公司應(yīng)收票據(jù)風(fēng)險(xiǎn)實(shí)證分析

摘 要：本文借鑒國(guó)內(nèi)外學(xué)者在應(yīng)收票據(jù)方面的研究成果，采用理論與實(shí)證、定性分析的研究方法，將有關(guān)信用風(fēng)險(xiǎn)的度量與公司應(yīng)收票據(jù)的具體情況相結(jié)合，通過(guò)大量的數(shù)據(jù)和圖表來(lái)描述問(wèn)題。本文選擇從公司應(yīng)收票據(jù)現(xiàn)狀的角度進(jìn)行研究，抽絲剝繭，逐級(jí)遞進(jìn)，對(duì)其存在的問(wèn)題進(jìn)行歸納總結(jié)，從而對(duì)其風(fēng)險(xiǎn)管控進(jìn)行探討與分析，最后提出對(duì)公司應(yīng)收票據(jù)風(fēng)險(xiǎn)管控的建議和思考。

關(guān)鍵詞：應(yīng)收賬款；票據(jù)風(fēng)險(xiǎn)；VaR模型

一、公司應(yīng)收票據(jù)現(xiàn)狀及問(wèn)題分析

近年來(lái)，我國(guó)經(jīng)濟(jì)正處在增長(zhǎng)速度的換擋期、結(jié)構(gòu)調(diào)整的陣痛期和前期刺激政策的消化期“三期疊加”階段，經(jīng)濟(jì)下行壓力較大，加之銀行信貸規(guī)模縮減，導(dǎo)致省內(nèi)多數(shù)高耗能企業(yè)無(wú)法取得貸款，銀行承兌匯票憑借其攜帶方便、可轉(zhuǎn)讓流通而且融資相對(duì)容易等優(yōu)點(diǎn)，在日常結(jié)算中占據(jù)重要角色。

二、基于VaR的CreditMetrics模型的應(yīng)收票據(jù)實(shí)證分析

本文主要選取某公司2014年票據(jù)持有時(shí)點(diǎn)量，對(duì)應(yīng)收票據(jù)現(xiàn)狀的風(fēng)險(xiǎn)進(jìn)行評(píng)估和定量分析。下文選取基于VaR的CreditMetrics模型對(duì)公司應(yīng)收票據(jù)的風(fēng)險(xiǎn)進(jìn)行實(shí)證分析。

（一）參數(shù)選取

1.樣本數(shù)據(jù)的選取。數(shù)據(jù)采用2014年10月31日公司持有的票據(jù)量的時(shí)點(diǎn)數(shù)據(jù)，經(jīng)過(guò)分類歸納，目前公司持有的票據(jù)分別來(lái)自68家不同的金融機(jī)構(gòu)，根據(jù)評(píng)級(jí)機(jī)構(gòu)對(duì)國(guó)內(nèi)金融機(jī)構(gòu)的評(píng)級(jí)分析，我們暫且將68家金融機(jī)構(gòu)分為5類進(jìn)行VaR的計(jì)算，這五類包括國(guó)有政策性銀行，全國(guó)性股份制商業(yè)銀行，大型城市商業(yè)銀行，地方性商業(yè)銀行，農(nóng)村金融機(jī)構(gòu)。

2.信用等級(jí)的評(píng)定。對(duì)中國(guó)境內(nèi)銀行的評(píng)級(jí)，本文通過(guò)查詢標(biāo)準(zhǔn)普爾和穆迪兩大權(quán)威評(píng)級(jí)機(jī)構(gòu)得到。

3.違約回收率的選擇。根據(jù)債務(wù)優(yōu)先級(jí)別以及信用等級(jí)之間的對(duì)應(yīng)關(guān)系統(tǒng)計(jì)出的貸款這一信用資產(chǎn)不同等級(jí)年末違約回收率的情況。按照會(huì)計(jì)謹(jǐn)慎性原則，在本文的研究中，選取低級(jí)次級(jí)的違約回收率用于VaR的計(jì)算。

資料來(lái)源：Gupton.G，C.Finger and M.Bhatia，CreditMetricsTM-Technical Document，1997：26。

4.零息債券的選擇。為了估算票據(jù)到期后的風(fēng)險(xiǎn)值，我們需要按照一定的折現(xiàn)率將票據(jù)到期價(jià)值折算為收到票據(jù)時(shí)的現(xiàn)值。本文采用遠(yuǎn)期零息債收益曲線作為折現(xiàn)率計(jì)算。

資料來(lái)源：Gupton.G，C.Finger and M.Bhatia，CreditMetricsTM-Technical Document，1997：27。

5.置信水平的選擇。根據(jù)資產(chǎn)管理者對(duì)風(fēng)險(xiǎn)的厭惡程度和對(duì)風(fēng)險(xiǎn)的承受能力來(lái)確定不同的置信區(qū)間。例如，當(dāng)一個(gè)分析者計(jì)算期望風(fēng)險(xiǎn)，謹(jǐn)慎的投資者會(huì)選擇更高的置信區(qū)間來(lái)減少投資的風(fēng)險(xiǎn)；樂(lè)觀的投資者偏好使用較低的置信區(qū)間去預(yù)測(cè)風(fēng)險(xiǎn)，因?yàn)檫@樣可以使收益最大化。通常情況下，置信區(qū)間選擇在95%到99%之間。

本文選取95%和99%兩個(gè)置信水平進(jìn)行VaR值的計(jì)算。

6.持有期的選擇。公司所持有的票據(jù)持有期均小于1年，故本文VaR所選用的參數(shù)均取1年來(lái)計(jì)算。

（二）模型的實(shí)證計(jì)算

其他四個(gè)等級(jí)票據(jù)在險(xiǎn)價(jià)值的計(jì)算方法同A級(jí)票據(jù)的計(jì)算方法，后面不再贅述計(jì)算過(guò)程。

（三）實(shí)證結(jié)果分析

根據(jù)計(jì)算結(jié)果可以看出，公司持有的五類不同風(fēng)險(xiǎn)等級(jí)的票據(jù)對(duì)于風(fēng)險(xiǎn)厭惡的資產(chǎn)管理者（悲觀），其持有的銀行承兌匯票在到期日前有99%的可能性最大損失不會(huì)超過(guò)6131.34萬(wàn)元（A級(jí)）、3379.32萬(wàn)元（BBB級(jí)）、733.19萬(wàn)元（BB級(jí)）、19825.09萬(wàn)元（B級(jí)）、12364.23萬(wàn)元（CCC級(jí)）。

由圖2.1可以直觀的看出B級(jí)、CCC級(jí)票據(jù)預(yù)估的VaR值在對(duì)應(yīng)級(jí)別票據(jù)金額中占比較大，其中B級(jí)銀行承兌匯票在95%置信區(qū)間預(yù)測(cè)的VaR值占該級(jí)別總金額的28.20%，在99%置信區(qū)間預(yù)測(cè)的VaR值占該級(jí)別總金額的39.88%；CCC級(jí)銀行承兌匯票在95%置信區(qū)間預(yù)測(cè)的VaR值占該級(jí)別總金額的46.94%，在99%置信區(qū)間預(yù)測(cè)的VaR值占該級(jí)別總金額的66.37%。這兩類評(píng)級(jí)目前持有的銀行承兌匯票值得特別關(guān)注，尤其需要對(duì)其做動(dòng)態(tài)跟蹤與分析，并制定應(yīng)急預(yù)案。

BB級(jí)票據(jù)雖然預(yù)估的VaR值占比超過(guò)10%，但其總量較小，因此造成的損失也較少。BBB級(jí)票據(jù)與B級(jí)票據(jù)持有量相當(dāng)，但是BBB級(jí)預(yù)估的信用風(fēng)險(xiǎn)顯著低于B級(jí)銀行承兌匯票，因此可以看出目前公司票據(jù)持有結(jié)構(gòu)不夠合理，應(yīng)盡量持有信用等級(jí)高的票據(jù)。

三、實(shí)證研究小結(jié)

利用基于VAR的CreditMetrics模型對(duì)公司應(yīng)收票據(jù)信用風(fēng)險(xiǎn)進(jìn)行量化，標(biāo)志著風(fēng)險(xiǎn)估值和管理工作，在精確性和主動(dòng)性方面取得了巨大的進(jìn)步，其能夠評(píng)估出票據(jù)總體的風(fēng)險(xiǎn)規(guī)模，可以給資產(chǎn)的管理決策者提供一個(gè)直觀的依據(jù)進(jìn)行判斷，針對(duì)可能的不利情況設(shè)立相應(yīng)的資本緩沖，以確保公司正常運(yùn)轉(zhuǎn)。根據(jù)模型結(jié)果，可以根據(jù)本年度整體資金計(jì)劃以及資金策略有針對(duì)性地收取銀行承兌匯票，適當(dāng)調(diào)高BBB級(jí)和BB級(jí)票據(jù)的占比，限制B級(jí)和CCC級(jí)兩類風(fēng)險(xiǎn)較高票據(jù)的的收取，以事先預(yù)估非預(yù)期損失的經(jīng)濟(jì)資本，將風(fēng)險(xiǎn)度量真正落到實(shí)處。

四、模型局限性

VaR模型最初用于度量市場(chǎng)風(fēng)險(xiǎn)，對(duì)信用風(fēng)險(xiǎn)的評(píng)估和定價(jià)還處于使用完善階段。但是，其對(duì)信用風(fēng)險(xiǎn)度量具有一定的借鑒價(jià)值。由于資產(chǎn)分布收益多呈現(xiàn)“厚尾”的特點(diǎn)，因此估算的VaR值會(huì)偏小，建議使用99%置信度下計(jì)算的VaR。我國(guó)沒(méi)有權(quán)威信用評(píng)級(jí)系統(tǒng)，同時(shí)缺少長(zhǎng)期的歷史數(shù)據(jù)，信用評(píng)級(jí)不健全，模型中轉(zhuǎn)移概率取自于歷史數(shù)據(jù)平均值，而實(shí)際研究表明，轉(zhuǎn)移概率與宏觀經(jīng)濟(jì)狀況有直接的關(guān)系，會(huì)受到GDP增長(zhǎng)、通貨膨脹、失業(yè)率、經(jīng)濟(jì)周期等因素的影響。因此文中使用的信用轉(zhuǎn)移矩陣略有誤差。

五、結(jié)語(yǔ)

通過(guò)對(duì)公司應(yīng)收票據(jù)管理現(xiàn)狀及市場(chǎng)風(fēng)險(xiǎn)的分析，我們認(rèn)為應(yīng)收票據(jù)風(fēng)險(xiǎn)管控是一個(gè)綜合的系統(tǒng)性的工作，需要從風(fēng)險(xiǎn)控制環(huán)境、應(yīng)收票據(jù)的風(fēng)險(xiǎn)評(píng)估與分析、風(fēng)險(xiǎn)應(yīng)急機(jī)制與法律支持、管理制度與執(zhí)行、信息溝通與反饋機(jī)制建設(shè)五方面加以完善。

參考文獻(xiàn)：

[1]楊桂芬，趙相如.商業(yè)銀行票據(jù)業(yè)務(wù)存在的風(fēng)險(xiǎn)及建議，河北金融，2007，（11），26-28.

[2]彭方成.利用ERP平臺(tái)，優(yōu)化票據(jù)管理，冶金財(cái)會(huì)，2006，（04），8-9.

作者簡(jiǎn)介：

劉文婷（1984-），女，漢族，陜西延川人，碩士研究生，會(huì)計(jì)師，主要從事經(jīng)濟(jì)金融信貸類工作。