上海上市公司信用風險傳染研究

王乾安

（上海對外經貿大學國際經貿學院，上海 201600）

一、引言

近年來我國經濟發展進入新常態，經濟增速放緩的同時面臨著結構轉型的陣痛。我國的經濟增速曾一度保持在10%以上，是世界經濟增長的重要驅動之一，但是2015 年以來，我國的經濟增速水平一直處于7%以下。2019 年3 月5 日，李克強總理在政府工作報告中指出：“國內經濟下行壓力加大，消費增速減慢，有效投資增長乏力”，指出了我國的嚴峻經濟形勢。在這樣的環境下，部分公司經營困難營收降低，信用風險有著上升的趨勢。

信用風險的量化與控制一直屬于金融領域的熱點，起初主要是通過對受信者進行調查分析來考察其信用風險。之后，學者們通過模型分析的方法來量化信用風險，如早期的Altman（1968）提出的Z-score 模型，該模型運用多元分析法來判斷公司是否會違約。[1]為了計算出公司具體的違約概率，Martin（1977）等人使用Logistic 回歸模型來進行研究。[2]1995 年，KMV 公司針對上市公司提出了KMV模型。我國這方面的研究雖然起步相對較晚但發展迅速。如慕文濤等人（2013）通過對信用風險中違約相關結構度量來確定商業銀行資產組合的經濟資本金問題。[3]謝赤等（2014）使用JD-KMV 模型分析了中國不同區域上市公司股價的跳躍風險。[4]吳建華，王新軍和張穎（2016）在結構信用風險模型中引入因子擴散過程。[5]羅長青等人（2014）研究了在跳躍－擴散情況下信用風險的變化。[6]

至于影響公司信用風險的因素往往比較復雜，除了受自身經營狀況影響外，還受到宏觀環境變化的波及。譚燕芝和張運東（2009）研究了影響信用風險的宏觀經濟因素。[7]彭建剛等（2015）提出了適應我國銀行業的信用風險宏觀壓力測試方法。[8]張林和鄭勇（2013）通過研究大小兩種債權人的投資策略來分析信用風險。[9]謝云山（2004）研究發現信用風險和利率風險之間存在負相關性。[10]陳穎和紀曉峰（2009）研究表明信用風險和市場風險具有互為觸發以及相互加強的關系。[11]

在2008 年金融危機之后，人們深刻意識到公司之間的信用風險是相互傳染的，當影響迅速擴大時便有可能造成金融危機。陳庭強等人（2016）基于熵空間交互理論研究了CRT 網絡中信用風險的傳染效應。[12]周利國等（2019）基于尾部相依性的視角構建動態協變量Joe-Clayton copula 模型研究發現信用風險在公司之間具有傳染性并具有動態特征。[13]王貞潔和王竹泉從營運資金融資結構的角度探討了信用風險傳染。[14]

綜合已有的文獻進行分析，可以發現國內外對信用風險進行了大量的研究，學者們分別從公司、行業和國家的角度來測量信用風險，并提出預警和控制方法。然而，少有文獻站在城市的角度，對經濟下行的情況下城市內部公司信用風險的變化以及傳染進行分析。另一方面，雖然信用風險傳染的相關研究文獻眾多，但使用空間計量經濟學的方法來探討信用風險傳染問題的文獻較少。針對現有相關研究存在的空缺和片面性，本文以上海市為范圍，從城市公司的角度運用空間計量模型來分析信用風險問題。上海市作為我國的金融中心以及中國接觸世界的前沿，在國內外環境變化的影響下經濟下行壓力明顯，經濟社會運營中出現風險的概率加大。基于此，本文將在深入剖析信用風險定義與傳染機制的基礎上，融合金融理論、統計理論等學科理論與辦法，同時考慮數據可得性與模型有效性，探尋切實有效的預警與防范措施。

二、信用風險度量及傳染效應檢驗

（一）信用風險度量

不同的信用風險度量的方法與模型有著不同的特點與優缺點，適用場合也不盡相同。鑒于本文研究對象為上海地區的上市公司，考慮到適用性、數據可得性等因素，擬采用KMV 模型來度量信用風險。具體計算過程如下：

假定債務期限t=1 和無風險利率r=2.5%

違約點DPT：DPT=STD+0.5*LTD，其中STD表示流動負債，LTD表示長期負債

公司的股權市場價值E（VE）：E（VE）=總股本＊基準日收盤價格

公司股票價值波動率σE

股票的周收益率ui：

si表示的是第i周的股票收盤價格。

股票價值的周波動率σ：

ui是前文中計算的股票周收益率，u表示股票周收益率的平均值。

股票價值年波動率σE：

公司資產價值VA及波動率σA

6.違約距離

根據KMV 模型，我們測算了上海上市公司的違約距離DD。限于篇幅，本文只列出了部分上市公司2018 年的信用風險，如表1 所示。

（二）信用風險傳染及檢驗

現將空間計量經濟方法引入到信用風險傳染的研究中，相比于以往的網絡模型，空間計量模型能夠通過量化分析更加深入地探究公司之間信用風險的傳染渠道與機制。我們通過行業分類來建立空間權重矩陣，首先對股票所屬行業進行分類，并根據公司是否屬于同一行業分類來設定權重值，具體方法如下所示：

表1 上市公司的違約距離DD

i，j=1，…151，依據不同的行業分類標準，本文設定了兩種行業空間權重矩陣。

為了對信用風險的傳染性進行全面考察，本文對違約距離的空間相關性進行檢驗。為了測度空間相鄰單元的相關度，采用Moran's I 和Geary's C 指數來判斷。

現測算了樣本區間的9 年的違約距離空間相關性，并進行了顯著性檢驗。限于篇幅，本文只列出部分Moran's I 指數（見表2）和Geary's C 指數（見表3）。為進一步探討違約距離的空間相關性，圖1 給出了2014 年至2018 年的Moran 散點圖。發現多數的點都落在第一三象限內，表明違約距離分布呈現出高—高型集聚和低—低型集聚的正向空間相關性特征，即同行業內公司違約距離受其同類公司影響。

上述分析表明上海上市公司的信用風險存在顯著的空間依賴特征，因此，可以對信用風險進行空間計量模型分析。

表2 Moran's I 指數

表3 Geary's C 指數

三、計量模型設定及變量數據說明

（一）變量選取及數據來源

在經濟下行壓力加大的情況下，公司的信用風險變化的來源可分解為三個部分：宏觀經濟環境的變化、其他公司對本公司的影響以及公司自身原因導致的信用風險變化。本文主要考察前兩部分對公司信用風險的影響，而將公司自身原因導致的變化視作公司的個體效應和擾動來處理。對宏觀影響因素考察，則選取了如下變量：通貨膨脹率即CPI 通脹率（CPIR）、貨幣供應量增長率（MR）、進出口總額增長率（inexR）、研發支出占GDP 比重的增長率（RDR）、能耗強度增長率（EIR）、中長期貸款增長率（MLCR）。

本文采用上海轄區上市公司的年度面板數據，為了研究公司信用風險的在經濟下行壓力加大的情況下的變化，同時兼顧數據可得性，樣本區間選定為2010-2018 年。公司層面的數據來源于國泰安數據庫，宏觀數據來源于《中國統計年鑒》和國家統計局網站。各變量統計性描述見表4。

表4 描述性統計結果

圖1 莫蘭散點圖

（二）計量模型設定

考慮在經濟下行壓力加大背景下上海地區上市公司信用風險變化及傳染情況，本文構建了兩種最基本的面板數據模型，分別是普通面板模型和空間面板自回歸模型分別如下所示。

普通面板模型：

空間面板自回歸模型：

此外，公司的生產經營行為在時間上存在著連續性，因此其當前的信用風險水平除了受到當期自身與環境的影響外，還可能對公司自身前一期信用風險水平狀況具有依存關系。鑒于此，引入信用風險的時間滯后項，以考察公司先前的行為對于本期的影響。這樣，可以將研究設計相應表示為：

動態面板模型：

動態空間面板自回歸模型：

其中被解釋變量為上市公司的違約距離的對數lnDD；CPIR表示居民消費價格指數增長率；MR表示貨幣發行量增長率；inexR表示進出口總額增長率；RDR表示研發支出占GDP 比重的增長率；EIR表示能耗強度增長率；MLCR表示中長期貸款增長率；i和t分別表示公司和年份；為待估參數；表示公司個體效應；表示擾動項；表示空間自回歸系數；表示時間滯后效應系數。

四、實證分析結果

本文使用普通面板模型和空間自回歸模型來研究經濟下行壓力加大對公司信用風險的影響，實證結果如表5 所示。

從表5 中可以發現，普通面板回歸和空間面板回歸的結果中，各變量的系數在符號和顯著性方面基本一致。但是在控制了模型的空間相關性之后，空間面板回歸結果中的各變量系數均小于普通面板回歸的結果。同時，從空間維度上看，空間自回歸系數在1%的水平上顯著為正，證明了上海轄區上市公司之間存在信用風險的傳染效應。對比兩種空間權重矩陣的回歸結果，可以發現行業分類越細，傳染效果越明顯，即（7）、（8）兩列的空間項系數分別大于（3）、（4）兩列的空間項系數，這意味著公司所屬行業越接近，信用風險傳染性越強。

單從時間維度來看，在考慮空間計量的情形下，信用風險的時間滯后系數在兩種權重矩陣情形下均在1%的水平上顯著為正，表明信用風險變化具有明顯的路徑依賴特征，若當期信用風險水平較高，那么下一期信用風險水平將可能繼續走高，從而表現出“雪球效應”。

下面是對各宏觀影響因素進行討論。

通貨膨脹率。在模型中加入空間項和滯后項之后，通貨膨脹率的系數不顯著，這意味著公司之間信用風險的變化與傳染與通貨膨脹率之間不存在明顯的因果關系。

貨幣發行量增長率。貨幣發行量增長率的估計系數在1%的水平上顯著為負，說明貨幣發行量增長得越快，公司的信用風險水平也就越高。

進出口總額增長率。面板回歸結果顯示進出口總額的增長與公司的違約距離呈負相關。但現有研究表明，國際貿易與經濟增長之間并非是簡單的線性關系。因此，我們不能簡單地通過進出口總額來判斷其對公司信用風險的影響。

研發支出占GDP 比重增長率。從表中可以看出，研發支出占GDP 比重的增長速度對公司的違約距離具有正向影響，且在1%的水平上顯著。因此，為了降低自身的信用風險，公司需要繼續加大對研發的投入。

能耗強度增長率。本文中能耗強度的增長率實為負值，因此回歸結果的系數應該解讀為能耗強度的下降速度越快，公司的信用風險水平也就越低。這提醒我們要從技術水平的提高上來促進生產力發展，提倡綠色環保生產，引導公司研發生產行為更加“綠色化”。

中長期貸款增長率。回歸結果表明，社會中長期貸款增長率越高，公司的違約距離也就越大。因此，需要進一步改善我國的金融系統，減少公司的融資困難，進一步釋放市場經濟活力。

五、結論與啟示

本文嘗試在空間經濟學的框架下，結合空間面板實證模型，利用上海轄區151 家上市公司的2010-2018 年9 年的年度面板數據，來研究經濟下行壓力加大的情況下，上海上市公司信用風險的變化及傳染效應，實證結果發現當經濟狀況下行時，上海地區上市公司信用風險水平逐步上升，并且由于公司之間存在復雜的網絡聯系，這種信用風險的惡化會在公司之間彼此傳染進一步放大。上述研究結果對如何預防和控制上海市信用風險具有重要的政策含義。

首先，在城市整體層面上，從源頭制定防范信用風險的政策。其次，根據公司的規模、發展水平和信用風險水平差異進行全局規劃，實行有側重的防范風險策略。最后，建立信用風險的城市聯防聯控機制，形成有效防控的城市合力。信用風險的防控是一項系統性工程，既要及時預警公司信用風險水平的傳染擴散防止對城市發展造成沖擊，更要倒逼公司升級轉型、優化結構、實現創新突破等從而實現經濟社會的轉型，促進國民經濟的進一步發展。

注：＊表示10%水平下顯著，＊＊表示5%水平下顯著，＊＊＊表示1%水平下顯著。