基于社會(huì)責(zé)任的上市公司財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)研究

曹海敏，邵明昱

(上海工程技術(shù)大學(xué) 管理學(xué)院，上海 201620)

基于社會(huì)責(zé)任的上市公司財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)研究

曹海敏，邵明昱

(上海工程技術(shù)大學(xué) 管理學(xué)院，上海 201620)

企業(yè)履行社會(huì)責(zé)任是企業(yè)信用的表現(xiàn)形式。隨著市場(chǎng)經(jīng)濟(jì)的飛速發(fā)展，企業(yè)信用已成為資源配置的重要因素。將社會(huì)責(zé)任與財(cái)務(wù)信用相結(jié)合，基于利益相關(guān)者理論，從股東、債權(quán)人、消費(fèi)者、供應(yīng)商、政府、員工、社會(huì)等7個(gè)維度，選取20個(gè)指標(biāo)建立Logistic-SVM財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)模型，得出股東利益對(duì)企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)影響程度最大、對(duì)政府利益影響最小的研究結(jié)論。最后從政府、社會(huì)、企業(yè)3個(gè)層面提出風(fēng)險(xiǎn)控制策略。

社會(huì)責(zé)任；財(cái)務(wù)信用風(fēng)險(xiǎn)；Logistic-SVM模型

一、引言

隨著市場(chǎng)經(jīng)濟(jì)的飛速發(fā)展，企業(yè)信用已成為資源配置的重要因素。然而，從20世紀(jì)90年代開始，金融危機(jī)頻發(fā)，尤其是2008年美國(guó)次貸危機(jī)、2009年希臘國(guó)家債務(wù)危機(jī)、2010年發(fā)生并一直持續(xù)至今的歐洲主權(quán)債務(wù)危機(jī)以及2016年英國(guó)就退出歐盟開展全民公投，世界范圍內(nèi)的信用危機(jī)不斷發(fā)生，對(duì)全球金融體系造成了嚴(yán)重影響。目前，產(chǎn)品質(zhì)量、食品安全等一系列信用問(wèn)題嚴(yán)重阻礙了中國(guó)經(jīng)濟(jì)一體化發(fā)展進(jìn)程。據(jù)報(bào)道，我國(guó)企業(yè)每年由于信用缺失造成的損失高達(dá)5 855億元，信用缺失已經(jīng)成為制約經(jīng)濟(jì)快速增長(zhǎng)、企業(yè)健康發(fā)展的瓶頸[1]。以虛構(gòu)經(jīng)濟(jì)業(yè)務(wù)、違反合同、披露虛假財(cái)務(wù)信息[2]等為主的企業(yè)財(cái)務(wù)信用缺失進(jìn)一步導(dǎo)致了企業(yè)信用危機(jī)，嚴(yán)重影響了經(jīng)濟(jì)健康發(fā)展及企業(yè)利益相關(guān)者的利益。近年來(lái)，承擔(dān)社會(huì)責(zé)任作為企業(yè)維護(hù)公眾利益及可持續(xù)發(fā)展的必然因素得到社會(huì)各界的重視。履行社會(huì)責(zé)任不僅是企業(yè)發(fā)展進(jìn)程中的一項(xiàng)義務(wù)，也是加強(qiáng)企業(yè)財(cái)務(wù)信用的關(guān)鍵途徑[3]。企業(yè)積極主動(dòng)承擔(dān)社會(huì)責(zé)任，對(duì)于社會(huì)經(jīng)濟(jì)健康發(fā)展、社會(huì)信用體系建設(shè)都具有深遠(yuǎn)意義。那么企業(yè)履行社會(huì)責(zé)任會(huì)對(duì)企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)產(chǎn)生什么影響？如何從企業(yè)社會(huì)責(zé)任的角度加強(qiáng)企業(yè)財(cái)務(wù)信用建設(shè)、降低財(cái)務(wù)信用風(fēng)險(xiǎn)？這些都成為研究的重要內(nèi)容。本文將企業(yè)社會(huì)責(zé)任與財(cái)務(wù)信用風(fēng)險(xiǎn)相融合，從社會(huì)責(zé)任視角研究企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)。

二、文獻(xiàn)綜述

20世紀(jì)30年代，國(guó)外學(xué)者開始對(duì)財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)模型進(jìn)行研究。早期主要是對(duì)企業(yè)財(cái)務(wù)信用的定性分析，主觀評(píng)價(jià)企業(yè)信用狀況，并評(píng)定信用等級(jí)。自20世紀(jì)70年代初到80年代末，基于統(tǒng)計(jì)判別的信用風(fēng)險(xiǎn)評(píng)價(jià)方法開始興起，模型主要利用公司財(cái)務(wù)報(bào)表披露的信息和數(shù)據(jù)進(jìn)行信用風(fēng)險(xiǎn)的定量分析。1998年，新巴塞爾協(xié)議修正案規(guī)定各大銀行可以用內(nèi)部模型估算信用風(fēng)險(xiǎn)，由此推動(dòng)了信用風(fēng)險(xiǎn)度量方法的快速興起。20世紀(jì)90年代以后，基于前人的研究成果，財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)模型越發(fā)完善和更具有創(chuàng)新性，同時(shí)一些非統(tǒng)計(jì)方法被運(yùn)用到信用風(fēng)險(xiǎn)評(píng)價(jià)模型中。近年來(lái)，信用度量的單一方法研究進(jìn)入低潮期，學(xué)者們開始把研究重點(diǎn)放在信用風(fēng)險(xiǎn)度量組合模型上。

我國(guó)學(xué)者從3個(gè)角度對(duì)社會(huì)責(zé)任和財(cái)務(wù)信用風(fēng)險(xiǎn)的關(guān)系進(jìn)行了研究，如表1所示。

綜合國(guó)內(nèi)外研究結(jié)果，從社會(huì)責(zé)任視角研究企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)的文獻(xiàn)很少。隨著國(guó)內(nèi)外對(duì)企業(yè)社會(huì)責(zé)任研究的不斷深入，將社會(huì)責(zé)任融入到企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)中為解決企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)問(wèn)題提供了新思路。

表1 社會(huì)責(zé)任和財(cái)務(wù)信用風(fēng)險(xiǎn)關(guān)系主要研究成果

三、基于社會(huì)責(zé)任的企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)依據(jù)

基于利益相關(guān)者理論，分析社會(huì)責(zé)任視角下企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)的研究思路、研究方法和研究目標(biāo)，如表2所示。

利益相關(guān)者理論指出，一個(gè)企業(yè)的持續(xù)健康發(fā)展離不開股東、債權(quán)人、消費(fèi)者、供應(yīng)商、員工、政府、社會(huì)等等，企業(yè)不應(yīng)只以股東利益最大化來(lái)經(jīng)營(yíng)管理，還應(yīng)考慮債權(quán)人、員工、供應(yīng)商等其他利益相關(guān)者的利益。因此，本文的研究范圍包括股東、債權(quán)人、消費(fèi)者、供應(yīng)商、員工、政府和社會(huì)，研究方法和研究思路選擇能夠反映各利益相關(guān)者利益的社會(huì)績(jī)效指標(biāo)，利用這些指標(biāo)建立相應(yīng)風(fēng)險(xiǎn)度量模型，評(píng)價(jià)社會(huì)責(zé)任視角下的企業(yè)風(fēng)險(xiǎn)狀況。

表2 基于社會(huì)責(zé)任的企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)依據(jù)

本文基于學(xué)者曲艷梅的研究成果，將企業(yè)財(cái)務(wù)信用分為資本信用、商業(yè)信用和管理信用[11]。企業(yè)的資本信用所涉及的主要利益相關(guān)者是股東和債權(quán)人。股東是公司的所有者，其利益直接與企業(yè)的經(jīng)營(yíng)效益掛鉤。股東利益最大化是企業(yè)的目標(biāo)，企業(yè)有責(zé)任和義務(wù)謀取更多利潤(rùn)以回報(bào)股東。企業(yè)的生產(chǎn)經(jīng)營(yíng)結(jié)果及現(xiàn)金流量直接關(guān)系到企業(yè)能否及時(shí)繳納貸款利息及按時(shí)歸還本金，債權(quán)人的利益是否能得到維護(hù)。因而，企業(yè)對(duì)股東和債權(quán)人主要存在資本信用。

企業(yè)的商業(yè)信用主要被消費(fèi)者和供應(yīng)商所重視。消費(fèi)者是企業(yè)獲取收益的命脈，是企業(yè)最重視的利益相關(guān)者之一，為消費(fèi)者提供滿意的產(chǎn)品和服務(wù)是企業(yè)的基本職責(zé)，消費(fèi)者最為關(guān)心的也是產(chǎn)品和服務(wù)的質(zhì)量。對(duì)供應(yīng)商來(lái)說(shuō)企業(yè)按規(guī)定執(zhí)行合同內(nèi)容、按時(shí)繳納貨款就是守信用。企業(yè)對(duì)消費(fèi)者和供應(yīng)商主要存在商業(yè)信用。

員工、政府和社會(huì)最為關(guān)心的是企業(yè)的管理信用。一個(gè)企業(yè)管理質(zhì)量的高低直接關(guān)系到員工、政府和社會(huì)的利益。企業(yè)有責(zé)任和義務(wù)善待員工，公司章程的制定應(yīng)多考慮員工的利益，多為員工謀福利。企業(yè)有義務(wù)依照法律法規(guī)向國(guó)家繳納稅款并參與政府提倡的社會(huì)公益事業(yè)，有責(zé)任向社會(huì)提供更多的就業(yè)機(jī)會(huì)和崗位。企業(yè)對(duì)員工、政府和社會(huì)主要存在管理信用。

四、社會(huì)責(zé)任視角下企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)的實(shí)證分析

(一)Logistic-SVM組合模型

企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)的模型選擇中，Logistic回歸模型和SVM模型已被學(xué)者廣泛應(yīng)用。Logistic模型是離散選擇法模型之一，是一種多元邏輯模型，屬于多重變量分析范疇。由于Logistic模型對(duì)樣本數(shù)據(jù)的要求較少，對(duì)變量也沒(méi)有過(guò)多限制，如今被廣泛應(yīng)用。支持向量機(jī)(Support Vector Machine，簡(jiǎn)稱SVM)，是近年來(lái)發(fā)展起來(lái)的新型人工智能方法。該方法對(duì)樣本數(shù)據(jù)分布沒(méi)有特別要求，而且基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則保證了SVM模型的穩(wěn)定性。國(guó)外學(xué)者Chih-Shen Lin[12]，國(guó)內(nèi)學(xué)者肖珉[13]、康艷紅[14]將SVM模型用于信用風(fēng)險(xiǎn)評(píng)價(jià)領(lǐng)域，并與神經(jīng)網(wǎng)絡(luò)模型和Logistic模型進(jìn)行比較，SVM模型取得了更優(yōu)的結(jié)果。

組合模型的本質(zhì)是通過(guò)信息的集成和分散個(gè)別樣本特有的不確定性來(lái)提高準(zhǔn)確度。研究表明，對(duì)于多因素復(fù)雜問(wèn)題的評(píng)價(jià)，組合模型比單一模型擁有更高的準(zhǔn)確度。由于Logistic模型與SVM模型對(duì)假設(shè)條件及樣本數(shù)據(jù)要求相似，都能處理非線性、二分類問(wèn)題，且均不要求變量服從正態(tài)分布，故本文選擇Logistic-SVM組合模型。雖然Logistic模型與SVM模型處理數(shù)據(jù)的方式存在差異，但兩者具有互補(bǔ)性，前者通過(guò)回歸方程建立模型，具有較高穩(wěn)定性；后者利用核函數(shù)，在有效避免過(guò)度擬合的同時(shí)保持高準(zhǔn)確性。

本文采用SPSS 19.0統(tǒng)計(jì)軟件，首先利用因子分析對(duì)指標(biāo)進(jìn)行降維，然后建立Logistic財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)模型；再使用Matlab 7.8構(gòu)建SVM財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)模型；最后將Logistic和SVM相結(jié)合建立Logistic-SVM組合模型評(píng)價(jià)企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)。

(二)樣本選取

將在我國(guó)滬深兩市上市的公司作為樣本，剔除披露信息不完整、數(shù)據(jù)不完全的公司。同時(shí)，金融業(yè)的商業(yè)模式、報(bào)表結(jié)構(gòu)異于其他行業(yè)，因此剔除金融類企業(yè)。在2013—2015年每年各選取200家上市公司，其中50家為在2013—2015年被標(biāo)記過(guò)ST的公司、150家為未被標(biāo)記過(guò)ST的公司。最終選取2013—2015年600家上市公司作為研究樣本。數(shù)據(jù)來(lái)源主要是2013—2015年的年度財(cái)務(wù)報(bào)告和企業(yè)社會(huì)責(zé)任報(bào)告，行業(yè)分類來(lái)源于證監(jiān)會(huì)最新行業(yè)門類劃分。

由于本文選取的指標(biāo)直接反應(yīng)公司當(dāng)年的運(yùn)營(yíng)情況及社會(huì)責(zé)任情況，加上宏觀經(jīng)濟(jì)因素的影響，會(huì)導(dǎo)致選取的研究樣本數(shù)據(jù)波動(dòng)較大，異常值對(duì)實(shí)證質(zhì)量有影響。因此根據(jù)3σ原則對(duì)異常數(shù)據(jù)進(jìn)行剔除，共發(fā)現(xiàn)異常數(shù)據(jù)63個(gè)，最終樣本容量為537個(gè)。

(三)指標(biāo)選取

企業(yè)財(cái)務(wù)信用分為資本信用、商業(yè)信用和管理信用，從實(shí)證分析得出它們與企業(yè)成長(zhǎng)性為正相關(guān)關(guān)系[15]。如圖1所示，資本信用包括企業(yè)對(duì)股東、債權(quán)人社會(huì)責(zé)任的實(shí)現(xiàn)情況；商業(yè)信用包括企業(yè)對(duì)消費(fèi)者、供應(yīng)商社會(huì)責(zé)任的實(shí)現(xiàn)情況；管理信用包括企業(yè)對(duì)員工、政府、社會(huì)的社會(huì)責(zé)任實(shí)現(xiàn)情況。企業(yè)對(duì)利益相關(guān)者責(zé)任實(shí)現(xiàn)越好，財(cái)務(wù)信用越高，財(cái)務(wù)信用風(fēng)險(xiǎn)越小。

圖1 企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)體系設(shè)計(jì)

本文從企業(yè)財(cái)務(wù)報(bào)告出發(fā)，選取能反映7個(gè)利益相關(guān)者利益實(shí)現(xiàn)情況的指標(biāo)，綜合評(píng)價(jià)企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)水平。本研究主要為企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)控制路徑提供意見(jiàn)，為避免主觀性，將選取可以量化的財(cái)務(wù)指標(biāo)作為風(fēng)險(xiǎn)度量依據(jù)，便于企業(yè)結(jié)合自身財(cái)務(wù)狀況分析企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)，具體如表3。

表3 社會(huì)責(zé)任視角下企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)度量?jī)?yōu)化指標(biāo)體系

(四)因子分析

本文采用因子分析法對(duì)指標(biāo)進(jìn)行降維，以降低信息重復(fù)的干擾問(wèn)題，便于分別對(duì)企業(yè)資本信用風(fēng)險(xiǎn)、商業(yè)信用風(fēng)險(xiǎn)及管理信用風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)。使用統(tǒng)計(jì)軟件SPSS 19.0，得出股東利益因子、債權(quán)人利益因子、供應(yīng)商利益因子、消費(fèi)者利益因子、政府利益因子、員工利益因子和社會(huì)利益因子，分別用F1，…，F(xiàn)7表示：

F1=0.376X1+0.162X2+0.350X3+ 0.350X4-0.158X5-0.277X6

F2=0.014X1+0.432X2+0.021X3- 0.152X4+0.849X5+0.005X6

F3=-0.095X7+0.129X8+0.081X9+ 0.072X10+0.564X11+0.559X12

F4=0.440X7+0.319X8-0.689X9+ 0.418X10-0.034X11-0.010X12

F5=0.528X13+0.059X14+0.112X15+ 0.534X16+0.059X17-0.3X18+ 0.236X19+0.184X20

F6=-0.092X13+0.588X14-0.428X15+ 0.035X16+0.414X17-0.246X18+ 0.048X19+0.077X20

F6=-0.092X13+0.588X14-0.428X15+ 0.035X16+0.414X17-0.246X18+ 0.048X19+0.077X20

F7=-0.139X13+0.166X14+0.205X15+ 0.198X16+0.027X17+0.116X18- 0.734X19+0.507X20

(五)Logistic-SVM模型的建立與檢驗(yàn)

1.Logistic財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)模型的構(gòu)建

將因子分析得到的7類因子F1，…，F(xiàn)7作為自變量，引入二元變量y作為因變量。選取350組上市公司樣本數(shù)據(jù)，將2013—2015年被標(biāo)記ST的我國(guó)上市公司作為財(cái)務(wù)信用風(fēng)險(xiǎn)高的樣本，y取值為1；未被標(biāo)記ST的上市公司作為財(cái)務(wù)信用風(fēng)險(xiǎn)低的樣本，y取值為-1。被標(biāo)記ST的樣本有78組，未被標(biāo)記ST的樣本有41組?；谝陨蠑?shù)據(jù)，通過(guò)SPSS 19.0對(duì)7類因子進(jìn)行Logistic回歸，構(gòu)建企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)模型。得到的企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)表達(dá)式為：

其中，Pi在(0，1)中間取值，代表企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)大小。Pi越接近0，表示企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)越小，企業(yè)財(cái)務(wù)信用越好；Pi越接近1，表示企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)越大，企業(yè)財(cái)務(wù)信用越差。

2.SVM財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)模型的構(gòu)建

在Matlab7.8的環(huán)境下，基于SVM模型，以上述350組上市公司樣本數(shù)據(jù)作為訓(xùn)練集S1，剩余187組作為測(cè)試集S2。訓(xùn)練集中有272組未被標(biāo)記ST的上市公司數(shù)據(jù)，有78組被標(biāo)記ST的上市公司數(shù)據(jù)。測(cè)試集中未被標(biāo)記ST的上市公司數(shù)據(jù)和被標(biāo)記ST的數(shù)據(jù)分別是146組和41組。設(shè)定兩分類目標(biāo)值{-1,1}，-1代表財(cái)務(wù)信用風(fēng)險(xiǎn)低的企業(yè)，即未被標(biāo)記ST的上市公司；1代表風(fēng)險(xiǎn)高的企業(yè)，即被標(biāo)記ST的上市公司。使用Libsvm 3.1工具箱和faruto Ultimate Version 3.1程序包對(duì)企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)模型進(jìn)行構(gòu)建。

(1)函數(shù)的選取與參數(shù)(c，g)的確定

SVM模型建立的關(guān)鍵在于核函數(shù)的選擇。常用的核函數(shù)類型有線性(linear)函數(shù)、多項(xiàng)式(polynomial)函數(shù)、徑向量(RBF)函數(shù)和sigmoid函數(shù)。袁莉[16]、王艾婷[17]、康艷紅[14]、趙永霞[18]等學(xué)者通過(guò)實(shí)證驗(yàn)證出，以RBF函數(shù)為核函數(shù)的SVM模型較線性函數(shù)、多項(xiàng)式函數(shù)、sigmoid函數(shù)有更好的準(zhǔn)確性。因此，本文借鑒這些學(xué)者的研究成果，選取RBF函數(shù)構(gòu)建模型，同時(shí)引入(c，g)兩個(gè)參數(shù)，利用Grid Search法尋找最優(yōu)參數(shù)(c，g)，c的尋找區(qū)間設(shè)為[0,20]，g的尋找區(qū)間設(shè)為[-20,0]，步長(zhǎng)設(shè)為4.5，采用4-fold交互檢驗(yàn)?zāi)Ｊ竭M(jìn)行粗略尋找，得到如圖2的結(jié)果。

如圖2所示，對(duì)(c，g)的最優(yōu)值進(jìn)行粗略尋找后，得到c的最優(yōu)取值為445.72，g的最優(yōu)取值為0.003 9，識(shí)別準(zhǔn)確率為92.56%。接下來(lái)將c的區(qū)間設(shè)為[2,8]，g的區(qū)間設(shè)為[-8,-4]，步長(zhǎng)設(shè)為0.5，采用10-fold交互檢驗(yàn)?zāi)Ｊ竭M(jìn)行進(jìn)一步精細(xì)尋找，得到如圖3的結(jié)果。

如圖3所示，對(duì)(c，g)的最優(yōu)值進(jìn)行進(jìn)一步精細(xì)尋找后，得到c的最優(yōu)取值為36.758 3，g的最優(yōu)取值為0.020 6，識(shí)別準(zhǔn)確率為93.714 3%。此時(shí)達(dá)到最大的識(shí)別準(zhǔn)確率。因此以參數(shù)(c，g)取值為(36.758 3,0.020 6)建立SVM財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)模型。

圖3 參數(shù)(c，g)進(jìn)一步精確尋找結(jié)果的等高線圖和3D視圖

(2)模型檢驗(yàn)

利用以參數(shù)(c，g)取值為(36.758 3,0.020 6)建立的SVM財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)模型對(duì)測(cè)試集樣本進(jìn)行預(yù)測(cè)，得到Accuracy=89.304 8%(167/187)(classification)，并將結(jié)果輸出。

(3)SVM模型的權(quán)重提取

由于SVM模型是用非線性函數(shù)將樣本數(shù)據(jù)投射到高維特征空間中，并采用核函數(shù)取代高維特征空間中的內(nèi)積運(yùn)算。學(xué)習(xí)階段完成后，決策者進(jìn)行上市公司財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)的主觀判斷、對(duì)目標(biāo)重要性的偏好及推理機(jī)制等都被貯存在隱藏層中(如圖4)，因此從顯性評(píng)價(jià)變量、評(píng)價(jià)標(biāo)準(zhǔn)中不能直觀了解決策方式和過(guò)程，進(jìn)而不能對(duì)評(píng)價(jià)結(jié)果做出明確解析。但在現(xiàn)實(shí)中，人們除了需要高準(zhǔn)確性模型之外，更希望從模型的映射關(guān)系中了解SVM的決策過(guò)程，并對(duì)分類結(jié)果進(jìn)行解釋，對(duì)企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)的控制提供路徑指導(dǎo)。

圖4 SVM模型方法結(jié)構(gòu)圖

最終得出提取權(quán)重的SVM財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)表達(dá)式為：

f(xi)=-0.036 28xi1-0.057 8xi2-0.047 1xi3- 0.097 6xi4+0.084 6xi5-0.301 6xi6- 0.217 7xi7

3.Logistic-SVM組合模型構(gòu)建

基于前人研究成果，將組合模型的誤差平方和σ2最小化作為目標(biāo)函數(shù)，采用被普遍使用的最小方差法求解組合模型的權(quán)重系數(shù)。

利用最小方差法求得：

得到最終的Logistic-SVM模型公式：

F(xi)=0.227 3Pi+0.772 7f(xi)

4.模型檢驗(yàn)

將測(cè)試集S2代入Logistic-SVM模型公式進(jìn)行檢驗(yàn)，準(zhǔn)確率如表4。

表4 Logistic-SVM組合模型的財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)檢驗(yàn)結(jié)果

如表4所示，基于Logistic-SVM組合模型對(duì)測(cè)試集的預(yù)測(cè)結(jié)果中，將11個(gè)風(fēng)險(xiǎn)低的上市公司判斷為風(fēng)險(xiǎn)高的公司，135個(gè)風(fēng)險(xiǎn)低的上市公司預(yù)測(cè)正確，對(duì)風(fēng)險(xiǎn)低的上市公司的預(yù)測(cè)正確率達(dá)92.5%。在對(duì)風(fēng)險(xiǎn)高的上市公司預(yù)測(cè)時(shí)，將10個(gè)風(fēng)險(xiǎn)高的公司判斷為風(fēng)險(xiǎn)低的公司，其余31個(gè)公司判斷正確，對(duì)風(fēng)險(xiǎn)高的上市公司的預(yù)測(cè)正確率達(dá)75.6%。對(duì)測(cè)試集樣本的綜合預(yù)測(cè)正確率為88.8%?？梢钥闯觯贚ogistic-SVM組合模型的財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)模型的擬合度較好。

將Logistic模型、SVM模型、提取權(quán)重的SVM模型及Logistic-SVM組合模型的預(yù)測(cè)結(jié)果進(jìn)行比較，如表5所示。

表5 模型預(yù)測(cè)結(jié)果比較

從表5可以看出，Logistic模型、SVM模型以及Logistic-SVM組合模型的預(yù)測(cè)企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)的準(zhǔn)確率依次為88.8%、89.3%和88.8%。Logistic-SVM組合模型對(duì)兩種模型進(jìn)行了有效整合，雖然其整體預(yù)測(cè)準(zhǔn)確率不是最高的，但在保持對(duì)低財(cái)務(wù)信用風(fēng)險(xiǎn)企業(yè)的預(yù)測(cè)正確率很高的前提下，高風(fēng)險(xiǎn)企業(yè)的正確率有了一定提高，模型的綜合預(yù)測(cè)能力較好。

5.實(shí)證結(jié)論

通過(guò)上述實(shí)證分析，可以發(fā)現(xiàn)Logistic-SVM財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)模型對(duì)上市公司財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)的綜合能力最好。從最終得到的Logistic-SVM財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)表達(dá)式可以看出，企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)與股東利益因子、債權(quán)人利益因子、供應(yīng)商利益因子、消費(fèi)者利益因子、員工利益因子、社會(huì)利益因子呈負(fù)相關(guān)關(guān)系，與政府利益因子呈正相關(guān)關(guān)系。利益因子中對(duì)企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)影響程度由大到小依次為：股東利益因子、員工利益因子、社會(huì)利益因子、消費(fèi)者利益因子、債權(quán)人利益因子、供應(yīng)商利益因子和政府利益因子。股東利益因子對(duì)企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)的影響程度最大，占0.41。說(shuō)明企業(yè)實(shí)現(xiàn)股東利益的行為對(duì)降低企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)最有效，原因在于企業(yè)的運(yùn)營(yíng)資金主要來(lái)源于股東投入，股東利益實(shí)現(xiàn)程度越高，企業(yè)資金越充裕，越有利于企業(yè)經(jīng)營(yíng)發(fā)展，從而使企業(yè)股價(jià)越高，股東得到的分紅也越多，股東利益實(shí)現(xiàn)程度進(jìn)一步提高，形成良性循環(huán)。

政府利益因子與財(cái)務(wù)信用風(fēng)險(xiǎn)呈正相關(guān)關(guān)系，風(fēng)險(xiǎn)影響程度最小。政府對(duì)企業(yè)進(jìn)行監(jiān)督管理，有助于企業(yè)獲得政府相關(guān)政策扶持，有利于企業(yè)的資金周轉(zhuǎn)。企業(yè)按時(shí)納稅可以獲得良好信用，說(shuō)明企業(yè)繳納稅款、吸納失業(yè)人員等行為會(huì)促進(jìn)財(cái)務(wù)信用風(fēng)險(xiǎn)的增大，原因可能是：第一，維護(hù)政府利益的行為在短時(shí)間內(nèi)導(dǎo)致企業(yè)運(yùn)營(yíng)成本的提升，企業(yè)沒(méi)有權(quán)衡成本和收益的關(guān)系；第二，企業(yè)這些行為沒(méi)有得到政府相應(yīng)的政策扶持，不利于資金業(yè)務(wù)的周轉(zhuǎn)，特別是研究樣本中國(guó)有企業(yè)所占比重大，對(duì)政府依賴程度相對(duì)更高，政府的政策執(zhí)行力有待加強(qiáng)；第三，可能還與本文進(jìn)行實(shí)證研究的時(shí)間跨度較短有關(guān)，這將是下一步研究的方向。

五、結(jié)語(yǔ)

針對(duì)上述問(wèn)題，本文從政府、社會(huì)和企業(yè)3個(gè)層面分析企業(yè)財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)策略。首先，從政府層面，國(guó)家和政府應(yīng)建立信用法律制度體系及信用信息監(jiān)管平臺(tái)，健全財(cái)務(wù)信用管理機(jī)制。良好的信用環(huán)境需要相關(guān)法律制度作為支撐和保障。依法設(shè)置信用懲戒機(jī)制有助于消除商業(yè)欺詐等大部分不良商業(yè)行為，一定程度上保障信用經(jīng)濟(jì)發(fā)展。為此，我國(guó)也應(yīng)建設(shè)信用監(jiān)管平臺(tái)，建立財(cái)務(wù)信用獎(jiǎng)勵(lì)及懲戒機(jī)制。其次，從社會(huì)層面，加強(qiáng)社會(huì)道德建設(shè)，在社會(huì)中形成信用新風(fēng)尚。道德是信用建設(shè)的基礎(chǔ)，信用經(jīng)濟(jì)時(shí)代，信用成為資源配置的重要因素，社會(huì)道德建設(shè)主要包括公民道德建設(shè)和職業(yè)道德建設(shè)。最后，從企業(yè)層面，提高企業(yè)社會(huì)責(zé)任意識(shí)和信用意識(shí)，建立企業(yè)信用制度。企業(yè)社會(huì)責(zé)任是企業(yè)信用的具體表現(xiàn)形式，增強(qiáng)企業(yè)社會(huì)責(zé)任意識(shí)有利于提高財(cái)務(wù)信用、降低財(cái)務(wù)信用風(fēng)險(xiǎn)。強(qiáng)化社會(huì)責(zé)任意識(shí)和信用意識(shí)離不開信用制度的建設(shè)。企業(yè)信用建設(shè)作為企業(yè)戰(zhàn)略的一部分需要用規(guī)章制度加以規(guī)范。

[1] 敖華，趙嫻.我國(guó)社會(huì)信用管理行業(yè)總體特征、主要問(wèn)題及對(duì)策研究[J].浙江工商大學(xué)學(xué)報(bào)，2011(1):59-65，89.

[2] 安靈,黃銀鋒.我國(guó)上市公司年報(bào)預(yù)約披露日變更動(dòng)機(jī)研究[J].重慶理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)),2016,30(6):67-75.

[3] 曹海敏，儲(chǔ)麗琴.企業(yè)績(jī)效、財(cái)務(wù)信用和社會(huì)責(zé)任——基于某民營(yíng)企業(yè)的案例分析[J].財(cái)會(huì)通訊，2014(6):85-88，129.

[4] 葉陳毅，宋紹清.企業(yè)社會(huì)責(zé)任、信用治理及評(píng)價(jià)系統(tǒng)的構(gòu)建[J].財(cái)務(wù)與會(huì)計(jì)，2009(12):56-57.

[5] 晏艷陽(yáng)，劉鵬飛.公司社會(huì)責(zé)任績(jī)效對(duì)其信用風(fēng)險(xiǎn)的影響研究——來(lái)自A股市場(chǎng)的證據(jù)[J].湖湘論壇，2014(1):36-40，52.

[6] 王雪青，韓濤濤，陳楊楊，等.基于SD的建筑市場(chǎng)執(zhí)業(yè)資格人員信用行為決策機(jī)理研究[J].工程管理學(xué)報(bào)，2015(1)：1-6.

[7] 安強(qiáng).企業(yè)可持續(xù)發(fā)展下的財(cái)務(wù)管理創(chuàng)新[J].企業(yè)導(dǎo)報(bào)，2010(8):89-90.

[8] 趙文英，郭曉明.基于企業(yè)可持續(xù)發(fā)展的社會(huì)責(zé)任研究[J].財(cái)會(huì)通訊，2010(24):123-125.

[9] 李冰.萬(wàn)科集團(tuán)社會(huì)責(zé)任對(duì)財(cái)務(wù)風(fēng)險(xiǎn)的影響研究[D].大慶：黑龍江八一農(nóng)墾大學(xué)，2015.

[10]葛倩.民營(yíng)企業(yè)財(cái)務(wù)信用對(duì)社會(huì)責(zé)任績(jī)效的影響研究[D].上海：上海工程技術(shù)大學(xué)，2015.

[11]曲艷梅.上市公司財(cái)務(wù)信用評(píng)價(jià)指標(biāo)體系的研究[J].商業(yè)研究，2006(6):104-106.

[12]PAIPingfeng,LINChishen.AhybridARIMAandsupportvectormachinesmodelinstockpriceforecasting[J].Omega:InternationalJournalofManagementScience,2005，33(6):497-505.

[13]肖珉.我國(guó)企業(yè)集團(tuán)上市公司財(cái)務(wù)預(yù)警與信用風(fēng)險(xiǎn)評(píng)估研究[D].成都：電子科技大學(xué)，2012.

[14]康艷紅.基于Logistic-SVM的農(nóng)戶信用評(píng)價(jià)組合模型研究[D].長(zhǎng)春：吉林大學(xué)，2014.

[15]曹海敏，常越.企業(yè)財(cái)務(wù)信用評(píng)價(jià)對(duì)成長(zhǎng)性的影響效應(yīng)分析[J].經(jīng)濟(jì)問(wèn)題，2015(10):113-117.

[16]袁莉.基于支持向量機(jī)的建筑業(yè)企業(yè)信用評(píng)價(jià)研究[D].大連:大連理工大學(xué),2008：35-61.

[17]王艾婷.基于SVM的商業(yè)銀行信用風(fēng)險(xiǎn)模型研究[D].天津:天津大學(xué),2009：24-45.

[18]趙永霞.電力上市公司財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)及預(yù)警研究[D].北京:華北電力大學(xué),2014：56-73.

[19]陳思鳳.基于ASVM的創(chuàng)業(yè)板上市企業(yè)風(fēng)險(xiǎn)評(píng)估研究[D].合肥：合肥工業(yè)大學(xué),2012：45-60.

(責(zé)任編輯 魏艷君)

Research on the Evaluation of Listed Company’s Financial Credit Risk Based on Social Responsibility

CAO Hai-min, SHAO Ming-yu

(School of Management,Shanghai University of Engineering Science, Shanghai 201620, China)

The company fulfills the social responsibility, which is the manifestation of business credit. With the development of market economy, corporate credit has become an important factor in the allocation of resources. In this paper, based on stakeholder theory, combining the social responsibility and financial credit, 20 indicators were selected from seven dimensions (shareholders, creditors, customers, suppliers, government, employees, and society) to establish Logistic-SVM evaluation model of financial credit risk. Results show that the interests of the shareholders bring about the greatest impact on the financial credit risk of the enterprise and the interests of government have the minimal impact. Finally, risk control strategies are put forward from the aspects of government, society, enterprises.

social responsibility; credit risk of finance; logistic-SVM model

2016-09-13 基金項(xiàng)目：上海市政府決策咨詢研究項(xiàng)目“證券期貨交易機(jī)構(gòu)一線監(jiān)管與政府監(jiān)管聯(lián)動(dòng)防范風(fēng)險(xiǎn)研究”(2016JD02)；上海市重點(diǎn)課程建設(shè)項(xiàng)目“管理會(huì)計(jì)”(S201503001)

曹海敏(1961—)，女，河南洛寧人，教授，碩士生導(dǎo)師，中國(guó)注冊(cè)會(huì)計(jì)師，研究方向：財(cái)務(wù)管理、管理會(huì)計(jì)。

曹海敏，邵明昱.基于社會(huì)責(zé)任的上市公司財(cái)務(wù)信用風(fēng)險(xiǎn)評(píng)價(jià)研究[J].重慶理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué))，2017(3):38-46.

format：CAO Hai-min, SHAO Ming-yu.Research on the Evaluation of Listed Company’s Financial Credit Risk Based on Social Responsibility[J].Journal of Chongqing University of Technology(Social Science)，2017(3):38-46.

10.3969/j.issn.1674-8425(s).2017.03.007

F275

A

1674-8425(2017)03-0038-09