【民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)影響因素的實(shí)證探析14000字（論文）】

民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)影響因素的實(shí)證研究TOC\o"1-3"\h\u296381、緒論 摘要隨著市場(chǎng)經(jīng)濟(jì)的發(fā)展，債券融資在企業(yè)的直接融資、乃至整個(gè)資本市場(chǎng)中都扮演著越來(lái)越重要的角色。然而隨著中國(guó)GDP增長(zhǎng)率下降，債券違約規(guī)模也逐年擴(kuò)大。本文通過(guò)分析民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)影響因素，構(gòu)建債券信用風(fēng)險(xiǎn)預(yù)警模型，為民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)的早發(fā)現(xiàn)、早處置，促進(jìn)債券市場(chǎng)服務(wù)實(shí)體經(jīng)濟(jì)起到一定作用。本文首先總結(jié)現(xiàn)有債券違約的相關(guān)理論，為研究展開(kāi)提供理論支持；而后從宏觀經(jīng)濟(jì)、行業(yè)、公司財(cái)務(wù)能力等多層面分析民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)影響的影響因素；最后選取樣本公司，通過(guò)因子分析法和Fisher判別法構(gòu)建預(yù)警模型。通過(guò)理論分析和實(shí)證檢驗(yàn)主要得到以下結(jié)論：一是宏觀經(jīng)濟(jì)下行行業(yè)周期性波動(dòng)及政策影響是促成民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)的重要因素，二是發(fā)債主體的盈利能力和償債能力是影響民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)的最主要因素，凈資產(chǎn)收益率和現(xiàn)金流量利息保障倍數(shù)是對(duì)債券違約最關(guān)鍵的財(cái)務(wù)指標(biāo)。對(duì)此提出一些政策建議：對(duì)于監(jiān)管部門(mén)，應(yīng)定期監(jiān)測(cè)轄內(nèi)重點(diǎn)發(fā)債企業(yè)，加大對(duì)評(píng)級(jí)機(jī)構(gòu)的約束督導(dǎo)。對(duì)于發(fā)債企業(yè)，應(yīng)當(dāng)提高管理水平，及時(shí)應(yīng)對(duì)債券風(fēng)險(xiǎn)事件。對(duì)于投資者應(yīng)建立科學(xué)的債券違約風(fēng)險(xiǎn)預(yù)警框架，并適當(dāng)進(jìn)行多元化投資。關(guān)鍵詞：民營(yíng)企業(yè)；債券信用風(fēng)險(xiǎn)；預(yù)警模型；影響因素1、緒論1.1研究背景債券融資因其融資規(guī)模大、成本低等特點(diǎn)備受資本市場(chǎng)青睞?；诖?，眾多企業(yè)選擇發(fā)售債券來(lái)滿足自身融資需求，我國(guó)債券市場(chǎng)步入蓬勃發(fā)展期。我國(guó)經(jīng)濟(jì)正處于戰(zhàn)略調(diào)整期，債市信用風(fēng)險(xiǎn)不斷積聚，自2014年債券剛兌神話被打破以來(lái)，違約浪潮此起彼伏，屢見(jiàn)不鮮。我國(guó)債券市場(chǎng)歷年違約統(tǒng)計(jì)如表1和圖1所示。表1我國(guó)債券市場(chǎng)歷年債券違約金額和違約數(shù)量（單位：億元，只）年份債券違約金額債券違約數(shù)量201413.478201559.55292016317.27792017316.505120181577.9817420191601.7920320201687.02148數(shù)據(jù)來(lái)源：Wind數(shù)據(jù)庫(kù)圖1我國(guó)債券市場(chǎng)歷年新增債券違約主體數(shù)量數(shù)據(jù)來(lái)源：Wind數(shù)據(jù)庫(kù)如表1和圖1所示，截至2021年，我國(guó)債券市場(chǎng)約690余只債券發(fā)生違約，累計(jì)違約金額逾5600億元，涉及發(fā)行主體170多家。2020年全國(guó)債券市場(chǎng)新增29家違約主體，涉及111支新增違約債券，新增違約金額1238.65億元。其中，新增違約主體中民營(yíng)企業(yè)18家，占比高達(dá)62.07%。由此可見(jiàn)，近兩年債券違約雖有所緩和，但已成為我國(guó)債市的常態(tài)化現(xiàn)象，疊加新冠肺炎的影響，此番債券違約潮或呈延續(xù)態(tài)勢(shì)。從債券違約違約金額和新增主體類(lèi)別來(lái)看，民營(yíng)企業(yè)無(wú)疑是我國(guó)債券違約的重災(zāi)區(qū)，違約風(fēng)險(xiǎn)日益顯現(xiàn)。民營(yíng)經(jīng)濟(jì)是我國(guó)市場(chǎng)經(jīng)濟(jì)的重要組成部分，如何應(yīng)對(duì)債券違約成為民營(yíng)經(jīng)濟(jì)健康發(fā)展的一項(xiàng)艱巨任務(wù)，也為本文研究提供了背景。1.2研究目的與意義首先，本文通過(guò)對(duì)民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)影響因素的研究，有助于監(jiān)管者更加合理有效地評(píng)估發(fā)債企業(yè)信用風(fēng)險(xiǎn)狀況，及時(shí)對(duì)民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)做出反應(yīng)，減少債券違約事件的發(fā)生。其次，本研究發(fā)現(xiàn)國(guó)內(nèi)外學(xué)者側(cè)重于債券交易定價(jià)、債券信用風(fēng)險(xiǎn)度量及其違約影響因素等方面的研究，以大樣本的實(shí)證研究居多，而針對(duì)民營(yíng)企業(yè)債券違約的案例研究較少。本文選題著眼于民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)的前影響因素，選擇從宏觀環(huán)境、行業(yè)層面以及微觀公司自身主體來(lái)具體分析企業(yè)信用狀況，豐富了債券違約的研究，具有一定的意義。1.3研究對(duì)象本文研究對(duì)象為民營(yíng)企業(yè)，通過(guò)構(gòu)建債券信用風(fēng)險(xiǎn)預(yù)警模型，為民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)的早發(fā)現(xiàn)、早處置，促進(jìn)債券市場(chǎng)服務(wù)實(shí)體經(jīng)濟(jì)起到一定作用。1.4研究方法與研究?jī)?nèi)容本文試圖分析民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)的影響因素，進(jìn)行理論分析，并通過(guò)樣本數(shù)據(jù)構(gòu)建預(yù)警模型。本文采取因子分析法和Fisher判別法構(gòu)建預(yù)警模型，全文分四部分：第一部分為緒論。分析我國(guó)債券違約的現(xiàn)狀，從國(guó)內(nèi)外分別總結(jié)債券信用風(fēng)險(xiǎn)影響因素、風(fēng)險(xiǎn)度量等相關(guān)文獻(xiàn)，闡述課題研究意義。第二部分為理論分析。針對(duì)債券信用風(fēng)險(xiǎn)理論和相關(guān)影響因素分別展開(kāi)論述。第三部分為模型構(gòu)建，通過(guò)樣本數(shù)據(jù)構(gòu)建預(yù)警模型。第四部分為結(jié)論。通過(guò)預(yù)警模型及回代檢驗(yàn)結(jié)果，分別對(duì)債券發(fā)行企業(yè)、監(jiān)管者和投資者提出建議，同時(shí)指出本文研究的不足之處。本文使用以下方法展開(kāi)研究：（1）文獻(xiàn)研究法。在閱讀、整理相關(guān)文獻(xiàn)的基礎(chǔ)上，總結(jié)了民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)相關(guān)理論以及民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)預(yù)警模型等內(nèi)容，尋找本次研究的著手之處。（2）實(shí)證分析法。采用因子分析法和Fisher判別法對(duì)樣本數(shù)據(jù)進(jìn)行實(shí)證檢驗(yàn)，分析不同指標(biāo)對(duì)民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)的影響程度，據(jù)此構(gòu)建風(fēng)險(xiǎn)預(yù)警模型。1.5創(chuàng)新與本文不足研究視角的創(chuàng)新：債券市場(chǎng)是一個(gè)國(guó)家金融體系中不可缺少的一部分，本文通過(guò)研究民營(yíng)企業(yè)債券證券信用風(fēng)險(xiǎn)影響因素，為我國(guó)民營(yíng)企業(yè)未來(lái)的發(fā)展起到了一定的警示作用。研究方法的創(chuàng)新：本研究采用2020年發(fā)生債券違約的17家民營(yíng)上市公司作為違約樣本，選擇未發(fā)生債券違約的17家同類(lèi)上市公司作為對(duì)照樣本。從償債能力、盈利能力等各方面選取14個(gè)原始指標(biāo)，考察企業(yè)信用風(fēng)險(xiǎn)狀況。首先使用KMO和Bartlett檢驗(yàn)觀察樣本是否可用因子分析法，其次使用因子分析法篩選公因子；之后對(duì)樣本數(shù)據(jù)進(jìn)行Fisher判別法有效性檢驗(yàn)，最后利用公因子構(gòu)建預(yù)警模型。模型構(gòu)建后，將樣本數(shù)據(jù)進(jìn)行回代，觀察預(yù)警模型的判別效果。

2、理論基礎(chǔ)與文獻(xiàn)綜述2.1相關(guān)概念2.1.1債券定義債券（Bonds/debenture）是政府、企業(yè)、銀行等債務(wù)人為融資，承諾債權(quán)人在指定日期償還利息和本金并根據(jù)法定程序募集資金的有價(jià)證券。債券是政府、工商社會(huì)、金融機(jī)構(gòu)等向社會(huì)直接借款時(shí)借入的資金，同時(shí)承諾按約定條件償還本金并按一定的利率支付利息給投資人的\t"/item/%E5%80%BA%E5%88%B8/_blank"債權(quán)債務(wù)憑證，是一種金融契約，其實(shí)質(zhì)是具有法律效益的債務(wù)證明。債券投資人或購(gòu)買(mǎi)者與發(fā)行人存在一種債權(quán)債務(wù)關(guān)系，\t"/item/%E5%80%BA%E5%88%B8/_blank"債務(wù)人是債券發(fā)行人，債權(quán)人則是債券購(gòu)買(mǎi)者（投資人）。債券不僅是一種有價(jià)證券還是一種定息證券（固定利息證券），是因?yàn)閭睦⑼ǔＪ穷A(yù)先確定的，債券可以在金融市場(chǎng)發(fā)達(dá)的國(guó)家和地區(qū)上市和流通。2.1.2信用風(fēng)險(xiǎn)信用風(fēng)險(xiǎn)又稱違約風(fēng)險(xiǎn)，是指?jìng)l(fā)行者、借款人或交易對(duì)方由于各種因素不愿或不能履行合約條款而構(gòu)成違約行為，從而給銀行、投資人或交易對(duì)方產(chǎn)生可能蒙受損失的風(fēng)險(xiǎn)。違約風(fēng)險(xiǎn)是銀行存在的主要風(fēng)險(xiǎn)，此風(fēng)險(xiǎn)不僅發(fā)生在貸款中，還發(fā)生在表內(nèi)和表外業(yè)務(wù)中(例如證券投資、擔(dān)保和承兌等）。若銀行無(wú)法及時(shí)確認(rèn)損失資產(chǎn)，增加核銷(xiāo)呆賬準(zhǔn)備金，在適當(dāng)條件下停止確認(rèn)利息收入，則銀行將面臨重大的風(fēng)險(xiǎn)。一旦發(fā)生違約，銀行或債權(quán)人將不可避免地因未能獲得預(yù)期回報(bào)而蒙受經(jīng)濟(jì)損失。違約風(fēng)險(xiǎn)是由影響公司運(yùn)營(yíng)的特殊事件的發(fā)生和經(jīng)濟(jì)運(yùn)行的周期性引起的。2.2基礎(chǔ)理論2.2.1信息不對(duì)稱理論信息不對(duì)稱理論主要是指在市場(chǎng)經(jīng)濟(jì)運(yùn)行的過(guò)程中，不同崗位的人員對(duì)同一個(gè)信息的了解程度是存在差別的，相關(guān)主體獲取信息的程度不同也導(dǎo)致了相關(guān)主體在面對(duì)事件時(shí)所做出的不同決定。張鳳蓮（2011）研究認(rèn)為信息不對(duì)稱是造成債券違約的根本原因，通過(guò)實(shí)證研究表明，信息不對(duì)稱會(huì)很大程度的提高企業(yè)的債券違約風(fēng)險(xiǎn)。在市場(chǎng)上，賣(mài)方比買(mǎi)方更了解相關(guān)信息，對(duì)于獲取信息缺乏的人員，則處于比較不好的地位，掌握更多信息的一方，則會(huì)在事物處理方面掌握一定的主動(dòng)權(quán)，從而進(jìn)行不同的選擇。這個(gè)理論可以體現(xiàn)在債券發(fā)行主體與投資人之間，債券發(fā)行主體對(duì)企業(yè)的經(jīng)營(yíng)狀況以及財(cái)務(wù)方面都很了解，而投資人對(duì)于企業(yè)了解并不完整，只通過(guò)企業(yè)公布的一些財(cái)務(wù)信息以及公告募集書(shū)來(lái)了解認(rèn)識(shí)企業(yè)的情況，從債券發(fā)行主體來(lái)講，為了能夠籌集足夠多的資金，企業(yè)會(huì)選擇不公示一些不利于企業(yè)籌集資金的一些事件，為了滿足自身融資需求給投資人呈現(xiàn)出良好的財(cái)務(wù)狀況，所以投資者得到的信息是片面的，企業(yè)內(nèi)部真實(shí)的信息難以獲取。這樣導(dǎo)致了投資雙方獲取的信息是不對(duì)稱的，就會(huì)不利于投資者去投資，增加了投資者的風(fēng)險(xiǎn)，投資者自身的利益受到侵害。由于在債券市場(chǎng)存在著信息不對(duì)稱的弊病，故此在發(fā)行債券的過(guò)程中，我們應(yīng)該要求債券發(fā)行主體出具真實(shí)可靠的財(cái)務(wù)信息和經(jīng)營(yíng)狀況，評(píng)級(jí)機(jī)構(gòu)出具客觀、準(zhǔn)確的評(píng)級(jí)報(bào)告，避免發(fā)生信息不對(duì)稱的情況。2.2.2利益相關(guān)者理論從1960年，利益相關(guān)者理論在西方開(kāi)始逐漸形成，到了1980年開(kāi)始逐步影響美、英等國(guó)家的企業(yè)治理模式，并迅速擴(kuò)大。利益相關(guān)者主要包括企業(yè)的經(jīng)營(yíng)者、債權(quán)人、員工、合作企業(yè)等交易伙伴，也包括了政府部門(mén)、當(dāng)?shù)鼐用窈妥匀画h(huán)境等受到企業(yè)經(jīng)營(yíng)活動(dòng)直接或間接聯(lián)系的客體。這些利益相關(guān)者與企業(yè)的經(jīng)營(yíng)狀況和生產(chǎn)發(fā)展有著很大的關(guān)系。因此，企業(yè)的行為和決策不能僅僅為了獲取經(jīng)濟(jì)利益，一味地強(qiáng)調(diào)自身的財(cái)務(wù)業(yè)績(jī)，還應(yīng)該關(guān)注與了解密切相關(guān)的個(gè)體，將各個(gè)利益相關(guān)者的問(wèn)題納入決策，盡量滿足他們的需求。對(duì)于企業(yè)的管理決策以及活動(dòng)影響的程度，不同的利益相關(guān)者影響的程度是不同的。為了實(shí)現(xiàn)他們自己的目標(biāo)，不同的利益相關(guān)者群體都希望企業(yè)的決策者在制定戰(zhàn)略時(shí)，能夠優(yōu)先考慮他們。但不同的權(quán)益主體之間的利益和所關(guān)心的核心問(wèn)題都存在著很大的差異，并且互相有矛盾分歧，公司決策者會(huì)根據(jù)自身對(duì)某類(lèi)利益相關(guān)者的依賴程度做出衡量，優(yōu)先考慮某類(lèi)利益相關(guān)者。2.3文獻(xiàn)綜述2.3.1債券信用風(fēng)險(xiǎn)影響因素國(guó)外債券市場(chǎng)起步早、成熟度高，債券違約事件早已有之。學(xué)者從多個(gè)角度對(duì)債券信用風(fēng)險(xiǎn)度量和影響因素進(jìn)行了廣泛的研究，為本文的研究提供了堅(jiān)實(shí)的基礎(chǔ)。自“11超日債”首次違約以來(lái)，債券違約屢見(jiàn)不鮮，國(guó)內(nèi)有關(guān)債券違約的案例研究也日益豐富。導(dǎo)致發(fā)債公司出現(xiàn)債券信用風(fēng)險(xiǎn)的因素是多方面的，F(xiàn)anYu（2005）認(rèn)為債券信用風(fēng)險(xiǎn)主要來(lái)源于發(fā)債公司信息不對(duì)稱。Acharya（2007）分析指出，行業(yè)整體狀況的下行會(huì)使公司的資產(chǎn)價(jià)值受損，應(yīng)對(duì)風(fēng)險(xiǎn)能力下降，更容易發(fā)生違約。Christopher（2010）分析指出，凈資產(chǎn)在企業(yè)資產(chǎn)規(guī)模中占比越高，債券信用風(fēng)險(xiǎn)越低。Kuehn和Schmid（2011）研究表明，債券的違約風(fēng)險(xiǎn)的增加與經(jīng)濟(jì)形勢(shì)有關(guān)。Kay等（2011）采集1866-2008年債券違約數(shù)據(jù)，使用區(qū)制轉(zhuǎn)換模型對(duì)超過(guò)150年的數(shù)據(jù)分析，指出GDP增長(zhǎng)率、股票收益率及其波動(dòng)率等因素能有效預(yù)測(cè)債券違約，但信用風(fēng)險(xiǎn)溢價(jià)卻不能有效預(yù)測(cè)債券違約。羅維（2014）以“14超日債”違約為案例，分析超日公司財(cái)務(wù)數(shù)據(jù)，發(fā)現(xiàn)超日公司在債券違約前4年時(shí)間，已經(jīng)出現(xiàn)債務(wù)上升過(guò)快、營(yíng)業(yè)收入急劇下降、流動(dòng)性嚴(yán)重不足等現(xiàn)象。李煒（2016）分析指出，債券信用風(fēng)險(xiǎn)的根本原因是公司治理水平低下，對(duì)財(cái)務(wù)風(fēng)險(xiǎn)重視不夠，債券發(fā)行時(shí)保障措施不完善。陳文杰等（2017）指出，2014年以來(lái)債券信用風(fēng)險(xiǎn)快速顯現(xiàn)主要有以下原因：一是宏觀經(jīng)濟(jì)下行，公司利潤(rùn)率下降；二是剛性兌付逐漸被打破；三是2008年金融危機(jī)時(shí)推出的4萬(wàn)億刺激政策使部分行業(yè)出現(xiàn)嚴(yán)重產(chǎn)能過(guò)剩；四是銀行信貸收緊致使企業(yè)資金緊張問(wèn)題加劇。2.3.2債券信用風(fēng)險(xiǎn)度量傳統(tǒng)分析中往往采用定性方法度量債券信用風(fēng)險(xiǎn)，如“5C”、“5W”、專家打分等。在定量研究方面，Beaver（1966）采集100多家公司的30個(gè)財(cái)務(wù)指標(biāo)作為樣本數(shù)據(jù)，分組研究表明資產(chǎn)負(fù)債率預(yù)測(cè)公司違約風(fēng)險(xiǎn)效果最好。Altman（1968）為對(duì)公司破產(chǎn)風(fēng)險(xiǎn)進(jìn)行量化，經(jīng)分析選定5個(gè)指標(biāo)：營(yíng)運(yùn)資產(chǎn)、營(yíng)業(yè)收入、EBIT和利潤(rùn)留存4個(gè)指標(biāo)占總資產(chǎn)比重、凈資產(chǎn)/負(fù)債；通過(guò)這些指標(biāo)構(gòu)建Z值模型；1977年，Altman從原Z值模型的5個(gè)因素?cái)U(kuò)展到公司流動(dòng)性、償債能力、留存收益、盈利能力等7個(gè)方面，據(jù)此構(gòu)建了ZETA模型；2000年，Altman調(diào)整了原Z值公式，公式預(yù)測(cè)的準(zhǔn)確性有所提高，且可用于非上市公司。Black和Scholes（1973）、Merton（1974）提出期權(quán)定價(jià)理論。投資公司所承擔(dān)的是有限責(zé)任，而獲得的收益在理論上無(wú)上限，因此可將投資公司看作虧損有限而收益無(wú)限的期權(quán)；當(dāng)負(fù)債價(jià)值大于資產(chǎn)時(shí)，股權(quán)價(jià)值數(shù)值上將為負(fù)，債務(wù)就會(huì)出現(xiàn)違約。Martin（1977）利用Logit模型對(duì)債券違約概率進(jìn)行計(jì)量，并在與各類(lèi)模型比較中得出結(jié)論，認(rèn)為L(zhǎng)ogit模型的預(yù)測(cè)更為準(zhǔn)確。在近30年所提出的現(xiàn)代債券違約高級(jí)計(jì)量模型中，CreditMetrics模型和KMV模型使用較廣泛。J.P.Morgan基于信用評(píng)級(jí)提出了風(fēng)險(xiǎn)評(píng)估模型——CreditMetrics模型；而KMV公司構(gòu)建的債券信用風(fēng)險(xiǎn)計(jì)量模型，其理論根基是期權(quán)定價(jià)理論。段霞（2012）以240家發(fā)債企業(yè)為樣本，評(píng)價(jià)各類(lèi)債券信用風(fēng)險(xiǎn)模型在中國(guó)的使用效果；結(jié)果顯示Z值模型較KMV模型更適宜于中國(guó)債市。蔣或等（2015）使用修正KMV模型分析債券信用風(fēng)險(xiǎn)，研究表明修正后的KMV模型有效性較高。童欣悅（2018）以天威中票違約事件為例，使用Z值模型構(gòu)建債券違約指標(biāo)預(yù)警體系。綜合財(cái)務(wù)指標(biāo)來(lái)看，Z值模型可以較早對(duì)風(fēng)險(xiǎn)變動(dòng)作出提示。仇民樂(lè)（2019）以永泰能源為例，特針對(duì)民營(yíng)企業(yè)債券違約成因及財(cái)務(wù)預(yù)警展開(kāi)研究，使用Z值模型進(jìn)行實(shí)證檢驗(yàn)，可以有效對(duì)債券違約進(jìn)行預(yù)警。但債券市場(chǎng)信息傳遞機(jī)制不暢，債券信用評(píng)級(jí)普遍存在虛高現(xiàn)象，這些因素導(dǎo)致投資者難以及時(shí)識(shí)別債券信用風(fēng)險(xiǎn)。陳毓敏等（2020）提出4種債券違約預(yù)警信號(hào)：財(cái)務(wù)指標(biāo)、債券價(jià)格、輿情、投基金持倉(cāng)，指出基于機(jī)器學(xué)習(xí)的財(cái)務(wù)指標(biāo)預(yù)警無(wú)論在領(lǐng)先性、準(zhǔn)確性、覆蓋率上均為最優(yōu)?；粲昙眩?020）、蓬若曦（2020）基于因子分析法對(duì)A股上市公司債券構(gòu)建多元線性判別模型，并進(jìn)行回代驗(yàn)證，表明基于因子分析法的債券違約判別模型可以有效識(shí)別違約債券。章璐琳（2020）使用Logit模型對(duì)2014-2019年債券違約進(jìn)行預(yù)警建模，綜合考慮宏觀經(jīng)濟(jì)、企業(yè)償債能力等18個(gè)指標(biāo)構(gòu)建模型。劉律康（2021）利用集成學(xué)習(xí)算法，使用XGBoost提升樹(shù)模型，對(duì)2014-2019年非金融企業(yè)信用債違約進(jìn)行建模研究，模型在預(yù)警率、準(zhǔn)確率、覆蓋率等多方面均有較好的表現(xiàn)。2.3.3文獻(xiàn)評(píng)述本文的文獻(xiàn)綜述主要從債券信用風(fēng)險(xiǎn)的影響因素及風(fēng)險(xiǎn)度量?jī)煞矫嫒胧?，?duì)國(guó)內(nèi)外相關(guān)文獻(xiàn)進(jìn)行整理歸納。通過(guò)整理，發(fā)現(xiàn)我國(guó)當(dāng)前大多數(shù)債券違約理論都是基于國(guó)外已有理論不斷發(fā)展，相對(duì)于國(guó)外理論，我國(guó)相關(guān)理論存在著一定的滯后性。此外，我國(guó)學(xué)者對(duì)債券信用風(fēng)險(xiǎn)的研究更加偏向債券市場(chǎng)整體，研究債券市場(chǎng)體制機(jī)制、監(jiān)管狀況、信息不對(duì)稱等方面。關(guān)于債券信用風(fēng)險(xiǎn)影響因素與預(yù)警的研究，國(guó)外學(xué)者研究較為豐富，研究?jī)?nèi)容較為廣泛，除了常見(jiàn)的影響債券違約的因素，也從微觀個(gè)體的心理出發(fā)，考慮投資者的情緒變動(dòng)。國(guó)內(nèi)學(xué)者更側(cè)重于企業(yè)的財(cái)務(wù)指標(biāo)、行業(yè)因素等，尚未根據(jù)我國(guó)債券市場(chǎng)具體情形建立起一套完整的預(yù)警框架，這是我國(guó)債券信用風(fēng)險(xiǎn)預(yù)警研究中需要解決的問(wèn)題。

3、民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)理論分析3.1民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)相關(guān)影響因素3.1.1經(jīng)濟(jì)運(yùn)行狀況改革開(kāi)放至今，全球都贊嘆我國(guó)在經(jīng)濟(jì)方面所取得的成就，2019年中國(guó)GDP總量高達(dá)99萬(wàn)億元，穩(wěn)居世界第二大經(jīng)濟(jì)體；人均GDP突破1萬(wàn)美元，穩(wěn)居世界中等收入國(guó)家。但與此同時(shí)，隨著我國(guó)經(jīng)濟(jì)體量不斷增大以及處于經(jīng)濟(jì)下行周期中，GDP增速不斷滑落，我國(guó)整體的經(jīng)濟(jì)狀況相較之前持續(xù)下滑。在經(jīng)濟(jì)下滑的壓力下，企業(yè)的信用風(fēng)險(xiǎn)也不斷累積。對(duì)于發(fā)債企業(yè)而言，在經(jīng)濟(jì)下行時(shí)期企業(yè)的經(jīng)營(yíng)風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)都會(huì)增大，債券違約的風(fēng)險(xiǎn)也會(huì)隨之增大。國(guó)內(nèi)外衡量宏觀經(jīng)濟(jì)運(yùn)行狀況的指標(biāo)有很多，例如國(guó)內(nèi)生產(chǎn)總值（GDP）、工業(yè)增加值、工業(yè)品出廠價(jià)格指數(shù)（PPI）、企業(yè)景氣指數(shù)等等。企業(yè)景氣指數(shù)綜合反映企業(yè)的生產(chǎn)經(jīng)營(yíng)狀況及企業(yè)家對(duì)于未來(lái)經(jīng)濟(jì)走勢(shì)的預(yù)判。圖2是從2015年3季度到2019年3季度民營(yíng)企業(yè)景氣指數(shù)與同時(shí)期違約債券只數(shù)的對(duì)比。從圖中，當(dāng)企業(yè)景氣指數(shù)下行時(shí)，同時(shí)期違約債券只數(shù)上升；民營(yíng)企業(yè)景氣指數(shù)上行時(shí)，同時(shí)期違約債券只數(shù)下降；當(dāng)民營(yíng)企業(yè)景氣指數(shù)處于較高水平時(shí)，同時(shí)期違約債券只數(shù)處于較低水平。民營(yíng)企業(yè)景氣指數(shù)與同時(shí)期債券違約只數(shù)呈現(xiàn)出較好的反向關(guān)系。圖2企業(yè)景氣指數(shù)與違約債券只數(shù)對(duì)比數(shù)據(jù)來(lái)源：東方財(cái)富網(wǎng)3.1.2政策因素2018年4月27日，央行、銀監(jiān)會(huì)、證監(jiān)會(huì)等聯(lián)合印發(fā)了《關(guān)于規(guī)范金融機(jī)構(gòu)資產(chǎn)管理業(yè)務(wù)的指導(dǎo)意見(jiàn)》。資管新規(guī)的落地，對(duì)債券市場(chǎng)影響深遠(yuǎn)。資管新規(guī)要求去通道、去嵌套、打破剛兌、實(shí)現(xiàn)凈值化管理，這一系列要求規(guī)范了我國(guó)的資管市場(chǎng)，有利于金融市場(chǎng)的平穩(wěn)運(yùn)行。同時(shí)，強(qiáng)監(jiān)管政策的推動(dòng)也使發(fā)債企業(yè)融資渠道變窄?？偹苤?，信用債一直是理財(cái)產(chǎn)品、信托產(chǎn)品持倉(cāng)的重要部分。在2017年年底，銀行理財(cái)產(chǎn)品余額近30萬(wàn)億元，其中42%配置債券資產(chǎn)。隨著有些債券型理財(cái)產(chǎn)品、債券型信托產(chǎn)品因債券違約而爆雷，監(jiān)管部門(mén)要求打破剛性兌付，銀行、信托不得為旗下爆雷產(chǎn)品兜底。銀行、信托、券商等機(jī)構(gòu)投資者對(duì)于債券市場(chǎng)上新發(fā)行的債券持謹(jǐn)慎態(tài)度，昔日信用債被火爆認(rèn)購(gòu)，如今卻鮮有問(wèn)津。部分已經(jīng)發(fā)行債券的企業(yè)希望通過(guò)發(fā)行新債來(lái)償還舊債、緩解流動(dòng)性壓力的計(jì)劃落空，企業(yè)的流動(dòng)性收緊，容易發(fā)生債券違約的現(xiàn)象。資管新規(guī)2018年4月份發(fā)布，通過(guò)統(tǒng)計(jì)2018年5月-2019年12月債券違約次數(shù)債券違約次數(shù)與債券違約只數(shù)不同，一只債券理論上是可以違約多次。與2016年8月-2018年3月債券違約次數(shù)，將二者進(jìn)行對(duì)比來(lái)反映資管新規(guī)公布前后對(duì)債券違約的影響。如圖3債券違約次數(shù)與債券違約只數(shù)不同，一只債券理論上是可以違約多次。圖3資管新規(guī)發(fā)布前后債券違約次數(shù)對(duì)比數(shù)據(jù)來(lái)源：wind3.1.3行業(yè)因素每個(gè)行業(yè)的發(fā)展都有其自身的規(guī)律，在不同階段，行業(yè)發(fā)展呈現(xiàn)不同的周期特征?？傮w而言，大多數(shù)行業(yè)都會(huì)經(jīng)歷幼稚期、成長(zhǎng)期、成熟期及衰退期。幼稚期的行業(yè)規(guī)模較小，抗風(fēng)險(xiǎn)能力較弱，信用風(fēng)險(xiǎn)較高。成長(zhǎng)期與成熟期，行業(yè)不斷發(fā)展壯大，同時(shí)，利潤(rùn)率也在慢慢下降。衰退期的行業(yè)容易出現(xiàn)產(chǎn)能過(guò)剩、供過(guò)于求的現(xiàn)象，信用風(fēng)險(xiǎn)也較高。表2根據(jù)行業(yè)周期性強(qiáng)弱、供求關(guān)系與政策調(diào)控對(duì)行業(yè)進(jìn)行分類(lèi)，一般而言，周期性較強(qiáng)、產(chǎn)能過(guò)剩、受?chē)?guó)家政策限制較強(qiáng)的行業(yè)抗風(fēng)險(xiǎn)能力較弱，信用風(fēng)險(xiǎn)更高。我國(guó)債券違約的現(xiàn)狀也表明，產(chǎn)能過(guò)剩、政策限制強(qiáng)的行業(yè)是債券爆雷的“高產(chǎn)行業(yè)”。表2行業(yè)分類(lèi)統(tǒng)計(jì)行業(yè)分類(lèi)周期強(qiáng)、政策限制或產(chǎn)能過(guò)剩行業(yè)鋼鐵、能源、材料、金屬、重工業(yè)、建筑建材、水泥、船舶、石化等周期強(qiáng)、非產(chǎn)能過(guò)剩行業(yè)汽車(chē)、家電、地產(chǎn)、電氣電子設(shè)備、工業(yè)品商貿(mào)等弱周期、非產(chǎn)能過(guò)剩行業(yè)農(nóng)業(yè)、服裝、電信、零售、醫(yī)藥、銀行、日用品、服務(wù)類(lèi)等防御性行業(yè)電力、食品、公用事業(yè)、教育、交通運(yùn)輸、商業(yè)貿(mào)易數(shù)據(jù)來(lái)源：通過(guò)公開(kāi)資料整理所得3.1.4公司因素（1）非財(cái)務(wù)因素在我國(guó)債券市場(chǎng)中，出于對(duì)投資者的保護(hù)，對(duì)發(fā)債企業(yè)要求較高，發(fā)債企業(yè)不僅要有良好的資產(chǎn)規(guī)模、盈利能力，還要求有一套完善、合規(guī)的公司體系。但同時(shí)，發(fā)債企業(yè)中仍有部分企業(yè)因不合規(guī)不合法的行為導(dǎo)致債券違約。例如康得新、安徽外經(jīng)等債券違約企業(yè)涉嫌財(cái)務(wù)造假，欺騙投資者與監(jiān)管部門(mén)；盛運(yùn)環(huán)保、金貴銀業(yè)等一批企業(yè)涉嫌違規(guī)擔(dān)保、信息披露不完善；東旭光電、東方金鈺等一批企業(yè)戰(zhàn)略投資過(guò)于激進(jìn)；秋林集團(tuán)違規(guī)使用印章、非法挪用債券資金；保定天威集團(tuán)大量項(xiàng)目沒(méi)有通過(guò)董事會(huì)決議就自行開(kāi)展，最終導(dǎo)致債券違約。這一系列不合法不合規(guī)的行為必會(huì)惡化公司的治理環(huán)境、加劇公司的信用風(fēng)險(xiǎn)。發(fā)債企業(yè)要嚴(yán)格遵守公司相關(guān)規(guī)定及監(jiān)管的制度要求，盡量避免因違反公司制度或監(jiān)管要求等不合規(guī)行為導(dǎo)致債券違約。（2）財(cái)務(wù)因素一家企業(yè)的財(cái)務(wù)報(bào)表可以將企業(yè)真實(shí)的生產(chǎn)經(jīng)營(yíng)狀況通過(guò)數(shù)字化的方式呈現(xiàn)在我們面前，財(cái)務(wù)狀況對(duì)于企業(yè)的重要性不言而喻。通過(guò)財(cái)務(wù)變動(dòng)可以了解該家企業(yè)經(jīng)營(yíng)狀況的好壞，在我國(guó)，信評(píng)機(jī)構(gòu)將企業(yè)的財(cái)務(wù)指標(biāo)作為量化企業(yè)的信用風(fēng)險(xiǎn)的重要一環(huán)。本節(jié)將通過(guò)選擇樣本組（已發(fā)生債券違約的企業(yè)）及對(duì)照組（未發(fā)生違約的對(duì)照企業(yè)）的部分財(cái)務(wù)指標(biāo)進(jìn)行對(duì)比，分析債券違約與財(cái)務(wù)指標(biāo)變動(dòng)的關(guān)系。關(guān)于財(cái)務(wù)指標(biāo)，本文主要從資本結(jié)構(gòu)與償債能力、盈利能力、營(yíng)運(yùn)能力與成長(zhǎng)能力四個(gè)方面選取相應(yīng)的財(cái)務(wù)指標(biāo)，原本選取16個(gè)財(cái)務(wù)指標(biāo)，經(jīng)過(guò)計(jì)算后篩選得到如下12個(gè)財(cái)務(wù)指標(biāo)，如下表所示：表5財(cái)務(wù)指標(biāo)財(cái)務(wù)指標(biāo)指標(biāo)名稱代號(hào)指標(biāo)公式資本結(jié)構(gòu)與償債能力資產(chǎn)負(fù)債率A1A1=總負(fù)債/總資產(chǎn)*100%速動(dòng)比率A2A2=速動(dòng)資產(chǎn)/流動(dòng)負(fù)債*100%現(xiàn)金比率A3A3=(貨幣資金+有價(jià)證券)/流動(dòng)負(fù)債*100%EBITDA與帶息債務(wù)比A4A4=EBITDA/帶息債務(wù)盈利能力凈資產(chǎn)收益率B1B1=凈利潤(rùn)/平均凈資產(chǎn)×100%銷(xiāo)售凈利率B2B2=凈利潤(rùn)/銷(xiāo)售收入×100%營(yíng)業(yè)利潤(rùn)率B3B3=營(yíng)業(yè)利潤(rùn)/營(yíng)業(yè)總收入*100%營(yíng)運(yùn)能力應(yīng)收賬款周轉(zhuǎn)率C1C1=營(yíng)業(yè)收入/平均應(yīng)收帳款余額流動(dòng)資產(chǎn)周轉(zhuǎn)率C2C2=主營(yíng)業(yè)務(wù)收入/平均流動(dòng)資產(chǎn)總額*100%成長(zhǎng)能力營(yíng)業(yè)收入同比增長(zhǎng)率D1D1=本期營(yíng)業(yè)收入增加額/上期營(yíng)業(yè)收入×100%營(yíng)業(yè)利潤(rùn)同比增長(zhǎng)率D2D2=本期營(yíng)業(yè)利潤(rùn)增加額/上期營(yíng)業(yè)利潤(rùn)×100%資產(chǎn)同比增長(zhǎng)率D3D3=本年資產(chǎn)增長(zhǎng)額/年初資產(chǎn)總額×100%確定財(cái)務(wù)指標(biāo)后，分別計(jì)算樣本組和對(duì)照組違約前三年、違約前兩年、違約前一年各指標(biāo)的均值，然后根據(jù)樣本組與對(duì)照組財(cái)務(wù)指標(biāo)均值計(jì)算出財(cái)務(wù)指標(biāo)偏差值，財(cái)務(wù)指標(biāo)偏差值=（樣本組財(cái)務(wù)指標(biāo)均值-對(duì)照組財(cái)務(wù)指標(biāo)均值）/對(duì)照組財(cái)務(wù)指標(biāo)均值，通過(guò)財(cái)務(wù)指標(biāo)偏差值反映違約企業(yè)在違約前與未違約企業(yè)在財(cái)務(wù)指標(biāo)的變化情況。依據(jù)偏差值的大小，可以得出一些預(yù)警能力較強(qiáng)的財(cái)務(wù)指標(biāo)。投資者及公司可以更多的關(guān)注這些財(cái)務(wù)指標(biāo)變動(dòng)，對(duì)公司債券違約可以起到較好的預(yù)警效果，為接下來(lái)分析民營(yíng)企業(yè)債券違約案例及構(gòu)建預(yù)警框架打下基礎(chǔ)。通3.2民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)預(yù)警模型理論在對(duì)大量文章進(jìn)行梳理，總結(jié)相關(guān)理論的基礎(chǔ)上，對(duì)民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)的度量，從時(shí)間來(lái)看可以分為三個(gè)進(jìn)程：第一是基于定性分析的傳統(tǒng)分析法，第二是基于定量模型的現(xiàn)代分析法，第三是風(fēng)險(xiǎn)的高級(jí)計(jì)量模型法。3.2.1傳統(tǒng)分析法傳統(tǒng)分析法即對(duì)民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)的分析主要由定性分析而得，通常由經(jīng)驗(yàn)豐富的專業(yè)人士人工進(jìn)行風(fēng)險(xiǎn)評(píng)估，主要包括5C分析法、5W分析法和信用評(píng)分法。5C分析法是經(jīng)典的專家打分法，是國(guó)外銀行總結(jié)出的影響信用風(fēng)險(xiǎn)的5C原則，即：品質(zhì)（character）、能力（capacity）、資本（capital）、抵押（collateral）、條件（condition）。5C分析法雖然簡(jiǎn)單，但覆蓋面廣泛，可以有效的地對(duì)企業(yè)信用風(fēng)險(xiǎn)進(jìn)行定性評(píng)估。某些銀行將信用風(fēng)險(xiǎn)要素歸結(jié)為5W因素，借款人（who）、期限（when）、借款目的（why）、擔(dān)保（what）、還款方式（how）；信用風(fēng)險(xiǎn)也可用“5P”概括：即目的（purpose）、償還（payment）、保障（protection）、前景（perspective）、個(gè)人因素（personal）。信用評(píng)分法是對(duì)5C分析法的一種升級(jí)。信用分析法主要通過(guò)考察某些指標(biāo)表現(xiàn)，對(duì)企業(yè)的信用等級(jí)進(jìn)行打分，而后根據(jù)不同的信用等級(jí)對(duì)企業(yè)采取不同的貸款政策。但信用評(píng)分法仍然是以人為判斷為主，未曾建立起明確的指標(biāo)權(quán)重體系，因此仍屬于定性分析法。3.2.2現(xiàn)代分析法隨著經(jīng)濟(jì)社會(huì)發(fā)展的不斷深化，金融市場(chǎng)需要更加精細(xì)化的風(fēng)險(xiǎn)評(píng)估，傳統(tǒng)的定性分析法已不能滿足市場(chǎng)的需求。因此各國(guó)學(xué)者以計(jì)量經(jīng)濟(jì)學(xué)為基礎(chǔ)引入現(xiàn)代定量分析法，構(gòu)建較為簡(jiǎn)易的債券違約風(fēng)險(xiǎn)度量模型，主要包括Logistic模型、Probit模型、Fisher線性判別模型、Z值模型等。當(dāng)因變量為分類(lèi)變量（在債券違約中即違約或不違約）且自變量（影響因素）與因變量呈非線性關(guān)系，探索因變量與某些自變量之間的關(guān)系時(shí)常用Logistic模型。Probit模型形式上與Logistic模型較為相似，也可用于信用風(fēng)險(xiǎn)研究，但要求樣本數(shù)據(jù)必須滿足正態(tài)分布。Fisher線性判別模型則擅長(zhǎng)于“降維”。當(dāng)變量很多時(shí)，F(xiàn)isher模型可將降低數(shù)據(jù)維度，通過(guò)尋找不同類(lèi)數(shù)據(jù)之間的區(qū)別，確定劃分標(biāo)準(zhǔn)，將各類(lèi)樣本數(shù)據(jù)劃分為不同類(lèi)型，使同類(lèi)數(shù)據(jù)盡可能接近。3.2.3高級(jí)計(jì)量模型法高級(jí)計(jì)量模型誕生于90年代，由各商業(yè)銀行和其他金融機(jī)構(gòu)為評(píng)估授信對(duì)象的信用風(fēng)險(xiǎn)而構(gòu)建的信用風(fēng)險(xiǎn)計(jì)量模型，主要包括KMV模型和Creditmetrics模型。KMV模型將股東投資視為一種追求期權(quán)價(jià)值的行為。如果資產(chǎn)價(jià)值小于負(fù)債，則公司股權(quán)價(jià)值在數(shù)值上為負(fù)，所能負(fù)擔(dān)的債務(wù)總額為清算價(jià)值，此時(shí)公司不愿意償還債務(wù)。KMV模型主要基于BS公式計(jì)算出股權(quán)價(jià)值，通過(guò)總結(jié)歷史數(shù)據(jù)，得出企業(yè)債務(wù)違約時(shí)最有可能處于哪種債務(wù)水平（“違約實(shí)施點(diǎn)”），進(jìn)而得出負(fù)債企業(yè)的違約距離，通過(guò)歷年積累的數(shù)據(jù)庫(kù)中觀察其與違約率之間的相關(guān)性，得到目前的預(yù)期違約率。由于計(jì)算時(shí)利用了企業(yè)的股票價(jià)值，而并非歷史財(cái)務(wù)數(shù)據(jù)，因此被認(rèn)為是一種向前看的方法，不僅可以反映風(fēng)險(xiǎn)的高低，而且可以精準(zhǔn)度量風(fēng)險(xiǎn)差異的程度。KMV模型的主要缺陷有2個(gè)：一是在計(jì)算時(shí)需遵循BS公式的諸多假設(shè)，如資產(chǎn)價(jià)值服從正態(tài)分布等，這在現(xiàn)實(shí)中通常難以滿足；二是BS公式需要使用的許多重要變量，如公司資產(chǎn)價(jià)值及其波動(dòng)率等，因此該模型非常適用于上市公司，但非上市公司資產(chǎn)不在公開(kāi)市場(chǎng)上交易，因此難以得到其市場(chǎng)價(jià)值和波動(dòng)率，所以往往需要用另外的變量來(lái)代替。此外，由于在中國(guó)缺少基于大量違約公司信息的歷史數(shù)據(jù)庫(kù)，因此無(wú)法將違約距離與違約概率相匹配，因此KMV難以直接用于中國(guó)市場(chǎng)。Creditmetrics模型又稱信用計(jì)量模型。評(píng)級(jí)機(jī)構(gòu)會(huì)定期對(duì)債務(wù)工具及發(fā)債主體進(jìn)行等級(jí)評(píng)定，假設(shè)信用評(píng)級(jí)結(jié)果是公正科學(xué)的，那么違約風(fēng)險(xiǎn)可以通過(guò)觀察信用等級(jí)的變化而獲得。債券處于不同評(píng)級(jí)時(shí)市場(chǎng)價(jià)值不同，可據(jù)此得到債券不同等級(jí)上的市場(chǎng)價(jià)值。進(jìn)而計(jì)算出債券市場(chǎng)價(jià)值的分布函數(shù)，從而利用VaR模型計(jì)算債券的在險(xiǎn)價(jià)值。該模型使用債務(wù)的信用評(píng)級(jí)水平，評(píng)級(jí)結(jié)果來(lái)源于歷史數(shù)據(jù)；KMV模型使用企業(yè)的股權(quán)價(jià)值，而股權(quán)價(jià)值是投資者對(duì)企業(yè)未來(lái)發(fā)展的預(yù)期，實(shí)質(zhì)是一種看漲期權(quán)，因此KMV模型一定程度上使用的是企業(yè)“未來(lái)”的數(shù)據(jù)，這是兩者的根本差別。

4、模型構(gòu)建4.1變量選取及數(shù)據(jù)來(lái)源本文在第3章的基礎(chǔ)上，進(jìn)一步展開(kāi)分析，選取至2021年中國(guó)信用債市場(chǎng)發(fā)生違約的民營(yíng)上市發(fā)債公司17家，并挑選對(duì)應(yīng)的未發(fā)生違約的民營(yíng)上市發(fā)債公司作為對(duì)照組，共同作為債券違約樣本。選取對(duì)照組公司時(shí)，在公司數(shù)量方面參考前人研究結(jié)果，按照實(shí)驗(yàn)組：對(duì)照組=1：1的比例選取17家民營(yíng)公司作為對(duì)照組樣本；在選取標(biāo)準(zhǔn)方面，通過(guò)篩選與違約樣本經(jīng)營(yíng)范圍相似且規(guī)模相近的民營(yíng)公司作為對(duì)照，使對(duì)照組與違約組具有可比性。本文共使用34家發(fā)債公司2021年14個(gè)財(cái)務(wù)指標(biāo)如下：表7財(cái)務(wù)指標(biāo)類(lèi)別指標(biāo)盈利能力凈資產(chǎn)收益率每股收益銷(xiāo)售毛利率償債能力流動(dòng)比率速動(dòng)比率現(xiàn)金流量比利息保障倍數(shù)現(xiàn)金流量利息保障倍數(shù)資產(chǎn)負(fù)債率運(yùn)營(yíng)能力總資產(chǎn)周轉(zhuǎn)率應(yīng)收賬款周轉(zhuǎn)率存貨周轉(zhuǎn)率發(fā)展能力主營(yíng)收入增長(zhǎng)率凈利潤(rùn)增長(zhǎng)率這14個(gè)指標(biāo)雖然能夠較全面地反映企業(yè)運(yùn)行情況，但所提供的信息出現(xiàn)重復(fù)，且存在明顯的多重共線性，因此本文使用因子分析法篩選出最能反映發(fā)債公司運(yùn)行情況的指標(biāo)來(lái)構(gòu)建預(yù)警模型。4.2事前檢驗(yàn)因子分析法要求待分析的原始變量間本身存在關(guān)聯(lián)。通過(guò)KMO和Bartlett檢驗(yàn)觀察該方法適用性。樣本數(shù)據(jù)的相關(guān)性一般通過(guò)KMO進(jìn)行測(cè)試，檢驗(yàn)最大值為1，檢驗(yàn)值越大相關(guān)性越強(qiáng)。KMO值大于0.6可用該方法。Bartlett檢驗(yàn)則主要考察獨(dú)立性；一般來(lái)說(shuō)，顯著性小于0.05就可以認(rèn)為各變量間并非互相獨(dú)立。表8KMO和Bartlett檢驗(yàn)KMO度量0.737Bartlett檢驗(yàn)近似卡方274.592自由度91顯著性0.000如表3-2所示，KMO度量值為0.737，巴特利特檢驗(yàn)的顯著性為0.000。結(jié)果表明本文所使用的數(shù)據(jù)可以使用因子分析。4.3確定因子個(gè)數(shù)和含義本文選取14個(gè)財(cái)務(wù)指標(biāo)，即有14個(gè)主成分。篩選信息量較大的都變量來(lái)概括原始信息。從表9中可以看出有5個(gè)變量適合作為公因子，這5個(gè)公因子包含了14個(gè)原始財(cái)務(wù)指標(biāo)74.36%的信息。表9總方差解釋成分初始特征值提取載荷平方和旋轉(zhuǎn)載荷平方和總計(jì)方差百分比累積%總計(jì)方差百分比累積%總計(jì)方差百分比累積%14.71133.65233.6524.71133.65233.6522.50417.88617.88622.08714.90448.5562.08714.90448.5562.21715.83933.72431.3589.70058.2571.3589.70058.2572.13115.21848.94241.2238.73966.9961.2238.73966.9962.07114.79363.73651.0317.36274.3571.0317.36274.3571.48710.62274.357在確定5個(gè)公因子后，需要確定每個(gè)因子所對(duì)應(yīng)的實(shí)際財(cái)務(wù)指標(biāo)。由于一個(gè)因子與多個(gè)指標(biāo)相關(guān)，因此采用方差最大旋轉(zhuǎn)法進(jìn)行處理，結(jié)果如表10所示。表10旋轉(zhuǎn)后的成分矩陣指標(biāo)成分12345利息保障倍數(shù)0.3940.3010.227-0.276-0.138營(yíng)業(yè)收入增長(zhǎng)率0.1400.0530.756-0.147-0.036凈利潤(rùn)增長(zhǎng)率0.6650.4050.4530.1510.033流動(dòng)比率0.0420.007-0.0220.835-0.063速動(dòng)比率0.1940.1660.2480.255-0.653資產(chǎn)負(fù)債率-0.424-0.339-0.057-0.4100.416現(xiàn)金流量利息保障倍數(shù)0.1000.0430.1180.0090.856每股收益0.2700.335-0.0050.473-0.339應(yīng)收賬款周轉(zhuǎn)率-0.4990.0630.072-0.0580.013存貨周轉(zhuǎn)率-0.048-0.2490.3010.3350.088總資產(chǎn)周轉(zhuǎn)率0.0800.767-0.1390.0380.023現(xiàn)金流量比0.1350.2910.0120.811-0.046銷(xiāo)售毛利率0.0010.5610.3540.0660.067凈資產(chǎn)收益率0.8650.2540.3140.134-0.002可以看出，不同因子在各指標(biāo)上的載荷有明顯的差異，選取載荷最大的指標(biāo)作為該因子所對(duì)應(yīng)的具體財(cái)務(wù)指標(biāo)，具體對(duì)應(yīng)關(guān)系如表11所示。表11各因子所對(duì)應(yīng)的財(cái)務(wù)指標(biāo)因子財(cái)務(wù)指標(biāo)設(shè)定變量1營(yíng)業(yè)收入增長(zhǎng)率X12流動(dòng)比率X23現(xiàn)金流量利息保障倍數(shù)X34凈資產(chǎn)收益率X45總資產(chǎn)周轉(zhuǎn)率X54.4構(gòu)建判別模型本文使用Fisher判別函數(shù)對(duì)違約發(fā)債主體和正常發(fā)債主體進(jìn)行判別。首先檢驗(yàn)是否可使用Fisher判別法，結(jié)果如表12所示，p值為0.002，遠(yuǎn)小于0.05，說(shuō)明使用Fisher判別函數(shù)有效。表12Fisher判別函數(shù)的有效性檢驗(yàn)函數(shù)檢驗(yàn)威爾克Lambda卡方自由度顯著性10.53118.66250.002Fisher判別函數(shù)可將截面數(shù)據(jù)分為兩組，可以據(jù)此判別違約發(fā)債主體和正常發(fā)債主體。具體判別系數(shù)見(jiàn)表13。表13Fisher判別函數(shù)系數(shù)指標(biāo)函數(shù)X1-0.200X20.046X3-0.087X40.055X50.012（常量）0.148由此可得Fisher判別函數(shù)：Y該判別函數(shù)同時(shí)給出了不同組別Fisher判別函數(shù)值的分布中心，以此為判別標(biāo)準(zhǔn)。對(duì)正常發(fā)債公司而言，該數(shù)據(jù)的分布中心為0.911，而對(duì)違約發(fā)債公司該數(shù)據(jù)的分布中心為-0.911；某公司判別函數(shù)值距離哪類(lèi)公司更近，就屬于哪類(lèi)公司。由于本文中違約和正常公司的判別函數(shù)值呈對(duì)稱分布，因此若某公司的Fisher判別函數(shù)值大于0，即可歸為正常公司，若小于0，則歸為違約公司。表14組質(zhì)心處的函數(shù)值種類(lèi)函數(shù)正常發(fā)債公司0.911違約發(fā)債公司-0.9114.5結(jié)果驗(yàn)證為檢驗(yàn)構(gòu)建的民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)預(yù)警模型的有效性，本文將34家樣本公司財(cái)務(wù)指標(biāo)回代驗(yàn)證，結(jié)果見(jiàn)表15。表15預(yù)警模型驗(yàn)證結(jié)果預(yù)測(cè)違約主體預(yù)測(cè)未違約主體總計(jì)實(shí)際違約主體15217實(shí)際未違約主體11617總計(jì)161834本文所建立的民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)預(yù)警模型對(duì)違約樣本預(yù)測(cè)成功率為88.2%，誤報(bào)率為5.9%，基本可以有效區(qū)分正常公司和違約公司。

5、結(jié)論及建議5.1研究結(jié)論5.1.1民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)特征及影響因素2014年以來(lái)，我國(guó)債券市場(chǎng)違約金額和數(shù)量均快速增長(zhǎng)，違約主體從以民營(yíng)企業(yè)為主到一些地方政府融資平臺(tái)、甚至部分優(yōu)質(zhì)國(guó)企，這反映了債券信用風(fēng)險(xiǎn)的擴(kuò)大化。債券違約主體以金屬、能源等周期性、產(chǎn)能過(guò)剩行業(yè)和建筑工程、機(jī)械等重資本類(lèi)行業(yè)為主。民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)的主要外部影響因素為宏觀經(jīng)濟(jì)因素和去杠桿、去產(chǎn)能等政策因素，內(nèi)部影響因素主要取決于公司治理水平，其中盈利能力和償債能力是債券違約的關(guān)鍵影響因素。5.1.2風(fēng)險(xiǎn)預(yù)警模型的構(gòu)建本文以2020年中國(guó)債券市場(chǎng)發(fā)生違約的17家民營(yíng)上市公司為樣本，選取4方面14個(gè)財(cái)務(wù)指標(biāo)進(jìn)行因子分析，在盡可能保留原始信息的條件下篩選出5個(gè)關(guān)鍵因子。然后，根據(jù)17家違約公司的特點(diǎn)按照1：1選取17家未發(fā)生違約公司作為對(duì)照，使用Fisher線性判別模型法構(gòu)建債券違約預(yù)警模型?？傮w判別率為88.2%，誤判率為5.9%，預(yù)警模型總體判別效果較好。5.2政策建議5.2.1發(fā)行者許多發(fā)生債券違約的民營(yíng)企業(yè)是營(yíng)運(yùn)能力不足、盈利能力較差、現(xiàn)金流水平較低等因素所造成的，因此發(fā)債公司在日常營(yíng)運(yùn)中要制定合理的財(cái)務(wù)戰(zhàn)規(guī)劃，注重現(xiàn)金流管理，合理控制企業(yè)負(fù)債水平和擴(kuò)張速度，使企業(yè)的發(fā)展與宏觀經(jīng)濟(jì)、行業(yè)前景和公司自身經(jīng)營(yíng)狀況相匹配。5.2.2投資者一是在投資債券前，應(yīng)主動(dòng)開(kāi)展投資風(fēng)險(xiǎn)偏好程度測(cè)試，應(yīng)加強(qiáng)金融相關(guān)知識(shí)學(xué)習(xí)，建立債券風(fēng)險(xiǎn)識(shí)別框架。本文認(rèn)為，民營(yíng)企業(yè)債券信用風(fēng)險(xiǎn)應(yīng)結(jié)合宏微觀環(huán)境展開(kāi)分析，首先應(yīng)認(rèn)真分析宏觀經(jīng)濟(jì)狀況，如果經(jīng)濟(jì)下行或震蕩周期中，那么債券市場(chǎng)整體將面臨較大的風(fēng)險(xiǎn)；其次，應(yīng)通盤(pán)考慮行業(yè)是否與經(jīng)濟(jì)周期高度重合、整體的供求狀況、是否易受如供給側(cè)改革等政策影響等因素；此外，對(duì)于企業(yè)的盈利能力、現(xiàn)金流水平、資產(chǎn)周轉(zhuǎn)速度等財(cái)務(wù)指標(biāo)和債券信用評(píng)級(jí)，投資者也應(yīng)予以足夠關(guān)注。投資債券后，應(yīng)持續(xù)關(guān)注宏微觀因素變化趨勢(shì)，及時(shí)研判債券風(fēng)險(xiǎn)大小，制定風(fēng)險(xiǎn)應(yīng)對(duì)措施。二是投資者應(yīng)清醒地認(rèn)識(shí)到投資的風(fēng)險(xiǎn)，并考察自身風(fēng)險(xiǎn)承受能力，隨時(shí)對(duì)資產(chǎn)組合進(jìn)行調(diào)整。此外，投資者還應(yīng)豐富投資品類(lèi)，結(jié)合多種產(chǎn)品進(jìn)行多元化投資，盡可能分散風(fēng)險(xiǎn)。5.2.3監(jiān)管者一是加大監(jiān)管力度，將信息披露作為評(píng)級(jí)守則和法律準(zhǔn)則，要求企業(yè)需及時(shí)公布相關(guān)財(cái)務(wù)指標(biāo)，對(duì)于重大問(wèn)題應(yīng)及時(shí)披露，以便對(duì)市場(chǎng)起到預(yù)警作用。對(duì)于重要信息或財(cái)務(wù)數(shù)據(jù)造假的公司，因?qū)ζ涓吖苋藛T進(jìn)行處罰對(duì)，公司實(shí)行如列入退市黑名單等嚴(yán)厲的政策，從而進(jìn)一步規(guī)范信息披露制度，降低信息不對(duì)稱給投資者帶來(lái)的損失。二是監(jiān)管部門(mén)應(yīng)要求評(píng)級(jí)機(jī)構(gòu)實(shí)事求是，科學(xué)評(píng)價(jià)。對(duì)于原本評(píng)級(jí)很高但在發(fā)生違約后迅速下調(diào)評(píng)級(jí)頻發(fā)的現(xiàn)象，監(jiān)管部門(mén)應(yīng)加強(qiáng)督導(dǎo)和監(jiān)管；還可以推動(dòng)擬定評(píng)級(jí)機(jī)構(gòu)黑名單，對(duì)于評(píng)級(jí)結(jié)果質(zhì)量較低或多次出現(xiàn)違法違規(guī)的機(jī)構(gòu)列入黑名單。三是仿照國(guó)外市場(chǎng)實(shí)行雙評(píng)級(jí)制度，即對(duì)于同一債券及其發(fā)債主體，要求兩個(gè)獨(dú)立的評(píng)級(jí)機(jī)構(gòu)同時(shí)評(píng)級(jí)。兩家評(píng)級(jí)機(jī)構(gòu)可以互相參考對(duì)照對(duì)方的評(píng)級(jí)結(jié)果，這種制度可以對(duì)機(jī)構(gòu)形成一定的約束力，從而提高評(píng)級(jí)的可靠性，還對(duì)后續(xù)可能出現(xiàn)的評(píng)級(jí)調(diào)整具有一定的指導(dǎo)和幫助作用。5.3不足由于許多發(fā)債主體的財(cái)務(wù)數(shù)據(jù)披露不完全，使得本文在樣本選取時(shí)僅選取可以獲得完整連續(xù)數(shù)據(jù)的民營(yíng)企業(yè)，難以獲得眾多中小發(fā)債公司和非上市民營(yíng)公司的相關(guān)信息，存在著一定的缺陷。隨著我國(guó)債券市場(chǎng)信息披露程度的不斷提高，在分析違約主體的財(cái)務(wù)指標(biāo)時(shí)，數(shù)據(jù)可得性將提高，分析的可靠性也會(huì)得到提升。

參考文獻(xiàn)[1]夏賢蘭.民營(yíng)企業(yè)債券違約風(fēng)險(xiǎn)影響因