资源描述：
《企业信用风险评级模型的构建》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
企业信用风险评级模型的构建摘要银行业是一个特殊的高风险行业。80年代以来世界上一些国家发生的银行业危机告诉我们，旦银行业风险得不到有效的控制，很容易引起连锁反应，从而引发全局性、系统性的金融危机，并殃及整个经济生活，甚至会导致经济秩序混乱与政治危机。我国至今虽未发生大规模的银行危机，但银行业的风险因素却大量存在，尤其是多年积累的大量的银行不良信贷资产，直接威协着我国银行体系的稳健运行。因此，对如何有效地控制银行业的风险进行研究，就具有十分重要的理论和现实意义。本文就是通过对现有风险评级实践进行研究，运用统计学方法建立企业信用风险评级模型，为控制我国银行业的风险提供操作性较强的量化手段。全文共分5章。第1章对现有的文献和几种风险评级实践进行了分析，并对本文的主要观点加以论述。第2章从借款人信用评级必要性理论分析入手，运用马克思的信贷资金循环理论进行分析，界定了企业信用风险评级的内容，由此设计了信用评级财务指标体系，从盈利能力、资本结构杠杆比率、发展潜力、营运能力、资产流动性和偿债能力现金流量比率六方面选择19个财务指标进行分析.第3章讲述了本文的研究方法。主要是分析样本的抽取和指标参评值，对指标进行定量精选并进行无量纲化处理。确定等级数和等级标准为三等九级。选择了指标综合方法为多元统计方法。第4章以第2章构建的信用评级指标体系为基础，运用统计方法，实际地建立企业信用风险评级模型。本章从7个方面提出了建立财务因素评级模型的完整思路，实际地建立了两个财务因素评级模型。在建立第一个评级模型(I)时，本文先用主成分分析方法确定各指标的权数，然后用功效系数法计算各样本企业的综合评价值，最后用有序聚类方法确定出各信用等级的定量判断标准。这一模型引发出了作者对风险评级的更深层次的思考，认为如果采用恰当的统计方法来测定评级对象的风险，那么这种风险评级还包含着概率的思想。第二个评级模型(11)是用动态聚类分析和贝叶斯判别分析相结合的方法来建立的。通过对这两个模型的比较，本文认为，如果以评级结果能否准确反映客观实际为标准，那么模型(lI)比模型(I)更合理一些。最后，本文还以4家ST公司为例，对这两个评级模型的预测能力进行了检验。检验结果表明，这两个评级模型的预测能力都比较强。第5章该模型的成功构建证实本文运用统计方法论进行风险评级的可行性，对银行进行授信企业的筛选将起到一定的预警作用。风险评级模型财务指标无量纲化处理 企业信用风险评级模型的构建DesigningTheCreditRisk-ratingModelofCompanyABSTRACTBankingisaspecialandhigh-riskindustry.Sincethe1980s,bankingcrisesbreakingoutinsomecountriesstatethatifineffectivelycontrolled,theyareverylikelytotriggerchaineffect,thereafterleadtooverallandsystematicfinancialcrises,andbringdisasterstothewholeeconomy,evencauseeconomicchaosandpoliticalcrises.Thoughbyfarlarge-scalebankingcriseshavenotbrokenoutinChina,therearealotofriskfactorsexistinginbanking,especiallythelargeamountofaccumulatedbadcreditassetsinbanks,whicharethreateningthestableoperatingofourbanksystemdirectly.Thusitisvitalintheoryandpracticetostudyhowtocontrolbankingcriseseffectively.Riskratingcanplayanimportantroleincontrollingbankingcrisesbecauseofitsfunctionsofriskidentificationandmeasurement,whicharethebasisofriskcontrol.Thepurposeofthisdissertationistoinducethecommonessenceofriskratingthroughsystematicanalysisofpresentrisk-ratingpracticesandconstructrisk-ratingstatisticalmethodologyframeworkonit.Andthenundertheguidanceoftheframework,thethesisaimstoconstructenterprises'creditriskratingmodelandcommercialbanks'off-the-spotsupervisingriskratingmodelsoastoprovideanapplicablequantitativemeansforcontrollingbankingriskinourcountry.ChapterOnegeneralizesthecommoncharacteristicsofvariousrisk-ratingpracticesbyanalysis,andtellstheviewpointofthearticle.ChapterTwobeginfromanalysisingthenecessiarytheoryofrisk-ratingandtherecycleofMarx'screditcapital,boundsthecontentsofrisk-rating.Accordingtoit,financeguidelinesaredesigned，includingpayoffability,capitalframeleverratio,developingpotential,workingability,capitalfluxionaryandpayoffthedebtsoncashflpwratiosixaspectstogethernineteenguidelines.ChapterThreetellstheresearmethodsofthisarticle.It'smainlyanalysisingdistillofthestylebookandtheparticipatingincost.Andselectsrationexactlytheguidelines,sodecidestherateandit'scriterionandthemeansismultianalysisstatistics.ChapterFourdemonstratestheprocedureofpracticallyconstructingenterprises'creditriskratingmodelbasedontheindicatorsysteminChapterTwo.ThechapterstatestheintegratedideaofestablishingfinancialfactorratingmodelfromthesevenaspectsWhenconstructingratingmodel(I)，primarycomponentanalysisisemployedtodeterminetheindicators'weight,thenfunctionalcoefficientmethodisusedtocompute 企业信用风险评级模型的构建thecomprehensivevalueofeachsampleenterprise,finallytheclusteranalysisfororderedsampleisemployedtosetthequantitativecriterionofcreditrisk.Thismodelattractstheauthortoponderoverriskrating,intheauthor'sview,ifsuitablestatisticalmethodsareappliedtoevaluatetheratingobject'srisk,thenthiskindofriskratingwillincludetheideaoftheprobability.Model(11)isestablishedonthebasisofthecombinationofdynamicclusteranalysisandBayesdiscriminantanalysis.Bycomparingtheabovetwomodels,thedissertationconcludesthatModel(II)ismorereasonablethanModel(1)iftheaccuracyofreflectingobjectivefactsisregardedasastandard.Intheend,thechapterusesfourST(specialtreatment)companiestoexaminetheabovetwomodels'efficiency.Asaresult,bothhavehighaccuracyinforecasting.ChapterFivethesucceedingdesignofthemodeltestifythefeasibilityofrisk-rateingonwieldingthestatisticways,anditwillbeeffectforbankingwhenfiltratethedebtcompany.Risk-ratingmodelfinancialguidelinewithoutdemensionarvmanage 企业信用风险评级模型的构建1引言1.1研究背景20世纪80年代末以来，世界上有130多个国家(约占国际货币基金组织成员国3/4)的银行业遭受风险问题困扰，集中表现为频繁爆发的银行业危机和动荡。通过对银行业危机成因的考察发现‘。尽管诱发危机的直接原因各不相同，危机产生的社会经济背景也有差异，但银行内部风险管理的不完善和银行监管当局的外部监管不力是造成银行业危机的一个共同的重要原因。根据风险管理理论，无论是银行的内部风险管理，还是中央银行对银行的外部风险监管，都必须建立在风险识别和风险衡量的基础之上。风险评级是通过对不利事件发生的相关因素的分析来间接测定不利事件发生的可能性。因此风险评级是兼有风险识别和风险衡量的一种手段，它无论是在强化银行的内部风险管理，还是在提高银行监管当局的监管效率方面，都具有十分重要的作用。银行的风险主要包括信用风险、流动性风险、利率风险、资本风险等，其中的贷款资产信用风险(CreditRisk)的发生最频繁，危害也最大。一方面，因为贷款是银行最主要的资产，所占比重最大，即使在美国这个拥有世界上最发达的证券市场的国家中也如此，1993年在美国全部银行总资产中，贷款占63%`。在我国，贷款所占的份额更大。由于信贷市场普遍存在的信息不完全性3和经济生活中存在的种种不确定性，银行在贷款经营中常常会因借款人不愿或无力偿还贷款而遭受损失。不仅如此，银行在表外业务经营中最常遇到的风险也是信用风险:另一方面，货款信用风险是银行各种经营问题的最主要根源。许多银行出现经营困境甚至倒闭从表面上看是因为流动性危机，但就其实质，则是由大量的无法收回的贷款损失造成的。因此，银行往往把贷款信用风险的管理视为其内部风险管理的核心。贷款信用风险管理的一个重要内容是对借款人进行信用风险评级，即银行在发放贷款之前，先评估借款人不履约的可能性。并把这种可能性划分为几个等级，以此作为标准来区分出借款人的好坏，作出贷款与否的决定。可见，对借款人进行信用风险评级能从源头上防范贷款的信用风险。企业信用评级不仅对银行至关重要，而且对社会公众、客户、出资人都很重要。无论上市公司还是非上市公司，其信用等级评价己成为出资人和客户了解企业的首选窗口。国内银行在确定某一企业的信用评级内容时往往遵循多种原则.如“5C”原则—从品质、能力、资本、担保和环境条件等五个方面评价企业信用状况，但难以量化。我国各主要银行都相继制定了对借款人进行信用评级的办法，但这些办法不仅比较复杂繁琐，而且仍需实践检验。本文试图以我国一百多家上市公司为样本，运用统计学方法，构建企业信用客观评级模型，为出资人和客户提供先进、有效的评价工具。参见康书生，1999:债权人、出资人内控制度:借鉴与创新，中国发展出版社.第15-36页。参见米什金.19981货币金融学，中国人民大学出版社.第页。参见李心丹，傅浩:国外金融体系风险理论综迷，1998.1. 企业信用风险评级模型的构建1.2文献述评1.2.1信用评级内容的研究近年来，学术界研究企业信用评价已成为热点，其代表性文献可列清单如下:田盈，《基于突变理论的企业信用等级评价模型》，载《重庆师范学院学报》2000年s1期;邹新月、王建成.《企业信用等级模糊综合评价》，载《系统工程》2001年4期;贾元华、刘艳慧.《关于企业信用等级评价理论方法的探讨》，载《技术经济》2002年9期;周春喜.《企业信用等级综合评价指标体系及其评价》载《科技进步与对策》2003年4期:紫彭颐，《小型进出口企业信用等级评价指标体系的构成》，载《农村金融研究》2003年6期:李小燕，《企业信用评价模型、信用等级与业绩相关性研究》，载《中国软科学》2003年5期;范柏乃，《中小企业信用评价指标的理论遴选与实证分析》，载《科研管理》2003年6期:任永平，《中小企业信用评价指标体系探讨》，载《现代经济探讨》2001年4期;高媛，《关于中小企业信用评价体系》，载《长春工业大学学报》2003年4期。研读这些文献发现，虽然人们对企业信用评价指标已提出了各种各样的指标设想，内容也十分丰富，可是，迄今为止，人们对企业信用评价的研究仍然停留在企业信用的传统静态财务指标上，运用动态现金流量贴现指标研究企业信用甚少。把资本资产定价模型、套利定价理论、期权定价理论等现代资产定价理论以及风险理论引入企业信用评价研究中则更少。现实中，中国工商银行的企业信用评级内容包括领导者素质、经济实力、资金结构、经营效益、信誉状况和发展前景等六个方面。交通银行的企业信用评级包括偿债能力、盈利能力、资产管理能力、企业发展潜力、行业状况、管理状况、经营状况和信用状况等八个方面的内容。在国内外企业信用评级实践与理论研究中，更多地是把企业信用评级内容界定为财务类与非财务类两大因素。通过对企业财务类因素的定量分析，可以判断出企业财务状况的好坏程度，从而确定企业还款能力的大小。在此基础上，再对影响企业财务状况的非财务类因素进行分析，就可以对企业的还款能力作出更加全面、客观的预测和动态评估。然而，这些信用评价内容是否真实反映了企业信用等级水平，目前尚未得到理论证实和实践检验。1.2.2评级模型在企业信用的量化评级中，将多个信用评级指标综合起来的方法主要有综合打分法、模糊综合评价方法和多元统计分析方法。在商业银行的信用评级实践中，几乎都采用综合打分法来评定借款企业的信用等级，这种方法所综合的指标不只是财务指标，还包含有非财务的 企业信用风险评级模型的构建定性指标。模糊综合评价方法和多元统计分析方法主要为一些研究者所采用，而且从己有的研究成果来看，这两类方法所综合的指标都是财务指标，较少涉及非财务指标。用多元统计分析方法来建立企业信用评级模型的研究文献在国外早在60年代末期就出现了，而我国则是近年才出现这类研究成果。奥特曼'1968年选择5个财务比率作为变量，用多元统计分析中的判别分析方法建立了一个具有评估企业信用状况功能的Z-score模型:Z=1.2x,+1.4x2+3.3x3+0.6x4+1.0x5他用据此模型计算的Z值来反映企业发生财务危机的可能性大小。2值越大，企业在短期内出现财务危机的概率越小。奥特曼模型中的各个系数是通过对历史资料的统计分析而求得的，该模型的预测性正源于此。我国也有人5根据奥特曼的建模思想和建模方法建立了一个预测企业财务危机的多元线性判别模型。尽管从表面上看，这类数量模型并不直接用于评定企业的信用等级，而是用于预测财务危机。然而，一般来讲，如果某企业出现财务危机或失败，那么该企业就肯定不能按约偿还贷款本金或支付贷款利息，因此，我们认为，财务危机预测模型是通过预测企业出现财务危机的可能性来确认企业信用风险的大小，它是一种具有预测功能的信用评级模型。切斯尔"(Chesser,1974)选择6个反映借款人信用状况的财务比率，根据美国4家商业银行在1962年至1971年期间的116笔贷款资料，运用多元逻辑特分析(LogitAnalysis)方法，建立了一个预测单笔贷款违约可能性的数量模型:P=1+exp(2.0434+5.24x,-0.0053x,+6.6507x,一4.4009x4+0.0791x,+0.102x6)式中，尸为贷款的违约概率，尸值越大，贷款违约的可能性越大。应该说，切斯尔模型评估的是已批准贷款的风险，它与通常意义上的用于评估借款人信用风险的模型还有所不同。然而，由于单笔贷款总是归属于某个借款人的，因此，从本质上讲，切斯尔模型评估的也是借款人的信用风险，只不过是贷后借款人的信用风险。卢世春和欧阳植(1999)’运用多元统计分析中的聚类分析和判别分析方法建立了一个银行信用风险跟踪预警监测模型。建模时依据的样本数据是1992-1995年间的我国所有296家上市公司的财务数据。他们提供了建立企业信用评级模型的一种有益思路。但对他们在建模时所采用的一些处理方法，我们却有不同的看法:月转引自JosephF.SinkeyJr.,1998:CommercialBankFinancialManagement:IntheFinancialServicesIndustry,5"ad.,PrenticeHall.Inc.PP.431-432.，参见陈静，上市公司财务恶化预侧的实证分析，会洋班究1999.4.石Chesser,DaltonL.:PredictingLoanNoncompt自JosephF.SinkeyJr.,1998:CommercialIndustry,5"ed.，PrenticeHall,Inc.,pp.434-436.国内也有文献转述该模型，参见胡冰星，1995商业银行信贷风险管理，上海三联书店，第51-54页。，奎al.卢份春。歇阳按，倩权人、出咨人信用风阶砚睐预苦肪测粗型，甜奋}3##3aF乡x'>Sf`:1999.1. 企业信用风险评级模型的构建首先，他们对样本进行初始分类的作法是有问题的。从整篇文章的前后逻辑联系来看，对296家上市公司进行初始分类实际上相当于在对这296家上市公司进行初始信用评级。要对企业进行信用评级，就得有一个信用评级标准。从他们的作法来看，初始信用评级的依据是上市公司的序号总和，而评级的标准似乎是，总序号在1-60的上市公司，初步划归为第一类，即AAA级:总序号在61-120的上市公司，划归为第二类，即AA级:总序号在121一180的上市公司，划归为第三类，即A级;总序号在181-240的上市公司，划归为第四类，即7:级;总序号在241-296的上市公司。划归为第五类。即B级。由此可见，这种作法是值得推敲的。诚然，由于他们先将296家企业分别按选择的5项财务比率进行了排序，并求出了每家企业的序号总和，因此，企业财务状况的好坏与企业的序号总和大小是有紧密联系的。但是，采用按近乎等分序号总和序列的原则来初步确定企业的信用等级的依据何在呢?事实上，从总体上看，我国上市公司的经营状况比非上市公司的要好，因此，信用等级较高的上市公司应该占多数，比方说，在2%家上市公司中，AA人级的企业可能是100家而不是这里所界定的60家。所以说，即使是初步确定上市公司的信用等级，使用近乎等分的办法也是令人质疑的。确定的初始分类合理与否，对随后建立的信用评级模型有着至关重要的影响。其次，以序号作为聚类分析的数据基础是不合适的。我们知道，企业的信用状况是由其财务指标(和非财务指标)来反映的，分析表明，该文作动态聚类的目的是要划分出企业的信用等级，因此，理所当然的是应该用反映企业信用状况的财务数据作为聚类的基础。序号只能说明企业的排列位次，而并不能反映贷款违约的任何信息.因此，用序号数据进行聚类分析，所得结果的含义是不明确的。第三，从该文建立的信用评级模型来看，他们并未对财务指标进行无量纲化处理。我们知道，对指标进行无量纲化处理是多指标综合的一个先决条件。线性判别函数实际上是对多个指标采用加法合成所得到的一个综合指标，因此。从综合评价的角度来看，也应对指标进行无量纲化处理。1.2.3信用级别与标准的设置企业信用等级与标准是衡量企业信用风险程度的尺度，从企业信用评级的实践与理论研究成果来看，对企业的信用状况划分出的基本等级有2级、3级、4级、5级、6级、8级和9级等。在设置好企业的信用等级之后，又如何来确定各基本信用等级的评级标准昵?.从已有研究成果来看，多元统计分析方法具有确定信用评级标准的功能，其作法有两种:(1)如果事先有反映样本企业信用状况的历史分类信息，就直接根据这些分类信息，用判别分析方法来确定临界值点。这些临界值点就是评判企业信用等级的标准。国外的奥特曼模型就采用这种作法。奥特曼1968年在建立其Z-score模型时，根据1946年至1965年期间的33家破产企业和33家未破产企业的财务资料(己有历史分类信息)，用判别分析方法确定了一个判别临界值Zo(2.675)。如果某企业根据其财务比率计算出来的Z值小于判别临 企业信用风险评级模型的构建界值Zo，则该企业就被归入违约组;反之，如果某企业的Z值不小于判别临界值Zo，则该企业就被归入非违约组。(2)如果事先没有反映样本企业信用状况的历史分类信息，则首先根据样本企业的数据特点，采用聚类分析方法对样本企业进行分类。再根据这些分类信息来确定评级标准。我国学者卢世春和欧阳植建立的银行信用风险跟踪预警监测模型就属于这种作法。他们首先用聚类分析方法把296家上市公司划分为s类，然后用费歇判别分析方法来建立信用评级模型，再将5类总体的均值代入信用评级模型计算出各个总体的均值投影，最后计算相邻总体均值投影的平均值就得到信用评级标准。由上可知，用多元统计分析方法来确定企业的信用等级标准时，临界值点是完全依据样本企业的客观数据来确定的，具有较强的客观性。1.3主要观点本文以构建的信用评级指标体系为基础，在统计方法论的指导下，实际地建立企业信用风险评级模型。本文在建立企业信用评级模型时，从z个方面提出了建立财务因素评级模型的完整思路，用主成分分析方法对定性选取的评级指标进行筛选;用功效函数对指标作无量纲化处理。本文经过定性与定量分析认为，应分行业来确定指标功效函数中的满意值和不允许值标准，并提供了一个确定指标满意值和不允许值标准的切实可行的办法。在建立第一个评级模型(I)时，本文先用主成分分析方法确定各指标的权数，然后用功效系数法计算各样本企业的综合评价值，最后用有序聚类方法确定出各信用等级的定量判断标准。这一模型引发出了作者对风险评级的更深层次的思考，认为如果采用恰当的统计方法来测定评级对象的风险，那么这种风险评级还包含着概率的思想。第二个评级模型(II)是用动态聚类分析和贝叶斯判别分析相结合的方法来建立的。通过对这两个模型的比较，本文认为，如果以评级结果能否准确反映客观实际为标准，那么模型(II)比模型(I)更合理一些。最后，本文还以4家ST公司为例，对这两个评级模型的预测能力进行了检验。检验结果表明，这两个评级模型的预测能力都比较强。 企业信用风险评级模型的构建2信用风险评级理论2.1企业信用风险评级的理论分析2.1.1借款人信用评级必要性的理论分析斯蒂格里兹和巍斯(StislitzandWeiss.1981)根据信息经济学原理己经证明，影响银行期望收益的这两个因索是正向相关的，即利率越高，贷款违约的可能性就越大。对此结论的直观解释是吕:银行业的信息在借款人与银行之间往往是不对称的，比如借款人事实上总是比银行更了解其所处的市场环境、财务状况、筹资目的以及投资项目的风险。根据微观经济学原理，信息的不对称会导致交易发生之前的逆向选抒和交易发生之后的道德风险。当银行不完全了解借款人的投资项口风险时，较高的利率将使低违约风险的借款人退出信贷市场，或者诱使借款人选择更高风险的投资项目，从而使银行贷款的平均违约风险上升。究其原因是，当利率较高时，低违约风险的借款人会认为自己难以承受较高的利息费用，为了不损害自己已经树立起来的良好信用，他们宁愿不借款，于是在信贷市场上就只剩下那些违约风险较高的借款人。这就是信贷市场上的逆向选择。另一方面，由于贷款利息通常是固定的，而且可以从税前收益中扣除，所以，在较高利率下，借款人一旦得到贷款，便有一种从事高风险投资的冲动。因为较高的利率意味着借款人要承担较多的利息开支。如果借款人用银行贷款进行低风险投资，那么它所获得的收益可能会较少.甚至不足以支付银行的贷款利息，而如果投资于高风险项目，并取得成功，那么在支付了固定的银行利息之后，它的收益仍将是很丰厚的。因此，高利率会诱使借款人选抒更高风险的投资顶目。这就是信贷市场上的道德风险。由于银行业的逆向选抒和道德风险使得贷款不能归还的可能性增大，因此，为了既定的期T收益，银行不愿选抒在高利率水平上满足所有借款人的申请，而宁肯选择在相对低的利率水平上拒绝一部分贷款要求。那么。对于一个具体借款人的贷款申请，银行是该拒绝还是接受呢?这就需要对借款人进行有效的筛选，而筛选借款人的过程就是分析借款人还款可能性的过程。银行通过对影响借款人还款可能性的诸多因素进行分析，确定出借款人的信用等级，以此作为标志，将违约风险小(信用等级高)的借款人从违约风险大(信用等级低)的借款人中筛选出来，以便将贷款发放给违约风险小的借款人。社会主义市场经济的发展，使我国棍个经济金融环境发生了巨人变化。企业要按市场规则进行生产经营，银行也要按市场规则来处理与企业的交易关系(比如.银行要遵循市场经济中通行的贷款风险管理原则)。我国目前正处于新旧体制转轨时期，新的市场经济休制尚未完全建立，I日的计划经济体制的影响和作用仍然滞留，这就必然会出现企业的行为不规范，以及企业对银行的过分依赖。在这种特殊的经济环境下，银行在选择贷款企业时要特别慎重，为确保贷款本息能够按时偿还，在放欲时就必须对贷款企业的信用状况进行有效的分析。另一方面，我国《银行法》己明确规定，金融业实行分业经营和分业管理，银行业、证券业和s用致理模型可以对该结论作出更清晰的解释.参见张维迎，1996:博弈论与信息经济学，上海三联书店，第56$-569页。 企业信用风险评级模型的构建保险业分开运作。这样，银行就只能把绝大部分资金用于贷款上，所有的“鸡蛋”几乎都放在一个篮子里，因此贷款风险便成为银行的主要风险。银行资金过于集中于信贷资产上，再加之资金的短贷长用，使银行资金的流动性大为减弱。在这种金融环境下，银行为防止贷款的信用风险以及由此而引发的支付不足的流动性风险，也必须重视对贷款企业信用的分析。2.1.2企业信用评级的“5C”原则及其理论分析银行在对企业进行信用分析时，首先要明确应从哪些方面去评价企业的还款可能性，即首先要确定企业信用评级的内容。西方银行在长期的经营实践中，总结出了，"5C"、"W","5P"."LAPP”和“CAMPARI"等原则。其中“5C"原则的渊源最长.至今仍被广泛地运用于西方银行的信用评级实践之中。事实上，我国银行在评定企业的信用等级时也基本上采用“5C"原则。该原则认为，银行应从以下五个方面来对借款人的信用状况进行分析:(I)品质(Character)，是指借款人履行偿债义务的意愿，这常被认为是评价企业信用好坏的首要因素。银行一般根据企业借款人以往偿还债务的历史信用纪录来评判其品质的好坏。其基本假定是:具有不能按期支付应付贷款本息纪录的借款者将来很可能会再出现类似的问题。但是，对此也不能绝对地理解。过去的违约并不一定是品质不良的标记:同样地，过去信用一直很好的借款者也有存在违约的可能。(2)能力(Capacity)，是指借款人的偿债能力。无论借款人还款的意愿有多强烈，如果不具有还款能力，贷款的偿还也是一句空话。因此，借款人的偿债能力是偿还贷款本息的真正基础。企业借款人还贷资金的来源一般有经营收益、出售资产、抵押品清偿、担保人偿还以及重新融资借款等。由于这儿种来源的稳定性和可变现性以及成本费用不同，风险程度也不同。而通过正常经营所获得的收益(现金流量)是偿还债务最有保障的第一来源。因此，也有文献把能力这个概念理解为“借款人创造收益的能力’，。(3)资本(Capital).这个概念有广义和狭义之分.狭义的资本是指企业借款人的货币价值，通常用其总资产扣去总负债以后的净值来衡量，它对保证企业借款人的偿债能力有突出意义。一家企业资本雄厚，不仅意味着它具有较强的创造经营收益的潜在能力，也意味着它具有较强的抵御风险的能力。而广义的资本概念除了包括净资产这一绝对指标外，还包括反映企业借款人的资产结构、负债结构和资本结构等相对指标。(4)担保(Collateral)，包括第三方的信用担保和借款人的抵押品担保。当借款人的财务状况出现恶化、不能按约履行偿债义务时，担保抵押就成为偿还贷款的第二来源。担保是用来增强借款人的还款意愿.保证在违约时银行能够得到补偿，从而减少银行损失的一种手段.但是，担保并不能改变借款人的还款能力。(5)环境条件(Conditions)，是指可能影响企业借款人还款能力的外部经营环境，包括借款人所在地区的经济状况、所处行业的前景、同业之间的竞争状况、在所处行业中的地位以及对经济周期的敏感性等。分析这些外部因素，有助于准确评估借款者的还款能力。尽管信用分析“5C”原则在实践中得到了广泛的应用，但是在所能见到的相关文献中 企业信用风险评级模型的构建并没有从理论上回答:为什么要从上述五个方面来分析借款人的信用状况?本文以生产企业的流动资金贷款为例，试图根据马克思的信贷资金循环理论来回答这个问题。马克思揭示的信贷资金循环理论指出，信贷资金的运动特点是二重使用和二重归流，以公式表述则为:__(A.“一Gc叭Pm...}“W--4G七-+Gs上述公式描述的信贷资金运动过程是，企业从银行取得贷款后(GB-3,G,，第一重使用’，连同其他““一道用于购买生产要素”进行生产(G,}WA二卜，·“’，第二重使用’，然后销售其生产的产品，收问货币资金(w’冲G,，第一重归流)，最后企业用出售产品所获得的货币资金归还银行贷款(G趁-+G认，第三重归流)。从上可以看出，影响银行贷款安全的土要因素集中在G,-sW卜...p.二份、G:、G_，即信贷资金的第二重使用、第一tPm重归流和第二重归流二个阶段。我们先对前两个阶段即企业的资金运动过程进行分析。企业外部资金的来源较多，如向银行借款、发行债券等。为了突出分析的重点，我们这里假定银行贷款Go是企业的唯一外部资金来源。于是企业总的货币资金G,就由其白有资金即资本K和银行贷款GB两部分组成:G,=K+GB。货币资金G。依次经过储备资金、生产资金和成品资金二种形态，又巫新回到货币资金形态，井获得增殖AG，即G,=G,十△G=K+GB+AG。在贷款到期时’，借款企业不仅要偿还贷款本金GB，而且还要支付一定数量的贷款利息AGB。也就是说，在贷款到期时，借款企业要向银行支付的货币资金是GB+AGB。对等式Gc=K+G。十△G稍作处理就可以变化为Gc=K+几十△G。十(AG一△G妇。由此可以看出，(1)在保证企业资本K不减少的情况下，企业要能够偿还银行贷款本息GB+AG。的一个前提条件是资金增殖AG必须足够地大，至少应使资金增殖超过银行贷款的利息，即AGZAGB。这就说明，借款企业必须要有足够的盈利能力才能保证按约偿还银行的贷款本息。(2)如果借款企业的盈利能力不够强，资金的增殖‘可能少于银行的贷款利息△GB，即△G鹭Ico,I进行调整，以符合人们对权数的认识习惯.具体做法如下:可以按设P指标的原始权数分别为口尸NZ，二，0p·其中有些指标的权数可能为负数。选取一个正数k.使得，则对所有的指标，都有k十。:>0。这实质上相当于把数轴的原点由。点移到一k点，目的是去掉负值权。有了上述准备之后，我们就可以将原始权数按如卜公式作归一化处理;k+码O)i=p宁乙山p"k+间由于权数的实质是结构相对数，所以对原始权数作上述归一化处里，并不影响权数的作用后果.3.3.1等级数及等级标准的确定我国绝大多数商业评级机构认为，企业信用等级应设为三等九级(参见表3-1)。我们认为，企业信用等级设为三等九级是从全面涵盖评级企业的角度来考虑的。但在实践中，信用较差的企业很少委托评级机构进行信用评级，也很少有评级机构对信用较差的企业进行信用评级，因此，第5级(BB级)及其以后的信用等级的设置就缺乏实际使用意义，也就可以将这5个等级合并为一个等级。这样，从实用的角度来看，企业的信用等级就可设置为5个等级，即AAA级:信用极好，AA级:信用优良，A级:信用较好，B7级:信用一般，BB级:信用较差。表3-1:企业信用等级设置及说明等级级别说明AAA信用极好AA信用优良等A信用较好BBB信用一般BB信用欠佳等B信用较差CCC信用很差CC信用太差等C没有信用 企业信用风险评级模型的构建本文把企业信用设为三等五级，并分别用以下记号来标识它们:AA级:信用好，AB级:信用较好，BA级:信用一般，BB级;信用较差，C级:信用差。而且，即使没用信用等级的定量标准，资深的信贷人员也能凭其经验判断出企业的信用等级。这就说明，在资深的信贷人员心中有判断企业信用等级的定性标准.那么各信用等级的定性标准是什么呢?我们在研究国内各主要银行的企业信用评级实践的基础上，给出了如下信用等级的定性评语:AA级:信用好，近年来无贷款逾期欠息;经济实力雄厚;财务状况很稳定，各项财务比率指标居同行业前列;偿债能力很强，有把握按时足额偿还贷款本息;经营管理水平很高。AB级:信用较好，近年来偶有贷款逾期欠息，但逾期时间很短;经济实力较强;经营财务状况稳定，各项财务比率指标居同行业先进水平:偿债能力强，按时足额偿还贷款本息的可能性较大;经营管理水平良好。BA级:信用一般，近年来多次发生贷款逾期欠息，但逾期短，且在评级时点无逾期欠息;有一定经济实力;经营财务状况不够稳定，各项财务比率指标居同行业中等偏上水平:目前的清偿支付能力有一定困难.但采取一些措施后有望得到改善;经营管理水平不佳。BB级:信用较差，近年来经常有贷款逾期欠息，且逾期超过评级时点;经济实力较弱;经营财务状况不稳定，大部分财务比率指标居同行业中等偏下水平，出现亏损:偿债能力和还本付息能力弱;经营管理水平差。C级;信用差，近年来屡有贷款逾期欠息，而且在评级时点还存在大量的逾期贷款和应付利息;经济实力很弱;经营财务状况很不稳定.各项财务比率指标居同行业偏下或最低水平，出现连续亏损，甚至出现资不抵债:基本无偿债能力和还本付息能力;经营管理很差。仅有信用等级定性标准是不够的，它会使企业信用等级的判断结果不具有唯一性，不同的评级人员对同一企业可能给出不同的信用等级.这对出资人决策不利。我们己知，确定信用等级客观定量标准的统计方法有聚类分析方法和判别分析方法.如果有反映企业信用风险大小的综合评价值，就可以采用有序聚类分析方法;如果没有综合评价值，还可以采用动态聚类分析和判别分析相结合的方法确定信用等级定量标准。3.3.2指标综合方法的选择具有多指标综合功能的方法主要有综合打分法、模糊综合评价法以及多元统计分析方法。其中综合打分法包括列表评分法、综合指数法和功效系数法等三种方法;多元统计分析方法包括动态聚类分析和判别分析等，判别分析还可进一步细分为费歇判别分析和贝叶斯判别分析。在综合打分法中，列表评分法采用离散计分原则，比较适合用于定性因素的综合处理，而综合指数法和功效系数法采用的是连续值计分原则，适合用于对定量指标进行综合处理。对于模糊综合评价方法，一方面由于对定性因素分析包含很多主观模糊性，另一方面由于在确定定量指标等级隶属度时，隶属函数模型的选择及其参数估计的工作量很大，因此，模糊综合评价方法更适合用于定性因素综合处理。对于判别分析，我们知道，贝叶斯判别分 企业信用风险评级模型的构建析既考虑了各总体(这里为信用等级)出现的先验概率，又充分估计了误判造成的损失。不仅如此，在贝叶斯判别分析中，如果根据后验概率来制定信用等级的判别规则，那么不仅可据此具体地判断出企业的信用等级，而且还可通过后验概率定量地说明这一判断的可靠性程度。而这些特点是费歇判别分析方法所没有的。因此，本文选择功效系数法、动态聚类分析和贝叶斯判别分析等多指标综合方法构建两个客观评级模型。第一个模型的构建思路是，先用综合指数法来计算综合评价值，然后运用有序聚类分析方法来确定风险等级的客观数量标准。在构建第二个模型时。我们先用动态聚类分析方法来将样本企业划分为5类，相当于对样本企业按前述信用等级定性标准进行评级，然后根据这些分类信息，用贝叶斯判别分析方法来建立信用评级模型. 企业信用风险评级模型的构建4信用评级模型设计本章将根据以上思路，以116家上市公司的财务资料为基础，实际地构建企业信用的客观评级模型。我们的目的是想通过模型的建立来说明风险评级统计方法论的可行性。在建模过程中，我们会作出一些假定。其中，有的假定可能与现实不太相符。但是，如果在既定的假设下，确实能够建立起一个客观评级模型，那么，至少从建模方法论的角度来讲，本节的目的就达到了。这一研究的实际意义是，如果模型证实了我们提出的风险评级统计方法框架可行，那么评级机构就可以根据我们提出的思路来实际构建企业信用评级模型。4.1建模样本及指标参评值的确定由于上市公司能提供标准化的公开财务信息，而且它们的财务报表都要经过独立的注册会计师进行市计，理论上，财务信息的可信度较高，因此本文从上市公司中选择一部分企业作为建模样本。要说明的是，尽管我们以上市公司作为建模样本，但是本文的建模思路也同样适用于非上市公司。为了使信用评级体现出预测性，必须要求被评企业提供3一5年的财务报表，在本文中，我们要求样本企业必须有4年的财务报表。基于这一要求，如果以2002年为评级时点，那么只有在】998年以前(包括1998年)上市的公司才有可能成为样本企业。为了体现延续性，我们针对到1994年末在沪深两个交易所上市的291家公司进行研究。为了使客观评级模型能适用于各行业的企业，我们在选择样本企业时，还要充分注惫到企业的行业代表性。在本文中，对企业所属行业的划分，我们采用沪深两个交易所的标准，即把企业所属行业划分为工业、商业、房地产、公用事业以及综合类等五个行业类型。我们先把这291家上市公司按行业属性进行分类，然后在每个行业中对所有上市公司按资产报酬率这个指标进行排队，再采用等距抽样的方法来抽取样本。按这个思路初步抽取了140家上市公司。剔除数据不全者，剩下的116家上市公司就作为我们建立客观评级模型的样本企业。这116家样本企业占1994年末所有上市公司的40%，其行业分布情况是:工业企业34家、商业企业21家、房地产企业23家、公用事业企业16家、综合类企业22家。在样本企业确定下来之后，我们就要计算每个样本企业的财务指标数值。通过定性分析可以初步确定用19个财务比率指标来反映企业的偿债能力，它们具体是:(1)反映企业资产流动性的流动比率、速动比率和现金比率:(2)反映企业资本结构的资产负债率、负债与有形净资产比率、利息保障倍数和固定资产对长期资本比率:(3)反映营运能力的存货周转率、应收帐款周转率和资产周转率;(4)反映盈利能力的营业利润率、净利润率、成本费用利润率、权益报酬率、资产报酬率和盈利稳定性;(5)反映企业现金流量相对大小的经营性现金流量比率;(6)反映企业发展潜力的销售收入增长率和资本保值增值率。在上述19个财务指标中，除了盈利稳定性、销售收入增长率和资本保值增值率三个指标外，其它的16个指标都要逐年(1999年、2000年、和200]年)计算，这样共有16(个指标)X116 企业信用风险评级模型的构建(家企业)X3(年)+3(个指标)x116(家企业)=5916笔初始数据。在获得了16个财务指标1999-200】年三年的数据之后，就应该确定这些财务指标的参评值。按以上提供的思路，各财务指标的参评值可以是该指标三年数据的某个平均数。由于企业目前经营状况的好坏，通常将直接影响到以后的发展，因此，我们根据统计学中的“近大远小”的预测思想，采用如下统一的加权平均公式来计算这些财务指标的参评值:xy=0.2x,,,999+0.3x,,2000+0.5x,,2001式中，xij为第i个样本企业的第J个财务指标的参评值;x,,1999'x,,2000、和x,,200，分别为第i个样本企业的第J个财务指标1999年、2000年和2001年三年的数值。应该指出的是，确定指标参评值最理想的办法是，针对每一个样本企业的每一个财务指标，确定出一个加权平均公式(即确定三个权系数)来计算该指标的参评值。然而，一方面，由于每一个财务指标只有三年的时序数据，根据这么少的数据是很难准确地确定出权系数的。另一方面.要对每一个样本企业的每一个财务指标确定出一个加权平均公式，这就需确定出16(个指标)X116(家企业)X3(个权系数)=5568个权系数。其工作量之大是可以想象的。基于以上两个方面的原因，采用统一的加权平均公式来计算指标的参评值是一个不得已而为之的办法。附表1列出了116家上市公司的19个财务指标的参评值。4.1.1信用评级指标的定量精选按上章提供的思路，我们采用主成分分析方法来对定性选取的指标进行定量精选.为此，先计算定性选取的19个评级指标的相关矩阵的特征根。结果见表4-1.表4-1:原始指标相关矩阵的19个特征根序号特征根序号特征根15.2731110.533822.6531120.360631.9313130.327941.4623140.211751.3146150.146561.0652160.095871.0450170.077780.9320180.055790.7816190.0419100.6902由上表可以看出，第16至第19个特征根接近于零。这说明在定性选取的19个评级指标之间存在重复信息。根据用主成分分析方法筛选变皿的原则，至少可以从原来的19个评级指标中剔除4个指标。剔除指标的过程是，先对原始的19个指标作主成分分析，求得信息贡献最小的第19个主成分，其中，权益报酬率与该主成分之间的相关系数(绝对值)最 企业信用风险评级模型的构建大，为-0.1079(参见表4-2),因此，首先应剔除该指标。紧接着计算剩下18个指标的信息贡献最小的主成分，在该主成分中，成本费用利润率的影响最大，于是，第二个应该被剔除的指标是成本费用利润率。妨此过程。依次还可以剔除速动比率和资产负债率两个指标。至此，就只剩下15个指标了。经过计算.这15个指标的相关矩阵的最小特征根为0.1214.己不接近于零。因此，我们决定不再剔除指标。这样最终参与建模的财务指标就是，(1)反映企业资产流动性的流动比率(x,)和现金比率(x2)%(2)反映企业资本结构的负债与有形净资产比率(X3)、利息保障倍数(X4)和固定资产对长期资本比率(xs);(3)反映营运能力的存货周转率(X6)、应收帐款周转率(x?)和资产周转率(x,):(4)反映盈利能力的营业利润率(x，)、净利润率(x。。)、资产报酬率(x=)和盈利稳定性(x、2);(5)反映企业现金流量相对大小的经营性现金流量比率(X13):(6)反映企业发展潜力的销售收入增长率〔x14)和资本保值增值率(xJ，)。表4-2:评级指标与各主成分的相关系数评级指标第19个主成分第18个主成分第17个主成分第16个主成分流动比率-0.00570.07870.16170.1070速动比串-0.0215-0.1016-0.1775现金比率0.02980.06480.04070.0076资产负债率0.00970.05410.03920.2196负债与有形净资产比率0.0039-0.0267-0.0140-0.1423利息保降倍数0.00730.03200.00780.0107固定资产对长期资本比率-0.0042o.01070.03300.0490存货周转率0.01900.03240.0210-0.0030应收帐款周转率0.0004-0.0002-0.00340.0395资产周转率-0.0028-0.00600.0031-0.0408营业利润率0.01510.0129-0.02240.0083净利润串0.08910.09750.0086-0.0339成本费用利润率-0.1025刃，1241权益报酬率-0.1079资产报酬率0.0957-0.00500.00970.0155盈利稳定性0.00130.00690.01060.0162现金性现金流t比串0.00160.00410.0174-0.0003销咨收入增长串0.00090.00610.00790.0317资本增长串0.0222-0.0028-0.0145-0.0084特征根0.04191a0516a0646a0886现在我们对以上定量精选结果的合理性进行分析.先来看看为什么要剔除权益报酬率和 企业信用风险评级模型的构建成本费用利润率这两个指标。由于企业的盈利能力是决定其偿债能力的一个至关重要的因素，因此，在定性分析选取反映企业盈利能力的评价指标时.我们就有惫识地多选取了一些指标。具体来讲，我们选取的反映企业盈利能力的指标是营业利润率、净利润率、成本费用利润率、权益报酬率和资产报酬率。既然以上指标都能反映企业的盈利能力，那么，仅从经济含义上讲，它们之间就会有信息重复.这些指标的数值表现果真如此吗?统计学指出，一个指标与其它指标之间的信息重复程度可以用该指标与其它指标之间的复相关系数来反映。有鉴于此，我们先计算这5个指标的复相关系数.结果见表4-3.表4-3:5个盈利指标的复相关系数指标复相关系数营业利润率0.4212净利润率0.7701成本费用利润率0.7875权益报酬率0.8487资产报酬率0.8468表4-3显示，对于净利润率、成本费用利润率、权益报酬率和资产报酬率等四个指标的77%以上信息都可由其它指标所决定。这说明.定性分析选取的指标在评价企业盈利能力方面存在很多重复信息。因此应剔除一些盈利指标。根据剔除指标的极大不相关法，应该剔除复相关系数最大的那个指标。在本例中，应首先剔除权益报酬率这个指标.再对剩下的4个盈利指标计算复相关系数。结果依次为:营业利润率0.3983,净利润率0.7541、成本费用利润率0.7786、资产报酬率0.3233，其中。成本费用利润率的复相关系数最大，因此，按极大不相关法，该指标也应被剔除。用主成分分析方法来剔除指标时，也先后剔除了权益报酬率和成本费用利润率这两个指标。类似地，我们可以计算反映企业资产流动性的流动比率、速动比率和现金比率三个指标的复相关系数，计算结果分别为:流动比率0.7750、速动比率0.8318和现金比率0.57130根据极大不相关法.应该剔除速动比率这个指标。用主成分分析方法来剔除指标，也得到了同样的结果。从经济含义上讲，流动比率和速动比率都能反映企业资产的流动性。之所以要设置速动比率这个指标，是考虑到存货在流动资产中通常变现较慢.然而，在最终确定的评级指标体系中，存货周转率和应收帐款周转率两个指标已经反映了存货变现的快慢程度。因此，再把速动比率纳入评级指标体系中，就会产生信息重复。这就说明，剔除速动比率这个指标是合理的。关于剔除资产负债率的合理性，资产负债率是一个被广泛使用的财务指标.然而，我们却把它剔除掉了，这样做合理吗?先从信息重复的角度来看，定性选取的反映企业资本结构的指标有资产负债率、负债与有形净资产比率、利息保降倍数和固定资产对长期资本比率，这四个指标的复相关系数分别为0.6891,0.6663,0.1302,0.0163。根据极大不相关法，应该剔除资产负债率这个指标。从经济含义上讲，尽管资产负债率和负债与有形净资产 企业信用风险评级模型的构建比率两个指标都能反映银行等债权人权益的保障程度，但相比而言，以后者来衡量企业债权人权益的保障程度更为谨慎，因为有的资产如无形递延资产，并不一定能用来偿还债务。综上分析表明.使用主成分分析法对原始指标体系作定量精选，其结果是合理的。4.1.2指标的无量纲化处理前面已经指出，在建立企业信用的客观评级模型时.我们决定选用折线型公式来对指标作无量纲化处理，并指出使用折线型公式的关键是确定各指标的满意值和不允许值。1、应分行业确定指标的满意值和不允许值标准由于本文中的样本企业包含了各个行业的上市公司，因此，在对指标作无量纲化之前，首先要明确的问题是对所有的样本企业确定一个统一的指标满意值和不允许值标准呢?还是对不同行业的样本企业确定不同的指标满意值和不允许值标准呢?我们认为，应该对不同行业的样本企业确定不同的指标满意值和不允许值标准.我们知道，对于有些财务比率指标，仅凭其数值大小往往无法确定企业在该指标上的表现好坏，还应结合企业所处行业的特点才能作出判断。比如，流动比率的大小就与企业所处行业有关。一般地，经营周期越短.资金周转越快，所需维持的流动比率就越低:反之越高。因此，商业企业的合理流动比率就应该比工业企业的合理流动比率低。又如，对于存货周转率，由于商业企业和房地产企业的存货具有明显不同的特点，因此，商业企业的合理存货周转率应该大大高于房地产企业的合理存货周转率，等等。分析表明，对于有些财务比率指标来说，不同行业具有不同的合理值。现在，我们再从定量的角度讨论不同行业财务比率是否有显著数值差异。“行业的财务比率”可视为该行业内所有企业的财务比率平均水平。因此，判断不同行业的财务比率是否有差异，从多元统计分析的角度看，相当于检验若干个多维总体的均值是否相等。这里的每个总体相当于每一个行业。根据本文中的样本企业，我们计算了四个统计量的值，结果见表4-4。计算结果表明，四个统计量的概率值都远小于0.01，这表明五个行业的财务比率有显著的差异.表4-4:行业财务比率的差异检验统计址统计量”统计值概率值wilks的A0.09210.0001Pillai的迹1.62390.0001Hotelling一Lawley的迹3.89250.0001Roy的最大特征根2.28380.0001以上定性和定量分析均表明，应该分行业确定指标的满意值和不允许值标准。在本节中，我们取每个指标的上四分位数〔也称第75百分位数)作为满意值。每个指标的上四分位数是按如下办法来确定的;以每个指标为标志，先对同行业的所有样本企业进行排序。如果指19这四个统计I的具体计算公式参见张尧庭，方开秦，1983:多元统计分析引论，科学出版社，第167-169页。 企业信用风险评级模型的构建标是正向指标，则按从大到小的顺序排序:如果指标是逆向指标，则按从小到大的顺序排序.然后按下述公式就可以确定出每个指标的上四分位数y:y气I-g)xl+gxrij式中，{xj片为指标、的有序样本值，J为。.75n的整数部分，g为0.75n的小数部分，n为行业内样本企业的个数。由上述公式可以看出，指标的上四分位数给我们提供了这样一个信息，即在同行业的所有样本企业中，有25%的样本企业在该指标上的取值达到或超过了上四分位数。为什么要取上四分位数作为满意值呢?这有两个方面原因:(1)满意值标准的含义是，如果指标实际值达到或超过了满意值，那就说明企业在这个财务指标上的表现好。财务指标的满惫值标准只是财务表现“好”的标准，而不是财务表现“最好”的标准。尽管上市公司的财务状况总体上较好，但也有不少上市公司的财务表现较差。基于以上认识，我们把同行业中有25%的样本企业能够达到的水平作为指标的满意值标准。(2)根据本文的样本企业所确定的指标上四分位数与国内主要银行的信用评级标准中的满意值基本吻合。经过调查.各银行的信用评级标准是由很多专家经过反复测算而制定的，应该说，是有一定合理性的。相应地，这就说明本文取上四分位数作为满意值标准也具有一定的合理性。对指标不允许值标准的确定，分两种情况:一种是直接根据指标的经济含义来确定。另一种是取指标的第10百分位数作为不允许值。具体来讲，我们对现金比率、利息保障倍数、营业利润率、净利润率、资产报酬率、经营性现金流量比率、销售收入增长率和资本保值增值率等指标是直接根据这些指标的经济含义来确定它们的不允许值的。根据凯恩斯的货币(现金)需求理论，每个企业都应持有一定数量的现金，以支付日常业务开支(交易性需求)、应付意外事项(预防性需求)和充分利用有利可图的购买机会(投机性需求)。因此，我们把现金比率的不允许值定为0;企业的利润不仅仅用来支付债务利息，因此，要保证按约偿还银行的贷款利息，利息保障倍数起码应该大于1。此即我们把利息保障倍数的不允许值定为1的原因:盈利是企业生存的前提，也是保证按约偿还贷款本息的条件，有鉴于此，我们把反映企业盈利能力的营业利润率、净利润率、资产报酬率等指标的不允许值定为0:偿还贷款最可靠的是现金，银行最直接关心的是借款企业的现金流量。在正常经营情况下，借款企业不能没有赊销。不能不支付货款而大量赊购，也不能不购买足够的存货，同时它还要支付职工工资、销售费用、管理费用。此外，它还要支付利息，缴纳所得税。也就是说，企业必须有一定的经营性现金净流蚤。从偿债的角度来讲，如果借款企业没有经营性现金净流量，那它只能借新债还旧债，这对保证银行贷款的按约偿还是极为不利的，因为能否借到新债往往具有很大的不确定性。基于以上分析，我们把经营性现金流量比率的不允许值定为0;企业是以盈利为目标的，它必须生存下去才能获利，只有不断发展才能求得生存。因此，我们把反映企业发展潜力的销售收入增长率和资本保值增值率的不允许值定为0。以上我们确定了现金比率等S个指标的不允许值.对剩下7个指标的不允许值则分行业 企业信用风险评级模型的构建来确定。与分行业确定指标满意值的作法类似，我们取第10百分位数作为指标的不允许值.同样有两个方面的原因:一方面，不允许值标准的含义是，如果指标实际值低于不允许值，那就说明企业在这个财务指标上的表现差。也就是说。财务指标的不允许值标准只是财务表现“差”的标准，而不是财务表现“最差”的标准。前已指出，在我国的上市公司中，有不少公司的财务表现较差。因此，我们把同行业中有10%的样本企业不能达到的水平作为指标的不允许值标准。另一方面。根据本文的样本企业所确定的指标第10百分位数与国内主要银行的信用评级标准中的不允许值基本吻合。基于以上两个方面的原因，本文取第10百分位数作为不允许值标准。不同的人对财务状况“好”、“差”的看法可能不一致，因此，也可能取其它的百分位数作为指标的满意值和不允许值标准。本文分别取第75百分位数和第10百分位数作为满意值和不允许值标准，是我们在建立客观信用评级模型时所作出的一个假定。我们在前面曾提到过.本文侧重研究建模的方法，而并不(也无法)去刻意追求假定的合理性.2、分行业的指标满意值和不允许值标准根据本文的样本企业，我们给出各行业15个指标的满意值和不允许值标准，见表4-5,表今5:各行业的指标满惫值和不允许值标准工业商业房地产公用事业综合满意不允满意不允满意不允满愈不允满惫不允值许值值许值值许值值许值值许值流动比率1.50.91.40.52.01.02.10.81.40.8现金比率(i)350310260730370负债与有形净资产比率0.72,30.62.20.82.80.62.20.92.8利息保障倍数6.61.013.21.08.21.014.51.07.61.0固定资产对长期资本比率0.50.20.50.10.20.00.40.10.50.2存货周转率3.10.99.01.80.50.210.31.84.30.5应收帐款周转率5.61.325.22.47.61.55.71.37.01.3资产周转率0.60.21.00.20.30.10.30.10.70.1营业利润率(0"句9080270220120净利润率(%)180140350310250资产报酬率(’&)90100100110120盈利稳定性82226517481070136718经营性现金流t比率(%)3205104501650830销售收入增长率(%)160160270190190资本增值保值率(%)60110130140160要指出的是，在上表中，除了资本增值保值率外，其它指标的满惫值都为相应指标的上 企业信用风险评级模型的构建四分位数。而资本增值保值率的满惫值为其中位数.这是因为实证研究结果证明加，我国上市公司在需要大量资金时，往往首先考虑发行新股这种融资方式:加之上市公司的盈利水平整体较高，因而其留存盈余也相应较多，这两个因素导致上市公司的资本增值保值率较高，所以我们把同行业上市公司的平均水平作为该指标的满意值标准。这样确定的满意值标准也与国内主要银行的信用评级标准中该指标的满意值基本一致。现在我们以工业为例，将本文确定的指标满意值和不允许值标准与国内主要银行的信用评级标准作一对比分析。由于本文构建的信用评级指标体系与各银行的信用评级指标体系有所不同，因此.我们只能选择共性的评级指标来进行对比。各共性评级指标的满意值标准参见表4-6。由该表可以看出，我们确定的指标满意值标准与甲行、乙行和丙行的满意值标准很接近，而与丁行相比，总体上偏低一些。我们对此的解释是:各行的信用评级标准是根据各自的授信企业的财务状况来制定的。如果银行的授信企业的财务状况普遍较好，那么据此制定的指标满意值标准就会较高:而如果银行的授信企业的财务状况总体上较差，相应地，据此制定的指标满意值标准也就较低。甲行、乙行和丙行三家银行都是国有银行，从总体上看，它们的授信对象的财务状况较差，因此，它们的信用评级标准较低。而丁行是股份制银行，其经营机制与市场经济基本相符，其授信对象的经营财务状况普遍较好，所以该行的满意值标准较高。由于我国的绝大部分企业都是国有银行的授信对象，而本文的满意值标准又与三家国有银行的满意值标准很接近，这说明，指标满意值标准具有较强的适用性。表今‘工业行业的指标满童值标准指标本文的甲行的乙行的丙行的丁行的满意值满意值满愈值满意值满意值流动比率1.51.51.31.51.8现金比率(殉353020利息保降倍数6.6510存货周转率3.16345应收帐款周转率5.68468营业利润率(%)98812资产报酬率(%)920销售收入增长率(%)16108820资本增值保值率《%)67520经过对比发现，本文确定的指标不允许值标准与甲行和丁行的指标不允许值标准非常接近(参见表4-7).要说明的是，乙行和丙行所采用的指标综合方法是综合指数法，而综合指数法并不需要确定指标的不允许值标准。所以我们只能将本文确定的指标不允许值标准与甲行和丁行的指标不允许值标准进行对比。加参见沈根祥。朱平芳，上市公司资本结构决定因素实证分析，1999.3 企业信用风险评级棋型的构建本文确定的其他行业的指标满惫值和不允许值标准与国内主要银行的信用评级标准同样也比较接近。受篇幅所限，这里就不赘述了。表4-7工业行业的指标不允许值标准指标本文的不允许值甲行的不允许值丁行的不允许值流动比率0.91.00.9现金比率(%)00利息保障倍数1.011存货周转率0.911应收帐款周转串1.311营业利润率(%)00资产报酬率(i)00梢售收入增长率(i)000资本增值保值率(%)010由于各银行往往把信用评级办法视为其商业秘密，因此，局外人并不知道各银行的指标满意值和不允许值标准是如何确定的。以上对比分析表明，本文提供了一个确定指标满意值和不允许值标准的切实可行的办法。3、对指标进行无量纲化处理由于各行业的指标满意值和不允许值标准是不同的，因此，应该分行业来对指标进行无量纲化处理。正向指标的无量纲化公式为:x,x}逆向指标的无量纲化公式为:x,x,式中，x;为指标的参评值，x=、x，分别为指标x;的满意值和不允许值。上述无量纲化公式把指标的参评值转化成了〔0,1〕闭区间上的数值。由于统计学中的概率值也在〔0l门闭区间上取值，这就使我们产生了这样一种联想:能否把上述无量纲化公式中的评价值y:看作是某个事件发生的概率呢?如果把“事件”定义为“企业按约偿还 企业信用风险评级模型的构建银行贷款’，，那么，从不太严格的角度来讲，就可以把指标的评价值r;比作该事件发生的概率。前已指出，指标满意值的含义是。如果指标的参评值越接近于满意值，那么仅从该指标来看。企业按约偿还银行贷款的可能性越大。而此时按上述无量纲化公式计算出来的指标评价值也越接近于1。对于指标的不允许值，可作类似的理解:如果指标的参评值越接近于不允许值，那么单从该指标来讲，企业按约偿还银行贷款的可能性就越小，而此时该指标的评价值也越接近于0。以上分析表明，根据功效函数构建的上述无量纲化公式包含了“事件概率”的思想，指标的评价值从某个侧面反映了“企业按约偿还银行贷款”的可能性(概率)大小。分行业按上述公式对指标进行无量纲化处理，不仅可以消除指标量纲和数量级的影响，而且还可消除指标的行业不可比因素。对同一指标的同一数值，在不同行业会有不同的评价。比如，假定流动比率的实际值为!4，那么，对于商业企业来讲，我们认为该企业在流动比率这个指标上的表现己经比较满意了:而对于工业企业来说，该企业还没有达到满意的水平。而分行业对指标进行无量纲化处理就可消除这种行业不可比性。总之，分行业对指标进行无量纲化处理，可以把经济含义、量纲、数量级以及行业特性各异的不同信用评级指标的参评值都转化为具有同度量性质的评价值.这里，“同度量”是指各指标的评价值都能反映“企业按约偿还银行贷款”的可能性大小。这样，就可根据样本制定一个统一的不分行业的信用标准。4.2评级模型(I)、(II)4.2.1用功效系数法和有序聚类法来建立客观评级模型(I)1、用主成分分析方法来确定信用评级指标的权数按功效系数法的要求，在对指标评价值进行合成处理之前，还应设计各指标权数。根据上节的思路，本文采用主成分分析法确定各信用评级指标的权数。为了充分利用信息。我们将依据无量纲化数据的协方差矩阵计算主成分。根据坎蒂雷赋权法的思想和英国统计学家肯德尔的观点，本文以信息贡献最大的第一主成分来作为定权的荃础。各信用评级指标与第一主成分间的相关系数的计算结果参见表4-8.一查少8第一主成分及各指标的权数指标第一主成分}权数(%)卿tt*6368现金比率5656负债与有形净资产比率52346.9利息保障倍数82768.3固定资产对长期资本比率-025133.1存货周转率15545.1 企业信用风险评级模型的构建应收帐款周转率0.27425.7资产周转率0.36416.1营业利润率0.80118.2净利润率0.76578.0资产报酬率0.86108.5盈利稳定性0.13815.0现金净流量比率0.28405.7销售收入增长率0.51376.8资本增长率0.78078.1由于固定资产对长期资本比率这个指标与第一主成分间的相关系数为负数，因此，直接以第一主成分的系数作为权数就不太符合人们的认识习惯。为此，我们根据统计学中给出的公式进行调整·在第一主成分中，最大(绝对值)系数思{叫=0.8610,因此，我们取正数k=0.9，按归一化公式就可得出符合人们认识习惯的权数，结果见表4-8.从上表可以看出，采用定量方法确定的权数与人们对评级指标相对重要性的主观看法很接近。比如，我们曾提到，盈利能力是保证企业能按约偿还贷款的关键，因此，反映盈利能力的评级指标的权数相对而言应该比较大。又如，银行贷款给企业的目的.是在保证按约收回贷款本金的前提下获得利息收入，因此，银行对利息保障倍数这个指标也比较重视。我们采用主成分分析方法来确定的权数反映了上述主观看法:反映盈利能力的营业利润率、净利润率和资产报酬率等三个指标的权数都在8%以上，利息保障倍数的权数也居前列，为8.3%.2、用功效系数法对指标的评价值进行加权合成处理由于本文是采用折线型公式来对指标进行无量纲化处理的，而折线型公式能在很大程度上减少指标间的相互替代效应。加之我们在前面还用主成分分析方法来剔除了一些指标，这样就减少了评级指标间的相关性。基于以上两个方面的考虑，我们决定采用线性加权合成的方式来整合各评级指标的评价值。各样本企业的综合评价值参见本节附表20前已述及，从不太严格的角度来讲，单个指标的评价值从某个侧面度量了“企业按约偿还银行贷款”这个事件发生的概率。如果同样从不太严格的角度来理解，那么采用线性加权合成的方式得到的综合评价值也就全面地反映了“企业按约偿还银行贷欲”的可能性(概率)大小。因为每个评级指标的实际表现都对“企业按约偿还银行贷款”这个事件发生的可能性有影响。如果把不同“评级指标的表现.，比作不同的“事件”，那么概率论中的独立事件求和公式表明，“企业按约偿还银行贷款”这个事件发生的概率就等于所有评级指标的评价值(概率)之和。由于我们用主成分分析方法把评级指标间的相关性尽可能地消除掉了，因此， 企业信用风险评级棋型的构建不同“评级指标的表现”可以看成是彼此独立的事件。从理论上讲，应该利用概率工具来描述风险(不利事件发生的可能性)的大小。在大多数风险评级实践(包括企业信用评级实践)中，往往不是直接利用概率工具，而是通过间接迂回的办法即通过对导致风险发生的有关因素的分析来间接地测定风险大小的。以上分析表明，在企业信用评级中，如果采用折线型公式来对指标进行无量纲化处理，并用统计方法来消除评级指标间的相关性，那么，我们认为，从不太严格的角度来讲，这种间接迁回的方式也包含了概率的思想。3、用有序聚类方法来确定信用等级的客观判断标准在获得了反映企业信用风险大小的综合评价值之后，就可以用有序聚类方法来确定信用等级的的客观判断标准。为此，先将各样本企业的综合评价值按从大到小的顺序进行排序，然后用有序聚类方法把有序综合评价值序列划分为5段。其分段结果是:综合评价值在72.5以上的为第一段，在59.8-71.1之间的为第二段，在47.0-58.5之间的为第三段，在31.9-45.1之间的为第四段，在27.9以下的为第五段。在以上分段中，相邻段之间的综合评价值是不连续的。我们取相邻段的两个综合评价值的算术平均值作为相邻段的分界点。根据综合评价值的含义，上述分段实际上是在确定信用等级的客观判断标准。结果见表4-9.表49信用等级标准(2003年)信用等级本文确定的标准甲行确定的标准AA级妻72妻75AB级妻59360BA级346345BB级330330C级<30<30那么，本文用有序聚类方法确定的信用等级标准是否合理呢?对此，引fJ从两个方面来分析:前已述及，本文确定的指标满意值和不允许值标准与甲行比较接近，因此，我们也把本文确定的信用等级客观标准与甲行进行比较。从上表可以看出，我们确定的信用等级标准与甲行的标准非常接近。经过调查.甲行开展企业信用评级工作已有多年，信用评级办法也修改了多次。也就是说，甲行的信用等级标准有其现实合理性。由此说明，本文确定的信用等级客观标准也有其一定的合理性。另一方面，按我们确定的信用等级标准来评判本文的样本企业的信用等级(参见附表2).得到了如下的结果:获AA级的上市公司有45家，占38.8%:获AB级的有23家，占19.8%;获BA级的有21家，占18.1%:获BB级的有16家，占13.8;获C级的有11家，占9.5%。由于本文设置的中间信用等级为BA级，因此，上述评级结果表明，在本文的样本企业中，居于平均水平以上的上市公司占多数(58.6%);而在平均水平以下的占少数(23.3%)。这与我国上市公司的总体情况是基本相符的。以上分析表明，本文用有序聚类方法确定的信用等级标准是基本合理的。 企业信用风险评级模型的构建4.2.2基于动态聚类分析和贝叶斯分析的客观评级模型(I)本小节还将用动态聚类分析和贝叶斯判别分析方法再建立一个客观评级模型.目的是想通过对两个模型的评级结果的比较分析来说明不同建模方法的特点.一般地，在事先没有样本评级对象分类信息的情况下，应首先根据样本评级对象的数据特点，采用动态聚类方法将样本评级对象进行分类。再在这些分类信息的基础上，采用判别分析的方法来建立评级模型。本文在构建企业信用客观评级模型时，先用动态聚类方法把样本企业划分为5个信用等级，然后用贝叶斯判别分析方法来建立客观评级模型。1、用动态聚类方法划分样本企业的信用等级用动态聚类方法划分样本企业信用等级的基本思路是，先为每一个信用等级确定一个有“代表性”的企业，然后计算样本企业与各“代表性企业”间的距离，再按最小距离原则就可以确定出样本企业的信用等级。由此可以看出，确定各信用等级的“代表性”企业是用动态聚类方法来确定样本企业信用等级的关键，这相当于在动态聚类法中要为每一个“类”选择一个有代表性的凝聚点。由于每一个凝聚点是欲形成类的中心.因此，本文按如下办法来确定每一个信用等级的“代表性企业”:该企业的各个财务指标的评价值是每个信用等级相应财务指标评价值的平均水平。具体作法如下;前面我们用有序聚类方法确定的s个信用等级的数量标准是:AA级;综合评价值在72一100之间;AB级:在59-72之间;BA级:在46-59之间;BB级:在30-46之间;C级:在。-30之间。由此可计算出各信用等级综合评价值的平均水平是:AA级:86;AB级:65.5:BA级:52.5;BB级:38;C级;15。抽象来看，如果某企业各财务指标的评价值都为t6"，那么各财务指标评价值的加权算术平均‘此即综合评价值)也为E:。这就是说，各财务指标评价值都为86的企业代表了AA级企业的平均水平。有鉴于此，我们就把各财务指标评价值都为86的“理想化”企业作为信用等级AA级的“代表性企业”。按类似的办法可以确定出其他4个信用等级的“代表性企业”。即AB级“代表性企业”的各个财务指标的评价值都为65.5;BA级“代表性企业”的各个财务指标的评价值都为52.5;BB级“代表性企业”的各个财务指标的评价值都为38;C级“代表性企业”的各个财务指标的评价值都为15.在确定了每一个信用等级的“代表性企业”之后，就可以用动态聚类方法把样本企业划分为5个信用等级。在聚类过程中，使用的距离为欧氏距离。对不合理的初始分类是用K一均值法来修改的。具体的聚类结果参见附表2。对聚类结果还进行统计显著性检验(参见表4-10)，结果表明五个信用等级间的差异是显著的.J」4-10各信用等级间的差异枪验统计It统计量统计值概率值w们ks的A0.0408Pillai的迹1.3887 企业信用风险评级模型的构建Hotelling-Lawley的迹14.44740.0001ROy的最大特征根13.90180.0001动态聚类分析方法本身并不具有确定信用等级判断标准的功能.要用动态聚类方法来划分样本企业的信用等级，必须首先为欲设置的每一个信用等级确定一个“代表性”企业。“代表性”企业相当于每一个信用等级的“标本”。从前面的分析可以看出，我们是在事先就有风险等级的客观判断标准的情况下来确定每一个信用等级的“代表性”企业。从实践的角度来看，这种作法是不可理解的，因为既然已经有了风险等级的客观判断标准，就可以具体地判断出企业的信用等级。只要客观判断标准是合理的，也就没有必要再建立一个企业信用的客观评级模型。其实，在银行具体建模时，完全可以在事先没有风险等级的客观判断标准的情况下来确定“代表性”企业。可采用的具体方法是专家意见法，即邀请若干资深的信贷人员，让他们凭其丰富的实践经验，从样本企业中为每一个信用等级选择出一个“代表性”企业。2、用贝叶斯判别分析方法建立客观评级模型在用动态聚类方法把样本企业划分为5个信用等级(即5类)之后，就可以用贝叶斯判别分析方法建立客观评级模型了。各信用等级的线性判别函数的系数参见表4-11.AA级AB级BA级BB级C级常数一118.57-83.44-50.05-32.39一14.61流动比率24.0220.0716.1013.1310.65现金比率(%)19.2714.8113.219.187.36负债与有形净资产比率22.3518.8013.8412.533.12利息保降倍数16.8612.767.375.220.07固定资产对长期资本比率10.689.348.539.057.16存货周转率24.3320.0416.1012.128.16应收帐款周转率25.9122.0117.8414.687.01资产周转率3.712.882.122.044.53营业利润率(%)19.3714.918.384.903.49净利润率(%)16.4616.3712.2210.089.85资产报酬率(%)41.8334.8727.6318.076.84盈利稳定性13.9912.3710.227.214.81经营性现金流量比率(%)10.568.166.403.582.38销售收入增长率(%)14.1210.916.296.452.40资本增值保值率(%)19.0717.4413.3511.133.69 企业信用风险评级模型的构建的线性判别函数中，计算出5个判别值。然后按最大判别值原则来确定该企业的信用等级。比如，如果某企业的AA级判别值最大，就将该企业的信用等级判定为AA级。统计学指出，按后验概率而不是判别值来制定的判别规则能够充分体现贝叶斯判别的思想。某企业X属于第i个信用等级的后验概率P(iIX)可按如下公式来计算;P(i]X)-exp(-0.5D;(X))艺exp(-O.SD,(X))J司式中，D矛(X)为企业X到第i个信用等级的广义平方距离。在计算出5个后验概率之后，就按最大后验概率原则来确定该企业的信用等级。比如，如果某企业属于AA级的后验概率最大，就将该企业的信用等级判定为AA级。相比而言，按最大后验概率原则来确定企业信用等级的计算量较大。按上述判别模型，我们对本文中的样本企业进行了回代判别(结果见附表2)，其回代正确率高达97.4%。这说明如上构建的客观评级模型是比较成功的。要指出的是，这里所讨论的“最大判别值或最大后验概率原则”是用贝叶斯线性判别模型来判定企业信用等级所遵循的原则，而前面曾提及过“最小距离原则”，这是用动态聚类方法来确定企业信用等级所采用的原则。作出这种区分可能会产生这样一个疑问:既然用动态聚类方法就能确定出企业的信用等级，那么，还有必要用贝叶斯判别分析方法再建立一个信用等级的判别规则吗?我们认为，之所以要用贝叶斯判别分析方法来建立信用等级的判别规则，主要是因为在用动态聚类方法来确定企业的信用等级时，还没有建立起一个统一的客观定量标准。前已指出，用动态聚类分析方法来判断企业信用等级的关键是要为每一个信用等级确定一个“代表性”企业(或称标本企业)。由于事先还没有各信用等级的客观定量标准，因此“代表性”企业往往只能依靠资深专家来确定。在资深专家心中是有判断企业信用等级的定性标准的。由于不同的资深专家对企业的“代表性”可能会有不同的看法，因此，仅仅依靠动态聚类方法来确定的企业信用等级可能会因被邀请的资深专家的变化而有所不同。由此可以看出，每个信用等级的标本企业是否真正具有“代表性”事关用动态聚类方法来确定的企业信用等级的稳定性。我们首先用动态聚类分析方法来对样本企业进行信用等级分类，实际上相当于在对每个信用等级的标本企业的“代表性”进行修正，使其上升为每个信用等级的定量标准。然后再用贝叶斯判别分析方法来建立信用等级的判别规则，就可以把资深专家心中的定性标准定量化。一旦把所构建的判别规则固定下来，就可以对非样本企业作出信用等级判断。4.2.3客观评级模型(I)、(II)的评级结果比较在本小节中，我们将对前面用不同方法构建的两个客观评级模型(1)与(II)的评级结果作一比较，以此来说明不同建模方法的特点。经过对比发现，模型(II)与模型(I)的最终评级结果不完全一致.参见表4-12.从该表可以看出，虽然两个模型对15个样本企业的评级结果不一致，但误差都不超过一个 企业信用风险评级模型的构建等级范围。由于在既定时点企业的信用风险程度是一定的，因此，用不同评价方法所得出的评级结果应该基本接近，而本文构建的两个模型的最终评级结果恰好与上述主观看法是一致的。这就说明，本文运用统计方法论构建的风险评级是可行的.表4-12模型(1)与(I)的不一致评级结果棋型(I}的综合评价值与邻近模f2(1)的评模型(I)的七市公司综合评价值分界点间的差异级结果评级结果申华实业79.27.2AAAB丽珠集团78.86.8AAAB冰箱压缩78.26.2A汽AB烟台华联73.31.3AAA日广西康达72.50.5AAAB汕电力A71.1-0.9人BAA如意集团59.80.8ABBA新世界58.5-0.5BAAB浙江中汇47.01.0BABB福建福联45.1-0.9BBBA龙头股份44.9一1.1BBBA厦海发A42.5一3，5BBBA甘长风A38.3-7.7BB日A深石化A31.91.9BBC深锦兴A27.9一2。1CBB从上表可以看出，有8家上市公司的综合评价值与模型(I)中的信用等级分界点间的差距在士1.5以内。我们知道，当综合评价值在信用等级分界点的附近时，模型(I)对企业信用等级的判断往往是很武断的，也很容易出错。比如，在模型(I)中，只要某企业的综合评价值不小于72,哪怕是综合评价值只为72.01，也要把该企业的信用等级判定为AA级。这是很武断的。我们以广西康达公司为例来对此加以分析。根据模型(I)，我们计算出广西康达公司的综合评价值为72.5.按模型(I)的信用等级判断标准，该公司的信用等级为AA级。然而模型(II)却把该公司的信用等级判定为AB级。之所以出现这种不一致的情况，主要是因为该公司的综合评价值只比模型(I)的从级最低标准多0,5.那么模型(II)把广西康达公司的信用等级判定为AB级的可靠性程度有大多呢?这可通过模型(II)中的后验概率来判断。我们把前述8家公司的各信用等级的后验概率列于表4-13.上市公司AA级AB级BA级':I:级C级烟台华联0.00440.9956000 企业信用风险评级模型的构建广西康达0.42120.5789000汕电力A10000如意集团00100新世界00.99950.000500浙江中汇00010福建福联00100龙头股份00100广西康达公司不可能被判定为BA级、BB级或C级，因为该公司属于这三个信用等级的后验概率都为0。但该公司属于AA级和AB级的后验概率都远大于0.因此，从概率的角度来讲，该公司既可能被判断为AA级，也可能被判定为AB级。由于对一个具体的被评级企业，总要给它评定出一个信用等级来。因此，模型(n)按最大后验概率的原则把广西康达公司判定为AB级。但从后验概率可以明知，这个判断的把握程度只有57.89.可靠性不高。此时，可以考虑采用对基本信用等级进行细分的办法来给该公司一个信用等级。比如，可以把广西康达公司的信用等级判定为AA一级或AB+级。如上所述，尽管广西康达公司也可能被判定为AB级，但模型(I)在把该公司判定为AB级的同时，却没有说明作出这一判断的可靠性程度。换言之，模型(I)是百分之百地认为广西康达公司是一个AB级公司。我们再来看看新世界公司。该公司的综合评价值为58.5，与AB级和BA级之间的分界点59仅差一0.5.模型(I)把该公司的信用等级判定为BA级，而模型(II)则判定为AB级。从后验概率来看，该公司属于AB级的可能性很大。尽管该公司也有可能属于BA级，但这种可能性极小，仅为0.05%a综上分析表明，当企业的综合评价值与信用等级的分界点非常接近时，对企业信用等级的判定要十分谨慎。从方法论的角度来看，模型(n)比模型(I)更合理一些。表12说明，在上市公司的综合评价值与模型(I)中的信用等级分界点间的差距较大的情况下，两个模型的评级结果也不一致。比如，申华实业、丽珠集团和冰箱压缩3家公司的综合评价值与AA级的最低标准72间的差距比较大。但模型(I)把它们的信用等级都判定为AA级，模型(II)却都判定为AB级。为什么呢?我们可从建模方法得到这种不一致性的解释。模型(1)是根据综合评价值按既定信用等级客观标准判断企业信用等级。模型(II)则用动态聚类方法确定样本企业的信用等级。从本质上讲，模型(II)也是根据综合评价值的大小按一定的信用等级标准来判定企业信用等级的.这里的信用等级标准是每个信用等级的“代表性企业”。从建模过程看，模型〔n)中每个信用等级的“代表性企业”是根据模型(I)的信用等级客观标准来确定的。既然信用等级的标准是相同的，那么最终评级结果出现不一致的原因就只可能出在综合评价值的计算上。在模型(I)中，遵循操作简便的原则，我们采用线性合成方式计算综合评价值。第二章曾分析线性合成方式与各评级指标间线 企业信用风险评级模型的构建性替代问题。这一特点就使得综合评价值突出了那些评价值较大的评级指标的作用，而忽视企业经营财务状况中的薄弱环节。尽管我们在计算综合评价值之前，就已经注意到消除指标间的替代性。比如，采用前述的折线型公式来对指标进行无量纲化处理.但是，当指标的参评值处于满意值和不允许值之间时，采用线性合成方式来综合各指标的评价值，还是会产生一定程度的线性替代。现在再来研究模型(n)的综合评价值如何计算。模型(11)综合评价值是评级企业与各信用等级“代表性企业”间的欧氏距离。它实际是度量评级企业与“代表性企业”间的差异。假定评级企业为X,“代表性企业”为X0，则X与X“间的欧氏距离D(X.X0)的计算公式是:DZ(X,X0)一艺(x，一xo)s本来，评级企业x与“代表W}业”x。之间的差异可以用艺(x;-x0)来度量，但因各求和项有正有负，因而会出现相互抵消的现象，这就会使最终a0合评价值不能真实反映出X与x“之间的差异。然而，采用欧氏距离来度量评级企业X与“代表性企业”x”之间的差异就可以完全避免相互抵消的现象，因为(x‘一x0)2都是非负的。由于动态聚类方法是根据最小距离原则来确定样本企业信用等级的，因此，用动态聚类方法来确定样本企业的信用等级。就要求样本企业在各评级指标方面都要与信用等级标准相接近，任何一方面也不能偏废。这一特点说明，模型(11)中的综合评价值已在很大程度上解决了评级指标间的线性替代性。要指出的是，尽管欧氏距离可以避免相互抵消现象。但并不说明欧氏距离是动态聚类分析的理想距离。事实上，欧氏距离还受到评级指标间的相关性和评级指标量纲的影响，它也没有考虑评级指标权数的作用。其实，在动态聚类方法中，可供选择的距离还很多，如明氏距离、切氏距离、兰氏距离、马氏距离等。究竟哪种距离更适合用于建立信用模型，这还有待于在评级实践中去摸索，限于本章主题，这里不再讨论。在模型〔I)中存在指标间的线性替代现象，该模型突出评价值较大的指标的作用，因而按该模型评定出来的企业信用等级，可能没有反映出企业经营财务状况中的薄弱环节。模型(II)已在很大程度上避免了评级指标间的线性替代作用。尽管模型(11)表面上也采用了线性合成方式，但它却具有乘法合成的特点，即突出评价值较小指标的作用。这一特点对于企业信用评级是极为有利的。按模型(II)评定出来企业信用等级.能够反映出企业经营财务状况中的薄弱环节。实际的评级结果反映了如上的看法吗?对此，我们以申华实业、丽珠集团和冰箱压缩3家上市公司为例来加以分析。这3家上市公司的财务指标值参见表4-14.表4-143家公司的指标评价值标申华实业1丽珠集团}冰箱压缩流动比率1.001.00I0.52现金比率(%)1.000.51}0.6543 企业信用风险评级模型的构建负债与有形净资产比率0.831.000.41利息保障倍数1.000.880.56固定资产对长期资本比率0.000.841.00存货周转率0.050.890.61应收帐款周转率1.000.320.49资产周转率0.230.990.59营业利润率(%)0.860.681.00净利润率(%)1.000.701.00资产报酬率(%)0.700.981.00盈利稳定性0.341.001.00经营性现金流量比率(%)1.000.190.88销售收入增长率(%)1.000.711.00资本增值保值率(%)1.001.001.00对于申华实业，它有8个指标达到了满意值标准，有2个指标(负债与有形净资产比率和营业利润率)与满意值标准比较接近。但是，该公司却有2个指标(固定资产对长期资本比率和存货周转率)低于或刚好超过不允许值标准。直接根据在上章中确定的信用等级定性标准，我们认为判定该公司的信用等级为AB级是基本合理的。对于丽珠集团，尽管有11项指标的评价值超过了0.70，但是对银行来讲，该公司的即期偿债能力却存在很大的问题。它的经营性现金流量比率和应收帐款周转率与满意值标准差距较大。应收帐款周转慢，销售出去的货款就不能及时收回来，经营性现金流量比率自然较低。因此，尽管该公司的盈利能力较强，但盈利只是帐面上的，无法用来偿还银行贷款的本金或利息。所以，把该公司的信用等级判定为AB级是合理的。对于冰箱压缩，只有8项指标接近或达到了满意值水平，其它7项指标仅处于满意值与不允许值的中间水平，因此，直接根据本文确定的信用等级定性标准，就可以把该公司的信用等级判定为AB级。以上分析表明，模型(工)确实未能反映出企业经营财务状况中的薄弱环节。而按模型(II)评定企业的信用等级，是能够反映薄弱环节的。综上所述.以评级结果能否准确反映客观实际为标准，我们认为，模型(II)更先进合理。4.3客观评级模型(I)、(II)的预测能力检验在本小节中，我们将以双鹿电器、农垦商社、渝铁白、苏二山等4家ST公司为例来检验模型(I).(II)的预测能力。这4家公司不在本文的样本企业之列。根据这4家公司1999-2002年4年的财务报表，我们计算出15个参评值，见表4-15.表4-154家ST公司的财务指标参评值 企业信用风险评级模型的构建指标双鹿电器农垦商社渝钦白苏三山流动比率0.750.870.421.61现金比率(%)2.6313.797.1514.91负债与有形净资产比率5.95-8.7318.070.55利息保障倍数-1.190.32-30.64一16.44固定资产对长期资本比率1.012.623.140.39存货周转率1.096.201.2010.70应收帐款周转率1.339.222.1410.87资产周转率0.260.940.020.54营业利润率(%)一114.16-7.42一118.11一11.49挣利润率(%)一198.43-8.33-115.93-11.77资产报酬率(%)-10.62-0.11-1.38-4.95盈利稳定性6.8529.6741.1317.07经营性现金流量比率(%)-5.74-1.661.13-21.04销售收入增长率(%)-48.97一15.61-20.5136.09资本增值保值率(%)-31.54-61.94-9.59-6.43按证券交易所的行业划分标准，在这4家ST公司中。双鹿电器、渝钦白和苏三山3家公司为工业企业，而农垦商社是一个综合性企业。根据本文确定的行业满意值和不允许值标准，我们用折线型公式来对上述4家公司的财务指标参评值作无量纲化处理，参见表4-16.指标双鹿电器农垦商社渝钦白苏三山流动比率0.000.140.001.00现金比率0.080.370.210.43负债与有形挣资产比率0.000.000.001.00利息保障倍数0.000.000.000.00固定资产对长期资本比率1.001.001.000.66存货周转率0.101.000.151.00应收帐款周转率0.011.000.201.00资产周转率0.101.000.000.82营业利润率0.000.000.000.00净利润率0.000.000.000.00资产报酬率0.000.000.000.00 企业信用风险评级模型的构建0.000.000.040.00销售收入增长率0.000.000.001.00资本增值保值率0.000.000.000.00综合评价值4.8324.818.2741.97按模型(I)计算这4家公司的综合评价值，结果见上表。根据模型(I)确定双鹿电器、农垦商社和渝钦白3家公司的信用等级为c级，而苏三山的信用等级为B级。表4-17给出了我们按模型(11)中的线性判别函数和后验概率公式计算的结果口按最大判别值或最大后验概率原则，我们把双鹿电器，农垦商社和渝铁白3家公司都判定为c级信用企业，苏三山被判定为BB级信用企业.而且，从后验概率来看，作出这样的判断有很大的把握。表4-174家ST公司的判别值和后验概率信用双鹿电器农垦商社渝饮白苏三山等级判别值后验概率判别值后验概率判别值后验概率判别值后验概率AA-103.50-40.20-90.3010.60A日-70.50-18,00-59,5023.30BA-38.604.10-29.4033.20.0072BB-21.1012.40.0057-14.3038.10.9928C一5。6117.60.9943-17128.30从上可以看出，模型(11)与模型(I〕的预测结果是完全一致的。那么这一预测结果的准确性如何呢?有关ST公司的研究均表明，ST公司的财务状况很差，资产质量恶劣，负债过度，利息支出居高不下，经营出现亏损，内部管理混乱，国泰君安证券公司的研究专家对上述4家ST公司有过如下的评论21.“毫不夸张地说，如果按照正常的公司持续经营法则，除了苏三山之外，其它3家公司恐怕早已在破产企业之列了，它们的存在己经没有任何意义。”由上分析可以看出，根据我们在4.1.1节中确定的信用等级定性标准，把双鹿电器、农垦商社和渝钦白3家公司的信用等级判定为C级，苏三山判定为BB级是比较合理的。这也就说明了本文所建立的两个客观评级模型的预测能力是比较强的。参见郭恩来，万青，李小勇关于PT的研究报告，财经，1999.10 企业信用风险评级模型的构建5结论与建议银行业是一个特殊的高风险行业。so年代以来世界上一些国家发生的银行业危机告诉我们，一旦银行业风险得不到有效的控制，很容易引起连锁反应，从而引发全局性、系统性的金融危机，并殃及整个经济生活，甚至会导致经济秩序混乱与政治危机。我国至今虽未发生大规模的银行危机，但银行业的风险因素却大量存在，尤其是多年积累的大量的银行不良信贷资产，直接威协着我国银行体系的稳健运行。因此，对如何有效地控制银行业的风险进行研究，就具有十分重要的理论和现实意义。风险控制必须建立在风险识别和风险衡量的基础之上。由于风险评级兼有风险识别和风险衡量的功能，因此，它在控制银行业风险方面能够发挥重要的作用。本文就是通过对现有企业信用风险评级实践进行研究，以此根据统计方法来构建信用风险评级的模型。为控制我国银行业的风险提供操作性较强的量化手段。实际地建立企业信用风险评级模型。本文认为，在建立企业信用评级模型时，理论上司以先分别对财务因素和非财务因素进行建模，然后将这两个模型的评价结果合成起来，形成一个全面反映企业信用风险大小的综合模型。本文从z个方面提出了建立财务因素评级模型的完整思路，并以生产企业为例确定了重要非财务因素的评分标准。根据这一建模思路，作者实际地建立了两个财务因素评级模型。在建立第一个评级模型(I)时，本文先用主成分分析方法确定各指标的权数。然后用功效系数法计算各样本企业的综合评价值，最后用有序聚类方法确定出各信用等级的定量判断标准。这一模型引发出了作者对风险评级的更深层次的思考，认为如果采用恰当的统计方法来测定评级对象的风险，那么这种风险评级还包含着概率的思想。第二个评级模型(II)是用动态聚类分析和贝叶斯判别分析相结合的方法来建立的。通过对这两个模型的比较，本文认为，如果以评级结果能否准确反映客观实际为标准，那么模型(II)比模型(I)更合理一些。最后，本文还以4家ST公司为例，对这两个评级模型的预测能力进行了检验。检验结果表明，这两个评级模型的预测能力都比较强.综上所述.我们认为:在实践的基础上概括出了风险评级的共性，风险评级本质上是多指标综合评价方法在风险管理方面的具体应用。建立企业信用风险评级模型时，依据马克思的信贷资金循环理论，对信用分析“5C”原则作出理论分析。完整地界定出了企业信用评级的内容。构建了企业信用评级的财务指标体系分析框架。提出了建立财务因素评级模型应着重考虑的7个内容，实际地建立了两个财务因素评级模型。模型的成功构建不仅能证实本文运用统计方法论进行风险评级的可行性.而且还引发出了作者对风险评级的更深层次的思考，认为只要采用适当的统计方法来测定评级对象的风险，那么这种评级还包含着概率的思想。该模型的成功对银行进行授信企业的筛选将起到一定的预警作用。 企业信用风险评级模型的构建附表1116家上市公司的19个财务指标的参评值负债与有形利息保障上市公司流动比率速动比率现金比率(%)资产负债率(%)净资产比率倍数深振业A1.670.6613.5650.261.227.48深物业A0.990.327.1966.362.661.36深夭地内0.980.6516.5849.883.19深宝恒A1.650.9734.9636.180.70深长城A0.54:一;:南油物业1.830.50一:，:::一:::2085.56深中侨A0.754.8873.343.003.48深万山A1.080.9225.0558.301.761.37琼能深A2.064.3846.181.0218.29粤宏远A1.265.0529.550.694.31琼珠江A1.690.781.04渝开发A1.65a.78::.;::一;:::395兴业房产2.070.4730.3843.260.806.54新黄浦2.430.7810.9935.570.60242.85浦东金桥2.391.3825.6342.881.734.32中远发展3.131.560.426.40陆家嘴1.920.7913178..5761::，;:10.21中华企业1.630.177.1055.561.545.85珠江实业48.2239.920.7518.83商业网点一一::6.27226黔中天A0.44:;.::;:.:;1.162.21ST辽房天A1.370.908.2470.952.800.09琼金盘A0.394.0562.602.570.37深南电A0.960.8141.3544.290.877.45汕电力A4.404.2023.426.370.071639.36皖能电力4.143.94163.43I1.470.1422.72北海新力0.900.8728.8756.911.6421.02天发股份2.492.1496.0939.910.92170.36虹桥机场2.051.7591.3524.470.361476.6549 企业信用风险评级模型的构建国脉通信1.991.5866.4125.040.3627.59原水股份3.072.76151.4632.67凌桥股份1.841.8172.9231.10::;;一::岁宝热电1.481.3959.6044.941.006.46中海海盛2.472.3879.8235.72厦门机场2.452.45192.4132.09:.):2:一_::申能股份3.543.51137.7551.276_93深能源A0.690.6222.6264.574.292.16粤电力A2.392.29127.1918.120.3749.58琼南洋A!.531.2029.4448.901.127.46深金田A1.200538.3368.143.241.27世纪星源0.930.856.2556.311.527.74农产品0.850.8331.3757.4822.81厦海发内5.024.29166.9714.83:‘::0.97如意集团1.4010.9947.151.653.31倍特高新1.581.2224.3452.971.214.95广西康达1.341_0919.2138.960.837.51石狮新发1.281.1964.8926.920.55242.88风华高科1.5940.5253.061.394.51中辽国际1.261.0518.3461.212.8916.82宁波联合1.670.9337.6149.0798.11联农股份1.241.1337.2960.261.953.68交运股份0.710.6128.0041.511.04-1.29爱建股份31.4129.570.47申华实业1.460.861.242::.;一福建福联1.371.20::，::::.;:1.004.77浙江中汇1.130.8063.952.253.20大江股份0.960.30164.900953.731.342.83深锦兴A0.770.766.3047.941.060.671么弱深宝安A1.050.4959.361.651.75‘.氏10深石化A0.960.69l3.811.64ln认37深科技A1.38l.16::，::0.8810.69新都酒店0.470.4520.6034.990.561.33陕解放A1.971.7288.6624.632.2812.3849 企业信用风险评级模型的构建津国商A31.5251.881.397.54昆百大A:.;一:.:;19.6566.662.518.02新世界0.270.137.7579.314.229.95新锦江1.851.688.210.0926.38飞乐音响6.264.3412080._53080.204.68豫园商城0.930.6030.84;:.::1.1429.03北京天桥1.841768.5121.870.2914.07北京天龙190.7719.9845.750.905.79南京新百0.810.6556.367.13东百集团2.992.8567.87:;.::;.;:5.12欧亚集团0.880.589.2633.230.5615.79认75新亚股份0.8331.1549.57174.78以68烟台华联068.2454.251.5825.84氏60成商集团19.9549.951420.93{，:;0.81鄂武商A0.9118.86L2:一::::.::苏物贸A1.857.43:_::认70青百A38.4448.371.036.52仓43济南百货9.58一_:;认72::一:{一:;{.::甫城煌庙15.35住62深达声A0.7717.28众73深中华A1.093.55;).::;.:一02.4548仪46深特力A0.8322.1766.472.330.81L96飞亚达A2.92112.0830.380.56159.18深益力A421.2373.8025.580.5218.31.73深赛格1.220.9938.6848.076.75l5﹄.30海虹控股0.800.683.9950.31几‘8丽珠集团1.791.2417.5636.200.62口吸79美菱电器1.692621.0046.700.93Q，06宁天龙A320.9624.8350.111.16J内39粤美的A1.300.9223464.273.65‘内57桂柳工A1.300.458.8038.070.68﹂万家乐A1.240.9744.1254.861.564.8859甘长风A1.470.254.50陕长岭A1.200.7415.57::一)69:.::50 企业信用风险评级模型的构建)I长征A1.400.8510.0255.763.64青岛双星3.702.75105.5425.190.4315.75望春花1.570.9422.1248.411.005.92延中实业1.28;_;一57.3055.496.40真空电子0.959.2667.79:.::2.26轻工机械1.440.5618.9750.773.97嘉丰股份1.000.626.2766.972.080.71异型钢管1.9014.1833.710.5412.87中纺机;一:{:一26.5256.661.95永生股份24.8735.140.5613.12丰华圆珠1.090.924.6444.620.8321.46抓碱化工0.744.87冰箱压缩1.2323l050.85::.:::;;:4.10嘉宝实业一1.275.08水仙电器:::::;.;:龙头股份1.921.0319.0431.9201.，6492::海鸟电子2.680.7031.0828.750.4183.27三爱富360.9238.4246.390.9734.20广电股份030.764.5977.553.830.85附表1(续1)固定资产对长存货周转率应收帐款周资产周转率营业利润率净利润率成本费用利上市公司期资本比率转率(%)(%)润率(%)深振业A0.110.683.270.4727.36深物业A0.230.413.540.23-0.61_:一::-51，.81651 企业信用风险评级模型的构建深天地A0.45192.230.22-23.1514.8015.93深宝恒A0.410.703.590.2514.1936.4226.88深长城^0.100.4410.410.4326.1828.0551.14南油物业0.080.313.760.3925.5419.6237.19深中侨A0.160.413.140.2328.9822.2549.21深万山A0.330.656.660.06-18.145.730.55琼能源A0.050.255.380.13-84.1798.38粤宏远A0.340.841.420.2928.5432.05::.:;21琼珠江A0.170.14-8.25-40.051.34别:.;:渝开发A0.130.2013.3740.9027.62兴业房产0.030.2043.400.2029.7549.0651.54新黄浦0.120.4715.220.4326.7531.9938.93浦东金桥0.040.260.148.4417.4216.67中远发展0.130.4135.660.3132.4346.17陆家嘴0.020.156.270.16:;.::45.32134.73中华企业0.020.2355.1423.7531.51珠江实业0.010.2220.81:一:;:.::34.2354.55商业网点0.010.342.180.226.3511.86巧57黔中天人0.070.173.410.2010.109.5013,04ST辽房形0.291.003.780.22-22.02-37.58-21.25琼金盘A0.320.112.050.0737.8136.33-31.74深南电A0.756.128.790.417.6223.2321.80汕电力A0.3813.608.040.140.4360.1853.57皖能电力0.4423.0516.150.4847.38北海新力0.3725.024.770.11::.:::;.::61.69天发股份0.1614.1922.471.3313.2724.1318.03虹桥机场0.532.134.700.6775.9289.48205.89国脉通信0.372.88106.450.6034.1329.7651.82原水股份0.1659.5065.65150.98凌桥股份:.::1一:::.;:0.2646.8442.2095.39岁宝热电0.699.651.640.303.2031.1925.41中海海盛0.4013.581.960.3722.0527.5435.48厦门机场0.79135.478.140.2056.48257.53申能股份0.016.508.750.02-23.093::.::403.8752 企业信用风险评级模型的构建深能源A0.9910.335.660.2712.8215.5824.03呀电力A0.8119.619.840.3937.6829.3463.68琼南洋A0.566.314.540.33-0.955.20深金田A0.370.431.350.200.4312.524.39世纪星源0.590.851.260.07-42.24262.12147.96l7农产品52.090.3333.9458.58l93:一:厦海发A1.100.07-117.28一:.::-5.56如意集团0.352.252.000.472.6420.8514.23倍特高新0.is1.407.270.3214.4833.1425.18广西康达0.58B-784.930.84S.1013_9510.06石狮新发0.6511.866.700.2444.1878.7996.48风华高科0.493.323.610.7317.1818.7520.68中辽国际0.233.074.0304913.66宁波联合0.292.678.718.46一:，:;2151一:联农股份0.263.116.1114.4116.97交运股份0.6618.9018.14:‘:一一:.::一14.1710.09爱建股份0.052.0710.530.588.1728.5626.40申华实业0.160.6515.910.2210.3538.9938.73福建福联0366‘634.040.563.753.91浙江中汇0.535.3612.671.070.904.034.04大江股份0.693.1338.894.796.365.31深锦兴A0.5220.975.230.15-76.66-64.24-23.33深宝安A0.200.312.909.73深石化A0.552.973.64:‘;:一::一:_::305深科技八0.499.34122.6916.6920.3419.87新都酒店0.948。的19.030.18-6.592.39-0.31陕解放A0.0615.21106.241.053.1811.925.90津国商A0.171.310.324.0024.2618.00昆百大A0.263.4421.470.762.474.732.92新世界9.750.894.126.005.01新锦江0.812_561一::0.1618.332日80飞乐音响0.053.216.670.647.652187.934614.04巧豫园商城0.526.596.105.780l北京天桥0.337.691:一:一;，::9.689.0353 企业信用风险评级模型的构建北京天龙0.367710.240.4110.2921.1916.14南京新百0.515.2859.260.553.385.004.84东百集团0.1321.9269.10039.6893311.57欧亚集团0.4010.50179.561.226.559.397.36新亚股份0.509.0820.110.414.1514.0414.65烟台华联0.495.20246.7212.999.53成商集团0.799.52{一;_::1.764.694.825.87哪武商A0.364.21293.370.858.259.0610.86苏物贸A0.264.501.980.552.8522.9710.09青百A0.512.3912.250.58-1.1712.7812.28济南百货0.22:一;109.090.702.498.224.25甫城煌庙0.4016.430.809.349.8711.38深达声A0.41823.400.210.3025.80深中华A0.480.36-19.52一14.51_::一:深特力A0.76:.:;一:一0.37一19.21-22.94-4.97飞亚达A0.130.973.680.5328.7329.0545.76深益力A0.404.734.630.28-7.08-3.473.71姗深赛格0.687.676.948.3413.4217.27021海虹控股0.565.9310.10-28.17-28.23-16.55丽珠集团0.452.882.660.615.7412.30美菱电器0.213.983.200.818.5611.83{{.::宁夭龙人0.232.924.080.617.368.696.77粤美的A0.582.505.700.734.776.736.13桂柳工A0.461.7522.090.605.468‘的5.27么074.“.87万家乐A0.460.429.007.86仪叼汉”01O0甘长风A0.240.375.43D曰-L97东1月Q1陕长岭A0.464.955.39叶1认64众81l7川长征A0.59-0.9720.756.71a19生51青岛双星0.190.8522.50L48东03望春花0.210.56:干::169.92914.95次04衣73延中实业0.170.2411.6737.1931.34么583创真空电子0.740.616.203.519.00L215.46轻工机械0.340.560.438.236.11么14反34嘉丰股份0.520.59-6.20一1.39一1.63洲 企业信用风险评级模型的构建异型钢管0.232.942.140.5311.2517.6915.76中纺机0.320.814.410.31-1.215.793.46水生股份0.152.92410.472.8813.436.70丰华圆珠0.272.640.950.2918.4535.5834.91月d氛碱化工0.546.838.470.479.00廿j︻t冰箱压缩0.652.253.360.4510.79一:.::::了l5l察宝实业0.353.682620.4119.33l水仙电器0.174.791.780.56-2.99-2.86-5.53龙头股份0.302.618.820.72-3.222.290.12海鸟电子0.261.235.670.668.0413.549.04三爱富0.464.118.410.823.674.316.29广电股份0.252.021.520.49-4.65-1.850.57附表1(续2)上市公司权益报酬资产报酬盈利稳经营性现金流盘销售收入增资本增值保率(%)率(%}定性比率(%)长率(%)值率(%)深振业A15.659.7980.77108.42112.5043.67深物业A-16.61-3.5210.1313.67-0.56一11.99深天地A7.756.3237.9144.4524.574.96深宝值A9.6018.1552.479.56;:，::11.77深长城A12.2526.70-74.5136.61南油物业15.9310.0730.464.31一;.::18.58深中侨A17.977.78-1.25-4.9212.96深万山A0.853::.;:7.3632.3913.28琼能源A4.253.4784.40206.15-43.693.73粤宏远A13.8512.2143.6563.206.10琼珠江A-18.86-5.156.2912.85一19.30-145:一渝开发A16.829.7742.3045.875.22兴业房产16.7311.1537.80-22.3315.7510.05新黄浦22.8714.4027.7118.6732.1843.64浦东金桥8.253.87164.26578.88-14.6516.11中远发展17.0514.199.25129.8315.9416.8255 企业信用风险评级模型的构建陆家嘴17.118.0864.992.87-7.1029.73中华企业17.2510.1030.23一19.5734.2035.55珠江实业11.196.9622.55-4.78-30.9413.83商业网点13.935.8047.30一11.3233.2922.17黔中天A4.624.4251.40-22.200.686.365丁辽房天A-27.13-5.6913.2434.85-0.05-11.52琼金盘A-2.68-0.3626.67-0.15深南电A17.0311.0427.5050.76_:一::一:，;:汕电力A8.828.2949.6835592.6727.581.46皖能电力16.9315.5037.415134.7613.68北海新力巧.517.0951.4139.431;，一:6.21天发股份49.2630.6315.32545.9972.0425.97虹桥机场81.8758.309.242695.84国脉通信24.1918.3494.5234563.37193::6231.，6052原水股份11.3427.78164.7728.2032.22凌桥股份}:::11.4669.9437.8331.3120.01岁宝热电10.5369.6911.006.83中海海盛:一，::10.8060.29143.73一:.:;44.98厦门机场27.8613.8621.121376.9739.96157.28申能股份巧_838.9773.001304.3359.0210.03深能源几19.986.5952.9283.066.9221.07粤电力A19.5411.8185.79378.2930.439.24琼南洋A1.821.9222.419.504.804.37深金田A6.943.5069.777.40-21.134.64世纪星源19.378.8126.07-59.84-48.6015.86此农产品29.7411.8563.614l.3729.19100.厦海发A2.012.5824.33170.7346-35.5612.如意集团17.4110.86540.52184.10肠61倍特高新12.4631.8910.49一::.::3704广西康达::，::11.6126.1133.00-7.4034.82石狮新发25.2618.8828.5864.9448.72风华高科34.6117.2325.16142.89::::中辽国际21.538.73;:::宁波联合43.4018.33::.::一:.::106.;一59.1456 企业信用风险评级模型的构建联农股份11.257.9327.41::一:25.578.00交运股份-0.570.52爱建股份一::.::一:::8120;:154.1114.6225.38申华实业17.198.3921.0923.94福建福联4.123.89::一:9:，::-37.600.87浙江中汇13.236.3855.362.02-5.7710.63大江股份15.7310.4226.9913.3710.49055深锦兴A0.272.7925.6117.90-.1.97深宝安A2.852.8997.32-23.17-1一::5.78深石化A10.925.24123.9919.242.561.30深科技A45.0826.2016.544896.1036.1433.78新都酒店0.932.3844.6123.52-8.562.38陕解放A15.546.95271.567.91津国商A14.147.11360.260312927.965-34.552.10昆百大A9.274.8017.56-6.5818.275.58新世界24.526.6229.5519.0932.19新锦江4.914.8368.16114.50一::1.94飞乐音响13.3813.7816.9020.542.587.45像园商城15.047.3844.0929.8517.95北京夭桥12.4710.3059.7616102.6590-4.733.24北京天龙巧，6310.0339.0418.022.9214.46南京新百15.642.9626.3722.797.32东百集团12.8795.01122.18101一::31.74欧亚集团17.39:::;35.0946.0812.796145新亚股份11.977.2917938.25::.;:8.99烟台华联33.0915.6191AI4.7520.17成商集团16.359.54:::一12.3422.53鄂武商人13.888.0273.6250.578.1013.94苏物贸A22.8548.13-9.0026.28青百A::.::109.863738.949.5810.5153.60济南百货9.646.01222.4639.51-2.624.27甫城煌庙65.97-20.63-0.98::::;一:27.34深达声A24,716.01深中华A-8.744.0322.10250.0431_-3137_.6780-4.4857 企业信用风险评级模型的构建深特力A-27.26-2.0721.5923.808.6211.15飞亚达A23.1314.7335.3467.119.3034.934一口深益力A2.1813.3060.40一13.090.37.八，深赛格﹄13.4328.0172.441.9072.47﹃r门_::，乙海虹控股6.079.1933.4228.73一12.23丽珠集团12.288.8582.226.0711.0717.16美菱电器18.0010.8650.3225_025.4243.38宁天龙A10.456.9025.4412.236.955.68粤美的A17.198.0664.9034.7113.6423.62桂柳工A7.786.02145.569.027.907.47万家乐人8.534.3353.04080一12.152.09甘长风A4.805.5979.47一10.99一1.902.34陕长岭A10.286.7443.82-31.5819.86川长征A8.174.5222.257.45-11.941.85青岛双星18.0123.65-160.4520.1382.39望春花一，::9.4719.2717.59延中实业20.87::_一:::一69R52.9412.76真空电子9.486.6790.2717.8711.267.66轻工机械9.255.8444.779.833.980.84嘉丰股份一1.752.7251.8430.951.92-3.88异型钢管14.6110.1735.8413.7816.7118.56中纺机3.874.1459.40-4.1621.590.40永生股份9.616.4818.219.153.51丰华圆珠15.438.89::.::42.73-10.9216.77氛碱化工10.1040.578.104.00冰箱压缩22.62171.，4250一:;_::28.2519.1824.21嘉宝实业17.564.3420.08水仙电器-1.11一，一:1284‘.0293_一3781-22.42-5.11龙头股份2.28200.704.64-14.27海鸟电子11.88:.::134.57-62.82-3.81一:一:三爱富6.723.91106.5433.8023.153.79广电股份-3.692.1234.7334.28-23.47一1.8658 企业信用风险评级模型的构建附表z上市模型(I)}模(川公司综合评价值信用等级}动态聚类结果回代判别结果肋触林深振业A76.2CCC深物业^助BABA深天地A52.8AA从深宝恒A79.2A从A深长城A:::ASABAB南油物业BABABA深中侨A48.047SASA队深万山A53队BABA琼能源AA从从粤宏远A77,5ccc琼珠江A21.4AB朋AB渝开发A一::从从A兴业房产A从A新黄浦86.9队BA队浦东金桥54.1AAA中远发展85.0ABABAS陆家嘴70.1朋ABAB中华企业ABABAB珠江实业695.26BBB商业网点44.3BBB黔中天A41.4cccST辽房天A24.4ccc琼金盘A26.5BABABA深南电A52.5AB从A汕电力A从从触皖能电力ABABAB北海新力:::朋A从天发股份86.3从从A虹桥机场88.9A从A国脉通信88.359 企业信用风险if级模型的构建触A从原水股份:一:MAA凌桥股份ABABAB岁宝热电66AAA中海海盛89.3从从从厦门机场92AB胎服申能股份的.5BA队BA深能源A52从从从粤电力A96.8朋BB凉南洋A39ccc深金田A24.4妊8BBS8B世纪星源7AA从农产品42BBABA厦海发AABSAB^如意集团59.8从从从倍特高新::_:从ABAB广西康达8从品从石狮新发即A^从从风华高科6.AB朋^B中辽国际7从从从宁波联合52BAB^B^联农股份B邵B交运股份35.3从从A爱建股份从朋AS申华实业8797_.8245朋BABA福建福联47BAB朋浙江中汇BA队BA大江股份49.9cBB8深锦兴Accc深宝安A::.:Bcc深石化A31.9从A从深科技A92.534BSBB新都酒店75从从从陕解放人BABABA津国商A49.560 企业信用风险评级模型的构建BB昆百大A44.4ABAB新世界58.5ABAB新锦江ABAB飞乐音响62.4A从豫园商城75.0A从北京天桥82.3ABAB北京天龙63.0SA以南京新百50.2A从东百集团89.2从A欧亚集团82.370ABAB新亚股份73.^BAB烟台华联从从成商集团78.8AA部武商A83.6以BA苏物贸A57.8ABAB青百A以B^济南百货55.068肥朋雨城煌庙5lBABA深达声AcC深中华A13.821cc深特力A8l^B丽飞亚达A﹂BABA深益力A从灿深赛格79.4BSB海虹控股^BAB丽珠集团78.8从从美菱电器78.1宁天龙^ABAB粤美的A64.6ABAB桂柳工A66.3ABAB万家乐A53.7BABA甘长风ABASA陕长岭A:一:BABA川长征A34.9阳B 企业信用风险评级模型的构建触A青岛双星AB丽望春花﹄AA五.片延中实业74.8﹃助BAR‘月真空电子55.9份BA队BA轻工机械49.0SBB叱嘉丰股份32.2回A朋异型钢管::.;B郎阳中纺机朋AB朋永生股份68.4ABABA6丰华圆珠64.0AAA抓碱化工一:.:从^BAS冰箱压缩ABABAB嘉宝实业67.3ccc水仙电器22.9阳助8A龙头股份一:A从A海鸟电子A从三爱富77.71AAcc广电股份I9.3注二口表示被误判62 _t}kMMRKWM鱼fulnA兰一一一一一一一一一一参考文献{11、仁美〕保罗·A·萨缪尔森，威廉‘D.诺德豪斯，1992:经济学(上、下)，第14版。胡代光等译，北京，北京经济学院出版社，1996305307(2)、编写组，贷款风险分类原理与实务，北京，中国金融出版社.1998,124125{3}、财政部注册会计师考试委员会办公室编，财务管理，哈尔滨，东北财经大学出版，1998{引、蔡鄂生等，银行重组，中国人民银行内部资.1999,44`56(51、陈湛匀。马照富，金融风险管理，北京。立信会计出版，1994,88"8916),戴相龙，黄达，中华金融辞库，北京，中国金融出版社，1998,124-124{71、单键生，胡定核，资产负债比例管理:借鉴与发展，北京，中国金融出版社1996,(8),董大钧等，SAS一一统计分析软件应用指南，北京，电子工业出版社1993.270'276(9)、杜丹青，周禄君，多元统计分析及应用研究，成都，西南财经大学出版社1994,285`287{10}、【美〕D.B.格拉迪，A.H斯宾赛尔，，，H.布隆逊:商业银行经营管理，北京，中国金触出版社，1985中文版，136-138{111、高洪星，杨立新，现代银行的资产负债管理，北京，中国金融出版社1995,69-70{121、葛家澎，中级财务会计学，北京，中国人K大学出版社1999,69-71(13).郭国有等，中央银行监管，成都，西南财经大学出版社1997,84"88{15)、胡冰星，商业银行信贷风险管理，上海，上海三联书店1995.79`83{16)、黄运成等，中国证券评级理论与实务，北京，中国入民大学出版社1993,125"12607)、吉晓辉，黄纪宪.国有商业银行的贷款管理，上海，同济大学出版社1993,78"79(18),蒋超良等，商业银行与西方金融运作，北京，中国发展出版社1994.54-54{191.金建栋等，商业银行知识大全，北京，中国财政经济出版社1994,261-262招仍、《金融监管理论与实务》编写组，金融监管理论与实务，北京，中国金融出版社1999{21).康书生，商业银行内控制度:借鉴与创新，北京，中国发展出版社1999,64`661221,黎雨等主编，现代金融业与金融投资全书，北京.企业管理出版社1996,2982991231、李豪明，英美银行监管制度比较与借鉴，北京，中国金融出版社1998,(241、李辉华。苏慧文，金融风险识别与对策，北京，北京经济学院出版社1996,225"227(25)、李敏新等，商业银行贷款评估实务与参考数据，北京，中国计划出版社1998,128'1301261.启义文主编，商业银行信贷管理理论与实务，广州，华南理工大学出版社1996,214-215{211,〔美〕林捷瑞恩。银行稳健经营与宏观经济政策，北京，中国金融出版社1997,367"368128卜刘廷焕等，银行经营分析学，北京，中国经济出版社1999,143`143(29)、刘锡良，曾志耕.陈斌，中央银行学，北京，中国金融出版社1997,87"87(30),娄祖勤，商业银行资产负债比例管理与资产风险管理，成都，西南财经大学出版朴 企业信用风险评级模型的构建1998156"157(31)、鲁毅I编，商业银行防范化解金融风险案例研究，深圳，海天出版社1997,6768{32)、罗积玉，邢瑛。经济统计分析方法及预测、北京，清华大学出版社1987,158158{33),孟军等，公司财务报表分析技巧，深圳，海天出版社1998,(34),〔美」米什金，货T金融学，北京，中国人民大学出版社1998,200"201135),〔英〕M·肯德尔:多元分析，北京，科学出版社.1983年中文版，49"53(36)、庞皓，杨作康，统计学，西南财经大学出版社1989,26`26{37),〔英IP"A·拉亨布拜克:判别分析，北京，群众出版社.1988中文版.154"155138)、钱伯海，黄良文主编，统计学，四川人民出版社1992,15`18139),邱东，多指标综合评价方法的系统分析，北京，中国统计出版社1991,128"132140)、唐善领等，谁给企业评分，北京，中国金融出版社1992,141),滕耀雄等，信贷风险管理制度与方法，北京，企业管理出版社1997,71-71142)、王华庆，中国银行业监管制度研究，北京，中国金融出版社1996,145"146{43)、吴晶妹.中国企业与证券的资信评估，北京，中信出版社1994,2830144)、杨力，商业银行风险管理，上海财经大学出版社1998,78"78145),〔苏]伊·彼·苏斯洛夫:统计指标理论，哈尔滨，黑龙江人民出版社，1983年中文版，24`25{46}、余绪缨，企业理财学，沈阳，辽宁人民出版社1995{47}、俞乔等，商业银行管理学，上海，上海人民出版社1998,18"18{48}曾赛红等，商业银行信贷实务。武汉，华中理l:大学出版社1995,62"62{49}、张二美等，商业银行会计，成都，西南财经大学出版社1993,33"33圆、张尧庭，方开泰，多元统计分析引论，北京.科学出版社1983,12`14{5l}、张泽厚，袁卫，统计学前沿、发展、建设，北京，中国统计出版社1993,5'6圆、赵晓菊，商业银行贷款管理，上海上海财经大学出版社1996.89-90{s3}中国人民银行，金融法律法规读本，北京，中国金融出版社1996,125"126{54}周林等，商业银行贷款企业分析，北京，中国金融出版社1998,54"55阴邹建平，信用评级学，北京，中国金融出版社1994,26'35f56}KrishnaG.Palepu,VictorL.Bernard,PaulM.Healy,BusinessAnalysis&Valuation:UsingFinancialStatements,South-WesternPublishingCo.1996r二~，J.了.、.J.JJamesC.VanHorne,1998:FinancialManagementandPolicy,11'''ed.，PrenticesHailInc.r6R、.‘.胜‘J、JosephF.SinkeyJr.，1998:CommercialBankFinancialManagement:IntheFinancialServicesIndustry,5thed，PrenticeHall,Inc.
