基于Lasso-logistic回歸的企業集團信用風險研究

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生信用風險預警信號時點前一年的數據，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項企業集團信用風險關鍵預警指標。

關鍵詞：企業集團;信用風險;Lasso- logistic回歸

債權融資是我國企業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，為融資企業提供預警信息，給投資者提供科學決策方法，形成“評級——投資——跟蹤預警——調整——兌付”的完整閉環，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、人工神經網絡分析法、KMV模型等。傳統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論缺乏嚴謹的定量分析。而人工智能方法又由于其技術復雜程度大、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用。綜合比較，數量統計模型中的套索法（Lasso）結合Logistic回歸模型無較多假設限制，且所需模型參數較少，有其他方法無法比擬的優勢。因此本文選擇Lasso-logistic回歸模型對企業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營狀況惡化不能履行義務所造成的違約損失，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違約造成的損失。國內外關于信用風險影響因素的研究主要集中在傳統財務指標上，對于目前信用違約主體體現出的業務領域多元化、組織形式集團化、發展模式激進化等新趨勢、新特征無法有效體現。

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

違約主體組織結構集團化。2018年違約主體開始出現多元化的大型綜合性企業集團。主要原因是集團化運營模式在為現代企業實現規模效益以及抵抗行業周期性風險方面帶來優勢的同時，也給債權人帶來了風險錯配、風險延時等負面影響。所謂風險錯配即：企業集團以其集團信用或集團內優質企業信用進行融資，資金卻通過關聯交易、關聯往來流向自身資信條件較差的企業，但債權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：企業集團通過集中管理集團內企業的投融資活動和資金周轉，當某家集團內企業發生信用風險時，資金通過該管理中心進行內部的拆借，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，造成企業資金鏈條十分脆弱，高度依賴于外部融資，銀行等金融機構為了爭奪優質客戶資源，風控措施執行不到位，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生負面新聞，如涉案、協助調查等，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”，產生多米諾骨牌效應，瞬間將企業拉入債務危機的深淵。

二、信用風險預警模型搭建

本文原始樣本數據來自于2014年至2018年8月債券市場數據，以41家企業集團（內外部關聯方數量大于5個）違約主體出現違約風險信號（如：信用評級降級、債務糾紛、發生擔保代償等）的上一年數據作為41筆違約數據樣本，從發行債券并正常兌付的客戶中抽取與違約主體發債時信用評級相同、企業性質相似、時期匹配的到期兌付企業集團的41筆同年數據為非違約數據樣本，共82筆數據構成樣本集。

同時，在前期國內外研究成果基礎上，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、產業布局、關聯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個預測變量，包括：償債能力指標3個（資產負債率、經營現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），產業布局指標3個（集團涉及行業個數、集團主要行業涉及高危行業、集團近2年業務結構發生較大變化），關聯程度指標3個（集團內外部關聯方數量規模、其他應收款與其他應付款總額占資產總額的比重、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、高管等是否出現負面信息）。這些變量是預測企業集團是否存在信用風險的關鍵預警指標。

三、預警指標分析

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

資產負債率作為企業整體負債水平的綜合性指標，以及銷售凈利率作為企業整體盈利水平的綜合性指標，反映了企業盈利水平對于財務杠桿的支撐能力。經營性現金流有息負債率、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，往往是引發企業債務危機的導火索。

集團涉及行業個數、是否涉及高危行業、是否發生較大轉型，都是對集團產業布局戰略的考量，若其采取激進式的發展方式，甚至貿然進入不熟悉的領域或高耗能、產能過剩及資金密集型行業，可能造成轉型失敗從而無法支付杠桿收購的高額債務，因此作為信用風險的預警指標具有較高的前瞻性。

集團內外部關聯方數量、其他應收應付占資產比重、集團母公司是否為運營主體，均反映的是集團內部的關聯程度，關聯方、關聯交易越多其相互影響將越復雜，其他應收應付款占比重則說明集團內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，當發生債務違約時可調用的資源其實有限。

公司及實際控制人、高管是否出現負面信息則反映了新聞輿論對企業融資環境的影響，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穩定及股票價格，從而喪失還款保障。

四、建議與展望

建立違約信息數據庫。由于我國信用違約數據缺乏一個公開、統一的數據庫，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計。因此，未來建立一個打通各金融機構的違約數據庫非常有必要，是建立信用中國的數據基礎，有利于信用風險的進一步研究。

分行業建立信用風險預警指標。不同行業的各項財務及非財務指標存在較大差別，若未按行業進行分類研究，可能會造對違約的判斷將失真。在有足夠樣本的違約數據庫基礎上，可以按行業進行建模，建立分行業的信用風險預警指標體系。

大數據助力信息披露質量提高。通過大數據挖掘技術，對非財務數據指標如新聞輿情、行業事件等進行統計，對企業財務信息進行“體檢”，加大各項數據與信息間的交叉比對，可以進一步凈化企業信息披露環境，提高信息披露質量，為信用風險研究提供合格的數據基礎。

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警方法[J].數量經濟技術經濟研究，2014，31 （02）：125-136.