(復旦大學 管理學院,上海 200433)

一、引 言

中國信用債市場目前處于高速發(fā)展時期。2017年以來,隨著內地債券市場與中國香港債券市場正式互聯互通合作(“債券通”),我國債券市場在國內的戰(zhàn)略地位與國際的影響力都進一步提高。然而,作為信用債市場發(fā)展的基礎,我國的信用評級質量卻與之極不匹配,飽受投資者詬病。隨著經濟改革,中國信用債市場剛性兌付被打破,債券違約數量與規(guī)模屢創(chuàng)新高,為構建適用于我國債券市場的信用債違約評估模型、并以該模型為基礎建立全新的信用評級系統提供了可能。

本文選取有存量信用債的A股上市公司為研究樣本,構建違約預測模型。具體地,本文選擇經典的判別分析模型、Logisitc回歸模型與離散時間風險模型分別進行違約預測,比較三類模型的預測準確率、進而選出最優(yōu)預測模型。在構建三類模型過程中,逐步加入篩選出的財務指標、公司治理指標與市場信息指標。研究發(fā)現,在我國資本市場上,離散時間風險模型的預測效果明顯優(yōu)于判別分析模型與Logisitc回歸模型。另外,在指標的選擇上,Altman[1]提出的傳統五指標并不適用于中國市場,純財務指標的預測效果不佳。個股平均超額收益率均值、市值利潤率均值等市場指標的加入,能顯著提升模型的預測準確率。與此同時,公司治理指標也在預測中起到一定作用。國有股比例越高,曾為國有控股的上市公司違約可能性越高。本文最終確定由11個指標(包含財務指標、公司治理指標、市場指標)組成的離散時間風險模型預測效果最佳。以該模型為基礎,并參考國際評級體系,本文構建了包含13個等級、趨近正態(tài)分布的全新的評級系統。在該評級系統中,評級間具有明顯區(qū)分度,絕大部分違約公司處于較低等級。將該評級系統與隱含評級、外部評級進行對比,具有明顯優(yōu)勢。

本文的研究填補了國內上市公司信用債違約預測模型的空白,在此之前,由于缺乏上市公司信用債違約數據,無法針對其構建違約預測模型。本文對多種模型的預測結果進行比較研究,并從中選擇出預測效果最佳的離散時間風險模型,同時經過多重指標篩選,建立了適用于我國資本市場的獨特的違約風險評估模型。另外,本文根據最優(yōu)違約預測模型構建全新的信用評級系統,通過將新的評級體系與外部評級、隱含評級進行對比,進一步證實了外部評級與隱含評級存在過度虛高問題。本文提出的評級系統更具區(qū)分度,且在違約風險評估方面具有較高的準確性,可為投資者提供更多參考價值,具有一定的實踐意義。

二、文獻綜述

國外有關違約預測模型的相關研究十分豐富。判斷分析模型[1]與Logistic回歸模型[2]被廣泛應用于企業(yè)財務困境類事件的預測,它們較為直觀、便于應用。然而這兩類傳統模型存在一定缺陷,它們的估計是靜態(tài)且有偏的。而且在建模過程中,失敗企業(yè)常被過度抽樣,傳統模型無法考量企業(yè)風險隨時間變化的趨勢[3-4]。離散時間風險模型彌補了傳統模型的不足。Shumway[4]的研究為離散時間風險模型的典型代表,他通過建立簡單模型,利用所有可利用的數據,以確定每個公司在每個時間點的違約風險。隨后,眾多學者對該模型進行發(fā)展研究[5-6],其優(yōu)越性逐步受到肯定,但在國內研究中的應用并不廣泛。

三、樣本數據與指標選擇

(一)樣本數據

本文研究首次發(fā)生信用債違約的A股上市公司。自2014年發(fā)生首例信用債違約以來,共有26家A股上市公司發(fā)生信用債違約,違約時間分布如表1所示。

表1 信用債違約上市公司時間分布表

數據來源:Wind數據庫。

表1顯示,上市公司首次發(fā)生信用債違約的時間點集中在2017Y4Q—2019Y2Q時間段。由于2017年以前的違約樣本太過離散,本文在建立模型預測信用債違約概率時,只取用2017Y4Q—2019Y2Q段的上市公司數據,其中包含23個違約樣本。

本文首先構建適用于中國資本市場的違約預測模型,并在模型基礎上建立新的信用債評級系統。本文選擇了判別分析模型、Logistic回歸模型與離散時間風險模型分別進行預測,并從中擇出最優(yōu)的預測模型。在利用判別分析模型與Logistic回歸模型預測信用債違約概率時,本文按同一年度、同一行業(yè)、同一交易所上市、資產規(guī)模相近的原則,對23個債券違約公司按1∶3的比例進行配對,獲得92個研究樣本。而在采用離散時間風險模型預測違約概率時,則選取所有有存量信用債的上市公司為研究樣本。為了更充分利用各類指標與研究樣本,提高預測模型的準確性,本文采用季度——公司數據構建模型。

(二)指標選擇

在構建信用債違約預測模型前,本文首先進行指標選擇。具體地,本文參考已有文獻[8],選取反映公司盈利能力、運營能力、償債能力、財務結構的18個財務指標及反映公司的股權結構,以及董事會結構的8個公司治理指標,由于信用債違約企業(yè)在違約時均是民營上市公司,但部分公司曾為國有控股企業(yè),因而不考慮“是否國有控股”指標,轉而考慮“曾是國有控股”指標。該指標為虛擬變量,若上市公司曾是國有控股而現今非國有控股,則取值為1,否則取值為0。指標具體計算方法詳見表2。

此外,參考Campbell等[5],本文考慮股票市場的波動以及收益率等9個市場指標,部分指標與計算方式如下,其他指標的計算方法詳見表2。

市場收益率均值NIMTAAVG的計算公式為:

φ2NIMTAi,t-2+φ3NIMTAi,t-3)

(1)

為了提高球磨的效率，將原料切割成大小不同的磨塊，以增加球磨時的摩擦面積，本實驗采用Sodick線切割機切割獲得磨塊，其切割精度高，最小可切割成10um左右的顆粒，能夠達到本實驗的要求。

個股超額收益率均值的計算公式為:

φ2EXRETi,t-2+φ3EXRETi,t-3)

(2)

式中,EXRETi,t=log(1+個股收益率i,t)-log(1+市場收益率i,t),φ取值為1/2,意味著每季度的權重減半。

公司收益波動率SIGMA的計算公式為:

(3)

式中,N為股票上一季的交易總天數,k為交易日,ri,k為日個股收益率。

公司違約距離DD的計算公式為:

DDi,t=

(4)

表2 變量及計算方式

為從眾多指標中篩選出適當的指標,本文依次進行違約組與非違約組的均值差異比較、相關性分析。首先比較信用債違約公司與其他公司各個指標的均值在統計上是否存在顯著性差異,選擇兩組有顯著差異的指標;進一步地,利用Pearson檢驗方法計算被解釋變量與各指標的相關關系,以及指標間的相關關系,盡量選擇相關性較小的指標。最終,本文選擇的財務指標為營業(yè)凈利潤率X14、資產負債比率X16、現金資產比率X4、固定資產收益X13、總資產周轉率X8;公司治理指標為國有股比例CG4、曾為國有股CG6、董事會規(guī)模CG7;市場指標為市值收益率均值NIMTAAVG、超額收益率均值EXRETAVG、現金與短期投資/總市值CASHMTA、公司價格PRICE、市值負債比TLMTA、公司收益波動率SIGMA。

四、實證結果與對比分析

(一)單期預測

萬德提供的違約預測是基于傳統判別分析模型[1]作出的,其被投資者認為具有一定參考價值。因而,本文首先借助5個傳統指標(營運資金比率X3、總資產周轉率X8、資產收益率X11、留在收益資產比X18、市值賬面價值比 MB)、上文篩選出的財務指標、篩選出的財務指標與公司治理指標、所有篩選出的指標分別構建判別分析模型、邏輯回歸模型與離散時間風險模型預測公司的債券違約率,旨在逐步比較各類指標的有效性,以及本文構建的違約模型與市場提供的違約預測的實用性。

表3 十分位預測準確率

數據來源:Wind數據庫。

本文參考Shumway[4]用十分位法評估模型的預測能力,將所有企業(yè)的違約概率按順序分成十等分,違約率最高(低)的公司位于第1(10)十分位。而后,計算每個十分位中違約公司數占總違約數的比例,結果如表3所示。表3的Panel A與Panel B顯示,將傳統指標替換成篩選出的財務指標后,判別分析模型與Logistic回歸模型的預測結果,雖然第一個十分位的占比不變,但第二個十分位的占比均有提升,且Logistic回歸模型第6～10個十分位的占比略有下降。就離散時間風險模型而言,第一個十分位與第二個十分位的占比均有提升,且第6～10個十分位的下降一半。以上結果表明,基于篩選出的財務指標構建的模型均較基于傳統指標構建的模型,預測效果有所提升。另外,三個模型中,離散時間風險模型的預測效果最佳。但該結果也表明,僅依靠財務指標進行預測,效果并不足夠好。

表3的Panel C報告了加入公司治理變量后各模型的預測準確率。此時,判別分析模型與Logistic回歸模型的預測準確率并沒有顯著變化,但離散時間風險模型的預測準確率卻獲得了較大提升,其第1個十分位、第2個二分位占比均提升4.35%。三個模型的預測準確率橫向比較,離散時間風險模型的預測結果仍具有較大優(yōu)勢。

表3的Panel D報告了加入市場指標后各模型的預測準確率。判別分析模型第3個十分位的比例從13.04%提升至21.74%,第4個十分位的比例從4.35%提升至8.70%,而位于第5個十分位以及第6～10個十分位的比例相應減少;在Logistic回歸模型中,第1個十分位的占比從34.78%提升至39.13%,第3個十分位的占比從8.7%大幅提升至21.74%,而位于第4、5、6～10個十位數占比相應減少;離散時間風險模型中,第1個十分位的占比由73.91%大幅提升至82.61%,原位于第3、6～10個十分位的占比相應減少。三個模型的準確率均有顯著提升。橫向比較三個模型,離散時間風險模型的預測效果仍明顯占優(yōu)。綜合了各類指標的離散時間風險模型具有良好的效果,95.65%(23個違約公司中的22個)的違約公司位于前兩個十分位上,且其中82.61%(23個違約公司中的19個)位于第1個十分位。

(二)多期預測

公司的資金流出現問題乃至最后發(fā)生債券違約是一個逐步惡化的過程,及早發(fā)現公司危機并做出相應防范可有效為各方規(guī)避損失。因而,本文接下來檢驗最優(yōu)的離散時間風險模型的多期預測效果。表4列出了提前2期(兩個季度)、3期(兩個季度)、4期(兩個季度)、8期(兩年)、12期(三年)的模型預測結果。雖然隨時間推移,預測準確率逐步下降,但絕大多數的違約樣本仍位于前2個十分位中。離散時間風險模型仍具有一定的預測效果。

(三)基于模型建立新信用債評級體系

參考標普國際評級的分布,本文根據離散時間風險模型的預測結果,建立包含13個等級、趨近于正態(tài)分布的評級體系,各評級及其占比如表5所示。表5顯示,位于尾端的A與CCC-占比各為2.5%;位于評級BBB+、BBB、CCC與CCC+的公司數分別占比5%;位于BBB-與B-的的公司數分別占比7.5%;位于BB+與B的公司數分別占比10%;位于BB與B+的公司數占比12.5%; 而位于最中間的BB-公司數占比 15%。

表4 離散時間風險模型多期預測

數據來源:Wind數據庫。

表5 新評級分布

數據來源:Wind數據庫。

根據離散時間風險模型的預測結果,按表5的評級分布設立各個公司的新評級,各違約公司的評級分布如表6所示。從四期預測的結果可以看出,第一期的預測評級中有13個公司處于CCC-級,6個處于CCC級;第二期至第四期的預測結果也相對穩(wěn)定,第二期有14個位于CCC級及其以下,第三期與第四期中也分別有16個位于CCC+級及其以下。利用新評級12個月內都可以幫助投資者有效識別大多數違約公司。

表6 違約公司新評級分布

數據來源:Wind數據庫。

(四)新信用債評級體系與外部評級、隱含評級的比較分析

為了進一步探討新的評級系統的有效、實用性,本文將其與外部評級、隱含評級進行比較。表7給出了各違約公司一期預測新評級與外部評級、隱含評級的對應情況。處于新評級CCC-級的有8家公司的外部評級在A級及其以上,處于新評級CCC級的違約公司全處于AA-級以上。而外部評級CC～BBB+的6家公司的新評級全部在CCC-與CCC級,該結果表明能為外部評級較低的公司新評級都較低,即外部評級能識別的高違約風險的公司均能由新評級識別出來。但新評級所能識別的高違約風險的公司大多并不能由外部評級識別出來。因而,新評級對違約的識別能力要明顯強于外部評級。新評級與隱含評級的對應情況中,處于新評級CCC-級的違約公司中只有2家的隱含評級在A+級上,其他均在BBB級及其以下。 CCC級的違約公司中有3家在A+級以上,其他均在BBB級及其以下。而隱含評級在CC～BBB的16家公司中,有11家公司的新評級為CCC-,3家為CCC,1家為B,1家為B。從二者的對應情況可以看出,新評級對違約風險的識別能力略強于隱含評級。

表7 違約上市公司一期預測新評級與外部評級、隱含評級的對應情況

數據來源:Wind數據庫。

兩期預測新評級與外部評級、隱含評級的對應情況中,處于新評級CCC-處的9個公司中,只有3個公司的外部評級在BBB+及其以下,有7個公司的隱含評級在BBB級及其以下;而新評級位于CCC級的5個公司的外部評級全部處于AA-級及其以上,其中也只有一個公司的隱含評級在BB級上,其他均在A+級及其以上。其他新評級為B-、B、B+的公司其外部評級、隱含評級全在A等級以上。該結果表明,外部評級的兩期預測效果較新評級預測效果進一步降低,且能通過外部評級識別違約風險的公司也能通過新評級識別出來,其預測能力遠遜于新評級。與此同時,隱含評級的預測效果較新評級也大幅下降,新評級的預測優(yōu)勢越發(fā)突顯。

五、結 論

本文選取2017年第四季度至2019年第二季度具有存量信用債的A股上市公司為研究樣本,構建適用于中國市場的信用債違約風險評估模型,并基于該模型建立全新的信用債評級系統。借鑒已有文獻,本文分別采用經典的判別分析模型、Logistic回歸模型及離散時間風險模型,對上市公司信用債違約概率進行建模。通過多重指標篩選、模型比較,最終確立了最適用于中國資本市場的風險評估模型。根據該模型的預測結果、并借鑒國際評級系統,本文構建包含13個等級的新評級系統。在該評級系統下,評級分布更分散,更能反映公司債的信用風險差異。新評級系統相對于外部評級、隱含評級具有明顯優(yōu)勢。

本文的研究彌補了中國資本市場上市公司信用債違約風險評估模型的空白。在此之前,由于上市公司信用債違約數據的缺乏,尚無文獻對其構建違約預測模型,本文利用上市公司信用債違約數據,構建適用于中國市場的違約預測模型,并基于模型提出全新的評級系統。此外,雖然外部評級一直為投資者詬病過分虛高,隱含評級推出以來也備受爭議,但對于二者的實用性、有效性尚無文獻對其進行實證探討。本文通過比較分析,既說明了新評級系統的優(yōu)越性,也顯示了外部評級、隱含評級過度集中、過分虛高的缺陷。本文的研究成果為進一步的研究奠定了一定基礎,同時也可為投資者提供切實有效的參考價值、有助于監(jiān)管者及時管控市場風險?！?/p>