沙曉

摘 要：本文選用Altman的ZETA模型中7個(gè)變量，利用Logit 模型對(duì)我國(guó)上市公司進(jìn)行了評(píng)級(jí)分類，結(jié)論表明Logit模型能夠?qū)⒐烙?jì)樣本中的71.89%的公司進(jìn)行正確評(píng)級(jí)分類，而能將預(yù)測(cè)樣本中62.50%的公司進(jìn)行正確評(píng)級(jí)分類，Logit模型對(duì)我國(guó)上市公司的評(píng)級(jí)具有一定的效力。

關(guān)鍵詞：Logit模型；上市公司；評(píng)級(jí)

中圖分類號(hào)：F275 文獻(xiàn)標(biāo)識(shí)碼：A doi：10.3969/j.issn.1672-3309（x）.2013.08.57 文章編號(hào)：1672-3309（2013）08-126-02

一、引言

我國(guó)股票市場(chǎng)和債券市場(chǎng)的扭曲發(fā)展不僅使得資本市場(chǎng)的資源配置作用并未得到有效發(fā)揮，而且使得股票市場(chǎng)獨(dú)自承擔(dān)了所有的市場(chǎng)風(fēng)險(xiǎn)，從而導(dǎo)致了股票市場(chǎng)的巨大波動(dòng)。然而，引起我國(guó)債券市場(chǎng)發(fā)展滯后的主要原因之一就是債券評(píng)級(jí)制度的不成熟。因此，對(duì)上市公司能夠做出獨(dú)立且正確的信用評(píng)級(jí)，不僅可以引導(dǎo)投資者做出正確的投資決策，完善市場(chǎng)結(jié)構(gòu)，還對(duì)我國(guó)債券市場(chǎng)乃至整個(gè)資本市場(chǎng)的健康發(fā)展具有重要的意義。

隨著資本市場(chǎng)的資本配置作用日益顯著，公司的信用評(píng)級(jí)研究在國(guó)內(nèi)外都有了巨大的發(fā)展。Altman（1968）與Altman等（1977）利用多元判別分析（MAD）分別建立了著名的 得分模型和第二代信用評(píng)分模型，即ZETA模型。Ohlson（1980）將Logit模型引入到公司財(cái)務(wù)危機(jī)預(yù)測(cè)上來，發(fā)現(xiàn)logit模型能夠?qū)⒕哂胁煌?cái)務(wù)質(zhì)量的公司做出有效的分類。李湛和徐一騫（2009）運(yùn)用Altman的Z得分模型，檢驗(yàn)了2006-2007年由中誠(chéng)信所作信用評(píng)級(jí)的34家企業(yè)，結(jié)果表明我國(guó)企業(yè)存在眾多信用評(píng)級(jí)相背離的現(xiàn)象。劉瑞霞、張曉麗、陳小燕以及郝艷麗（2008）將多元有序Logit模型應(yīng)用于我國(guó)的信用評(píng)級(jí)，并選取我國(guó)53家上市公司作為樣本對(duì)Logit模型的適用性進(jìn)行了檢驗(yàn)，但未對(duì)結(jié)果做出詳細(xì)的分析。

本文將659家具有五種不同財(cái)務(wù)質(zhì)量的公司分為估計(jì)樣本和測(cè)試樣本，以Altman的ZETA模型中的7個(gè)變量作為本文的解釋變量，應(yīng)用Logit模型對(duì)我國(guó)上市公司進(jìn)行信用評(píng)級(jí)，結(jié)論表明Logit模型對(duì)我國(guó)上市公司具有較好的分辨能力，能夠把不同財(cái)務(wù)質(zhì)量的上市公司進(jìn)行有效區(qū)分。

二、變量及數(shù)據(jù)

在大量的實(shí)證檢驗(yàn)中，由于Altman的ZETA模型具有較高的信用分辨能力，因此，本文直接采用ZETA模型由財(cái)務(wù)指標(biāo)構(gòu)造的的7個(gè)變量，分別是：資產(chǎn)收益率、收益穩(wěn)定性指標(biāo)、留存收益/總資產(chǎn)、利息保障倍數(shù)、資本化率、流動(dòng)比率和規(guī)模。下表是對(duì)本文變量的簡(jiǎn)要說明。

表1 變量說明

對(duì)于因變量y，本文從我國(guó)A股市場(chǎng)一共選取了659家上市公司，根據(jù)其風(fēng)險(xiǎn)屬性將這659家公司分成5類不同的風(fēng)險(xiǎn)級(jí)別。并且將樣本分為估計(jì)樣本和預(yù)測(cè)樣本，估計(jì)樣本用來估計(jì)模型系數(shù)，預(yù)測(cè)樣本用于檢驗(yàn)?zāi)Ｐ偷脑u(píng)級(jí)分類能力。針對(duì)不同的風(fēng)險(xiǎn)級(jí)別，y分別取值0、1、2、3和4。表2對(duì)本文的樣本進(jìn)行了說明。

表2 樣本說明

本文變量的數(shù)據(jù)均取自2012年的年度數(shù)據(jù)，其中收益穩(wěn)定性變量是根據(jù)2008年至2012年5年利潤(rùn)總和求得。所有數(shù)據(jù)以及上市公司的信息來源于Wind數(shù)據(jù)庫(kù)。

三、實(shí)證分析

Logit模型的關(guān)鍵假設(shè)是在隱變量和自變量的多元線性回歸模型中，隨機(jī)擾動(dòng)項(xiàng)服從的是Logistic分布。而Logit函數(shù)作為隱變量和次序函數(shù)之間的關(guān)聯(lián)函數(shù)，可以將非線性函數(shù)轉(zhuǎn)化為線性函數(shù)，從而形成了Logit模型。Logit模型可以定義成如下形式：

<＼＼Ww-329725167ea5＼本地磁盤 （E）＼jjsj＼2013年排版＼201308＼130823.tif>（1）

其中，j為實(shí)際觀測(cè)得次序類別，取0、1、2、3和4，為分界點(diǎn)。由（1）式可以發(fā)現(xiàn)，模型的發(fā)生比是通過該發(fā)生比分子中的事件概率的依次連續(xù)累積而形成，累積概率可以通過Logistic分布函數(shù)的公式獲得：

<＼＼Ww-329725167ea5＼本地磁盤 （E）＼jjsj＼2013年排版＼201308＼130824.tif>（2）

計(jì)算出累積概率，屬于某一特定類別的概率P（y=1），P（y=2），…，P（y=J）等便可以按如下方式計(jì)算出來：

<＼＼Ww-329725167ea5＼本地磁盤 （E）＼jjsj＼2013年排版＼201308＼130825.tif>（3）

并且有P（y=1）+P（y=2）+…+P（y=J）=1。

那么，根據(jù)本文選取的7個(gè)變量，建立如下Logit模型：

<＼＼Ww-329725167ea5＼本地磁盤 （E）＼jjsj＼2013年排版＼201308＼130826.tif>（4）

其中，經(jīng)過Logit函數(shù)的轉(zhuǎn)換，可得：

<＼＼Ww-329725167ea5＼本地磁盤 （E）＼jjsj＼2013年排版＼201308＼130827.tif>（5）

（5）式中j取值為0、1、2、3、4。那么，某一個(gè)公式在第j類信用等級(jí)上的累積概率為：

<＼＼Ww-329725167ea5＼本地磁盤 （E）＼jjsj＼2013年排版＼201308＼130828.tif>（6）

將估計(jì)樣本的數(shù)據(jù)代入模型，估計(jì)結(jié)果見表3。

表3 參數(shù)估計(jì)結(jié)果

參數(shù)的估計(jì)結(jié)果表明，對(duì)于5類不同信用級(jí)別的上市公司，4個(gè)分界點(diǎn)的估計(jì)值都十分顯著。將參數(shù)估計(jì)值代入（4）式，便可得到隱變量，通過（5）式和（6）式，可以獲得每家上市公司屬于不同信用級(jí)別的概率，最大概率所對(duì)應(yīng)的信用界別即為上市公司的最終評(píng)級(jí)。表1顯示了隱變量在不同取值下分別屬于5個(gè)不同信用等級(jí)的概率。

圖1 估計(jì)所得對(duì)應(yīng)的評(píng)級(jí)概率

從圖1可以看出，y=0對(duì)應(yīng)的暫停上市的公司、y=2對(duì)應(yīng)的創(chuàng)業(yè)板上市公司以及y=4對(duì)應(yīng)的央企都有各自非常清晰的概率最值區(qū)間，說明Logit模型對(duì)這三類不同風(fēng)險(xiǎn)等級(jí)的公司具有很高的分辨能力。

為了進(jìn)一步檢驗(yàn)Logit模型對(duì)我國(guó)上市公司的評(píng)級(jí)能力，將參數(shù)估計(jì)結(jié)果分別代入估計(jì)樣本和預(yù)測(cè)樣本，求出上市公司的評(píng)級(jí)結(jié)果，并與實(shí)際的信用級(jí)別進(jìn)行對(duì)比，從而獲得Logit模型的正確分辨率，結(jié)果見表4。

表4 Logit模型的評(píng)級(jí)分類能力

從估計(jì)樣本和預(yù)測(cè)樣本的評(píng)級(jí)結(jié)果可以發(fā)現(xiàn)，logit模型雖然沒有表現(xiàn)出十分完美的特征，但對(duì)我國(guó)上市公司信用質(zhì)量確實(shí)具有一定的分辨能力。

四、結(jié)論

本文隨機(jī)選取我國(guó)A股市場(chǎng)659家上市公司，并以Altman的ZETA模型中7個(gè)變量作為本文的解釋變量，利用Logit模型對(duì)所選取的上市公司進(jìn)行了分類評(píng)級(jí)。實(shí)證結(jié)論表明Logit模型能夠?qū)⒐烙?jì)樣本中的71.89%的公司進(jìn)行正確評(píng)級(jí)分類，而能將預(yù)測(cè)樣本中62.50%的公司進(jìn)行正確評(píng)級(jí)分類，因此，Logit模型對(duì)我國(guó)上市公司的評(píng)級(jí)具有一定的效力。

參考文獻(xiàn)：

[1] 李湛、徐一騫.我國(guó)企業(yè)債券信用評(píng)級(jí)的因素分析[J].南方金融，2009，（06）.

[2] 劉瑞霞、張曉麗、陳小燕、郝艷麗.多元有序Logit模型用于上市公司信用評(píng)級(jí)探析[J].財(cái)會(huì)月刊，2008，（01）.

[3] Altman， Edward I.， 1968， “Financial Ratios， Discriminant Analysis and The Prediction of Corporate Bankruptcy.” The Journal of Finance， 23， pp.589-609.

[4] Altman， Edward I. and Robert A. Eisenbeis， 1978， “Financial Applications of Discriminant Analysis： A Clarification.” The Journal of Financial and Quantitative Analysis， 13， pp.185-195.

[5] Ohlson， James A.， 1980， “Financial Ratios and the Probabilistic Prediction of Bankruptcy.” Journal of Accounting Research， 18， pp.109-131.