上市公司信用风险评价模型研究

论文分类号 F224.0 单位代码 10183 密 级 内部 研究生学号 9934021

吉 林 大 学 硕 士 学 位 论 文

上市公司信用风险评价模型研究

The Study of Model to Evaluate the Listed Company's Credit Risk

作者姓名：

唐 小 岸

专 业：

数量经济学

导师姓名

孟 庆 福

及 职 称

副 教 授

论文起止年月：2001年1月至2002年4月

目 录 内容提要

前 言 …………………………………………………………………… １ 第一章 信用风险理论和管理现状 ……………………………………… 3 一 我国风险管理的现状分析……………………………………… 3 二 我国信用风险研究现状分析…………………………………… 4

三 防范信用风险的措施分析……………………………………… 7 第二章 信用风险评价方法探讨………………………………………… 12 一 信用风险衡量的目的和特殊性…………………………………12 二 信用风险衡量的传统方法………………………………………13 第三章 我国上市公司信用风险量化模型 ……………………………16 一 公司综合评价法…………………………………………………16 二 财务模型评价法——二元因变量模型的应用…………………18 结论…………………………………………………………………………33 注释…………………………………………………………………………34 参考文献……………………………………………………………………35 论文摘要(中文) …………………………………………………………… １ 论文摘要(英文) …………………………………………………………… １ 致谢

前 言

现在，国企改革作为经济生活重中之重的历史篇章已经翻过，金融正在成为经济改革和百姓生活的双核心。核心一动，国民经济体系将随之大动。金融领域正成为最富有变化、最充满商机、最激动人心的领域。

同时，我国在去年加入了世界贸易组织，我国经济将受到世界经济更重要的影响。我国的经济主体将和外国经济主体以平等的地位进行竞争，提高信用意识是提高我国经济主体的竞争意识和竞争能力的重要前提。

完善的市场经济应该是一种信用经济，中国人本来是很讲诚信的，孔子告戒自己的学生“人而无信，不知其可也”，意思是说，一个人如果不讲信用，就无法在世上行事立足。同样上面这种情形也适合于企业、机构、等等，如果它们不讲信用，它们同样会被历史的车轮撵得粉碎。

我们之所以关心信用问题，主要是担心对方失信对我们造成的损失。简单的说就是对方不履行承诺对我们造成的损失。那我们怎样才能对这种损失进行很好的监控，同时怎样才能把这种损失降到最低呢？当然我们不愿意面临对方违约的情形，但有时这种状况是不可避免的，这时候我们的利益将受到损害，也就是说我们的收益将存在不确定性，即我们会面临风险。这种风险就是我们所要探讨的信用风险。

只有全面的认识信用风险以及知道怎样衡量它我们才能有效的控制信用风险，也只有这样我们才能为防范信用风险采取有利的措施。

按照传统的观点，信用风险一般仅指对方不履约的风险。所以，衡量信用风险也就是要衡量金融机构或公司等所面临的违约的可能性问题，首先要确定违约事件存在的可能性，以及发生违约事件的可能性有多大。同时，在进行衡量的时候要注意定性的方法和定量的方法相结合。

基于这种观点，为衡量信用风险，美国经济学家切斯尔(Chesser)提出了切斯尔模型，经济学家爱德华・奥尔特曼(Edward・Altman)提出了“Z-值方程”法；另外还有“CAMELS”法、“6C”法、ZETA法，以及信用分析先驱大卫・杜兰德(Divid・Durand)的信用分析得分模型。 但最近以来，关于传统的信用风险的解释已受到越来越多的批判，认为它没有代表信用风险的真正本质。对信用风险的认识出现了新的观点，信用风险不仅仅是对方的违约风险，还可以在更广泛的意义上看作是由于公司的交易对方在履约能力上的变化而导致公司资产的经

济价值遭受损失的风险。

随着这种新的观点的提出，新的衡量信用风险的方法也不断涌现出来。为了发展信用风险模型化的技术，摩根银行（JP）和许多其他发起机构一起于1997年发表了《信用矩阵》，运用移动矩阵将资产组合中的违约情况可能性进行模型化。随着金融创新的不断深入，随着信用衍生品市场的不断扩大，信用风险衡量模型将与一般性市场风险模型一样将得到广泛应用，到一定时候，市场风险与信用风险之间的区别将会变得更加模糊。

第一章 信用风险理论和管理现状

一、我国风险管理的现状分析

金融制度改革正成为我国经济改革中最关键的领域。一谈到金融领域，自然就离不开风险问题[1]。对风险的定义，不同的人有不同的观点，对风险的研究，不同的人也存在不同的方法。有的人认为，风险是可测定的不确定性；有的人认为风险是发生某一经济损失的不确定性；也有人认为，风险是损失出现的概率和机制。我觉得对风险较全面的理解应该是：风险是某一项经济业务的收益的不确定性，这里收益也应该包含损失的可能，并且这种不确定性是可以度量的。

随着我国社会主义市场经济的逐步建立和完善，改革的不断深入，金融机构的实力也逐步增强，其功能正逐步完善。同时，在改革开放的过程中，尤其是中国加入了WTO后，金融机构也将会面临更复杂的市场和更激烈的竞争，各种风险也将“潜伏”在我们的四周。随着风险的增多，风险的类型也越来越多，一般可细分为市场风险、信用风险、营业风险、环境风险和行为风险。金融公司主要有三种方法对付风险：吸收风险、充当风险的调解或为风险提供有关咨询意见。风险的管理方式也如公司或机构的组织方式一样，已经开始向全球性的结构转变；在风险的分析研究方法上，不仅要从定性上着手，同时也要注重对风险的量化处理；并且，随着公司的业务结构的转变以及利用金融衍生工具交易的增多，新的风险类型不断涌现。例如，银行在扩展证券交易和咨询业务后，在履约和监管方面的风险增大了；同时，信用风险正成为证券公司所面临的一项风险，因为它们将越来越多地进行长期场外衍生工具的交易，如期货交易。

首先，在这么多的风险类型中，市场风险和信用风险是金融机构或公司所面临的最主要的风险，但按照我国传统的作法，金融机构更重视市场风险的分析和防范，并且对市场风险的分析研究在国内外都已经具有了一定的技术和经验基础；相对而言，对信用风险的重视程度还

不够。其次，我国金融机构或公司在研究和管理风险的问题上，主要是针对地区进行结构上的分析和管理，缺乏全局性和全球性的观点。最后，我国金融机构、公司以及个人风险意识比较淡薄，这就为系统的管理和防范风险带来了困难，这就需要根据我国所面临的经济环境加强对风险的研究，提高风险的管理能力，以免隐伏的危机爆发出来。

二、我国信用风险研究现状分析

完善的市场经济应该是一种信用经济。在法制逐步完善的今天，我们必须尽快建立社会化的信用服务体系，解决法律和道德都无法解决的“”问题；我国加入WTO后，提高信用意识正成为参与激烈竞争的当务之急。为了建立一个成熟的“信用中国”，我们必须对信用[2]和信用风险的有关问题进行研究。

信用的本质指的是以偿还本息为条件的暂时让渡商品或货币的借贷行为。它的这种本质体现在：

1、信用不是一般的借贷行为，而是以偿还本息为条件的借贷行为。 2、信用是价值运动的特殊形势。

3、信用不单是一种经济行为，而且是借贷生产关系的体现，并为一定的生产关系服务。 信用不论是在消费、投资，还是在财富的创造过程中都具有非常重要的意义。比如在消费过程中，每个家庭都必须考虑本期收入、未来收入、本期需求、未来需求，以取得最大的效用和满足。信用可使本期消费和未来消费的交换成为可能，从而提高消费的总效用。

信用作为一种借贷行为，要通过一定的形式表现出来。按借贷关系中借者或贷者的不同，信用可分为商业信用、银行信用、国家信用、消费信用。

商业信用是企业之间以商品形式提供的信用，典型的商业信用如企业间赊销商品，在不规范的时候主要是以“挂帐”的形式体现，票据的诞生使商业信用变得规范化。

银行信用是银行及各类金融机构以货币形式提供的信用。银行信用具有间接性、风险小的特点。由于商业票据可通过银行兑现，商业信用日益依赖于银行信用。

国家信用[3]是以国家为债务人，为筹集资金的一种借贷关系，在我国现阶段主要以国债的形式体现。

消费信用是指工商企业、银行和其他金融机构对消费者提供的信用。消费信用的发展，使消费者提前享受现时尚无购买力的消费品，在一定条件下可以促进消费商品的生产与销售，甚至促进经济的增长。

信用一旦发生，风险也就随之存在了。按照传统的观点，信用风险是指对方不履约的风险，也就是支付能力风险。信用风险的具体形式虽然很多，但我们不难发现信用的接受方，即负债人基本上可分为国家、公司、和个人以及银行等金融机构这几类。无论是在风险的性质上还是在分析风险的方法上，这几类受信人的差别都较大。因此我觉得讨论信用风险时从国家、公司、个人和金融机构的角度分析着手更合理和清晰。我国大多数从事经济工作的人员对市场风险（比如利率风险、汇率风险）了解较多，但对信用风险的了解和研究相对要少一些。

国家信用风险是与国家主权行为相关而无法用个人或企业行为所控制、但一般都可以预见的变化，这种变化导致国内外经济活动中投资者的经济损失。我国的国家信用体系正在逐步建立和完善，但还不能适应经济发展的需要。尽管人们现在对国家债券的态度不再向以前那样心怀担忧，而是持“欢迎”的态度购买。但在其他方面，信用风险问题还是普遍存在的，虽然有的“三令五申”，但地方向农民“开白条”的现象还是普遍存在，的这种不能兑现行为自然是农民经济受损，生产积极性受到打击，农业生产和经济发展受到阻碍。

当企业出现以下情况时需要向外部接受信用：1、资金循环过程中出现资金缺口；2、由于市场看好，公司需要扩大销售；3、资金周转变缓，资金在各阶段上的停留时间变长；4、由于固定资产的损耗、陈旧或能力不够而引起的设备更新或增添设备需要。我国国有企业的改革已经跨上了一个坚实的台阶，现代企业制度[4]也已初步建立，将来我国企业的形式将以股份有限公司为主，其股东对公司承担责任仅以其在公司的投资为限。公司财务状况恶化或倒闭可能性随时存在，一旦出现这种情况，信用提供者损失资金的可能性是非常大的，所以研究公司的信用风险问题具有重要的理论和现实意义。银行也不会再像以前那样给与行政性贷款，如果企业不注意提高自己的信用水平和风险管理能力，也将得不到银行的贷款。 个人信用风险的实质是个人的品行或经济状况出现恶化，从而导致个人不愿意或没有能力偿还债务而使授信人遭受损失的情况。中国人民银行于1999年6月推出的国家助学贷款对贫困学生来说是件好事，但社会关系简单的学生因为难寻介绍人和担保人而得不到贷款。最后银行发布补充意见，学生只需凭自己的信用就可以贷到学费和生活费。但最后银行又顾虑重重，因为考察个人的信用难度大、成本高，而且由于没有担保人使得潜在的信用风险增大。产生这些现象的原因是我国个人信用制度刚刚起步，对个人信用的监督还不够完善。因此，我们必须加强个人征信系统的建设，良好的个人信用如同一条经济生活中得“绿色通道”。 银行做的是信用交易，它接受别人的信用，再授予别人信用。为维系信用，银行经营通常是保守的，而一般企业是利润越高， 愿冒的风险越高，银行冒险有个限度，限度之外，利率再高也不干了。我国银行由于受以前的经营方式和国家的影响，主要是国家所有，就是股份制的私有银行也受到国家严格保护，所以暂时出现倒闭的风险几乎没有。但随着金融改革的进行，开放程度的加大，银行将处在高度竞争的环境下经营，尽管当局尽力扶持，但银行出现倒闭也不是不可能的，所以银行业也存在巨大的信用风险。

除了银行以外，其它金融机构（如保险公司、证券公司、基金等）在国家经济生活中发挥着越来越重要的作用。比如说证券公司，它的传统业务主要为证券承销和证券经纪，并不涉及重大的投资风险。但是，随着证券公司“商人银行”业务的不断扩展，其中包括商业抵押贷款、不动产投资和其他高风险业务，它们已经承担了越来越多的投资风险和信用风险。这种情况的出现，使得人们难以简单地通过分析公司公开发布的财务报表（特别是资产负债表）来准确评估一家证券公司短期的风险状况。证券公司所经营的每种业务中隐含的信用风险，是一个需要十分重视的问题；特别是在公司经营信用风险比较集中的业务（如商人银行业务）的情况下，更需加强管理。而按我国目前的状况来看，证券公司在这方面所做的工作还不够，需要加强信用风险的研究和管理水平；保险公司也存在类似的问题。另外，我国的基金才刚刚起步，尤其是开放式基金，一定得做好风险管理工作。基金资产质量的高低、投资顾问质量的高低直接决定了基金的投资者将要承担的信用风险。

三、防范信用风险的措施分析

在2002年3月份召开“人民代表大会”和“政协会议”期间，“”代表、委员们一次又一次发出这样的呼声：中国的社会信用已到了危机的地步，必须引起人们的高度关注。 信用是最根本的社会关系，是整个社会赖以生存和发展的基石。关注信用、重建信用，这是事关社会主义市场经济建设能否顺利推进的重大问题，是摆在我们面前的现实任务。如果不关注信用，整个社会不讲信用，不对信用风险的防范采取有力的措施，市场经济的发展和完善必将受到阻碍。尤其是目前随着金融改革的深入，金融已经成为经济改革和百姓生活的核心，在这样关键的时刻加强好信用风险防范显得至关重要。如何防范信用风险，我认为应采取如下一些措施:

第一、 建立完善的信用制度

欠债还钱，这是天理。但欠了钱要不回来怎么办？如果缺乏有效的途径，解决问题的所有“大路”都给堵住了以后，将会导致社会畸形机制的诞生。河南省南乐县就出现了一伙人以“讨债公司”的名义，在短短几年间，横扫全国7省2市，疯狂绑架人质17起，非法拘禁他人9起，敲诈勒索他人钱物达36万元，他们使用的是最原始的办法——暴力。债权人对之持欢迎态度，而债务人却会产生担忧和恐慌。但雇人讨债，施以绑架、拘禁之术，毕竟法理难容。于是一些债权人就陷入了两难；合法的债权用正常的手段难以得到保护，你用有效的方法达到了目的，又触犯了法律。

专家认为，其实“讨债公司”是“机制失效”产生的怪胎——由于正常机制的功能不能完全起作用，欠债不还通过法律解决不了。严重的话，会导致组织介入，成为滋生“黑色经济”的温床。在客观上，此类“讨债公司”不会产生任何社会效益，其行为只会构成对社会基本秩序的破坏，终将要消亡的。

令人担忧的是，目前社会上频繁发生、多如牛毛的债务纠纷不仅成为经济发展的障碍，还为地方治安和社会稳定埋下隐患。要从根本上解决，除了进一步拓宽正常解决的渠道外，建立和完善社会信用制度已经刻不容缓了。

尽管社会信用已到令人痛心疾首的地步，但我们不必过分悲观。已经下决心整顿信用秩序。也强调了要建立严格的信用制度，也已作出整顿和规范经济秩序的部署。相信，在党和国家的重视之下，完善的社会信用制度将很快建立起来。当然，重建社会信用制度并不能一蹴而就，只能一步一步坚定不移地推动。 第二、 培养人们的信用意识

“中国的信用被践踏到了这种地步，还不见多少人愤而反击，足见人们的麻木，让人痛心啊”。这是来自的全国政协委员张永珍所说的。此言不虚，失信泛滥已导致了社会道德水平的下降，在失信面前更常见的是，人们为维护自己的利益，你失信，我也跟着失信。因此，重建信用必须敲醒人们麻木的神经。

要加强有关守信的宣传教育。让全社会的人都认识社会信用的重要性，强化守信光荣、失信可耻的观念，使守信者得到尊重，失信者被社会鄙视，生产或生活成本增大，以此引导大家重视社会信用，渐渐树立良好的社会信用风气。 同时，应建立失信约束惩罚机制。建立失信企业名单，鼓励媒介充分披露不讲信用的人和事，让监督、谴责不讲信用者；严禁失信人员担任企业的管理人员，尤其是担任企业的董事长、董事、经理、会计，对失信企业给予工商年检不合格的处罚，如连续两年不修复失信记录则给予取缔的处罚。

只有人们信用意识提高了，人们才会认识到重信用、讲信用的重要性。只有人们信用风险意识提高了，才能为其它各项信用制度的建立提供坚实的思想基础。也只有提高了人们的信用意识，才能有力地推动经济改革和改善人们日常的经济秩序。 第三、 加强信用风险管理

在人们的思想观念中，好像加强信用风险的管理只是银行的事情。其实不然，加强信用风险的管理需要发生信用关系的各个主体来参与。国家应建立一套完善的信用体系制度，应该在严格遵循法律和制度办事，我国许多企业在参与国际交易往来时不按国际准则办事。当发生纠纷时，为了保护企业也违背规则，导致失信，其最终的结果是自己的企业失去了大片的国际市场。

企业与银行存在银行信用关系，与其他企业和个人之间还存在商业信用（如赊销商品）关系，这就使得企业必须重视信用风险，不但自己要守信，同是在与其它主体发生信用关系时必须了解对方的信用状况，加强信用风险管理。

我国现在正处在金融改革的关键时刻，金融机构必须提高风险意识和加强风险管理。不

仅要加强市场风险的管理，同时也要加强信用风险的管理。不论是建立时间较长的银行体系和保险公司，还是新兴的证券公司和财务公司等，都必须加强信用风险的管理和防范。因为这些金融机构和企业都面临着机遇和挑战，谁具备了防范信用风险的意识和措施，才有可能存在和发展下去，否则将会被改革的大潮抛弃。 第四、 加强信用评估

现在不少银行已经开展了对企业的资信评估[5]，有效地促进了银行对企业的服务和规避风险。但仅仅如此是不够的，应对各类企业的社会整体信用建立数据库。其中包括企业的完税状况、守法状况、财务管理状况、产品质量状况、经营信用状况、盈余状况和企业法人资信状况等。这样把分散的企业、个人信息集中起来、积累起来、统一起来，使人们的经营活动有据可查，就能引导经营者守信经营，同时为授信者提供信息上的支持。也只有这样，才会使银行敢于向有发展前景而暂时缺乏资金的企业提供资金，使坚守信用的企业能在困难的时候得到银行的支援，避免付出高额代价向“地下钱庄”借款。

但是，光靠银行来展开调查，进行资信评估、建立信用数据库是远远不够的。因为银行的调查和评估有自己的目的性和针对性。企业之间存在商业信用关系，个人之间也存在一定的信用关系，企业和个人要获取银行的信用资料时有一定难度的，即使获得，可能针对性也不强。这就需要一些规范的中介机构或财务公司来为我们提供服务。我们要想完善我们的市场经济，加强信用风险管理，我们就必须拥有自己的“标准普尔”，拥有我们自己的“穆迪”。 第五、 为信用制度提供法律支持 法律是信用的最后一道篱笆墙。我国民法通则、合同法和反不正当竞争法中都有诚实守信的法律原则，刑法中更有对诈骗等犯罪课以重刑的规定，但为什么未能有效扼制不讲信用的违法犯罪活动呢？为什么银行贷出的款项就是收不回来，也拿公司没招呢？

银行的贷款总是面临着巨大的信用风险[6]，银行有钱不敢贷，企业有发展却贷不到款。如果不对不守信用、恶意违背信用的企业或个人给予法律上的严厉惩处，而让这些企业或个人从中得益，信用将会被践踏。尽管这几年加大了司法建设的力度，但司法不公、“法律白条”现象仍然严重存在着。

法律对失信约束不力的另一个原因是有关法律法规建设滞后。我们应该参照国际上一些先进做法，把制定信用管理方面的法律法规尽快提到议事日程上来，不仅要对失信行为严厉惩罚，而且要让那些失信的人无法在市场上生存。

另外一点，一些地方和部门制定与和法律相悖的文件，对地方企业实行挂牌保护，不允许为执行生效法律文书对企业依法采取强制措施；有的规定，立案和执行涉及地方重点保护企业的，必须经当地领导批准；有的规定，凡外地到本地金融机构查询、冻结、划拨本地当事人的存款，必须经当地或批准；有的规定，不许本地区依法协助外地采取强制措施。一些地方或部门的领导人带头把执行国家法律与本地经济发展和社会稳定对立起来，借口发展本地经济和维护稳定，以言代法，以权压法，以权抗法，有的直接干预办案；有的对本地“利税大户”、“支柱企业”或“经营能人”违法犯罪的，要求偏袒，的人如不听从，轻则将被调动，重则将受到处分、甚至罢免。为什么产生这种现象呢？地方和部门领导人的法制观念淡薄，执政观念和执政方式不适应社会主义市场经济和依法治国的需要是主要原因。无庸讳言，这种现象不治理，社会信用就无从谈起。显然，对这种现象的治理需要采取综合性、立体化的手段，以政治的、经济的、法律的多种措施从制度上、机制上狠狠打击。

只有在措施得当且执行严格的基础上，我们才能够有效的防范信用风险，才能够建立起完善的信用制度。也只有这样，才能建立有效的经济秩序，推动经济改革，为人们的日常经济生活提供便利。

第二章 信用风险评价方法探讨

一、 信用风险衡量的目的和特殊性

由信用的起源不难发现，信用活动一出现就伴随着信用风险，信用风险的分析和管理也就应运而生。

信用分析对作为生产经营活动的企业具有至关重要的意义。由于市场环境的变化，企业在生产经营活动中可能会遇到各种风险。但对企业而言，最明显，最惨重的损失，莫过于客户减少以及客户无力偿还企业的贷款而给企业造成的损失；金融机构也面临着类似的情形。 随着证券市场的开放和全球化发展，信用风险的分析环境及信用决策性质都有了很大的转变。市场波动反复无常，各个国家所处的经济环境以及各种不同的行业的特征都存在很大的差异，这就导致了信用风险受到诸多不同的因素影响。

实际上，信用风险的衡量就是对具体的客户或具体的交易[7]进行信用分析。信用分析可被视为一种“情报服务性质”的工作，它可以提供各种有关客户的材料和信用。信用分析可以促使企业或金融机构的各部门加强合作，可以估测客户发生呆帐、坏帐等信用风险的可能性，可以帮助企业或金融机构抓住机会，寻找信誉更好、竞争力更强的客户。 信用分析时应结合宏观因素和微观因素综合考虑，因为每个具体的客户或每项具体的交易都是在大的宏观环境下完成的，所以离不开对宏观因素的分析。同时，对他们进行具体评价时，离不开影响其特点的各个微观因素。但信用风险不同于其他风险，有其自身的特殊性，所以在衡量上也具有自身的特殊性。信用风险是银行业的传统风险[8]，但是，信用风险不限于简单的借款人到期还本付息的情形，每当金融公司在将来的某个时候贷款将得到偿还的基础上提供信贷的时候，就存在信用风险。信用分析和控制不是仅仅确保借款人能够付息还本；它还对交易和经营活动产生影响。信用风险衡量与其他风险衡量存在差异，按传统的观念，主要就是建立合理的信用分析模型，实质上就是合理地、系统地组织与解释客户有关信息的方法，这些模型大致可以分为两类，即预测模型和管理模型。但按照最新的观点，信用分析应该针对每笔具体的交易，这时，信用风险的衡量方法就越来越靠近于市场风险的衡量方法了。

二、 信用风险衡量的传统方法

按照传统的观点，信用风险一般仅指对方不履约的风险。所以，衡量信用风险也就是要衡量金融机构或公司等所面临的违约的可能性问题，首先要确定违约事件存在的可能性，以及发生违约事件的可能性有多大。同时，在进行衡量的时候要注意定性的方法和定量的方法相结合。

在基于这种认识的基础上，许多人为了解决某些问题，提出和建立了一些分析评价模型[9]。这些模型有的是一种分析思路和结构，有的是统计模型，有的是评分模型等等，这些模型在实践中都得到了一定的应用。其中衡量信用风险的常用方法有以下几种。 （一）“Z-值方程”法

“Z-值方程”法是经济学家爱德华・奥尔特曼(Edward・Altman)于1968年提出的一种呆帐

预测模型。他选择5个财务比率作为Z-值方程的变量。方程为：

z=1.2x1+1.4x2+3.3x3+0.6x4+0.999x5

式中：x1=营运资金/资产总额（营运资金=流动资产-流动负债）；x2=未分配盈余/资产总额；x3=EBIT/资产总额；x4=资本的市场值/债务总额；x5=销售额/资产总额。

如果z>2.99，意味着，该企业属于健康发展的企业，z值越大，企业的财务状况越好，破产的可能性越小；如果z<1.81，意味着，企业出现财务危机或者破产；如果1.81切斯尔模型是美国经济学家切斯尔(Chesser)于1974年提出的一个估测贷款对象可信程度的模型。表达式为：

y=-2.0434+5.24x1+0.0053x2-6.6507x3+4.4009x4-0.0791x5-0.1020x6 P=1/(1+exp(-y))

式中：x1=（现金+可售证券）/总资产；x2=销售收入/（现金+可售证券）；x3=EBIT/总资产；x4=总负债/总资产；x5=固定资产/权益资本；x6=流动资本/销售收入。

y值的大小可以理解为：借款者对不履约的偏好程度或借款违约指数。p值为有问题贷款发生的概率。若p>0.5，表明贷款对象有问题，不应贷款；若p≤0.5，则表明可以贷款。该模型从分析借款者经营状况入手来估计其违约风险概率的大小，有其经济理论上的合理性。但模型是利用历史统计数据计算分析得出的，模型的预测精度会随着预测期延长而降低。尽管如此，该模型仍不失为评估、监控贷款风险的一个有价值的辅助工具。 除了上述两种方法外，常用的信用风险评估方法还有“CAMELS”法、“6C”法、ZETA法，以及信用分析先驱Divid・Durand的信用分析得分模型。但这些传统的方法多是基于统计判别应用于实践的，并没有系统地从理论上说明信用风险的度量理论。

但最近以来，关于传统的信用风险的解释已受到越来越多的批判，认为它没有代表信用风险的真正本质。特别是，它得出的结论受经济周期的影响较明显。这种影响在80年代和90年代的经济周期中表现得尤其明显，许多国家的银行在经济周期上升的阶段违约情况较少，而在经济周期下降的阶段违约贷款大量出现。因此，对信用风险的认识出现了新的观点，信用风险不仅仅是对方的违约风险，还可以在更广泛的意义上看作是由于公司交易对方在履约能力上的变化而导致公司资产的经济价值遭受损失的风险。根据这种信用风险的解释，决定性因素不是看特定的交易对方是否会发生实际的违约，而是看交易对方是否发生违约可能性的变化。

随着这种新的观点的提出，新的衡量信用风险的方法也不断涌现出来。为了发展信用风险模型化的技术，摩根银行（JP）和许多其他发起机构一起于1997年发表了《信用矩阵》，运用移动矩阵将资产组合中的违约情况可能性进行模型化。不久后瑞士信贷银行金融产品部门公布了他们自己的产品——信用风险工具，提供了另一种建立在保险理论基础上的方法，并由此引发出了关于这些不同方法利弊的争论。这些新兴的方法与传统的方法相比，有这样一个显著的特点：传统的衡量信用风险的方法的对象主要是发生信用关系的主体，如量化企业、银行的信用状况，考察是否存在违约的可能；而最新的方法主要是针对具体的交易进行衡量，如具体的每一笔贷款业务。从产品组合的角度，用基于产品组合的方法来度量违约风险是一个相对较新的研究领域。这种方法相对于度量一般性市场风险的手段来说还显得不够成熟。但是，随着金融创新的不断深入，随着信用衍生品市场的不断扩大，信用风险衡量模型将与一般性市场风险模型一样得到广泛应用，到一定时候，市场风险与信用风险之间的区别将会变得更加模糊。

第三章 我国上市公司信用风险量化模型

一、 公司综合评价法

我国改革开放以来，金融体系已经发生根本性的变化，计划经济下的金融体系开始向适应市场经济的金融体系转变。虽然金融体系已经发生了很大的变化，但远远还没有达到完善的程度，可以说金融改革的号角才刚刚吹响。随着我国金融机构改革的进行，特别是证券市场的进一步发展，各类金融机构和公司所面临的信用风险也越来越大。

为了促进金融改革的顺利进行，减少改革中暗藏的危机，我们必须采取强有力的防范措施。应该对金融领域的风险问题有足够的认识，要根据我国金融领域现阶段的特点及将来发展的要求，建立合理的风险管理体系。不仅要对市场风险加强认识和管理，而且对信用风险也要高度重视。

企业是我们经济生活中的重要主体，我国通过国有企业的改革，在我国已初步建立起了以股份公司为主体的现代企业制度。同时，公司也是形成信用关系的重要的主体。银行在对公司进行贷款时，要考察公司的信用状况，分析贷款所面临的信用风险。随着破产制度的完善，上市公司管理制度的规范，企业破产不再是什么神话，上市公司的“退市机制”也已出台，人们的投资理念也将发生改变。投资者将更加注重公司的价值如何，公司的信用状况如何，投资所面临的信用风险状况如何。

由于我国金融市场的特点以及研究现状，新兴的基于具体交易的信用风险衡量方法在现阶段应用还存在一定的困难。相反，以信用主体为考察对象的传统衡量方法在现阶段有一定的理论和现实意义。

要对一个公司进行综合评价，考察一个公司的信用状况如何，必须全面的考察公司以下一些方面，根据各个公司的特点做出最后的分析和评价。 第一、 公司的基本财务状况

在考察公司的基本财务状况[10]时得考虑公司的偿还债务能力、盈利能力、经营能力以及资产质量问题。公司的财务状况是展示公司业绩和发展能力的最主要因素，更是银行或投资者须考察的重要方面，这将在下一节公司财务状况评价模型中详细讨论。 第二、公司的核心业务和行业状况

在考察一个企业时，必须弄清企业的主导产品及核心业务是什么，以及新产品的开发创新能力，如果企业只注重发展现有的产品，不重视后续产品的开发和研究，企业的发展能力将会大打折扣。同时，企业所处的行业对公司也会产生重要的影响，如果企业属于夕阳产业，现在非常强大，但发展前景却不容乐观，相反，如果企业属于新兴的主导行业，即使公司现时规模较小，但前景却一片光明。 第三、企业的经营能力

要全面考察一个企业的经营能力是一项艰巨而又非常重要的任务。我们不仅要考虑企业的战略管理和资产经营能力，而且要全面分析企业的营销能力和日常管理能力。有时候，企业是否充分利用外部资源也能反映出一个企业经营上的科学性和合理性。只有充分的综合考察这些因素才能对企业做出客观可靠的评价。 第四、企业制度和管理层的素质

只有拥有科学合理的企业制度的企业才能适应现代化的竞争，才不会被残酷的现实所淘汰。我们通过考察企业的制度是否合理，是否有效的促进了企业的发展，可以发现企业所包含的无形的动力和发展能力。有人说，中国最缺乏的是企业家，也就是说企业缺乏高素质的管理层是现在企业面临的一个普遍问题，我们通过考察公司管理层的整体素质、团队合作能力以及管理层的变动，就可以从一个崭新的角度认识和了解企业。有时候，领导层的变动对企业来说是生死攸关性的，足以看出它在衡量企业综合能力中的重要性。

在利用以上一些因素综合评价一个公司时，公司的财务状况是首先得考察的一个重要方面，但光考虑公司的财务状况[11]是远远不够的，一定得结合其他因素综合考虑。像公司的核心业务和行业状况是反应公司的核心竞争能力和公司的发展前景的重要因素；同时，公司的经营和组织管理能力对增强公司的竞争能力也起到不可估量的作用。在考察公司的核心业务和经营管理能力时主要利用定性的方法；而评价公司的财务状况时主要利用定量的方法，在下一部分将主要讨论如何利用定量模型对公司的财务状况进行评价。

二、财务模型评价法——二元因变量模型的应用

（一） 模型理论：

由于信用风险具有自身独特的特点，它与市场风险有很大的差别，所以在衡量方法上也存在很大的差别。对市场风险的研究方法中的传统方法有回归方法，回归方法要求能在连续和无的规模上观察到因变量。然而，信用风险面临的事件是非连续或者因变量是受到的非常规的情形（比如说一个公司的财务[12]最终评定结果只能是优、良和差等标准），这时传统的回归方程方法就不适用了。而二元因变量模型恰好具有这种特性，因变量Y只具有两个值：即Y可能是代表某一事件出现的虚拟变量，或者是两种选择中的一种选择。在这里可以用Y作为衡量公司财务状况的指标，它就可能面临这两种情况，公司财务状况优的情形和公司财务状况差的情形（虽然还有其他情况存在，为了讨论问题的方便而选取这两种情况），可以这样定义Y的取值：公司财务状况优秀时取值为1，公司财务状况存在危机时取值为0。而变量X的选择是截面数据，这也是与回归分析的纵向数据不同的地方，它可以有很多的分量，分量取决于研究的问题受那些因素的影响，比如银行要具体研究企业的财务状况时，这时衡量被贷款企业的财务特征的指标X可以选择：偿还债务能力指标、经营能力指标、盈利能力指标和发展能力指标。其最终的目标是将个体特征和取得贷款的概率之间的关系量化。

由于Y只具有0和1两个值。既然在其它情况中（因为结论不可能局限于1和0），条件均值暗含的模型对模型的残差施加了不合适的，Y对X简单的线性回归是不合适的。而且，从简单的线性回归中得到Y的的拟合值也不局限于0和1之间。为此，我们采用一种特殊的设定来用于处理二元因变量模型[13]。假定我们用以下模型刻画观察值为1的概率为： Pr

这里是一个连续、严格单调递增的函数，它采用实际值并返回一个介于0和1之间的数。函数的选择决定了二元模型的类型。可以得到

Pr

给出了这样的设定以后，我们能用极大似然估计方法估计模型的参数。极大似然函数为：

极大似然函数的一阶条件是非线性的，所以得到参数估计需要一种迭代的解决方法，我们可以选用Eviews软件来进行参数估计。首先，二元变量经常作为一种潜在的变量规定被生成。假定有一个未被观察到的潜在变量，它与x是线性相关的：

这里是随机扰动。然后被观察的因变量由是否超过临界值来决定

在这里临界值被设为0，但只要中包含有常数项，临界值选择多大就是无关紧要的。那么 Pr Pr = Pr =

这里是的累积分布函数。常用模型中关于函数的设定有以下几种：标准正态分布（probit），逻辑分布（logit），极值分布（gompit）。在理论上，既然每个二元变量代表一个事件，的两个数值的译码并不重要。但为了计算的简便，我们把y编码为0-1分布的变量。这种编译具有很多优点，其中的一个优点是：以这种方式编译变量暗示的期望值简单地等于=1的概率： PrPr = Pr

由此，我们得到二元设定的另一种解释：作为一个条件均值的设定。从而我们能够将二元模型看作一个回归模型：

这里是残差，代表变量与它的条件均值的偏离。于是

这也就是我们最终需要讨论的模型的残差约束条件。

（二）数据的选取： 1、指标选取：

本模型是为了研究公司的财务状况，最终对公司的财务状况进行评价。在分析公司财务状况的过程中，为了对公司进行全面的评价和分析，需要合理地选取全面反应公司财务状况的指标，而由于各个公司所属的行业不同、公司的规模存在差异性以及公司上市时间的不同，所以我们不能直接从三张财务报表中选取数据指标，而是选取通过财务报表计算的财务比率指标，共选取了未分配盈余/资产总额等二十多个指标，这些财务比率指标主要可以分成以下几类：偿债能力指标、营运能力指标、盈利能力指标、成长能力指标和市价比率指标。通过上市公司的现状分析以及通过模型进行筛选[14]，最后选定了以下7个指标： x1：未分配盈余/资产总额 x2: EBIT/资产总额

(EBIT表示息税前利润，利息费用按财务费用计） x3:（现金+短期投资）/总资产 x4: 销售收入/（现金+短期投资） x5:总负债/总资产 x6:固定资产/权益资本 x7:有形净值债务率

(负债总额/（股东权益-无形资产净值）)

从上面选取的指标中，我们可以发现如下一些特点：其中x1和x2是反应盈利和发展能

力的指标，x3和 x4是反应公司营运能力的指标，x5、x6和x7是反应资产构成和偿债能力的指标，我们发现其中有两类非常重要的指标没有选进来，一是现金流量比率指标，这主要是受会计制度的影响而导致的，因为从1998年起才规定公司编制中期和年度财务报表时必须编制现金流量表，以前都是用财务状况变动表取代的，所以样本相对较少，选用这方面的指标就显得不合适；第二有关市价比率的指标都没有选进来，这主要是我国股票市场不完善，市场价格受人为操作的因素较多，价格不能真正地反应公司的价值，像一些ST公司的财务状况本来非常糟糕，但受板块炒作的影响，价格不跌反升，ST猴王在股市上的表现就是典型的例子。

2、样本选取：

为了对模型进行研究，本模型采用上市公司作为考察对象。在样本选取上遵循以下原则： （1）、主要选取1996年以前在深市或沪市上市的公司。 （2）、在行业上主要采用属于工业板块的公司。 （3）、数据主要来源[15]于1996年—2000年的中期和年度财务报表。

把选取的样本主要分成两组：财务状况优秀的一组（相应的因变量Y值定义为1）和财务状况较差的一组（相应的因变量Y值定义为0）。优秀组主要来自：从证券之星在1999年和2000年对上市公司财务状况排名的前50名的公司和中国证券报推出的2000年最具潜力的50公司中选取500个样本。绩差组主要来自：从ST类和PT类公司以及证券之星公布的财务状况排名靠后的公司中选取500个样本。

（三）模型的估计：

根据上面的分析和采取的指标建立以下模型：

Y=1-F(-Xß)+e 其中：

-Xß=c+c1*x1+c2*x2+c3*x3+c4*x4+c5*x5+c6*x7+c7*x7+u F函数有前面提到的3种选择：标准正态分布（PROBIT）、逻辑分布（LOGIT）或极值分布（GOMPIT）。

首先对F函数选用逻辑分布(LOGIT),利用EVIEWS软件对模型进行估计，得出结果如下：

方法： ML - Binary Logit（ML表示极大似然法） 样本: 1-1000 因变量: Y 自变量 系数

渐近标准差 z-统计量

边际显著水平-P值 C

-4.940771 0.578521 -8.0355 0.0000 X1

16.46037 2.214809

7.431959 0.0000 X2

20.639 2.118418 9.7422 0.0000 X3

7.759092 1.155527 6.7147 0.0000 X4

-0.013220 0.003167 -4.173823 0.0000 X5

-6.727221 3.4435 -1.9539 0.0508 X6

5.6978 0.713478 7.987600 0.0000 X7

7.8496 3.330651 2.356865 0.0184

因变量均值 0.500000

因变量标准差 0.500250

回归标准误差 0.323975 残差平方和 104.1200

LR 统计量(7df) 725.7072

似然比率指标

McFadden R-squared

0.523487 P（LR stat） 0.000000

得出模型为：

Y = 1-@LOGIT(-(-4.940770652 + 16.46037205*X1 + 20.6303*X2

+ 7.759091659*X3 - 0.01322037109*X4 - 6.727220915*X5 + 5.6978479*X6 + 7.8495539*X7))

(其中@LOGIT表示F函数的计算方法)

从估计方程输出的结果分析可以得出以下结论：

1、各个系数的的边际显著水平（即P值）都是较小的，从而可以拒绝系数为0的原假设，即各个自变量的变动对因变量的变动都是有贡献的。但由于从二元模型中估计的系数不能被解释成对因变量的边际影响，对系数的解释就不能简单地按古典的回归方法中的形式进行解释，所以对系数的解释就显得比较复杂。xj对条件概率的边际影响由下式得出：

其中f 为F分布函数的密度函数，它是非负的，变化对Y的影响方向就只依赖于系数的符号。为正值意味增加将会增加反应概率；负值则意味着相反的结果。其中x4和x5的系数为负值，其他指标系数都为正值，这些都与公司的财务状况相吻合的，这将在下面的边际概率反应曲线中详细讨论。 2、LR统计量检验除了常数以外所有斜率系数都是0的假设。这类似于线性回归模型中的统计量，测试模型整体的显著性。圆括号中的数字表示自由度，它是该测试下约束变量的个数。它的边际显著水平P值近似于0，可以大胆地拒绝原假设，模型总体是显著的。 3、McFadden R-squared统计量是用计算的似然比率指标，这里是有的似然函数极大值。它同线性回归模型中的是类似的。它具有总是介于0和1之间的性质，从取值上看还是比较理想的。

（四）模型的检验: 1、拟合优度检验

在这里我们可以使用皮尔森-X2型检验来对整个模型的拟合优度问题进行检验，来考察整个模型的拟合程度是否理想，这种检验的原假设是模型是正确的。

首先利用H-L检验对整个模型的的拟合优度进行检验，它是利用Y的预测值进行分组来做检验的，检验结果如下： 组数 分组区间 因变量=0 因变量=1

合计观 测值 H-L Value Low

High Actual Expect Actual Expect 1

0.0000 0.0800 246 245.739 4

4.26117 250 0.01628 2

0.0801 0.5122 182 179.870 68

70.1297 250 0.0 3

0.5212 0.52 62

.0107 188 185.9 250 0.08490 4

0.60 1.0000 10

10.3801 240 239.620 250 0.01452

合计

500 500.000 500 500.000 1000 0.20560 H-L 统计量: 0.2056

Prob. Chi-Sq(2) 0.9023

Andrews 统计量:

0.2219

Prob. Chi-Sq(4) 0.9943

从上面的检验结果我们可以看出，H-L统计量和Andrews统计量都比较小，而对应的边际显著水平P值则较大，故我们可以大胆地接受原假设，即模型是正确的。另外，从检验中发现对预测值Y分成4组是比较合理的，在第一组和第四组的的部分拟合得要好一些，可以很好地判断公司的财务状况。

其次利用Andrews检验，分别按自变量序列将观察值进行分组，然后进行检验。得出的检验结果如下：

分组序列 分组数N

Andrews统计量 P值-Prob.Chi-Sq(N) X1 3

0.6714 0.8799 X2 5

1.7314 0.8849 X3 4

0.5313 0.9704 X4

4

3.5394 0.4719 X5 2

0.2207 0.55 X6 3

0.23530 0.9717 X7 3

0.7066 0.8716

从上面的检验结果发现，除了X4外，按其它序列进行分组检验得出的P值都比较大，说明可以接受原假设，模型设定正确。按X4分组检验的P值教小的原因主要是由于各个公司所属的行业不同，从而导致x4的取值跨度比较大，所以在进行分组拟合检验时效果不理想。另外按x5(总负债/总资产)进行分组检验时，分成两组的检验效果是最好的，说明该指标对公司财务状况的指示是比较敏感的，这与实际的情形也是一致的，它是衡量公司资本结构的重要指标。

2 、模型预测能力检验

为了对模型的预测能力进行检验，首先得选定一个截断值，然而利用EVIEWS软件进行检验，检验得出结果如下：

预测评价： (成功截断值 C = 0.5)

估计方程 常数概率

Dep=0 Dep=1 合计l Dep=0 Dep=1 合计 P(Dep=1)<=C 424 70 494 500 500 1000

P(Dep=1)>C 76 430 506 0 0 0 合计 500 500 1000 500 500 1000

正确预测数 424 430 8 500 0 500

正确预测百分比 84.80 86.00 85.40 100.00 0.00 50.00

错误预测百分比 15.20 14.00 14.60 0.00 100.00 50.00

总的改进程度 -15.20 86.00 35.40

改进百分比 NA

86.00 70.80

输出结果的左半部是以预测值（）为标准按截断值C进行分类得出的结果，右半部是以Y=1观察值的样本比例给出的预测概率P为标准进行分类得出的结果（本模型为0.5）。 从输出结果我们可以看出模型的敏感度为86.0%（被正确预测的Y=1观察值的百分比），模型的专一性为84.8%（被正确预测的Y=0观察值的百分比）,模型的总体预测能力为85.4%,即该模型正确的预测了85.4%的观测值。从总体上看，在预测的作用上估计方程比概率常数模型改进了35.4个百分点。这代表比缺省模型50%的正确预测改进了70.80个百分点。 类似地，按期望值计算我们可以得到类似的预测能力检验结果如下： （其中E（# of Dep=0）=）

预测评价： (按期望值计算)

估计方程 常数概率

Dep=0 Dep=1 Total Dep=0 Dep=1 Total

E(# of Dep=0) 395.36 104. 500.00 250.00 250.00 500.00

E(# of Dep=1) 104. 395.36 500.00 250.00 250.00 500.00 总计数 500.00 500.00 1000.00

500.00 500.00 1000.00 正确数 395.36 395.36 790.72 250.00 250.00 500.00

正确百分比 79.07 79.07 79.07 50.00 50.00 50.00

错误百分比 20.93 20.93 20.93 50.00 50.00 50.00

总的改进程度 29.07 29.07 29.07

改进百分比

58.14 58.14 58.14

从预测结果可以得出模型的敏感度 、专一性和预测能力为79.07%，比常数概率模型改进了29.07个百分点，改进百分比为58.17%。可以看出模型的预测能力是较强的。

（五）模型的应用

1 、利用模型进行预测

我们可以利用模型计算拟合概率，也可以计算指标的拟合值，另外可以输入新的样本，利用

模型可以计算其指标值和概率值，根据结果对公司的财务状况进行判断，根据上面的检验结果，我们可以判断：当预测概率值小于或等于0.5时（专一性为84.8%），我们可以判断公司的财务状况较差，当预测概率值在0.2以下时，判断的准确程度将大大提高；相反，如果公司的预测概率值大于0.5（敏感度为86.0%），我们就可以判断公司的财务状况是良好的，当预测概率值在0.8以上时，判断的准确性也将大大提高。 2 、分析解释变量的边际影响

从前面的模型输出结果我们介绍了解释变量的边际影响计算公式，即：

在这里我们将详细讨论每一个解释变量的边际影响大小，以及在解释变量变动时模型的输出结果是怎样随之变动的，从而为我们怎样从单个财务指标入手分析公司的财务状况提供参考。在计算边际影响时，由于模型采用的F分布函数为LOGIT分布，故上面的f函数是LOGIT分布的密度函数，-X'B是预测指标，统一定义边际影响为Xip。在讨论第i个解释变量的影响趋势时，Xit为模拟好的趋势序列，其它解释变量都取中位数，预测值为YXIF，具体计算过程通过预测模型进行。

首先分析解释变量的变化对因变量的影响大小，经计算得到边际影响比分别为：

C1

X2p/X1p X3p/X1p X4p/X1p X5p/X1p X6p/X1p X7p/X1p 16.46037205 1.25 0.47 -0.001 -0.409 0.346 0.477

从计算结果可以发现，解释变量X2(EBIT/资产总额)的变动对预测条件概率的期望值影响最大，这说明EBIT/资产总额的变动对公司财务状况的变动起到最重要的指示作用，而解释变量X4（销售收入/（现金+短期投资））的变动对预测条件概率的期望值影响最小，这是因为该指标对不同行业 、不同地区以及不同规模的公司存在很大的差异性，所以就不能非常敏感地指示公司财务状况。另外，解释变量X5(总负债/总资产)的变动与因变量的变动方向与X4的情况是相反的。具体的，我们可以根据上面提到的方法考察每一个解释变量变动与预测概率变动的关系，通过模型得出的图形如下：

图1 图2

图3 图4

图5 图6

图7

从图形上我们可以进行如下分析：

(1)、X1(未分配盈余/资产总额)与预测概率变化图(见图1)分析

未分配盈余/资产总额是反应公司当前的的盈利状况和公司将来的发展状况的重要指标，并且根据中国上市公司的状况，一般情况下公司分配给股东的股利比较少，且一般是股票股利，因此该项指标是衡量一公司财务状况的重要指标。从图形中我们发现，随着该指标的增大，预测概率值也随之增大，当未分配盈余/资产总额的取值小于或等于0时，预测概率处在0.2以下的水平，这说明在0.2以下的水平判断公司的财务状况存在危机也是比较准确的。在指标值大于0以后，预测概率的增加速度加快，但在X1T取0.2左右时增长速度开始放慢，这说明公司留存收益比例越大不见得对公司的财务状况越有利。 (2)、X2（EBIT/资产总额）与预测概率变化图(见图2)分析

EBIT/总资产是反应公司盈利状况的最主要的指标，正因为中国上市公司分派股利的时候显得有点“吝啬”，使得它的概率反应曲线与未分配盈余/资产总额的概率反应曲线非常的类似，它也在0值点和0.2值点具有重要的指示作用。但反应的概率曲线相对平坦一些，这主要是受公司利息费用的影响，在我们的模型中，是采用财务费用代替公司的利息费用的，这说明负债经营所导致的利息费用对公司的财务状况有很大的影响，选择多大负债规模对公司的健康发展具有长远的积极作用；当然，提高公司的盈利水平是公司“义不容辞”的选择，它也是最关键的影响因素。 (3)、X3（（现金+短期投资）/总资产）与预测概率变化图(见图3)分析

（现金+短期投资）/总资产主要是反应总资产中可立即变现的的资产的比例，反应公司营运资金的使用状况，由于其他指标都取中位数，故即使该指标的值趋向于0，反应概率也在0.2以上，这说明它的指示作用不是特别灵敏，应该与其他指标结合才能得到可靠的结论。另外，从曲线上我们可以发现，曲线是比较平坦的，曲线上升的的速度刚开始时要快一些，后来变得非常缓慢，这说明留存太多的货币资金对改善公司的财务状况并不见得有利。 (4)、X4（销售收入/（现金+短期投资））与预测概率变化图(见图4)分析

该指标反应公司在拥有一定的货币资金的基础上，对应有多大的销售收入。因为公司在生产循环的过程中，为了实现资金顺利地周转，不至于使循环过程中断，公司就必须持有一定比例的货币资金。因此，公司的销售规模增大时，公司持有的货币资金也应该增加，否则就会出现资金周转困难。从图形上发现，预测概率随着指标值的增大而减小，图形趋向于直线，说明该指标越大越好。但是，我们可以发现另外一个重要的特点，那就是当其他指标取中位数时，不论X4T怎么变化，预测概率总处于0.4以下，所以该指标的指示作用也是不灵敏的，一定得结合其他指标。

(5)、X5（总负债/总资产）与预测概率变化图(见图5)分析

总负债/总资产是反应公期偿债能力的指标，是考察公司的资本结构是否合理的重要指标，也是银行决定是否贷款时的重要参考指标。从图形上可知：预测概率随着该指标的增大而减少，并且在X5T取0.3以后下降速度增大。并且从图形分析可以看出，在其它指标取中位数的情况下，总负债/总资产取0.4左右是比较理想的，而当资产负债率达到0.6以上时，预测概率小于0.2，公司的财务状况将会出现危机。

(6)、X6（固定资产/权益资本）与预测概率变化图(见图6)分析

预测概率随着固定资产/权益资本的增大而增大，但上升的速度比较缓慢。因为选用的样本大部分是属于工业板块的公司（高科技和其他行业的较少），所以公司必须保持一定的固定资产比例。如果固定资产比例太小，说明公司的生产能力将受到考验，隐伏着财务危机。 (7)、X7（负债总额/（股东权益-无形资产净值））与预测概率变化图(见图7)分析 考察公司的有形净值债务率主要是研究公司的有形资产所承担的债务能力。从图形上看预测

概率随着比率增大而增大，似乎与公司的财务状况好坏存在矛盾。其实不然，因为现阶段的公司负债水平较高，并且在进行财务处理时，许多资产不能落实时，多归并到了无形资产，审计对无形资产的评估和计价也存在技术上的困难，无形资产比例一般都较高，所以出现上述情况。另外一点是图形是在其他变量取中位数时得出的，像资产负债率对它的影响就较大。

（六）模型的局限性

1、财务比率分析本身的局限性

我们在使用财务比率建立模型对公司的财务状况进行分析时，由于财务指标本身的局限性决定了模型的局限性。因为利用财务比率指标存在很多的缺陷，所以在利用模型时得结合其他因素进行综合考虑。

第一，财务比率分析所采用的公司财务报表上的财务数据都属于历史数据，对于未来公司财务状况的变动只具有一定的参考价值。比如说很多的ST公司，本身这样的公司应归并到财务状况较差的一组的，但假如公司找到了强有力的支持者，对公司进行资产重组，公司就会是实现根本性的转变。

第二、计算财务比率所使用的财报表的数据不一定反映公司财务的真实情况。这是因为公司财务报表时按会计准则编制的，所以公司财务报表上的数据符合企业会计准则的要求，但不一定反应公司财务的客观实际。例如：财务报表的数据未按通货膨胀或物价水平进行调整；非流动资产的余额，是按历史成本减折旧或摊销计算的，不代表现行成本或变现价值；有些项目是估计的，如无形资产的摊销和公司开办费用的摊销，但这种估计未必正确；公司发生了非常的或偶然的事项，如财产盘盈或坏帐损失，可能歪曲本期的净收益，使之不反映盈利的正常水平。

第三、不同公司可能选择不同的会计程序，使它们的财务比率失去可比性。对同一会计事项的会计处理，会计准则允许使用几种不同的规则或程序，公司可以自行选择。比如说所得税费用的确认，可以使用应付税款法或所得税影响法。虽然在公司的财务报表的附注说明文字中，对公司的主要会计有一定的说明，但在利用模型的过程中，对各个公司的财务比率进行可比性调整是存在一定难度的。

因此，由于以上几方面的原因使得利用模型对公司进行评价时就存在一定的局限。 2、样本选用导致的局限性

在对模型进行估计的过程中，选用的样本都来自上市公司，这是因为别的类型公司的财务报表的规范性不强，样本取得也存在困难，所以应用起来受到。并且，由于中国证券市场发展的历程较短，市场规模相对较小，另外对公司的监管不太完善，所以在选用样本的时候就受到了，使得模型的应用存在局限性。首先由于证券市场发展历程短，选样本的时候时间跨度受到；其次由于证券市场的规模较小，使得对公司进行行业选用时受到，只能选用公司较多的工业类进行研究；另外由于监管不严，公司总设法钻的空子，财务报表的人为影响因素较重。 3、估计方法的选用上有局限性

针对不同的样本选用估计方法也不一样，上面讨论中F函数有三种选择。对不同类型的公司，如果选用方法不同，可能导致拟合的结果也存在差异性,但不会存在特别大的差异。在这里，我把其他两种方法得出的模型也一同列出，以便针对不同公司进行估计。估计模型如下：

Y = 1-@CNORM(-(-2.823742822 + 9.383063841*X1 + 11.33810598*X2 + 4.6008552*X3 - 0.007349886324*X4 - 3.747927267*X5 + 3.275150559*X6 + 4.425885376*X7)) (F函数取标准正态分布PTOBIT）

Y = 1-@CEXTREME(-(-2.474450615 + 10.53535563*X1 + 13.32763692*X2 + 4.7906941*X3 - 0.0084059*X4 - 4.046839796*X5 + 3.513858045*X6 + 4.5945262*X7)) (F函数取极值分布GOMPIT）

结 论

本文以信用风险理论为指导，根据我国金融市场和上市公司的特点，提出了评价公司信用状况的综合评价模型和财务评价模型。其中财务评价模型是以二元因变量模型为依据，选取公司财务比率指标建立的。利用模型我们可以得到如下的应用和评价结论：

利用模型进行预测分析发现，我国上市公司基本上是国内同行业和区域中比较优秀的公司，大部分公司的信用状况是良好的，但也有很多公司在财务存在极大的缺陷，面临很大风险。 同时，我们利用模型分析公司的有关财务指标对公司信用状况的影响发现：不同行业以及同行业而不同地区的公司的同一比率指标对公司的信用影响程度不一致；公司的负债率在40%左右是比较理想的；另外，现阶段我国上市公司的负债率普遍较高，同时无形资产在总资产中的比重教大，这种状况的产生是由于公司的许多资产不能落实，多归并到了无形资产，同时审计时对无形资产的评估和计价有存在技术上的困难。

总之，我们可以利用公司的财务数据，根据上述模型得到一个预测概率，从整体上评价公司的财务状况和信用状况；还可以单独分析每个财务比率指标，并与合理的取值水平进行比较，考察公司财务状况在什么方面存在问题。但要全面地考察公司的信用状况，我们还必须结合公司的经营状况、管理状况以及公司的核心业务和行业前景进行综合分析和评价。

注释：

[1] 吴小灵、李德，《金融业的风险管理与信用评估》，北京:中国金融出版社，1994，55-80页。

[2] 黄达，《货币银行学》，四川人出版社，1996，66-102页。 [3] 梁宝柱，《国家信用和银行信用关系论》，西南财经大学出版社，1995，43-46页。 [4] 朱荣恩、徐建新，《现代企业信用分析》，上海:三联出版社，1995，100-108页。 [5] 朱荣恩、徐建新，《资信评级》，上海三联书店,1996，17-30页。 [6] 胡冰星，《商业银行信贷风险管理》，上海三联书店，1995，9-12页。 [7] Gallinger, George W. and A. James Ifflander, \"Monitoring accounts receivable using variance analysis\[8] [英]多米尼克・卡瑟利著,朱泱、张胜纪译，《挑战风险—金融机构如何生存和发展》，商务印书馆,1997,41-45页。 [9] 杨军，《商业银行客户评价》，北京:中国财政经济出版社，1999，210-230页。 [10] 罗飞、唐国平、庄丹，《股份合作企业会计》，立信会计出版社，1995，1-7页。 [11] 刘兴云、汪平，《财务管理学》，北京：经济科学出版社，2000，-88页。

[12] 沃兆寅、郑 忠、何佩莉，《上市公司财务分析技巧》，上海:立信会计出版社，1999，105-1108页。

[13] 李子奈,《高等计量经济学》,北京:清华大学出版社，2000,155-170页。

[14] 唐小岸、孟庆福， \"上市公司信用评价模型-二元因变量模型的应用\《预测》，2002年第二期,39-43页。

[15] 中国证券报[J]，1992至2001年有关各期(提供数据来源)。 参 考 文 献

1．李子奈,《高等计量经济学》,北京:清华大学出版社，2000,155-170页。 2．李子奈, 《计量经济学——方法与应用》，清华大学出版社，1992。

3．唐小岸、孟庆福， \"上市公司信用评价模型-二元因变量模型的应用\《预测》，2002年第二期,39-43页。 4．朱荣恩、徐建新，《现代企业信用分析》，上海:三联出版社，1995，100-108页。 5．杨军，《商业银行客户评价》，北京:中国财政经济出版社，1999，210-230页。 6．Roger H.Hal, Gredit Analysis, John Wiley & Sons Inc.1983. 7．迈克尔・波特，陈小悦译，《竞争战略》，华夏出版社，1997版。 8．汤姆・科普立、蒂姆・科勒、杰克・默林，《价值评估》，中国大百科全书出版社，1998。 9．沃兆寅、郑 忠、何佩莉，《上市公司财务分析技巧》，上海:立信会计出版社，1999，105-1108页。

10．刘兴云、汪平，《财务管理学》，北京：经济科学出版社，2000，-88页。 11．罗飞、唐国平、庄丹，《股份合作企业会计》，立信会计出版社，1995，1-7页。 12．吴小灵、李德，《金融业的风险管理与信用评估》，北京:中国金融出版社，1994，55-80页。

13．朱荣恩、徐建新，《资信评级》，上海三联书店,1996，17-30页。 14．[英]多米尼克・卡瑟利著,朱泱、张胜纪译，《挑战风险—金融机构如何生存和发展》，商务印书馆,1997,41-45页。

15．林后春、蒋三庚、成小渊，《金融风险及其防范》，中国发展出版社，2000。 16．胡冰星，《商业银行信贷风险管理》，上海三联书店，1995，9-12页。 17．高盛公司、瑞银华宝编著，寇日明等译，《风险管理实务》，中国金融出版社，2000。 18．梁宝柱，《国家信用和银行信用关系论》，西南财经大学出版社，1995，43-46页。 19．黄达，《货币银行学》，四川人出版社，1996，66-102页。

20．[美]劳伦斯.S.里特、威廉.L.西尔伯，上海翻译出版公司，1990。 21．[美]弗雷德里克.S.米什金,《货币银行金融市场学》，中国财政经济出版社，1990。 22．G.S.Maddala,Econometrics,McGraw-Hill International Inc.1986.

23．Arnold Zellner,Basic Issues in Econometrics,The University if Chicago Press,1984.

24．Robert S.Pindyck,Daniel L.Rubinfeld,Econometrics Models and Economic Forecasts,fourth edition,Irwin McGraw-Hill,1998. 25． Gallinger, George W. and A. James Ifflander, \"Monitoring accounts receivable using variance analysis\

26． Frederick C. Scherr \"Optimal trade credit limits\27.中国证券报[J]，1992至2001年有关各期(提供数据来源)。

论 文 摘 要

金融正在成为经济改革和百姓生活的双核心。一谈到金融领域，自然就离不开风险问题。对风险较全面的理解应该是：风险是某一项经济业务的收益的不确定性，这里收益也应该包含损失的可能，并且这种不确定性是可以度量的。

完善的市场经济应该是一种信用经济。我国加入WTO以后，提高信用意识是参与激烈竞争的当务之急。信用的本质指的是以偿还本息为条件的暂时让渡商品或货币的借贷行为。信用一旦发生，风险也就随之存在了。按照传统的观点，信用风险是指对方不履约的风险，也就是支付能力风险。个人、企业、金融机构和国家都是信用风险的产生主体和承担主体。面对信用风险，我们必须加强执行防范措施：首先应该建立完善的信用制度，其次应培养人们的信用意识，同时还必须加强信用风险管理和为信用制度提供必要的法律支持。

按照传统的观点，信用风险一般仅指对方不履约的风险。所以，衡量信用风险也就是要衡量金融机构或公司等所面临的违约的可能性问题，首先要确定违约事件存在的可能性，以及发生违约事件的可能性有多大。同时，在进行衡量的时候要注意定性的方法和定量的方法相结合。

在基于这种认识的基础上，许多人为了解决某些问题，提出和建立了一些分析评价模型。这些模型有的是一种分析思路和结构，有的是统计模型，有的是评分模型等等，这些模型在实践中都得到了一定的应用。其中衡量信用风险的常用方法有以下几种：“Z-值方程”法、切斯尔模型法、“CAMELS”法、“6C”法、ZETA法，以及信用分析先驱大卫・杜兰德(Divid Durand)的信用分析得分模型。

“Z-值方程”法是经济学家爱德华・奥尔特曼(Edward Altman)于1968年提出的一种呆帐预测模型。方程为：

z=1.2x1+1.4x2+3.3x3+0.6x4+0.999x5

式中:x1=营运资金/资产总额（营运资金=流动资产-流动负债）；x2=未分配盈余/资产总额；x3=EBIT/资产总额；x4=资本的市场值/债务总额；x5=销售额/资产总额。

切斯尔模型是美国经济学家切斯尔(Chesser)于1974年提出的一个估测贷款对象可信程度的模型。表达式为：

y=-2.0434+5.24x1+0.0053x2-6.6507x3+4.4009x4-0.0791x5-0.1020x6 P=1/(1+exp (-y))

式中 x1=（现金+可售证券）/总资产；x2=销售收入/（现金+可售证券）；x3=EBIT/总资产；x4=总负债/总资产；x5=固定资产/权益资本；x6=流动资本/销售收入。 由于我国金融市场的特点以及研究现状，新兴的基于具体交易的信用风险衡量方法在现阶段应用还存在一定的困难。相反，以信用主体为考察对象的传统衡量方法在现阶段有一定的理论和现实意义。

本文根据我国金融市场的特点和我国上市公司的实际情况，提出了衡量上市公司信用风险的综合评价法和财务模型评价法。

要对一个公司进行综合评价，考察一个公司的信用状况如何，必须全面的考察公司以下一些方面，根据各个公司的特点做出最后的分析和评价。首先是公司的基本财务状况，其次要考察公司的核心业务和行业状况，同时还应考虑企业的经营能力以及企业制度和管理层的素质。

在利用以上一些因素综合评价一个公司时，公司的财务状况是首先得考察的一个重要方面，但光考虑公司的财务状况是远远不够的，一定得结合其他因素综合考虑。像公司的核心业务和行业状况是反应公司的核心竞争能力和公司的发展前景的重要因素；同时，公司的经营和组织管理能力对增强公司的竞争能力也起到不可估量的作用。在考察公司的核心业务和经营管理能力时主要利用定性的方法；而评价公司的财务状况时主要利用定量的方法，文章的最后部分也是主要部分就是讨论如何利用定量模型对公司的财务状况进行评价。

由于信用风险具有自身独特的特点，它与市场风险有很大的差别，所以在衡量方法上也存在很大的差别。对市场风险的研究方法中的传统方法有回归方法，回归方法要求能在连续和无的规模上观察到因变量。然而，信用风险面临的事件是非连续或者因变量是受到的非常规的情形（比如说一个公司的财务最终评定结果只能是优、良和差等标准），这时传统的回归方程方法就不适用了。而二元因变量模型恰好具有这种特性，我们能够将二元因变量模型看作一个回归模型，其表达式如下：

这里是残差，代表变量与它的条件均值的偏离。并且，

这也就是我们最终需要讨论的模型的残差的约束条件。 通过对上市公司的现状进行分析以及通过模型进行筛选，我最后选定了以下7个财务比率指标：

x1: 未分配盈余/资产总额 x2: EBIT/资产总额

（EBIT：息税前利润，利息费用按财务费用计） x3:（现金+短期投资）/总资产 x4: 销售收入/（现金+短期投资） x5: 总负债/总资产 x6: 固定资产/权益资本 x7: 有形净值债务率

（负债总额/（股东权益-无形资产净值）） 最后建立以下模型： Y=1-F(-Xβ)+ε 其中：

-Xß=c+c1*x1+c2*x2+c3*x3+c4*x4+c5*x5+c6*x6+c7*x7+u

通过选取上市公司的财务指标作为样本，利用EVIEWS软件对模型进行估计，得出模型为： Y=1-@LOGIT (-(-4.940770652 + 16.46037205*X1 + 20.6303*X2

+ 7.759091659*X3 - 0.01322037109*X4 - 6.727220915*X5 + 5.6978479*X6 + 7.8495539*X7))

(其中@LOGIT表示F函数的计算方法)

利用H-L检验对整个模型的的拟合优度进行检验，从检验结果我们可以看出，HL统计量和Andrews统计量都比较小，而对应的边际显著水平P值则较大，故我们可以大胆地接受原假设，即模型是正确的。

对模型的预测能力进行了检验，最后选定截断值c为0.5。然而利用EVIEWS软件进行检验，从输出结果我们可以看出模型的敏感度为86.0%（被正确预测的Y=1观察值的百分比），模型的专一性为84.8%（被正确预测的Y=0观察值的百分比）；模型的总体预测能力为85.4%,即改模型正确的预测了85.4%的观测值。从总体上看，在预测的作用上估计方程比概率常数模型改进了35.4个百分点。这代表比缺省模型50%的正确预测改进了70.80个百分点，可以看出模型的预测能力是较强的。

最后我们可以利用模型进行预测和分析解释变量的边际影响。我们可以利用模型计算拟合概率，也可以计算指标的拟合值；另外可以输入新的样本，利用模型可以计算其指标值和概率值，根据结果对公司的财务状况进行判断，根据上面的检验结果，我们可以判断：当预测概率值小于或等于0.5时（专一性为84.8%），我们可以判断公司的财务状况较差，当预测概率值在0.2以下时，判断的准确程度将大大提高；相反，如果公司的预测概率值大于0.5（敏感度为86.0%），我们就可以判断公司的财务状况是良好的，当预测概率值在0.8以上时，判断的准确性也将大大提高。

从模型输出结果我们得到解释变量的边际影响计算公式为：

我们在使用财务比率建立模型对公司的财务状况进行分析时，由于财务指标本身的局限性决定了模型的局限性，所以在利用该模型时得结合其他因素进行综合考虑。

Abstract

Finance is becoming the center of the economy reform and the usual life. The finance realm is coming into the exciting field that is full of variety, opportunity and challenge. As concerned as finance, risk problem is necessary. The comprehensive definition about risk is that risk is the indetermination on the income about the economic operation. The income may should include lose and the indetermination can be measured.

The credit is very important in spite of that it happens in the consumption, investment, or at the process that wealth is created. According to the tradition of standpoint, the credit risk means the other party doesn't do their promise that is to say the other party lose their paying ability. The individual, business enterprise and the financing institution are the main party producing and undertaking credit risk. Facing to the credit risk, we must enhance to carry out measures to defend it. At first, we should establish the perfect reputation system and secondly educate people's reputation consciousness. Finally we must enhance the management about the credit risk and at the same time should offer necessity support in law to the reputation system.

According to the traditional standpoint, the credit risk generally happens when the other party doesn't obey the contract. Measuring the credit risk is also to measure the possibility that the financing institution or company etc. Default. At first we should certain the possibility that the

other part default and how about the possibility. At the same time, in the proceeding measure we must pay attention to the combining of the quantity method and quality method.

On according to this definition, many people have brought up and established some analysis model to solve the problem. Some of the models is a kind of analysis way of thinking and some are statistics models and the others are models to make grade. These models all have been used in some domain. Among them the common methods measuring the credit risk are several kinds that include \"Z-square\" method, Chesser model method\"， CAMELS\" method\"，\"6 Cs\" method, ZETA method, and the model to analysis the reputation from credit analysis pioneer Divid Durand.

\" Z-square \" method is a kind of model to forecast delinquent debt that was bought up in 1968 of by economist Edward Altman. The Square is:

Z=1.2x1+1.4x2+3.3X3+0.6x4+0.999x5 X1= working capital/ total assets X2= undivided profit/ total assets X3= EBIT/ total assets

X4= the market value of the capital / gross liabilities X5= sales income/ total assets

The Chesser model was brought up by the United States economist Chesser in 1974 in order to estimate the degree of the object that would be loaned. The Express of the model is:

Y=-2.0434+5.24x1+0.0053x2-6.6507x3+4.4009x4-0.0791x5-0.1020x6 P=1/(1+exp (-y))

X1=(cash + ambulatory security)/ total assets X2= sales income / (cash + ambulatory security) X3= EBIT/ total assets

X4= total liabilities/ total property X5= fixed assets/ equity capital X6= floating capital/ sales income.

Because of the characteristics and research condition of our country's financial market at present, the newly arose method according to concrete bargain to measure the credit risk is difficult to apply at present. On the contrary, the traditional method that is based on the reputation corpus has certain academic and realistic application at present.

According to the characteristics of our country's financial market the situation of our country's listed company this text brought up two methods to measure the listed company's credit risk that are the synthesizing model and the finance evaluation model. Among them the main part is the finance model. At present, in order to measure a company's reputation condition, the method based on the finance has certain academic and realistic application at present.

In order to synthesize a company and investigate its reputation condition, we must completely investigate the company's some aspects followed and work out our analysis and evaluation according to each company's characteristics. At first we should investigate the basic financial situation and secondly we should care about the coral business and the industry condition, finally we should still consider the business enterprise's operating ability, the system and the character of the managers.

To synthesize a company with the factors above, we should think about the financial index

at first. It is not enough if we only consider the financial condition and we must synthesize all other aspects of a company. The coral business and the industry condition respond the company's competition ability and the development future. At the same time, the prosecution and the management of company have important function to strengthen the company's competition ability. We usually use the quality method when we decide to investigate the coral business the management ability. On the contrary, when we decided to evaluate the company's financial situation we should basically use the quantity methods. The main party of the article will discuss how to use a quantity method to judge a company's financial condition.

Because the special characteristics of credit risk that is very different from the market risk, the methods to evaluate the credit risk have their special characteristics. The traditional research methods about market risk include regression method. The regression method requests that the dependents can be observed continuously and unlimitedly. However, the affairs deducing credit risk are not continuously and the observed dependents are limited. For example, the situation of a company's finance can only be stated by degrees such as excellent, good and bad. Facing to this condition, the traditional regression method can not be applied. The binary dependent variable model has such characteristics. We may consider the binary dependent variable model as a regression model. Its expression is:

Here the\"\"is the difference which denotes the difference between the dependent and its conditional mean. Moreover:

The restrict qualification about the difference from the model we will discuss at last.

I finally choose 7 finance indexes through the situation of the listed companies and filtered by model. They are:

X1: undivided profit/ total assets

X2: EBIT / total assets (the interest equal to finance fee) X3: (cash + short-term investment)/ total assets X4: sales income/ (cash + short-term investment) X5: total liabilities/ total assets X6: fixed assets/ equity capital

X7: total liabilities /( equity capital - net intangible assets)

Using the samples from the listed companies we finally get such a model by the software EVIES. It is:

Y=1-@LOGIT (-(-4.940770652+16.46037205*x1+20.6303*x2

+7.759091659*x3-0.01322037109*x4-6.727220915*x5+5.6978479*x6 + 7.8495539*x7)) (Among them the @ LOGIT is the means that the F- function used)

Making use of the Hosmer Lemeshow method we tested the imitating degree of the model. From the result we found that the HL-statistics and the Andrews-statistics both are very little and correspondingly the P-worth is very big. Therefore we can audaciously accept original assumption, namely the model is right.

Estimating the model's forecasting ability, we finally select the cut-value as 0.5. Using the EVIES to test the model we found that the sensitive degree is 86.0%(that is to say 86.0% of the dependent right forecasted whose value is 1) and the single degree is 84.8%(that is to say 86.0%

of the dependent right forecasted whose value is 0). The model's total forecasting ability is 85.4%, namely is that the can forecasting 85.4% of the observing samples. As a whole the estimated square improved 35.4% in forecasting ability then the fixed-probability model. This denoted that the forecasting model improved 70.08% according to the default model whose forecasting value is 50%. We can conclude that the forecasting ability of the model is very efficient.

We can finally make use of the model to forecast and explain the influence of different independent. We can also use the model to calculate the forecasting probability () and the index's forecasting value (). Moreover, we can calculate the index value and the probability through the new sample. According to the output of the model we can judge the company's finance situation. The judging standard is that when the probability is less than or equal 0.5 we can consider the finance status is not good (single character is 84.8%) and when the probability is less than 0.2 the forecasting result is very accurate. On the contrary, when the when the probability is larger than or equal 0.5 we can consider the finance status is good (sensitive degree is 84.8%) and when the probability is larger than 0.8 the forecasting result is very accurate.

We can get the calculation formula about the explaining independent from the output of the model:

From the calculation result and the figure output above we can conclude that the fluctuation of the explaining independent x2 will produce strong influence to the mean of the forecasting probability, but three is contrary characteristics to the explain independent x4. This condition results from difference among industry, region and scale for different companies. The fluctuation direction of index x4 and x5 is contrary to the independent. Moreover, we can even point out the defects about the finance situation of a company.

When we analysis the finance situation of a company through the model which is established by finance ratio, the model has certain localization because of the index's localization from itself. Because of this, we must make full use of other factors when we are using this model to investigate a company. 1 48