西安理工大学学报Ｊｏｕｒｎａｌ　ｏｆ　Ｘｉ’ａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ（２００５）Ｖｏ１．２１　Ｎｏ．２　２１９　

文章编号：１００６—４７１０（２００５　Ｊ０２—０２１９　０４　

基于主成分分析法的我国上市公司　

信用风险评价模型　

李秉祥　

（西安理工大学工商管理学院，陕西西安７１００４８）　

摘要：采用理论分析与实证分析相结合的研究方法，建立了适合我国上市公司信用风险评估的　

模型。该模型采用主成分分析法筛选出我国企业信用风险评价的主要指标变量，并选取我国　

２００２年度２２个行业５００家上市公司的财务数据样本，对该模型进行验证，得到的判别正确率为　

８８．６７　。该模型评价指标体系简单，实用性强，运行成本低，准确率高，为我国上市公司信用风　

险评价提供了一种新的有效方法。　

关键词：信用风险；评价；模型；主成分分析法　

中图分类号：Ｆ２７５　文献标识码：Ａ　

Ｅｖａｌｕａｔｉｏｎ　Ｍｏｄｅｌ　ｏｆ　Ｃｒｅｄｉｔ　Ｒｉｓｋｓ　ｏｆ　Ｃｈｉｎｅｓｅ　Ｌｉｓｔｅｄ　Ｅｎｔｅｒｐｒｉｓｅｓ　

Ｂａｓｅｄ　ｏｎ　Ｍａｉｎ－Ｃｏｍｐｏｓｉｔｉｏｎ　Ａｎａｌｙｓｉｓ　

ＬＩ　Ｂｉｎｇ—ｘｉａｎｇ　

（Ｓｃｈｏｏｌ　ｏｆ　Ｂｕｓｉｎｅｓｓ　Ｍａｎａｇｅｍｅｎｔ　ｏｆ　Ｘｉ’ａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ．Ｘｉ’ａｎ　７１００４８，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｒｅｓｅａｒｃｈ　ｍｅｔｈｏｄ　ｏｆ　ｃｏｍｂｉｎｉｎｇ　ｔｈｅｏｒｅｔｉｃａｌ　ａｎａｌｙｓｉｓ　ｗｉｔｈ　ｐｏｓｉｔｉｖｅ　ａｎａｌｙｓｉｓ　ｉｓ　ｕｓｅｄ　ｔｏ　

ｅｓｔａｂｌｉｓｈ　ｔｈｅ　ｃｒｅｄｉｔ　ｒｉｓｋ　ｅｖａｌｕａｔｉｏｎ　ｍｏｄｅｌ　ｓｕｉｔａｂｌｅ　ｆｏｒ　ｔｈｅ　ｌｉｓｔｅｄ　ｅｎｔｅｒｐｒｉｓｅｓ　ｉｎ　ｏｕｒ　ｃｏｕｎｔｒｙ．Ｔｈｅ　

ｍａｉｎ　ｉｎｄｅｘ　ｖａｒｉａｂｌｅｓ　ｆｏｒ　ｃｒｅｄｉｔ　ｒｉｓｋ　ｅｖａｌ　ｕａｔｉｏｎ　ｏｆ　ｅｎｔｅｒｐｒｉｓｅｓ　ｉｎ　ｏｕｒ　ｃｏｕｎｔｒｙ　ａｒｅ　ｓｃｒｅｅｎｅｄ　ｗｉｔｈ　

ｔｈｉｓ　ｍｏｄｅｌ　ｕｓｉｎｇ　ｍａｉｎ—ｃｏｍｐｏｎｅｎｔ　ａｎａｌｙｓｉｓ　ｍｅｔｈｏｄ．Ｔｈｅ　ｆｉｎａｎｃｉａｌ　ｄａｔａ　ｓｐｅｃｉｍｅｎｓ　ｏｆ　５００　ｌｉｓｔｅｄ　

ｅｎｔｅｒｐｒｉｓｅｓ　ｉｎ　２２　ｕｎｄｅｒｔａｋｉｎｇｓ　ｉｎ　２００２　ａｒｅ　ｓｅｌｅｃｔｅｄ　ｉｎ　ｏｕｒ　ｃｏｕｎｔｒｙ　ｔｏ　ｔｅｓｔ　ｔｈｉｓ　ｍｏｄｅｌ，ｗｉｔｈ　

８８．６７　ｏｆ　ｊｕｄｇｅｍｅｎｔ　ｒｉｇｈｔ　ｒａｔｅ　ｏｂｔａｉｎｅｄ．Ｔｈｅ　ｅｖａｌｕａｔｉｏｎ　ｉｎｄｅｘ　ｓｙｓｔｅｍ　ｏｆ　ｔｈｉｓ　ｍｏｄｅｌ　ｉｓ　ｓｉｍｐｌｅ　

ａｎｄ　ｐｒａｃｔｉｃａｌ　ｗｉｔｈ　ｌｏｗ　ｏｐｅｒａｔｉｏｎ　ｃｏｓｔ，ａｎｄ　ｈｉｇｈ　ａｃｃｕｒａｔｅ　ｅｆｆｉｃｉｅｎｃｙ　ｗｈｅｒｅｂｙ　ｐｒｏｖｉｄｉｎｇ　ａ　ｋｉｎｄ　ｏｆ　

ｎｅｗ　ａｎｄ　ｅｆｆｅｃｔｉｖｅ　ｍｅｔｈｏｄ　ｆｏｒ　ｒｉｓｋ　ｅｖａｌｕａｔｉｏｎ　ｏｆ　ｌｉｓｔｅｄ　ｃｏｍｐａｎｉｅｓ　ｉｎ　ｏｕｒ　ｃｏｕｎｔｒｙ．　

Ｋｅｙ　ｗｏｒｄｓ：ｃｒｅｄｉｔ　ｒｉｓｋｓ；ｅｖａｌｕａｔｉｏｎ；ｍｏｄｅｌ；ｍａｉｎ—ｃｏｍｐｏｓｉｔｉｏｎ　ａｎａｌｙｓｉｓ　

在现代市场经济中，信用是一切经济关系的基础。我国企业面Ｉ临的更为严峻和紧迫的问题是基础管理落后，无法适应　

当前买方市场和信用经济的要求，信用问题已成为宏观经济运行和企业发展的瓶颈。作为经济生活主体之一的企业・它的　

信用状况自然是人们关注的焦点。自Ａｌｔｍａｎ在公司破产及信用风险分析的开创性工作以来，多元统计分析特别是多元判　

别分析技术（Ｍｕｌｔｉｐｌｅ　Ｄｉｓｃｒｉｍｉｎａｎｔ　Ａｎａｌｙｓｉｓ，ＭＤＡ）获得广泛应用。ＭＤＡ的最大优点在于其具有较好的解释性和简明性，　

缺陷是较严格的前提条件——要求数据服从多元正态分布和协方差距阵相等。而现实中大量情形违背了上述假定　。针　

对这些缺陷，国外学者对ＭＤＡ从不同角度进行了改进，形成了两类模型，一类是统计模型，另一类是人工智能模型。　

在统计模型方面，以Ａｌｔｍａｎ提出的Ｚ－分数模型为代表，以财务信息作为输入变量，运用多元统计方法得到与企业信用　

显著相关的变量组合。在实践中操作简便、直观可行。但由于这些模型的精确性对企业所处的行业、所在的国家和所处的　

历史时期是非常敏感的，所以在各国间的应用有相当大的差异，这也是我国许多学者直接使用该模型效果并不理想的原因　

所在。与此类似的还有Ｆ－分数模式、“ＣＡＭＥＬＳ”法、“５Ｃ”法、ＺＥＴＡ法。　在人工智能模型方面，神经网络（Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ，ＮＮ）技术在９０年代被引入到企业信用评价中　，由于ＮＮ是一种　

收稿日期：２００４－１０－１８　基金项目：国家自然科学基金资助项目（７０３７２０５３）；西安理工大学科技创新与特色研究计划资助项目。　作者简介：李秉祥（１９６４．），男，陕西扶风人，副教授，管理学博士，应用经济学博士后，研究方向为公司财务与资本市　

场。Ｅ－ｍａｉｌ：ｌｉｂｉｎｇｘｉａｎｇ＠ＸａＵｔ．ｅｄｕ．ｅｎ。

　维普资讯 http://www.cqvip.com ２２０　西安理工大学学报（２００５）第２１卷第２期　

对数据分布无任何要求的非线性技术，它能有效解决非正态分布、非线性的预测评估问题，但它存在“黑箱性”（即不具解释　

性）、结构确定困难性、训练样本集大和训练效率低等缺点。一些学者还引入分类树方法　”。分类树方法较统计模型从直观　

上更容易理解，但随着问题的复杂性增加，决策树模型经常出现组合爆炸（ｃｏｍｂｉｎａｔｉｏｎ　ｅｘｐｌｏｓｉｏｎ）导致构造的决策树过于复　

杂而难以理解。且容易造成模型的过度拟合。　以上模型对分析我国企业的信用风险评价都有一定的参考价值，但都有一定的局限性。笔者认为目前要构建适合于　

我国上市公司信用风险的评价模型，最现实的选择是通过多元统计的方法来实现。因为ＭＤＡ已经被Ａｉｒｍａｎ的Ｚ－Ｓｅｏｒｅ　

模型证明是一种行之有效的方法。所以本文拟采用主成分分析法选择对我国上市企业更有效的指标变量，建立适合于我　国上市公司信用风险的评价模型。　

主成分分析法的内在机理　

主成分分析由Ｐｅａｒｓｏｎ（１９０１）首先使用。以后经Ｈｏｔｅｌｌｉｎｇ（１９３３）、Ｒａｏ（１９６４）、Ｃｏｏｌｅｙ＆Ｌｏｈｎｅｓ（１９７１）、Ｇｎａｎａｄｅｓｉｋａｎ　

（１９７７）、Ｋｓｈｉｒｓａｇａｒ（１９７２）、Ｍｏｒｒｉｓｏｎ（１９７６）和Ｍａｒｄｉａ、Ｋｅｎｔ＆Ｂｉｂｂｙ（１９７９）发展和成熟起来。主成分分析是考察多个定量　

（数值）变量间相关性的一种多元统计分析方法，它是研究如何通过少数几个主成分（即原始数据的线性组合）来解释多变　量的方差——协方差结构。具体说来是导出几个主成分，使其尽量多地保留了原始变量的信息，且彼此线性无关。主成分　

分析的简要数学过程如下。　设估计样本组公司为　家。选取的财务指标为Ｋ个。　

１）对财务指标进行标准化处理。因为所选的财务指标的量纲不完全一致，所以需要进行标准化处理，即将各种不同度　量的指标转化为同度量的指标，使各指标具有可比性。　

２）计算相关系数矩阵Ｒ。设　为经过标准化后的指标　与　之间的相关系数，则：　

Ｒ．，一　一Ｅｘ　ＥＸ，（ＥＸ　：Ｅｘ，：０。ＤＸ　一ＤＸ，一１）　√ＤＸｉＤｘｉ　

由Ｒ的计算公式可得Ｒ一艇　／（　一１）。　３）计算相关系数矩阵的特征值‘与特征向量Ｂ。将所求的特征值依大小顺序排列：￡。＞‘　＞‘。＞…＞　≥０，对应于　

的特征向量为：　Ｂ　＝（Ｂｌ　，Ｂ２ｆ，…，Ｂ　）　（ｉ：１，２，…，　）　Ｂ　Ｂ　＝１　４）建立主成分。由线性方程组求解可得ｋ个主成分：　

Ｚｌ＝ＸＢｌ；　：ＸＢ２；…；　一Ⅻ★　★　其中主成分Ｚ的贡献为：Ｈ　一　／（∑　）。　ｍ—ｌ　根据主成分五到ｚ　的累计贡献率计算，从而确定主成分的个数。　５）将选定的几个主成分综合建立模型。　

２主成分的确定　

考虑到企业的覆盖面、数据的可获得性及可验证性等要求，样本选自中国上市公司２２个行业中的５００家公司２００１～　２００３年的年报数据，这些公司涵盖大部分所有制属性。包括国有企业、民营企业、合营企业，其财务数据选用国泰安数据库　（ＣＳＭＡＲ）。变量的选取采用逐渐改进的方法。因为一次性选取变量既是不可能的，也是不科学的；而采取逐步尝试逐步　

确定的过程既可以消除主观因素影响，也能通过不同变量组合的效果比较渐次逼近达到最佳结果。　

根据由简到繁的逻辑思路，第一变量组首先从人们最常使用的财务指标变量中选择了ｌ１个变量：流动比率、速动比　率、产权比率、权益比率、存货周转率、应收账款周转率、固定资产周转率、营运资本周转率、毛利率、总资产报酬率和股东权　

益报酬率。采用ＳＰＳＳ软件运算，得到４个主成分Ｆ　、Ｆ２、Ｆａ、Ｆ‘，其解释力度达到８１　。　

第１主成分：流动比率×０．８８９＋速动比率×０．９１９＋产权比率×（一０．８４８）十权益比率×０．９０４。它主要反映企业对　

长短期债务的偿债能力。　

第２主成分；固定资产周转率×０．５＋总资产报酬率×０．９５５＋股东权益报酬率×０．８９０。它基本反映了企业的盈利能　

力。　

第３主成分：应收账款周转率×（－－０．８９９）＋营运资本周转率×（一０．３０８）。它综合反映了企业的营运能力。　第４主成分：存货周转率×０．８６＋毛利率×０．７９。显示不出较合理的解释。　

第１组变量集合所得出的主成分的经济涵义并不太明确，还不能反映出我国企业的信用风险特征，所以，需进一步改　进。第２组变量是在借鉴商业银行评价贷款企业信用指标的基础上修改而取到的：营运资本比率、流动资本比率、债务与　有形净值比率、应收账款周转率、存货周转率、财务杠杆、资产负债率、长期负债比率、流动比率、速动比率、资产报酬率、净　

资产收益率、销售利润率、每股收益、

利息保障倍数、经营活动现金流量与债务总额比率、经营活动现金流净额与销售收入　维普资讯 http://www.cqvip.com 李秉祥：基于主成分分析法的我国上市公司信用风险评价模型　２２ｌ　

比率。共ｌ７个变量，得到６个主成分Ｆｌ、Ｆ２、　、Ｆ｛、Ｆ５、Ｆ　．其解释力度达到９ｌ　。　

第１主成分：营运资本比率×０．６６７＋债务与有形净值比率×（一０．７０６）＋财务杠杆×（一０．５５７）＋资产负债率×　

（一０．７６４）＋流动比率×０．９１９＋速动比率×０．９３９。综合反映了企业对长短期债务的偿还能力，亦即还债能力。　第２主成分：长期负债比率×０．６６３＋净资产收益率×０．９０９＋销售利润率×０．７１３＋每股收益×０．７９１。也反映了盈利　

能力。　

第３主成分：流动资本比率×（－－０．５２９）＋资产报酬率×０．６４３十经营活动现金流量与债务总额比率×０．５９１。显示不　

出较合理的解释。　

第４主成分：存货周转率×０．９２８＋经营活动现金流净额与销售收入比率×０．７２９。描述了企业的营运能力。　

这一组变量的主成分分析结果相对于第１组有所改进。首先，主成分的增加意味着对企业的各方面情况的描述更全　面；其次，各主成分之间的划分有更好解释。但是还没有反映出我国企业信用风险最大的特点：还款意愿在这６个主成分