中国公司债券评级方法应用研究

田渊博

摘要在国内外债券评级的研究基础之上，选用MDA、Logistic模型、Probit模型以及神经网络四种债券评级方法，结合中国上市公司的风险特征，从变量甄选的角度对债券评级方法进行优化，同时采用中国上市公司数据进行实证分析.实证结论表明：甄选出的评级变量较国外常用的评级指标更好的刻画了中国上市公司的风险特征；Logistic模型、Probit模型和神经网络方法都对中国上市公司的债券有较高的评级分类能力，尤其是Probit模型和神经网络方法对中国公司债券的评级非常准确，误判率接近于0.

关键词债券评级；MDA；Logistic；Probit；神经网络；变量甄选

中图分类号 F830.91 文献标识码A

AbstractBased on the researches about bond rating at home and abroad， this paper chooses four types of methods including MDA， Logistic Model， Probit model and neural network，and according to the risk features of China list corporations， such methods were optimized by the angle of the variable selection， and the data of China list corporation was used to conduct an empirical analysis. The conclusions show that the rating variables selected can capture the risk features of China list corporations better than the rating variables often chosen in the literatures abroad， and all of Logistic Model， Probit model and neural network have much more capability of rating classification to the bonds of China list corporations， especially the rating results of the Probit model and neural network method are very precise，and the error classification rates are almost 0.

Key words bond rating； MDA； Logistic； Probit； neural network； variable selection

1引言

债券评级对于债券的发行以及债券收益率价差都有较大的影响，在债券市场的构建中具有重大的理论价值和实践意义.债券评级能够减少资本市场中的信息不对称，降低公司的融资成本，提高金融监管效率，活跃市场交易从而提高市场效率.优良的债券评级方法和技术能够为债券市场及资本市场提供准确的风险信息，提高市场资源配置的能力和效率；同时，债券评级方法及技术是债券市场和资本市场发展进步的必然产物，也是债券市场和资本市场健康发展的基础与保证.因此，债券信用评级技术的优化和提高，必然能够促进中国公司债券市场的发展与进步，以完善中国债券市场.

债券评级模型和方法的研究在国外已逾百年，从而积累了一批在理论和实践中都得到较为广泛应用的统计模型和方法.Altman（1968）1，2选取了1945年至1965年期间66家制造业公司，破产公司和非破产公司各33家，在选取一定的财务指标后，利用多元判别分析（MDA）建立了著名的Z得分模型；Altman发现Z得分模型的正确分类比率高达90%以上.Ohlson（1980）3将Logistic模型引入到公司财务危机预测上来，他利用1970年至1976年部分公司的财务数据应用于该模型，最后得到在预测公司破产上具有显著作用的四类因素分别是：规模、杠杆比率、业绩表现（比如净收入/总资产或营业收入/总债务）和货币流动性（营运资本/总资产或者流动资产/流动负债）.此外，Zmijewski（1984）4采用1972年至1978年的部分美国公司作为样本，应用于Probit模型，即累积概率模型，也得到了较好的预测结果.Coats与Fant（1993）5将神经网络方法应用于公司财务状况的评价.他们选择与Altman的Z得分模型相同的五个指标，以1970年至1989年的数据样本进行了检验，不仅克服了MDA方法理论假设与现实背离的困境，结论也表明神经网络方法比MDA方法在公司分类上更加有效.

鉴于中国债券市场的落后以及实证数据的缺失，国内对债券评级进行研究的大多数学者都是在借鉴国外经验的基础上，对成熟有效的债券评级模型和方法进行改进，以应用于中国债券市场.李湛和徐一骞（2009）6运用Altman的Z得分模型，检验了2006年至2007年由中诚信所作信用评级的34家企业，结果表明我国企业存在众多信用评级相背离的现象.刘瑞霞、张晓丽、陈小燕以及郝艳丽（2008）7将多元有序Logit模型应用于我国的信用评级，并选取我国53家上市公司作为样本对Logit模型的适用性进行了检验.结论表明该模型较传统的二分法更具操作性和准确性.朱彬、刘卫星和谢康林（2004）8将神经网络方法应用于中国企业信用系统，他们采用80家上市公司的数据进行训练和测试，结论表明神经网络方法正确分类的准确率高达85.26%.

由于我国债券市场的落后，数据的缺失，以及很少对模型进行改进，而是直接将国外模型应用于中国公司债券的评级，导致国内债券评级实证分析的结论相互背离，以致无法对债券评级方法及模型的优劣做出正确的评价.然而，各个国家的制度因素和社会环境均不一样，尤其是发展中的社会主义中国，和西方资本主义国家有着本质的区别，中国上市公司在中国的市场体制与社会环境中有其自身的特点和不足，如果完全照搬国外的评级模型和方法，必然是不合意的.因此，本文在国内外关于债券评级方法的研究成果之上，选取MDA、Logistic模型、Probit模型以及神经网络四种优良的债券评级模型和方法，结合中国上市公司的自身特点，从变量甄选的角度优化评级模型和方法，并扩大实证检验的样本容量，通过实证分析，推衍出更加适合中国上市公司的债券评级方法或模型.实证分析结论表明：本文甄选出的评级变量较国外常用的评级指标更好的刻画了中国上市公司的风险特征；Logistic模型、Probit模型和神经网络方法都对中国上市公司的债券有较高的评级分类能力，尤其是Probit模型和神经网络方法对中国公司债券的评级非常准确，误判率几乎为0.

2中国上市公司风险特征分析

不论是市场环境还是上市公司的运作能力，中国都与欧美发达国家相距甚远.在这种情况下，完全以欧美发达国家的评级指标作为中国的债券评级准则，自然不能较好地刻画我国上市公司的信用违约风险，势必会影响债券评级的准确性.结合中国上市公司所处的市场环境，中国上市公司的治理结构以及中国上市公司的财务特点，对评级指标重新甄选，将有助于提高中国上市公司债券评级的准确性和有效性.

中国作为社会主义国家，中国上市公司首先所经历的是社会主义市场经济体制，计划经济时期的国有企业在上市之后同样保留了其公有制的形式，将公司股权的大部分划归到国有股份，再除去不可流通的法人股，真正能够上市流通的股份只有30%左右.随着我国资本市场的发展，作为股票市场主力军的国有企业，仍然以一股独大的局面长期存在.直到2004年股权分置改革以后，大小非解禁，国有股和法人股所占比例逐步减小并开始在市场上流通.不论国家控股是否有利于公司业绩的提升，在中国的股票市场中，国有控股公司与非国有控股公司却有着本质的区别.除了税收的优惠政策外，由于国有股份的比重过大，相对于非国有控股公司，国有控股的上市公司不存在市场中用脚投票的外在压力以及股权收购的兼并压力，国有控股的上市公司破产的概率要远远小于非国有控股公司的破产概率，即使国有控股公司营运不佳，相关政府也会不断向国有控股公司注资以维持其业务的正常经营.这种股权结构可能有损于股票投资者的利益，但却十分有利于债权人，因为国有控股公司如同得到国家的担保，债务违约的可能性极小.此外，由于中国的社会主义性质以及国有股份在股票市场中所占的份额，中国的股票市场难以独立于政府的行政干预之外.在政府对中国股票市场的长期行政干预之下，作为大盘指数成分股相当比重的国有控股公司会引起整个股票市场的波动，中国上市公司面临着巨大的系统性风险，也就是说，政府通过行政手段干预中国股票市场，从而使得中国上市公司不论行业还是板块都会以政府政策为导向，产生一些背离基本价值的变化，具有较大的系统系风险.除政府行政干预增加上市公司的系统性风险之外，中国投资者强烈的投机心理和非理性行为也给上司公司带来巨大的个体风险.投资者的非理性行为首先在股票市场造成泡沫，引致上市公司的风险增加，财务质量下滑，最终导致上市公司债券违约风险增加.

中国上市公司除了所处的市场环境与欧美上市公司不同以外，公司的治理机制也存在明显的差异.结合中国上市公司的治理机制，可以发现中国上市公司既具有以英美为主的外向型控制治理模式的特点，又具有以日德为主的内部控制型公司治理模式的特点.中国上市公司以股权融资为主，债务主要是银行贷款，资产负债率较低（不包括金融行业在内的行业平均资产负债率为45%左右），但股权又高度集中，资本市场的资源配置作用没有有效发挥，以内部控制对公司进行治理.

对中国上市公司的资产负债率进一步研究可以发现，其负债中的流动负债平均水平高达80%左右.除此之外，中国上市公司在计算资产负债率时，常常将短期债务和长期债务视为一体，将二者之和的负债总额与总资产作比，求得资产负债率.这种资产负债率很好地衡量了企业在清算时债权人所得到的保护程度，但是并不能全面体现发行公司债券与资产负债率的关系.因为资产负债率的最终目的在于预警和防范公司的财务风险，而财务风险主要是指偿付到期债务的可能性，即使不考虑对于远期债务公司有时间选择许多措施来化解这种风险，未来也有存在众多不确定因素影响这一结果；另外，由于债务利息的存在以及不同期限的债券会轮流到期，公司的财务风险往往发生在当期而不是未来的远期.所以，上市公司将远期债务可能引起的财务风险视为现实风险不仅没有必要，也会导致对当期财务风险的度量偏差.

通过以上分析，中国上市公司信用风险方面主要有三大特点：

1） 国有控股公司相对于非国有控股公司拥有明显的信用优势；

2） 中国上市公司资本结构中股票权益占比较大，系统风险大，抗压能力弱；

3） 资产负债率偏低，而且以短期债务为主.

在中国上市公司进行债券评级时，先前文献所挑选的评级变量具有较好的参考价值，有些变量是各国上市公司都具有的共同特征，对债券评级和预测有很高的贡献度.在经验选择的基础上，本文将结合中国上市公司在公司信用风险方面的自身特点，引入更加能够捕捉中国上市公司信用风险特点的变量，从而对中国上市公司债券进行评级.表1为本文在使用数量方法对中国上市公司进行债券评级时所考虑的角度与选取的变量.

本文从先前文献债券评级的预测指标中，选取了6个变量，分别为EBIT/总资产，留存收益/总资产，前5年盈利的变异系数，流动比率，权益市值/债务账面值，总资产的对数.在此基础上，本文结合中国上市公司的特征，引入了4个新变量：以二值虚拟变量表示的公司控股性质，Tobin q，β以及EBIT/流动负债.

EBIT/总资产主要测量上市公司资产的利用效率.该比率越高，资产的利用效率就越高，公司的成长能力就越强，那么发生财务风险的可能性就越小.留存收益/总资产主要测量上市公司的长期盈利能力.留存收益是公司内部融资的主要来源，在所有融资渠道中具有最低的融资成本，可以较好地反映公司的发展能力.如果公司长期保持较少的留存收益，会阻碍公司的投资与发展，降低公司的盈利能力.前5年盈利的变异系数主要测量上市公司盈利的稳定性.公司财务质量不仅取决于盈利多少，还取决于盈利的稳定性.流动比率主要测量上市公司资产的流动性，能够反映公司偿付短期债务的能力.权益市值/债务账面值主要测量公司的资本结构.该比率越大，表明债务在公司资本中所占份额越小，债券违约风险就越小.总资产取对数主要测量公司规模.公司规模越大，固定资产就越多，即使公司发生清偿或破产，债权人也能以优先权获得补偿，因此债券的违约风险比小规模公司要小.

上述5个指标是国内外所有上市公司都具有的特征；下面从中国上市公司的独有特征出发，再选取4个债券预测指标.作为二值虚拟变量的公司性质主要测量中国上市公司是否国有控股.国有控股的上市公司与非国有公司相比，得到国家政府一定程度的担保，债券违约可能性较小.Tobin q主要测量上市公司的个体风险.Tobin q比率过高会引致公司市场价值与基本价值的偏离，容易形成泡沫，从而增加公司的风险，使公司债券质量下降.β主要测量上市公司的系统性风险.系统性风险越高，公司越容易受到市场各种因素变动的冲击，公司的其他风险会随之上升.EBIT/流动负债主要测量公司的偿债能力.因为风险随着时间在不断变化，债券评级主要度量公司的近期风险，随着时间的推移，评级也随着公司风险的变化而更改.所以长期债务对当期财务风险的评价和预警作用不大，流动负债才是令公司陷入财务困境的主要原因，而且中国上市公司中的流动负债占负债总额的80%以上，所以包含税收和利息在内的总利润与流动负债作比对中国上市公司的财务风险有更准确的反映.