吳若慈 李慶

摘要：本文基于生存分析中COX回歸方程，研究企業(yè)違約風(fēng)險(xiǎn)影響因素，并將宏觀經(jīng)濟(jì)變量納入模型變量中。本文選取了深證證券交易所197家制造業(yè)上市企業(yè)為研究樣本，利用生存分析法中的壽命表法和COX回歸函數(shù)，實(shí)證分析影響企業(yè)違約風(fēng)險(xiǎn)的各個(gè)因素。實(shí)證結(jié)果表明，經(jīng)營(yíng)現(xiàn)金流/總資產(chǎn)、每股收益率兩個(gè)指標(biāo)與企業(yè)違約風(fēng)險(xiǎn)呈正相關(guān)關(guān)系，財(cái)務(wù)狀況、GDPR/LN（P）兩個(gè)指標(biāo)與企業(yè)違約風(fēng)險(xiǎn)呈正相關(guān)關(guān)系。最后，本文給出了分析我國(guó)制造業(yè)上市企業(yè)違約風(fēng)險(xiǎn)因素的帶有宏觀經(jīng)濟(jì)變量的COX回歸方程。

關(guān)鍵詞：違約風(fēng)險(xiǎn)；COX Regression模型；宏觀經(jīng)濟(jì)變量

一、引言

隨著我國(guó)融入經(jīng)濟(jì)全球一體化的程度的提高，國(guó)內(nèi)市場(chǎng)環(huán)境深度和廣度的提高；我國(guó)企業(yè)在日趨激烈的國(guó)內(nèi)、國(guó)際市場(chǎng)環(huán)境中，對(duì)于各種風(fēng)險(xiǎn)因子的波動(dòng)變得更加敏感，由此而衍生出的企業(yè)平均生命周期的縮短、企業(yè)違約風(fēng)險(xiǎn)加大等問(wèn)題。宋雪楓基于生存分析法，建立了以杜邦體系為基礎(chǔ)的企業(yè)特征變量的違約預(yù)測(cè)模型，該模型適用于時(shí)間序列變量，同時(shí)不需要配對(duì)樣本，且預(yù)測(cè)能力較強(qiáng)。Sareto基于生存模型分析框架，通過(guò)加入時(shí)間序列變量同時(shí)不假設(shè)生存時(shí)間的分布，擴(kuò)展了現(xiàn)有的生存分析模型，從而提高了模型的預(yù)測(cè)準(zhǔn)確度。Bellottit& Crook將宏觀經(jīng)濟(jì)變量引入了生存分析模型，實(shí)證證明了宏觀經(jīng)濟(jì)變量對(duì)于個(gè)人違約風(fēng)險(xiǎn)具有一定影響，并比較分析了加入宏觀經(jīng)濟(jì)變量的生存分析模型和Logistic模型，實(shí)證結(jié)果顯示生存分析模型預(yù)測(cè)的準(zhǔn)確度更高。

二、研究設(shè)計(jì)與實(shí)證

模型運(yùn)用了197家制造業(yè)上市企業(yè)2003-2011年的樣本數(shù)據(jù)和非樣本數(shù)據(jù)進(jìn)行了實(shí)證檢驗(yàn)。我們的模型很好的得出了企業(yè)的宏觀經(jīng)濟(jì)風(fēng)險(xiǎn)頭寸。

1.COX回歸模型詳述（6）

2.實(shí)證過(guò)程

本節(jié)實(shí)證過(guò)程是基于SPSS統(tǒng)計(jì)分析軟件，利用軟件中壽命表法和COX回歸模型，以我國(guó)深圳證券交易所197家制造業(yè)上市公司作為研究樣本，通過(guò)實(shí)證方法，對(duì)影響企業(yè)違約風(fēng)險(xiǎn)的相關(guān)因素進(jìn)行識(shí)別和度量。

可以看到，由COX回歸函數(shù)基于財(cái)務(wù)數(shù)據(jù)得到的樣本企業(yè)的分組數(shù)據(jù)的生存函數(shù)與壽命表法中得到的生存函數(shù)圖像是一致的。經(jīng)營(yíng)現(xiàn)金流/總資產(chǎn)大于0的分組數(shù)據(jù)的生存函數(shù)要大于經(jīng)營(yíng)現(xiàn)金流/總資產(chǎn)小于0的分組數(shù)據(jù)；另外經(jīng)COX回歸函數(shù)得到的生存函數(shù)的整體趨勢(shì)也與壽命表法得到的生存函數(shù)趨勢(shì)一致。

三、結(jié)論

利用COX回歸模型對(duì)197家樣本企業(yè)的特征變量和相關(guān)宏觀經(jīng)濟(jì)變量進(jìn)行篩選，模型最后識(shí)別出4個(gè)與樣本企業(yè)違約風(fēng)險(xiǎn)相關(guān)的特征變量。這四個(gè)特征變量分別是財(cái)務(wù)狀況、每股收益率、經(jīng)營(yíng)現(xiàn)金流/總資產(chǎn)、GDPR/LN（P）。實(shí)證結(jié)果顯示，每股收益、經(jīng)營(yíng)現(xiàn)金流/總資產(chǎn)系數(shù)為負(fù)，與信用違約風(fēng)險(xiǎn)呈負(fù)相關(guān)關(guān)系；GDPR/LN（P）、財(cái)務(wù)狀況兩個(gè)指標(biāo)的貝塔值為正，說(shuō)明樣本企業(yè)違約風(fēng)險(xiǎn)與兩指標(biāo)值呈正向關(guān)系。上述四個(gè)指標(biāo)中，經(jīng)營(yíng)現(xiàn)金流/總資產(chǎn)反映了企業(yè)各期現(xiàn)金流狀況；每股收益率指標(biāo)反映了企業(yè)股東權(quán)益的盈利能力；財(cái)務(wù)狀況反應(yīng)企業(yè)的總債務(wù)成本的大小；GDPR/LN（P）反應(yīng)的是企業(yè)所處宏觀經(jīng)濟(jì)環(huán)境。

參考文獻(xiàn)：

[1]鄧曉嵐，陳朝暉，王宗軍.企業(yè)財(cái)務(wù)困境的非參數(shù)生存分析模型評(píng)價(jià) [J].武漢理工大學(xué)學(xué)報(bào)，2007，29（6）：121-124.

[2]高培業(yè)，張道奎.企業(yè)失敗判別模型實(shí)證研究[J].統(tǒng)計(jì)研究，2000，（10）：46-51.

[3]顧銀寬，林鐘高.財(cái)務(wù)危機(jī)預(yù)警理論與模型探討[J].改革，2004，（3）：48-50.

[4]王曉鵬，何健敏，馬立成：Cox模型在企業(yè)財(cái)務(wù)困境預(yù)警中的應(yīng)用[J].價(jià)值工程 2007（11）.