论文部分内容阅读
摘要：当前，发展债券市场是我国发展资本市场的必经之路，而发展我国资本市场的重点工作在于构建并发展我国企业的债信用评级体系。但是，由于我国债信用评级起步晚，且相关理论并不成熟，致使目前尚未形成完善的债信用评级体系。本文采用多元统计中的引子分析法与聚类分析法，选取了上海城市中的企业进行信用评级分析，首先以因子分析法从所选取的变量中选择出合适的因子，从而计算出每个企业的因子得分，然后将选出的因子作为变量，以聚类分析法进行了分析，并将其与S&P评级体系进行对照，从而确定各个企业的评级级别，以供参考。
关键词：因子分析；聚类分析；债信用评级；财务指标体系
前言
所谓的信用评级，简单来说就是对某一公司所履行经济责任的能力及其可信度进行评价。当前，国际三大评级机构的债券评级方法主要采用定性和与定量相机和的方式，一般侧重于定性分析。虽然在国际上各家评级机构评级的侧重点不同，但是，在评级的定性分析中都对环境因素、行业因素等进行了分析，然后结合企业的财务数据进行进一步的研究，从而得出债券的等级。我国目前在债信用评级上虽然吸取了国际上的先进理念与经验，但是还尚处于起步阶段，如果构建出符合我国实际国情的债信用评级体系，亟待解决。
1、因子分析过程
1.1评级指标选择与数据收集
1.1.1评级指标选择
在企业的信用评级活动中，企业的盈利能力、经营能力和偿债能力是主要的评级指标，其中企业盈利能力作为最重要的参考指标，所包含的细化考察内容有：企业主营业务的利润率、销售毛利率、净资产收益率等收益内容；经营能力作为一种对企业未来发展状况的预期考察项目，考察内容本身包含有营业周期、存货周转天数、流动资产周转率、净资产增长率等考察内容。笔者选择了营业周期、净资产增长率、净资产收益率、流动比率、速动比率、总资产报酬率。六项关键指标作为因子分析的数据项目。
1.1.2数据收集
在这一过程中，主要是根据WIND金融数据库的行业划分确定研究对象（2010年上海市A股上市的15家公司）后，根据研究对象的资料，找出该研究对象的具体数据指标。然后借助统计分析软件SAS8.2对相关数据指标的分子数据进行贡献率分析，最终根据分析结果中各数据指标的贡献率情况选出主要的影响因子。（根据统计分析软件SAS8.2的判断标准，累计贡献率超过80%以上就可以认定该因子为主要因子。）
在筛选出影响因素中的主因子以后为了保证下一步分析的实际经济含义，要采取因子选装的方法对主因子进行加工，如表1所示，为旋转因子载荷表，其中F1、F2、F3分别为第一主因子、第二主因子和第三主因子。由表1可知F1与营业周期Yyzq、净资产增长率Jzczzl的因子载荷都达到了0.95，即F1可以被作为评价指标；F2与资产报酬率和净资产收益率Jzcsyl的因子载荷在0.9以上，即F2可作为评价指标；F2同流动比率Ldbl和速动比率Sdbl的因子载荷同样达到了0.9以上，即F3可以被作为企业偿债能力评价指标。同时，F1、F2和F3三项因子对企业信用评级数据的累积方差贡献率已经达到了94.42%，所以使用三个主因子作为判断指标能够真实的反映企业财务信息。
2、 聚类分析法
聚类分析法是对分析数据中相同属性并数值相近的数据进行统计的方法。是解决企业信用评级中分析数据量过大的重要方法，当前在企业信用评级活动中应用的聚类分析方法主要包括有离差平均和法、最短距离法、最长距离法、中间距离法，笔者借助SAS8.2软件采用离差平方和法对数据进行聚类分析，分析结果如图1所示。
图1聚类分析树图
通过对聚类分析图和聚类历史情况的分析，并结合研究对象主因子得分情况，最后按照测试的信用等级从高到低排列，将这些企业最终分为四种类型：第一类包括有S11、S05、S09、S10四家企业，在信用评级活动中，这四家企业不但具有交稿的综合得分，而且这四家企业的偿债能力因子这一主要的信用评级考察指标也明显高于其他企业，而这也正是这四家企业在信用评级中获得较高等级的根本决定因素。
第二类包括S01、S06、S04、S08四家企业，其偿债能力因子与盈利能力因子的得分都相对较高，其对于提升相对应企业的债信用等级起着至关重要的作用。第三类企业的盈利能力与偿债能力相对较弱，其偿债能力、经营能力以及盈利能力都一般，所以影响到了企业的债信用等级评价。第四类企业是在排名中的最后两家企业，其三个因子的得分均很低，也就说这类企业的债信用等级为最低。
总结
综上所述，本文通过对上海市15家上市公司进行了因子分析与聚类分析，所得到的债信用评价等级与这些企业的经营能力、偿债能力等实际能力相符，这就从很大程度上证明力因子分析与聚类分析方法能够有效的应用到企业的债信用评级中，并能够为企业的发展带来一定的积极促进作用。但是受现阶段我国上市公司财务数据信息不透明、会计信息质量较差等因素的影响，该方法在应用过程中存在局限性，这就要求上市公司应该不断提高其自身财务相关数据的完整性与准确性。（作者单位：河北经贸大学数学与统计学学院）
参考文献：
[1]李毅，赵兴罗.企业债券信用评级方法比较与分析[J].河南金融管理干部学院学报，2009，11（06）：133-134.
[2]何运强，方兆本.债券信用评级与信用风险[J].管理科学，2014，11（2）：144-145.
[3]夏敏仁，林汉川.企业信用评级[M].上海；上海财经大学出版社，2010，8.
关键词：因子分析；聚类分析；债信用评级；财务指标体系
前言
所谓的信用评级，简单来说就是对某一公司所履行经济责任的能力及其可信度进行评价。当前，国际三大评级机构的债券评级方法主要采用定性和与定量相机和的方式，一般侧重于定性分析。虽然在国际上各家评级机构评级的侧重点不同，但是，在评级的定性分析中都对环境因素、行业因素等进行了分析，然后结合企业的财务数据进行进一步的研究，从而得出债券的等级。我国目前在债信用评级上虽然吸取了国际上的先进理念与经验，但是还尚处于起步阶段，如果构建出符合我国实际国情的债信用评级体系，亟待解决。
1、因子分析过程
1.1评级指标选择与数据收集
1.1.1评级指标选择
在企业的信用评级活动中，企业的盈利能力、经营能力和偿债能力是主要的评级指标，其中企业盈利能力作为最重要的参考指标，所包含的细化考察内容有：企业主营业务的利润率、销售毛利率、净资产收益率等收益内容；经营能力作为一种对企业未来发展状况的预期考察项目，考察内容本身包含有营业周期、存货周转天数、流动资产周转率、净资产增长率等考察内容。笔者选择了营业周期、净资产增长率、净资产收益率、流动比率、速动比率、总资产报酬率。六项关键指标作为因子分析的数据项目。
1.1.2数据收集
在这一过程中，主要是根据WIND金融数据库的行业划分确定研究对象（2010年上海市A股上市的15家公司）后，根据研究对象的资料，找出该研究对象的具体数据指标。然后借助统计分析软件SAS8.2对相关数据指标的分子数据进行贡献率分析，最终根据分析结果中各数据指标的贡献率情况选出主要的影响因子。（根据统计分析软件SAS8.2的判断标准，累计贡献率超过80%以上就可以认定该因子为主要因子。）
在筛选出影响因素中的主因子以后为了保证下一步分析的实际经济含义，要采取因子选装的方法对主因子进行加工，如表1所示，为旋转因子载荷表，其中F1、F2、F3分别为第一主因子、第二主因子和第三主因子。由表1可知F1与营业周期Yyzq、净资产增长率Jzczzl的因子载荷都达到了0.95，即F1可以被作为评价指标；F2与资产报酬率和净资产收益率Jzcsyl的因子载荷在0.9以上，即F2可作为评价指标；F2同流动比率Ldbl和速动比率Sdbl的因子载荷同样达到了0.9以上，即F3可以被作为企业偿债能力评价指标。同时，F1、F2和F3三项因子对企业信用评级数据的累积方差贡献率已经达到了94.42%，所以使用三个主因子作为判断指标能够真实的反映企业财务信息。
2、 聚类分析法
聚类分析法是对分析数据中相同属性并数值相近的数据进行统计的方法。是解决企业信用评级中分析数据量过大的重要方法，当前在企业信用评级活动中应用的聚类分析方法主要包括有离差平均和法、最短距离法、最长距离法、中间距离法，笔者借助SAS8.2软件采用离差平方和法对数据进行聚类分析，分析结果如图1所示。
图1聚类分析树图
通过对聚类分析图和聚类历史情况的分析，并结合研究对象主因子得分情况，最后按照测试的信用等级从高到低排列，将这些企业最终分为四种类型：第一类包括有S11、S05、S09、S10四家企业，在信用评级活动中，这四家企业不但具有交稿的综合得分，而且这四家企业的偿债能力因子这一主要的信用评级考察指标也明显高于其他企业，而这也正是这四家企业在信用评级中获得较高等级的根本决定因素。
第二类包括S01、S06、S04、S08四家企业，其偿债能力因子与盈利能力因子的得分都相对较高，其对于提升相对应企业的债信用等级起着至关重要的作用。第三类企业的盈利能力与偿债能力相对较弱，其偿债能力、经营能力以及盈利能力都一般，所以影响到了企业的债信用等级评价。第四类企业是在排名中的最后两家企业，其三个因子的得分均很低，也就说这类企业的债信用等级为最低。
总结
综上所述，本文通过对上海市15家上市公司进行了因子分析与聚类分析，所得到的债信用评价等级与这些企业的经营能力、偿债能力等实际能力相符，这就从很大程度上证明力因子分析与聚类分析方法能够有效的应用到企业的债信用评级中，并能够为企业的发展带来一定的积极促进作用。但是受现阶段我国上市公司财务数据信息不透明、会计信息质量较差等因素的影响，该方法在应用过程中存在局限性，这就要求上市公司应该不断提高其自身财务相关数据的完整性与准确性。（作者单位：河北经贸大学数学与统计学学院）
参考文献：
[1]李毅，赵兴罗.企业债券信用评级方法比较与分析[J].河南金融管理干部学院学报，2009，11（06）：133-134.
[2]何运强，方兆本.债券信用评级与信用风险[J].管理科学，2014，11（2）：144-145.
[3]夏敏仁，林汉川.企业信用评级[M].上海；上海财经大学出版社，2010，8.