固定收益證券違約風(fēng)險(xiǎn)評(píng)價(jià)模型構(gòu)建及擴(kuò)展

吳復(fù)成　畢舟　車鑫

【摘要】固定收益證券是各類金融機(jī)構(gòu)資產(chǎn)的重要組成部分，固定收益證券的風(fēng)險(xiǎn)在于收益和本金能否按照約定收回，即證券發(fā)行人發(fā)生違約的風(fēng)險(xiǎn)。鑒于近幾年國(guó)內(nèi)債券市場(chǎng)違約事件頻發(fā)，選取2014～2016年21家實(shí)質(zhì)違約債券發(fā)行主體作為樣本，構(gòu)建債券發(fā)行主體違約風(fēng)險(xiǎn)評(píng)價(jià)模型，并基于非財(cái)務(wù)指標(biāo)對(duì)模型進(jìn)行擴(kuò)展。研究結(jié)果顯示：違約公司在資產(chǎn)規(guī)模、長(zhǎng)期償債能力、盈利能力方面與未違約公司存在顯著差異;基于財(cái)務(wù)指標(biāo)的Logit違約風(fēng)險(xiǎn)評(píng)價(jià)模型總體預(yù)測(cè)誤差率為20%;基于行業(yè)、產(chǎn)權(quán)屬性擴(kuò)展的債券違約風(fēng)險(xiǎn)評(píng)價(jià)模型的有效性有所提高。

【關(guān)鍵詞】固定收益證券;違約風(fēng)險(xiǎn)評(píng)價(jià);Logit模型;財(cái)務(wù)指標(biāo);非財(cái)務(wù)指標(biāo)

【中圖分類號(hào)】F832

【文獻(xiàn)標(biāo)識(shí)碼】A

【文章編號(hào)】1004-0994（2019）10-0152-8

一、引言

固定收益證券（FixedIncomeSecurities）是現(xiàn)代金融資產(chǎn)的重要內(nèi)容，最早出現(xiàn)于政府債券市場(chǎng)，理論界和實(shí)務(wù)界分別從不同角度提出固定收益證券的定義。廣義而言，一項(xiàng)投資約定在未來(lái)一段時(shí)間內(nèi)以固定支付方式定期支付利息和到期支付本金即可稱之為固定收益資產(chǎn)。與固定收益證券相對(duì)應(yīng)的資產(chǎn)稱為浮動(dòng)收益證券，即投資收益并非固定或可確定，而是會(huì)隨著市場(chǎng)變化而變化。固定收益證券一般包括以下要素：發(fā)行人、票面利率、面值、還本付息日等。當(dāng)前，固定收益證券主要包括各類債券，如國(guó)債、地方政府債、公司債、企業(yè)債、中期票據(jù)、短期融資券、私募債、城投債等，還包括其他收益相對(duì)固定的證券資產(chǎn)，如優(yōu)先股股權(quán)、信托資產(chǎn)、專項(xiàng)資產(chǎn)管理計(jì)劃、不良貸款證券化等。我國(guó)固定收益證券在金融市場(chǎng)上的發(fā)展勢(shì)頭異常強(qiáng)勁，成為各類經(jīng)濟(jì)組織、地方政府的重要融資渠道，推動(dòng)了經(jīng)濟(jì)社會(huì)發(fā)展。我國(guó)固定收益證券市場(chǎng)按照發(fā)行形式分為債券市場(chǎng)和其他固定收益證券市場(chǎng)，其中債券市場(chǎng)又存在三類交易場(chǎng)所，包括全國(guó)銀行間債券市場(chǎng)、商業(yè)銀行柜臺(tái)債券市場(chǎng)及證券交易所債券市場(chǎng)。銀行間債券市場(chǎng)是我國(guó)主要債券發(fā)行和交易場(chǎng)所，是機(jī)構(gòu)投資者進(jìn)行大宗交易的場(chǎng)外市場(chǎng)，是我國(guó)債券市場(chǎng)主體。當(dāng)前，我國(guó)銀行間債券市場(chǎng)包括財(cái)政部、政策性銀行、政府機(jī)構(gòu)、商業(yè)銀行、非銀行金融機(jī)構(gòu)等各類市場(chǎng)主體。固定收益證券違約風(fēng)險(xiǎn)是證券發(fā)行定價(jià)的關(guān)鍵參數(shù)，也是商業(yè)銀行實(shí)施新巴塞爾協(xié)議、建立內(nèi)部評(píng)級(jí)體系必須測(cè)算的關(guān)鍵參數(shù)。結(jié)合債券違約風(fēng)險(xiǎn)評(píng)價(jià)模型，當(dāng)前實(shí)踐中代表性違約風(fēng)險(xiǎn)評(píng)價(jià)體系包括信用評(píng)級(jí)模型和違約概率統(tǒng)計(jì)模型。其中，信用評(píng)級(jí)是固定收益證券發(fā)行的核心機(jī)制，用于投資者、監(jiān)管部門掌握固定收益證券違約風(fēng)險(xiǎn)，是監(jiān)管、定價(jià)的重要基準(zhǔn)，著名的信用評(píng)級(jí)公司包括穆迪公司、標(biāo)準(zhǔn)普爾公司。此外，學(xué)者們還開發(fā)了一系列基于財(cái)務(wù)指標(biāo)的違約概率統(tǒng)計(jì)模型，包括線性回歸預(yù)測(cè)模型、Logit違約概率預(yù)測(cè)模型、Probit違約概率預(yù)測(cè)模型?；谪?cái)務(wù)指標(biāo)的違約概率模型成為信用評(píng)級(jí)制度的重要補(bǔ)充，是投資者的重要決策依據(jù)。例如，吳世農(nóng)、盧賢義[1]應(yīng)用Logit模型研究我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)問題，鮮文鐸、向銳[2]應(yīng)用混合Logistic模型研究我國(guó)上市公司的財(cái)務(wù)困境預(yù)測(cè)問題，盧永艷、王維國(guó)[3]應(yīng)用面板Logit模型研究企業(yè)財(cái)務(wù)危機(jī)的預(yù)警問題，阮素梅、周澤林[4]應(yīng)用Logistic模型實(shí)證檢驗(yàn)P2P網(wǎng)貸信用違約的關(guān)鍵影響因素。

本文構(gòu)建Logit違約風(fēng)險(xiǎn)評(píng)價(jià)模型的過程如下：通過初選財(cái)務(wù)指標(biāo)的相關(guān)性分析，刪除反映信息重復(fù)的財(cái)務(wù)指標(biāo)，通過財(cái)務(wù)指標(biāo)系數(shù)的顯著性檢驗(yàn)，刪除對(duì)違約概率解釋能力較弱的財(cái)務(wù)指標(biāo)，以線性回歸的擬合優(yōu)度為標(biāo)準(zhǔn)，選取樣本行業(yè)Logit違約風(fēng)險(xiǎn)評(píng)價(jià)模型的關(guān)鍵財(cái)務(wù)指標(biāo)，建立50家樣本公司的Logit違約風(fēng)險(xiǎn)評(píng)價(jià)模型，為發(fā)債公司違約概率的測(cè)算提供模型與方法。

二、樣本來(lái)源與研究設(shè)計(jì)

1.樣本來(lái)源。2014年以來(lái)，我國(guó)信用債市場(chǎng)信用事件頻發(fā)，自2014年起至2016年9月30日，共發(fā)生信用事件436起，涉及發(fā)債主體255家。從信用事件類型看，以發(fā)債主體評(píng)級(jí)及展望下調(diào)，或者列入事項(xiàng)觀察名單為主;發(fā)債主體信用事件多分布在第二、第三季度，且2016年前9個(gè)月發(fā)生信用事件的次數(shù)顯著高于2014年、2015年全年。

為定量測(cè)度債券發(fā)行主體的違約概率，本文選取2014～2016年21家實(shí)質(zhì)違約債券發(fā)行主體為樣本，包括協(xié)鑫集成科技股份有限公司、中科云網(wǎng)科技集團(tuán)股份有限公司等。債券違約主體樣本基本情況見表1。

同時(shí)，本文隨機(jī)選取29家未發(fā)生違約事件的企業(yè)作為對(duì)照樣本，用以比較測(cè)度債券違約因子，未違約對(duì)照樣本基本情況見表2。

2.模型設(shè)計(jì)。Logit回歸為概率型非線性回歸模型，是研究分類結(jié)果（y）與影響因素（x）之間關(guān)系的一種多變量分析方法。在統(tǒng)計(jì)學(xué)中，誤判分為兩類，第一類錯(cuò)誤稱為“存?zhèn)巍保侵笇⒏咝庞蔑L(fēng)險(xiǎn)企業(yè)誤判為低信用風(fēng)險(xiǎn)企業(yè)的錯(cuò)誤[5]。第二類錯(cuò)誤稱為“拒真”，是指將低風(fēng)險(xiǎn)企業(yè)誤判為高信用風(fēng)險(xiǎn)企業(yè)的錯(cuò)誤[6-8]。在國(guó)外，Logit模型最早用來(lái)預(yù)測(cè)公司的破產(chǎn)及違約概率。在國(guó)內(nèi)，龐素琳[9]選取63家上市公司建立Logit信用評(píng)價(jià)模型，判別準(zhǔn)確率達(dá)到99.06%。

本文的被解釋變量債券違約是二元虛擬變量，因此選擇二分類Logit模型進(jìn)行檢驗(yàn)。其中，某類型結(jié)果發(fā)生概率與不發(fā)生概率比值記為odds：

對(duì)odds取對(duì)數(shù)，實(shí)現(xiàn)Logit變換：

其中，X為債券發(fā)行主體關(guān)鍵財(cái)務(wù)指標(biāo)，通過最大似然法可以得到參數(shù)β。

根據(jù)回歸結(jié)果求反函數(shù)，可得到債券發(fā)行主體違約概率P的表達(dá)式：

3.變量選擇。根據(jù)企業(yè)常用的財(cái)務(wù)指標(biāo)以及數(shù)據(jù)的可獲得性，從資產(chǎn)結(jié)構(gòu)、償債能力、盈利能力、營(yíng)運(yùn)能力方面選取了50家企業(yè)的10個(gè)相關(guān)指標(biāo)。財(cái)務(wù)指標(biāo)的具體說明見表3。

三、樣本公司的財(cái)務(wù)特征

1.資產(chǎn)規(guī)模特征。表4為樣本公司資產(chǎn)規(guī)模Size的均值檢驗(yàn)結(jié)果。結(jié)果顯示，樣本公司總體資產(chǎn)規(guī)模均值為5.53，其中違約公司資產(chǎn)規(guī)模均值為4.98（約為145.47億元人民幣），未違約公司資產(chǎn)規(guī)模均值為5.94（約為379.93億元人民幣）。違約公司與未違約公司資產(chǎn)規(guī)模均值T檢驗(yàn)結(jié)果顯示，違約公司資產(chǎn)規(guī)模比未違約公司資產(chǎn)規(guī)模在1%的水平上顯著低0.95（約為234.46億元人民幣）。檢驗(yàn)結(jié)果表明，債券違約公司存在資產(chǎn)規(guī)模較小的特征。

2.長(zhǎng)期償債能力特征。表5為樣本公司長(zhǎng)期償債能力Lev與Icr的均值檢驗(yàn)結(jié)果。資產(chǎn)負(fù)債率Lev檢驗(yàn)結(jié)果顯示，樣本公司總體資產(chǎn)負(fù)債率均值為70.42%，其中違約公司資產(chǎn)負(fù)債率均值為79.76%，未違約公司資產(chǎn)負(fù)債率均值為63.65%。違約公司與未違約公司資產(chǎn)負(fù)債率均值T檢驗(yàn)結(jié)果顯示，違約公司資產(chǎn)負(fù)債率比未違約公司資產(chǎn)負(fù)債率在1%的水平上顯著高16.11%。檢驗(yàn)結(jié)果表明，債券違約公司存在資產(chǎn)負(fù)債率較高的特征。

利息保障倍數(shù)Icr檢驗(yàn)結(jié)果顯示，樣本公司總體利息保障倍數(shù)均值為8.46倍，其中違約公司利息保障倍數(shù)均值為0.19倍，未違約公司利息保障倍數(shù)均值為14.07倍。違約公司與未違約公司利息保障倍數(shù)均值T檢驗(yàn)結(jié)果顯示，違約公司利息保障倍數(shù)比未違約公司利息保障倍數(shù)低13.88倍但不顯著。檢驗(yàn)結(jié)果表明，債券違約公司存在利息保障倍數(shù)較低的特征。

3.短期償債能力特征。表6為樣本公司短期償債能力Liquid與Fast的均值檢驗(yàn)結(jié)果。流動(dòng)比率Liquid檢驗(yàn)結(jié)果顯示，樣本公司總體流動(dòng)比率均值為1.32倍，其中違約公司流動(dòng)比率均值為1.02倍，未違約公司流動(dòng)比率均值為1.55倍。違約公司與未違約公司流動(dòng)比率均值T檢驗(yàn)結(jié)果顯示，違約公司流動(dòng)比率比未違約公司流動(dòng)比率在10%的水平上顯著低0.52倍。檢驗(yàn)結(jié)果表明，債券違約公司存在流動(dòng)比率較低的特征。

速動(dòng)比率Fast檢驗(yàn)結(jié)果顯示，樣本公司總體速動(dòng)比率均值為0.82倍，其中違約公司速動(dòng)比率均值為0.88倍，未違約公司速動(dòng)比率均值為0.72倍。違約公司與未違約公司速動(dòng)比率均值T檢驗(yàn)結(jié)果顯示，違約公司速動(dòng)比率比未違約公司速動(dòng)比率低0.16倍但不顯著。檢驗(yàn)結(jié)果表明，債券違約公司存在速動(dòng)比率較低的特征。

4.盈利能力特征。表7為樣本公司盈利能力

Drev、Gross與Npm的均值檢驗(yàn)結(jié)果。營(yíng)業(yè)收入增長(zhǎng)率Drev檢驗(yàn)結(jié)果顯示，樣本公司總體營(yíng)業(yè)收入增長(zhǎng)率均值為5%，其中違約公司的營(yíng)業(yè)收入增長(zhǎng)率均值為-5.48%，未違約公司的營(yíng)業(yè)收入增長(zhǎng)率均值為4.82%。違約公司與未違約公司營(yíng)業(yè)收入增長(zhǎng)率均值T檢驗(yàn)結(jié)果顯示，違約公司營(yíng)業(yè)收入增長(zhǎng)率比未違約公司營(yíng)業(yè)收入增長(zhǎng)率低10.30%但不顯著。檢驗(yàn)結(jié)果表明，債券違約公司存在營(yíng)業(yè)收入增長(zhǎng)率較低的特征。毛利率Gross檢驗(yàn)結(jié)果顯示，樣本公司總體毛利率均值為20.52%，其中違約公司毛利率均值為12.95%，未違約公司毛利率均值為26.00%。違約公司與未違約公司毛利率均值T檢驗(yàn)結(jié)果顯示，違約公司毛利率比未違約公司毛利率在1%的水平上顯著低13.05%。檢驗(yàn)結(jié)果表明，債券違約公司存在毛利率較低的特征。銷售凈利率Npm檢驗(yàn)結(jié)果顯示，樣本公司總體銷售凈利率均值為-9.03%，其中違約公司銷售凈利率均值為-32.78%，未違約公司銷售凈利率均值為8.77%。違約公司與未違約公司銷售凈利率均值T檢驗(yàn)結(jié)果顯示，違約公司銷售凈利率比未違約公司銷售凈利率在1%的水平上顯著低41.55%。檢驗(yàn)結(jié)果表明，債券違約公司存在銷售凈利率較低的特征。

5.營(yíng)運(yùn)能力特征。表8為樣本公司營(yíng)運(yùn)能力Turnasset與Inventary的均值檢驗(yàn)結(jié)果。總資產(chǎn)周轉(zhuǎn)率Turnasset檢驗(yàn)結(jié)果顯示，樣本公司總體總資產(chǎn)周轉(zhuǎn)率均值為0.47次，其中違約公司與未違約公司總資產(chǎn)周轉(zhuǎn)率均值均為0.47次。違約公司與未違約公司總資產(chǎn)周轉(zhuǎn)率均值T檢驗(yàn)結(jié)果顯示，違約公司總資產(chǎn)周轉(zhuǎn)率比未違約公司總資產(chǎn)周轉(zhuǎn)率高0.001次但不顯著。檢驗(yàn)結(jié)果表明，債券違約公司的總資產(chǎn)周轉(zhuǎn)率與未違約公司不存在明顯差異。?存貨周轉(zhuǎn)率Inventary檢驗(yàn)結(jié)果顯示，樣本公司總體存貨周轉(zhuǎn)率均值為5.83次，其中違約公司存貨周轉(zhuǎn)率均值為7.22次，未違約公司存貨周轉(zhuǎn)率均值為4.83次。違約公司與未違約公司存貨周轉(zhuǎn)率均值T檢驗(yàn)結(jié)果顯示，違約公司存貨周轉(zhuǎn)率比未違約公司存貨周轉(zhuǎn)率高2.38次但不顯著。檢驗(yàn)結(jié)果表明，債券違約公司的存貨周轉(zhuǎn)率與未違約公司不存在明顯差異。

四、債券違約Logit模型構(gòu)建

為定量檢驗(yàn)各財(cái)務(wù)指標(biāo)對(duì)公司債券違約概率的影響，參照潘堅(jiān)和肖慶憲[10]、張海星和靳偉鳳[11]、吳建華等[12]的做法，構(gòu)建公司債券違約風(fēng)險(xiǎn)評(píng)價(jià)模型，本文基于Logit模型構(gòu)建如下檢驗(yàn)?zāi)Ｐ停?/p>

Logi（tP）=c+βX+ε

其中，X為債券發(fā)行主體關(guān)鍵財(cái)務(wù)指標(biāo)，包括公司資產(chǎn)規(guī)模Size、資產(chǎn)負(fù)債率Lev等10個(gè)變量，具體變量定義見表3。為確定最優(yōu)預(yù)測(cè)模型，本文采用逐步回歸法引入顯著性水平低于10%的自變量，模型檢驗(yàn)結(jié)果見表9。

表9顯示，本文選取的10個(gè)財(cái)務(wù)指標(biāo)中，有3個(gè)進(jìn)入公司債券違約風(fēng)險(xiǎn)評(píng)價(jià)模型，分別為資產(chǎn)負(fù)債率Lev、資產(chǎn)規(guī)模Size、毛利率Gross。其中，資產(chǎn)負(fù)債率與公司債券違約在5%的水平上顯著正相關(guān);資產(chǎn)規(guī)模與公司債券違約在1%的水平上顯著負(fù)相關(guān);毛利率與公司債券違約在5%的水平上顯著負(fù)相關(guān)。為保證本文檢驗(yàn)結(jié)果的可靠性，表9同時(shí)報(bào)告了基于普通最小二乘法的OLS回歸結(jié)果，依然表明資產(chǎn)負(fù)債率、資產(chǎn)規(guī)模、毛利率對(duì)債券違約具有顯著影響。

根據(jù)表9的逐步回歸結(jié)果，得到公司債券違約風(fēng)險(xiǎn)評(píng)價(jià)模型為：

進(jìn)一步求得公司債券違約概率表達(dá)式為：

基于上述違約概率公式，本部分分別計(jì)算樣本公司違約概率P的預(yù)測(cè)值，并以50%為閾值，如果預(yù)測(cè)違約概率超過50%，表明該公司屬于預(yù)測(cè)債券違約組，如果預(yù)測(cè)違約概率低于50%，表明該公司屬于預(yù)測(cè)債券暫不違約組。表10報(bào)告了各樣本公司基于本文構(gòu)建的債券違約風(fēng)險(xiǎn)評(píng)價(jià)模型測(cè)度的違約值，并與實(shí)際違約情況進(jìn)行了比較。

表10顯示，本模型發(fā)生第一類誤差的概率為21.21%，即基于本模型預(yù)測(cè)暫不發(fā)生違約的33家公司中，有7家公司實(shí)際發(fā)生違約，26家公司實(shí)際未發(fā)生違約;本模型發(fā)生第二類誤差的概率為17.64%，即基于本模型預(yù)測(cè)發(fā)生違約的17家公司中，有14家公司實(shí)際發(fā)生違約，3家公司實(shí)際未發(fā)生違約。本模型總體預(yù)測(cè)誤差概率為20%，即基于本模型預(yù)測(cè)的50家公司中有10家公司預(yù)測(cè)結(jié)果與實(shí)際情況不一致，其余40家公司預(yù)測(cè)結(jié)果與實(shí)際情況一致。

五、基于非財(cái)務(wù)指標(biāo)的債券違約風(fēng)險(xiǎn)評(píng)價(jià)模型擴(kuò)展

以上基于債券發(fā)行主體財(cái)務(wù)指標(biāo)構(gòu)建的債券違約風(fēng)險(xiǎn)評(píng)價(jià)模型，預(yù)測(cè)質(zhì)量易受到選定的財(cái)務(wù)指標(biāo)代表性的影響，存在著樣本和變量選擇誤差。同時(shí)，以上債券違約風(fēng)險(xiǎn)評(píng)價(jià)模型依賴于Logit模型架構(gòu)的有效性，存在模型設(shè)定誤差。因此，為控制本文構(gòu)建的債券違約風(fēng)險(xiǎn)評(píng)價(jià)模型的誤差，下面在計(jì)量模型基礎(chǔ)上進(jìn)一步引入非財(cái)務(wù)指標(biāo)，對(duì)基本債券違約風(fēng)險(xiǎn)評(píng)價(jià)模型進(jìn)行擴(kuò)展。

債務(wù)違約風(fēng)險(xiǎn)評(píng)價(jià)模型擴(kuò)展形式如下：

上述模型中，P為擴(kuò)展后公司債券違約概率，F(xiàn)1

為基于財(cái)務(wù)指標(biāo)和Logit模型的公司債券違約概率影響系數(shù)，F(xiàn)2為公司所處行業(yè)CCER的債券違約概率影響系數(shù)，F(xiàn)3為公司產(chǎn)權(quán)屬性STATE的債券違約概率影響系數(shù)，F(xiàn)N為公司其他非財(cái)務(wù)指標(biāo)OTHER的債券違約概率影響系數(shù)。

鵬元資信評(píng)估公司研究報(bào)告顯示：2014年以來(lái)我國(guó)信用債市場(chǎng)信用事件頻發(fā)，其中，煤炭開采、鋼鐵、機(jī)械設(shè)備、船舶以及光伏行業(yè)信用事件發(fā)生次數(shù)和頻率均較高;地方國(guó)有企業(yè)、民營(yíng)企業(yè)高于中央國(guó)有企業(yè)，但民營(yíng)企業(yè)信用事件發(fā)生頻率最高。

我國(guó)信用債市場(chǎng)信用風(fēng)險(xiǎn)較高行業(yè)主要集中在鋼鐵、煤化工、石油化工、造紙、遠(yuǎn)洋運(yùn)輸、冶金及工程機(jī)械、乘用車與商用車、有色金屬冶煉、光伏（多晶硅）及生物質(zhì)發(fā)電、電子元器件制造、化纖、通信設(shè)備制造、產(chǎn)業(yè)投融資平臺(tái)、紡織、煤炭等行業(yè);信用風(fēng)險(xiǎn)一般的行業(yè)主要集中在農(nóng)藥與農(nóng)資、房地產(chǎn)、農(nóng)業(yè)、電氣設(shè)備、高速公路、航空、水務(wù)、港口、建筑施工、水泥、城投等行業(yè);信用風(fēng)險(xiǎn)最低的行業(yè)主要集中在金融、零售、食品飲料、出版?zhèn)髅健⑨t(yī)藥及醫(yī)療設(shè)備、采掘業(yè)、通訊信息服務(wù)、鐵路、機(jī)場(chǎng)服務(wù)、軌道交通、電網(wǎng)、火電、核電、水電和風(fēng)電等行業(yè)。

綜合以上分析，本文認(rèn)為公司所處行業(yè)以及產(chǎn)權(quán)屬性是影響公司債券違約概率的重要非財(cái)務(wù)指標(biāo)。因此，本文在基本擴(kuò)展模型中引入公司行業(yè)指標(biāo)和產(chǎn)權(quán)屬性指標(biāo)。為確定各影響因素權(quán)重，項(xiàng)目組成員邀請(qǐng)相關(guān)領(lǐng)域?qū)＜疫M(jìn)行打分。根據(jù)專家打分結(jié)果，本文最終確定F1為70%、F2為20%、F3為10%。各項(xiàng)非財(cái)務(wù)指標(biāo)具體得分見表11。根據(jù)擴(kuò)展的違約風(fēng)險(xiǎn)測(cè)算體系，本文對(duì)樣本公司的違約概率進(jìn)行了重測(cè)，預(yù)測(cè)結(jié)果見表12。

表12顯示，本模型發(fā)生第一類誤差的概率為10.34%，即基于本模型預(yù)測(cè)暫不發(fā)生違約的29家公司中，有3家公司實(shí)際發(fā)生違約，26家公司實(shí)際未發(fā)

生違約;本模型發(fā)生第二類誤差的概率為14.29%，即基于本模型預(yù)測(cè)發(fā)生違約的21家公司中，有18家公司實(shí)際發(fā)生違約，3家公司實(shí)際未發(fā)生違約。本模型總體預(yù)測(cè)誤差概率為12%，即基于本模型預(yù)測(cè)的50家公司中有6家公司的預(yù)測(cè)結(jié)果與實(shí)際情況不一致，其余44家公司的預(yù)測(cè)結(jié)果與實(shí)際情況一致。以上預(yù)測(cè)結(jié)果表明，基于非財(cái)務(wù)指標(biāo)擴(kuò)展的債券違約風(fēng)險(xiǎn)評(píng)價(jià)模型較基于財(cái)務(wù)指標(biāo)的違約風(fēng)險(xiǎn)評(píng)價(jià)模型有所改進(jìn)。

六、研究結(jié)論

固定收益證券由于未來(lái)收益固定或可確定，因此其主要風(fēng)險(xiǎn)并非收益變動(dòng)風(fēng)險(xiǎn)，而是收益無(wú)法按約定收到的風(fēng)險(xiǎn)，即發(fā)行主體違約的風(fēng)險(xiǎn)。同時(shí)，固定收益證券信用風(fēng)險(xiǎn)可能通過供應(yīng)鏈網(wǎng)絡(luò)等發(fā)生傳染，引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)[13-15]。因此，本文基于債券違約公司和未違約公司樣本構(gòu)建固定收益?zhèn)l(fā)行主體違約風(fēng)險(xiǎn)評(píng)價(jià)模型，并基于非財(cái)務(wù)指標(biāo)進(jìn)行擴(kuò)展。模型預(yù)測(cè)結(jié)果顯示：1基于財(cái)務(wù)指標(biāo)的違約風(fēng)險(xiǎn)評(píng)價(jià)模型發(fā)生第一類誤差的概率為21.21%，發(fā)生第二類誤差的概率為17.64%，總體預(yù)測(cè)誤差概率為20%，表明基于財(cái)務(wù)指標(biāo)的違約風(fēng)險(xiǎn)評(píng)價(jià)模型具有較高的有效性，綜合準(zhǔn)確率為80%。2基于非財(cái)務(wù)指標(biāo)擴(kuò)展的違約風(fēng)險(xiǎn)評(píng)價(jià)模型發(fā)生第一類誤差的概率為10.34%，發(fā)生第二類誤差的概率為14.29%，總體預(yù)測(cè)誤差概率為12%，表明基于非財(cái)務(wù)指標(biāo)擴(kuò)展的債券違約風(fēng)險(xiǎn)評(píng)價(jià)模型較基于財(cái)務(wù)指標(biāo)的違約風(fēng)險(xiǎn)評(píng)價(jià)模型有所改進(jìn)。

本文構(gòu)建的固定收益證券違約風(fēng)險(xiǎn)評(píng)價(jià)模型有助于各企業(yè)對(duì)托管人申購(gòu)的固定收益證券進(jìn)行投前風(fēng)險(xiǎn)評(píng)估和投后持續(xù)風(fēng)險(xiǎn)評(píng)價(jià)。并且，本文基于非財(cái)務(wù)指標(biāo)對(duì)違約風(fēng)險(xiǎn)評(píng)價(jià)模型進(jìn)行了擴(kuò)展，有助于企業(yè)根據(jù)資產(chǎn)特性、市場(chǎng)發(fā)展情況不斷修正債券違約風(fēng)險(xiǎn)評(píng)價(jià)模型。為此，本文提出如下固定收益證券違約預(yù)警與監(jiān)管建議：

第一，完善固定收益證券違約風(fēng)險(xiǎn)評(píng)價(jià)模型。本文采用逐步回歸構(gòu)建了固定收益證券違約風(fēng)險(xiǎn)評(píng)價(jià)Logit模型，基于樣本數(shù)據(jù)檢測(cè)結(jié)果，本文構(gòu)建的違約風(fēng)險(xiǎn)評(píng)價(jià)模型的預(yù)測(cè)誤差率僅為20%，表明基于發(fā)行人財(cái)務(wù)數(shù)據(jù)進(jìn)行固定收益證券違約預(yù)警具有可行性。因此，為減少債券市場(chǎng)出現(xiàn)違約事件造成的不良后果，監(jiān)管部門需加強(qiáng)與信用評(píng)級(jí)部門和投資機(jī)構(gòu)的合作，構(gòu)建和完善固定收益證券違約風(fēng)險(xiǎn)評(píng)價(jià)體系，利用眾多科學(xué)預(yù)測(cè)模型和財(cái)務(wù)指標(biāo)，提高固定收益證券違約預(yù)警的有效性。證券監(jiān)管部門需加強(qiáng)對(duì)投資者的正確引導(dǎo)，指導(dǎo)投資者正確認(rèn)識(shí)固定收益證券違約風(fēng)險(xiǎn)，推廣固定收益證券違約預(yù)警指標(biāo)的應(yīng)用。同時(shí)，還需完善擔(dān)保相關(guān)制度，加強(qiáng)對(duì)擔(dān)保企業(yè)的管理，督促發(fā)債公司在發(fā)生債券違約事件時(shí)履行擔(dān)保代償?shù)呢?zé)任，從而實(shí)現(xiàn)風(fēng)險(xiǎn)的分散和轉(zhuǎn)移。

第二，重視外部因素對(duì)固定收益證券違約概率的影響。由于企業(yè)在經(jīng)營(yíng)過程中面臨各種不確定性，并且企業(yè)所處行業(yè)也會(huì)存在周期性波動(dòng)，因此，證券違約概率不僅與企業(yè)內(nèi)部財(cái)務(wù)指標(biāo)有關(guān)，還受企業(yè)外部非財(cái)務(wù)指標(biāo)的影響。以本文研究為例，基于發(fā)行人所處行業(yè)狀況和產(chǎn)權(quán)屬性的擴(kuò)展的違約風(fēng)險(xiǎn)評(píng)價(jià)模型檢驗(yàn)結(jié)果顯示，考慮發(fā)行人外部因素后違約概率預(yù)測(cè)的準(zhǔn)確性有所提升，總體預(yù)測(cè)誤差率降至12%，表明發(fā)行人外部因素也會(huì)對(duì)證券違約概率造成重要影響。因此，監(jiān)管部門和投資者要重視分析企業(yè)外部因素對(duì)于企業(yè)違約風(fēng)險(xiǎn)的影響，在證券發(fā)行審核、違約預(yù)警和產(chǎn)品設(shè)計(jì)中，充分考慮發(fā)行人外部因素可能產(chǎn)生的影響，進(jìn)一步降低我國(guó)固定收益證券違約風(fēng)險(xiǎn)，提高證券市場(chǎng)穩(wěn)健性。

主要參考文獻(xiàn)：

[1]吳世農(nóng)，盧賢義.我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究[J].經(jīng)濟(jì)研究，2001（6）：46～55.

[2]鮮文鐸，向銳.基于混合Logit模型的財(cái)務(wù)困境預(yù)測(cè)研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2007（9）：68～76.

[3]盧永艷，王維國(guó).基于面板logit模型的上市公司財(cái)務(wù)困境預(yù)測(cè)[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2010（5）：37～43.

[4]阮素梅，周澤林.基于L1懲罰Logit模型的P2P網(wǎng)絡(luò)借貸信用違約識(shí)別與預(yù)測(cè)[J].財(cái)貿(mào)研究，2018（2）：54～63.

[5]賈智蓮，王宙翔.基于KMV模型的地方政府債券違約風(fēng)險(xiǎn)測(cè)度[J].財(cái)經(jīng)理論研究，2015（5）：72～82.

[6]劉海龍.債券定價(jià)與債券風(fēng)險(xiǎn)預(yù)警方法綜述[J].系統(tǒng)管理學(xué)報(bào)，2016（1）：1～10.

[7]王安興，杜琨.債務(wù)違約風(fēng)險(xiǎn)與期權(quán)定價(jià)研究[J].管理科學(xué)學(xué)報(bào)，2016（1）：117～126.

[8]楊世偉，李錦成.信用風(fēng)險(xiǎn)度量、債券違約預(yù)測(cè)與結(jié)構(gòu)化模型擴(kuò)展[J].證券市場(chǎng)導(dǎo)報(bào)，2015（10）：41～48.

[9]龐素琳.Logistic回歸模型在信用風(fēng)險(xiǎn)分析中的應(yīng)用[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2006（9）：129～137.[10]潘堅(jiān)，肖慶憲.混合模型下具有隨機(jī)回收風(fēng)險(xiǎn)的公司債券定價(jià)[J].系統(tǒng)工程，2016（7）：1～7.

[11]張海星，靳偉鳳.基于KMV模型的市政債券安全發(fā)行規(guī)模測(cè)度——以大連為實(shí)證樣本[J].東北財(cái)經(jīng)大學(xué)學(xué)報(bào)，2016（4）：85～91.

[12]吳建華，張穎，王新軍.信息披露扭曲下企業(yè)債券違約風(fēng)險(xiǎn)量化研究[J].數(shù)理統(tǒng)計(jì)與管理，2017（1）：175～190.

[13]徐飛.投資者行為、資源依賴與供應(yīng)鏈股價(jià)崩盤傳染研究[J].安徽師范大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2018（4）：126～137.

[14]周海赟，王曉芳.地方政府債券信用風(fēng)險(xiǎn)研究——基于改進(jìn)的KMV模型[J].審計(jì)與經(jīng)濟(jì)研究，2015（4）：95～102.

[15]徐勇戈，李冉.供應(yīng)鏈金融視角下的房地產(chǎn)企業(yè)信用風(fēng)險(xiǎn)[J].財(cái)會(huì)月刊，2018（8）：164～169.