郭兆靈

摘要：通過(guò)采用債券違約樣本進(jìn)行實(shí)證研究，選取違約主體首次發(fā)生信用風(fēng)險(xiǎn)預(yù)警信號(hào)時(shí)點(diǎn)前一年的數(shù)據(jù)，將多元化的21個(gè)風(fēng)險(xiǎn)特征指標(biāo)加入Lasso-logistic回歸模型進(jìn)行研究，最終選取了11項(xiàng)企業(yè)集團(tuán)信用風(fēng)險(xiǎn)關(guān)鍵預(yù)警指標(biāo)。

關(guān)鍵詞：企業(yè)集團(tuán);信用風(fēng)險(xiǎn);Lasso- logistic回歸

債權(quán)融資是我國(guó)企業(yè)融資的最為重要的渠道，建立并完善信用體系以及信用評(píng)估方法有助于市場(chǎng)形成良性循環(huán)，為融資企業(yè)提供預(yù)警信息，給投資者提供科學(xué)決策方法，形成“評(píng)級(jí)——投資——跟蹤預(yù)警——調(diào)整——兌付”的完整閉環(huán)，對(duì)于金融市場(chǎng)各方的意義重大。

在信用評(píng)估方法研究方面，應(yīng)用較為廣泛的幾類信用風(fēng)險(xiǎn)評(píng)估方法主要有：要素分析法、多元邏輯回歸模型、人工神經(jīng)網(wǎng)絡(luò)分析法、KMV模型等。傳統(tǒng)信用評(píng)估方法由于其主觀性較強(qiáng)造成指標(biāo)的選取以及信用評(píng)價(jià)結(jié)論缺乏嚴(yán)謹(jǐn)?shù)亩糠治?。而人工智能方法又由于其技術(shù)復(fù)雜程度大、處理過(guò)程暗箱操作等造成模型的可解釋性較差。作為在西方應(yīng)用較為廣泛的基于市場(chǎng)價(jià)值的KMV等模型由于我國(guó)金融市場(chǎng)信息不健全無(wú)法直接應(yīng)用。綜合比較，數(shù)量統(tǒng)計(jì)模型中的套索法（Lasso）結(jié)合Logistic回歸模型無(wú)較多假設(shè)限制，且所需模型參數(shù)較少，有其他方法無(wú)法比擬的優(yōu)勢(shì)。因此本文選擇Lasso-logistic回歸模型對(duì)企業(yè)集團(tuán)信用風(fēng)險(xiǎn)進(jìn)行研究。

一、信用風(fēng)險(xiǎn)新特征

本文研究的信用風(fēng)險(xiǎn)為狹義的信用風(fēng)險(xiǎn)，主要是指由于交易對(duì)手方經(jīng)營(yíng)狀況惡化不能履行義務(wù)所造成的違約損失，不包括“不愿履行”這種由于主觀故意所造成的損失以及由于信用等級(jí)變化但未實(shí)質(zhì)違約造成的損失。國(guó)內(nèi)外關(guān)于信用風(fēng)險(xiǎn)影響因素的研究主要集中在傳統(tǒng)財(cái)務(wù)指標(biāo)上，對(duì)于目前信用違約主體體現(xiàn)出的業(yè)務(wù)領(lǐng)域多元化、組織形式集團(tuán)化、發(fā)展模式激進(jìn)化等新趨勢(shì)、新特征無(wú)法有效體現(xiàn)。

違約主體所屬行業(yè)擴(kuò)大化。在2014-2017年，違約方主要是在產(chǎn)能過(guò)剩的行業(yè)，而從2018年開(kāi)始新增違約主體向新興行業(yè)擴(kuò)散。前期由資金推動(dòng)的快速擴(kuò)張發(fā)展模式的“后遺癥”不斷顯現(xiàn)，全行業(yè)面臨著資金鏈考驗(yàn)。

違約主體組織結(jié)構(gòu)集團(tuán)化。2018年違約主體開(kāi)始出現(xiàn)多元化的大型綜合性企業(yè)集團(tuán)。主要原因是集團(tuán)化運(yùn)營(yíng)模式在為現(xiàn)代企業(yè)實(shí)現(xiàn)規(guī)模效益以及抵抗行業(yè)周期性風(fēng)險(xiǎn)方面帶來(lái)優(yōu)勢(shì)的同時(shí)，也給債權(quán)人帶來(lái)了風(fēng)險(xiǎn)錯(cuò)配、風(fēng)險(xiǎn)延時(shí)等負(fù)面影響。所謂風(fēng)險(xiǎn)錯(cuò)配即：企業(yè)集團(tuán)以其集團(tuán)信用或集團(tuán)內(nèi)優(yōu)質(zhì)企業(yè)信用進(jìn)行融資，資金卻通過(guò)關(guān)聯(lián)交易、關(guān)聯(lián)往來(lái)流向自身資信條件較差的企業(yè)，但債權(quán)人確未以與此風(fēng)險(xiǎn)相匹配的對(duì)價(jià)提供資金或進(jìn)行投資決策。所謂風(fēng)險(xiǎn)延時(shí)即：企業(yè)集團(tuán)通過(guò)集中管理集團(tuán)內(nèi)企業(yè)的投融資活動(dòng)和資金周轉(zhuǎn)，當(dāng)某家集團(tuán)內(nèi)企業(yè)發(fā)生信用風(fēng)險(xiǎn)時(shí)，資金通過(guò)該管理中心進(jìn)行內(nèi)部的拆借，通過(guò)“拆東墻補(bǔ)西墻”行為而導(dǎo)致信用風(fēng)險(xiǎn)的延時(shí)暴露。

實(shí)際控制人風(fēng)險(xiǎn)凸顯。由于近幾年市場(chǎng)資金充裕而助推的快速擴(kuò)張及加杠桿，造成企業(yè)資金鏈條十分脆弱，高度依賴于外部融資，銀行等金融機(jī)構(gòu)為了爭(zhēng)奪優(yōu)質(zhì)客戶資源，風(fēng)控措施執(zhí)行不到位，風(fēng)險(xiǎn)容忍度提高，普遍接受了抵押擔(dān)保能力較弱的實(shí)際控制人或股東的信用擔(dān)保。一旦實(shí)際控制人或股東發(fā)生負(fù)面新聞，如涉案、協(xié)助調(diào)查等，銀行為了確保其貸款安全往往提前抽貸，加之近幾年興起的“交叉違約條款”，產(chǎn)生多米諾骨牌效應(yīng)，瞬間將企業(yè)拉入債務(wù)危機(jī)的深淵。

二、信用風(fēng)險(xiǎn)預(yù)警模型搭建

本文原始樣本數(shù)據(jù)來(lái)自于2014年至2018年8月債券市場(chǎng)數(shù)據(jù)，以41家企業(yè)集團(tuán)（內(nèi)外部關(guān)聯(lián)方數(shù)量大于5個(gè)）違約主體出現(xiàn)違約風(fēng)險(xiǎn)信號(hào)（如：信用評(píng)級(jí)降級(jí)、債務(wù)糾紛、發(fā)生擔(dān)保代償?shù)龋┑纳弦荒陻?shù)據(jù)作為41筆違約數(shù)據(jù)樣本，從發(fā)行債券并正常兌付的客戶中抽取與違約主體發(fā)債時(shí)信用評(píng)級(jí)相同、企業(yè)性質(zhì)相似、時(shí)期匹配的到期兌付企業(yè)集團(tuán)的41筆同年數(shù)據(jù)為非違約數(shù)據(jù)樣本，共82筆數(shù)據(jù)構(gòu)成樣本集。

同時(shí)，在前期國(guó)內(nèi)外研究成果基礎(chǔ)上，對(duì)近期債券違約案例進(jìn)行分析，初步篩選出6大類21個(gè)指標(biāo)加入模型進(jìn)行研究，包括：償債能力、營(yíng)運(yùn)能力、盈利能力、產(chǎn)業(yè)布局、關(guān)聯(lián)程度及公司治理指標(biāo)。通過(guò)R軟件glmnet程序包建模，模型最終選取了其中的11個(gè)預(yù)測(cè)變量，包括：償債能力指標(biāo)3個(gè)（資產(chǎn)負(fù)債率、經(jīng)營(yíng)現(xiàn)金流量有息負(fù)債比率、有息負(fù)債占銷售收入的比例），盈利能力指標(biāo)1個(gè)（銷售凈利率），產(chǎn)業(yè)布局指標(biāo)3個(gè)（集團(tuán)涉及行業(yè)個(gè)數(shù)、集團(tuán)主要行業(yè)涉及高危行業(yè)、集團(tuán)近2年業(yè)務(wù)結(jié)構(gòu)發(fā)生較大變化），關(guān)聯(lián)程度指標(biāo)3個(gè)（集團(tuán)內(nèi)外部關(guān)聯(lián)方數(shù)量規(guī)模、其他應(yīng)收款與其他應(yīng)付款總額占資產(chǎn)總額的比重、集團(tuán)母公司是否為運(yùn)營(yíng)主體），公司治理指標(biāo)1個(gè)（最近2年公司及實(shí)際控制人、高管等是否出現(xiàn)負(fù)面信息）。這些變量是預(yù)測(cè)企業(yè)集團(tuán)是否存在信用風(fēng)險(xiǎn)的關(guān)鍵預(yù)警指標(biāo)。

三、預(yù)警指標(biāo)分析

通過(guò)與實(shí)際違約案例的背景信息相結(jié)合進(jìn)行分析發(fā)現(xiàn)，模型選出的指標(biāo)對(duì)預(yù)測(cè)信用違約具有較高的顯著性。

資產(chǎn)負(fù)債率作為企業(yè)整體負(fù)債水平的綜合性指標(biāo)，以及銷售凈利率作為企業(yè)整體盈利水平的綜合性指標(biāo)，反映了企業(yè)盈利水平對(duì)于財(cái)務(wù)杠桿的支撐能力。經(jīng)營(yíng)性現(xiàn)金流有息負(fù)債率、有息負(fù)債占銷售收入的比例都是對(duì)公司有息負(fù)債償債能力的評(píng)價(jià)，因有息負(fù)債有較大付息還本的硬性壓力，往往是引發(fā)企業(yè)債務(wù)危機(jī)的導(dǎo)火索。

集團(tuán)涉及行業(yè)個(gè)數(shù)、是否涉及高危行業(yè)、是否發(fā)生較大轉(zhuǎn)型，都是對(duì)集團(tuán)產(chǎn)業(yè)布局戰(zhàn)略的考量，若其采取激進(jìn)式的發(fā)展方式，甚至貿(mào)然進(jìn)入不熟悉的領(lǐng)域或高耗能、產(chǎn)能過(guò)剩及資金密集型行業(yè)，可能造成轉(zhuǎn)型失敗從而無(wú)法支付杠桿收購(gòu)的高額債務(wù)，因此作為信用風(fēng)險(xiǎn)的預(yù)警指標(biāo)具有較高的前瞻性。

集團(tuán)內(nèi)外部關(guān)聯(lián)方數(shù)量、其他應(yīng)收應(yīng)付占資產(chǎn)比重、集團(tuán)母公司是否為運(yùn)營(yíng)主體，均反映的是集團(tuán)內(nèi)部的關(guān)聯(lián)程度，關(guān)聯(lián)方、關(guān)聯(lián)交易越多其相互影響將越復(fù)雜，其他應(yīng)收應(yīng)付款占比重則說(shuō)明集團(tuán)內(nèi)相互的資金占用較為嚴(yán)重，信用風(fēng)險(xiǎn)更容易傳遞和蔓延。集團(tuán)母公司若不是運(yùn)營(yíng)主體那么通常以集團(tuán)母公司為主體進(jìn)行的融資，當(dāng)發(fā)生債務(wù)違約時(shí)可調(diào)用的資源其實(shí)有限。

公司及實(shí)際控制人、高管是否出現(xiàn)負(fù)面信息則反映了新聞?shì)浾搶?duì)企業(yè)融資環(huán)境的影響，實(shí)際控制人的聲譽(yù)以及違法行為將嚴(yán)重影響公司的再融資能力。同時(shí)，若大股東持有的上市公司股票進(jìn)行質(zhì)押融資，一旦有任何負(fù)面信息，將造成股價(jià)波動(dòng)而被動(dòng)平倉(cāng)，進(jìn)一步影響上市公司的控股權(quán)穩(wěn)定及股票價(jià)格，從而喪失還款保障。

四、建議與展望

建立違約信息數(shù)據(jù)庫(kù)。由于我國(guó)信用違約數(shù)據(jù)缺乏一個(gè)公開(kāi)、統(tǒng)一的數(shù)據(jù)庫(kù)，大量銀行貸款違約、私募債違約等由于缺乏公開(kāi)信息資料無(wú)法統(tǒng)計(jì)。因此，未來(lái)建立一個(gè)打通各金融機(jī)構(gòu)的違約數(shù)據(jù)庫(kù)非常有必要，是建立信用中國(guó)的數(shù)據(jù)基礎(chǔ)，有利于信用風(fēng)險(xiǎn)的進(jìn)一步研究。

分行業(yè)建立信用風(fēng)險(xiǎn)預(yù)警指標(biāo)。不同行業(yè)的各項(xiàng)財(cái)務(wù)及非財(cái)務(wù)指標(biāo)存在較大差別，若未按行業(yè)進(jìn)行分類研究，可能會(huì)造對(duì)違約的判斷將失真。在有足夠樣本的違約數(shù)據(jù)庫(kù)基礎(chǔ)上，可以按行業(yè)進(jìn)行建模，建立分行業(yè)的信用風(fēng)險(xiǎn)預(yù)警指標(biāo)體系。

大數(shù)據(jù)助力信息披露質(zhì)量提高。通過(guò)大數(shù)據(jù)挖掘技術(shù)，對(duì)非財(cái)務(wù)數(shù)據(jù)指標(biāo)如新聞?shì)浨椤⑿袠I(yè)事件等進(jìn)行統(tǒng)計(jì)，對(duì)企業(yè)財(cái)務(wù)信息進(jìn)行“體檢”，加大各項(xiàng)數(shù)據(jù)與信息間的交叉比對(duì)，可以進(jìn)一步凈化企業(yè)信息披露環(huán)境，提高信息披露質(zhì)量，為信用風(fēng)險(xiǎn)研究提供合格的數(shù)據(jù)基礎(chǔ)。

參考文獻(xiàn)：

[1]鄧晶，秦濤，黃珊.基于Logistic模型的我國(guó)上市公司信用風(fēng)險(xiǎn)預(yù)警研究[J].金融理論與實(shí)踐，2013 （02）：22-26.

[2]方匡南，章貴軍，張惠穎.基于Lasso-logistic模型的個(gè)人信用風(fēng)險(xiǎn)預(yù)警方法[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2014，31 （02）：125-136.