基于 Logistic模型的中国制造业上市公司信用风险评估

刘伊佳 刘荣荣

摘要：制造业在国民经济体系中具有重要地位，制造业上市公司作为我国商业银行的重要客户，其信用违约将会对我国的商业银行乃至社会经济带来危机。本文以我国在A股成功上市的2237家制造业公司作为研究对象，采用主成分分析、因子分析法以及Logistic回归模型，对14个具有代表性的财务指标进行分析，构建我国制造业上市公司的信用风险评估模型。最后，提出有关行业信用风险管理水平、信息数据库的建立以及改善宏观环境等方面的建议，加强我国制造业上市公司的信用风险评估，促进我国制造业健康稳定的发展。

关键词：制造业上市公司；信用风险评估；主成分分析；因子分析；Logistic模型

一、引　言

制造业在国民经济体系中具有重要地位。制造业所产生的信用风险问题，可能会对我国商业银行、国民经济发展带来一系列连锁问题。近年来，我国制造业规模不断扩大，对资金的需求日益增多。随着我国人口红利逐步减弱，制造业面临着劳动力不足和成本上升的压力，再加上市场环境复杂和市场需求的多变，制造业公司抵抗风险的能力较弱。不断增加的贷款需求和不断暴露出的信用风险问题将会对我国的商业银行乃至社会经济带来严重影响。因此，构建适用于研究我国上市制造业公司信用风险的评估模型和指标评价体系，能够更加科学地衡量企业的信用风险，促进对我国制造业稳定持续的发展。

二、文献综述

我国学者对制造业信用风险度量问题研究主要集中在：模型的选择、指标体系的建立以及实证研究。众多学者选择不同模型来对制造业公司的信用风险进行评估，Ｚ模型、KMV模型、主因子分析方法和Logistic回归模型等。张传新（2010）才用Ｚ模型对我国制造业公司的信用风险进行评估研究，却发现该模型在我国的判别效果明显比较弱。邹薇（2014）运用修正后的KMV模型，结果表示该模型预测的正确率为75.56%。在众多学者研究的背景下发现，就准确性而言，单变量判定模型分析与多元线性回归模型已无法满足需求，现代信用风险评估模型的适用性较差。因此，本文以中国的上市制造业公司为研究对象，采用主因子分析法和Logistic回归模型对公司的四大类财务指标进行实证分析，从而对制造业公司的信用风险进行评估。

三、信用风险评估实证分析

（一）指标体系的构建

按照指标体系建立的全面性、可行性、量化性原则，本文从公司发展能力、偿债能力、营运能力及获利能力四个方面共14个财务指标来构建指标体系，从而对制造业公司进行信用风险分析，具体包括以下指标：X1净利润增长率、X2基本每股收益增长率、X3营业利润增长率、X4利润总额增长率、X5流动比率、X6速动比率、X7现金比率、X8资产负债率、X9净资产收益率ROE(平均)、X10销售净利率、X11总资产报酬率ROA、X12存货周转率、X13总资产周转率、X14应付账款周转率

（二）主成分分析和因子分析

由于中国公司数量较多，且难以获得非上市公司的财务数据信息，因此本文采用的是A股的制造业上市公司的数据。在制造业中选取了2327家上市公司2018年的财务指标数据，其中包括76家ST公司与2251家非ST公司。财务指标数据均来源于Choice金融数据库。

（1）KMO 和 Bartlett 的检验

根据KMO 和 Bartlett 的检验的结果显示，KMO 统计量的值为0.814，这说明变量间的信息重叠程度很高，可以采用主成分分析法提取公因子。同时，Bartlett 球形度检验的Sig.为 0，否定了原假设，表明变量之间具有很强的相关性。因此综合KMO 和 Bartlett 的检验结果得出很适合对该数据进行因子分析。

（2）公因子方差贡献率分析

提取主成分的个数主要由累积贡献率及特征值的高低来确定，本文研究要求变量的特征值大于1，各主成分的累积贡献率大于70%。运用SPSS22.0提取主成分因子，根据方差解释率的结果显示在解释变量的初始特征值中，最高的特征值为4.772，然后依次是3.173、1.499、1.166，且前4个主成分的特征值都大于1，累积方差贡献率达到 75.791%，说明这4个主成分能够代表原始数据的大部分信息，具有较强的解释力度，能够很好的代替原始数据，足以描述所选样本公司的财务水平，因子分析结果是比较理想的。因此，为了使建立的模型更加简洁清晰，将原有的14个财务指标用分析结果得出4个主成分来替代，这样不仅简化了工作量，而且使结果更为准确可信。

（3）因子解释

根据旋转后的因子载荷矩阵，将指标X1、X2、X3、X4归为第一主成分F1，命名为发展能力因子： X5、X6、X7、X8在第二个公共因子表现的很大的载荷程度，将这四个指标归为第二主成分F2，命名为偿债能力因子；同样，X9、X10、X11在第三个公共因子上有较大的载荷，故将它们划分到第三个主成分F3，命名为盈利能力因子；最后是将 X12、X13、X14划分到第四个主成分F4，命名为营运能力因子。综上所述，以上提取的4个主成分就是用来构建 Logistic 模型的自变量，可以看出它们分别代表着公司经营的各个方面能力，这也能够很好的解释企业的违约概率风险。

（三）构建Logistic回归模型

（1）模型似然比检验

首先运用模型似然比检验对模型整体有效性进行分析。模型检验的原假设为：是否放入自变量（FactorScore1， FactorScore2， FactorScore3， FactorScore4）两种情况时模型质量均一样；根据二元Logistic回归模型似然比检验结果可知，p值小于0.05，拒绝原假设，说明本次模型构建有意义，且放入的自变量具有有效性。

（2）建立Logistic 回归模型

Logistic 模型的建立之前需要设定各个变量，包括解释变量和被解释变量，也可称为自变量和因变量。本文的自变量为4个主成分 F1、F2、F3、F4，本文的因变量采用虚拟变量，把 Y作为因变量，Y赋值为1时，表示企业违约风险大；Y赋值为0时，表示企业违约风险小。分别把因变量和自变量的数据导入SPSS22.0 中进行分析。如表3-1所示的主因子各自的系数以及对应的Wals统计量显著性水平。Wals统计量越大或者Sig.值越小，表明对应的自变量对因变量的影响越大。从表3-1中的结果能够看出，所有的自变量的Wals系数都极为显著。

表3-1 二元Logistic回归分析结果

项		B	SE	Wals	Sig.	Exp(B)	Exp(B)的95% CI
FactorScor1	-0.426		0.078	-5.426	0	0.653		0.560 ~ 0.762
FactorScor2	-0.592		0.206	-2.875	0.004	0.553		0.369 ~ 0.828
FactorScor3	-0.695		0.092	-7.542	0	0.499		0.417 ~ 0.598
FactorScor4	0.174		0.073	2.391	0.017	1.19		1.032 ~ 1.373
截距	-3.913		0.161	-24.268	0	0.02		0.015 ~ 0.027

假定显著性水平为0.05，由表3-1可知，四个主成分对应的Sig. 值都小于 0.05，其中常量的Sig.值也低于显著性水平，这表明4个主成分都通过了显著性检验，故拒绝原假设，表明自变量与因变量具有显著的线性关系，均应保留在方程中，模型具有有效性，即可以运用该模型评估企业的违约风险。最终得到的 Logistic 模型的结果为：

（四）模型的预测检验

运用上述模型，把选定的2327组样本公司数据代入进行检验，根据检验结果显示：2251家正常企业有2241家被正确的预测，10家被误测，预测准确率为99.56%，然而在选出的76家违约企业中，有68家被预测违约，被误测数有8家，其准确率89.47 %。综合比较得出总体准确率为 94.52%，由此可见，模型的预测效果是非常理想的。

四、结论与建议

（一）结论

本章通过选择全部A股上市的制造业公司作为研究对象，构建出了我国制造业上市公司信用风险评估的模型，并且模型具有比较理想的预测效果。主要的结论如下：

（1）通过采用主成分分析和因子分析对制造业上市公司2018年的14项财务指标数据进行降维，得出四个主因子用来代表影响公司信用风险状况的四个方面，并建立了 Logistic 回归模型，发现该模型预测我国的制造业上市公司的信用风险水平的正确率较高。这也说明了企业的财务指标可以较为准确地判定公司的信用风险的大小，并且该模型也能够为企业内部加强风险管理以及为商业银行选择放贷对象提供依据。

（2）从构建的 Logistic回归模型系数可以看出每个主因子对于公司信用风险的影响程度。在四大类财务因素指标中，公司发展能力和偿债能力是比较重要的因素，并且根据系数的正负号可以看出公司具有较强发展能力和偿债能力会降低发生信用风险的概率。其次，根据F3的系数可看出企业的盈利能力也很重要，即企业能否具有较好的业绩，以支撑未来需要偿还的债务，并且盈利能力越强，企业发生信用风险的可能性越低。

（二）建议

（1）健全企业财务制度，同时也可以建立企业信用风险预警模型，及时发现企业内部潜在的问题，有利于提前做好预防措施，提高企业信用风险识别效率；完善企业内部控制管理制度，从而更好的管理自身的违约风险，提高行业信用风险管理水平。

（2）完善制造业上市公司信息披露体制，建立起多方联合监督机制，保证我国上市公司信息数据的可得性、真实性和合法性，使制造业公司能够及时合法地向社会公布其财务经营状况，营造良好的营商环境。

（3）构建制造行业信息数据库。通过对信用信息数据的筛选与统计分析，可以了解制造业公司的信用风险状况，因此，建立完善制造行业信息数据库在企业信用风险评估中具有关键性的作用。

参考文献

[1]刘璇.我国制造业上市公司信用风险评估研究[D].天津财经大学,2015

[2]邬自丰.我国商业银行对制造业企业信用风险评价的实证研究[D].山东大学,2017

[3]万晏伶.我国制造业上市公司信用风险评价研究[D].重庆大学,2011

[4]柴萌.我国商业银行信用风险评价研究[D].天津财经大学,2015

[5]翟欣.Logistic模型下我国商业银行信用风险管理实证研究-基于制造业上市公司的经验数据[D].云南大学,2013

作者简介：

刘伊佳（1999-），女，汉族，河南郑州人，河南财经政法大学本科在读，信用管理方向

刘荣荣（1998-），女，汉族，河南郑州人，河南财经政法大学本科在读，信用管理方向