20180919-渤海证券-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_22页_1mb

上市公司信用风险分析专题报告总结

核心内容

本报告分析了2012年第一季度至2018年第二季度期间，A股上市公司信用风险的变化趋势。重点使用了KMV模型对违约距离进行计算，以评估上市企业的信用风险状况，并结合行业与企业属性进行分类分析。

主要观点

• 信用风险变化趋势：2012年一季度起，样本企业平均违约距离持续下降，2014年第二季度达到最低点，与“11超日债”违约时间吻合。2017年下半年起，平均违约距离再次显著下降，与2018年上市公司债券违约事件增多相对应。
• 政策影响与市场反应：尽管7月下旬政策有所调整，但部分上市公司债券违约仍发生，显示市场对信用风险的担忧尚未缓解，融资渠道依然紧张。
• 违约距离与企业属性：民营企业平均违约距离高于国有企业，可能由于其规模较小、融资能力较弱。中央国有企业在融资可得性方面表现更优，而地方国企和民企在融资上面临更大挑战。
• 行业差异：房地产、建筑装饰、采掘等行业的信用风险较高，而医药生物、公用事业等行业的信用风险相对较低。不同行业在违约距离变动趋势上也存在差异。
• 影响因素：沪深300指数与违约距离具有高度相关性，表明股市走势对信用风险有显著影响。短期负债压力、企业增长速度、现金流状况等也与违约距离相关，但盈利能力（如ROA、ROE）相关性较弱。
• KMV模型的局限性：KMV模型在分析国内企业信用风险时存在局限性，主要在于国内外市场结构差异及模型对融资能力的忽视。

关键信息

违约距离计算方法

• 参数设定：包括股权价值（E）、股权价值波动率（$\sigma_{E}$）、违约点（D）、债务期限（$\tau$）和无风险利率（r）。
• 股权价值计算：采用流通股季度均价与每股净资产结合计算。
• 波动率估计：使用股价的日度对数收益率标准差衡量股权价值波动率。
• 违约点：设定为公司资产价值等于短期负债加一半的长期负债。
• 无风险利率：采用人民银行短期贷款基准利率的加权利率。
• 资产价值与波动率：通过牛顿迭代算法估计资产价值（V）和资产价值波动率（$\sigma_{v}$）。
• 违约距离公式：DD = $\frac{V - D}{V \sigma_{v}}$。

违约距离变化趋势

• 2012年第一季度至2018年第二季度，样本企业平均违约距离整体呈下降趋势，特别是在2017年下半年和2018年上半年。
• 已违约企业多出现在违约距离长时间下降且明显低于前期水平时。

企业分类与行业分布

• 样本企业分类：根据违约距离分为5类，分别是“尽量规避”、“谨慎参与”、“中性配置”、“适当参与”和“可以介入”。
• 行业分布：房地产、建筑装饰、采掘行业信用风险较高，而医药生物、公用事业行业信用风险相对较低。
• 企业属性：中央国有企业平均违约距离高于地方国有企业，但低于民营企业，表明民营企业在融资方面相对弱势。

影响因素分析

• 股市走势：沪深300指数与违约距离相关系数为89%，表明股市下跌期间违约风险增加。
• 负债结构：长期负债占比与违约距离相关系数为58.59%，显示短期偿债压力大的企业违约风险更高。
• 增长速度：归母净利润增速、留存收益率和净资产增长率均与违约距离显著相关。
• 现金流状况：经营性净现金流和筹资性净现金流与违约距离相关，但经营性净现金流相关性较弱。
• 盈利能力：ROA、ROE等指标与违约距离相关性较弱。

投资建议

• 关注高风险行业：房地产、建筑装饰和采掘行业信用风险较高，需谨慎投资。
• 识别高风险企业：前期违约距离下滑或持续低于零点的企业风险较大。
• 结合市场环境：在股市低迷和市场情绪悲观时，应更加注重对投资标的的甄别。
• 建议关注：发展速度缓慢、短期负债压力大、现金流不稳定的公司。

风险提示

• 模型适用性问题：KMV模型在分析国内企业信用风险时存在局限性，主要由于国内外市场结构不同及融资能力未被充分考虑。
• 市场情绪与波动：股市波动和投资者情绪对信用风险评估有显著影响。

图表说明

• 图1：样本企业平均违约距离自2017年下半年起不断减小。
• 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。
• 图4：5类主体数量分布。
• 图5：样本上市发债企业属性分布情况。
• 图6：不同属性主体平均违约距离变动情况。
• 图7：金鸿控股违约距离变动情况。
• 图8：ST中安违约距离变动情况。
• 图9：永泰能源违约距离变动情况。
• 图10：*ST凯迪违约距离变动情况。

表格说明

• 表1：5个类别中各行业主体占比。
• 表2：各行业主体在5个类别中的比例分布。
• 表3：与企业违约距离有相关关系的指标及其相关系数和p值。

结论

总体来看，上市公司的信用风险随着市场环境变化而波动，当整体信用资质下滑时，违约可能性上升。通过KMV模型计算的违约距离可以有效衡量信用风险，但需注意模型的局限性。在当前股市低迷环境下，应更加谨慎地评估企业信用风险，尤其是那些短期负债压力大、现金流不稳定、增长缓慢的企业。