信用債市場“僵尸企業”的識別與特征分析

江帥軍 李天鈺

摘要：本文參考有關識別“僵尸企業”的國內外文獻，對相關方法進行改進并提出“綜合識別法”，據此對2019年我國信用債市場中的“僵尸企業”進行了識別，并從盈利能力、資本結構、償債能力、發展能力四方面對比了不同方法的識別效果，驗證本文識別方法的有效性。在此基礎上，本文進一步統計分析了“僵尸企業”的行業分布特點、地區分布差異和企業屬性，以期為相關信用風險分析提供參考。

關鍵詞：信用債市場僵尸企業風險識別? 市場出清

“僵尸企業”擠占經濟體系中的生產資源卻不產生經濟效益，不僅降低了市場運行效率，不利于淘汰落后或過剩產能，也容易誘發金融風險。隨著我國經濟步入新常態，作為推動經濟結構轉型升級的重要抓手，如何妥善處置“僵尸企業”受到各界廣泛關注。2015年11月，國務院常務會議首次明確提出加快推進“僵尸企業”重組整合或退出市場。2020年，部分弱資質國有發債企業信用風險暴露，再次引發市場對“僵尸企業”的關注。

對債券投資者而言，當發債企業表現出“僵尸企業”的特征，則意味著企業失去了經營獲利的能力，債務償還沒有保障，具有較高的信用風險。因此如何有效識別“僵尸企業”，在做好風險預警的同時避免盲目標簽化，是具有現實意義的問題。鑒于此，本文借鑒學術文獻中對“僵尸企業”的識別方法，提出“僵尸企業”的判斷標準，關注債券市場中“僵尸企業”的實際風險情況。需要說明的是，本文篩選出的是從財務角度看具有“僵尸企業”風險特征的企業，而在其他場景和理解下，對“僵尸企業”的判斷標準和具體認定可能發生變化。

“僵尸企業”的內涵與識別方法

（一）“僵尸企業”識別方法綜述

目前國內并沒有對于“僵尸企業”統一明確的判定標準。2015年12月，國務院常務會議重申清理處置“僵尸企業”，要求對不符合國家能耗、環保、質量、安全等標準和長期虧損的產能過剩行業企業實行關停并轉或剝離重組，對持續虧損三年以上且不符合結構調整方向的企業采取資產重組、產權轉讓、關閉破產等方式予以“出清”。上述內容可理解為從產業方向和企業盈利情況兩個角度劃定了“僵尸企業”的范圍。在實踐中，“僵尸企業”通常指那些經營情況差而改善無望，償債壓力大卻在外部支持下免于破產清算的企業，即具有“自身難以造血”和“持續對外吸血”兩方面的特點。因此，“僵尸企業”不能簡單等同于虧損或陷入財務困境的企業，后者更多地強調企業的經營及財務狀態，而前者還需要考慮是否存在來自外部的干預，使本應在市場化條件下被正常清退的企業暫時免于倒閉。這里的外部因素通常包括來自銀行或政府的特殊支持與補貼、低效的破產司法制度等。

國內外學者對“僵尸企業”的識別方法進行了較多探索，不同文獻中采用的方法也不盡相同。較為經典的做法是通過對比最低應付利息與實際支付利息的金額來判斷企業是否獲得了銀行補貼（Caballero等，2008），該方法以提出者姓氏的首字母組合命名為CHK法。當企業實際支付利息低于最低應付利息時，CHK法認定企業獲得了來自銀行的補貼，屬于“僵尸企業”。

由于CHK法可能對享受正常信貸優惠的優質企業和能夠獲得銀行持續貸款的困境企業產生誤判，因此后續研究者在CHK法基礎上增加“盈利能力標準”和“常青貸款標準”以進行修正，形成FN-CHK法（Fukuda等，2011）。其中，“盈利能力標準”是將企業息稅前利潤（EBIT）高于最低應付利息的企業識別為正常企業，“常青貸款標準”則將資產負債率超過50%且借貸持續增加的企業識別為“僵尸企業”。

在上述經典方法的基礎上，針對中國市場，一般認為除了銀行補貼，企業還可能通過獲取政府補貼或其他非正常損益提高利潤水平，因此需要額外考慮此類相關因素的影響。此外，謝德仁等（2020）也嘗試從現金流的角度識別“僵尸企業”：企業高質量發展的標志是能夠持續創造自由現金流，如果一家企業長期以來累計自由現金流為負值，則說明企業支付利息的現金至少部分來自企業籌資活動，并不具備持續付息能力，存在“僵尸企業”的嫌疑。

（二）對“僵尸企業”的綜合識別法

本文以企業自身造血能力是否難以滿足償債需求、是否嚴重依賴外部補貼進行資金周轉為核心判斷標準，結合文獻中已有的多種做法并考慮我國信用債市場的實際情況，構建了識別“僵尸企業”的“綜合識別法”。

第一步，以CHK法為基礎，判斷企業實際支付利息是否低于最低應付利息。具體做法為，將某年基準利率1的0.9倍確定為企業的最低貸款利率，將其乘以企業的銀行貸款金額得出最低銀行利息2，同時用企業期末存量債券余額乘以企業近五年內最低債券發行利率得出最低債券利息，將最低銀行利息與最低債券利息相加得到理論上的最低應付利息。若企業實際支付利息低于最低應付利息，則認為企業獲得了額外的利息補貼。為了排除短期性因素的影響，本文將連續三年滿足該條件的企業判定為潛在“僵尸企業”。

第二步，考慮“盈利能力標準”和“常青貸款標準”的影響。首先將企業EBIT減去最低應付利息和政府補貼，得到企業扣除利息補貼和政府補貼后的實際利潤，計算連續三年實際利潤的累計值，若該值大于零，則將第一步判定的潛在“僵尸企業”變更為“非僵尸企業”（以下稱為“正常企業”）;其次將資產負債率3高于60%、在近一年內總負債增加且三年內實際利潤累計值為負的正常企業轉而判定為潛在“僵尸企業”。

第三步，進一步刻畫企業的現金流創造能力。計算近三年內企業“經營凈現金+投資凈現金”的累計值，若該值為負，則說明企業的自由現金流不足以支撐債務還本付息。若在前兩步中篩選出的潛在“僵尸企業”同時出現現金流創造能力孱弱情況，將最終被認定為“僵尸企業”。

信用債市場“僵尸企業”的現狀與特征

（一）不同方法的識別結果對比

根據前述方法，本文以2019年末尚有存續信用債的企業4為初始樣本，剔除城投類和金融類企業，以及樣本期財務數據存在缺失的企業，最終得到樣本企業1548家。企業的行業分類標準根據萬得（Wind）行業標準、中債資信行業標準綜合判斷并確定。依據CHK法、FN-CHK法5和綜合識別法，分別篩選出“僵尸企業”218家、75家和56家，分別占樣本企業的14.08%、4.84%和3.62%。相較于CHK法和FN-CHK法，綜合識別法所篩選出的“僵尸企業”比例明顯較低，對“僵尸企業”的識別進一步聚焦。

接下來從企業財務特征表現與后續風險演化情況兩個維度判斷上述方法是否有效。將企業按照識別結果分組，財務特征表現取不同組企業的財務指標在2019年末的均值，后續風險演化情況以企業中債隱含評級在2020年的調整情況作為評判依據。

如表1所示，從實證結果來看，綜合識別法所識別“僵尸企業”的財務表現大多弱于正常企業。一是“僵尸企業”盈利能力和發展能力存在很大欠缺，其中以營業利潤率和凈資產增長率兩個指標表現最為明顯，較正常企業分別低35.73個和25.71個百分點。二是“僵尸企業”具有較高的財務杠桿，資產負債率較正常企業高12.94個百分點。三是“僵尸企業”流動性不足，貨幣資金無法完全覆蓋短期債務，貨幣資金/短期債務較正常企業低0.53，短期償債壓力大。此外，從債務期限結構來看，“僵尸企業”短債占比較正常企業低11.92個百分點，這可能是由于“僵尸企業”流動性風險高，進行長期融資的意愿更強，且相較于普通面臨財務困境的企業而言，能夠獲得額外的政府或銀行支持，包括較為稀缺的長期信貸資源。

從表1的數據對比可知，綜合識別法相較CHK法及FN-CHK法更為合理。一方面，綜合識別法與CHK法識別結果的財務表現差異較大，CHK法所識別的“僵尸企業”在盈利能力、償債能力和發展能力等方面的實際表現不僅明顯優于綜合識別法所識別的“僵尸企業”，甚至大部分財務指標表現優于CHK法中的正常企業。其可能原因是CHK法對享受正常信貸優惠的優質企業產生了較大誤判。另一方面，綜合識別法與FN-CHK法識別結果在資本結構和償債能力方面表現相近，但在盈利能力兩個指標及發展能力中的營業收入增長率指標上，綜合識別法所識別“僵尸企業”的實際財務表現更差。

從中債隱含評級調整情況來看，綜合識別法所識別“僵尸企業”的隱含評級在次年（2020年）平均下調0.95個子級，較正常企業多調降0.64個子級，且較CHK法及FN-CHK法的調降幅度更大，說明對綜合識別法具有一定的信用風險預警作用。

（二）“僵尸企業”的主要特征

以下將對綜合識別法所識別“僵尸企業”的行業分布、地區差異和企業屬性做進一步分析。

1.行業分布特征

“僵尸企業”的行業分布較為廣泛。在剔除城投和金融行業之后，剩余10個Wind一級行業中有8個行業存在“僵尸企業”（見圖1），僅有電信服務行業和醫療保健行業內均為正常企業。在信息技術行業中“僵尸企業”的占比最高，達6.25%;在工業、可選消費和公用事業行業中，“僵尸企業”的占比亦高于整體均值（3.62%）。

從細分行業來看，信息技術行業中的“僵尸企業”集中于通信設備和電子儀器領域。該行業由技術驅動且具有高利潤、高增長特點，但是信息技術更新迭代快，行業競爭激烈，部分技術含量低、產品競爭力不足的企業盈利能力弱，加之能得到較多的產業政策扶持，因而被識別為“僵尸企業”。此外，信息技術行業發債企業數量較少，加之行業分類較為籠統，也可能造成統計結果的偏差。

在工業行業中，“僵尸企業”集中于交通基礎設施和建筑工程領域。在可選消費行業中，“僵尸企業”集中于地方文化旅游領域。交通基礎設施和地方文化旅游企業通常投資規模大、回報周期長，在自身盈利能力一般的情況下，對政府撥款有較高的依賴性。

綜合識別法所識別的“僵尸企業”并未集中于市場關注較多的鋼鐵（一級行業為材料）、煤炭（一級行業為能源）等領域，反映出我國在2016—2018年針對相關行業開展的落后產能清退政策是具有成效的。

2.地區分布差異

盡管“僵尸企業”的數量呈現“東多西少”，但占比表現出較為明顯的“西高東低”的特點（見圖2）。

“僵尸企業”的地區分布情況較明顯地受到區域經濟發展情況的影響。整體來看，東部地區經濟發展水平較高，產業結構相對合理，區域內企業盈利能力較強，對政府及其他外部支持的依賴程度較低。中西部地區經濟發展水平相較于東部地區仍有差距，區域內具有城投屬性或提供準公共服務的企業在自身盈利能力欠缺的情況下，能夠得到政府的專項支持和銀行的信貸傾斜，相對容易出現“僵尸企業”。

3.企業屬性對比

在地方國有企業中，“僵尸企業”的數量及占比均較高（見圖3）。在市場化背景下，部分地方國有企業經營情況不佳，而地方政府面臨政績壓力，依賴地方國有企業對當地就業和稅收形成支持，致使缺乏造血能力的企業難以依靠市場自然出清，因此“僵尸企業”占比較高。

研究結論

本文以2019年末尚有存續債券的企業為研究樣本，結合已有方法綜合多個指標，提出識別“僵尸企業”的可量化標準，由此識別出“僵尸企業”56家。通過對“僵尸企業”與正常企業進行財務指標對比，可發現“僵尸企業”的盈利能力、償債能力、發展能力均明顯偏弱，且債務負擔更重，這從側面證明了綜合識別法的有效性。

分行業來看，信用債市場中“僵尸企業”多集中于信息技術、公用事業、工業和可選消費等行業;在不同地區發行人中“僵尸企業”占比差異較大，中西部地區占比高于東部地區;在不同屬性企業中，地方國有企業的“僵尸企業”占比相對較高。

本研究對“僵尸企業”的識別和風險防范具有一定的借鑒意義。本文所識別的部分“僵尸企業”基本是股東實力較強或區域行業地位比較重要的國有企業，往往不會被認定為高信用風險企業，但其盈利情況及現金流表現并不樂觀，缺乏持續的造血能力，難以靠自身完成還本付息。在打破剛性兌付的趨勢下，投資者應重點關注企業自身經營情況，理性看待外部支持因素所發揮的作用。

考慮到識別“僵尸企業”的復雜性和數據可得性，本研究具有一定的局限性。首先，在計算最低應付利息時，因為難以批量準確獲取企業的非標等其他形式融資的準確信息，所以會低估企業的最低應付利息，計算結果的準確性受到一定的影響。其次，企業所獲政府補貼在營業外收入科目中的披露可能不夠完整，亦會對識別結果造成影響。最后，綜合識別法所篩選出的“僵尸企業”不排除與實際情況有所出入，若想對“僵尸企業”進行準確識別，仍有必要結合企業長期以來的經營情況、資金狀況，以及企業所處行業的特點、經營階段等因素做進一步分析。（本文僅為作者個人觀點，不代表所在機構看法）

注：

1.在2019年8月19日前使用貸款基準利率，在2019年8月20日后使用貸款市場報價利率（LPR），取年度內經時間加權的利率平均值作為基準利率。

2.分別將短期借款規模乘以短期最低貸款利率，長期貸款規模（含1年內到期的長期借款）乘以長期最低貸款利率，加總后得到最低銀行利息。

3.此處使用樣本企業平均資產負債率水平。

4.在一般認知中，“僵尸企業”多見于國有企業，但本文的研究樣本不受企業屬性的局限。

5.此處所指CHK法對應本文綜合識別法的第一步，FN-CHK法對應本文綜合識別法的第一、二步，嚴格來說與經典文獻中的做法略有差異。

參考文獻

[1] 謝德仁，劉勁松，廖珂. A股公司資本回報支付能力總體分析（1998—2018）——基于自由現金流量創造力視角[J]. 財會月刊，2020（19）.

[2] 朱鶴，何帆. 中國僵尸企業的數量測度及特征分析[J]. 北京工商大學學報（社會科學版），2016，31（04）.

[3] CABALLERO R J， HOSHI T， KASHYAP A K. Zombie Lending and Depressed Restructuring in Japan [J]. American Economic Review， 2008， 98（5）.

[4] FUKUDA S， NAKAMURA J. Why did `Zombie` Firms Recover in Japan？ [J]. The World Economy， 2011， 34（7）.

作者單位：中債資信技術標準總部

責任編輯：涂曉楓劉穎鹿寧寧