本站小編為你精心準備了林業企業信用風險論文參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

1樣本處理

1.1研究樣本以及研究樣本分類對于林業相關行業的研究，羅歡煥、張大紅等將CSRC行業分類體系中涉及林業的公司作為研究對象。為了增強樣本覆蓋范圍完整性，本文根據CSRC分類選取林業及制造業中造紙、木材和家具子行業36家上市公司作為研究對象，研究數據來源于上海證券交易所和深圳證券交易所公布的2012年上市公司年報及wind資訊。對于變量，從償債能力、盈利能力、營運能力、成長能力和現金流量指標五方面選取，以此作為Logistic衡量企業信用風險的決定因子。但這五個方面的變量側重考慮企業自身經營狀況，缺乏對市場供求的考慮。因此，本文在研究前期利用KMV模型對樣本進行分組。KMV模型以現代期權理論作為依托，側重考慮公司與整個市場，更好反映如何從市場價值角度衡量信用風險。因此通過KMV分組可以從另一個維度說明林業企業信用風險的情況。針對KMV與Logistic模型相結合的研究，劉澄將KMV模型的違約概率與Logistic相結合，對我國中小企業信用風險進行較為準確的評估。魏婷實證得出KMV模型能夠從某些方面彌補Logistic模型的不足。韓艷艷研究證明將這兩種模型相結合獲得的混合模型有更好的評價效果。本文根據KMV模型分類結果將樣本公司劃分為兩組，以進行財務指標的選擇及檢驗。

1.2財務指標選取處理針對林業類上市公司信用風險研究，本文從償債能力、盈利能力、營運能力、成長能力和現金流量指標等五方面進行研究，共選取17項財務指標作為變量進行研究。

2因子分析

財務指標之間存在相互轉換的可能，財務指標間的多重共線性可能降低模型穩定性，甚至影響最終結果。其次，各變量之間的內在聯系以及重要程度，即變量的內在結構對于指標的選取及模型的建立具有重要意義。本文采用因子分析提取主成分，將離散指標的信息濃縮為預測所需的主要指標。

2.1KMO以及Bartlett球形檢驗KMO及Bartlett球形檢驗用以檢驗變量間的相關性。本文檢驗結果如表2所示，獲得KMO統計量為0．556。考慮到樣本量的影響，此數值在接受范圍內，可以利用上述變量進行因子分析。

2.2公因子方差比（Communalities）公因子方差比反映了提取公因子過程中，各變量被提取出信息所占比例，即原變量的信息量中由公因子決定的比例。本文對變量公因子方差比進行分析，結果如表3所示。多數變量提取的比例在70％以上，可知所提取公因子對變量的的解釋能力均處在較強水平。

2.3解釋的總方差為保證因子的可解釋性，本文運用最大方差法對因子進行旋轉，將信息量重新分配。該操作將17個變量劃分為5個特征根。特征根可以被看做體現主成分影響力度的指標，代表引入該因子后對原始變量信息的平均解釋量。分析表4中各成分方差及其累積程度可知，前五個特征根的總貢獻率已達到79．48％，即可利用前五個特征根描述足夠信息。

2.4旋轉后的成分矩陣通過成分矩陣可以得到各個主要成分的表達式如下分析各成分表達式可以得到各個因素中最主要的變量。F1主要包括總資產報酬率、凈資產周轉率、總資產周轉率等與資產相關的指標；F2主要包括與現金流量相關聯的指標；F3主要包括與負債相互關聯的指標；F4則包括了凈利潤增長率以及營業收入；F5主要包括與存貨相互關聯的指標。

3Logistic模型實證研究及預測結果

3.1Logistic模型實證研究Logistic模型又稱增長函數，于1838年由比利時學者PFVerhulst首度提出。1920年美國學者珀爾和利德的研究使其在人口估計和預測問題中推廣。Logistic函數原型為：P＝L／（1＋exp［－（a＋bt）］）。t為時間，P為時間t的人口數，L為P的最大極限，a和b為相關參數。

3.2預測結果依照正常和存在信用風險將樣本公司分為兩類，使用模型得到的預測結果正確率為83．8％。這表明，此模型可以對我國林業類上市公司信用風險進行較為理想的預測。

4結論與建議

本文通過Logistic模型建立林業上市公司信用風險預警機制，研究結論如下：第一，從預測指標的選擇中可以發現，從營運能力、盈利能力、現金流量、償債能力和成長能力這五類指標中汲取的主要成分是有效的。通過因子分析，本文從五類指標中選取了5項主成分。通過表5可以看出，分別表示現金流量、負債和存貨的F2、F3、F5對于林業企業是否存在風險的判別起到比較顯著的作用。第二，實證結果說明通過KMV模型得出的分組是合理有效的，且將Logistic模型與KMV分組結果相結合進行預測是可行的。第三，Logistic模型對于我國林業類相關上市公司信用風險的預測結果較為準確，能夠較好的區分林業上市公司的信用風險，可以成為決策者進行投資決策的理想工具。分析可知，負債、現金流量和存貨是當前林業企業信用風險判別的主要影響因素。對于主要從事輕工制造、家具、造紙的林業類企業而言，林產品庫存即企業生物性資產最為主要。主要包括：外購存貨入庫前的費用；為達到銷售狀態的加工成本；“郁閉”后的費用。最后一項費用對林業企業而言往往是最高的一筆開支，因為在生物資產存續期間必須連續不斷地投入，才能維持生物資產活體存在。如果中斷后續投入，將影響收獲品的數量和質量，甚至因活體生存無法維持而導致價值減少。因此，注重庫存的比例，加大流轉速度，是林業企業需要注意的重要問題。另一方面，企業的負債程度偏高。負債是一把雙刃劍，恰當的使用能夠給股東帶來收益，過度舉債則會導致償債能力受限，企業信用級別降低，信用風險增加。根據楊建志的分析，林業企業舉債的目的主要三類：擴張性、償債性以及混合性目的。前者存在經營風險，后者存在財務風險。如何協調者兩者風險，結合成功企業的歷史經驗確立正確的資產結構，同樣也是林業企業所需注重的重要問題。綜上，通過此預測模型，可以利用林業企業當前的財務指標對信用風險進行較為準確的預測，幫助投資者進行合理的選擇。同時，對信用風險的預測有助于企業管理者估計風險程度，分析風險因素并采取措施避免損失，促進企業長遠發展。

作者：朱子佩滕旭林霞鄧晶單位：北京林業大學經濟管理學院