基于Fisher判别分析的企业信用评价模型doc.doc

基于Fisher判别分析的企业信用评价模型 【摘要】本文以100家上市公司综合财务数据为样本数据，采用主成分分析和Fisher判别分析方法，建立模型，对企业的信用风险进行分析评价，为债权人、投资者和交易方提供决策依据。 【关键词】企业信用评价模型 主成分分析 Fisher判别分析 一、引言 随着市场经济制度的日益完善和金融市场的逐步健全，信用逐渐成为经济关系中重要基础，信用风险成为考察经济活动主体（企业）的一个主要因素。信用风险是指借款人、证券发行人或交易方由于各种原因不愿或无能力履行商业合同而违约，致使债权人、投资者或交易方遭受损失的可能性[1]。对于上市公司而言，这种违约表现为拖欠账款、不还债以及圈钱等失信行为。对这种可能性的度量显得十分重要。《新巴塞尔资本协议》推荐使用内部评级法。它包括只需计算违约率的基础内部评级法和计算违约率、违约损失率、违约暴露和期限四个参数的高级内部评级法。因后者参数计算困难，多采用前者。 近几十年来，国内外以计算违约率对信用风险进行评价和度量的方法和模型迅速发展。信用评价主要基于财务指标特征计算违约风险以及等级划分。评价的方法和模型有经济计量技术(判别分析、回归分析、分类选择模型等)、人工智能模型（神经网络技术、分类树等）、最优化模型、经验和专家的系统方法（5C法等）和模糊系统方法等。由于指标的选取和数据搜集存在着困难，多种方法理论上可行，实践上不易实现。以综合财务指标为解释变量，运用计量统计方法建立模型。分析信用在金融和学术界成为主流，且评价效果显著。比如在我国，张后启等（2002），杨朝军等（2002），应用Logistic模型研究上市公司财务危机，得出有效结论；李秉祥（2004）基于主成分分析分析企业信用状况，得出一些结论并提出问题。 对于我国一千多家上市公司，由于公司治理机制缺陷，自身利益最大化利益驱使和多部分有国企改制而来等原因，信用风险程度较大。若能够采用一个较简单的模型对其信用评价，对债权人选择贷款对象，投资者投资和交易方的选取，均有较大帮助。本文利用上市公司财务数据，运用多元统计的主成分分析和Fisher判别分析，建立多元指标信用评价模型，对选取的100家上市企业进行评价，为决策者提供一定依据。 二、指标选取与数据搜集 企业信用评价及违约风险大小与企业财务状况密切相关的，当一个企业财务处于困境时，企业的经营、运作和盈利均处于不利状态。从而导致企业信用危机，就会拖欠账款，资不抵债等行为，更加剧了财务困境。反之，企业财务状况良好，资本运营、现金流量管理也较好，企业就守信、及时还款且有能力还款。企业信用评价基于企业财务状况，在建立信用评价模型时，就选择综合财务指标。 在选择财务指标时，首先遵循全面性和综合性原则，可以从不同方位、层次体现信用状况，综合考虑会计的三大报表，从中提取数据，各报表的数据互相结合、对比，注重现金流量表这个动态变量的作用，充分表达企业的偿债能力、盈利能力、营运能力等。比如，选取应付账款周转率这个指标，其较好的反映了企业还款意愿，该周转率越高，周转天数越少，表明还款意愿强烈，此外该指标同应收账款周转率存在高度相关性（主要因三角债所致）[2]，反映了营运能力的大小，变现速度和收账效率。再如流动负债经营现金净流量比，即动态地体现了企业的短期偿债能力，又表达其营运能力的大小。还要遵守可比性和数据的易于获取性原则，选择同行业中数据，反映其内在规律性。据我国现行企业会计核算制度，且上市公司的财务数据比较容易获取。此外，考虑选取的指标与评价目标要求存在正相关性。 综上所述，选取如下（见表一）财务指标： 表一：选取的指标 反映能力 财务指标 计算公式 偿债 能力 X1:流动比率 流动资产/流动负债 X2:流动负债经营活动净现金流比 经营活动净现金流量/流动负债 X3:股东权益比率 股东权益/总资产 经营 能力 X4:总资产周转率 主营业务收入净额/平均总资产 X5:存货周转率 主营业务成本/存货平均余额 X6:应付账款周转率 (主营业务成本+期末存货-期初存货)/ 平均应付账款 X7:每股营业现金流量 经营活动现金净流量/年末普通股股数 盈利 能力 X8:净资产收益率 利润总额/平均股东权益 X9:每股收益 利润总额/年末普通股股数 X10:主营业务利润率 净利润/主营业务收入净额 以2004年上市公司的财务数据为分析对象，选取两组样本。一组为正常上市公司（财务状况优秀），选取被证券之星网站排名在材料行业前30名和机械制造行业前20名的公司，共计50家；另一组为非正常公司（财务状况较差），因财务异常而被特别处理（ST）的公司，选取材料和机械制造行业被特别处理的公司和注册会计师给以“拒绝表示