风险系数范文（精选8篇）
风险系数 第1篇
上海食药局许老师等[3]曾用咨询专家获得系数权重后结合中毒事件及合格率的方法对食品的安全情况评估构建了模型, 并进行了评估。较之简单以合格率评判食品安全的方法, 该法确实更为准确、全面。但因各个专家的研究方向和对食品安全的认识不径相同, 所以给出结果的客观性和科学性往往会受到影响。对于有些不易中毒但长期危害巨大, 如致癌、造成人体慢性损害的物质其风险存在低估的可能。
FAO/WHO[4]曾提出使用IFS法对食品安全风险进行评估, 但是该法由于Fi为估计摄入量, 在使用时大部分为主观估计, 使其准确度受到了制约。
某种 (或某几种) 产品中a成分对于人群的风险可以分为整体风险和随机风险, 整体风险 (T) 参照IFS法进行评价:
M:某产品t时间段内在该地区的总销量;
:物质a在被检出产品中的平均含量;
r:检出率 (非法添加物或污染物可以为不合格率) ;
p:该地区总人口数;
A:该类物质的最大允许摄入量ADI;
60:人平均体重以60kg计;
t:统计的时间段;
Ei:可食用部分因子一般为1;
Pi:加工处理因子一般为1。
较之IFS此公式由 替代了Fi, 对于群体风险的评估更为准确。通过对该项指标的分析可以初步了解人群对于某种 (有害) 物质的总体暴露 (摄入) 情况。通过对DBP、苯甲酸、SO2的半年T值计算结果见表1。
随机风险 (R) 以不合格率进行评价:
i:t时间段内的产品不合格率;
s:检验 (抽检) 数量带来的风险;
pa:常规包装的单个包装所含样品量, 一般取500g;
tn:t时间段内产品的检验 (抽检) 数量。
由于有害成分a并非平均存在于每个产品中, 对于非特定人群危害一般来自不合格产品, 因此通过不合格率评价其风险, 因不合格率是一个小于1的值, 为便于运算采用 (1+i) 评估其风险。
为评价检验样品数量带来的风险引入s, 通过比较市场中需检总产品量与实际检验量的比值评价该项内容。
对DBP、苯甲酸、SO2的半年统计R、s值见表1。
为了更好的监控食品安全的变化及趋势引入了变化分析值V:t较t前一段时间的统计比较, 若无显著差异 (P>0.05) 则V=0, 若有显著增加 (P<0.05) 则V=0.2, 若有极显著增加 (P<0.01) 则V=0.4, 若有显著减小 (P<0.05) 则V=-0.2。
对DBP、苯甲酸、SO2的半年较之于前一个半年统计V值见表1。
食品成分风险系数 (Frc) :
k:系数1000
对DBP、苯甲酸、SO2的半年统计Frc值见表1。
该系数可以从人群整体暴露水平、随机风险、发展趋势三个角度对食品中的添加剂、非法添加物和污染物的风险水平进行整体评估, T、M、V又可分别独立计算从而分别进行分析从而了解风险的主要来源。
参考文献
[1]周乃元, 潘家荣, 汪明.食品安全评综合估数学模型的研究[J].中国食品卫生杂志, 2009, 21 (3) :198-203.
[2]何川, 刘功智, 任智刚.国外灾害风险评估模型对比分析[J].中国安全生产科学技术, 2010, 6 (5) :148-153.
[3]许瑾, 颜敏, 朱晶, 等.食品安全模型的建立及初步验证[J].中国卫生资源, 2008, 11 (3) :125-134.
风险系数 第2篇
（一）研究背景在全球经济一体化的今天，跨国公司已经在世界经济舞台上扮演了一个非常重要的角色，它们的活动对世界经济有着举足轻重的影响。
统计数据证明了上述观点，据联合国2002年度世界投资情况报告統计，截止2002年跨国公司的总数已经超过了6.5万家，拥有85万家国外分支机构。跨国公司的数量比1990年的3.5万家几乎翻了一倍。2002年，这些公司的销售额大约是19万亿美元，是2001年全球出口额的两倍多。跨国公司的分支机构目前分别占全球国内生产总值（GDP）的1/10和全球出口量的1 / 30。
与此同时，中国的跨国公司也得到了快速发展。在美国《财富》杂志评选的2005年世界500强中，中国内地有15家企业入选；在联合国贸发会议发表的《2005世界投资报告》所选出的2005年发展中国家最大的50家跨国公司中，中国内地有5家企业入选。这些相关资料显示，我国也已经拥有了一批在国际上具有一定实力和影响力的跨国公司。随着世界及中国跨国公司的迅猛发展，与跨国公司相关的理论与实践的探讨日趋重要。
融资作为企业财务管理中的重要一环，对企业的经营和发展起着至关重要的作用。跨国公司由于其面临的是国际市场和日益复杂的竞争环境，因此与国内企业相比，其融资问题更复杂，也面临着更多的风险，其融资风险的管理也更值得研究和探讨。目前对融资风险的管理研究基本上都是融入在企业财务风险当中进行研究的，融资风险作为独立的一个问题来研究并不多见。因此，有必要将融资风险及其预警管理作为一个专门的问题来研究。
（二）财务风险预警系统研究回顾所谓预警，就是提前报警的意思。预警管理是对管理失误、管理波动、管理逆境等进行监测、识别、论断、评价和预控的一系列工作，它是以企业经营活动中的逆境现象为研究背景，从而达到研究逆境现象的本质特征、成因背景、发展规律，构建企业预警管理机制的目的。
风险预警是对风险危机进行管理的产物。财务风险预警是风险预警的一个方面。纵观对财务风险预警的研究，国外比国内早得多。
从静态研究来看，比较早的是Fitzpatrick （1932）开展的财务风险预警研究，他以19家公司为样本，运用单个财务比率将样本分为破产和非破产组， 得出判别指标为净利润/股东权益和股东权益/负债。
Beaver（1966）以79家公司的样本运用单变量风险预警分析方法建立了财务危机预警模型，发现使用现金流量/总负债来预测企业失败的效果最好、净利润/总资产次之。
国内学者陈静（1999）以截止1998年年底的27家ST公司与同行业、同规模的非ST公司为样本研究发现资产负债率、流动比率、总资产收益率四项财务指标的预测能力较强。
比较典型的多元线性函数模型是美国纽约大学Altman教授于1968年创立的，他运用五项财务指标，建立了著名的Z Score模型，通过进行加权汇总后的判别值即Z值预测企业的财务风险。根据不同的指标可以评估不同的风险。
接下来，Haldema和Narayanan（1977），Collins（1980）也采用类似的方法进行了研究。国内的多元线性判定的研究相对较多，其中有代表性的有张玲（2000）、高培业、张道奎（2000）等学者的研究。
关于动态实证研究，国外开始得比较早，发表的研究成果较多也比较成熟，而在国内从事动态研究的几乎没有。国外的动态预警研究主要有四类：包括Baumol（1952）、Tobin（1958）的现金存量管理模型；Friedman（1959）、Nadiri（1969）、Coates（1976）的产品现金管理模型；Meltzer（1963）、Whalen（1965）、Alessi（1966）的财富现金管理模型以及Suvas（1994）的联合模型。前三类都是从现金角度进行分析，分别选取了不同的持有现金的动因；而联合模型通过模拟企业动作过程，动态描述企业的行为特征和财务特征，进而对企业样本进行分类。
二、跨国公司融资风险界定及构成
（一）融资风险界定关于风险，最早在1901年由美国学者威雷特博士提出了风险的第一个定义，他认为风险是关于不愿发生的不确定性之客观体现。之后，1921年美国经济学者奈特，1964年美国学者威廉和汉斯，1983年日本学者武井勋均对风险作了进一步的探讨，风险也基本上被大家认同。
财务风险有广义和狭义两种概念。广义的财务风险是指企业在经营过程中存在于财务方面的风险，包括融资风险、投资风险、资金回收风险和收益分配风险等。狭义的财务风险是由企业负债引起的，具体说就是指企业因借入资金而产生的丧失偿债能力的可能性。
融资风险是指由于融资决策不当而给企业带来的不利影响，给所有者带来损失，甚至破产。融资风险是财务风险的一个方面，狭义的财务风险也就是融资风险。
（二）跨国公司融资风险构成跨国公司作为企业，其所面临的融资风险与一般企业有共同之处。然而，如前所述，由于其面临着国际市场以及复杂的竞争环境，其融资渠道及方式较之非跨国公司呈现出多样性，故其也面临着更复杂的融资风险。本文认为，根据风险产生的主要原因不同，可以将跨国公司融资风险分为内部风险和外部风险。
（1）内部风险。内部风险指的是不受外部环境影响，由于企业的内在因素的复杂性导致的融资风险。影响跨国公司融资风险的内因是多方面的。首要因素是跨国公司本身融资战略制定过程中选择的融资结构。企业的融资结构包括融入资金在期限上的安排以及不同融资方式所占的比重两个方面的含义。由于债务资金与权益资本在企业中承担的责任不同，因而其相应的融资风险也不同；长短期资本面临的风险也不相同。相应的不同的融资结构存在着不同的风险结构并最终形成企业融资的总风险。
理论上，融资结构对融资风险的影响，表现为风险较大的融资方式比重增加或减少而引起的整个融资风险的增大或趋弱；融资结构与资产结构的配比方式不同同样会影响企业的融资风险。信息不对称亦是融资风险形成的内因之一。
在跨国公司资金融通的过程中，融出资金的银行等金融机构及投资者和融资企业之间存在委托—代理关系。融资企业作为融资活动的代理方对所融通资金的实际投向、使用效益、投资风险以及偿还概率等信息都比较了解，而资金的供给者作为融资活动的委托方对这些信息的了解则处于相对弱势，也就是说在资金融通活动中，融资双方存在着信息不对称问题。跨国公司业务范围广，所需资金多，在融资过程中和银行以及其他债权人之间存在着信息不对称问题，在双方的利益协调过程中就会有风险。
需要指出的是，企业即使不走出国门，融资的内部风险也是随时存在的；企业参与跨国竞争后，会赋予这种风险新的内容和涵义，与国内企业的内部风险在识别、评估和管理上有很大的不同。
（2）外部风险。外部风险指的是由于企业面临的融资环境的特殊性造成的政治风险、利率风险和外汇风险，这是研究跨国公司融资风险管理中需要重点关注的风险。
政治风险是指东道国或其他国家政府的政治、经济政策的变化对跨国经营企业造成不利影响。
由于资本具有时间价值，利率的上下浮动会给企业资金的运用形成不同程度的影响，这种由于利率变动直接或间接带来的收益的不确定性就是利率风险。
基于相异风险规避系数的资产定价 第3篇
资产定价问题一直都是金融经济学的核心问题之一, 面对全球金融危机的影响, 各国股市都严重下挫, 特别是中国的股市, 所以研究风险资产的定价问题显得尤为重要, 它可以指导投资者理性投资。传统的资产定价理论通常假定投资者是同质的, 即投资者在诸多方面是完全相同的。但在实际中, 投资者的异质性往往对资产价格产生很大的影响。所以传统的资产定价模型过于简单和理想化, 针对以上弊端, 有很多金融学家对其提出了修正模型。主要有四个方面内容:第一, 异质约束下的定价问题。Campbell and Mankiw (1989) 用美国数据发现消费增长中可预测的变量与收入中可预测的变量相关, 表明受约束的投资者可能在经济中扮演一个很重要的角色。第二, 异质收入下的定价问题。Constabtinides, Donadson and Meher (2001) 把人的一生分为三个时期:青年、中年和老年, 这三个时期的投资者具有不同的收入, 进而影响资产定价。第三, 异质偏好下的定价问题。最早对异质偏好进行研究的是Dumas (1989) , 他考虑的是生产模型, 其中存在两个投资者, 他们具有相同的时间偏好和相对厌恶偏好, 但相对风险厌恶系数不同, 在该假定下, Dumas最终没有得出资产定价的显示解。王江 (1996) 在此基础上进行分析, 他假定纯交换经济中有两类投资者, 他们具有跨时可加, 状态独立和CCRA的效用函数, 不同的是风险厌恶系数, 在以上假定下得到均衡条件下的债券和到期受益率的显示解。第四, 异质信念下的定价问题。国内研究者如朱宝军、吴冲锋 (2005) 、熊和平、柳庆原 (2008) 、熊和平 (2005) 分别从投资者对风险资产的预期不同、风险偏好不同以及消费习惯不同的角度研究投资者的最优消费和投资决策。
在上述学者关于不完美的市场假定下的研究基础上, 采用基于相异的风险规避系数对资产定价的影响, 本文主要研究由于市场上的资金充足者和资金缺乏者对风险的偏好不同, 即风险规避系数不同, 对资产价格的影响。
二、模型的假设
设定模型一些假定条件
假设1.市场中有两类投资者:资金充足者和资金缺乏者, 资金充足者除了投资风险性资产外, 还可以投资于无风险资产, 而资金缺乏者只能从银行或金融机构进行借贷, 才能进行风险投资, 其中借贷利率都为R。
假设2.假定投资活动只有两期, 无消费问题, 投资者在0期进行投资以追求1期的财富效用最大化。
假设3.两类投资者具有相同的预期, 但风险偏好不同, 以风险规避的不同来表示资金充足者和资金缺乏者的风险偏好程度。
假设4.投资者都为风险规避者, 其效用函数 (Shiller 1981) 假定为undefined
其中undefined为投资者最终财富的期望值;σundefined为最终财富的方差;γ为风险规避系数 (本文设定γ不等于0) 。资金充足者和资金缺乏者的风险系数分别为γS和γD。
假设5.资金充足者占全部投资者的比例为α, 资金缺乏者的比例为1-α。
假设6.市场上只存在一项风险资产和一项无风险资产, 风险资产总供给为一个单位。风险资产期末会有股利发放, 但其发放数量服从随机分布, 其均值为D*, 方差为σundefined。
假设7.信息是完全的, 投资者对期末资产价格的预期相同, 它均值undefined, 方差为σundefined= (PR) 2。
三、模型的建立和分析
1.投资者的决策
(1) 资金充足者的决策问题。假设资金充足者的期末财富的期望值和方差分别为:
undefined
其中AS表示为资金充足者的初时财富, 在期初购买XS单位的风险资产, 剩下的资金AS-XSP存入金融机构或银行, 无风险利率为R, undefined为期末的风险资产价格。现有信息中不包含未来的股利信息, 所以资产价格和股利的支付相互独立。所以资金充足者的效用最大化为:undefined
将上式对XS偏微分, 令偏导为0, 可以得到资金充足者对风险资产的需求为:
undefined
(2) 资金短缺者的决策问题。与资金充足者类似, 资金短缺者的期末财富的期望值和方差分别为:
undefined
其中AD为资金短缺者的期初财富, 其购买XD单位的风险资产, 故资金短缺者需要融资额为XDP-AD。
资金短缺者的期末效用最大化为:undefined
同样, 将上式对XD求微分, 令偏导为0, 可以得到资金短缺者对风险资产的需求量为:
undefined
比较式 (3) 和式 (4) 可知, 两种投资者因为对风险的规避系数不同而导致对风险资产的需求量有差异。
2.资产价格的均衡解
为了满足市场出清的条件, 市场上风险资产的需求量必须等于供给量, 而假设中风险资产的供给量为1, 因此有αXS+ (1-α) XD=1 (5)
将式 (3) 和式 (4) 代入式 (5) 中可以得到资产价格的均衡解P。
undefined
得出:undefined
从上式的计算结果可以看出, 资产的均衡价格与变量γD和γS有关, 由于投资者对风险偏好的程度不同, 会导致风险资产价格的波动。另外, 资产价格还与无风险利率和红利的发放情况有关。
3.数值模拟
为了更好地描述资产价格与投资者的不同风险规避系数的关系, 用数值模拟的方法分析, 令:α=0.4, D*=5, σundefined=0.2, R=0.05, 以γD=γS=1为标准, 算出P标准=30.3315, 用P与本文选取的标准P标准之间的偏离程度VP来表示价格的变化程度, 即undefined, 将它们代入 式 (6) 中, 可求出P, VP与γD和γS的关系如表1所示。
据计算公式形式, 假设γS只取-1和1, γD有规律的变化, 但它们不相等, 否则就不是相异了。从计算结果可看出, 当γD和γS同为正数或负数时表明他们之间的风险规避系数相差较小, 资产价格变化也较小;而两者正负相反时, 表明他们之间的风险规避系数相差比较大, 资产价格变化也较大。所以, 投资者对风险资产的规避系数的不同可以导致资产价格的波动。
三、结论
从模型的建立和计算的结果中, 可看出, 市场上的两类投资者, 由于他们对风险的偏好不同即规避系数不同导致市场上的风险资产的价格不同。
我国散户在证券市场中占有绝大多数, 他们是资金缺乏者, 他们由于受知识结构限制以及对证券市场的不理性预期, 导致他们的风险规避系数变化比较大, 并造成证券市场价格的波动较大。针对该情况, 国家可以加大证券市场监管, 加强基金管理, 使散户能够把资金投入到基金公司, 从而减少市场上散户投资者所占的比例, 可以减少证券价格的波动。
在对资产进行定价时, 应该考虑到投资者对该项风险资产的规避程度, 从而制定合理的价格。对于资金充足者的风险规避系数, 可参考大型基金公司的风险规避程度, 对于资金缺乏者的风险规避系数, 可通过调查得出。从上述结果可以看出, 不同投资者的风险规避相差程度是影响资产价格波动的一个重要原因。另外, 从价格公式可以看出, 价格与无风险利率, 红利发放的均值和方差、市场资金充足者和资金缺乏者的组成成份有关。所以制定风险资产的价格需要考虑多方面的影响因素。
对于单个投资者来说, 应充分分析自己的风险偏好程度, 掌握充分的投资信息, 包括市场投资者的组成情况、机构投资者的风险偏好、政府宏观政策以及公司的红利政策等, 利用信息来寻找套利机会, 实现期末效用最大化。
摘要：传统的资产定价理论通常假定投资者是同质的, 即投资者在诸多方面是完全相同的。但在实际中, 投资者的异质性往往对资产价格产生很大的影响。政府相关部门在对资产进行定价时, 应考虑投资者对该项风险资产的规避, 制定合理的定价, 使资金充足者与资金缺乏者都能实现利润最大化。
关键词：异质性,风险规避系数,资产定价
参考文献
[1]Campbell, John Y2000.Asset Pricing at the Millen-nium.Joural of Finance, 55, pp1511-1567.
[2]朱宝军, 吴冲锋.异质投资者与资产定价:一个新的资本资产定价模型[J].数量经济技术经济研究, 2005 (6) .
风险系数 第4篇
在对股票非预期收益的研究中,最早起始于Ball和Brown(1968)的研究,将股票非预期收益与公司非预期会计收益进行回归,用来检验会计收益的价值相关性。Chambers和Freeman(2005)提出了反映与非预期会计收益相关的风险度量模型。本文基于宿成建(2012a,b)提出的股票非预期收益定价模型框架来检验总风险、系统风险对会计收益反映系数及分析师盈余预测修正系数的风险效应。
二、实证检验
(一)会计收益反映系数的风险效应
在分析风险与ERC的关系中,模型的设置尤为重要。根据前面的理论和实证分析发现,宿成建(2012a,b)提出的三因素模型是一个可以精确解释股票非预期收益的正确模型,那么,是否可以参考Ch amber s等(2005)的框架,将总风险加入到因素模型中,来考察总风险对ERC的影响呢?也就是通过如下模型,来考察γ1+δ1总风险对ERC的影响,或者说高风险公司具有高的δ1值。即有如下回归方程:
由于γ1+δ1包含了ERC(γ1)和总风险(δ1)的总效应,用以上模型来刻画总风险对ERC的影响不能直接看出总风险对ER C的关系,并且,总风险还不能作为独立变量来解释股票非预期收益。表1所报告的结果显示,总风险变量为内生变量,因此将总风险变量作为控制变量加入多元回归方程来研究总风险与ERC的关系所得出的结论将不具备稳健性。此外,根据前文分析,由于TRUE和SRUE分别是非预期会计收益(UE)与总风险和系统风险的乘积,因而,UE与SRUE与TRUE就存在无法避免的多重共线性问题。本文采用宿成建(2012)提出的股票非预期收益定价模型框架来检验会计收益反应系数、分析师盈余预测修/正系数的风险效应。通过以上的分析,将检验如下假设:
假设1:ERC随着总风险增加而增加;假设2:高总风险公司对证券分析师预期的会计收益增长信息存在风险补偿效应;假设3:ER C随着系统风险增加而减少;假设4:高系统风险公司对证券分析师预期的会计收益增长信息存在风险补偿效应。
表2报告了使用标准Fama和French(1973)方法得出的时间序列横截面回归模型估计系数。Panel A和Panel B分别报告了市场风险溢价在3%和5%条件下的股票非预期收益的回归模型估计结果。被解释变量的样本区间是从2004年4月至2011年3月,作为解释变量的贝塔则起始于2002年1月。表6 Panel A所示,高总风险组合股票的ERC是2.217,T值8.154;低总风险组合的ERC是1.285,T值5.259。因此,高风险组合股票的ER C与低风险组合的ER C之差是0.932,说明股票高总风险越高具有更高的ER C,假设1得到验证。这个结果与Ch amber s等(2005)的预测一致。然而,无论是高风险组合股票还是低风险组合,反映证券分析师预期的会计收益增长信息的分析师盈余预测修正变量的估计系数却没有显著差异,说明股票价格对证券分析师预期的会计收益增长信息不存在总风险补偿效应。因而,假设2没有得到验证。
表2Panel B所示,高系统风险组合股票的ERC和REERC估计系数均分别显著大于低系统风险组合股票的ERC和REERC的估计系数,并且估计系数是经济意义和统计意义上是显著的,说明ERC随着系统风险增加而增加,并且,对于高系统风险公司,证券价格对证券分析师预期的会计收益增长信息存在系统风险补偿效应。假设3和假设4得到验证。假设3的结果与Cready,Hurtt,和Seida(2000)的预测一致,与Collins和Koth ari(1989,p167)报告的ERC与贝塔呈负相关则相反。本模型的预测与现有金融理论相吻合,即高风险需要高收益进行补偿,意味着相对高的ERC(或REERC)反映系数效应。
三、结论
本文检验了总风险、系统风险对会计收益反映系数及分析师盈余预测修正系数的风险效应并发现:第一具有高总风险的股票具有更高的ERC;第二股票价格对证券分析师预期的会计收益增长信息不存在总风险补偿效应;第三ERC随着系统风险增加而增加,并且,对于高系统风险公司,证券价格对证券分析师预期的会计收益增长信息存在系统风险补偿效应。
摘要：在宿成建(2012a,b)三因素模型框架下来进行实证检验并发现:(1)具有高总风险的股票具有更高的ERC;(2)股票价格对证券分析师预期的会计收益增长信息不存在总风险补偿效应;(3)ERC随着系统风险增加而增加,并且,对于高系统风险的公司,证券价格对证券分析师预期的会计收益增长信息存在系统风险补偿效应。
关键词：股票非预期收益,总风险,非预期会计收益,会计收益预测修正
参考文献
[1]宿成建.2012a:《非预期股票收益理论与实证研究—基于中国股票市场的检验》,2012CICF中国金融国际年会论文,《投资研究》,2014,33(7):126-143.
[2]宿成建.2012b:《股票非预期收益定价的三因素模型研究—基于中国股票市场的检验》,2012第十届金融系统工程与风险管理年会优秀论文,《系统工程理论与实践》,2014,34(3):600-612.
风险系数 第5篇
关键词：上市公司,信用风险,信用风险评价体系,变异系数
1 引言
信用风险是指借款人、证券发行人或交易对方因某些原因不愿或无力履行合同条件而构成违约,致使银行、投资者或交易对方遭受损失的可能性,因此信用风险又称违约风险。上市公司的信用风险,表现为上市公司在与其他组织、个人交易以及为维持或扩大经营而从银行贷款、向其他企业借债和发行证券融资过程中存在的拖欠账款、不还债和圈钱等失信行为[1,2,3,4]。
无论是在市场经济高度发达的国家,还是像我国这样不太发达的国家,上市公司的信用风险时常发生,比如安然会计丑闻、世界通信丑闻、银广厦事件、成都红光事件等。因此对上市公司的信用风险评价非常重要,一方面可以为商业银行的企业贷款决策提供重要依据,有利于商业银行对企业贷款风险进行控制。另一方面,对企业的信用风险评价还有利于提高商业银行的盈利能力和竞争力。
关于企业信用风险评价指标体系的代表性的研究有美国的标普(S&P)和穆迪(Moody's),这两家大型国际银行的信用评价体系包括流动比率、速动比率和资产报酬率等反映企业真实清偿能力的重要财务指标[1]。美国花旗银行在对贷款企业信用评价时选用借款人品质、管理能力、经营能力、财务状况担保等方面构建综合评价体系[2]。邓白氏(D&B)建立了包含地理信息、财务信息、付款信息、公众记录等反映经营状况、财务状况和还款意愿的中小企业信用评价指标体系[1]。日本八千代银行建立的企业信用评价体系中包括流动比率、总资产报酬率等财务指标和反映贷款企业管理能力等信息的非财务指标[3]。
除了典型机构的研究,很多学者也对企业信用风险评价指标体系进行了研究,Jose A.G.Baptista等人(2006)应用多元回归分析了小额贷款风险的影响因素[4]。James Copestake(2007)对金融机构的问卷调查研究得到贷款人健康状况、贷款人年龄等都是小额贷款风险的影响因素[5]。Valentina Hartarska和Denis Nadolnyak(2007)应用面板数据分析方法研究了世界银行1998—2002在全球各国发放小额贷款的风险情况,提出了影响小额贷款风险的主要因素[6]。S.Jha和K.S.Bawa(2007)研究了印度小额贷款的案例确定小额贷款风险的影响因素[7]。Rubana Mahjabeen(2008)通过分析孟加拉国发放小额贷款的风险情况找出影响小额贷款风险的因素[8]。
对于企业信用风险评价方法研究有日本八千代银行针对小企业开发的SOHO模型对贷款者的流动性等10个方面进行评价,将10个方面得分的平均值和平均值的方差确定贷款者的信用状态[3]。帝国数据银行(TDB)通过调查员的经验和对客户的访谈方式对客户的打分,得出企业的信用评分[3]。Altman(1994)使用多元线性判别分析得到的Z-score模型[9]。Ohlson(1980)则利用假设条件相对宽松的Logistic建立预测模型[10]。瑞士信贷第一波士顿银行(CSFB)1996年开发的Credit Risk+模型[11]。KMV公司1997年开发的KMV模型等。KMV模型应用期权定价理论,根据上市公司股票价值及股价收益波动率计算公司资产价值及资产收益波动率,通过公司资产价值小于公司负债价值的概率估算公司违约概率[12]。这类模型适用于上市银行的信用风险预测,导致这类无法应用于小企业的小额贷款。
综上所述,国内外同类研究已经取得了长足的进步,但是针对国内上市公司的实证研究还不多,没有建立相应的信用风险评价指标体系。因此本文的主要工作就是建立了上市公司信用风险评价指标体系,并以浙江省的100家上市公司为例进行了信用风险的实证研究。
2 上市公司信用风险评价指标体系
2.1 指标体系构建的原则
评价指标体系对于评价结果的重要性不言而喻,因此,指标体系的构建应该符合科学性、系统性和可操作性等原则:
(1)科学性原则。企业信用风险评价指标的选择要系统全面,但并不是凡是相关联的均予以采用,指标的选取需要遵循典型性和代表性;对于含义相近或者相关性大的指标,应该选择最贴切的指标,避免指标的重复和指标体系的简洁。
(2)系统性原则。上市公司财务竞争力是一个复杂的分析点,是公司内部因素的全面综合相互交错的结果。上市公司的财务竞争力大小不能只考虑片面的单个因素,应该采用系统设计、系统评价的原则,考虑各种因素的评价力,从而使评价目标和评价指标有机结合,不会相互脱钩。
(3)可操作性原则。可操作性是指标体系得以存在的基础。设置指标时,应考虑到指标数据得可得性,保证指标设置简便易行,便于操作。指标选取应考虑到指标数量、含义、数据搜集难易程度等相关因素。对上市公司的财务竞争力分析主要建立在公司年鉴、财务报表和文献资料进行全面细致的定性测度。
2.2 上市公司信用风险评价指标体系的建立
企业信用风险的形成主要取决于企业财务状况,因此,企业信用评级通常将对企业信用风险的测度转化为对企业财务状况的衡量。而影响公司财务变化的主要因素包括企业规模、收益能力、偿债能力、运营能力、增长能力等5个方面。
对于具体指标的选择,结合已有相关文献[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20],企业规模主要从企业的主营业务收入,利润总额和资产总额等3个指标进行评价;对于收益能力主要从净资产收益率、每股收益率和主营业务利润率等3个指标进行评价;对于偿债能力主要从资产负债率和流动比率2个指标进行评价;对于运营能力主要从固定资产周转率和存货周转率2个指标进行评价;对于增长能力主要从主营业务利润率增长率、净利润增长率和净资产增长率3个指标进行评价。
本文构建的企业信用风险评价指标体系如表1所示。
3 基于变异系数赋权的信用风险评价模型
3.1 评价指标的打分
本文构建的公司信用风险评价指标体系中一共有两类指标,一类是指标数值越大,表明企业信用越好的正向指标,另一类是指标在一定合理区间表明企业信用越好的区间型指标。
为了消除指标量纲和指标类型对评价结果的影响,本文采用如下打分方法:
(1)正向指标打分
设:xki–第i个企业第k个指标的打分;Vki–第i个企业第k个指标的原始数据;n–被对象。根据正向指标的打分公式[21],则xki为
(2)区间指标打分
设:q1–指标最佳区间左边界;q2–指标最佳区间右边界。根据最佳区间指标的打分公式[21],则xik:
3.2 评价指标的变异系数赋权
已知第i个企业第k个指标的打分xki,则第k个指标的变异系数vk定义为:
其中,
3.3 评价方程
设:Pi–为第i个上市公司的综合评价得分,根据线性加权综合评价公式,则Pi为:
4 浙江省上市公司信用风险评价实证研究
4.1 评价对象和数据来源
本文选择浙江省100家上市公司作为评价对象,对其信用风险能力进行评价,指标数据均来自100家上市公司的年报。指标数据具体如表1所示。
4.2 评价指标的打分与赋权
把表1中的正向指标数据代入式(1)得到正向指标的得分,把表1中的区间指标代入式(2)得到最佳区间指标的指标得分,具体列入表2。
把表2中的指标打分代入式(3)-(4)得到指标的变异系数权重,列入表2。
4.3 评价结果及其分析
4.3.1 评价结果计算。
把表2中的指标打分和指标权重代入式(5)得到各个上市公司的信用风险得分,列入表3。
4.3.2 影响因素分析。
(1)从指标的权重角度分析。
由表2中的指标权重大小可以看出:影响浙江省上市公司信用风险主要指标有X42存货周转率,X41固定资产周转率,X13资产总额,X53净资产增长率,X11主营业务收入、X12利润总额和X23主营业务利润率等7个指标,要提高企业的信用水平可以从这些关键指标入手。
(2)从评价结果角度分析。
根据表3的100家上市公司的评价结果可以看出:信用度较好的10家企业分别是顺网科技,同花顺,围海股份,滨江集团,荣安地产,森马服饰,宋城股份,华东医药,万向钱潮和顺发恒业。
对于这10家排名靠前的企业来说,其13个指标的排名具体如表4所示。
由表4的各个指标排名看出:对于排名第一的顺网科技其X23主营业务利润率,X42存货周转率和X53净资产增长率的排名在100家上市公司中都是排第一名,此外指标X41固定资产周转率和X22每股收益的排名也非常靠前。
同理参考排名第二到第十的9家企业可以看出,这十家企业之所以排名靠前就是因为指标X42存货周转率,X41固定资产周转率,X12利润总额,X13资产总额,X32流动比率,X21净资产收益率和X23主营业务利润率。
4.3.3 整体分析。
根据表3的100家浙江省上市公司的评价结果可以知道:浙江省的信用评价最好的上市公司有顺网科技,同花顺,围海股份,滨江集团,荣安地产,森马服饰,宋城股份,华东医药,万向钱潮和顺发恒业。
此外根据表2,表3和表4的指标权重和评价结果两个角度看出,影响浙江省上市公司的主要因素有X42存货周转率,X41固定资产周转率,X13资产总额,X12利润总额和X23主营业务利润率等5个指标。
5 结论
本文的主要工作一是在对国内外典型机构以及国内外学者的研究基础上,筛选指标构建了企业的信用风险评价指标体系,二是对不同类型的指标的打分和赋权进行了研究,三是以浙江省的100家上市公司2010年为例对其信用风险进行实证研究。研究结果表明:
(1)所评价的100家浙江省上市公司中信用状况最好的上市公司有顺网科技,同花顺,围海股份,滨江集团,荣安地产,森马服饰,宋城股份,华东医药,万向钱潮和顺发恒业等10家企业。
(2)影响浙江省上市公司信用状况的主要指标有X42存货周转率,X41固定资产周转率,X13资产总额,X12利润总额和X23主营业务利润率等5个指标。
风险系数 第6篇
虽然我国在风险评估内部审计体系的构建上已经实现了系统化,但就企业风险评估方面历史数据十分缺乏评估效率有待进一步提升,这就导致目前的风险导向内部审计体系存在一定的理论局限性,难以与实际审计计划工作接轨。因此,探索能够广泛应用于我国企业内部审计工作的一种风险评价模型对于内部审计工作具有十分重要的现实意义。相较于其他行业而言,我国商业银行较早地引入了巴塞尔资本协议,这也使得我国商业银行的监管工作方面以及风险管理工作方面相比于其他行业更为完善,更为成熟;而且近年来随着计算机技术以及电子化技术的发展与应用,我国商业银行的风险数据在平台基础层面上有了较大的提升,再加上商业银行的各个业务之间的界限较为明确,这也为商业银行内部的审计单元划分提供了较大的便利。基于此,本文中笔者通过借鉴相关投资组合风险计量模型,以商业银行的内部审计工作为研究对象,构建出一个基于风险导向内部审计的β 系数风险评价模型,旨在为企业项目的审计工作可视化定量的实现提供参考依据。
二、β系数风险评价模型的理论基础
(一)β系数的计算原理 β系数最早起源于资产定量模型,也就是人们常说的CAPM。β系数是投资过程中的一个十分重要的风险计量指标,体现着投资过程中的系统风险水平。系统风险主要是指一些价格波动的影响因素,是投资过程中的一种不可分散的风险。而β系数的大小则反映着价格波动敏感度。
瓦茨与齐默尔曼在1990年根据资本资产定价模型针对β系数提出了如下计算公式:
注:(E(rm):市场组合的期望收益率;E(ri):特定资产组合的期望收益率;rf:无风险收益率。)
而斯科特在2006年则根据β系数的涵义提出了如下计算公式:
注:(ri: 特定资产组合收益率;rm:市场组合收益率)
从企业资产的收益率和市场资产的收益率角度考虑,β系数的大小同两种收益率的强弱之间呈正相关,很大程度上,β系数的数值越大表明企业资产的收益率同市场资产的收益率两者之间存在的联动性越强。当β大于1时,这就表明该单项资产的风险收益率相较于市场组合的平均风险收益率要高,而且其风险也要高于市场资产的平均风险。反之,如果β系数小于1,这就表明该单项资产的风险收益率相较于市场组合的平均风险的收益率要低,与此同时其风险性也要低于市场资产的平均风险。
β系数的第二种计算公式表明β系数具有较好的线性特征,第二种计算公式表明β系数的计算是一个组合加权求和的过程,表明β系数对于实际单向投资过程中的风险评测工作具有较强的实用性。因此,对商业银行内部审计计划阶段本文主要采用了β系数这一风险计量指标作为项目风险评估的重要指标。
(二)风险导向内部审计理论分析关于内部审计的阐释,国际内部审计协会这样认为:“内部审计是以改善组织运营机制,增加企业价值为目的的一种具有独立性以及客观性的咨询活动”。内部审计主要是通过引入一套规范化以及系统化的方法对企业的管理监督工作以及企业的风险应对工作进行系统的评价,并制定系统的建议从而提高企业的治理效率,完善企业的运用机制,实现企业目标。首先,现代内部审计与企业自身在其目标方面具有一致性。蔡春、赵莎在2006年针对现代风险导向审计理论提出了审计风险=经营风险×检查风险这一基本模型。这一模型中的经营风险指的是企业在目标实现过程中一些影响事件发生的可能性,而其中的检查风险在一定意义上代表了审计过程发生中可能出现的一些不恰当的审计意见导致的风险,基于此点考虑,企业目标实现存在的风险同企业内部审计目标实现的风险两者之间存在关联性,两者的目标具有一致性。其次,就审计对象而言,现代意义上的内部审计具有更为广泛的审计面,其中包括了关于企业风险管理框架的审计。内部审计是对企业风险管理工作的二次管理,是对企业风险水平的评估确定。在进行企业内部审计工作时不但要针对企业的监督机制、运营机制进行客观的风险性评估,还要针对评估过程中存在的问题提出针对性的建议,从而帮助企业降低目标实现风险,帮助企业更好地实现其企业目标。
因此,企业在进行现代内部审计过程中应当要加强风险意识,将企业内部审计的注意力放在企业运营过程中高风险性的领域与环节上,这样才能够较好地以风险为导向,帮助企业完善风险管理体系,降低企业内部审计的风险,帮助企业更好地实现企业所制定的发展目标。
三、β系数风险评价模型构建
(一)β系数风险评价模型的构建思路 《国际内部审计标准》中对于审计计划有如下要求:内部审计必须要以风险为导向,并根据审计计划中的风险评估结果对确定项目审计的先后顺序。基于这点,本文以商业银行为审计对象,构建一个适用于商业银行内部审计的β系数审计单元风险评价模型。在运用β系数风险评价模型前,首先对于审计对象要按照需求进行单元划分,然后以资本资产定价模型为理论依据对划分的每一个单元单独运用β系数去计量其经营风险,从而为审计项目的立项顺序的确定提供一定的参考依据,对于β系数较小风险较小的审计单元采取优先立项的政策,对于β系数较大风险系数较大的审计单元采取滞后立项的政策。
通常情况下企业的经营目标往往就是指企业的预期收益,而企业的经营目标的实现情况在总体层面上则可以由总资产收益率体现。企业的总资产收益率实质上是企业各个业务单元资产收益率的加权结果,因此企业各个业务单元的收益率的波动的加权求和也就是企业的整体收益率波动。所以,在对企业进行内部审计,评估企业总体的运营风险时采用β系数风险评价模型对企业中的各个审计单元的收益波动情况相对于整体收益率波动程度进行评估,从而为企业内部审计立项顺序提供参考数据。
(二)模型构建的理论前提本文中以商业银行内部审计为研究对象,研究过程存在如下的两个基本前提:一是模型中所计算的业务单元的收益率包含风险因素。β系数的意义就在于能够较好地反映出收益的风险性,因此如果收益率不能够体现出风险因素,那么β系数就失去了其风险评估的这一重要意义。本模型中对于收益的风险性主要以风险预算的形式已经计算到了收入的抵减项中。二是风险计量的有关数据具有较高的精确度。风险的计量评估必须是一个对数据准确度要求较高的工作,因此本文模型所采用的β系数风险评价必须要以足够精度的风险数据为依据。
(三)模型的基本步骤图1为β系数风险评价模型的主要步骤:
(1)划分业务单元。对商业银行内部业务按照需要进行单元划分是进行β系数风险评价模型的第一步。对于业务单元的划分要遵循如下两方面原则:一是业务单元之间要具有一定的独立性,业务单元之间的业务量以及收益率易于区分;二是为了提高审计单元的审计工作的灵活度,业务单元的范围不宜过大。
(2)将各业务单元的业务量同量纲化。由于不同的业务单元之间的单元业务统计单位以及口径都存在一定的差异性,这就导致各个业务单元之间的β系数的背景不同,影响到各个业务单元β系数的计算。例如,对于负债业务往往选用负债余额为口径去进行统计,而资产业务则往往选用资产余额为口径去进行统计,这种差异性的统计方式往往会造成各个业务单元的业务量的和与企业整体的业务量出现一定的差异。为了解决各业务单元之间业务量统计的差异问题,可以将各个不同的单元业务量按照统一化的统计量进行统一化处理,例如全部转化为资产当量,从而达成业务量统计的同一化,解决统计量纲的差异问题。
本模型则主要采用按照各个业务单元的收入比重,对总资产按照这一系数进行资产总额的公平分配,公式如下:
上述公式中的业务单元业务收入是指不包含风险因素的收入,不同于前面所提及的在计算β系数中公式中所提到的收益。这种按照业务收入对资产总额进行分配的方式是一种以经营为导向的分配思想,主要是为了将机构的资产投向收益最大的业务单元。在计算收益率时所提及的收益则是扣除了风险损失之后的净收益,也叫做风险收益。而各业务单元的资产收益率则等于业务单元的风险收益除以业务单元的资产当量。
(3)业务单元的β系数计算。上文中已经就β系数的计算提出了以资本资产定价模型为依据以及根据β系数的内涵为基础的两种计算公式。在实际中则可以针对具体的实际情况合理的选取其中的一种计算方法。
一是资本资产定价模型计算。资本资产定价模型中针对审计对象集合收益率与业务单元收益率两者建立了如下的线性关系:
其中,E(ri)表示业务单元i的收益率期望、E(rm)则表示总的期望收益率、rf表示无风险收益率。在这三个参数都已知的情况下,可以套用如下公式进行β系数的计算:
这种方法最主要的优点就是计算简便,所需的数据种类较少。由于这种算法需要获取无风险收益率,然而无风险收益率的获取确定具有较浅的主观性,这也导致这种计算方法所算得的β系数带有一定的主观性。
为了降低该方法计算下所获得的β系数的主观性,可以采用最小二乘法进行回归计算的方法,根据已知的历史数据E(ri)、E(rm)获取较为准确客观的rf和β,降低β系数的计算误差。
二是协方差公式计算。利用协方差公式计算β系数主要是通过已知的历史业务单元的收益率以及总资产的收益率,运用协方差公式进行β系数的计算:
ri: 业务单元i的收益率;rm:审计对象总资产的收益率。
协方差公式计算法相较于上一种计算方法无需考虑无风险收益率的影响,这就表示协方差公式计算法所获取的β系数具有更强的客观性,更具有参考性。
(4)审计单元划分。在利用β系数的计算公式计算出各个业务单元的β系数后,就可以根据审计的需求进行审计单元的划分。审计单元既可以划分为单独的一个业务单元,也可以划分为几个业务单元的组合。相较于业务单元的划分,审计单元的划分具有更大的灵活性,划分方式并不固定,每年都可以根据不同的需求进行重新划分。
(5)审计单元的β系数计算。在完成审计单元的划分工作后,就可以开始计算各个审计单元的β系数了。审计单元β系数即为审计单元中各个业务单元β系数的加权之和。公式如下:
(βi:单元i的β系数;wi:业务单元i在审计单元中资产当量的权重)
(6)对各审计单元按照风险大小排序。在完成了各个审计单元的β系数的计算后,后续步骤则是按照各个审计单元的β系数的值按照大小顺序进行排序,而审计单元的这一顺序也将作为审计项目计划制定过程中的重要参考数据。
以上则是整个β系数风险评价模型的全部步骤。对以上步骤需要特别说明的是,整个模型中的前两个步骤主要是一个初始化处理,因此在后续一段时间内,前两步不需要重新执行,可以直接套用数据,除非当企业资产分布情况发生较大的变化时,前两步才需要重新执行。而后面四个步骤(即计算业务单元的β系数、审计单元的划分、审计单元β系数的计算以及审计单元的排序)则是常态化循环阶段,这四个步骤则可以根据审计项目的需要进行重新划分与计算,是一个循环过程。
四、内部审计β系数风险评价模型的应用
对于商业银行的内部审计工作而言,审计计划体系是这项工作中关键性的组成部分。而风险评估工作则是审计计划体系中最为核心的工作环节。因此项目立项的审计工作在很大程度上取决于对企业经营风险的定性与定量评估。本文所构建的β系数风险评价模型则能够较好的适用于商业银行内部审计工作中。
(一)基于审计单元风险状况的β系数定量评价 β系数风险评价模型所评估的风险并不受审计程序的影响,主要是对企业中一些不可分散性的系统风险进行评估。β系数的大小体现的是商业银行在经营过程中所存在的经营风险,因此按照计算出的各个审计单元的β系数对各审计单元进行排序能够直接反映出各个审计单元的经营风险性大小。β系数的大小是商业银行进行内部审计工作时对企业风险进行有效评估的重要参考指标,然而实际运用中β系数并不是风险评估的唯一标准,除了进行β系数评估外还需要结合具体情况,综合考虑多方面的影响因素,从而为后续审计项目的立项工作提供更为精准的参考数据。
(二)基于审计单元风险特性的β系数变化趋势评价β系数作为一个衡量系统性风险的量化指标,除了能够反映出各个审计单元的风险性程度外,还能够根据其变化趋势反映出审计单元的风险性的变动情况。在短期内,业务单元的风险性是不会有较大的变动的,因此正常情况下β系数较为稳定。然而当审计单元内部发生了较大的变化时,这时β系数就会呈现出较强的变动性,因此可以通过β系数的变化趋势对审计单元的风险特性进行进一步的评价,为审计项目的立项进一步提供参考依据。
(三)β系数风险评价模型的扩展应用上述模型除了以上的集中基本应用外,还可以进一步对模型进行扩展应用。例如,在实际的审计实务过程中,审计对象往往是不同的分支机构以及不同的业务条线,呈现出较强的市场组合特点。因此在进行某一业务条线的集合审计时,可以通过计算出这一业务条线上各个分支机构的风险度量系数β,通过比较不同分支机构的收益率与整体的平均收益率的波动情况,为后续审计项目立项提供参考。这一结果不但能够为审计过程中不同分支机构的选择提供参考,而且在计算该条线业务量时不必引入资产当量进行统计口径同一化处理,能够更加便利的体现考核导向。
五、内部审计β系数风险评价实例———以A银行为例
上述部分都是从理论层面出发对β系数风险评价模型的具体步骤以及应用进行阐述,为了更为直观更为清楚的表面该模型的应用效果,笔者选取A银行为例对其数据进行β系数模拟计算与分析。
(一)业务单元划分表1所示即为A银行业务范围内的22个条线:
A银行有20个下辖分支机构,因此按照业务条线以及分支机构可以将A银行的业务划分为440个业务单元。并根据企业审计需求对这4400个业务单元划分为不同的审计单元。
(二)数据的采集与处理数据的采集主要包括各业务单元风险测算绝对额、某年度A银行的各业务单元收入以及A银行的年末资产总额等。各个业务单元的收益率的计算公式如下:
公式中所获得的收益率是考虑经营风险,对经营风险进行了扣除处理后的收益率。公式中的资产当量是按照各个业务单元的收入占A银行总资产的比例按照分配系数进行分配的分配额。
(三)计算方法的选择与参数的确定由于对于A银行而言,其历史数据较少,无法采用前面所提及的协方差计算以及回归分析进行β系数的计算,因此笔者采用了以资本资产定价模型为基础的倒算法对各个业务单元的β系数进行计算。
对于A银行而言,其无风险收益率近似为4.2%,因此以4.2%作为其无风险收益率,对其业务单元的β系数进行倒算。
( 四) 计算结果通过倒算,对A银行中440个业务单元的β系数的部分计算结果如表2所示:
(五)计算结果的分析与应用(1)分析β系数计算结果。计算结果表明A银行的大部分业务单元的β系数都在0-2之间,这就表明A银行的β系数符合β系数的分布规律,其β系数的计算结果反映出A银行各个业务单元的的经营风险。
(2)用β系数对审计单元风险状况实施定量评价。上述个审计单元β系数的计算结果表明与资金以及资产有关的业务单元相较于其他业务单元其β系数要高得多,因此在进行审计工作中可以加强对这些业务的关注度。而且审计单元的β系数按照大小顺序的排序结果也能够为审计项目立项工作提供重要的参考作用。
(3)根据β系数的变化趋势评价审计单元的风险特性。β系数风险评价模型除了上面对各个审计单元的风险实施定量评估的功能外,还可以根据其变化趋势对风险性进行深层次的审计判断。如果审计单元的β系数的增长幅度要大于审计单元的业务量,表明该审计单元的系统不可分散性系统风险正处在一个快速积聚的阶段,该审计单元对于该银行的影响力正在不断增加,A银行需要对该审计单元中的业务提高关注度,审计项目过程中对其采取优先立项的政策。反之,则表明该审计单元的风险性得到了有效控制,在审计项目过程中依据实际资源情况对其持选择性立项的态度。
六、结论
本文主要选取具有代表性的商业银行的内部审计为研究对象,针对商业银行的内部审计工作提出了β系数风险评价模型,并且针对模型在审计计划立项策略的制定过程中的应用价值及其扩展性应用范围进行了阐述与探讨。因为本文所提出的这一风险评价模型的应用范围较广,对于制造业、服务业企业等等这一模型也同样适用,同样也可以对这些企业针对审计对象进行业务单元划分以及审计单元划分,将企业的总资产按照收益率比重分配到各个业务单元中,对审计对象采用β系数进行风险性评估,为其审计计划提供一定的借鉴。但本文所针对内部审计所提出的β系数风险评价模型存在两方面的局限性。一是模型中的β系数的数值大小只能够综合性的反映出各个业务单元的经营风险,并不能够细致地反映出不同类型的风险高低。二是由于商业银行对于数据的保密性较强,本文在实证分析中所采用的数据均来自与审计部门自行开发的风险评估数据,只能够在内部使用,并没有经过外部验证,有效性尚需考验。
参考文献
[1]王德名:《现代内部审计的发展趋势》,《审计研究》2009年第2期。
[2]刘永涛:《上海证券市场β系数相关特性的实证研究》,《管理科学》2010年第1期。
风险系数 第7篇
一、理论基础和准备工作
1. 综合功效系数法的适用性和使用修正。
综合功效系数法是一种根据多目标规划的原理,对每个评价指标设定一个不允许值(下限)和满意值(上限)以确定各个指标的满意分数,通过加权平均进行综合,从而评价被研究对象的方法。综合功效系数法准确性高、操作性强的优点已被广泛认可,但由于数据采集标准设定等关键问题的存在,综合功效系数法并没有在纳税评估领域被广泛应用。
传统综合功效系数法也存在一些不足:只运用定量指标,忽略定性指标;满意值与不允许值相差太大,影响财务指标值的灵敏度。因此,本文对综合功效系数法的使用进行适度修正:定性指标与定量指标相结合;采用层次分析法和德尔菲法确定评价指标权重;增加评价标准档次,变为优秀值、良好值、平均值、较低值和较差值五档,避免单一评价标准偏差,更为客观地反映企业的纳税风险状况。
2. 电力企业纳税评估预警存在的问题及改进措施。
本文通过对江西省96家县级电力公司的税务管理调研和对数据的分析测算,发现现阶段纳税评估预警存在以下问题:部分数据核算口径不一致,削弱了指标的有效性;部分数据存在人为性质,造成个别指标缺乏准确性;部分业务的涉税核算不及时,削弱了指标的可比性;部分指标不具有可操作性;部分预警指标标准和范围的选取存在不确定性。
针对上述问题,应采取以下措施进行改进:统一核算口径,在管控系统设立分税种明细目,增强数据核算的针对性;数据统一从管控系统取得,以消除人为因素对数据的影响;强化税务基础制度管理,严格数据信息采集;对不具有可操作性的指标进行完善和改进;根据业务开展情况调整部分指标标准和范围的设置。总之,要确保纳税评估工作基础信息数据的准确性、科学性和畅通性。
二、基于综合功效系数法的增值税纳税风险预警体系
1. 预警指标的选取。
预警指标的选取是风险预警体系建立的关键环节,结合电力企业特点,遵循有效性、相关性、可操作性、简捷性的原则,本文有针对性地选取进项税额、销项税额和应纳税额三项定量税务分析指标。同时,由于增值税纳税风险的主观因素,本文发函咨询电力公司96位专家确定了企业信誉、领导者风险态度、企业办税程序完善度和利率变动四项定性指标,以便对增值税纳税风险进行综合评估。在实际调研中,预警指标和范围的选取可以根据具体的业务开展情况和税务机关纳税的要求,由各公司灵活掌握、适量增减。如下页增值税纳税风险指标体系图所示。
2. 评价指标权数的确定。
传统综合功效系数法对于各个指标简单设置权重的做法过于主观,本文结合层次分析法,对定量指标的权重进行两两相互比较评分,并通过一致性检验,增加各个指标权重的精准度,减少主观因素对评价结果的误导。对于定性指标则通过调查问卷的方式,根据江西省电力公司96位专家的专业知识及经验,利用德尔菲法对指标体系进行分析、判断并主观赋权值,当专家意见的分歧程度处于5%~10%时,停止调查,本文定性指标权重专家分歧程度为8.12%。
层次分析法运用多因素分级处理确定因素权重,Expert Choice软件是建构在AHP理论上的软件,本文借助于Expert Choice软件对上述指标的相对权重进行分析,软件界面显示的各个指标权重如表1所示。
利用层次分析法对各项指标权重进行一次性检验,确定CR是否小于0.1,从而克服原始指标的多重共线性和相关性,使评价的结果更加客观、准确。检验结果如表2所示:
3. 评价标准档次划分和标准值设置。
对于定量指标的分析,本文采取了五个档次的评价标准值,并且分别赋予了五个标准系数:1、0.8、0.6、0.4、0.2。一般而言,可以选用的评估预警指标标准包括行业预警标准和各公司的历史预警标准。针对电力行业的特殊性,本文选用历史预警标准,即选用江西省96家县级电力公司2013年和2014年该指标的简单算术平均值乘以离散系数(一般是0.6)所计算出的指标值,如表3所示:
4. 综合功效系数的计算。
(1)定量指标的计算。
第一步,确定功效系数:
功效系数=(实际值-本档标准值)/(上档标准值-本档标准值)
第二步,计算评价指标本档基础分:
评价指标本档基础分=指标B权重×指标C单项权重×本档标准系数×100
第三步,计算评价指标本档调整分:
指标本档调整分=本档功效系数×(上档基础分-本档基础分)
式中,上档基础分=指标权重×上档标准系数×100。
第四步,计算指标评价分:
指标评价分=本档基础分+本档调整分
最后,计算定量指标值:
定量指标值=∑单项指标评价分
(2)定性指标的计算。
首先设计相关职位人员打分权重,计算企业定性指标实际值,再以此确认定性指标权重:
非财务指标值=∑(相关人员评分值×权重)
结合定量和定性指标的评价指标值的计算,综合功效系数的计算公式为:
综合功效系数=定量指标值+定性指标值
5. 增值税纳税风险警限的设置。
根据综合功效系数的大小与大数定律,将电力企业的增值税纳税风险划分为五个警限区间,如表4所示:
根据大数定律,当且仅当经济指标评价值涵盖大多数以上的区间(处于中间值以上)时才算合格,因此,综合功效系数的区间划分并未采用0~100的平均五等分划分方法,而是设定包含60在内的区间50~70为一般状态,然后对剩余区间分别进行划分。
三、基于综合功效系数法的增值税纳税风险预警实例分析
对2014年度国网电力公司出现内部通报整改的企业X公司进行实例验证,各指标评价分如表5所示。
定量指标分=∑指标评价分=30.12
综合指标分=定量指标分+定性指标分=30.52
表5数据显示,X公司存在严重的增值税纳税风险,与实际情况相符。
利用上述方法,对吉林省35家电力公司和江西省75家公司进行检验,结果与官方评价契合度达85%以上,而在纳税风险评估工作中,提出警告和预警的企业契合度达100%。
因此,运用综合功效系数法和层次分析法进行企业增值税纳税风险综合评价具有合理性和可操作性。基于综合功效系数法,本文建立了预警指标体系,便于企业利用增值税纳税管理的特点和日常纳税可能出现的风险关键点有针对性、多角度、分层次地进行纳税风险评估。本文的研究结果对电力企业增值税纳税评估工作具有重大的现实意义,有助于电力企业科学合理地衡量增值税纳税现状及预测纳税风险发生的可能性,并进行恰当的涉税处理,最后进行分析、总结和信息反馈。
摘要：企业增值税涉税经济活动无论是形式还是内容均存在复杂性,纳税风险评估工作既要考虑其包含的指标,还需要设计其结构和层次,以便于形成较完整的有效评估指标体系。本文在充分了解电力企业涉税业务的基础上,基于江西省96家电力公司2013年、2014年的税务数据,采用适当修正的综合功效系数法,将定量与定性指标相结合,并利用层次分析法和德尔菲法确定其功效系数,建立增值税纳税风险评估预警体系。
关键词：综合功效系数法,层次分析法,增值税,纳税风险评估
参考文献
崔丽.纳税评估指标体系的完善[D].呼和浩特:内蒙古大学,2014.
洪燕平.功效系数法在企业财务预警模型中的应用[J].财会月刊,2010(5).
滕青.论纳税评估指标体系的构建及评估模型[J].财贸经济,2006(12).
风险系数 第8篇
关键词：电压稳定,无功支撑,调差系数,动态稳定,优化整定
0 引言
南方电网是一个交直流并联运行的超高压、远距离、大容量送电的互联电网。近年来,南方电网出现了多次500kV电压跌落导致多回直流同时闭锁的情况,严重威胁到电网的安全稳定运行,电网动态无功支撑不足成了电网电压稳定问题中亟待解决的问题。
发电机作为电网的重要无功支撑电源,如何挖掘发电机的动态无功支撑能力,对系统电压稳定有着重要意义[1]。国内外机组普遍采用了负调差技术,以提高对机组无功出力的挖掘。例如:ABB公司对于采用单元接线的机组,推荐调差设定为负调差,且机组的总调差(调差系数和主变压器短路电抗的总和)为3%~8%。上海电网机组负调差的整定情况为:对于主变压器漏抗大于20% 的机组,调差整定为-10%左右;对于主变压器漏抗为18%的机组,调差整定为-6%左右。浙江电网机组负调差整定情况为:从主变压器高压侧并列点看进去,机组的总调差为7%~8%。中国电力科学研究院建议主变压器高压侧并列点的总调差值不小于5%,并建议对调差环节的输出设置限幅,类似于电力系统稳定器(PSS)模型的输出限幅功能。
DL/T 843—2010标准对调 差整定规 定如下:当发电机无功电流由零增加到额定无功电流时,发电机电压变化不 大于5% 额定电压。可简化计 算为:对于功率 因数为0.85的机组,调差须大 于-9.5%;对于功率因数为0.9的机组,调差须大于-11.5%。以上计算结果以调差绝对值不大于其主变压器短路电抗值为前提。
最新的标准GB/T 7409和DL/T 843对励磁系统调差的整定范围进行了修改,从±10%修改为±15%,这也充分体现了电网对调差的新需求。
广东电网作为南方电网的大型受端电网,电网无功支撑不足问题严重。通过调查发现,广东电网内机组以零调差为主,调差系数的整定相对较杂乱,没有发挥出发电机的负调差调节能力。为了在广东电网推广负调差技术,本文对发电机组采用负调差后存在的风险,以及对电网安全稳定的影响进行了全面的梳理和分析,包括:调差对机组间的无功分配、机组阻尼,以及PSS和自动电压控制(AVC)的影响,并给出广东电网机组调差优化整定的推广应用经验。
1 励磁系统调差
调差的定义如下:同步发电机在功率因数等于0的情况下,无功电流从0变化到额定值时,发电机端电压变化的变化率。调差表征发电机电压调节特性(UG=f(IQ),其中IQ为无功电流)曲线的斜率,国内对调差的极性规定如下:向下倾斜的特性曲线(即电压随无功负荷增加而下降)的调差系数为正,称为正调差;反之,向上倾斜的特性曲线的调差系数为负,称为负调差[2,3,4]。特性曲线如图1所示,图中UG0为机组零无功时对应的机端电压。实际应用中,由于无功电流的测量比较麻烦,所以通常直接采用无功功率代替无功电流。国外主流励磁调节器厂家对调差极性的定义和国内正好相反,但功能意义一致。
调差在励磁系统主环中的叠加位置如图2所示,直接叠加到励磁系统主控制环的给定值上,这也体现了调差的重要性。如果采用负调差,从无功电流的叠加效果来看相当于正反馈的效果。图中:Uref为给定电压幅值;PID为励磁系统比例—积分—微分控制算法;IFD为励磁电 流幅值;Ut为机端电 压幅值;P为有功功率;Q为无功功率;ω 为发电机转速。
运行中的同步发电机的调差实际上是自然调差和励磁附加调差共同作用的结果。由于采用半导体励磁系统的同步发电机组的自然调差系数近似于0,工程应用中常将其忽略,文中提到的发电机调差仅指发电机励磁调节器设定的调差。
调差可等效为发电机内部电抗,如果设定调差为负调差,则发电机内部电抗等效为负值,这样发电机与系统的联系电抗将减小,发电机对系统电压跌落的感知变得更加灵敏,因此,对系统动态无功支撑力度将大大加强。图3所示为模拟电网北郊站三永中开关拒动故障,广蓄电厂机组采用不同调差系数下的无功出力曲线。可见,采用-10%的负调差后,机组的无功出力约为无调差的2倍,机组对电网的无功支撑力度大幅提高。
2 调差对机组间无功分配的影响
为了使并列运行的各发电机组按其容量向系统提供无功功率,实现无功功率在各机组间稳定合理的分配,在励磁控制器中,设有调差环节来改变发电机电压调节特性斜率。对于扩大单元接线方式的电厂,即多台机组共用一台主变压器,必须采用正调差来实现厂内机组 并列运行,调差系数 一般设定 为3%~5%[5,6],目前这种接线方式在小水电站仍有采用。
目前,电厂普遍采用单元接线方式,即一台发电机和一台主变压器作为一个发电单元,多个发电单元在主变压器高压侧并列运行,因此,电厂的多个发电单元之间也存在无功功率分配问题。对于一个发电单元来讲,其总调差为发电机调差与主变压器短路电抗之和,主变压器 的短路电 抗一般为15% 左右,因此,即使发电机没有设置调差,即调差为0,一个发电单元的总调差等于主变压器的短路电抗,为正调差,可并列运行,这也是调差未被重视的主要原因之一。
随着电网容量的扩大,考虑到短路电流的因素,新投运机组的主变压器短路电抗达到20%以上,机组与电网之间的联系变弱,导致机组对电网电压跌落感知的灵敏度变小,对电网的无功支撑力度也相对减弱。因此,电网需要发电机组采用负调差,抵消一部分主变压器短路电抗,使得一个发电单元的总调差减小,以提高机组对电网电压响应的灵敏度,同时保持一个发电单元的总调差为正调差,即可实现电厂的多个发电单元间的并列运行。
3 调差对动态稳定的影响
3.1 调差对阻尼的影响
若调差直接叠加到励磁系统主控制环,势必会对机组的阻尼比及其动态稳定性产生影响[7,8,9,10,11,12,13]。目前相关文献关注的重点大都集中在调差影响机组阻尼极性的正负上,即调差是会增加还是减弱机组的阻尼,结论不一,因为调差对机组阻尼的影响数学表达式复杂,受到影响的因素太多,在极性正负上存在不确定性。
既然调差会影响机组的阻尼,且极性具有时变性,那么是否可以避开这个极性正负的问题,而去关注调差对机组阻尼影响的具体数量级的大小?本文从这一角度进行了量化研究。
对广东电网内的所有机组进行统计计算,分析调差对机组阻尼 的影响大 小,计算过程 中排除了PSS的影响(退出机组PSS),仅分析调差对机组阻尼的影响,结果如表1所示。统计分析结果表明:在调差绝对值不大于其主变压器短路电抗的前提下,调差系数变化±0.1对机组的本机振荡模式阻尼比的影响在1%以内,与PSS提供的阻尼比不在一个数量级。为验证以上仿真计算结果的有效性,在广东电网内选取了11个电厂的机组进行了负调差试验,试验结果与仿真计算结论一致。
3.2 调差对 PSS的影响
调差和PSS都是励磁调节器的附加控制功能,且在励磁系统中的叠加位置相同,那么调差的改变是否会影响到PSS的作用效 果?本文从PhillipsHeffron模型理论[14,15]出发,把调差的控制量叠加到Phillips-Heffron模型中,如图4所示。
图中:K1~K4为Phillips-Heffron模型中的系数;K5′和K6′为考虑调 差环节后 对应的PhillipsHeffron模型中的系数;Δδ 和 Δω 分别为发电机功角、角速度变 化量;D为阻尼系 数;ΔMm,ΔMe1,ΔMe2分别为发电机机械转矩、同步转矩、阻尼转矩变化量;TJ为发电机转动惯量;ω0为发电机额定角速度;ΔEq′为q轴暂态电势变化量;ΔTd0′为直轴暂态开路时间常数;ΔEfd为励磁电压变化量;ΔUt′为机端电压变化量;ΔUref为励磁给定值变化量;EX+AVR为励磁调节器等效数学模型。可以看出,引入调差后Phillips-Heffron模型中的参数K5和K6变为K5′和K6′,势必会影响到PSS输出阻尼力矩的空间矢量方向。
在MATLAB中搭建图4中考虑调 差的Phillips-Heffron模型进行频域仿真计算,分析调差对机组无补偿特性曲线的影响。结果表明:正调差影响机组无补偿特性曲线超前,负调差影响机组无补偿特性曲线滞后。
PSS作为电网抑制低频振荡的重要手段,目前已基本完成了网内机组的PSS整定工作。在已完成PSS试验的机组上对其调差进行优化,势必会影响到机组的无补偿特性曲线,进而影响到已整定投运PSS的输出力矩空间矢量方向,存在PSS输出力矩向量将超出标准要求范围的风险。
图5所示为现场实测恒益电厂1号机组在不同调差系数下的无补偿特性曲线。可见正调差影响机组无补偿特性超前,负调差影响机组无补偿特性滞后,这一现象与MATLAB分析的结论一致。因此,可以认为在励磁系统投入负调差后,PSS的输出力矩矢量滞后 Δω 轴的角度会增加,阻尼力矩矢量减小,同步力矩矢量增加,等效减弱了PSS提供的阻尼,而且对低频段的PSS输出力矩矢量影响最大。图5中负调差对应的最大滞后角出现在0.3 Hz附近,对应电网的区间振荡模式。图5中高频段的无补偿特性曲线基本重合,说明调差对PSS在高频段的阻尼基本无影响。
在多台发电机组上进行了不同调差系数下的机组无补偿特性曲线实测,包括自并励机组和无刷励磁机组,机组无补偿特性曲线实测结果与图5一致。对已完成的11个电厂机组的实测情况统计为:负调差引起的机组 无补偿特 性最大滞 后角均集 中在0.3~0.5 Hz附近,高频段基本不受影响。这是一个非常有用的结论,表明调差主要影响机组低频段的无补偿特性,对高频段基本无影响。
由以上分析可知,负调差影响机组无补偿特性滞后,最大滞后角出现在0.3~0.5 Hz。通过对现场试验情况的统计可得,在调差绝对值不大于其主变压器短路电抗的前提下,机组的调差系数从0变为-10%,最大滞后角基本都在20°以内。对已完成PSS试验的机组,目前的补偿设计一般是把PSS的有补偿特性设计在-90°~-100°之间,大部分都在滞后 Δω 轴0~10°范围以内,若把机组的调差系数从0变为-10%,则PSS的有补偿特性在低频段的最大滞后角将变为在滞后 Δω 轴30°附近,距标准要求(使本机振荡频率的力矩矢量滞后 Δω 轴0°~30°,在0.3~2.0Hz频率的力矩矢量滞后 Δω 轴在超前20°至滞后45°之间)的最大滞后角45°仍有15°的裕度,即仍满足标准及PSS导则的要求。因此,调差系数减小0.1对PSS阻尼的影响仍在标准及导则要求的范围以内;若调差系数的变化量更大,则建议重新进行PSS整定试验。
3.3 调差对区间振荡模式的影响
综合上文分析可知,调差会影响到机组的阻尼比,同时也会 影响到PSS的阻尼效 果,特别是对PSS低频段的阻尼效果影响最大,即对应电网的区间振荡模式阻尼影响最大。因此,须检验调差对电网的区间振荡模式阻尼比影响大小。南方电网大方式下的最低振荡模式为云广振荡模式,振荡频率约为0.32Hz。把整个广东电网机组的调差系数均从0变化到-10%时,对全网数据的分析计算结果如图6所示。
可见,区间振荡模式的阻尼比随着调差系数的减小而减小,其减小幅度约为3%。但总的阻尼比仍大于13%,因此,在广东电网开展负调差优化工作,调差系数设定在不小于-10%的情况下对整个南方电网动态稳定的影响在可控范围以内。
4 调差对 AVC的影响
调差直接叠加到励磁系统主控制环的给定值上,因此,采用调差后必然会影响到励磁系统增、减磁操作的步长。目前电厂 已完成AVC系统的投运,电厂中的AVC与励磁系统之间是通过增、减磁脉冲操作来 建立闭环 控制的,因此,在已经完 成AVC调试的机 组上采用 负调差,必然会影 响到AVC对励磁的调控步长,过大的负调差有可能会导致AVC调节的步长太大,从而超出AVC的死区,导致AVC调节失败。
以某机组为例,机组维持有功功率不变,在不同的初始无功功率下,进行0.1% 的阶跃扰 动,模拟AVC的一个增磁脉冲操作,分析在相同的扰动量下调差对机组输出无功功率变化量的影响。考虑0,100,200Mvar这3种不同的初始无功工况,BPA仿真计算结果如表2所示,其中步长 放大倍数 表示-10%调差对应的机组输出无功变化量除以0调差对应的机组输出无功变化量。
从表2可以看出,采用-10%调差系数后,机组的无功调节步长被放大了约2.2倍,且放大倍数基本不受初始无功功率的影响。如果AVC设定的单个脉冲对应的调节步长较大,例如一个调节脉冲步长为4.7 Mvar,则采用负调差后,调节步长被放大2.2倍为10.34 Mvar,超出了AVC的调节死 区10 Mvar,导致AVC调节失败。当然,也有厂家的AVC系统采用变脉冲调节方式,则不存在此问题。
5 结语
本文从电网稳定的角度分析了发电机组调差优化整定潜在的风险。结合广东电网的实际情况,其网内机组的主变压器短路电抗普遍在15%左右(个别新建机组的主变压器短路电抗为20%),将全网机组的调差系数从0改为-10%,可得出总体风险可控的结论。具体风险分析结果如下:对机组间的无功分配不造成影响;对机组本机振荡模式阻尼比的影响在1% 以内,基本可忽 略;对机组PSS在0.2~2.0Hz频段范围内阻尼力矩的影响在标准要求范围内,可不重新进行PSS参数整定试验;对南方电网区间振荡模式的影响的阻尼比减小在3%以内,但总的阻尼比 仍大于13%,动态稳定 可控;对AVC的影响应根据各个电厂的不同情况而定,存在AVC调节失败风险的电厂可调整电厂AVC装置单个调节脉冲的脉宽。