基于Logistic回归模型对我国上市公司信用风险度量研究

• 作 者: 李硕
• 出 处: 天津财经大学
• 发表日期: 2016年01期
• 关键词: Logistic回归模型 上市公司 信用风险

信用是市场经济正常运行和发展的前提与基础。伴随着信用交易逐渐成为日常经济交易的主要方式,信用风险也随之渗透到日常生活的各方面。近年来,作为股票和公司债券的发行主体,我国的上市公司发展规模继续壮大,在我国资本市场上的地位也非常重要。上市公司信用违约事件的不断发生,给我国投资者、授信商业银行等都带来了极大的损失。加强对我国上市公司信用风险进行度量和管理,不但是我国商业银行管控金融风险的首要任务,而且还有利于促进我国资本市场上的投资者进行科学与理性的投资抉择。通过对我国上市公司及其信用风险的现状和特点进行研究可以发现,我国上市公司信用风险度量方法比较落后,对其度量在指标选取、配对比例等方面也存在一定的缺陷。在对各信用风险度量模型在前提假设、数据要求、预测准确性与稳定性、适用性等方面进行比较发现,Logistic回归模型在各方面都更适合对现阶段我国的上市公司信用风险进行度量和研究。针对上述情况,本文选取了我国2015年沪深A股上市公司中43家被ST公司作为信用违约样本,并采用5:1的配比样本比例选取了 215家非ST上市公司作为非违约样本,初选包括公司规模、公司治理、营运能力、偿债能力、盈利能力、成长能力、资本结构等方面的24个财务指标,结合Kolmogorov-Smirnov检验、T检验以及Mann-Whitney检验筛选出在两组样本中存在显著性差异的19个指标,然后结合主成分分析法提取主成分因子,作为Logistic回归模型的输入参数构建模型进行信用风险模拟和预测,并通过检验样本的检验,验证了 Logistic回归模型无论在数据要求、参数选择还是在预测准确性、稳定性方面对我国上市公司信用风险进行度量的适用性。最后结合实证结果和当前我国的现状,对提高我国上市公司信用风险的准确性提出了三个方面的建议。