房地產供應鏈信用違約網絡恢復策略選擇
——基于啟發式搜索算法

夏佳佳,朱芬華

(安徽商貿職業技術學院 金融科技學院,安徽 蕪湖 241002)

近年來,由于受到全球經濟環境及突發性公共衛生事件的影響,我國房地產企業信用違約風險激增。2022年我國債券市場中房地產行業是違約高發行業,占我國債券違約市場的67.5%,其中18只債券的違約規模超過10億元。[1]房地產由于其相關行業較多,供應鏈不僅涉及家具家電、裝潢裝修等多個行業,其風險將影響銀行、政府土地財政等多個方面,因此信用違約風險呈現出顯著的傳染效應,成為系統性金融風險的重要影響因素之一。而房地產供應鏈風險涉及面廣,與金融風險關聯度高,因此,探索有效的房地產供應鏈信用違約風險防范與化解方法,對于把握“穩定大局、統籌協調、分類施策、精準拆彈”方針,守住預防系統性風險底線有著重要的意義。

1 文獻回顧及評述

我國房地產行業由于起步較晚,對商業銀行信貸依賴程度高等因素,在受到外部沖擊時極易引起金融系統風險[2]。此外,房地產行業為順周期行業,當宏觀經濟發展較好時,房地產行業也會向好發展,由于其涉及到的上下游企業較多,如鋼鐵、公共設施及建筑等行業,與相關行業的關聯度較大,因此,當房地產供應鏈因外部因素導致信用風險時,其傳染性較為顯著。龍劍友等[3]利用2015—2018年行業內上市公司數據,構建房地產復雜網絡模型研究信用風險的傳染性,研究發現:企業信用風險網絡結構越緊密,則信用風險傳染性越強,此外實證結果顯示可以通過限制中大型民營房地產公司的信用風險來控制風險傳染范圍及效率。張卓群等[4]以ARIMA-R-Vine Couple模型為工具,分析中國城市房地產價格與風險傳染相關性,研究表明:我國城市房地產風險傳染關聯性受到經濟和地理因素的影響,此外各城市之間房價上漲的傳染風險較為顯著。范青松[5]利用復雜網絡理論為基礎構建房地產金融風險演化網絡,確定了關鍵風險演化中介包括:房價快速上漲、房地產投資增長過快、銀行房地產信貸規模擴張等,確立了4條風險演化渠道。

當房地產行業發生信用風險后,其供應鏈相關行業將會受其影響產生信用風險傳導效應,政府通常會采取一系列的疏導政策,防范金融系統性風險,目前,學者們對于企業特別是房地產相關企業的紓困和救助主要集中在制度、政策及法律制定上。姚珂[6]系統梳理分析了美國2008年金融危機期間所采取的紓困措施,結合我國目前國情提出了建立“三道防火墻”,合理甄別救助對象等措施。Brupbacher[7]利用整套工具對英國和瑞士的企業救助程序進行分析,研究表明,以市場為主導的企業救助方法是穩健的,鑒于參與救助的各方之間存在利益分歧,建議通過問責制、專業化和自律機制進行約束。Godwin[8]認為從司法角度看,在制定法律制度時應首先考慮債權人發起救助的程度,債務人公司管理層對其在公司中作用的關注程度,外國投資者和債權人的權利在多大范圍內得到政府機構和法院的承認和支持。

供應鏈企業信用危機救助本質上是優化決策問題,Tversky等[9]指出當搜索空間巨大時,暴力搜索在計算上過于昂貴。Payne等[10]提出啟發式搜索是目前解決大空間決策問題的有效方法之一,使用啟發式搜索方法來簡化決策,可以通過減少選擇和線索的數量來降低決策復雜性和計算難度。Sun等[11]基于法國的道路網絡建立了基于Agent的模型,以研究地震后發生風險時災后應急響應的策略選擇。災后應急響應代理分為2個部分進行分析和研究。結果表明,前瞻性啟發式搜索是最有效的應急響應策略。從現有研究成果可以發現房地產供應鏈信用違約危機救助研究仍存在一定的不足,一方面沒有提出較為明確的房地產相關行業救助策略辦法,另一方面未考慮到在房地產供應鏈企業間的相關性,對企業的紓困停留在單一企業的層面,缺乏系統性和動態性。

綜上所述,本文以房地產供應鏈為研究樣本,提出可行性的模型框架,該模型充分考慮供應鏈企業間相互關聯性,將房地產供應鏈信用違約企業網絡化整體化,研究分析具有回路性的信用違約網絡恢復,研究結果表明該模型是緩釋房地產供應鏈信用違約風險的有效工具,這對于政府充分考慮選擇策略效果,制定合理的符合市場運行規律的紓困政策提供了有效的參考。

2 信用違約網絡恢復模型

房地產供應鏈企業由于存在商業信用、關聯擔保、交叉持股等關系,導致信用違約網絡中企業間存在著較強的關聯性,當信用違約網絡中某家企業出現信用違約時,信用違約風險將會通過關聯路徑蔓延至網絡中其他企業,即企業信用違約傳染性[12]。

2.1 信用違約網絡拓撲結構

為了更具體地描述房地產供應鏈企業間的關聯關系,本文參考單汨源等[13]的研究,首先利用KMV模型測量企業信用風險水平,得到違約概率及日違約距離,后利用關聯規則經典Apriori算法挖掘供應鏈企業同一時期的信用風險傳染路徑,基于產業鏈企業日違約距離構建數據庫DD={S1,S2,…,Sn},其中Si表示數據庫中第i只股票日違約時間序列,設定日違約距離di≤di-1時,第i個交易日為TURE,否則為FALSE,最后對數據進行關聯規則挖掘,得到企業間信用關聯規則及置信度(即關聯概率),置信度值越大,表明二者關聯度越大,即企業間風險傳染強度越強。

本文將政府視為一個進行信用違約網絡恢復的決策智能體,對于具有傳染性的信用違約網絡來說,進行有序恢復并非易事。本研究借鑒英國人類學家布朗提出的社會網絡分析方法[14],將信用違約網絡中企業間關聯關系描述為網絡拓撲結構,每個節點代表不同的企業,不同企業間的相互關系稱為邊,參考Pérez-Ortiz等[15]的研究結果,將企業間關聯概率(置信度)的倒數作為邊長距離,即企業間關聯性越大則邊長越短,反之邊長越長。考慮到拓撲結構中的企業關聯性[16],政府對瀕臨違約企業的救助將受到違約企業恢復狀態的影響,即如果違約企業救助不能被政府有效快速完成,則與之關聯的瀕臨違約企業的救助將面對嚴重的瓶頸。另一方面,如果瀕臨違約企業長期得不到救助,則其經營狀態不會得到改善甚至走向破產最終導致違約,這將使得違約企業救助變得被動,即使政府加大對該企業的救助和扶持力度,由于關聯企業無法恢復,或違約企業由于供應商或銷售商枯竭而仍然面臨較大的經營困境,從而導致救助無效。為了考察上述具有回路依存性的企業信用違約網絡,一種具有良好適應性的針對巨型社會經濟系統的計算方法被提出,用于建立企業信用違約救助的策略網絡。

2.2 啟發式搜索優化目標

稅收是財政收入重要組成部分,為政府的正常運轉及保障民生起到了舉足輕重的支撐作用,穩定的稅收收入能促進經濟高質量發展,增強政府抵抗外界風險的能力[17]。當企業面臨經營困難導致信用違約甚至破產時,政府將無法獲得稅收收入,在企業信用違約網絡恢復過程中政府將面臨不同程度的稅收損失,直至所有企業恢復正常生產經營,政府才能獲得正常稅收收入,因此本文將政府對企業紓困過程中的稅收總損失STL及恢復時間T作為房地產供應鏈信用違約網絡恢復的總體優化目標,稅收損失定義為:

(1)

式中:i為需要救助企業的個數;RDi為第i個企業在日均單位稅收;Nb為需要紓困企業數量;Tf為所有企業完成恢復的時間;Ci為第i個企業稅收折扣因子,設定企業狀態為違約時Ci=1,當企業狀態為瀕臨違約時Ci=0.5,即當企業發生違約時,政府將損失全部稅收,當企業瀕臨違約時,政府將損失一半稅收。STL為第i個企業的稅收總損失,當T=0時,由于所有違約和瀕臨違約企業均未得到救助,因此在該時間內稅收總損失最大,隨著救助慢慢推進,稅收總損失將逐漸降低直至STL=0,政府力求在損失最小及用時最短的情況下實現企業違約網絡恢復,因此,將稅收總損失STL及總時間T最小化作為企業信用違約網絡恢復的優化目標。

2.3 啟發式搜索算法設計

啟發式搜索適應于強大且復雜的社會信息系統,通過所描述問題中的啟發信息進行搜索,簡化復雜問題,適用于搜索空間巨大的一種搜索技術[18-19]。啟發式搜索算法是將動態規劃問題轉化為狀態空間的路徑求解問題,其關鍵問題在于估值函數的設置,通過合理的估值函數可以高效迅速地找到搜索節點,提高搜索效率[20-21]。

當市場遇到危機時,房地產供應鏈中各企業將受到不同程度的沖擊,企業生產經營將受到不同程度的影響。生產規模大,創新能力強,核心技術過硬的企業往往受到沖擊能力小于規模小,抗風險能力弱的企業,因此,本文將受危機影響后的企業分為違約企業、瀕臨違約企業、無違約企業3組,分別描述供應鏈中企業需要政府的救助程度。參考Altman[22]的研究結果,設定信用評級值Z,當Z∈(-∞,1.8)時,該企業為違約企業,當Z∈[1.81,2.675]時,該企業為瀕臨違約企業,當Z∈(2.675,+∞)時,該企業為無違約企業,將違約企業狀態設定為DS2,瀕臨違約企業狀態設定為DS1,無違約狀態設定為DS0。

在啟發式搜索過程中,主要問題是如何確定具有強針對性的下一個搜索目標,為了提高搜索效率,確定合理的搜索策略是重中之重,本文參考Sun等[11]提出的策略制定方法,提出總資產、總負債及主營業務收入3個指標作為啟發式搜索策略準則,其中總資產反映企業總規模,總負債反映企業總體負債規模,主營業務收入反映企業的銷售收入情況[23-24]。通常情況下,資產規模越大,負債總額越大,銷售收入越好的企業在供應鏈中地位及影響力往往越大,對其他企業影響程度越高,該部分企業越早得到紓困和救助將越有效促進整體網絡高效恢復,因此,將啟發式搜索準則確定為3項指標的降序排列,即政府首先對資金總資產和總負債規模大、銷售收入大的企業進行救助,以此確定救助次序。

在違約網絡中單個企業的狀態恢復由隨即恢復函數決定的(見圖1),RPDS1(t)和RPDS2(t)恢復函數是恢復階段時間的S形函數,表示為對數正態概率分布函數,以滿足邊界和單調性要求。參考Sun等[25]的研究結果,在企業信用違約網絡恢復過程中任意時間點t0上生成隨機數r∈[0,1],如果某企業狀態為DS1,則當r< RPDS1(t0)時該企業被成功救助,如果某企業狀態屬于DS2時,通過救助該企業狀態將被部分恢復或者全部恢復,因此,狀態為DS2企業的恢復面臨3種情況:當r< RPDS2(t0)時,企業完全恢復正常經營;當 RPDS2(t0)RPDS1(t0),則該企業救助失敗。

圖1 房地產供應鏈信用違約網絡中單個企業恢復函數

鑒于企業信用違約網絡存在高自相關性,單個企業狀態變化會影響其關聯企業救助時間變動,因此將單個企業恢復時間定義為:

(2)

在對信用違約網絡進行恢復開始時,決策者隨機生成3組狀態企業(違約、瀕臨違約及無違約),根據特定的啟發式搜索策略對需要救助的企業進行排序,按照排列順序依次選擇救助企業,依據拓撲結構網絡分析尋找到每個企業的關聯企業,并根據式(2)判斷t時刻各關聯企業狀態對該企業救助時間的影響,再通過隨機恢復函數設定恢復閾值,得到單個企業救助結果。隨后,根據啟發式搜索策略逐步完成企業網絡中逐個企業狀態恢復,最終實現整體網絡救助確定單次模擬的結果,得到單個策略下信用違約網絡救助總損失,基于啟發式搜索模型框架見圖2。

圖2 基于啟發式搜索的企業信用違約網絡恢復框架

2.4 蒙特卡洛模擬

蒙特卡洛法是基于概率論及數理統計的一種數理方法,用于解決可以被描述為事件的發生頻率或某個隨機變量的均值的問題[26]。蒙特卡洛法的基本原理主要是確定變量的概率分布,根據概率分布在計算機上生成隨機數,以這些隨機數作為抽樣值,依據所設置的模型進行邏輯關系運算,得到安全績效的估值結果,并以概率分布的形式呈現出來[27]。蒙特卡洛法以概率統計為基礎,求事件發生的頻率或者求某個隨機變量的均值,將單次結果作為蒙特卡洛模擬的隨機變量,進行1 000次模擬實驗結果均值,提升了模擬結果的穩定性。

3 實證分析

房地產行業由于其高資產負債率,重資產等特征,為我國重要的經濟產業,其關聯行業多且關聯度較強,從上游建材到下游的家電家具,建筑裝修等,均依靠該鏈條核心產業即房地產產業的發展刺激需求,信用風險在供應鏈內部呈現出顯著的傳染性,因此本文選擇以中國房地產企業為核心樣本[28-29]。綜合上下游關聯企業包括建材、鋼鐵、批發零售、公共設施、汽車制造共涉及6個行業中60家企業為研究對象,考察當危機到來后,信用違約風險在企業網絡中的蔓延路徑[30],尋找政府在對企業實行救助時的最優策略選擇,數據均來自于CSMAR數據庫。

3.1 房地產供應鏈信用違約網絡傳染路徑

本文選取了2021年房地產產業鏈上市A股60家企業市場數據為研究樣本,見表1。通過KMV模型測量企業信用風險水平,得到違約概率及日違約距離[31],將數據導入SPSS Clementine 12.0軟件進行關聯規則挖掘。設定最大前項數量為1,最低置信度閾值60%。得到企業間信用關聯規則,置信度即關聯概率,從關聯規則置信度的統計意義角度解釋,置信度值越大,表明二者關聯概率越大,關聯度越大,即企業間風險傳染強度越強。

表1 部分樣本企業

通過KMV模型計算得到日違約距離,再通過Apriori算法進行關聯關系挖掘得到60家企業關聯關系,共175條關聯規則及關聯概率,本文將關聯概率,即置信度結果的倒數設為拓撲結構企業之間的相關距離,即關聯概率越大,兩企業間拓撲距離越近,反之越遠,由此構建了企業信用違約傳染路徑的拓撲結構,見表2。

表2 房地產供應鏈部分關聯企業拓撲距離

表3 不同分位數水平下恢復時間

3.2 基于啟發式搜索的房地產供應鏈信用違約網絡恢復

當房地產供應鏈遭受沖擊時,供應鏈中各企業將受到不同程度的影響,此時,根據上述2.3所描述,決策者將企業按照違約程度不同分為DS0,DS1和DS23組,由3.1實驗結果得到房地產供應鏈信用違約網絡拓撲結構,隨即決策者將依據不同的啟發式搜索策略對各企業實施救助,得到基于拓撲結構的3種救助次序。決策者首先將選擇排序第一的企業進行救助,在企業經營恢復之前,先考察該企業相關聯企業狀態,根據式(2)更新當前企業恢復時間,救助時間CT被修復后,利用2.3中隨機恢復函數判斷企業是否被成功救助,根據隨機恢復函數理論,隨著恢復時長的增加,企業恢復概率逐漸增大,直至救助成功,企業被成功救助時其狀態將由DS2或DS1轉變為DS0,直至全部企業得到成功救助,最后考察當所有企業狀態為DS0時,根據式(1)計算得到稅收總損失STL及救助時間T,通過比較分析1 000次蒙特卡洛模擬結果得到最優策略。

圖3顯示了房地產供應鏈信用違約救助的在不同策略下啟發式搜索結果,3條曲線走勢接近,但是策略曲線的陰影面積有所差異,圖3(a)顯示的是基于總資產的策略曲線政府總損失(即陰影部分面積)為1 252億元,圖3(b)為基于違約率的策略曲線政府總損失為2 718億元,圖3(c)為基于銷售利潤率策略曲線政府總損失為1 977億元,可以得到政府基于總資產策略的啟發式搜索產生的稅收總損失最小,較違約率策略總損失減少了54%,較銷售利潤率策略總損失減少了36.67%。

(a)總資產策略曲線下稅收總損失

3.3 啟發式搜索策略時效性結果分析

基于1 000次模特卡羅模擬結果,3種不同策略結果還可以從概率密度視角進行對比分析,將模擬結果進行對數正態分布模擬,得到概率密度函數,結果如圖4所示,基于資產概率密度曲線峰值均早于其他2個策略,且在極端情況下基于資產策略的恢復時效性也均較強。

圖4 房地產信用違約網絡恢復時間概率密度函數

此外,在不同分位數水平下,各策略之間結果差異也較為顯著。由表5可以得到,基于總資產的策略在不同分位數下企業恢復時間均最短,基于違約率的策略需要花費時間最長,救助時效性最差。具體而言,在50%分位數水平上,總資產策略下恢復時間為443 d,較違約率策略下降71.8%,較銷售利潤率策略下降13.3%;在80%分位數水平上,總資產策略下的恢復時間較違約率和銷售利潤率策略分別下降54.8%和0.64%。由此說明,基于總資產的啟發式搜索策略在任何分位數水平下均為恢復效率最高的策略。

4 結論與建議

本文提出了一套適用于在沖擊事件下復雜企業網絡下信用違約網絡恢復的模型框架,用于巨大的搜索空間,特別是啟發式搜索算法,能夠幫助決策者以快速高效的方式完成救助。據此提出了3種基于啟發式搜索策略,為政府實施信用違約救助提供參考。在龐大的現實企業網絡中,既要考慮到企業間動態關聯性,又要考慮到如何正確面對這種關聯性,不同的啟發式策略將帶來救助結果較大的差距。通過分析得到以下實驗結果:

1)基于啟發式搜索算法的信用違約網絡恢復模型為房地產供應鏈企業提供了一套完整的救助策略,該框架模型考慮到了企業間的相互關聯性,即單個企業的狀態變化對整個網絡系統狀態的動態影響,正如上文所述,違約企業的狀態變化通過關聯拓撲網絡結構影響瀕臨違約企業的狀態,同理,瀕臨違約企業狀態的好轉也正向促進了違約企業狀態的快速好轉。

2)通過比較分析各啟發式搜索策略,得到了企業救助的最優策略——基于總資產降序排列準則。在其他條件不變的情況下,基于總資產恢復策略無論是政府總稅收損失還是救助時間上均為最小。

3) 對于企業信用違約網絡來說,網絡節點與其他企業特別是違約企業的相關性越強,其恢復的時效性越差,政府紓困的損失也會越大,因此,信用違約企業的網絡拓撲結構對于網絡恢復產生顯著的影響。

當房地產供應鏈面臨信用風險時,政府作為救助及企業紓困主體,一方面應當重視資產規模較大的房地產及相關行業企業經營及信用違約狀況,在信用風險出現初期給予及時政策扶持,以此將房地產供應鏈信用風險蔓延造成的損失降至最低;另一方面,政府在紓困政策制定層面上,應當充分考慮房地產供應鏈信用風險恢復資金及時間成本,制定合理政府財政預算,根據搜索策略效果,制定符合市場運行規律的救助政策。利用啟發式搜索算法探索信用違約網絡恢復最優策略是基于資產、違約率及銷售利潤率3種準則實現的,下一步可以以各節點在信用違約拓撲網絡中重要程度為準則,考察違約網絡的恢復效率。