基于多元非線性回歸分析的信用評(píng)級(jí)結(jié)果驗(yàn)證研究

褚文杰 林夏晨 祖培福 劉素兵

摘 要：以238家企業(yè)債為樣本，利用多元非線性回歸分析法建模，對(duì)評(píng)級(jí)結(jié)果進(jìn)行綜合分析，從數(shù)據(jù)層面對(duì)信用評(píng)級(jí)結(jié)果進(jìn)行驗(yàn)證.研究結(jié)果表明，該模型可對(duì)信用評(píng)級(jí)結(jié)果進(jìn)行驗(yàn)證.

關(guān)鍵詞：曲線回歸；信用級(jí)別驗(yàn)證；多元非線性回歸

[中圖分類號(hào)]O29 [文獻(xiàn)標(biāo)志碼]A

Research on Credit Rating Verification Based on Multiple Nonlinear Regression Analysis

CHU Wenjie1， LIN Xiachen1， ZU Peifu1， LIU Subing2

（1.School of Mathematical Sciences Mudanjiang Normal University， Mudanjiang 157011，China；

2.Foundation Department Rocket Force University of Engineering， Xi'an 710000，China）

Abstract：Taking 238 corporate bonds as samples， this paper uses multivariate nonlinear regression analysis to model and synthetically analyze the rating results， and validates the credit rating results from the data level. The research results show that the credit rating result can be verified by the model.

Key words：curvilinera regression；credit level validation；multivariate nonliner

信用評(píng)級(jí)結(jié)果的準(zhǔn)確性對(duì)債權(quán)人和債務(wù)人有著重要的影響.筆者以238家企業(yè)債為樣本，根據(jù)信用評(píng)級(jí)原理，選取營(yíng)業(yè)利潤(rùn)率、總資產(chǎn)營(yíng)業(yè)利潤(rùn)率、營(yíng)業(yè)收入增長(zhǎng)率、可償債來(lái)源總額/短期債務(wù)、可用償債來(lái)源總額/存量債務(wù)、可用償債來(lái)源總額/（短期債務(wù)+新增債務(wù)）、可用償債來(lái)源總額/總債務(wù)、行業(yè)營(yíng)業(yè)收入增長(zhǎng)率、行業(yè)營(yíng)業(yè)利潤(rùn)率、行業(yè)總資產(chǎn)營(yíng)業(yè)率作為債項(xiàng)評(píng)級(jí)指標(biāo)，記作X1，X2，…，X10，并將債項(xiàng)評(píng)級(jí)得分記作Y.采用曲線回歸的方法，利用SPSS軟件，在滿足置信度50%的條件下，估計(jì)各項(xiàng)評(píng)級(jí)指標(biāo)與評(píng)級(jí)得分之間的關(guān)系.綜合分析十項(xiàng)評(píng)級(jí)指標(biāo)與評(píng)級(jí)得分的關(guān)鍵，通過(guò)顯著性檢驗(yàn)，建立多元非線性回歸模型，給出238家企業(yè)債的債項(xiàng)級(jí)別，驗(yàn)證信用級(jí)別的可靠性.

1 評(píng)級(jí)指標(biāo)與評(píng)級(jí)得分回歸模型的構(gòu)建

曲線回歸是指兩個(gè)變量間呈現(xiàn)曲線關(guān)系的回歸，是以最小二乘法分析曲線關(guān)系資料在數(shù)量變化上的特征和規(guī)律的方法，其實(shí)質(zhì)是一元回歸分析.曲線回歸能解決大部分?jǐn)?shù)據(jù)的回歸分析，特別是在不能確定最佳回歸模型時(shí)，該方法可以建立一個(gè)簡(jiǎn)單而又比較適合的模型.因此，在利用該方法估計(jì)十項(xiàng)評(píng)級(jí)指標(biāo)與評(píng)級(jí)得分關(guān)系時(shí)，假設(shè)在可決系數(shù)R2最優(yōu)的條件下，系數(shù)的顯著性在50%時(shí)便可接受.SPSS軟件對(duì)評(píng)級(jí)指標(biāo)與評(píng)級(jí)得分建立的曲線回歸結(jié)果見(jiàn)表1和表2.

由表1可知，二次項(xiàng)模型的R2值與立方模型的R2值相等，且曲線擬合程度最好.由表2可知，立方模型的系數(shù)顯著性多數(shù)過(guò)高，因此選擇二次項(xiàng)模型.二次項(xiàng)模型的系數(shù)顯著性檢驗(yàn)均滿足假設(shè)條件，得到評(píng)級(jí)得分與營(yíng)業(yè)利潤(rùn)率的關(guān)系初步判斷為：

評(píng)級(jí)指標(biāo)與評(píng)級(jí)得分的多元非線性回歸模型為：

2 基于多元非線性回歸的評(píng)級(jí)別結(jié)果驗(yàn)證

對(duì)曲線回歸得到的25個(gè)變量建立初始多元非線性回歸模型，利用SPSS軟件，得到出R2=1時(shí)，F(xiàn)的顯著性檢驗(yàn)值=0.000，D.W=2.078.說(shuō)明該回歸模型通過(guò)模型檢驗(yàn).由系數(shù)檢驗(yàn)結(jié)果可知，X21，X28，X34，X310四項(xiàng)系數(shù)過(guò)小，且不通過(guò)顯著性檢驗(yàn)，需剔除掉.X24，X210，X35，X36，X37，X39的系數(shù)值為0，在模型中無(wú)意義，剔除掉.對(duì)剩余變量再進(jìn)行回歸分析，得出相關(guān)模型及系數(shù)的檢驗(yàn)結(jié)果，以此類推，在保證模型擬合優(yōu)度檢驗(yàn)及系數(shù)均通過(guò)顯著性檢驗(yàn)的情況下，得到最終模型的檢驗(yàn)結(jié)果見(jiàn)表3和表4.

由表3可知，R2=1，顯著性檢驗(yàn)值為0.000，D.W=2.051，說(shuō)明該回歸模型通過(guò)檢驗(yàn)，且剔除相應(yīng)變量后，模型更為精確.由表4可知，絕大部分系數(shù)的檢驗(yàn)結(jié)果通過(guò)顯著性水平，該模型可以被接受.評(píng)級(jí)指標(biāo)與評(píng)級(jí)得分之間的多元非線性回歸模型為：

Y=0.019+0.015X1+0.017X2+0.126X4+0.084X5+0.423X6+0.277X7+0.013X8+0.006X9+0.007X10+0.014X23-0.001X26+0.001X27-0.002X33.

利用該多元非線性回歸模型對(duì)評(píng)級(jí)結(jié)果進(jìn)行檢驗(yàn)，在238家企業(yè)中，有1家企業(yè)的評(píng)級(jí)結(jié)果出現(xiàn)偏差，錯(cuò)誤率為0.4 201 681%，出現(xiàn)偏差的企業(yè)的債項(xiàng)評(píng)級(jí)從BB變?yōu)锽B+，上升1個(gè)級(jí)別.

3 總結(jié)

本文從數(shù)據(jù)分析角度，利用多元非線性回歸分析方法建模，對(duì)信用評(píng)級(jí)結(jié)果進(jìn)行驗(yàn)證.結(jié)果表明，該模型適用于對(duì)信用評(píng)級(jí)結(jié)果的驗(yàn)證.

參考文獻(xiàn)

[1] 丁振輝.大數(shù)據(jù)背景下的小微企業(yè)信用評(píng)級(jí)研究[J].征信，2014，32（11）：4549.

[2] 金玉蘋(píng).基于模式定理的遺傳算法數(shù)學(xué)模型[J].牡丹江師范學(xué)院學(xué)報(bào)：自然科學(xué)版，2016（4）：1617.

[3] 李珊珊，祝華新.互聯(lián)網(wǎng)大數(shù)據(jù)評(píng)級(jí)是投資價(jià)值的參考系[N].證券時(shí)報(bào)，20160823（A05）.

[4] 禹亦歆，劉征馳.網(wǎng)絡(luò)信息披露、大數(shù)據(jù)評(píng)級(jí)與電商小額貸款[J].管理現(xiàn)代化，2016，36（4）：1012.

[5] 李添天.基于數(shù)據(jù)關(guān)聯(lián)分析的企業(yè)科技信用評(píng)級(jí)方法研究[J].科教導(dǎo)刊：下旬，2017（1）：175176.

[6] 李淑鳳，謝威.基于GM（1，1）模型的牡丹江市林產(chǎn)總值預(yù)測(cè)[J].牡丹江師范學(xué)院學(xué)報(bào)：自然科學(xué)版，2018（2）：2425+38.

[7] 張艷紅，李亞平，黃澤民.信用評(píng)級(jí)調(diào)整對(duì)中期票據(jù)信用利差的影響——基于中國(guó)銀行間中期票據(jù)面板數(shù)據(jù)的實(shí)證分析[J].經(jīng)濟(jì)經(jīng)緯，2018，35（2）：135142.

[8] 張艷紅，李亞平，黃澤民.信用評(píng)級(jí)調(diào)整對(duì)中期票據(jù)信用利差的影響——基于中國(guó)銀行間中期票據(jù)面板數(shù)據(jù)的實(shí)證分析[J].經(jīng)濟(jì)經(jīng)緯，2018，35（2）：135142.

編輯：琳莉