论文部分内容阅读
摘 要：本文采用了因子分析的方法，使用企业盈利能力、偿债能力、运营能力、经营管理水平、诚信状况、发展潜力等六方面的指标建立了信用评价指标体系，对目前在我国境内上市的44家互联网企业进行信用评分，并对各企业的信用等级进行划分。因子分析的结果显示，设置的信用评价体系结构基本合理；企业信用评价的结果显示，信用等级为AAA的企业有3家、企业信用等级为AA的企业有17家、信用等级为A的企业有22家、信用等级为BBB的企业有2家。
关键词：因子分析法；互联网企业；境内上市；信用评价
中图分类号：F062.9 文献标识码：A 文章编号：2095-7866 （2017） 03-029-06
工业经济论坛 URL： http//www.iereview.com.cn DOI： 10.11970/j.issn.2095-7866.2017.03.004
Abstract： This paper used the factor analysisand set up the index system of credit evaluation whichreflects the six aspects ofcorporate profitability， debt paying ability， operation ability， management level， credit conditions， development potential.Did the credit rating to the currentof44 listed companies in the territory of China， divided each enterprise's grade of credit rating.Factor analysis results show that the set of credit evaluation system structure is reasonable.The results of credit evaluation shows that there are 3 the credit rating of AAA enterprise， credit rating to AA enterprise has 17， credit rating to A enterprise has 22， the credit rating to BBB enterprise has 2.
Key words： Factor Analysis； Internet Companies； Listed in Territory； Credit Rating
引言
互聯网是中国经济近年来增长最快的行业之一，涌现了如百度、腾讯等优秀的互联网企业，而这些企业纷纷选择在境外上市，甚至一些互联网创业公司选择商业并购等途径进行海外融资，从而借壳上市[1]。为了推动国内互联网企业的快速发展，使其更好地服务于我国经济、社会的发展，需要我们以开放的、发展的眼光看待互联网行业的前景，建立科学、合理的信用评价标准，并逐步调整互联网企业境内上市的标准[2]。鉴于因子分析法可以实现将多个变量降维为几个综合指标，不需要进行专家打分确定权重，操作方便且评价结果更为客观，因此本文选取因子分析方法对互联网境内上市企业进行信用评价。
一、文献综述
企业信用评价是市场经济和社会发展的产物，现代研究中进行信用评价的方法有很多，按照研究方法是否属于统计学分析方法，可以划分为统计分析方法和非统计方法。
（一） 非统计方法的信用评价方法
随着信息技术和算法的快速发展，更多的方法逐渐被引入到研究企业信用评价中。如：段小东（2009）[3]运用了BP神经网络建立了三层神经网络模型，来对中小企业的信用进行预测；张目和周宗放（2010）[4]使用遗传约简算法来构建高技术企业信用评价指标体系，该方法剔除了冗余的指标，他们认为在构建高技术企业信用评价指标体系中使用该算法具有一定的适用性。此外，投影寻踪判别分析方法、数据包络分析法、数学规划法等方法，也可以被应用于企业信用评价中。
（二）统计分析方法的信用评价
层次分析法（AHP）是最常用的信用评价方法，如：鲍盛祥和殷永飞（2009）[5]依据我国的国情设计了科技型中小企业信用评价指标体系，使用了AHP方法和熵值法来确定各指标的权重，并建立了针对我国科技型中小企业特点进行信用评价的方法和模型；李菁苗，吴吉义等（2012）[6]利用AHP法，构建了4个一级指标、15项二级指标，对电子商务环境下中小企业的信用进行了评价；李安渝，张昭等（2014）[7]从财务的角度，基于层次分析法构建电商企业信用评价体系，主要从营运、偿债、盈利和发展四个方面的能力来评价电商企业的信用状况。
（三）使用因子分析法进行综合评价
因子分析法是一种可以将多个复杂关系的变量归结为少数几个综合变量的统计分析方法，经常用来进行综合评价。由于遗传约简算法、BP神经网络、投影寻踪判别分析方法等在算法实现上较为复杂；AHP法、模糊综合评价法等需要进行主观赋权。而因子分析法在多元统计分析中经常被用来进行综合评价，操作过程简便，且不需要主观赋权。因此，本文将因子分析法应用于对互联网企业的信用评价中。
二、建立信用评价指标体系及评价等级
（一）信用评价指标体系
综合以往学者对于中小企业、科技型企业所做的信用评价和中国互联网协会发布的《中国互联网企业信用评价实施方案（试行）（新）》 中的评价体系标准，结合各指标的含义并遵循指标选取的原则，最终设置了6个一级指标来反映企业的整体信用水平，分别为盈利能力、偿债能力、运营能力、经营管理水平、诚信状况、发展潜力等指标。盈利能力是指互联网企业获取利润的能力，本文用来反映获利能力的3个指标为：净利润率、总资产报酬率、净资产收益率。一般认为，企业的盈利能力强，来自各方的评价会越高，因此这3个指标与信用评价结果之间为正向相关的关系；偿债能力是衡量企业建立信用的一个重要方面，具体指标包括流动比率、速动比率、应收账款周转率、资产负债率（逆向）；运营能力指标选择存货周转率、固定资产周转率、总资产周转率来表示；经营管理水平由管理者素质、企业规模、最大股东的持股比例3个指标来反映；衡量诚信状况的指标采用交易经历和已上市的时间两个指标。交易经历指标考察2015年以来企业交易中盈利状况、有无明显的挪用、私占企业资金、并购等正面或负面评价，计算正面事件（+1）和负面事件（-1）发生次数的迭加；已上市时间用来可以间接反映企业的诚信状况，一般认为上市时间越久，企业的市场反映越好、经营状况越稳定。发展潜力指标选取了行业发展状况、行业地位（逆向）、营业收入增长率这3个指标来衡量。行业发展状况由2016年度企业所处行业利润排名前十的企业平均利润反映；行业地位采用2016年度该企业在同类行业中的利润排名；2016年度企业的营业收入增长率反映企业的发展和成长的空间。 （二）互联网企业信用评价等级标准
本文对境内上市的互联网企业进行信用评价，使用“三等九级”的分级标准，分为“A、B、C”三等，“AAA、AA、A、BBB、BB、B、CCC、CC、C”九级[2]，如表1所示。
三、基于因子分析法的互联网境内上市企业信用评价
本文使用的财务类指标数据主要来源于“巨潮咨询网”的企业2016年度年报数据，交易经历、行业发展数据来自“通达信”证券信息平台。根据搜集到的数据显示，目前在境内上市的互联网企业共有44家。对收集到的各企业相关数据进行预处理，使各指标实现同向化，同时为了避免量纲不同而影响评价结果，将各指标数据放入SPSS 20.0中做标准化处理。
（一）实证分析过程
公共因子与原始指标之间的关联程度由因子负荷矩阵来体现，由于旋转前因子负荷矩阵结构不够简明，各因子对变量的解释能力较弱不易命名，采用方差最大法进行因子旋转，使各公共因子的负荷系数更接近于或得到比较容易解释的因子。旋转后的因子载荷矩阵的各系数为因子与所包含变量之间的相关关系 。
根据因子分析的原理，计算各企业的7个因子的得分，并计算加权综合得分，并进一步得到企业的信用评分，如式（1）所示得到的结果如表2所示。
（二）信用评价结果分析
信用评价分析结果显示，信用等级为AAA的企业有3家、企业信用等级为AA的企业有17家、信用等级为A的企业有22家、信用等级为BBB的企业有2家。其中，盛天网络、吉比特、上海钢联企业信用等级为AAA，信用等级最高，投资基本无风险；而迅游科技、腾信股份两家企业的信用评价等级处于BBB等级，信用状况处于行业平均水平，可以密切关注企业的信用变化趋势，谨慎投资；而88.64%的互联网境内上市企业信用等级处于AA、A级，信誉度较高，投资风险较小。因此，可以认为境内互联网行业的投资环境相对稳定、风险较小。
四、研究结论
由实证分析结果可以看到，提取的公共因子共有7个，分别反映：企业的偿债能力（资产负债率x4、流动比率x5、资产负债率x7）、盈利能力（净利润率x1、总资产收益率x2、净资产收益率x3、行业地位x17）、运营能力（应收账款周转率x6、固定资产周转率x9、总资产周转率x10）、经营管理水平（管理者素质x11、最大股东持股比例x13、已上市时间x15）、发展潜力（企业规模x12、营业收入增长率x18）、行业环境和企业表现（交易经历x14、行业发展状况x16）、存货周转情况（存货周转率x8）这几个方面。与最初设置的信用评价指标体系的结构相差不大，本文设置的指标体系有一定的参考价值。
根据信用评价的结果，并对比123家已经被互联网协会公布过的信用评价信息，发现本文研究的这44家互联网企业当中已经有3家企业被中国互联网协会做过信用评价，分别为上海钢联、三六五网、三七互娱。评价结果的对比如表3所示，可以看到本文的评价结果与互联网协会之前所做的评价大体相当。考虑到两者在指标选择上的不同、信息来源的途径不同以及评价存在时差等因素，评价结果不会完全一致，因此本文暂未做相应的评分调整。
基金项目：
北京市社会科学基金研究基地项目“京津冀一体化背景下北京产业转移与发展研究”（批准号：16JDYJB011）；“产业融合视角下北京金融产业安全问题研究”（批准号：15JDJGC078）
参考文献
[1] 乔文军.中国互联网企业美国借壳上市的研究[J].经济体制改革，2016（2）：101-105.
[2] 万丽梅.互联网企业如何在国内上市？[J].清华金融评论，2014（7）：85-88.
[3] 段小东.基于BP神经网络的中小企业信用评价模型研究[J].财务与金融，2009（3）：86-89.
[4] 张目，周宗放.基于粗糙集的高技术企业信用评价指标体系构建[J].经济研究导刊，2010（25）：29-31，41
[5] 鲍盛祥，殷永飞.科技型中小企业信用评价与实证分析[J].科技进步与对策，2009（20）：143-148.
[6] 李菁苗，吴吉义，章剑林，柯丽敏.电子商务环境下中小企业信用评價[J].系统工程理论与实践，2012（3）：555-560.
[7] 李安渝，张昭，王泽菡，曾蔚.电商企业信用评价体系研究——基于财务角度的AHP法[J].征信，2014 （9）：6-10.
关键词：因子分析法；互联网企业；境内上市；信用评价
中图分类号：F062.9 文献标识码：A 文章编号：2095-7866 （2017） 03-029-06
工业经济论坛 URL： http//www.iereview.com.cn DOI： 10.11970/j.issn.2095-7866.2017.03.004
Abstract： This paper used the factor analysisand set up the index system of credit evaluation whichreflects the six aspects ofcorporate profitability， debt paying ability， operation ability， management level， credit conditions， development potential.Did the credit rating to the currentof44 listed companies in the territory of China， divided each enterprise's grade of credit rating.Factor analysis results show that the set of credit evaluation system structure is reasonable.The results of credit evaluation shows that there are 3 the credit rating of AAA enterprise， credit rating to AA enterprise has 17， credit rating to A enterprise has 22， the credit rating to BBB enterprise has 2.
Key words： Factor Analysis； Internet Companies； Listed in Territory； Credit Rating
引言
互聯网是中国经济近年来增长最快的行业之一，涌现了如百度、腾讯等优秀的互联网企业，而这些企业纷纷选择在境外上市，甚至一些互联网创业公司选择商业并购等途径进行海外融资，从而借壳上市[1]。为了推动国内互联网企业的快速发展，使其更好地服务于我国经济、社会的发展，需要我们以开放的、发展的眼光看待互联网行业的前景，建立科学、合理的信用评价标准，并逐步调整互联网企业境内上市的标准[2]。鉴于因子分析法可以实现将多个变量降维为几个综合指标，不需要进行专家打分确定权重，操作方便且评价结果更为客观，因此本文选取因子分析方法对互联网境内上市企业进行信用评价。
一、文献综述
企业信用评价是市场经济和社会发展的产物，现代研究中进行信用评价的方法有很多，按照研究方法是否属于统计学分析方法，可以划分为统计分析方法和非统计方法。
（一） 非统计方法的信用评价方法
随着信息技术和算法的快速发展，更多的方法逐渐被引入到研究企业信用评价中。如：段小东（2009）[3]运用了BP神经网络建立了三层神经网络模型，来对中小企业的信用进行预测；张目和周宗放（2010）[4]使用遗传约简算法来构建高技术企业信用评价指标体系，该方法剔除了冗余的指标，他们认为在构建高技术企业信用评价指标体系中使用该算法具有一定的适用性。此外，投影寻踪判别分析方法、数据包络分析法、数学规划法等方法，也可以被应用于企业信用评价中。
（二）统计分析方法的信用评价
层次分析法（AHP）是最常用的信用评价方法，如：鲍盛祥和殷永飞（2009）[5]依据我国的国情设计了科技型中小企业信用评价指标体系，使用了AHP方法和熵值法来确定各指标的权重，并建立了针对我国科技型中小企业特点进行信用评价的方法和模型；李菁苗，吴吉义等（2012）[6]利用AHP法，构建了4个一级指标、15项二级指标，对电子商务环境下中小企业的信用进行了评价；李安渝，张昭等（2014）[7]从财务的角度，基于层次分析法构建电商企业信用评价体系，主要从营运、偿债、盈利和发展四个方面的能力来评价电商企业的信用状况。
（三）使用因子分析法进行综合评价
因子分析法是一种可以将多个复杂关系的变量归结为少数几个综合变量的统计分析方法，经常用来进行综合评价。由于遗传约简算法、BP神经网络、投影寻踪判别分析方法等在算法实现上较为复杂；AHP法、模糊综合评价法等需要进行主观赋权。而因子分析法在多元统计分析中经常被用来进行综合评价，操作过程简便，且不需要主观赋权。因此，本文将因子分析法应用于对互联网企业的信用评价中。
二、建立信用评价指标体系及评价等级
（一）信用评价指标体系
综合以往学者对于中小企业、科技型企业所做的信用评价和中国互联网协会发布的《中国互联网企业信用评价实施方案（试行）（新）》 中的评价体系标准，结合各指标的含义并遵循指标选取的原则，最终设置了6个一级指标来反映企业的整体信用水平，分别为盈利能力、偿债能力、运营能力、经营管理水平、诚信状况、发展潜力等指标。盈利能力是指互联网企业获取利润的能力，本文用来反映获利能力的3个指标为：净利润率、总资产报酬率、净资产收益率。一般认为，企业的盈利能力强，来自各方的评价会越高，因此这3个指标与信用评价结果之间为正向相关的关系；偿债能力是衡量企业建立信用的一个重要方面，具体指标包括流动比率、速动比率、应收账款周转率、资产负债率（逆向）；运营能力指标选择存货周转率、固定资产周转率、总资产周转率来表示；经营管理水平由管理者素质、企业规模、最大股东的持股比例3个指标来反映；衡量诚信状况的指标采用交易经历和已上市的时间两个指标。交易经历指标考察2015年以来企业交易中盈利状况、有无明显的挪用、私占企业资金、并购等正面或负面评价，计算正面事件（+1）和负面事件（-1）发生次数的迭加；已上市时间用来可以间接反映企业的诚信状况，一般认为上市时间越久，企业的市场反映越好、经营状况越稳定。发展潜力指标选取了行业发展状况、行业地位（逆向）、营业收入增长率这3个指标来衡量。行业发展状况由2016年度企业所处行业利润排名前十的企业平均利润反映；行业地位采用2016年度该企业在同类行业中的利润排名；2016年度企业的营业收入增长率反映企业的发展和成长的空间。 （二）互联网企业信用评价等级标准
本文对境内上市的互联网企业进行信用评价，使用“三等九级”的分级标准，分为“A、B、C”三等，“AAA、AA、A、BBB、BB、B、CCC、CC、C”九级[2]，如表1所示。
三、基于因子分析法的互联网境内上市企业信用评价
本文使用的财务类指标数据主要来源于“巨潮咨询网”的企业2016年度年报数据，交易经历、行业发展数据来自“通达信”证券信息平台。根据搜集到的数据显示，目前在境内上市的互联网企业共有44家。对收集到的各企业相关数据进行预处理，使各指标实现同向化，同时为了避免量纲不同而影响评价结果，将各指标数据放入SPSS 20.0中做标准化处理。
（一）实证分析过程
公共因子与原始指标之间的关联程度由因子负荷矩阵来体现，由于旋转前因子负荷矩阵结构不够简明，各因子对变量的解释能力较弱不易命名，采用方差最大法进行因子旋转，使各公共因子的负荷系数更接近于或得到比较容易解释的因子。旋转后的因子载荷矩阵的各系数为因子与所包含变量之间的相关关系 。
根据因子分析的原理，计算各企业的7个因子的得分，并计算加权综合得分，并进一步得到企业的信用评分，如式（1）所示得到的结果如表2所示。
（二）信用评价结果分析
信用评价分析结果显示，信用等级为AAA的企业有3家、企业信用等级为AA的企业有17家、信用等级为A的企业有22家、信用等级为BBB的企业有2家。其中，盛天网络、吉比特、上海钢联企业信用等级为AAA，信用等级最高，投资基本无风险；而迅游科技、腾信股份两家企业的信用评价等级处于BBB等级，信用状况处于行业平均水平，可以密切关注企业的信用变化趋势，谨慎投资；而88.64%的互联网境内上市企业信用等级处于AA、A级，信誉度较高，投资风险较小。因此，可以认为境内互联网行业的投资环境相对稳定、风险较小。
四、研究结论
由实证分析结果可以看到，提取的公共因子共有7个，分别反映：企业的偿债能力（资产负债率x4、流动比率x5、资产负债率x7）、盈利能力（净利润率x1、总资产收益率x2、净资产收益率x3、行业地位x17）、运营能力（应收账款周转率x6、固定资产周转率x9、总资产周转率x10）、经营管理水平（管理者素质x11、最大股东持股比例x13、已上市时间x15）、发展潜力（企业规模x12、营业收入增长率x18）、行业环境和企业表现（交易经历x14、行业发展状况x16）、存货周转情况（存货周转率x8）这几个方面。与最初设置的信用评价指标体系的结构相差不大，本文设置的指标体系有一定的参考价值。
根据信用评价的结果，并对比123家已经被互联网协会公布过的信用评价信息，发现本文研究的这44家互联网企业当中已经有3家企业被中国互联网协会做过信用评价，分别为上海钢联、三六五网、三七互娱。评价结果的对比如表3所示，可以看到本文的评价结果与互联网协会之前所做的评价大体相当。考虑到两者在指标选择上的不同、信息来源的途径不同以及评价存在时差等因素，评价结果不会完全一致，因此本文暂未做相应的评分调整。
基金项目：
北京市社会科学基金研究基地项目“京津冀一体化背景下北京产业转移与发展研究”（批准号：16JDYJB011）；“产业融合视角下北京金融产业安全问题研究”（批准号：15JDJGC078）
参考文献
[1] 乔文军.中国互联网企业美国借壳上市的研究[J].经济体制改革，2016（2）：101-105.
[2] 万丽梅.互联网企业如何在国内上市？[J].清华金融评论，2014（7）：85-88.
[3] 段小东.基于BP神经网络的中小企业信用评价模型研究[J].财务与金融，2009（3）：86-89.
[4] 张目，周宗放.基于粗糙集的高技术企业信用评价指标体系构建[J].经济研究导刊，2010（25）：29-31，41
[5] 鲍盛祥，殷永飞.科技型中小企业信用评价与实证分析[J].科技进步与对策，2009（20）：143-148.
[6] 李菁苗，吴吉义，章剑林，柯丽敏.电子商务环境下中小企业信用评價[J].系统工程理论与实践，2012（3）：555-560.
[7] 李安渝，张昭，王泽菡，曾蔚.电商企业信用评价体系研究——基于财务角度的AHP法[J].征信，2014 （9）：6-10.