深度分析債市32家違約企業,發現這個指標風險預見性很強

債券市場向來以穩健著稱,而從2018年開始,債券的穩健性開始大打折扣,違約數量及金額年年創新高。


不管是資質稍差的企業還是出身光鮮的大白馬,都紛紛折戟。


債券市場天雷滾滾,投資者大都小心翼翼。我們也在考慮,是否可以通過機器學習找到領先性很強的財務指標,能夠提前“預見”企業的違約,給市場發出預警。


我們將過去兩年違約的公司作為“不良樣本”,樣本主要集中在2018年3月到2019年2月在公開債市違約的32家公司,嘗試找出一些違約前的共同特徵。


1 找出公司違約前的關鍵負面事件及時間


機器訓練的第一步我們需要知道提前多久才算“預見”違約。


公開市場債券的期限往往長達數年,然而,很多公司在債券到期正式違約前,已經伴隨著劇烈的負面輿情及評級下調。


為了排除機器學習對於“預見”時間的干擾,我們首先要確認在正式違約前,企業是否已經伴隨著巨大的負面輿情,在負面輿情之後,企業在公開市場上幾乎完全失去了融資能力。


這個時間節點的判斷會有些主觀,鑑於絕大多數公司都是債券市場上已經有過足夠關注和信息的主體,因此,我們梳理出來了這32家公司違約前的關鍵負面事件及時間。


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表1 32家公司違約前的關鍵負面事件及時間


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表2 32家公司違約前的關鍵負面事件及時間


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表3 32家公司違約前的關鍵負面事件及時間

2 運用機器學習找出關鍵的領先性指標


32家違約公司關鍵負面輿情時間及事件找到後,我們試圖從財務指標的季度波動中找出具有“領先性”預見價值的指標。


我們找出的指標是一個不太常見的指標,叫做:貨幣資金佔短期有息負債的佔比


理解這個指標很容易:一般的現金佔比或流動比例,都是從資本結構上來看是否有充足的現金。而當現金和短期的有息負債做比值的時候,高度關注短期以現金償付債務的能力。


這個指標作為最強的領先性指標,反映了目前違約樣本中,大量因為內生的經營性現金流或外部的融資性現金流在關鍵時期受挫,現金流緊繃,再加上短期償債壓力又大,從而導致“突發性”資金斷裂的違約。


中國的會計準則中,對受限制的現金存在一些模糊地帶。例如很多企業和銀行約定了非常大額的現金存款,以保證獲得融資、授信等。


儘管這些現金存款並不是受凍結的現金,但由於期限和條款的約束,該部分現金是企業交付給銀行作為某種保證的一種形式,實質上是很難動用的。


因此現金佔比,無論佔什麼比的絕對值比較意義相對有限。


我們機器學習發現的成果,並不是絕對值,而是“趨勢”。


以最直觀的圖像角度來說,就是企業的貨幣資金佔短期有息負債的佔比指標呈趨勢性下滑


在這個趨勢中,即使中間可能有一個季度或兩個季度的回升—尤其在年末四季度時,這也是企業違約前發生重大負面輿情特徵的“先兆”。


例1:2018年6月財務報表遭質疑被深交所發關注函,大股東質押比例過高,出現非公開市場的違約,最後導致公開市場違約,乃至退市的雛鷹農牧,它的貨幣資金佔短期有息負債的佔比的圖形就是非常鮮明的趨勢性下滑。


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表4 雛鷹農牧貨幣資金佔短期有息負債的佔比季度走勢

類似的例子還有很多。


例2:2018年5月陷入降薪裁員,財務負責人離職,賬戶遭到凍結的東方園林


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表5 東方園林貨幣資金佔短期有息負債的佔比季度走勢

例3:2018年7月未履行認購義務,直接點燃評級下調,列入被執行人名單,後續違約的國購投資。(由於國購投資的季度數據不全,因此以半年數據展示)


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表6 國購投資貨幣資金佔短期有息負債的佔比半年報走勢

例4:2018年9月深陷應收賬款被騙危機,隨後大股東爆倉,信用評級下調直至2018年10月正式違約的北京華業資本


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表7 華業資本貨幣資金佔短期有息負債的佔比季度走勢

例5:2018年4月對外擔保存在違規、部分債務逾期信息未及時披露等行為被安徽證監局出具警示函,隨後董事長套現辭職,關聯方佔用資金直至半年後債券正式違約的

安徽盛運環保


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表8 盛運環保貨幣資金佔短期有息負債的佔比季度走勢

例6:2018年5月有意借殼上市,然後9月違約的河南眾品食品


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表9 眾品食品貨幣資金佔短期有息負債的佔比季度走勢

例7:2017年8月關聯方佔比過高,之後被證監會處分的美蘭機場


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表10 美蘭機場貨幣資金佔短期有息負債的佔比季度走勢

例8:2018年1月違反證券法規被調查,之後資產被虛高估值,股票暴跌,最後在2018年5月正式違約的中安科


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表11 中安科貨幣資金佔短期有息負債的佔比季度走勢

例9:2018年8月股價持續閃崩,陷入大股東股票質押風險,股東股份質押殆盡隨後在同年12月正式違約的銀億股份


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表12 銀億股份貨幣資金佔短期有息負債的佔比季度走勢

例10:2018年5月陷入借款合同糾紛,股權遭到凍結,又被列入失信人名單,在同年11月違約的

山東金茂


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表13 山東金茂貨幣資金佔短期有息負債的佔比季度走勢

例11:2018年3月傳出私募債違約,控股股東股權遭司法凍結,最後在公開市場違約的中弘控股


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表14 中弘控股貨幣資金佔短期有息負債的佔比季度走勢

例12:2018年6月民間借貸違約,隨後融資租賃違約、股份資產遭凍結,部分房產遭到查封的吉林利源


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表15 吉利利源貨幣資金佔短期有息負債的佔比季度走勢

例13:2018年1月“11新光債”出現大幅折價隨後停牌,接著陷入資產質押糾紛、訴訟糾紛,同年9月正式違約的新光控股


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表16 新光控股貨幣資金佔短期有息負債的佔比季度走勢

例14:2018年5月關聯公司國儲能源違約,隨後遭遇股債雙殺的金鴻控股


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表17 金鴻控股貨幣資金佔短期有息負債的佔比季度走勢

例15:2018年3月出現股票質押回購交易違約,隨後股份凍結的

樂視網


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表18 樂視網貨幣資金佔短期有息負債的佔比季度走勢

例16:2018年5月出現債券價格暴跌,股份遭到凍結,隨後取消超短融發行,在同年7月正式違約的永泰能源


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表19 永泰能源貨幣資金佔短期有息負債的佔比季度走勢

例17:2018年2月爆出融資租賃違約輿情,導致資產賬戶凍結的凱迪生態


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表20 凱迪生態貨幣資金佔短期有息負債的佔比季度走勢

除了上面這些波動非常明顯的,還有一些公司該指標小幅下滑、趨勢稍弱,效果沒那麼明顯,比如康得新


實際原因一是座標軸數值設置問題,二是康得新通過虛增利潤涉嫌財務造假,對於貨幣資金佔比可能有刻意的控制。


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表21 康得新貨幣資金佔短期有息負債的佔比季度走勢

如果我們放大一下座標軸數值,就會發現趨勢其實也是很鮮明的。


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表22 康得新貨幣資金佔短期有息負債的佔比季度走勢

類似的還有洛娃科技

,這個指標一直維持在非常特別的高位,緩慢下降。


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表23 洛娃科技貨幣資金佔短期有息負債的佔比季度走勢

剩下沒有披露數據趨勢的公司,多數是在下滑的過程中有一個反彈。這個反彈大多是在年末,儲備較多的現金,保證一個好看的財務數據。


例1:2018年9月取消債券發行,同期違約的華陽經貿,2017年Q4和2018年Q1存在短期上升、隨後持續下降的趨勢。


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表24 華陽經貿貨幣資金佔短期有息負債的佔比季度走勢

例2:2017年10月財務被葉檀的文章質疑,接著股票質押回購違約,辦公場所被查封,最後在公開市場正式違約的

神霧環保,在2016年末時明顯走高,隨後開始趨勢性下跌。


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表25 神霧環保貨幣資金佔短期有息負債的佔比季度走勢

例3:2018年11月違約的東辰控股,同年7月爆出負面輿情。該指標趨勢在2017年Q4和2018年Q1小幅上升。


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表26 東辰控股貨幣資金佔短期有息負債的佔比季度走勢

例4:2018年6月陷入股權質押風險,隨後部分資產遭到凍結,股票暴跌,同年11月正式違約的宏圖高科


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表27 宏圖高科貨幣資金佔短期有息負債的佔比季度走勢

例5:目前已經退市,債券於2018年9月正式違約的印記娛樂,該指標在2017年年末也有明顯上升,其他時間都在明顯下降。


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表28 印記娛樂貨幣資金佔短期有息負債的佔比季度走勢

除去缺乏數據的公司,唯一的例外可能就是三鼎控股


在2018年10月技術性違約之前,三鼎控股的貨幣資金佔比短期有息負債的佔比並沒有出現趨勢性的下降。除此之外,幾乎所有公司該指標都存在趨勢性下滑的問題。


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表29 三鼎控股貨幣資金佔短期有息負債的佔比季度走勢

3 直面指標絕對值和財務造假


我們內部發現這個指標的趨勢具有“領先性”預見價值後,也進行過其他討論。


財務造假使得貨幣資金可能虛高,絕對值是否真的沒有意義?是否只有趨勢才可以更好地預見違約?


和外部專家的討論中,我們聽到了一種聲音。即有些企業可能刻意關注著貨幣資金佔比的指標,尤其保證貨幣資金偏高,使得這個比值虛高。那麼,是否可以讓偏高於行業競品的貨幣資金佔比變成一個財務異常指標呢?


我們隨機選擇了三個證監會公開披露的有財務造假的公司,包括:數據趨勢平穩的奇怪,被證監會認定連續四年財務造假的

康得新;2019年12月被江蘇監管局認定財務造假被行政處罰的藍豐生化;以及2018年8月被證監會立案調查,2019年11月被廣東證監局認定財務造假最後被行政處罰的風華高科


我們首先通過一款NLP匹配可比業務的工具快速找出其核心業務的可比公司如下:


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表30 風華高科核心業務及可比公司明細


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表31 風華高科核心業務及可比公司明細


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表32 風華高科核心業務及可比公司明細


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表33 風華高科核心業務及可比公司明細


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表34 風華高科核心業務及可比公司明細


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表35 藍豐生化核心業務及可比公司明細


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表36 藍豐生化核心業務及可比公司明細


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表37 藍豐生化核心業務及可比公司明細


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表38 藍豐生化核心業務及可比公司明細


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表39 康得新核心業務及可比公司明細


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表40 康得新核心業務及可比公司明細

隨後,我們刪除了業務佔比沒有超過總收入25%的可比公司,然後找到其各自的貨幣資金佔短期有息負債的比重,以便判斷是否擁有超過可比公司的數值。


我們發現,康得新和廣東風華的確有相對於可比公司中位數的貨幣資金佔比的偏移,江蘇藍豐相對不明顯。但由於仍有很多公司在絕對值上偏高,所以很難說只要偏移過大,這個公司就存在財務造假的痕跡。


但是,結合趨勢來看,當公司貨幣資金佔短期有息負債的趨勢波動不大,且絕對值又處於可比公司的偏高區間時,這家公司即值得投資人警惕。


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表41 藍豐生化核心業務及可比公司明細


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表42 康得新核心業務及可比公司明細


深度分析債市32家違約企業,發現這個指標風險預見性很強

圖表43 風華高科核心業務及可比公司明細



分享到:


相關文章: