透过预警模型看债市风险——复盘2020年上半年债市违约

截至2020年6月16日，债券市场共有24家主体发生违约，涉及债券59只，涉及金额达555.57亿元，其中有11家发行人首次在债券市场发生违约。总结违约发行人的特征，主要表现为：行业散、民企多、关联上市公司。 

数据来源：预野险踪团队整理

图1：历史违约发行人统计

新增违约企业涉及11个行业

从新增违约发行人行业分布来看，11家新增违约发行人共涉及通信、综合、轻工制造、商业贸易、汽车、纺织服装、医药生物、公用事业、传媒、房地产、农林牧渔等11个行业（申万一级分类标准）。整体来看，新增违约发行人行业分布较为分散，这一特征与2018年以来保持一致。

表1: 2020上半年新增违约发行人基本信息

数据来源：预野险踪团队整理

民营企业占80%以上

从新增违约发行人企业属性来看，2020年上半年新增违约发行人中民营企业共9家，占比较高。自2019年以来多项民营企业纾困政策陆续出台，虽对民营企业融资状况改善起到了一定的促进作用，但从违约情况来看，信用资质较弱的民营企业发行人仍持续发生风险暴露。

表2: 新增违约主体企业属性

数据来源：预野险踪团队整理

涉及上市公司的发行人数量较多

从新增违约发行人上市情况来看，在全部的11家新增违约发行人中，有3家新增违约主体为A股上市公司，分别是力帆实业、康美药业和天神娱乐；2家为上市公司子公司，分别是桑德工程和信威通信；2家为上市公司母公司，分别是新华联控股和宜华企业；其余新增违约发行人除中融新大外均为上市公司关联企业。

表3: 新增违约主体上市及与上市公司关联情况

数据来源：预野险踪团队整理

这里我们尝试沿着发行人违约前的财务表现和风险事件向上追溯，探讨背后引发其违约的原因。通过总结，我们认为上半年新增违约主体的原因归其根本可以分为以下四类：

第一，实控人诚信度记录存疑，例如康美药业实控人马国田曾卷入多起官员受贿案中，存在给公司造成不利影响的重大隐患。

第二，公司战略较为激进，例如山东如意大规模举债收购，收购的企业多为走下坡路的企业且无法与公司主营业务协同合作，严重恶化公司偿债能力。

第三，公司治理存在较大缺陷，例如天神娱乐存在高层频繁变动，监管机制薄弱等内控问题，因此实控人激进并购、占用公司资金等行为并没有被有效的管理机制所制止，最终导致公司经营业绩持续下滑、债务高企、流动性压力加剧等一系列问题。

第四，受行业景气度差、竞争激烈、政策调控等外生性因素影响，发行人（力帆实业、中融新大等发行人）收入下滑明显，同时资产流动性差，短期待偿还债务规模大，叠加新冠肺炎疫情影响，债券违约未能避免。综上所述，我们构建了违约归因表，旨在为投资者提供更直观、清晰且详细的违约分析。

表4: 2020年至今新增违约发行人违约因素汇总

数据来源：预野险踪团队整理

从2014年债券市场首次违约至今已有6年，违约主体数已攀升至190家。从违约案例的数量和时间跨度来看，已经具备一定深入分析回溯的基础。在当前违约频发、“花式”层出不穷的背景下，预野险踪团队研发出基于违约实证的风险分析框架。通过对违约发行人全量因素的统计分析，拟合形成传导链，对中间结果的解读可较为全面地透析、识别违约事件中的核心因素，从更为丰富的维度上实现风险预警。

无论从逻辑出发还是历史经验出发，违约主体的财务指标对于事件本身的指示意义往往十分有限且相对滞后。根据我们的长期追踪，导致违约的直接原因经常在于经营困境，而让此类困境最终成为“定局”的种种因素则普遍集中在公司的战略规划及管理效率上。基于此，通过对多维数据的进一步追根溯源，我们认为，对公司治理及实控人的深度分析、理解是预测违约事件是否最终发生的关键要素。

数据来源：预野险踪团队整理

图2：分析框架

以上的分析传导链条综合归纳了企业的内生性风险分析逻辑，但这并不排除有部分企业的违约是来自于外生性风险，比如行业下行风险、行业竞争激烈、政策压力等因素。因此，在分析一家企业的情况时，应综合内外两方面来考虑，才能对违约主体进行更为全面的总结，以及对高风险主体进行更有效的风险预警。

基于以上的分析框架，预野险踪团队开发了量化风险模型。此模型同时考虑信用债发行主体的公司治理、经营效率、实控人风险偏好、股债、舆情以及诚信诉讼等多维信息。通过“大数据+量化模型”的金融科技手段，以先行指标为主，滞后指标为辅，从财务可信度、偿债能力、股债关联情况以及舆情大数据四个维度全面考察债券发行主体的信用状况，综合评定主体风险区间。压力值是预野险踪团队基于量化算法对主体信用风险进行分析后确定的风险水平。压力值取值范围为1-100，压力值越大风险越高，由低到高分为推荐、关注、规避等区间。

以2020年上半年几家新增的企业为例：

数据来源：预野险踪团队整理

图3：康美药业历史风险走势图

预野险踪量化风险模型数据起始日为2017年1月26日，自模型数据起始日开始，康美药业就被划入“规避2”的区间，于公司违约前1096天进行了提前预警。从模型的四个分项风险来看，公司的股债联动、财务粉饰、偿债能力及舆情大数据等四项分项风险均明显且长期高于行业平均水平，模型及时并有效地反映出了康美药业的财务造假、关联方内幕交易、流动性压力加剧、监管处罚、公司治理结构不完善等问题。

数据来源：预野险踪团队整理

图4：天神娱乐历史风险走势图

从模型数据起始日开始，天神娱乐就被划入“规避2”的区间，于公司违约前1088天进行了提前预警。从模型的四个分项风险来看，公司的股债联动、财务粉饰、舆情大数据等三项分项风险均明显且长期高于行业平均水平，及时并有效地反映出了公司的经营不善、诉讼纠纷不断、高管频繁变动、内控机制不完善、前实控人占用公司资金等问题。

数据来源：预野险踪团队整理

图5：北大方正历史风险走势图

从模型数据起始日开始，北大方正就被划入“规避2”的区间，于公司违约前1039天前进行了提前预警。从模型的四个分项风险来看，公司的股债联动及舆情大数据等两项分项风险均明显且长期高于行业平均水平，及时并有效地反映出了公司的诉讼及股权纠纷不断、管理效率较低、融资渠道受限等问题。

数据来源：预野险踪团队整理

图6：中融新大历史风险走势图

模型自2019年7月26日就将中融新大划入“规避1”的区间，于公司违约前220天进行了提前预警。从模型的四个分项风险来看，公司的股债联动风险明显高于行业平均水平，模型及时并有效地反映出了公司的担保规模较高、股东违约、融资环境恶化等问题。

数据来源：预野险踪团队整理

图7：山东如意历史风险走势图

从模型数据起始日开始，山东如意就被划入“规避2”的区间，于公司违约前1144天进行了提前预警。从模型的四个分项风险来看，公司的股债联动、财务粉饰、偿债能力及舆情大数据等四项分项风险均高于行业均值，模型有效地反映出了公司的经营业绩大幅回落、财报延迟披露、集中偿付压力较大、担保金额较高、融资资源枯竭等问题。

数据来源：预野险踪团队整理

图8：力帆实业历史风险走势图

从模型数据起始日开始，力帆实业就被划入“规避2”的区间，于公司违约前1144天进行了预警。从模型的四个分项风险来看，公司的股债联动、舆情大数据、偿债能力这三项分项风险长期且大幅高于行业均值。分项风险体现出了公司盈利能力疲弱、流动性不佳、担保规模较大、集中偿付压力较大等问题。

数据来源：预野险踪团队整理

图9：新华联控股历史风险走势图

从模型数据起始日开始，新华联控股就被划入“规避2”的区间，于公司违约前1135天进行了预警。从模型的四个分项风险来看，公司的股债联动、舆情大数据、财务可信度这三个分项风险明显高于行业均值。分项风险有效地反映出了公司资产受限、现金流紧张、再融资困难、盈利能力弱且不稳定、负面事件频发等状况。

数据来源：预野险踪团队整理

图10：桑德工程历史风险走势图

模型自2019年11月27日就将桑德工程划入“规避1”的区间，于公司违约前100天进行了提前预警。从模型的四个分项风险来看，公司的股债联动及偿债能力等两项风险均长期且大幅高于行业平均水平，分项风险有效地反映出了公司的经营状况不佳、杠杆水平较高、资产流动性差、再融资能力差等问题。

数据来源：预野险踪团队整理

图11：信威通信历史风险走势图

模型自2018年5月26日就将信威通信划入“规避2”的区间，于公司违约前736天进行了提前预警。从模型的四个分项风险来看，公司的财务可信度及偿债能力等两项风险均长期高于行业均值，模型及时地反映出了公司的经营业绩下滑、偿付压力较大、财报披露不够及时等问题。

数据来源：预野险踪团队整理

图12：吉林森工历史风险走势图

模型自2017年11月26日就将吉林森工划入“规避2”的区间，于公司违约前904天进行了提前预警。从模型的四个分项风险来看，公司的股债联动风险长期高于行业均值，模型及时地反映出了公司所持上市公司股权遭司法划转、股权被冻结等问题。 

数据来源：预野险踪团队整理

图13：宜华企业历史风险走势图

模型自2019年12月26日就将宜华企业划入“规避2”的区间，于公司违约前128天进行了提前预警。从模型的四个分项风险来看，公司的偿债能力及股债联动分项风险高于行业平均水平，模型及时地反映出了公司持有上市公司股份遭冻结、债务高企、子公司并购重组带来的资金压力较大、关联委托投资规模较大等问题。 

历史违约主体模型预警结果

通过回测，我们发现，预野险踪风险量化模型可以较为全面的覆盖风险事件，对于违约发行人的平均预警窗口期高达684天，2019年的有效预警率高达94%。

表5: 模型结果跟踪检验

数据来源：预野险踪团队整理

目前模型测算的压力值处于最大区间的发行人有508家，分别集中在轻工制造、纺织服务、电子元器件、家用电器、医药生物等行业，此外，民营企业压力值高企、上市公司压力值略有上升。后续预野险踪团队将持续跟踪债市发行人的风险动态，从量化模型视角与市场分享我们监测到的行业、区域和个体的风险变化，为投资者提供更为全面、客观的信息和及时有效的预警。

In the short run, the market is a voting machine, but in the long run, it is a weighing machine.

- Benjamin Graham

短期内，市场就像是一个投票机，展示了公司受追捧的程度；而就长期而言，市场就像一个称重机，评估了公司真实的价值。

— 本杰明·格雷厄姆