引言

2019 年，中国债券市场的违约率呈上升趋势。高达 1,217 亿元人民币的款项未能按时支付，达历史新高。^[1]本文从这些持有违约债券的公司中选择了一家发行公债和有上市子公司的私营企业，以此为例来说明如何利用标普全球市场财智的定量信用分析模型在实际违约发生之前监测信用可靠程度和信用恶化情况。

本文所选的这家企业曾是中国国有企业 (SOE) 改革的先驱之一，这场改革的目的是将私人资本和管理引入 SOE。自改革于 2014 年开始以来，这家企业通过一系列并购实现了快速发展。仅花了四到五年时间，该集团就广泛参与了从金融、房地产、信息技术和酒水（红酒）的多种行业，实现了业务模式的多样化。然而，对过度借贷和过度投资的依赖最终耗尽了该企业的现金流，使其无法支付 2019 年 3 月高达 25 亿元人民币的利息。尽管当时有另一家金融机构为这份帐单作保，支付了利息和本金，但这家负债累累的企业仍无法摆脱财务困境，并很快在 2019 年 4 月拖欠了另一笔应偿付债券。而这只是个开始，该企业后来还未能支付若干其他债务。

标普全球市场财智提供全套定量信用分析模型，使风险管理者和投资者能够在实际违约发生之前检测到信用恶化的早期预警信号并采取行动。

定量信用风险分析

标普全球市场财智信用分析 (Credit Analytics) 解决方案为上市公司提供两种定量违约概率 (PD) 模型，分别为基本面驱动的 PD 模型和市场驱动的 PD 模型。当两个模型都生成输出结果时，建议企业将其结合起来分析，以调和与 1 类和 2 类错误相关的统计模型的共同局限性：

1 类错误——模型把低违约率分配给将要违约的公司；这导致向放贷方给未来将要违约的公司放款，使放贷方面临不必要的损失。

2 类错误——模型把高违约率分配给不会违约的公司；这限制了发起人愿意向其放款的公司的数量，从而减少了放贷方能够维持的业务数量。

本文接下来的部分将讨论该私营企业集团如何最好地利用标普全球市场财智信用分析的定量模型，将基本面驱动的 PD 模型用于企业自身，并将市场驱动的 PD 模型用于其上市子公司。

基于基本面的信用风险模型

标普全球市场财智 PD 模型基本面 (PD Model Fundamentals, PDFN) 是用于估算全球上市/私营公司信用可靠程度的 PD 模型。该模型会生成未来一年的前瞻性 PD 估算值，这些值符合《巴塞尔协议 III》的要求，用于中长期交易对手信用风险管理。^[2]

下方图 1 对比了 2017 年第 1 季度至 2019 年第 2 季度之间该企业的 PD 值和其相应的基准值。所有数据均由 PDFN 生成。三项基准分别为企业国家/地区基准、企业行业基准和企业国家/地区和行业基准。^[3][4][5]此外，图中垂直的虚线标出了该企业第一次逾期时间。

图 1： 该企业 PD 对比基准 PD

来源：标普全球市场财智（截至 2019 年 11 月 1 日）。仅用于说明目的。

图 2： 该企业的 PD 差值

来源：标普全球市场财智（截至 2019 年 11 月 1 日）。仅用于说明目的。

据图 1 所示，该企业在 2018 年第 3 季度和第 4 季度之间 PD 值大幅上涨，而其他三项基准却很稳定，甚至还有所下降。为了更好地比较，图 2 更直观地描绘了这几条线之间的差值，即该企业的 PD 值分别与三项基准之间的差距。从 2018 年第 2 季度到第 4 季度的差值不断增大，证实了该企业的信用可靠程度相对于基准值的恶化。

PD 差值的急剧增加（这提供了信用概况恶化的早期预警信号）出现在未付清欠款事件发生前至少两个季度，然而中国国内信用评级机构仍为该公司提供了正面的信用风险评估结果。因此从基本面的角度来看，该企业信用可靠程度恶化的情况已经反映在其财务报表中，标普全球市场财智信用分析基本面统计模型捕捉到了这一情况并提前发出了早期预警信号。

市场驱动的信用风险模型

PD 模型市场信号 (PD Model Market Signals, PDMS) 是一种市场驱动的信用风险模型，其利用公司特定的市场数据来获取每天的信用信号，以此监测同一公司信用风险的市场观感。^[6] 由于本文所选的企业没有公开上市，而是作为一个私营产业集团运营，因此采用 PDMS 来分析其四个公开上市的子公司，本文将其分别称为子公司 A、子公司 B、子公司 C 和子公司 D。

之所以选择这四家公司，是因为它们的最大股东或实际控制方正是本文所研究的企业。这意味着，这些公司的业务能力会显著影响其母公司的利润率，继而影响其母公司的信用可靠程度。简单来说，这一思路旨在通过关注母公司的上市子公司的子集来衡量私营控股母公司的信用可靠程度的变化情况。

下方图 3 所示为四家公司 60 天变化的平均 PD 值，该数据由 PDMS 对照其行业基准、国家/地区和行业基准 60 天变化平均值生成。由于这四家公司都位于中国，因此以下分析不再考虑国家/地区基准。

图 3： 该企业子公司的 PD 值对比基准值

来源：标普全球市场财智（截至 2019 年 11 月 1 日）。仅用于说明目的。

与 PDFN 计算得出的 PD 值相似，PDMS 计算的 2018 年 9 月前后四家子公司中大多数子公司的 PD 差值均急剧增加，这表明当时市场已经针对这些公司业务的下降进行定价。有趣的是，子公司 D 的 PD 值在其母公司违约前保持相对平稳，仅在母公司违约后才大幅上升，这表明母公司的违约损害了与母公司业务密切相关的子公司 D 获得的正面市场观点。

此外，为了量化四家子公司 PD 值与其相应基准之间的整体差异，我们还计算了平均百分比偏差值，如下图所示。随着 2018 年 9 月前后百分比偏差值的显著增加，人们很可能发现其母公司已经处于岌岌可危的状态。

图 4： 该企业与基准的加权平均百分比偏差值

来源：标普全球市场财智（截至 2019 年 11 月 1 日）。仅用于说明目的。

结语

如上文所述，我们并利用标普全球市场财智信用分析里的PD 模型基本面和 PD 模型市场信号，借助针对私营公司上市子公司的市场驱动观点来补充私营公司的基本面分析。在本案例研究中，两种定量信用风险模型都可在实际违约发生前至少几个季度产生信用风险恶化的早期预警信号。本案例研究中描述的分析框架可为投资者和风险管理者提供高效、直接的新方法来补充他们的传统信用分析。