论文研究-M.H.DIS模型在我国上市公司信用评估中的应用研究.pdf

所需积分/C币:5 2019-09-20 11:08:58 206KB .PDF
收藏 收藏
举报

论文研究-M.H.DIS模型在我国上市公司信用评估中的应用研究.pdf,  针对我国目前缺乏适用的、高效的系统信用评估模型的现状,研究了由希腊学者提出的M.H.DIS信用评估模型.在对该模型的详细介绍的基础上,选用我国55家上市公司1999年财务数据作为训练样本,利用Matlab软件根据M.H.DIS模型的基本思想,构建了经验信用评估曲线,并利用60家上市公司2000年财务数据为检测样本进行
78 系统工程理论与实践 2004年4月 其中 ek=m ax(0, U-k(r i)-U(n)Va E (3) -m ax 0, Uk(xi)-U-k(xi)Va;EC LP(使替代平均分级错误成本最小化):miEC" 约東条件 kiln u kix Va;∈Ck (5) ∑u,(x).∑m(x)+e.M≥0a∈Ck uki(x i uki(X ∑n(x;)=1∑k(xi)=0w(x)为增函数,k(x)为减函数 (7) x;·和x;分别代表x的最小值和最大值,利用公式6将各公司总效用值限制在[0,1]区间内如果在LP1 中所有公司的信用级别划分都正确,那么ek=0,ek=0,则ECmm=ECm=0,但通常情况并非如此 即ECm≠0,也就无法保证得到最小平均分级错误成本ECm为了更好地说明问题,我们考慮四个公 司划分为C1和C1两级的情况(分别代表较低风殓和较高风险),假设ν1=w~1=Q5,在LPI中有两个 公司出现了分级错误,即公司i(低风险公司)被划入高风险级别,而公司j(高风险公司)被化入低风险级 别,相对应的错误值为:e=02和e=01.在这种情况下,ECm=05× x01×02-03,c05×|×1×1-=05北时并不能保证得到EC 可考虑引入M邛模型对LP1模型进行修正其原浬大致如下:强行对公司j正确分级(即eυ=0),而保持 公司i的错误分级,此时分级错误en>e+e1(因为已经不满足ECnm),假设en=Q5在这和情况 下,EC'=Q125>ECm=Q075,但是ECm=025<EC=05综上所述,如果LPl运算得到的经 验效用两数组对两个或两个以上公司进行了错误分级,就必须引入MP模型进行修正运算 MP:使平均错误分级成本最小化 m inEC- wk +w-(N ki 约束条件 u:i(x i) u(x 1,2,…,Nk (9) u. 1,2,…,N unix) l~k(x)+/s≥0 (x;)+1b≥0 :(x)=0 uki (x M~t(x)=1 uki(x lk1(x)是一个增函数,l4-k(x)是一个减函数 (12) 为整数 201995-2005 Tsinghua Tongfang Optical Disc Co, Ltd. All rights reserved. 第4期 H.D模型在我国上市公司信用评估中的应用研究 79 其中N“和N"分别代表被LP1错误划分为C~k和Ck级公司的数量;N和N所分别代表LP1正确划分 为Ck和C~k级公司的数量,M将保留LP1所有正确的分级因为在大多数情况下,(Nx“+N)只占总 样本的一小部分,因此MP中整数变量数量较少,运算较为简单经过MP的修正性计算,最终实现了第 个建模目标,得到两组较优的效用函数 在LP1和MP基础上,模型引入变量d(d≥0),以实现第二个建模日标 d= m in du, d2j 其中 m lI {k(x)-U-k(x)} m in,U-k(x)-Uk() (N′和N分别代表利用MP正确划为Ck和C-k级公司的数量,d1可以被看作是被MP正确划分为 Ck级公司总效用值Uk和uk之间最小的差额,称为最小组间距,同理,d2可以被看作是被正确划分为Ck 级公司的最小组间距) 通过下面的线性规划LP2可以得到最大化的d:LP2(最大化最小组间距):Maxd 约束条件 ukilx uki(x 1.2.…N (13) lk(x;)-d≥0 N l-1(x)<0 (14) N IS ∑ uki(ri (15) uki(x i x;)=0 k4(x)是一个增函数,k(x)是一个减函数 (16) uh(x)≥0,u.k(x)≥0,d≥0 其中,N“和Nk分别代表被MP错划为Ck和Ck级公司的数量LP2在保留MP和LP1的分级基础之 上.将各组间距最大化,有效提高了模型效率综上所述,通过LPl、MP和LP2的联合运算M,ID信 用评估模型的两重建模目标均得以实现 3实证分析 为了验证M.H.DS模型在我国的适用性,本文选取上市公司中ST公司和非ST公司作为研究样 本,其中ST公司代表信用级別较低的企业,非ST公司代表信用级別较高的企业 利用证券之星网站上公布的各上市公司财务数据,本文共选取了涉及不同行业的115家上市公司(划 分为两组)作为研究样本第组是为了模型构建而使用的训练样本组,它包括55家上市公司2000年财务 数据,其中有25家ST公司和30家非ST公司,根据这些公司构建的信用评估模型将被用来进行信用级别 判断第二组为检测样本组,包括60家上市公司1999年和2000年财务数据,其中包括30家非ST公司和30 家ST公司,这些检测样本将被用来验证已构建出的信用评估模型的普遍性和有效性 模型以《中国工商银行企业法人客户评价办法》选用的基本财务指标为基础,结合已确定的训练样 本,进行了相关性检验和显著性检验,最后保留4个基本财务指标(参见表1) 2 C1995-2005 Tsinghua Tongfang Optical Disc Co, Ltd. All rights reserved. 80 系统工程理论与实践 2004年4月 表1M.H.DS实证模型所选用的基础财务指标 评价内容 基本指标 财务比例 与信用风险关系 偿债能力 资产负债率(a1) 负债总额资产总额 正比 财务交益 净资产收益率(a4 净利润/平均净资立 反比 资金运流动资产周转率(a)销售收入净额/均流动资产总额 反比 发展能力 资本积累率(a9) 本年所有者权益增长额/年初所有者权益 反比 注:*为了保证所有的财务指标与信用风险成反比,在实证分析十将采用1资产负债率代替资产负债率 资料来源:《中国二商银行企业法人客户评价办法》 利用已经筛选出米的55个训练样本2000年的1/表2MH.DS效用函数中各财务指标的权重h 资产负债率(a1)、净资产收益率(b)、净资产周转 财务指标u(x)时务指标-1(x) 率〔c2)和资本积岽率(d2)值,根据LP1模型的基 03553 aI 03104 本思想,利用 Matlab软件构建了一个包含485个决 b1 Q3591h102993 策变量和479条约東条件的线性规划(我们仍采用 Q0055c200059 wk=w~k=Q5的假设)最终得到的LPl运算结果 d2 Q280 d2|03844 较为理想,即只将一家非ST公司错划为ST公司, 所以直接引入LP2模型LP2运算也包含了485个决策变量和479条约東条件,其运算结果有效扩大了ST 组和非ST组的最小组间距,从LPI计算结果中的00004扩大到Q3238通过LP1和LP2模型的运算,实 现了MHD丶S模型最初的两重建模目标,我们得到可进行检测样本信用级别判别的经验效用函数祘准 化LP2计算结果得到的各财务指标权重h见表2 图1到图8绘制了由LP2计算出的u1(a1),u1(b),u1(c2),u1(d2),和u-1(a1),u-n(b1),u-1(c2) ll1(d2)的图形 5 .3 0.Z 015 001自但na0。;305日a 0003 冷资产敬益率 图1LP2计算出效用函数u1(a1)的出线图形 图2LP2计算出效用函数u1(b1)的出线图形 兼用盘 效用值 03s 0251 c.16 0.D5 3.6 流动资产周率 20是视肆率 图3LP2计算出效用函数u1(c2)的曲线图形 图4LP2计算出效用函数u(d2)的曲线图形 2 C1995-2005 Tsinghua Tongfang Optical Disc Co, Ltd. All rights reserved. 第4期 H.D模型在我国上市公司信用评估中的应用研究 81 救月值 035 02 01 0.0- 0010 b aa0aa05a70080 1产负率 净寞产收益率 图5LP2计算出效用函数u1(a1)的曲线图形 图6LP2计算出效用函数l1(b)的曲线图形 菪用值 025 ad。。 2 l)产负愦率 净资产数“ 图7LP2计算出效用函数u1(c2)的曲线图形 图8LP2计算出效用函数u1(d2)的由线图形 在图1到图8中,横轴代表各财务指标值,纵轴代表效用值,图中曲线表示各财务指标值与效用值之间的对 应关系,横坐标的取值范围由训练样本组中该指标的最大和最小值确定,纵坐标取值范围为[0,Ⅰ]· 4对M.HDI信用评估模型的检验 閃为M.HDS模型是一种经验学习模型,所以我们所选取的检验样本各财务指标取值均应落在由 训练样本组所确定的取值范围内,即资产负债率的取值范围为11-31%~12352%,净资产收益率的取值 范围为-6842%~387%,流动资产周转率的取值范围为Q001%~4284%,資本积累率的取值沱围为 7415%~32860%利用已得到的优化效用函数组,对我们所选择的60家检测样本进行验证,得到的预 测结果如下 表3M.HDIS模型预测结果统计 表4M.H.DS模型预测结果统计 (1999年财务数据) (2000财务数据) 模型预测类别 公司 模型预测类别 合计 类别 合计 类别 sT公司sT公司 非ST公司ST公 非ST公司 25 非ST公司 26 4 30 ST公司 8 22 ST公司 25 30 非ST公司(%)8333 1667 10000 非ST公司(%)8667 133310000 ST公司(%) 2667 7333 l0000 ST公司(%) l667 8333 l0000 为了进一步验证M.HDS模型的效率,我们选用Logi回归分析方法与已构建的M.HDS模型进 o1905-2005 Tsinghua Tongfang Optical Disc Co, Ltd. All rights reserved. 82 系统工程理论与实践 2004年4月 行比较,根据所选取的训练样本构建出的Logiⅱ回归分析模型如下: ⊥EXP(-7831210786×a+0184×b+2000×c+0056×d2) 1+EXP(-7831+210786×a1+0184×b1+2000×c2+0056×d2) 其中:a1为1/资产负债率,b为净资产收益率,c2为流动资产周转率,d2为资本积累率将2000年和1999 年检测样本组的财务数据代入 Logit回归函数,并以Q5为最佳分割点进行判别得到的结果如下 表5 Logit回归分析模型预测结果统计 表6 Logit回归分析模型预测结果统计 (199年财务数据) (2000年财务数据) 司 模型预测类别 公司 模型预测类別 合计 合计 类别 非ST公司ST公司 类别 非ST公司ST公司 非ST公司 23 7 30 非ST公司 24 6 30 ST公司 22 30 ST公司 4 26 30 非ST公司%)7667 233310Q00 非ST公司%川8000 2000 10000 ST公司(%)2667 733310000 ST公司(%) 1333 8667 10000 比较两模型的预测结果发现M.H.DI模型错误划分了199年13个检测样本的信用级别(其中包括 5家非ST公和8家ST公司),平均预测错误率为21.67%;20年错误划分了9家公可的信用级别(其中 包括4家非ST公司和5家ST公司),平均预测错误率为15%相比较而言, Logit模型199年的平均预测错 误率为25%,2000年的平均预测错误率为1667%,均高于M.H.DIS模型因此可以推断,在利用我们选 取的相同样本构建的模型中,M.ID模型的判別效率高于 Logit模型 5对M.HDIS信用评估模型的总体评价 本文对希腊学者提岀的M.HDS模型进行了细致的研究和实证分析,得到较好的实证效果,特提出 以下建议 1)M.H.DIS模型是一种以线性规划为主要数学工具,通过构建经验效用曲线,进行企业信用级別评 估的判断模型通过实证分析,笔者认为该馍型在我国具有较高的推广价值 2)受可获历史数据的限制,本文只利用M.IDS模型进行了两个信用等级的判断(即非ST公司和 ST公司)但考虑M.HDIS模型可进行多信用级别划分的特点,可将该模型与我国目前正在推行的五级 信贷风险划分制度相结合,进行多级别建模,绘制出相应的效用曲线而且在数据允许的情况下,还可以按 行业划分,模拟岀各行业的经验效用曲线通过以上步骤,可以有效提高模型预测的准确率和实用性 3)因为M.H.DIS模型的构建是以各财务指标与公司信用级别之间的单调性关系为主要依据的,所 以在模型中可通过排定各定性指标(如行业发展前景)与企业信用级别之间的单调性关系的方法,引入定 性指标,以克服大部分信用评估模型无法综合考虑定性和定量指标的缺陷 4)M.H.DS模型对数据性态不做任冋要求,大大提高了该模型的通用性 5)在训练样本足够多的情况下,我们可以利用统计软件将所求得的效用曲线的函数关系式近似地回 归出来以提高模型的透明性和解释性 6)如果能编制出符合定义的标准的单调函数程序,那么M.H.D模型的运算过程将大大简化,该 模型会有更广阔的发展前景 ⑦)鉴于M.HDI经验模型对检测样本的取值范围有较严格的约束,所以利用M.H.DIS模型构建 出来的经验曲线,需要根据实际情况对各变量的取值范围进行调整 8)本文采用wk=ν~=05的假设虽巳经过希腊学者的实证证明,符合逻辑推埋但在实际操作中, 可以根据该参数的定义,利用科学的数学方法(如概率统计方法)进行论证,得到更为精确的取值 以八点建议,是笔者在对M.H.D'S模型进行分析和崄证中总结岀来的,希望能为今后进行该模型 研究的人们提供一些宝贵的思路· (下转第141页) 2 C1995-2005 Tsinghua Tongfang Optical Disc Co, Ltd. All rights reserved. 第4期 语言判断矩阵的一致性及相关问题研究 141 a ssessm ent [j Ifo m ation Sciences, 1995, 85: 233-239 [101 Herrera F, Herrera-V iedm a E, Verdegay J L. A model of consen sus in group decisin m ak ing under linguistic as sessment[J] Fuzzy Sets and System s, 1996,79: 73-87 [ll] Herrera F, Herrera-V edna E, M artinezL. A fusion app roach form anaging m ultigranularity lingu istic temm sets n decision making[I Fuzzy Sets and System s, 2000, 114: 43-5& [12] Herrera F, Herrera-V icdm a E. L ingu ist ic decision analysis: step s fo r so lv ing decisin p roblem s under lingu istic in fo m aton[Jl fuzzy sets and System s, 2000, 115: 67-82 [13] Marm in M U, Itsuo H, H iroyuki T. L inguistic labels fo r exp ressing fuzzy p reference relation in fuzzy group deci- sion m ak ing[j] iEeE T ran sactin on System s, M an, and Cybernetics, 1998, 28(2): 205- 21& [14] Bordogna G, FedrizziM, Pasig a lingu istic modeling of con sen sus in gro up decison m ak ing based on OWA oper- ator[JF IEEE Transaction on Systun s, M an, and Cybernetics, 1997, 27(1): 126-132 [15]樊治平,肖四汉基于语言符号表示的比较矩阵的一钕性及排序方法[J]系统工程理论与实践,2002,22(5):87 91 [16]肖四汉,樊治平,王梦光Fuzy判断矩阵的一致性研究[]系统工程学报,2001,16(2):142-145 [17]陈公宁矩阵理论与应用M]北京:高等教育出版社,1990 [18]陈珽决策分析M]北京科学出版社,1987 [I9]肖四汉,樊治平,王梦光群决策卬苁关偏好信息—AHP判斷矩阵和模糊偏好关系矩阵的一致化方法[J]系统工 程学报,2002,17(1):82-86 (上接第82页) 参考文献 「I]国家统计局2001年国民经济和社会发展统计公报ⅣN↓经济日报,202-03-01 [2]李健论加强社会信用的基础建设[J↓财贸经济,2002,5(36):15-18 [3]杨爽信贷資产质量不断提高[N↓金融吋报,2002-02-8 [4]M ichael B. Gordy. A comparative ana tom y of cred it risk models[] Journalof Bank ing F inance, 2000, 24: 119 149 [5] Rangarajan K Sundaram. The M erton/KMV app roach to pricing credit risk[R Working paper, Stern School of Business, nyu [61 Mark a nyfeler modelling dependencies in credit risk m anagem entIR F Work ing paper, Sw iss Federal Institiute of Techno lo gy Zurich [7 DoumposM, Kosn idou K, Baourak is G, Zopounidis C. C red it risk asse ssn ent using a m ulticriteria hierarch ical d crm inantin app roach: a comparative analysis[J] European Journalofoperational Research, 2002, 138: 392-412 A ltm an EI Comm ercial bank lend ing: p rocess, credit scoring and costs of errors in lending [J I Journal of f inancial and Q uantitative a nalysis, 1980, 15: 813-832 2 C1995-2005 Tsinghua Tongfang Optical Disc Co, Ltd. All rights reserved.

...展开详情
试读 8P 论文研究-M.H.DIS模型在我国上市公司信用评估中的应用研究.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
    抢沙发
    一个资源只可评论一次,评论内容不能少于5个字
    weixin_38744207 如果觉得有用,不妨留言支持一下
    2019-09-20
    img
    • 至尊王者

      成功上传501个资源即可获取

    关注 私信 TA的资源

    上传资源赚积分,得勋章
    最新推荐
    论文研究-M.H.DIS模型在我国上市公司信用评估中的应用研究.pdf 5积分/C币 立即下载
    1/8
    论文研究-M.H.DIS模型在我国上市公司信用评估中的应用研究.pdf第1页
    论文研究-M.H.DIS模型在我国上市公司信用评估中的应用研究.pdf第2页
    论文研究-M.H.DIS模型在我国上市公司信用评估中的应用研究.pdf第3页

    试读已结束,剩余5页未读...

    5积分/C币 立即下载 >