基于社会责任的上市公司财务信用风险评价研究

曹海敏，邵明昱

(上海工程技术大学 管理学院，上海 201620)

基于社会责任的上市公司财务信用风险评价研究

曹海敏，邵明昱

(上海工程技术大学 管理学院，上海 201620)

企业履行社会责任是企业信用的表现形式。随着市场经济的飞速发展，企业信用已成为资源配置的重要因素。将社会责任与财务信用相结合，基于利益相关者理论，从股东、债权人、消费者、供应商、政府、员工、社会等7个维度，选取20个指标建立Logistic-SVM财务信用风险评价模型，得出股东利益对企业财务信用风险影响程度最大、对政府利益影响最小的研究结论。最后从政府、社会、企业3个层面提出风险控制策略。

社会责任；财务信用风险；Logistic-SVM模型

一、引言

随着市场经济的飞速发展，企业信用已成为资源配置的重要因素。然而，从20世纪90年代开始，金融危机频发，尤其是2008年美国次贷危机、2009年希腊国家债务危机、2010年发生并一直持续至今的欧洲主权债务危机以及2016年英国就退出欧盟开展全民公投，世界范围内的信用危机不断发生，对全球金融体系造成了严重影响。目前，产品质量、食品安全等一系列信用问题严重阻碍了中国经济一体化发展进程。据报道，我国企业每年由于信用缺失造成的损失高达5 855亿元，信用缺失已经成为制约经济快速增长、企业健康发展的瓶颈[1]。以虚构经济业务、违反合同、披露虚假财务信息[2]等为主的企业财务信用缺失进一步导致了企业信用危机，严重影响了经济健康发展及企业利益相关者的利益。近年来，承担社会责任作为企业维护公众利益及可持续发展的必然因素得到社会各界的重视。履行社会责任不仅是企业发展进程中的一项义务，也是加强企业财务信用的关键途径[3]。企业积极主动承担社会责任，对于社会经济健康发展、社会信用体系建设都具有深远意义。那么企业履行社会责任会对企业财务信用风险产生什么影响？如何从企业社会责任的角度加强企业财务信用建设、降低财务信用风险？这些都成为研究的重要内容。本文将企业社会责任与财务信用风险相融合，从社会责任视角研究企业财务信用风险评价。

二、文献综述

20世纪30年代，国外学者开始对财务信用风险评价模型进行研究。早期主要是对企业财务信用的定性分析，主观评价企业信用状况，并评定信用等级。自20世纪70年代初到80年代末，基于统计判别的信用风险评价方法开始兴起，模型主要利用公司财务报表披露的信息和数据进行信用风险的定量分析。1998年，新巴塞尔协议修正案规定各大银行可以用内部模型估算信用风险，由此推动了信用风险度量方法的快速兴起。20世纪90年代以后，基于前人的研究成果，财务信用风险评价模型越发完善和更具有创新性，同时一些非统计方法被运用到信用风险评价模型中。近年来，信用度量的单一方法研究进入低潮期，学者们开始把研究重点放在信用风险度量组合模型上。

我国学者从3个角度对社会责任和财务信用风险的关系进行了研究，如表1所示。

综合国内外研究结果，从社会责任视角研究企业财务信用风险的文献很少。随着国内外对企业社会责任研究的不断深入，将社会责任融入到企业财务信用风险中为解决企业财务信用风险评价问题提供了新思路。

表1 社会责任和财务信用风险关系主要研究成果

三、基于社会责任的企业财务信用风险评价依据

基于利益相关者理论，分析社会责任视角下企业财务信用风险评价的研究思路、研究方法和研究目标，如表2所示。

利益相关者理论指出，一个企业的持续健康发展离不开股东、债权人、消费者、供应商、员工、政府、社会等等，企业不应只以股东利益最大化来经营管理，还应考虑债权人、员工、供应商等其他利益相关者的利益。因此，本文的研究范围包括股东、债权人、消费者、供应商、员工、政府和社会，研究方法和研究思路选择能够反映各利益相关者利益的社会绩效指标，利用这些指标建立相应风险度量模型，评价社会责任视角下的企业风险状况。

表2 基于社会责任的企业财务信用风险评价依据

本文基于学者曲艳梅的研究成果，将企业财务信用分为资本信用、商业信用和管理信用[11]。企业的资本信用所涉及的主要利益相关者是股东和债权人。股东是公司的所有者，其利益直接与企业的经营效益挂钩。股东利益最大化是企业的目标，企业有责任和义务谋取更多利润以回报股东。企业的生产经营结果及现金流量直接关系到企业能否及时缴纳贷款利息及按时归还本金，债权人的利益是否能得到维护。因而，企业对股东和债权人主要存在资本信用。

企业的商业信用主要被消费者和供应商所重视。消费者是企业获取收益的命脉，是企业最重视的利益相关者之一，为消费者提供满意的产品和服务是企业的基本职责，消费者最为关心的也是产品和服务的质量。对供应商来说企业按规定执行合同内容、按时缴纳货款就是守信用。企业对消费者和供应商主要存在商业信用。

员工、政府和社会最为关心的是企业的管理信用。一个企业管理质量的高低直接关系到员工、政府和社会的利益。企业有责任和义务善待员工，公司章程的制定应多考虑员工的利益，多为员工谋福利。企业有义务依照法律法规向国家缴纳税款并参与政府提倡的社会公益事业，有责任向社会提供更多的就业机会和岗位。企业对员工、政府和社会主要存在管理信用。

四、社会责任视角下企业财务信用风险评价的实证分析

(一)Logistic-SVM组合模型

企业财务信用风险评价的模型选择中，Logistic回归模型和SVM模型已被学者广泛应用。Logistic模型是离散选择法模型之一，是一种多元逻辑模型，属于多重变量分析范畴。由于Logistic模型对样本数据的要求较少，对变量也没有过多限制，如今被广泛应用。支持向量机(Support Vector Machine，简称SVM)，是近年来发展起来的新型人工智能方法。该方法对样本数据分布没有特别要求，而且基于结构风险最小化原则保证了SVM模型的稳定性。国外学者Chih-Shen Lin[12]，国内学者肖珉[13]、康艳红[14]将SVM模型用于信用风险评价领域，并与神经网络模型和Logistic模型进行比较，SVM模型取得了更优的结果。

组合模型的本质是通过信息的集成和分散个别样本特有的不确定性来提高准确度。研究表明，对于多因素复杂问题的评价，组合模型比单一模型拥有更高的准确度。由于Logistic模型与SVM模型对假设条件及样本数据要求相似，都能处理非线性、二分类问题，且均不要求变量服从正态分布，故本文选择Logistic-SVM组合模型。虽然Logistic模型与SVM模型处理数据的方式存在差异，但两者具有互补性，前者通过回归方程建立模型，具有较高稳定性；后者利用核函数，在有效避免过度拟合的同时保持高准确性。

本文采用SPSS 19.0统计软件，首先利用因子分析对指标进行降维，然后建立Logistic财务信用风险评价模型；再使用Matlab 7.8构建SVM财务信用风险评价模型；最后将Logistic和SVM相结合建立Logistic-SVM组合模型评价企业财务信用风险。

(二)样本选取

将在我国沪深两市上市的公司作为样本，剔除披露信息不完整、数据不完全的公司。同时，金融业的商业模式、报表结构异于其他行业，因此剔除金融类企业。在2013—2015年每年各选取200家上市公司，其中50家为在2013—2015年被标记过ST的公司、150家为未被标记过ST的公司。最终选取2013—2015年600家上市公司作为研究样本。数据来源主要是2013—2015年的年度财务报告和企业社会责任报告，行业分类来源于证监会最新行业门类划分。

由于本文选取的指标直接反应公司当年的运营情况及社会责任情况，加上宏观经济因素的影响，会导致选取的研究样本数据波动较大，异常值对实证质量有影响。因此根据3σ原则对异常数据进行剔除，共发现异常数据63个，最终样本容量为537个。

(三)指标选取

企业财务信用分为资本信用、商业信用和管理信用，从实证分析得出它们与企业成长性为正相关关系[15]。如图1所示，资本信用包括企业对股东、债权人社会责任的实现情况；商业信用包括企业对消费者、供应商社会责任的实现情况；管理信用包括企业对员工、政府、社会的社会责任实现情况。企业对利益相关者责任实现越好，财务信用越高，财务信用风险越小。

图1 企业财务信用风险评价体系设计

本文从企业财务报告出发，选取能反映7个利益相关者利益实现情况的指标，综合评价企业财务信用风险水平。本研究主要为企业财务信用风险控制路径提供意见，为避免主观性，将选取可以量化的财务指标作为风险度量依据，便于企业结合自身财务状况分析企业财务信用风险，具体如表3。

表3 社会责任视角下企业财务信用风险度量优化指标体系

(四)因子分析

本文采用因子分析法对指标进行降维，以降低信息重复的干扰问题，便于分别对企业资本信用风险、商业信用风险及管理信用风险进行评价。使用统计软件SPSS 19.0，得出股东利益因子、债权人利益因子、供应商利益因子、消费者利益因子、政府利益因子、员工利益因子和社会利益因子，分别用F1，…，F7表示：

F1=0.376X1+0.162X2+0.350X3+ 0.350X4-0.158X5-0.277X6

F2=0.014X1+0.432X2+0.021X3- 0.152X4+0.849X5+0.005X6

F3=-0.095X7+0.129X8+0.081X9+ 0.072X10+0.564X11+0.559X12

F4=0.440X7+0.319X8-0.689X9+ 0.418X10-0.034X11-0.010X12

F5=0.528X13+0.059X14+0.112X15+ 0.534X16+0.059X17-0.3X18+ 0.236X19+0.184X20

F6=-0.092X13+0.588X14-0.428X15+ 0.035X16+0.414X17-0.246X18+ 0.048X19+0.077X20

F6=-0.092X13+0.588X14-0.428X15+ 0.035X16+0.414X17-0.246X18+ 0.048X19+0.077X20

F7=-0.139X13+0.166X14+0.205X15+ 0.198X16+0.027X17+0.116X18- 0.734X19+0.507X20

(五)Logistic-SVM模型的建立与检验

1.Logistic财务信用风险评价模型的构建

将因子分析得到的7类因子F1，…，F7作为自变量，引入二元变量y作为因变量。选取350组上市公司样本数据，将2013—2015年被标记ST的我国上市公司作为财务信用风险高的样本，y取值为1；未被标记ST的上市公司作为财务信用风险低的样本，y取值为-1。被标记ST的样本有78组，未被标记ST的样本有41组。基于以上数据，通过SPSS 19.0对7类因子进行Logistic回归，构建企业财务信用风险评价模型。得到的企业财务信用风险评价表达式为：

其中，Pi在(0，1)中间取值，代表企业财务信用风险大小。Pi越接近0，表示企业财务信用风险越小，企业财务信用越好；Pi越接近1，表示企业财务信用风险越大，企业财务信用越差。

2.SVM财务信用风险评价模型的构建

在Matlab7.8的环境下，基于SVM模型，以上述350组上市公司样本数据作为训练集S1，剩余187组作为测试集S2。训练集中有272组未被标记ST的上市公司数据，有78组被标记ST的上市公司数据。测试集中未被标记ST的上市公司数据和被标记ST的数据分别是146组和41组。设定两分类目标值{-1,1}，-1代表财务信用风险低的企业，即未被标记ST的上市公司；1代表风险高的企业，即被标记ST的上市公司。使用Libsvm 3.1工具箱和faruto Ultimate Version 3.1程序包对企业财务信用风险评价模型进行构建。

(1)函数的选取与参数(c，g)的确定

SVM模型建立的关键在于核函数的选择。常用的核函数类型有线性(linear)函数、多项式(polynomial)函数、径向量(RBF)函数和sigmoid函数。袁莉[16]、王艾婷[17]、康艳红[14]、赵永霞[18]等学者通过实证验证出，以RBF函数为核函数的SVM模型较线性函数、多项式函数、sigmoid函数有更好的准确性。因此，本文借鉴这些学者的研究成果，选取RBF函数构建模型，同时引入(c，g)两个参数，利用Grid Search法寻找最优参数(c，g)，c的寻找区间设为[0,20]，g的寻找区间设为[-20,0]，步长设为4.5，采用4-fold交互检验模式进行粗略寻找，得到如图2的结果。

如图2所示，对(c，g)的最优值进行粗略寻找后，得到c的最优取值为445.72，g的最优取值为0.003 9，识别准确率为92.56%。接下来将c的区间设为[2,8]，g的区间设为[-8,-4]，步长设为0.5，采用10-fold交互检验模式进行进一步精细寻找，得到如图3的结果。

如图3所示，对(c，g)的最优值进行进一步精细寻找后，得到c的最优取值为36.758 3，g的最优取值为0.020 6，识别准确率为93.714 3%。此时达到最大的识别准确率。因此以参数(c，g)取值为(36.758 3,0.020 6)建立SVM财务信用风险评价模型。

图3 参数(c，g)进一步精确寻找结果的等高线图和3D视图

(2)模型检验

利用以参数(c，g)取值为(36.758 3,0.020 6)建立的SVM财务信用风险评价模型对测试集样本进行预测，得到Accuracy=89.304 8%(167/187)(classification)，并将结果输出。

(3)SVM模型的权重提取

由于SVM模型是用非线性函数将样本数据投射到高维特征空间中，并采用核函数取代高维特征空间中的内积运算。学习阶段完成后，决策者进行上市公司财务信用风险评价的主观判断、对目标重要性的偏好及推理机制等都被贮存在隐藏层中(如图4)，因此从显性评价变量、评价标准中不能直观了解决策方式和过程，进而不能对评价结果做出明确解析。但在现实中，人们除了需要高准确性模型之外，更希望从模型的映射关系中了解SVM的决策过程，并对分类结果进行解释，对企业财务信用风险的控制提供路径指导。

图4 SVM模型方法结构图

最终得出提取权重的SVM财务信用风险评价表达式为：

f(xi)=-0.036 28xi1-0.057 8xi2-0.047 1xi3- 0.097 6xi4+0.084 6xi5-0.301 6xi6- 0.217 7xi7

3.Logistic-SVM组合模型构建

基于前人研究成果，将组合模型的误差平方和σ2最小化作为目标函数，采用被普遍使用的最小方差法求解组合模型的权重系数。

利用最小方差法求得：

得到最终的Logistic-SVM模型公式：

F(xi)=0.227 3Pi+0.772 7f(xi)

4.模型检验

将测试集S2代入Logistic-SVM模型公式进行检验，准确率如表4。

表4 Logistic-SVM组合模型的财务信用风险评价检验结果

如表4所示，基于Logistic-SVM组合模型对测试集的预测结果中，将11个风险低的上市公司判断为风险高的公司，135个风险低的上市公司预测正确，对风险低的上市公司的预测正确率达92.5%。在对风险高的上市公司预测时，将10个风险高的公司判断为风险低的公司，其余31个公司判断正确，对风险高的上市公司的预测正确率达75.6%。对测试集样本的综合预测正确率为88.8%。可以看出，基于Logistic-SVM组合模型的财务信用风险评价模型的拟合度较好。

将Logistic模型、SVM模型、提取权重的SVM模型及Logistic-SVM组合模型的预测结果进行比较，如表5所示。

表5 模型预测结果比较

从表5可以看出，Logistic模型、SVM模型以及Logistic-SVM组合模型的预测企业财务信用风险的准确率依次为88.8%、89.3%和88.8%。Logistic-SVM组合模型对两种模型进行了有效整合，虽然其整体预测准确率不是最高的，但在保持对低财务信用风险企业的预测正确率很高的前提下，高风险企业的正确率有了一定提高，模型的综合预测能力较好。

5.实证结论

通过上述实证分析，可以发现Logistic-SVM财务信用风险评价模型对上市公司财务信用风险评价的综合能力最好。从最终得到的Logistic-SVM财务信用风险评价表达式可以看出，企业财务信用风险与股东利益因子、债权人利益因子、供应商利益因子、消费者利益因子、员工利益因子、社会利益因子呈负相关关系，与政府利益因子呈正相关关系。利益因子中对企业财务信用风险影响程度由大到小依次为：股东利益因子、员工利益因子、社会利益因子、消费者利益因子、债权人利益因子、供应商利益因子和政府利益因子。股东利益因子对企业财务信用风险的影响程度最大，占0.41。说明企业实现股东利益的行为对降低企业财务信用风险最有效，原因在于企业的运营资金主要来源于股东投入，股东利益实现程度越高，企业资金越充裕，越有利于企业经营发展，从而使企业股价越高，股东得到的分红也越多，股东利益实现程度进一步提高，形成良性循环。

政府利益因子与财务信用风险呈正相关关系，风险影响程度最小。政府对企业进行监督管理，有助于企业获得政府相关政策扶持，有利于企业的资金周转。企业按时纳税可以获得良好信用，说明企业缴纳税款、吸纳失业人员等行为会促进财务信用风险的增大，原因可能是：第一，维护政府利益的行为在短时间内导致企业运营成本的提升，企业没有权衡成本和收益的关系；第二，企业这些行为没有得到政府相应的政策扶持，不利于资金业务的周转，特别是研究样本中国有企业所占比重大，对政府依赖程度相对更高，政府的政策执行力有待加强；第三，可能还与本文进行实证研究的时间跨度较短有关，这将是下一步研究的方向。

五、结语

针对上述问题，本文从政府、社会和企业3个层面分析企业财务信用风险评价策略。首先，从政府层面，国家和政府应建立信用法律制度体系及信用信息监管平台，健全财务信用管理机制。良好的信用环境需要相关法律制度作为支撑和保障。依法设置信用惩戒机制有助于消除商业欺诈等大部分不良商业行为，一定程度上保障信用经济发展。为此，我国也应建设信用监管平台，建立财务信用奖励及惩戒机制。其次，从社会层面，加强社会道德建设，在社会中形成信用新风尚。道德是信用建设的基础，信用经济时代，信用成为资源配置的重要因素，社会道德建设主要包括公民道德建设和职业道德建设。最后，从企业层面，提高企业社会责任意识和信用意识，建立企业信用制度。企业社会责任是企业信用的具体表现形式，增强企业社会责任意识有利于提高财务信用、降低财务信用风险。强化社会责任意识和信用意识离不开信用制度的建设。企业信用建设作为企业战略的一部分需要用规章制度加以规范。

[1] 敖华，赵娴.我国社会信用管理行业总体特征、主要问题及对策研究[J].浙江工商大学学报，2011(1):59-65，89.

[2] 安灵,黄银锋.我国上市公司年报预约披露日变更动机研究[J].重庆理工大学学报(社会科学),2016,30(6):67-75.

[3] 曹海敏，储丽琴.企业绩效、财务信用和社会责任——基于某民营企业的案例分析[J].财会通讯，2014(6):85-88，129.

[4] 叶陈毅，宋绍清.企业社会责任、信用治理及评价系统的构建[J].财务与会计，2009(12):56-57.

[5] 晏艳阳，刘鹏飞.公司社会责任绩效对其信用风险的影响研究——来自A股市场的证据[J].湖湘论坛，2014(1):36-40，52.

[6] 王雪青，韩涛涛，陈杨杨，等.基于SD的建筑市场执业资格人员信用行为决策机理研究[J].工程管理学报，2015(1)：1-6.

[7] 安强.企业可持续发展下的财务管理创新[J].企业导报，2010(8):89-90.

[8] 赵文英，郭晓明.基于企业可持续发展的社会责任研究[J].财会通讯，2010(24):123-125.

[9] 李冰.万科集团社会责任对财务风险的影响研究[D].大庆：黑龙江八一农垦大学，2015.

[10]葛倩.民营企业财务信用对社会责任绩效的影响研究[D].上海：上海工程技术大学，2015.

[11]曲艳梅.上市公司财务信用评价指标体系的研究[J].商业研究，2006(6):104-106.

[12]PAIPingfeng,LINChishen.AhybridARIMAandsupportvectormachinesmodelinstockpriceforecasting[J].Omega:InternationalJournalofManagementScience,2005，33(6):497-505.

[13]肖珉.我国企业集团上市公司财务预警与信用风险评估研究[D].成都：电子科技大学，2012.

[14]康艳红.基于Logistic-SVM的农户信用评价组合模型研究[D].长春：吉林大学，2014.

[15]曹海敏，常越.企业财务信用评价对成长性的影响效应分析[J].经济问题，2015(10):113-117.

[16]袁莉.基于支持向量机的建筑业企业信用评价研究[D].大连:大连理工大学,2008：35-61.

[17]王艾婷.基于SVM的商业银行信用风险模型研究[D].天津:天津大学,2009：24-45.

[18]赵永霞.电力上市公司财务风险评价及预警研究[D].北京:华北电力大学,2014：56-73.

[19]陈思凤.基于ASVM的创业板上市企业风险评估研究[D].合肥：合肥工业大学,2012：45-60.

(责任编辑 魏艳君)

Research on the Evaluation of Listed Company’s Financial Credit Risk Based on Social Responsibility

CAO Hai-min, SHAO Ming-yu

(School of Management,Shanghai University of Engineering Science, Shanghai 201620, China)

The company fulfills the social responsibility, which is the manifestation of business credit. With the development of market economy, corporate credit has become an important factor in the allocation of resources. In this paper, based on stakeholder theory, combining the social responsibility and financial credit, 20 indicators were selected from seven dimensions (shareholders, creditors, customers, suppliers, government, employees, and society) to establish Logistic-SVM evaluation model of financial credit risk. Results show that the interests of the shareholders bring about the greatest impact on the financial credit risk of the enterprise and the interests of government have the minimal impact. Finally, risk control strategies are put forward from the aspects of government, society, enterprises.

social responsibility; credit risk of finance; logistic-SVM model

2016-09-13 基金项目：上海市政府决策咨询研究项目“证券期货交易机构一线监管与政府监管联动防范风险研究”(2016JD02)；上海市重点课程建设项目“管理会计”(S201503001)

曹海敏(1961—)，女，河南洛宁人，教授，硕士生导师，中国注册会计师，研究方向：财务管理、管理会计。

曹海敏，邵明昱.基于社会责任的上市公司财务信用风险评价研究[J].重庆理工大学学报(社会科学)，2017(3):38-46.

format：CAO Hai-min, SHAO Ming-yu.Research on the Evaluation of Listed Company’s Financial Credit Risk Based on Social Responsibility[J].Journal of Chongqing University of Technology(Social Science)，2017(3):38-46.

10.3969/j.issn.1674-8425(s).2017.03.007

F275

A

1674-8425(2017)03-0038-09