遲建新

（重慶大學經(jīng)濟與工商管理學院，重慶市 400030）

一、引言

風險評估是企業(yè)得以融資的重要前提，是投資方進行決策的重要依據(jù)，它不僅關系到企業(yè)自身的融資效果，同時也關系到投資方的風險控制。然而，創(chuàng)業(yè)企業(yè)自身的特點，如創(chuàng)建初期風險較高、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，對其進行科學的風險評估將具有重要意義。

關于信用風險度量的研究，經(jīng)歷了從古典信用分析、多元統(tǒng)計分析到現(xiàn)代信用風險模型的快速發(fā)展過程，然而由于信用風險本身的固有特點，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險。

古典信用風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指標都無法全面地反映公司財務特征及公司總體情況，甚至任何單個財務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險的因素非常復雜，不太可能成簡單的線性關系。（2）多元正態(tài)分布的假設——在線性判別模型中，如果不是正態(tài)假設就不能利用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，而信用評級的相關研究所使用的資料絕大多數(shù)都是財務比率，但財務比率大都違反正態(tài)假設。而信用評級的相關研究所使用的資料絕大多數(shù)都是財務比率，但財務比率大都違反正態(tài)假設。（3）采用歷史財務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，其中最具代表性的是Logit模型和Probit模型。而對于現(xiàn)代風險分析的三個典型模型，在應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，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)展的綜合預期，具有前瞻性、高敏感性。同時，KMV模型的優(yōu)勢還包括，應用的數(shù)據(jù)更新快速，因為假如利用計算機設計程序的方式，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測能力較強，并且估計過程應用的模型可觀察到，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理論應用上比傳統(tǒng)信用風險管理方法的優(yōu)點多，但仍然存在應用上的限制，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）成功地把信用風險度量與信用等級的轉移、違約率等相關因素結合起來，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人當前的信用質量變化情況。而且我國目前還沒有一個權威的、完善的信用評級體系，也缺乏有效的信用風險轉移矩陣，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用。（3）信用風險模型（Credit Risk+）忽略了信用級別的變動，未解釋風險頭寸的變化與這些隨機因子的關系。

總之，以KMV模型為代表的現(xiàn)代信用風險度量模型用來分析和度量財務不健全、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)信用風險的基本思路

1．基本思路?；趯ο嚓P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，各個時期的風險特點和風險程度均有所不同，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)的信用風險進行度量。

然后，運用定量模型計算信用風險。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)計技術提煉和總結出來，從而用過去的數(shù)據(jù)預測未來，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險和需要的資金的配合、性質和規(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、導入期、成長期和成熟期。接著用財務和非財務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)的信用風險有關因素。再運用Logit模型進行回歸分析，計算出信用風險，并以此對創(chuàng)業(yè)企業(yè)進行信用風險度量。

2．數(shù)據(jù)來源與樣本選取。構建我國創(chuàng)業(yè)企業(yè)信用風險分析模型，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。考慮到創(chuàng)業(yè)企業(yè)信用風險的大小可能與其所在的地區(qū)有關，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合，用以評價醫(yī)療機構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入期與成長期的創(chuàng)業(yè)企業(yè)的信用風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)信用風險度量模型的構建

1.創(chuàng)業(yè)企業(yè)邏輯斯蒂（Logistic）信用評分模型的構建。根據(jù)Logit信用評分模型基本原理，在信用評分模型構建過程中，以P表示導入期企業(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系，實際中概率與解釋變量往往是一種非線性關系，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系了。其中為解釋變量，接下來構建指標體系，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)貸款信用風險的指標變量分為兩大類財務指標和非財務指標。財務指標借鑒穆迪公司對全球不同國家和地區(qū)的私人公司信用風險研究中使用的方法，分為收益性、資本結構、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險狀況；非財務風險指標主要涉及到公司領導者、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險的關系。

模型指標體系共選取22個指標有待檢驗，其中財務類指標16個，非財務類指標6個，這22個指標與企業(yè)信用風險的關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)周轉率；adratio為資產(chǎn)負債率；edratio為權益負債比；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為應收賬款周轉率；invntory為存貨周轉率；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；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、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，在回歸分析時對被解釋變量的解釋能力較差，應從模型中刪除。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?；貧w結果發(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，結果顯示所有指標變量的t檢驗都顯著，P值小于0.05，反應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性的指標，進入最終的創(chuàng)業(yè)企業(yè)信用風險評價模型。

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)財務指標，說明實證分析證明企業(yè)財務指標的變動相對于非財務指標對企業(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。這一檢驗能給現(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。檢驗結果顯示，在0.10的置信度下，Omiitted檢驗結果表明不能拒絕原假設，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)信用風險度量。假設處于成長期創(chuàng)業(yè)企業(yè)A財務數(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，導入期、成長期與成熟期企業(yè)信用風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)代入相應生命階段Logistic評分模型。

五、結束語

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