违约发债主体财务指标特征研究.docVIP

违约发债主体财务指标特征研究 　　摘要：本文以市场上的违约债券为样本，对发债主体的财务指标进行了定量分析，通过一定的数理方法筛选出与企业违约特征较为相关的财务指标，并据此提出甄别发债企业潜在违约风险的方法，以为广大投资者提供规避风险的思路。 　　关键词：信用债 违约特征 Logit模型 财务指标 　　近来债券市场违约事件频发，各个机构对此高度关注。尽管从整个债券市场的健康发展来看，债券违约有利于债券市场长远发展，可以丰富中国债券市场违约池的可分析样本，但是对于个体投资者来说，当前面临的最大问题是如何规避风险。 　　违约信用债及违约企业总体情况 　　自2014年第一只信用债违约起，债券市场违约债券逐年增多，截至2016年5月23日，债券市场已经涉及违约行为的债券共有65只（包括后续兑付债券，见表1），其中由担保人直接代偿的债券有10只，未及时拨付兑付资金的债券有55只，债券违约总金额为379.6亿元。 　　在全部涉及违约债券中私募债居多，占违约债券的38%，其他类型违约债券数量较为平均。从时间跨度看，近三年违约债券呈逐年递增趋势。债券违约的实质是发行主体违约，通过对发债主体进行研究，有利于进一步分析违约债券特征。 　　鉴于涉及违约债券的发行主体均是在企业出现偿债压力的情况下违约，因此，接下来本文将不区分“未及时兑付资金”和“担保人代偿”，对所有涉及违约行为的发行主体进行研究。 　　首先对违约发债企业的基本情况进行分析。表2是全部违约债券对应的36家发行主体企业，其中不包括8只集合票据对应的21家中小企业，这些中小企业有效信息有限，因此本研究不做进一步分析。 　　36家发行主体企业分布于不同行业，属于不同企业类型，位于不同省域。以证监会行业大类标准区分，36家企业分布在25个行业大类中，从产业分类上看，相对集中，主要分布在工业制造、冶金采矿等资本密集型制造行业，属于传统产业，也是政府去产能、调结构的重点推进领域。 　　从企业类型分布看，违约企业主要集中在民营企业（见图1）。 　　从违约企业地域看，36家企业分布于全国18个省份，区域集中特征不明显。一线城市或者省份相对集中，其中分布在北京、上海、江苏、浙江等一线城市或发达省份的企业共有22家。 　　违约企业财务信息分析 　　研究违约企业的地域分布、行业分布、类型分布，能够从宏观上总结违约企业的总体特征，但这对于寻找违约企业更详细信息远远不够。为了进一步发现企业的违约特征，本文从微观角度研究违约企业在违约发生前三年的企业财务信息特征，以寻找更多关于违约企业的独有特征。 　　（一）财务指标的选择 　　为寻找与企业违约有关的财务信息指标，这里选用常用的二元逻辑回归模型，即Logit模型。由于14家违约企业财务信息缺失，具备有效信息的企业共有22家，为了与违约企业做对比分析，另选择44家企业作为正常偿债企业代表，44家企业行业分布与违约企业接近，总体纳入研究样本的企业数量为66家。在财务指标选择上，初次指标选择32个（见表3），包括盈利能力指标、偿债能力指标、营运能力指标、成长能力指标、现金流量类指标共五大类。为了更充分揭示违约企业的真实财务信息，本文选取企业违约前三年数据，并且将三年数据均值化，以便于回归分析，总样本容量为2112个样本。 　　按照Logit回归的一般思路，本文将企业是否违约设定为因变量，影响企业违约的财务指标设定为自变量，因变量赋值为（0，1），违约企业赋值为1，未违约企业赋值为0。首先将全部32个财务指标作为自变量，从理论上讲，在对模型进行回归需要检验自变量的多重共线性问题，由于本研究更关注各财务指标与企业违约的相关关系，以便于实际应用，因此相对放松多重共线性对回归模型的控制。接下来利用SPSS19.0软件，将全部指标纳入模型，结合向前法和向后法，逐步剔除影响模型拟合效果的变量，最后纳入模型的指标共有6个，分别是总资产净利率（XI）、营业利润与营业总收入比（X2）、资产负债率（X3）、非筹资性现金净流量与负债总额比率（X4）、已获利息倍数（X5）、应收账款周转率（X6）。 　　如前所述，本文在模型回归中适当放松了共线性控制，在指标筛选时适当结合了经验判断对指标进行选择。例如，总资产净利率、营业利润与营业总收入比二者存在一定程度的共线性，但由于这两个指标与企业违约行为均有重要的相关性，且都属于常见的应用性指标，因此本文将这两个指标一并保留下来。表4是模型估算结果。 　　与一般Logit模型分析不同的是，由于违约样本数量有限，完全依赖模型的回归结果来寻找企业违约特征尚不能完全实现，在样本有限的情况下，本文结合样本信息并考虑经验因素，以最大限度挖掘违约企业所释放的有效信息，找到与企业违约有关的财务信息特征，并尽量缩小财务指标范围，