中国制造业上市公司信用违约风险影响因素研究开题报告

1. 研究目的与意义

制造业的发展水平是衡量一个国家综合国力和经济实力的重要标志，在国民经济增长中发挥着发动机的作用。

我国是世界第二大经济体，也是制造业第一大国，当下，制造业仍然是我国国民经济的支柱产业，是国民经济发展的基石，其对于国家发展而言的重要性不言而喻。

制造业企业面临的压力包括但不限于劳动力供给的不足和成本的不断上升，其贷款需求量大，再加上我国政策体系滞后以及市场需求多变，这些因素共同导致制造业抵抗风险的能力较差，因此，在经济波动的情况下更易发生倒闭等消极后果，进而引发不同程度的违约事件。

2. 研究内容和预期目标

研究内容：利用回归模型，探究影响我国制造业上市公司信用违约风险的因素。

拟解决的关键问题：本文通过理论分析和实证检验，确定影响我国制造业上市公司信用违约风险的因素，以期帮助企业对自身的信用风险状况进行较为清晰的认识，从而合理控制自身的信用风险状况，降低违约概率，促进我国宏观经济健康稳定发展。

3. 国内外研究现状

（一）国外研究现状对于信用违约风险的度量，国外发展较早，现已形成较为完整和成熟的研究成果。20世纪50年代之前，传统的信用风险度量以专家评分法为主，包括“5C要素分析法”、“5P要素分析法”、“5W要素分析法”、“4F要素分析法”以及“骆驼评估体系”等。随着企业信用风险度量的发展，信用违约风险的度量逐步引入了定量分析，形成加权评分法、隶属函数评分法、功效系数法等，接着又逐渐形成模型。Altman以美国已经破产与未破产的公司为样本，筛选了22个财务指标，通过多元判别分析确定了最能说明债务人当前财务情况且最有价值的5个重要指标，构建了Z-score模型。Altamn和Haldeman等人对Z-score计分模型进行了调整并添加了两个变量，构建了新的多元线性判别分析模型，即ZETA模型。除此之外，由国外学者提出的信用违约风险度量模型还有logit模型、Probit模型等。进入现代，越来越多的现代外国公司和学者开始关注并且成功研发出了一系列信用风险度量模型。1993 年，KMV 公司推出了可用来估计借款企业违约概率的 KMV模型；1997 年，J.P.Morgan公司和其他一些合作金融机构提出了以在险价值为基础的Credit Metrics模型；同年年末，瑞士信贷银行金融产品部推出了基于保险精算的Credit Risk 模型，1998 年，McKinsey 公司开发出了一种宏观多因素的 Credit Portfolio View 模型。（二）国内研究现状

对于制造业信用违约风险的研究，卞晨晔（2016）以沪深交易所A股制造业上市公司为研究对象，在2011-2015年间被交易所实施ST处理的公司中选取了85家制造业公司作为信用风险较高的样本，按照1:2的比例选取了170家非ST公司作为对照，将样本分为检验样本和训练样本，建立了一个包含7个变量的Logistics模型，对相关数据进行了变量显著性检验、多重共线性检验，对模型进行回归预测，发现除了财务指标外，创造性加入的“每股指标”、“市值指标”和“商誉指标”等非财务指标也对制造业上市公司信用风险具有较强解释力。刘凡晖（2018）从沪深两市的制造业上市公司选择了45家作为高信用风险的样本企业，再以数量配对原则选出了45家低信用风险的样本企业，基于这些公司2016年的年报数据，运用Logistic-KMV混合模型进行回归分析，认为偿债能力（流动比率、速动比率等）、经营能力（存货周转率、应收账款周转率等）、盈利能力（营业净利率、成本费用利润率等）、成长能力（总资产增长率、营业收入增长率等）和非财务指标（第一大股东持股比例、独立董事比例等）五大方面对制造业上市公司信用违约风险存在或多或少的影响。崔梦初（2021）基于不平衡样本选择AUPR和F1值作为模型的主要评价指标，并在独立测试集上比较四种方法的性能，发现制造业上市公司的成长能力、盈利能力及偿债能力三个方面对公司信用风险状况有较大影响。

对于模型选择，由于我国信用风险评估起步较晚，与国际先进水平仍存在差距，尚未形成具有中国特色的信用理论，因此相关研究多以国外已有的模型作为基础。段霞（2012）采用描述性统计分析、非参数检验、曲线分析、对照行业排名检验和组合模型的分析等方法，以2008-2010年为时间跨度，对2007年12月31日以前上市的制造类企业进行研究，发现Z-score模型在对我国制造业上市公司信用风险的识别能力方面总体来说不如KMV模型好。龚梅华（2013）采用区间分析、分类表和ROC曲线分析了2012 年12月31日上证 A 股(以 600、601、603 开头的股票)、深证主板A 股（以 000、001 开头的股票）的950家符合数据选取要求的制造业上市公司的违约点位置，用以反映Z-score模型和KMV模型的度量绩效，发现在我国制造业上市公司信用违约风险度量方面，KMV 模型的绩效不如Z-score模型的绩效。田鸥（2015）从2014年年初评级机构披露的所有2013年度企业债券主体评级被下调的99家企业中，选取了符合数据筛选要求的41家企业，采用“替换原Z-score模型中的一个变量，并新加入代表企业盈利能力的主营业务收益率变量”的方法，对 KMV 模型违约点计算中非流动负债的系数进行修正，得出了在修正的Z-score模型中加入KMV模型的违约距离DD变量而组建的新线性模型——ZKMV模型，新模型比前两个修正模型的判别率更高。

4. 计划与进度安排

2022年12月底前：完成选题工作；2022年1月底前：完成开题报告；2022年3月底前：完成初稿和中期检查；2022年5月底前：完成论文修改、重复率检查、定稿、外文文献翻译工作；2022年6月底前：完成论文答辩。

5. 参考文献

[1]Edward I. Altman. FINANCIAL RATIOS, DISCRIMINANT ANALYSIS AND THE PREDICTION OF CORPORATE BANKRUPTCY[J]. The Journal of Finance,1968,23(4):[2]Altman Edward I.,Haldeman Robert G.,Narayanan P.ZETATM analysis A new model to identify bankruptcy risk of corporations[J]. Journal of Banking amp; Finance,1977,1(1):[3]Financial Ratios and the Probabilistic Prediction of Bankruptcy[J]. Journal of Accounting Research,1980,18(1):[4]Martin Daniel. Early warning of bank failure: A logit regression approach[J]. Journal of Banking amp; Finance,1977,1(3):[5]Robert C. Merton. ON THE PRICING OF CORPORATE DEBT: THE RISK STRUCTURE OF INTEREST RATES*[J]. The Journal of Finance,1974,29(2):[6]仇荣国,张建华.中国中小上市公司信用违约风险影响因素研究——基于273家深市中上市公司5年面板数据的实证检验[J].求索,2010(04):28-30.DOI:10.16059/j.cnki.cn43-1008/c.2010.04.069.[7]许晓平. Z模型和KMV模型在我国的可适性研究[D].华中科技大学,2009.[8]段霞. Z模型和KMV模型在我国适用性的对比研究[D].西南财经大学,2012.[9]龚梅华. 信用风险度量模型绩效比较研究[D].浙江财经大学,2014.[10]田鸥. 基于修正的Z模型和KMV模型的信用风险实证研究[D].深圳大学,2015.[11]卞晨晔. 我国制造业上市公司信用风险实证研究[D].山东大学,2016.[12]刘凡晖. 基于Logistic-KMV模型的制造业上市公司信用风险评估研究[D].湖南大学，2018.[13]崔梦初. 基于不平衡样本的制造业上市公司信用风险实证研究[D].山东大学,2021.[14]陈五岳. 基于KMV模型的制造业上市公司信用风险度量研究[D].厦门大学,2019.[15]王干. 基于KMV模型修正的制造业上市公司信用风险评估[D].上海财经大学,2020.