泛而备受青睐的半参数模型。由基线风险函数λ0（t）可计算基线生存函数，最终计算出生存函数，由生存函数可绘制生存曲线以及进行预测分析。（2）参数的统计学意义。若X表示连续型协变量，λ1（t）、λ2（t）分别表示X=k+1，X=k两种状态下的风险函数，则风险比RR=λ1（t）/λ2（t）=λ0（t）exp[β1*（k+1）]λ0（t）exp[β1*k]=exp（β）。风险比RR是Cox比例模型进行多因素分析时最关注的问题。显然，参数β表示X每增加一个单位时风险比的自然对数值。β＞0表明协变量的增加将加大特定结果发生的可能性；β＜0表明协变量的增加将减少特定结果发生的可能性；β=0表明协变量与特定结果无关。（3）参数估计。假设n个研究个体的观测数据为（ti，δi，Xi，），i=1，2，…，n，其中ti是生存时间；在研究期间特定结果发生，记δi=1，即该个体的生存时间是明确的；在研究期间结束时特定结果未发生，记为δi=0，即该个体的生存时间不明确，称为生存数据的删失；Xi（t）是第i个个体的协变量向量。将n个个体生存时间升序排列为t1≤t2≤…≤ti≤…≤tn，ti之前处于研究过程中的所有个体组成一个危险集Ri={j:tj≥ti}，参数向量β=（β1，β2，…，βp）的偏似然函数估计为：L（β）=∏i=1n{exp（β'Xi（t））j∈RiΣexp（β'Xj（t））}δ（4）比例风险假定（PH假定）。风险比RR保持恒定比例与时间t无关是Cox比例模型的前提假设。Cox（1972）提出通过引入构造的时依协变量可以判定PH假定是否成立。具体做法是，当检验协变量X是否满足PH假定时，在Cox比例风险模型中加入一个含时间的交互作用项，如X*ln（t），检验协变量X与其时间的交互作用项X*ln（t）的回归系数显著性，依据p值判定协变量X是否满足PH假定，一般的交互作用项的p>0.05时满足PH假定。该方法称为时协变量法检验PH假定。

三、研究设计

（一）研究对象的选取

（1）样本选取与数据来源。本文将2008~2012年沪深两市A股上市公司作为研究对象，将上市公司是否被特别处理作为是否信用违约的界定标准，被特别处理包括ST、*ST和退市的公司（以下统一称为ST公司）。考虑到后续研究所用协变量都是财务比率指标，可有效消除不同行业不同规模公司的差异，使其具有可比性，因此本文对公司所处行业和规模不进行分类讨论，而是将沪深两市A股所有ST公司和非ST公司作为研究对象。数据源自国泰安CSMAR数据库。（2）生存时间的界定。生存时间定义为上市公司从特定的时间开始到首次被ST的一段时间。研究期间段非ST公司的数据为删失数据，即该公司到研究期间段结束时仍没有被ST，生存时间记为整个研究时间段；研究期间段的ST公司数据称为完整数据，生存时间记为特定开始时间到首次被ST的时间段。样本的研究时间选定为2008~2012年。以2008年为生存时间的起点，当上市公司在2009年出现违约时，生存时间记为1年，当上市公司在2010年出现违约时，生存时间记为2年，当上市公司在2011年出现违约，生存时间记为3年，若至2012年12月31日上市公司仍没有违约，则为删失数据，生存时间记为3+年。

（二）协变量的选取及筛选

（1）协变量的选取。就商业银行面临的信贷风险而言，偿债能力是指贷款企业从银行贷出的款项及由此生成的利息到期偿还的能力，在银行信贷风险评价中占有重要地位。就企业而言，企业的偿债能力是指企业用其资产偿还债务的能力，即建立在对企业现有资产进行清盘变卖基础之上的清算偿债能力分析。而实际中持续经营的企业若不准备破产倒闭，就不可能将其资产变现用于偿债，往往偿债是依赖企业稳定的现金流入。因此，本文特别增加现金流量分析用于银行信贷风险评价，以补充仅用偿债能力分析的不足。此外，考虑到仅从偿债能力角度分析视野较窄，不能全面反映企业的实际偿债能力，本文还选取盈利能力、运营能力和发展能力等多方面的因素综合分析，全面了解企业的实际偿债能力，以确保分析结果客观准确。综上所述，本文参照已有文献、专家意见并兼顾数据的可获得性，从偿债能力、现金流量分析、盈利能力、运营能力和发展能力等五个方面，共选取18个财务指标作为协变量进行建模分析。（2）生存时间、数据类型（删失与否）与财务指标时间的匹配。考虑到我国上市公司前1年年报公布和当年公司是否被ST的时间非常相近，所以采用当年上市公司的财务信息建立预测模型会高估模型的预测能力，不利于影响因素分析。因此，本文采用上市公司前2年年报中的财务指标数据做协变量。例如，2009年的ST公司使用2007年的财务指标，非ST公司也使用前2年的财务指标。（3）协变量的筛选。财务指标的选取需满足两个原则：一是所选指标在ST公司与非ST公司之间存在显著差异，即所选指标可以有效区分不同生存时间的上市公司，差异不显著的指标将被剔除；二是所选指标彼此不线性相关，避免多重共线性对后续回归分析造成影响。将同时满足这两个原则筛选出的指标作为生存分析模型的协变量。首先，进行差异性检验。本文采用kuskal-wallisH（k）非参数检验方法进行差异性检验，分组变量为生存时间，表示该指标在99%的置信水平下可显著区分不同生存时间的上市公司，检验结果见表2。由表2可知，偿债能力指标中除利息保障倍数X6外，其他指标均不显著；现金流分析的各项指标都显著，这充分说明在传统分析偿债能力基础上，引入现金流分析指标的必要性。最终将差异性不显著的X1-X5和X14指标剔除，对其余12个显著性指标进行相关性分析。对X6-X13和X15-X18共计12个指标计算pearson相关系数，通过pearson相关性检验剔除部分相关性较强的指标后，保留利息保障倍数X6、现金流比率X8、每股收益X10、净资产收益率X11、应收账款周转率X13、流动资产周转率X15和资本积累率X18共计7个指标进行建模分析，这7个指标的相关系数均小于0.5，显然指标间已不存在较强的共线性。

四、实证结果与分析

（一）PH假定的检验运用

Cox比例风险模型进行多因素回归分析必须满足比例风险假定。若协变量不满足PH假定，将直接影响最终结论的可靠性，甚至得出错误结论。本文利用spss软件生存分析中的coxw/time-depcov过程采用时协变量法检验PH假定，检验结果见表3。由表3可知，保留利息保障倍数X6、现金流比率X8、每股收益X10、净资产收益率X11、流动资产周转率X15共计5个指标满足PH假定，可做为协变量用于Cox比例风险模型建模。

（二）模型建立过程

本文采用Wald向前选择法建立Cox比例风险模型，从没有变量的零模型开始，将上述5个指标逐个进入模型，运用Score统计量做变量的加入选择，运用Wald统计量做变量的删除选择。每一步操作中对新加入的变量进行Wald检验，验证其是否会影响已存在于模型中变量的显著性。若新加入变量的Wald统计量显著水平超过删除标准，则该变量不能进入模型。若所有变量都不符合删除标准，则在还未进入模型的变量中继续添加新的符合Score统计量标准的变量。重复上述加入与删除操作，直到所有变量没有可以进入或删除为止。本文将加入变量的显著性水平取值为0.10、删除变量的显著性水平取值为0.05，最终模型的预测变量共有3个，详见表4。

（三）模型结果分析

由表4可知，cox比例风险函数λ（t）为：λ（t）=λ0（t）exp（-0.108*X6-0.086*X8-2.514*X10），变形后得：RR=λ（t）/λ0（t）=exp（-0.108*X6-0.086*X8-2.514*X10），或ln（RR）=ln[λ（t）/λ0（t）]=-0.108*X6-0.086*X8-2.514*X10。βi表示Xi每增加一个单位时风险比的自然对数值，exp（βi）表示Xi每变化一个单位时上市公司被ST的风险倍数。例如，A公司的每股收益X8是30，B公司的每股收益X8是29，则A公司的危险率（被ST的可能性）是B公司的81%，即exp[-0.086*（30-1）]=0.081。由表4可知系数β的显著性检验P值都小于0.05，说明利息保障倍数X6、现金流量比率X8和每股收益X10这3个协变量对生存时间有显著影响；由β绝对值或者exp（β）的大小可知，协变量影响程度从大到小依次是现金流比率X8、利息保障倍数X6和每股收益X10；由β为负号可知利息保障倍数X6、现金流量比率X8、每股收益X10都是保护因素，其数值的增加有利于降低风险函数的取值，增加生存函数的取值。相反，若是危险因素，其数值的增加会加大风险函数的取值，降低生存函数的取值。

五、结论

本文将沪深两市2008~2012年A股上市公司中所有ST公司和非ST公司作为研究对象进行建模分析，其结论具有广泛适用性。研究结果表明，判断一个上市公司是否被ST主要看高度概括的三个财务指标即可做初步判断，其影响程度由大到小依次是现金流量比率（现金流分析指标）、利息保障倍数（长期偿债能力指标）和每股收益（盈利能力指标）。特别需要说明是，目前许多应用Cox比例风险模型建模分析的文献没有进行PH假定检验，其分析结果是值得怀疑的。

参考文献：

［1］沈沛龙、任若恩：《现代信用风险管理模型和方法的比较研究》，《经济科学》2002年第3期。

［2］姚潇潇、余安乐：《模糊近似支持向量机模型及其在学院分析评估中的应用》，《系统工程理论与实践》2012年第3期。

［3］马振中：《Cox回归变量风险假定的考察和影响点的识别及其SAS和SPSS实现》，山西医科大学2007年硕士学位论文

作者：刘忻梅 丁研 段翀 单位：内蒙古科技大学数理与生物工程学院 对外经济贸易大学金融学院 大连理工大学经济管理学部