基于灰关联法我国上市公司信用风险评价研究.docVIP

基于灰关联法我国上市公司信用风险评价研究 　　[摘 要] 鉴于资本市场复杂性及变量样本分布的非典型性，为了准确解决上市公司信用风险评价问题，采用了灰关联分析法，并引入上市公司相关财务指标构建信用风险评价指标体系，实现对上市公司信用风险的评价和比较。通过实际案例分析，表明灰关联法评价结果还是比较理想的。 　　[关键词] 灰关联法 信用风险 上市公司 　　 　　信用风险是指借款人或其他合约义务人的信用质量发生变化并导致其在贷款或其他合约到期时不能还本付息,或不能履行合约的义务而带来的损失。随着信用经济的发展,信用风险已经成为金融机构等主体所面临或承担的主要风险之一。利用信用风险管理模型科学、系统地测定评价信用风险,可以更好促进资本的优化配置. 　　对于新兴的资本市场,信用体系不完善,上市公司信用制度不健全,监管机制不完善和法规建设不到位。所有这些因素再加上企业法人治理结构的先天缺陷等原因很容易造成上市公司数据失信和缺失,从而给金融机构和资本市场上的相关参与主体带来潜在的风险。如何采用合适的模型或方法来有效评价上市公司信用风险是金融机构和资本市场相关利益主体面临的一个重要课题,同时也是促进资本市场健康发展的积极举措。 　　目前信用风险评价的方法很多,如JLT模型，CM模型，风险值法，logistic回归分析模型，近邻法，Z评分模型及其改进形式ZETA信用风险模型，KMV模型等，不难看出这些模型在分析上市公司信用风险上都具有一定的借鉴意义，与此同时也要认识到它们具有的局限性，以JTL模型为例，其以无风险利率与违约不相关，违约时清偿的资金将在债券到期时支付，所有具有相同信用等级的证券具有相同的期限等假设为前提，这些假设因与现实不完全吻合而有一定的局限性。基于上述缘由，并考虑到上市公司信用风险评价比较系统具有的信息不完全的灰色特征，即证券市场上影响上市公司信用风险的因素非常复杂，对相关上市公司信用风险评价比较时，只能选取主要的指标进行分析，在选取的指标中，有的不能定量描述。正是考虑到资本市场是一个非本征性的大系统，其间变量样本的分布也不一定是典型的，本文采用灰关联法来建立上市公司信用风险评价体系，将信用风险量化处理，为相关证券市场主体评价上市公司信用风险提供比较准确评判依据，从而使其做出正确的决策。 　　 　　一、灰关联评价法理论 　　 　　灰关联法是通过对系统统计数列几何关系的比较来分析系统中多因素间的关联程度，其实质就是比较若干数列所构成的曲线到理想数列所构成曲线几何形状的贴近度，列出关联序列，评价标准是灰关联度越大，评价结果越好。从空间视角来看，可以将关联分析中的参考曲线和比较曲线看作是某一特定空间中的两个点，即参考点和比较点，分析参考点和比较点之间的灰关联情况实际上就是分析它们之间的距离态势,距离越近，关联度越大。 　　灰关联评价法具备一个突出的特点，就是其对数据分布类型及变量之间的相关性无特殊要求，通常适用于信息不完全确知的小样本系统。 　　1.灰关联分析指标 　　灰关联分析的核心为灰关联系数和灰关联度计算，不妨假设存在两个数列,在t=k时，两个数列间的灰关联度为： 　　 　　公式中的△max、△min和分别代表各个时刻绝对差中的最大值、最小值及分辨率，一般而言，取值0.5。 　　2.灰关联分析综合评价步骤 　　灰关联分析的计算步骤为： 　　(1）确定比较数列和参考数列。 　　(2）无量纲化，计算关联系数。 　　(3）计算指标相对权重系数。 　　(4）计算灰关联度并排序。 　　 　　二、上市公司信用风险评价指标建立 　　 　　上市公司严格按照有关制度规定在适当的时间发布季度和年度财务报表。通过报表财务分析，可以获取公司的成长性、偿债能力、营运能力、盈利能力指标。企业公司通常使用的财务指标变量有：流动比率、速动比率、权益比率、存货周转率、应收帐款周转率、固定资产周转率、营运资本周转率、总资产报酬率、每股收益率等。在现实生活中，银行系统正是通过一系列财务指标来评估贷款企业信用风险。 　　我们在结合相关信用评估指标系统的基础上，将衡量企业还款意愿考虑进去，假定被评价企业或公司当期或近期没有进行大规模投资，如果一个企业的利润增长是负的，而同时它的债务增长也是负的，说明它的还款意愿是好的，反之如果企业的利润增长为正，而它的债务增长也是正的，这说明了企业的还款遗愿很差，甚至有意拖延不还。基于此，建立一套上市公司信用风险评价指标体系如图1所示。 　　从图中可以看到，本文采用利润增长率与债务增长率之和来评测借款企业还款意愿的程度，其中利润增长率选取财务报表中的税前利润增长率。不同信用风险评价指标对评价企业信用风险的影响程度是不一样的，在实际应用中，可以采用专家评判法量化各指标的影响力，其测