专精特新上市公司信用风险研究

债市研究 专精特新 债市研究|专精特新 大公国际：专精特新上市公司信用风险研究 文/刘佳聪 摘要 专精特新企业是解决关键核心技术“卡脖子”问题、强化产业链韧性的重要力量，但在融资方面存在诸多难题，在金融领域，畅通专精特新企业融资渠道，是评级机构助力专精特新企业高质量发展的关键。本文首先选择专精特新上市公司作为研究样本，使用KMV模型计算其违约距离；其次与已公开披露主体评级的上市公司违约距离进行对比，分析专精特新企业的主体级别被低估的原因；最后对评级机构如何以专业高效的服务满足专精特新企业融资需求提出建议，为实现我国金融高质量发展做出积极贡献。 深入了解专精特新企业在发展过程中的风险特点，畅通融资渠道，打造良好的法治制度环境和市场竞争环境，是评级机构助力专精特新企业高质量发展的关键。 专精特新企业是指具有“专业化、精细化、特色化、新颖化”四类特征的企业，专精特新企业聚焦于产业链中间环节，提供零部件、元器件等产品和配套服务，是解决关键核心技术“卡脖子”问题、强化产业链韧性的重要力量。2021年12月，工信部、发改委等多个部门发布《“十四五”促进中小企业发展规划》，提出要加快培育主营业务突出、竞争能力强、成长型好、专注于细分市场、具有较强创新能力专精特新“小巨人”企业，并推动向制造业单项冠军企业发展。2022年6月，工信部印发优质中小企业梯度培育管理暂行办法》，将优质中小企业划分为创新型中小企业、专精特新企业、专精特新“小巨人”3个层次。截至目前，我国已培育五批次约9.80万家专精特新企业和约1.20 万家“小巨人”企业，其中包括1,186家制造业单项冠军。 专精特新企业发展潜力巨大、发展前景宽阔，相应的需要投入大量资金，但是在实际操作层面上存在一些先天难点，融资难、融资贵、融资慢一直是需要破解的难题，主要原因如下：第一，专精特新企业多为民营性质，普遍成立时间短、资产规模较小、信息透明度不高，企业经营及财务信息往往质量不高，从而导致投资人难以真正了解企业的实际经营与财务状况；第二，专精特新企业所在行业大多集中在高新技术领域，对投资判断的专业要求门槛较高，存在信息不对称；第三，专精特新企业主要集中在细分领域，面对巨大的竞争压力，发展存在较多不确定性，风险较大；第四，专精特新企业属于中小企业，缺乏相对有效的抵押物担保，并且大量技术由于涉及商业机密，投资人较难评估其实际价值。 目前，专精特新企业主要融资方式有扶持性银行信贷和资本市场融资。银行信贷方 面，大部分银行将专精特新企业作为当前信贷投放的重要领域，据中国人民银行披露，截至2023年10月末，专精特新中小企业贷款同比增长17.7%，明显高于同期贷款增速，银行信贷结构持续优化。资本市场融资为满足专精特新企业直接融资需求提供了体系化机制。股权融资方面，多项政策出台有利于提高科创板、创业板、北交所、新三板及区域性股权交易中心的服务质量和能力，惠及更广泛的专精特新企业群体；债券融资方面，债券融资是中小企业资本市场融资短板，具体表现为融资规模有限，融资总额不足，民企融资占比较低，加强债市对专精特新企业融资的支持亟待重视。因此，深入了解专精特新企业在发展过程中的风险特点，畅通融资渠道，打造良好的法治制度环境和市场竞争环境，是评级机构助力专精特新企业高质量发展的关键。 本文通过KMV模型计算得到，专精特新上市公司的平均主体级别接近AA，然而专精特新上市公司中未公开披露主体评级的占比较高，因此评级机构更需加强对于专精特新企业的关注。 目前，国际上比较成熟的信用风险度量方法主要有信用计量模型（creditmetrics）、CreditRisk+模型、信用组合观点及信用监控模型（KMV）等。其中，由于KMV模型能够通过股票市场数据和公司财务数据直接计算公司的信用风险，使得KMV模型的应用最为广泛。因此，本文使用KMV模型计算专精特新上市公司的违约距离，与已公开披露主体评级的上市公司违约距离进行对比，从而对专精特新企业的主体级别进行粗略估计。 KMV模型是以Black-Schole-Merton（BSM）期权定价公式为理论基础的，其原理是将上市公司的股权价值作为看涨期权，公司债务价值为行权价，公司资产价值为基准值，当公司资产价值低于公司债务价值时，即低于违约点时，公司对债权人违约。 第一步，根据BSM期权定价公司价值，可得 𝑉�=𝑓(𝑉𝐴,𝑉𝐷,𝑟,𝜎𝐴,𝑇)=𝑉𝐴𝑁(𝑑1)−𝑉𝐷𝑒−𝑟𝑇𝑁(𝑑2)(1−1) 其中， ln(𝑉𝐴)+(�+1𝜎2)� 𝑑1= 𝑉� 2� 𝜎𝐴√� (1−2) 𝑑1=𝑑1−𝜎𝐴√�(1−3) 其中，𝑉�为股权市场价值，𝑉�为短期负债与长期负债的账面价值之和，�为债务期限，�为无风险利率，�为正态分布累计概率函数，𝜎�为股权价值波动率。将已知变量𝑉�、 𝑉�、𝜎�、�、�代入式（1-1），利用Matlab求解方程组，可得到公司资产价值𝑉�和资产价值波动率𝜎�。 第二步，根据第一步计算得出的公司资产价值𝑉�和资产波动率𝜎𝐴，计算违约距离𝐷�。 其中， 𝑉�−𝐷𝑃� 𝐷�= 𝑉�×𝜎� (1−4) 𝐷𝑃�=𝑆𝑇�+𝛼𝐿𝑇�(1−5) 其中，𝐷𝑃�为违约点，𝑆𝑇�为短期负债，𝐿𝑇�为长期负债。根据KMV模型，将长期债务以一定比例折算成短期负债，经典模型选择的折算比例为0.50，即𝛼=0.50。 表1KMV模型相关参数 参数名称 参数符号 计算公式 公司股权价值 𝑉� 收盘价*流通股股数+每股净资产*非流通股股数 公司资产价值 𝑉� 详见式（1-1） 公司负债价值 𝑉� 流动负债+非流动负债 股权价值波动率 𝜎� 股票价格的年化波动率（对数收益率） 资产价值波动率 𝜎� 详见式（1-1） 无风险利率 � 中国人民银行一年期定期存款利率 债务期限 � 1年 违约点 𝐷𝑃� 短期负债+0.5*长期负债 短期负债 𝑆𝑇� 流动负债 长期负债 𝐿𝑇� 非流动负债 数据来源：大公国际整理 根据模型要求和研究目的，本文样本选取及研究过程如下： 第一，选取专精特新上市公司作为研究样本。截至2022年12月31日，专精特新 上市公司共计1,643家，其中177家已经发行可转债。为避免缺失值影响模型计算结果 的合理性，剔除财务数据缺失的公司后，得到1,459家专精特新上市公司作为最终研究样本。 第二，选取已公开披露主体评级为AA-、AA、AA+级别的上市公司作为对照企业。截至2022年12月31日，已公开披露主体评级为AA-、AA、AA+级别的上市公司1,085家， 其中AA-级别346家，AA级别472家、AA+级别267家。 第三，通过模型计算样本企业的违约距离，同时计算对照企业的违约距离，将两者进行对比。 根据KMV模型，第一步，通过计算样本企业的违约距离，得到如下结果：专精特新上市公司中，已发债的上市公司平均违约距离更大，表明违约概率更小，分布更加集中，表明专精特新已发债的上市公司整体信用质量高于专精特新全部上市公司，风险程度更加集中；未发债的上市公司平均违约距离更小，表明违约概率更大，违约距离分布更加分散，表明专精特新未发债的上市公司整体信用质量低于专精特新全部上市公司，风险程度更加分散。将专精特新已发债的上市公司分类成主体级别为AA、AA-、未公开披露三类，可以看出，平均违约距离上，主体级别为AA略高于平均水平，主体级别为AA-略低于平均水平，未公开披露主体级别远低于平均水平。 表2样本企业违约距离描述性统计 分类 平均值 中位数 最大值 最小值 标准差 专精特新全部上市公司 34.23 32.43 151.44 4.82 10.84 专精特新已发债的上市公司1 全部 36.07 34.66 70.90 18.75 9.27 主体级别为AA 36.46 36.01 58.31 23.34 7.96 主体级别为AA- 33.44 32.21 50.16 21.74 7.62 未公开披露主体级别 23.21 26.67 36.95 7.62 13.27 专精特新未发债的上市公司 33.98 32.11 151.44 4.82 11.01 数据来源：大公国际整理 第二步，计算对照企业的违约距离，通过对比样本企业和对照企业的违约距离，可得到如下结果：根据主体评级分类，平均违约距离上，样本企业与主体评级为AA的对照企业接近，表明专精特新上市公司的主体级别平均水平接近AA，其中，已发债样本企业略高于AA级别对照企业，未发债样本企业略低于AA级别对照企业。根据是否专精特新分类，平均违约距离上，在主体评级为AA的上市公司中，专精特新略高于平均水平，非专精特新略低于平均水平；在主体级别为AA-的上市公司中，专精特新明显高于平均水平和非专精特新，表明在主体级别为AA、AA-的上市公司中，专精特新的风险小于平均水平；在主体评级为AA+的上市公司中，由于专精特新上市数量较少，非专精特新接近平均水平。 表3对照企业违约距离描述性统计 分类 平均值 中位数 最大值 最小值 标准差 主体评级为AA的上市公司 全部 35.61 34.61 85.34 19.63 8.62 专精特新 36.71 34.52 53.50 21.74 9.08 非专精特新 35.74 34.81 85.34 19.63 8.60 主体评级为AA+的上市公司 全部 48.89 45.57 151.76 20.92 18.13 专精特新 43.50 43.70 62.67 31.67 12.43 非专精特新 49.00 45.61 151.76 20.92 18.23 主体评级为AA-的上市公司 全部 14.73 8.01 527.66 0.10 32.03 专精特新 36.20 35.41 61.82 23.34 8.30 非专精特新 16.88 9.16 527.66 0.10 36.88 数据来源：大公国际整理 根据KMV模型，专精特新上市公司平均主体级别接近AA，风险程度小于实际平均水平。然而，样本企业中，公开主体评级的共计256家2，其中包括AAA级别1家、AA+级别5家、AA级别31家、AA-及以下219家，AA-级别及以下占比85.55%，与违约距离匹配得到的主体级别AA存在差异；未公开披露主体评级合计占比82.45%，占比较高，在债券市场活跃度不高，因此评级机构更需加强对于专精特新企业的关注。 1专精特新已发债的上市公司中，已公开披露主体级别为AA+共1家，因此未做描述性统计。 对于上述结论，为加快建设金融强国，坚定不移走中国特色金融发展之路，推动我国金融高质量发展，本文作出如下思考。首先，评级机构需要着力构建综合性的评级服务体系，深度结合企业特点，防范识别信用风险，坚持“金融服务实体经济”的根本宗旨，与我国实体经济发展现实情况相适应，为我国债券市场发展扮演好“看门人”角色。其次，评级机构需要积极创新，提升金融科技水平，借助人工智能等技术进行专业评估，加快数字化转型深度和广度，以弥补传统评级模型不适用于专精特新企业的问题，做好全方位的配套服务，以专业高效的服务满足专精特新企业的融资需求，为中国经济可持续发展赋能。 报告声明 本报告分析及建议所依据的信息均来源于公开资料，本公司对这些信息的准确性和完整性不作任何保证，也不保证所依据的信息和建议不会发生任何变化。我们已力求报告内容的客观、公正，但文中的观点、结论和建议仅供参考，不构成任何投资建议。投资者依据本报告提供的信息进行证券投资所造成的一切后果，本公司概不负责。 本报告版权仅为本公司所有，未经书面许可，任何机构和个人不得以任何形式翻版、复制和发布。如引用、刊发，需注明出处为大公国际，且不得对本报告进行有悖原意的引用、删节和修改。