基于Logistic回归的上市中小企业信用风险评估模型研究

軒 _勘上神補言用騰戚

Logistic

李海1吴广海2

(1.暨南大学，广东广州510000;2.华南理工大学，广东广州510000)

摘要：中小企业是我国经济体系的重要组成部分，为缓解就业压力，拉动国民经济增长作出了重要贡献。但中小

企业与金融机构之间的信息不对称以及潜在的道德风险等诸多问题，使中小企业陷入融资难的困境。如何有效评估

中小企业的信用风险是解决问题的关键。本文基于Logistic回归构建了针对上市中小企业的信用风险评估模型，并

以2017年〜2019年上市中小企业的数据为样本进行检验，研究结果显示该模型可以有效评估中小企业的信用风

险，具有一定实际应用价值。最后在研究分析的基础上，为金融机构、中小企业和政府机构提出了相对应的对策和

建议。

关键词：上市中小企业；信用风险评估；Logistic回归分析

中图分类号：F279. 3;F224 文献识别码：A 文章编号=2096 —3157(2020)36 —0157 —03

一、 引言

中小企业在我国经济体系中具有重要地位，且由于其数

量多、市场份额多的特点，越来越受到银行的重视。然而，由

于信息不对称及道德风险等诸多问题，金融机构对中小企业

的融资贷款管控较为严格，使得中小企业陷人融资难的困

境。为解决这一问题，学者专家开始研究如何构建有效的中 (X6)、应收账款周转率(X7)、流动资产周转率(X8)、固定资产

小企业信用风险模型评估中小型企业风险，但实践中仍有许

多问题需要进一步改进。一方面，信用风险评价指标体系不

够完善。中小企业的管理水平和财务制度的不够完善，仅仅

凭借财务指标对中小企业进行信用风险评价得出的结果准

确度值得怀疑。另一方面，信用风险评价方法也有待改进。

目前国内对于中小企业信用的研究以单一的综合评价方法

为主，这种方法容易导致得到的评价结果是片面的。虽然综

合评价法近年来逐步发展起来，但缺乏对综合评价结果的有

效性和评价模型的科学性的验证。基于此，本研究在已有研

究模型的基础上，探索完善关于上市中小企业信用风险评价

指标体系，并构建Logistic回归模型对上市中小企业信用风

险进行综合评估。

二、 构建基于回归的中小企业信用风险

评估模型

1.选取模型指标

本研究指标体系的选取参考了信用评级机构所使用的

指标变量，同时结合国内外学者对信用风险指标体系的研

究[1^]，从偿债能力、经营能力、盈利能力和成长能力等四个

维度选取了 18个财务指标作为模型的自变量，以及5个非

财务指标来综合评估中小企业的信用风险。具体的财务指

标分别有流动比率（编号XJ、速动比率（X2)、资产负债率

(X3)、现金流量比率(X4)、利息保障倍数（X5)、存贷周转率

周转率(X9)、总资产周转率(又。）、营业毛利率（Xu)、营业净

利率(X12)、成本费用利润率(X13)、总资产净利率(X14)、净资

产收益率(X1S)、总资产增长率(X16)、营业收入增长率(X17)、

净利润增长率（X18)，非财务指标有第一大股东持股比例

(^、独立董事比例彳乂^:^董事长学历纟乂^:^审计意见

(X22)、是否有违规行为(X23)。

2.构建模型

Logistic模型作为一种常见的构建多元变量模型的方

法，操作简单，在结果预测方面具有较高的精准度。在数据

比较全面和完善的情况下，Logistic模型具有一定的优势，由

于本文的数据可取，且较为全面，故采用Logistic回归模型进

行企业信用风险研究分析。在本文中，参考Martin的做法，

Logistic

设置变量P表示企业是否违约，取值为〇时表示企业不违

约，取值为1时则表示企业违约。企业的信用风险评估问题

就转化成计算企业违约概率大小的问题。具体模型如下：

PiT

= ^

全国流通经济157

S=/3+/3X1+82X2H------h^-XH------hy323X23 (1)

〇

ij

其中，X代表企业的各项财务指标与非财务指标。

3.模型指标筛选

(1) 财务指标的显著性检验

对企业偿债能力、经营能力、盈利能力和发展能力四个

维度下的18个指标，进行Kolmogorov — Smirnov(K — S)检

验，发现在5%的置信水平下，有10个指标服从正态分布，分

别为 X! (Sig 值为 0.441)、X4 (0.139)、X5 (0.250)、

X7 (0• 723)、X8 (0. 531)、X9 (0. 441)、X„ (0• 059)、XU (0. 106)、

X16 (0. 106)、X17 (0• 059),而其他变量均不服从正态分布。

根据K一S检验结果中，对服从正态分布的样本变量进

行均值T检验，分析结果显示只有X4、X„、X14、X17的Sig值

小于0• 05,也就是这四个变量在5%的显著水平上通过了检

验。对于剩下的7个不服从正态分布的变量，进行Mann—

Whitney U检验，检验是否具有一定的渐进显著性,判断可

否保留进行后续的回归分析。分析结果显示X3、X6、X12、

又3、又5在5%的显著水平上通过了显著性检验，说明这些指

标是良好的信用判别指标，在后续的回归中给予保留。经筛

选后，最终留下9个财务指标。

(2) 非财务指标的显著性检验

对5个非财务指标X19、X2。、X21、X22、^进行均值T检

验，结果显示这5个非财务指标的t值与Sig值分别为

—1. 983 ( 0. 412 )、0. 773 ( 0• 274 )、一 0• 802 ( 0. 025 )、0• 330

(0.042)、一2.794(0.007)。由此可见，只有 X21、X22、X23ft

5%水平上通过了显著性检验，说明这3个指标可以明显区

分企业违约的状态，因此在后续的回归中予以保留。

(3) 多重共线性分析

多因子回归容易受到多重共线性的影响，从而影响回归

的可信度，对筛选出的9个财务指标和3个非财务指标进行

双变量的Pearson检验。结果表明没有任何双变量的相关系

数大于0. 5,即不存在严重的多重共线性，因此后续直接将

12个指标进行Logistic回归（限于篇幅，以上结果未予以详

细列示，作者备索）。

三、实证结果

参考已有文献的普遍做法[4]，本文将被ST的公司作定

义为信用风险较高的公司。文中企业数据和财务数据均来

源于国泰安数据库的中小企业板，样本量共计90,按照是否

被ST的标准将样本分为高信用风险组和低信用风险组，两

组样本容量分别为45。样本选取时间段为2017年〜2019

158全国流通经济

年。具体的实证分析结果如下。

1. Logistic回归结果

把最终选定的12个指标引入Logistic回归模型，得到回

归结果如表1所示。

表1 回归结果

Logistic

变量回归系数标准差自由度

Wald

值

Sig .

值

X3

-2. 2241. 1743. 58910. 058

X4

— 0.0822. 47910.115

0. 052

X6

0.124.0. 0713. 05010. 081

Xll1. 7992. 2570. 63610. 425

X12-1.4460. 4769. 228

10. 002

Xl3

—0.0590. 1270. 21110. 646

Xl4

— 0.017

0. 0260. 41110. 521

Xl5

0. 3450. 9930. 12110. 728

Xl7

1. 2490. 6543. 64710. 056

X21-1. 9840. 9754. 1360. 042

1

X22

—7. 372

3, 8473. 67310. 055

X23

1. 5890. 8763. 28810. 070

常量

2. 5242. 7110. 86710. 352

以上实证结果显示:财务指标中的3(资产负债率）、X4

X

(现金流量比率）、 (存货周转率）、„ (营业毛利率）、 (营

xxx

612

业净利率）、 (成本费用利润率）、(总资产利润率）、

xxx

131415

(净资产利润率）、X17 (营业收人增长率）以及非财务指标中

的 (董事长学历）、 (审计意见）、 (是否有违规行为）

Xxx

212223

对于企业信用风险评估较为显著对于企业信用风险评估较

为显著，可以综合用于评估上市中小企业的信用风险水平。

2. Logistic回归模型有效性验证

为了检验模型的预测效果的有效性，利用Logistic模型

对2019年中小企业板上市公司的违约风险进行度量。从国

泰安数据库中小企业板选取30家ST样本企业和与30家非

ST同行业样本企业，将企业的各指标数据代人Logistic模

型，以0. 5为切割点。ST公司的违约风险取值为1,非ST公

司的违约风险取值为0。如果ST公司的计算结果大于0.5,

则预测准确，若小于〇. 5则预测不准确。同理，若非ST公司

的计算结果小于〇. 5则预测准确，反之则不准确。预测的结

果如表2所示。

表2 模型预测结果

Logistic

企业状态

小于大于

0. 50.5

正确率

非

ST28293.3

ST2170.0

9

总计百分比

81. 7

从结果可以看出，Logistic模型预测的整体正确率为

81.7%。其中非违约样本预测的正确率为93. 3%,违约样本

预测的正确率为70. 0%。Logistic回归模型对我国中小企业

信用风险评估能力较为理想。

四、研究结论和对策建议

1. 研究结论

本文在前人研究的基础上，基于对数据指标可获得性和

完整性，以及指标对信用风险的影响程度，从上市中小企业

的财务数据和非财务数据中选取了 23个指标，构建上市中

小企业信用风险评估模型，最终得到有效指标12个,并通过

数据分析验证了该模型对上市中小企业信用风险的预测精

确度和有效性。从实证研究的结果得出，基于Logistic回归

的信用风险评估预测模型具有较好的精确度，可以有效评估

上市中小企业的信用风险。这对于金融机构对上市中小企

业的信用风险实施有效的监控提供了较大的参考和帮助。

2. 对策建议

首先，政府部门应牵头完善信用风险控制的外部制度。

具体包括三种情形。（1)建立科学、完善的征信系统。各级

政府部门和行政单位应与行业协会合作，积极促进建立各方

可以共享一个共同的信用网络，以改善中小企业财务数据不

完备和缺乏非财务数据的现状。（2)完善企业信用担保体

系。各级政府部门应制定相关制度去保障中小企业信用担

保，针对不同行业和不同企业的特点，丰富信用担保的种类，

在评估信用风险的基础上对担保期限作出规定。（3)建立企

业信用奖惩制度。政府应协调各级有关部门以及相关的金

融机构，为在经营管理活动中具有良好信用表现的中小企业

提供信用担保和信用贷款等金融业务。对于有失信行为的

企业，且行为较为严重的，按照标准列人黑名单。同时，通过

综合运用政策和法律等多种手段，严厉管控企业的失信行

为，降低金融机构所面临的企业道德风险问题，推动企业良

好发展和金融机构业务顺利进行。

其次，中小企业应积极完善自身的信用管理制度。具体

包括三种情形。（1)参考信用评估模型进行有针对性的战略

决策。中小企业可运用本文最终得到的评估模型进行检测，

对信用风险评估影响较大的指标可以作为中小企业进行战

略决策时重点关注的方向。（2)提高经营者的信用意识。企

业信用状况在很大程度上会受到管理者和经营者自身的信

用的影响。政府和有关单位可以组织和开展企业信用的培

训和学习，通过活动宣传和培养企业经营者的信用意识。

(3)建立信用管理部门并培养相关专业人才。目前我国设立

有信用管理部门的企业和单位较少。信用管理部门的一项

重要职能是协调财务和销售，进行信贷交易以及预防运营和

财务风险。由于是比较新型的尝试，国内在相关方面的人才

比较稀缺,高校政府和有关单位可以通过组织培训来定向培

训专业性人才。

最后，商业银行等金融机构在信用风险评估时充分考虑

中小企业的非财务数据。由于企业的信用风险会受到很多

因素影响，单纯地依靠中小企业提供的财务数据如年报数据

和经营业绩报告等，会导致评估的片面以及结果的不准确，

失去评估的意义。因此，建议银行等金融机构在对中小企业

进行信用风险评估和违约概率的判断时，根据各个行业和各

个企业具体的情况，充分利用一些非财务数据信息对评估结

果进行补充评价。如将管理者、董事、股东的基本信息以及

实地调查或者访谈了解到的企业的管理水平等方面的内容

作为影响因素的一部分纳人评估当中。

3.研究不足

由于时间问题，本文存在一些不足之处。一方面，本文

选取的分析数据仅来自于国泰安数据库中小企业板中的部

分上市中小企业，对于未上市的中小微企业的数据难以获

取，对于相关的研究造成一定的阻碍，可能导致研究结果的

不全面。另一方面，本研究对于企业所受到的外界环境因素

的影响难以加以量化评估，比如2020年的新冠疫情,对于企

业来说，这是一个对企业的信用风险影响非常大的外部因

素，这种突发的情况没办法在评估模型中得到体现，所以在

一些特殊情况下本文的研究结论可能存在一定的误差，有待

后续深入研究。

参考文献：

[1] 范方志，苏国强，王晓彦•供应链金融模式下中小企业

信用风险评价及其风险管理研究[J].中央财经大学学

报，〜

2017,(12) :3443.

[2] [].

陈超.中小企业信用评级方法及途径分析商场现代

J

化，2019,(02):101〜102.

[3]

迟国泰，章穗，齐菲.小企业贷款信用评价模型及实证

研究——基于最优组合赋权视角[J].财经问题研究，

2012,(09):63〜69.

[]张珂.科技型中小企业信用风险评价指标体系建设

4 [].

J

时代金融〜

，2016, (18): 118 119.

作者简介：

1•李海，暨南大学硕士研究生；研究方向：企业管理。

2.吴广海，华南理工大学学生；研究方向：人力资源管理。

全国流通经济159