论文部分内容阅读
企业作为市场经济的主体,其信用状况的好坏直接影响到市场经济的健康发展以及投资者的利益。席卷全球的金融海啸刚刚过去,对其的教训汲取和经验总结使得各国焦点重新投向了信用评级及其监管,信用评级市场需求正在形成一个新的高潮。研究如何对企业的信用状况做出预测是非常有现实意义的,不仅使得投资者可以客观地了解公司的信用状况,也能为政府和银行制定政策提供参考。
我国目前的证券市场发展尚不完善,股票市场数据不稳定、有效性不足,企业的违约数据库也很缺乏,因此在利用更为前沿的基于现代风险理论的国外模型时受到很大的限制。结合我国现有情况,最能有效利用的主要还是企业公布的财务会计信息,在此基础上,可以适当添加市场数据指标和定性指标来一定程度完善和提高指标的信息涵盖量和模型有效性。本研究基于以上考虑,通过较为严格和有效的指标选择和筛选,建立了以财务会计信息为基础的信用评价模型(二元和多元Logit模型),并且检验了“审计意见”指标对于模型的贡献能力。同时,在研究中采用了从2005年至2010年5月的数据信息,时间跨度大,样本数量因此更为充足,实证结果更为可靠。
本文的主要研究结论如下:(1)基于ST与非ST公司样本建立的二元Logit模型能提前两年对公司的信用状况做出有效预测,提前一年和两年的预测准确率分别为95.7%和83.9%。再继续提前,模型预测准确率下降幅度就比较大,提前三年的预测准确率为61.4%,仅仅刚好超过半数。因此可以认为,模型的有效预测年限为两年。(2)基于经营状况差的公司更容易进行财务造假的设想,本文在指标体系中加入了“审计意见”指标。研究发现,“审计意见”作为单个指标,其在ST与非ST公司之间的差异显著,但通过加入该指标前后两个模型的有效性检验发现,“审计意见”指标并没有提升初始模型的有效性。(3)除了二元Logit模型,本文又基于第二类样本(信用评级公司对部分上市公司的评级结果)建立了多元因变量Logit模型,将预测结果分为六个信用等级并利用单个样本对其有效性进行了检验,说明了模型在区分更为精确的等级分类时也具有一定的有效性。