譚明亮 吳昶欣

【摘? 要】防范化解金融風(fēng)險和維護(hù)金融安全是黨和國家的重大戰(zhàn)略需求，統(tǒng)籌和處理好穩(wěn)增長和防風(fēng)險之間的關(guān)系是維護(hù)經(jīng)濟(jì)金融大局穩(wěn)定和促進(jìn)經(jīng)濟(jì)持續(xù)健康發(fā)展的必然要求。上市公司風(fēng)險識別是證券投資分析、資產(chǎn)風(fēng)險管理、證券市場監(jiān)管等金融管理決策過程中的重要內(nèi)容，同時對于防范化解系統(tǒng)性金融風(fēng)險和保障金融安全有著重要的意義。論文從基于結(jié)構(gòu)化數(shù)據(jù)的上市公司風(fēng)險識別和引入非結(jié)構(gòu)化文本數(shù)據(jù)的上市公司風(fēng)險識別兩個方面對研究文獻(xiàn)進(jìn)行綜述，以期為上市公司風(fēng)險識別研究提供借鑒參考。

【關(guān)鍵詞】多源數(shù)據(jù);上市公司;風(fēng)險識別

【中圖分類號】F276? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻(xiàn)標(biāo)志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號】1673-1069（2022）06-0046-03

1 引言

根據(jù)《中華人民共和國公司法》（2018年修正），上市公司（Listed Company）是指股票在證券交易所上市交易的股份有限公司。由于上市公司通過證券市場向社會公眾發(fā)行股票來籌集資金，其財產(chǎn)來自于全社會，其投資者由成千上萬的社會公眾所構(gòu)成，同時受到廣泛的社會監(jiān)督，因此上市公司在國際上也被稱為公眾公司（Public Company）。在中國，股份有限公司申請其股票上市必須在注冊資金、股本總額、財務(wù)狀況和公司治理等多個方面滿足嚴(yán)格的要求;在美國，紐約證券交易所（NYSE）、納斯達(dá)克證券交易所（NASDAQ）等對于申請股票上市的公司也有著各自的要求，具體包括市值、凈資產(chǎn)、稅前收入、公眾持股數(shù)和股東人數(shù)等多個方面。

上市公司風(fēng)險識別是證券投資分析、資產(chǎn)風(fēng)險管理、證券市場監(jiān)管等金融管理決策過程中的重要內(nèi)容，同時對于防范化解系統(tǒng)性金融風(fēng)險和保障金融安全有著重要的意義。習(xí)近平總書記和李克強(qiáng)總理等黨和國家領(lǐng)導(dǎo)人多次在重要的會議和場合上強(qiáng)調(diào)防控金融風(fēng)險對于打贏防范化解重大風(fēng)險攻堅戰(zhàn)的極端重要性以及金融安全在國家安全中的重要戰(zhàn)略地位，指出要及時有效地識別、發(fā)現(xiàn)、處置和化解系統(tǒng)性金融風(fēng)險。本文從基于結(jié)構(gòu)化數(shù)據(jù)的上市公司風(fēng)險識別和引入非結(jié)構(gòu)化文本數(shù)據(jù)的上市公司風(fēng)險識別兩個方面對研究文獻(xiàn)進(jìn)行綜述，以期為上市公司風(fēng)險識別研究提供借鑒參考。

2 上市公司風(fēng)險的概念

風(fēng)險這一概念最初主要被用來描述自然風(fēng)險，如今這一概念已經(jīng)被廣泛應(yīng)用于政治、軍事、經(jīng)濟(jì)、文化和社會等領(lǐng)域中。盡管風(fēng)險這一概念在各種場合和情境下被廣泛使用，但是學(xué)術(shù)界對于風(fēng)險的概念還沒有一個統(tǒng)一的定義。美國學(xué)者Haynes于1895年在其著作《Risk as an Economic Factor》中最早對風(fēng)險這一概念進(jìn)行了定義，他指出風(fēng)險意味著發(fā)生損害或損失的可能性。另外，可以從一些政府部門和相關(guān)組織機(jī)構(gòu)發(fā)布的文件中獲取風(fēng)險的定義。世界上第一個國家風(fēng)險管理標(biāo)準(zhǔn)《澳大利亞-新西蘭風(fēng)險管理標(biāo)準(zhǔn)》（AS/NZS4360：2004）將風(fēng)險定義為事項發(fā)生的可能性和對目標(biāo)的影響。巴塞爾委員會（BCBS）于2004年頒布的《巴塞爾新資本協(xié)議》（Basel II）將風(fēng)險定義為由于可能的損失而導(dǎo)致預(yù)期收益的不確定性。美國反虛假財務(wù)報告委員會下屬的發(fā)起人委員會（COSO）于2004年頒布的《企業(yè)風(fēng)險管理——整合框架》將風(fēng)險定義為對目標(biāo)產(chǎn)生負(fù)面影響的事項。國際標(biāo)準(zhǔn)化組織（ISO）于2009年頒布的風(fēng)險管理標(biāo)準(zhǔn)《ISO/FDIS31000風(fēng)險管理—原則和指引》將風(fēng)險定義為不確定性對目標(biāo)的影響。2009年頒布的中國國家標(biāo)準(zhǔn)《風(fēng)險管理術(shù)語》（GB/T 23694—2009）將風(fēng)險定義為某一事件發(fā)生的概率和其后果的組合。2013年修訂頒布的中國國家標(biāo)準(zhǔn)《風(fēng)險管理術(shù)語》（GB/T 23694—2013）則將風(fēng)險定義為不確定性對目標(biāo)的影響。

綜合國內(nèi)外的專家學(xué)者、政府部門和相關(guān)組織機(jī)構(gòu)對風(fēng)險的相關(guān)定義，本文將上市公司風(fēng)險定義為：上市公司在生產(chǎn)經(jīng)營的過程中，由于各種不確定因素和發(fā)生不利事件，從而有遭受損失的可能性。作為一個特殊的企業(yè)群體，上市公司除了面臨著一般企業(yè)所面臨的破產(chǎn)風(fēng)險、信用風(fēng)險、財務(wù)風(fēng)險、政策風(fēng)險、運(yùn)營風(fēng)險、管理風(fēng)險、市場風(fēng)險、人力資源風(fēng)險、技術(shù)風(fēng)險和戰(zhàn)略風(fēng)險等共性風(fēng)險以外，還面臨著強(qiáng)制退市風(fēng)險、信息披露違規(guī)風(fēng)險和股價暴跌風(fēng)險等上市公司所特有的風(fēng)險。與此同時，不同行業(yè)、不同規(guī)模、不同商業(yè)模式、不同業(yè)務(wù)性質(zhì)、不同發(fā)展階段、不同股權(quán)結(jié)構(gòu)、不同財務(wù)狀況和不同經(jīng)營管理水平的上市公司所面臨的風(fēng)險也不盡相同。

3 基于結(jié)構(gòu)化數(shù)據(jù)的上市公司風(fēng)險識別

當(dāng)前用于上市公司風(fēng)險識別的數(shù)據(jù)源主要是根據(jù)上市公司的資產(chǎn)負(fù)債表、利潤表和現(xiàn)金流量表計算所得的財務(wù)指標(biāo)數(shù)據(jù)，研究者們主要關(guān)注于各類財務(wù)指標(biāo)的選取。美國芝加哥大學(xué)的教授Beaver[1]研究發(fā)現(xiàn)上市公司的財務(wù)指標(biāo)數(shù)據(jù)中包含了破產(chǎn)預(yù)測所需要的有價值的信息，其中凈收入/總負(fù)債這一項財務(wù)指標(biāo)的預(yù)測能力最高。紐約大學(xué)著名的財務(wù)專家Altman[2]通過對美國破產(chǎn)的上市公司的財務(wù)報表數(shù)據(jù)進(jìn)行研究，對22個財務(wù)比率進(jìn)行數(shù)理統(tǒng)計篩選，最終共保留了5個常用的財務(wù)指標(biāo)作為破產(chǎn)預(yù)測因子，構(gòu)建了用于破產(chǎn)預(yù)測的5變量Z-Score模型。該模型通過對上市公司的5個財務(wù)指標(biāo)數(shù)據(jù)進(jìn)行一定的加權(quán)求和，得到上市公司的Z分?jǐn)?shù)，上市公司發(fā)生破產(chǎn)的可能性與模型計算所得的Z分?jǐn)?shù)成反比關(guān)系，即Z分?jǐn)?shù)越小則意味著上市公司破產(chǎn)的可能性越大。在美國、英國、法國和日本等多個國家，Z-Score模型得到了廣泛的應(yīng)用。

Altman等[3]后續(xù)又在破產(chǎn)公司樣本數(shù)據(jù)的收集和分析的基礎(chǔ)上對Z-Score模型進(jìn)行了優(yōu)化和擴(kuò)展，建立了包含7個財務(wù)指標(biāo)的Zeta模型。相較于Z-Score模型，Zeta模型具有更全的財務(wù)比率覆蓋面、更大的適用范圍以及更高的預(yù)測準(zhǔn)確率。如今Zeta模型已經(jīng)被美國、意大利等國的商業(yè)銀行廣泛地應(yīng)用于上市公司的破產(chǎn)預(yù)測、財務(wù)危機(jī)預(yù)測和信用評級等場景中，創(chuàng)造了巨大的經(jīng)濟(jì)效益，但是Zeta模型中的7個變量的權(quán)重系數(shù)由于涉及商業(yè)秘密，因此并未公開。

自Beaver和Altman的研究之后，國內(nèi)外的研究者們將財務(wù)指標(biāo)數(shù)據(jù)廣泛地應(yīng)用于上市公司的破產(chǎn)預(yù)測、財務(wù)危機(jī)預(yù)測、信用風(fēng)險預(yù)測等場景中。Kim等[4]選取了涵蓋企業(yè)債務(wù)清償、資本結(jié)構(gòu)、盈利能力、營運(yùn)能力、財務(wù)杠桿、流動性和公司規(guī)模等7個方面的30個財務(wù)指標(biāo)用于韓國上市公司的破產(chǎn)預(yù)測。Zi■ba等[5]選取了64個財務(wù)指標(biāo)應(yīng)用于波蘭的制造業(yè)公司的破產(chǎn)預(yù)測中。Zhang等[6]選取了反映企業(yè)抗風(fēng)險能力、運(yùn)營效率、盈利能力和增長能力4個方面的20個財務(wù)指標(biāo)來識別上市公司的信用風(fēng)險。Du Jardin[7]選取了反映企業(yè)流動能力、周轉(zhuǎn)能力、盈利能力、營運(yùn)能力、償付能力和財務(wù)結(jié)構(gòu)6個方面的30個財務(wù)指標(biāo)應(yīng)用于法國上市公司的破產(chǎn)預(yù)測。

黃志敏[8]指出上市公司的財務(wù)危機(jī)預(yù)測模型需要考慮到上市公司的行業(yè)特征，而不是使用同一個預(yù)測模型來對所有行業(yè)的上市公司的財務(wù)危機(jī)進(jìn)行預(yù)測，并在詳細(xì)分析旅游類上市公司的行業(yè)特征的基礎(chǔ)上，構(gòu)建了涵蓋償債能力、盈利能力、運(yùn)營能力、發(fā)展能力、資本結(jié)構(gòu)和投資收益6個方面的旅游上市公司財務(wù)危機(jī)預(yù)測指標(biāo)體系。李雪[9]從盈利能力、成長能力、營運(yùn)能力、償債能力4個方面選取了12個財務(wù)指標(biāo)來衡量創(chuàng)業(yè)板上市公司的退市風(fēng)險。方匡南等[10]在已有的相關(guān)研究文獻(xiàn)的基礎(chǔ)上，選取了反映企業(yè)的償債能力、盈利能力、營運(yùn)能力、成長能力、資產(chǎn)結(jié)構(gòu)和每股指標(biāo)6個方面的48個指標(biāo)來實(shí)現(xiàn)上市公司的信用風(fēng)險預(yù)測。

4 引入非結(jié)構(gòu)化文本數(shù)據(jù)的上市公司風(fēng)險識別

上市公司的財務(wù)指標(biāo)數(shù)據(jù)由于具有容易獲取、便于計算以及分析結(jié)果易于決策者理解等優(yōu)點(diǎn)，被廣泛應(yīng)用于上市公司風(fēng)險識別的學(xué)術(shù)研究和應(yīng)用實(shí)踐中。然而財務(wù)指標(biāo)數(shù)據(jù)也有著諸多的缺陷：首先，財務(wù)指標(biāo)數(shù)據(jù)只能反映上市公司在過去的經(jīng)營業(yè)績，而不能反映上市公司的經(jīng)營計劃、外部競爭環(huán)境、未來發(fā)展戰(zhàn)略以及潛在風(fēng)險等其他多個方面的重要信息。其次，披露上市公司財務(wù)指標(biāo)數(shù)據(jù)的年報、半年報、季報等文件的更新頻率較低，因此財務(wù)指標(biāo)數(shù)據(jù)很難及時地反映上市公司出現(xiàn)的風(fēng)險。除此之外，財務(wù)指標(biāo)數(shù)據(jù)表示的上市公司資產(chǎn)賬面價值可能與資產(chǎn)真正的價值存在差異，且存在被操縱的風(fēng)險。最后，財務(wù)指標(biāo)數(shù)據(jù)往往是建立在上市公司可持續(xù)經(jīng)營的基礎(chǔ)上，并且在給定的監(jiān)管框架內(nèi)以相同的方式進(jìn)行計算，即使具有同一財務(wù)指標(biāo)數(shù)據(jù)的上市公司所面臨的內(nèi)外部風(fēng)險以及未來的收益往往并不相同。

金融領(lǐng)域存在的多源異構(gòu)數(shù)據(jù)中的絕大部分是非結(jié)構(gòu)化的文本數(shù)據(jù)，如上市公司的年報文本、招股說明書文本、半年報文本、臨時公告文本、公司研報文本、新聞報道文本和股吧評論等。以上市公司披露的年報文件為例，據(jù)前人的研究和統(tǒng)計結(jié)果表明，定量財務(wù)信息僅占上市公司年報中所有信息的20%左右，而其余80%左右的信息則以定性文本的形式存在。近年來，國內(nèi)外的研究者們在開展金融數(shù)據(jù)分析與挖掘相關(guān)的研究時發(fā)現(xiàn)，與只關(guān)注過去經(jīng)營業(yè)績的結(jié)構(gòu)化的財務(wù)數(shù)據(jù)不同，上市公司的年報文本、新聞報道文本等非結(jié)構(gòu)化文本數(shù)據(jù)不僅反映了上市公司在過去的經(jīng)營成果和當(dāng)前的財務(wù)狀況，還包含了公司發(fā)展前景、未來戰(zhàn)略規(guī)劃和所面臨的內(nèi)外部風(fēng)險等多個方面的重要補(bǔ)充信息。非結(jié)構(gòu)化文本數(shù)據(jù)不僅具有結(jié)構(gòu)化的財務(wù)數(shù)據(jù)所難以體現(xiàn)的豐富價值和內(nèi)涵，而且還能夠有助于提高對定量會計信息的理解。也有少部分研究者探究了視頻和音頻等多媒體數(shù)據(jù)在金融決策支持中的應(yīng)用，例如，Hobson等[11]利用一種可以根據(jù)人的語音來感知情緒變動以實(shí)現(xiàn)謊言的辨別和欺詐的識別的音頻情感分析軟件系統(tǒng)LVA來分析上市公司CEO在業(yè)績電話會議（Earnings Conference Calls）上的講話語音，并在此基礎(chǔ)上實(shí)現(xiàn)上市公司財務(wù)錯報的檢測。隨著互聯(lián)網(wǎng)的廣泛普及和以證監(jiān)會為代表的政府監(jiān)管機(jī)構(gòu)對上市公司信息披露的要求日趨嚴(yán)格，上市公司的年報文本、招股說明書文本、季報文本、臨時公告文本、新聞報道文本和股吧評論等非結(jié)構(gòu)化文本信息有著較高的可獲得性。

國內(nèi)外的研究者們在將各種非結(jié)構(gòu)化的金融文本數(shù)據(jù)應(yīng)用于上市公司風(fēng)險識別的研究上進(jìn)行了積極的嘗試。Mayew等[12]研究發(fā)現(xiàn)，在上市公司破產(chǎn)的前3年時，MD&A披露的文本信息在預(yù)測破產(chǎn)方面比財務(wù)指標(biāo)信息更加有用。Gupta等[13]對全球金融危機(jī)期間破產(chǎn)倒閉的52家美國上市銀行年報文本信息進(jìn)行了分析，發(fā)現(xiàn)年報中表達(dá)的積極情感比消極情感具有更強(qiáng)的預(yù)測能力。Wang等[14]將上市公司年報文本中的情感特征和文本特征提取為非財務(wù)特征，并與傳統(tǒng)財務(wù)特征進(jìn)一步融合，提高了上市公司財務(wù)危機(jī)預(yù)測的準(zhǔn)確率。Wei等[15]基于840家美國能源上市公司的3 707份10-K年報中披露的風(fēng)險因素文本信息，確定了能源企業(yè)的66種風(fēng)險因素。

馬旭輝[16]將上市公司年報文本數(shù)據(jù)應(yīng)用于上市公司的財務(wù)風(fēng)險預(yù)測中，發(fā)現(xiàn)能夠提高風(fēng)險預(yù)測的效能。李秉成等[17]發(fā)現(xiàn)上市公司年報MD&A中的前瞻性信息對于上市公司的財務(wù)危機(jī)預(yù)測能力有著顯著的提升作用。苗霞[18]研究發(fā)現(xiàn)上市公司年報MD&A中前瞻性文本信息所具有的凈積極情感值能夠在上市公司的財務(wù)危機(jī)預(yù)測發(fā)揮有效的作用，并且上市公司的網(wǎng)絡(luò)新聞報道能夠進(jìn)一步提升MD&A中前瞻性文本中的情感信息在財務(wù)危機(jī)預(yù)測方面的價值和有用性。

5 結(jié)語

目前用于上市公司風(fēng)險智能識別的數(shù)據(jù)源主要是上市公司的財務(wù)指標(biāo)數(shù)據(jù)、公司治理數(shù)據(jù)、證券交易數(shù)據(jù)和宏觀經(jīng)濟(jì)數(shù)據(jù)等結(jié)構(gòu)化的數(shù)據(jù)。而非結(jié)構(gòu)化的金融文本數(shù)據(jù)資源中包含了大量有關(guān)上市公司的過去經(jīng)營成果、當(dāng)前財務(wù)狀況、未來發(fā)展前景以及所面臨的內(nèi)外部風(fēng)險等多個方面的重要信息。非結(jié)構(gòu)化的金融文本數(shù)據(jù)不僅具有財務(wù)指標(biāo)數(shù)據(jù)、證券交易數(shù)據(jù)等結(jié)構(gòu)化的數(shù)據(jù)難以體現(xiàn)的豐富價值和內(nèi)涵，而且還能夠有助于提高對定量財務(wù)數(shù)據(jù)的理解。從國內(nèi)外的相關(guān)研究發(fā)展現(xiàn)狀來看，越來越多的研究者開始關(guān)注于將上市公司的年報文本、新聞報道文本和股吧評論等非結(jié)構(gòu)化文本數(shù)據(jù)應(yīng)用于股票價格預(yù)測、公司業(yè)績預(yù)測等任務(wù)中。少部分的研究者嘗試將文本數(shù)據(jù)資源應(yīng)用于上市公司風(fēng)險智能識別研究中，但總體而言，這些研究還處于起步階段，將多種類型的非結(jié)構(gòu)化文本數(shù)據(jù)應(yīng)用于上市公司風(fēng)險智能識別的研究仍然缺乏。

【參考文獻(xiàn)】

【1】Beaver W H.Financial ratios as predictors of failure [J].Journal of Accounting Research，1966（4）：71-111.

【2】Altman E I. Financial ratios， discriminant analysis and the prediction of corporate bankruptcy[J].Journal of Finance，1968，23（4）：589-609.

【3】Altman E I， Haldeman R G， Narayanan P. ZETATM analysis A new model to identify bankruptcy risk of corporations[J].Journal of banking & finance，1977，1（1）：29-54.

【4】Kim M J， Kang D K， Kim H B. Geometric mean based boosting algorithm with over-sampling to resolve data imbalance problem for bankruptcy prediction[J].Expert Systems with Applications，2015，42（3）：1074-1082.

【5】Zi?ba M， Tomczak S K， Tomczak J M. Ensemble boosted trees with synthetic features generation in application to bankruptcy prediction[J].Expert Systems with Applications，2016（58）：93-101.

【6】Zhang F， Tadikamalla P R， Shang J. Corporate credit-risk evaluation system： Integrating explicit and implicit financial performances[J].International Journal of Production Economics，2016（177）：77-100.

【7】Du Jardin P. Failure pattern-based ensembles applied to bankruptcy forecasting[J].Decision Support Systems，2018（107）： 64-77.

【8】黃志敏.基于行業(yè)特征的旅游上市公司財務(wù)危機(jī)預(yù)警分析[J].財會通訊，2014（29）：109-111.

【9】李雪.創(chuàng)業(yè)板上市公司退市風(fēng)險預(yù)警研究[D].哈爾濱：東北農(nóng)業(yè)大學(xué)，2015.

【10】方匡南，范新妍，馬雙鴿.基于網(wǎng)絡(luò)結(jié)構(gòu)Logistic模型的企業(yè)信用風(fēng)險預(yù)警[J].統(tǒng)計研究，2016，33（04）：50-55.

【11】Hobson J L， Mayew W J， Venkatachalam M.Analyzing speech to detect financial misreporting[J].Journal of Accounting Research，2012，50（2）：349-392.

【12】Mayew W J， Sethuraman M， Venkatachalam M. MD&A disclosure and the firm's ability to continue as a going concern[J].The Accounting Review，2015，90（4）：1621-1651.

【13】Gupta A，Simaan M，Zaki M J.Investigating bank failures using text mining[C]//2016 IEEE Symposium Series on Computational Intelligence，2016：1-8.

【14】Wang G，Chen G，Chu Y.A new random subspace method incorporating sentiment and textual information for financial distress prediction[J].Electronic Commerce Research and Applications，2018（29）：30-49.

【15】Wei L，Li G，Zhu X，et al. Developing a hierarchical system for energy corporate risk factors based on textual risk disclosures[J].Energy Economics，2019（80）：452-460.

【16】馬旭輝.基于機(jī)器學(xué)習(xí)的上市公司財務(wù)風(fēng)險智能識別研究[D].南京：南京大學(xué)，2019.

【17】李秉成，苗霞，聶梓.MD&A前瞻性信息能提升財務(wù)危機(jī)預(yù)測能力嗎——基于信號傳遞和言語有效理論視角的實(shí)證分析[J].山西財經(jīng)大學(xué)學(xué)報，2019，41（05）：108-124.

【18】苗霞.管理層語調(diào)、媒體報道與企業(yè)財務(wù)危機(jī)預(yù)測——基于年報前瞻性信息的分析[J].財會通訊，2019（27）：17-21.