蔣書(shū)彬

摘要：本文以市場(chǎng)上的違約債券為樣本，對(duì)發(fā)債主體的財(cái)務(wù)指標(biāo)進(jìn)行了定量分析，通過(guò)一定的數(shù)理方法篩選出與企業(yè)違約特征較為相關(guān)的財(cái)務(wù)指標(biāo)，并據(jù)此提出甄別發(fā)債企業(yè)潛在違約風(fēng)險(xiǎn)的方法，以為廣大投資者提供規(guī)避風(fēng)險(xiǎn)的思路。

關(guān)鍵詞：信用債 違約特征 Logit模型 財(cái)務(wù)指標(biāo)

近來(lái)債券市場(chǎng)違約事件頻發(fā)，各個(gè)機(jī)構(gòu)對(duì)此高度關(guān)注。盡管從整個(gè)債券市場(chǎng)的健康發(fā)展來(lái)看，債券違約有利于債券市場(chǎng)長(zhǎng)遠(yuǎn)發(fā)展，可以豐富中國(guó)債券市場(chǎng)違約池的可分析樣本，但是對(duì)于個(gè)體投資者來(lái)說(shuō)，當(dāng)前面臨的最大問(wèn)題是如何規(guī)避風(fēng)險(xiǎn)。

違約信用債及違約企業(yè)總體情況

自2014年第一只信用債違約起，債券市場(chǎng)違約債券逐年增多，截至2016年5月23日，債券市場(chǎng)已經(jīng)涉及違約行為的債券共有65只（包括后續(xù)兌付債券，見(jiàn)表1），其中由擔(dān)保人直接代償?shù)膫?0只，未及時(shí)撥付兌付資金的債券有55只，債券違約總金額為379.6億元。

在全部涉及違約債券中私募債居多，占違約債券的38%，其他類型違約債券數(shù)量較為平均。從時(shí)間跨度看，近三年違約債券呈逐年遞增趨勢(shì)。債券違約的實(shí)質(zhì)是發(fā)行主體違約，通過(guò)對(duì)發(fā)債主體進(jìn)行研究，有利于進(jìn)一步分析違約債券特征。

鑒于涉及違約債券的發(fā)行主體均是在企業(yè)出現(xiàn)償債壓力的情況下違約，因此，接下來(lái)本文將不區(qū)分“未及時(shí)兌付資金”和“擔(dān)保人代償”，對(duì)所有涉及違約行為的發(fā)行主體進(jìn)行研究。

首先對(duì)違約發(fā)債企業(yè)的基本情況進(jìn)行分析。表2是全部違約債券對(duì)應(yīng)的36家發(fā)行主體企業(yè)，其中不包括8只集合票據(jù)對(duì)應(yīng)的21家中小企業(yè)，這些中小企業(yè)有效信息有限，因此本研究不做進(jìn)一步分析。

36家發(fā)行主體企業(yè)分布于不同行業(yè)，屬于不同企業(yè)類型，位于不同省域。以證監(jiān)會(huì)行業(yè)大類標(biāo)準(zhǔn)區(qū)分，36家企業(yè)分布在25個(gè)行業(yè)大類中，從產(chǎn)業(yè)分類上看，相對(duì)集中，主要分布在工業(yè)制造、冶金采礦等資本密集型制造行業(yè)，屬于傳統(tǒng)產(chǎn)業(yè)，也是政府去產(chǎn)能、調(diào)結(jié)構(gòu)的重點(diǎn)推進(jìn)領(lǐng)域。

從企業(yè)類型分布看，違約企業(yè)主要集中在民營(yíng)企業(yè)（見(jiàn)圖1）。

從違約企業(yè)地域看，36家企業(yè)分布于全國(guó)18個(gè)省份，區(qū)域集中特征不明顯。一線城市或者省份相對(duì)集中，其中分布在北京、上海、江蘇、浙江等一線城市或發(fā)達(dá)省份的企業(yè)共有22家。

違約企業(yè)財(cái)務(wù)信息分析

研究違約企業(yè)的地域分布、行業(yè)分布、類型分布，能夠從宏觀上總結(jié)違約企業(yè)的總體特征，但這對(duì)于尋找違約企業(yè)更詳細(xì)信息遠(yuǎn)遠(yuǎn)不夠。為了進(jìn)一步發(fā)現(xiàn)企業(yè)的違約特征，本文從微觀角度研究違約企業(yè)在違約發(fā)生前三年的企業(yè)財(cái)務(wù)信息特征，以尋找更多關(guān)于違約企業(yè)的獨(dú)有特征。

（一）財(cái)務(wù)指標(biāo)的選擇

為尋找與企業(yè)違約有關(guān)的財(cái)務(wù)信息指標(biāo)，這里選用常用的二元邏輯回歸模型，即Logit模型。由于14家違約企業(yè)財(cái)務(wù)信息缺失，具備有效信息的企業(yè)共有22家，為了與違約企業(yè)做對(duì)比分析，另選擇44家企業(yè)作為正常償債企業(yè)代表，44家企業(yè)行業(yè)分布與違約企業(yè)接近，總體納入研究樣本的企業(yè)數(shù)量為66家。在財(cái)務(wù)指標(biāo)選擇上，初次指標(biāo)選擇32個(gè)（見(jiàn)表3），包括盈利能力指標(biāo)、償債能力指標(biāo)、營(yíng)運(yùn)能力指標(biāo)、成長(zhǎng)能力指標(biāo)、現(xiàn)金流量類指標(biāo)共五大類。為了更充分揭示違約企業(yè)的真實(shí)財(cái)務(wù)信息，本文選取企業(yè)違約前三年數(shù)據(jù)，并且將三年數(shù)據(jù)均值化，以便于回歸分析，總樣本容量為2112個(gè)樣本。

按照Logit回歸的一般思路，本文將企業(yè)是否違約設(shè)定為因變量，影響企業(yè)違約的財(cái)務(wù)指標(biāo)設(shè)定為自變量，因變量賦值為（0，1），違約企業(yè)賦值為1，未違約企業(yè)賦值為0。首先將全部32個(gè)財(cái)務(wù)指標(biāo)作為自變量，從理論上講，在對(duì)模型進(jìn)行回歸需要檢驗(yàn)自變量的多重共線性問(wèn)題，由于本研究更關(guān)注各財(cái)務(wù)指標(biāo)與企業(yè)違約的相關(guān)關(guān)系，以便于實(shí)際應(yīng)用，因此相對(duì)放松多重共線性對(duì)回歸模型的控制。接下來(lái)利用SPSS19.0軟件，將全部指標(biāo)納入模型，結(jié)合向前法和向后法，逐步剔除影響模型擬合效果的變量，最后納入模型的指標(biāo)共有6個(gè)，分別是總資產(chǎn)凈利率（XI）、營(yíng)業(yè)利潤(rùn)與營(yíng)業(yè)總收入比（X2）、資產(chǎn)負(fù)債率（X3）、非籌資性現(xiàn)金凈流量與負(fù)債總額比率（X4）、已獲利息倍數(shù)（X5）、應(yīng)收賬款周轉(zhuǎn)率（X6）。

如前所述，本文在模型回歸中適當(dāng)放松了共線性控制，在指標(biāo)篩選時(shí)適當(dāng)結(jié)合了經(jīng)驗(yàn)判斷對(duì)指標(biāo)進(jìn)行選擇。例如，總資產(chǎn)凈利率、營(yíng)業(yè)利潤(rùn)與營(yíng)業(yè)總收入比二者存在一定程度的共線性，但由于這兩個(gè)指標(biāo)與企業(yè)違約行為均有重要的相關(guān)性，且都屬于常見(jiàn)的應(yīng)用性指標(biāo)，因此本文將這兩個(gè)指標(biāo)一并保留下來(lái)。表4是模型估算結(jié)果。

與一般Logit模型分析不同的是，由于違約樣本數(shù)量有限，完全依賴模型的回歸結(jié)果來(lái)尋找企業(yè)違約特征尚不能完全實(shí)現(xiàn)，在樣本有限的情況下，本文結(jié)合樣本信息并考慮經(jīng)驗(yàn)因素，以最大限度挖掘違約企業(yè)所釋放的有效信息，找到與企業(yè)違約有關(guān)的財(cái)務(wù)信息特征，并盡量縮小財(cái)務(wù)指標(biāo)范圍，以便在實(shí)踐中操作。

（二）對(duì)各財(cái)務(wù)指標(biāo)特征的分析

1.總資產(chǎn)凈利率

該指標(biāo)是企業(yè)凈利潤(rùn)與平均資產(chǎn)總額的百分比，該指標(biāo)反映企業(yè)全部資產(chǎn)的獲利能力，指標(biāo)越高，說(shuō)明企業(yè)運(yùn)營(yíng)越有效，體現(xiàn)出企業(yè)管理能力較強(qiáng)。

22家違約企業(yè)中，總資產(chǎn)負(fù)債率出現(xiàn)負(fù)值的共有12家，其中多數(shù)企業(yè)連續(xù)三年總資產(chǎn)凈利率均為負(fù)值；未出現(xiàn)負(fù)值的違約企業(yè)總資產(chǎn)凈利率也表現(xiàn)出連續(xù)下降和盈利能力不足的問(wèn)題，這說(shuō)明該指標(biāo)與企業(yè)違約存在相關(guān)關(guān)系。

2.營(yíng)業(yè)利潤(rùn)與營(yíng)業(yè)總收入比

該指標(biāo)反映企業(yè)主營(yíng)業(yè)務(wù)的發(fā)展情況，體現(xiàn)企業(yè)的戰(zhàn)略發(fā)展情況和持續(xù)經(jīng)營(yíng)能力。

22家違約企業(yè)中，有13家企業(yè)違約前三年?duì)I業(yè)利潤(rùn)與營(yíng)業(yè)總收入比出現(xiàn)負(fù)值，說(shuō)明這些企業(yè)主營(yíng)業(yè)務(wù)不景氣，企業(yè)違約在所難免。

3.資產(chǎn)負(fù)債率

該指標(biāo)是期末負(fù)債總額與資產(chǎn)總額的百分比，也是了解企業(yè)基本情況最常用指標(biāo)，反映企業(yè)總體負(fù)債情況。資產(chǎn)負(fù)債率越高，說(shuō)明企業(yè)舉債越多，再發(fā)債發(fā)生違約的可能性越高。

一般來(lái)說(shuō)，不同行業(yè)資產(chǎn)負(fù)債率標(biāo)準(zhǔn)不同，很難有統(tǒng)一標(biāo)準(zhǔn)，所謂高低更多的是憑借經(jīng)驗(yàn)和參照行業(yè)標(biāo)準(zhǔn)。22家違約企業(yè)中，資產(chǎn)負(fù)債率超過(guò)80%的有11家，且有4家近一年資產(chǎn)負(fù)債率超過(guò)100%，這說(shuō)明，盡管行業(yè)不同導(dǎo)致標(biāo)準(zhǔn)不同，但是超過(guò)100%資產(chǎn)負(fù)債率且連續(xù)三年資產(chǎn)負(fù)債率呈上升趨勢(shì)的企業(yè)，其違約概率逐漸增加。

需要說(shuō)明的是，并非企業(yè)資產(chǎn)負(fù)債率低就說(shuō)明企業(yè)沒(méi)有違約可能，例如波鴻集團(tuán)（14波鴻C(jī)P001的發(fā)行人）2011—2013年資產(chǎn)負(fù)債率均在50%上下，但企業(yè)依然在2015年4月未能及時(shí)撥付兌付資金；類似的還有內(nèi)蒙古奈倫集團(tuán)、淄博宏達(dá)礦業(yè)、中成新星油田工程技術(shù)服務(wù)股份有限公司等，這些違約企業(yè)連續(xù)三年的平均資產(chǎn)負(fù)債率均在50%上下。

4.非籌資性現(xiàn)金凈流量與負(fù)債總額比

該指標(biāo)反映企業(yè)通過(guò)非外部渠道籌措資金抵補(bǔ)負(fù)債的情況，現(xiàn)金包括經(jīng)營(yíng)現(xiàn)金流入和非經(jīng)營(yíng)現(xiàn)金流入。該指標(biāo)越高，說(shuō)明企業(yè)總體籌措現(xiàn)金能力越強(qiáng)，應(yīng)對(duì)企業(yè)全部負(fù)債的壓力較小。

22家違約企業(yè)中，該指標(biāo)為負(fù)值的企業(yè)達(dá)到16家，這些企業(yè)違約前三年通過(guò)非外部融資獲取資金的能力逐步降低甚至達(dá)到艱難的地步，現(xiàn)金輸血一旦終止，企業(yè)違約風(fēng)險(xiǎn)迅速增加。

5.已獲利息倍數(shù)

該指標(biāo)是企業(yè)息稅前利潤(rùn)相對(duì)于企業(yè)所需支付債務(wù)利息的倍數(shù)，反映企業(yè)在一定盈利能力下支付債務(wù)利息的能力。該指標(biāo)越高，說(shuō)明企業(yè)償債能力越強(qiáng)。

22家企業(yè)中，有12家企業(yè)已獲利息倍數(shù)為負(fù)值，其余企業(yè)已獲利息倍數(shù)在1～3倍之間波動(dòng)，且集中在1倍左右。企業(yè)如果該指標(biāo)連續(xù)為負(fù)值，則違約風(fēng)險(xiǎn)大增。

6.應(yīng)收賬款周轉(zhuǎn)率

該指標(biāo)在流動(dòng)資產(chǎn)分析中具有舉足輕重的地位。企業(yè)應(yīng)收賬款如能及時(shí)收回，資金使用效率便能大幅提高。應(yīng)收賬款周轉(zhuǎn)率越高，表明企業(yè)收賬速度越快，一般壞賬損失也越少，償債能力相對(duì)較強(qiáng)。

該指標(biāo)與資產(chǎn)負(fù)債率相似，不同企業(yè)因產(chǎn)品不同，應(yīng)收賬款周轉(zhuǎn)率不同，需要較多的經(jīng)驗(yàn)和行業(yè)比較才有意義。例如，22家違約企業(yè)違約前三年平均應(yīng)收賬款周轉(zhuǎn)率最高達(dá)到57，最低只有0.66，比較應(yīng)收賬款周轉(zhuǎn)率平均指標(biāo)時(shí)，應(yīng)當(dāng)著重考慮行業(yè)平均水平。22家違約企業(yè)一個(gè)共同特征是，違約前三年的應(yīng)收賬款周轉(zhuǎn)率在逐年下降，反映企業(yè)收入轉(zhuǎn)變?yōu)橘Y金的能力逐漸下降，企業(yè)利用自營(yíng)業(yè)務(wù)創(chuàng)造現(xiàn)金能力在減弱。

7.小結(jié)

綜上分析，違約企業(yè)財(cái)務(wù)指標(biāo)存在一定的共性特征，利用這些指標(biāo)，加上專業(yè)判斷和行業(yè)分布、地域分布以及企業(yè)類型考察，能夠篩選出相對(duì)高風(fēng)險(xiǎn)的發(fā)債企業(yè)。但是需要說(shuō)明的是，并非具有上述違約特征的企業(yè)一定會(huì)發(fā)生違約，只能說(shuō)明在信息不對(duì)稱的情況下，通過(guò)外部信息篩查，能發(fā)現(xiàn)一些違約可能性較高的企業(yè)，在投資時(shí)應(yīng)規(guī)避風(fēng)險(xiǎn)，避免“踩雷”。

企業(yè)違約特征判別實(shí)踐

（一）不同行業(yè)6類財(cái)務(wù)指標(biāo)的比較

為了便于比較，本文將債券市場(chǎng)全部未到期債券按照Wind 資訊行業(yè)大類分類標(biāo)準(zhǔn)進(jìn)行分類，全部行業(yè)分別包括工業(yè)、材料行業(yè)、房地產(chǎn)行業(yè)、公用事業(yè)、能源行業(yè)、電信行業(yè)、日常消費(fèi)行業(yè)、可選消費(fèi)行業(yè)、信息技術(shù)行業(yè)、醫(yī)療保健行業(yè)十大類，按行業(yè)不同分別篩選出6類指標(biāo)實(shí)際數(shù)值，財(cái)務(wù)數(shù)據(jù)信息來(lái)自2015年各發(fā)行人年報(bào)，去除極端值和不同債券對(duì)應(yīng)的同一發(fā)行人重復(fù)數(shù)據(jù)后，10個(gè)行業(yè)6類指標(biāo)共取得13312個(gè)有效數(shù)值。表5、表6是各個(gè)行業(yè)不同指標(biāo)的均值和標(biāo)準(zhǔn)差統(tǒng)計(jì)情況。

由表5可知，不同行業(yè)不同指標(biāo)差異比較明顯。從均值情況看，電信行業(yè)、公用事業(yè)、消費(fèi)行業(yè)、信息技術(shù)、醫(yī)療保健行業(yè)各類指標(biāo)情況較好，其中電信行業(yè)樣本較少，代表性不強(qiáng)，但從其他行業(yè)看，收益能力、償債能力較強(qiáng)的行業(yè)多數(shù)集中在新興產(chǎn)業(yè)、服務(wù)業(yè)等輕資本行業(yè)。與此相反，材料行業(yè)、工業(yè)、能源行業(yè)等產(chǎn)能過(guò)剩、高資本消耗行業(yè)總體經(jīng)營(yíng)情況不佳。財(cái)務(wù)指標(biāo)最差的是能源行業(yè)，總資產(chǎn)凈利率均值為-0.47%；材料行業(yè)勉強(qiáng)為正值；工業(yè)略好，也只有1.75%。房地產(chǎn)行業(yè)總資產(chǎn)凈利率略好，但是資產(chǎn)負(fù)債率較高，對(duì)負(fù)債依賴較大。表6是各個(gè)指標(biāo)的標(biāo)準(zhǔn)差，從各指標(biāo)波動(dòng)幅度看，資產(chǎn)負(fù)債率的指標(biāo)相對(duì)穩(wěn)定，各個(gè)行業(yè)波動(dòng)情況較為接近，波動(dòng)幅度差距最大的應(yīng)收賬款周轉(zhuǎn)率，周轉(zhuǎn)率最快的房地產(chǎn)業(yè)是最慢的電信業(yè)的18倍，該指標(biāo)波動(dòng)幅度差距大與行業(yè)經(jīng)營(yíng)模式不同有關(guān)。均值與方差的意義在于揭示各行業(yè)的平均水平和波動(dòng)幅度，以此作為進(jìn)一步篩選的依據(jù)。

為了更加直觀地反映各行業(yè)各指標(biāo)情況，本文從投資角度將10大行業(yè)分為三大類（見(jiàn)表7），分別考慮了各行業(yè)整體收益水平和負(fù)債情況，并考慮了行業(yè)的穩(wěn)定性因素。

（二）企業(yè)違約特征判別思路

對(duì)于目前情況正常的發(fā)債企業(yè)，筆者認(rèn)為可以按照逐步篩選的方法，結(jié)合投資者風(fēng)險(xiǎn)偏好和專業(yè)判斷，篩選出高危企業(yè)名單。

首先，依據(jù)6類指標(biāo)（可以多選，也可單選）加入行業(yè)因素，結(jié)合各行業(yè)均值情況設(shè)定一定的浮動(dòng)區(qū)間，浮動(dòng)區(qū)間可以略大，以確保發(fā)現(xiàn)更多的違約可能性；閾值設(shè)定也要考慮行業(yè)區(qū)別，如對(duì)于一類投資行業(yè)，閾值可以寬松，對(duì)于三類投資行業(yè)，閾值設(shè)定要更加嚴(yán)格。

其次，結(jié)合企業(yè)類型和評(píng)級(jí)情況做進(jìn)一步分析，如對(duì)于第一步篩選出的清單，將評(píng)級(jí)為AAA的企業(yè)和中央國(guó)有企業(yè)剔除；當(dāng)然也可以根據(jù)投資者自身情況做不同設(shè)定。

第三，結(jié)合外部評(píng)級(jí)情況進(jìn)行分析。一般而言，發(fā)行人委托的評(píng)級(jí)機(jī)構(gòu)給出的評(píng)級(jí)結(jié)果要高于非委托評(píng)級(jí)機(jī)構(gòu)，因此從風(fēng)險(xiǎn)提示的角度出發(fā)，應(yīng)尤其關(guān)注非委托人評(píng)級(jí)結(jié)論，做最后篩選。

由于不同投資者風(fēng)險(xiǎn)偏好不同，依據(jù)上述步驟篩選出的清單也會(huì)不同。出于謹(jǐn)慎性考慮，本文對(duì)可能違約的企業(yè)不做列示。

相對(duì)于國(guó)外百分之幾的債券違約率而言，我國(guó)債券市場(chǎng)目前違約率僅為千分之一，但這種較低違約率的出現(xiàn)存在非市場(chǎng)因素，不利于培養(yǎng)投資者和籌資者的風(fēng)險(xiǎn)意識(shí)。筆者相信，基于以上分析，能夠?qū)⒖赡苓`約企業(yè)限定在較小范圍，也能較好體現(xiàn)出研究的靶向作用。需要重申的是，篩選出的可能違約企業(yè)只能說(shuō)明違約可能，并非確定性結(jié)論，還需結(jié)合更多因素進(jìn)行市場(chǎng)判斷。

作者單位：龍江銀行金融市場(chǎng)部

責(zé)任編輯：劉穎 鹿寧寧