上市公司信用风险分析专题报告之一：上市公司的信用风险有何变化.pdf

固定收益专题报告 请务必阅读正文之后的免责 声明 渤海证券股份有限公司具备证券投资咨询业务资格 1 of 22 固定收益研究 证券研究报告 专题报告 证券分析师 冯振 022-28451605 fengzhenbhzq Table_Author 投资建议： 2018 年以来，部 分企业的信用风险逐渐暴露。 7 月下旬，政策层面出现边际调整，部分政策可能略有放松，虽然不会出现大水漫灌似的宽松，但目前紧信用的市场环境可望逐渐缓和。 然而 在政策开始调整之后，仍有两家上市公司发行的债券先后违约，一方面可能由于政策的出台和传导存在时滞，另一方面也部分说明对于本身存在瑕疵和风险的企业，金融机构和投资者的借贷与投资意愿仍然不高，企业的融资渠道仍不畅通。由于本报告分析对象为有债券存续的上市公司，公司的股权定价相对较为公允且流动性较高，可采用 KMV 模型加以分析。 计算 2012Q1 至 2018Q2 全部样本企业 违约距离的平均值可以发现， 2012 年一季度开始，样本企业平均违约距离在波动中不断走低，至 2014 年二季度降至区间最低，与“ 11 超日债”发生违约的时间大致吻合。 2017 年下半年，样本企业平均违约距离中枢再次出现明显下行，并一直持续至 2018 年上半年，这也恰好与今年上市企业债券违约事件明显增多相 对应 。分析结果可能表明，当上市企业整体信用资质出现下滑时，企业违约的可能性随之上升。 从已违约主体的角度分析 也得出相似结论 ，目前上市公司的债务违约更多出现于平均违约距离出现较长时间下降，并明显低于前期 水平 之时。 违约距离 的计算相对较为繁琐，通过探寻一些与企业违约距离有相关关系的因素，可以较为方便直观地判断上市公司违约距离可能的变化方式。分析发现，沪深 300与违约距离的相关性很高。从目前的实际情况看，上市公司违约多见于整体违约距离下滑之时，也即在股市回落之时违约增多。因此，股市下跌期间更应仔细对投资标的进行甄别。长期负债占比与平均违约距离相关系数较高，短期偿债压力越大的企业违约距离越小，违约风险越大。 从企业自身角度出发，我们发现，增长速度相关指标与违约距离有较为明显的相关性。归母净利润增速、留存收益率以及净资产增长率均与违 约距离有较明显的相关关系，这可能源于权益投资人和债权投资人更倾向于向发展前景看好的企业融出资金，且这类企业自身经营发展比较健康，可持续性相对更强 。 另外， 发展前景良好的 企业股票的估值水平也可能更高。 现金流状况也与企业违约风险有一定的相关性。经营性净现金流、筹资性净现金流均与违约距离有一定的相关性。至于企业的盈利能力，如 ROA、 ROE 等指标，至少从样本平均来看，与违约距离的相关性很弱。 总结起来，发展速度缓慢、前景堪忧或不明朗、短期负债压力较大、现金流不甚充裕且稳定性差、前期违约距离开始下滑或持续 低于零点 的企 业，在目前股市持续低迷，市场情绪较为悲观的环境下风险较大。 若仔细分析， KMV 模型用以研究国内企业的信用风险时也有一定的局限性。这种局限性一方面来自国内外股市发达程度与投资者结构的不同，另一方面来自模型计算过程部分忽略了融资能力对违约的影响，从而降低模型分析国内企业时的适用性。 风险提示 市场结构不同及融资考虑不足导致的适用性问题极大影响模型分析的准确性。 上市公司的信用风险有何变化 上市公司信用风险分析 专题 报告 之一 分析师 ： 冯振 SAC NO： S1150517100001 2018 年 9 月 19 日 固定收益专题报告 请务必阅读正文之后的免责 声明 2 of 22 目录 1. KMV 模型参数设定与违约距离的计算 . 4 1.1 KMV 模型参数设定 . 4 1.1.1 股权价值的计算 . 5 1.1.2 股权价值波动率的估计方法 . 5 1.1.3 违约点的确定 . 5 1.1.4 选择债务期限和无风险利率 . 5 1.2 样本选择与数据处理 . 6 2. 违约距离的测算与上市企业违约风险分析 . 6 2.1 样本企业风险水平及其变动趋势的总体情况 . 6 2.2 上市企业平均风险水平的分类分析 . 7 2.2.1 不同行业的对比分析 . 7 2.2.2 不同属性企业的对比分析 .11 2.3 已违约主体违约距离变动情况分析 . 12 3. 我们可以通过哪些角度观察和判断 违约距离 . 14 4. 结论与投资建议 . 15 5. 风险提示 . 16 固定收益专题报告 请务必阅读正文之后的免责 声明 3 of 22 图目录 图 1：样本企业平均违约距离自 2017 年下半年起不断减小 . 7 图 2：样本上市发债企业行业分布情况 . 8 图 3：部分行业平均违约距离变动情况 . 8 图 4： 5 类主体数量分布 . 8 图 5：样本上市发债企业属性分布情况 . 12 图 6：不同属性主体平均违约距离变动情况 . 12 图 7：金鸿控股违约距离变动情况 . 13 图 8： ST 中安违约距离变动情况 . 13 图 9：永泰能源违约距离变动情况 . 14 图 10： *ST 凯迪违约距离变动情况 . 14 表目录 表 1： 5 个类别中各行业主体占比 . 9 表 2：各行业主体在 5 个类别中的比例分布 . 10 表 3：与企业违约距离有相关关系的指标 . 15 固定收益专题报告 请务必阅读正文之后的免责 声明 4 of 22 2018年以来，部分企业的信用风险逐渐暴露， 截至 9月 5 日 ，共有 57只债券违约，违约债券余额共计 530.91 亿，涉及 24 个发行人。 3 月中旬至 5 月上旬，出现 3 家上市企业债券违约，特别是凯迪和中安消在同一天违约，使市场对上市公司发行主体信用违约担忧骤起，风险偏好极度降低。 7 月 5 日，上市公司永泰能源短期融资券违约，由于触发“交叉保护条款”，导致当日永泰能源多只债券违约。 8月 3日，乐视网私募债违约。 8月 23日，金鸿控股所发公司债未按期完成回售债券的兑付义务导致违约。 7 月下 旬 开始 ， 政策层面 出现边际调整，部分政策可能略有放松， 虽然 不会出现大水漫灌似的宽松 ，但 目前紧信用的市场环境可望逐渐缓和。但在政策开始调整之后，仍有两家上市公司发行的债券先后违约，一方面可能由于政策的 出台和 传导存在时滞，另一方面也部分说明对于本身存在瑕疵和风险的企业， 金融机构和投资者的借贷与投资意愿仍然不高，企业的 融资渠道 仍不畅通。 因此，无论国内信用环境是否能够实质性的转向宽松，对上市企业（也包括其他类型企业）信用风险进行 更细致的分析 也十分必要。 此外， 违约风险的 暴露往往 也会传导至公司股价，对信用风险的识别也是避 免遭遇股价大幅下跌的手段之一。 由于本报告分析对象为 有 债券存续的上市公司，公司的股权定价相对较为公允且流动性较高， 可采用 KMV 模型 加以 分析 。 1. KMV 模型 参数设定 与违约距离的计算 1.1 KMV 模型参数设定 KMV 模型 是美国 KMV 公司（ 2002 年被穆迪公司收购）基于公司理财和期权理论开发的用于估计公司违约概率的风险管理模型。 KMV 模型 的基本思想是：将目标公司的股权视为以公司资产价值为标的的看涨期权，在债务到期日，如果公司资产价值高于债务值（违约点），公司所有者不会违约，公司股权价值即收益为资产价值与债务 值之间的差额，这相当于执行看涨期权；而当债务到期日公司资产价值低于负债值时，公司所有者会选择违约，相当于不执行看涨期权，产生信用风险。 模型具体形式及部分推导过程见附录。 KMV 模型 的目标是通过计算违约距离来估计对应主体的违约可能性，在此之前需要预先计算设定的参数主要包括 股权价值 （ E）、股权价值波动率（ E ）、违约点（ D）、 债务期限 （ ）以及 无风险利率 （ r）。 固定收益专题报告 请务必阅读正文之后的免责 声明 5 of 22 1.1.1 股权价值的计算 就我国上市公司而言， 其股权构成中一般包括流通股和限售股两类。限售股虽与流通股同股同权，但其交易受限而不能在公开市场自由买卖，如果使用二级市场股权交易价格计算限售股价值则未免高估公司股权价值，从而导致对信用风险的低估。基于此，本文使用每股净资产值衡量同时期单位限售股价值，同时，为避免 期 末交易价格 出现 显著波动造成估计误差，采用二级市场 股票季度 均价衡量每股流通股价值。由此可得，公司股权价值 =流通股 季度 均价流通股本数每股净资产限售股本数。 1.1.2 股权价值波动率的估计方法 考虑到在计算股权价值的公式中，每股净资产在季度报告中 加以披露，流通股本数与限售股本数变动的频率一般也不高，因此，我们采用李晟和张宇航（ 2016）的估计方式，以股价的日度对数收益率的标准差，来衡量对应主体的股权价值波动率 E 。 1.1.3 违约点的确定 KMV 公司通过对大量违约公司的观察发现，违约发生频率最高的临界点位于公司资产价值等于公司短期负债加一半的长期负债处。对于这种违约点的选择方式，国内学者提出过多种修正思路，但这些方法多是基于固定样本的尝试，且未形成被广泛接受的一致结论。相较而言， KMV 公司对违约点 的定义则得到较多的采纳， 本报告 也将参照这一取值。 1.1.4 选择债务期限和无风险利率 出于不影响结论有效性和简化工作量的考虑，借鉴其他学者的研究成果，将债务期限设定为一年，即 =1 。 在选择无风险利率 r 时，大多数文献采用同时期银行定存利率进行替代。然而，仔细考察方程 12( ) ( )rE V N d D e N d 不难发现，此处的 r 是在对公司债务进行贴现时使用的利率，用存款利率表示无风险利率明显有失妥当。我们也可以会计学的视角来审视上述方程，股权价值 E 可 视为投资者权益， 1()VNd 是公司资固定收益专题报告 请务必阅读正文之后的免责 声明 6 of 22 产现值， 2()rDe N d 则为负债现值，该方程恰好与恒等式“资产 =负债 +所有者权益”相对应。因此，此处的无风险利率 r 应为负债相应利率。本文采用样本期间内人民银行短期贷款基准利率的加权利率衡量 r。 1.2 样本选择与 数据处理 研究样本 由 有存续债券的 A股上市公司 构成 ，剔除 金融板块主体及 少数数据缺失主体 ，样本中共包括上市主体 537家 。 同时， 以 二级市场股 票季度均价衡量每股流通股价值 ； 每股净资产数据来自对应主体季度报告 ； 流通股本数与限售股本数取当 季期末 值。 企业负债数据同样来自季度报告。 贷款基准利率数据来自中国人民银行官网。 样本期间 选择 2012 年 1 季度 至 2018 年 2 季度 。 2. 违约距离的测 算与上市企业违约风险 分析 根 据模型参数设定，计算可得样本公司的股权价值 E、违约点 D以及无风险利率r，股权价值波动率 E 可利用 Wind客户端直接取得 。 在求得 KMV模型所需参数后， 运用 牛顿迭代优化算法，估计出资产价值 V 及资产价值 波动率 V 的收敛值。之后，根据违约距离计算公式可求得违约距离 DD。 2.1 样本企业风险水平及其变动趋势的 总体情况 KMV 模型中的违约概率计算公式（见附录） 是在资产价值服从标准几何布朗运动的假设前提下推导得出的，与实际的吻合程度值得商榷。在实践中， KMV 公司并没有直接使用理论违约概率，而是利用一个庞大的数据库，将求出的公司违约距离与由历史数据观察到的违约率拟合出预期违约概率即 EDF，该预期违约概率也是违约距离的函数 （姚益龙等， 2009） 。由于我国尚未建立详细 的违约破产数据库，我们无法构建违约距离与预期违约概率之间的映射关系。结合 KMV 模型设计思路可推知，违约距离与预期违约概率反向变动 ，违约距离同样可以较好地衡量上市企业的信用风险情况，因此后文我们将 以违约距离作为评价信用风险的依据。由于违约距离 DD 是一个标准化指标，我们可用其衡量信用风险的相对大小，从而 对上市发债企业进行更为细化的比较 。 计算每个样本期全部样本企业 违约距离 的 平均值 可以发现， 2012 年一季度开始，样本企业平均违约距离在波动中不断走低，至 2014 年二季度降至区间最固定收益专题报告 请务必阅读正文之后的免责 声明 7 of 22 低，与“ 11 超日债”（发行主体协鑫集 成，为上市企业）发生违约的时间大致吻合。 2014年下半年至 2015年上半年，样本企业的平均信用质量出现较为明显的改善，其后大体保持平稳。自 2017 年下半年，样本企业平均违约距离 中枢再次出现 明显下行， 并一直持续至 2018 年上半年， 这也 恰好与 今年上市企业债券违约事件明显增多 相 对应 。 分析结果可能 表明，当上市企业整体信用资质出现下滑时，企业违约的可能性随之上升。 图 1： 样本企业平均违约距离 自 2017 年下半年 起 不断 减小 资料来源：渤海证券研究所 2.2 上市 企业 平均 风险水平 的分类分析 2.2.1 不同 行业 的 对比分析 样本中 537个上市发债企业涵盖采掘、房地产、综合、医药生物等 26个行业（申万行业分类） 。包含主体最多的行业为房地产行业 ， 共有 78 个上市企业；包含主体最少的行业为 家用电器 ， 仅 包含 2 家上市企业。 从行业 整体 角度看， 公用事业、 医药生物、交通运输 平均违约距离较大，房地产 、建筑装饰 、钢铁行业平均违约距离较小。从行业平均违约距离变动 幅度和 趋势看， 违约距离较小的房地产、建筑装饰和钢铁行业波动幅度明显大于其他行业。 周期性 行业如钢铁、采掘 自 2016 年 二季度起 违约距离 逐渐回升 ，与供给侧改革推进带来的行业供需改善及景气度抬升相对应。房地产和建筑装饰行业平均违约距离 近年 处于下滑通道 ， 其中 房地产行业 自 2016 年 3 季度起下滑速度加快 ，与政策限制及融资渠道收紧相对应。 固定收益专题报告 请务必阅读正文之后的免责 声明 8 of 22 图 2： 样本 上市发债企业行业分布情况 图 3： 部分行业平均违约距离变动情况 数据来源：渤海证券研究所 数据来源：渤海证券研究所 我们 取 2018 年上半年两期违约距离的均值， 根据 违约距离 的 相对 大小 将样本企业分为 5 类，分别定义为 “尽量规避”、“谨慎参与”、“中性配置” 、“适当参与” 以及 “可以介入” 。 分类方法为：对于平均违约距离小于 0的主体，直接归为“尽量规避”类别， 1对其他主体采用聚类方法进行归类。 分类 结果显示 ，“尽量规避”类企业 157 家，“谨慎参与”类企业 76 家，“中性配置”类企业 123 家，“适当参与”类企业 115 家，“可以介入”类企业 66家。 从 2018 年上半年 情况看， 不 少上市企业的信用风险相对较大。 图 4： 5 类主体数量分布 资料来源： Wind， 渤海证券研究所 “尽量规避”类的 157家主体中， 涵盖 除 国防军工、食品饮料、通信和休闲服务外的样本内 其他 22 个 行业。 其中房地产主体 51 家，占比 32.48%； 建筑装饰行业 17 家，占比 10.83%；公用事业 14 家，占比 8.92%；采掘行业 11 家，占比1 已违约主体多处于这一类别，之所以大多数违约距离小于 0 主体没有违约，可能的原因有以下几点： 1、尚未到债券到期或回售期； 2、上市公司融资渠道相对依然较为畅通，资金链断裂的可能性相对小； 3、所有者对企业未来发展前景依然看好； 4、债券违约影响较大， 对股价也会产生冲击， 股 东或当地政府不希望类似情况发生，因此会协助企业渡过难关。 固定收益专题报告 请务必阅读正文之后的免责 声明 9 of 22 7.01%。 “谨慎参与”类的 76 家主体中， 涵盖 除 纺织服装、家用电器、轻工制造、食品饮料 和休闲服务 外的样本内 其他 21 个 行业 。 其中，房地产主体 12 家，占比15.79%； 化工 行业 8家，占比 10.53%； 电气设备 、 公用事业 、 交通运输 行业 各6 家，占比 7.89%；电子与汽车行业各 4 家，占比 5.26%。 “中性配置”类的 123 家主体中， 涵盖 除 家用电器 外的样本内 其他 25 个 行业 。其中占比较高的行业为： 电气设备 行业 13 家，占比 10.57%； 公用事业 行业 12家，占比 9.76%； 房地产、机械设备、有色金属行业各 8 家，占比 6.5%；电子、交通运输与医药生物行业各 7 家，占比 5.69%。 “适当参与”类的 115家主体中， 涵盖 除 家用电器、建筑装饰、休闲服务 外的样本内 其他 23个 行业 。其中， 公用事业与交通运输行业均有 11 家，占比 9.57%；农林牧渔、医药生物、有色金属 行业 各 8 家，占比 6.96%； 化工 与 计算机 各 7家， 均 占比 6.09%； 商业贸易行业 6 家， 均 占比 5.22%； 传媒与房地产行业 5家，占比 4.35%。 “可以介入 ”类的 66 家主体涵盖 19 个 行业 。其中占比较高的行业为： 医药生物 行业 13 家，占比 19.7%； 交通运输 行业 10 家，占比 15.15%； 公用事业与化工行业 主体 7 家，占比 10.61%； 有色金属 4 家，占比 6.06%。 表 1： 5 个类别中各行业主体占比 尽量规避 谨慎参与 中性配置 适当参与 可以介入 房地产 32.48% 房地产 15.79% 电气设备 10.57% 公用事业 9.57% 医药生物 19.70% 建筑装饰 10.83% 化工 10.53% 公用事业 9.76% 交通运输 9.57% 交通运输 15.15% 公用事业 8.92% 电气设备 7.89% 房地产 6.50% 农林牧渔 6.96% 公用事业 10.61% 采掘 7.01% 公用事业 7.89% 机械设备 6.50% 医药生物 6.96% 化工 10.61% 化工 6.37% 交通运输 7.89% 有色金属 6.50% 有色金属 6.96% 有色金属 6.06% 汽车 4.46% 电子 5.26% 电子 5.69% 化工 6.09% 采掘 4.55% 商业贸易 3.82% 汽车 5.26% 交通运输 5.69% 计算机 6.09% 计算机 4.55% 电气设备 3.18% 采掘 3.95% 医药生物 5.69% 商业贸易 5.22% 传媒 3.03% 交通运输 3.18% 机械设备 3.95% 传媒 4.88% 传媒 4.35% 电子 3.03% 钢铁 2.55% 建筑装饰 3.95% 化工 4.07% 房地产 4.35% 房地产 3.03% 医药生物 2.55% 商业贸易 3.95% 计算机 4.07% 电子 3.48% 钢铁 3.03% 综合 2.55% 通信 3.95% 建筑材料 4.07% 纺织服装 3.48% 汽车 3.03% 机械设备 1.91% 有色金属 3.95% 汽车 4.07% 钢铁 3.48% 食品饮料 3.03% 农林牧渔 1.91% 传媒 2.63% 钢铁 3.25% 机械设备 3.48% 休闲服务 3.03% 电子 1.27% 钢铁 2.63% 采掘 2.44% 建筑材料 3.48% 电气设备 1.52% 家用电器 1.27% 建筑材料 2.63% 建筑装饰 2.44% 通信 3.48% 国防军工 1.52% 固定收益专题报告 请务必阅读正文之后的免责 声明 10 of 22 建筑材料 1.27% 医药生物 2.63% 轻工制造 2.44% 采掘 2.61% 建筑材料 1.52% 轻工制造 1.27% 国防军工 1.32% 商业贸易 2.44% 汽车 2.61% 农林牧渔 1.52% 有色金属 1.27% 计算机 1.32% 通信 2.44% 轻工制造 2.61% 轻工制造 1.52% 传媒 0.64% 农林牧渔 1.32% 国防军工 1.63% 食品饮料 1.74% 总计 100% 纺织服装 0.64% 综合 1.32% 综合 1.63% 综合 1.74% 计算机 0.64% 总计 100% 纺织服装 0.81% 电气设备 0.87% 总计 100% 农林牧渔 0.81% 国防军工 0.87% 食品饮料 0.81% 总计 100% 休闲服务 0.81% 总计 100% 数据 来源：渤海证券研究所 从 5 个类别的行业占比来看，房地产、建筑装饰在风险较大类别中的占比高，在风险较小类别中占比低；医 药生物在风险较小类别中占比高，在风险较大类别中的占比低；而化工、 公用事业 在各个类别中的占比排名均比较高。上述行业在样本中包含主体较多，除房地产及与之相关的建筑装饰行业我们基本可以判断风险相对较大，医药生物我们认为风险相对较小之外，其他行业仅从数量占比来分析，很难准确识别整体的风险情况。 因此，我们需要从行业出发，通过分析行业中主体在各个类别中的占比分布，来判断行业的整体信用 风险。 从行业类别分布看， 家用电器行业主体均属最低类别，但该行业样本过少，代表性不强。建筑装饰行业 最低两个级别占比 87%， 没有主体属于最高的两个类别 。 房地产最低两个级别主体占比为 80.76%， 后三个级别占比 91.02%。 采掘行业 处于最低两个级别的主体占比 60.9%，后三个级别占比 接近 75%。以上三个行业 信用资质较弱主体占比高， 整体信用风险相对较大。 此外，综合、汽车、商业贸易、化工、公用事业等行业 处于较低类别的主体占比也 较高， 在选择标的投资时需 深入分析、谨慎识别 。 表 2：各 行业主体在 5 个类别中的比例分布 尽量规避 谨慎参与 中性配置 适当参与 可以介入 采掘 47.83% 13.04% 13.04% 13.04% 13.04% 传媒 6.25% 12.50% 37.50% 31.25% 12.50% 电气设备 19.23% 23.08% 50.00% 3.85% 3.85% 电子 10.53% 21.05% 36.84% 21.05% 10.53% 房地产 65.38% 15.38% 10.26% 6.41% 2.56% 纺织服装 16.67% 0.00% 16.67% 66.67% 0.00% 钢铁 25.00% 12.50% 25.00% 25.00% 12.50% 公用事业 28.00% 12.00% 24.00% 22.00% 14.00% 国防军工 0.00% 20.00% 40.00% 20.00% 20.00%