違約發債主體財務指標特征研究

蔣書彬

摘要：本文以市場上的違約債券為樣本，對發債主體的財務指標進行了定量分析，通過一定的數理方法篩選出與企業違約特征較為相關的財務指標，并據此提出甄別發債企業潛在違約風險的方法，以為廣大投資者提供規避風險的思路。

關鍵詞：信用債 違約特征 Logit模型 財務指標

近來債券市場違約事件頻發，各個機構對此高度關注。盡管從整個債券市場的健康發展來看，債券違約有利于債券市場長遠發展，可以豐富中國債券市場違約池的可分析樣本，但是對于個體投資者來說，當前面臨的最大問題是如何規避風險。

違約信用債及違約企業總體情況

自2014年第一只信用債違約起，債券市場違約債券逐年增多，截至2016年5月23日，債券市場已經涉及違約行為的債券共有65只（包括后續兌付債券，見表1），其中由擔保人直接代償的債券有10只，未及時撥付兌付資金的債券有55只，債券違約總金額為379.6億元。

在全部涉及違約債券中私募債居多，占違約債券的38%，其他類型違約債券數量較為平均。從時間跨度看，近三年違約債券呈逐年遞增趨勢。債券違約的實質是發行主體違約，通過對發債主體進行研究，有利于進一步分析違約債券特征。

鑒于涉及違約債券的發行主體均是在企業出現償債壓力的情況下違約，因此，接下來本文將不區分“未及時兌付資金”和“擔保人代償”，對所有涉及違約行為的發行主體進行研究。

首先對違約發債企業的基本情況進行分析。表2是全部違約債券對應的36家發行主體企業，其中不包括8只集合票據對應的21家中小企業，這些中小企業有效信息有限，因此本研究不做進一步分析。

36家發行主體企業分布于不同行業，屬于不同企業類型，位于不同省域。以證監會行業大類標準區分，36家企業分布在25個行業大類中，從產業分類上看，相對集中，主要分布在工業制造、冶金采礦等資本密集型制造行業，屬于傳統產業，也是政府去產能、調結構的重點推進領域。

從企業類型分布看，違約企業主要集中在民營企業（見圖1）。

從違約企業地域看，36家企業分布于全國18個省份，區域集中特征不明顯。一線城市或者省份相對集中，其中分布在北京、上海、江蘇、浙江等一線城市或發達省份的企業共有22家。

違約企業財務信息分析

研究違約企業的地域分布、行業分布、類型分布，能夠從宏觀上總結違約企業的總體特征，但這對于尋找違約企業更詳細信息遠遠不夠。為了進一步發現企業的違約特征，本文從微觀角度研究違約企業在違約發生前三年的企業財務信息特征，以尋找更多關于違約企業的獨有特征。

（一）財務指標的選擇

為尋找與企業違約有關的財務信息指標，這里選用常用的二元邏輯回歸模型，即Logit模型。由于14家違約企業財務信息缺失，具備有效信息的企業共有22家，為了與違約企業做對比分析，另選擇44家企業作為正常償債企業代表，44家企業行業分布與違約企業接近，總體納入研究樣本的企業數量為66家。在財務指標選擇上，初次指標選擇32個（見表3），包括盈利能力指標、償債能力指標、營運能力指標、成長能力指標、現金流量類指標共五大類。為了更充分揭示違約企業的真實財務信息，本文選取企業違約前三年數據，并且將三年數據均值化，以便于回歸分析，總樣本容量為2112個樣本。

按照Logit回歸的一般思路，本文將企業是否違約設定為因變量，影響企業違約的財務指標設定為自變量，因變量賦值為（0，1），違約企業賦值為1，未違約企業賦值為0。首先將全部32個財務指標作為自變量，從理論上講，在對模型進行回歸需要檢驗自變量的多重共線性問題，由于本研究更關注各財務指標與企業違約的相關關系，以便于實際應用，因此相對放松多重共線性對回歸模型的控制。接下來利用SPSS19.0軟件，將全部指標納入模型，結合向前法和向后法，逐步剔除影響模型擬合效果的變量，最后納入模型的指標共有6個，分別是總資產凈利率（XI）、營業利潤與營業總收入比（X2）、資產負債率（X3）、非籌資性現金凈流量與負債總額比率（X4）、已獲利息倍數（X5）、應收賬款周轉率（X6）。

如前所述，本文在模型回歸中適當放松了共線性控制，在指標篩選時適當結合了經驗判斷對指標進行選擇。例如，總資產凈利率、營業利潤與營業總收入比二者存在一定程度的共線性，但由于這兩個指標與企業違約行為均有重要的相關性，且都屬于常見的應用性指標，因此本文將這兩個指標一并保留下來。表4是模型估算結果。

與一般Logit模型分析不同的是，由于違約樣本數量有限，完全依賴模型的回歸結果來尋找企業違約特征尚不能完全實現，在樣本有限的情況下，本文結合樣本信息并考慮經驗因素，以最大限度挖掘違約企業所釋放的有效信息，找到與企業違約有關的財務信息特征，并盡量縮小財務指標范圍，以便在實踐中操作。

（二）對各財務指標特征的分析

1.總資產凈利率

該指標是企業凈利潤與平均資產總額的百分比，該指標反映企業全部資產的獲利能力，指標越高，說明企業運營越有效，體現出企業管理能力較強。

22家違約企業中，總資產負債率出現負值的共有12家，其中多數企業連續三年總資產凈利率均為負值；未出現負值的違約企業總資產凈利率也表現出連續下降和盈利能力不足的問題，這說明該指標與企業違約存在相關關系。

2.營業利潤與營業總收入比

該指標反映企業主營業務的發展情況，體現企業的戰略發展情況和持續經營能力。

22家違約企業中，有13家企業違約前三年營業利潤與營業總收入比出現負值，說明這些企業主營業務不景氣，企業違約在所難免。

3.資產負債率

該指標是期末負債總額與資產總額的百分比，也是了解企業基本情況最常用指標，反映企業總體負債情況。資產負債率越高，說明企業舉債越多，再發債發生違約的可能性越高。

一般來說，不同行業資產負債率標準不同，很難有統一標準，所謂高低更多的是憑借經驗和參照行業標準。22家違約企業中，資產負債率超過80%的有11家，且有4家近一年資產負債率超過100%，這說明，盡管行業不同導致標準不同，但是超過100%資產負債率且連續三年資產負債率呈上升趨勢的企業，其違約概率逐漸增加。

需要說明的是，并非企業資產負債率低就說明企業沒有違約可能，例如波鴻集團（14波鴻CP001的發行人）2011—2013年資產負債率均在50%上下，但企業依然在2015年4月未能及時撥付兌付資金；類似的還有內蒙古奈倫集團、淄博宏達礦業、中成新星油田工程技術服務股份有限公司等，這些違約企業連續三年的平均資產負債率均在50%上下。

4.非籌資性現金凈流量與負債總額比

該指標反映企業通過非外部渠道籌措資金抵補負債的情況，現金包括經營現金流入和非經營現金流入。該指標越高，說明企業總體籌措現金能力越強，應對企業全部負債的壓力較小。

22家違約企業中，該指標為負值的企業達到16家，這些企業違約前三年通過非外部融資獲取資金的能力逐步降低甚至達到艱難的地步，現金輸血一旦終止，企業違約風險迅速增加。

5.已獲利息倍數

該指標是企業息稅前利潤相對于企業所需支付債務利息的倍數，反映企業在一定盈利能力下支付債務利息的能力。該指標越高，說明企業償債能力越強。

22家企業中，有12家企業已獲利息倍數為負值，其余企業已獲利息倍數在1～3倍之間波動，且集中在1倍左右。企業如果該指標連續為負值，則違約風險大增。

6.應收賬款周轉率

該指標在流動資產分析中具有舉足輕重的地位。企業應收賬款如能及時收回，資金使用效率便能大幅提高。應收賬款周轉率越高，表明企業收賬速度越快，一般壞賬損失也越少，償債能力相對較強。

該指標與資產負債率相似，不同企業因產品不同，應收賬款周轉率不同，需要較多的經驗和行業比較才有意義。例如，22家違約企業違約前三年平均應收賬款周轉率最高達到57，最低只有0.66，比較應收賬款周轉率平均指標時，應當著重考慮行業平均水平。22家違約企業一個共同特征是，違約前三年的應收賬款周轉率在逐年下降，反映企業收入轉變為資金的能力逐漸下降，企業利用自營業務創造現金能力在減弱。

7.小結

綜上分析，違約企業財務指標存在一定的共性特征，利用這些指標，加上專業判斷和行業分布、地域分布以及企業類型考察，能夠篩選出相對高風險的發債企業。但是需要說明的是，并非具有上述違約特征的企業一定會發生違約，只能說明在信息不對稱的情況下，通過外部信息篩查，能發現一些違約可能性較高的企業，在投資時應規避風險，避免“踩雷”。

企業違約特征判別實踐

（一）不同行業6類財務指標的比較

為了便于比較，本文將債券市場全部未到期債券按照Wind 資訊行業大類分類標準進行分類，全部行業分別包括工業、材料行業、房地產行業、公用事業、能源行業、電信行業、日常消費行業、可選消費行業、信息技術行業、醫療保健行業十大類，按行業不同分別篩選出6類指標實際數值，財務數據信息來自2015年各發行人年報，去除極端值和不同債券對應的同一發行人重復數據后，10個行業6類指標共取得13312個有效數值。表5、表6是各個行業不同指標的均值和標準差統計情況。

由表5可知，不同行業不同指標差異比較明顯。從均值情況看，電信行業、公用事業、消費行業、信息技術、醫療保健行業各類指標情況較好，其中電信行業樣本較少，代表性不強，但從其他行業看，收益能力、償債能力較強的行業多數集中在新興產業、服務業等輕資本行業。與此相反，材料行業、工業、能源行業等產能過剩、高資本消耗行業總體經營情況不佳。財務指標最差的是能源行業，總資產凈利率均值為-0.47%；材料行業勉強為正值；工業略好，也只有1.75%。房地產行業總資產凈利率略好，但是資產負債率較高，對負債依賴較大。表6是各個指標的標準差，從各指標波動幅度看，資產負債率的指標相對穩定，各個行業波動情況較為接近，波動幅度差距最大的應收賬款周轉率，周轉率最快的房地產業是最慢的電信業的18倍，該指標波動幅度差距大與行業經營模式不同有關。均值與方差的意義在于揭示各行業的平均水平和波動幅度，以此作為進一步篩選的依據。

為了更加直觀地反映各行業各指標情況，本文從投資角度將10大行業分為三大類（見表7），分別考慮了各行業整體收益水平和負債情況，并考慮了行業的穩定性因素。

（二）企業違約特征判別思路

對于目前情況正常的發債企業，筆者認為可以按照逐步篩選的方法，結合投資者風險偏好和專業判斷，篩選出高危企業名單。

首先，依據6類指標（可以多選，也可單選）加入行業因素，結合各行業均值情況設定一定的浮動區間，浮動區間可以略大，以確保發現更多的違約可能性；閾值設定也要考慮行業區別，如對于一類投資行業，閾值可以寬松，對于三類投資行業，閾值設定要更加嚴格。

其次，結合企業類型和評級情況做進一步分析，如對于第一步篩選出的清單，將評級為AAA的企業和中央國有企業剔除；當然也可以根據投資者自身情況做不同設定。

第三，結合外部評級情況進行分析。一般而言，發行人委托的評級機構給出的評級結果要高于非委托評級機構，因此從風險提示的角度出發，應尤其關注非委托人評級結論，做最后篩選。

由于不同投資者風險偏好不同，依據上述步驟篩選出的清單也會不同。出于謹慎性考慮，本文對可能違約的企業不做列示。

相對于國外百分之幾的債券違約率而言，我國債券市場目前違約率僅為千分之一，但這種較低違約率的出現存在非市場因素，不利于培養投資者和籌資者的風險意識。筆者相信，基于以上分析，能夠將可能違約企業限定在較小范圍，也能較好體現出研究的靶向作用。需要重申的是，篩選出的可能違約企業只能說明違約可能，并非確定性結論，還需結合更多因素進行市場判斷。

作者單位：龍江銀行金融市場部

責任編輯：劉穎 鹿寧寧