欢迎光临第一论文网,权威的论文发表,我们将竭诚为您服务!
您的位置: 第一论文网 -> 宏观经济论文 -> 文章内容

我国中小企业信用违约风险识别的实证研究

作者:第一论文网 更新时间:2015年10月26日 21:11:14

根据考虑了信息不对称和违约风险的信贷配给理论,贷款人无法甄别出具有异质性的借款人,不具有完全的价格歧视地位,有碍于信贷方式的创新,且信息不对称下逆向选择的违约风险致使具有异质性的中小企业融资受限,而促进信贷创新和改善融资受限的关键在于,解决中小企业信用违约风险识别困境。

中小企业的异质性表现在,借款的中小企业和银行等债权人之间存在信息不对称,以及中小企业将短期银行贷款作为主要的外部融资方式、缺乏担保和抵押物。

一直以来,如何识别中小企业信用违约风险以降低风险和提高盈利能力,是银行等债权人关心的问题。近年来,越来越多的学者关注中小企业信用违约风险识别,以缓解信息不对称下的逆向选择,多数学者没有给出违约概率或者仅给出违约概率近似值,且没有得出一致的结论。

因此,本文利用文献综述法,梳理中小企业信用违约风险界定、形成、识别的理论基础,选取中小企业信用违约风险理论影响因素和真实违约状况数据,分析现实影响因素,尝试建立一个适合中小企业异质性的、度量中小企业违约概率的有效的信用风险识别模型,以改善中小企业信用违约风险识别困境,促进信贷创新,改善信贷配给下制约中小企业发展的融资困难现状。

一、相关文献综述

为了建立一个适合中小企业异质性的、识别违约概率的模型,本章研读了关于中小企业信用违约风险界定、影响因素、识别等方面的文献,梳理了中小企业信用违约风险界定、形成、识别的理论基础。

(一)中小企业及其信用违约风险界定

中小企业及其信用违约风险界定是识别中小企业信用违约风险的前提条件。随着我国中小企业的发展,我国先后颁布了2003 年的《中小企业标准暂行规定》和2011 年的《关于印发中小企业划型标准规定的通知》,这两个规定显示了中小企业在营业收入方面的异质性。2003 至2011 年期间的中小企业为营业收入在3 亿元以下的企业,2011 年至今的中小企业为营业收入在4 亿元以下的企业。

信用是到期履约,而风险是由于不确定性而致使行为主体遭受损失的大小及其可能性大小。在金融市场领域,综合国内外文献可知,信用违约风险是指,借款人无力或不愿履行合同而构成违约的可能性。其中,信用违约风险的违约行为界定包括不能按时还本付息,破产,债务逾期90 天以上等。

信用违约风险的内涵因信用主体不同而有差异。由于中小企业的异质性,多数文献对中小企业信用违约风险的界定是不能按时还本付息而构成违约的可能性,如胡海青等(2012),张目等(2015),邓爱民等(2015)等。

(二)中小企业信用违约风险形成理论

根据金融中介学研究成果,银行等贷款人可根据可比性的、标准化的信息,如财务比率,来甄别中小企业的信用违约风险。通过财务实力分析,能够推断出企业营业运转、资金周转等情况,从而判断出企业能够用来偿债的资金,识别中小企业信用违约风险。可比性的非财务指标在一定程度上影响中小企业经营,进而影响中小企业信用违约风险。多数非财务因素是定性指标,需经过专家打分定量化,具有较强的主观性。多数文献将企业内部财务因素和部分定量非财务因素作为中小企业信用违约风险的影响因素。

根据中国人民银行信用评级管理指导意见(银发〔2006〕95 号),多数学者将影响中小企业信用违约风险的财务指标进行分类。刘云枫等(2013),李勤等(2014),张金贵等(2014),周晓彧(2014),左锐等(2015),张目等(2015),李文昌(2015)等将影响中小企业信用违约风险的内部财务指标分为偿债能力、营运能力、盈利能力、发展能力或成长能力等四个方面,这些指标包括反映偿债能力的流动比率、速动比率、资产负债率,反映营运能力的存货周转率、流动资产周转率、总资产周转率,反映盈利能力的净资产收益率、资产收益率,反映发展或成长能力的主营业务收入增长率、净资产增长率、总资产增长率等11 个指标。多数学者将这些指标纳入中小企业信用违约风险识别体系。但多数学者没有采用真实违约状况数据进行实证研究。

作为定量非财务指标的“企业对外担保”事项,是企业承担的或有事项。一旦被担保企业违约,自身的偿债能力会受到影响,所以曹继英(2004)将其作为影响中小企业信用违约风险的定量非财务因素,但没有做实证。

(三)中小企业信用违约风险识别方法

中小企业信用违约风险的界定是不能按时还本付息的可能性,但中小企业信用违约风险识别指标却各有不同。识别指标包括信用评分值,无法计算出违约概率;违约概率,如胡海青等(2012);违约概率的近似值,不是真实违约概率;违约距离,无法计算出违约概率。据此,本文将利用真实违约状况数据计算出的违约概率度量中小企业信用违约风险。

不同的中小企业信用违约风险识别指标适用于不同的模型,多数学者使用logistic 模型度量中小企业违约概率或违约概率近似值,如田秋丽(2010),谢荣军(2010),郭小波等(2011),彭伟(2012),张金贵等(2014),周晓彧(2014),邓爱民等(2015)等。该模型具有可识别单个资产信用违约风险的、不需要变量服从正态分布的、因变量可使用1 或0 二分类取值的、因变量取值于0 至1 之间的优良特性。logistic 模型的表达式:

ln(P / 1 - P)=β0 + βi*xi+ ε (1)

P 表示事件发生的概率,β0 表示常数项,βi 表示待估参数,xi 表示解释变量,ε 表示随机项。logistic 模型应用于中小企业信用违约风险识别时,第一,在样本选取方面,少数学者利用真实违约数据,如郭小波等(2011)。且近几年几乎没有。第二,在样本比例选取方面,可以选取正常组与违约组的配比为1:1 的样本。第三,在样本时间选取方面,企业年报的公布时间为下一年,在企业第t+ 1 年的年报公布之前,其在第t + 2 年的债务可能已经到期,故可以选取第t 年的影响因素数据和第t + 2 年的违约数据。第四,在理论影响因素统计性描述方面,可以进行显著性水平5% 下的均值检验来筛选中小企业信用违约风险的现实影响因素。第五,在变量数据处理方面,可以进行各变量间相关性分析中的KMO 和Bartlett 球形检验,以及剔除相关性的基于特征值大于1 的因子分析等。第六,在数据处理后,建立logistic 模型。第七,在回归模型检验方面,可以进行10% 显著性水平下的变量系数显著性的wald 检验和变量与信用违约风险间的相关性检验、整体拟合优度的Nagelkerke R 方检验、以“违约概率等于0.5”为阈值的估计样本组信用违约风险预测准确率检验和检验样本组信用违约风险预测准确率检验。

(四)评述

根据已有文献,由于中小企业的异质性,不能按时还本付息而构成违约的可能性是中小企业信用违约风险的特征。对于中小企业信用违约风险识别问题,多数学者提出影响信用违约风险的指标体系,包括财务和非财务指标,但没有利用真实违约数据度量信用违约概率,且没能得出一致结论。因此,金融中介学研究范式下,本文选取理论上影响中小企业信用违约风险的11 个企业财务指标和1 个定量非财务指标作为原始指标,选取真实还本付息状况数据,利用均值检验,筛选我国中小企业信用违约风险的现实影响因素,利用logistic 模型,构建我国中小企业信用违约风险识别模型,进行模型检验和应用检验以检验识别模型的有效性,并对模型的实施提出建议。

二、我国中小企业信用违约风险的现实影响因素分析

根据金融中介理论和已有文献,本文选取12 个中小企业信用违约风险理论影响因素以及我国中小企业真实违约状态数据,利用均值检验,筛选我国中小企业信用违约风险的现实影响因素。

(一)样本及影响因素指标的选取

基于理论基础,本文选取了理论上影响中小企业信用违约风险形成的反映偿债能力、盈利能力、营运能力、发展能力等财务因素和反映或有事项的非财务因素的12 个指标,见表1。

本文利用第t 年的影响因素数据识别中小企业第t + 2 年不能按时还本付息的可能性,即信用违约风险。信用违约风险的大小用违约概率或P 值表示。本文利用第t 年的数据判断企业是否为中小企业,选取2003 至2014 年的第t + 2 年不能按时还本付息组与能按时还本付息组配比为1:1 的22 个我国中小企业样本作为估计样本组。估计样本组见表2,其第t 年的影响因素数据和第t + 2 年违约概率数据来源于中国货币网、中国债券信息网、巨潮网,详见附表1。

(二)现实影响因素分析

本文利用估计样本组,使用SPSS19.0 软件进行显著性水平5% 下的均值检验中的“独立样本T 检验”,分析指标在两组中是否具有显著性差异,进而分析指标是否具有显著的中小企业信用违约风险识别能力,从而筛选出现实影响因素,为下文模型构建时的变量选取提供依据。当中小企业第t + 2 年不能按时还本付息时,P 值为1 ;否则,P 值为0。

“独立样本T 检验”结果见表3。结果显示,不能按时还本付息组的流动比率均值比能按时还本付息组低,但是P 值大于显著性水平5%,说明差异不显著,则该指标不具有显著的中小企业信用违约风险识别能力,即不是中小企业信用违约风险的现实影响因素。同理可得,速动比率、资产负债率、主营业务收入增长率、净资产增长率指标不是中小企业信用违约风险的现实影响因素,存货周转率、流动资产周转率、总资产周转率、净资产收益率、资产净利率、总资产增长率、是否有对外担保指标是中小企业信用违约风险的现实影响因素。

三、我国中小企业信用违约风险识别模型的建立

本文基于理论基础和现实影响因素分析,将7 个现实影响指标作为构建模型的变量,对估计样本组的变量数据进行处理后,建立我国中小企业信用违约风险识别的logistic 模型。

(一)变量选取及估计样本数据处理

基于理论和现实影响因素分析,将7 个现实影响指标作为构建模型的变量,见表4。因变量是中小企业第t + 2 年不能按时还本付息的可能性大小,即信用违约风险大小,用违约概率或P 值表示。P 值越大,说明中小企业信用违约风险越高。

为了避免指标间的较强相关性带来错误的模型分析结论,本文使用S P S S19.0 软件,首先对估计样本组(见表2)的变量数据进行相关性分析,对相关性较强的变量进行“因子分析”。

本文使用相关性分析中的KMO 检验和Bartlett 球形检验。由表5 可知,KMO 检验值为0.744,大于0.5;Bartlett 检验的P 值为0,小于0.05,说明剩下的变量适宜进行因子分析。

因子分析结果如下:表6 显示,根据特征值大于1,抽取了解释70.479% 信息的2 个因子,分别为F1 和F2。表7 显示,第一个因子与X12、X8、X10、X7 的关系相对其他变量较紧密,第二个因子与X5、X6、X4 的关系相对其他变量较紧密。表8 显示,因子F1、F2 与7 个指标的关系如下:

F1=-0.233X4 - 0.084X5 + 0.021X6 + 0.238X7 + 0.3X8 + 0.367X10 - 0.39X12

F2=0.403X4 + 0.402X5 + 0.332X6 + 0.091X7 + 0.038X8 - 0.197X10 + 0.145X12

(二)中小企业信用违约风险识别的logistic 模型构建

7 个变量经过相关性分析和因子分析后,进入模型的解释变量为F1、F2。本文使用SPSS19.0 软件,将第t 年的因子和第t + 2 年违约概率数据进行逐步向后二元logistic 回归,且以wald(沃尔德)统计量作为筛选变量的依据。logistic 模型的表达式:

ln(P / 1 - P)=β0 + βi*xi+ε (1)

P 表示中小企业第t + 2 年不能按时还本付息的可能性。β0 表示常数项,βi 表示待估参数,x i表示解释变量,ε 表示随机项。

在10% 的显著性水平下,回归结果如表9 所示:

得出的回归方程为:ln(P / 1 - P)=7.028 - 12.843F1 - 9.616F2此模型可利用中小企业第t 年影响因素指标预测中小企业第t + 2 违约概率,即识别中小企业的信用违约风险。

四、我国中小企业信用违约风险识别模型的检验及分析

根据理论基础和中小企业信用违约风险识别的l o g i s t i c 模型,本章对回归模型进行变量显著性、模型拟合优度、估计样本组信用违约风险预测准确率等模型检验和检验样本组信用违约风险预测准确率的应用检验,以及将检验效果与已有文献的研究成果进行对比,分析识别因子和识别模型的有效性。

(一)变量显著性检验

在logistic 回归分析中,利用wald 检验进行系数显著性检验。表9 显示,在10% 的显著性水平下,系数的P 值均小于10%,说明反映剩余指标的F1、F2 公因子变量分别与信用违约风险呈显著负相关。结合因子分析和系数显著的结果,在其他变量一定的条件下,有对外担保的中小企业的信用违约风险比没有对外担保的高;存货周转率、流动资产周转率、总资产周转率、净资产收益率、资产收益率、总资产增长率分别与中小企业信用违约风险呈负相关。

(二)模型拟合优度检验

在logistic 回归分析中,反映模型拟合优度的 Nagelkerke R 方检验值的范围在0 至1 之间。其值越接近1,说明模型的拟合优度越高。表10 显示,Nagelkerke R 方值为0.886,比较接近1,说明模型的拟合程度较好。

(三)估计样本组信用违约风险预测准确率检验

以P=0.5 为阈值,即当P 大于0.5 时,则认为中小企业第t + 2 年不能按时还本付息的可能性为1;否则,可能性为0,以此检验估计样本组信用违约风险预测准确率。表11 显示,模型总体预测准确率均达到90.9%,说明模型对估计样本的信用违约风险识别能力较好。

(四)应用检验

本文选取了2003 至2014 年的第t + 2 年不能按时还本付息组与能按时还本付息组配比为1:1 的10 个我国中小企业样本作为检验样本组,将违约概率预测结果和实际情况进行对比,来判断模型估计样本外的信用违约风险识别准确率,以此进行应用检验。检验样本组见表12,其第t 年的现实影响因素数据和第t + 2 年违约概率(数据来源于中国货币网、中国债券信息网、巨潮网),详见附表2。

表13显示,logistic回归模型总体预测准确率均达到90%,说明该模型具有较好的信用风险识别能力。

(五)模型检验效果分析

为了检验基于真实违约状况数据的识别模型的有效性,由于几乎没有学者使用真实违约概率度量中小企业信用违约风险,本文将以上检验效果与已有度量违约概率近似值的文献进行对比。反映模型整体拟合优度的Nagelkerke R 方检验值接近1,该值比张金贵等(2014)的高;模型对估计样本组信用违约风险预测准确率达到90.9%,该值比田秋丽(2010)等学者的高;模型对检验样本组信用违约风险预测准确率达到90%,该值比田秋丽(2010),张金贵等(2014)等的高。综上,模型在整体拟合优度、估计样本组和检验样本组信用违约风险预测准确率等方面的检验效果总体上比多数文献,说明该模型是有效的信用违约风险识别模型,能够对已有研究起到补充作用。

五、结论及建议

根据信贷配给理论,中小企业异质性导致的信用违约风险识别困境有碍于信贷创新和致使中小企业融资困境。近几年几乎没有学者利用真实违约数据识别中小企业信用违约风险。本文利用文献综述法,梳理了中小企业信用违约风险界定、形成、识别的理论基础,将不能按时还本付息的可能性界定为中小企业信用风险,选取2003-2014 年的22 个我国中小企业样本的第t +2 年的真实违约状况数据和第t年的12 个理论影响因素数据,利用均值检验中的独立T 检验筛选出7 个企业信用违约风险的现实影响因素,在相关性和因子分析后,将第t 年的两个公因子和第t+2 年的真实违约状况数据建立logistic模型,对模型进行系数显著性、各指标与信用风险的相关性、整体拟合优度、估计样本组信用风险预测准确率以及2003 至2014 年的10 个检验样本的信用风险预测准确率等检验,将检验结果与已有文献进行比较,分析模型的有效性。

从金融中介学研究成果出发,实证结果表明,在其他条件一定下,具有可比性特征的存货周转率、流动资产周转率、总资产周转率、净资产收益率、资产收益率、总资产增长率分别与中小企业信用风险呈负相关,有对外担保的中小企业的信用风险比没有对外担保的高;模型的整体拟合优度、估计样本组和检验样本组信用风险预测准确率均接近1。这些方面比多数文献的研究成果好。在7 个有效识别因子的筛选机制下,该模型能够有效识别中小企业信用违约风险,促进信贷创新,改善中小企业融资困境。有效的识别因子和模型能够对已有度量违约概率近似值的研究成果起到验证作用,为后续研究的理论基础进行适应性补充。[www. 001lunwen.com/jiaoxue/提供论文代写和代写论文服务]

据此,本文对银行等债权人和中小企业借款人提出如下建议。第一,根据有效的识别因子和识别模型,银行等债权人甄别中小企业借款人的异质性,采用创新型信贷方式,比如制定个性化借款利率,降低逆向选择风险,从而降低面临的信用违约风险和提高盈利能力。第二,银行等债权人根据中小企业信用违约风险水平,决定是否要求借款中的中小企业提前还款以减少损失或者停止其某些交易活动以降低面临的信用违约风险。第三,信用违约风险较高的中小企业,提高自身的资产周转率、资产收益率、资产增长率,降低对外担保程度,以降低信用违约风险,争取更多的外部融资机会。