彭佑元 蘭美娜

【摘 要】 以100家涉足融資租賃的裝備制造業(yè)上市公司承租人為樣本，對2017年主要財務(wù)指標(biāo)進行分析，并運用因子分析法識別了融資租賃交易過程中信用風(fēng)險的主要影響因素，在此基礎(chǔ)上通過二分類Logistic回歸模型對裝備制造業(yè)上市公司承租人的信用風(fēng)險進行了有效預(yù)測。結(jié)果表明，裝備制造業(yè)上市公司承租人公司規(guī)模、盈利能力和營運能力與其信用風(fēng)險水平負相關(guān)，且裝備制造業(yè)上市公司的違約率高于履約率。最后，從裝備制造業(yè)上市公司承租人盈利能力和營運能力的識別及信用風(fēng)險管理體制等方面提出了相關(guān)建議。

【關(guān)鍵詞】 裝備制造業(yè); 融資租賃; 信用風(fēng)險; 因子分析法; Logistic回歸

【中圖分類號】 F275 ?【文獻標(biāo)識碼】 A ?【文章編號】 1004-5937（2020）10-0023-08

一、引言

1998年中央經(jīng)濟工作會議首次明確提出“要大力發(fā)展裝備制造業(yè)”，2001年、2006年、2011年以及2016年的五年規(guī)劃綱要中均提出“要大力振興裝備制造業(yè)”和“發(fā)展先進裝備制造業(yè)”，2019年4月中央政治局會議強調(diào)“要推動制造業(yè)的高質(zhì)量發(fā)展”。在國家大力支持的背景下，我國的裝備制造業(yè)取得很大進步，成為全球裝備制造大國。

但我國裝備制造技術(shù)與國際先進水平相比，核心技術(shù)和核心產(chǎn)品少、基礎(chǔ)制造水平差、低水平重復(fù)建設(shè)等問題仍然十分突出[ 1 ]。要解決這些問題，需大力提高各類產(chǎn)業(yè)創(chuàng)新，引入專業(yè)人才進行技術(shù)升級改造等，這些舉措均離不開金融方面的支持。雖然國家層面上對裝備制造業(yè)公司給予高度關(guān)注和相應(yīng)的政策扶持，但在國際金融危機和歐洲次貸危機等國際因素影響的背景下，我國裝備制造業(yè)公司仍面臨融資難和融資貴等問題。此時，融資租賃（融資租賃指由承租人選擇設(shè)備及供應(yīng)商，然后與出租人達成租賃合同，出租人從供應(yīng)商處購買承租人選定的設(shè)備，再將該設(shè)備作為租賃物出租給承租人，并收取承租人一定租金的一種交易模式[ 2 ]）以其“融資”和“融物”相結(jié)合的獨特優(yōu)勢，在裝備制造業(yè)中興起。

我國融資租賃行業(yè)規(guī)模增長快，并堅持服務(wù)實體經(jīng)濟，在服務(wù)國家重大發(fā)展戰(zhàn)略中揚長避短，極大地豐富和完善了我國金融市場。根據(jù)《2017中國融資租賃業(yè)最全發(fā)展報告》，涉足融資租賃業(yè)行業(yè)排名第一的交通運輸設(shè)備和第二的通用機械設(shè)備就屬于裝備制造業(yè)，由此可見裝備制造業(yè)利用融資租賃模式比較密集。

從目前市場情況看，裝備制造業(yè)利用融資租賃模式進行融資或者融物，出現(xiàn)了極大的信用問題。許多作為承租人的裝備制造業(yè)上市公司出現(xiàn)嚴(yán)重的違約現(xiàn)象，如逾期或拒支付出租人租金、損毀租賃物等。信用風(fēng)險水平的攀升，一方面使得出租人對裝備制造業(yè)產(chǎn)生消極看法，嚴(yán)重阻礙了該行業(yè)的有效融資;另一方面影響了裝備制造業(yè)和融資租賃在我國的健康發(fā)展。因此，開展對裝備制造業(yè)上市公司承租人違約狀況的評估研究，不僅可以促進裝備制造業(yè)的快速健康發(fā)展，而且對打造良好的融資環(huán)境，實現(xiàn)國家實體經(jīng)濟增長和社會發(fā)展有著不可估量的作用。

所以，本文的創(chuàng)新主要體現(xiàn)在從融資租賃模式較密集的裝備制造業(yè)著手，對裝備制造業(yè)的信用風(fēng)險進行預(yù)測評估，填補了目前對裝備制造行業(yè)承租人信用風(fēng)險評估研究的空白。

二、文獻評述

目前，關(guān)于裝備制造業(yè)上市公司承租人的信用風(fēng)險研究較少。管七海等[ 3 ]構(gòu)建了違約判別模型評估制造業(yè)短期貸款公司的違約狀況。曾詩鴻等[ 4 ]對中國制造業(yè)上市公司的信用風(fēng)險進行研究，并指出該行業(yè)的金融環(huán)境存在不成熟和不規(guī)范現(xiàn)象。段一群等[ 5 ]、彭中文等[ 6 ]指出裝備制造業(yè)上市公司中存在融資約束，金融支持力度弱制約了行業(yè)的發(fā)展。任曙明等[ 7 ]指出裝備制造業(yè)公司因為產(chǎn)品技術(shù)含量高、研制難度大、資本密集度高，正面臨嚴(yán)重的融資約束。

從融資租賃承租人的信用風(fēng)險研究層面看，主要分為兩類。第一類是關(guān)于融資租賃信用風(fēng)險的來源及防范措施等方面的研究。江小華[ 8 ]指出融資租賃市場環(huán)境差、信用風(fēng)險高等情況阻礙了該行業(yè)的健康發(fā)展。龐躍華[ 9 ]研究了出租人在交易過程中面臨的信用風(fēng)險、法律風(fēng)險、市場風(fēng)險等，著重指出信用風(fēng)險應(yīng)是出租人最先考量的。苗繪等[ 10 ]指出建立風(fēng)險監(jiān)測預(yù)警、補救系統(tǒng)和信息支持系統(tǒng)有助于化解承租人信用風(fēng)險。王箏[ 11 ]研究表明出租人面臨的信用風(fēng)險源有供應(yīng)商延期交付設(shè)備、承租人未如期支付租金、租賃物的損毀等，由此構(gòu)建了“資產(chǎn)+信用”風(fēng)險管理體系。第二類是對承租人信用風(fēng)險采取何種評價方法的研究。Mathias[ 12 ]運用樣本統(tǒng)計分析法對金融機構(gòu)發(fā)布的上萬份租賃合同進行分析，得出實物抵押品能有效降低融資租賃的信用風(fēng)險。Grenadier[ 13 ]提出一個理論框架可以用于確定租賃主體的均衡信用分布。任維哲等[ 14 ]依靠KMV模型，構(gòu)建了信用溢價指標(biāo)來衡量承租人的信用風(fēng)險。

綜上所述，學(xué)者們對裝備制造業(yè)上市公司承租人融資租賃信用風(fēng)險方面的研究較少，但是進行信用風(fēng)險評價方面的研究較多，評價方法包括AHP、模糊評價法、DEA、SVM、Logistic回歸等。AHP具有較強的主觀性，SVM方法目前尚未形成較為成熟的評價模型，DEA用于分析投入產(chǎn)出數(shù)據(jù)。鑒于這些方法的局限性，本文采用因子分析法和Logistic回歸法，對承租人融資租賃信用風(fēng)險進行評價。因子分析法可以有效解決信用風(fēng)險評價體系中指標(biāo)過多的問題，Logistic回歸法所需數(shù)據(jù)要求較低、計算簡便，且因變量是典型的二分類變量，計算結(jié)果表示0—1的履約概率，適用于對承租人融資租賃信用風(fēng)險水平進行預(yù)測研究。

三、裝備制造業(yè)上市公司承租人發(fā)展?fàn)顩r

（一）裝備制造業(yè)上市公司承租人基本狀況

裝備制造業(yè)是為國民經(jīng)濟各個部門生產(chǎn)和服務(wù)活動提供各種技術(shù)裝備的產(chǎn)業(yè)[ 15 ]，是制造業(yè)的靈魂，而制造業(yè)作為實體經(jīng)濟，是我國國民經(jīng)濟的支柱產(chǎn)業(yè)[ 16 ]。裝備制造業(yè)主要包括通用設(shè)備、專用設(shè)備、金屬制品、交通運輸設(shè)備、電氣機械及器材、電子及通訊設(shè)備、儀器儀表7個子行業(yè)。

本文根據(jù)裝備制造業(yè)上市公司2017年報中的財務(wù)報表，將報表中長期應(yīng)付款列表中存在應(yīng)付融資租賃期末余額的公司定義為承租人，篩選出184家符合條件的上市公司，剔除了被ST、*ST和數(shù)據(jù)不完全的公司，最后留下100家樣本公司。

樣本公司基本情況描述如表1所示。從裝備制造業(yè)上市公司承租人的地區(qū)分布上看，全部樣本中華東和華南的上市公司占60%，華中、西北、東北和西南的上市公司比例均低于10%，說明我國裝備制造業(yè)上市公司承租人的數(shù)量與經(jīng)濟發(fā)展水平密切相關(guān)，地區(qū)分布并不均衡。從所屬子行業(yè)的分布來看，交通運輸設(shè)備制造業(yè)和電氣機械及器材制造業(yè)公司最多（占48%），儀器儀表制造業(yè)公司最少（占10%），總體上看，上市公司在各個子行業(yè)分布較均勻。

從融資租賃情況看，有72%的上市公司采用直接融資租賃的模式，即以“融物”方式，包括租賃機械設(shè)備、廠房等來解決資金短缺問題，有19%的上市公司采用售后回租模式（售后回租是一種類信貸業(yè)務(wù)[ 17 ]，用來解決資金周轉(zhuǎn)問題，售后回租在大型公司中的使用率占到95%），還有9%的公司未明確說明具體采用的融資租賃模式?？傮w分析可以發(fā)現(xiàn)利用融資租賃進行“融物”的公司比例大于“融資”的公司，但仍有很多大型公司是為了解決公司流動資金的困難或者盤活固定資產(chǎn)等才使用融資租賃模式。參考《統(tǒng)計上大中小微型企業(yè)劃分辦法（2017）》中企業(yè)分類，本文根據(jù)在職員工人數(shù)和營業(yè)收入，將100家樣本公司的規(guī)模進行了劃分，大型公司有89家，說明融資租賃模式盛行于大型公司。

（二）裝備制造業(yè)上市公司承租人財務(wù)狀況

1.裝備制造業(yè)上市公司承租人融資狀況

裝備制造業(yè)是資金密集型和技術(shù)密集型產(chǎn)業(yè)，其發(fā)展過程中需要大量的資金引入來投資設(shè)備和技術(shù)改造等。通常意義上，相比其他行業(yè)公司，裝備制造業(yè)公司的固定資產(chǎn)數(shù)額大、抵押品價值高、公司規(guī)模也較大，融資的難度會相對較低。然而，在實際中，由于裝備制造業(yè)的產(chǎn)品在技術(shù)、生產(chǎn)和使用上的特殊性以及公司內(nèi)部機制不健全、外部融資渠道不暢通或者融資市場不完善等，裝備制造業(yè)公司常常得不到充分的資金供給，這就要求其不斷創(chuàng)新融資路徑。

銀行抵押貸款以往是很多公司選擇的融資模式，但是其有融資成本高、貸款難度大等缺點，雖然國家出臺了若干政策來引導(dǎo)各方促進裝備制造業(yè)轉(zhuǎn)型升級，但實際運作中，商業(yè)銀行優(yōu)惠政策并未向裝備制造業(yè)傾斜，信貸投放力度仍然很低。

在公司資金短缺、難以獲得信貸資源的情況下，融資租賃成為很多公司的首選。融資租賃對擴大公司投資和促進國家實體經(jīng)濟的發(fā)展有顯著作用[ 18 ]。歐美發(fā)達國家80%以上的機械設(shè)備都采取融資租賃，通過融資租賃模式完成了全球近1/3的投融資。

2.裝備制造業(yè)上市公司承租人償債能力

承租人的信用風(fēng)險主要體現(xiàn)在租金是否按時支付方面，本文將100家裝備制造業(yè)上市公司按照地區(qū)進行劃分，采用資產(chǎn)負債比率、流動比率、速動比率三個指標(biāo)的均值來描述各地區(qū)樣本公司的償債能力（見圖1）。

根據(jù)圖中走勢可以發(fā)現(xiàn)，償債能力較強的是東北和華中地區(qū)的上市公司，償債能力最弱的是西北地區(qū)的上市公司，說明上市公司的償債能力可能與所屬地區(qū)發(fā)展水平等因素有關(guān)。

四、裝備制造業(yè)上市公司承租人信用風(fēng)險評價模型

（一）評價指標(biāo)體系的構(gòu)建

根據(jù)上述分析，裝備制造業(yè)上市公司承租人的信用風(fēng)險主要來源于公司財務(wù)狀況，因此，對公司信用風(fēng)險的評價通常轉(zhuǎn)化為對其財務(wù)狀況的衡量。

（1）公司規(guī)模。公司規(guī)?？梢杂霉締T工人數(shù)、占地規(guī)模、利潤總額等來表示，公司的規(guī)模和經(jīng)營能力有一定的關(guān)系，公司的規(guī)模越大，公司競爭力也在不斷提高。因此，鑒于數(shù)據(jù)的公開性等因素，本文選取了員工人數(shù)、資產(chǎn)總計、營業(yè)收入和利潤總額來評價公司規(guī)模的情況。

（2）盈利能力。公司盈利能力與進項收益有關(guān)，反映該公司賺取收益的能力以及資本增值的能力。本文用營業(yè)利潤率、凈資產(chǎn)收益率、總資產(chǎn)報酬率和每股收益四個比率來反映公司的盈利水平。

（3）營運能力。公司對資源的利用水平以及市場部、銷售部等部門的協(xié)調(diào)度反映了公司的營運能力。鑒于資金周轉(zhuǎn)水平可以反映公司運作的效率，本文采用應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率和流動資產(chǎn)周轉(zhuǎn)率來代表公司營運能力的高低。

（4）償債能力。公司償還長期或者短期債務(wù)的能力，就是公司的償債能力，其代表公司的財務(wù)狀況和對債務(wù)償還的保證程度。本文用資產(chǎn)負債比率、流動比率、速動比率和現(xiàn)金比率來代表公司的短期和長期償債能力。

（5）發(fā)展能力。發(fā)展能力又稱成長潛力，代表了企業(yè)的成長性，體現(xiàn)了企業(yè)不斷積累壯大的潛能。本文用營業(yè)收入增長率、凈利潤增長率、凈資產(chǎn)增長率和總資產(chǎn)增長率來評價公司的價值增長。

（6）管理能力。管理能力指企業(yè)提高組織效率、減少資源浪費的能力。年化期間費用毛利比和成本費用利潤率可以有效地反映公司付出成本的回報，比率越高，表示管理效率越好，故本文用這兩個指標(biāo)表示公司管理能力。

具體的指標(biāo)解釋如表2所示。

樣本數(shù)據(jù)來自CSMAR數(shù)據(jù)庫。在所選取的22個財務(wù)指標(biāo)中，正向指標(biāo)20個，反向指標(biāo)兩個（即X13資產(chǎn)負債比率和X21年化期間費用毛利比），采取倒數(shù)法對反向指標(biāo)進行正向化處理[ 19 ]。

利用SPSS24.0對100家樣本公司進行描述性統(tǒng)計，結(jié)果如表3所示。樣本公司的員工人數(shù)、資產(chǎn)總計、營業(yè)收入和利潤總額有很大的標(biāo)準(zhǔn)差，表明樣本公司的規(guī)模大小不一。凈資產(chǎn)收益率和凈利潤增長率的標(biāo)準(zhǔn)差也很大，分別為283.996和585.021，說明我國裝備制造業(yè)上市公司承租人的盈利能力差距大。應(yīng)收賬款周轉(zhuǎn)率在2%～20%的公司占所有樣本公司的69%，說明大部分公司的應(yīng)收賬款速度尚可，有一家公司的應(yīng)收賬款周轉(zhuǎn)率超過100%，可能是其公司存在較多的壞賬。流動比率、速動比率和資產(chǎn)負債比率的均值分別為0.644、0.581和0.008，處于較健康水平。現(xiàn)金比率的均值為35.69，20%的樣本公司現(xiàn)金比率低于20%，說明大部分公司有能力直接償付流動負債;現(xiàn)金比率超過100%的公司有兩家，可能是其資金利用效率低。

（二）因子分析法

本文構(gòu)建信用風(fēng)險評價指標(biāo)體系，共22個指標(biāo)，指標(biāo)過多易導(dǎo)致信息重疊，為了最大限度保留有效信息，通過SPSS24.0軟件利用因子分析法降維，有效提取出指標(biāo)的公共因子。

1.因子分析的可行性檢驗和提取

采用KMO和Bartlett度量對樣本數(shù)據(jù)進行檢驗，KMO值為0.647，說明可以采用因子分析法進行分析。前6個公共因子特征值均大于1，利用主成分法提取的公因子方差貢獻率累計達到83.823%，因此，前6個因子可以選取為公共因子，用來對公司信用風(fēng)險進行評價和分析。

2.因子的命名

用Kaiser標(biāo)準(zhǔn)化正交旋轉(zhuǎn)法對成分矩陣進行旋轉(zhuǎn)，從而更好地解釋因子變量（如表4所示）。設(shè)F1、F2、F3、F4、F5、F6分別為提取的6個公共因子，對公共因子進行命名，如表5所示。

（三）Logistic回歸分析

Logistic回歸模型是最成熟也是我國信用風(fēng)險預(yù)測領(lǐng)域應(yīng)用最為廣泛的一個模型，該模型主要用來尋找危險因素以及預(yù)測和判別。假設(shè)因變量Y是取值為0或1的隨機變量（1表示信用風(fēng)險低，0表示信用風(fēng)險高），自變量為X1，X2，…，XP，？茁為回歸系數(shù)，P代表履約概率，反映裝備制造業(yè)上市公司承租人履約的可能性，取值越大履約的概率就越高。

式（1）和式（2）即為本文將要采用的計量分析模型，Logistic回歸模型的自變量是因子分析所得的因子F1、F2、F3、F4、F5、F6，因變量用裝備制造業(yè)上市公司承租人信用風(fēng)險F表示。信用風(fēng)險F的數(shù)據(jù)來源為和訊網(wǎng)財務(wù)評估對所選公司的風(fēng)險評估，將綜合能力在兩顆星及以上的評判指標(biāo)F數(shù)值確定為1，綜合能力在兩顆星以下的F值確定為0[ 21 ]。

1.回歸方程的顯著性檢驗

利用似然比卡方對回歸方程進行顯著性檢驗（如表6所示），模型的卡方值大于臨界值，各步的顯著性水平Sig.值=0<0.05，說明因變量與自變量之間存在非常顯著的線性關(guān)系，回歸整體有效。

2.回歸方程的擬合優(yōu)度檢驗

本文采用Hosmer-Lemeshow統(tǒng)計量指標(biāo)對回歸方程進行擬合優(yōu)度檢驗，通過分析Logistic回歸方程因變量F的概率預(yù)測值與實際值之間的一致情況，可發(fā)現(xiàn)預(yù)測值與實際值之間的錯判率較低。在回歸方程Hosmer-Lemeshow的檢驗中，顯著性水平均超過了0.05，接受原假設(shè)（原假設(shè)為觀測頻數(shù)分布與期望頻數(shù)分布之間的差異?。?，說明模型的擬合優(yōu)度很理想。

3.回歸方程變量的參數(shù)估計

選取向前有條件的回歸方法，剔除因子F3、F5和F6（如表7所示），因子F1、F2和F4留在了方程中，對模型中P的影響顯著為正。根據(jù)Logistic模型的含義，可以得出模型回歸概率方程：

（四）實證結(jié)果檢驗

綜上所述，盈利能力因子F1、公司規(guī)模因子F2和營運能力因子F4與被解釋變量公司信用風(fēng)險F之間有著顯著性影響，本文的模型有實際意義。從SPSS24.0運行結(jié)果看出：模型的整體預(yù)測準(zhǔn)確率為84%。通過觀察選取的100家裝備制造業(yè)上市公司承租人的履約概率P值和預(yù)測值，發(fā)現(xiàn)大型公司的違約率為85%、履約率為97%，中小型公司的違約率為15%、履約率為3%;另外，各個地區(qū)的履約率均低于違約率（如表8所示）。其中，有16家公司的信用風(fēng)險預(yù)測與和訊網(wǎng)的綜合能力評分值不一致，主要是由于本文的評價體系綜合考慮到各方面指標(biāo)，一定程度上優(yōu)化了公司信用風(fēng)險評價指標(biāo)體系?？傮w來說，利用Logistic回歸模型預(yù)測裝備制造業(yè)上市公司承租人的信用風(fēng)險有較高的準(zhǔn)確率。

五、結(jié)論與建議

本文利用因子分析法和Logistic回歸模型對裝備制造業(yè)上市公司承租人信用風(fēng)險進行評價，得出以下結(jié)論：

第一，公司盈利能力因子、公司規(guī)模因子和營運能力因子對裝備制造業(yè)上市公司承租人的信用風(fēng)險影響顯著。一般情況下，盈利效果好的公司，其營運能力都比較好;反過來說，公司的營運能力好，其盈利能力也對應(yīng)較好，承租人支付租金的能力較強，信用風(fēng)險水平較低。公司的規(guī)模會隨著公司盈利和營運水平的提升而增大，公司規(guī)模的擴大會形成規(guī)模經(jīng)濟，提升公司的綜合實力，降低公司信用風(fēng)險。

故出租人在進行融資租賃交易時，應(yīng)該著重考察承租人內(nèi)部經(jīng)營和公司規(guī)模情況，對承租人的運營能力和盈利能力等進行詳細的調(diào)查了解，在全面掌握真實可靠數(shù)據(jù)的基礎(chǔ)上，根據(jù)情況調(diào)整交易要求，制定符合承租人的交易方案，以降低承租人的信用風(fēng)險水平。

第二，根據(jù)樣本公司的F統(tǒng)計值和模型的預(yù)測結(jié)果分析，得出裝備制造業(yè)上市公司承租人的違約率高于履約率。

可以制定完善裝備制造業(yè)上市公司承租人的信用風(fēng)險管理辦法：（1）升級信用風(fēng)險管理系統(tǒng)，采用先進系統(tǒng)和技術(shù)全面定量化衡量公司信用水平，及時找到風(fēng)險漏洞進行補救;（2）組建信用風(fēng)險管理專業(yè)隊伍，提高公司信用風(fēng)險管控水平，加大對公司信用水平的考核標(biāo)準(zhǔn)，加強宣傳等增強公司全體員工的信用意識;（3）強化融資租賃整個過程中的信用風(fēng)險識別與控制等。這些措施應(yīng)該落到實處，從而改善裝備制造業(yè)上市公司承租人違約率高的情況。

【參考文獻】

[1] 李曉琳.提升我國裝備制造業(yè)在全球價值鏈中的地位[J].宏觀經(jīng)濟管理，2018（12）：26-33.

[2] 張宇峰.融資租賃實務(wù)指南[M].北京：法律出版社，2008：1-3.

[3] 管七海，馮宗憲.我國制造業(yè)公司短期貸款信用違約判別研究[J].經(jīng)濟科學(xué)，2004（5）：77-88.

[4] 曾詩鴻，王芳.基于KMV模型的制造業(yè)上市公司信用風(fēng)險評價研究[J].預(yù)測，2013，32（2）：60-63.

[5] 段一群，戴穩(wěn)勝.金融環(huán)境、政治關(guān)系與融資約束：基于裝備制造業(yè)上市公司的經(jīng)驗證據(jù)[J].科技進步與對策，2013，30（24）：74-79.

[6] 彭中文，韓茹.融資約束、公司治理與研發(fā)支出：基于裝備制造業(yè)上市公司的面板數(shù)據(jù)[J].湘潭大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2016，40（3）：66-70.

[7] 任曙明，呂鐲.融資約束、政府補貼與全要素生產(chǎn)率：來自中國裝備制造公司的實證研究[J].管理世界，2014（11）：10-23.

[8] 江小華.我國融資租賃業(yè)發(fā)展現(xiàn)狀剖析[J].上海金融，2004（4）：62-63.

[9] 龐躍華.公司融資租賃的風(fēng)險管理研究[J].財經(jīng)理論與實踐，2014，35（1）：52-56.

[10] 苗繪，李海申.我國融資租賃業(yè)發(fā)展中存在的問題及對策[J].投資研究，2011（6）：61-64.

[11] 王箏.金融租賃公司風(fēng)險管理體系構(gòu)建初探[J].中央財經(jīng)大學(xué)學(xué)報，2015（3）：47-54.

[12] MATHIAS S.Credit risk in the leasing industry[J].Journal of banking & finance，2004，28（4）：811-833.

[13] GRENADIER S R. Leasing and credit risk[J].Journal of Financial Economics，1996，42（3）：333-364.

[14] 任維哲，劉浴，陸啟浩.基于信用溢價的融資租賃公司信用風(fēng)險的測度[J].統(tǒng)計與信息論壇，2018，33（2）：94-98.

[15] 商小虎.我國裝備制造業(yè)技術(shù)創(chuàng)新績效影響因素研究：來自上市公司的實證分析[J].上海經(jīng)濟研究，2013（9）：71-79.

[16] 張玉蘭，段永瑤，張焱，等.技術(shù)創(chuàng)新視角下制造企業(yè)內(nèi)部控制有效性評價[J].會計之友，2018（24）：37-43.

[17] 周凱，史燕平.我國融資租賃業(yè)快速發(fā)展的驅(qū)動因素研究：基于設(shè)備投資與融資需求視角的分析[J].上海經(jīng)濟研究，2016（9）：64-72.

[18] 朱成科，李虹含.融資租賃、設(shè)備投資與經(jīng)濟增長[J].金融論壇，2015，20（9）：38-47.

[19] 陳茜，田治威.林業(yè)上市公司財務(wù)風(fēng)險評價研究：基于因子分析法和聚類分析法[J].財經(jīng)理論與實踐，2017，38（1）：103-108.

[20] 羅方科，陳曉紅.基于Logistic回歸模型的個人小額貸款信用風(fēng)險評估及應(yīng)用[J].財經(jīng)理論與實踐，2017，38（1）：30-35.

[21] 楊軍，房姿含.供應(yīng)鏈金融視角下農(nóng)業(yè)中小公司融資模式及信用風(fēng)險研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟，2017（9）：95-104.