因子分析法在企业债券评级中的应用.docVIP

因子分析法在企业债券评级中的应用 　　【摘 要】本文通过对因子分析模型的研究，尝试将因子分析方法应用于企业债券的评级中。文中运用因子分析法计算软件（SPSS19.0）对企业债券的运行进行了计量分析，通过对计算结果的分析和有效性检验，证实了因子分析法是一种新的，并且简单而快捷的企业债券评级方法。 　　【关键词】因子分析法；企业债券评级 　　1.引言 　　近年来，我国企业债券市场有了相当大的发展，但与国债、股票市场相比，不但发行规模偏小，而且流动性不足，企业债券在证券市场中的地位和作用远没有充分发挥出来。导致这种情况的主要原因之一是目前我国企业债券评级工作不适应债券市场发展的要求，债券信誉程度不高，影响投资者信心和债券市场的健康发展。因此，更快的完善企业债券的信用评级制度将对加强我国企业债券的管理，引导资金的合理流向，保护投资者的合法权益具有重要的意义。对于企业债券的评级，许多学者提出了基于层次分析和模糊评价法（T.L.Saaty，1980）和基于熵权模糊综合评判法（Kaufman A，1975）等多种企业债券评级方法，为如何向投资者提供客观、公正、快捷的评级结果做了大量有益的工作。然而这些方法由于没有完全解决权重确定过程中认为判断的因素、对数据有一定的限制以及计算过程比较复杂等原因，制约了这些方法在企业债券评级中的应用。 　　2.因子分析法在企业债券评级中应用的可行性分析 　　因子分析法是从研究多个变量之间的相互关系入手，寻找潜藏的少量能够控制所有变量起决定作用的公因子，将每个变量表示成公共因子的线性组合，再现原始变量与公共因子之间的相关关系，依照公因子得分对每个样本对象进行评价。公共因子变量能够反映原始指标变量的绝大部分信息，不会产生重要信息丢失，并且由于它比原始指标变量的数量大为减少，所以含义更为明确。同时其分析过程是从数据的内部结构出发，最终获得企业业绩评价的信息，克服了其它多指标法中存在的主观因素。 　　3.因子分析模型 　　3.1 因子模型 　　设有n个样本，每个样本观测p个变量。为了对变量进行比较，并消除由于观测量纲的差异及数量级所造成的影响，将样本观测数据进行标准化处理，使标准化后的变量的均值为0，方差为1。为方便把原始观测变量和变换后的新变量均用x表示。设原公共因子变量为y1，y2，…，ym，经标准化后的公共因子变量记为F1，F2，…，Fm（mp）。如果： 　　（1）x=（x1，x2，…，xp）T，是可观测随机向量，且均值向量E（x）=0，协方差阵cov（x）=∑，且协方差阵∑与相关矩阵R相等； 　　（2）F=（F1，F2，…，Fm）T，mp，是不可测的向量，其均值向量E（F）=0，协方差矩阵cov（F）=I，即向量F的各个分量是相互独立的； 　　（3）ε=（ε1，ε2，…，εp）T，与F相互独立，且E（ε）=0，ε的协方差阵∑ε是对角阵，即： 　　说明ε各分量之间是相互独立的，则模型： 　　称为因子模型，模型的矩阵形式为： 　　x=AF+ε 　　其中： 　　模型中的F1，F2，…，Fm，被称作公共因子，它们是在各个原观测变量的表达式中都出现的因子，是相互独立的不可观测的理论变量。公共因子的含义，必须结合具体问题的实际意义而定。ε1，ε2，…，εp被称作特殊因子，是向量x的分量xi（I=1，2，…，n）所持有的因子，各特殊因子之间以及特殊因子与所有公共因子之间都是相互独立的。 　　模型中所产生的矩阵A=（）的元素被称作因子载荷，的绝对值越大（∣∣≤1），表明xi与Fj的相依程度越大，或称公共因子Fj对于xi的载荷量越大，故称为公共因子载荷量，简称因子载荷。矩阵A称为因子载荷矩阵。 　　3.2 样本指标的选取 　　本着系统性、全面性和完整反映样本信息的原则选取指标，本文选取了十一个具有一定代表性的指标来进行分析：全部资产自有率X1、流动比率X2、销售收入增长率X3、产成品销售率X4、流动资金加速率X5、流动贷款偿还率X6、贷款回收率X7、贷款承付率X8、利润增长率X9、销售利税率X10、资金利税率X11。 　　4.因子分析的实证运算 　　本文选取了20家上市公司的一组指标数据，运用SPSS19.0软件，采用因子分析的方法，对数据进行分析计算，得到： 　　5.结果分析与有效性检验 　　（1）结果分析 　　①由表1可得到经标准化处理后的各项财务指标的相关系数矩阵的特征值与贡献率。可以看出，变量的相关系数矩阵有两个数值较大的特征值，分别为8.596和0.927，它们一起解释了这20家上市公司综合业绩标准差的86%（累计贡献率）。这两个成分基本上反映了原始数据所提供的足够信息，所以本文选取了这两个因子作为公因子进行分析。 　　②由表2可知，各变量之间的相关系数绝大