【摘 要】 融資租賃是緩解承租方資金約束的重要手段，而承租方違約風(fēng)險傳染是影響融資租賃業(yè)務(wù)發(fā)揮效用的一個核心問題。為分析承租方違約風(fēng)險傳染的影響因素及其影響程度，文章界定了承租方企業(yè)規(guī)模、市場敏感度、與出租方之間的信息共享度和企業(yè)關(guān)聯(lián)度等參數(shù)變量，并將這些變量引入杠桿租賃承租方違約風(fēng)險傳染的隱馬爾可夫模型，研究表明企業(yè)關(guān)聯(lián)度、市場敏感度與承租方違約風(fēng)險傳染強(qiáng)度呈正比，信息共享度、企業(yè)規(guī)模與承租方違約風(fēng)險傳染強(qiáng)度呈反比，數(shù)值仿真驗證了上述關(guān)系。研究豐富了杠桿租賃承租方違約風(fēng)險傳染研究方法，對承租方風(fēng)險監(jiān)管政策的制定有一定參考價值。

【關(guān)鍵詞】 杠桿租賃； 承租方違約風(fēng)險； 風(fēng)險傳染； 隱馬爾可夫模型

【中圖分類號】 F273.7；F275" 【文獻(xiàn)標(biāo)識碼】 A" 【文章編號】 1004-5937（2023）22-0093-06

一、引言

2008年國際金融危機(jī)爆發(fā)以后，系統(tǒng)性金融風(fēng)險受到學(xué)術(shù)界和監(jiān)管部門前所未有的關(guān)注及討論[ 1-3 ]。2022年黨的二十大報告提出，加強(qiáng)和完善現(xiàn)代金融監(jiān)管，強(qiáng)化金融穩(wěn)定保障體系，依法將各類金融活動全部納入監(jiān)管，守住不發(fā)生系統(tǒng)性風(fēng)險底線。融資租賃能夠解決企業(yè)資金不足問題，但融資租賃過程中存在風(fēng)險，其中的違約風(fēng)險會對企業(yè)資金管理、籌資渠道產(chǎn)生一定影響，還會導(dǎo)致企業(yè)信用風(fēng)險[ 4-5 ]。實踐表明違約風(fēng)險的存在已給國有融資租賃公司造成了不同程度的損失，可能引發(fā)系統(tǒng)性風(fēng)險，造成企業(yè)資金斷流、運營難以為繼[ 6 ]。在融資租賃各種模式中，杠桿租賃下的承租方違約風(fēng)險影響尤為嚴(yán)重。因此，研究杠桿租賃模式下承租方違約風(fēng)險傳染的特征有利于完善該模式下的風(fēng)險管控體系，守住不發(fā)生系統(tǒng)性風(fēng)險底線，具有重要的理論意義和現(xiàn)實意義。學(xué)界關(guān)于融資租賃的風(fēng)險研究主要集中在風(fēng)險類型、風(fēng)險成因、風(fēng)險識別、風(fēng)險管控制度等方面，同時也涉及多個領(lǐng)域，如汽車、船舶等。融資租賃有違約風(fēng)險、財務(wù)風(fēng)險、信用風(fēng)險、市場風(fēng)險、操作風(fēng)險、租賃物風(fēng)險等主要類型。一些研究從空間上將融資租賃風(fēng)險來源分為宏觀風(fēng)險和微觀風(fēng)險，或分為內(nèi)部原因和外部原因。由于融資租賃風(fēng)險一定程度上影響企業(yè)的正常發(fā)展，且存在傳染現(xiàn)象，因此對風(fēng)險的度量尤為重要?；镜亩攘磕Ｐ陀袕?qiáng)度模型、KMV模型等，現(xiàn)有研究基于不同的視角對風(fēng)險度量模型進(jìn)行了創(chuàng)新。

在租賃公司運營和風(fēng)險管控中，有關(guān)承租方違約風(fēng)險傳染的研究較少，基于此，本文構(gòu)建杠桿租賃承租方違約風(fēng)險傳染的隱馬爾可夫模型，試圖分析承租方企業(yè)規(guī)模、市場敏感度、與出租方之間的信息共享度和企業(yè)關(guān)聯(lián)度等參數(shù)變量對風(fēng)險傳染強(qiáng)度的影響，并使用MATLAB軟件進(jìn)行數(shù)值仿真驗證。

二、文獻(xiàn)回顧

（一）融資租賃與杠桿租賃

融資租賃主要涉及三個參與主體，即出租方、承租方和供貨方。承租方可以根據(jù)自身需求向出租方提出有關(guān)租賃物的要求，由出租方購買并出租給承租方以收取租金[ 7 ]。張文[ 8 ]通過分析實踐案例及法院的裁判結(jié)果，挖掘融資租賃出租人與承租人之間利益再平衡的根源，指出雙方當(dāng)事人在合同簽訂之初的利益選擇會為問題發(fā)生后進(jìn)行利益再平衡埋下隱患，這既是我國融資租賃法律制度供給的缺位也是重要原因。

杠桿租賃是融資租賃的一種模式，主要是通過負(fù)債的方式以較小的資本金控制較大的資產(chǎn)規(guī)模，從而擴(kuò)大承租方企業(yè)盈利能力或購買力[ 9 ]。依照國際慣例，20%～40%的投入即可享有對設(shè)備100%投資的待遇。杠桿租賃涉及四個參與主體，在前述融資租賃參與者中加入了貸款方，即出租方在購買設(shè)備時由于資金不足向貸款方貸款購買設(shè)備。杠桿租賃模式風(fēng)險大收益高，由于加入了杠桿，有效降低了出租方在設(shè)備購買時的成本，緩解了出租方資金周轉(zhuǎn)壓力，但同時也加大了風(fēng)險的傳染，在風(fēng)險傳染強(qiáng)度上明顯大于其他模式[ 10 ]。

（二）違約風(fēng)險的研究方法

從企業(yè)違約的角度，崔曉鐘和徐攀[ 11 ]提出“民間資本—融資結(jié)網(wǎng)方式—風(fēng)險傳染”的理論假說，并構(gòu)建動態(tài)面板數(shù)據(jù)模型對融資結(jié)網(wǎng)方式與風(fēng)險傳染進(jìn)行了實證研究，結(jié)果表明盈利能力與風(fēng)險傳染負(fù)相關(guān)。張超[ 12 ]對融資租賃風(fēng)險進(jìn)行分類，并基于COPULA模型就融資租賃風(fēng)險的相關(guān)性進(jìn)行度量，提出一種全新的融資租賃風(fēng)險管理方法，且通過實驗證明新的管理方法與傳統(tǒng)管理方法相比可有效降低違約概率、為企業(yè)穩(wěn)定運營提供保障。李占雷等[ 13 ]界定了企業(yè)風(fēng)險因素，引入應(yīng)收賬款質(zhì)押融資的違約風(fēng)險傳染模型，并分析了各影響因素對違約風(fēng)險概率的作用。

還有學(xué)者借鑒傳染病模型與復(fù)雜網(wǎng)絡(luò)對違約風(fēng)險進(jìn)行描述。Zhang等[ 14 ]基于復(fù)雜的網(wǎng)絡(luò)理論和傳染病動力學(xué)理論，將非線性發(fā)生率與時滯相結(jié)合，構(gòu)建了具有時滯的互聯(lián)網(wǎng)網(wǎng)貸平臺信用風(fēng)險的SEIR傳染機(jī)制，分析模型的魯棒性并驗證。Dehshalie等[ 15 ]探討了時滯非線性SIR模型，描述了信用風(fēng)險傳染，分析了金融危機(jī)在相互作用的市場網(wǎng)絡(luò)中的傳播和時滯SIR模型的指數(shù)穩(wěn)定性，并提出了達(dá)到指數(shù)穩(wěn)定性的充分條件。

另外，強(qiáng)度模型在違約風(fēng)險的研究中得到了發(fā)展和創(chuàng)新。Wu等[ 16 ]考慮違約過程有很多模糊性和猶豫性判斷，提出了一種新的基于外部沖擊和內(nèi)部傳染效應(yīng)的違約強(qiáng)度模型，并將三角直覺模糊數(shù)引入信用違約互換（CDS）定價模型，以描述違約過程的模糊性和猶豫性。Qu等[ 17 ]建立了一個具有最優(yōu)經(jīng)濟(jì)模式的債權(quán)出讓融資租賃價值模型，并進(jìn)行風(fēng)險評估分析，以提高雙方資產(chǎn)價值對接的管理質(zhì)量，結(jié)果表明網(wǎng)貸平臺對接融資租賃和債權(quán)轉(zhuǎn)移投資模式的風(fēng)險較低。

而隱馬爾可夫模型（HMM）多用于風(fēng)險評估及風(fēng)險預(yù)測。吳建軍等[ 18 ]利用隱馬爾可夫模型定量化評判船舶營運安全風(fēng)險，對船載易流態(tài)化固體散裝貨物的風(fēng)險態(tài)勢進(jìn)行了預(yù)測。

通過對現(xiàn)有文獻(xiàn)進(jìn)行梳理發(fā)現(xiàn)有關(guān)違約風(fēng)險傳染的研究主要集中于風(fēng)險源、風(fēng)險因素等方面，研究方法多采用復(fù)雜網(wǎng)絡(luò)、強(qiáng)度模型等。本文從以下方面對現(xiàn)有研究進(jìn)行補(bǔ)充：（1）對杠桿租賃模式下承租方違約風(fēng)險傳染展開研究，以彌補(bǔ)研究視角的不足。（2）引入隱馬爾可夫過程構(gòu)建承租方違約風(fēng)險傳染模型，探究不同影響因素下承租方違約導(dǎo)致的風(fēng)險傳染強(qiáng)度。

三、問題描述

（一）風(fēng)險源及風(fēng)險傳染過程

企業(yè)間存在杠桿租賃關(guān)系時，承租方違約風(fēng)險通過杠桿租賃關(guān)系傳染到出租方，即承租方為風(fēng)險源，對出租方產(chǎn)生一定程度的影響，進(jìn)而對第三方金融機(jī)構(gòu)造成損失。融資租賃是承租方因為資金周轉(zhuǎn)等問題無法購買設(shè)備而租賃出租方設(shè)備并支付租金。杠桿租賃是當(dāng)出租方根據(jù)承租方要求購買設(shè)備且資金不足時憑良好的信用向金融機(jī)構(gòu)貸款購買設(shè)備供承租方租賃使用，在承租方支付租金后，出租方資金回籠，再將貸款本金和利息支付給銀行，如此形成了完整的資金流。杠桿租賃業(yè)務(wù)流程如圖1所示。

杠桿租賃是通過杠桿用較小的資本完成較大的租賃業(yè)務(wù)，以擴(kuò)大業(yè)務(wù)能力、盈利能力、購買能力。在此過程中，承租方與出租方之間存在租賃關(guān)系，出租方與金融機(jī)構(gòu)之間存在債務(wù)關(guān)系。租賃關(guān)系中，承租方違約風(fēng)險經(jīng)過租賃關(guān)系傳染至出租方，即承租方延遲交付租金或因資金不足等不支付租金而違約時，出租方資金無法回籠，對出租方等造成損失；債務(wù)關(guān)系中，出租方風(fēng)險經(jīng)過債務(wù)關(guān)系傳染至金融機(jī)構(gòu)，即出租方因承租方未支付租金，造成現(xiàn)金流不足而無法支付金融機(jī)構(gòu)本息，對金融機(jī)構(gòu)造成損失。

本文研究杠桿租賃模式下承租方違約風(fēng)險傳染強(qiáng)度，風(fēng)險源頭為承租方，風(fēng)險接收者為出租方，風(fēng)險傳染載體為杠桿租賃業(yè)務(wù)關(guān)系。

（二）風(fēng)險傳染因素

基于杠桿租賃業(yè)務(wù)流程特征，并參考陳庭強(qiáng)等關(guān)于風(fēng)險傳染影響因素的研究，本文認(rèn)為承租方與出租方之間的信息共享度、企業(yè)關(guān)聯(lián)度、承租方企業(yè)規(guī)模和市場敏感度等因素在影響關(guān)聯(lián)企業(yè)經(jīng)營發(fā)展的同時，也在一定程度上影響了杠桿租賃承租方違約風(fēng)險的傳播[ 19-21 ]。

1.信息共享度

杠桿租賃是通過信息流將出租人、承租人聯(lián)接起來形成一個信用關(guān)聯(lián)網(wǎng)絡(luò)，信息涵蓋有關(guān)融資規(guī)模、信用狀況的所有數(shù)據(jù)和分析結(jié)果，涉及企業(yè)之間的合作交流。信息不對稱時，不良信息增加，利好信息在信息不對稱中減少，進(jìn)而影響風(fēng)險傳染效應(yīng)。

2.企業(yè)關(guān)聯(lián)度

企業(yè)間合作緊密與否，代表了承租方對出租方的影響程度，涉及兩個重要因素，即業(yè)務(wù)數(shù)量和業(yè)務(wù)金額。企業(yè)關(guān)聯(lián)度用業(yè)務(wù)乘以業(yè)務(wù)權(quán)重之后求和表示。

3.市場敏感度

受行政力量的影響，稅率一般會有一定程度調(diào)整，形成市場中的不穩(wěn)定因素，引發(fā)一系列市場風(fēng)險問題。如果企業(yè)市場敏感度較高，資金儲備不足時容易影響風(fēng)險傳染效應(yīng)。在杠桿融資違約風(fēng)險傳染中，可設(shè)定市場敏感度為流動資產(chǎn)總額在總資產(chǎn)中的比重。

4.企業(yè)規(guī)模

企業(yè)規(guī)模一定程度上體現(xiàn)了企業(yè)風(fēng)險抵御能力。根據(jù)總資產(chǎn)的自然對數(shù)進(jìn)行等級劃分，大規(guī)模企業(yè)更趨向于擁有較多資本和資源，相對于小規(guī)模企業(yè)而言，其財務(wù)風(fēng)險承受能力更強(qiáng)，也更容易獲得資本市場的支持，能夠更好地承擔(dān)各種風(fēng)險和應(yīng)對不利市場環(huán)境。

四、模型構(gòu)建

（一）隱馬爾可夫過程及其適應(yīng)性

HMM模型通常表示為λ=（N，M，？仔，A，B）。其中，N為風(fēng)險傳染狀態(tài)數(shù)，M為風(fēng)險傳染影響因素數(shù)，？仔為初始風(fēng)險傳染狀態(tài)分布，A為風(fēng)險傳染狀態(tài)轉(zhuǎn)移矩陣，B為觀測狀態(tài)概率矩陣[ 18 ]。

隱馬爾可夫模型適用于杠桿租賃模式下承租方違約風(fēng)險傳染的條件如下：

（1）風(fēng)險傳染狀態(tài)轉(zhuǎn)換過程屬于馬爾可夫過程。

（2）承租方違約時風(fēng)險傳染強(qiáng)度不能直接觀測。

（3）風(fēng)險傳染過程受許多因素影響，且各因素指標(biāo)可以直接觀測。

因此，融資租賃承租方違約風(fēng)險傳染問題適合用HMM模型刻畫并解析。

（二）承租方違約風(fēng)險傳染的隱馬爾可夫模型

1.模型假設(shè)

（1）HMM任一時刻的某一狀態(tài)只依賴于其前一時刻的狀態(tài)，與其他時刻的狀態(tài)及觀測無關(guān)，也與時刻無關(guān)。

（2）任一時刻的觀測只依賴于該時刻的馬爾可夫鏈的狀態(tài)，與其他觀測及狀態(tài)無關(guān)。

（3）企業(yè)風(fēng)險傳染受信息共享度、企業(yè)關(guān)聯(lián)度、市場敏感度、企業(yè)規(guī)模等因素的影響。

2.模型構(gòu)建

風(fēng)險傳染強(qiáng)度和風(fēng)險傳染影響因素之間的轉(zhuǎn)移過程構(gòu)成隱馬爾可夫模型，該模型中隱藏的風(fēng)險傳染強(qiáng)度狀態(tài)和可觀測的風(fēng)險傳染影響因素狀態(tài)關(guān)系如圖2所示。

隱馬爾可夫模型可以通過五元組λ=（N，M，？仔，A，B）定義。其中：

（1）N為風(fēng)險傳染強(qiáng)度狀態(tài)數(shù)。這里定義了四個狀態(tài)Q=（q1，q2，q3，q4），其中，q1≤q2≤q3≤q4。

（2）M為風(fēng)險傳染影響因素狀態(tài)數(shù)。單一風(fēng)險傳染影響因素的觀測狀態(tài)表示為V=｛v1，v2，v3，v4｝，其中v1≤v2≤v3≤v4。即將四個風(fēng)險傳染影響因素進(jìn)行等級劃分，下標(biāo)越大，代表風(fēng)險傳染影響因素值越高。

（3）？仔為初始風(fēng)險傳染狀態(tài)分布，表示為？仔=｛？仔1，？仔2，？仔3，？仔4｝。

（4）A為風(fēng)險傳染狀態(tài)轉(zhuǎn)移矩陣。風(fēng)險傳染狀態(tài)轉(zhuǎn)移過程A表示為：

其中，aij=P（xt+1=qj│xt=qi），i≤1，j≤4，表示t時刻風(fēng)險狀態(tài)為qi下t+1時刻狀態(tài)轉(zhuǎn)換成qj的概率，且■aij=1。

（5）B為觀測狀態(tài)概率矩陣。對于不同的風(fēng)險狀態(tài)觀測到單一風(fēng)險傳染影響因素不同觀測狀態(tài)的概率矩陣：

其中，bik=P（yt=Vk│xt=qi），i≤1，k≤4，表示t時刻風(fēng)險狀態(tài)為qi下風(fēng)險傳染因素y為Vk的觀測概率，且■bik=1。

（6）H為風(fēng)險傳染影響因素數(shù)。設(shè)定4個風(fēng)險傳染影響因素Y=｛y1，y2，y3，y4｝。y1、y2、y3、y4分別代表承租方與出租方之間的信息共享度、承租方與出租方之間的企業(yè)關(guān)聯(lián)度、承租方市場敏感度、承租方企業(yè)規(guī)模。

根據(jù)前向算法，已知模型λ=（N，M，？仔，A，B）條件下，在t時刻觀測序列（y1，y2，…，yt）處于風(fēng)險傳染強(qiáng)度qi狀態(tài)的概率為：

式（3）中，？仔i表示在初始時刻處在風(fēng)險狀態(tài)i的概率；bi（y1，y2，…，yt）根據(jù)式（2）可簡化為bi（yt），表示t時刻風(fēng)險狀態(tài)為qi下風(fēng)險傳染因素指標(biāo)y狀態(tài)為Vk的觀測概率。

結(jié)合式（1）對式（3）進(jìn)行遞推，得到t+1時刻下觀測序列（y1，y2，…，yt+1）處于企業(yè)風(fēng)險狀態(tài)qj的概率為：

在t時刻，風(fēng)險傳染強(qiáng)度處于狀態(tài)qi的概率表示為：

在t時刻風(fēng)險傳染強(qiáng)度為：

根據(jù)式（5）和式（6）可知，在t時刻風(fēng)險傳染強(qiáng)度與在t時刻處于狀態(tài)q4的概率呈正相關(guān)，故t時刻影響因素變化對處于狀態(tài)q4概率的影響即為影響因素變化對風(fēng)險傳染強(qiáng)度的影響。

五、數(shù)值仿真檢驗

（一）參數(shù)確定

本文借助MATLAB軟件進(jìn)行數(shù)值仿真分析，為降低參數(shù)訓(xùn)練中的人為操作誤差，對HMM模型參數(shù)均在合理條件下進(jìn)行隨機(jī)化賦值[ 18 ]。具體參數(shù)如下：

初始風(fēng)險傳染狀態(tài)分布：

？仔=［0.0036 0.1082 0.1090 0.7792］

風(fēng)險傳染狀態(tài)轉(zhuǎn)移矩陣：

A=0.0334 0.4637 0.1438 0.33540.5487 0.2263 0.2894 0.11280.1441 0.1136 0.1689 0.07640.2738 0.1964 0.3979 0.4754

觀測狀態(tài)概率矩陣：

當(dāng)y=y1時，B=0.2160 0.1943 0.2785 0.31120.2379 0.1083 0.2934 0.36040.3860 0.2943 0.2284 0.09130.7976 0.1537 0.0401 0.0086

當(dāng)y=y2時，B=0.8093 0.1061 0.0624 0.02220.4498 0.1874 0.1539 0.20890.2477 0.1994 0.2042 0.34870.0041 0.1021 0.3342 0.5596

當(dāng)y=y3時，B=0.8093 0.1061 0.0624 0.02220.4498 0.1874 0.1539 0.20890.2477 0.1994 0.2042 0.34870.0041 0.1021 0.3342 0.5596

當(dāng)y=y4時，B=0.0033 0.0125 0.0032 0.87100.2073 0.2441 0.2701 0.27850.3372 0.3001 0.2719 0.09080.5361 0.3446 0.1105 0.0088

（二）承租方風(fēng)險傳染強(qiáng)度

選取步長為50，觀測狀態(tài)v4出現(xiàn)的頻率隨著步長增加，使得各風(fēng)險傳染影響因素隨著步長處于上升狀態(tài)，得到各因素值上升情況下處于q4狀態(tài)概率的變化趨勢，即承租方違約風(fēng)險傳染強(qiáng)度的變化趨勢，如圖3所示。

從圖3可得，企業(yè)關(guān)聯(lián)度、市場敏感度參數(shù)變量與風(fēng)險傳染強(qiáng)度呈正比，信息共享度、企業(yè)規(guī)模與風(fēng)險傳染強(qiáng)度呈反比。

1.信息共享度

信息共享度增加有利于出租方更快更準(zhǔn)確地了解承租方企業(yè)的經(jīng)營狀況、信用情況。許多承租方企業(yè)隱瞞真實情況向出租方進(jìn)行融資租賃，出租方則因為信息共享度低無法獲取承租方企業(yè)的真實數(shù)據(jù)卻進(jìn)行了融資租賃業(yè)務(wù)，無疑增加了風(fēng)險傳染程度。承租方應(yīng)提高信息共享度，讓出租方更全面準(zhǔn)確地了解承租方企業(yè)的經(jīng)營狀況、信用等級等。

2.企業(yè)關(guān)聯(lián)度

企業(yè)關(guān)聯(lián)度越大說明企業(yè)間業(yè)務(wù)及業(yè)務(wù)涉及金額越多，合作越緊密。當(dāng)承租方違約無法交付租金時，由于租賃設(shè)備不具備普遍適用的特點，出租方無法及時獲取大量資金進(jìn)行流轉(zhuǎn)，使資金鏈斷裂，進(jìn)而影響對貸款方的本息支付。承租方應(yīng)根據(jù)自身的經(jīng)營情況進(jìn)行業(yè)務(wù)數(shù)量及業(yè)務(wù)金額的選擇，若業(yè)務(wù)數(shù)量及業(yè)務(wù)金額過大，會增加風(fēng)險傳染程度。

3.市場敏感度

受行政力量的影響，稅率一般會有一定程度調(diào)整，形成市場中的不穩(wěn)定因素，引發(fā)一系列市場風(fēng)險。承租方如果市場敏感度較高，在市場稅率等因素調(diào)整時，會加大現(xiàn)金流周轉(zhuǎn)難度，造成自身違約程度增大。企業(yè)應(yīng)降低自身敏感度，更好地應(yīng)對違約風(fēng)險傳染的發(fā)生。

4.企業(yè)規(guī)模

企業(yè)規(guī)模一定程度上體現(xiàn)了企業(yè)風(fēng)險抵御能力。承租方企業(yè)規(guī)模越大，總資產(chǎn)越多，風(fēng)險傳染強(qiáng)度越低。承租方應(yīng)合理運用國家鼓勵政策，穩(wěn)步加大自身的企業(yè)規(guī)模，提高信用風(fēng)險等級，降低違約概率。

六、結(jié)論與建議

本文基于杠桿租賃的業(yè)務(wù)流程特征，對承租方企業(yè)規(guī)模、市場敏感度、與出租方之間的信息共享度和企業(yè)關(guān)聯(lián)度等參數(shù)變量進(jìn)行界定，基于隱馬爾可夫過程引入?yún)?shù)變量構(gòu)建了杠桿租賃違約風(fēng)險傳染的隱馬爾可夫模型，分析各參數(shù)變量及其對風(fēng)險傳染強(qiáng)度的影響。研究發(fā)現(xiàn)企業(yè)關(guān)聯(lián)度、市場敏感度與風(fēng)險傳染強(qiáng)度呈正比，信息共享度、企業(yè)規(guī)模與風(fēng)險傳染強(qiáng)度呈反比，并進(jìn)行了數(shù)值仿真驗證。

針對杠桿租賃承租方違約風(fēng)險傳染，本文從承租方角度提出如下建議：

（一）完善違約風(fēng)險體系，積極運用違約風(fēng)險定量工具

違約風(fēng)險對眾多融資租賃企業(yè)是一個較大的風(fēng)險，要建立合理的制度完善違約風(fēng)險體系。一方面可以建立風(fēng)險預(yù)警制度，加大企業(yè)的風(fēng)險管控能力，對每一個業(yè)務(wù)進(jìn)行實時管控和風(fēng)險監(jiān)測，預(yù)防違約現(xiàn)象的發(fā)生；另一方面可以建立公司風(fēng)險評估制度，評估企業(yè)自身的風(fēng)險狀態(tài)和風(fēng)險承受能力，合理利用杠桿。此外，還要運用合適的模型對風(fēng)險源、風(fēng)險傳染因素、風(fēng)險傳染強(qiáng)度進(jìn)行分析，使違約風(fēng)險管理更加科學(xué)化。

（二）做好違約風(fēng)險防控

承租方在進(jìn)行風(fēng)險控制時應(yīng)綜合考慮多個因素，承租方違約風(fēng)險影響因素不同受到的風(fēng)險強(qiáng)度也不同，可以對風(fēng)險傳染影響因素進(jìn)行適當(dāng)?shù)恼{(diào)整，降低風(fēng)險強(qiáng)度，防止風(fēng)險擴(kuò)大，避免發(fā)生系統(tǒng)性風(fēng)險。

違約風(fēng)險傳染是影響業(yè)務(wù)發(fā)揮效用的一個核心問題，且涉及多方企業(yè)，容易形成多米諾骨牌現(xiàn)象造成眾多關(guān)聯(lián)企業(yè)違約。本文基于杠桿租賃業(yè)務(wù)對違約風(fēng)險傳染概率與傳染強(qiáng)度進(jìn)行了度量和研究，豐富了風(fēng)險管理理論框架，但由于涉及主體較少，后續(xù)可對多個承租方違約風(fēng)險傳染進(jìn)一步討論分析。

【參考文獻(xiàn)】

［1］ 李小金，賀湘.供應(yīng)鏈關(guān)系、會計信息質(zhì)量與融資約束：基于中國A股上市公司的實證研究［J］.技術(shù)經(jīng)濟(jì)與管理研究，2022（2）：80-84.

［2］ 苗子清，張濤，黨印.中國銀行體系系統(tǒng)性金融風(fēng)險傳染研究：基于24家A股銀行的大數(shù)據(jù)與機(jī)器學(xué)習(xí)分析［J］.金融評論，2021，13（5）：58-74.

［3］ 李小玉，劉鑫，任鵬.實體企業(yè)金融化會提高代理成本嗎［J］.會計之友，2023（2）：54-61.

［4］ 張朝鴻.國有融資租賃公司風(fēng)險管理與防范［J］.中國市場，2020（26）：96-97.

［5］ CHIEN F，WANG C N，CHAU K Y，et al. Sustainability in the business sector：a fuzzy multicriteria decision-making model for financial leasing company selection of the vietnamese SMEs［J］.SAGE Open，2021，11（3）.

［6］ 張秀秀.中小企業(yè)融資問題及對策［J］.當(dāng)代縣域經(jīng)濟(jì)，2021（8）：93-95.

［7］ 曾旒繒.中國融資租賃產(chǎn)業(yè)制度變遷研究及發(fā)展建議［J］.技術(shù)經(jīng)濟(jì)與管理研究，2019（1）：60-65.

［8］ 張文. 融資租賃出租人與承租人利益再平衡：基于實證分析的視角［J］.金融理論與實踐，2020（4）：111-118.

［9］ 孫書君.杠桿融資模式對于改善中國融資租賃現(xiàn)狀的啟發(fā)：以歐洲迪士尼樂園為例［J］.現(xiàn)代商業(yè)，2017（11）：133-135.

［10］ 李鐵峰.杠桿融資的特點及風(fēng)險管理［J］.哈爾濱商業(yè)大學(xué)學(xué)報（社會科學(xué)版），2004（5）：30-31.

［11］ 崔曉鐘，徐攀.中小企業(yè)集群民間融資方式與風(fēng)險傳染：基于長三角數(shù)據(jù)的檢驗［J］.會計之友，2022（3）：35-40.

［12］ 張超.混合COPULA模型在融資租賃風(fēng)險管理中的應(yīng)用［J］.財富時代，2021（2）：117-118.

［13］ 李占雷，李學(xué)森，陳立，等.供應(yīng)鏈金融應(yīng)收賬款質(zhì)押融資違約風(fēng)險傳染研究［J］.會計之友，2021（11）：68-76.

［14］ ZHANG Y，YAO D，ZHANG C.Bank loan versus financial lease：how do traditional and innovative approaches within the banking sector influence economic growth？A comparative analysis between the US and China［J］.Applied Economics，2020，52（40）：4366-4383.

［15］ DEHSHALIE M E，KABIRI M，DEHSHALI M E. Stability analysis and fixed-time control of credit risk contagion［J］.Mathematics and Computers in Simulation，2021，190：131-139.

［16］ WU L，ZHUANG Y M，LI W.A new default intensity model with fuzziness and hesitation［J］.International Journal of Computational Intelligence，2016，9（2）：340-350.

［17］ QU J，LIU H W，ZHU H，et al.An asset value evaluation for docking finance lease problems in the peer-to-peer-platform ［J］.Journal of Business Economics and Management，2021，22（1）：236-256.

［18］ 吳建軍，劉英學(xué)，胡甚平，等.易流態(tài)化貨物船運風(fēng)險評判的隱馬爾科夫模型［J］.中國安全科學(xué)學(xué)報，2017，27（11）：73-78.

［19］ 姜寶山，武思良.國內(nèi)軍民融合企業(yè)融資風(fēng)險影響因素研究［J］.技術(shù)經(jīng)濟(jì)與管理研究，2021（12）：75-80.

［20］ 連智華，尹克寒.企業(yè)環(huán)保信息披露與融資約束關(guān)系研究：基于重污染行業(yè)上市公司數(shù)據(jù)［J］.技術(shù)經(jīng)濟(jì)與管理研究，2021（8）：83-87.

［21］ 王琳，鄭天嬌，劉糧，等.股權(quán)投資集中度、戰(zhàn)略偏離度與企業(yè)違約風(fēng)險［J］.會計之友，2022（1）：97-105.