Ｆｉｓｈｅｒ模型在评价上市公司信用风险中的应用的研究.docxVIP

Ｆｉｓｈｅｒ模型在评价上市公司信用风险中的应用的研究 　　[摘 要]本文利用Z评分模型思想，以2007年增加的ST公司及相应的对比公司为样本，运用Fisher判别模型和SPSS软件得出相关信用风险模型，并对结果进行分析。 　　[关键词]上市公司 信用风险模型 Fisher判别 　　 　　一、问题的提出 　　 　　自1990年上海证券交易所成立以来，中国证券市场已经走过了近20年的风风雨雨。在这期间，中国证券市场迅速发展，投资者数量也日益增多。但是，由于中国证券市场不够成熟，上市公司的状况也参差不齐，许多企业财务状况不佳，这就给投资者带来很大的风险。 　　 　　二、Fisher判别简介 　　 　　Fisher判别法的基本思想是通过投影的方法来降维，其具体理论方法如下: 　　设两个p维总体G1、G2的协方差矩阵存在，Fisher判别的思想是变换多元x到一元的y，使得由总体G1、G2产生出来的y尽可能的分离出来，即:y(x)=lx 　　其中l’为P维向量。设G1、G2的均值向量分别是μ(1)和μ(2)，协方差阵分别为∑(1)和∑(2)(∑(1)，∑(2)0)。则线性组合y(x)=lx的均值为: 　　其方差为: 　　Fisher判别的思想就是使得两类判别函数差异大、每类各个个体的判别函数差异小，及使得下面的比值最大: 　　其中q1、q2为G1、G2的先验概率或某种权数: 　　利用极值的原理可以得出最大向量I为: 　　Fisher判别比较著名的判别方法如下: 　　当x使得时，判 　　当x使得时，判 　　其中 　　 　　三、上市公司信用风险实证分析与信用风险判别模型 　　 　　(一)样本的采集 　　本文采用的样本是2007年度沪市被ST的34家公司，其中有1家公司是B股形式、有6家公司相关财务指标缺失、有2家公司已经更换名称，为了模型的准确，固剔除这9家公司。将失信组的y定义为0，守信组的y定义为1。数据选用的是2006年这50家公司的财务报表。并运用SPSS11.5进行分析研究。 　　(二)指标的选取 　　考虑到各指标的现实意义，本文从短期偿债能力、长期偿债能力、营运能力、盈利能力、公司发展5大项，选取了20个财务指标:流动比率、速动比率、现金流动负债比、现金比率、资产负债率、利息保障倍数、股东权益比率、总资产周转率、固定资产周转率、应收账款周转率、存货周转率、每股收益、每股净资产、销售毛利率、总资产收益率、净资产收益率、股东权益与固定资产比率、主营业务收入增长率、净资产增长率、总资产增长率，并分别命名为X1到X20。 　　(三)剖面分析配对样本t检验 　　剖面分析是指分别计算失信组和守信组各项指标的均值，然后进行比较，进而发现指标之间的差异。具体方法如下:首先将各个指标分为失信组和守信组两组，对20个指标分别进行剖面分析，取α=0.05。得到结果分析X10、X11的Sig.值(双尾显著性概率)大于0.05，因此未能通过检验，可以剔除。 　　(四)模型指标的自相关性检验 　　对筛选出来的18个指标进行Spearman相关性检验，剔除那些相关性较高的指标。经大量实证证实，当相关系数大于0.8时会给模型带来严重影响。分析可知，X1与X2、X17相关系数较大，因此剔除;X6与多项指标相关系数较大，因此剔除;X8与X9相关系数较大，考虑到X8更能反映公司情况，因此剔除X9;X12与多项指标相关系数较大，因此剔除;X15与X16、X19相关系数较大，因此剔除;X16与X19相关系数较大，考虑X16更能反映公司情况，因此剔除X19。剔除后其他指标相关系数均小于0.8，因此可以作为变量考虑。剔除这6个指标以后，剩余12个进行下一步检验。 　　(五)多重共线性检验 　　多重共线性的存在，不能正确判断变量对被解释变量的影响程度，使精确度降低。本文通过方差膨胀因子(VIF)进行判别。一般的，认为VIF值大于10时，具有较高的多重共线性。分析得X5、X7的VIF值大于10，因此将这两个指标剔除。 　　(六)Fisher模型的构建 　　经过上述剔除变量后，剩余的10个指标作为模型变量。由于样本数和指标数较少，笔者认为如果采用逐步分析的方法反而容易产生较大误差，不利于模型的准确度，因此，在这里，采取的是Enter independent together，即全部使用所选指标。最终的模型为: 　　Z=-1.36+0.333x2+1.689x3+1.965x 4+0.536x8-0.056x13+2.8x14+0.162x16+ 0.068x17+0.6x18+4.312x20 　　(七)回判检验 　　分析结果中的回判检验表如下: 　　从表中可以看出，25家ST公司判断正确的有23家，正确