非財務指標在債券信用風險預警中的應用

摘要：為彌補基于財務指標的傳統信用分析模型的不足，本文提出以地方政府披露的納稅數據、行業協會發布的數據、銀行授信情況等非財務指標來預警債券信用風險，并結合S集團債券違約案例，介紹了上述指標的具體應用方法，統計了各指標的預警時間，最后就更好地應用非財務指標進行信用風險預警提出了建議。

關鍵詞：信用風險 預警模型 非財務指標

非財務預警指標的作用與選取

（一）非財務預警指標的主要作用

隨著國內債券融資規模的快速擴張，債券信用風險問題愈發值得關注，加強信用風險預警對于投資者尤為重要。

目前，已有文獻側重于分析發行人的財務信息，利用數學模型計算債券信用風險，如成夢婷等（2019）從財務數據角度對債券信用風險進行了定性識別。也有文獻聚焦于對國外量化預警模型的借鑒與改良，如張智梅等（2006）結合我國資本市場和上市公司的特征對KMV模型進行了參數的改進，并對滬市上市公司的信用風險進行評估。但是，國內違約企業樣本有限，大量非上市債券發行人的數據不夠全面，導致量化模型的使用效果受限。且從已違約案例來看，個別債券發行人財務數據造假也會導致模型預測失敗。因此，以財務指標為基礎的信用風險預警方法難以滿足投資者的實踐需要，應有其他方法進行補充。

為更加有效、及時地預警信用風險，合理構建非財務預警指標具有重要意義。已有文獻研究了以公司治理、經營發展戰略、內部控制等為核心，構建非傳統信用分析框架（徐寒飛等，2021）。本文通過對已有違約案例的整理分析，歸納了企業在違約前的常見跡象，有針對性地尋找揭示企業經營惡化的核心數據，側重探討可得性較強、易于評判和量化的指標，以期對非財務預警指標體系進行進一步完善。

（二）非財務預警指標的選取

1.地方政府披露的納稅數據

很多地方政府為了表彰納稅大戶，會在政府網站公開披露所在區域大型企業的納稅排名。發債企業通常為地方優質企業，上榜概率較大，這在一定程度上保障了指標的可獲得性。由于地方政府所披露數據的權威性較高、失真可能性較低，其對于評估發債企業的經營情況具有重要參考價值。可將納稅數據與發債企業報表中的有關數據進行比較，以識別企業的真實盈利和納稅情況，驗證企業是否存在數據造假行為。

2.行業協會發布的數據

行業協會是重要的社會中介組織，經常對行業的基本情況進行統計排名并發布結果。與地方政府類似，行業協會提供的數據和信息也具有較高的權威性和真實性，可以與發債企業報表中的有關數據進行比較，以判斷企業的真實經營情況。

目前，我國各大制造業均設有行業協會，信息來源具有一定的保障。對于制造業企業，產能是產量的基礎，產能利用率決定了企業綜合生產成本和產品競爭力。借助行業產能、產量數據，可以有效分析企業的實際運營情況和競爭實力，進而預警經營風險。此外，通過行業整體數據與企業同類數據的比較，可在一定程度上識別企業數據的造假情況。

其他行業也可選用相應信息及數據，依據上述邏輯進行信用風險分析及數據造假識別。例如，商貿企業可對標行業的銷量，出口企業可對標行業的出口額，高速公路運營企業可對標通車里程數、單公里收費金額等。

3.銀行授信情況

銀行授信情況pw6otL+nN+tTf6ZwjdG1YjDM7KIEZ2O9RWvw/T9Ur7M=是債券募集說明書和債券受托管理報告中必要的披露信息。銀行在發放大額貸款前通常需進行貸前調查，在發放貸款后也會跟蹤監測，這些信息在授信情況中均有所體現。因此，銀行授信情況是分析發行人再融資能力的重要信息。如果授信規模呈現下滑趨勢，則發行人的經營情況可能存在尚未公開披露的風險。

4.上下游企業披露的數據

債券募集說明書和評級報告會披露發行人上下游企業有關數據，涉及應收賬款、應付賬款及銷售收入等。這些上下游企業有不少是上市公司、擬上市公司或其他債券發行人，也定期進行信息披露。通過上下游企業與發行人各自披露信息的對比，可以識別發行人是否存在數據造假，驗證發行人經營成果的真實性。

5.同行業數據

同行業數據比較對于分析發行人的綜合競爭優勢非常重要，可以判斷發行人在行業中的地位，識別發行人披露數據中的重大異常，由此進一步驗證其所披露經營成果的真偽。

與前述行業協會發布的數據相比，同行業數據的比較要間接一些，需要分析可比公司的相關數據和指標來判斷發行人對應數據的合理范圍，排查發行人披露數據的可靠性，進而識別發行人的數據造假。

6.經營類異常指標

財務指標反映了企業在一定期間內生產經營活動的最終成果，但并不能夠完全反映經營過程中存在的問題。關注經營過程中財務數據無法反映的異常信息，如過高的關聯交易、盲目的業務多元化等，對于預警信用風險有著重要的價值。

具體來看：第一，大規模的關聯交易和關聯方資金拆借既影響債權人對公司實際償債能力的判斷，又增加發行人自身的現金周轉壓力，可作為公司經營存在一定問題的預警信號;第二，盲目、激進地涉足多個非相關行業將提高運營和管理難度，容易導致資金鏈斷裂，出現流動性危機。同時，急于轉向其他行業可能從側面表明主業盈利能力一般，因而預示了較高的經營風險。

非財務預警指標的應用示例

在存續的違約債券中，S集團的違約債券涉及多個品種，違約信息披露的質量較高，有證監會的稽查結論以及最終監管機構對有關中介的處罰，是一個完整的案例。本文以S集團為例，介紹非財務預警指標的應用方法，以更好地理解上述指標在實踐中的作用。

（一）已有違約預警模型的分析結論

Z-Score財務風險預警模型是由愛德華·阿特曼創立的一個多變量財務公式，選取了5種基本財務比率來預警財務風險，在業內具有較高的權威性。對于非上市公司，Z-Score模型的判別函數為：

Z=0.717X1+0.847X2+3.107X3+0.420X4+0.998X5

通常，當Z值超過2.99時，表明企業信用狀況較好;當Z值在1.81至2.99之間時，預計企業所發債券存在違約的可能;當Z值低于1.81時，表明企業的信用風險較高。

根據上述公式，筆者對S集團進行Z值計算，結果如表1所示。

可以發現，從2011年發行債券開始至2018年三季度，S集團的Z值雖然低于2.99，但呈現逐年好轉趨勢。由此，Z-Score模型未能預警其在2018年底陷于瀕臨違約的狀況。筆者認為，模型失效的根源在于披露數據存在造假問題，因此使用非財務指標對財務指標的真實性進行相互驗證很重要。

（二）S集團債券違約概況

1.違約歷程

S集團經營范圍包含鋼簾線、光學膜、化工助劑等。自2011年12月發行首只短期融資券至2018年3月發行最后一只私募公司債，其累計發行債券25只。2018年10月26日，S集團的信用等級被評級公司由AA+降至A，評級展望為負面。2019年3月15日，S集團宣告債券違約，共涉及9只存續債券，金額共55.50億元，違約債券品種包括中期票據、公司債券等。

2.違約處置

據S集團破產重整專項審計報告，截至2019年3月底，S集團資產總額為45.86億元，資產清算總價值為27.06億元，負債總額為261.64億元，已經嚴重資不抵債。2020年4月24日，經S集團第二次債權人會議表決通過，S集團普通債權清償率為10.16%，分三期償還。2022年6月1日，破產重整管理人按照普通債權人未受償部分0.6%的比例對普通債權人進行了補充分配。

3.財務造假情況

根據證監會的處罰決定書，2013—2017年，S集團以S鋼簾線等主要子公司為實體，通過虛假賬套和虛構購銷業務等手段進行財務造假，5年間累計虛增營業收入615億元，累計虛增利潤總額113億元（見表2）。扣除虛增利潤后，S集團各年度均為虧損。上述財務造假導致S集團的債券募集說明書、各年度報告均涉虛假記載。

4.后續處罰

鑒于S集團披露的財務報表與破產報表所反映的實際情況存在明顯差異，遭受損失的債券投資者紛紛通過各種途徑維權、起訴。除了S集團及其主要負責人被證監會施以市場禁入等行政處罰，相關會計師事務所、評級機構和四家主承銷商均涉嫌未勤勉盡責，被立案并受到行政處罰。

（三）利用非財務預警指標分析S集團的信用風險

1.地方政府披露的納稅數據

根據地方政府網站發布的信息，2018年1月23日，S集團在2017年度區級財政貢獻超過500萬元的企業中排在第五位，納稅總額為11147.65萬元，其中區級納稅額為7189.97萬元，同比提高5.91%。而該企業的債券發行資料披露，2016年度其支付各項稅費11.32億元，2017年度支付各項稅費10.09億元。據此測算，S集團在2016年、2017年分別虛增納稅額10.27億元、8.98億元，存在明顯的造假行為。

2.行業協會發布的數據

S集團主營鋼簾線業務，其所屬行業協會為中國橡膠工業協會骨架材料專業委員會。根據協會公開數據，S集團在2014—2016年的v43tMs5BoS4hrEHxB2qPVtLN5P95UEY/YY2iFC8PXHo=產量分別為31.50萬噸、27.95萬噸、27.30萬噸。而S集團自己披露的產量為31.50萬噸、42.15萬噸、42.68萬噸，數據走勢完全相反，涉及虛假陳述、隱瞞實際經營惡化等情況。

3.銀行授信情況

根據S集團披露的各年授信數據（見表3），其授權額度在2015年12月達到峰值133.18億元，自2016年3月起逐期下滑，未使用授信額度也開始減少。這從側面說明在此期間企業存在一定的經營問題，也與前文鋼簾線在2015—2016年產量出現下滑的情況相互印證。

4.上下游企業披露的數據

S集團在2017年中期票據募集說明書中披露了2016年度鋼簾線業務的前三大客戶，在2014—2016年對第二大客戶的銷售收入分別為64882萬元、91549萬元、84345萬元。而根據第二大客戶的招股說明書，其在2014年與S集團的業務往來僅為9706萬元，在其余年份S集團均未進入其采購規模的前五名，與S集團披露的情況差距較大。據此推算，S集團與第二大客戶的業務大部分是虛構的。

5.同行業數據

鋼簾線行業多年排名第一的是J公司，其年度報告顯示，在2014—2017年的產量依次為52萬噸、50萬噸、61萬噸、66萬噸，分別實現營業收入56.25億元、47.53億元、54.88億元和69.48億元。同期行業產量排名第三的S鋼簾線公司的營業收入卻分別高達72.93億元、100.92億元、101.32億元和108.28億元。通過對比，可以懷疑S集團的數據有虛增之嫌。

6.經營類異常指標

通過詳細分析S集團的經營活動，可以發現其存在高額關聯交易，業務盲目多元化。

S集團的一份債券募集說明書顯示，2016年度在鋼簾線業務前五大供應商中有A、B、C三家商貿公司。查閱工商登記信息可發現，三家商貿公司的聯系電話和郵箱完全一樣，關聯交易明顯，涉嫌借此虛增利潤、美化報表以提高信用等級。

此外，S集團在主營的鋼簾線和光學膜業務之外，還涉及房地產、建安工程、機械制造、電力設備、鋼簾線設備、小貸公司等行業，盲目的業務擴張在一定程度上增加了經營難度和償債壓力，從側面證明企業主業盈利能力一般，被迫轉型。

（三）非財務預警指標的預警時間

上述分析展示了非財務預警指標的預警效果，表4統計了各項非財務預警指標顯露問題苗頭時距離債券違約的時間（預警時間）。從預警時間來看，將財務信息與非財務預警指標相結合能及時了解債券發行人的經營情況和再融資狀況，從而更好地預警企業的實際經營風險，提前識別債券的信用風險。

啟示及建議

前述分析與案例實踐顯示，非財務預警指標有助于揭示債券信用風險及數據造假行為，從預警時間來看也較為寬裕，具有一定的實踐意義。盡管并非每家債券發行人都能如S集團這樣，從各種渠道獲取如此全面的信息，但上述多數指標具有較強的可獲得性，在一定程度上保證了非財務預警指標的普適性。

為了在投資實踐中更好地應用非財務預警指標來分析信用風險，筆者提出以下建議。

一是要強化債券發行人的信息披露機制。對于債券發行中介機構，要加強對第三方數據的使用，而非一味采用債券發行人提供的數據。中介機構可以利用自身對于同一行業發債公司持續跟蹤的信息優勢建立行業數據庫，以提升研究水平。此外，可適當允許專業機構獲取發行人納稅、社保等有關信息，從而解決信息不33e24195f5929f3a05e72f1be25bc17134968eef8a6d9dc8fc5cc7fd599ec12d對稱問題。財政、統計等部門可適度披露區域內大型企業納稅、產能、能源消耗、重大項目建設等情況，并加強行業信息共享，向合格投資者開放查詢。

二是債券投資者要不斷提高信用風險分析能力，及時跟蹤分析債券發行人各類關鍵指標。投資者要對發行人的行業發展狀況有所了解，深入分析發行人所在行業協會、上下游企業披露的信息等內容。在投資之后及時跟蹤與收集發行人及行業的后續經營發展狀況，并重點關注發行人的負面輿情。

三是要注重將財務指標與非財務指標進行結合，相互佐證，識別信息失真情況。企業存在財務造假、虛增報表的可能，要注意通過具有可靠來源的第三方數據和非財務指標等信息對企業披露的信息加以驗證，進而對信用風險進行評估。

參考文獻

[1]成夢婷，楊華蔚. 上市公司財務狀況對債券信用風險的預測——基于logistic模型[J]. 產業與科技論壇，2019，18（16）.

[2]生柳榮，陳海華，胡施聰，等. 企業債券信用風險預警模型及其運用[J].投資研究，2019（6）.

[3]徐寒飛，宋天鴿. 非傳統信用分析框架及其應用[J]. 債券，2021（8）.

[4]張庚. 信用債違約風險預警模型的構建與檢驗[J]. 債券，2021（10）.

[5]張智梅，章仁俊. KMV模型的改進及對上市公司信用風險的度量[J]. 統計與決策，2006（18）.

作者單位：北京大學國家發展研究院

責任編輯：劉穎 廖雯雯