我國新三板企業股權質押融資的風險評價*

金 輝,薛思鵬

(杭州電子科技大學 經濟學院，浙江 杭州 310018)

1 引 言

新三板的推出為解決中小企業融資難問題提供了新途徑，能夠滿足不同類型、不同發展階段中小企業的融資需求，有效促進中小企業的快速成長.目前，定向增發和股權質押融資是新三板市場最主要的融資方式.相比于定向增發存在的融資慢、稀釋股權等問題，股權質押融資以其融資速度快且不存在控股權轉移等特點而備受掛牌企業的歡迎.根據WIND數據庫顯示，截至2016年12月31日，累計共有1601家掛牌企業進行了4210次股權質押業務，質押股數為4245912.95萬股，平均單次質押為1008.53萬股.然而，隨著新三板股權質押融資規模的增大，由于市場不成熟及信息不對稱所帶來的風險問題也日漸凸顯.2016年3月24日，由于股價連續下跌，“楓盛陽”股價縮水近90%，新三板首現股權質押爆倉，引起市場對股權質押融資風險的關注.

股權質押融資是指出質方以其所擁有的股權作為質押標的物而設立的一種質押融資方式，其本質上屬于債務融資，故存在由于企業經營不善可能造成資不抵債的風險，即違約風險.另一方面，對股權質押融資來說，市場行情的變化引起的質押股票價格變化可能造成質押不足的風險，即市場風險.從表面來看，新三板股權質押爆倉應該屬于市場風險，然而其產生的根源是什么？是否由于掛牌企業的經營不善而引起市場風險的爆發？違約風險和市場風險之間是否存在關聯性？對以上問題進行分析有助于厘清股權質押融資風險的根源，從而對其風險控制提出有效建議，保障新三板市場的健康發展.

2 文獻綜述

對股權質押融資的研究可分為股權定價(或價值評估)和股權質押融資風險防范等兩個方面.劉曉文(2013)[1]首次引入實物期權法方法對新三板股權價值開展了評估.金輝和吳盼盼(2017)[2]借鑒風險管理領域PFM模型的思想對新三板企業的股權價值進行了評估.吳軍和魏果望(2014)[3]通過案例分析首次建立了新三板股權質押定價模型.章曦(2016)[4]構造了包含風險成本線、平倉線、預警線和補倉時間等關鍵變量在內的新三板做市公司股權質押融資模型，并計算出股權質押價格.黃新平等(2013)[5]、花旻(2014)[6]探討了股權質押融資所面臨的各類風險，從不同的角度提出了應對措施，但是都僅限于定性研究，也沒有針對新三板的相關分析.從定量管理的角度來看，違約風險和市場風險是企業股權質押融資面臨的兩個主要風險.

常用的現代違約風險度量模型有KMV模型、Credit Metrics、Credit Risk+和CPV模型等，這些模型都以一定的經濟理論為基礎，如：期權定價理論、風險價值理論、保險精算理論、資產組合理論等，使得模型解釋具有較明確的經濟含義.其中，KMV模型基于期權定價理論來計算違約發生的概率，被諸多學者證明對上市公司具有很強的適用性，如：Lee(2009)[7]、蔣彧等(2015)[8]、彭偉(2012)[9]結合中小企業的特點對KMV模型進行了改進并實證分析了我國上市中小企業的信貸風險.在KMV模型的基礎上，KMV公司開發了適用于非上市公司信用風險度量PFM模型[10]. Blichwiz(2000)[11]將PFM模型和德國公司使用的財務比率進行比較，結果表明PFM模型能很準確地分析信用風險; Syversten(2004)[12]證明該模型在北美有較強的預測能力.戴志峰等(2005)[13]對PFM模型進行適度的調整，驗證了其在中國市場具有一定預測能力.夏紅芳(2009)[14]采用神經網絡方法估算非上市公司的資產價值和波動率，發現改進后的PFM模型能夠較好地評估和預測我國非上市公司的信用風險.楊世偉和李錦成(2015)[15]采用KMV模型和PFM模型分別對上市公司和非上市公司發行的債券違約風險進行了評估.

當前對股權質押融資的風險評價主要集中在市場風險度量及質押率的計算方面.González 和Cossin等 (2002)[16]在外生給定的企業違約概率下，根據簡化式方法得出與銀行風險承受能力相一致的質押物折扣率.Yang，Xing和Anderso(2012)[17]假設股價變動遵循雙指數跳擴散模型，分析了模型參數對貸款合約價格及質押率的影響.王志成(2004)[18]采用期權定價法證實了平價抵押率不僅能夠補償抵押貸款的信用風險，并且具有風險回報.齊二石和馬姍姍等(2008)[19]采用莫頓信用風險結構模型并結合Copula函數分析了質押貸款定價變化對銀行的損失.李毅學和徐渝(2007)[20]假設外生的企業違約概率，綜合考慮質押資產的價格波動率、貸款周期等因素構模型，為銀行確定質押融資業務的質押率提供了必要的依據.王志誠(2003)[21]運用VaR方法得出在給定置信度下的股票質押率.黃莉(2013)[22]通過簡單正態法下的VaR對國內信托公司的質押率進行測算，發現上市時間相對較短且平均年化收益率高的股票其質押率普遍較高.張旭(2015)[23]通過VaR測算新三板企業股權質押貸款的定價，證實VaR方法能夠反映股票質押貸款的綜合風險.

綜上所述，在現代違約風險度量模型中，PFM模型是在KMV模型基礎上衍生出來適用于非上市公司違約風險度量模型，其關鍵是利用財務指標構建上市公司與非上市公司資產價值及其波動率之間的關系.VaR方法常用來度量股價變化引起的市場風險，適用于股權質押融資中市場風險的衡量.質押率作為決定股權質押價值的指標，其大小反映了質押貸款中的風險暴露程度，可以基于VaR值的大小進行測算.國內文獻大多從定性的角度去分析股權質押融資的風險，對新三板股權質押融資風險的定量研究也還不多見，在市場風險度量中沒有進一步考慮其與違約風險的相關性.

考慮數據來源的可得性以及我國新三板企業的特性，將根據PFM的原理對開展股權質押融資的新三板企業進行違約風險的評價.另一方面，采用VaR方法度量股權質押融資的市場風險，并進一步計算其質押率.然后，對股權質押違約風險與市場風險之間是否存在關聯性進行分析.最后給出新三板市場股權質押融資的風險防控相關建議.

3 研究設計

3.1 違約風險度量模型的選擇

3.1.1 PFM模型的基本原理

PFM模型適用于非上市公司，其基本原理與KMV模型類似，即根據期權定價原理，把企業債務看作以公司資產為標的看漲期權，執行價格為公司債務面值，期限為公司債務期限.當企業的資產價值低于債務價值時，違約就會發生，即企業負債面值、資產價值及其波動率是影響企業違約的最主要因素.根據Black-Scholes期權定價模型，公司的股權價值可以表示為：

E=VAN(d1)-De-rTN(d2)．

(1)

其中，d1和d2分別為：

在式(1)中，E為股權的市場價值；D為債務的賬面價值；VA為公司資產市場價值；T為公司債務期限；бA為資產價值波動率；r為無風險利率；N(d)為標準正態累計分布函數.

企業的股價波動率σE與資產波動率σA之間存在以下的關系：

(2)

PFM模型用違約距離(DD)來衡量違約風險，即在風險期限內公司資產價值由當前水平降至違約點的相對距離.一般情況下，違約點(DP)被設定為企業短期負債加上長期負債的二分之一.PFM模型定義的違約距離表達式為：

(3)

E(VA)=VA×(1+g)．

(4)

其中，DD表示違約距離，E(VA)表示公司資產價值的預期值；DP表示違約點，g表示公司資產價值的增長率.如果根據足夠多的歷史違約數據，擬合出違約距離和違約概率的函數關系，就可以得出違約概率.

3.1.2 可比上市公司的選擇

非上市公司由于沒有公開上市股票，無法直接獲取其資產市值和波動率等數據.PFM模型認為，相同行業和地區的企業由于面對的銷售和供應市場、勞動力市場相同，使得規模和盈利能力相近的上市公司和非上市公司的資產市值及其波動率的變動之間往往具有一定的相關性(Syversten，2004[12]).

考慮到無論新三板市場掛牌或創業板市場入市的門檻都較主板市場低，且兩者的服務對象均為中小高科技企業，同時新三板企業在轉板業務上多轉為創業板，故相比較于滬深主板市場和中小板市場，同行業創業板中小企業上市公司更適合作為新三板企業的可比企業.在選擇可比公司時，KMV公司認為EBITDA和銷售收入是重要的參考指標.由于我國企業操縱利潤的情況比較普遍，相比于EBITDA和銷售收入，股票市場更看重企業規模，所以還將加入資產規模作為參考指標.

3.1.3 模型參數的設定

1)可比上市公司的股權價值

關于上市公司股權價值的研究很多，但到現在還沒有一個比較權威的結論.根據張澤京等(2007)[24]對中小企業上市公司違約風險的度量研究，采用如下方法計算上市公司股權價值，即：

(5)

2)可比上市公司股權價值波動率

公司股權價值的波動率可以用收益變動率替代.在計算股票日收益率變動率的方法上，對于存在ARCH效應的股票運用GARCH(p，q)模型估計出相應的參數，對于不存在ARCH效應的股票采用移動平均法計算，再將其轉化為年收益變動率.股票每年交易日取245天，計算公式為：

(6)

3)無風險利率

采用一年期SHIBOR利率作為無風險利率.

4)新三板企業的資產市場價值及其波動率

由于非上市企業股權的市場價值及其波動性難以直接觀察，PFM模型原采取中位數對比法選取與非上市公司資產規模和相對獲利能力接近的所有上市公司來計算，但是缺乏一定的精確性.由于缺乏龐大的數據體系，中位數對比法的操作性并不強.

KMV公司認為，EBITDA和銷售收入是決定資產的市值及其波動率的重要指標.考慮到PFM模型關于資產市值及其波動率和公司的財務指標具有線性關系的假設，同時參考戴志峰等(2005)[13]采用回歸方式來擬合上市公司資產價值及其波動率與相關財務指標的關系，自變量選取了代表盈利能力、企業規模、償債能力、運營能力、資本結構在內的多種財務指標，擬合方程為：

Y=c+BX+ε．

(7)

其中，Y=(lnVa,σΑ)Τ，VA為企業資產的市場價值，σA為資產的市場價值的波動率，X=(ln(TA),EBITDA/TA,ALR,ROA,IT,CR,ART)T，TA為賬面總資產，EBITDA為息稅折舊攤銷前利潤，ALR，ROA，IT，CR和ART分別代表資產負債率、資產凈利率、存貨周轉率、流動比率和應收賬款周轉率，c和B分別為常數項和財務指標的系數矩陣，ε代表誤差項.

在此基礎上，根據回歸方程(7)即可計算非上市公司的資產價值及其波動率.

5)違約點的設定.

為了計算違約距離，需要先設定求出違約點.根據PFM模型中相同行業和地區的企業面對的銷售和供應市場、勞動力市場相同的假設，可認為規模相當的中小企業上市公司違約點與新三板企業違約點相近，故結合中國金融市場的整體環境及彭偉(2012)[9]對中小企業違約風險的研究，設定新三板企業違約點的選取為：

DPT=1.11STD+0.65LTD．

(8)

其中，STD為短期負債，LTD為長期負債.

將利用違約距離DD來度量違約風險.違約距離值越大，公司資產價值距離違約點就越遠，從而違約概率越小，那么說明公司的信用狀況越好.

3.2 市場風險度量的模型選擇

3.2.1 VaR模型的構建

在險價值即VaR的概念由J.P.摩根銀行(1994)[25]提出，能夠簡單清晰地表示市場風險的大小，可作為反映所有市場風險來源的總體度量指標.其定義是指在市場正常波動下，給定一定時間區間和置信水平，某一金融資產可能遭受的最大損失，用數學形式表達為：

Prob(L(Δt)>VaR)≤1-α

(9)

其中，L(Δt)是指某一金融資產或者資產組合在特定持有期Δt的價值損失額，VaR表示給定置信水平α下的在險價值，即可能的資產損失上限.

常用計算VaR的方法主要是移動平均(MA)法和GARCH模型方法.GARCH模型法對殘差項提出假設，通過對方差建模預測波動性和相關性，可以較好地好地捕捉了市場異方差的特點，解釋波動率劇烈現象.基于GARCH模型的VaR計算主要有以下幾個步驟：

第一步，對質押股票的對數收益率序列進行描述性統計，分析其均值、中位數、偏度和峰度等，驗證該收益率是否符合“尖峰厚尾”的特征.同時觀察正態檢驗的JB統計量，若不滿足正態分布，則在此后分布上可以采用尖峰厚尾的t分布來代替正態分布.

第二步，用LM法檢驗質押股票收益率數據是否存在ARCH效應.只有存在ARCH效應，使用GARCH模型才有意義，否則宜采用MA模型.

第三步，對質押股票的收益率序列進行GARCH(p,q)模型擬合.根據AIC準則，并考慮系數的顯著性確定模型的階數p和q，選擇適用的GARCH(p,q)擬合質押股票的收益波動率.通過方程擬合可以得出相應的均值和方差的等式，通過迭代計算出收益率的均值和方差.

第四步，計算VaR.根據計算出來的均值和方差來度量VaR，公式為：

VaRt=δ+zασt．

(10)

其中，zα為相應標準化分布的上側分位數，α表示置信度，δ表示GARCH模型確定的均值，σt代表根據GARCH模型計算出來的條件方差,t為給定的時間區間.

3.2.2 基于VaR的質押率計算

股票質押融資風險防控的關鍵在于計算合理的股票質押率，即估算質押股票在未來一定時期內在規定的置信水平下的價值下限.根據2004年11月02日中國證監會發布的《證券公司股票質押貸款管理辦法》( 銀發〔2004〕256號)規定，股票質押率最高不能超過60%.將先從理論上計算股權質押率，驗證該規定是否適用于新三板股權質押融資的風險防控.考慮到新三板實際股權質押率大部分集中在1至3折[注]資料來源：崔彥軍.新三板股權質押率大大低于A股主板公司股票質押率.中國網財經. http://finance.china.com.cn/news/20160906/3893817.shtml.，再從質押率的理論值的角度判別實際操作中的風險防控程度.以下為質押率的計算公式：

質押率=(貸款本金/質押股票市值)×100%，

(11)

質押股票市值=質押股票數量×前七個交易日股票平均收盤價．

(12)

為了控制因股票價格波動帶來的風險，設立了警戒線和平倉線，最低比例分別是135%和120%.當質押股票市值與貸款本金的比值低于135%時，貸款人有權要求借款人進行補倉.盡管規定了警戒線和平倉線，但真正平倉時依然會產生交易成本.

基于質押貸款收益與風險相當的原理，貸款本金=質押股票市值-質押股票數量VaR.考慮到135%的警戒線，則式(11)可以變為：

(13)

在式(13)中，質押股票數量、質押股票市值均可直接求得，但關鍵在于計算出VaR值.

3.2.3 相關性分析

以VaR度量新三板股權質押的市場風險，以企業違約距離度量違約風險，其本質都是概率分布的分位數概念.為了檢驗質押股票的市場風險與新三板企業的經營狀況是否存在關聯性，對新三板股權質押企業違約距離和質押股票的VaR做相關性分析.相關系數的絕對值越大，表示兩者之間同向或反向變化的程度越大，根據其絕對值的大小來判斷股權質押融資的市場風險是否與企業的經營狀況存在線性關系.

4 樣本選取及數據來源

選擇2015年新三板股權質押融資行業前三的信息技術、材料和工業三個行業且質押期在一年以上的掛牌企業作為樣本，剔除相關數據不全的樣本共得到25個樣本數據.其中涉及工業行業8家、材料行業7家、信息技術行業10家企業.

同行業可比上市企業樣本來自于創業板，剔除相關數據不全的樣本最后得到149家中小企業上市公司[注]根據工信部2011年公布的《關于印發中小企業劃型標準規定的通知》在創業板上市公司中挑選中小企業上市公司，再根據WIND行業分類標準挑出與目標行業相同的企業.，其中工業、材料和信息行業分別為58、34和57家.計算可比上市公司股權價值波動率的數據來源于2012年1月1日-2014年12月31日的日收盤價格，可比上市公司的相關財務數據選自2014年底截面數據.無風險利率選取2012年1月1日-2014年12月31日的SHIBOR一年期利率.除SHIBOR一年期利率來自于上海銀行間同業拆放利率網站，中小上市公司股票日收盤價來自國泰安數據庫，其他相關數據取自WIND數據庫.

5 實證分析

5.1 質押企業的違約風險評價

5.1.1 模型參數的計算

1)創業板可比公司的資產價值及其波動率

根據式(5)和式(6)可計算出創業板可比公司的股權價值和波動率，將上述參數及無風險利率的取值代入式(1)和式(2)中，通過迭代計算可得出創業板可比企業的資產價值及其波動率，其描述性統計見表1.

根據式(7)采用最小二乘法對創業板可比公司的財務數據進行擬合，通過逐步回歸法擬合得到的回歸方程系數如表2和表3所示.

將表2和表3中顯著的系數代入式(7)中，得出不同行業可比企業資產價值及其波動率與財務數據之間的回歸方程.

表1 創業板企業的資產價值及其波動率描述性統計 萬元

數據來源：根據WIND數據庫資料整理計．

表2 創業板可比公司的分行業資產市場價值回歸方程系數

注：*、**和***分別代表在10%、5%、1%的置信水平下顯著.

表3 創業板可比公司的分行業資產市場價值波動率回歸方程

注：*、**和***分別代表在10%、5%、1%的置信水平下顯著.

2)新三板企業的資產市場價值及其波動率

將不同行業新三板股權質押融資企業的財務數據代入表2和表3所示的回歸方程，即可求出相應的資產價值及其波動率，其均值的分行業情況如表4所示.

表4 新三板股權質押融資企業的分行業資產價值及其波動率的均值一覽表

5.1.2 違約距離的計算結果及分析

違約距離是衡量債務存續期限內資產價值距離違約點的相對大小，可以在一定程度上反映企業還債能力.為了計算違約距離，需要給出資產價值的預期值和違約點.以掛牌企業的2014年資產賬面價值增長率代替資產價值增長率，根據式(4)計算資產價值的預期值；違約點則按照公式(8)選取.然后，根據式(3)即可求出新三板股權質押融資企業的違約距離，具體結果的描述性統計如表5所示.

表5 新三板股權質押融資企業的分行業違約距離一覽表

通過表5可以看出，從行業違約距離均值來看，不同行業違約距離不同，其中，工業行業新三板掛牌企業平均違約距離最大(1.5191)，信息技術行業次之(1.2189)，材料行業最小(1.0736).標準差是反映數據離散程度的指標，工業、材料和信息技術行業違約距離的標準差分別是0.1127、0.1241和0.0877，均不超過0.15，說明3個行業內違約距離波動性不大.違約距離越小，違約風險相對越大.可見，新三板企業中工業行業違約風險最小，信息技術行業次之，材料最大.

進一步對新三板3個樣本行業的違約距離進行獨立樣本檢驗，檢驗不同行業間平均違約距離是否具有顯著性差異.檢驗結果發現，3組獨立樣本檢測P值分別為0.000，0.000和0.0260，均小于0.05，因此拒絕原假設.三組均值之差的95%上、下限同為正值或者負值，說明三組違約距離之差與0的顯著差異，說明不同行業違約距離均值存在差異，在統計意義上顯著.

5.2 質押股票的市場風險評價

5.2.1 VaR及質押率的計算結果

通過LM檢驗發現質押股票收益率數據均存在ARCH效應，故采用GARCH模型對VaR進行計算，得出新三板股權質押樣本企業的VaR；將結果代入式(13)，即可得出理論質押率.具體按行業歸納如表6所示.

根據表6中VaR的計算結果，材料行業的股權質押融資市場風險在3個行業中最高，信息技術次之，工業行業最??；但是VaR的標準差在行業間存在差異，信息技術行業的標準差最大.同時發現，不同行業的平均質押率不盡相同，材料行業質押率最低(30.85%)，信息技術行業次之(31.34%)，工業(36.10%)最大.3個行業質押率的標準差相差不大，說明這3個行業企業質押率分布集中差距不明顯.

表6 新三板股權質押企業分行業的VaR及股權質押率一覽表

從表6可以看出，基于VaR求出的平均股權質押率都低于《證券公司股票質押貸款管理辦法》(銀發〔2004〕256號)規定的60%，說明該法規并不適用對新三板股權質押風險的判斷，對防控新三板股權質押的市場風險沒有借鑒意義.從新三板市場的實踐來看，2016年新三板股權質押率大部分集中在1～3折，對股權質押融資的風險防控有一定的作用.

5.2.2 相關性分析

上述對新三板質押股票的違約風險和市場風險的度量指標中，無論違約距離還是VaR其本質都概率分布的分位數概念.為了檢驗質押股票的市場風險與新三板企業的經營狀況是否存在線性關系，直接對新三板股權質押企業違約距離和質押股票的VaR做相關性分析，具體結果如表7所示.

表7新三板股權質押企業違約距離與質押股票VaR的相關性分析

從樣本企業整體來看，違約距離與計算出來的VaR之間的相關系數為-0.1287，并且其P值為0.5432，遠遠大于0.05，在95%的置信水平下應該接受原假設，說明違約距離和質押股票的VaR之間不存在相關性.分行業來看，材料行業和信息技術行業的相關系數絕對值較小，說明其相關性不強，工業行業相關系數絕對值接近于0.6，但是其P值大于0.05，故在95%的置信水平下顯著不相關.可見，新三板企業違約距離與質押股票的VaR之間相關性不強，即質押股票的市場風險與新三板企業違約風險沒有明顯的同向變化或此消彼長的關系，新三板股權質押風險主要來源于市場股價的非理性變化.

6 結 論

選取2015年新三板股權質押融資名列行業前三的信息技術、材料和工業三個行業且質押期在一年以上的掛牌企業作為樣本，以違約距離作為違約風險的衡量指標，采用PFM模型對我國新三板企業的違約風險進行了度量.同時，利用GARCH模型計算VaR，進而求出樣本企業及行業的股權質押率.最后，對違約距離和VaR之間的相關性進行了分析.研究結果表明：1)PFM模型在一定程度上可以反映我國新三板股權質押企業的違約風險.不同行業新三板企業違約距離不同，并且具有顯著性差異.新三板企業工業行業違約風險最小，信息技術行業次之，材料最大.2)基于GARCH模型的VaR法適用于對我國新三板市場股票質押融資的市場風險進行度量.不同行業股權質押融資的市場風險不同，材料行業股權質押風險最高，信息技術次之，工業行業最小.在此基礎上計算得出的質押率與實際操作的比例基本一致.3)新三板企業市場風險與違約風險并不存在明顯的相關性.股權質押融資風險主要體現在股價波動引起的市場風險上，與企業的經營狀況沒有直接關系.

為了保障新三板市場的健康發展，防范新三板股權質押融資風險，需要從源頭上控制市場風險的產生.當前新三板掛牌公司股價上不封頂制度，使得部分投資者鉆了制度漏洞，造成股價的高波動性.因此，通過漲跌幅限制的設立將有利于對股價波動引起的風險進行控制.