應收賬款資產證券化的信用風險研究

李煥英 崔玉姝 齊笑苒

摘?要：傳統的融資方式存在融資成本高和融資難度大等問題，作為一種新型的融資方式，應收賬款資產證券化的融資成本相對較低，因此逐漸受到企業的青睞，但其也存在一定的風險。文章基于L公司應收賬款資產證券化的案例，結合相關文獻，對其資產證券化情況及信用風險進行分析。文章運用DEA模型，將每筆應收賬款作為一個決策單元，對基礎資產進行信用評價，計算每個決策單元的相對效率值并進行排序。文章認為：效率值低于1的決策單元存在一定的信用風險，效率值低于0.01的決策單元信用風險較大，資產證券化參與方應對其密切關注和監控，確保入池資產的穩定性和安全性。基于以上研究，文章提出應嚴格篩選并密切監控入池資產、構建多層次風險控制機制和運用區塊鏈技術的建議，從而更好地防范信用風險。

關鍵詞：應收賬款；資產證券化；信用風險

中圖分類號：F832.51???文獻標識碼：A?文章編號：1005-6432（2024）13-0049-04

DOI：10.13939/j.cnki.zgsc.2024.13.009

1?引言

資產證券化的信用風險又叫違約風險，主要包括發起人信用風險、債務人信用風險和第三方信用風險。債務人信用風險包括債務人違約風險和提前償付風險。楊斌和董玲（2013）認為信用風險是交易主體未按期履行約定或違約，導致其他交易主體在交易過程中可能會遭受損失的風險。戴書松和雷鈺迪（2019）通過研究發現債權類資產證券化產品中，少筆債權類項目現金流的穩定性主要取決于基礎資產本身的質量，即“資產信用”；而多筆債權類項目則取決于原始權益人對基礎資產的管理。杜艷卿（2021）認為應收賬款的過多積壓不僅會降低企業資金周轉率，增加企業的運營成本，還會面臨信用違約的風險。應收賬款原始權益人擁有的是未來收取資金的權利，為了更加充分地運用這些權益，通過將應收賬款資產證券化，可以將流動性差的權益轉化為當前可用的資金。鮑新中、陳柏彤等（2022）認為合理選取基礎資產、信用增級措施、供應鏈的交易結構能有效降低信用風險，在資產證券化的進程中，應構建多層次的風險控制機制，采用多樣化方法，定期對風險管理的效果進行評估。張靜（2022）認為選擇優質的基礎資產有利于資產證券化的順利實施，應收賬款可能產生的風險程度較高，因此應加強對應收賬款的管理，利用互聯網和大數據，強化對風險的預測、識別和管理。楊躍云（2022）通過對15家房地產上游供應商企業進行應收賬款資產證券化信用風險評估，檢驗其經營能力的穩定性，幫助核心企業對其進行篩選。通過研究發現，合理的交易結構和增信措施可以有效防范信用風險，通過提高基礎資產的分散程度，也可以規避由于政策因素和其他不確定性因素導致的損失，從而達到控制信用風險的目的。

文章以L公司應收賬款證券化為例，基于信用風險的視角，運用DEA模型，分析企業應收賬款資產證券化過程中存在的信用風險，并提出相應的建議，以保證應收賬款證券化過程的安全性與穩定性。

2?應收賬款資產證券化的優勢

2.1?拓寬企業融資渠道

發行股票和向金融機構抵押資產獲取融資是常見的兩種融資方式，資產證券化融資工具的出現為企業提供了新的融資渠道。尤其是在企業資信不足、抵押物不足的情況下，資產證券化融資成為企業廣泛應用的方式，進一步拓寬了企業的融資渠道。

2.2?提高資產流動性

通過應收賬款資產證券化，可以將流動性差的未來收款權益轉為可用的資金，有利于提高企業資金的流動性和利用效率。

2.3?降低融資成本

資產證券化融資成本取決于基礎資產質量和定價，通過一系列的信用增級措施，可以對產品進行信用增級，降低基礎資產風險，從而降低融資成本。

2.4?對財務結構影響小

傳統融資方式，尤其是通過債務融資，會導致企業資產負債率上升，從而影響公司價值評估和再融資。資產證券化在這方面具有優勢，利用資產證券化融資，企業的資產負債率幾乎不受影響，還會提高企業資產周轉率等財務指標。

3?資產證券化參與方介紹

3.1?原始權益人基本情況

L公司是本次應收賬款資產支持專項計劃的原始權益人，是一家多元化發展的信息科技企業集團，主要業務為銷售計算機軟硬件及配套零部件。

3.2?計劃管理人基本情況

Z證券公司為本次資產支持專項計劃的計劃管理人，是一家經營證券業務等金融服務的綜合性證券公司。

3.3?托管銀行基本情況

本次資產支持專項計劃的托管銀行為M銀行，具有全面完備的托管業務資質和豐富的托管業務經驗，托管業務涉及境內外資本、貨幣和實業等多個領域，是目前國內托管業務資格最為齊備、托管業務產品線最為齊全的商業銀行之一。

3.4?資產服務機構基本情況

L保理公司為本專項計劃的資產服務機構，經營范圍包括受讓應收賬款提供融資、應收賬款的收付結算、客戶資信調查與評估等。

4?資產證券化基本情況

4.1?基礎資產的選擇

本次專項計劃的基礎資產為原始權益人對債務人享有的應收賬款，初始基礎資產為原始債權人對150家付款義務人的總金額為16億元的應收賬款。入池資產經過管理人及項目律師基于不同的供貨人、業務賬期、買受人、買受人所在省份四個維度進行了抽樣審查，確認初始基礎資產真實、合法、有效，權利歸屬明確，基礎資產可以特定化，并具有完整性，未被列入負面清單，符合專項計劃基礎資產要求，信用風險較低。另外，通過差額補足的方式，為專項計劃的穩定性提供了保障，進一步降低了信用風險。

4.2?交易結構

L公司應收賬款資產證券化的交易結構如圖1所示。

L公司為原始債權人，其在日常交易中通過向債務人銷售計算機軟硬件及配套零部件等，享有應收賬款的債權。

Z證券公司為本次專項計劃的計劃管理人，負責篩選入池資金、設立并管理專項計劃資金，根據合同約定，將專項計劃的認購資金用于向原始權益人購買基礎資產，將專項計劃資產與其他財產分開管理，將不同客戶資產支持專項計劃的資產分別記賬，每月跟蹤檢查專項計劃基礎的運行情況，并按期出具報告，保證資產支持證券持有人及時了解相關情況。

M銀行為托管銀行，負責保管本次專項計劃的資金，確保資金的獨立性和安全性。

L保理擔任資產服務機構，負責基礎資產的審核、篩選及確定，基礎資產回收款的資金管理等。

圖1?L公司資產證券化交易結構

具體過程主要為：

第一，組建資金池。本次專項計劃的應收賬款，是L公司向消費者銷售商品而產生。發起人L公司提供債務人清單，由計劃管理人Z證券公司和資產服務機構L保理公司進行評估和篩選，最終入池資產為原始債權人對150家付款義務人的總金額為16億元的應收賬款。

第二，認購資金購買基礎資產。計劃管理人Z證券使用專項計劃的認購資金，向原始權益人購買基礎資產。

第三，設置信用增級。專項計劃安排了以下信用增級措施來降低信用風險：①優先級次級分層，將基礎資產劃為優先級資產支持證券和次級資產支持證券，當現金流歸集不足時，次級資產支持證券將承擔最初的損失。②差額補足承諾。當專項計劃賬戶內資金金額不足以支付當期應付的稅、費及其他資金時，由計劃管理人于差額補足通知日通知差額補足承諾人履行差額補足義務。③循環購買本金放大機制，在循環期內能夠經歷多次循環購買，從而形成對本金的超額覆蓋，為本專項計劃提供一定的信用支持。④滅失資產回轉，若出現因原始債權人未適當履行專項計劃文件及業務文件項下的義務，或因付款義務人行使抗辯權或抵銷權，而導致基礎資產滅失或價值減少的部分，則構成滅失資產，就該等滅失資產，計劃管理人有權要求原始權益人回轉且原始權益人有義務予以回轉。⑤信用觸發機制，如果加速清償事件或違約事件被觸發，則循環期提前結束，專項計劃將直接進入分配期；如果發生權利完善事件，原始權益人或計劃管理人將根據約定通知相應債務人將其應支付的款項支付至專項計劃賬戶，減少應收賬款歸集過程中的資金混同。

第四，基礎資產的托管和管理。托管銀行M銀行負責保管賬戶資金并辦理專項計劃相關資金往來事項。本專項計劃的資產服務機構L保理受計劃管理人委托，對專項計劃資金池、基礎資產回收款等進行管理。

第五，銷售證券。Z證券公司按照合同約定向證券持有人分配利益，并定期跟蹤和檢查專項計劃運行情況。

從L公司資產證券化的交易結構來看，除原始權益人、計劃管理人、托管銀行、資產服務機構等專項計劃基礎參與方外，還加入了監管銀行、評級機構、會計師事務所等第三方，更加保證了專項計劃的安全性和穩定性。專項計劃各參與方均為成立五年以上，且知名度較高、經驗豐富的公司，降低了此專項計劃的信用風險。

4.3?相關信用風險分析

4.3.1?核心債務人違約風險

本次資產支持證券的本金和收益現金流來自應收賬款，為未來產生的現金流，即債務人按照約定未來應償還的款項。若未來債務人因破產等原因未能償還債務，將導致基礎資產損失。

4.3.2?破產隔離風險

專項計劃存續期間，若原始權益人出現喪失清償能力事件，則可能出現回收款無法及時轉付至專項計劃而被凍結的風險。另外，若原始權益人的業務規模縮減，在專項計劃的循環期間計劃管理人可能無法購買到充足的符合入池標準的基礎資產。

4.3.3?差額支付承諾人違約風險

L集團作為差額支付承諾人，在專項計劃資產不足以支付稅費、專項計劃費用及優先級證券應付本息時，將由LX集團提供差額補足。若L集團拒絕履行上述差補義務，將對專項產生不利影響。

4.3.4?計劃管理人、資產服務機構、托管銀行等參與機構盡職履約風險

本次資產支持專項計劃的正常運行依賴于各相關機構的盡職服務，若各參與方未能盡職履約，或運行過程中操作不當或產生失誤等，則會給專項計劃帶來損失和風險。

5?基于DEA模型的基礎資產信用風險評價

5.1?DEA模型的應用

DEA模型主要用來評價投入指標和產出指標之間的相對效率，一個投入可以對應多個產出，且不需要反映輸入變量和輸出變量關系的顯式表達式。

DEA方法主要測算產出與投入的比值，比值越大，說明效率越高，產出越多或投入越少該比值越大，因此，產出應選擇數值越大、決策單元信用風險越小的指標；投入應選擇數值越小、決策單元信用風險越小的指標。將這兩類指標代入DEA模型進行測算，可以得出每個決策單元的相對效率值，效率值越高，說明其信用風險越低。

綜上所述，DEA模型應用于應收賬款資產證券化信用風險評價的步驟是：①把每筆應收賬款作為一個決策單元（DMU）；②根據企業披露的信息及相關資料，找出影響決策單元信用風險的投入指標和產出指標；③將輸入指標和輸出指標代入DEA模型，計算每個決策單元的相對效率值，判斷決策單元的信用風險。

5.2?變量選取

5.2.1?投入指標的選擇

投入指標X為債務人公司發生經營風險的次數，發生經營風險的次數越少，說明企業經營的不確定性越小，信用風險越小。

5.2.2?產出指標的選擇

產出指標Y1為債務人公司的注冊資本，企業的注冊資本可以反映企業規模的大小，規模越大的企業一般會具有更強的抗風險能力和償債能力，信用風險相對也較小。

產出指標Y2為原始權益人與債務人公司之間的應收賬款金額，應收賬款金額可以反映出兩者之間的合作程度，應收賬款金額越大，說明原始權益人與債務人公司的合作程度越高，對債務人公司的信任程度更高。

5.3?實證研究與結果分析

以原始權益人對157家付款義務人的應收賬款為研究樣本，債務人公司發生經營風險的次數為投入指標，債務人公司的注冊資本和原始權益人與債務人公司之間的應收賬款金額為產出指標，剔除6組不合規數據，并對其他數據進行處理，將處理后的151組數據通過DEAP軟件導入CRS模型進行計算。對數據進行計算后得到效率值θ，θ的取值范圍為0～1，若θ=1，那么決策單元有效，說明其決策單元信用風險較低；若θ＜1，那么決策單元效率值較低，說明其信用風險相對較高。

由于決策單元較多，因此將計算后得到的效率值取前十名和后十名，最終結果分別如表1和表2所示，效率值越高，說明債務人公司信用風險越小；效率值越低，說明債務人公司信用風險相對越高。

由計算結果可知，第15號和56號決策單元效率值θ達到了1，信用風險最小；第23號決策單元效率值達到了0.9以上，接近于1，信用風險也較低；排名靠后的第124、第147等10個決策單元的效率值都在0.005以下，說明其對應的債務人公司信用風險較高，在資產證券化過程中，應注意重點關注信用風險較高的企業，防止發生違約等情況。

6?結論與建議

文章以L公司資產證券化為例，研究其應收賬款資產證券化的信用風險。首先，對參與方情況進行了介紹，本次專項計劃參與方均為成立5年以上且知名度較高、經驗豐富的公司，降低了此專項計劃的信用風險。其次，分析了資產證券化的基本情況，本專項計劃交易結構完整，除原始權益人、計劃管理人、托管銀行、資產服務機構等專項計劃基礎參與方外，還加入了監管銀行、評級機構、會計師事務所等第三方，更加保證了專項計劃的安全性和穩定性；本次專項計劃的基礎資產經過嚴格的篩選和審查，符合入池的標準，采用了優先級次級分層、差額補足等多種信用增級措施，從而降低了信用風險。最后，以原始債權人對150家付款義務人的應收賬款為研究樣本，選取合適的變量，剔除不合規數據后，建立DEA模型，對151組數據進行處理和分析，計算出每個決策單元的效率值并進行排名，從而對每個決策單元的信用風險進行評價。文章認為，效率值低于1的決策單元存在一定的信用風險，效率值低于0.01的決策單元信用風險較大，資產證券化參與方應對其密切關注和監控，確保入池資產的穩定性和安全性，防范信用風險。

文章通過對L公司應收賬款資產證券化的分析，發現其存在的信用風險，并提出以下建議。

第一，嚴格篩選并密切監控入池資產。基礎資產是專項計劃的關鍵，不合格的基礎資產會帶來巨大的風險。原始權益人，計劃管理人及其他資產服務機構應嚴格篩選入池資產，并在專項計劃運行中密切監控和檢查基礎資產，尤其應重點關注信用風險效率值較低，排名較為靠后的應收賬款，確保入池資產后續的穩定性和安全性。

第二，構建多層次風險控制機制。在資產證券化進程中，要注重防范各種風險因素，從交易結構、基礎資產、增信措施、防范措施等多個方面構建多層次的風險控制機制，定期對風險管理情況和效果進行評估，及時反饋各項風險信息，不斷完善運行程序，解決已有風險，預防新的風險。

第三，運用區塊鏈技術。區塊鏈技術具有去中心化、公開透明、不可篡改、安全性高等特點。在資產證券化過程中運用區塊鏈技術，參與方共同構建聯盟鏈，基于分布式賬本技術，可以將參與主體的數據信息以及專項計劃過程中的各項交易記錄到區塊鏈節點中，實現公開透明。區塊鏈通過應用非對稱加密算法和密碼學，讓數據在聯盟鏈上得到每個節點的確認，保證數據信息可靠地流轉。并且在區塊鏈機制下，可以減少對賬和清算等環節，提高資產證券化的真實性和運營效率，降低信用風險。

參考文獻：

［1］?羅艷妮.區塊鏈技術在應收賬款資產證券化中的應用［J］.財會通訊，2021（12）：106-110.

［2］?楊躍云.供應鏈金融應收賬款資產證券化信用風險研究［J］.中國注冊會計師，2022（2）：60-63.

［3］?鮑新中，陳柏彤，潘肇新.供應鏈金融資產證券化的產品信用風險研究——基于QYSJ-ABS和RXZL-ABS的案例分析［J］.金融理論與實踐，2022（2）：1-9.

［4］?杜艷卿.應收賬款證券化的風險與定價案例研究［J］.中國注冊會計師，2021（9）：110-116.

［5］?楊斌.基于灰色系統理論的中國資產證券化風險評價及防范研究［D］.太原：太原理工大學，2013.

［6］?康杰.企業應收賬款資產證券化問題探析［J］.財會通訊，2017（28）：62-65.

［7］?戴書松，雷鈺迪.企業資產證券化的信用特征研究——債權類、收費收益權類的案例分析［J］.會計之友，2019（21）：112-117.

［8］?何珊，申曉彤.供應鏈金融資產證券化的風險與防范［J］.遼東學院學報（社會科學版），2022，24（3）：66-72.