上公司信用测度的实证分析【字数：13526】
摘 要我国的上市公司时有发生失信违规的行为，上市公司信用风险问题已成为影响我国金融系统稳定的重要问题。在这样的经济形势下，中国企业必须认真分析原因，采取有效措施，加强信用风险的管理与防范。本文以江阴上市公司为研究对象，结合江阴市上市公司的财务报表，选取了10个指标，先后采取主成分分析法和聚类分析法对江阴上市公司的信用风险问题进行了研究，结果表明法尔胜、澄星股份和爱康科技这几家江阴上市公司的信用风险相对于苏利股份、江化微、三房巷和广信材料这几家江阴上市公司仍然较高，需要改善企业的整体运营情况，从而降低信用风险度。根据结果，本文提出可以通过大力提高江阴上市公司自身盈利能力，又可通过降低资产负债率、控制流动比率和速动比率，提高企业偿债能力，或者通过健全江阴上市公司内部控制，从而降低江阴上市公司的信用风险。
目 录
1.绪论 1
1.1研究背景及意义 1
1.2文献综述 1
1.3研究思路 4
2.概念界定与研究方法 6
2.1相关概念界定 6
2.2主成分分析法和聚类分析法介绍 6
2.2.1主成分分析法介绍 6
2.2.2聚类分析法介绍 7
3.江阴上市公司信用测度分析 8
3.1信用测度指标体系的构建 8
3.2样本选择 8
3.3主成分分析 8
3.3.1主成分分析模型的构建 8
3.3.2基于时间维度的动态波动特征分析 18
3.3.3基于截面维度的差异分析 19
3.4聚类分析 20
4.结论与政策建议 22
4.1结论 22
4.2政策建议 22
4.2.1大力提高江阴上市公司自身盈利能力 22
4.2.2降低江阴上市公司偿债风险 22
4.2.3健全江阴上市公司内部控制 23
参考文献 24
致谢 25
1.绪论
1.1研究背景及意义
信用风险又称远约风险，是指借债人、证券刊行人或交易对方未遵行合约导致债权人发生经济损失的可能性，在经济市场中，金融风险最 *好棒文|www.hbsrm.com +Q: ^351916072*
基本、最重要的形式之一是信用风险。我国的上市公司时有发生失信违约的行为，上市公司信用风险问题已经危害到我国金融系统的稳定。随着经济全球化和中国加入WTO，风险与机遇同时增长，企业信用风险日益严重：客户不履行合约、应收账款不能实时收回、大量的呆账坏账损失、商业和金融欺诈等等，使得我国企业的信用风险日益严重。在当今市场经济中，信用是几乎所有经济关系的基本。我国企业面临的更为严酷、紧迫的问题是落伍的基础管理，无法适应当前贷方市场和信用经济的要求，信用问题已然成为宏观经济运作和企业成长的瓶颈。在这样的经济形势下，中国企业必须认真分析原因，采用有效措施，加强信用风险的管理与防范。作为经济生活的某个主体，上市公司为金融业成长的主要力量，它的信用状况自然是人们关注的核心，其稳定发展对我国上市公司整体经营状况的改善以及对实体经济资源配置效率的提高起着很大的决定作用。因此，以江阴市上市公司为样本对我国上市公司稳定发展状况进行研究具有重要的理论及实际意义。
本题选取江阴市上市公司作为研究样本，对其信用风险问题进行测算，并对其信用指标进行验证分析，根据研究结论为我国上市公司做好信用风险管理与防范提出有效建议。
1.2文献综述
李秉祥（2005）通过结合理论分析与实证分析，建立了适用于我国上市公司信用风险评估的模型。其选取我国2002年度22个行业500家上市公司的财务数据样本，采取主成分分析法筛选出我国企业信用风险评价的主要指标变量，并检验该模型，获得的判别正确率为88.67%。该模型简单的评价指标体系，较低的运作成本低，较高的准确率以及较强的适用性，提供给我国上市公司信用风险评价一种新的有效方法[1]。
易传和和林英杰（2009）首先通过对评价社会信用环境优劣的因素进行了理论分析，然后采用主成分分析法对我国信用环境状态的整体水平进行了实证分析和综合评价，得出了由于我国提高了市场开放程度、加速了经济的增长、提升了教育水平，促使我国信用环境状况整体趋势的提高。与此同时，由于失信惩戒力度的不高，一定程度上影响改善我国的信用环境。因此，今后应该重点完善我国的信用惩戒机制，以此来提升我国的信用环境[2]。
任红梅和王緌（2009）选取了某农村信用社的516家贷款用户，通过采用主成分分析神经网络法，构建了个人信用分类评估模型。首先对初始指标用主成分分析法进行降维处理，然后学习并训练送入BP神经网络的样本，从而判别检验样本的风险级别，最终得出该方法在国家对农村信用社实行从四级分类到五级分类的过渡时期具有一定的现实价值[3]。
刘杰（2009）通过采用主成分分析法对我国商业银行信用风险进行实证研究，并构建了信用风险评价指标体系，得出更能充分揭示我国商业银行的信用风险状况的为资产质量、成长能力、资本充足性和管理水平，其次为盈利能力和流动性，并针对存在的问题提出了相应的政策建议[4]。
沈璟（2009）在ZScore和ZETA模型基础上，通过对143家中小型上市公司的六项财务指标进行聚类分析，得出了中小型上市公司信用级别的分类；再依据由判别分析得到的二次型判别模型对中小型上市公司进行等级的判别。最终得出由于大部分中小企业自有资金少，经营范围小，技术水准较为落后并且自身的现款流量又存在着很大的可变性，导致该类型企业的信用风险大大提高[5]。
徐敏捷（2009）采用SAS软件对我国一部分上市公司进行判别分析及聚类分析，以判别我国上市公司违规几率并对其划分信用级别。得出将伪F统计量分为五类或六类比较合适，伪统计量分五类较好以及CCC统计量分五类，并且建议半偏统计量分四类。最终根据这些指标，将非ST公司分成五类[6]。
宋马林、余华银、陈大鹏（2009）首先对信用及信用风险的概念进行阐述，然后进行安徽上市公司信用的实证分析。在对公司信用体系分析的基础之上，结合安徽省46家上市公司的财务报表，选取12个指标进行分析，并对公司信用进行排名，然后对上市公司进行聚类分析，将这些公司分为三种类型[7]。
陈海涛（2010）采用修正后的KMV模型以违约距离（DD）的变动来对我国上市公司信用风险的变动情况进行了实证研究，对实证成果分别从设置DD区间、DD均值对比以及模型判别正确率这三个方面进行分析，得出KMV模型在上市公司被ST前三年的信用风险判别正确性低，而在上市公司被ST前两年的判别效果显著。通过对DD区间、DD均值对比分析，发觉随着样本年限离上市公司被ST的年度越近，ST判别效果就越显著，同时通过建立DD临界点为所有样本公司DD值的均值来分析KMV模型判别的正确性，结果呈现：在我国上市公司被ST前两年，KMV模型对我国上市公司信用风险判别较为正确[8]。
目 录
1.绪论 1
1.1研究背景及意义 1
1.2文献综述 1
1.3研究思路 4
2.概念界定与研究方法 6
2.1相关概念界定 6
2.2主成分分析法和聚类分析法介绍 6
2.2.1主成分分析法介绍 6
2.2.2聚类分析法介绍 7
3.江阴上市公司信用测度分析 8
3.1信用测度指标体系的构建 8
3.2样本选择 8
3.3主成分分析 8
3.3.1主成分分析模型的构建 8
3.3.2基于时间维度的动态波动特征分析 18
3.3.3基于截面维度的差异分析 19
3.4聚类分析 20
4.结论与政策建议 22
4.1结论 22
4.2政策建议 22
4.2.1大力提高江阴上市公司自身盈利能力 22
4.2.2降低江阴上市公司偿债风险 22
4.2.3健全江阴上市公司内部控制 23
参考文献 24
致谢 25
1.绪论
1.1研究背景及意义
信用风险又称远约风险，是指借债人、证券刊行人或交易对方未遵行合约导致债权人发生经济损失的可能性，在经济市场中，金融风险最 *好棒文|www.hbsrm.com +Q: ^351916072*
基本、最重要的形式之一是信用风险。我国的上市公司时有发生失信违约的行为，上市公司信用风险问题已经危害到我国金融系统的稳定。随着经济全球化和中国加入WTO，风险与机遇同时增长，企业信用风险日益严重：客户不履行合约、应收账款不能实时收回、大量的呆账坏账损失、商业和金融欺诈等等，使得我国企业的信用风险日益严重。在当今市场经济中，信用是几乎所有经济关系的基本。我国企业面临的更为严酷、紧迫的问题是落伍的基础管理，无法适应当前贷方市场和信用经济的要求，信用问题已然成为宏观经济运作和企业成长的瓶颈。在这样的经济形势下，中国企业必须认真分析原因，采用有效措施，加强信用风险的管理与防范。作为经济生活的某个主体，上市公司为金融业成长的主要力量，它的信用状况自然是人们关注的核心，其稳定发展对我国上市公司整体经营状况的改善以及对实体经济资源配置效率的提高起着很大的决定作用。因此，以江阴市上市公司为样本对我国上市公司稳定发展状况进行研究具有重要的理论及实际意义。
本题选取江阴市上市公司作为研究样本，对其信用风险问题进行测算，并对其信用指标进行验证分析，根据研究结论为我国上市公司做好信用风险管理与防范提出有效建议。
1.2文献综述
李秉祥（2005）通过结合理论分析与实证分析，建立了适用于我国上市公司信用风险评估的模型。其选取我国2002年度22个行业500家上市公司的财务数据样本，采取主成分分析法筛选出我国企业信用风险评价的主要指标变量，并检验该模型，获得的判别正确率为88.67%。该模型简单的评价指标体系，较低的运作成本低，较高的准确率以及较强的适用性，提供给我国上市公司信用风险评价一种新的有效方法[1]。
易传和和林英杰（2009）首先通过对评价社会信用环境优劣的因素进行了理论分析，然后采用主成分分析法对我国信用环境状态的整体水平进行了实证分析和综合评价，得出了由于我国提高了市场开放程度、加速了经济的增长、提升了教育水平，促使我国信用环境状况整体趋势的提高。与此同时，由于失信惩戒力度的不高，一定程度上影响改善我国的信用环境。因此，今后应该重点完善我国的信用惩戒机制，以此来提升我国的信用环境[2]。
任红梅和王緌（2009）选取了某农村信用社的516家贷款用户，通过采用主成分分析神经网络法，构建了个人信用分类评估模型。首先对初始指标用主成分分析法进行降维处理，然后学习并训练送入BP神经网络的样本，从而判别检验样本的风险级别，最终得出该方法在国家对农村信用社实行从四级分类到五级分类的过渡时期具有一定的现实价值[3]。
刘杰（2009）通过采用主成分分析法对我国商业银行信用风险进行实证研究，并构建了信用风险评价指标体系，得出更能充分揭示我国商业银行的信用风险状况的为资产质量、成长能力、资本充足性和管理水平，其次为盈利能力和流动性，并针对存在的问题提出了相应的政策建议[4]。
沈璟（2009）在ZScore和ZETA模型基础上，通过对143家中小型上市公司的六项财务指标进行聚类分析，得出了中小型上市公司信用级别的分类；再依据由判别分析得到的二次型判别模型对中小型上市公司进行等级的判别。最终得出由于大部分中小企业自有资金少，经营范围小，技术水准较为落后并且自身的现款流量又存在着很大的可变性，导致该类型企业的信用风险大大提高[5]。
徐敏捷（2009）采用SAS软件对我国一部分上市公司进行判别分析及聚类分析，以判别我国上市公司违规几率并对其划分信用级别。得出将伪F统计量分为五类或六类比较合适，伪统计量分五类较好以及CCC统计量分五类，并且建议半偏统计量分四类。最终根据这些指标，将非ST公司分成五类[6]。
宋马林、余华银、陈大鹏（2009）首先对信用及信用风险的概念进行阐述，然后进行安徽上市公司信用的实证分析。在对公司信用体系分析的基础之上，结合安徽省46家上市公司的财务报表，选取12个指标进行分析，并对公司信用进行排名，然后对上市公司进行聚类分析，将这些公司分为三种类型[7]。
陈海涛（2010）采用修正后的KMV模型以违约距离（DD）的变动来对我国上市公司信用风险的变动情况进行了实证研究，对实证成果分别从设置DD区间、DD均值对比以及模型判别正确率这三个方面进行分析，得出KMV模型在上市公司被ST前三年的信用风险判别正确性低，而在上市公司被ST前两年的判别效果显著。通过对DD区间、DD均值对比分析，发觉随着样本年限离上市公司被ST的年度越近，ST判别效果就越显著，同时通过建立DD临界点为所有样本公司DD值的均值来分析KMV模型判别的正确性，结果呈现：在我国上市公司被ST前两年，KMV模型对我国上市公司信用风险判别较为正确[8]。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/sxtj/101.html
