于 嘉 王安水 張曉雯 宋 蕾

（1.中國電力財務(wù)有限公司山東分公司，山東 濟南 250001；2.長城新盛信托責(zé)任有限公司，北京 100045；3.中國農(nóng)業(yè)銀行山東省分行，山東 濟南 250002；4.中國電力財務(wù)有限公司，北京 100005）

基于財務(wù)公司視角的產(chǎn)業(yè)鏈金融信用風(fēng)險度量問題研究
——以中國重汽產(chǎn)業(yè)鏈為樣本的實證分析

于 嘉1王安水2張曉雯3宋 蕾4

（1.中國電力財務(wù)有限公司山東分公司，山東 濟南 250001；2.長城新盛信托責(zé)任有限公司，北京 100045；3.中國農(nóng)業(yè)銀行山東省分行，山東 濟南 250002；4.中國電力財務(wù)有限公司，北京 100005）

本文圍繞產(chǎn)業(yè)鏈企業(yè)信用風(fēng)險度量問題展開研究，以中國重汽產(chǎn)業(yè)鏈中的上市公司為樣本，在利用樣本公司資本市場公開數(shù)據(jù)基礎(chǔ)上，采用KMV模型預(yù)估所選公司違約概率，并進一步借助時間序列分析方法，探討產(chǎn)業(yè)鏈條上樣本公司違約概率的變動關(guān)系。結(jié)果表明，產(chǎn)業(yè)鏈條上企業(yè)的違約概率并不一定隨國家宏觀經(jīng)濟走弱而上升；相比鏈條其他企業(yè)，核心企業(yè)違約概率未必是最低的；核心企業(yè)違約概率的變化與鏈條其他企業(yè)違約概率的變化并不存在因果關(guān)系，非核心企業(yè)間違約概率變化卻存在傳導(dǎo)可能性。從近三年時間的計算數(shù)據(jù)來看，產(chǎn)業(yè)鏈上企業(yè)的違約概率之間并不存在穩(wěn)定的均衡關(guān)系。

產(chǎn)業(yè)鏈；違約概率；KMV模型

一、引言

長期以來，財務(wù)公司在具體業(yè)務(wù)開發(fā)上多以銀行作為參考模板。依據(jù)銀行開展產(chǎn)業(yè)鏈金融服務(wù)的市場經(jīng)驗，產(chǎn)業(yè)鏈金融服務(wù)遇到的風(fēng)險問題并不比傳統(tǒng)金融服務(wù)少。例如，現(xiàn)在的產(chǎn)業(yè)鏈金融主要基于應(yīng)收賬款融資、存貨融資和預(yù)付款融資三種基本類型，并組合衍生出其他產(chǎn)品，針對不同的產(chǎn)品需要設(shè)計不同的授信流程，流程的復(fù)雜性增加了操作風(fēng)險概率。又如，法律制度體系自身存在的空白，不同區(qū)域法律執(zhí)行效率的差異，以及相關(guān)合同中涉及的與貨物監(jiān)管、資產(chǎn)處置有關(guān)的協(xié)議、聲明書、通知書等法律形式的多樣性，也提高了法律風(fēng)險管理的難度。而與這些風(fēng)險類型相比，產(chǎn)業(yè)鏈金融作為一項融資業(yè)務(wù)，最關(guān)注的依然是信用風(fēng)險。

銀行在產(chǎn)業(yè)鏈金融業(yè)務(wù)領(lǐng)域的探索，一方面為財務(wù)公司提供了良好的借鑒，另一方面對財務(wù)公司信用風(fēng)險管理水平提出了更高的要求。但從實際接觸來看，財務(wù)公司在信用風(fēng)險管理方面缺乏嚴(yán)格的量化分析。受政策限制，除同業(yè)拆借、對外投資、買方信貸等少數(shù)業(yè)務(wù)外，財務(wù)公司主要服務(wù)對象局限為集團內(nèi)部成員。集團內(nèi)部成員與財務(wù)公司間信貸資金往來實則暗含了集團對其風(fēng)險的信用背書。在這樣的機制下，財務(wù)公司容易缺乏提升風(fēng)險管理技術(shù)的積極性。

相比之下，20世紀(jì)70年代以來，國外金融機構(gòu)風(fēng)險管理逐步向風(fēng)險量化管理模式轉(zhuǎn)變，對信用風(fēng)險的評估和測度均已采用現(xiàn)代違約概率測度模型。而國內(nèi)財務(wù)公司缺乏合理的計量模型，在具體衡量和監(jiān)測風(fēng)險時使用的方法仍局限于定性分析和簡單的財務(wù)比率分析等一些傳統(tǒng)方法。其中，定性分析依賴于分析者的直覺經(jīng)驗，由于分析人員的學(xué)識、能力不同，必然會導(dǎo)致誤差的存在；財務(wù)比率分析則受制于數(shù)據(jù)獲取的時效性，很難真實反映企業(yè)當(dāng)前的財務(wù)狀況。在產(chǎn)業(yè)鏈金融業(yè)務(wù)背景下，財務(wù)公司也會不可避免地接觸集團外部企業(yè)。對外部企業(yè)經(jīng)濟策略選擇和管理決策等信息掌握上的劣勢，將使財務(wù)公司對其授信后，承擔(dān)相對于內(nèi)部成員單位更高的信用風(fēng)險。財務(wù)公司如若無法提升風(fēng)險識別和衡量的準(zhǔn)確性，便難以掌握貸款過程蘊含的風(fēng)險。

目前，國內(nèi)已有不少學(xué)者開始利用定量模型研究企業(yè)信用風(fēng)險。張玲（2004）利用Z值模型反映上市公司風(fēng)險及其變化情況，研究結(jié)果顯示，上市公司最初兩年資信品質(zhì)較為穩(wěn)定，隨后將會大幅度下降；夏立明（2013）認(rèn)為，如果只是在孤立的時間點上對產(chǎn)業(yè)鏈中小企業(yè)進行信用風(fēng)險評價，容易導(dǎo)致評價結(jié)果失真。為此，作者在模型中融入了時間的變化，選用微粒群算法和模糊綜合評價方法對供應(yīng)鏈中小企業(yè)進行風(fēng)險評價。李倩（2014）則通過實證研究發(fā)現(xiàn)，結(jié)合主成分分析與最小二乘原理的風(fēng)險模型更適合產(chǎn)業(yè)鏈信用評估。對已有文獻梳理后不難發(fā)現(xiàn)，面向產(chǎn)業(yè)鏈，利用資本市場公開數(shù)據(jù)度量鏈條企業(yè)信用風(fēng)險的研究寥寥無幾。雖有學(xué)者利用計量模型對樣本公司信用風(fēng)險進行了測度，但并未隨時間的發(fā)展計算、跟蹤信用風(fēng)險的變化趨勢，無法與宏觀經(jīng)濟形勢相對照，不能反映產(chǎn)業(yè)鏈自身信用風(fēng)險變化特點，更未對產(chǎn)業(yè)鏈企業(yè)信用風(fēng)險變化之間的聯(lián)系進行探討。鑒于此，本文將立足已有研究成果，探討適合現(xiàn)階段財務(wù)公司評估產(chǎn)業(yè)鏈金融違約風(fēng)險的模型，并給出實證分析。

二、模型的選取與建立

（一）對模型選擇的思考

無論理論界還是實務(wù)界，都對量化信用風(fēng)險積累了豐富的經(jīng)驗。借鑒以往研究成果，文章結(jié)合風(fēng)險評估過程，將主要方法、模型總結(jié)如下：

由圖1可知，量化分析貫穿信用風(fēng)險管理的各個環(huán)節(jié)。國外對于信用風(fēng)險測度的研究起于嚴(yán)格假設(shè)，后逐漸放松，經(jīng)歷了從定性到定量、從單變量到多變量、從單筆授信到貸款組合的過程，評估方法上不斷推陳出新，信用風(fēng)險判別能力上也越來越強。《巴塞爾協(xié)議Ⅱ》強調(diào)并鼓勵商業(yè)銀行盡可能利用包括計量模型在內(nèi)的量化分析技術(shù)進行風(fēng)險管理。財務(wù)公司與商業(yè)銀行在服務(wù)類型上有重合之處，但由于初始定位不同，在業(yè)務(wù)開展的廣度、深度上有所差別，因此適合商業(yè)銀行信用風(fēng)險管理的工具未必適合財務(wù)公司，更不是所有的計量模型都適合產(chǎn)業(yè)鏈金融風(fēng)險度量。比如Credit Risk+模型，該模型假設(shè)在給定期間內(nèi)，每筆貸款違約概率服從泊松分布。由概率論可知，此時每筆貸款只有違約和不違約兩種狀態(tài)，且每筆貸款違約風(fēng)險獨立于其他貸款，但同一鏈條的企業(yè)往往有穩(wěn)定的合作關(guān)系，相關(guān)性較強，這一點與模型前提假設(shè)存在沖突；再比如，Credit Metrics模型依據(jù)每年評級歷史數(shù)據(jù)估計違約概率，方法雖然簡單，但我國缺乏成熟、完備的針對中小企業(yè)的信用評級體系，因此在以中小企業(yè)大量存在為特征的產(chǎn)業(yè)鏈金融中，Credit Metrics模型也并不適合推廣。

圖1：產(chǎn)業(yè)鏈信用風(fēng)險評價模型

現(xiàn)階段，logistic二元邏輯回歸模型是運用較為廣泛的計算違約概率的數(shù)量模型（熊熊，2009；田家歡，2013；張志浩。2013）。在實際操作時，財務(wù)公司首先需要結(jié)合產(chǎn)業(yè)鏈業(yè)務(wù)特點，構(gòu)建出反映產(chǎn)業(yè)鏈金融風(fēng)險特征的指標(biāo)體系。其中，對于非財務(wù)指標(biāo)，還需借助專家打分予以賦值。然而目前全國只有少數(shù)幾家財務(wù)公司開展產(chǎn)業(yè)鏈金融服務(wù)，財務(wù)公司對此類業(yè)務(wù)的認(rèn)識仍需要經(jīng)歷一個逐漸深入的過程。

對財務(wù)公司來說，一方面，選擇模型的假設(shè)前提與現(xiàn)實環(huán)境不可偏離太大；另一方面，從熟悉的領(lǐng)域入手，從易到難更為妥當(dāng)。諳熟財務(wù)指標(biāo)內(nèi)在聯(lián)系，具備較強的財務(wù)分析能力是財務(wù)公司的優(yōu)勢，因此從財務(wù)會計指標(biāo)類的風(fēng)險度量模型著手應(yīng)是較為合理的選擇。此外，國內(nèi)資本市場日益完善，中小板與創(chuàng)業(yè)板的推出在一定程度上緩解了中小企業(yè)信息不透明問題?；谫Y本市場數(shù)據(jù)的計量模型，理論上對企業(yè)信用風(fēng)險的度量更具動態(tài)性與時效性。因此，本文擬采用KMV模型對產(chǎn)業(yè)鏈條中企業(yè)的信用風(fēng)險進行度量。KMV模型的數(shù)據(jù)來源于公開的資本市場，而選擇其估算違約概率的隱含邏輯在于，金融資產(chǎn)交易價格反映的是未來凈現(xiàn)金流的現(xiàn)值，未來凈現(xiàn)金流與行業(yè)基本面息息相關(guān)，行業(yè)基本面的變化通常會影響產(chǎn)業(yè)鏈其他企業(yè)的股價。因此運用KMV模型不僅可以測算產(chǎn)業(yè)鏈單一企業(yè)主體違約概率，而且還可以對鏈條企業(yè)違約概率方向變動關(guān)系進行分析。

（二）模型建立

KMV模型源自莫頓對Black-Scholes期權(quán)定價公式的理解與運用。把KMV模型應(yīng)用于產(chǎn)業(yè)鏈金融信用風(fēng)險分析時，應(yīng)把金融機構(gòu)，包括財務(wù)公司對鏈上企業(yè)的借貸關(guān)系視為期權(quán)買賣關(guān)系。此時，期權(quán)標(biāo)的為鏈上融資企業(yè)資產(chǎn)價值，執(zhí)行價格為鏈上企業(yè)融資債務(wù)總額。若企業(yè)資產(chǎn)價值低于所需清償債務(wù)的賬面價值，企業(yè)會選擇違約。相反則會選擇守約。KMV模型可表示為：

式中各變量含義如表1所示。

表1：變量定義與描述

運用KMV模型計算信用風(fēng)險的思路是：通過估算VA、σA,求出違約距離，最終解得違約概率。Black-Scholes模型設(shè)定股票價格變化遵循對數(shù)正態(tài)分布，此時股票日收益率ui為：

其中si為公司股票第i個交易日收盤價格。

則股票收益的日波動率為：

此外在KMV模型中，違約點的選取有可能對模型計算結(jié)果產(chǎn)生直接影響。原始KMV模型將違約臨界點設(shè)置短期負(fù)債加0.5倍長期負(fù)債。章文芳（2010）、張能佳（2010）分別采用最小誤判法、Matlab編程計算尋找適合于中國上市公司的違約點參數(shù)，但所得結(jié)果并不一致。本文對此不做重點探討，在設(shè)置違約點參數(shù)b時，參考馬若微（2015）的做法，令其取值0.1、0.2到1。

三、實證結(jié)果分析

（一）樣本選取及數(shù)據(jù)來源

本文以汽車產(chǎn)業(yè)鏈作為研究對象。如此選擇主要出于兩點考慮：首先，國內(nèi)較早開展產(chǎn)業(yè)鏈金融業(yè)務(wù)的原深圳發(fā)展銀行曾在2010年年度報告中指出，汽車產(chǎn)業(yè)鏈條長，涉及鋼鐵、機械、銷售、維修等數(shù)十類產(chǎn)業(yè)，產(chǎn)業(yè)鏈金融需求旺盛，已具備實現(xiàn)產(chǎn)業(yè)鏈金融應(yīng)用的條件。其中，整車制造商在鏈條中處于主導(dǎo)地位，具有足夠的權(quán)威性；零部件制造企業(yè)及銷售企業(yè)則處于非核心位置，話語權(quán)相對較弱，不得不經(jīng)常面對因核心企業(yè)在貨價、賬期等方面提出苛刻要求而產(chǎn)生的資金缺口問題。其次，中國重汽是我國重型汽車生產(chǎn)的骨干企業(yè)，總部設(shè)在山東濟南，與山東境內(nèi)多家同處汽車產(chǎn)業(yè)鏈上的上市企業(yè)有密切業(yè)務(wù)往來。同時，中國重汽所屬中國重汽財務(wù)有限公司亦是國內(nèi)較早成立的非銀行類金融機構(gòu)，為更好支持集團發(fā)展，希望拓展產(chǎn)業(yè)鏈金融業(yè)務(wù)。因此，對產(chǎn)業(yè)鏈信用風(fēng)險的度量研究亦會對這類企業(yè)相關(guān)業(yè)務(wù)開展提供一定借鑒意義。剔除上市時間短、未登陸國內(nèi)資本市場等影響因素，本文最終選擇中國重汽（000951）、山東基隆股份有限公司（002363）、山東鋼鐵（600022）作為研究對象。

現(xiàn)實中產(chǎn)業(yè)鏈融資一般為期限小于1年的短期借款，故將預(yù)測周期設(shè)定為半年、1年兩類。例如，假設(shè)一筆貸款于2013年1月1日發(fā)放，約定2013年6月30日歸還。以往文獻通常測算到期日當(dāng)天違約概率，但貸款違約未必發(fā)生在到期日，期間任何一點都有可能。本文通過每日測算，以求出期限內(nèi)違約概率平均值，穩(wěn)定性更好。此外，由于財務(wù)數(shù)據(jù)獲取時間上具有滯后性，因此同一季度內(nèi)，樣本公司債務(wù)面值、短期負(fù)債、長期負(fù)債均取自上一期公司定期公告。無風(fēng)險利率取自中證網(wǎng)每日公布的一年期國債收益率。公司收盤價、債務(wù)面值、短期負(fù)債、長期負(fù)債、股權(quán)價值等數(shù)據(jù)則取自銳思數(shù)據(jù)庫。

（二）違約概率的度量結(jié)果與分析

本文使用計算機編程軟件計算得到中國重汽、山東基隆股份有限公司、山東鋼鐵2013年1月至2016年6月期間預(yù)期違約概率，如表2所示。

首先，在樣本期間，預(yù)估中國重汽違約概率最小3.84%，最大4.78%，相差0.9%；預(yù)估基隆股份違約概率最小4.92%，最大5.19%，相差0.2%；預(yù)估山東鋼鐵違約概率最小2.58%，最大4.27%，相差1%。模型預(yù)估值較為穩(wěn)定。

其次，當(dāng)參數(shù)b分別設(shè)定為0.1、0.2到1時，違約點的選擇對本次樣本違約率計算影響不顯著。在相同貸款期間，取不同b值，中國重汽、山東鋼鐵違約概率大小差異在0—0.2%；基隆股份，則在0%—0.03%。

此外，在研究期間，樣本公司預(yù)估違約率變化與國家宏觀經(jīng)濟運行方向一致，但意義不同（見圖2、3）。

近年來國家經(jīng)濟處下行周期，經(jīng)營困難的企業(yè)日益增多，理論上人們對企業(yè)違約心理預(yù)期逐漸增強。在此形勢下，我國汽車產(chǎn)業(yè)不可避免地受到了一定沖擊。但從中國產(chǎn)業(yè)信息網(wǎng)公布的數(shù)據(jù)來看，我國乘用車總體銷量依舊維持增長態(tài)勢，只是增速自2009—2010年達到頂峰后出現(xiàn)滑落，目前保持在8%—9%區(qū)間內(nèi)。重卡行業(yè)，則由于2010年投資擴產(chǎn)，使得隨后的五年實際一直處于去庫存狀態(tài)。據(jù)統(tǒng)計，2016年初，重卡廠商的平均庫存已下降到728臺。從行業(yè)數(shù)據(jù)對比觀測，汽車業(yè)的發(fā)展走勢未與國家GDP呈現(xiàn)出一致性關(guān)系?？梢哉f，汽車市場規(guī)模容量及售后服務(wù)需求，為產(chǎn)業(yè)內(nèi)企業(yè)業(yè)績提供了良好支撐。反映在本文，中國重汽、基隆股份兩家樣本公司預(yù)估違約概率未隨宏觀經(jīng)濟走弱而惡化，相反，中國重汽預(yù)估違約概率在樣本期間有小幅下降，而基隆股份則大致保持平穩(wěn)。

先前鋼鐵業(yè)屢現(xiàn)大面積虧損情況，從理論上說，山東鋼鐵的違約可能性理應(yīng)隨GDP增速放緩而出現(xiàn)上升。然而在樣本期，山東鋼鐵違約概率卻維持在3.3%的低預(yù)期水平。對此可能的解釋有：第一，山東鋼鐵地處華東，水路、鐵路運輸便捷，綜合看其物流成本相對其他地區(qū)鋼廠有一定優(yōu)勢；雖然面臨其他地區(qū)鋼材產(chǎn)品競爭，但在山東境內(nèi)龍頭地位突出，同時，華東地區(qū)也是我國鋼材主要消費地之一。除2014年凈利潤呈現(xiàn)虧損，山東鋼鐵2013年、2015年分別賺取1.58億元與0.75億元。第二，鋼鐵業(yè)供給側(cè)結(jié)構(gòu)改革成效初顯。萬得數(shù)據(jù)顯示，2016年上半年35家鋼企利潤已達42.79億元，2015年同期則巨虧40億元。同時，改革依舊在持續(xù)深入。山東省政府已就十三五期間鋼鐵行業(yè)去產(chǎn)能制定出詳細(xì)計劃，并下發(fā)《山東省鋼鐵行業(yè)淘汰落后產(chǎn)能實現(xiàn)脫困發(fā)展具體實施意見》，山東是繼遼寧之后第二個公布具體去產(chǎn)能計劃的省份，后續(xù)其他鋼企所在地區(qū)也會有相應(yīng)政策出臺。政策力度加大，為鋼鐵業(yè)未來向好發(fā)展提供了基礎(chǔ)，而資本市場恰恰反映預(yù)期，在業(yè)績反轉(zhuǎn)因素共振作用下，山東鋼鐵顯示的較低預(yù)期違約率具有可信性。

圖2：GDP增長率變化曲線

圖3：樣本公司違約概率變化

產(chǎn)業(yè)鏈金融理論認(rèn)為，核心企業(yè)能夠利用自身良好資信狀況為中小類非核心企業(yè)提供融資擔(dān)保，兩者信用質(zhì)量存在差別。從本文估計結(jié)果來看，中國重汽違約概率小于基隆股份違約概率亦是對這一點比較好的佐證。相比零部件制造商對整車制造商較強的依賴性，雖然同處汽車產(chǎn)業(yè)鏈上游端，但汽車領(lǐng)域?qū)︿摬牡男枰獌H占鋼鐵行業(yè)下游需求的7%；同時，由于汽車業(yè)本身競爭激烈，單一整車制造商對國有大型鋼鐵企業(yè)并不具備信用優(yōu)勢。因此，本文所選山東鋼鐵預(yù)估違約概率并未高于中國重汽。

表2：樣本公司KVM模型計算結(jié)果

（三）樣本公司違約概率間的聯(lián)系

由于本文以日數(shù)據(jù)計算違約概率，每家樣本公司獲得1094組數(shù)據(jù)，因而可采取時間序列分析方法研究變量間的相互關(guān)系。在對時間序列數(shù)據(jù)進行計量操作時，為避免出現(xiàn)虛假回歸，首先要對各個變量進行平穩(wěn)性檢驗。本文采用ADF檢驗來確定樣本公司違約概率數(shù)據(jù)的平穩(wěn)性。結(jié)果顯示，原始數(shù)據(jù)經(jīng)一階差分后平穩(wěn)。由于樣本公司同處一條產(chǎn)業(yè)鏈，需關(guān)注其中一家公司違約概率的變化是否可以引起其余公司違約概率的變化。對此，本文采用格蘭杰因果檢驗進行探究。經(jīng)過多次試驗，差分序列滯后7期AIC最小，為-43.31756，滯后1期SC最小，為-43.26211，兩種滯后期選擇標(biāo)準(zhǔn)顯示不一致。此時應(yīng)考慮用LR檢驗取舍，LR統(tǒng)計量為=-2×（23533.27-23587.43） =108.32。其中 23533.27 和23587.43分別表示滯后1期和7期時模型的對數(shù)似然函數(shù)值。在零假設(shè)下，統(tǒng)計量服從卡方分布，其自由度為VAR（7）到VAR（1）對模型參數(shù)施加的零約束個數(shù)。經(jīng)計算，該檢驗相伴概率值大于0.05，表明采用1期滯后更為合理。在此基礎(chǔ)上，格蘭杰因果檢驗結(jié)果顯示，重汽預(yù)估違約概率的變化并不是產(chǎn)業(yè)鏈合作企業(yè)基隆股份與山東鋼鐵違約率變化的原因；基隆股份違約概率的變化會引起山東鋼鐵違約概率的變化，反之則不成立?？赡艿脑蚴腔」煞莓a(chǎn)品60%以上出口國外，重汽雖與之有業(yè)務(wù)往來，但總量有限，因此一方的“負(fù)面”也很難實質(zhì)性地影響另一方；進一步通過方差分解（見圖4），發(fā)現(xiàn)山東鋼鐵違約概率變化的變動方差80%以上由自身變動導(dǎo)致，基隆股份對其影響第一期約為10%，從第2期穩(wěn)定在12%附近，重汽的影響則幾乎為0。這也從側(cè)面支持了格蘭杰因果檢驗的結(jié)果。

圖4：山東鋼鐵違約概率變化方差分解

另外，三家樣本公司數(shù)據(jù)同為1階非平穩(wěn)時間序列，有條件進行協(xié)整檢驗。本文利用Johansen方法，在5%顯著性水平下，對樣本公司違約概率進行了檢驗，結(jié)果如表3所示。

表3：樣本數(shù)據(jù)協(xié)整檢驗結(jié)果

原假設(shè)None表示沒有協(xié)整關(guān)系，該假設(shè)下計算的統(tǒng)計值為28.31853，小于臨界值29.79707，且概率值為0.0733，表示無法拒絕原假設(shè)。因此，基于本文樣本數(shù)據(jù)，無法認(rèn)為中國重汽違約概率與其合作企業(yè)違約概率間存在規(guī)律性變化軌跡。

四、結(jié)論與建議

現(xiàn)階段，財務(wù)公司對產(chǎn)業(yè)鏈金融風(fēng)險度量能力偏弱。在綜合有關(guān)產(chǎn)業(yè)鏈金融風(fēng)險的研究現(xiàn)狀和主要觀點的基礎(chǔ)上，本文認(rèn)為基于財務(wù)會計指標(biāo)與市場價值指標(biāo)的計量模型更適合目前財務(wù)公司產(chǎn)業(yè)鏈金融信用風(fēng)險度量。隨后，本文選擇汽車產(chǎn)業(yè)鏈為研究對象，采用KMV模型估算了中國重汽、山東基隆股份有限公司與山東鋼鐵三家樣本公司違約概率，并在已估算違約概率的基礎(chǔ)上，利用時間序列分析方法，研究了樣本違約概率之間的變動關(guān)系。

（一）產(chǎn)業(yè)鏈條上企業(yè)的違約概率不一定隨國家宏觀經(jīng)濟走弱而提升

每一個行業(yè)都有其自身發(fā)展的規(guī)律周期，每一家企業(yè)也有應(yīng)付危機的方法與手段。經(jīng)濟發(fā)展速度放緩的確使一些企業(yè)的經(jīng)營狀況陷入了困境，但在衡量信用風(fēng)險時，不能簡單依賴經(jīng)濟環(huán)境變化判斷信用風(fēng)險的高低。

（二）相比鏈條其他企業(yè)，核心企業(yè)違約概率未必最低

產(chǎn)業(yè)鏈核心企業(yè)對中小類非核心企業(yè)具備更優(yōu)異的信用質(zhì)量，反映在違約概率上，預(yù)期核心企業(yè)違約概率低于中小類非核心企業(yè)。但類似汽車產(chǎn)業(yè)鏈這般牽扯眾多企業(yè)的長鏈條，除了中小類非核心企業(yè)，也有同核心企業(yè)體量相當(dāng)?shù)姆呛诵钠髽I(yè)，如本文的中國重汽與山東鋼鐵。政策支持與業(yè)績改善，可能使得這類企業(yè)基于資本市場數(shù)據(jù)反映出的違約概率，較核心企業(yè)更低。

（三）核心企業(yè)違約率的變化與鏈條其他企業(yè)違約率的變化并不存在格蘭杰因果關(guān)系，非核心企業(yè)間違約率變化存在傳導(dǎo)可能性

從近三年時間的計算數(shù)據(jù)來看，產(chǎn)業(yè)鏈企業(yè)違約概率值之間并不存在穩(wěn)定的均衡關(guān)系。

過往研究僅把St、*St、暫停上市三種類別上市公司其中一類視為違約樣本對比參照，但實際三者違約風(fēng)險逐次升高。理論上，如果能夠分別計算三類公司違約概率，那么原本正常類公司違約概率一旦進入其中一類區(qū)間值，其信用風(fēng)險等級應(yīng)隨之提高。本文在此不再展開研究。但通過實證分析不難發(fā)現(xiàn)，以計量操作為代表的量化分析有助于財務(wù)公司更好認(rèn)識產(chǎn)業(yè)鏈金融風(fēng)險。鑒于此，本文有如下建議：

第一，財務(wù)公司管理者應(yīng)主動學(xué)習(xí)金融風(fēng)險相關(guān)專業(yè)知識，提升風(fēng)險度量能力。產(chǎn)業(yè)鏈金融的復(fù)雜性對管理者的專業(yè)能力提出了更高的要求，不僅要掌握傳統(tǒng)的財務(wù)知識理論，還要對金融業(yè)務(wù)及其帶來的風(fēng)險有深刻認(rèn)識。財務(wù)公司可以從外部吸收風(fēng)險管理專業(yè)人才，也可以將對公司內(nèi)部業(yè)務(wù)熟練、素質(zhì)較高的員工選送到其他更具風(fēng)險管理經(jīng)驗的金融機構(gòu)學(xué)習(xí)，管理者專業(yè)水平?jīng)Q定了財務(wù)公司風(fēng)險管理整體大環(huán)境。

第二，發(fā)展初期，財務(wù)公司可以參照其他金融機構(gòu)的先進經(jīng)驗，根據(jù)業(yè)務(wù)要求選擇合適、已成熟的模型工具。同時，由于一般模型本身基于訓(xùn)練樣本的數(shù)據(jù)而建立，因此在引入測試樣本判別結(jié)果時，要將模型的設(shè)立和驗證相分離，并在獲取最新數(shù)據(jù)后及時檢測模型是否失效。

第三，完善數(shù)據(jù)庫建設(shè)。在開展產(chǎn)業(yè)鏈金融的最初幾年，企業(yè)數(shù)據(jù)的缺乏會是財務(wù)公司遇到的第一個問題，也會影響量化分析工具效用的發(fā)揮。對此，財務(wù)公司一方面必須切實做好收集、儲存、整理與產(chǎn)業(yè)鏈相關(guān)的企業(yè)財務(wù)信息、交易信息等工作；另一方面，應(yīng)積極與銀行開展數(shù)據(jù)信息交流、共享，早日建立自己的產(chǎn)業(yè)鏈數(shù)據(jù)庫。

[1]張玲，曾維火.基于Z值模型的我國上市公司信用評級研究[J].財經(jīng)研究，2004，（6）.

[2]夏立明，邊亞男，宗恒恒.基于供應(yīng)鏈金融的中小企業(yè)信用風(fēng)險評價模型研究[J].商業(yè)研究，2013，（10）.

[3]李倩.基于PCA－LSFSVM的供應(yīng)鏈金融信用風(fēng)險評估模型研究[D].華南理工大學(xué)碩士研究生論文，2014.

[4]管百海.通過供應(yīng)鏈金融提高供應(yīng)鏈的整體競爭力[J].西南金融，2017，（4）.

[5]熊熊，馬佳，趙文杰，王小琰，張今.供應(yīng)鏈金融模式下的信用風(fēng)險評價[J].2009，（12）.

[6]田家歡.供應(yīng)鏈金融及其信用風(fēng)險控制[D].浙江工商大學(xué)碩士研究生論文，2013.

[7]張志浩.供應(yīng)鏈金融違約風(fēng)險評估及防范[D].東華大學(xué)，2013.

[8]章文芳，吳麗美，崔小巖.基于KMV模型上市公司違約點的確定[J].統(tǒng)計與決策，2010，（14）.

[9]張能福，張佳.改進的KMV模型在我國上市公司信用風(fēng)險度量中的應(yīng)用[J].預(yù)測，2010，（5）.

[10]馬若微.違約風(fēng)險的動態(tài)測度與解除[M].北京：經(jīng)濟科學(xué)出版社，2015.

A Study on the Credit Risk Measurement of Industrial Chain Finance Based on the Perspective of Financial Company——Take China National Heavy Truck Group(CNHTC)as an Example

Yu Jia1WangAnyong2Zhang Xiaowen3Song Lei4
（1.Shandong Branch of China Power Finance Co.LTD，Shandong Jinan 250001；2.Changcheng Xinsheng Trust Limited Liability Company，Beijing 100045；3.Shandong Branch of Agricultural Bank of China，Shandong Jinan 2500002；4.China Power Finance Co.LTD，Beijing 100005）

Focusing on the credit risk measurement of industrial chain corporations and taking the listed companies in CNHTC industrial chain as samples，this paper has used the KMV model to estimate the default probability of the selected companies based on the data published in the capital market of the sample companies.Furthermore，it has explored the changing of sample companies'default probability by time series analysis.The results show that the default probability of enterprises in the industrial chain does not necessarily increase as the national macro-economy weakens；compared with other enterprises in the chain，the default probability of the core enterprise is not necessarily the lowest；there is no causal relationship between the change of the default probability of core enterprises and that of other enterprises，while the changes of default probability among non-core corporations are likely epidemical.From the recent three years'calculated data，there is no stable equilibrium of default probability among the enterprises in the industrial chain.

industrial chain，default probability，KMV model

F830

B

1674-2265（2017）08-0034-07

2017-06-30

本文僅代表作者個人觀點，文責(zé)自負(fù)。

于嘉，男，山東濟南人，經(jīng)濟學(xué)博士，供職于中國電力財務(wù)有限公司山東分公司，研究方向為國民經(jīng)濟學(xué)；王安水，男，山東濟南人，供職于長城新盛信托責(zé)任有限公司；張曉雯，女，山東濟南人，經(jīng)濟學(xué)博士，供職于中國農(nóng)業(yè)銀行山東省分行，研究方向為財務(wù)管理；宋蕾，女，山東青島人，供職于中國電力財務(wù)有限公司，研究方向為金融信息工程。

（責(zé)任編輯 耿 欣；校對 WJ，GX）