在傳統的信用風險評估中，主要是依靠專家的知識和經驗結合一般性的統計方法，進行較為主觀的判斷，運用比較廣泛的定性分析方法主要有專家測量法，指以專家的專業知識和經驗為依托，通過專家間的商討等形式，以主觀判斷為主對企業的信用風險進行評估，如德爾菲法。另外，企業的信用風險會通過相關財務指標的惡化體現出來，因此財務分析法也可以用來評估企業的信用風險，其中比較有代表性的有杜邦分析法和沃爾比重評分法。

　　【摘要】Logistic回歸模型可以處理多指標海量數據，在解決中小企業信用風險評估問題有很大的優勢，而KMV模型反映的是市場中投資者對公司未來發展的綜合預期，因此具有高敏感性和前瞻性。通過運用中小企業的股票市場的數據和財務報表中的債務數據，將KMV模型中違約概率與Logistic回歸模型相結合應用于信用風險評估，為未來建立中小企業的評估體系和相關監管部門更好的控制信用風險提供了重要依據，也對中小企業信用風險控制以后的發展有著現實的意義。

　　【關鍵詞】企業論文范文,Logistic模型,KMV模型,中小企業,信用風險

　　1.文獻綜述

　　Fisher[1]于1936根據已知類別的若干樣本，總結出分類所具有的規律性，進而建立了判別公式以判別新事物的類別。國內外學者從中受到了啟發，基于統計判別分析方法的預測模型在對企業信用風險的評估中得到了廣泛的應用。Altman[2]在1968年通過對美國破產和非破產生產企業進行觀察，運用數理統計從篩選出22個最能反應借款人財務狀況、對評判信用風險最有價值的指標建立了Z-score模型。1977年，Altman、Haldeman和Narayanan在原有的Z-score模型的基礎上進行了拓展和改進，建立了適用范圍更廣、精確度更高的ZETA模型[3]。Henley[4]開發了logistic回歸模型是最流行的分類統計工具之一，它克服了判別分析要求變量服從正態分布的不足，因此在不滿足正態的情況下其準確率要高于判別分析法。該模型于1977年被Martin[5]首次用于銀行破產預測，后來Ohlson[6]于1980年用于預測企業的財務困境，研究發現用公司規模、資本結構、業績和變現能力進行預測的準確率高達96%以上。Wiginton[7]也是較早將Logistic回歸用于信用評估的人員之一。

　　1995年，美國KMV公司基于Merton期權定價理論，用預期違約頻率來計量公司違約概率，這種信用風險度量模型被稱為KMV模型，主要是利用預期違約率EDF（ExpectedDefaultFrequency）的值來衡量企業市場價值降到違約出發點水平之下的概率，其中EDF可以通過分析企業股票市場價格的波動而得到。

　　國內學者主要致力于探索適合我國市場的信用風險識別評估方法，在引進國外先進的信用風險評估方法基礎上，運用國內數據加以分析，通過大量的實證研究，改進模型使之適合于我國的經濟狀況，并對預測的準確性進行了評價。

　　郝項超，梁琪[8]引入偏最小二乘法，結合Logistic模型對我國滬深兩市的上市公司的經營失敗進行實證研究，結果表明偏最小二乘Logistic模型對企業經營失敗有著較高的預測能力。張星文，廖英霞[9]運用Logistic回歸分析的方法，結合我國A股市場2009年因財務原因新被ST的43家上市公司以及與其行業、資產規模相當的43家非ST上市公司的財務數據進行了實證研究，構建了財務預警模型，得出的回判正確率較高。時務指標信息和非財務指標信息的基礎上，利用Logistic回歸模型建立了中小企業信用風險評估模型，并通過實際案例檢驗出模型的評估正確率高達96%[10]。2008年，汪莉以現有的信用評分指標體系為基礎，運用主成分分析法構建出適用于我國中小企業的信用評分指標，然后運用Logistic回歸模型建立了一個中小企業信用評分模型，并驗證其可行性[11]。

　　張澤京，陳曉紅等[12]指出經過提高股權價值波動率精確度KMV模型對我國中小上市公司的信用風險狀況有很強的識別能力，可以通過設定兩條信用預警線，來監控中小上市公司的信用危機。鄭茂[13]基于EDF模型，對上市公司的信用風險進行了度量，發現對于績效好的上市公司，該模型沒有給出錯誤的信息，而高風險的上市公司的資產市值和股權市值被高估。劉博[14]通過實證分析表明，在KMV模型中引入資產連續回報率這個模型最適合中國國情，靈敏度和預測能力較好，在一定程度上可以揭示上市公司的信用風險。韓艷艷，王波[15]選取滬深兩市2009年68家上市公司進行實證研究，選取了13個財務指標進行分析，選取5個為主要的解釋變量，將Logistic回歸模型和KMV模型相結合，研究表明混合模型能取得更好的評價結果。

　　2.基于Logistic理論與KMV模型的中小企業信用風險評估

　　2.1KMV模型與違約概率

　　（1）KMV模型屬于期權定價模型，運用其作為信用風險評估，需要測算借款人或者企業的資產市場價值及其波動率，進而計算其違約距離與違約概率。

　　由于不具備穩定性，并且對資產的市場價值特別敏感，所以一般應采用迭代技術計算，本文均借助Matlab軟件，對中小企業的信用風險進行評估。

　　（為借款企業當前的市場價值；為指定期限（一般為一年）內的違約點；為資產的預期凈回報率）。

　　并且，考慮到我國上市公司大多具有流通股與非流通股兩種性質的股票，因此本文用上市公司流通股與非流通股的市值之和作為公司股權價值的值，并運用歷史波動率法計算公司股票收益波動率。此外KMV公司根據對大量違約事件的實證分析，發現違約發生最為頻繁的臨界點處于公司的流動負債加百分之五十的長期負債，本文即遵循該規律，將違約點設定在該點上。因此，本文通過Matlab軟件，結合2012與2013年隨機選取的100家中小企業（50家出現違約，50家沒有出現違約）的相關數據，對其違約概率進行了計算。2.2Logistic理論模型

　　Logistic回歸模型是一種較為傳統的二元分類模型，其核心分類思想為：時，客戶發生違約行為；時，客戶沒有發生違約行為。由于Logistic回歸模型的隨即干擾項服從二項分布，因此可以采用最大似然估計對進行測算，可得到線性回歸方程：

　　本文所構建的Logistic回歸指標體系包括的指標有：速動比率（C1）、資產負債率（C2）、現金比率（C3）、成本費用利潤率（C4）、利息保障倍數（C5）、營業收入增長率（C6）、每股收益增長率（C7）、應收賬款周轉率（C8）、主營業務利潤率（C9）、總股本（C10）、經營活動現金流量凈額增長率（C11）、凈資產收益率（C12）、股東權益周轉率（C13）、領導者學歷（C14）、公司存在年份（C15）、是否為其他企業擔保（C16）。

　　本文以隨機選取的100家中小企業（其中50家存在信用風險，50家不存在信用風險）為樣本，結合其2012年及2013年的相關數據，運用SPSS軟件進行因子分析及回歸分析，得到方程：

　　通過所獲得的100家中小企業的相關數據，計算其違約距離，并且運用SPSS軟件，將中小企業的違約距離當做因（下轉第184頁）（上接第137頁）子引入回歸模型，進行重新因子分析以及方程回歸，得到方程：

　　本文通過將100家中小企業2012及2013相關數據，對Logistic模型進行了擬合和風險預測。由于使用KMV模型計算出違約距離同樣可用于企業信用風險的評估，因此本文將違約距離、Logistic回歸模型、以及KMV模型與Logistic模型相結合三種不同模型對企業信用風險的評估效果進行對比。實證結果表明，通過將違約距離引入Logistic模型能夠一定程度上提高預測的準確程度。

　　3.結論

　　本文以100家中小企業2012至2013年9月的相關數據為研究樣本，運用KMV模型計算其違約距離，Logistic理論模型進行回歸分析，以及將違約距離DD作為變量引入Logistic模型等方法進行實證研究。得到結論如下：將違約距離DD與Logistic理論模型相結合運用，能夠一定程度上避免中小企業信用風險評估過程中財務數據缺乏、管理不夠規范等問題，相應的提升了我國中小企業信用風險評估的準確性。

　　參考文獻：

　　[1]FisherRA.Theuseofmultiplemeasurementsintaxonomicproblems[J].Ann.Eugenics，1936（7）.

　　[2]AltmanE.Finaneialratios，discriminantanalysisandthepredietionofcorporatebankruptcy[J].Finance，1968：589-609.

　　[3]AltmanEI，HaldemanRG，NarayananP.Zetaanalysis：anewmodeltoidentifybankruptcyriskofcorporations.JournalofBankingandFinance，1977.

　　[4]HenleyWE，HandDJ.Ak-neares-teighborclassifierforassessingconsumercreditrisk[J].Statistieian，1965，45：77-95.

　　[5]MartinD.EarlyWarningofBankFailure：ALogitRegressionApproach[J].JournalofBankingandFinance，1977（1）：249-276.

　　[6]JamesAOlson.FinancialRaiosandtheProbabilisticPredictionofBankruptcy[J].JournalofAccountingResearch，1980，18（1）：109-131.

　　[7]J.C.Wiginton.Anoteonthecomparisonoflogitanddiscriminantmodelsofconsumercreditbehaviour，J.FinancialQuantitativeAnal.，1980，15，757-770.

　　[8]郝項超，梁琪.企業財務危機預警：偏最小二乘logistic方法的應用[J].管理工程學報，2010，24（4）：100-103.

　　[9]張星文，廖英霞.基于Logistic回歸模型的上市公司財務預警實證研究[J].中國證券期貨，2011，53-55.

　　[10]申義，張學農.我國商業銀行中小企業信貸風險評估體系的構建[J].金融論壇，2007（3）.

　　[11]汪莉.基于Logistic回歸模型的中小企業信用評分研究[D].合肥工業大學碩士學位論文，2008.

　　[12]張澤京，陳曉紅，王傅強.基于KMV模型的我國中小上市公司信用風險研究[J].財經研究，2007，11（33）：31-52.

　　[13]鄭茂.基于EDF模型的上市公司信用風險實證研究[J].管理工程學報，2005，3（19）：

　　151-154.

　　[14]劉博.基于KMV模型對中國上市公司的信用風險進行度量的實證分析[J].科學技術與工程，2010，3（10）：844-847.

　　[15]韓艷艷，王波.基于logistic回歸-KMV模型的上市公司信用風險評價研究[J].科技與管理，2011，1（13）：104-107.