基于BP神经网络的航空公司债务风险形成与传染机理研究

田利军（教授）王皓羽 张秀 徐森雨

（中国民航大学中国民航环境与可持续发展研究中心 天津 300300）

一、引言

根据国际航空运输协会出具的航空业经营分析报告，全球航空业负债在2020年底高达5 500亿美元，包括政府贷款、贷款担保、商业贷款、新经营租赁债务等商业债务和财政援助。因此，民航业需要关注并提前防控负债经营带来的财务风险。根据已有文献的研究，郭雪波（2019）借鉴现代医学中流行病学的传染理论，以海航系为案例对系族企业间的信用风险传染路径进行了研究。田利军（2019）通过因子分析法和神经网络模型建立了航空公司财务风险预警模型，研究我国航空公司的债务风险状况。目前针对民航业企业债务风险传染与防范的研究较少，未指明企业债务风险对行业甚至产业的影响，民航业作为国家的重要战略产业，探究其债务风险传染机理以及提出防范措施是紧急而必要的。本文从理论研究出发，运用主成分分析法和BP神经网络模型，构建航空公司债务风险定量测度模型和债务风险预警模型，分析了航空公司债务违约风险的形成因素和主要传染路径。

本文的创新点在于：（1）将对航空公司债务风险的研究拓展到产业链、行业和区域经济层次，延伸、深化和丰富了债务风险理论。在民航业高质量发展和企业多元化扩张的背景下，产业的纵向覆盖导致债务风险在产业链和区域经济层面传导。目前关于航空公司债务风险传染机理与防控的研究甚少，已有研究基本是围绕财务风险进行的，缺少对于债务风险传染情况的细化研究。（2）本文提出基于航空公司特征的债务风险传染机理模型和防控措施，可提高航空公司的债务风险防控能力。航空公司科学合理的资本结构和良好的财务状况，有利于提高其面对重大风险的柔性，并实现企业的健康可持续发展。

二、航空公司债务风险形成与传染机理分析

（一）行业层次债务风险的传染机理

相关研究发现，同一行业的企业个体存在相似性，主要缘于企业的经营战略、业务范围以及投融资策略的同质性，使得行业内的风险具有一定的传染效应，最终风险变化趋于同步。其一，从服务经营状况来讲，同行业企业经营战略和业务范围的同质性是产生债务风险传染现象的根源。其二，“同群效应”即同类企业间的模仿行为（万良勇等，2016），使企业间存在相似的投融资倾向，风险的变化也趋于一致（Ngo et al.，2015）。现有研究表明，我国上市公司的资本结构会受到同行业资本结构的影响，甚至导致系统性违约风险，尤其是在负债率不断攀升以及债务违约带来风险时，对同行业其他企业也有相应的正“溢出效应”。

（二）产业链层次债务风险的传染机理

从风险传播的空间维度进行分析，沿横向路径，民航业的债务风险可能沿风险载体蔓延到航空主业，从而影响到国家民用航空网络。民航业市场企业容量低，并且具有资本市场低投资回报的特点，因此航空公司具有更高的风险可见性和传染性（李春玲、刘梁，2015）。债务风险沿纵向路径，民航业科技含量高、产业链条长，高度集成了大量先进科技，是国家经济发展的战略性行业以及先导性高技术产业。航空运输涉及的飞行器采购和租赁导致的债务风险，涉及飞机制造商、航材公司、银行、产权投资人等关联方，此外航油业务涉及的航油供应商等也属于承载主要债务风险的产业链关联方。如图1所示。

图1 产业链间的航空公司债务风险传染机制

（三）区域经济层次债务风险的传染机理

区域经济层次债务风险传染，源于企业所处地区的区域宏观因素，这些债务风险源同时影响目标企业以及同区域的其他企业，进而显现出债务循环违约的相关性。展开来讲，企业作为市场经济的一部分，宏观形势的变化对企业的影响是相似的，尤其对于同行业企业的影响趋于同步，例如国民生产总值、区域政策出台以及产业结构调整等，宏观经济因素极有可能引发规模性的债务违约事件。特别是具有综合集聚功能的大城市，区域优势和综合实力等会决定行业的发展前景和财务运营状况，因此针对由其引起的债务违约风险需要进行及时防范和干预，这是地区政府和企业个体均需给予关注的方面，以避免大规模债务风险导致的经济可持续和协调问题（田利军，2021）。

三、样本选择与评价指标体系构建

（一）样本选择及数据来源

考虑到企业是否有公开财务数据以及规模的相似性，本文选择中国国际航空股份有限公司、中国东方航空股份有限公司、中国南方航空股份有限公司和海南航空控股股份有限公司为研究对象。选择四家航空公司2012—2019年的数据形成32个研究样本。本文的财务数据、供应链数据和区域经济数据来源于Wind数据库，行业层面数据来源于中国民用航空局发展计划司所著《从统计看民航》以及航空公司生产数据业绩报告等资料。

（二）民航业债务风险传染评价指标体系构建

基于上述机理分析，本文从企业、行业、产业链、区域经济四个层次选取指标。经过筛选得到21个指标进行主因子分析。首先进行KMO和Bartlett球形度检验，KMO检验值为0.613，大于阈值0.5，说明变量之间存在相关性，符合要求。Bartlett球形度检验的结果p值为0.000，小于0.05。因此可以拒绝球形假设且指标之间具有相关关系，优化后的数据集可以进行因子分析。

变量矩阵的特征值和贡献率结果显示有6个主因子特征值大于1，且累计的方差贡献率为90.173%，说明对信息的覆盖和解释能力较强。将主成分进行因子载荷旋转后得到成分矩阵，将6个主成分因子分别命名为F1—F6。主成分1解释为企业所在区域因素影响；主成分2反映了企业资金或资本增值能力，解释为盈利能力主成分；主成分3为偿债能力主成分；主成分4中的供应商相关指标综合反映了供应链上游对企业债务的影响；主成分5用来解释在行业因素影响下企业的发展能力变化，因此可以代表行业影响指标；主成分6反映企业扩大规模、壮大实力的潜在能力，代表其发展能力。如表1所示。

表1 旋转成分矩阵a

四、基于BP神经网络模型的债务风险模型及结果分析

（一）BP神经网络结构的设计

本文拟构建三层BP神经网络进行债务风险的定量测度，输入层由风险指标拟合的主因子构成，设定为6个节点。采用标准化处理将网络的输入数据进行尺度变换，试凑法确定最佳隐节点数。本文利用航空公司的债务风险评级来判别其债务违约风险程度，据此设定输出层为包含排序信息的虚拟变量。为取得更好的拟合效果，将模型的学习误差降至0.0001时，模型停止训练。本文根据输出值的实际状况，隐藏层激活函数确定为Tanh函数，输出层激活函数确定为Softmax函数。使用IBM SPSS Statistics 24软件MLP多层感知器程序进行BP前馈神经网络分析。

（二）模型训练

本文拟通过神经网络达到债务风险定量测度和风险预警两个目的，通过本期债务风险指标（Y）建立模型1实现本期风险定量预测；采用滞后一期债务风险指标（Y）建立模型2实现债务风险未来期间预警。将总样本分为26个训练样本和6个测试样本进行模型训练。

（三）债务风险定量测度与预警结果分析

1.债务风险定量测度模型结果分析。将26个测试集进行训练，得到正确率为92.3%的训练模型。其中23个无债务风险样本中有21个样本得到了正确预测结果，2个样本测试结果误判为1；3个有债务风险的样本预测正确百分比为100%。将其余6组测试集样本作为拟待评估对象，模型预测结果的ROC曲线图下方的区域为0.913，表明预测能力较好。通过自变量重要性（图2）可知，模型认为FAC3和FAC1因子变量比较重要，航空公司本期的偿债能力对其债务信用评级影响最大，同时航空公司所在省份的经济状况即区域因素对航空公司的债务风险也具有极大影响。其次，民航业影响指标与航空公司的债务风险指标之间也有很强的关联关系。在债务风险定量测度模型中，企业的盈利能力、发展能力和民航供应链指标对于航空公司本期的债务风险能力影响程度较小。

图2 债务风险定量测度模型自变量重要性

2.债务风险预警模型结果分析。债务风险预警模型即本期指标数据状况对航空公司下期债务风险的指征能力。神经网络模型对26个测试集进行训练，满足训练终止规则0.0001，得到正确率100%的训练模型。将其余6组测试集样本作为拟待评估对象，得到100%的预测正确百分比，模型预测结果的ROC曲线图下方的区域为1，表明模型的预测能力很好。

正态化后的变量重要性见图3，FAC2和FAC1两个因子变量比较重要，航空公司本期的盈利能力对下期债券信用评级即债务风险很重要，一方面可能是利润积累增强了企业的偿债能力和资本市场信心，另一方面，债券信用评级报告发布时间的滞后性导致了信息传递差异。区域因素在债务风险预警模型中同样占据重要地位，重要性程度达到80%以上。同时，在该模型中民航业的供应链影响因素和企业的偿债能力对航空公司的预期债务风险状况也发挥了重要影响作用。相对而言，民航业和企业的发展能力对于航空公司预期债务风险状况的重要性程度较弱，但其正态化重要性仍然达到20%以上，与企业预期债务风险状况同样存在一定的关联关系。

图3 债务风险预警模型自变量重要性

3.模型对比分析。债务风险定量测度模型旨在测度航空公司的债务风险状况，便于将同类型样本代入模型，对无债券信用评级报告的航空公司实现债务风险定量测度。债务风险预警模型一方面解决了信号传递的滞后性，能预测未来债务风险；另一方面解释了四个层次影响与企业债务风险之间的传染关系。

从预测结果的准确程度来看，债务风险预警模型在预测能力上更加完善。从预测结果内容分析，债务风险的定量测度模型包含了本期债务风险来源信息：（1）负债是企业财务风险的来源，偿债能力直接体现了企业财务状况的稳定程度。（2）区域经济因素的影响隐含了区域发展水平、政策倾向等信息，民航业受区域因素影响较大。债务风险预测模型还包括未来预测和风险传染关系信息：（1）与债务风险定量测度模型相比，航空公司未来期间债务风险受多方面因素的综合影响。（2）利润积累和利好信号在资本市场的传递增强了相关利益者的信心，盈利能力体现了更多的预测信息。（3）区域因素和供应链因素在模型中的重要地位，表明债务风险也会沿传染路径向区域和供应链传导，主要受以航空公司为核心企业的供应链上游影响。

五、结论与建议

本文通过选取航空公司、民航业、产业链以及区域四个层次的债务风险形成及传染相关指标，构建实证检验模型并验证了模型的有效性。上文研究结果表明：航空公司债务风险形成的内部因素主要取决于企业自身的偿债能力以及盈利能力，债务风险传染的外在因素主要是受到航空公司所在区域以及上游供应商的影响。航空公司债务风险的影响因素是多元化、多角度的，面对疫情下经济发展缓慢、需求大幅减少和市场结构调整的现状，本文建议采取以下应对举措。

（一）强化供给侧改革，提高产业结构稳定性

政府应当引导企业调整业务结构，适度负债，从根本上化解企业的流动性危机。在提升我国民航业运营能力的同时提高区域抵御重大风险的能力，加强产业结构稳定和市场经济可持续发展的相互促进能力。企业方面可以通过调整和修复资产负债表、精细化成本核算等措施发现无效供给服务，提供针对性强、竞争力高的有效产能供给。政府层面通过完善民航业供给侧改革的政策制度，优化民航产品同质化程度，适当引入航油航材等企业竞争者，丰富全流程供应链物流能力。同时通过机票价格调整等手段鼓励航空出行需求，确保行业“保产业链、供应链稳定”，通过全面深化改革增强行业发展内生动力，推进民航业治理体系和治理能力现代化。

（二）构建合理的资本结构，提高企业偿债能力

我国上市航空公司的短期负债主要由短期借款、应付短期融资券等组成，主要用于支付航材款、油料款等经营性应付款项和满足增加的融资需求，长期负债主要用于固定资产的建设和飞机租赁等（刘志雄、韦圆圆，2015）。从航空公司的债务结构和资金用途可以看出，上市航空公司抵御债务违约风险的措施需要结合企业发展战略和资本结构，提高企业的变现能力和盈利能力对于企业偿还债务有关键影响。因此航空公司偿债能力的提升与企业整体的资本结构息息相关，优化负债结构，保持平稳且合理的资产负债率是航空公司实现高质量、可持续发展的有效手段。

（三）提高收入降低成本，提升企业盈利能力

航空公司可以从合理定价和开拓增值服务两方面来提高收入，按照供需关系合理安排机票价格，将经济舱和商务舱差异化定价，提高商务舱的单位收益。增值服务是指航空公司提供超常规服务以获得增值收入的服务，增值服务可以开拓创新，以旅客行程中的需求为出发点来开展（王婧，2019）。航空公司关注成本管控能够降低市场竞争中的压力，为其长期健康发展提供保障。航空公司降低成本可以从套期保值防范汇兑风险、提高管理效率、降低营销费用、合理分配航线机队几个方面考虑。