基于灰色关联模型的中小板上市公司信用风险评价研究
来源:用户上传
作者:张丽娟
摘 要：中小板市场的发展给中小企业提供了方便快速的融资渠道，同时也促进了资本市场完善，推动了经济发展，相应地也伴随出现了一些问题。中小企业多为民营企业，规模小，且一般由家族控股企业改制而来，会受到家族传统观念的影响，公司内部治理不太完善，上市速度過快处于成长期，抗风险能力差，存在较大的信用风险，而信用风险的大小直接关系着企业的发展与投资者的命运，所以对中小板上市公司的信用风险进行准确的评价，不仅有利于市场管理，更易于中小板市场上的投资者做出更准确的投资判断，具有重要的现实意义和应用价值。
关键词：中小板;上市公司;信用风险;灰色关联度
一、研究背景
改革开放40多年来，我国中小型企业的快速发展为国民经济的增长做出重要贡献，对人民的生活和社会的持续稳定起到了相当大的作用。中小板市场的企业主要以成长期为主，为企业规模较小的中小企业提供了广阔的融资平台，中小板在主板市场的协同下获得迅速发展，市场透明度增加，信息披露更及时，提供的就业渠道进一步增多，但仍存在一些问题，中小企业普遍存在公司治理仍然薄弱、管理方式不够先进、财务管理制度不健全等问题，固然中小板企业上市前提与主板上市前提是相同的，但是中小企业规模相对小，盈利能力较低、营运风险较大，而信用风险较高是主要问题之一，它直接影响着企业的运营以及中小板能否健康运行。
信用风险对企业而言至关重要，不仅影响它的融资难度，更影响着它的发展潜力与市场地位。而投资者能否了解一个企业的信用风险又是关乎切身利益，故有必要对企业的信用风险进行分析。中小企业近年发展迅速值得关注，而中小板市场自身存在一定的灰色性，像监管体系尚不完备本身就是一个灰色地带，公司有违规行为处罚往往会经历很长时间，甚至转嫁到股东身上，企业的财务信息无法做到详细披露，致使投资者获取的信息是灰色的，在这样的背景下，本文通过灰色关联模型计算中小板上市公司的关联度来评估其信用风险，不仅有利于提高对中小板上市公司的信用风险测度水平，也能帮助监管部门有针对性的管理，为广大投资者决策提供指导，并提示他们应该加以关注和警惕的对象。
二、文献综述与相关理论
1.文献综述
近些年对灰色系统理论的关注逐渐增多，从当前情况来看，在进行研究时虽然灰色关联模型的应用也在慢慢增多，迟国泰等人（2006）运用灰色关联模型评价10家商业银行的竞争力，以十家银行中的典型银行近几年的财务数据确定指标权重，计算各银行的灰色关联度，关联度的大小反映了竞争力的高低。周俊军（2008）为了对汽车行业竞争力进行分析，利用灰色综合评价方法对其竞争力进行评价，并给出了提升竞争力的对策。刘秀英（2010）评价创业板首批上市的28家公司的信用风险，利用灰色关联分析和灰色聚类两种方法对其信用风险进行了实证研究，证明了该方法的合理性。姜禄彬、吕世瑞（2008）选取青岛五家知名企业，选取了能够反映其信用风险的10项财务指标，建立灰色关联模型评估其信用风险，证明了该方法在信用风险评价方面的可行性。马丽丽、蔡宗慧（2007）利用灰色关联分析法对国家助学贷款学生进行信用评价，建立了对学生进行信用评价的指标体系，对几位贷款学生进行实证分析，表明该方法的实用性。
从当前情况来看，在进行研究时虽然灰色关联模型的应用在慢慢增多，但在文献中很少有利用该方法对我国中小板上市公司的信用风险进行研究的，因此针对中小板上市公司的现状，本文比较新颖性地采用灰色关联模型对中小板上市公司的信用风险进行实证分析，期望通过此数据对中小板上市公司的投资者和监管者有一定的借鉴意义。
2.相关理论
（1）中小板上市公司信用风险的特点。①授信过程存在逆向选择的问题。在信用交易中，中小板上市公司可能会由于经营状况不佳而对外公布的资料有所掩盖，投资者就不能很好地对投资企业的信息进行判断。②道德风险占比大。中小板上市公司内部管理布局和财政制度尚不完善，投资者主要是通过企业对外公布的信息掌握有关公司的情况，而此类“硬信息”具有一定的局限性。此外，企业主的素质参差不齐，可能会发生“跑路”现象，而投资者就得承担该风险带来的损失，因此这是引发信用风险的潜在因素。③连锁反应。我国的中小板上市公司之间相互担保的问题比较严重，一旦对被担保企业的了解不全面，被担保企业如果出现信用危机导致到期债务无法偿还，担保企业则要承担连带责任。若出现多个担保企业，那么不仅债权企业或投资人的债务无法收回，很有可能引发大面积的、区域性的债务危机。④中小企业信用风险的隐蔽性。企业可以安排新的负债来解决到期债务无法偿还的问题，这可以使信用风险获得临时减缓，那么中小板上市公司的信用风险在一定时期内就会难以显现，但这并非企业整体实际的信用状况。针对以上中小板企业信用风险的特点，有必要找出一种适当的方法来评价其信用风险的大小，从而为投资者或监管者提供辅助。
（2）中小板市场的灰色性。
①财务信息的灰色性。固然近些年中小板市场的信息披露程度越来越全面，且上市公司提供的财务数据、披露的信息都是公然和明确的，然而公告的信息仍不可能详细陈述，各公司往往会采取重要性原则对主要的信息进行选择性披露，因而投资者所了解的信息是不完全的，即灰色的，因此中小板上市公司信用风险具有典型的灰色性。
②监管体系的灰色性。中小板市场成立以来，日常监管的法律体系一直在不断完善，也取得了很大进展，但监管力量依然相对薄弱。且监管措施效率低，往往会滞后，公司做出违规事件，监管机构从发现到做出处罚往往要经历相当长的时间，而且对公司违规行为的惩罚往往会转嫁到股东身上，此类众多不确定的因素是一个灰色系统。
③中介机构的服务过程与服务质量具有灰色性。中小板市场从发行股票到退市认定，中介机构在整个过程中都发挥了重要作用，不仅使交易更加方便，且维持了市场秩序。中介机构很有可能在当事人不知情的情况下“做手脚”，可能为了自身利益而提供不真实的意见报告，此类不确定性的道德风险就很可能给当事人造成损失。 基于此，本文采用灰色关联模型来衡量中小板上市公司的信用风险，用计算出的关联度反映信用风险时，与理想序列的关联度大，表示该参考序列的信用风险小，反之，信用风险大。
三、基于灰色关联模型的信用风险评价
1.指标集的确定
中小企业具备成长性高，经营方式灵活的优势，但与大型企业发展成果各方面仍是存在较大差距，因此对中小企业的信用风险进行评价所选取的指标应能表现中小企业的特点，反映其真实情况。故本文根据中小企业的特点以及以上原则，选取了12个适合中小企业特点的评价指标对100家中小板上市公司的信用进行评价。
偿债能力可以直接反映企业的信用状况，并且可以根据报表数据进行量化分析，容易获得，本文选用资产负债率、流动比率、速动比率来反映其偿债能力。营运能力可以保障企业偿债能力的程度，而具备这一保障便可使企业获得较高的商业信用，本文选用总资产周转率、固定资产周转率、应收账款周转率来反映营运能力。由于中小企业规模较小，资金的周转大部分来源于内部利润，故盈利能力在一定程度上反映了企业在某阶段的资金运转情况，且盈利能力也是中小企业较为重视的因素，本文选用了盈利净利润率、总资产报酬率、每股收益来反映盈利能力。
中小企业成长性高，因此所选取的指标应该充分评估中小企业未来的成长潜能，而发展潜力越大的企业其信用风险就越小，为了表现其发展能力，本文根据100家公司的年报数据分别选取了2017年、2016年两年的总资产额、净利润额、营业收入计算出各公司的总资产增长率、净利润增长率、营业收入增长率来反映其发展潜力。具体数据摘取于巨潮资讯网。
2.灰色关联模型的构建与实证分析
（1）构建灰色关联模型
①确定分析序列。首先整理原始数据，确定参考数列。将各指标下的最大值所组成的数列作为理想数列，即参考数列，记为X0，由原始数据来确定比较数列，记为Xi（i=1，2，3...M），便可构成如下矩阵：
本文对中小板市场的100家上市公司的财务指标做了灰色关联分析，关联度的大小反映了信用风险的高低，关联度越接近1，该公司信用越好，反之，相對较差。而灰色关联度大小对应各公司的信用优劣。通过广义灰色关联度的计算结果得出，关联度的波动性也不大，0.6以上的有10家，0.5-0.6的有23家。0.4-0.5居多，有58家，0.4以下有9家，关联度普遍较小，信用风险较大。前五位关联度较大的分别是世荣兆业、华兰生物、分众传媒、浙江教科、丽江旅游，分别属于房地产业、医药制造业、商务服务业、土木工程建筑业、公共设施管理业，与理想企业关联度最大的是世荣兆业，医药制造业把关更严格，信誉要求更高，故信用风险会相对较低。房地产业和服务业近些年势头正高，故更加注重信用评价，因此关联度也较大，信用风险相对较低，比较符合实际。
投资者在进行投资决策时若将这100家公司列入考虑范围之内，信用风险是其不可忽略的一大参考因素，可参考此数据，若信用风险较大则就要谨慎考虑，综合定量财务指标和各方评价之后再做出决策，以防造成损失。对于监管者而言，可根据该数据针对性地对某些公司进行管理，尤其对那些道德风险较大的公司更要“特别对待”，而有利于中小板上市企业加强公司治理，更有利于完善中小板市场管理体系，为投资者提供一个安全有效的平台。
四、总结
本文选择2018年中小板市场上的100家公司作为研究对象，从实证角度结合我国中小板市场的实际情况，对中小板上市公司的信用风险进行评估。
首先介绍了关于信用风险评估和灰色关联的相关理论，以及我国中小板市场的特点、信用风险的特征。因中小板市场存在融资困难、管理欠缺等问题，信用风险较大，加之财务信息、监管体系、中介机构都存在灰色性，利用灰色关联模型来对其信用风险进行评价最适合不过。
结合当前中小板上市公司自身的特点，选用了12个定量财务指标，建立广义灰色关联模型计算各公司的关联度，以评估其信用风险。结果表明100家公司的信用风险普遍较低，比较符合实际，并对其信用风险大小进行了排序，有利于投资者进行投资决策，提高中小板市场的监管水平，具有一定的现实意义。
参考文献：
[1]迟国泰，王际科.大连理工大学应用数学系，杜娟.基于灰色系统理论的商业银行竞争力评价模型[J].控制与决策，2006（03）：347-351.
[2]姜禄彬，吕世瑞.基于灰色关联度模型的信用风险评价[J].现代经济（现代物业下半月刊），2008（01）：24-26+3.
[3]刘秀英.基于灰色系统理论的创业板上市公司信用风险评价研究[D].中国科学技术大学，2010.
[4]马丽丽，蔡宗慧.基于灰色关联的国家助学贷款学生信用评价[J].辽宁工程技术大学学报（社会科学版），2007（05）：504-506.
[5]孙玉刚.灰色关联分析及其应用的研究[D].南京航空航天大学，2007.
[6]史光辉.中小板企业投资效率评价及影响因素研究[D].渤海大学，2017.
[7]谭蓉，翟虎林.基于灰色关联分析的供应链信用风险评估方法[J].商，2015（15）：200.
[8]周俊君.基于灰色系统理论的汽车行业上市公司竞争力评价研究[D].武汉理工大学，2008.
转载注明来源:https://www.xzbu.com/3/view-15353540.htm
