【作 者】
王庆华（副教授），杨 杏
【作者单位】
（北京化工大学经济管理学院，北京 100029）
【摘 要】
【摘要】 本文以在深圳证券交易所上市并发行公司债的制造业企业为研究样本，以企业主体信用评级为财务风险水平的衡量标准，将企业财务风险进行多等级划分，运用多分类Logistic回归分析探讨企业财务风险的影响因素。研究结果表明，企业偿债能力、盈利能力、现金流量情况及发展能力显著影响企业财务风险的大小，相对而言，企业的资金周转情况对企业财务风险的影响则并不明显。
【关键词】 多分类Logistic回归；财务风险；信用评级
在激烈的市场竞争中，企业经营必然会有风险，在国内外研究财务风险度量的文献中，多数学者以企业破产或被ST作为陷入财务危机的信号，以此为基础进行风险预警，解析企业财务风险的影响因素。如何做好财务风险的早期识别、度量、防范，明确财务风险的影响因素是关键。目前学术界对于此类问题还没有形成统一的共识，这也是企业财务风险能够成为财务管理领域研究热点的原因。
一、引言
现有的财务风险相关理论涵盖经济学、管理学等多学科，研究角度也从宏观资本市场延伸到微观企业个体，但在众多的研究中，最具实用性的研究分支是企业财务风险预警理论，本文将从这一角度研究财务风险的影响因素。
对于投资而言，任何投资都具有收益和损失两种可能性，而本文的研究目的在于减少损失，所以对于财务风险，本文主要从负面影响归纳总结。目前国内外对于财务风险的定义主要有两种，一种是狭义的财务风险定义，即认为财务风险是指企业因借入资金导致公司股东或债权人遭受损失的不确定性，主要代表人物有Ross，Westerfield，Jordon（1995）、Van Horn（2001）、蒋琪发（2000）、罗放华（2005）以及梁慧兰（2006）。另一种财务风险的定义从广义出发，认为财务风险是指由于各种不确定因素的影响，使公司最终财务状况与预期财务目标发生偏离，因而使得公司蒙受损失的机会和可能，代表人物有向伟德（1994）、黄锦亮和白帆（2004）以及杨华（2008）。本文重点从企业价值或资金运动角度给出完整的定义，即：由于各种不确定因素的影响，企业价值运动（资金流）的效益性降低或其连续性中断，直至出现无法偿还到期债务等现象的动态进程，是异常经营状况出现及持续的最终财务体现。对于财务风险的定义，本文认为应该关注两点：第一，要明晰财务风险的产生发展是个动态过程，财务风险并不等于财务危机，财务危机是财务风险负面效应发展的最终阶段；第二，尽管财务风险是个复杂的集成系统，其形成原因也包含所有的经营活动（包括财务活动及非财务活动），但其最常见表现形式和最终的发展阶段是资金链断裂，资不抵债。
对于企业财务风险的影响因素研究，最早出现的一类研究方法是统计学方法，其具体包括单变量法、多元线性回归法（MDA）、Logistic逻辑回归等。其中比较有影响力的是Altman（1968）的Z计分模型。他选取1946 ~ 1965年美国66家制造企业，将它们以是否破产为标准分为两组，同时使用22个财务比率作为解释变量，经过统计显著性观测与相关性检验，结果表明，营运资本/总资产、留存收益/总资产、息税前利润/总资产、权益市值/总负债账面价值，销售收入/总资产这5个财务指标对于企业财务风险的影响显著。但是Z计分模型没有考虑企业现金流量情况，以企业是否破产作为样本分类标准也不符合我国国情，在此基础上，我国学者如陈静（1999）、周首华（1996）、卢贤义（2001）等则以我国上市公司是否被ST为标准划分不同财务风险实验组，并增添现金流量等指标，得出了相应结论。但上市公司ST规定是根据利润指标而来（最近两个会计年度的审计结果显示的净利润为负值），单纯的利润指标不能准确地反映企业财务风险及真实财务状况，而本文中的企业主体信用评级恰好能够弥补这一不足，全面准确地反映企业财务状况。进入21世纪以来，出现了第二类财务风险研究方法——人工智能模型，比较有代表性的是人工神经网络（NN）、基于遗传学的进化算法（EA）、支持向量机（SVM）等。这类研究方法的代表人物有Tam（1992）、Lin（2009）、Shin（2010）、孙敬宜（2006）、梁小红（2011）等。这类研究能够做到长期大量样本财务数据的处理，但是很难解释变量之间的关系和改进过程，整个处理类似于黑箱操作，适用性有限。
在前人研究的基础上，本文以主体信用评级为财务风险等级分类标准，以国泰安金融数据库对财务变量的分类为依托，全面选取六大类财务变量，利用逻辑回归，研究企业财务风险的影响因素。
二、研究设计
本文所要验证的企业财务风险水平为被解释变量，以企业信用水平为标准划分不同财务风险等级层次，解释变量取自样本企业年报，对于解释变量通过因子分析降维，减少变量个数，建立Logistic逻辑回归模型，研究财务风险的影响因素。以上变量处理与统计模型建立所用工具为SPSS 18.0与Excel 2007。
（一）样本选取与数据来源
本文拟选取2012 ~ 2014年三年间在深市发行债券的制造业上市公司为样本，选择深市上市公司债是因为公司的财务风险水平分布较为合理，既有主体信用等级为AAA级别的大型企业，也有主体信用等级为A+的上市公司，相比较而言，在沪市交易的公司债中AAA级别企业占相当大比例，不具有代表性。选择制造业作为样本也是考虑到行业对研究的影响，因此选择了同一行业适当数量的不同主体信用等级的上市公司作为样本代表。全部样本均来自鹏元资信评估等5家国内评级机构，并剔除了财务异常及评级机构间评级结果矛盾的情况，这些评级机构实力雄厚，业务规范成熟，样本获取更为可靠，更具有说服力。经过人工整理和筛选，最终选择金贵银业等68家符合条件的深市上市公司，样本信息来自巨潮咨询与深交所网站。
（二）变量定义
本文中的被解释变量为企业财务风险，以主体信用评级为衡量标准。解释变量的选取参考了国泰安研究服务中心提供的分类方法，包括短期偿债能力、长期偿债能力、盈利能力、现金流量情况、营运能力及发展能力6大方面，具体变量定义见表1。
三、实证研究
（一）债券统计性描述
本文选取了68家符合条件的深市上市公司，其发行公司债的信用评级时间为2012 ~ 2014年，样本的主体信用等级共涉及5个级别，分别是AAA、AA+、AA、AA-、A+。样本的主体信用评级分布如表2。
主体信用评级最多的为AA，公司数量随着信用等级的变化向两边依次递减，这也符合债券发行的实际情况。笔者依据信用等级不同将企业财务风险分为五组：主体信用评级AAA的为第一样本组，表示企业财务状况优秀，风险最小，赋值为1，依次类推，主体信用评级为A+的为第五样本组，表示企业财务状况很差，风险最大，赋值为5。债券发行年限（年）及实际发行金额（万元）的分析如表3所示。由表3可知，发行年限分布从3年到10年不等，平均发行年限为5.04年，期限较为集中；发行规模集中于11 000.00万元至600 000.00万元之间，债券发行情况较稳定。
（二）解释变量的处理
本文涉及到的解释变量有短期偿债能力等6大方面共18个指标，通过因子分析筛选变量，最终得出能够代表足够财务信息的综合因子。表4中的KMO检验值为0.552，大于0.5，说明变量适合做因子分析。
表5中表明，在18个变量中提出了6个公因子，依次记为F1～F6，本文按照特征值大于1的原则提取公因子，提取出来的公因子能够涵盖所有变量信息的百分比为82.06%，大于80%即能够解释大部分信息。
为了使主因子反映的原始变量的信息更加明确，使因子负荷矩阵里的数据更加有区分度，要么接近于1，要么趋近于0，对于因子负荷矩阵进行最大方差旋转，得到正交变换后的因子负荷矩阵，如表6所示。
由上表可以得出，主因子F1主要由流动比率X11、营运资金对资产总额比率X12、营运资金对净资产总额比率X13、资产负债率X21、产权比率X22决定，主要反映了企业偿债能力，主因子F1对全部原始变量的方差贡献率达到了28.79%。同理，主因子F2主要由利息保障倍数X23、资产净利率X31、权益净利率X32和每股收益X33这4个原始变量决定，全面反映企业盈利信息。主因子F3由表现现金流量能力（包括每股经营活动现金净流量X41、现金流量比率X42、现金流量债务比X43）决定。F4体现了企业发展的基本情况，包含原始变量为X61、X62、X63。主因子F5则由存货周转率X53、流动资产周转率X52决定。主因子F6所代表的原始变量信息最少，仅包含了应收账款周转率X51。各公因子的包容性及解释能力很强。对正交变换后的因子负荷矩阵求逆运算，得到因子得分矩阵，根据原始变量对主因子的影响程度，可以得到F1～F6这6个主因子的表达式，具体如下：
F1=0.213X11+0.241X12+0.196X13-0.237X21-0.234X22-0.015X23+0.036X31-0.057X32-0.086X33-0.097X41+0.036X42+0.014X43+0.044X51-0.009X52+0.12X53+0.03X61-0.039X62-0.008X63 （1）
F2=-0.087X11+0.014X12+0.057X13+0.058X21+0.032X22+0.272X23+0.296X31+0.316X32+0.303X33+0.027X41-0.059X42-0.027X43-0.006X51+0.061X52-0.012X53-0.018X61-0.042X62-0.049X63 （2）
F3=0.097X11-0.103X12-0.161X13-0.064X21-0.011X22-0.005X23-0.012X31-0.035X32-0.022X33+0.298X41+0.344X42+0.347X43+0.016X51+0.014X52-0.075X53-0.059X61+0.048X62+0.018X63 （3）
F4=0.035X11+0.008X12+0.02X13+0.046X21+0.047X22-0.185X23-0.03X31+0.051X32+0.008X33+0.024X41+0.007X42+0.003X43-0.032X51-0.026X52-0.006X53+0.315X61+0.404X62+0.445X63 （4）
F5=-0.032X11+0.052X12+0.008X13-0.091X21-0.122X22+0.101X23+0.088X31+0.001X32-0.108X33-0.044X41-0.047X42-0.036X43+0.005X51+0.433X52+0.633X53+0.269X61-0.144X62-0.021X63 （5）
F6=0.123X11+0.131X12+0.22X13+0.128X21+0.152X22-0.232X23-0.035X31+0.108X32+0.063X33+0.064X41+0.048X42-0.049X43+0.838X51+0.095X52-0.06X53+0.064X61-0.024X62-0.078X63 （6）
（三）多分类Logistic回归模型建立
通过上文对解释变量的处理，得出了6个公因子。在众多的统计学方法中，本文选择Logistic回归建立回归模型，原因在于逻辑回归不要求变量呈正态分布，且适用于因变量为分类变量的情况，易于操作和理解。不同的是，本文并不是二分类逻辑回归，而是运用多分类Logistic回归。Logistic模型的通常形式为：
log[P1-P]=b0+b1x1+b2x2+…+bnxn （7）
其中，b0为常数项，b1～bn为模型回归系数，p为发生的概率，1-p为不发生的概率。如果因变量具有j类可能性（本文中样本分为3组，即有3种可能性），第i类可以表示为：
log[Pi1-Pj]=bi0+bi1x1+bi2x2+…+binxn （8）
本文中被解释变量为企业财务风险水平，共5个等级，其中分别赋值为5、4、3、2、1，将数据输入SPSS软件，进行财务风险影响因素的逻辑回归，结果如下：
上表用于检验最终方程的有效性，由于显著性水平（sig）值为0.000，该值小于0.05，所以该方程整体是有效的。表8主要用于检验每一个解释变量对于方程的影响，从表中可以看出，表示企业偿债能力的公因子F1、企业盈利能力的公因子F2、企业现金流量情况的公因子F3、企业发展能力的公因子F4这4个变量的显著性水平sig<0.05，这表明这些变量对方程具有高度的解释作用。而集中体现企业周转情况指标的公因子F5与F6对方程的解释能力欠佳。
表9中可以看出一共有四组关于Logistic模型的回归系数，第一样本组作为被解释变量的参考变量而言，它的所有系数都被认为是0。观察上述回归系数，发现四组系数中，公因子F1、F2、F3、F4都通过了显著性水平为0.1的检验，F5与F6没有通过，说明企业偿债能力、盈利能力、现金流量情况及发展能力等变量显著影响企业财务风险的大小，且各组的系数与被解释变量的变化趋势相同，相对而言，企业的周转情况对企业财务风险的影响则并不明显。
四、结论
本文用2012 ~ 2014年三年间在深圳证券交易所发行公司债的制造业上市公司为样本，以企业主体信用评级为标准对企业财务风险的影响因素进行研究，并应用多分类Logistic回归模型检验了两者之间的关系，其结果如下：
1. 样本债券发行年限分布从3年到10年不等，平均发行年限为5.04年。其中，58.8%的公司选择发行5年期的公司债作为债务资金来源，期限较为集中。实际发行金额总量为6 674 000.00万元，平均每家公司发行金额为98 147.06万元，样本个体发行规模集中于11 000.00万元至600 000.00万元之间。样本企业整体债券发行情况较为
