上市企业信用评级体系的研究

李含悦

[摘要]随着产能过剩和企业效益下滑等问题逐渐向金融领域传导，为了降低不良贷款率，防范信贷风险，商业银行对上市企业信用评级的方法仍需不断完善。本文通过建立指标体系，综合运用因子分析和聚类分析的统计方法，对我国116家制造业上市企业划分了信用风险等级，进而建立了上市企业信用评级标准。

[关键词]商业银行；上市企业；信用评级；因子分析；聚类分析

一、引言

2015年人民币正式加入SDR，我国金融国际化程度不断提高。在保持人民币币值稳定的基础上，灵活的货币政策减轻了实体经济的成本压力，相对舒适的融资环境促进了实体经济的发展。然而，2014年至今，我国GDP增速放缓，产能过剩行业的尴尬处境以及基础设施建设投资的持续回落，给我国经济发展带来威胁。这不仅导致了企业利润减少甚至持续亏损，还制约了制造业投资的积极性，部分企业自身的偿债能力明显降低，极大地提高了商业银行的不良贷款率。因此，银行对上市企业贷款必须保持谨慎的态度，并提出严格的条件，不断完善信用评级方法。自2015年起，我国需要重新振兴制造业，其信用风险状况显得尤为重要。由于信用风险的不可预知性较大，信用评级的工作量也较大，评级人员的综合素质要求较高，所以科学有效的信用评级还需要借助计算机和统计模型来完成。本文结合实际的经济背景，选取了我国116家制造业上市企业作为样本，建立了信用评级体系并进行实证分析，希望在防范和化解信贷风险方面得出具有实际意义的结论。

二、上市企业信用评级指标体系

（一）相關假设

为了简化问题便于研究，在将经济问题抽象化为数学模型研究之前，需要先做些假设。本文针对信用评级问题所做的假设如下：1经过抽样得到的上市企业在该年内的会计核算以及编制会计报表时所采用的原则、方法、程序等并未变更：2选取的财务数据在统计上并没有出现登记性误差，即所有数据都是客观真实的：3本次信用风险评级的研究不会受到表外业务的影响。

（二）信用评级指标的选取原则

1.代表性。在上市企业信用评级研究的问题上，影响评级结果的因素有很多，且每个因素对结果的影响程度是不同的，这就要求抓住问题的主要矛盾来做分析，即把握最能够反映上市企业信用状况的因素，使指标具有代表性，得到的结果具有说服力。2.独立性。有些因素相互之间包含了大量的重叠信息，如果不加以剔除，就会出现几个指标说明同一个问题的情况，导致数据处理的低效率，给经济含义的解释造成不便。3协调性。除了需要保证指标间的独立性，又要考虑到变量问的协调性。在各个指标包含着不同经济信息的前提下，又能够相互配合地对上市企业信用状况进行解释，有助于决策者从尽可能全面的角度对企业进行审视，从而降低自身的经营风险。

（三）指标选取

从科学性的角度看，对企业的信用评级应包含两个方面：财务指标和非财务指标。具体操作思路如下：首先对财务指标和非财务指标分别建立相应模型，再将两个模型的评价结果综合分析，得到最终商业银行对上市企业信用评级的完整模型。从客观性的角度看，通过选取一定数量的财务指标可以进行对财务指标的定量分析：依据评级人员的推理判断可以进行对非财务指标的定性分析。由于评级人员的经验抉择因人而异，差别可能较大，且不易制定衡量的标准，故本文只讨论基于客观的财务指标。

通过查阅相关资料发现，用于信用评级的指标有很多，但事实上，评级指标并非多多益善。在参考了国内外度量信用风险指标的研究成果后，根据指标选取原则，本文最终拟选取9项指标进行分析，具体如下表所示：

基本每股收益能够说明收益的增长或减少，指标值越大，股利分配来源越充足，资产增值能力越强，可以用来衡量一个企业是否能达到其预期利润目标。总资产收益率直接地反映了企业的发展能力和管理水平，体现了企业运用资金的效果和效率，能够反映企业的长期竞争力。资产负债率代表了企业的资产结构和在相当长的时间内偿还债务的能力，也可以衡量企业借入资金的比重，是判断贷款风险程度的重要指标。有形资产负债比率将无形资产扣除出去，消除了个别无形资产价值带来的影响，更加可靠地反映了企业偿债的安全度。流动比率反映了企业偿还短期债务、现金流动、正常营运的能力。一般地，流动比率值越高，企业资产的变现能力越强，短期内偿还债务的能力越强；反之则弱。存货周转率反映了一定时期内企业存货资产的周转速度。通常情况下，存货周转率越高，存货的流动性越好，存货的变现能力就越高。相应地，企业的获利能力越大且经营风险相对较小。应收账款周转率衡量企业应收账款转化为现金的速度，体现了企业资金周转是否正常以及坏账损失的多少。营业收入增长率体现了企业营业收入的增减变动情况，体现了企业在长期内的履约能力，是衡量企业经营状况和市场占有力、预测企业经营业务拓展能力的重要标志。

资产是企业偿还债务的保证，保持资产稳定增长对于企业健康发展具有积极的推动作用。可见总资产增长率能够反映企业资产的整体情况和增长能力，体现了企业在长期内的履约能力。

三、上市企业信用评级方法

（一）样本的选择

本文搜集了2014年在上海证交所上市的将近2000家企业，并筛选出了在2012年1月1日之前上市的企业。由于本次的研究对象是我国的制造业企业，因此本文得到467家上市企业作为研究总体。为了选取更具有代表性的数据样本，先用简单随机抽样从总体中剔除3个个体，使剩下的总体个数能被整除，再根据样本总量进行系统抽样，按照2.5g的比例总共抽取了116家。

（二）因子分析

本文所选的评级指标有9个，通过降维将原指标转化为少数几个可以反映原有变量大部分信息的因子，计算样本的因子得分便于进一步的样本分类。

在运用因子分析前需要运用KMO和Bartlett球形度检验法进行适应性检验。一般来说，KMO检验值大于0.5或者Bartlett球形度检验P值小于0.05说明所选取的财务指标间具有—定的相关性，适合做因子分析。

上述方程组中a_ij（i=1，2，…n；j=1，2，…，p）是因子载荷，反映了变量与因子之间的相关程度，绝对值越接近于1，二者的相关性越强。由于有些公因子对几个变量上的载荷都比较大，或者有些变量在几个公因子上的载荷都不小，所以仍需要进行因子旋转，使每个变量仅在一个公共因子上有较大的载荷，而在其余的公共因子上的载荷比较小，本文运用最大方差法进行正交旋转。由于對样本的评级是基于综合信用状况而定的，故需要计算因子总得分，即每个公因子F₁，F₂，…，F_n在每一个样本点上的加权得分。

（三）聚类分析

本文最终要将样本按照信用状况做信用风险等级的分类，对各个级别的上市企业做相应的信用描述，以便商业银行在放贷时做出更加合理的决策，所以在得出综合因子得分后还需做进一步的聚类分析。聚类分析先假定每个样本自成一类，样本间的距离代表相似程度，这也就是类之间的相似度，相似度高的组成新类：再计算新类之间的距离，再次合并相似度较高的类，形成若干新类：如此进行下去，直至根据距离临界值和谱系图，结合实际需要，确定合适的类数。本文利用系统聚类方法，以实际情况和谱系图为依据，按照如下原则分类：原则A：各类重心之间的距离必须很大：原则B：每一类中的元素不宜过多：原则c：类的个数必须符合实用目的：在归类的过程中，利用wafd法，即离差平方和法计算类与类之间距离。具体步骤为：将每个样本看作一类，再使缩小后方差增加最小的两类合并，直到所有的样本归为一类为止。依据上市企业财务指标数据的定量特征将其分组归类，方便了解指标间的内在结构，并反映样本和指标间的内在规律。

四、上市企业信用等级评定

（一）数据的预处理

由于量纲的不同需要将指标数据标准化，采用z-Score法将指标值与均值的差除以标准差：接着进行适用性检验，KMO检验系数为0.586大于0.5，说明变量问的相关性较强；同时Bartlett检验的x²统计值达到了762A56，显著性概率为0.000小于0.5，综合来看，可以对样本数据做因子分析。

（二）主因子的提取

采用主成分分析法提取主因子，得到因子对变量的解释情况如下表所示：

该表按照因子的特征根的大小排列，由上表显示的特征值以及解释方差百分比可以看出，如果浓缩后所得的因子个数太少，则无法保留变量包含的大部分信息，失去了分析的意义。观察发现前4个因子的特征值均大于1，累计贡献率为86.478%，超过8 5%的原有信息量被保留了下来，可以认为用这4个因子能更好地反映9项指标包含的大部分信息，故选取前4个因子进行分析。

为了明确选取的各因子的经济含义，接下来需要利用因子载荷矩阵给四个主因子分别命名，对初始因子载荷矩阵做正交旋转后结果如下表所示：

从旋转后的因子载荷矩阵中可以看到，所有的指标都在某一个因子上的取值最大，而且具有典型性，即每个指标都只被一个因子解释。基本上每个指标的因子载荷值都高于0.8，解释的结果较好。具体的各因子命名情况如下：

经过正交旋转变换后，各公因子的经济意义得以明确。可看出，公因子F，主.要由资产负债率（X3）、有形资产负债比率（X4）、流动比率（X5）三个指标决定，代表了样本企业的还债能力，F1对样本的方差贡献率为33.226%，说明企业的偿债能力对企业信用的影响力较大，所以，将F1命名为偿债能力因子。

公因子F2主要由营业收入增长率（Xa）、总资产增长率（x0）两个指标所决定，代表了样本企业的成长能力，F2对样本的方差贡献率为25.330%，可见企业的发展能力所产生的影响也较大，故可将F2命名为发展能力因子。公因子F3主要由基本每股收益（X1）、总资产收益率（x2）决定，方差贡献率为16.157%，故将其对应的F5命名为盈利能力因子。公因子F4则主要由存货周转率比率（X6）、应收账款周转率（X7）决定，方差贡献率为11.665%，说明企业的资金周转能力和变现能力对企业信用也产生了一定影响，因此将F4命名为周转能力因子。

（三）因子得分

确定了主因子后，就可以计算其在样本上的得分。利用因子得分，也就可以在下文进行聚类分析，将上市企业按照信用风险的等级分类。得到因子得分系数矩阵后，为了对我国上市企业的信用风险进行综合评价，首先计算样本中各企业在每个主因子上的得分，然后将各因子的方差贡献率与累计方差贡献率的比值作为权数，加总求出综合得分。再以因子总得分为对象进行聚类分析，将因子总得分与信用等级挂钩。企业信用综合因子得分为：

F=（33.226*F1+25.330*F2+16.157*F3+11.665*F4）/86.478

根据此公式可以得出样本中各个上市企业的综合得分，即可进行聚类分析，建立起最终评级模型。

（四）信用等级划分

本文将采用系统聚类法，按照wafd方法确定合并原则分析，选择综合因子得分作为变量，对116个制造业上市企业进行分类。结合树状图并对比不同分类数量的效果，最终得到聚类分析结果如表5。从表中的数量一栏来看，数据大体呈现出“两头小，中间大”的特点，这说明信用情况好和信用状况差的上市企业是占少数的，而信用状况一般的上市企业比重较大，这和实际情况是相吻合的，可以初步认为该分类结果还是比较合理的。聚类分析结果和综合因子得分存在着对应的关系，所以下面求出相邻两类的两个相邻极值的平均数，并将其作为区间的边界，进行标准等级的定量划分。例如，第1类中综合因子得分最低的为2.2l，第2类中综合因.子得分最高的为1.28，取二者的算术平均值应为1.745，即作为区别两类的边界。为了使各类对应的上市企业信用状况更加直观，对每一类都赋予了相应的符号，根据在四个主因子上的得分情况作了文字描述，依此方法所得结果如下：

五、结论

本文以制造业上市企业为研究对象，选取了9项具有代表性的定量财务指标构建了信用评级指标体系，从偿债能力、发展能力、盈利能力、周转能力等四个方面反映了上市企业的信用风险状况。在实证研究中对我国116家制造业上市企业的信用状况评定了等级，大致分为A+、A、B+、B、c+、c六个风险级别，并做出了相应的信用描述。

本文建立的信用评级指标体系从影响违约风险的因素入手，提取出用于信用评级研究的科学合理的财务指标，且对财务指标的内涵和意义做了说明，能够保证评级结果的准确性和参考性。将因子分析和聚类分析有机结合的信用评级方法，为定量的信用评级提供了客观有效的依据，对于改善银行信用风险控制和管理，提高我国信用风险评级水平有一定的参考价值。