国有商业银行信贷评级模型的构建及实证检验.docx
《国有商业银行信贷评级模型的构建及实证检验.docx》由会员分享，可在线阅读，更多相关《国有商业银行信贷评级模型的构建及实证检验.docx（21页珍藏版）》请在冰豆网上搜索。
国有商业银行信贷评级模型的构建及实证检验
本文档下载自文档之家,如果内容可能不完整，您可以点击以下网址继续阅读或下载：
国有商业银行信贷评级模型的构建及实证检验
［文章编号]1０09—９19０（2００4）４—001６—０6
国有商业银行信贷评级模型的构建及实证检验
肖北溟
[摘要］信贷评级是信贷风险管理的前提，目前我国国有商业银行都采用这一方式管理信贷风险.本文在对国有商业银行当前信用评级方法存在问题和国内外相关研究成果进行分析的基础上.提出了构建国有商业银行内部信用评级模型,提高信贷风险管理水平的建议.作者利用贷款历史数据，通过因子分析和聚
类分析等方法构建内部信用评级模型:
通过因子分析方法构建的模型使评级指标体系更加科学、合理。
避免
了反映风险信息的冗余与遗漏；聚类分析使评级模型直接与违约概率挂钩，度量风险的准确性进一步提高。
论文最后对模型进行了实证分析，使其有效性得到了检验。
［关键词］信贷风险；内部信用评级；因子分析法；聚类分析法
信贷风险是指借款人因为各种原因不能足额、按时偿还商业银行的贷款，从而使贷款蒙受损失的可能性。
信贷风险的管理工作包括风险的计量、分散、转移和补偿等内容，其中以信用评级为前提的信贷风险计量是信贷风险管理整体工作的基础。
从国际现代商业银行的经营实践来看,研究、开发商业银行内部信用评级系统（ｉn．
ｔｅｍaｌraｔｉｎｇ
照值;（3）确定各项评级指标的分值（各项指标在评级总分中的各自权重）。
近年来，国有商业银行开始重视信贷评级在整体信
贷风险管理工作中的作用，不断完善评级制度和办法.但在评级指标体系确定与各指标权重设定等方面还存在一些问题,影响了评级的准确性,具体表现在：
第一，评级指标体系的组成有待进一步深入研究。
目前国有商业银行使用的评级指标体系中选择的各项指标大多是通过内部从事信贷管理的专家确定的，属于专家意见法，缺乏对于各项指标能否灵敏反映借款企业违约率和企业信用水平的定量化研究；此外，科学的评级指标体系应该能够全面而重复地反映评级对象的风险信息。
仅
通过专家意见法确定的评级指标体系难以实现这一目
８ｙsｔｅｍ）是实现信贷风险科学管理的必备条
件。
银行利用自身的贷款数据资料，通过科学的方法构建内部评级模型是有效进行信贷风险管理的基础。
本文从分析我国国有商业银行的信用评级现状人手，构建了内部评级模型,并对模型的有效性进行了实证检验.
一、研究背景及文献回顾
（一）国有商业银行信贷评级现状及研究成果评析目前国有商业银行对借款企业信用评级的主要做
标。
第二，确定评级指标权重中存在的问题。
评级指标体
系包含的各项指标在反映评级对象风险过程中发挥的作用是存在差别的，因此它们应该被赋予不同的权重。
法是:
根据评估的需要设置若干组评估指标，每一指标规定一个参照值。
同时确定一个分值，如果这一指标达到参照值的要求就给满分，否则相应扣减该指标的得分。
加总各指标的得分即得总分,并按总分的高低给借款企业划定信用等级，作为贷款决策的依据。
在按照上
述评级标准计算借款企业各项得分时.对于正向指标。
现有的评级方法中.主要依靠专家的经验来确定指标的各自权重,这种主观意见确定权重形成的评级办法在科学性与客观性方面都存在问题.影响了评级结果的准确
性。
因此，科学、合理的确定评级指标权重，提高评级结果的准确性是当前需要解决的一项重要问题。
即该财务指标向较高水平变化，说明企业的经营情况改善，当指标达到参照值时给满分，低于参照值的按“满分×（实际值／参照值）”计算得分；对于负向指标，即该财
务指标向较低水平变化，说明企业的经营情况改善，当
从研究方面看。
近年来国内学者和专业人士提出的
贷款信用评级方法主要包括：
信用评分法、综合评判法、判别分析法和神经网络预测法等。
这些方法不乏可取之
处,但在具体运用过程中仍然存在某些缺陷:
一是评级
指标和权重的确定缺乏客观依据。
基本依靠专家意见法
［作者简介］肖北溟，男,中国工商银行总行个人金融业务部,北京理工大学管理与经济学院在职博士生（北京,
１０008１）。
指标低于或等于参照值时给满分，超过参照值按照“满分×（参照值/实际值）”计算得分。
由此可见，国有商业
银行信贷评级过程中的三项主要工作是：
（１）确定评级
指标体系;（２）确定评分标准.即各项参与评级的指标参
肖北溟：
国有商业银行信贷评级模型的构建及实证检验
确定，主观性较强，某些研究虽然应用了数理统计方法，
容:
行业发展趋势，包括经济周期影响、商品价格变化以但存在不能很好地解决反映风险有关信息重叠与遗漏及行业竞争与障碍等问题：
国家政策和监管环境对于公矛盾等的问题；二是模型只能对是否违约进行判断,不司现金流入和履行债务能力的影响;管理层的素质；公能给出贷款违约概率等信息，因此难以指导信贷定价等司的基本经营和竞争地位；财务状况及流动资金来源；控制信用风险的工作;三是神经网络方法存在的“黑箱公司的体制和架构：
母公司担保及维持协议方面的情况性”、“过分拟合”、不稳定性、随机性和可能实现局部最和突发事件风险。
穆迪公司按照上述结构评估工业企业
优而非全局最优等问题，导致这种方法的应用性受到不
信用等级时，公司财务状况的分析成为评级工作的核心少人特别是银行界的质疑。
和基础,以至在穆迪公司工业评级方法说明中财务分析
（二）国外信用评级相关研究成果评析
被作为与信用分析整体结构并列引述的重要内容。
1．以Z模型和ＺＥTA模型为代表的系列统计判别方这些评级机构公开评级信息在商业银行信贷评级
法。
这两个模型目前仍是西方国家商业银行信用风险度中的使用存在以下问题:
第一，这些评级方法应用的对量的重要模型之一。
Ｚ模型（Altmａn，１968）的建立过程包括象与商业银行的借款企业并不完全相同.外部评级机构四步：
（1）选取一组反映借款人财务状况和还本付息能力的评级对象主要是一些大公司，如在资本市场上发行股的财务比率；
（2）从银行过去的贷款资料中分正常和违约票和债券的企业,而商业银行的评级对象既包括那些有
两类收集资料；（3）确定每一比率的权重，将每一比率乘外部评级的大企业，还包括众多没有外部评级的企业。
以相应权重,然后相加,得到z分值;（4）对所选的样本进由于外部评级机构与商业银行在评级对象上存在差别，行Ｚ值分析,得出衡量贷款风险度的Z值或值域用于衡它们各自面临的风险也存在差异，将评级机构的评级
量信贷风险。
Ａｌｔｍａｎl968年确立的分辨函数为：
信息应用于商业银行贷款企业的风险分析可能会遗漏Ｚ＝o.０1２×Xｌ＋o．０14ｘｘ2＋o.０33×Ｘ-
借款者特有的风险信息。
第二,这些评级机构对某些
D.0Ｄ６×Ｘ—D.9９９×墨
（1）
证券发行主体的信用降级是在其出现风险或经营困难
公式（１）中，X。
为流动资金／总资产,Ｘ：
为留存收益/
之后，这说明评级机构本身应用的评级信息和评级方总资产,x，为息前、税前收益，总资产，X。
为股权市值／总法也存在问题。
从评级信息方面分析,评级机构主要负债账面值，Ｘ，为销售收入／总资产。
利用市场的公开信息进行评级,与商业银行相比掌握临界值为2。
6７5，如果Z小于临界值,借款人被划入借款人的信息较少,这进一步影响了在信贷风险模型违约组。
反之划人正常组.当分值在１。
８１和2.9９之间中利用这些信息的效果.第三，外部评级机构的评级
时，Aｌtｍan发现判断失误较大,该重叠区域为灰色区域.
结果使用者众多。
评级方法大部分是公开的,因此在ZEＴＡ模型（ＡlｔｍａｎHaldｅｍaｎＮarａyａｍａn，1977）对原评级过程中有可能出现评级对象针对公开的评级方法始Ｚ模型进行了重大修正和提升，原来的五个指标变为采取粉饰评级材料提高评级等级的现象。
七个，模型的应用范围更广泛了，而且对贷款人的识别精度也明显提高。
二、构建国有商业银行的内部评级模型
以Ｚ模型和ＺＥＴA模型为代表的系列分析方法存
（一）构建国有商业银行内部评级模型的整体思路
在的主要问题是：
原始模型在没有和债券评级机构评级从国外同业的评级经验来看，对借款人的财务分析挂钩时，只能划分是否违约,而不能度量违约概率ｑ），因
是获得初始评级的关键，也是贷款风险评级方法的核心
此也不能指导定价等系列信用风险控制工作;模型依据
内容。
非财务因素的分析使用定性分析相对较多，凭借
的是财务比率.没有考虑宏观经济等因素的影响;模型信贷专家的经验进行主观判断较多。
本文研究的重点是
对未来发展的预测不够。
定量分析方法。
构建国有商业银行内部信用评级系统以２。
穆迪、标准一普尔外部评级方法.穆迪与标准一普国有商业银行贷款数据资料中的贷款企业财务指标为
尔均为国际性评级机构，包括信用风险度量术在内的当基础,通过主成分分析、因子分析和聚类分析，构建与贷
今信贷风险评估模型成果均要使用穆迪、标准一普尔的款违约率相联系的信用评级模型。
建模的具体步骤是：
证券评级方法作为应用基础。
（１）通过数理统计的方法从国有商业银行贷款历史数据穆迪公司评级业务类别主要包括:
长期债评级、短中挑选出能反映信贷风险水平的财务指标;（２）对这些
期债评级、共同基金评级、保险公司支付能力评级、优先股票评级、约方评级和主权评级。
在此仅以穆迪对工业①ｚ模型可以把z评分与债券评级机构的债券评级联系起来，企业的评级为例对国外权威机构的评级方法进行简要使人们可以通过债券评级及其历史数据来估计借款人的违约概率,测介绍.穆迪公司的企业信用分析结构包括八个方面的内
量信用风险。
金融i仑I云2００4年第４期
指标的历史数据进行主成分分析与因子分析，解决指标
反映信贷风险信息重叠与遗漏及各指标权重不能科学
务指标反映信用风险信息冗余而在模型中只选择少数重要财务指标,这样做带来的问题是由于忽略了一些指
标而使模型不能全面反映出借款人的信用风险信息，也
确定的问题；（3）对经过主成分分析的财务指标数据进
行聚类分析，并观察聚类分析后的贷款实际资产组违约
影响了模型的评级精度。
因子分析方法较好地解决了上述问题,应用因子分析方法时，不限制原始变量（指标）的个数，而产生的公共因子之间又互不相关。
第二.因子
分析方法能够保证内部信用评级模型中财务指标权重
概率，使评级与贷款违约率联系起来；（４）将实际贷款资
料数据代入评级系统进行检验，并将评级反映的违约概率与归入同一信用等级的贷款实际违约情况进行对比分析，以评判模型的有效性。
的科学性及合理性.使用因子分析方法建立的内部信用
评级模型,反映借款人信用风险的综合评价函数F是各综合因子ｙ。
y:
，……ym的线形组合，即:
ｊ１＿ｄJ×，，Ｊ+“2×弛+……+仅ｍ׉
（２）
按照上述步骤进行的贷款人信用评级与国内前期相关研究相比,采用了贷款数据资料进行分析，克服
了不少研究采用证券市场数据构建判别模型对贷款信
用风险准确性产生的不良影响；主成分分析和因子分析解决了以往研究中存在的指标反映信贷风险信息重叠与遗漏的问题,以及不能科学确定指标体系中各指标权重的问题；此外，与以往没有实现与贷款违约概率挂钩的评级研究成果相比，这种研究方法由于能够
预测贷款的违约率,因此可以更好地指导信贷定价等
公式
（2）中,仅；＝入压入（i—l,2,……ｍ）。
在线形组合中，
各综合因子的权数仅;不是人为确定的，而是根据综合因子的贡献率仪ｉ的大小确定的.即公共因子中包含的原始财务指标反映借款人信用风险信息越灵敏,其贡献率越大,权数也越大。
因此，在国有商业银行内部评级模型中运用因子分析方法就克服了以往评价方法中人为确定
控制信用风险的工作.与国外相关研究成果相比,上
述方法克服了Z模型和ZＥＴA模型只能对贷款是否违约进行区分。
难以预测贷款违约率的缺陷：
与一些评级机构主要是针对股票、债券进行的评级相比。
上述方法直接应用商业银行的贷款数据资料进行分析，方法的准确性将有所保证.
（二）构建国有商业银行内部评级系统方法介绍１.因子分析技术。
因子分析（ｆａｃtoｒａnaｌｖsis）是主成分分析的推广.在构建国有商业银行内部信用评级模
指标权数的缺陷,使得综合评价结果惟一且客观合理。
目前，以公共因子ｙｉ的方差贡献率０【ｉ作为权数，构造综合评价函数的方法被公认为较好的综合评价方法。
第三，因子分析方法能够保证在原始财务指标基础上产生的公共因子具有可比性。
在因子分析过程中，由于对各个指标进行了标准化处理，所以使各种不同度量的指标化成了同度量的指标，消除了原始数据数量级上的差
别，这就使得各个经济指标以及公共因子之间具有可比
性和可加性。
因子分析的步骤包括:
因子模型构建、因子载荷矩阵求解、因子旋转和因子得分的求解。
（1）因子模型构建。
因子模型的矩阵形式为：
型的过程中，利用因子分析技术，从反映借款人信用
风险的财务指标体系中提取不可测的公共因子。
并运用与主成分分析类似的科学赋权方法赋予公共因子科
学的权重,按照权重计算因子得分的综合评价值,以此综合评价值来反映借款人的信用风险。
对上述反映信用风险的因子综合评价值进行聚类分析。
按照样本聚类的结果计算信贷违约率,就可以使内部信用评级
模型与贷款违约率之间建立联系,以更好地指导风险计量与后续风险管理工作。
戈鲋×ｎ８
（３）
公式（3）中，x＝（x1，x２’……，x。
），F＝（Ｆ1，Ｆ2,……,Fｐ），￡=（8１,８２……8。
），Ａ为载荷矩阵.模型中Ｆ１,F２，……Ｆm为公共因子，它们是在各个原观测变量的表达式中均共同出现的因子，是相互独立的不可直接观测的变量。
￡，，8：
……￡，为特殊因子,是向量X的分量xi（i—１，2，……ｐ）所特有的因子，各特殊因子之间以及特殊因子与所有公共因子之间都是相互独立的。
模型中矩阵A包含的元素
在建立国有商业银行内部信用评级模型过程中使
用因子分析方法的原因在于：
第一，因子分析方法能够保
证财务指标在内部信用评级模型中充分全面而不冗余的反映企业信用风险信息。
以往部分研究成果中有两种倾向影响了评级模型的准确性:
一种是片面追求指标从各方面全面反映借款企业的信用风险信息，没有注意到
这些财务指标之间存在较强的相关性，在不做数学处理的情况下简单将这些财务指标引入评级模型，指标间相
Ａ；ｉ为因子载荷,A“的绝对值越大，表明xｉ与Fｉ的相依程度越大，或称公共因子Ｆ{对于ｘ;的载荷量大。
（２）因子载荷矩阵的求解。
主成分方法是因子载荷矩阵求解的主要方法。
入，≥入：
≥……≥入。
为样本相关矩阵Ｒ的特征根，ｅ，，e:
，……ｅ.为对应的标准正交化特征向量.m〈p,因子载荷矩阵A＝Aiｊ见公式（4）：
关性严重，反映风险信息大量冗余,指标体系缺乏科学
权重,造成评级结果不准确;另一种做法是为了避免财
Ａ=（、/AＪ×ｅ６、/Ａ2×ｅ玉……，、/Ａ。
×e。
）
（４）
（３）因子旋转。
在进行因子分析时,可能出现因子的
肖北溟：
国有商业银行信贷评级模型的构建及实证检验
经济含义不十分明确的问题,解决这一问题的方法是进行因子旋转。
由线形代数可知，～个正交变换对应坐标系的旋转。
而且主因子的任一解均可由上述已求得的A经过旋转而得.经过旋转后，公共因子对ｘi的贡献hi2并不改变,但公共因子本身可能发生变化，即ｇi2与原来不同，从而得到经济含义令人比较满意的公共因子。
（4）因子得分。
统计模型将公共因子F用变量的线形组合表示，以各因子方差贡献率占因子总方差贡献率
作为分析研究的对象;第二次随机抽取的样本中有６０
个样本财务数据资料齐全。
可以作为检验模型样本.这８1个和60个随机样本的不良贷款率都与该国有商业银
行的整体不良贷款率接近,因此检验样本具有广泛的代
表性,可以用这些样本检验模型的准确性和稳定性。
１．财务指标值的有效性检验。
按照全面、有效和可操作的原则,模型将选择资产负债率、流动比率、总债务／ＥＢＩTDＡ、净资产收益率、销售（营业）利润率、总资产周转率、流动资产周转率、销售（营业）增长率和资本积累率等指标进行贷款企业的信用分析。
为进一步保证构建内部信用评级模型的科学性和
的比重作为权重进行加权汇总，计算出综合得分。
在进
行信用评级的过程中，从众多反映风险信息财务指标中
计算出包含充分指标信息的公共因子，这些公共因子比
原始财务指标具有更优的统计特征。
运用科学的线形公共因子组合值即因子得分作为反映信用风险的变量。
运用上述思路构建的国有商业银行内部信用评级模型较好的解决了评级指标选择与指标权重确定问题。
２．聚类分析方法。
为了克服定性分类的不足，我们在国有商业银行内部评级模型的构建工作中引入了聚类分析。
通过聚类分析,可将具有相似信用风险水平的借款企业划分为同类,并从同类样本的实际情况得到该类风险水平的违约概率，最终将经过因子分析得到的风险指标与违约概率挂钩,实现准确明了的度量信用风险的目标。
聚类分析的基本思想是认为研究的变量之间存在着程度不同的相似性。
找出能够度量变量之间相似程度的统计量并以此为依据,关系密切的聚合到一个小的分类单位,关系疏远的聚合到一个大的分类单位,直到把所有样本或变量都聚合完毕，形成一个由小到大的分类系统。
上述系统聚类方法的具体步骤包括:
计算ｎ个样本两两之间的距离ｄ“构造ｎ个类,每个类只包含一个样本;合并距离最近的两类为一类;计算新类与当前各类的距离。
若类的个数达到要求则聚类结束,否则回到步骤三。
聚类分析依据的样本、类间距离计算方法有:
最短距离法，用两类中距离最短的样本距离作为聚类的依据；最长距离法，用两类中距离最长的样本距离作为聚类的依据；重心法，类与类之间的距离用重心（样本的均值）之间的距离来代表;类平均法,以两类元素之间的平均平方距离作为类与类之间的距离。
准确性，需要对财务指标反映借款人信用风险的灵敏
度，即模型使用财务指标的有效性进行检验。
检验分两步进行：
（１）从建模样本中选取资产质量较好的样本
和违约样本，用数理统计方法检验两组样本中的各个
财务指标是否存在着显著性差异。
如果存在显著性差异，则指标的有效性较好。
这方面的检验相当于从必要性的角度检验了财务指标反映借款企业信用风险的有效性。
（２）按照每个财务指标从优到劣的顺序对建模样本进行排序，对比分析前２０名的样本与最后２0名的样本在违约率上是否存在显著性差异。
、这方面的检验相当于从充分性的角度检验了财务指标反映借款企业信用风险的有效性。
我们用两独立样本的曼一惠特尼U检验（Ｍanｎ—
ＷhｉtneｙU）、两独立样本游程检验（Ｗald—ＷolfｗｉｔｚRuｎｓ）
以及两独立样本极端反映检验（Moses
ＥｘｔrｅｍeＲｅac—
ｔｉonｓ）,从必要性方面对国有商业银行内部信用评级模型中使用的九项财务指标进行反映借款人信用风险有效性的检验,结果是九项财务指标全部通过了三种方法的检验。
表明来自优良贷款组样本的九项财务指标与来
自违约贷款组样本的财务指标存在显著性差异，这些财务指标能够有效反映借款企业的信用风险信息.
按照每个财务指标从优到劣的顺序对建模样本进
行排序，对比分析前加名的样本与最后2０名的样本在违约率方面的差别，结果表明九项财务指标的变化均能
对借款企业的信用风险产生比较明显的影响。
适合作为
国有商业银行内部信用评级模型的参数变量。
２．通过因子分析产生借款企业信用风险综合评价
值.样本指标的ＫＭＯ指标为０．７７8，属于适合进行因子分析的范围，巴特利特球度检验的Chi-Sｑuａｒe统计值为
三、国有商业银行内部评级模型实证分析
本文利用某国有商业银行的贷款数据资料进行内
部评级模型的实证分析，建模的贷款数据资料从某银行
的信息系统中随机抽取，在研究中我们先随机抽取了
８７6。
6９，相伴概率为0．０00,若以０.0５为显著性水平,则
相伴概率小于显著性水平,即在９５％的置信度水平下,可以做出适合进行因子分析的判断。
１００个贷款企业的资料作为建模样本，然后又随机抽取
了1００个贷款企业的资料作为模型检验样本。
第一次随机抽取的样本中有８1个样本财务数据资料齐全,可以
根据以上的财务指标相关矩阵，SＰＳＳ软件得到的因
子特征根以及贡献率和累计贡献率见表１：
灞
金融i仑1云２００４年第4期
表1
因子特征根以及贡献率和累计贡献率（%）公共罐子
特征裉,：
4．48３１．81９Ｏ．9６７O．７７３O.558Ｏ。
２６7Ｏ.10６
Ｏ。
0２ｌ0.００５
险信息，可以称其为流动性因子,即从借款人流动性的角度反映信用风险信息。
上述四个公共因子之间的相关
性较小，不存在反映信用风险信息冗余的问题，各自从赢利能力、发展能力、经营能力、债务负担和流动性方面全面反映借款人信用风险。
因子模型建立起来以后.应当反过来考察每一个样本，在因子载荷矩阵的基础上进行数学运算，将公共因子表示为原始变量值的线形组合,以公共因子的贡献率为权重，得到因子综合评分．反映借款人的信用风险水平，并以综合评分作为下一步聚类分析的对象，使模型
４９.８１4７0。
０2３80．7７０89．３5695．5５７9８.529９9．７ｌl９９.9４５
1０0．00０
舞献率j＿∥是计贾敲搴
４9．8142０．209
１０.74７
公蓑鼹子ｌ公共医予2公共因予3公共因予４+公共因子５公共溺予6公共辫子7公共鼹予8公共鼹子9
８．５８６
６．20l
２．97２1．１8３
Ｏ。
2３4Ｏ．0５５
中借款人的信用风险水平、因子综合得分与贷款违约率
之间最终建立一定的联系。
ＳPＳＳ有自动计算因子得分矩阵的功能，根据因子得分矩阵，国有商业银行内部信用评级模型包括的公式为：
选择公共因子数量的一般标准是，模型中的公共因子累计反映８０％或85％以上原始指标、变量包含的信息即累计贡献率达到80％或8５%以上，就属于比较理想的
模型。
我们根据样本数据建模时,选择了前四个公共因
子.为得到经济意义更明确的公共因子。
我们对因子载荷矩阵进行旋转，得到新的因子载荷矩阵,经过正交旋转后。
虽然每个公共因子对模型综合评价的贡献率不改
公共因子１得分=（一0．2４５×资产负债率倒数值）+（一０。
１２6×流动比率指标值）＋0．１３7×ＥBITＤA／总债务值＋
0．257×净资产收益率指标值+０．62３×销售利润率指标值＋
（一0．113×总资产周转率指标值）+（一０．１2４×流动资产周转
率指标值）+０.1７9×销售增长率指标值＋O．1５1×资本积累率指标值
公共因子２得分=（一0。
1１7×资产负债率倒数值）＋
变。
但各个公共因子和内部信用评级模型的经济意义变
得更明确。
样本旋转后得因子载荷矩阵见表２:
表2旋转后得因子载荷矩阵（％１
、ｉ
.繁恭曝零簦罐瓣壤警2公共尊雾》，餐黪礴予4
O.０５５如．0８ｌO．6６9Ｏ．6３4O．９llO．1ｌＯｏ。
１３4Ｏ.７08ｏ.６８6
—0.１10~０.1２９
o．３69
０。
00９×流动比率指标值＋０．０５1×ＥBＩTDＡ／总债务值+Ｏ.007x净资产收益率指标值+（一0．2３6x销售利润率指标值）＋0．510×总资产周转率指标值+0。
4６３×流动资产周转率指标值＋0。
０４4ｘ销售增长率指标值+0.０４６×资本积累率
指标值
资产负馈攀倒载
7。
.、|～
Ｏ。
９42Ｏ．16３
Ｏ．５73
O。
124O．92４
O。
2２ｌ
流动比率
ＥBｒ国彬总债务
浮资产瞧盎率销售糕漓拳…苍资彦爝转率,潦馥辫旁璃瓣攀辅侮增繁攀：
j资零爨纂攀ｊ
0．1８２０.1１8０．４18＿ｏ．１１３Ｏ.０２８
一0。
06１—ｍ0５2o．９s５-Ｄ－０７６ｏ-９３７０1３７5o．３66
ｏ．王19ｏ。
５34o．5６３
公共因子3得分＝0．７５４×资产负债率倒数值＋
（一0。
147×流动比率指标值）+0.１９9×EＢＩＴDA/总债务值＋
加．1４３
Ｏ．１７８Ｏ．2１７
（一０．２２２×净资产收益率指标值）＋（一Ｏ．２80×销售利润率指
标值）+（一０.１６6×总资产周转率指
升级会员 