7月19日，《中国上市公司信用指数构建与预测——基于大数据的企业违约预测研究》报告在金融时报公众号上发布，该报告首次建立了以负债总额为标准的上市公司信用指数，预测并分析了中国上市公司不同行业、不同地区和不同所有制类型的信用指数变化趋势，进而给出了切实可行的政策建议。

该报告为国家自然科学基金重点项目“大数据环境下的微观信用评价理论与方法研究(71731003)”和面上项目“大数据环境下的企业违约预警研究：基于参数优化的视角(72071026)”的研究成果，由大连理工大学企业信用评级课题组独立完成，两个项目的负责人分别为迟国泰教授和周颖副教授，报告起草人为迟国泰、周颖、董冰洁、柏凤山、李存等。

2021年3月28日，中国人民银行、国家发展改革委、财政部、银保监会、证监会关于《关于促进债券市场信用评级行业高质量健康发展的通知（征求意见稿）》指出,“信用评级机构应当构建以违约率为核心的评级质量验证机制，制定实施方案，逐步将高评级主体比例降低至合理范围内，形成具有明确区分度的评级标准体系”。同年5月，大连理工大学企业信用评级课题组在《理论周刊》12版刊发了对这一领域的最新研究成果《中国上市公司违约风险的影响因素研究》（以下简称“报告1”），7月该课题组继续发布《中国上市公司信用指数构建与预测——基于大数据的企业违约预测研究》(以下简称“报告2”)，两份研究报告侧重点不同，报告1是报告2研究的基础，报告2是报告1研究的进一步深化。

2020年是中国资本市场创立30周年，上市公司数量首次突破4000家，总市值近80万亿元。随着证券法修订案的实施、注册制改革进一步推行、退市制度的完善，中国上市公司机遇与风险并存。一方面，上市公司营业收入占中国国内生产总值（GDP）比重增加。截至2020年年末，沪深两市实现营业收入52.39万亿元，同比增长3.8%，占2020年GDP的51.56%；合计实现归属母公司净利润4.02万亿元，同比增长4.64%；经营性现金流净额为8.81万亿元，同比增长55.69%。另一方面，2020年12月31日，市场关注已久的退市新规最终落地实施，部分上市公司财务和经营风险集中暴露。2020年共有101只股票被实施特别处理（ST），数量再创历史新高。因连续2年亏损实施ST的股票有76只，占比75%。如何有效监测上市公司信用风险，避免上市公司风险集中暴露引发的系统性金融风险成为一个亟待解决的问题。

模型构建的目的和方法论

本报告通过大数据实证分析构建的中国上市公司信用指数，揭示了中国上市公司2000年~2018年这19年间的整体信用状况，预测了2019年~2023年这5年的上市公司信用指数走势。一是构建了上市公司不同行业的信用指数，如制造行业信用指数、房地产行业信用指数以及上市小企业制造行业信用指数等12个不同行业的信用指数；二是构建了上市公司不同地区的信用指数，包括北京、上海、天津市和辽宁省等全国31个地区的信用指数；三是构建了上市公司不同类型所有制的信用指数，如国有企业、民营企业、外资企业等全部7个所有制形式。

应该指出，报告《中国上市公司违约风险的影响因素研究》（以下简称“报告1”）与《中国上市公司信用指数构建与预测》(以下简称“报告2”)侧重点不同。报告1通过最优指标组合的遴选来揭示影响上市公司违约风险的影响因素。计算上市公司不同行业、不同地区和不同所有制的平均信用得分，通过曼惠特尼U检验来揭示上市公司不同行业之间、不同地区之间和不同所有制之间的信用特征和信用差异。报告2计算上市公司不同行业、不同地区和不同所有制的信用得分，构建上市公司不同行业、不同地区和不同所有制的信用指数，通过分析和预测上市公司信用指数变化，为股票债券的投资提供信用风险参考以及为金融监管当局提供监管参考。

报告1是报告2研究的基础，报告2是报告1研究的进一步深化。报告1计算的公司信用得分是报告2编制信用指数的基础，报告2通过大数据的实证分析刻画并预测中国不同行业、不同地区和不同所有制类型上市公司的信用指数变化趋势，建立了以负债总额为标准的上市公司信用指数，为股票债券的投资提供信用风险参考以及为金融监管当局提供监管参考。

样本的对象为2000年~2018年这19年间在上海证券交易所和深圳证券交易所全部上市公司样本，上市公司中9个不同行业的样本，全部上市公司小企业样本和上市公司小企业中3个不同行业的样本。海选指标集结合了穆迪、标普和惠誉三家国外权威评级机构及中国农业银行、中国银行和中国工商银行等国内金融机构的经典指标，参考了Review of Accounting Studies、The Accounting Review和《管理科学学报》等国内外权威期刊中有关文献，建立了上市公司海选指标体系。每个公司有204个指标，其中包括公司内部财务指标138个、内部非财务指标17个和外部宏观环境指标49个。除此以外，还有违约标记指标1个。指标数据来源于万得金融数据库（Wind）、中国经济金融研究数据库（CSMAR）、中国经济社会发展统计数据库（CNKI）。指标数据的处理采用异常值处理、定性指标（WOE）打分、定量指标标准化和非平衡数据处理。模型的构建在科学研究的方法论上有以下四个方面的创新：最优指标组合遴选与大数据降维；最优权重向量的确定；最优预测模型的建立；预测窗口上的特色研究。

上市公司信用得分计算和信用指数构建

中国上市公司信用指数(Credit Index)旨在揭示全部上市公司或不同行业、不同省区市、不同所有制类型的上市公司的清偿能力大小。信用指数越大，则说明信用指数所代表的公司整体清偿能力越强，信用状况越好。由于信用指数要反映清偿能力大小，和公司负债有着密切关系，故推荐使用基于负债总额标准的信用指数进行分析。

上市公司违约预测指标体系共进行两次指标筛选。第一次指标筛选删除了指标与指标之间冗余信息，第二次指标筛选保证了指标组合有最大的违约鉴别能力。采用大数据方法对上市公司样本进行违约判别和违约预测，就得到过去年份的违约概率和未来年份预测的违约概率。通过(1—违约概率)×100，计算出每个公司特定年份的信用得分。

按照负债总额从高到低选择样本公司，并以负债总额占比赋权。这样构建的信用指数能够反映市场中负债规模较大企业的信用资质，得到的信用指数更能反映清偿能力大小和违约风险高低。这里仅以全部上市公司为例，建立以负债总额为标准的中国上市公司信用指数，用以说明上市公司指数的编制过程。应该指出，以资产总额为标准的中国上市公司信用指数编制、以资产总额加负债总额为标准的中国上市公司信用指数编制与以负债总额为标准的中国上市公司信用指数编制计算过程相同。

将全部上市公司作为一个样本，把这个样本中企业负债总额排名前10%的公司作为纳入指数的公司。以2000年全部上市公司为例，共有1176家公司，其负债总额为17745亿元。当年全部上市公司负债总额排名前10%的117家公司总的负债总额为11235亿元，占当年全部上市公司负债总额的11235/17745≈63%，因此负债总额前10%的公司，足以代表其全部公司的信用情况。

把纳入指数的某个公司负债总额，除以全部公司负债总额，就得到了这个公司的信用得分权重。信用得分用权重进行加权平均，得出2000年的全部上市公司初步的信用指数。其他年份初步的信用指数同理可得。

由于沪深300指数和上证50指数均以2000年作为基准年份，上市公司2000年以前很多指标数据不完整，故计算时以2000年作为信用指数的基准年。以2000年为基准，即把2000年的信用指数转换成1000点。这就需要所有年份的初步信用指数都通过2000年的1000点进行折算。折算的算法为(某一年的初步信用指数/2000年的初步信用指数)×1000。以此类推，得出每一年的信用指数。

中国上市公司信用指数(2000年~2023年)变化趋势与信用特征分析

（一）中国上市公司信用指数变化趋势与信用特征分析

以全部上市公司信用指数作为纵轴，时间作为横轴绘制全部上市公司的信用指数走势图并分析信用特征。全部上市公司信用指数变化趋势如图所示。2000年~2018年这19年的信用指数由上市公司信用得分违约判别值构造，2019年~2023年这5年的信用指数由公司信用得分违约预测值构造。

全部上市公司信用指数走势分析如下：第1个拐点(2007年)：上市公司信用指数从2000年1000点上升至2007年1800点，相较于2000年的1000点，涨幅约为80%。2000年~2007年间上证指数从1118点上升至6124点，上市公司整体股票市值的上升使得上市公司整体财务状况较好，信用得分普遍较高，由此带动上市公司信用指数走高。

第2个拐点(2008年)：受美国金融危机的影响，中国上市公司信用指数从2007年的1800点降至2008年的1209点，跌幅约为30%。外部经济环境不景气，导致上市公司资产缩水，上市公司信用得分降低，进而使得上市公司信用指数走低。

第3个拐点(2014年)：国务院发布《关于进一步促进资本市场健康发展的若干意见》，资本市场迎来重大利好，大量资金进入股市。上市公司股票市值回升带动上市公司资产价值增加，使得上市公司信用指数开始走高。

第4个拐点(2020年)：上市公司信用指数从2014年的971点上升至2020年的1813点，涨幅约为46%。2020年由于新冠肺炎疫情给全球经济带来严重负面影响，上市公司产销受阻，财务状况变差，直接影响上市公司信用状况，进而使得信用指数走低。

（二）中国上市公司不同行业信用指数变化趋势

基于负债总额标准构建的上市公司不同行业2000年~2023年的信用指数计算如下：2000年~2018年这19年的信用指数由上市公司信用得分违约判别值构造，2019年~2023年这5年的信用指数由公司信用得分违约预测值构造。

据测算，不同行业的信用指数标准差小于标准差的均值472定义为走势平稳的信用指数。不同行业的信用指数标准差大于标准差的均值472定义为变动幅度较大的信用指数。

上市公司不同行业信用指数呈现如下特征：信用指数走势较为平稳的行业是上市公司“采矿行业”“制造行业”和“上市小企业其他行业”等7个行业，其信用指数的标准差小于标准差的均值472，说明这7个行业的信用指数走势相对平稳；信用指数变动幅度较大的行业是上市公司“其他行业”“上市小企业制造行业”和“上市公司房地产行业”等5个行业，其信用指数的标准差大于标准差的均值472，说明这5个行业的信用指数走势变动幅度较大；应重点关注上市公司“电力、热力、燃气及水生产和供应行业”“文化、体育和娱乐行业”和“其他行业”信用风险。原因在于上述3个行业的信用指数在未来2021年~2023年期间呈现连续下跌的变化态势。其中，“电力、热力、燃气及水生产和供应行业”未来的信用指数从2021年的1038.49点下降至2023年的182.98点，下降幅度达到82%。

（三）中国上市公司不同地区信用指数变化趋势与预测

基于负债总额标准构建的上市公司不同地区2000年~2023年的信用指数计算如下：2000年~2018年这19年的信用指数由上市公司信用得分违约判别值构造，2019年~2023年这5年的信用指数由公司信用得分违约预测值构造。

据测算，不同地区的信用指数标准差小于标准差的均值376定义为走势平稳的信用指数。不同地区的信用指数标准差大于标准差的均值376定义为变动幅度较大的信用指数。

上市公司不同地区信用指数呈现如下特征：信用指数走势较为平稳的地区是辽宁省、安徽省和四川省等20个地区，其信用指数的标准差小于标准差的均值376，说明这20个地区的信用指数走势相对平稳；信用指数变动幅度较大的地区是天津市、贵州省和海南省等11个地区，其信用指数的标准差大于标准差的均值376，说明这11个地区的信用指数变动幅度较大；重点关注宁夏回族自治区、山东省、辽宁省和江西省等18个地区的上市公司信用风险。原因在于上述3个地区的信用指数在未来2021年~2023年期间呈现连续下跌的变化态势。其中辽宁省未来的信用指数从2021年的565.16点下降至2023年的8.05点，下降幅度达到98%。

（四）中国上市公司不同所有制类型信用指数变化趋势与预测

基于负债总额标准构建的上市公司所有制2000年~2023年的信用指数计算如下：2000年~2018年这19年的信用指数由上市公司信用得分违约判别值构造，2019年~2023年这5年的信用指数由公司信用得分违约预测值构造。

据测算，不同所有制的信用指数标准差小于标准差的均值965定义为走势平稳的信用指数。不同所有制的信用指数标准差大于标准差的均值965定义为变动幅度较大的信用指数。

上市公司不同所有制信用指数呈现如下特征：信用指数走势较为平稳的所有制是地方国有企业、中央国有企业和民营企业等5种所有制企业，其信用指数的标准差小于标准差的均值965，说明这5个所有制企业的信用指数走势相对平稳；信用指数变动幅度较大的所有制是外资企业和公众企业，其信用指数的标准差大于标准差的均值965，说明这2个所有制企业的信用指数变动幅度较大；重点关注民营企业、集体企业和外资企业这3类企业的信用风险。原因在于上述3类所有制企业的信用指数在未来2021年~2023年期间呈现连续下跌的变化态势。其中，集体企业未来的信用指数从2021年的1095.53点下降至2023年的17.5点，下降幅度达到98%。

相关政策启示

对于股票投资、公司债券投资、银行贷款、企业的商业信用活动等，可以根据信用指数变化趋势甄别企业信用风险、行业信用风险、地区信用风险，减少投资和贷款失误。对于证券交易所、金融监管当局，可以根据行业信用指数变化趋势、地区信用指数变化趋势和所有制信用指数变化趋势，有针对性地出台相应政策措施来维护金融市场稳定。

（一）加强对高风险行业、地区和所有制的上市公司的监管

对高风险行业、地区和所有制的上市公司及时采取措施，避免上市公司信用违约风险持续暴露引发的行业性、区域性金融风险。

一是不同行业的重点关注对象。从行业上重点关注上市公司“电力、热力、燃气及水生产和供应行业”“文化、体育和娱乐行业”和“其他行业”信用风险。以“文化、体育和娱乐行业”为例，在当前新冠肺炎疫情的负面影响下，应加大对“文化、体育和娱乐行业”上市公司的财政支持，统筹安排企业纾困资金，缓解“文化、体育和娱乐行业”上市公司的经营困难。鼓励“文化、体育和娱乐行业”上市公司创新消费业态，充分利用物联网、大数据、云计算、盘活“文化、体育和娱乐行业”线上线下资源，刺激消费和振兴消费市场。通过营造良好的生产经营环境，改善“文化、体育和娱乐行业”上市公司的资信状况。

二是不同地区的重点关注对象。从地区上应重点关注宁夏回族自治区、山东省、辽宁省和江西省等18个地区的上市公司信用风险。以辽宁省为例，辽宁省作为老工业基地，制造业是辽宁省上市公司的主力军，应进一步引导金融机构资金对辽宁省制造行业进行中长期融资，提升在辽企业的自主创新能力，推动在辽企业向“互联网+”转型升级。设立“支持上市企业发展专项资金”，对在辽企业通过全国股转系统挂牌和股权融资、证券交易所发债融资等给予资金扶持，降低在辽企业融资成本。对于在辽上市企业中资信较差的企业及时实现“隔离”措施，防止个别企业违约引发区域性金融风险。

三是不同所有制的重点关注对象。从所有制上重点关注民营企业、集体企业和外资企业这3种所有制类型企业的信用风险。以民营企业为例，政府部门应加大对民营上市企业的支持力度，整治、消除民营企业的发展障碍，使其获得更好的行政、融资、公共服务。例如，在行政审批、政府采购、招标投标等涉及政府部门的事项办理中为信用状况较好的企业提供“容缺受理”和“容缺审批”服务。引导金融机构对民营企业实施信贷倾斜，扩大对民营企业的信用贷款规模，为民营企业提供无抵押、无担保的创新金融产品，降低民营企业的融资成本。

（二）利用大数据技术完善信用监管

结合国务院2015年印发的《促进大数据发展行动纲要》中深化大数据应用的意见，金融机构要继续推进金融体系与大数据、机器学习等新兴科技的深度融合，探索利用大数据等新兴技术手段完善企业信用监管机制，降低银企间建立信任的成本。建立动态分析风险预警体系，如上市公司信用指数，加强对上市公司信用风险的全流程控制。对生产经营有困难，但信用状况较好的企业，针对性地实施信贷帮扶措施，帮助企业渡过难关，避免经济下行压力下，金融机构“断贷、抽贷、压贷”行为加速企业财务状况恶化，加剧企业信用风险。通过大数据平台实现广泛信用信息共享，降低金融机构与企业之间的信任成本，使信用状况较好的企业在市场交易当中能够获得更多的机会、更高的效率和更大的收益。

（三）对信用状况好的对象扩大融资规模、减轻企业税费负担

根据不同行业、不同地区和不同所有制企业的信用水平的高低不同，结合2021年5月国务院常务会议关于《扩大信用贷款等业务规模》的要求，引导金融机构对信用状况较好行业中的企业、信用状况较好地区中的企业以及信用状况较好所有制类型中的企业，扩大信用贷款、首贷、中长期贷款、无还本续贷业务规模，减轻企业占款压力。支持企业搭建重点行业产业链供需对接平台，引导供应链上下游稳定原材料供应和产销配套协作，做好保供稳价，防止原材料价格剧烈波动引起企业资金链紧张所带来的信用风险。持续推进“放管服”改革，进一步落实“六稳”“六保”政策，落实减税降费措施。例如，落实好金融机构贷款利息收入、企业融资担保收入免征增值税等系列税收优惠政策，支持金融机构向特定企业贷款，减轻企业的税收负担，为信用状况好的企业发展提质增效。