基于Logistic模型的供应链金融信用风险实证研究.pdfVIP

第31卷第7期 重庆工商大学学报(自然科学版) 2014年 7月 Vo1．31 NO．7 JChongqingTechnolBusinessUniv．(NatSciEd) Ju1．2014 文章编号：1672—058X(2014)07—0014—07 基于 Logistic模型的供应链金融信用风险实证研究术 陈 钦 ，施丽娟 (福州外语外贸学院 经济学院，福州 350202) 摘 要：供应链金融这种全新的融资模式，不但解决了商业银行探索发展新模式，开拓新业务的问题， 还化解了中小企业融资难 问题；在全球信用危机下，金融机构和企业如何能有效地加强供应链金融信用风 险的控制；基于Logistic模型，进而对纺织类企业样本进行实证研究，通过实证分析，对供应链金融信用风险 进行度量和预测。 关键词：供应链金融；信用风险；主成分分析法；I~gistic模型 中图分类号：F830．1 文献标志码：A 1 Logistic模型的理论基础 选择Logistic模型进行供应链金融的信用风险评价，对利用供应链金融进行融资的企业的违约率进行 实证分析。采用主成分分析法选择具有代表性的自变量，以减少候选变量间的相关性，对模型进行修正简 化。Logistic模型是 目前计算违约概率方面研究比较成熟的一种模型。方法假设企业守约概率服从 Logistic 分布。采用一系列财务和业务指标(Xk，k=n)作为 自变量建立Logistic模型，预测企业的守约概率P。然后 根据银行和相关投资者的风险偏好程度设立分界点P ，通过P与P 的比较，以确定融资企业的违约率是 否偏高，最后决定是否对该企业进行贷款。Logistic模型的因变量 ，仅有0和 1两个取值，1为守约，0为违 约。如果PP ，则y=0，说明企业守约率较低 ，信用度较低，不宜对其进行贷款融资；如果P≥P ，则y=1， 说明企业守约率较高，信用度较高，可以对其进行贷款融资。 2 供应链金融信用风险评价指标体系的构成 借鉴前人的研究成果，并结合供应链金融的特点和传统信贷模式的信用风险评价方式，构成初步的供 应链金融信用风险评价指标体系，其中包括 14个指标。这 14个信用风险评价指标分别是：。(每股收益)、 (主营业务利润率)、，(营业利润率)、蜀(净利润率)、 (净资产收益率)、 (主营业务收入增长率)、 (净资产增长率)、。(应收账款周转率)、 (存货周转率)、。。(总资产周转率)、 (流动比率)、 (现金比 率)、。，(资产负债率)、 (现金流动负债比)。 收稿 日期：2014-02—20；修回日期：2014-03-08． 基金项 目：福建省教育厅社会科学研究项目A类项 目支持(JA13362S)． 作者简介：陈钦(1979-)，女，福建福州人 ，硕士，讲师，从事供应链金融的研究 第7期 陈 钦 ，等：基于~gistic模型的供应链金融信用风险实证研究 15 3 样本选取及原始数据描述性统计量 样本数据来 自沪深股市的纺织行业，共选取其中4l家企业数据进行分析。指标数据来源于新浪财经的 数据源(http：／／vip．stock．finance．sina．con．cn／mkt／#new_fzhy)，主要截取2013年第3季度的报告数据作为基 本数据来源。表 1为SPSS运行的原始数据描述性统计量。 表 1 原始数据描述性统计 4 主成分分析 样本数据中有 14个指标，由于数量过多，应将各指标进行主成分分析。为了使数据具有标准性和可加 性，便于后续分析，削除不同量级指标的影响，应将样本的原始数据标准化。运用SPSS统计软件进行主成 分分析，表 2为运行得到的主成分解释的总方差，表 3为运行得到的主成分系数矩阵。 表 2是利用SPSS将所有的数据做了一个主成分分析，发现将 14个指标转化为了4个有代表性的综合 指标。根据主成分分析原理，主成分特征根大于等于 1就认为是满意的主成分变量。表 2中，主成分的特征 根大于 1的分别为5．019、2．275、1．993、1．132，分别解释 了原指标变量 的35．853％、52．102％、66．34