基于模糊动态聚类的上市公司信用评级研究

章善云

（伦敦大学 玛丽皇后学院，伦敦 E1 4NS）

引言

市场经济本质上是信用经济。信用是金融体制的基石，是市场经济的基础。完善的信用体系是企业正常经营和国民经济健康运行的基本保证。但目前我国企业信用状况堪虞，信用危机已成为制约我国经济发展的突出瓶颈之一。如何建立起适应经济发展需要的有效的信用评价体系，这是摆在中国企业目前的一大问题。

一、信用评级概述

信用评级[1]又称资信评级或信誉评级，它是指对评级对象的信用记录、经营能力、财务状况等诸多因素进行分析研究后，对其信用能力即偿还债务的能力及其可偿债程度进行综合评价，并且将结果用简单明了的符号表示出来，以保证信用经济的运行。

二、方法选择

动态聚类分析方法[2]在统计方法中是非参数统计方法，它根据借款人的指标计算出在样本空间的距离再将其进行分类。这个方法的优点是不要求总体服从某种具体的分布，因此，可用于定量研究，用以对现实中无法精确表述的属性进行分析。其基本思想[3]是：先将所研究的样本各为一类，计算它们之间的距离，选择距离最小的两类归为新的一类；计算新类与其他类之间的距离，选择距离最小的两类归为一个新类；直到所有的样品都规为一个类为止。

三、实证研究

本文从中国2016年生物制药板块的上市公司中随机抽出9家上市公司，考虑其6个主要的财务指标[4]：x1=净资产收益率，x2=每股净利润，x3=应收账款周转率，x4=存货周转率，x5=流动比率，x6=资产负债率。这9家上市公司各项财务指标值如表1。

利用DPS软件进行模糊动态聚类所得数据规格化矩阵X′=（x′ij）n×m如表 2。

对已经进行规格化处理的数据矩阵 X′=（x′ij）n×m，建立样本与样本之间的模糊相似矩阵R′=（rij）n×n如表3。

表1 原始数据样本

表2 数据规格化矩阵（最大—最小转换）

表3 模糊等价关系矩阵

最后将9个样本公司财务数据进行模糊聚类得到模糊聚类图，如图1。

图1 模糊聚类图

因为我们的目的是将所选取的9家上市公司按信用和财务状况分为三类：“好”、“中”和“差”，所以根据DPS软件分析所得的模糊聚类图可知，原始数据样本的第1类为X1={x1}，第 2 类 X2={x4，x6，x8，x9}，第 3 类 X3={x2，x3，x5，x7}，如表 4。

由表4可知，所有的企业净资产收益率及应收账款周转率与财务状况成正比例关系，但每股净利润、存货周转率、流动比率和资产负债率的值都与各财务指标的排名与分类结果有一定的偏差。由于一个企业是好企业还是差企业是由其某些主要的财务特征指标反映出来的，而不是由所有的财务指标反映出来的[5]，因此，在本文中将净资产收益率及应收账款周转率看成是企业的两个主要财务特征指标。因为净资产收益率和应收账款周转率这两个财务指标都是越大表明企业的财务状况越好，因此对上述9个公司的分类结果为如表5。

表4 9个样本公司的分类结果

表5 样本公司信用状况判别结果

四、结论

在使用模糊动态聚类模型分析企业的信用状况时须注意以下问题[6]：

第一，本文构建的信用评级模型是以财务指标为基础设计的，为充分反映公司信用等级，还应考虑非财务因素对信用等级的影响，如公司的管理能力、行业竞争地位、生产技术水平以及管理团队素质等因素对公司信用等级的影响。

第二，本文采用的样本公司是随机抽样选取的，模型构建时没有考虑行业因素的影响，因此，在采用这一模型时还应考虑受评对象所处的行业以及在该行业中的地位对信用等级的影响。

第三，本文假设建模所采用的财务数据是真实可靠的，假设会计政策和方法选择在一定时期保持不变，如果情况发生变化，就需要对财务数据进行一定程度的调整。

第四，信用评级作为一个评价公司偿债能力的手段，用于预测公司未来按时偿还债务的能力，因此信用评级的有效期越长，即表示要预测的时间越长，预测的风险越大，也就越不准确。