基于財務公司視角的產業鏈金融信用風險度量問題研究
——以中國重汽產業鏈為樣本的實證分析

于 嘉 王安水 張曉雯 宋 蕾

（1.中國電力財務有限公司山東分公司，山東 濟南 250001；2.長城新盛信托責任有限公司，北京 100045；3.中國農業銀行山東省分行，山東 濟南 250002；4.中國電力財務有限公司，北京 100005）

基于財務公司視角的產業鏈金融信用風險度量問題研究
——以中國重汽產業鏈為樣本的實證分析

于 嘉1王安水2張曉雯3宋 蕾4

（1.中國電力財務有限公司山東分公司，山東 濟南 250001；2.長城新盛信托責任有限公司，北京 100045；3.中國農業銀行山東省分行，山東 濟南 250002；4.中國電力財務有限公司，北京 100005）

本文圍繞產業鏈企業信用風險度量問題展開研究，以中國重汽產業鏈中的上市公司為樣本，在利用樣本公司資本市場公開數據基礎上，采用KMV模型預估所選公司違約概率，并進一步借助時間序列分析方法，探討產業鏈條上樣本公司違約概率的變動關系。結果表明，產業鏈條上企業的違約概率并不一定隨國家宏觀經濟走弱而上升；相比鏈條其他企業，核心企業違約概率未必是最低的；核心企業違約概率的變化與鏈條其他企業違約概率的變化并不存在因果關系，非核心企業間違約概率變化卻存在傳導可能性。從近三年時間的計算數據來看，產業鏈上企業的違約概率之間并不存在穩定的均衡關系。

產業鏈；違約概率；KMV模型

一、引言

長期以來，財務公司在具體業務開發上多以銀行作為參考模板。依據銀行開展產業鏈金融服務的市場經驗，產業鏈金融服務遇到的風險問題并不比傳統金融服務少。例如，現在的產業鏈金融主要基于應收賬款融資、存貨融資和預付款融資三種基本類型，并組合衍生出其他產品，針對不同的產品需要設計不同的授信流程，流程的復雜性增加了操作風險概率。又如，法律制度體系自身存在的空白，不同區域法律執行效率的差異，以及相關合同中涉及的與貨物監管、資產處置有關的協議、聲明書、通知書等法律形式的多樣性，也提高了法律風險管理的難度。而與這些風險類型相比，產業鏈金融作為一項融資業務，最關注的依然是信用風險。

銀行在產業鏈金融業務領域的探索，一方面為財務公司提供了良好的借鑒，另一方面對財務公司信用風險管理水平提出了更高的要求。但從實際接觸來看，財務公司在信用風險管理方面缺乏嚴格的量化分析。受政策限制，除同業拆借、對外投資、買方信貸等少數業務外，財務公司主要服務對象局限為集團內部成員。集團內部成員與財務公司間信貸資金往來實則暗含了集團對其風險的信用背書。在這樣的機制下，財務公司容易缺乏提升風險管理技術的積極性。

相比之下，20世紀70年代以來，國外金融機構風險管理逐步向風險量化管理模式轉變，對信用風險的評估和測度均已采用現代違約概率測度模型。而國內財務公司缺乏合理的計量模型，在具體衡量和監測風險時使用的方法仍局限于定性分析和簡單的財務比率分析等一些傳統方法。其中，定性分析依賴于分析者的直覺經驗，由于分析人員的學識、能力不同，必然會導致誤差的存在；財務比率分析則受制于數據獲取的時效性，很難真實反映企業當前的財務狀況。在產業鏈金融業務背景下，財務公司也會不可避免地接觸集團外部企業。對外部企業經濟策略選擇和管理決策等信息掌握上的劣勢，將使財務公司對其授信后，承擔相對于內部成員單位更高的信用風險。財務公司如若無法提升風險識別和衡量的準確性，便難以掌握貸款過程蘊含的風險。

目前，國內已有不少學者開始利用定量模型研究企業信用風險。張玲（2004）利用Z值模型反映上市公司風險及其變化情況，研究結果顯示，上市公司最初兩年資信品質較為穩定，隨后將會大幅度下降；夏立明（2013）認為，如果只是在孤立的時間點上對產業鏈中小企業進行信用風險評價，容易導致評價結果失真。為此，作者在模型中融入了時間的變化，選用微粒群算法和模糊綜合評價方法對供應鏈中小企業進行風險評價。李倩（2014）則通過實證研究發現，結合主成分分析與最小二乘原理的風險模型更適合產業鏈信用評估。對已有文獻梳理后不難發現，面向產業鏈，利用資本市場公開數據度量鏈條企業信用風險的研究寥寥無幾。雖有學者利用計量模型對樣本公司信用風險進行了測度，但并未隨時間的發展計算、跟蹤信用風險的變化趨勢，無法與宏觀經濟形勢相對照，不能反映產業鏈自身信用風險變化特點，更未對產業鏈企業信用風險變化之間的聯系進行探討。鑒于此，本文將立足已有研究成果，探討適合現階段財務公司評估產業鏈金融違約風險的模型，并給出實證分析。

二、模型的選取與建立

（一）對模型選擇的思考

無論理論界還是實務界，都對量化信用風險積累了豐富的經驗。借鑒以往研究成果，文章結合風險評估過程，將主要方法、模型總結如下：

由圖1可知，量化分析貫穿信用風險管理的各個環節。國外對于信用風險測度的研究起于嚴格假設，后逐漸放松，經歷了從定性到定量、從單變量到多變量、從單筆授信到貸款組合的過程，評估方法上不斷推陳出新，信用風險判別能力上也越來越強。《巴塞爾協議Ⅱ》強調并鼓勵商業銀行盡可能利用包括計量模型在內的量化分析技術進行風險管理。財務公司與商業銀行在服務類型上有重合之處，但由于初始定位不同，在業務開展的廣度、深度上有所差別，因此適合商業銀行信用風險管理的工具未必適合財務公司，更不是所有的計量模型都適合產業鏈金融風險度量。比如Credit Risk+模型，該模型假設在給定期間內，每筆貸款違約概率服從泊松分布。由概率論可知，此時每筆貸款只有違約和不違約兩種狀態，且每筆貸款違約風險獨立于其他貸款，但同一鏈條的企業往往有穩定的合作關系，相關性較強，這一點與模型前提假設存在沖突；再比如，Credit Metrics模型依據每年評級歷史數據估計違約概率，方法雖然簡單，但我國缺乏成熟、完備的針對中小企業的信用評級體系，因此在以中小企業大量存在為特征的產業鏈金融中，Credit Metrics模型也并不適合推廣。

圖1：產業鏈信用風險評價模型

現階段，logistic二元邏輯回歸模型是運用較為廣泛的計算違約概率的數量模型（熊熊，2009；田家歡，2013；張志浩。2013）。在實際操作時，財務公司首先需要結合產業鏈業務特點，構建出反映產業鏈金融風險特征的指標體系。其中，對于非財務指標，還需借助專家打分予以賦值。然而目前全國只有少數幾家財務公司開展產業鏈金融服務，財務公司對此類業務的認識仍需要經歷一個逐漸深入的過程。

對財務公司來說，一方面，選擇模型的假設前提與現實環境不可偏離太大；另一方面，從熟悉的領域入手，從易到難更為妥當。諳熟財務指標內在聯系，具備較強的財務分析能力是財務公司的優勢，因此從財務會計指標類的風險度量模型著手應是較為合理的選擇。此外，國內資本市場日益完善，中小板與創業板的推出在一定程度上緩解了中小企業信息不透明問題。基于資本市場數據的計量模型，理論上對企業信用風險的度量更具動態性與時效性。因此，本文擬采用KMV模型對產業鏈條中企業的信用風險進行度量。KMV模型的數據來源于公開的資本市場，而選擇其估算違約概率的隱含邏輯在于，金融資產交易價格反映的是未來凈現金流的現值，未來凈現金流與行業基本面息息相關，行業基本面的變化通常會影響產業鏈其他企業的股價。因此運用KMV模型不僅可以測算產業鏈單一企業主體違約概率，而且還可以對鏈條企業違約概率方向變動關系進行分析。

（二）模型建立

KMV模型源自莫頓對Black-Scholes期權定價公式的理解與運用。把KMV模型應用于產業鏈金融信用風險分析時，應把金融機構，包括財務公司對鏈上企業的借貸關系視為期權買賣關系。此時，期權標的為鏈上融資企業資產價值，執行價格為鏈上企業融資債務總額。若企業資產價值低于所需清償債務的賬面價值，企業會選擇違約。相反則會選擇守約。KMV模型可表示為：

式中各變量含義如表1所示。

表1：變量定義與描述

運用KMV模型計算信用風險的思路是：通過估算VA、σA,求出違約距離，最終解得違約概率。Black-Scholes模型設定股票價格變化遵循對數正態分布，此時股票日收益率ui為：

其中si為公司股票第i個交易日收盤價格。

則股票收益的日波動率為：

此外在KMV模型中，違約點的選取有可能對模型計算結果產生直接影響。原始KMV模型將違約臨界點設置短期負債加0.5倍長期負債。章文芳（2010）、張能佳（2010）分別采用最小誤判法、Matlab編程計算尋找適合于中國上市公司的違約點參數，但所得結果并不一致。本文對此不做重點探討，在設置違約點參數b時，參考馬若微（2015）的做法，令其取值0.1、0.2到1。

三、實證結果分析

（一）樣本選取及數據來源

本文以汽車產業鏈作為研究對象。如此選擇主要出于兩點考慮：首先，國內較早開展產業鏈金融業務的原深圳發展銀行曾在2010年年度報告中指出，汽車產業鏈條長，涉及鋼鐵、機械、銷售、維修等數十類產業，產業鏈金融需求旺盛，已具備實現產業鏈金融應用的條件。其中，整車制造商在鏈條中處于主導地位，具有足夠的權威性；零部件制造企業及銷售企業則處于非核心位置，話語權相對較弱，不得不經常面對因核心企業在貨價、賬期等方面提出苛刻要求而產生的資金缺口問題。其次，中國重汽是我國重型汽車生產的骨干企業，總部設在山東濟南，與山東境內多家同處汽車產業鏈上的上市企業有密切業務往來。同時，中國重汽所屬中國重汽財務有限公司亦是國內較早成立的非銀行類金融機構，為更好支持集團發展，希望拓展產業鏈金融業務。因此，對產業鏈信用風險的度量研究亦會對這類企業相關業務開展提供一定借鑒意義。剔除上市時間短、未登陸國內資本市場等影響因素，本文最終選擇中國重汽（000951）、山東基隆股份有限公司（002363）、山東鋼鐵（600022）作為研究對象。

現實中產業鏈融資一般為期限小于1年的短期借款，故將預測周期設定為半年、1年兩類。例如，假設一筆貸款于2013年1月1日發放，約定2013年6月30日歸還。以往文獻通常測算到期日當天違約概率，但貸款違約未必發生在到期日，期間任何一點都有可能。本文通過每日測算，以求出期限內違約概率平均值，穩定性更好。此外，由于財務數據獲取時間上具有滯后性，因此同一季度內，樣本公司債務面值、短期負債、長期負債均取自上一期公司定期公告。無風險利率取自中證網每日公布的一年期國債收益率。公司收盤價、債務面值、短期負債、長期負債、股權價值等數據則取自銳思數據庫。

（二）違約概率的度量結果與分析

本文使用計算機編程軟件計算得到中國重汽、山東基隆股份有限公司、山東鋼鐵2013年1月至2016年6月期間預期違約概率，如表2所示。

首先，在樣本期間，預估中國重汽違約概率最小3.84%，最大4.78%，相差0.9%；預估基隆股份違約概率最小4.92%，最大5.19%，相差0.2%；預估山東鋼鐵違約概率最小2.58%，最大4.27%，相差1%。模型預估值較為穩定。

其次，當參數b分別設定為0.1、0.2到1時，違約點的選擇對本次樣本違約率計算影響不顯著。在相同貸款期間，取不同b值，中國重汽、山東鋼鐵違約概率大小差異在0—0.2%；基隆股份，則在0%—0.03%。

此外，在研究期間，樣本公司預估違約率變化與國家宏觀經濟運行方向一致，但意義不同（見圖2、3）。

近年來國家經濟處下行周期，經營困難的企業日益增多，理論上人們對企業違約心理預期逐漸增強。在此形勢下，我國汽車產業不可避免地受到了一定沖擊。但從中國產業信息網公布的數據來看，我國乘用車總體銷量依舊維持增長態勢，只是增速自2009—2010年達到頂峰后出現滑落，目前保持在8%—9%區間內。重卡行業，則由于2010年投資擴產，使得隨后的五年實際一直處于去庫存狀態。據統計，2016年初，重卡廠商的平均庫存已下降到728臺。從行業數據對比觀測，汽車業的發展走勢未與國家GDP呈現出一致性關系。可以說，汽車市場規模容量及售后服務需求，為產業內企業業績提供了良好支撐。反映在本文，中國重汽、基隆股份兩家樣本公司預估違約概率未隨宏觀經濟走弱而惡化，相反，中國重汽預估違約概率在樣本期間有小幅下降，而基隆股份則大致保持平穩。

先前鋼鐵業屢現大面積虧損情況，從理論上說，山東鋼鐵的違約可能性理應隨GDP增速放緩而出現上升。然而在樣本期，山東鋼鐵違約概率卻維持在3.3%的低預期水平。對此可能的解釋有：第一，山東鋼鐵地處華東，水路、鐵路運輸便捷，綜合看其物流成本相對其他地區鋼廠有一定優勢；雖然面臨其他地區鋼材產品競爭，但在山東境內龍頭地位突出，同時，華東地區也是我國鋼材主要消費地之一。除2014年凈利潤呈現虧損，山東鋼鐵2013年、2015年分別賺取1.58億元與0.75億元。第二，鋼鐵業供給側結構改革成效初顯。萬得數據顯示，2016年上半年35家鋼企利潤已達42.79億元，2015年同期則巨虧40億元。同時，改革依舊在持續深入。山東省政府已就十三五期間鋼鐵行業去產能制定出詳細計劃，并下發《山東省鋼鐵行業淘汰落后產能實現脫困發展具體實施意見》，山東是繼遼寧之后第二個公布具體去產能計劃的省份，后續其他鋼企所在地區也會有相應政策出臺。政策力度加大，為鋼鐵業未來向好發展提供了基礎，而資本市場恰恰反映預期，在業績反轉因素共振作用下，山東鋼鐵顯示的較低預期違約率具有可信性。

圖2：GDP增長率變化曲線

圖3：樣本公司違約概率變化

產業鏈金融理論認為，核心企業能夠利用自身良好資信狀況為中小類非核心企業提供融資擔保，兩者信用質量存在差別。從本文估計結果來看，中國重汽違約概率小于基隆股份違約概率亦是對這一點比較好的佐證。相比零部件制造商對整車制造商較強的依賴性，雖然同處汽車產業鏈上游端，但汽車領域對鋼材的需要僅占鋼鐵行業下游需求的7%；同時，由于汽車業本身競爭激烈，單一整車制造商對國有大型鋼鐵企業并不具備信用優勢。因此，本文所選山東鋼鐵預估違約概率并未高于中國重汽。

表2：樣本公司KVM模型計算結果

（三）樣本公司違約概率間的聯系

由于本文以日數據計算違約概率，每家樣本公司獲得1094組數據，因而可采取時間序列分析方法研究變量間的相互關系。在對時間序列數據進行計量操作時，為避免出現虛假回歸，首先要對各個變量進行平穩性檢驗。本文采用ADF檢驗來確定樣本公司違約概率數據的平穩性。結果顯示，原始數據經一階差分后平穩。由于樣本公司同處一條產業鏈，需關注其中一家公司違約概率的變化是否可以引起其余公司違約概率的變化。對此，本文采用格蘭杰因果檢驗進行探究。經過多次試驗，差分序列滯后7期AIC最小，為-43.31756，滯后1期SC最小，為-43.26211，兩種滯后期選擇標準顯示不一致。此時應考慮用LR檢驗取舍，LR統計量為=-2×（23533.27-23587.43） =108.32。其中 23533.27 和23587.43分別表示滯后1期和7期時模型的對數似然函數值。在零假設下，統計量服從卡方分布，其自由度為VAR（7）到VAR（1）對模型參數施加的零約束個數。經計算，該檢驗相伴概率值大于0.05，表明采用1期滯后更為合理。在此基礎上，格蘭杰因果檢驗結果顯示，重汽預估違約概率的變化并不是產業鏈合作企業基隆股份與山東鋼鐵違約率變化的原因；基隆股份違約概率的變化會引起山東鋼鐵違約概率的變化，反之則不成立。可能的原因是基隆股份產品60%以上出口國外，重汽雖與之有業務往來，但總量有限，因此一方的“負面”也很難實質性地影響另一方；進一步通過方差分解（見圖4），發現山東鋼鐵違約概率變化的變動方差80%以上由自身變動導致，基隆股份對其影響第一期約為10%，從第2期穩定在12%附近，重汽的影響則幾乎為0。這也從側面支持了格蘭杰因果檢驗的結果。

圖4：山東鋼鐵違約概率變化方差分解

另外，三家樣本公司數據同為1階非平穩時間序列，有條件進行協整檢驗。本文利用Johansen方法，在5%顯著性水平下，對樣本公司違約概率進行了檢驗，結果如表3所示。

表3：樣本數據協整檢驗結果

原假設None表示沒有協整關系，該假設下計算的統計值為28.31853，小于臨界值29.79707，且概率值為0.0733，表示無法拒絕原假設。因此，基于本文樣本數據，無法認為中國重汽違約概率與其合作企業違約概率間存在規律性變化軌跡。

四、結論與建議

現階段，財務公司對產業鏈金融風險度量能力偏弱。在綜合有關產業鏈金融風險的研究現狀和主要觀點的基礎上，本文認為基于財務會計指標與市場價值指標的計量模型更適合目前財務公司產業鏈金融信用風險度量。隨后，本文選擇汽車產業鏈為研究對象，采用KMV模型估算了中國重汽、山東基隆股份有限公司與山東鋼鐵三家樣本公司違約概率，并在已估算違約概率的基礎上，利用時間序列分析方法，研究了樣本違約概率之間的變動關系。

（一）產業鏈條上企業的違約概率不一定隨國家宏觀經濟走弱而提升

每一個行業都有其自身發展的規律周期，每一家企業也有應付危機的方法與手段。經濟發展速度放緩的確使一些企業的經營狀況陷入了困境，但在衡量信用風險時，不能簡單依賴經濟環境變化判斷信用風險的高低。

（二）相比鏈條其他企業，核心企業違約概率未必最低

產業鏈核心企業對中小類非核心企業具備更優異的信用質量，反映在違約概率上，預期核心企業違約概率低于中小類非核心企業。但類似汽車產業鏈這般牽扯眾多企業的長鏈條，除了中小類非核心企業，也有同核心企業體量相當的非核心企業，如本文的中國重汽與山東鋼鐵。政策支持與業績改善，可能使得這類企業基于資本市場數據反映出的違約概率，較核心企業更低。

（三）核心企業違約率的變化與鏈條其他企業違約率的變化并不存在格蘭杰因果關系，非核心企業間違約率變化存在傳導可能性

從近三年時間的計算數據來看，產業鏈企業違約概率值之間并不存在穩定的均衡關系。

過往研究僅把St、*St、暫停上市三種類別上市公司其中一類視為違約樣本對比參照，但實際三者違約風險逐次升高。理論上，如果能夠分別計算三類公司違約概率，那么原本正常類公司違約概率一旦進入其中一類區間值，其信用風險等級應隨之提高。本文在此不再展開研究。但通過實證分析不難發現，以計量操作為代表的量化分析有助于財務公司更好認識產業鏈金融風險。鑒于此，本文有如下建議：

第一，財務公司管理者應主動學習金融風險相關專業知識，提升風險度量能力。產業鏈金融的復雜性對管理者的專業能力提出了更高的要求，不僅要掌握傳統的財務知識理論，還要對金融業務及其帶來的風險有深刻認識。財務公司可以從外部吸收風險管理專業人才，也可以將對公司內部業務熟練、素質較高的員工選送到其他更具風險管理經驗的金融機構學習，管理者專業水平決定了財務公司風險管理整體大環境。

第二，發展初期，財務公司可以參照其他金融機構的先進經驗，根據業務要求選擇合適、已成熟的模型工具。同時，由于一般模型本身基于訓練樣本的數據而建立，因此在引入測試樣本判別結果時，要將模型的設立和驗證相分離，并在獲取最新數據后及時檢測模型是否失效。

第三，完善數據庫建設。在開展產業鏈金融的最初幾年，企業數據的缺乏會是財務公司遇到的第一個問題，也會影響量化分析工具效用的發揮。對此，財務公司一方面必須切實做好收集、儲存、整理與產業鏈相關的企業財務信息、交易信息等工作；另一方面，應積極與銀行開展數據信息交流、共享，早日建立自己的產業鏈數據庫。

[1]張玲，曾維火.基于Z值模型的我國上市公司信用評級研究[J].財經研究，2004，（6）.

[2]夏立明，邊亞男，宗恒恒.基于供應鏈金融的中小企業信用風險評價模型研究[J].商業研究，2013，（10）.

[3]李倩.基于PCA－LSFSVM的供應鏈金融信用風險評估模型研究[D].華南理工大學碩士研究生論文，2014.

[4]管百海.通過供應鏈金融提高供應鏈的整體競爭力[J].西南金融，2017，（4）.

[5]熊熊，馬佳，趙文杰，王小琰，張今.供應鏈金融模式下的信用風險評價[J].2009，（12）.

[6]田家歡.供應鏈金融及其信用風險控制[D].浙江工商大學碩士研究生論文，2013.

[7]張志浩.供應鏈金融違約風險評估及防范[D].東華大學，2013.

[8]章文芳，吳麗美，崔小巖.基于KMV模型上市公司違約點的確定[J].統計與決策，2010，（14）.

[9]張能福，張佳.改進的KMV模型在我國上市公司信用風險度量中的應用[J].預測，2010，（5）.

[10]馬若微.違約風險的動態測度與解除[M].北京：經濟科學出版社，2015.

A Study on the Credit Risk Measurement of Industrial Chain Finance Based on the Perspective of Financial Company——Take China National Heavy Truck Group(CNHTC)as an Example

Yu Jia1WangAnyong2Zhang Xiaowen3Song Lei4
（1.Shandong Branch of China Power Finance Co.LTD，Shandong Jinan 250001；2.Changcheng Xinsheng Trust Limited Liability Company，Beijing 100045；3.Shandong Branch of Agricultural Bank of China，Shandong Jinan 2500002；4.China Power Finance Co.LTD，Beijing 100005）

Focusing on the credit risk measurement of industrial chain corporations and taking the listed companies in CNHTC industrial chain as samples，this paper has used the KMV model to estimate the default probability of the selected companies based on the data published in the capital market of the sample companies.Furthermore，it has explored the changing of sample companies'default probability by time series analysis.The results show that the default probability of enterprises in the industrial chain does not necessarily increase as the national macro-economy weakens；compared with other enterprises in the chain，the default probability of the core enterprise is not necessarily the lowest；there is no causal relationship between the change of the default probability of core enterprises and that of other enterprises，while the changes of default probability among non-core corporations are likely epidemical.From the recent three years'calculated data，there is no stable equilibrium of default probability among the enterprises in the industrial chain.

industrial chain，default probability，KMV model

F830

B

1674-2265（2017）08-0034-07

2017-06-30

本文僅代表作者個人觀點，文責自負。

于嘉，男，山東濟南人，經濟學博士，供職于中國電力財務有限公司山東分公司，研究方向為國民經濟學；王安水，男，山東濟南人，供職于長城新盛信托責任有限公司；張曉雯，女，山東濟南人，經濟學博士，供職于中國農業銀行山東省分行，研究方向為財務管理；宋蕾，女，山東青島人，供職于中國電力財務有限公司，研究方向為金融信息工程。

（責任編輯 耿 欣；校對 WJ，GX）