我国上市公司信用风险评估模型比较及实证研究

摘要

随着中国银行业和资本市场的逐步开放与发展，面对日益复杂的内外环境以及更严格的监管制度，商业银行，投资者以及上市公司应不断提高风险管理能力。信用风险评估是信用风险管理的前提。商业银行只有不断提高信用风险评估能力，才能保证贷款质量，降低不良贷款率，提高资本使用效率。对投资者而言，信用风险评估是作出正确投资决策的前提。由于信用风险评估可以对上市公司的经营问题和财务危机进行预警，管理者能根据评估结果来调整经营策略和财务结构从而避免信用风险的进一步扩大。
　　根据建模变量种类的不同，信用风险评估模型主要可以分为:财务比率模型，股票收益率模型以及现金流模型。三种建模变量各有其优缺点，财务比率具有全面性，便于获取等优点，但数据也具有滞后性，灰色性等缺点。虽然股票收益率包含更多的市场信息，能更迅速地反映投资者预期和行业景气，但这取决于一国证券市场的有效性。现金流能更真实，更迅速的反映上市公司的盈利情况和资金流动情况，但当前中国的现金流制度起步较晚，还存在很多不足，现金流管理水平也比较落后。本文旨在利用中国上市公司的数据分别建立财务比率模型，股票收益率模型和现金流模型，然后从预测准确率，预测速度和模型拟合度这三方面对三种信用风险评估模型在中国上市公司信用风险评估中的适用性进行对比分析，并在此基础上建立包含多种类型变量的综合信用风险评估模型。
　　本文首先对模型的发展历史，原理，优缺点进行了理论分析，然后利用1998年1月到2015年2月间的118家中国上市公司4年的数据进行实证分析。在实证分析过程中，首先是对18个建模变量进行了均值比较分析和单变量判定分析，然后对同一模型中的变量进行了多重共线性检验，接着利用logistic回归方法建立了财务比率模型，股票收益率模型和现金流模型并就模型的拟合度，预测准确率，预测速度进行对比分析。最后，结合均值比较分析和单变量判定分析的结果，将筛选出来的预测能力较好的财务比率变量和现金流变量结合起来建立综合预测模型。
　　本文的主要研究结论如下:
　　1.从预测准确率来看，财务比率模型的预测准确率高于现金流模型和股票收益率模型。财务比率模型在4年中的最高综合预测准确率为89.83％，平均综合预测准确率为80.51％，比现金流模型的平均综合预测准确率高出近10个百分点，比股票收益率模型的平均综合预测准确率高出约22个百分点。但现金流模型对违约公司的预测准确率是三个模型中最高的，其对违约公司的平均综合预测准确率要比财务比率模型高出约8个百分点。就综合预测准确率来看，财务比率模型更好。
　　2.从预测速度来看，财务比率模型能够提前3.51年对上市公司的信用风险做出正确预测，比现金流模型和股票收益率模型提前了半年左右。现金流模型对违约公司的预测速度是三个模型中最高的，分别高出财务比率模型0.26年，高出股票收益率模型0.6年。但就违约公司和正常公司的平均预测速度来看，财务比率模型的效果依然是最好的。
　　3.虽然财务比率模型的预测效果比股票收益率模型和现金流模型好，但实证结果表明并非每一个财务比率变量都比股票收益率变量和现金流变量的预测能力高。单变量判定分析的结果表明，在所有变量中，仅有6个变量的预测准确率能达到60％以上，其中包含3个财务比率变量和3个现金流变量，他们分别是总负债与总资产之比，营运资本与总资产之比，净收入与总资产之比以及现金流模型中包含的变量经营活动产生的现金流量净额，现金及现金等价物净增加额，支付的各项税费。
　　4.综合预测模型是从18个变量中筛选出来的预测能力最好的6个变量建立的模型。实证结果表明，既包含财务比率变量又包含现金流变量的综合预测模型比由单一类型变量建立的财务比率模型，股票收益率模型和现金流模型具有更高的预测准确率和预测速度。综合预测模型的在t-1年和t-2年的综合预测准确率均达到了90％以上，相比财务比率模型，综合预测模型在4年中的预测准确率共提高了7个百分点左右。虽然综合预测模型的总体预测速度和财务比率模型相同，但它对违约公司的预测速度高于财务比率模型。由于对违约公司做出错误预测的成本高于对正常公司做出错误预测的成本，从这个角度来看，综合预测模型依然比财务比率模型好。
　　综上，对于中国上市公司的信用风险评估，财务比率模型比股票收益率模型和现金流模型具有更好的适用性。综合预测模型比财务比率模型具有更好的预测效果说明将财务比率变量和现金流变量结合起来建立模型可以使信用风险评估模型得到优化。

目录

声明

摘要

第1章 绪论

1．1 问题的提出

1．1．1 研究背景

1．1．2 信用风险的基本概念

1．2 研究意义

1．3 研究目的及方法

1．4 创新点

第2章 国内外研究现状

2．1 关于变量选取的研究

2．2 关于建模方法的研究

2．3 已有文献评述

第3章 模型概述

3．1 财务比率模型

3．2 股票收益率模型

3．3 现金流模型

3．4 模型的调整

第4章 数据及方法

4．1 数据

4．1．1 数据的选择标准、期间、来源

4．1．2 建模变量说明

4．2 建模方法

4．2．1 logistic回归方法

4．2．2 实证设计

第5章 实证分析

5．1 均值比较及Mann-Whitney U检验

5．2 单变量判定

5．3 多重共线性检验

5．4 logistic回归结果

5．4．1 模型参数

5．4．2 模型拟合度

5．4．3 预测准确率和预测速度

5．5 综合预测模型的建立

结论

致谢

参考文献