基于復(fù)雜網(wǎng)絡(luò)理論的房地產(chǎn)行業(yè)信用風(fēng)險傳染研究

龍劍友, 凌毓秀, 謝 赤,2

(1.湖南大學(xué)工商管理學(xué)院,湖南長沙 410082;2.湖南大學(xué)金融與投資管理研究中心,湖南長沙 410082)

1 引 言

改革開放40年以來,中國經(jīng)濟體制改革不斷推進,基本建立起了一個統(tǒng)一開放、競爭有序的現(xiàn)代市場體系.一方面,市場的逐步完善促使一家獨大的壟斷經(jīng)營模式退出歷史舞臺,各企業(yè)交流日益緊密,關(guān)聯(lián)性增強,形成了復(fù)雜多元的企業(yè)間網(wǎng)絡(luò)結(jié)構(gòu).當(dāng)某家企業(yè)出現(xiàn)信用違約時,網(wǎng)絡(luò)結(jié)構(gòu)會加劇關(guān)聯(lián)企業(yè)間的信用風(fēng)險傳染,甚至影響整個金融市場[1,2].企業(yè)在實現(xiàn)協(xié)同效應(yīng),提高盈利能力和競爭能力的同時,也承擔(dān)著隱蔽、復(fù)雜且具有傳染性的信用風(fēng)險.另一方面,國內(nèi)供給側(cè)改革仍處于深化階段,去產(chǎn)能去庫存去杠桿壓力依然較大,外部環(huán)境的嚴(yán)峻和復(fù)雜也導(dǎo)致不確定性增加,宏觀經(jīng)濟面臨下行壓力.部分造血能力弱且對融資依賴性強的企業(yè)面臨資金面緊縮、融資環(huán)境惡化的形勢,一旦經(jīng)營不善則可能發(fā)生資金鏈斷裂,觸發(fā)信用違約風(fēng)險事件.

在內(nèi)部關(guān)聯(lián)結(jié)構(gòu)變化和外部經(jīng)濟環(huán)境動蕩的雙重作用下,金融市場的信用風(fēng)險持續(xù)發(fā)酵.近年來,股票市場和債券市場連環(huán)爆雷,違約事件頻發(fā),民營企業(yè)和上市公司成為違約和風(fēng)險的關(guān)鍵詞.房地產(chǎn)作為中國經(jīng)濟的重要產(chǎn)業(yè),資產(chǎn)負(fù)債率高且對融資依賴性大,屬于典型的資金密集型行業(yè).資本市場中房地產(chǎn)上市公司近半數(shù)為民營企業(yè),行業(yè)內(nèi)發(fā)債主體占比超過60%.同時,房地產(chǎn)行業(yè)的發(fā)展周期與宏觀經(jīng)濟周期吻合緊密,對經(jīng)濟增長的驅(qū)動性強,與相關(guān)行業(yè)的關(guān)聯(lián)度大,牽動著諸如鋼鐵建材、化工家電以及銀行業(yè)等上下游行業(yè)的發(fā)展,行業(yè)內(nèi)外的相關(guān)企業(yè)具有風(fēng)險聯(lián)動的依存關(guān)系.因此,在產(chǎn)業(yè)轉(zhuǎn)型升級、宏觀經(jīng)濟承壓時期,精準(zhǔn)有效地度量房地產(chǎn)行業(yè)信用風(fēng)險并探討其傳染效應(yīng),對穩(wěn)定金融市場秩序、促進經(jīng)濟健康快速發(fā)展具有舉足輕重的作用.

深入考察信用風(fēng)險傳染的機理,對及時阻斷風(fēng)險擴散、防范大規(guī)模系統(tǒng)性風(fēng)險的爆發(fā)十分關(guān)鍵.關(guān)于信用風(fēng)險的傳染渠道,學(xué)者們研究的側(cè)重點各不相同,Cantia 等[3]指出,企業(yè)間的資產(chǎn)關(guān)系和貿(mào)易關(guān)系等是信用風(fēng)險傳染的主要渠道.Aslam 等[4]則強調(diào)宏觀環(huán)境的變化對違約傳染的影響,認(rèn)為它會引起較大的違約傳染概率,且蔓延范圍廣泛.

在信用風(fēng)險傳染問題的研究方法上,Buchholz 等[5]使用主權(quán)信用違約互換息差的動態(tài)條件相關(guān)性,檢測主權(quán)債務(wù)市場的信用風(fēng)險傳染.Lee 等[6]借用粒子濾波和平滑模型對實際違約事件建模,證實信貸傳染具有循環(huán)性并且對受感染群體的違約和投資組合損失的尾部估計均有顯著影響.Bo 等[7]采用具有交互違約強度的簡化形式Markov 模型對投資組合樣本的傳染風(fēng)險建模并進行數(shù)值分析,發(fā)現(xiàn)高風(fēng)險實體企業(yè)引發(fā)的違約強度會強烈地影響投資者的相關(guān)策略.王鵬等[8]借助協(xié)高階矩方法,對滬港股市的風(fēng)險傳染進行判定和分析,證實協(xié)高階矩能有效且全面地刻畫金融風(fēng)險的傳染.

近些年,復(fù)雜網(wǎng)絡(luò)理論被越來越多地應(yīng)用于經(jīng)濟和管理領(lǐng)域的復(fù)雜系統(tǒng)研究以及對信用風(fēng)險傳染問題的討論.相較于上述方法,復(fù)雜網(wǎng)絡(luò)能更好地描述各主體間的相互關(guān)系,可視化地描繪風(fēng)險傳染路徑.于灝等[9]拓展了基于供應(yīng)鏈的復(fù)雜網(wǎng)絡(luò)研究,將帶有主觀偏好的特定選擇機制融入權(quán)重設(shè)定中,優(yōu)化了供應(yīng)系統(tǒng)網(wǎng)絡(luò)的結(jié)構(gòu)特征.劉曉君等[10]以在線評論為節(jié)點,通過Pearson 相關(guān)性計算評論間話題關(guān)系,構(gòu)建消費者在線評論復(fù)雜網(wǎng)絡(luò),豐富了對在線評論相互關(guān)系的研究方法.黃瑋強等[11]構(gòu)建信息溢出網(wǎng)絡(luò)并結(jié)合其拓?fù)浣Y(jié)構(gòu)展開分析,證實節(jié)點度、接近中心性及特征向量中心性能有效刻畫金融機構(gòu)的風(fēng)險傳染特征.Chen 等[12]和Anagnostou 等[13]應(yīng)用網(wǎng)絡(luò)模型思想,分別以風(fēng)險規(guī)避情緒和流動性、信用風(fēng)險傳染平均適應(yīng)性等為切入點,構(gòu)建信用風(fēng)險傳染模型和信用壓力傳播網(wǎng)絡(luò).楊海軍等[14]將核心―邊緣網(wǎng)絡(luò)與鄰接矩陣結(jié)合起來構(gòu)建傳染模型,并模擬外界沖擊,探討銀行間市場中的風(fēng)險傳染情況.李永奎等[15]通過平均場理論和復(fù)雜網(wǎng)絡(luò)上的傳染學(xué)原理構(gòu)建傳染模型,發(fā)現(xiàn)企業(yè)的資產(chǎn)關(guān)聯(lián)關(guān)系和企業(yè)自身的免疫治理能力都將影響信用風(fēng)險的傳染和免疫效應(yīng).

目前, 對于房地產(chǎn)行業(yè)信用風(fēng)險的研究多集中于信用風(fēng)險度量方面.趙昕等[16]通過模擬各企業(yè)現(xiàn)金流量測度房地產(chǎn)行業(yè)上市公司的違約概率.尹釗等[17]對比研究Credit Metrics, KMV 以及Credit Portfolio View 模型在房地產(chǎn)信用風(fēng)險評估上的適用性.可以說,已有文獻中對于房地產(chǎn)行業(yè)信用風(fēng)險傳染問題的研究還相對有限.

綜上所述,本文以房地產(chǎn)行業(yè)上市公司作為研究樣本,擬在度量房地產(chǎn)企業(yè)信用風(fēng)險的基礎(chǔ)上構(gòu)建違約距離時間序列,并基于復(fù)雜網(wǎng)絡(luò)方法繪制房地產(chǎn)行業(yè)信用風(fēng)險相關(guān)網(wǎng)絡(luò)圖,探討行業(yè)全周期和分年度信用風(fēng)險傳染及其變化情況,挖掘風(fēng)險傳染的普遍規(guī)律,豐富對房地產(chǎn)行業(yè)信用風(fēng)險傳染的研究,為個人及機構(gòu)投資者制定投資決策以及相關(guān)部門制定監(jiān)管政策提供有效的參考.

2 基于KMV模型的企業(yè)信用風(fēng)險度量

KMV 模型將企業(yè)股權(quán)當(dāng)作看漲期權(quán),并基于期權(quán)定價理論計算企業(yè)預(yù)期資產(chǎn)價值.如果行權(quán)日企業(yè)債務(wù)價值高于資產(chǎn)價值,則不行權(quán),形成實際違約.該模型將行權(quán)日企業(yè)資產(chǎn)價值與違約點之間的差值設(shè)定為企業(yè)的違約距離,通過綜合使用公司股票及財務(wù)報表相關(guān)數(shù)據(jù)估算違約距離,不需要信用轉(zhuǎn)移矩陣和歷史違約數(shù)據(jù)支持.Chen 等[18]眾多學(xué)者驗證了KMV 模型在企業(yè)信用風(fēng)險評估中的有效性,因此本文決定選用KMV 模型來度量房地產(chǎn)企業(yè)的信用風(fēng)險.

KMV 公司是通過分析全球范圍內(nèi)企業(yè)違約距離數(shù)據(jù)來映射出企業(yè)經(jīng)驗違約概率的,但考慮到國內(nèi)尚未建立完善的企業(yè)違約信息庫,故本文將違約距離作為信用風(fēng)險的度量值,并以理論預(yù)期違約概率作為后續(xù)數(shù)據(jù)刪選的依據(jù).

2.1 KMV 模型構(gòu)建

根據(jù)BSM(Black-Scholes-Merton)模型,企業(yè)的股權(quán)市場價值與資產(chǎn)價值的對應(yīng)關(guān)系為

對式(1)兩邊VA求導(dǎo)再求期望,可以得出VA與σA的關(guān)系

模型中,除VA和σA外,其它參數(shù)均可以通過相關(guān)股票市場、公司財務(wù)報表等公開數(shù)據(jù)計算獲取.其中公司股權(quán)價值VE一般用股票市場價值反映,按以下公式計算,即

股權(quán)價值VE=股票收盤價×流通股股數(shù)+每股凈資產(chǎn)×限售股股數(shù).

股權(quán)價值波動率σE可以通過計算公司股票收盤價的波動率獲得,計算公式為

其中σ1為日波動率,n為年(周)實際交易天數(shù).

聯(lián)立式(1)和式(2)可計算出VA和σA.KMV 模型中違約距離(distance to default,DD)的計算公式為

其中DP 稱作違約點,一般取值為公司短期負(fù)債(STD)與一半長期負(fù)債(LTD)的和,即

將VA和σA的值代入式(3)即可得到各公司的違約距離.

根據(jù)BSM 模型的假設(shè),在企業(yè)資產(chǎn)價值服從正態(tài)分布的條件下,其理論預(yù)期違約概率(expected default frequency,EDF)可表示為

由式(5)可知,違約距離越大表示預(yù)期違約概率越小,反之亦然.

2.2 房地產(chǎn)企業(yè)信用風(fēng)險度量

1)樣本選取與數(shù)據(jù)描述

根據(jù)證監(jiān)會的行業(yè)分類標(biāo)準(zhǔn), A股市場房地產(chǎn)業(yè)截至2018–12–31 共有上市公司123 家, 除去數(shù)據(jù)缺失過多的公司, 本文初步選取其中107 家作為研究樣本.2015年～2018年, 中國房地產(chǎn)市場經(jīng)歷了由全面膨脹到急劇收緊的轉(zhuǎn)變過程, 房屋交易價格和面積均呈現(xiàn)前升后降的態(tài)勢, 表現(xiàn)出明顯的行業(yè)周期性.這一樣本期對于房地產(chǎn)行業(yè)信用風(fēng)險研究和政策分析具有重要意義, 因此本文選取的具體時間跨度為2015–01–01～2018–02–31,共包含975 個交易日.相關(guān)數(shù)據(jù)來源于Wind 資訊.

2)信用風(fēng)險計算及分析

本文首先計算中國證券市場2015年～2018年房地產(chǎn)行業(yè)107 家上市公司的年度違約距離,并根據(jù)4年的平均違約距離由大到小排序,排名越后意味著信用風(fēng)險越大.

圖1 反映了2015年～2018年房地產(chǎn)行業(yè)上市公司年度違約距離和4年平均違約距離的變化情況.可以看出,總體而言2015年各公司違約距離均處于周期內(nèi)最低水平,意味著該年度房地產(chǎn)行業(yè)信用風(fēng)險最大;2015年～2017年違約距離不斷上升并達到最大值,2017年房地產(chǎn)行業(yè)具有周期內(nèi)最低違約可能;2018年宏觀經(jīng)濟面收緊,房地產(chǎn)行業(yè)迎來下行轉(zhuǎn)折,違約距離縮短,信用風(fēng)險又明顯增大.

圖1 房地產(chǎn)行業(yè)上市公司年度違約距離Fig.1 Annual default distances of listed companies in the real estate industry

究其原因,自次貸危機發(fā)生后,金融風(fēng)暴席卷全球,2010年以來中國的GDP 增速快速下降并在較長一段時間內(nèi)呈現(xiàn)L 型走勢,房地產(chǎn)行業(yè)受到來自金融去杠桿、調(diào)控去庫存的壓力處于低發(fā)展水平,部分房地產(chǎn)企業(yè)資金流動性緊張,信用風(fēng)險暗流涌動.為應(yīng)對房市的低迷,政府實施了先松后緊的政策措施.2014年,“930”政策的出臺開啟了全國性的限貸放松大幕.2015–03–30,五部委聯(lián)合發(fā)文,政策寬松加碼,但市場仍無明顯復(fù)蘇跡象,房地產(chǎn)行業(yè)一時間降至冰點,多數(shù)企業(yè)面臨高位庫存壓力.2015–09–30,多部委聯(lián)合央行再出新政,在降低首付比率提高貸款利率優(yōu)惠的同時再度降準(zhǔn)降息,資金逐步回流至房市,但由于市場對信息的反應(yīng)具有一定的時滯性,因此2015 全年行業(yè)內(nèi)各企業(yè)的信用風(fēng)險均處于較高水平.

2016年,宏觀經(jīng)濟小幅回升,契稅和營業(yè)稅的調(diào)整進一步刺激了居民的購房意愿.國家統(tǒng)計局?jǐn)?shù)據(jù)顯示,2016年商品房銷售額達11.76 萬億元,同比增長34.77%.熱點城市行情爆發(fā),并向中小城市蔓延.房地產(chǎn)行業(yè)普遍回暖明顯,違約距離增大,信用風(fēng)險降低.2017年是本文所考察的房地產(chǎn)行業(yè)周期內(nèi)由盛轉(zhuǎn)衰的一年.2016年熱點城市房產(chǎn)投資的活躍和一二線城市限購政策的收緊使得市場內(nèi)產(chǎn)生羊群效應(yīng),資金開始大量涌入暫未限購城市,海南等地銷售增長大幅超過預(yù)期,出現(xiàn)由買方市場向賣方市場的轉(zhuǎn)變.該年全行業(yè)商品房銷售額13.37 萬億元,較2016年增長13.67 個百分點.雖然政策收緊導(dǎo)致商品房銷售額增速放緩,但全國絕大多數(shù)房企仍具有充裕的現(xiàn)金流.所以,2017年總體違約概率達到周期內(nèi)最低值,各公司信用水平良好,房地產(chǎn)行業(yè)信用風(fēng)險低掛.

從2017年第4 季度開始,房市行情開始走弱,2018年行業(yè)內(nèi)各公司違約距離縮短.其中少數(shù)中小型房企違約距離銳減,信用風(fēng)險逐步暴露.這是因為一方面,房地產(chǎn)行業(yè)的發(fā)展深受宏觀經(jīng)濟水平和增速的制約.2018年GDP 呈現(xiàn)前高后低的變化趨勢,居民購買力下降,同時中美貿(mào)易戰(zhàn)的疊加影響導(dǎo)致經(jīng)濟下行壓力進一步加大,部分房地產(chǎn)公司違約概率增大.另一方面,為應(yīng)對2016年和2017年房市的非理性繁榮,國內(nèi)絕大多數(shù)省會和熱點城市重啟或加碼限購限貸政策,政府調(diào)控的持續(xù)縮緊給房地產(chǎn)行業(yè)帶來沖擊,同時影響了與之相關(guān)的上下游行業(yè),導(dǎo)致整個房地產(chǎn)供應(yīng)鏈波動頻繁,信用風(fēng)險加大.

根據(jù)房地產(chǎn)行業(yè)各公司的年度違約距離數(shù)據(jù), 本文繪制周期內(nèi)違約距離分布情況, 如圖2.可以看出, 超過70% 的公司年度違約距離數(shù)據(jù)處在1～3 之間.根據(jù)式(5)計算可知, 其年度理論預(yù)期違約概率處于0.13%～15.86%.參考標(biāo)準(zhǔn)普爾累積違約率對應(yīng)的信用評級規(guī)則, A級對應(yīng)的平均違約概率在0.08%～1%之間浮動,CC 級對應(yīng)的平均違約概率為20%左右,因此周期內(nèi)大部分公司年度信用評級處于A 至CC 級間,易受到外在經(jīng)濟環(huán)境及不利因素變動的影響,部分企業(yè)具有較高違約可能性.因此,在本輪房地產(chǎn)周期中,行業(yè)信用風(fēng)險屬于較高水平.部分房地產(chǎn)公司年度違約距離大于3,意味著它們在對應(yīng)年份出現(xiàn)信用風(fēng)險的可能性極低,具有優(yōu)秀的償債能力且受不利因素影響小.

圖2 2015～2018年房地產(chǎn)行業(yè)上市公司違約距離分布Fig.2 Listed real estate companies’default distances distribution from 2015 to 2018

背后的原因可能是,房地產(chǎn)作為準(zhǔn)入門檻較低的傳統(tǒng)行業(yè),不需要企業(yè)具有很強的核心競爭力,它們在面對激烈的市場競爭時容易受到?jīng)_擊,進而導(dǎo)致信用風(fēng)險暴露加速.大部分房地產(chǎn)公司嚴(yán)重依賴外部融資,在融資環(huán)境收緊和資金回流困難等問題的共同作用下,可能引發(fā)流動性風(fēng)險,導(dǎo)致信用資質(zhì)進一步惡化,甚至因資不抵債發(fā)生信用違約事件.因此,在國家宏觀經(jīng)濟承壓時期,房地產(chǎn)企業(yè)需密切關(guān)注自身經(jīng)營模式和資產(chǎn)結(jié)構(gòu),防止依賴高杠桿快速擴張的情況發(fā)生,只有降低償債壓力、確保融資渠道暢通,才能保證持續(xù)經(jīng)營、防范信用風(fēng)險.

3 復(fù)雜網(wǎng)絡(luò)理論基礎(chǔ)及模型構(gòu)建

信息技術(shù)的快速發(fā)展和資本市場的逐步完善深化了市場各主體間的交流、滲透與融合,行業(yè)內(nèi)呈現(xiàn)出“一榮俱榮,一損俱損”的生態(tài)格局,形成了以各企業(yè)為節(jié)點,以系統(tǒng)重要性企業(yè)為中心向外擴散的網(wǎng)絡(luò)結(jié)構(gòu).行業(yè)具有的網(wǎng)絡(luò)結(jié)構(gòu)一方面加強了各企業(yè)間的互通,提升了資金與資源的合理有效配置,但另一方面也增強了網(wǎng)絡(luò)中相連節(jié)點間的風(fēng)險相依性.分析房地產(chǎn)行業(yè)的信用風(fēng)險網(wǎng)絡(luò)結(jié)構(gòu)可以幫助投資者穩(wěn)健高效地開展相關(guān)活動,對網(wǎng)絡(luò)中各企業(yè)規(guī)避信用風(fēng)險傳染,防范金融風(fēng)險擴散也具有參考價值.

3.1 網(wǎng)絡(luò)拓?fù)湫再|(zhì)及節(jié)點重要性指標(biāo)

1)網(wǎng)絡(luò)拓?fù)湫再|(zhì)指標(biāo)

網(wǎng)絡(luò)的平均路徑長度(average path length,APL)被定義為網(wǎng)絡(luò)中任意兩個節(jié)點間的距離的平均值,即

其中K為網(wǎng)絡(luò)的節(jié)點數(shù),dij代表連接節(jié)點i與j之間的最短路徑上的連邊數(shù),也稱作兩個節(jié)點間的測地距離或跳躍距離.

網(wǎng)絡(luò)中的聚類系數(shù)(clustering coefficient,CC)被定義為任意三個節(jié)點之間兩兩相連的概率,反映了網(wǎng)絡(luò)的緊密程度.節(jié)點i的聚類系數(shù)可以表達為

其中Ei代表節(jié)點i的ki個鄰居節(jié)點間實際存在的邊數(shù).CCi=0 時節(jié)點i至多只有一個鄰居節(jié)點,或者任意兩個鄰居節(jié)點間不存在相連邊.

網(wǎng)絡(luò)的聚類系數(shù)C為網(wǎng)絡(luò)中全部節(jié)點聚類系數(shù)的平均值,即

其中C ∈[0,1],當(dāng)C=0 時網(wǎng)絡(luò)中所有節(jié)點的聚類系數(shù)均為0;C=1 則說明該網(wǎng)絡(luò)為全局耦合網(wǎng)絡(luò),所有節(jié)點都相互連通.

2)節(jié)點重要性指標(biāo)

度(degree)是刻畫單個節(jié)點屬性的重要概念.網(wǎng)絡(luò)中節(jié)點i的度ki表示與該節(jié)點相聯(lián)的連邊數(shù).常見的測度節(jié)點重要性的指標(biāo)主要有度中心性、介數(shù)中心性、接近中心性和特征向量中心性等4 種.

度中心性(degree centrality)為反映網(wǎng)絡(luò)中單個節(jié)點重要程度的基本指標(biāo).通常,一個節(jié)點的度越大,這個節(jié)點就具有的價值就越重要.

介數(shù)中心性(betweeness centrality)以經(jīng)過某個節(jié)點的最短路徑的數(shù)目來刻畫該節(jié)點信息傳遞的效率.當(dāng)多條最短路徑同時經(jīng)過某個節(jié)點,則該節(jié)點具有重要的中介效應(yīng),對網(wǎng)絡(luò)中的信息傳播有著關(guān)鍵的控制和調(diào)節(jié)作用.

接近中心性(closeness centrality)是指任一節(jié)點到網(wǎng)絡(luò)中所有節(jié)點的距離平均值的倒數(shù).節(jié)點的接近中心性越大說明該節(jié)點越接近網(wǎng)絡(luò)中其它的節(jié)點,越處于空間內(nèi)的中間位置,能更快速地將信息傳遞給其它節(jié)點.

特征向量中心性(eigenvector centrality)的基本思想是單個節(jié)點的重要性不僅取決于其鄰居節(jié)點的數(shù)量,也可以通過鄰居節(jié)點重要性來度量.鄰居節(jié)點的中心度越高,則該節(jié)點也越可能處于網(wǎng)絡(luò)的中心位置.具體計算公式為

其中xi和xj分別表示節(jié)點i和j的重要性度量值,c為常數(shù).若i與j互為鄰居節(jié)點,aij=1;否則aij=0.

3)網(wǎng)絡(luò)全局效率

網(wǎng)絡(luò)全局效率(global efficiency,GE)反應(yīng)了網(wǎng)絡(luò)的整體信息傳輸效率,GE 值越大表示網(wǎng)絡(luò)連通性越強.節(jié)點間的效率為最短路徑長度的倒數(shù),網(wǎng)絡(luò)全局效率則計算了節(jié)點間效率的平均值.當(dāng)網(wǎng)絡(luò)中存在不連通節(jié)點時,計算網(wǎng)絡(luò)全局效率能有效避免節(jié)點間最短路徑長度無窮造成的失效情況,具體計算公式為

3.2 最小生成樹網(wǎng)絡(luò)構(gòu)建

最小生成樹(minimum spanning tree,MST)是由距離矩陣生成的一個網(wǎng)絡(luò)圖,由K個節(jié)點和K ?1 條連邊組成,通過點邊相連構(gòu)成一個不具環(huán)狀結(jié)構(gòu)的網(wǎng)絡(luò).在所有網(wǎng)絡(luò)圖形中,MST 網(wǎng)絡(luò)具有連邊距離總和最小的特點,是一種高效的組合優(yōu)化方法.其具體構(gòu)建步驟如下:

1)根據(jù)行業(yè)內(nèi)公司i在時間t的違約距離Di(t),計算周對數(shù)違約距離

2)根據(jù)全樣本周期的違約距離序列計算任意兩家公司i與j之間的相關(guān)系數(shù)

其中〈·〉表示交易期間的平均值,即

相關(guān)系數(shù)ρij ∈[?1,1],ρ的絕對值大小表示企業(yè)間信用風(fēng)險相關(guān)性的強弱.通過歐式距離的轉(zhuǎn)化,可以將企業(yè)的相關(guān)系數(shù)矩陣轉(zhuǎn)換成網(wǎng)絡(luò)的距離矩陣,用以分析房地產(chǎn)行業(yè)網(wǎng)絡(luò)的空間性質(zhì).歐式距離的計算公式為

3.3 平面極大過濾圖構(gòu)建

平面極大過濾圖(planner maximally filtered graph,PMFG)是由MST 拓展而來的一種網(wǎng)絡(luò)構(gòu)建方法,有K個節(jié)點和3K ?6 條連邊,其具體構(gòu)建方法如下:

1)計算網(wǎng)絡(luò)中各節(jié)點的相關(guān)系數(shù),構(gòu)建相關(guān)系數(shù)矩陣后轉(zhuǎn)化為歐式距離矩陣D;

2)基于矩陣D計算網(wǎng)絡(luò)中節(jié)點間的權(quán)重,并將最大權(quán)重的兩個節(jié)點連接起來;

3)在剩余的矩陣D中重復(fù)上述步驟直至所有節(jié)點都被選中.

4 基于復(fù)雜網(wǎng)絡(luò)理論的信用風(fēng)險傳染研究

4.1 數(shù)據(jù)處理與初步計算

為深入探討房地產(chǎn)行業(yè)的信用風(fēng)險傳染情況,選取樣本期內(nèi)4年平均違約距離較小(即周期內(nèi)信用風(fēng)險較大)的上市公司構(gòu)建信用風(fēng)險相關(guān)網(wǎng)絡(luò).新的樣本選擇標(biāo)準(zhǔn)為4年平均違約距離小于2.33(即預(yù)期違約概率大于1%)的公司,其對應(yīng)的標(biāo)準(zhǔn)普爾信用等級低于BB 級(對應(yīng)違約概率為0.95%),刪除周數(shù)據(jù)缺失過多的公司后,剩下28 家.各公司的基本信息和違約距離按4年平均值由大到小排序,如表1.從表1 可以看到,總體上國有房地產(chǎn)公司的違約距離略小于民營房地產(chǎn)公司,前者多分布于序列的靠后部分,較之后者具有更大的信用風(fēng)險.這可能是因為相對于國有性質(zhì)企業(yè),民營公司具有更強的靈活性、更多元的業(yè)務(wù)模式和更廣泛的融資渠道,在行業(yè)整體風(fēng)險較大時期能更好地釋放資金壓力,化解信用危機.

表1 房地產(chǎn)行業(yè)28 家上市公司信息及其違約距離Table 1 Information and default distances of 28 listed real estate companies

續(xù)表1Table 1 Continues

4.2 房地產(chǎn)企業(yè)信用風(fēng)險網(wǎng)絡(luò)結(jié)構(gòu)分析

1)描述性統(tǒng)計與網(wǎng)絡(luò)構(gòu)建思路

計算前述28 家房地產(chǎn)上市公司4年的周違約距離(共計204 周),其描述性統(tǒng)計結(jié)果如表2,各年度樣本數(shù)量不同是因為計算周數(shù)間的差異,其中,2015年為52 周,2016年為50 周,2017 和2018年均為51 周.

表2 房地產(chǎn)行業(yè)28 家上市公司周違約距離描述性統(tǒng)計Table 2 Weekly default distances’descriptive statistics of 28 listed real estate companies

可以看出,各年度周違約距離的變化幅度大于前文度量的年度違約距離(年度違約距離均分布于0 至8之間),這是由于樣本周期長度不同所致.部分上市公司在某個時間段經(jīng)營良好股價波動較小,或因利好消息產(chǎn)生高預(yù)期未來收益等,都可能導(dǎo)致它們在短時間內(nèi)表現(xiàn)出極低的信用風(fēng)險.反之,如果某公司在短時間內(nèi)股價暴跌、資產(chǎn)大幅縮水則會使得周違約距離迅速縮小,并且在很大程度上可能觸發(fā)信用風(fēng)險危機.

借助復(fù)雜網(wǎng)絡(luò)能可視化地討論房地產(chǎn)行業(yè)企業(yè)間信用風(fēng)險的傳染現(xiàn)象,并考察網(wǎng)絡(luò)中節(jié)點,即上市公司的聯(lián)動性強弱和網(wǎng)絡(luò)拓?fù)湫再|(zhì)變化.考慮到各年度能使用的樣本數(shù)量相對較少、時間跨度較短,因此本文采用MST 算法構(gòu)建年度房地產(chǎn)行業(yè)信用風(fēng)險網(wǎng)絡(luò).同時,MST 網(wǎng)絡(luò)在確保連通所有節(jié)點的基礎(chǔ)上使得網(wǎng)絡(luò)總路徑最短,因此可以反映各時間段房地產(chǎn)行業(yè)信用風(fēng)險的最強傳染路徑.掌握各年度MST 網(wǎng)絡(luò)的中心節(jié)點有助于攔截信用風(fēng)險的傳染,降低房地產(chǎn)企業(yè)信用風(fēng)險的影響范圍,同時也可以為投資者在整體信用風(fēng)險較大的年份更好地規(guī)避投資風(fēng)險提供指導(dǎo).

基于房地產(chǎn)行業(yè)周期性較強的特點,為綜合考慮該行業(yè)周期內(nèi)整體信用風(fēng)險的傳染情況,本文同時構(gòu)建全周期信用風(fēng)險相關(guān)網(wǎng)絡(luò),以期為監(jiān)管部門更高效地開展工作提出政策建議.由于MST 網(wǎng)絡(luò)存在過濾掉部分關(guān)聯(lián)信息的問題,為彌補其缺陷,在構(gòu)建時間跨度較長的全周期房地產(chǎn)行業(yè)信用風(fēng)險網(wǎng)絡(luò)時,使用對連邊約束較弱并允許網(wǎng)絡(luò)中存在環(huán)狀結(jié)構(gòu)的PMFG 網(wǎng)絡(luò).這樣便可以挖掘出更多隱含的信用風(fēng)險傳染信息,發(fā)現(xiàn)整個周期內(nèi)傳染效率強和輻射范圍廣的重要節(jié)點,以有效防范金融市場內(nèi)系統(tǒng)性風(fēng)險的發(fā)生.

2)分年度信用風(fēng)險網(wǎng)絡(luò)分析

圖3～圖6 分別展示了2015年～2018年各年度違約距離MST 網(wǎng)絡(luò),其中各年度網(wǎng)絡(luò)平均路徑長度分別為3.579 4,4.367 7,4.931 2 和4.195 8,網(wǎng)絡(luò)全局效率分別為0.346 9,0.308 0,0.290 7 和0.327 0.

圖3 2015年房地產(chǎn)公司違約距離MST 網(wǎng)絡(luò)圖Fig.3 MST network graph of default distance of real estate companies in 2015

圖4 2016年房地產(chǎn)公司違約距離MST 網(wǎng)絡(luò)圖Fig.4 MST network graph of default distance of real estate companies in 2016

圖5 2017年房地產(chǎn)公司違約距離MST 網(wǎng)絡(luò)圖Fig.5 MST network graph of default distance of real estate companies in 2017

圖6 2018年房地產(chǎn)公司違約距離MST 網(wǎng)絡(luò)圖Fig.6 MST network graph of default distance of real estate companies in 2018

在周期內(nèi),各年度平均路徑長度與前文中討論的年違約距離(DD)走勢一致,意味著在房地產(chǎn)行業(yè)信用風(fēng)險較高的2015年和2018年,節(jié)點間距離更短,聯(lián)接更為緊密.網(wǎng)絡(luò)全局效率的年度分布也證明了在信用風(fēng)險較高年份,網(wǎng)絡(luò)中信用風(fēng)險的傳染效率也處于較高水平,各企業(yè)間具有更大的違約相關(guān)性和傳染可能性.2015年的APL 和GE 值分別為4年中的最低和最高水平,且在對應(yīng)的MST 網(wǎng)絡(luò)中,各節(jié)點間的最短距離(即權(quán)重)普遍低于其它年份,說明該年度各公司間聯(lián)系最為緊密,網(wǎng)絡(luò)中信息傳輸速度最快,信用風(fēng)險關(guān)聯(lián)性最強.因此,當(dāng)行業(yè)處于下行趨勢時,房地產(chǎn)公司應(yīng)主動調(diào)整自己的經(jīng)營戰(zhàn)略,確保資金周轉(zhuǎn)率和現(xiàn)金流的穩(wěn)定,同時可以適當(dāng)減少同行業(yè)或者母子公司間的擔(dān)保等系列關(guān)聯(lián)交易行為,防范信用風(fēng)險的傳染.

對比2015～2018 各年度的MST 圖可以發(fā)現(xiàn),2017年華夏幸福與榮盛發(fā)展之間具有4年內(nèi)最小違約距離(0.46),說明它們有著行業(yè)內(nèi)的最大違約相關(guān)性.這是因為華夏幸福和榮盛發(fā)展同為廊坊市民營房地產(chǎn)公司,均處于快速發(fā)展階段,業(yè)務(wù)輻射范圍大且類型相似,二者間具有很強的違約溢出效應(yīng).結(jié)合上述4種不同的節(jié)點重要性度量方式,本文以各年度綜合排名前4的中心節(jié)點房地產(chǎn)公司為例進行計算,結(jié)果如表3.

表3 房地產(chǎn)行業(yè)上市公司各年度MST 網(wǎng)絡(luò)節(jié)點重要性參數(shù)Table 3 Importance parameters of MST network nodes in each year of listed real estate companies

綜合圖3～圖6 可以發(fā)現(xiàn),房地產(chǎn)行業(yè)同類別公司聚集現(xiàn)象較為明顯,如與2015年深物業(yè)A、2017年粵宏遠(yuǎn)A 以及2018年京能置業(yè)鄰接的節(jié)點多為國有企業(yè),與2018年榮盛發(fā)展相連的節(jié)點則基本為民營企業(yè)等.同時,各年度網(wǎng)絡(luò)的中心節(jié)點(系統(tǒng)重要性公司)各不相同但變化不大,部分節(jié)點在周期內(nèi)多次處于中心位置,如珠江實業(yè)和榮盛發(fā)展兩家公司.珠江實業(yè)作為廣州第一批房地產(chǎn)上市公司,屬于總市值較小的國有企業(yè),近年來發(fā)展勢頭略顯被動,不僅自身土地儲備匱乏、多處在建項目進展緩慢,同時其對外投資亦遭遇違約,營收銳減.內(nèi)憂外患的發(fā)展壓力致使公司承受較大的信用風(fēng)險,容易受到市場環(huán)境和其它同業(yè)公司的影響.

榮盛發(fā)展處于MST 網(wǎng)絡(luò)的重要節(jié)點則反映了快速擴張的民營房地產(chǎn)公司隱藏的信用風(fēng)險傳染性.該公司近年來戰(zhàn)略激進,在全國多地大興土木,一躍進入房地產(chǎn)“千億俱樂部”.但是,收獲高收益亦要承擔(dān)高風(fēng)險.榮盛發(fā)展資產(chǎn)負(fù)債率已超過80%的房地產(chǎn)行業(yè)紅線,且頻繁遭受業(yè)主維權(quán)、監(jiān)管部門處罰和子公司違約等問題困擾,不得不發(fā)行短期融資債券用以償還之前的貸款,又無不都暗含信用違約風(fēng)險.如果榮盛發(fā)展的高周轉(zhuǎn)、高杠桿行為出現(xiàn)偏差,則極有可能導(dǎo)致資金鏈斷裂,出現(xiàn)信用違約,并將風(fēng)險傳染給本地其它房企和關(guān)聯(lián)企業(yè),進而影響整個房地產(chǎn)行業(yè)的穩(wěn)定.

此外還可以發(fā)現(xiàn),位于中心節(jié)點的公司中絕大多數(shù)來自于京津冀及東南沿海地區(qū),這與房地產(chǎn)行業(yè)的發(fā)展現(xiàn)狀高度契合.中國房地產(chǎn)行業(yè)發(fā)展具有明顯的集群現(xiàn)象,京津冀、長三角以及珠三角城市群向來是兵家必爭之地,高收益和高地價的特點吸引著大量房企投資于此.隨著城市群的發(fā)展,形成了以珠江實業(yè)、京能置業(yè)、津濱發(fā)展為代表的老牌國有房企與諸如榮盛發(fā)展、世榮兆業(yè)和藍(lán)光發(fā)展等新生代高競爭力藍(lán)籌公司之間的博弈現(xiàn)象.這些公司都具有行業(yè)內(nèi)的系統(tǒng)重要性,對網(wǎng)絡(luò)中信息的流動有著極大的控制、傳播和觀察能力.當(dāng)其中某家公司發(fā)生信用違約時,風(fēng)險會迅速傳染到城市群中的其它公司,并進一步影響整個房地產(chǎn)市場.例如,藍(lán)光發(fā)展作為中心節(jié)點中唯一一家四川籍公司,是成渝城市群的核心地產(chǎn)企業(yè).該公司土地儲備充足且融資渠道多元,擁有超300 家參股或控股公司,關(guān)聯(lián)交易頻繁,因此在網(wǎng)絡(luò)中具有特別重要性,防控其信用風(fēng)險傳染有益于穩(wěn)定成渝地區(qū)房地產(chǎn)及其上下游行業(yè)的穩(wěn)定性.

3)全周期信用風(fēng)險網(wǎng)絡(luò)分析

圖7 描述了2015年～2018年全樣本周期內(nèi)房地產(chǎn)行業(yè)28家上市公司的違約距離相關(guān)系數(shù)分布狀況.可以看到, 全周期內(nèi)房地產(chǎn)行業(yè)的違約距離相關(guān)系數(shù)多分布于0.4 至0.6 之間, 平均值為0.479 8, 最大值為0.693 9,說明行業(yè)內(nèi)違約距離相關(guān)性較強,違約距離間正向聯(lián)動明顯.這意味著在本輪房地產(chǎn)周期中,信用風(fēng)險較大的公司其風(fēng)險程度易形成同增同減的聯(lián)動現(xiàn)象.

圖7 2015年～2018年房地產(chǎn)公司違約距離相關(guān)系數(shù)Fig.7 Real estate companies’default distances correlation coefficient from 2015 to 2018

圖8 展示了4年間房地產(chǎn)行業(yè)28 家上市公司的違約距離PMFG 網(wǎng)絡(luò),表4 根據(jù)不同的節(jié)點重要性度量指標(biāo)綜合計算出了PMFG 網(wǎng)絡(luò)中排名前6 位的中心節(jié)點.PMFG 網(wǎng)絡(luò)的整體平均路徑長度為1.933 8,聚集系數(shù)為0.743 4,網(wǎng)絡(luò)傳輸效率和緊密程度均較高,這說明在信用風(fēng)險網(wǎng)絡(luò)中,多數(shù)房企可以通過部分重要節(jié)點快速建立相互間的聯(lián)系.

表4 房地產(chǎn)行業(yè)上市公司PMFG 網(wǎng)絡(luò)節(jié)點重要性參數(shù)Table 4 Importance parameters of PMFG network nodes of listed real estate companies

續(xù)表4Table 4 Continue

結(jié)合圖8 和表4 可以發(fā)現(xiàn),PMFG 網(wǎng)絡(luò)中度大節(jié)點多為高收益、高市值且發(fā)展迅速的民營房地產(chǎn)公司,如華夏幸福、中南建設(shè)、陽光城和嘉凱城. 近年來,房地產(chǎn)行業(yè)的集中程度越來越高,強者恒強的現(xiàn)實因素日益明顯. 過去國有房企能依托國資背景和集團劃撥的優(yōu)質(zhì)低價土地融資和開發(fā)項目,但隨著部分大中型民營房地產(chǎn)公司崛起,國有房企面臨巨大發(fā)展壓力. 大中型民營房地產(chǎn)公司業(yè)務(wù)開展的地域分布更加廣泛,融資途徑更為多元,擁有規(guī)模和資金的雙重優(yōu)勢,能大量儲備土地,因此在行業(yè)不景氣時期具有更大的靈活性和更強的生存能力. 該類公司發(fā)展迅速,對整個房地產(chǎn)市場的影響較大,成為推動行業(yè)發(fā)展的中堅力量.同時,高收益民營房地產(chǎn)企業(yè)更加熱衷于聯(lián)合開發(fā)、兼并收購,與行業(yè)內(nèi)其它公司關(guān)系也更加錯綜復(fù)雜. 基于上述原因,快速發(fā)展的大中型民營房地產(chǎn)公司在全周期信用風(fēng)險相關(guān)網(wǎng)絡(luò)中更多地占據(jù)中心位置,具有更為重要的系統(tǒng)重要性,承擔(dān)著網(wǎng)絡(luò)中信息傳遞的核心作用. 如果它們發(fā)生信用風(fēng)險,則傳染范圍更廣,對行業(yè)影響更大.

圖8 全周期違約距離PMFG 網(wǎng)絡(luò)Fig.8 Full-cycle default distances PMFG network

光大嘉寶和市北高新雖然是國有企業(yè)但市值較大,且均開展了業(yè)務(wù)創(chuàng)新,對行業(yè)內(nèi)同性質(zhì)企業(yè)具有影響作用.光大嘉寶背靠光大集團,具有資金和運營等方面的優(yōu)勢,同時著重于產(chǎn)融結(jié)合,將地產(chǎn)開發(fā)和不動產(chǎn)資管兩種模型并行發(fā)展,以物業(yè)管理品牌化的方式推動不動產(chǎn)資管業(yè)務(wù)的輸出.該舉措在實現(xiàn)單一業(yè)務(wù)轉(zhuǎn)型升級,有效提升行業(yè)競爭力和地位的同時,也通過物業(yè)輸出模式連接更多的房地產(chǎn)公司,實現(xiàn)關(guān)聯(lián)交易.因此,光大嘉寶處于網(wǎng)絡(luò)中心位置.市北高新深耕于上海市北高新園區(qū),著力于園區(qū)開發(fā)經(jīng)營、企業(yè)服務(wù)以及產(chǎn)業(yè)投資,依托于豐富的園區(qū)運營經(jīng)驗,已成為國內(nèi)前沿的園區(qū)綜合運營商,引領(lǐng)房地產(chǎn)行業(yè)的轉(zhuǎn)型升級新方向.因此,市北高新具有較強的系統(tǒng)重要性,對滬企以及國有房地產(chǎn)企業(yè)改革具有重要借鑒意義.若該公司爆發(fā)信用風(fēng)險,不僅會傳染給同地區(qū)、同性質(zhì)企業(yè),也會傳染給所承辦園區(qū)的其它相關(guān)企業(yè).控制該類企業(yè)的信用風(fēng)險傳染有利于防范整個園區(qū)的風(fēng)險波動,確保區(qū)塊經(jīng)濟的穩(wěn)健發(fā)展.

綜上所述,從全周期角度綜合考慮,防范以大中型民營房地產(chǎn)公司為主的優(yōu)勢房企信用風(fēng)險有利于降低整個行業(yè)的信用風(fēng)險,具有控制風(fēng)險分裂傳染范圍,維系房地產(chǎn)市場乃至整個金融市場穩(wěn)定的重要作用.

5 結(jié)束語

房地產(chǎn)業(yè)作為社會經(jīng)濟的一個重要產(chǎn)業(yè),對推進城市化進程和帶動相關(guān)行業(yè)發(fā)展具有重要意義.但是,強周期性和高資產(chǎn)負(fù)債率的行業(yè)特征使其具有一定程度的潛在信用風(fēng)險.尤其是在經(jīng)濟全球化和網(wǎng)絡(luò)化的今天,信用風(fēng)險傳染具有裂變和擴散性.深入探討房地產(chǎn)行業(yè)信用風(fēng)險及其傳染效應(yīng)對穩(wěn)定金融市場秩序,助力中國經(jīng)濟與社會發(fā)展具有不可或缺的關(guān)鍵作用.在此背景下,本文運用KMV 模型度量房地產(chǎn)公司信用風(fēng)險,并基于復(fù)雜網(wǎng)絡(luò)理論構(gòu)建全周期及分年度視角下的房地產(chǎn)行業(yè)信用風(fēng)險關(guān)聯(lián)網(wǎng)絡(luò),分析房地產(chǎn)企業(yè)之間的信用風(fēng)險傳染現(xiàn)象.研究結(jié)果表明,2015年～2018年房地產(chǎn)行業(yè)信用水平收緊,整體風(fēng)險越大的年份,行業(yè)內(nèi)信用風(fēng)險傳染效率越強,說明房地產(chǎn)行業(yè)發(fā)展深受金融業(yè)信貸業(yè)務(wù)收縮和宏觀經(jīng)濟下行等因素的影響.從各年度信用風(fēng)險網(wǎng)絡(luò)中可以發(fā)現(xiàn),處于中心節(jié)點的系統(tǒng)重要性公司具有明顯的地域分布特征,加強對重點城市群房地產(chǎn)公司的信用風(fēng)險管理有助于維護房地產(chǎn)行業(yè)的穩(wěn)定發(fā)展.在全周期視角的網(wǎng)絡(luò)中,顯示度大節(jié)點多為高收益且發(fā)展迅速的中大型民營房地產(chǎn)公司,防控該類系統(tǒng)性重要公司信用風(fēng)險有利于長期控制信用風(fēng)險傳染的范圍,降低系統(tǒng)性風(fēng)險發(fā)生概率.

綜上所述,本文豐富了對房地產(chǎn)行業(yè)信用風(fēng)險傳染的研究,在幫助投資者實現(xiàn)更優(yōu)投資決策,銀行提高信貸管理效率的同時,也可為監(jiān)管機構(gòu)制定相關(guān)政策,維護房地產(chǎn)行業(yè)的穩(wěn)健發(fā)展提供科學(xué)的建議.