匡海波 程躍輝 孟斌

摘 要：航運企業(yè)是實現(xiàn)“一帶一路”倡議的“橋頭堡”，是助力“交通強國”、“海運強國”等國家戰(zhàn)略的“前哨兵”。本文從航運企業(yè)的財務指標和非財務指標兩方面出發(fā)構(gòu)建航運企業(yè)信用風險評價指標體系，以中國上市航運企業(yè)2016-2020年的季度數(shù)據(jù)為研究對象，通過離散二進制粒子群優(yōu)化算法構(gòu)建BPSO-RF模型，測度航運企業(yè)的信用風險。結(jié)果表明，中遠海特由于企業(yè)盈利能力和償債能力表現(xiàn)不佳，致使自身成為信用得分倒數(shù)第一的企業(yè)，而海峽股份由于自身良好的償債能力和外部較好的宏觀環(huán)境，是企業(yè)信用風險得分第一的主要原因。

關(guān)鍵詞：航運企業(yè);信用風險評價;隨機森林

中圖分類號：U692? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? 文章編號：1006—7973（2021）06-0057-04

1 引言

黨的十八大以來，習近平總書記先后12次視察航運企業(yè)，對新時代航運業(yè)發(fā)展寄予厚望，指出“經(jīng)濟要發(fā)展，國家要強大，交通特別是海運首先要強起來”。我國始終貫徹“一帶一路”、“海運強國”的國家戰(zhàn)略，“強國”的基礎(chǔ)是經(jīng)濟，經(jīng)濟的增長離不開貿(mào)易，而貿(mào)易的最重要載體就是航運。航運業(yè)始終處于國際市場的前沿，是國際經(jīng)濟走向的晴雨表。

航運業(yè)又是極具風險性的行業(yè)。2020年，航運企業(yè)受到新冠肺炎疫情和中美貿(mào)易戰(zhàn)的影響，航運企業(yè)融資由“寒冬期”進入“冰河時代”。因此，急需構(gòu)建一套科學合理的航運企業(yè)信用風險評價方法，以解決航運企業(yè)的融資難題。在此背景下，本文從航運企業(yè)的特點出發(fā)，通過基于離散二進制粒子群優(yōu)化算法優(yōu)化的隨機森林模型（BPSO-RF）建立航運企業(yè)的信用風險評價模型。

2 基于BPSO-RF的信用風險評價模型

本文將隨機森林CART樹個數(shù)和CART樹的最大深度作為離散二進制粒子群的優(yōu)化目標，隨機森林中預測錯誤的樣本個數(shù)作為BPSO優(yōu)化算法中的適應度函數(shù)，具體的構(gòu)建步驟如下：

Step1：初始化隨機森林模型，設(shè)置CART樹個數(shù)為100，不限制CART樹的最大深度;

Step2：根據(jù)隨機森林的結(jié)構(gòu)隨機產(chǎn)生一個初始粒子群和與之對應初始速度，粒子群中的每個個體都編碼為二進制串，這些二進制串中都包含了隨機森林的CART樹個數(shù)和CART樹的最大深度的信息;

Step3：將初始粒子群解碼并輸入到隨機森林中進行訓練，計算初始粒子群的每個粒子的適應度值，記錄個體歷史最優(yōu)值和群歷史最優(yōu)值。計算個體的位速度得到新的粒子群，將新的種群重新二進制編碼后再次輸入到隨機森林中進行適應度的計算。循環(huán)此過程直到模型的預測達到預期效果或循環(huán)達到了最大迭代過程，結(jié)束BPSO優(yōu)化算法。

Step4：將最終得到CART樹個數(shù)和CART樹最大深度輸入到隨機森林中，可將隨機森林的性能優(yōu)化到最好。

3 實證研究

3.1樣本選取和數(shù)據(jù)來源

選取2016-2020五年間每個季度的航運上市企業(yè)數(shù)據(jù)為實證樣本，樣本數(shù)據(jù)來源于同花順行業(yè)分類板塊中的交通運輸業(yè)的子行業(yè)航運企業(yè)。五年間航運上市企業(yè)共22家，本文對原始航運企業(yè)進行缺失值統(tǒng)計，除掉數(shù)據(jù)缺失超過20%的航運企業(yè)樣本。共獲得376個樣本。其中，18個樣本為風險航運企業(yè)，358個樣本為非風險企業(yè)。將獲取的376個航運企業(yè)樣本經(jīng)過標準化和缺失值處理。使用SMOTE算法對風險航運企業(yè)進行上采樣，人工生成340個風險樣本，樣本集總數(shù)為716個。將716個航運企業(yè)樣本的數(shù)據(jù)集的70%作為訓練集，30%作為測試集。

3.2航運企業(yè)信用風險指標體系構(gòu)建

本文梳理國內(nèi)外相關(guān)文獻[1-4]，選取了16個財務指標，8個非財務指標，評價指標體系如表1所示。

在利用相同測試集進行訓練的條件下，將BPSO-RF模型同RF模型、SVM（支持向量機）模型、LR（邏輯回歸）模型、DT（決策樹）模型進行比較。結(jié)果表明，SVM模型、LR模型、DT模型在相同測試集中，模型準確率和AUC值均低于0.75，說明SVM模型、LR模型、DT模型都不適合作為航運上市企業(yè)信用風險評價模型。RF模型的評估結(jié)果均好于SVM模型、LR模型、DT模型，評估結(jié)果均高于82%。說明RF模型對航運上市企業(yè)信用風險評價中效果較好。

本文使用粒子群算法對RF模型進行優(yōu)化，其中，BPSO-RF模型總體的準確率為91.40%，召回率為92.16%，精確率為92.16%，AUC值為0.913。對比RF模型評估結(jié)果，本文使用的BPSO-RF模型對于航運企業(yè)信用風險的預測全面優(yōu)于RF模型，且提升較為明顯。

3.4評價指標重要性分析

由圖1圖2可知，企業(yè)償債能力、盈利能力和企業(yè)基本情況平均得分較好，分別為0.084、0.057和0.055，平均得分占比分別為27%、18%和18%，說明航運企業(yè)信用風險狀況主要受企業(yè)償債能力、盈利能力和企業(yè)基本情況的影響。企業(yè)營運能力、成長能力平均得分較差，分別為0.035、0.030和0.009，平均得分占比分別為11%、10%和3%，說明航運企業(yè)信用風險狀況受其營運能力、成長能力和信用情況的影響較少。由于企業(yè)自身對失信行為等負面新聞的披露情況較少，數(shù)據(jù)收集并不完全準確，使得企業(yè)的信用情況占比最少。

3.5典型企業(yè)分析

以2020年航運上市企業(yè)為研究對象，使用構(gòu)建的BPSO-RF模型對企業(yè)進行評價，企業(yè)信用風險得分，結(jié)果如表3所示。

剔除數(shù)據(jù)缺失超過20%的企業(yè)，2020年航運上市企業(yè)共有18家，信用得分高于0.9的航運企業(yè)有3家，得分低于0.5的航運企業(yè)僅有1家。中遠海特信用得分最低為0.402，海峽股份信用得分最高為0.980。航運企業(yè)信用風險平均的得分為0.748。雖然2020年航運企業(yè)受世界新冠疫情影響比較嚴重，但2020年下半年，由于中國疫情控制得當，全球?qū)τ谥袊镔Y需求旺盛，造成了集裝箱市場少見的運費增長高峰期，是航運運輸業(yè)信用風險狀況較好的原因。接下來重點介紹信用狀況最差的中遠海特和信用狀況最好的海峽股份的信用風險情況。

2020年，受世界新冠疫情影響，中遠海特自有及租入的多用途船共實現(xiàn)營業(yè)收入人民幣22.38億元，同比減少18.08%;實現(xiàn)船隊營業(yè)利潤人民幣-0.90億元，同比減虧0.08億元。重吊船共實現(xiàn)營業(yè)收入人民幣12.78億元，同比減少8.19%;重吊船實現(xiàn)營業(yè)利潤人民幣-0.49億元，同比減少0.68億元。由圖3可知，2020年企業(yè)償債能力和盈利能力準則層下的5個正向二級指標級企業(yè)流動比率、速動比率、銷售凈利率、銷售毛利率和總資產(chǎn)凈利率均遠低于行業(yè)均值，企業(yè)資產(chǎn)負債率1個負向指標高于行業(yè)均值。企業(yè)盈利能力和償債能力不佳是中遠海特信用得分較低的主要原因。

海峽股份是海南航運龍頭。2019年起，企業(yè)運營模式由“大輪班”模式改為“班輪化運營”模式，實行定船舶、定航線和定班次，關(guān)注格局變化發(fā)揮企業(yè)管理優(yōu)勢。企業(yè)運營的西沙旅游航線在2019年和競爭對手開展合作營銷，毛利首度轉(zhuǎn)正，未來隨著西沙航線產(chǎn)品豐富性增加以及由觀光游向休閑游轉(zhuǎn)變，西沙航線的盈利能力有望再上一個臺階。2020年，受疫情影響，海峽股份營業(yè)總收入和客運量出現(xiàn)下降，但是企業(yè)為應對疫情帶來的影響，海峽股份積極調(diào)整和轉(zhuǎn)換運營與管理思路，拓展非主營收入，減少不必要的開支，挖掘利潤空間。除數(shù)據(jù)缺失的已獲利息倍數(shù)指標外，海峽股份的償債能力觀察圖4可知，2017-2020四年間企業(yè)流動比率和速動比率穩(wěn)步上升，資產(chǎn)負債率逐年下降，并且企業(yè)流動比率和速動比率遠遠高于行業(yè)均值，資產(chǎn)負債率為航運企業(yè)中的最低值，良好的償債能力是海峽股份信用風險得分較高的主要原因。此外，海峽股份所在地海口的GDP指數(shù)和居民人均可支配收入較高，也是企業(yè)信用風險較好的原因之一。

4 結(jié)論

本文構(gòu)建了基于BPSO-RF模型的航運上市企業(yè)信用風險評價模型。首先從企業(yè)的財務和非財務兩層面出發(fā)解析航運企業(yè)信用風險關(guān)鍵影響因素，構(gòu)建了由24個評價指標組成的航運企業(yè)信用風險評價指標體系。然后，選取航運上市企業(yè)2016-2020五年間每個季度數(shù)據(jù)作為研究對象，依據(jù)模型關(guān)于各指標重要性得分分析了信用風險評價指標對航運企業(yè)的影響。最后，對航運企業(yè)的信用得分進行測算，重點剖析信用得分最低的中遠海特和得分最高的海峽股份的信用風險狀況。主要結(jié)論如下所示：

第一，航運企業(yè)信用得分高于0.9的航運企業(yè)有3家，得分低于0.5的航運企業(yè)僅有1家。雖然2020年航運企業(yè)受世界新冠疫情影響比較嚴重，但2020年下半年，由于中國疫情控制得當，全球?qū)τ谥袊镔Y需求旺盛，造成了集裝箱市場少見的運費增長高峰期，是航運業(yè)信用風險狀況整體表現(xiàn)較好的原因。中遠海特由于企業(yè)盈利能力和償債能力表現(xiàn)不佳，致使自身成為信用得分倒數(shù)第一的企業(yè)，而海峽股份由于自身良好的償債能力和外部較好的宏觀環(huán)境，是企業(yè)信用風險得分第一的主要原因。

第二，根據(jù)指標的重要性分析，企業(yè)償債能力、盈利能力和企業(yè)基本情況平均得分較好，分別為0.084、0.057和0.055，說明航運企業(yè)信用風險狀況主要受企業(yè)償債能力、盈利能力和企業(yè)基本情況的影響。企業(yè)營運能力、成長能力平均得分較差，分別為0.035、0.030和0.009，說明航運企業(yè)信用風險狀況受企業(yè)營運能力、成長能力和信用情況的影響較少。

參考文獻：

[1] Shang S ， Zhao Y ， Chen Z M . Research on Risk Management in Ocean Transportation Enterprises Based on Game Strategy Model[J]. Journal of Coastal Research， 2020， 111（sp1）.

[2] Spicas R， Kanapickiene R， Vijunas M， et al. Development of Enterprise Credit Risk Assessment Model for Lithuanian Credit Unions[J]. Transformations in Business & Economics， 2018， 17（1）： 152-177.

[3]胡海青， 張瑯， 張道宏. 供應鏈金融視角下的中小企業(yè)信用風險評估研究——基于 SVM 與 BP 神經(jīng)網(wǎng)絡(luò)的比較研究[J]. 管理評論， 2012， 24（11）： 70-80.

[4]孟斌， 楊越， 刁姝杰. 基于顯著區(qū)分兩類客戶的小型建筑企業(yè)信用評價模型研究[J]. 系統(tǒng)工程理論與實踐， 2019（2）： 346-359.

基金項目：遼寧省社會科學規(guī)劃基金項目（L19CGL002）。