基于Lasso-logistic回歸的企業(yè)集團信用風險研究

郭兆靈

摘要：通過采用債券違約樣本進行實證研究，選取違約主體首次發(fā)生信用風險預(yù)警信號時點前一年的數(shù)據(jù)，將多元化的21個風險特征指標加入Lasso-logistic回歸模型進行研究，最終選取了11項企業(yè)集團信用風險關(guān)鍵預(yù)警指標。

關(guān)鍵詞：企業(yè)集團;信用風險;Lasso- logistic回歸

債權(quán)融資是我國企業(yè)融資的最為重要的渠道，建立并完善信用體系以及信用評估方法有助于市場形成良性循環(huán)，為融資企業(yè)提供預(yù)警信息，給投資者提供科學決策方法，形成“評級——投資——跟蹤預(yù)警——調(diào)整——兌付”的完整閉環(huán)，對于金融市場各方的意義重大。

在信用評估方法研究方面，應(yīng)用較為廣泛的幾類信用風險評估方法主要有：要素分析法、多元邏輯回歸模型、人工神經(jīng)網(wǎng)絡(luò)分析法、KMV模型等。傳統(tǒng)信用評估方法由于其主觀性較強造成指標的選取以及信用評價結(jié)論缺乏嚴謹?shù)亩糠治?。而人工智能方法又由于其技術(shù)復(fù)雜程度大、處理過程暗箱操作等造成模型的可解釋性較差。作為在西方應(yīng)用較為廣泛的基于市場價值的KMV等模型由于我國金融市場信息不健全無法直接應(yīng)用。綜合比較，數(shù)量統(tǒng)計模型中的套索法（Lasso）結(jié)合Logistic回歸模型無較多假設(shè)限制，且所需模型參數(shù)較少，有其他方法無法比擬的優(yōu)勢。因此本文選擇Lasso-logistic回歸模型對企業(yè)集團信用風險進行研究。

一、信用風險新特征

本文研究的信用風險為狹義的信用風險，主要是指由于交易對手方經(jīng)營狀況惡化不能履行義務(wù)所造成的違約損失，不包括“不愿履行”這種由于主觀故意所造成的損失以及由于信用等級變化但未實質(zhì)違約造成的損失。國內(nèi)外關(guān)于信用風險影響因素的研究主要集中在傳統(tǒng)財務(wù)指標上，對于目前信用違約主體體現(xiàn)出的業(yè)務(wù)領(lǐng)域多元化、組織形式集團化、發(fā)展模式激進化等新趨勢、新特征無法有效體現(xiàn)。

違約主體所屬行業(yè)擴大化。在2014-2017年，違約方主要是在產(chǎn)能過剩的行業(yè)，而從2018年開始新增違約主體向新興行業(yè)擴散。前期由資金推動的快速擴張發(fā)展模式的“后遺癥”不斷顯現(xiàn)，全行業(yè)面臨著資金鏈考驗。

違約主體組織結(jié)構(gòu)集團化。2018年違約主體開始出現(xiàn)多元化的大型綜合性企業(yè)集團。主要原因是集團化運營模式在為現(xiàn)代企業(yè)實現(xiàn)規(guī)模效益以及抵抗行業(yè)周期性風險方面帶來優(yōu)勢的同時，也給債權(quán)人帶來了風險錯配、風險延時等負面影響。所謂風險錯配即：企業(yè)集團以其集團信用或集團內(nèi)優(yōu)質(zhì)企業(yè)信用進行融資，資金卻通過關(guān)聯(lián)交易、關(guān)聯(lián)往來流向自身資信條件較差的企業(yè)，但債權(quán)人確未以與此風險相匹配的對價提供資金或進行投資決策。所謂風險延時即：企業(yè)集團通過集中管理集團內(nèi)企業(yè)的投融資活動和資金周轉(zhuǎn)，當某家集團內(nèi)企業(yè)發(fā)生信用風險時，資金通過該管理中心進行內(nèi)部的拆借，通過“拆東墻補西墻”行為而導致信用風險的延時暴露。

實際控制人風險凸顯。由于近幾年市場資金充裕而助推的快速擴張及加杠桿，造成企業(yè)資金鏈條十分脆弱，高度依賴于外部融資，銀行等金融機構(gòu)為了爭奪優(yōu)質(zhì)客戶資源，風控措施執(zhí)行不到位，風險容忍度提高，普遍接受了抵押擔保能力較弱的實際控制人或股東的信用擔保。一旦實際控制人或股東發(fā)生負面新聞，如涉案、協(xié)助調(diào)查等，銀行為了確保其貸款安全往往提前抽貸，加之近幾年興起的“交叉違約條款”，產(chǎn)生多米諾骨牌效應(yīng)，瞬間將企業(yè)拉入債務(wù)危機的深淵。

二、信用風險預(yù)警模型搭建

本文原始樣本數(shù)據(jù)來自于2014年至2018年8月債券市場數(shù)據(jù)，以41家企業(yè)集團（內(nèi)外部關(guān)聯(lián)方數(shù)量大于5個）違約主體出現(xiàn)違約風險信號（如：信用評級降級、債務(wù)糾紛、發(fā)生擔保代償?shù)龋┑纳弦荒陻?shù)據(jù)作為41筆違約數(shù)據(jù)樣本，從發(fā)行債券并正常兌付的客戶中抽取與違約主體發(fā)債時信用評級相同、企業(yè)性質(zhì)相似、時期匹配的到期兌付企業(yè)集團的41筆同年數(shù)據(jù)為非違約數(shù)據(jù)樣本，共82筆數(shù)據(jù)構(gòu)成樣本集。

同時，在前期國內(nèi)外研究成果基礎(chǔ)上，對近期債券違約案例進行分析，初步篩選出6大類21個指標加入模型進行研究，包括：償債能力、營運能力、盈利能力、產(chǎn)業(yè)布局、關(guān)聯(lián)程度及公司治理指標。通過R軟件glmnet程序包建模，模型最終選取了其中的11個預(yù)測變量，包括：償債能力指標3個（資產(chǎn)負債率、經(jīng)營現(xiàn)金流量有息負債比率、有息負債占銷售收入的比例），盈利能力指標1個（銷售凈利率），產(chǎn)業(yè)布局指標3個（集團涉及行業(yè)個數(shù)、集團主要行業(yè)涉及高危行業(yè)、集團近2年業(yè)務(wù)結(jié)構(gòu)發(fā)生較大變化），關(guān)聯(lián)程度指標3個（集團內(nèi)外部關(guān)聯(lián)方數(shù)量規(guī)模、其他應(yīng)收款與其他應(yīng)付款總額占資產(chǎn)總額的比重、集團母公司是否為運營主體），公司治理指標1個（最近2年公司及實際控制人、高管等是否出現(xiàn)負面信息）。這些變量是預(yù)測企業(yè)集團是否存在信用風險的關(guān)鍵預(yù)警指標。

三、預(yù)警指標分析

通過與實際違約案例的背景信息相結(jié)合進行分析發(fā)現(xiàn)，模型選出的指標對預(yù)測信用違約具有較高的顯著性。

資產(chǎn)負債率作為企業(yè)整體負債水平的綜合性指標，以及銷售凈利率作為企業(yè)整體盈利水平的綜合性指標，反映了企業(yè)盈利水平對于財務(wù)杠桿的支撐能力。經(jīng)營性現(xiàn)金流有息負債率、有息負債占銷售收入的比例都是對公司有息負債償債能力的評價，因有息負債有較大付息還本的硬性壓力，往往是引發(fā)企業(yè)債務(wù)危機的導火索。

集團涉及行業(yè)個數(shù)、是否涉及高危行業(yè)、是否發(fā)生較大轉(zhuǎn)型，都是對集團產(chǎn)業(yè)布局戰(zhàn)略的考量，若其采取激進式的發(fā)展方式，甚至貿(mào)然進入不熟悉的領(lǐng)域或高耗能、產(chǎn)能過剩及資金密集型行業(yè)，可能造成轉(zhuǎn)型失敗從而無法支付杠桿收購的高額債務(wù)，因此作為信用風險的預(yù)警指標具有較高的前瞻性。

集團內(nèi)外部關(guān)聯(lián)方數(shù)量、其他應(yīng)收應(yīng)付占資產(chǎn)比重、集團母公司是否為運營主體，均反映的是集團內(nèi)部的關(guān)聯(lián)程度，關(guān)聯(lián)方、關(guān)聯(lián)交易越多其相互影響將越復(fù)雜，其他應(yīng)收應(yīng)付款占比重則說明集團內(nèi)相互的資金占用較為嚴重，信用風險更容易傳遞和蔓延。集團母公司若不是運營主體那么通常以集團母公司為主體進行的融資，當發(fā)生債務(wù)違約時可調(diào)用的資源其實有限。

公司及實際控制人、高管是否出現(xiàn)負面信息則反映了新聞輿論對企業(yè)融資環(huán)境的影響，實際控制人的聲譽以及違法行為將嚴重影響公司的再融資能力。同時，若大股東持有的上市公司股票進行質(zhì)押融資，一旦有任何負面信息，將造成股價波動而被動平倉，進一步影響上市公司的控股權(quán)穩(wěn)定及股票價格，從而喪失還款保障。

四、建議與展望

建立違約信息數(shù)據(jù)庫。由于我國信用違約數(shù)據(jù)缺乏一個公開、統(tǒng)一的數(shù)據(jù)庫，大量銀行貸款違約、私募債違約等由于缺乏公開信息資料無法統(tǒng)計。因此，未來建立一個打通各金融機構(gòu)的違約數(shù)據(jù)庫非常有必要，是建立信用中國的數(shù)據(jù)基礎(chǔ)，有利于信用風險的進一步研究。

分行業(yè)建立信用風險預(yù)警指標。不同行業(yè)的各項財務(wù)及非財務(wù)指標存在較大差別，若未按行業(yè)進行分類研究，可能會造對違約的判斷將失真。在有足夠樣本的違約數(shù)據(jù)庫基礎(chǔ)上，可以按行業(yè)進行建模，建立分行業(yè)的信用風險預(yù)警指標體系。

大數(shù)據(jù)助力信息披露質(zhì)量提高。通過大數(shù)據(jù)挖掘技術(shù)，對非財務(wù)數(shù)據(jù)指標如新聞輿情、行業(yè)事件等進行統(tǒng)計，對企業(yè)財務(wù)信息進行“體檢”，加大各項數(shù)據(jù)與信息間的交叉比對，可以進一步凈化企業(yè)信息披露環(huán)境，提高信息披露質(zhì)量，為信用風險研究提供合格的數(shù)據(jù)基礎(chǔ)。

參考文獻：

[1]鄧晶，秦濤，黃珊.基于Logistic模型的我國上市公司信用風險預(yù)警研究[J].金融理論與實踐，2013 （02）：22-26.

[2]方匡南，章貴軍，張惠穎.基于Lasso-logistic模型的個人信用風險預(yù)警方法[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2014，31 （02）：125-136.