主页 关于我们 最新公告 往期目录 录用通知 精彩阅读 原创作品选编 投稿指南 汇款方式 联系我们
最新公告
《价值工程》现安排24年5月版面!01-22
2023年中国科技核心期刊目录09-21
《价值工程》投稿咨询电话!08-22
《价值工程》栏目设置07-22
《价值工程》文章细节要求:05-15
《价值工程》作者简介格式07-19

版权信息

版权信息:
杂志名称:《价值工程》
主管单位:河北省科学技术协会
主办单位:河北省技术经济管理现代化研究会
国际刊号:1006-4311
国内刊号:13-1085/N
邮发代号:18-2
责任编辑:张崇
咨询电话:18132119945
投稿邮箱:vezzs02@163.com

精彩阅读
基于贝叶斯网的航运上市企业信用评价研究

Research on Credit Evaluation of Shipping Listed Companies Based on Beyes Network

王晓洁① WANG Xiao-jie;刘洪春② LIU Hong-chun
(①中国大连高级经理学院,大连 116086;②大连理工大学管理与经济学部,大连 116024)
(①China Business Executives Academy Dalian,Dalian 116086,China;
②Faculty of Management and Economics,Dalian University of Technology,Dalian 116024,China)

摘要: 近年来,航运市场竞争激烈,供需失衡,行业内部企业运营成本较高,财务状况不佳,致使航运行业整体信用品质不容乐观。在当前外贸运输、航运不景气的形势下,建设信用评价体系,对企业而言,是一种鼓励和安慰,这将进一步规范企业的健康发展。本文基于wind数据库中12家航运上市企业16个财务指标,采用朴素beyes分类器构建航运上市企业beyes网络信用评分模型,根据2016年初各航运企业的市值大小,分出4个信用类别,对样本数据的每一个类别利用matlab软件实现离散情况调整、条件概率的计算与结果选择。
Abstract: In recent years, intense competition in the shipping market, imbalance between supply and demand, high operating costs of enterprises in the industry and poor financial conditions have made the overall credit quality of the shipping industry unsightly. Under the current circumstances of foreign trade and transportation and shipping downturn, building a credit rating system is an encouragement and comfort for enterprises, which will further standardize the healthy development of enterprises. Based on 16 financial indexes of 12 listed shipping companies in wind database, a simple beyes classifier was used to build the beyes network credit rating model of shipping listed companies. According to the market capitalization of shipping companies in early 2016, four credit categories are separated, and matlab software is used to realize discrete condition adjustment, conditional probability calculation and result selection of each class of sample data.
关键词:航运上市企业;beyes网络;信用评价
Key words: shipping listed enterprise;beyes network;credit evaluation
中图分类号:F550.66                                    文献标识码:A                                  文章编号:1006-4311(2018)35-0101-05

1  概述
自金融危机以来,世界经济增长趋于缓慢,国际大宗商品价格出现一定的波动且处于低位,运力供给过剩,市场持续低迷,同时人工成本、燃油的不断上涨进一步压榨了行业利润,航运业不景气,财务状况形势也不容乐观。此外随着互联网技术的发展,电子商务的兴起为航运企业带来了不少发展机会的同时,也产生了一些如由于电子商务的虚拟特性,交易主体的复杂性及信息不对称性等问题的加剧,大大增加了企业的信用风险。根据中商产业研究院大数据库数据显示,2016年前三季度年报已全部披露,时间截至2016年10月31日,航运行业共有12家上市企业,2016年前三季度营收共计872.64亿元;净利润-53.4亿元[1]。此外世界范围内已有上百家各式规模的航运企业倒闭、破产,航运企业信用风险受到了普遍关注。
1.1 企业信用评价指标研究现状
一是国内评价指标体系研究现状。李菁苗在引入电子商务信用理论,并且全面衡量了各种各样的信用评价指标,最终采用实证研究的方法,构建了适合中小企业的四大类十五项评价指标[2]。朱彦彦选取了航运公司及A股上市的港口为样本,建立港航上市公司偿债能力指标体系,利用利息保障倍数等八项指标分析了公司偿债能力[3]。二是国外评价指标体系研究现状。Ma在分析建筑企业信用危机现状的基础上,结合行业现代特点,构建了建筑类企业的信用评估指标体系[4]。Luo凭借对物流有关公司日常经营状况的研究,构建了针对物流公司的顾客信用评估指标体系,并通过实证验证了体系的有效性[5]。
1.2 企业信用评价方法研究现状
一是基于主观的评价模型研究。牟伟明在回顾目前江苏省中小企业融资现状的基础上,利用贝叶斯分类的方法搭建和形成了关于中小型规模企业的供应链融资信用风险评价模型,然后采取这个模型对案例的信用风险做出评价[6]。蒋曼曼在对上市公司的财务指标进行主成分分析的基础上,建立了供应链金融视角下的企业信用风险评价模型并对模型进行模拟和验证[7]。二是基于客观的评价模型研究。张目针对战略性新兴产业企业信用评价的必要性和传统模糊评价方法中隶属函数的固有缺陷,在借鉴云理论的基础上,构建了基于正态云模型的战略性新兴产业企业信用评价模型[8]。陈林依据沪深两市上市的9家航运公司2014年财务数据,采用主成分分析法,得出各航运上市企业财务绩效的综合排名,并提出相应的对策建议[9]。尽管目前学术界已有不少学者对信用问题进行研究,但大多为银行对信贷客户如信贷客户如中小企业的评价,很少见针对航运企业信用进行评价的研究。基于此,本文选取了包括中国远洋、中海集运、中海发展、招商轮船等四大航运央企及招商轮船等航运业上市公司共计12家上市作为样本,并采用朴素beyes分类器构建航运上市企业beyes网络信用评分模型,同时根据2016年初各航运企业的市值大小,分出5个信用类别,对样本数据的每一个类别利用matlab软件实现离散情况调整、条件概率的计算与结果选择。
2  企业信用评价模型构建
2.1 企业信用评价内涵及方法
①信用评价的内涵。信用的意思是指市场的交易活动以信任作为基础,通常能不用马上交付货款就可以得到像资金、物资、服务的一种能力。从狭义面讲,有关信用的评价包括对企业以前遵守信用的情况进行调查,并且分析企业如今的偿还债务的实力,从而进一步对企业将来实现约定的状况进行评价;可是从广义上面看,信用评价就是对每个主体的守信情况和遵守诺言的实力的评价。在市场经济中,市场交易中存在的双方关系和买卖行为大部分呈现出的是信用关系,但是信用评价是独立的不相关机构也可能是卖方,依照“公正、科学、可靠”的原则,秉承信用评价的有关要求,利用先进的评价方法,按照有规律的过程,对买方的实现约定的实力和信用状况进行审查和评价确定,最后将评价结果用简单直接的方式表示出来,提供给社会普通大众和自己利用的一种评价活动[10]。
②信用评价的方法。随着信用评价领域研究的不断深入,社会各方对信用评价有了越来越严格的要求,其追求更加科学合理,且更为全面完整的信用评价结果。其中统计学方法相对较为简单且工作量小,但受制条件较多,不具备良好的可靠性,如分析树法、因子分析法等。而后者以对人脑及神经系统加工信息的研究为基础,具备良好的智能性,此类方法最具代表性的为Rumelhart等人在1986年提出的Bp神经网络[11]。
2.2 基于财务信息的企业信用评价指标选取
如何进行企业的信用评价、选取哪些指标、用何种方法进行评价,评价结果的分析都是进行企业信用评价的重要工作,如果评价模型有偏差,轻则导致企业的经济损失、企业坏账等,严重时还可能导致企业重组或破产。基于此,本文选自在A股上市的港航上市公司,并将各企业2008-2012年五年的财务数据作为研究样本,将各个航运上市企业的资产负债表、现金流量表、利润表整合[12]。另一方面,考虑到航运上市企业财务信息受多种因素的影响,且各因素间存在复杂的联系这一现象。本文拟在对各因素分析归类的基础上,将其按大类转化为符合评价体系要求的各项指标,具体如表1所示。
①盈利能力。盈利能力是指企业获取利润的能力。尽管衡量一个企业能力应从多项指标出发,但一般而言,其首要且最为重要的即是盈利能力。简单来说企业成立的最初目的大多为盈利,且投资者最为关注的亦为企业的获力能力。因此对企业盈利能力指标的分析是非常必要的。基于此,本文拟通过X1净资产收益率、X2总资产收益率、X3成本费用利润率、X4总资产净利率四项指标反映企业盈利能力。
②偿债能力。偿债能力是指其偿还债款的能力,包括长期、短期债务,以现金等为支付形式。偿债能力是公司正常运营、发展的关键,反映公司财务状况和经营能力,决定了公司运营时对外合作时的信用问题。
③营运能力。在对企业营运能力进行分析时,需要对资产的内部构成比率、各个资产在总资产的比例分析资产的周转率情况进行分析,一般情况下,资产的周转率与资产周转速度成正相关,与该企业的营运能力以及获得收益的能力同方向变动。其主要包括流动X10资产周转率、X11应收账款周转率、X13总资产周转率、X14利润总额增长率等。
④现金流指标。航运公司来说,决定其生存与否的首要因素是要保持稳定恰当的现金流,维持良好的财务结构,而不是盈利还是亏损,这样才能在动荡的航运界得以生存。其主要包括X15经营性现金流增长率,X16筹资性现金,X17合计现金流增长率。
2.3 基于贝叶斯网络的航运上市企业信用评价模型
①贝叶斯网络模型构造的基本原理。采用朴素beyes分类器构建beyes网络模型,朴素beyes分类器原理较为简单,即对于训练样本数据的每一个类别,求解其不同特征的不同属性在该标签下出现的概率。假设不同类别代号为C1、C2、…Cn,不同特征代号为X1、X2、…Xm,Xi特征的不同属性代号为Xi1、Xi2、…Xij,则根据训练样本数据,可得到各类别下各个特征属性的条件概率估计:

其中i=1,2,…,m,j为每个特征的属性数量,由i决定。如其中各个特征属性是条件独立的,则根据beyes定理可得:■对于所有类别来说,P(Xi)为常数,故■最大时,■最大。■■则对于每一个测试样本,分别计算■,P(Cn)如概率最大的类别Ci,测该测试样本属于i类别。
②使用条件判定构建朴素beyes分类器学习模型。训练集■包含N条训练数据,其中■T是M维向量,■属于K类中的一类。
全概率展开公式:
■■(1)
其中的p(y=ck)
■(2)
其中I(x)为指示函数,若括号内成立,则计1,否则为0。
对于分子中的条件概率,设M维特征的第j维有L个取值aj1,则某维特征的某个取值,在给定某分类ck下的条件概率为:

■(3)
经过上述步骤,我们就得到了模型的基本概率,即完成■的任务。
通过学到的概率,给定未分类新实例X,就可以通过上述概率进行计算,得到该实例属于各类的后验概率■,因为对所有的类来说,公式(1)中分母的值都相同,所以只计算分子部分即可,具体步骤如下:
分类1.计算该实例属于y=ck类的概率。
■(4)
■(5)
是我们得到了新实例的分类结果
在公式(2)、(3)中,如果从样本中算出的概率值为0,可采用拉普拉斯平滑,给学习步骤中的两个概率计算公式,分子和分母都分别加上一个常数,就可以避免这个问题。更新过后的公式如下:
■(6)
K是类的个数  

■(7)
Lj是第j维特征的最大取值
可以证明,改进以后的(6)、(7)仍然是概率。平滑因子λ=0即为(2)、(3)实现的最大似然估计,这时会出现在本节开始时提到的0概率问题;而拉普拉斯平滑为λ=1则避免了的0概率问题。
在本文的实践中,使用拉普拉斯平滑可避免无法预测陌生特征属性测试样本的问题,增加学习后beyes分类器的适用范围。但因样本数量原因,使用拉普拉斯平滑会大幅降低预测准确率,故本文的实证分析只预测特征属性在训练样本中出现过的测试样本。
③朴素贝叶斯分类器的公式。
某个体有n项特征(Feature),设为F1,F2,…,Fn。现有m个类别(Category),分别为C1,C2,…,Cm。贝叶斯分类器求下面这个算式的最大值,也就是计算出概率最大的那个分类:■(8)
由于P(F1F2…Fn)对于所有的类别都是相同的,可以省略,问题相当于求P(F1F2…Fn/C)P(C)的最大值。
朴素贝叶斯分类器则更进一步,假定所有特征都相互独立,因此

(9)
上式等号的右边项均能通过所给统计资料得知,以此为基础能够算出每个类别对应的概率,进而找出最大概率类别。即使假设“所有特征彼此独立”在现实中难以成立,但是它可简化大量计算,而且研究表明其对分类结果的准确性影响不大。
3  基于航运上市企业的实证研究
3.1 数据来源
本文选择来自中国证监会制定的上市公司分类指引中的航运上市企业作为样本数据,经整理,剔除数据不齐全及数据有极端值情况的企业后共取得包括中国远洋、中海集运、中海发展、招商轮船等四大航运央企及招商轮船等航运业上市公司共计12家上市进行分析。本文数据主要来源于Wind数据库金融终端,并经作者手工录入所得,数据统计结果见表2所示。
从以上数据样本可以看出,每个样本均有反映样本财务数据指标的相关特征,而以上数据仅显示每个指标与该样本的信用情况均无直接的关系,特征属性连续变化。为进一步研究其内在关系,本文拟将样本离散化,以便使用朴素beyes分类器进行beyes网络构造、样本训练和实例测试。离散化即将连续变化的样本数据根据聚簇情况进行归类,进而归类出每个特征的不同属性。如对于特征X1。
由表3可知,数据最低达到-42.73%,最高为12.13%,均匀分为5个区间对其进行均匀离散,则将特征X1分为5个属性。离散后的X1特征如下:
X1=[3  5  1  4  4  4  4  4  4  4  3  4]
其中1-5数字为属性代号,并无实际意义。根据每个特征的数据聚簇特点,属性数量可不相同。离散后的数据如表4所示。本文通过matlab实现样本数据离散情况调整、条件概率的计算与结果选择。离散程序代码中,y为离散后矩阵,x_list为离散区间矩阵,data为离散前矩阵,k为离散区间数量。通过离散程序,将连续的数据转化为离散的特征属性。
3.2 基于样本集优化的beyes网络模型的实现
朴素beyes分类器程序代码中,pred为类别判定,prob为该类别概率。data为训练样本,labels为类别向量,test_data为测试样本。根据海事网公布的市值等最新数据,将12家公司分为4个信用类别,分别用分数5分、4分、3分、2分表示,其中,5分为最高信用,2分为信用最差。如表5所示。而后将其输入matlab。
labels=[5  5  5  3  3  4  4  2  5  3   2  3]
则可通过beyes预测程序进行参数学习,代码如下:
[pred,prob] = bayesian_predict(y, labels, y);
acc = mean(pred == labels);
fprintf('Accuracy:%.2f\n',acc*100);
其中,训练样本与测试样本同为离散后的数据矩阵y,学习结果如下:

输出结果可看出,使用测试样本作为训练样本,可得出准确结果,准确率高达100%,将中海集运的特征属性微调后作为测试样本,实证与中海集运数据相似的企业符合5分信用评价分类。中海集运的特征属性如下:
y1=3 2 2 1 5 1 1 1 1 1 1 1 4 4 4 1
假设中海集运类似企业A特征属性为:
y1a=4 2 2 1 4 1 1 1 2 2 1 2 4 4 4 1
调整每类特征属性到临近特征,其中16个财务指标特征变至5项。则利用beyes预测该企业分类为:prob=[1 0 0 0],pred=5。由预测结果可知,企业A与中海集运同为5分信用评价企业。
4  主要研究结论
4.1 主要结论
本研究从财务信息角度出发,选取了中国证监会制定的12家航运上市企业为研究对象,通过对其16个财务数据的离散化处理,采用朴素贝叶斯分类器构建了包含盈利能力、营运能力、偿债能力、现金流在内的航运上市企业网络评分模型,并根据2016年初市值等指标,分出了四个信用类别,以进行各类别的离散情况调整、条件概率的计算与结果选择,保证了航运企业信用评价评分的结果。其研究结果表明:①在指标的选取上,四个指标能有效全面的衡量航运企业财务信息,有效避免了人为主观性判断的干扰。②信用评估结果显示,12家企业内中海集运、招商轮船、中国远洋及天海投资四家企业信用评估得分最高为5分,得分最低,即2分为亚通股份及中海海盛。③12家航运企业信用评估得分平均分为3.67分,有8家企业得分超过平均分,占比67%,航运企业信用品质不容乐观。
4.2 政策建议
①推进行业信用评价建设。信用评价行业承担者信息收集、加工、处理和传递的功能,对于防范信用风险、促进信用交易有着重要的意义。然而目前我国的信用评价行业与发达国家相比仍然存在着较大的差距。因此为促进航运企业信用品质提升,我国政府应推动我国评级机构发展,同时考虑到行业特殊性,应设置专门化、特殊化、差异化的评级方式,对不同行业进行针对性的评价。
②加强信用信息披露,保证信息高效透明。根据本文研究可知,财务信息数据的披露很大程度上依靠企业的自觉性,而由于我国目前制度及监管的缺失,其他的市场参与者难以及时获取信用缺失者失信的信息,在一定程度上增加了航运企业信用风险。因此,本文应加强对航运企业信用评价信息及财务信用评价所使用的信息的披露,以确保信息的全面性及真实性。
③完善信用法律法规,构建综合监管体制。完备的法律法规和国家标准体系是信用行业健康发展的保障。基于此,为保证航运企业信用品质的提升,我国应加强法制建设,完善相应的法律法规,使航运上市企业信用建设做到有法可依。此外,应根据具体业务范围及各部门职责分工,落实企业内部日常监管措施,同时加强政府有关部门监管力度,从内而外建立健全航运上市企业信用监管体系。
参考文献:
[1]中商情报网.2016年前三季度航运行业12家A股上市公司营业收入及净利润排名[DB].http://www.askci.com/news/finance/20161031/15592073647.shtml,2016.
[2]李菁苗,吴吉义,章剑林,等.电子商务环境下中小企业信用评价[J].系统工程理论与实践,2012,32(3):555-560.
[3]朱彦彦.港航上市公司偿债能力对比研究[D].大连海事大学,2013.
[4]Ma C J, Ma Y T. Credit Evaluation Index System of Construction Enterprises[J]. Applied Mechanics & Materials, 2012, 209-211:1423-1428.
[5]Luo Y, Chen Z. Client Credit Evaluation Index System of Logistics Enterprises Based on Fuzzy Comprehensive and Analytic Hierarchy Process[M]. Information Computing and Applications, 2013:323-332.
[6]牟伟明.中小企业供应链融资模式及其信用风险测评[J].财会月刊,2014(10):42-47.
[7]蒋曼曼.供应链金融视角下企业信用风险评价研究[J].经营与管理,2017(2):140-142.
[8]张目,贺颖,李伟.基于正态云模型的战略性新兴产业企业信用评价[J].统计与决策,2014(12):59-62.
[9]陈林.我国航运上市公司财务绩效评价——基于主成分分析法[J].对外经贸,2015(9):159-160.
[10]王珍义,徐雪霞,肖皓.CEO声誉、内部控制与商业信用融资关系的实证[J].统计与决策,2017(21).
[11]Rumelhart D E, Hinton G E, Williams R J. Learning representations by back-propagating errors[J]. Nature, 1986, 323(6088):533-536.
[12]吴革,冯小莉,张亚东.企业信用评价模型研究——以财务会计信息为基础[J]. 中国注册会计师, 2011(7):41-48.

社址:石家庄市槐安西路88号卓达玫瑰园物业楼 050091    电话:18132119945    微信:15132496582

投稿邮箱:vezzs02@163.com

价值工程杂志社

    点击这里给我发消息      点击这里给我发消息

备案号:冀ICP备19020820号-1


我要啦免费统计
点击这里给我发消息
点击这里给我发消息
24小时热线: 18132119945