付國寶，馬婷婷

(中遠(yuǎn)海運(yùn)科技股份有限公司,上海 200135)

0 引 言

融資租賃是指出租人根據(jù)承租人對出賣人和租賃物的選擇，向出賣人購買租賃物并將其出租給承租人使用，由承租人支付租金的租賃方式,在本質(zhì)上是出租人將與租賃物所有權(quán)有關(guān)的全部風(fēng)險(xiǎn)和報(bào)酬轉(zhuǎn)移給承租人，而租賃物所有權(quán)最終可能由出租人轉(zhuǎn)移給承租人，也可能不轉(zhuǎn)移給承租人的一種租賃[1]。我國的融資租賃行業(yè)起步于20世紀(jì)80年代，截至2018年9月，全國的融資租賃企業(yè)約有11 565家。近年來融資租賃行業(yè)發(fā)展迅猛，2018年5月商務(wù)部發(fā)布《關(guān)于融資租賃公司、商業(yè)保理公司和典當(dāng)行管理職責(zé)調(diào)整有關(guān)事宜的通知》，將融資租賃公司的業(yè)務(wù)經(jīng)營和監(jiān)管職責(zé)交給中國銀行保險(xiǎn)監(jiān)督管理委員會(huì)，改變了以往由政府部門對融資公司進(jìn)行管理的模式，逐步加強(qiáng)對企業(yè)的合規(guī)化監(jiān)管，提升融資租賃公司的風(fēng)險(xiǎn)管控能力。

本文以某典型航運(yùn)融資租賃公司為例，對其進(jìn)行信用風(fēng)險(xiǎn)評估分析。該公司主要涉足船舶、港口和倉儲(chǔ)物流等業(yè)務(wù)，業(yè)務(wù)模式以直接租賃和售后回租為主。由于國內(nèi)的船舶融資租賃行業(yè)起步較晚，積累的基礎(chǔ)數(shù)據(jù)不多，因此目前多采用信用風(fēng)險(xiǎn)(即承租人違約風(fēng)險(xiǎn))評估，主要依靠信審人員的行業(yè)經(jīng)驗(yàn)確定風(fēng)險(xiǎn)影響程度。為解決風(fēng)險(xiǎn)量化評估問題，本文基于案例公司現(xiàn)有的基礎(chǔ)數(shù)據(jù)，提出一套適用的信用風(fēng)險(xiǎn)評估模型，用以提升航運(yùn)租賃公司的風(fēng)險(xiǎn)管控水平，保障其穩(wěn)健、快速發(fā)展。

1 模型的選擇和原理

1.1 模型選擇

信用風(fēng)險(xiǎn)度量模型包括傳統(tǒng)風(fēng)險(xiǎn)度量模型(如專家法、線性判別法、Logistic和Probit等)和現(xiàn)代風(fēng)險(xiǎn)度量模型(如KMV、Credit Metrice、Credit Risk+和Credit Portfolio View等)。參考相關(guān)文獻(xiàn)，結(jié)合我國信用風(fēng)險(xiǎn)環(huán)境和金融行業(yè)信用風(fēng)險(xiǎn)預(yù)期，找出相對適合本文所述案例公司的模型是Logistic模型和KMV模型,其中:KMV模型適合上市公司，考量承租人違約是否取決于公司資產(chǎn)的市場價(jià)值，風(fēng)險(xiǎn)指標(biāo)主要以股票市場數(shù)據(jù)為基礎(chǔ);Logistic模型的曲線為S形，預(yù)測最大值趨近于1，最小值趨近于0，模型本身是以概率形式表示的，用以判斷、識(shí)別非上市公司的市場價(jià)值及其變動(dòng)率，具有針對性強(qiáng)、穩(wěn)定性佳和解釋性好等特點(diǎn)，適合本文所述案例公司采用。

1.2 Logistic模型的原理

Logistic模型為概率型非線性回歸模型，是研究二分類觀測結(jié)果y(即y=1或y=0)與一些影響因素(x1,x2,…,xi)之間關(guān)系的一種多量分析方法。假設(shè)有i個(gè)獨(dú)立變量的向量x=(x1,x2,…,xi)，條件概率p(y=1|x)=p為觀測量相對于某事件x發(fā)生的概率,則Logistic模型可表示為

(1)

式(1)中：α為常量；β為獨(dú)立變量的系數(shù)；pi為第i個(gè)事件發(fā)生的概率，是由解釋變量xi構(gòu)成的非線性函數(shù)，該非線性函數(shù)可轉(zhuǎn)變?yōu)榫€性函數(shù)。

在x條件下，y不發(fā)生的概率為

(2)

由此可得事件發(fā)生與不發(fā)生的概率之比為

(3)

式(3)稱為事件的發(fā)生比(odds)。對odds取對數(shù)得到

(4)

由此可看出Logistic回歸都是圍繞Logistic函數(shù)展開的。

若有k個(gè)自變量，則式(1)和式(4)擴(kuò)展為

(5)

(6)

式(5)和式(6)中:pi=p(yi=0|x1i,x2i,…,xki)為給定系列自變量x1i,x2i,…,xki的值時(shí)事件的發(fā)生概率。

采用最大似然估計(jì)法對式(5)和式(6)進(jìn)行計(jì)算，Logistic回歸模型的對數(shù)似然函數(shù)為

(7)

分別對式(7)中的α和β求偏導(dǎo)數(shù)，令其等于0，可求出α和β的估計(jì)值為

(8)

(9)

由式(8)和式(9)可求出α和β的估計(jì)值[1-4]。

2 變量選取和數(shù)據(jù)來源

2.1 變量選取

信用風(fēng)險(xiǎn)是指融資租賃合同和相關(guān)合同涉及的各方當(dāng)事人不履行約定義務(wù)的風(fēng)險(xiǎn)。根據(jù)船舶租賃行業(yè)的特點(diǎn)，基于區(qū)分違約企業(yè)與不違約企業(yè)顯著差別的幾類指標(biāo)，選擇其中9個(gè)變量(即評估指標(biāo))并將其分為定性和定量2類。定性指標(biāo)包括企業(yè)資質(zhì)、管理能力、行業(yè)生命周期和行業(yè)特性;定量指標(biāo)包括主營業(yè)務(wù)收入、凈資產(chǎn)收益率、資產(chǎn)負(fù)債率、流動(dòng)比率和金融機(jī)構(gòu)信用記錄。風(fēng)險(xiǎn)評估指標(biāo)的量化權(quán)重如下。

1) 企業(yè)資質(zhì)：根據(jù)承租企業(yè)(包括中央企業(yè)、大型國企、市級國企、民營企業(yè)和上市公司等)的資質(zhì)情況，分別設(shè)定為1～5分。

2) 管理能力:根據(jù)承租企業(yè)主要決策者能力、業(yè)務(wù)拓展能力和財(cái)務(wù)管理規(guī)范程度的高低，分別設(shè)定為1～5分。

3) 行業(yè)生命周期:根據(jù)承租企業(yè)所屬行業(yè)的發(fā)展趨勢，分別設(shè)定為1～5分。

4) 行業(yè)特性:根據(jù)承租企業(yè)所屬行業(yè)的市場環(huán)境特性和優(yōu)良情況，分別設(shè)定為1～5分。

5) 主營業(yè)務(wù)收入:根據(jù)承租企業(yè)收入規(guī)模的大小，分別設(shè)定為1～5分。

6) 凈資產(chǎn)收益率:根據(jù)承租企業(yè)過去3 a的平均值高低，分別設(shè)定為1～5分。

7) 資產(chǎn)負(fù)債率:根據(jù)承租企業(yè)資產(chǎn)負(fù)債率的高低，分別設(shè)定為1～5分。

8) 流動(dòng)比率:根據(jù)承租企業(yè)流動(dòng)比率的大小，分別設(shè)定為1～5分。

9) 金融機(jī)構(gòu)信用記錄：根據(jù)承租企業(yè)與銀行和融資租賃公司的合作及其還款行為的好壞，分別設(shè)定為1～5分[5]。

2.2 數(shù)據(jù)來源

選取的數(shù)據(jù)來源于案例公司近5 a的合同信息，抽取其中1 060個(gè)起租合同(含逾期超過7 d的合同143個(gè))?？紤]到部分逾期情況是由于客觀原因造成的(如到款時(shí)間差、承租人付款審批流程復(fù)雜等)，選擇逾期超過7 d的合同作為違約合同。根據(jù)存量數(shù)據(jù)和逾期合同比例，選取100個(gè)樣本，其中，正常合同86個(gè)，逾期合同14個(gè)。對于樣本的選擇，充分考慮時(shí)間因素和行業(yè)因素，其中：時(shí)間跨度從公司開展業(yè)務(wù)初期至今(進(jìn)行平均分配)；行業(yè)因素選取船舶、碼頭和物流等。逾期合同的風(fēng)險(xiǎn)評估指標(biāo)抽取第一次違約前1 a的數(shù)據(jù)，力求評估測算的結(jié)果相對精準(zhǔn)。表1為樣本評估指標(biāo)得分。

表1 樣本評估指標(biāo)得分

3 模型計(jì)算和實(shí)證分析

3.1 模型計(jì)算

利用SPSS工具，采用向后逐步選擇算法對模型進(jìn)行計(jì)算。計(jì)算分5步進(jìn)行，第5步顯示概率p的值為0.000(見表2)，小于顯著水平0.05，若所有回歸系數(shù)不同時(shí)為0，全體變量與LogitP之間的線性關(guān)系明顯，說明模型選擇合理。

經(jīng)過5步篩選，選取5個(gè)指標(biāo)建立回歸模型(見表3)，結(jié)果顯示行業(yè)生命周期、主營業(yè)務(wù)收入、凈資產(chǎn)收益率、資產(chǎn)負(fù)債率和流動(dòng)比率等指標(biāo)對評估違約概率有顯著效果，其他指標(biāo)的評估效果一般。根據(jù)100個(gè)樣本建立的Logistic模型為

(10)

3.2 實(shí)證分析

式(10)中的p值表示承租人的違約概率，p值越接近于1，承租人的信用越差；p值越接近于0，承租人的信用越好。由式(10)可知，承租人下一年度違約的概率與其行業(yè)生命周期、主營業(yè)務(wù)收入、凈資產(chǎn)收益率、資產(chǎn)負(fù)債率和流動(dòng)比率等相關(guān)，指標(biāo)得分越低，違約概率越高，其中影響程度較大的是主營業(yè)務(wù)收入和資產(chǎn)負(fù)債率。Logistic模型以0.5為臨界值，用案例公司非樣本合同的風(fēng)險(xiǎn)指標(biāo)數(shù)據(jù)來檢驗(yàn)?zāi)Ｐ偷念A(yù)測效果，可看到未違約合同的p值小于0.5的占79.6%，違約合同的p值大于0.5的占73.2%，表明Logistic模型的預(yù)測效果良好。

此外，參考式(10)(表3中B列)的影響系數(shù)，按百分制設(shè)定指標(biāo)的具體權(quán)重，根據(jù)權(quán)重和指標(biāo)得分計(jì)算出信用風(fēng)險(xiǎn)評估的最終得分，供信審人員參考。研究結(jié)果表明，案例公司在開展租賃業(yè)務(wù)和租后資產(chǎn)信用評估時(shí)應(yīng)重視對承租人盈利能力和短期償債能力等指標(biāo)的分析，并利用指標(biāo)值和對應(yīng)的權(quán)重判別承租人違約的可能性，降低違約風(fēng)險(xiǎn)。

4 結(jié) 語

本文選取案例公司量化后的違約風(fēng)險(xiǎn)數(shù)據(jù)，采用Logistic模型進(jìn)行驗(yàn)算，得出影響信用風(fēng)險(xiǎn)的關(guān)鍵指標(biāo)及其影響程度，最終獲得信用風(fēng)險(xiǎn)評估模型。采用該模型進(jìn)行信用風(fēng)險(xiǎn)評估和預(yù)測,供信審人員參考。鑒于基礎(chǔ)數(shù)據(jù)和選取的指標(biāo)有限，加上不同行業(yè)的風(fēng)險(xiǎn)預(yù)期受政策、行業(yè)和市場等因素的影響不同，需對風(fēng)險(xiǎn)指標(biāo)和量化標(biāo)準(zhǔn)進(jìn)行不斷調(diào)整，根據(jù)更多違約企業(yè)的樣本數(shù)據(jù)對模型進(jìn)行持續(xù)優(yōu)化。