logistic模型的企业债券违约影响因素的研究

一。引言

中国是市场经济体制,债券融资显得很重要,同时债券违约行为的出现也越加频繁。据中国货币网报道,2015年11月15日至11月24日这20天内,有45家企业取消或延迟了债券发行计划,涉及金额高达500亿元,涉及债券论文网数量多达48只,涵盖中期票据。短融。超短融三类债券品种。债券违约行为已经成为不可忽略的影响债券市场运行的一大因素。

(一)债券违约

债券违约是指债券发行主?w不能按照事先达成的债券协议履行其义务的行为。债券违约分为长期债券违约和短期债券违约。为了方便,我们把本息出现延期支付就算企业出现违约行为。

二。理论回顾

在国外Logit模型最早用来预测公司的破产及违约概率。在国内,建立模型的准确率,根据选取样本数据的个数不同,分为两类,一类是准确率平均达到70百分号左右;一类是准确率高达90。0百分号以上。王春峰。万海晖选取129家样本建立Logit模型的第一类错误为33。33百分号,第二类错误为25。00百分号[1];庞素琳选取63家上市公司建立Logit判别模型判别准确率达到99。06百分号[2]。

三。Logistic模型

logistic回归为概率型非线性回归模型,是研究分类结果(y)与影响因素(x)之间关系的一种多变量分析方法。有多个危险因素(xi)时多个变量的logistic回归模型方程的线性表达为:

通过最大似然法可以得到参数β0,β1,…,βm的值。将参数估计代入Logistic模型中可以测出各贷款的违约概率:

在统计学中,误判分为两类,第一类错误是指将高信用风险企业误判为低信用风险企业的错误。第二类错误称为纳伪“,是指将低风险企业误判为高信用风险企业的错误。

四。模型的构建

(一)样本的选取及指标的选择

根据企业常用的财务指标以及数据来源的缺乏和数据的不全面,从财务结构。偿债能力。经营能力。现金流量。盈利能力。经营效益这六个方面选取了60家企业2015年近一期的12个相关指标。具体指标有资产负债(x1)。流动资产/总资产(x2)。带息负债比率(x3)。流动资产/负债合计(x4)。流动比率(x5),速动比率(x6)。经营活动产生净现金流/带息负债(x7)。经营活动产生的现金流量净额/营业收入(x8)。总资产报酬率(x9)。销售(营业)利润率(x10)。总资产周转率(x11),流动资产周转率(x12)。

(二)模型分析

对样本集采取向前逐步选择法,运用RStudio软件可以建立如下模型:

本模型结果表明,一个企业是否违约与企业的偿债能力。盈利能力。经营效益有关。其选中的指标是流动比率(x5)。速动比率(x6)。销售(营业)利润率(x10)。总资产周转率(x11)。指标都通过参数检验,模型整体检验都比较显著有效。将模型(3)对测试样本数据进行分析得到:正常公司是识别准确率为81。82百分号,即犯第二类错误仅为18。18百分号,该模型犯第一类错误较小为6。12百分号。犯第二类错误的概率大于犯第一类错误的概率,即将违约公司判为正常公司比例较大。笔者进一步细查60个企业中判断违约与否的企业,发现Logistic误判的有山水MTN1。珠中富MTN1。新中基CP001。英华MTN1。贵人鸟CP001。从中可以看出,该模型将违约企业误判正常企业共有3个,这些企业不存在较大财政危机,虽然延迟支付但是最终还是支付了拖欠的资金,所以导致模型将其判为正常企业。

五。结论和启示

本文上市企业数据建立的Logistic模型发现:该模型中,商业银行在对上市企业信用风险进行评估时,犯第一类错误的概率平均达到6。12百分号左右。结合相关的文献得到第二类错误的概率达到18。18百分号左右。对于银行来说,第二类错误是可怕的,有时对银行是致命的。所以在对企业或非企业进行信用评估时,运用Logistic模型是非常谨慎的,要结合新巴塞尔协议,综合运用其他相关模型,积极推进IRB基础数据库和管理信息系统建设等各方面建设,建立内部信用评级,对企业信用风险进行合理评估。

logistic模型的企业债券违约影响因素的研究