【民营企业债券信用风险影响因素的实证分析11000字（论文）】

民营企业债券信用风险影响因素的实证分析目录TOC\o"1-2"\h\u5095民营企业债券信用风险影响因素的实证分析 1157251、绪论 1248551.1研究背景 1267771.2研究目的与意义 3166451.3研究对象 3224231.4研究方法与研究内容 3118571.5创新与本文不足 4115252、理论基础与文献综述 5291042.1相关概念 5176782.2基础理论 5316832.3文献综述 7180253、民营企业债券信用风险理论分析 10221703.1民营企业债券信用风险相关影响因素 1024654数据来源：Wind数据库 11133883.2民营企业债券信用风险预警模型理论 11177154、模型构建 1428924.1变量选取及数据来源 14123634.2事前检验 14303034.3确定因子个数和含义 15297234.4构建判别模型 16321064.5结果验证 17170635、结论及建议 18218605.1研究结论 1892125.2政策建议 18228405.3不足 1930249参考文献 201、绪论1.1研究背景债券融资因其融资规模大、成本低等特点备受资本市场青睐。基于此，众多企业选择发售债券来满足自身融资需求，我国债券市场步入蓬勃发展期。我国经济正处于战略调整期，债市信用风险不断积聚，自2014年债券刚兑神话被打破以来，违约浪潮此起彼伏，屡见不鲜。我国债券市场历年违约统计如表1和图1所示。表1我国债券市场历年债券违约金额和违约数量（单位：亿元，只）年份债券违约金额债券违约数量201413.478201559.55292016317.27792017316.505120181577.9817420191601.7920320201687.02148数据来源：Wind数据库图1我国债券市场历年新增债券违约主体数量数据来源：Wind数据库如表1和图1所示，截至2021年，我国债券市场约690余只债券发生违约，累计违约金额逾5600亿元，涉及发行主体170多家。2020年全国债券市场新增29家违约主体，涉及111支新增违约债券，新增违约金额1238.65亿元。其中，新增违约主体中民营企业18家，占比高达62.07%。由此可见，近两年债券违约虽有所缓和，但已成为我国债市的常态化现象，叠加新冠肺炎的影响，此番债券违约潮或呈延续态势。从债券违约违约金额和新增主体类别来看，民营企业无疑是我国债券违约的重灾区，违约风险日益显现。民营经济是我国市场经济的重要组成部分，如何应对债券违约成为民营经济健康发展的一项艰巨任务，也为本文研究提供了背景。1.2研究目的与意义首先，本文通过对民营企业债券信用风险影响因素的研究，有助于监管者更加合理有效地评估发债企业信用风险状况，及时对民营企业债券信用风险做出反应，减少债券违约事件的发生。其次，本研究发现国内外学者侧重于债券交易定价、债券信用风险度量及其违约影响因素等方面的研究，以大样本的实证研究居多，而针对民营企业债券违约的案例研究较少。本文选题着眼于民营企业债券信用风险的前影响因素，选择从宏观环境、行业层面以及微观公司自身主体来具体分析企业信用状况，丰富了债券违约的研究，具有一定的意义。1.3研究对象本文研究对象为民营企业，通过构建债券信用风险预警模型，为民营企业债券信用风险的早发现、早处置，促进债券市场服务实体经济起到一定作用。1.4研究方法与研究内容本文试图分析民营企业债券信用风险的影响因素，进行理论分析，并通过样本数据构建预警模型。本文采取因子分析法和Fisher判别法构建预警模型，全文分四部分：第一部分为绪论。分析我国债券违约的现状，从国内外分别总结债券信用风险影响因素、风险度量等相关文献，阐述课题研究意义。第二部分为理论分析。针对债券信用风险理论和相关影响因素分别展开论述。第三部分为模型构建，通过样本数据构建预警模型。第四部分为结论。通过预警模型及回代检验结果，分别对债券发行企业、监管者和投资者提出建议，同时指出本文研究的不足之处。本文使用以下方法展开研究：（1）文献研究法。在阅读、整理相关文献的基础上，总结了民营企业债券信用风险相关理论以及民营企业债券信用风险预警模型等内容，寻找本次研究的着手之处。（2）实证分析法。采用因子分析法和Fisher判别法对样本数据进行实证检验，分析不同指标对民营企业债券信用风险的影响程度，据此构建风险预警模型。1.5创新与本文不足研究视角的创新：债券市场是一个国家金融体系中不可缺少的一部分，本文通过研究民营企业债券证券信用风险影响因素，为我国民营企业未来的发展起到了一定的警示作用。研究方法的创新：本研究采用2020年发生债券违约的17家民营上市公司作为违约样本，选择未发生债券违约的17家同类上市公司作为对照样本。从偿债能力、盈利能力等各方面选取14个原始指标，考察企业信用风险状况。首先使用KMO和Bartlett检验观察样本是否可用因子分析法，其次使用因子分析法筛选公因子；之后对样本数据进行Fisher判别法有效性检验，最后利用公因子构建预警模型。模型构建后，将样本数据进行回代，观察预警模型的判别效果。

2、理论基础与文献综述2.1相关概念2.1.1债券定义债券（Bonds/debenture）是政府、企业、银行等债务人为融资，承诺债权人在指定日期偿还利息和本金并根据法定程序募集资金的有价证券。债券是政府、工商社会、金融机构等向社会直接借款时借入的资金，同时承诺按约定条件偿还本金并按一定的利率支付利息给投资人的\t"/item/%E5%80%BA%E5%88%B8/_blank"债权债务凭证，是一种金融契约，其实质是具有法律效益的债务证明。债券投资人或购买者与发行人存在一种债权债务关系，\t"/item/%E5%80%BA%E5%88%B8/_blank"债务人是债券发行人，债权人则是债券购买者（投资人）。债券不仅是一种有价证券还是一种定息证券（固定利息证券），是因为债券的利息通常是预先确定的，债券可以在金融市场发达的国家和地区上市和流通。2.1.2信用风险信用风险又称违约风险，是指债券发行者、借款人或交易对方由于各种因素不愿或不能履行合约条款而构成违约行为，从而给银行、投资人或交易对方产生可能蒙受损失的风险。违约风险是银行存在的主要风险，此风险不仅发生在贷款中，还发生在表内和表外业务中(例如证券投资、担保和承兑等）。若银行无法及时确认损失资产，增加核销呆账准备金，在适当条件下停止确认利息收入，则银行将面临重大的风险。一旦发生违约，银行或债权人将不可避免地因未能获得预期回报而蒙受经济损失。违约风险是由影响公司运营的特殊事件的发生和经济运行的周期性引起的。2.2基础理论2.2.1信息不对称理论信息不对称理论主要是指在市场经济运行的过程中，不同岗位的人员对同一个信息的了解程度是存在差别的，相关主体获取信息的程度不同也导致了相关主体在面对事件时所做出的不同决定。张凤莲（2011）[17]研究认为信息不对称是造成债券违约的根本原因，通过实证研究表明，信息不对称会很大程度的提高企业的债券违约风险。在市场上，卖方比买方更了解相关信息，对于获取信息缺乏的人员，则处于比较不好的地位，掌握更多信息的一方，则会在事物处理方面掌握一定的主动权，从而进行不同的选择。这个理论可以体现在债券发行主体与投资人之间，债券发行主体对企业的经营状况以及财务方面都很了解，而投资人对于企业了解并不完整，只通过企业公布的一些财务信息以及公告募集书来了解认识企业的情况，从债券发行主体来讲，为了能够筹集足够多的资金，企业会选择不公示一些不利于企业筹集资金的一些事件，为了满足自身融资需求给投资人呈现出良好的财务状况，所以投资者得到的信息是片面的，企业内部真实的信息难以获取。这样导致了投资双方获取的信息是不对称的，就会不利于投资者去投资，增加了投资者的风险，投资者自身的利益受到侵害。由于在债券市场存在着信息不对称的弊病，故此在发行债券的过程中，我们应该要求债券发行主体出具真实可靠的财务信息和经营状况，评级机构出具客观、准确的评级报告，避免发生信息不对称的情况。2.2.2利益相关者理论从1960年，利益相关者理论在西方开始逐渐形成，到了1980年开始逐步影响美、英等国家的企业治理模式，并迅速扩大。利益相关者主要包括企业的经营者、债权人、员工、合作企业等交易伙伴，也包括了政府部门、当地居民和自然环境等受到企业经营活动直接或间接联系的客体。这些利益相关者与企业的经营状况和生产发展有着很大的关系。因此，企业的行为和决策不能仅仅为了获取经济利益，一味地强调自身的财务业绩，还应该关注与了解密切相关的个体，将各个利益相关者的问题纳入决策，尽量满足他们的需求。对于企业的管理决策以及活动影响的程度，不同的利益相关者影响的程度是不同的。为了实现他们自己的目标，不同的利益相关者群体都希望企业的决策者在制定战略时，能够优先考虑他们。但不同的权益主体之间的利益和所关心的核心问题都存在着很大的差异，并且互相有矛盾分歧，公司决策者会根据自身对某类利益相关者的依赖程度做出衡量，优先考虑某类利益相关者。2.3文献综述2.3.1债券信用风险影响因素国外债券市场起步早、成熟度高，债券违约事件早已有之。学者从多个角度对债券信用风险度量和影响因素进行了广泛的研究，为本文的研究提供了坚实的基础。自“11超日债”首次违约以来，债券违约屡见不鲜，国内有关债券违约的案例研究也日益丰富。导致发债公司出现债券信用风险的因素是多方面的，FanYu（2005）认为债券信用风险主要来源于发债公司信息不对称。Acharya（2007）分析指出，行业整体状况的下行会使公司的资产价值受损，应对风险能力下降，更容易发生违约。Christopher（2010）分析指出，净资产在企业资产规模中占比越高，债券信用风险越低。Kuehn和Schmid（2011）研究表明，债券的违约风险的增加与经济形势有关。Kay等（2011）采集1866-2008年债券违约数据，使用区制转换模型对超过150年的数据分析，指出GDP增长率、股票收益率及其波动率等因素能有效预测债券违约，但信用风险溢价却不能有效预测债券违约。罗维（2014）以“14超日债”违约为案例，分析超日公司财务数据，发现超日公司在债券违约前4年时间，已经出现债务上升过快、营业收入急剧下降、流动性严重不足等现象。李炜（2016）分析指出，债券信用风险的根本原因是公司治理水平低下，对财务风险重视不够，债券发行时保障措施不完善。陈文杰等（2017）指出，2014年以来债券信用风险快速显现主要有以下原因：一是宏观经济下行，公司利润率下降；二是刚性兑付逐渐被打破；三是2008年金融危机时推出的4万亿刺激政策使部分行业出现严重产能过剩；四是银行信贷收紧致使企业资金紧张问题加剧。2.3.2债券信用风险度量传统分析中往往采用定性方法度量债券信用风险，如“5C”、“5W”、专家打分等。在定量研究方面，Beaver（1966）采集100多家公司的30个财务指标作为样本数据，分组研究表明资产负债率预测公司违约风险效果最好。Altman（1968）为对公司破产风险进行量化，经分析选定5个指标：营运资产、营业收入、EBIT和利润留存4个指标占总资产比重、净资产/负债；通过这些指标构建Z值模型；1977年，Altman从原Z值模型的5个因素扩展到公司流动性、偿债能力、留存收益、盈利能力等7个方面，据此构建了ZETA模型；2000年，Altman调整了原Z值公式，公式预测的准确性有所提高，且可用于非上市公司。Black和Scholes（1973）、Merton（1974）提出期权定价理论。投资公司所承担的是有限责任，而获得的收益在理论上无上限，因此可将投资公司看作亏损有限而收益无限的期权；当负债价值大于资产时，股权价值数值上将为负，债务就会出现违约。Martin（1977）利用Logit模型对债券违约概率进行计量，并在与各类模型比较中得出结论，认为Logit模型的预测更为准确。在近30年所提出的现代债券违约高级计量模型中，CreditMetrics模型和KMV模型使用较广泛。J.P.Morgan基于信用评级提出了风险评估模型——CreditMetrics模型；而KMV公司构建的债券信用风险计量模型，其理论根基是期权定价理论。段霞（2012）以240家发债企业为样本，评价各类债券信用风险模型在中国的使用效果；结果显示Z值模型较KMV模型更适宜于中国债市。蒋或等（2015）使用修正KMV模型分析债券信用风险，研究表明修正后的KMV模型有效性较高。童欣悦（2018）以天威中票违约事件为例，使用Z值模型构建债券违约指标预警体系。综合财务指标来看，Z值模型可以较早对风险变动作出提示。仇民乐（2019）以永泰能源为例，特针对民营企业债券违约成因及财务预警展开研究，使用Z值模型进行实证检验，可以有效对债券违约进行预警。但债券市场信息传递机制不畅，债券信用评级普遍存在虚高现象，这些因素导致投资者难以及时识别债券信用风险。陈毓敏等（2020）提出4种债券违约预警信号：财务指标、债券价格、舆情、投基金持仓，指出基于机器学习的财务指标预警无论在领先性、准确性、覆盖率上均为最优。霍雨佳（2020）、蓬若曦（2020）基于因子分析法对A股上市公司债券构建多元线性判别模型，并进行回代验证，表明基于因子分析法的债券违约判别模型可以有效识别违约债券。章璐琳（2020）使用Logit模型对2014-2019年债券违约进行预警建模，综合考虑宏观经济、企业偿债能力等18个指标构建模型。刘律康（2021）利用集成学习算法，使用XGBoost提升树模型，对2014-2019年非金融企业信用债违约进行建模研究，模型在预警率、准确率、覆盖率等多方面均有较好的表现。2.3.3文献评述本文的文献综述主要从债券信用风险的影响因素及风险度量两方面入手，对国内外相关文献进行整理归纳。通过整理，发现我国当前大多数债券违约理论都是基于国外已有理论不断发展，相对于国外理论，我国相关理论存在着一定的滞后性。此外，我国学者对债券信用风险的研究更加偏向债券市场整体，研究债券市场体制机制、监管状况、信息不对称等方面。关于债券信用风险影响因素与预警的研究，国外学者研究较为丰富，研究内容较为广泛，除了常见的影响债券违约的因素，也从微观个体的心理出发，考虑投资者的情绪变动。国内学者更侧重于企业的财务指标、行业因素等，尚未根据我国债券市场具体情形建立起一套完整的预警框架，这是我国债券信用风险预警研究中需要解决的问题。。

3、民营企业债券信用风险理论分析3.1民营企业债券信用风险相关影响因素3.1.1微观因素微观因素主要指企业经营状况对信用风险的影响，通过财务数据体现。通过对民营企业债券违约情况的观察，并参考前人研究，本文认为微观因素主要有4个方面：盈利能力、偿债能力、营运能力、发展能力。盈利能力是反映企业信用风险的基础指标，也是企业偿债能力最根本的来源，主要从盈利水平和稳定性、可持续性上考察，主要指标包含净资产收益率等。偿债能力考察自由现金水平是否足以还本付息，主要指标有现金流量比（该指标考察短期偿债能力）、利息保障倍数和现金流量利息保障倍数（二者皆考察债务利息偿还能力，该指标更偏重于考察现金流水平）、资产负债率（该指标可以反映企业融资和发展的模式，一般用于考察长期偿债能力，但近年来企业负债水平普遍较高，该指标对民营企业债券信用风险的区分度在弱化）。营运能力考察企业利用自身资产进行周转运行、创造利润的能力，反映了企业各类资产从购进、投产到回笼资金的速度；营运能力直接影响现金流水平。主要使用的指标有总资产周转率、不确定性较强的应收帐款等的周转率。发展能力即企业扩大经营规模，进行再生产的能力，实质是考察企业价值创造和可持续增长的能力。如果企业发展能力较强，那么企业更容易提高市场占有率，进一步提高盈利能力和现金流水平，降低民营企业债券信用风险。考察企业发展能力的核心指标是增长率。3.1.2宏观因素中国经济在加入世贸组织后经历了长达10年的飞速发展后，原有人口红利减弱、产业结构转型难度大，叠加经济周期下行，加之供给侧改革的阵痛，各行业的发展压力逐渐加大。如图2所示，随着GDP增长率下降，债券违约金额急剧增长，GDP增长率和债券违约金额呈明显的负相关。图22014-2020年中国GDP增长率和债券违约金额数据来源：Wind数据库此外，债券违约主体的所处行业以建筑工程、化工、钢铁、机械、煤炭等强周期性或易受政策影响的行业为主，综合类公司数量也较多，分布在以上行业的违约主体共94个，占205个违约主体的45.8%。这印证了经济周期的下行和经济整体风险的上升。3.2民营企业债券信用风险预警模型理论在对大量文章进行梳理，总结相关理论的基础上，对民营企业债券信用风险的度量，从时间来看可以分为三个进程：第一是基于定性分析的传统分析法，第二是基于定量模型的现代分析法，第三是风险的高级计量模型法。3.2.1传统分析法传统分析法即对民营企业债券信用风险的分析主要由定性分析而得，通常由经验丰富的专业人士人工进行风险评估，主要包括5C分析法、5W分析法和信用评分法。5C分析法是经典的专家打分法，是国外银行总结出的影响信用风险的5C原则，即：品质（character）、能力（capacity）、资本（capital）、抵押（collateral）、条件（condition）。5C分析法虽然简单，但覆盖面广泛，可以有效的地对企业信用风险进行定性评估。某些银行将信用风险要素归结为5W因素，借款人（who）、期限（when）、借款目的（why）、担保（what）、还款方式（how）；信用风险也可用“5P”概括：即目的（purpose）、偿还（payment）、保障（protection）、前景（perspective）、个人因素（personal）。信用评分法是对5C分析法的一种升级。信用分析法主要通过考察某些指标表现，对企业的信用等级进行打分，而后根据不同的信用等级对企业采取不同的贷款政策。但信用评分法仍然是以人为判断为主，未曾建立起明确的指标权重体系，因此仍属于定性分析法。3.2.2现代分析法随着经济社会发展的不断深化，金融市场需要更加精细化的风险评估，传统的定性分析法已不能满足市场的需求。因此各国学者以计量经济学为基础引入现代定量分析法，构建较为简易的债券违约风险度量模型，主要包括Logistic模型、Probit模型、Fisher线性判别模型、Z值模型等。当因变量为分类变量（在债券违约中即违约或不违约）且自变量（影响因素）与因变量呈非线性关系，探索因变量与某些自变量之间的关系时常用Logistic模型。Probit模型形式上与Logistic模型较为相似，也可用于信用风险研究，但要求样本数据必须满足正态分布。Fisher线性判别模型则擅长于“降维”。当变量很多时，Fisher模型可将降低数据维度，通过寻找不同类数据之间的区别，确定划分标准，将各类样本数据划分为不同类型，使同类数据尽可能接近。3.2.3高级计量模型法高级计量模型诞生于90年代，由各商业银行和其他金融机构为评估授信对象的信用风险而构建的信用风险计量模型，主要包括KMV模型和Creditmetrics模型。KMV模型将股东投资视为一种追求期权价值的行为。如果资产价值小于负债，则公司股权价值在数值上为负，所能负担的债务总额为清算价值，此时公司不愿意偿还债务。KMV模型主要基于BS公式计算出股权价值，通过总结历史数据，得出企业债务违约时最有可能处于哪种债务水平（“违约实施点”），进而得出负债企业的违约距离，通过历年积累的数据库中观察其与违约率之间的相关性，得到目前的预期违约率。由于计算时利用了企业的股票价值，而并非历史财务数据，因此被认为是一种向前看的方法，不仅可以反映风险的高低，而且可以精准度量风险差异的程度。KMV模型的主要缺陷有2个：一是在计算时需遵循BS公式的诸多假设，如资产价值服从正态分布等，这在现实中通常难以满足；二是BS公式需要使用的许多重要变量，如公司资产价值及其波动率等，因此该模型非常适用于上市公司，但非上市公司资产不在公开市场上交易，因此难以得到其市场价值和波动率，所以往往需要用另外的变量来代替。此外，由于在中国缺少基于大量违约公司信息的历史数据库，因此无法将违约距离与违约概率相匹配，因此KMV难以直接用于中国市场。Creditmetrics模型又称信用计量模型。评级机构会定期对债务工具及发债主体进行等级评定，假设信用评级结果是公正科学的，那么违约风险可以通过观察信用等级的变化而获得。债券处于不同评级时市场价值不同，可据此得到债券不同等级上的市场价值。进而计算出债券市场价值的分布函数，从而利用VaR模型计算债券的在险价值。该模型使用债务的信用评级水平，评级结果来源于历史数据；KMV模型使用企业的股权价值，而股权价值是投资者对企业未来发展的预期，实质是一种看涨期权，因此KMV模型一定程度上使用的是企业“未来”的数据，这是两者的根本差别。

4、模型构建4.1变量选取及数据来源本文选取至2021年中国信用债市场发生违约的民营上市发债公司17家，并挑选对应的未发生违约的民营上市发债公司作为对照组，共同作为债券违约样本。选取对照组公司时，在公司数量方面参考前人研究结果，按照实验组：对照组=1：1的比例选取17家民营公司作为对照组样本；在选取标准方面，通过筛选与违约样本经营范围相似且规模相近的民营公司作为对照，使对照组与违约组具有可比性。本文共使用34家发债公司2021年14个财务指标如下：表2财务指标类别指标盈利能力净资产收益率每股收益销售毛利率偿债能力流动比率速动比率现金流量比利息保障倍数现金流量利息保障倍数资产负债率运营能力总资产周转率应收账款周转率存货周转率发展能力主营收入增长率净利润增长率这14个指标虽然能够较全面地反映企业运行情况，但所提供的信息出现重复，且存在明显的多重共线性，因此本文使用因子分析法筛选出最能反映发债公司运行情况的指标来构建预警模型。4.2事前检验因子分析法要求待分析的原始变量间本身存在关联。通过KMO和Bartlett检验观察该方法适用性。样本数据的相关性一般通过KMO进行测试，检验最大值为1，检验值越大相关性越强。KMO值大于0.6可用该方法。Bartlett检验则主要考察独立性；一般来说，显著性小于0.05就可以认为各变量间并非互相独立。表3KMO和Bartlett检验KMO度量0.737Bartlett检验近似卡方274.592自由度91显著性0.000如表3-2所示，KMO度量值为0.737，巴特利特检验的显著性为0.000。结果表明本文所使用的数据可以使用因子分析。4.3确定因子个数和含义本文选取14个财务指标，即有14个主成分。筛选信息量较大的都变量来概括原始信息。从表3-3中可以看出有5个变量适合作为公因子，这5个公因子包含了14个原始财务指标74.36%的信息。表4总方差解释成分初始特征值提取载荷平方和旋转载荷平方和总计方差百分比累积%总计方差百分比累积%总计方差百分比累积%14.71133.65233.6524.71133.65233.6522.50417.88617.88622.08714.90448.5562.08714.90448.5562.21715.83933.72431.3589.70058.2571.3589.70058.2572.13115.21848.94241.2238.73966.9961.2238.73966.9962.07114.79363.73651.0317.36274.3571.0317.36274.3571.48710.62274.357在确定5个公因子后，需要确定每个因子所对应的实际财务指标。由于一个因子与多个指标相关，因此采用方差最大旋转法进行处理，结果如表5所示。表5旋转后的成分矩阵指标成分12345利息保障倍数0.3940.3010.227-0.276-0.138营业收入增长率0.1400.0530.756-0.147-0.036净利润增长率0.6650.4050.4530.1510.033流动比率0.0420.007-0.0220.835-0.063速动比率0.1940.1660.2480.255-0.653资产负债率-0.424-0.339-0.057-0.4100.416现金流量利息保障倍数0.1000.0430.1180.0090.856每股收益0.2700.335-0.0050.473-0.339应收账款周转率-0.4990.0630.072-0.0580.013存货周转率-0.048-0.2490.3010.3350.088总资产周转率0.0800.767-0.1390.0380.023现金流量比0.1350.2910.0120.811-0.046销售毛利率0.0010.5610.3540.0660.067净资产收益率0.8650.2540.3140.134-0.002可以看出，不同因子在各指标上的载荷有明显的差异，选取载荷最大的指标作为该因子所对应的具体财务指标，具体对应关系如表6所示。表6各因子所对应的财务指标因子财务指标设定变量1营业收入增长率X12流动比率X23现金流量利息保障倍数X34净资产收益率X45总资产周转率X54.4构建判别模型本文使用Fisher判别函数对违约发债主体和正常发债主体进行判别。首先检验是否可使用Fisher判别法，结果如表7所示，p值为0.002，远小于0.05，说明使用Fisher判别函数有效。表7Fisher判别函数的有效性检验函数检验威尔克Lambda卡方自由度显著性10.53118.66250.002Fisher判别函数可将截面数据分为两组，可以据此判别违约发债主体和正常发债主体。具体判别系数见表8。表8Fisher判别函数系数指标函数X1-0.200X20.046X3-0.087X40.055X50.012（常量）0.148由此可得Fisher判别函数：Y该判别函数同时给出了不同组别Fisher判别函数值的分布中心，以此为判别标准。对正常发债公司而言，该数据的分布中心为0.911，而对违约发债公司该数据的分布中心为-0.911；某公司判别函数值距离哪类公司更近，就属于哪类公司。由于本文中违约和正常公司的判别函数值呈对称分布，因此若某公司的Fisher判别函数值大于0，即可归为正常公司，若小于0，则归为违约公司。表9组质心处的函数值种类函数正常发债公司0.911违约发债公司-0.9114.5结果验证为检验构建的民营企业债券信用风险预警模型的有效性，本文将34家样本公司财务指标回代验证，结果见表10。表10预警模型验证结果预测违约主体预测未违约主体总计实际违约主体15217实际未违约主体11617总计161834本文所建立的民营企业债券信用风险预警模型对违约样本预测成功率为88.2%，误报率为5.9%，基本可以有效区分正常公司和违约公司。

5、结论及建议5.1研究结论5.1.1民营企业债券信用风险特征及影响因素2014年以来，我国债券市场违约金额和数量均快速增长，违约主体从以民营企业为主到一些地方政府融资平台、甚至部分优质国企，这反映了债券信用风险的扩大化。债券违约主体以金属、能源等周期性、产能过剩行业和建筑工程、机械等重资本类行业为主。民营企业债券信用风险的主要外部影响因素为宏观经济因素和去杠杆、去产能等政策因素，内部影响因素主要取决于公司治理水平，其中盈利能力和偿债能力是债券违约的关键影响因素。5.1.2风险预警模型的构建本文以2020年中国债券市场发生违约的17家民营上市公司为样本，选取4方面14个财务指标进行因子分析，在尽可能保留原始信息的条件下筛选出5个关键因子。然后，根据17家违约公司的特点按照1：1选取17家未发生违约公司作为对照，使用Fisher线性判别模型法构建债券违约预警模型。总体判别率为88.2%，误判率为5.9%，预警模型总体判别效果较好。5.2政策建议5.2.1发行者许多发生债券违约的民营企业是营运能力不足、盈利能力较差、现金流水平较低等因素所造成的，因此发债公司在日常营运中要制定合理的财务战规划，注重现金流管理，合理控制企业负债水平和扩张速度，使企业的发展与宏观经济、行业前景和公司自身经营状况相匹配。5.2.2投资者一是在投资债券前，应主动开展投资风险偏好程度测试，应加强金融相关知识学习，建立债券风险识别框架。本文认为，民营企业债券信用风险应结合宏微观环境展开分析，首先应认真分析宏观经济状况，如果经济下行或震荡周期中，那么债券市场整体将面临较大的风险；其次，应通盘考虑行业是否与经济周期高度重合、整体的供求状况、是否易受如供给侧改革等政策影响等因素；此外，对于企业的盈利能力、现金流水平、资产周转速度等财务指标和债券信用评级，投资者也应予以足够关注。投资债券后，应持续关注宏微观因素变化趋势，及时研判债券风险大小，制定风险应对措施。二是投资者应清醒地认识到投资的风险，并考察自身风险承受能力，随时对资产组合进行调整。此外，投资者还应丰富投资品类，结合多种产品进行多元化投资，尽可能分散风险。5.2.3监管者一是加大监管力度，将信息披露作为评级守则和法律准则，要求企业需及时公布相关财务指标，对于重大问题应及时披露，以便对市场起到预警作用。对于重要信息或财务数据造假的公司，因对其高管人员进行处罚对，公司实行如列入退市黑名单等严厉的政策，从而进一步规范信息披露制度，降低信息不对称给投资者带来的损失。二是监管部门应要求评级机构实事求是，科学评价。对于原本评级很高但在发生违约后迅速下调评级频发的现象，监管部门应加强督导和监管；还可以推动拟定评级机构黑名单，对于评级结果质量较低或多次出现违法违规的机构列入黑名单。三是仿照国外市场实行双评级制度，即对于同一债券及其发债主体，要求两个独立的评级机构同时评级。两家评级机构可以互相参考对照对方的评级结果，这种制度可以对机构形成一定的约束力，从而提高评级的可靠性，还对后续可能出现的评级调整具有一定的指导和帮助作用。5.3不足由于许多发债主体的财务数据披露不完全，使得本文在样本选取时仅选取可以获得完整连续数据的民营企业，难以获得众多中小发债公司和非上市民营公司的相关信息，存在着一定的缺陷。随着我国债券市场信息披露程度的不断提高，在分析违约主体的财务指标时，数据可得性将提高，分析的可靠性也会得到提升。

参考文献[1]夏贤兰.民营企业债券违约风险影响因素及预警研究[D].安徽财经大学,2019.[2]郑月蔚.宏观经济因素对企业债券信用风险的影响[J].时代金融,2016,(23):272+274.[3]周宏,杨萌萌,李远远.企业债券信用风险影响因素研究评述[J].经济学动态,2010,(12):137-140.[4]罗维.超日债券违约原因分析及影响[J].商界论坛,2014:158[5]陈文杰，常卉领.当前经济形势下我