作者：杨莉 石仕华 陈华勇 任桃丽 何琳
来源：《今日财富》2022年第02期
成都动物园门票价格
随着债券市场发行及到期量不断增加，违约债券数量逐年增多，对债券市场风险监测预警管理提出了更高要求。债券市场透明度高，风险传染快、外溢性强，容易演变成区域性、行业性风险，需高度关注与稳妥化解。人民银行结合银行间债券市场特点，建立了管理、监管和自律有机结合的债券市场管理体系。近期，本文运用BP神经网络模型对非金融企业债务融资工具的风险监测预警进行了实证研究，并运用该模型对20家新发债主体信用风险情况进行预测。 湖北恩施大峡谷介绍 一、研究背景
（一）非金融企业债务融资工具发行情况
从存量看，截至2021年6月末，全国非金融企业债务融资工具（下文简称“债务融资工
具”）18176只，存续余额18.65万亿元，占全国公司类信用债券存续余额的比重为59.8%。从增量看，2021年1-6月，全国新发行债务融资工具9418只，金额7.74万亿元，同比增长3.9%。
（二）非金融企业债务融资工具违约情况与特征分析
2015年1月至2021年6月末，银行间债券市场累计发生437起债务融资工具违约事件，涉及金额4320.3亿元，分别占所有违约公司类信用债券只数、违约金额的47.8%、54%。主要呈现以下特征：
1.按时间顺序看，总体呈现逐年上升趋势。2015-2021年6月末，债务融资工具分别违约9只、46只、32只、84只、85只、116只、65只。具体来看，债务融资工具在2018年、2020年出现了两次跃升，分别是2017年有关融资收紧、打破刚性兑付等政策对企业再融资带来影响，以及2020年新冠疫情对实体经济形成冲击，导致部分发债主体资金链断裂进而违约。
2.分企业类型看，民营企业是违约频率较高的发债主体。2015年以来，民营企业违约
债券只数占比近六成（59.95%）。究其原因，一方面经济下行压力持续加大，产能过剩行业景气度走低，部分企业信用评级被下调，投资者选择提前行权，导致企业无法履行回售义务触发违约;另一方面民营企业财务实力偏弱、抗风险能力较差，更容易发生违约事件。
3.分所属行业看，债务融资工具违约行业越趋分散化。近年来，债务融资工具违约行业分布逐年变化分散至2021年几乎遍布所有行业。制造业、服务业、综合类、水电气、建筑业、采矿业、房地产业违约只数分别占比为40.5%、16.9%、12.6%、12.4%、8.5%、6.4%、2.7%。
秦皇岛到北京火车时刻表 4.从信用评级看，2018年以来高信用评级主体违约显著增加。2018年起，AA及以上债务融资工具违约占比逐年提高，甚至出现了一些财务状况尚好、评级较高的上市公司的突发性违约，发生违约的高评级主体（AA+，AAA）从2017年的1家增加至19家，并在随后的两年内持续保持在13家以上。
（三）非金融企业债务融资工具管理沿革
人民银行总行及分支机构：1997年，我国建立了银行间债券市场;2003年，“一行三会
”金融监管体系建立后，人民银行保留了对银行间债券市场的监督管理职责;2007年，人民银行成立银行间市场交易商协会，实行交易商协会注册、监管机构备案的管理模式;2008年，人民银行发布《银行间债券市场非金融企业债务融资工具管理办法》。
中国银行间市场交易商协会：2007年以来，中国银行间市场交易商协会在人民银行指导下更新制定了《银行间市场非金融企业债务融资工具存续期管理工作规程》、《银行间市场非金融企业债务融资工具存续期风险管理工作指南》。债务融资工具存续期自律规则形成了主要包括信息披露、持有人会议、风险处置、存续期管理机构、受托管理人、评级机构等约束对象或事项的体系。
二、非金融企业债务融资工具风险预警指标体系构建
（一）预警信号的选择与预警指标体系构建
随着进入大数据时代，信息壁垒越来越低，财务信息、价格数据、舆情信息、投资者行为、高频经济数据等都可成为债务融资工具可追踪发掘的预警信号。借鉴陈毓敏等（2020）发现通过机器学习挖掘违约因子进而建立的财务预警模型表现最佳，本文在此基础上建立以财務指标为主，外部因素与债券自身特性为辅的预警指标体系。
（二）样本选取与数据来源
基于数据的可获得性及完整性，本文从WIND数据库选取2014年至今发行债务融资工具并出现违约的23家上市公司作为研究对象。同时，为保证构建出的模型的客观性以及普适性，本文从未出现违约的债务融资工具发行主体中随机抽取了281家企业，总共304家企业作为本文债务融资工具风险监测预警模型的研究样本。其中，由23家违约公司组成的研究对象称为违约组，281只未违约公司组成的研究对象为正常对照组。
针对出现债券违约的公司，本文分别以其违约的前一期（t-1期）、前两期（t-2期）和前三期（t-3期）的各项指标进行研究，如对2020年出现债券违约的公司，其t-1期、t-2期、t-3期各项指标分别以2019年、2018年、2017年违约公司的年报数据及同期宏观及行业数据为准，不同违约公司的t值不同;针对未出现债券违约的公司，以本文研究年份为基准，其t-1期、t-2期、t-3期分别表示基于2020年、2019年、2018年数据，用以预测2021年是否出现违约。
（三）样本描述性统计
杭州千岛湖开元度假村 本文通过对违约组与正常对照组的主要特征值进行分析发现：从均值看，违约样本的偿债能力、盈利能力、营运能力和成长能力均逊于未违约样本。违约样本的利息保障倍数为0.94，低于未违约样本6.74倍，表明产生的经营收益已完全不能支持其现有的债务规模;违约样本应收账款周转率为8.53，低于未违约样本的34.46个百分点，流动资产周转率和总资产周转率仅为未违约样本的一半，表明违约样本的应收账款管理回收速度慢、管理效率较低，利用其资产进行经营的效果差、资产利用效益低;违约样本的成本费用率和营业利润均值分别为-15.30和-638.88，而未违约样本主体的以上比率均值分别为12.01和-27.28，表明违约样本主体经营耗费带来的经营成果不好，盈利能力差，处于亏损状态。另外，从中位数及方差情况来，违约样本各指标的中位数与均值的偏离程度，以及标准差的值均明显高于未违约样本，表明违约样本中存在两端极值，波动性大、不稳定性较高，而未违约样本整体呈现相对稳定的特征。
三、基于BP神经网络的风险预警模型实证分析
（一）BP神经网络模型构建
1.BP神经网络设计。BP神经网络的设计主要包括网格层数、输入层节点数、隐含层大夫山森林公园烧烤场
节点数、输出层节点数及传输函数、训练方法、训练参数的设置等方面。考虑到单个隐含层的网络可以通过适当增加神经元节点的个数实现任意非线性映射，因此本文构建3层的BP神经网络模型。本文考虑到隐含层节点对BP网络的性能有很大影响，在进行数据训练时，还需要对不同的隐含层节点数量进行综合比较，不断地调整和训练，最后再确定出合理的隐含层节点数目;输出层只包含1个神经元，用0表示不会违约，1表示违约，在程序输出中，设置0.5为阀值，小于0.5的输出判定为0，否则判定为1。本文隐含层使用Sigmoid函数，输出层使用线性函数。由于LM算法传承了随机梯度下降法和牛顿法的优势，收敛速度快，均方误差小，适合用于小型神经网络设计，因此本文选择LM算法作为BP神经网络学习算法的改进方法。权值设置方面，本文在神经网络模型中对权重采取随机初始化，将初始权值定义为较小的非零随机值。确定了以上参数后，我们将数据进行归一化处理，并输入网络中进行学习，若网络成功收敛，即可得到所需的神经网络。
2.BP神经网络输出结果。
本文采用Matlab分析软件构建BP神经网络模型，将数据分成216个训练样本（含违约样本16份），选择全部数据进行预测，同时为抵消随机因素影响，取相同的训练和测试样
本运算50次，计算得到平均正确率作为参考。利用BP神经网络模型分别针对t-1 期、t-2期、t-3期的预测结果
（二）基于神经网络模型的未来违约预警分析
受疫情及国际贸易摩擦影响，全球经济面临陷入经济衰退的风险，信用债形势整体走弱。基于上文得出了BP神经网络能较好地用于债务融资工具风险监测预警的结论，本文进一步运用Matlab分析软件，随机选取2021年债务融资工具新发主体相关指标数据，从中观层面对未来违约态势进行预测，结果显示，未来一年的违约状况仍较为严峻，t-1预测模型显示，对20家新发行主体进行预测，将有3家在未来一年预计出现违约，预测违约率高达15%。从企业所属行业来看，预计出现违约的3家企业中有2家为房地产行业，1家为消费类行业。
1.房地产行业方面。一是自2020年8月“三道红线”新规和12月房地产贷款集中度管理制度出台以来，房地产融资明显收紧。资料显示，2021年1-9月全国100家典型房企的融资量为10919亿元，同比下降21%，第三季度的融资额创2018年以来的最低水平。随着各地银保监局严查经营贷和消费贷被挪用于房地产市场的情况，以及多家银行上调个人房贷利
率，加之地产类信托融资加速回落，使得房地产融资环境持续收紧。二是今年2月，自然资源部向22个重点城市要求住宅用地出让工作“两集中”，在一定程度上抑制土地价格的上涨，同时对资金实力不足的房企拿地压力进一步加大，对高杠杆、快周转类型房企的资金管理也造成较大挑战，地产行业内部分化进一步加剧。三是今年4月交易所出台的公司债审核新规对存在剔除预收款后的资产负债率较高、净负债率较高或现金短债比较低等情形的房地产企业发行人，要求其在申报发行公司债券时应细化债券偿付安排，进一步收紧对高杠杆和短期偿债能力较弱房企的审核要求。综上，在“房住不炒”的政策基调下，2021年下半年负债率较高、短期偿债压力较大、对非标融资依赖较重、经营管理能力较弱的房企信用风险值得持续关注。
日照旅游攻略二日游
2.消费类行业方面。一是消费倾向回落和预防性储蓄上升，一季度末，居民边际消费倾向为0.66，较2019年末下行0.04，与2020年末基本持平。疫情尚未完全褪去，居民消费意愿还处于偏低水平，并且回升速度依然缓慢。与此相对应的居民储蓄率则处于高位，居民储蓄率从2019年29%的水平攀升至今年前三季度的34%，从9月末全国人民币存款同比多增7437亿元也可看出，居民消费相对于居民收入增速更大幅度的放缓。二是收入和劳动力市场分化导致消费提振不均衡，总体消费回升速度缓慢。外出農民工人数和工资与疫情
前相比仍有距离，抑制了低端消费;而可选消费如社零中的化妆品、通讯器材和金银珠宝等从2020年5月开始快速回升，据有关报道中国高净值人消费价格总水平同比上涨4.4%。这也从侧面反映出高端消费的需求较为旺盛。消费分化，以及疫情常态化防控导致餐饮消费增速离疫情前还有不小的距离，所以消费回升缓慢，进而消费类行业容易陷入违约危机。
