行業(yè)視角下的企業(yè)債券違約風(fēng)險(xiǎn)度量與投資選擇研究

□耿 耘 韓芳麗 程燕京

[1.上海交通大學(xué) 上海 200030; 2.山東英才學(xué)院 山東 250104;3.上海農(nóng)商銀行 上海 200120]

一、中外研究現(xiàn)狀

在國外，關(guān)于企業(yè)債券的違約風(fēng)險(xiǎn)的研究有很多，大致可分為傳統(tǒng)方法和現(xiàn)代方法。作為傳統(tǒng)方法的代表人物，Beaver在研究了大量破產(chǎn)企業(yè)后，指出存在某些因子可以預(yù)示企業(yè)違約風(fēng)險(xiǎn)。之后Altman在Beaver的研究基礎(chǔ)之上提出了Z-Score模型。除此之外，傳統(tǒng)方法還包括系統(tǒng)評(píng)級(jí)法及專家評(píng)級(jí)法，其特點(diǎn)是操作簡單但主觀性較大，預(yù)測(cè)效果也并不顯著。在傳統(tǒng)方法的基礎(chǔ)上，Black,Scholes,Merton[1]開創(chuàng)了基于期權(quán)思想的現(xiàn)代方法，他們提出的Merton模型是后續(xù)簡化模型的基礎(chǔ)。近十年，基于前面的研究，Cramer完善了并利用Logit估計(jì)企業(yè)違約風(fēng)險(xiǎn)。Rubinstein利用VaR判斷風(fēng)險(xiǎn)的潛在價(jià)值?；诖罅繗v史違約數(shù)據(jù)及外部變量，一些商業(yè)機(jī)構(gòu)也提出了度量違約風(fēng)險(xiǎn)的模型，例如麥肯錫公司提出Credit Portfolio Review模型和瑞士信貸提出的Credit Risk模型。但就預(yù)測(cè)效果和數(shù)據(jù)可得性而言，正如Sobehart J.R所述，穆迪公司的KMV模型是最有效的。

由于KMV模型不需要大量的企業(yè)違約歷史數(shù)據(jù)，近十年，國內(nèi)基于企業(yè)違約風(fēng)險(xiǎn)的研究大多針對(duì)KMV開展，其中最具代表性及影響力的奠基之作是吳沖鋒、程鵬關(guān)于上市公司信用風(fēng)險(xiǎn)度量新方法的論述[2]，此后的研究思想基本受其影響。關(guān)于KMV模型的修正有很多研究，包括孫小琰，沈悅，羅琦璐對(duì)股權(quán)價(jià)值的估計(jì)，周杰在模型中引入GARCH等。但令人遺憾的是，之前的研究基本上都集中在對(duì)模型細(xì)節(jié)的修正，很少有關(guān)于模型行業(yè)特點(diǎn)的創(chuàng)新，同樣，作為當(dāng)前投資領(lǐng)域的核心問題，如何基于債券違約風(fēng)險(xiǎn)選擇投資策略也較少受人關(guān)注。本文試圖從行業(yè)的角度重新度量企業(yè)債券的違約風(fēng)險(xiǎn)，并嘗試提供考慮違約風(fēng)險(xiǎn)的投資策略研究。

二、基于中國實(shí)際的企業(yè)違約風(fēng)險(xiǎn)模型

盡管我國還沒有企業(yè)債券違約的歷史資料，但全球范圍內(nèi)的發(fā)債主體違約的情況并不罕見，其中主要發(fā)生在美國。從美國歷史經(jīng)驗(yàn)來看，違約率最高的時(shí)期并非經(jīng)濟(jì)狀況最差的時(shí)期[3～4]，并且可以從中得到研究中國問題的兩點(diǎn)啟發(fā)。

（一）過多的產(chǎn)能過剩是企業(yè)發(fā)生違約行為的必要條件

對(duì)我國來說，固定資產(chǎn)投資的變化可以一定程度地代表總需求的變化。如果固定資產(chǎn)投資增速大幅低于GDP增速，新生產(chǎn)的大量商品無法被市場(chǎng)及時(shí)吸收，企業(yè)的違約行為就容易發(fā)生，在經(jīng)濟(jì)疲軟的時(shí)期，尤為明顯。

（二）資金面收緊推升了利差水平，企業(yè)的息稅負(fù)擔(dān)是企業(yè)違約的充分條件

如果資金面收緊，企業(yè)現(xiàn)金流斷裂，那就可能發(fā)生違約行為，其信用利差應(yīng)該擴(kuò)大。從十八大以來，李克強(qiáng)總理的“克強(qiáng)經(jīng)濟(jì)學(xué)”[6]被外界熱議，國務(wù)院決定全面排查地方政府債務(wù)，債券市場(chǎng)忽如一夜聽驚雷，利率中樞不斷上升。在這樣的市場(chǎng)環(huán)境下，該選擇什么樣的企業(yè)債券？建立適合中國情況的違約風(fēng)險(xiǎn)度量模型顯得迫切而必要。

1．模型的基本假設(shè)

在風(fēng)險(xiǎn)模型中，KMV模型是比較主流的企業(yè)違約風(fēng)險(xiǎn)度量模型，并且考慮到目前我國缺乏實(shí)際違約的數(shù)據(jù)，KMV模型信息需求量較小也更適合我國的實(shí)際情況[7]，因此本文的基本模型框架選擇KMV模型，但做了修正。

2．模型主體構(gòu)建

（1）違約距離[8]

違約風(fēng)險(xiǎn)并不代表一定違約，而是表示企業(yè)違約的可能性大小，因此利用違約距離進(jìn)行度量：

其中，DD為違約距離，V為資產(chǎn)價(jià)值，Vσ為資產(chǎn)波動(dòng)率，DP為企業(yè)的違約點(diǎn)，即企業(yè)債務(wù)達(dá)到多少規(guī)模后企業(yè)會(huì)發(fā)生違約。違約距離DD越大說明企業(yè)違約風(fēng)險(xiǎn)越小，反之則越大。

（2）資產(chǎn)及波動(dòng)率

對(duì)企業(yè)的股權(quán)所有人來說，如果企業(yè)的資產(chǎn)價(jià)值低于觸發(fā)違約行為的債權(quán)價(jià)值，即違約點(diǎn)，那債務(wù)持有人有權(quán)對(duì)企業(yè)要求清償，企業(yè)的清償價(jià)值將優(yōu)先分配給債權(quán)人，此時(shí)，股權(quán)持有人的企業(yè)價(jià)值為零；如果企業(yè)的資產(chǎn)價(jià)值高于違約點(diǎn)，股權(quán)持有人手持股權(quán)的價(jià)值就等于資產(chǎn)價(jià)值減去債權(quán)價(jià)值。因此，股權(quán)價(jià)值可以利用Black-Scholes-Merton 期權(quán)公式表示：

其中，E為股權(quán)價(jià)值，D為債權(quán)價(jià)值，r為無風(fēng)險(xiǎn)收益率，T為債券期限

可以得到如下公式：

3．相關(guān)參數(shù)的修正

（1）對(duì)股權(quán)價(jià)值E的修正

考慮到股票市場(chǎng)在一定期限內(nèi)可以反映股權(quán)的實(shí)際價(jià)值這個(gè)基本假設(shè)，本文將非限售股股權(quán)價(jià)值定義為年平均股價(jià)與非限售股本的乘積：

其中，為年平均股價(jià)，N1為非限售股，數(shù)據(jù)的選擇根據(jù)所選擇的目標(biāo)負(fù)債報(bào)告期為準(zhǔn)。

國資委、證監(jiān)會(huì)聯(lián)合簽署的《國有股東轉(zhuǎn)讓所持上市公司股份管理暫行辦法》第24條中提及“國有股權(quán)協(xié)議轉(zhuǎn)讓價(jià)格應(yīng)不低于協(xié)議簽署日前30個(gè)交易日的均價(jià)”。雖然這并沒有專門針對(duì)限售股股權(quán)價(jià)值，但本文認(rèn)為其仍然可以作為定價(jià)參考。本文構(gòu)造線性模型估計(jì)限售股價(jià)值，具體方法如下：

其中，X1為EPS，X2為每股凈資產(chǎn)，X3為每股經(jīng)營活動(dòng)現(xiàn)金流，X4為資產(chǎn)周轉(zhuǎn)率，X5為資產(chǎn)負(fù)債率。

因?yàn)椴煌袠I(yè)的行業(yè)特征不一樣，一個(gè)線性方程并不能恰當(dāng)?shù)墓烙?jì)所有企業(yè)的限售股價(jià)值。針對(duì)不同的行業(yè)，銷售股股權(quán)價(jià)值E2可表示如下：

其中，P2為回歸模型估計(jì)價(jià)格，為協(xié)議簽署日前三十日股票均價(jià)，N2為限售股股權(quán)數(shù)量。

（2）違約點(diǎn)DP的修正

對(duì)中國公司而言，將違約點(diǎn)設(shè)定為短期負(fù)債加上長期負(fù)債的0.75倍擬合效果更好。此外還需要考慮的一個(gè)問題是，正如前文關(guān)于美國歷史的論述，息稅負(fù)擔(dān)對(duì)企業(yè)的違約行為影響很大。并且，如果把負(fù)債結(jié)構(gòu)分為長期和短期負(fù)債，一般而言長期負(fù)債具備稅盾優(yōu)勢(shì)。在目標(biāo)資產(chǎn)結(jié)構(gòu)中可以承受更多的債務(wù)，不能忽略稅率對(duì)企業(yè)負(fù)債分析的影響[10]?；谏厦娴姆治?，本文對(duì)DP修正如下：

其中D1是短期負(fù)債，D2是長期負(fù)債，t是企業(yè)的實(shí)際稅率，DP0是企業(yè)基于目前的負(fù)債機(jī)構(gòu)計(jì)算出的初始違約點(diǎn)，Debtobj是目標(biāo)的負(fù)債規(guī)模，即企業(yè)決定發(fā)行多少規(guī)模的債券。

三、大樣本下的中國實(shí)證

（一）中國企業(yè)的實(shí)證研究

考慮到財(cái)務(wù)信息的可獲得性及研究工作的前瞻性，本文選擇A股大約2378家企業(yè)作為樣本，從大樣本的角度來分析中國企業(yè)的違約風(fēng)險(xiǎn)特征及其行業(yè)比較，進(jìn)而為債券選擇提供參考依據(jù)。本文的數(shù)據(jù)選自2012年年報(bào)公布的財(cái)務(wù)數(shù)據(jù)，無風(fēng)險(xiǎn)收益率r為2013年8月某日的一年期國債收益率2.9%。對(duì)于模型求解過程中涉及到的限售股股權(quán)價(jià)值估計(jì)，依照前面的論述，考慮到模型的統(tǒng)計(jì)特征，選擇如表1所示的回歸估計(jì)。

表1 行業(yè)限售股股價(jià)估計(jì)模型

然后根據(jù)前文所述，計(jì)算出股權(quán)價(jià)值E。對(duì)于企業(yè)的實(shí)際稅率，本文依據(jù)企業(yè)前三年的平均實(shí)際稅率計(jì)算，每年的實(shí)際稅率=凈利潤/利潤總額。根據(jù)財(cái)務(wù)報(bào)表的相關(guān)信息，計(jì)算出相應(yīng)的初始違約點(diǎn)。對(duì)于資產(chǎn)價(jià)值與資產(chǎn)波動(dòng)率，本文根據(jù)前述模型，利用Matlab2011 求解，求解方式選擇功能函數(shù)fsolve，最后，根據(jù)違約距離公式，求解DD。

（一）中觀產(chǎn)業(yè)：產(chǎn)業(yè)鏈上的風(fēng)險(xiǎn)特征

本文根據(jù)產(chǎn)業(yè)鏈分布將樣本中的2000多家企業(yè)分為資源類、公用事業(yè)類、建筑與工程類、房地產(chǎn)類、能源設(shè)設(shè)備與化工類、多元金融類、交通運(yùn)輸類、綜合工業(yè)類、可選消費(fèi)類、日常消費(fèi)類、信息技術(shù)類、醫(yī)療保健類十二大類，分別統(tǒng)計(jì)每個(gè)類別的平均違約距離。因?yàn)檫@里我們關(guān)心的是企業(yè)違約距離在產(chǎn)業(yè)鏈上的風(fēng)險(xiǎn)特征，為了便于比較，在這里本文均采用初始資本結(jié)構(gòu)進(jìn)行靜態(tài)分析，時(shí)間期限假設(shè)為一年，得到企業(yè)違約風(fēng)險(xiǎn)的產(chǎn)業(yè)鏈分布特征如圖3所示。

圖1 不同行業(yè)的違約風(fēng)險(xiǎn)靜態(tài)比較

深色較深的行業(yè)為產(chǎn)業(yè)鏈上游行業(yè)，較淺的為下游行業(yè)，違約距離一欄為該類行業(yè)的平均違約距離。從本文的角度出發(fā)，上游行業(yè)的違約風(fēng)險(xiǎn)較大，下游行業(yè)的違約風(fēng)險(xiǎn)較小，中游行業(yè)的違約風(fēng)險(xiǎn)呈分化的趨勢(shì)。單從產(chǎn)業(yè)鏈違約距離的分布來看，可能的解釋為，上游行業(yè)債務(wù)負(fù)擔(dān)重，并且過多的產(chǎn)能不易消化，企業(yè)違約風(fēng)險(xiǎn)大。下游行業(yè)貼近消費(fèi)者，有消費(fèi)終端的需求刺激，相對(duì)于上游行業(yè)，違約風(fēng)險(xiǎn)較小。中游行業(yè)企業(yè)分部跨度大，所以違約風(fēng)險(xiǎn)的分化特征較強(qiáng)。由于本文是根據(jù)財(cái)務(wù)數(shù)據(jù)的理論探討，未必所有結(jié)論都與市場(chǎng)預(yù)期一致，其差異的可能解釋如表2所示。但是基于大樣本的模型結(jié)論也許能揭示潛在的違約風(fēng)險(xiǎn)特征，這些潛在的風(fēng)險(xiǎn)，有可能被市場(chǎng)忽視。

表2 理論模型結(jié)論的可能解釋

從歷史上看，資本市場(chǎng)最終是會(huì)獎(jiǎng)賞那些風(fēng)險(xiǎn)管控良好的行業(yè)，并且懲罰那些潛在風(fēng)險(xiǎn)巨大的行業(yè)，甚至是現(xiàn)在很多人看好的行業(yè)。本文把樣本中的企業(yè)按照違約風(fēng)險(xiǎn)的大小分為違約風(fēng)險(xiǎn)較大和違約風(fēng)險(xiǎn)較小兩大類，列出了其在2012年及2013年年初至8月底的股票收益情況，如表3所示。

表3 風(fēng)險(xiǎn)特征不同的行業(yè)在股票市場(chǎng)上表現(xiàn)各異

對(duì)于違約風(fēng)險(xiǎn)較大的行業(yè)，其在2012年的股票市場(chǎng)表現(xiàn)較好，高風(fēng)險(xiǎn)高收益的特征也滿足資本市場(chǎng)的基本規(guī)律。但是在2013年，違約風(fēng)險(xiǎn)較大的行業(yè)其股票表現(xiàn)大幅下滑，與2012年的表現(xiàn)背離較大，并且平均收益率遠(yuǎn)低于違約風(fēng)險(xiǎn)較小的行業(yè)。高風(fēng)險(xiǎn)的行業(yè)并沒有保證高收益，這似乎有悖于人們的基本認(rèn)識(shí)。不過根據(jù)歷史經(jīng)驗(yàn)，這似乎并非高風(fēng)險(xiǎn)行業(yè)偶然的滑鐵盧。再次借鑒美國的違約案例，從1883～2002年，如果把違約數(shù)量高發(fā)的時(shí)期按照3年為一個(gè)區(qū)間進(jìn)行劃分，可以得到表4。

表4 違約數(shù)量高的時(shí)期資本市場(chǎng)回報(bào)較低

可見，違約風(fēng)險(xiǎn)較大的時(shí)候，對(duì)應(yīng)的資本市場(chǎng)表現(xiàn)較差；違約風(fēng)險(xiǎn)較小的時(shí)候，對(duì)應(yīng)的資本市場(chǎng)表現(xiàn)較好。無論是美國歷史還是中國實(shí)踐，告訴了我們：違約風(fēng)險(xiǎn)大的行業(yè)其近期的歷史股價(jià)漲跌幅較高，反映了高風(fēng)險(xiǎn)高收益特征，但未來資本市場(chǎng)獎(jiǎng)勵(lì)的仍然是風(fēng)險(xiǎn)適度的行業(yè)，美國如此，中國亦然，可能時(shí)期不同，但市場(chǎng)不會(huì)騙人。

圖2 行業(yè)風(fēng)險(xiǎn)收益綜對(duì)比圖

四、不同行業(yè)的風(fēng)險(xiǎn)收益特征

研究違約風(fēng)險(xiǎn)的價(jià)值不僅在于提高風(fēng)險(xiǎn)意識(shí)，更在于指導(dǎo)投資。在實(shí)務(wù)當(dāng)中不同的投資者風(fēng)險(xiǎn)偏好不一樣，對(duì)理性的投資者而言，只要是有高的回報(bào)，承擔(dān)一些風(fēng)險(xiǎn)也未嘗不可。投資決策時(shí)將風(fēng)險(xiǎn)與收益綜合起來考慮的，基于這個(gè)邏輯，本文沿用上述產(chǎn)業(yè)鏈的行業(yè)分類，取1年為短期，5年為中期，10年為長期，得到如圖2所示的行業(yè)風(fēng)險(xiǎn)收益綜合對(duì)比圖。

從風(fēng)險(xiǎn)收益的角度綜合考量，無論是從短期、中期還是長期來看，建筑與工程及房地產(chǎn)都呈現(xiàn)出風(fēng)險(xiǎn)大但收益小的特點(diǎn)，如果選擇這兩類企業(yè)的債券，其利率中樞應(yīng)該更高才考慮持有。對(duì)于醫(yī)療保健，其行業(yè)特征為風(fēng)險(xiǎn)小且收益高，在當(dāng)前的經(jīng)濟(jì)環(huán)境下未來信用利差下行的可能性較大，投資者可考慮在高位積極配置。而違約風(fēng)險(xiǎn)較小的信息技術(shù)行業(yè)，其收益特征并不顯著，原因可能是該行業(yè)公司大小不一，企業(yè)內(nèi)部規(guī)模資質(zhì)分化很大，考慮到美國歷史上的信息泡沫案例，建議謹(jǐn)慎配置。

[1]BLACK F,SCHOLES M,et al.The pricing of options and corporate liabilities[J].Journal of Political Economy,1973(81):399-418.

[2]程鵬，吳沖鋒.上市公司信用狀況分析新方法[J].系統(tǒng)工程理論方法應(yīng)用,2002,11(2):89-93.

[3]GIESECKE K,LONGSTAFF F A,SCHAEFER S,et al.Corporate bond default risk:a 150-year perspective[J].Journal of Financial Economics,2011,102:233-250.

[4]SYLLA R.Ratings,rating agencies and the global financial system[M].US:Springer,2002:19-40.

[5]李琦.中國債券收益率曲線對(duì)經(jīng)濟(jì)增長的預(yù)測(cè)能力分析[J].理論研究,2012,6(430):23-27.

[6]趙偉.“克強(qiáng)經(jīng)濟(jì)學(xué)”必須直面的難題[J].浙江經(jīng)濟(jì),2013(15):65.

[7]SU E D,HUANG S M.Comparing firm failure predictions between Logit,KMV and ZPP models:evidence from Taiwan’s electronic industries[J].Asia-Pacific Financial Market,2010,17:209-239.

[8]BHARATH S T,SHUMAY T.Forecasting default with the Merton Distance to default model[J].The Review of Financial Studies,2008,21(3):1339-1369.

[9]孫小琰，沈悅，羅璐琦.基于KMV模型的我國上市公司價(jià)值評(píng)估實(shí)證研究[J].管理工程學(xué)報(bào),2008,22(1):102-108.

[10]LONGSTAFF F A.Municipal debt and marginal tax rates:is there a tax premium in asset prices?[J].The Journal of Finance,2011,66(3):721-751.