互聯(lián)網(wǎng)行業(yè)公司信用風(fēng)險評價研究

唐 健

(南京財經(jīng)大學(xué)，江蘇 南京 210023)

一、引言

目前，我國眾多互聯(lián)網(wǎng)公司發(fā)展迅猛，其融資需求也日益擴大。近年來，在商業(yè)銀行放貸額度中，互聯(lián)網(wǎng)行業(yè)公司所占比重持續(xù)增大，不良貸款率也不斷提高。互聯(lián)網(wǎng)行業(yè)上市公司作為國家互聯(lián)網(wǎng)業(yè)龍頭企業(yè)，其發(fā)展?fàn)顩r是國家互聯(lián)網(wǎng)行業(yè)整體發(fā)展的晴雨表。鑒于互聯(lián)網(wǎng)行業(yè)上市公司占比較大，具有相當(dāng)?shù)男袠I(yè)代表性，因此其信用違約行為會影響整個互聯(lián)網(wǎng)行業(yè)的發(fā)展。

互聯(lián)網(wǎng)行業(yè)企業(yè)往往采用輕資產(chǎn)模式運行，杠桿率相對偏高，因此其在決策經(jīng)營出現(xiàn)失誤時往往面臨較大信用違約風(fēng)險。同時，由于互聯(lián)網(wǎng)行業(yè)目前與科技、醫(yī)療等行業(yè)聯(lián)系日益密切，具有相當(dāng)?shù)娘L(fēng)險外溢性，其信用風(fēng)險的發(fā)生較易給其他關(guān)聯(lián)行業(yè)帶來負(fù)面影響。因此，對于互聯(lián)網(wǎng)行業(yè)公司信用風(fēng)險的評價對該行業(yè)的健康發(fā)展有著積極意義。

本文選擇互聯(lián)網(wǎng)行業(yè)上市公司四個維度下18個二級財務(wù)指標(biāo)，利用因子分析構(gòu)建其信用評分公式，在此基礎(chǔ)上剖析影響互聯(lián)網(wǎng)行業(yè)上市公司信用風(fēng)險的因素，進而為互聯(lián)網(wǎng)公司及相應(yīng)監(jiān)管部門提出具有針對性的建議。

二、研究回顧

(一)企業(yè)信用風(fēng)險產(chǎn)生原因的相關(guān)研究

周旭東和呂鵬展對企業(yè)信用風(fēng)險的成因進行了羅列，例如部分企業(yè)不以滿足生產(chǎn)需要為目的進行融資，將所得資金挪為他用，進而帶來較大的“泡沫”，由此增加信用風(fēng)險產(chǎn)生的可能性；同時又有部分企業(yè)由于資質(zhì)問題，即便是為擴大生產(chǎn)規(guī)模融資，也難以從銀行渠道取得貸款，進而轉(zhuǎn)向民間借貸獲取融資，極大增加了企業(yè)運營存在的不確定性。徐朝輝、周宗放認(rèn)為投資決策失誤、內(nèi)控機制質(zhì)量差等企業(yè)存在的固有問題，極易增大其自身的信用風(fēng)險。魏國雄提出企業(yè)盲目擴張時的融資需求也值得關(guān)注，因其極易給企業(yè)帶來信用風(fēng)險，進而給出資銀行帶來不利影響。因此商業(yè)銀行必須加強風(fēng)控能力，在企業(yè)發(fā)出融資需求后，從嚴(yán)甄別審查，防止企業(yè)因過度融資增大其信用風(fēng)險。王桐桐通過案例分析法對企業(yè)信用風(fēng)險成因進行剖析，通過對鋼鐵行業(yè)幾家企業(yè)經(jīng)營狀況的分析，得出現(xiàn)金流匱乏、負(fù)債壓力大、風(fēng)險管理體制僵化落后往往會給鋼鐵企業(yè)帶來信用風(fēng)險的結(jié)論。

(二)基于財務(wù)數(shù)據(jù)的企業(yè)信用風(fēng)險測度的相關(guān)研究

吳青指出早期通常采用專家評級法對企業(yè)信用風(fēng)險進行分析，即通過領(lǐng)域?qū)＜覍ζ髽I(yè)的財務(wù)情況以及非財務(wù)主客觀指標(biāo)進行打分，由此做出企業(yè)信用風(fēng)險的評價。這一時期，“5C”“5P”與“5W”法最具典型性，但由于存在過于主觀的局限性，且容易受到干預(yù)，其評價的準(zhǔn)確性往往難以得到保證。為了削弱、減少主觀因素對于企業(yè)信用風(fēng)險評價的負(fù)面影響，定量分析方法被逐步應(yīng)用于企業(yè)信用風(fēng)險度量，其在準(zhǔn)確率與效果上相對于專家評級法具備優(yōu)勢。

Ohlson將邏輯回歸模型用于研究財務(wù)危機預(yù)警，由于變量及分布不受限制，邏輯回歸具有較廣的應(yīng)用范圍，且具有高預(yù)測準(zhǔn)確率。唐亮等在研究上市公司信用風(fēng)險時，將是否為ST作為界限，把公司財務(wù)指標(biāo)引入Logits模型，發(fā)現(xiàn)有較好的信用風(fēng)險甄別能力。劉祥東和王未卿則借助300多家上市公司的財務(wù)數(shù)據(jù)，分別構(gòu)建了Logit回歸、貝葉斯判別法與BP神經(jīng)網(wǎng)絡(luò)模型，綜合考慮穩(wěn)定性與準(zhǔn)確度，發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確性相對較高，但缺乏有效解釋，另外兩種模型雖然在準(zhǔn)確度上存在劣勢，但卻具有更好的穩(wěn)定性，可為商業(yè)銀行經(jīng)營提供財務(wù)指標(biāo)方面的參考。

目前，國內(nèi)外學(xué)者對于信用風(fēng)險的產(chǎn)生原因以及信用風(fēng)險的測度評估都進行了大量的研究，但罕有對于我國互聯(lián)網(wǎng)行業(yè)信用風(fēng)險的測度研究。

三、數(shù)據(jù)來源與指標(biāo)選擇

(一)數(shù)據(jù)來源

經(jīng)Wind數(shù)據(jù)庫查詢，截至2021年9月，在互聯(lián)網(wǎng)行業(yè)領(lǐng)域，國內(nèi)共擁有71家上市公司，本文選取這71家公司2018～2020年的財務(wù)數(shù)據(jù)作為分析樣本。71家公司中?ST與ST公司共11家，剔除缺失數(shù)據(jù)與極端值后，有效樣本共197個。

(二)指標(biāo)選擇

借鑒商業(yè)銀行信用評價指標(biāo)體系，基于數(shù)據(jù)的可獲得性、有效性、全面性，考慮互聯(lián)網(wǎng)行業(yè)公司營運現(xiàn)狀，從償債能力、成長能力、盈利能力以及營運能力4個方面，具體選取18個二級指標(biāo)進行實證研究，選取指標(biāo)說明見下表1:

表1 指標(biāo)選取及說明

四、實證分析

本文借助因子分析得出互聯(lián)網(wǎng)行業(yè)上市公司信用評分模型。

(一)數(shù)據(jù)預(yù)處理及相關(guān)檢驗

考慮財務(wù)指標(biāo)X、X、X的實際含義，需要對三者進行正向化處理；隨后對全體指標(biāo)進行標(biāo)準(zhǔn)化處理。

KMO和Bartlett檢驗結(jié)果如表2所示:

表2 KMO檢驗與Bartlett檢驗

由表2，KMO檢驗的值是0.685，大于0.5，說明選擇該樣本進行因子分析是合適的；同時，Bartlett檢驗的顯著性水平為0，小于1%，表明變量間存在相關(guān)性。同時所有指標(biāo)因子載荷均大于0.5，表明效度良好。

(二)公因子提取

依據(jù)特征值和方差計算出主成分，基于特征值大于1的原則，可提取6個公因子F～F，這6個公因子的累計方差貢獻率為75.338%，表明提取6個公因子比較合理，具體數(shù)據(jù)見表3:

表3 總方差解釋表

(三)公因子命名

借助最大方差正交旋轉(zhuǎn)法，解出旋轉(zhuǎn)后的成分矩陣，并據(jù)此得出6個公因子的主要成分:

因子F主要代表X(0.905)、X(0.836)、X(0.737)、X(0.713)、X(0.650)這5個指標(biāo)，可命名為盈利能力因子；

因子F主要代表X(0.872)、X(0.863)、X(0.696)、X(－0.679)，可命名為資產(chǎn)周轉(zhuǎn)能力因子；

因子F主要代表X(0.963)、X(0.961)，可將F命名為短期償債能力因子；

因子F主要代表X(0.740)、X(0.722)，可命名為營運能力因子；

因子F主要代表X(0.840)、X(0.733)，可命名為長期償債能力因子；

因子F主要代表X(0.732)、X(0.663)、X(0.633)，可命名為成長能力因子。

(四)樣本企業(yè)綜合信用得分

由得分系數(shù)矩陣和樣本數(shù)據(jù)，可分別計算出197個樣本的6個因子得分，記為FAC、FAC、FAC、FAC、FAC、FAC。則以6個公因子的方差貢獻率作為等分系數(shù)，可得互聯(lián)網(wǎng)行業(yè)信用綜合得分公式為:

FAC＝(18.906%×FAC＋14.626%×FAC＋12.455%×FAC＋11.042%×FAC＋9.748%×FAC＋8.560%×FAC)/75.338%

由此可計算得到基于2020年財務(wù)數(shù)據(jù)的樣本公司信用評分，具體企業(yè)信用評分及排名見表4:

表4 樣本企業(yè)綜合信用得分與排名

續(xù)表

由表4可發(fā)現(xiàn)信用綜合得分排名前10的均為未違約公司(非ST及?ST公司)，除了ST游久外，其余違約公司(ST或?ST公司)均位于最后12名，由此可見該信用得分在一定程度上可以用于評估互聯(lián)網(wǎng)企業(yè)的違約風(fēng)險。

進一步分析表4:首先，綜合信用得分排名前五的公司分別為上海鋼聯(lián)、壹網(wǎng)壹創(chuàng)、國聯(lián)股份、國新健康與智度股份。通過各因子得分可知，上海鋼聯(lián)擁有較強的盈利能力與資產(chǎn)周轉(zhuǎn)能力；壹網(wǎng)壹創(chuàng)在短期償債能力與成長能力方面較為突出；國聯(lián)股份在資產(chǎn)周轉(zhuǎn)能力與成長能力方面具備優(yōu)勢；國新健康擁有較強的短期償債能力；智度股份則擁有較強的資產(chǎn)周轉(zhuǎn)能力與長期償債能力。

其次，在65家樣本公司中，綜合信用得分為正值的公司為27家，其余35家為負(fù)值，為負(fù)值的公司占比略大于50%，同時綜合信用得分最大值為1.333，最小值為－1.916，得分浮差較為明顯。

從得分結(jié)果看，得分最低的?ST天潤與鵬博士在盈利能力與短期償債能力方面表現(xiàn)較差。較低的盈利能力和短期償債能力，使得企業(yè)面臨較大的現(xiàn)金流缺口，從而加大了企業(yè)面臨的信用違約風(fēng)險。同時從得分差值看，互聯(lián)網(wǎng)行業(yè)公司面臨著較為激烈的競爭，其面對的信用風(fēng)險水平存在較大差異。究其原因，一方面互聯(lián)網(wǎng)行業(yè)以技術(shù)驅(qū)動，創(chuàng)新顯得尤為重要，創(chuàng)新能力的差異會造成企業(yè)發(fā)展情況的不同，進而帶來不同程度的信用風(fēng)險；另一方面，互聯(lián)網(wǎng)行業(yè)企業(yè)普遍輕資產(chǎn)，其杠桿率較高，面臨的信用風(fēng)險相對而言高于傳統(tǒng)行業(yè)公司。

五、結(jié)論與建議

(一)研究結(jié)論

目前我國互聯(lián)網(wǎng)行業(yè)上市公司共有71家，其中ST與?ST公司共有11家，占比15.49%。若以是否是ST或?ST作為信用違約與否的判斷標(biāo)準(zhǔn)，則目前我國互聯(lián)網(wǎng)行業(yè)上市公司信用違約率仍然處在相對較低水平，但隨著互聯(lián)網(wǎng)行業(yè)的進一步發(fā)展與融資需求的不斷擴大，其信用風(fēng)險日益值得企業(yè)自身與放貸銀行的關(guān)注；盈利能力、資產(chǎn)周轉(zhuǎn)能力、短期償債能力、長期償債能力、營運能力與成長能力這六大因素對于互聯(lián)網(wǎng)行業(yè)上市公司的信用風(fēng)險具有影響。

(二)建議

1.對于互聯(lián)網(wǎng)行業(yè)公司的建議

對于互聯(lián)網(wǎng)行業(yè)公司，為實現(xiàn)公司正常持續(xù)運作，應(yīng)當(dāng)全面加強信用風(fēng)險的防范工作，具體而言:

(1)互聯(lián)網(wǎng)行業(yè)的運營需要大量資金的支持，企業(yè)必須對資金進行合理的使用與調(diào)配。互聯(lián)網(wǎng)企業(yè)往往采用輕資產(chǎn)模式運行，因此企業(yè)應(yīng)當(dāng)加強內(nèi)部籌資與股權(quán)籌資，適當(dāng)減少長期債務(wù)融資，優(yōu)化資產(chǎn)負(fù)債率，降低企業(yè)財務(wù)風(fēng)險。

(2)不斷加強創(chuàng)新力度。由于互聯(lián)網(wǎng)行業(yè)屬于知識型企業(yè)，其發(fā)展很大程度上依賴創(chuàng)新驅(qū)動，因此企業(yè)應(yīng)當(dāng)精準(zhǔn)把握市場，明確目標(biāo)客戶群體，加大研發(fā)與創(chuàng)新力度，不斷提高公司的盈利能力，從而降低自身面臨的信用風(fēng)險。

2.對于放貸商業(yè)銀行的建議

對于商業(yè)銀行而言，應(yīng)當(dāng)加強對于向互聯(lián)網(wǎng)行業(yè)企業(yè)發(fā)放款項的審核力度，積極地從盈利能力、資產(chǎn)周轉(zhuǎn)能力、短期償債能力、長期償債能力、營運能力與成長能力等角度對互聯(lián)網(wǎng)行業(yè)企業(yè)開展信用評估，并適時地優(yōu)化調(diào)整評估方法，降低不良貸款率，進而保證商業(yè)銀行資產(chǎn)的健康運作。