有序多分类离散选择模型的信用评级与风险预警研究—以国内20家上市企业为例＊

牟鹏飞，张东玲

（青岛大学经济学院，山东青岛266071）

有序多分类离散选择模型的信用评级与风险预警研究—以国内20家上市企业为例＊

牟鹏飞，张东玲

（青岛大学经济学院，山东青岛266071）

信用风险评估模型的选择直接影响着对上市企业信用等级的评估。本文在建立上市企业信用等级评估指标体系的基础上，采用语言信息处理技术，通过因子分析法提取上市企业信用等级评估的潜在变量，建立有序多分类离散选择模型，给出了信用等级判别分析计算步骤，并以中国境内20家上市企业为例进行了实证分析。以上设计运用定量和定性指标分析相结合的方式，有效地将语言评价信息进行集结和利用，解决了上市企业中风险级别可以排序、定性的问题。可促进上市企业信用评级制度的完善，实现对上市企业信用规范管理的目标，从而建立健全全社会信用评价体系。

企业信用；评级；多分类离散选择模型；语言信息

随着经济全球化和资本全球化的不断加深，一方面为我国经济和金融发展注入了新的活力，这在上市企业融资方面表现地尤为明显。通过上市，原来资金借贷相对困难的企业变得容易起来。另一方面，凭借着企业的信用筹集资金也为资金的安全性提出了更高的要求。因此，信用等级的高低关乎到企业筹集资金的难易程度，特别是近几年发生的“次贷危机”、“欧债危机”、“温州企业主跑路事件”等事件提醒我们，必须建立一种合理、健全的上市企业信用评级制度。这种评级制度应该从企业的筹建出发，主要包括企业筹资和投资、企业经营运作、企业的增长与发展、企业的核心竞争力等，能准确全面地反映企业的信贷等级。信贷等级制度不仅起到了监督企业信贷的作用，还为投资者更加方便安全的投资提供依据。信用评级已经成为衡量企业信用等级的重要手段，它既是我国应对经济全球化和资本全球化以及提高金融国际竞争力的方式，更是提升公众投资效率、净化投资环境的根本途径。发达国家在构建以风险评估为基础的风险管理模式上作了积极的探索和实际运作［1－4］。现代的信用评级业发源于美国，美国领导着全球信用评级的实务制度与学术研究。商业信用评级是信用评级机构的前身，美国的很多商业评级机构经过合并、重组形成了如今一流的评级机构如：穆迪和标准普尔等。日本的信用评级起步较晚，但经过发展还是有了自己国内的权威品牌。

在我国当前的经济环境下，市场经济发展的时间较短，信用问题一直是制约我国经济发展的因素。经过了十几年的不断发展，尽管已经建立了信用等级评价制度，但是仅仅局限于定性信用管理方式的运用，研究信用等级评级产生的成因及其策略基本理论方面，而缺乏信用评级模型深度的研究。回顾前人的成果，其中有KMV期权定价模型计算违约频率的方法。这种方法主要是采用数学定量计算的方法，没有从定性的角度出发去研究信用评价体系。在我国，信用评级是以银行对企业的信用评价为主，这种评价体系多以财务数据分析和现有及未来的项目盈利性等方面设计的。理论上讲，信用等级的确定最重要的方面是对于企业内部的风险判别。根据前人的研究成果，从实践的角度上看，定性数据的衡量相较于定量数据的衡量困难。但是依然能从多元统计分析中找到解决问题的方法。运用Logistic回归模型对分类因变量进行分析，可以给实际研究带来估计参数容易解释、事件的预测概率计算简单等便利。另外，企业信用等级涉及到语言评价信息问题，并且其评价信息多属呈现出时序特征的面板数据。

本文在以上研究成果的基础上，应用语言评价信息处理技术，建立基于有序多分类离散选择的风险识别和分析模型，通过对国内的上市企业的信用等级的实证研究，提出一种基于语言信息处理和离散选择模型的信用等级评级模型，为建立良好的信用等级制度和信贷关系提供了新的方法。

1 上市企业信用评价分析指标体系的建立

上市企业信用评级指标体系应包括企业筹资和投资、企业经营运作、企业的增长与发展和企业的核心竞争力这几个方面的指标。当前，在国际评级机构所给出的评级准则中，过多的注重定量指标，而忽略定性指标的应用和处理。因此，在建立上市企业信用评价分析指标体系时，要尽量使定性指标和定量指标的均衡，尽量涉及上市企业各个环节，完整、准确地反映国内上市企业的信用等级。在进行数据处理时，把所有的指标标准化，清楚地显示指标之间的关系。根据选择信用评价指标的设置标准，经过筛选，选择以下11个定量和定性指标（见表1）。

表1 上市企业信用评价指标体系Table 1 Credit evaluation index system of listed companies

2 基于语言信息的上市企业信用等级评价模型

2.1 问题描述

假设上市企业总体的信用指标集合为C＝｛c1，c2，…，cn｝，n≥2，ci代表指标体系中的第i个指标。从样本角度考虑，取上市企业信用等级评价样本如下：对q个上市企业v1，v2，…，vn进行信用评估，vj代表第j个企业，评估信息取自以下语言评价集S：

从整体评价集S中选择1个元素做为针对被评价对象vj对应于指标ci的评价值，记

假定20个上市企业信用评估的潜在变量为F1，F2，F3，上市企业信用等级的特点和投资资金风险管理的要求将信用级别设置为“低、中、高、很高”4类，并用数字“0”，“1”，“2”，“3”表示，概率分别为p0，p1，p2，［5］。由二元语义分析方法可得，以1个二元组（si，αi）来表示语言评价信息，其中si∈S，评价者的语言信息短语取自语言评价集S，根据二元语义转换函数θ可以将单个语言短语si转化为二元语义形式［6］。对语言信息的集结众多学者已经有丰硕的研究成果［7－11］。

2.2 提取影响上市企业信用等级的潜在变量

影响上市企业信用等级的因素很多，其中有些是定量数据，有些是定性数据。如：净资产收益率、资产总额、主要业务安全性、管理控制分析等，这些指标都是与上市企业信用等级相关的。但是，它们之间往往存在着多重共线性，应用因子分析法以提取潜在变量解决多重共线问题。

其中：X∈R为观测变量；F∈Rm为提取出来的潜在变量，因子负荷矩阵Λx∈Rn×m表示观测变量与潜在变量之间的关系；εx∈Rn为观测误差或噪声，则有

2.3 建立信用评级模型

2.3.1 有序离散选择模型与估计 在信用评级实践中，用数字代表相应评估结果时，数字的大小反映了1种风险高低次序，与此类问题对应的评价模型可采用有序离散选择模型。设y表示序类数为k＋1的响应变量，即在｛0，1，2，…，k｝上取值的有序分类响应变量，解释变量为x1，x2，…，xm，则对应有序离散选择模型为［12］：

其中：x＝（x1，x2，…，xm）T是解释变量构成的向量，β是参数向量。y＊代表的是效用评价值，是不可观测的连续变量。只能观测到的是：

这里α1＜α2＜…＜αk表示割点。

本文采用ε～Logistic分布的假设，可以得到如下的有序Logit模型：

式（7）中的未知参数包括阈值α＝（α1，α2，…，αk）T和参数向量β，可以通过极大似然估计得到。构造对数似然函数如下：

2.3.2 基于有序Logitic回归模型的判别分析 有序Logit模型用于上市企业信用评估时，通常用“序类数－1”个回归方程描述自变量（预报变量）与响应变量的关系，故可用如下K个回归方程联立给出：

建立（10）式所示联立方程并经过相应统计检验，便可以据此对新抽样上市企业进行信用评估。对于1组解释变量值，，…，，代入式（10）并求解出qk－1，…，q1，q0的值，进而可以得到序类0，1，2，…，k的概率p1，p2，…，pk：

对模型的统计检验是通过拟合优度检验来实现的。拟合优度检验用来验证样本回归模型和总体回归模型的拟合程度，设总体回归模型为F0（x），样本回归模型为F（x）。原假设样本回归模型等于总体回归模型，H0∶F（x）＝F0（x）。备择假设为H1∶F（x）F0（x）。模型的拟合优度检验统计量通常有皮尔逊（Pearson）和科尔莫戈罗夫拟合检验等。Pearson检验统计量的定义如下：

实际统计判决时，拟合优度检验结果中P值越高，则意味着检验统计量的值落在接受域，接受原假设H，模型越可靠。

表2 全国20家上市企业信用评价信息表Table 2 Credit evaluation information table of 20 listed companies

3 实证研究

我国拥有众多大中型上市企业，在整个大环境的影响下，出现了一批“明星企业”。因此，建立具有我国上市企业特点的信用评级制度势在必行。下面选取全国20个上市企业统计的信用评价信息，验证本文提出的基于语言信息的上市企业信用评价方法。

步骤1：根据表1给出的综合评价指标体系，对比语言评价集S，统计评级机构对各上市企业给出各评价指标信息。

步骤2：对以上数据信息进行因子分析，得到表3因子分数系数表和表4旋转的因子载荷和公共因子方差表。

表3 因子分数系数表Table 3 Factor score coefficient table

表4 旋转的因子载荷和公共因子方差Table 4 Rotation of factor loadings and factor variance

因子分析碎石图（见图1）和分数图（见图2）如下：

则有因子分析系数，

由结果（14）式，因子F1基本支配了c7，c10，c8，基本反映了上市企业的主营业务的安全性、管理的可控性和经营的多样性；因子F2基本支配了c3，c2，c1，基本反映了上市企业的股票收益性、资产规模和净资产收益性；因子F3基本支配了c6，c4，c5，基本反映了上市企业的资产周转率，资产负债率和盈利性。

根据表2和式（14）可得潜在变量的评价值，如表5。

表5 潜在变量评价值Table 5 variable evaluation table

表6 Logistic回归分析结果Table 6 Analysis of regression Logistic

拟合优度检验用来验证样本回归模型和总体回归模型的拟合程度，设总体回归模型为F0（x），样本回归模型为F（x）。原假设H0∶F（x）＝F0（x），备择假设H1∶F（x）≠F0（x）。拟合优度检验结果中P值越高，则意味着检验统计量的值落在接受域，接受原假设H0，模型越可靠（见表7）。

表7 拟合优度检验结果Table 7 Goodness of fit test results

根据以上回归结果，得到有序Logit回归模型，如式（13）所示：

步骤3：假定有一待评级上市企业，根据信用评价模型，进行信用评估分析。其上市企业信息如表。

表8 待评级上市企业信息Table 8 Unrated and listed companies information

根据式（15），提取的潜在变量评价值如下表所示：

表9 待评级上市企业潜在变量评价值Table 9 Unrated and listed company on the latent variable evaluation

据式（11），可求出q1，q2，q3，如下表所示：

表10 待评级上市企业q值Table 10 q value of unrated and listed company

步骤4：结果分析

经以上上市企业信用风险判别分析，该上市公司处于中国境内，经过信用评级模型的评估，总体信用评价较高，其中净资产收益率、股票收益、资产负债率和经营多样性方面较好。这些指标与该企业所从事的行业与地区有密切关系。该企业为香港上市的银行企业，股票收益和净资产收益率都能保持着较高的水平，并且具有银行业较高的资产负债率，而且在金融银行业发达的地区多样性程度很高。但企业的总规模无法和国内其他的国有银行相比，所以需要借助科学的系统管理来完善整个行业的运作，实现资产方面的快速增长。

4 结 语

针对上市企业信用评级问题，在多分类离散选择模型及参数估计基本原理的基础上，运用了1种基于语言信息处理技术的上市企业信用评级的方法，把定量和定性指标相结合，提出了基于有序多分类Logistic

回归的上市企业信用风险判别模型。以上方法组合可以为企业的管理层、企业的投资者和政府部门等提供一套良好的信用评价方式，起到了标准化、规范化的作用；另一方面，这种方法不仅仅局限于上市企业，可以推广到全社会的各个领域，并且为更好地推进全社会各个领域的信用制度提供参考。

［1］ Kookana R S，Baskaran S，Naidu R.Pesticide fate and behavior in Australian soils in relation to contamination and management of soil and water：a review［J］.Australian Journal of Soil Research，1998，36（5）：715－764.

［2］ Igor G D，Sabine B，Colin D B.Review calibration of pesticide leaching models：critical review and guidance for reporting［J］.Pest Management Science，2002（58）：745－758.

［3］ Bhanti M，Taneja A.Contamination of vegetables of different seasons with organophosphorous pesticides and related health risk assessment in northern India［J］.Chemosphere，2007（69）：63－68.

［4］ Clewella H J，Thomasa R S，Gentryb P R，et al.Research toward the development of a biologically based dose response assessment for inorganic arsenic carcinogenicity：A progress report［J］.Toxicology and Applied Pharmacology，2007，222（3）：388－398.

［5］ 张东玲，高齐圣，杨泽慧.农产品质量安全风险评估与预警模型—以山东省蔬菜出口示范基地为例［J］.Systems Engineering－Theory ＆Practice，2010，30（6），168－174.

［6］ Herrera F，Martinez L.A 2－tuple fuzzy linguistic representation model for computing with words［J］.IEEE Transactions on Fuzzy System，2000，8（6）：746－752.

［7］ Delgado M，Verdegay J L，Vila M A.Linguistic decision making models［J］.International Journal of Intelligent Systems，1992，7（5）：479－492.

［8］ Yager R R.On ordered weight averaging aggregation operators in multi－criteria decision－making［J］.IEEE Trans on Systems Man and Cybernetics，1988，18（1）：183－190.

［9］ Chiclana F，Herrera F，Herrera－Viedma E.Integrating multiplicative preference relations in a multi－purpose decision－making model based on fuzzy preference relations［J］.Fuzzy Sets and Systems，2001，122（2）：277－291.

［10］ Yager R R.Induced ordered weight averaging operators［J］.IEEE Trans on Systems Man and Cybernetics，1999，29（2）：141.

［11］ Herrra F，Martinez L.A Model based on linguistic 2－tuples for dealing with multigranular hierarchical linguistic contexts in multi－expert decision－making［J］.IEEE Transactions on Systems Man and Cybernetics Part B：Cybernetics，2001，31（2）：227－234.

［12］ 郭亚军，姚远，易平涛.一种动态综合评价方法及应用［J］.系统工程理论与实践，2007（10）：155－159.

Ordered Discrete Choice Model－Based Credit Rating and Risk Warning：Illustrated by an Example of Twenty Domestic Listed Companies

MU Peng－Fei，ZHANG Dong－Ling
（School of Economics，Qingdao University，Qingdao 266071，China）

In order to solve the listed company credit evaluation and early－warning management，an analysis approach based on multi－classification discrete choice model is proposed.On the basis of building a listed company credit evaluation index system，applying the linguistic information processing method，the panel valuation data is aggregated to obtain the integrated evaluation values.The potential variables are extracted by factor analysis method，an ordered logistic model is put forward，and the calculation analysis steps are given.This research is illustrated by an example of twenty domestic listed companies.The research indicates that the linguistic information can be effectively aggregated with less lost by this method，the issues that the classes of listed company credit are ordinal，and approach will promote the improvement of the credit rating system of listed companies，and achieve the target on the standardized management of listed company credit.

corporate credit；rating；multi－classification discrete choice model；linguistic information

F224.0

A

1672－5174（2012）09－090－07

教育部人文社会科学研究项目（10YJC630372）资助

2012－04－02；

2012－05－10

牟鹏飞（1990－），男，本科生。E－mail：mupengfei＿andy＠126.com

责任编辑 庞 旻