基于Lasso-logistic回归的企业集团信用风险研究

郭兆灵

摘要：通过采用债券违约样本进行实证研究，选取违约主体首次发生信用风险预警信号时点前一年的数据，将多元化的21个风险特征指标加入Lasso-logistic回归模型进行研究，最终选取了11项企业集团信用风险关键预警指标。

关键词：企业集团;信用风险;Lasso- logistic回归

债权融资是我国企业融资的最为重要的渠道，建立并完善信用体系以及信用评估方法有助于市场形成良性循环，为融资企业提供预警信息，给投资者提供科学决策方法，形成“评级——投资——跟踪预警——调整——兑付”的完整闭环，对于金融市场各方的意义重大。

在信用评估方法研究方面，应用较为广泛的几类信用风险评估方法主要有：要素分析法、多元逻辑回归模型、人工神经网络分析法、KMV模型等。传统信用评估方法由于其主观性较强造成指标的选取以及信用评价结论缺乏严谨的定量分析。而人工智能方法又由于其技术复杂程度大、处理过程暗箱操作等造成模型的可解释性较差。作为在西方应用较为广泛的基于市场价值的KMV等模型由于我国金融市场信息不健全无法直接应用。综合比较，数量统计模型中的套索法（Lasso）结合Logistic回归模型无较多假设限制，且所需模型参数较少，有其他方法无法比拟的优势。因此本文选择Lasso-logistic回归模型对企业集团信用风险进行研究。

一、信用风险新特征

本文研究的信用风险为狭义的信用风险，主要是指由于交易对手方经营状况恶化不能履行义务所造成的违约损失，不包括“不愿履行”这种由于主观故意所造成的损失以及由于信用等级变化但未实质违约造成的损失。国内外关于信用风险影响因素的研究主要集中在传统财务指标上，对于目前信用违约主体体现出的业务领域多元化、组织形式集团化、发展模式激进化等新趋势、新特征无法有效体现。

违约主体所属行业扩大化。在2014-2017年，违约方主要是在产能过剩的行业，而从2018年开始新增违约主体向新兴行业扩散。前期由资金推动的快速扩张发展模式的“后遗症”不断显现，全行业面临着资金链考验。

违约主体组织结构集团化。2018年违约主体开始出现多元化的大型综合性企业集团。主要原因是集团化运营模式在为现代企业实现规模效益以及抵抗行业周期性风险方面带来优势的同时，也给债权人带来了风险错配、风险延时等负面影响。所谓风险错配即：企业集团以其集团信用或集团内优质企业信用进行融资，资金却通过关联交易、关联往来流向自身资信条件较差的企业，但债权人确未以与此风险相匹配的对价提供资金或进行投资决策。所谓风险延时即：企业集团通过集中管理集团内企业的投融资活动和资金周转，当某家集团内企业发生信用风险时，资金通过该管理中心进行内部的拆借，通过“拆东墙补西墙”行为而导致信用风险的延时暴露。

实际控制人风险凸显。由于近几年市场资金充裕而助推的快速扩张及加杠杆，造成企业资金链条十分脆弱，高度依赖于外部融资，银行等金融机构为了争夺优质客户资源，风控措施执行不到位，风险容忍度提高，普遍接受了抵押担保能力较弱的实际控制人或股东的信用担保。一旦实际控制人或股东发生负面新闻，如涉案、协助调查等，银行为了确保其贷款安全往往提前抽贷，加之近几年兴起的“交叉违约条款”，产生多米诺骨牌效应，瞬间将企业拉入债务危机的深渊。

二、信用风险预警模型搭建

本文原始样本数据来自于2014年至2018年8月债券市场数据，以41家企业集团（内外部关联方数量大于5个）违约主体出现违约风险信号（如：信用评级降级、债务纠纷、发生担保代偿等）的上一年数据作为41笔违约数据样本，从发行债券并正常兑付的客户中抽取与违约主体发债时信用评级相同、企业性质相似、时期匹配的到期兑付企业集团的41笔同年数据为非违约数据样本，共82笔数据构成样本集。

同时，在前期国内外研究成果基础上，对近期债券违约案例进行分析，初步筛选出6大类21个指标加入模型进行研究，包括：偿债能力、营运能力、盈利能力、产业布局、关联程度及公司治理指标。通过R软件glmnet程序包建模，模型最终选取了其中的11个预测变量，包括：偿债能力指标3个（资产负债率、经营现金流量有息负债比率、有息负债占销售收入的比例），盈利能力指标1个（销售净利率），产业布局指标3个（集团涉及行业个数、集团主要行业涉及高危行业、集团近2年业务结构发生较大变化），关联程度指标3个（集团内外部关联方数量规模、其他应收款与其他应付款总额占资产总额的比重、集团母公司是否为运营主体），公司治理指标1个（最近2年公司及实际控制人、高管等是否出现负面信息）。这些变量是预测企业集团是否存在信用风险的关键预警指标。

三、预警指标分析

通过与实际违约案例的背景信息相结合进行分析发现，模型选出的指标对预测信用违约具有较高的显著性。

资产负债率作为企业整体负债水平的综合性指标，以及销售净利率作为企业整体盈利水平的综合性指标，反映了企业盈利水平对于财务杠杆的支撑能力。经营性现金流有息负债率、有息负债占销售收入的比例都是对公司有息负债偿债能力的评价，因有息负债有较大付息还本的硬性压力，往往是引发企业债务危机的导火索。

集团涉及行业个数、是否涉及高危行业、是否发生较大转型，都是对集团产业布局战略的考量，若其采取激进式的发展方式，甚至贸然进入不熟悉的领域或高耗能、产能过剩及资金密集型行业，可能造成转型失败从而无法支付杠杆收购的高额债务，因此作为信用风险的预警指标具有较高的前瞻性。

集团内外部关联方数量、其他应收应付占资产比重、集团母公司是否为运营主体，均反映的是集团内部的关联程度，关联方、关联交易越多其相互影响将越复杂，其他应收应付款占比重则说明集团内相互的资金占用较为严重，信用风险更容易传递和蔓延。集团母公司若不是运营主体那么通常以集团母公司为主体进行的融资，当发生债务违约时可调用的资源其实有限。

公司及实际控制人、高管是否出现负面信息则反映了新闻舆论对企业融资环境的影响，实际控制人的声誉以及违法行为将严重影响公司的再融资能力。同时，若大股东持有的上市公司股票进行质押融资，一旦有任何负面信息，将造成股价波动而被动平仓，进一步影响上市公司的控股权稳定及股票价格，从而丧失还款保障。

四、建议与展望

建立违约信息数据库。由于我国信用违约数据缺乏一个公开、统一的数据库，大量银行贷款违约、私募债违约等由于缺乏公开信息资料无法統计。因此，未来建立一个打通各金融机构的违约数据库非常有必要，是建立信用中国的数据基础，有利于信用风险的进一步研究。

分行业建立信用风险预警指标。不同行业的各项财务及非财务指标存在较大差别，若未按行业进行分类研究，可能会造对违约的判断将失真。在有足够样本的违约数据库基础上，可以按行业进行建模，建立分行业的信用风险预警指标体系。

大数据助力信息披露质量提高。通过大数据挖掘技术，对非财务数据指标如新闻舆情、行业事件等进行统计，对企业财务信息进行“体检”，加大各项数据与信息间的交叉比对，可以进一步净化企业信息披露环境，提高信息披露质量，为信用风险研究提供合格的数据基础。

参考文献：

[1]邓晶，秦涛，黄珊.基于Logistic模型的我国上市公司信用风险预警研究[J].金融理论与实践，2013 （02）：22-26.

[2]方匡南，章贵军，张惠颖.基于Lasso-logistic模型的个人信用风险预警方法[J].数量经济技术经济研究，2014，31 （02）：125-136.