創(chuàng)業(yè)企業(yè)信用風(fēng)險度量模型與實證研究

遲建新

（重慶大學(xué)經(jīng)濟與工商管理學(xué)院，重慶市 400030）

一、引言

風(fēng)險評估是企業(yè)得以融資的重要前提，是投資方進行決策的重要依據(jù)，它不僅關(guān)系到企業(yè)自身的融資效果，同時也關(guān)系到投資方的風(fēng)險控制。然而，創(chuàng)業(yè)企業(yè)自身的特點，如創(chuàng)建初期風(fēng)險較高、自身資產(chǎn)規(guī)模較小、經(jīng)濟體制不健全、盈利能力波動較大等，都進一步加大了對其進行風(fēng)險評估的困難性，從而使其在市場上的融資變得更加困難，這也在一定程度上限制了其經(jīng)濟潛能的發(fā)揮。因此，正確認識創(chuàng)業(yè)企業(yè)的發(fā)展周期與規(guī)律，對其進行科學(xué)的風(fēng)險評估將具有重要意義。

關(guān)于信用風(fēng)險度量的研究，經(jīng)歷了從古典信用分析、多元統(tǒng)計分析到現(xiàn)代信用風(fēng)險模型的快速發(fā)展過程，然而由于信用風(fēng)險本身的固有特點，國際公認和統(tǒng)一的模型和方法至今還未出現(xiàn)，各種模型和方法其本身都存在這樣或那樣的缺陷，且大多是針對上市公司等大型企業(yè)的，并沒有考慮中小企業(yè)或創(chuàng)業(yè)企業(yè)自身的一些特點，因此有必要對這些模型和方法進行分析、比較、評價，從中選擇合適的模型來度量我國創(chuàng)業(yè)企業(yè)信用風(fēng)險。

古典信用分析法在實踐中存在許多難以克服的缺點和不足：（1）古典信用分析屬于定性分析，它過分依賴專家的主觀經(jīng)驗判斷。（2）專家制度與銀行較為嚴格冗長的經(jīng)營管理制度緊密相連，大大降低了銀行應(yīng)對市場變化的能力。（3）專家制度加劇了銀行在貸款組合方面過度集中的問題，使銀行面臨著更大的風(fēng)險。

古典信用風(fēng)險度量方法的弊病使得人們不得不去尋求更加客觀、更為有效的度量信用風(fēng)險的方法和手段，以提高銀行信用評估的準確性。單變量判定模型是介于古典信用分析和多元統(tǒng)計分析之間的一種過渡方法，具有簡單可行的優(yōu)點。其缺陷是任何單個財務(wù)指標都無法全面地反映公司財務(wù)特征及公司總體情況，甚至任何單個財務(wù)指標將在很大程度上排斥其他指標的作用。多元線性判別模型具有相當?shù)挠绊?，它克服了單變量模型的缺點，判別的準確性也有大幅提高，但其本身也存在缺陷：（1）它是一個線性模型，但判斷一個公司信用風(fēng)險的因素非常復(fù)雜，不太可能成簡單的線性關(guān)系。（2）多元正態(tài)分布的假設(shè)——在線性判別模型中，如果不是正態(tài)假設(shè)就不能利用F檢驗加以檢定，而未經(jīng)檢定的模型的適用性如何便難以判斷了，而信用評級的相關(guān)研究所使用的資料絕大多數(shù)都是財務(wù)比率，但財務(wù)比率大都違反正態(tài)假設(shè)。而信用評級的相關(guān)研究所使用的資料絕大多數(shù)都是財務(wù)比率，但財務(wù)比率大都違反正態(tài)假設(shè)。（3）采用歷史財務(wù)比率會影響對借款人信用評價的時效性。

由于線性判別模型在假設(shè)上的弊端，越來越多的研究以概率模型核心，這類模型并不假設(shè)所有的樣本可以截然劃分為單獨的兩組，也不要求多元正態(tài)分布的變量假設(shè)，其中最具代表性的是Logit模型和Probit模型。而對于現(xiàn)代風(fēng)險分析的三個典型模型，在應(yīng)用方面的問題主要表現(xiàn)為：（1）KMV公司的組合管理者模型（Portfolio Manager）與傳統(tǒng)方法相比，主要優(yōu)點在于：以股票市場數(shù)據(jù)為基礎(chǔ)，而不是依賴會計核算數(shù)據(jù)，反映了市場中投資者對公司未來發(fā)展的綜合預(yù)期，具有前瞻性、高敏感性。同時，KMV模型的優(yōu)勢還包括，應(yīng)用的數(shù)據(jù)更新快速，因為假如利用計算機設(shè)計程序的方式，可以每天以實時的市場資料重新計算違約概率；實證檢驗證明違約預(yù)測能力較強，并且估計過程應(yīng)用的模型可觀察到，不存在"黑箱"作業(yè)的嫌疑等等。然而KMV模型針對未上市公司具有一定的局限性，而且片面強調(diào)股票市場，變動敏感度太高。另外，雖然KMV理論應(yīng)用上比傳統(tǒng)信用風(fēng)險管理方法的優(yōu)點多，但仍然存在應(yīng)用上的限制，如：有時因次級市場的缺乏，無形資產(chǎn)的估計是很不容易的，或是因為標的資產(chǎn)的次級交易市場與價格透明度的欠缺，使價值的編譯程度不易衡量；違約的歷史數(shù)據(jù)庫不容易獲得或過少，增加估計上的樣本獲得的困難度等等。（2）信用尺度模型（Credit Metrics）成功地把信用風(fēng)險度量與信用等級的轉(zhuǎn)移、違約率等相關(guān)因素結(jié)合起來，使模型考慮的因素更加全面，適用范圍更加廣泛，但它片面強調(diào)信用評級，不能夠反映特定債務(wù)人當前的信用質(zhì)量變化情況。而且我國目前還沒有一個權(quán)威的、完善的信用評級體系，也缺乏有效的信用風(fēng)險轉(zhuǎn)移矩陣，同時也缺少準確的基準貼現(xiàn)率，因此現(xiàn)階段該模型在我國尚無法應(yīng)用。（3）信用風(fēng)險模型（Credit Risk+）忽略了信用級別的變動，未解釋風(fēng)險頭寸的變化與這些隨機因子的關(guān)系。

總之，以KMV模型為代表的現(xiàn)代信用風(fēng)險度量模型用來分析和度量財務(wù)不健全、規(guī)模小、信用狀況不佳的創(chuàng)業(yè)企業(yè)貸款的信用風(fēng)險的可操作性不強。而以Logit模型和Probit模型為代表的概率模型是現(xiàn)有模型當中，在度量創(chuàng)業(yè)企業(yè)信用風(fēng)險上是兼具較高準確性和可操作性的理想模型。

二、度量創(chuàng)業(yè)企業(yè)信用風(fēng)險的基本思路

1．基本思路?；趯ο嚓P(guān)文獻的分析，本文將采用Logit回歸模型對創(chuàng)業(yè)企業(yè)進行信用風(fēng)險度量。由于創(chuàng)業(yè)企業(yè)的發(fā)展是一個分階段的過程，各個時期的風(fēng)險特點和風(fēng)險程度均有所不同，所以本文從抽樣階段開始，運用逐步多元判別分析法對處于不同生命階段的創(chuàng)業(yè)企業(yè)篩選出具有區(qū)別力的分析變量，以對不同生命階段的企業(yè)的信用風(fēng)險進行度量。

然后，運用定量模型計算信用風(fēng)險。研發(fā)評分模型的前提是企業(yè)未來的行為模式與過去相似，而且這種行為模式可以用適當?shù)臄?shù)理統(tǒng)計技術(shù)提煉和總結(jié)出來，從而用過去的數(shù)據(jù)預(yù)測未來，因此先確定研究所取的樣本。由于創(chuàng)業(yè)企業(yè)發(fā)展的每一個階段所面臨的風(fēng)險和需要的資金的配合、性質(zhì)和規(guī)模都有所不同，本文借助企業(yè)生命周期理論，利用模型將研究樣本按照其所處的不同生命階段分為4類，即：種子期、導(dǎo)入期、成長期和成熟期。接著用財務(wù)和非財務(wù)變量來表示量化后的處于四個不同生命階段的創(chuàng)業(yè)企業(yè)的信用風(fēng)險有關(guān)因素。再運用Logit模型進行回歸分析，計算出信用風(fēng)險，并以此對創(chuàng)業(yè)企業(yè)進行信用風(fēng)險度量。

2．數(shù)據(jù)來源與樣本選取。構(gòu)建我國創(chuàng)業(yè)企業(yè)信用風(fēng)險分析模型，理論上講，企業(yè)樣本必須是從全國所有創(chuàng)業(yè)企業(yè)總體中選取，這樣選出的樣本和得出的模型才具有代表性和權(quán)威性。由于創(chuàng)業(yè)企業(yè)與中小企業(yè)融資方式與信用風(fēng)險水平的類似性，本文認為以中小企業(yè)為建立模型的樣本較為恰當。在選取樣本時遵循如下原則：

（1）樣本區(qū)間確定。根據(jù)數(shù)據(jù)的可獲得性，同時也能很好地反映近幾年創(chuàng)業(yè)企業(yè)違約狀況，樣本選定為2008年所有有貸款的中小企業(yè)樣本。

（2）按地區(qū)選擇?？紤]到創(chuàng)業(yè)企業(yè)信用風(fēng)險的大小可能與其所在的地區(qū)有關(guān)，本研究按國家行政區(qū)域劃分以及地區(qū)經(jīng)濟發(fā)展水平把全國劃分為三個地區(qū)，即東部發(fā)達地區(qū)、中部發(fā)展中地區(qū)及西部欠發(fā)達地區(qū)。

（3）選出的樣本必須要有可獲得的準確可靠的財務(wù)報表。

（4）違約企業(yè)與非違約企業(yè)分類。為了研究需要，本應(yīng)根據(jù)這些企業(yè)在銀行的歷史貸款償還情況進行違約企業(yè)與非違約企業(yè)的兩類分類。然而，由于此類歷史貸款償還資料不可得，可選擇其他指標進行分類，例如用一個信用指標（IScredit）來反映樣本企業(yè)以往的信用狀況。它是由企業(yè)利潤率變動率（本文采用凈資產(chǎn)收益率變動率）和企業(yè)負債率變動率大小的比較來確定。若企業(yè)的利潤率變動率大于負債率變動率，則表明企業(yè)以往信用狀況良好；若企業(yè)的利潤率變動率小于負債率變動率，則表明企業(yè)以往信用狀況較差。據(jù)此，將樣本企業(yè)分為信用“好”的企業(yè)和信用“差”的企業(yè)。

醫(yī)院藥品費用是一個復(fù)雜的研究對象，筆者運用層次分析法建立醫(yī)院藥品費用影響因素評價指標分層模型，擬建了醫(yī)院藥品費用影響因素指標體系。對醫(yī)院藥品費用的影響因素進行定性和定量研究；根據(jù)醫(yī)院藥品費用影響因素指標體系建立了控制監(jiān)督評分標準。同時，將醫(yī)院藥品費用控制監(jiān)督評分標準與實例結(jié)合，用以評價醫(yī)療機構(gòu)的藥品費用控制水平，該評價指標才更能體現(xiàn)出現(xiàn)實意義。

按照評估模型的要求和實證經(jīng)驗，樣本中信用“好”的企業(yè)和信用“差”的企業(yè)必須相等，配對形成樣本最終的總體。由于此處信用“差”的企業(yè)比信用“好”的企業(yè)多，因此，最適合的做法就是保留全部信用“好”的企業(yè)，然后從信用“差”的企業(yè)中隨機抽取相等數(shù)目與之配對，形成最終的總樣本。這樣總樣本中包括相同數(shù)量的信用“好”的企業(yè)和信用“差”的企業(yè)。根據(jù)以上原則以及企業(yè)數(shù)據(jù)的可獲得性和易得性，本文認為采用深圳證券交易所中小企業(yè)板塊的180家上市企業(yè)，作為樣本企業(yè)較為恰當。

3.樣本分類——不同生命階段創(chuàng)業(yè)企業(yè)的識別。隨著現(xiàn)代經(jīng)濟的發(fā)展，影響企業(yè)生命周期的因素越來越多，企業(yè)生命周期各階段的區(qū)別也越來越不明確。但是，通過對主要影響因素的確定，可以對企業(yè)所處的生命周期階段進行判別，本文借鑒企業(yè)生命周期階段定量判定方法，從總資產(chǎn)（Z）、無形資產(chǎn)（W）、銷售收入（S）、現(xiàn)金凈流量（X）、生產(chǎn)成本（C）、利潤（L）、R&D投入（R&D）、運營能力（Y）等幾個影響企業(yè)生命周期的因素來確定企業(yè)所處的生命周期階段。利用這種方法便可判定企業(yè)所處的生命階段，從而將樣本企業(yè)分組。種子期企業(yè)由于缺乏明確的財務(wù)狀況，所需資金較少，多以內(nèi)部融資為主。因此本文研究重點為處于導(dǎo)入期與成長期的創(chuàng)業(yè)企業(yè)的信用風(fēng)險的度量提供有操作性、低誤判率的方法和模型。

三、不同生命階段的創(chuàng)業(yè)企業(yè)信用風(fēng)險度量模型的構(gòu)建

1.創(chuàng)業(yè)企業(yè)邏輯斯蒂（Logistic）信用評分模型的構(gòu)建。根據(jù)Logit信用評分模型基本原理，在信用評分模型構(gòu)建過程中，以P表示導(dǎo)入期企業(yè)i違約（或信用“差”）的概率，1-P為不違約的概率，違約與不違約的概率之比為P/（1-P）。另定義二值因變量Iscredit表示是否是信用差的企業(yè)，具體如下：

根據(jù)一般多元線性回歸模型，并結(jié)合線性概率模型，對因變量取值為1的概率P進行建模：

此處概率P的取值范圍是0-1，而一般線性回歸模型要求因變量的取值為（-∞，+∞），同時此處的因變量概率P與解釋變量是線性關(guān)系，實際中概率與解釋變量往往是一種非線性關(guān)系，因此，可以采用Logistic變換最終得到Logit回歸模型：

變形后為：

這樣就很好地體現(xiàn)了概率P與解釋變量之間的非線性關(guān)系了。其中為解釋變量，接下來構(gòu)建指標體系，確定該模型解釋變量與被解釋變量。

2.解釋變量與被解釋變量的確定。在進行指標的選取時，結(jié)合本文選取樣本的特點，主要依據(jù)同類分析中曾使用過的有效指標來構(gòu)建進入分析模型的指標體系。經(jīng)過初步選擇確定出影響創(chuàng)業(yè)企業(yè)貸款信用風(fēng)險的指標變量分為兩大類財務(wù)指標和非財務(wù)指標。財務(wù)指標借鑒穆迪公司對全球不同國家和地區(qū)的私人公司信用風(fēng)險研究中使用的方法，分為收益性、資本結(jié)構(gòu)、流動性、公司活動、公司規(guī)模和增長性6個方面，分別揭示待評估公司的信用風(fēng)險狀況；非財務(wù)風(fēng)險指標主要涉及到公司領(lǐng)導(dǎo)者、經(jīng)營管理團隊及其產(chǎn)品占有率等狀況，間接反映其與公司信用風(fēng)險的關(guān)系。

模型指標體系共選取22個指標有待檢驗，其中財務(wù)類指標16個，非財務(wù)類指標6個，這22個指標與企業(yè)信用風(fēng)險的關(guān)系有待進一步的檢驗。依據(jù)指標體系確立Logistic信用評分模型的解釋變量與被解釋變量，建立創(chuàng)業(yè)企業(yè)Logistic信用評分模型：

其中 ：S=β0+ β1retnrati+ β2earnrati+ β3toraet+ β4adratio+ β5edratio+β6curtdrat+ β7operratio+ β8curtrati+β9actreceb+ β10invntory+ β11farratio+β12salerat+ β13salegrow+ β14profitgr+β15tassetgr+ β16cptaccum+ β17industry+β18region+ β19sex+ β20education+β21mpratio+β22mnaratio

其中，retnrati為總資產(chǎn)報酬率；earnrati為凈資產(chǎn)收益率；toraaet為總資產(chǎn)周轉(zhuǎn)率；adratio為資產(chǎn)負債率；edratio為權(quán)益負債比；curtdrat為流動負債率；operatio為營運資金與總資產(chǎn)比；curtrati為流動比率；actreceb為應(yīng)收賬款周轉(zhuǎn)率；invntory為存貨周轉(zhuǎn)率；faratio為固定資產(chǎn)/大型企業(yè)資產(chǎn)總額標準；salerat為銷售額/大型企業(yè)銷售額標準；salegrow為銷售收入增長率；profitgr為利潤增長率；tassetgr為總資產(chǎn)增長率；cptaccum為資本積累率；Industry為行業(yè)性質(zhì)；region為地區(qū)；sex為性別；education為受教育程度；mpratio為主要產(chǎn)品市場占有率；manaratio為企業(yè)行政管理人員占全部從業(yè)人員的比重。

四、實證研究

根據(jù)模型需要以及企業(yè)數(shù)據(jù)的可獲得性和易得性，最后采用深圳證券交易所中小企業(yè)板塊的80家上市企業(yè)，其中信用“好”企業(yè)與信用“差”企業(yè)各40家作為樣本企業(yè)，建立Logit信用評分模型。

1.指標體系的篩選。根據(jù)前期研究成果，構(gòu)建種子期企業(yè)指標體系主要考慮數(shù)據(jù)的可得性。因此以行業(yè)性質(zhì)、企業(yè)所處地區(qū)、產(chǎn)品市場狀況、企業(yè)主情況等非財務(wù)指標為指標體系的主要組成部分。本文研究的重點對象為導(dǎo)入期和成長期創(chuàng)業(yè)企業(yè)。這里以成長期為例說明指標體系篩選具體方法和過程。

首先進行第一輪變量篩選。對初步選定指標體系中的22個指標變量分別進行單變量Logistic回歸（由于主要產(chǎn)品市場占有率和企業(yè)行政管理人員占全部從業(yè)人員的比重兩個指標暫不完整，實證中采用前20個指標作為解釋變量），剔除對被解釋變量無顯著影響的解釋變量。顯著水平定為0.05。利用Eviews軟件，運行結(jié)果顯示2008年深交所75家處于成長期的樣本企業(yè)的總資產(chǎn)報酬率與其違約概率在0.05的顯著水平上呈反向變動關(guān)系，即總資產(chǎn)報酬率越高其違約的可能性越小。該單變量Logistic回歸結(jié)果顯示解釋變量retnrati（總資產(chǎn)報酬率）對被解釋變量Iscredit的解釋力較強，且與理論預(yù)期吻合，經(jīng)過第一輪篩選該變量進入模型。依次類推，對余下19個解釋變量分別進行單變量回歸分析，發(fā)現(xiàn)除了解釋變量總資產(chǎn)報酬率（retnrati），凈資產(chǎn)收益率（earnrati），營運資金與總資產(chǎn)比（operatio），銷售收入增長率（salegrow），利潤增長率（profitgr）和總資產(chǎn)增長率（tassetgr）之外的其他變量的P值均大于0.05，即在0.05的顯著水平上接受原假設(shè)，在回歸分析時對被解釋變量的解釋能力較差，應(yīng)從模型中刪除。因此經(jīng)過第一輪單變量的Logistic回歸篩選得出進入模型的解釋變量為六個，分別為總資產(chǎn)報酬率（retnrati），凈資產(chǎn)收益率（earnrati），營運資金與總資產(chǎn)比（operatio），銷售收入增長率（salegrow），利潤增長率（profitgr）和總資產(chǎn)增長率（tassetgr）。

將得到的六個解釋變量全部引入Logistic回歸模型，采用后向Wald逐步選擇法確定最終的模型，并進行偏回歸系數(shù)估計。回歸結(jié)果發(fā)現(xiàn)，變量銷售收入增長率（salegrow）的P值為0.9391，對被解釋變量的解釋能力很差，應(yīng)從模型中刪除。因此，初步確定經(jīng)過第二輪篩選進入回歸模型的解釋變量為：總資產(chǎn)報酬率（retnrati），凈資產(chǎn)收益率（earnrati），營運資金與總資產(chǎn)比（operatio），利潤增長率（profitgr）和總資產(chǎn)增長率（tassetgr）。

2.成長期創(chuàng)業(yè)企業(yè)邏輯斯蒂信用評分模型的確立。對經(jīng)過第二輪篩選所確定的解釋變量進行回歸，結(jié)果顯示所有指標變量的t檢驗都顯著，P值小于0.05，反應(yīng)整個模型擬合程度的指標如R2為0.841051，說明整個Logistic回歸模型擬合較好。因此確定最初指標體系中與因變量之間存在明顯相關(guān)性的指標，進入最終的創(chuàng)業(yè)企業(yè)信用風(fēng)險評價模型。

根據(jù)深交所75個上市中小企業(yè)樣本，最終得到成長期創(chuàng)業(yè)企業(yè)Logistic信用評分模型為：

其中：S=-10.49317-363.0145retnrati-25.05086earnrati-5.221855operratio-33.83025profitgr-18.34455tassetgr

模型的確定顯示最終進入Logistic評分模型的解釋變量均為企業(yè)財務(wù)指標，說明實證分析證明企業(yè)財務(wù)指標的變動相對于非財務(wù)指標對企業(yè)的違約有較強的解釋力。

3.模型的檢驗。對于本模型主要進行系數(shù)檢驗。首先進行系數(shù)的顯著性檢驗。在使用Eviews軟件進行逐步選擇變量過程中，每步剔除變量以后都將觀察R2統(tǒng)計量，以了解每次剔除一個不顯著的變量以后，模型的整體顯著水平。對于以Logistic模型為代表的非線性回歸模型的檢驗，通常采用Wald檢驗法，在Eviews窗口選擇View/Coefficient Tests/Wald-Coefficient Restrictions，在編輯對話框中輸入約束條件，多個系數(shù)約束條件用逗號隔開。由于本模型對于各解釋變量的系數(shù)，即為各解釋變量對被解釋變量的敏感程度或相關(guān)系數(shù)，無特別的聯(lián)系與經(jīng)濟涵義，因此不需要任何約束條件，又由于本模型在選擇變量時進行了嚴格的篩選，所以省略Wald檢驗。

接著進行遺漏變量檢驗。這一檢驗?zāi)芙o現(xiàn)有方程添加變量，而且詢問添加的變量對解釋因變量變動是否有顯著作用。原假設(shè)是添加變量不顯著。選擇View/Coefficient Tests/Omitted Variables-Likehood Ration，在打開的對話框中，列出檢驗統(tǒng)計量名，用空格相互隔開。檢驗結(jié)果顯示，在0.10的置信度下，Omiitted檢驗結(jié)果表明不能拒絕原假設(shè)，即引入模型意外的解釋變量不合適，從而印證了模型篩選出的變量的解釋力。

4.創(chuàng)業(yè)企業(yè)信用風(fēng)險度量。假設(shè)處于成長期創(chuàng)業(yè)企業(yè)A財務(wù)數(shù)據(jù)為：

（1）總資產(chǎn)報酬率（retnrati）=0.021098644；（2）凈資產(chǎn)收益率（earnrati）=0.03854017；（3） 營運資金與總資產(chǎn)比（operatio）=0.1455341；（4）利潤增長率（profitgr）=-0.2181；（5）總資產(chǎn)增長率（tassetgr）=-0.0224。將成長期創(chuàng)業(yè)企業(yè)A財務(wù)數(shù)據(jù)代入（1）式，求得其違約概率為2.19439E-12，依此判定企業(yè)A為信用“好”的企業(yè)。

需要強調(diào)的是，變量篩選是在樣本企業(yè)按照前述方法分組后分別進行的，因此，導(dǎo)入期、成長期與成熟期企業(yè)信用風(fēng)險度量模型中所包括的變量存在差異。獲得企業(yè)數(shù)據(jù)后，首先根據(jù)企業(yè)生命階段判別模型判別企業(yè)所處的生命階段，再將企業(yè)數(shù)據(jù)代入相應(yīng)生命階段Logistic評分模型。

五、結(jié)束語

本文采用Logit模型對我國創(chuàng)業(yè)企業(yè)信用風(fēng)險進行了實證研究，結(jié)果表明這一方法在創(chuàng)業(yè)企業(yè)信用風(fēng)險分析方面具有較好的可行性，為我國創(chuàng)業(yè)企業(yè)信用風(fēng)險分析提供了一些可供借鑒的思路和方法。