新三板融資環(huán)境下中小企業(yè)信用風險評估

朱宗元，蘇為華，王秋霞

(1.浙江財經(jīng)大學 數(shù)據(jù)科學學院，浙江 杭州310018；2.浙江工商大學 統(tǒng)計與數(shù)學學院，浙江 杭州 310018； 3.杭州電子科技大學 經(jīng)濟學院，浙江 杭州 310018)

一、引言

中小企業(yè)對中國經(jīng)濟的穩(wěn)定和發(fā)展至關重要。截至2017年底，注冊的中小企業(yè)數(shù)量已超過4 000萬家，占企業(yè)法人總數(shù)的99%，不僅貢獻了六成的產(chǎn)出、半數(shù)的稅收，并且拉動了八成的城鎮(zhèn)就業(yè)。但與此同時，中小企業(yè)又長期為融資難問題所困擾。長期以來，由于財務信息不透明，缺乏規(guī)范的現(xiàn)代企業(yè)治理制度，無法提供高質量的抵押和擔保，大銀行主導的金融體制不適合為中小企業(yè)服務等原因，中小企業(yè)在向銀行貸款時容易遭受歧視，其融資需求難以被滿足[1-2]。要擺脫對銀行間接融資的過度依賴，需要拓寬資本市場的直接融資渠道，發(fā)展多層次的金融體系。面向高科技成長型中小企業(yè)的股份轉讓系統(tǒng)(新三板)，正是為解決以上問題而創(chuàng)建。近年來，新三板市場不斷擴容，掛牌企業(yè)已超過10 000家，但同時也暴露出一系列的問題，如市場定價機制不完善，二級市場交易流動性不足，上市企業(yè)信息披露混亂等[3]。

新三板市場目前尚處于摸索階段，學者們對市場制度架構、融資行為、市場風險等方面進行了研究。已有的關注主要在兩個方面：一是對新三板市場的現(xiàn)狀調查、問題探究和前景分析。主流研究觀點是，新三板市場肩負著中小(微)企業(yè)從傳統(tǒng)債權融資轉向股權融資的使命，有希望成長為“中國版納斯達克”，但存在一級和二級市場不平衡，做市商壟斷和權利義務不對等，優(yōu)質企業(yè)流失、定價功能受限、金融欺詐頻發(fā)等一系列的問題，需要不斷完善[4-5]。二是從宏微觀方面，檢驗新三板市場融資的有效性。市場制度設計考察包括了市場分層制度、競價交易制度、做市商制度、信息披露制度、掛摘牌制度、市場監(jiān)督體系等方面[6-7]?？疾彀l(fā)現(xiàn)：存在主辦券商信息披露督導滯后，缺乏有效分層，對信息披露違規(guī)企業(yè)的懲戒不足等缺點[8]；從企業(yè)融資行為的影響因素和效率角度，利用DEA-Malmquist、logit等模型進行測度，發(fā)現(xiàn)多數(shù)企業(yè)融資未能處于效率前沿[9]。做市交易選擇與公司的股權結構負相關，而與資產(chǎn)規(guī)模和抗壓能力正相關。新三板企業(yè)需要在擴張的同時保持對風險的警惕，合理配置股權結構，穩(wěn)健提升融資能力[10]。

已有研究雖涉及了新三板的諸多方面，取得了有價值的結論，但仍存在不足。對于二級市場流動性不足和信息披露不力的突出問題，現(xiàn)有文獻集中于考察制度設計不完善導致的道德風險和逆向選擇，對掛牌企業(yè)信用評級滯后這一重要原因未予重視。由于新三板的風險明顯高于A股市場，所以加強掛牌企業(yè)的信用評價對有效緩釋信息不對稱程度、提升融資交易的可能性非常重要。對中小企業(yè)信用評級的相關研究多集中于銀行貸款傳統(tǒng)渠道，而針對新三板融資環(huán)境的研究則非常匱乏，照搬傳統(tǒng)信用評估經(jīng)驗已不能適應新的交易環(huán)境[11]。本文的貢獻在于利用新三板市場的公開披露信息，通過Lasso變量選擇技術篩選信用評價指標體系，構建Lasso-logistic信用評估模型并進行實證分析，目的在于將披露信息映射為企業(yè)信用信號，以推動新三板市場融資的有序開展。

二、研究設計

與商業(yè)銀行利用私密信息對貸款客戶開展內部評級不同，對新三板中小企業(yè)的信用評級主要利用公開披露的信息，屬于外部評級。研究采用經(jīng)濟理論與數(shù)據(jù)驅動建模相結合的思路。首先，以企業(yè)披露信息為基礎，構建理論上較完備的指標體系；然后，利用Lasso方法選擇變量，篩選出精簡實用的指標體系；最后，構建Lasso-logistic模型評價掛牌中小企業(yè)的信用風險。

(一)信用評價指標體系構建

新三板交易平臺披露了包括企業(yè)財務、企業(yè)治理、企業(yè)家人口統(tǒng)計特征等廣泛的信息，但是很多指標存在強線性相關，因此指標體系構建需要結合理論成果和實踐經(jīng)驗，從多角度考量和選擇。已有研究發(fā)現(xiàn)，財務和非財務信息都能影響企業(yè)的信用，而非財務指標對中小企業(yè)的影響更大[12-14]?，F(xiàn)代企業(yè)信用評估體系的建設原則傾向于“減少專家評估”的指標[15]。本研究從經(jīng)濟學意義出發(fā)，嘗試搜尋理論上對企業(yè)信用可能有預測功能的變量集，為信用評價的變量篩選和調試提供基礎。理論的評價指標體系包括財務和非財務指標兩類。財務指標體系包括盈利能力與收益質量、資本結構與償債能力、營運能力、成長能力以及現(xiàn)金流量五個部分。具體指標名稱和經(jīng)濟含義見表1。

表1 新三板中小企業(yè)信用指標體系財務變量子集表

非財務指標包括企業(yè)家人格化特征、企業(yè)治理特征、企業(yè)基本特征等方面。非財務指標變量多為屬性變量，在表2中給出了定量化設置的思路。一些樣本企業(yè)數(shù)量較少的行業(yè)在分類時被歸為其它。設置所屬地區(qū)變量是為了捕捉區(qū)位差異對企業(yè)信用風險的影響。

(二)數(shù)據(jù)選取與預處理

1.樣本企業(yè)選取。依據(jù)2011年共同制定的《中小企業(yè)劃型標準規(guī)定》，少數(shù)新三板掛牌企業(yè)不符合中小企業(yè)定義，在研究中予以剔除。利用從業(yè)人數(shù)、營業(yè)收入和資產(chǎn)規(guī)模的區(qū)間標準值，共篩選出404家掛牌的中小企業(yè)組成研究數(shù)據(jù)集。初選的影響因素由35個變量構成，其中企業(yè)財務指標25個，非財務指標10個。企業(yè)是否違約是本研究的響應變量，35個可能的因素為預測變量。

2.變量設置。構建信用風險模型，首先需要定義違約以便分類企業(yè)樣本。企業(yè)違約的確定具有多樣性，最直接的狹義度量是企業(yè)財務失敗導致破產(chǎn)。銀行或債券市場中，違約一般是債務未能按約定償還本息，以上被視為高等級違約。中國中小企業(yè)信用體系尚不健全，破產(chǎn)和貸款違約等信息披露不充分，難以據(jù)此開展外部評級。利用上市公司股票的交易狀況作為信用風險信號是一種研究替代方法，即觀察股票是否被特殊處理(ST)。根據(jù)2013年實施的《全國中小企業(yè)股份轉讓系統(tǒng)業(yè)務規(guī)則》，新三板企業(yè)觸發(fā)ST的基本標準包括：最近一個會計年度的財務會計報告被出具否定意見或者無法表示意見的審計報告；最近一個會計年度經(jīng)審計的期末凈資產(chǎn)為負值以及股轉系統(tǒng)規(guī)定的其他情形。在更廣義情況下，出現(xiàn)企業(yè)違規(guī)、卷入訴訟、股權被法院凍結、未依法履行合同、拖欠工人工資、未及時公布公司重大事項等負面信息也可被視為低等級違約信號。

綜上，本研究對新三板企業(yè)違約的定義包括：(1)企業(yè)股票被新三板市場ST警示；(2)發(fā)生拖欠支付企業(yè)員工工資的情況；(3)出現(xiàn)缺乏誠信違規(guī)經(jīng)營的情況；(4)發(fā)生履行約定合同問題而卷入訴訟，被法院凍結資產(chǎn)、股權的情形。在2016年1月1日至2017年6月30日的時段內，利用Wind數(shù)據(jù)庫共收集了符合違約特征的中小企業(yè)31家，發(fā)現(xiàn)被ST的原因基本上歸于財務困境。由此得到啟示，構建新三板企業(yè)的信用評價體系，仍應以財務指標為主，輔之以非財務信息。

為滿足建模分析的需要，對屬性解釋變量做定量化設置(見表2)，與連續(xù)性變量共同形成解釋變量集。

表2 新三板中小企業(yè)信用指標體系非財務變量子集表

3.數(shù)據(jù)缺失和非平衡問題處理。樣本企業(yè)的部分數(shù)據(jù)出現(xiàn)缺失和異常，分析時根據(jù)嚴重程度進行修補或刪除。對數(shù)據(jù)缺失嚴重的情況，在梳理中予以刪除。對少量連續(xù)指標值缺失的，利用所在Wind行業(yè)的平均值填補，缺失的離散型數(shù)據(jù)，則通過計算眾數(shù)填補。處理過程共刪除了57家數(shù)據(jù)缺失嚴重的企業(yè)。在保留的404家企業(yè)中，數(shù)據(jù)缺失的比例較低(大約2%)。由于解釋變量的單位不同，在建模之前對變量實施了標準化處理。

信用風險建模時經(jīng)常面臨樣本數(shù)據(jù)非平衡的問題，即正常企業(yè)的數(shù)量遠遠多于違約企業(yè)。補救方法通常包括不充分抽樣、過分抽樣和混合抽樣改變數(shù)據(jù)結構[16]。為方便比較模型的判別能力，本研究做以下處理：首先，從原始樣本中隨機抽取2%的數(shù)據(jù)作為測試集，用于模型預測準確性的外推檢驗；然后，對訓練集分違約和非違約企業(yè)，實施混合抽樣獲得平衡數(shù)據(jù)集。

4.Lasso-logistic信用風險評價建模思路。初步構建的理論指標體系維度較高，建模時需要進一步篩選出真正有作用的變量。使用Lasso-logistic方法構建穩(wěn)健的評價模型，下面簡述基本思路。

Lasso方法對最小二乘回歸引入了懲罰。最小二乘估計未知參數(shù)α，β1，…，βp是通過最小化殘差平方和式(1)獲得：

(1)

Lasso估計方法的求解則基于式(2)：

(2)

Lasso方法有顯著的優(yōu)點，能利用懲罰項將影響力較小的變量的估計系數(shù)壓縮為0，從而得到稀疏系數(shù)模型，因此在高維變量選擇時有很好的應用前景。在信用風險建模領域，Logistic回歸是一直被使用的傳統(tǒng)方法。將Lasso方法和Logistic回歸結合，構建出Lasso-logistic模型。該方法能將指標篩選和風險評價統(tǒng)一實現(xiàn)。對企業(yè)是否違約的二分響應變量，Lasso-logistic模型的系數(shù)估計通過最小化凸函數(shù)式(3)給出：

(3)

其中L(β)是對數(shù)似然函數(shù)，表達式如下：

(4)

Lasso-logistic模型的系數(shù)估計值為：

(5)

選取合適的調節(jié)參數(shù)值λ，對Lasso-logistic回歸的變量選擇非常重要。常用方法包括交叉驗證(CV)、廣義交叉驗證(GCV)和拔靴法(Bootstrap)。

三、實證分析

(一)變量探索性分析

利用箱線圖等工具，探索比較違約和非違約企業(yè)各指標的差距，發(fā)現(xiàn)了一些直觀結論。在企業(yè)資本結構方面，企業(yè)是否違約與最大股東持股比例沒有顯著的關聯(lián)性。從企業(yè)成立年限的角度，企業(yè)生存時間與是否違約的關聯(lián)度也不明顯。在企業(yè)經(jīng)營盈利能力方面，違約企業(yè)的銷售毛利率中位數(shù)明顯低于非違約企業(yè)，而資產(chǎn)周轉率沒有表現(xiàn)出明顯差異。

在企業(yè)主人格化特征方面，被ST企業(yè)的董事長年齡中位數(shù)略高于正常企業(yè)，且任現(xiàn)職務的時間普遍較晚。按董事長受教育程度由低到高，違約比例分別為9.09%、5.26%、10.07%、5.49%和12.12%。董事長受教育程度為大專和碩士的企業(yè)違約比例較低；而董事長學位為博士的違約率最高，因此受教育程度能否被視為信用信號需進一步考量。繼續(xù)考察董事長性別指標，樣本中男性占絕對優(yōu)勢(約9∶1)，分性別的違約率基本無差異(7.69%和7.67%)。在資產(chǎn)流動性方面，被ST企業(yè)的流動資產(chǎn)比率明顯低于平均水平。

在企業(yè)治理結構特征方面，董事長是否兼任總經(jīng)理的比例接近1∶1。兩種模式下的違約比例分別為6.47%和8.87%，差異也較小。在企業(yè)特征方面，約70.3%的樣本位于東部地區(qū)。東部、中部、西部和東北地區(qū)企業(yè)的違約比例分別為8.8%、3.33%、6.67%和6.67%，東部的違約率稍高于全國水平，但地區(qū)差異并不大。企業(yè)集中于北京、上海、深圳、蘇州等大城市。從所屬行業(yè)看，農業(yè)類企業(yè)的違約率最高，其次依次為金融業(yè)、制造業(yè)和信息技術服務業(yè)。

對各變量實施t檢驗分析差異性，結果見表3。發(fā)現(xiàn)對正常的樣本企業(yè)和被ST企業(yè)，以下指標的檢驗缺乏顯著性：大股東持股比重(P=0.73)；員工人數(shù)(P=0.98)；成立年限(P=0.53)；營業(yè)收入增長率(P=0.62)；營業(yè)利潤增長率(P=0.27)；利潤總額增長率(P=0.44)；銷售凈利潤增長率(P=0.80)；資產(chǎn)負債率(P=0.35)；資產(chǎn)周轉率(P=0.39)；現(xiàn)金收入比率(P=0.27)；資產(chǎn)減值損失率(P=0.98)、凈收益營運指數(shù)(P=0.76)、流動資產(chǎn)比率(P=0.18)；速動比率(P=0.31)；現(xiàn)金到期債務比率(P=0.77)；銷售現(xiàn)金收入比(P=0.32)；應收賬款周轉率(P=0.24)；總資產(chǎn)周轉率(P=0.60)；股東利潤增長率(P=0.37)；每股收益增長率(P=0.34)及董事長任職年限(P=0.13)。上述變量在兩類企業(yè)中沒有顯著差異，因此對違約的區(qū)分作用可能不明顯。

t檢驗發(fā)現(xiàn)另一些變量在兩類企業(yè)中差異顯著(P<0.10)。這類指標包括：凈資產(chǎn)收益率roe(P=0.03)；總資產(chǎn)凈利潤率roa(P=0.01)；銷售毛利潤率(P=0.02)；投入資本回報率(P=0.001)；營業(yè)成本收入比率(P=0.02)；流動比率(P=0.07)以及全部資產(chǎn)現(xiàn)金回收率(P=0.06)。該系列指標主要表現(xiàn)在成長能力、盈利能力和償債能力方面。凈資產(chǎn)收益率、成本收入比和投入資本回報率體現(xiàn)企業(yè)競爭力；總資產(chǎn)凈利潤率和銷售毛利潤率體現(xiàn)了企業(yè)的盈利能力；流動比率和全部資產(chǎn)現(xiàn)金回收率衡量了企業(yè)的流動性，即在短期債務到期前變現(xiàn)還債的能力。

以上探索性分析對企業(yè)信用評價指標選擇有積極的指導意義，但仍需進一步篩選出真正有影響的指標，并估計出其系數(shù)。下面利用Lasso-logistic方法進行建模篩選。

表3 各變量對是否被ST的t檢驗表

(二)Lasso-logistic模型估計

利用Lasso回歸Cp值的變化，發(fā)現(xiàn)在第17步選擇達到最小。此時自由度df=18，殘差平方和Rss=21.994，Cp=16.05。Cp方法選擇了17個變量，分別為所在區(qū)位、所屬行業(yè)、利潤總額增長率、凈資產(chǎn)收益率、總資產(chǎn)凈利潤率、銷售毛利潤率、銷售凈利潤率、現(xiàn)金收入比、流動資產(chǎn)比率、流動比率、速動比率、總資產(chǎn)周轉率、每股收益增長率、董事長年齡、董事長受教育程度、董事長是否兼職總經(jīng)理和職務年限。上述變量構成了依據(jù)Lasso方法得到的信用評價指標體系。

2.模型估計。表4中給出了Lasso-logistic模型的估計結果。部分指標的系數(shù)已被壓縮至0，其影響被完全忽略。從標準化估計系數(shù)取值的情況看，系數(shù)絕對值比較大的變量有roe、流動資產(chǎn)比率、利潤總額增長率和學歷，上述估計系數(shù)均為負數(shù)，說明盈利能力、資產(chǎn)變現(xiàn)償付能力和營運能力增強，均能有效降低新三板企業(yè)的違約風險。影響作用中等的解釋變量包括：所在地區(qū)(0.018)、所屬行業(yè)(-0.018 3)、銷售毛利率(-0.015)、銷售現(xiàn)金收入比(0.014 1)、每股收益增長率(0.019 3)、年齡(-0.010 3)、銷售凈利率(0.010 5)、總資產(chǎn)凈利潤率roa(-0.011 1)、銷售現(xiàn)金比率(0.014 1)等變量。部分變量對于預測違約的影響較小，包括流動比率(-0.001 1)、是否兼任總經(jīng)理(-0.005 2)、資產(chǎn)負債率(0.009 3)、現(xiàn)金到期債務比(-0.009 5)和董事長職務年限(-0.009 9)。

從變量的影響方向看，估計系數(shù)為負的有：企業(yè)所在行業(yè)、利潤總額增長率、凈資產(chǎn)收益率roe、總資產(chǎn)凈利潤率roa、銷售毛利潤率、流動資產(chǎn)比率、流動比率、現(xiàn)金到期債務比、董事長年齡、董事長任職年限。估計系數(shù)為正的有：董事長受教育程度、每股收益增長率、所在地區(qū)、現(xiàn)金收入比、凈利潤增長率和資產(chǎn)負債率。

表4 Lasso-logistic模型參數(shù)估計表

3.Lasso-logistic信用評級。根據(jù)Lasso方法最終篩選出的評價指標和估計結果，將企業(yè)數(shù)據(jù)導入Logistic回歸方程，計算出各企業(yè)的違約概率，違約概率的計算如式(6)：

(6)

根據(jù)式(6)計算的違約概率，將404個樣本企業(yè)按A～E共5個信用等級來劃分。違約概率小于0.2為A級，0.20～0.30為B級，0.30～0.40為C級，0.40～0.50為D級，0.50以上為E級。以違約概率不低于0.5為劃分企業(yè)違約的標準。信用等級的劃分結果如表5所示。

表5 樣本企業(yè)的信用等級劃分表

根據(jù)表5的信用等級劃分結果發(fā)現(xiàn)，新三板企業(yè)的信用風險普遍較高，處于D級和E級的企業(yè)比例較大。在信用等級劃分為E級的40家新三板掛牌企業(yè)中，被ST或*ST的企業(yè)共有25家，模型預測與實際的情況吻合度很高。

四、結論與啟示

(一)結論

研究對新三板掛牌中小企業(yè)開展信用評價。首先，從經(jīng)濟理論出發(fā)選取了評價候選指標集；利用Lasso方法篩選了評價指標體系；構建了Lasso-logistic評價模型并預測企業(yè)的信用評級。研究獲得了以下結論：

第一，新三板企業(yè)信用評價指標體系應同時包括財務和非財務指標。企業(yè)財務變量包括：盈利能力變量(利潤總額增長率、凈資產(chǎn)收益率、資產(chǎn)收益率、銷售毛利潤率、銷售凈利潤率)；償債能力變量(資產(chǎn)負債率)；現(xiàn)金流變量(銷售現(xiàn)金收入比、現(xiàn)金到期債務比)；股東特征變量(每股收益增長率)；變現(xiàn)能力變量(流動資產(chǎn)比率、流動資產(chǎn)負債比率)。非財務特征變量包括：企業(yè)特征(所在區(qū)域、所屬行業(yè))；企業(yè)家人格化特征(董事長年齡、學歷、是否兼任總經(jīng)理、任職年限)。

第二，不同變量對企業(yè)違約的影響力和方向不同。凈資產(chǎn)收益率、流動資產(chǎn)比率、利潤總額增長率和企業(yè)家學歷對違約有較強的負向影響；企業(yè)區(qū)位、銷售現(xiàn)金收入比、每股收益增長率、資產(chǎn)負債率、凈利潤增長率和董事長受教育程度有一定的正影響；而企業(yè)行業(yè)、銷售毛利率、企業(yè)家年齡、總資產(chǎn)凈利潤率等有一定的負向影響。

第三，Lasso-logistic信用評估模型對新三板企業(yè)有較好的風險預測能力。對于檢驗集，該模型的預測正確率為76.27%。如果進一步擴大企業(yè)的樣本量，Lasso-logistic評價模型將能持續(xù)地提升分類預測能力。

第四，新三板掛牌的中小企業(yè)普遍風險較強，信用水平偏低。模型估計發(fā)現(xiàn)，信用狀況良好的企業(yè)比例只有大約1/3，說明新三板是一個風險較高的新興融資市場。因此，加強對市場的信息披露監(jiān)管，動態(tài)跟蹤估計掛牌企業(yè)的信用狀況，對提升投資者信心，提升市場透明度很有必要。

(二)啟示

依據(jù)研究的結論，得到如下啟示：

第一，加強對新三板掛牌企業(yè)的分層信息披露監(jiān)管。新三板部分企業(yè)信息更新不及時，數(shù)據(jù)缺失較多，數(shù)據(jù)質量的全面性和準確性差，信息披露存在明顯缺陷。該缺陷與新三板企業(yè)行業(yè)和規(guī)模等方面存在較強的異質性有關，因此應完善實施分創(chuàng)新層和基礎層的分層信息披露制度。建議在《全國中小企業(yè)股份轉讓系統(tǒng)掛牌公司分層管理辦法》基礎上，嘗試調整對不同行業(yè)、區(qū)位掛牌企業(yè)信息披露的要求；對違規(guī)披露的企業(yè)，應加大懲罰力度，嚴重者應強制其退出市場。

第二，科學運用信用評估手段弱化信息不對稱程度。新三板企業(yè)分層依靠凈利潤與營收增長率等門檻。除創(chuàng)新層的“明星”企業(yè)，廣大基礎層企業(yè)的信息不對稱程度更強，因此需加強評估展示其信用風險水平。高質量的信用評級將為新三板市場發(fā)展提供有力支持。掛牌企業(yè)為獲得更多融資機會，有動力主動披露信息，自覺接受社會公開監(jiān)督，提高其信用等級。信用評價模型的構建，并非完全依靠數(shù)據(jù)驅動，還需要依據(jù)經(jīng)濟學原理和專業(yè)領域的經(jīng)驗。值得信賴的信用評估工具，需要理論性與實用性兼具。結合理論、經(jīng)驗和數(shù)據(jù)的信用評價思路更加穩(wěn)健、科學和實用。

第三，大力整合挖掘新三板企業(yè)數(shù)據(jù)，構建完整、高效的信息平臺。在大數(shù)據(jù)思維下，更廣泛的信息可能被用于評估信用風險。新三板企業(yè)的差異性顯著，市場準入的門檻相比A股較弱，因此應大力構建個性化數(shù)據(jù)系統(tǒng)，并對投資者提供商業(yè)咨詢評估服務。應引入大數(shù)據(jù)思維，深入挖掘各種信息對風險的預警能力。如動態(tài)展示企業(yè)行業(yè)的景氣水平，加強行業(yè)預警；針對掛牌企業(yè)個人化或家族控制的特征，應在不侵犯隱私的前提下，整合挖掘企業(yè)家人口統(tǒng)計特征、消費及相關行為數(shù)據(jù)。以權威性強的信息平臺為基礎，構建更靈活有效的風控體系，使得新三板市場不僅能被專業(yè)機構投資，也可被無專業(yè)經(jīng)驗的個體投資者青睞。