基于Logistic模型中小企业信用风险度量研究.docVIP

基于Logistic模型中小企业信用风险度量研究摘 要：本文以反映中小企业偿还负债能力和盈利能力两个方面的财务指标，构建Logistic模型，对中小企业的信用风险进行测算。研究结果表明：中小企业的保守速动比率和净资产收益率对企业的违约概率有重要的影响，所以中小企业的短期偿债能力和盈利能力对企业的违约概率有着很强的解释能力。 关键词：信用风险Logistic模型；偿债能力；盈利能力 在影响企业的信用风险的众多财务指标中，本文认为最重要的因素是偿债能力和盈利能力。因此，选择的变量有衡量企业短期负债偿还能力的保守速动比率（x1），衡量企业长期负债能力的有形资产净值债务率（x2）和利息保障倍数（x3），同时选择了综合反映企业盈利能力的净资产收益率（x4）。各指标的计算公式如下： 保守速动比率=（现金+交易性金融资产+应收账款+应收票据）/流动负债， 有形资产净值债务率=负债总额/（股东权益-无形资产净值）， 利息保障倍数=息税前利润/利息费用， 净资产收益率=净利润/净资产。 由于很难得到中小企业违约数据，所以参照经常性做法，将上市公司中被ST（退市风险警示）的公司近似视为违约企业，没被特别处理的企业则视为经营状况良好，不存在违约风险的企业。上市公司的财务比率数据来源于RESSERT数据库，共选取了90家上市公司，其中ST的公司30家，非ST的公司60家，以其数据来估计模型的参数。然后随机抽取ST公司和非ST公司各10家，用其数据来进行预测，检验模型的预测效果。 在企业违约风险的度量中，存在违约（y=0）与不违约（y=1）两种情况。因此，二元选择模型比较适用于企业违约风险的度量。本文选用二元选择模型中logistic模型，来模拟与评估企业的违约风险。 模型的具体形式为：pi=11+exp（-X′iβ） 其中：pi为事件yi发生的概率，X′i为影响事件发生的自变量的转置向量，β为各自变量的系数。 经过比较后发现，含变量净资产收益率（x4）模型的各项指标最优。 常数项（C）和x4的z统计量在5%显著性水平下显著，得到如下模型（1）： p′i=11+exp（-3.0105-0.2191*x4） 对模型进行拟合优度检验，H-L statistic=1.2077，P=0.9966，在5%的显著性水平下，接受原假设，即认为模型拟合完全充分。 经过试算对比，发现含保守速动比率（x1）和净资产收益率（x4）的模型的各项指标最优。 x1和x4各系数的z统计量在5%显著性水平下显著，得到如下模型（2）： pi=11+exp（-6.7100*x1-0.2150*x4） 对模型进行拟合优度检验，H-L statistic=1.0987，P=0.9975，在5%的显著性水平下，接受原假设，即认为模型拟合完全充分。 双变量模型（2）与单变量模型（1）相比，拟合优度有所提高，包含了两个解释变量——保守速动比率（x1）和净资产收益率（x4），偿债能力和盈利能力对违约的影响都在模型中得到体现，能对现实情况进行更好的反映。因此，选用双变量模型（2）。 实证结果分析： 1、不违约的概率（pi）与保守速动比率（x1）成正相关关系，即保守速动比率（x1）越大，不违约的概率（pi）越大，反之亦然。 2、不违约的概率（pi）与净资产收益率（x4）成正相关关系，即净资产收益率（x4）越大，不违约的概率（pi）越大，反之亦然。 3、保守速动比率（x1）的系数为6.7100，净资产收益率（x4）的系数为0.2150，说明相对于净资产收益率（x4），保守速动比率（x1）对企业不违约的概率的影响更大一些。 4、反映长期偿债能力的财务比率有形资产净值债务率（x2）和利息保障倍数（x3）在模型中并没有体现出来。其原因可能是上市公司被ST所依据的是经营业绩，而非其是否有足够的能力来偿还长期债务。但作者认为净资产收益率（x4）衡量的是企业的盈利能力，净资产收益率（x4）高，表示企业的盈利能力强，经营状况越好。一般而言，企业的经营状况好，说明企业偿还长期负债的能力较强，企业违约的风险就相对较低。 作者选取能反映企业偿债能力和盈利能力的财务指标，来构建Logistic模型，对中小企业的违约概率进行测算。实证结果表明：企业的保守速动比率和净资产收益率对企业的违约概率有重要的影响。所以，在衡量企业的违约风险大小方面，企业的短期偿债能力和盈利能力显得尤为重要。 中小企业违约概率的测算，对金融机构信用风险管理有着非常重要的现实意义。基于以上研究结论，本文提出以下建议供参考： 1、金融机构在评估企业的违约风险时，不仅应该考虑该企业偿还负债的能力，更应该