基于F分数的中小企业信用评价指标检验.docVIP

PAGE PAGE 1 基于F分数的中小企业信用评价指标检验 　　摘要：本文以深市中小企业上市公司为对象，对所建立的中小企业信用评价指标体系进行了实证检验。结果表明：盈利能力、自有资金水平、流行性层次上的大多数指标与F分数有较强的相关性，有关假设得到证实。资产重组和违约次数也会对中小企业信用水平产生显著影响。而反映中小企业自身经营能力的有关指标与F分值的相关性较弱，说明这类型指标在判断中小企业的信用水平上的作用有限。 　　关键词：中小企业信用评价F分数模型相关性分析方差分析 　　一、引言 　　我国目前的企业信用评价体系主要针对国有大型企业，如果机械套用，只会使得中小企业的价值和信用被低估，加剧中小企业融资困境。而设立符合中小企业发展规律、现实需求和实际情况的信用评价体系，具有以下积极意义：（1）优化融资环境，帮助金融机构和信用担保机构正确评估中小企业信用风险，从而提高中小企业获得贷款的机会；（2）引导投资，由于新型信用分析模型指标中包括企业未来发展和创新能力指标，有助于潜在投资者了解企业发展情况和前景，进行投资决策，使中小企业获得投资资金；（3）促进中小企业自身发展，中小企业可以利用新型的信用分析模型，了解自身经营和信用上存在的风险和不足，提高经营水平、人员素质和诚信自律。在信用评价体系中，信用评价方法和信用评价指标居于核心地位。尤其是信用评价指标，是信用评价的基础和对象，指标选取是否恰当对评价结果的可靠性至关重要。本文将以深交所中小板块的上市公司为研究样本，利用F分数模型度量样本公司的信用水平，并以此作为被解释变量，检验所选中小企业信用评价指标与其信用水平之间是否存在相互关系或影响，以确保评价结果的科学性和准确性。 　　二、文献综述 　　（一）企业信用及信用评价概念从经济学意义上讲，信用就是用契约关系保障本金回流和增值的价值运动，是商品货币关系下价值运动的一种特殊形式。企业信用是指企业法人以自身盈利能力、资产状况为抵押或依托，从金融机构获得贷款或从其他企业（如供货商）预先获得商品和服务。而金融机构或供应商向契约另一方提供贷款或商品，就必将面临对方不能全部履约、甚至是违约的风险，典型的包括不能按期支付利息、到期无法归还本金、不支付货款等。这种因交易一方不能履行或不能全部履行交收责任的风险就是信用风险，而引发信用风险的原因往往是违约方出现了破产或其它严重的财务困境。而信用评价，就是评估主体根据科学的评估方法和规范的指标体系，给出关于受评对象的信用风险（特别是可能出现违约状况）的判断意见。如果受评对象出现违约或财务困境的概率较小，意味着其信用风险较低，那么我们就可以认为该受评对象的信用水平较高。 　　（二）信用评价方法回顾从20世纪30年代以来，企业信用评价方法大致经历了经验判断、数学模型和系统综合三个阶段。1950年以前的企业信用评价方法主要以专家经验判断为特征，包括著名的5C、5P、5W分析法。但这种方法有赖于个体常识和专家的判断过程，因此主观性较强。为了克服这一缺陷，1950年以后的科研人员开始尝试运用数理统计方法创新企业信用评价技术。Altman（1968）建立了5个变量的线性判别式分析模型，即Z计分模型，该模型的临界值为2.675，如果Z值小于临界值，那么就被认定为违约组。1977年，Altman等人对Z计分模型进行了修正，推出了第二代信用评分模型-ZATA模型。1993年，KMV公司利用期权定价理论提出了信用检测模型（CreditMonitorModel），也被称为KMV模型，用来对上市公司和上市银行的信用风险（特别是它们的违约状况）进行预测。随着计算机技术、人工智能和系统技术的进步和创新，企业信用分析方法也随之进入了系统综合阶段，决策支持系统、多目标决策、遗传算法、因子分析和聚类分析、神经网络、DEA模糊数学等的研究方法在企业信用评价研究中得到了广泛的应用和发展。 　　（三）信用评价指标选择信用评价指标是信用评价的依据和对象，前者是后者的具体化以及定量或定性反映。信用指标的合理性、准确性直接决定着评价结果的可信度。因此有关企业信用评价的研究，都对指标体系问题给予了特别关注。从指标性质的演化上来看，1950年以前的信用评价主要依靠专家经验判断，所以在指标的选择上也采用了定性指标，大多围绕道德品质、还款能力、资本实力等因素展开分析。随着数理统计方法的不断创新和发展，同时为了克服人为因素对定性指标的影响，研究者开始引入企业财务数据、市场份额等定量指标加以分析。而以定量指标为主的数学评估模型，却难以反映对企业信用有重大影响的却难以量化的指标。因此，目前主流的信用评估指标主要是定性指标与定量指标相结合，以增强指标设置的合理性和全面性。从具体指标上来看，Beaver（1966）通过单变量分析模型发现现金流量负债比是最佳的