企业信用风险指数及其区域差异性研究——基于数据包络分析模型

随着我国社会主义市场经济的不断发展和市场经济制度的持续改进,充分发挥市场在资源配置中的决定性作用需要更具有活力、监管水平更高的市场,企业、地区等的信用风险也越来越受到各方面的关注。本文将从新三板创新层企业、沪深上市公司中按照分层随机抽样方法选取上市公司为样本,基于数据包络分析方法从财务结构、负债水平、造血能力、偿债能力、借款依存度、运营能力等六个维度计算样本的信用值,进而得到其信用风险指数;并且对其进行横向和纵向的信用风险指数分析,探究区域信用风险差异及其原因;通过投影值分析找出信用风险的薄弱环节。

上市公司信用风险指数构建方法的探讨

对于上市公司信用风险的衡量,日益受到投资者,金融机构和监管机构的重视。笔者的研究目的是通过运用测量上市公司信用风险的KMV模型,建立指示上市公司或者是行业信用风险指标的方法。以往基于KMV模型对信用风险的研究,侧重于分析非ST公司和ST公司的违约距离,或模型在具体公司和我国市场的适应性。鉴于对行业整体的关注不多,旨在探讨构造行业违约风险指数的方法,这有助于把握信用风险的整体状况。

京津冀科技型中小企业信用风险研究

传统信用风险评估实务中广泛使用的专家打分等方法存在“凭主观授信”的缺点,从指标权重到信用风险结果均易受到人为因素影响,数据包络分析方法并不人为地确定指标权重值,而是分别加总产出属性值和投入属性值,再将总产出除以总投入的比率作为相对效率。该方法可以克服主观授信缺点,能够大大提升信用风险分析的客观性和准确性。本文基于京津冀科技型新三板企业随机抽样,运用数据包络分析方法对其信用风险进行分类比较研究,以2015~2020年数据为样本,提出并构建出一套京津冀科技型中小企业信用风险指数。本文建议基于数据包络分析模型等更加科学的方法进行企业信用风险评估;建立京津冀信用风险动态评估机制,开展季度、年度信用风险分类评价;针对高风险行业和重点领域企业信用风险实施对标管理、分类监管并实现预警奖惩。本文的研究方法和编制的信用风险指数,能够为京津冀中小企业信用评价标准化问题研究提供有益借鉴。

电费信用风险关键影响因素研究

电费拖欠是影响电力企业经营和发展的重要问题之一,正确掌控电费信用风险关键影响因素并采取切实有效措施规避电费回收风险就显得尤为重要。采用主成份分析方法对电费信用风险影响因素进行了研究,分析了其中的关键性影响因素及影响程度。研究结果表明,该方法具有较强的通用性和实用性,有助于提高电力企业电费回收预警和信用风险管理的能力。