承租人融资租赁信用风险评价

彭佑元 兰美娜

【摘 要】 以100家涉足融资租赁的装备制造業上市公司承租人为样本，对2017年主要财务指标进行分析，并运用因子分析法识别了融资租赁交易过程中信用风险的主要影响因素，在此基础上通过二分类Logistic回归模型对装备制造业上市公司承租人的信用风险进行了有效预测。结果表明，装备制造业上市公司承租人公司规模、盈利能力和营运能力与其信用风险水平负相关，且装备制造业上市公司的违约率高于履约率。最后，从装备制造业上市公司承租人盈利能力和营运能力的识别及信用风险管理体制等方面提出了相关建议。

【关键词】 装备制造业; 融资租赁; 信用风险; 因子分析法; Logistic回归

【中图分类号】 F275  【文献标识码】 A  【文章编号】 1004-5937（2020）10-0023-08

一、引言

1998年中央经济工作会议首次明确提出“要大力发展装备制造业”，2001年、2006年、2011年以及2016年的五年规划纲要中均提出“要大力振兴装备制造业”和“发展先进装备制造业”，2019年4月中央政治局会议强调“要推动制造业的高质量发展”。在国家大力支持的背景下，我国的装备制造业取得很大进步，成为全球装备制造大国。

但我国装备制造技术与国际先进水平相比，核心技术和核心产品少、基础制造水平差、低水平重复建设等问题仍然十分突出[ 1 ]。要解决这些问题，需大力提高各类产业创新，引入专业人才进行技术升级改造等，这些举措均离不开金融方面的支持。虽然国家层面上对装备制造业公司给予高度关注和相应的政策扶持，但在国际金融危机和欧洲次贷危机等国际因素影响的背景下，我国装备制造业公司仍面临融资难和融资贵等问题。此时，融资租赁（融资租赁指由承租人选择设备及供应商，然后与出租人达成租赁合同，出租人从供应商处购买承租人选定的设备，再将该设备作为租赁物出租给承租人，并收取承租人一定租金的一种交易模式[ 2 ]）以其“融资”和“融物”相结合的独特优势，在装备制造业中兴起。

我国融资租赁行业规模增长快，并坚持服务实体经济，在服务国家重大发展战略中扬长避短，极大地丰富和完善了我国金融市场。根据《2017中国融资租赁业最全发展报告》，涉足融资租赁业行业排名第一的交通运输设备和第二的通用机械设备就属于装备制造业，由此可见装备制造业利用融资租赁模式比较密集。

从目前市场情况看，装备制造业利用融资租赁模式进行融资或者融物，出现了极大的信用问题。许多作为承租人的装备制造业上市公司出现严重的违约现象，如逾期或拒支付出租人租金、损毁租赁物等。信用风险水平的攀升，一方面使得出租人对装备制造业产生消极看法，严重阻碍了该行业的有效融资;另一方面影响了装备制造业和融资租赁在我国的健康发展。因此，开展对装备制造业上市公司承租人违约状况的评估研究，不仅可以促进装备制造业的快速健康发展，而且对打造良好的融资环境，实现国家实体经济增长和社会发展有着不可估量的作用。

所以，本文的创新主要体现在从融资租赁模式较密集的装备制造业着手，对装备制造业的信用风险进行预测评估，填补了目前对装备制造行业承租人信用风险评估研究的空白。

二、文献评述

目前，关于装备制造业上市公司承租人的信用风险研究较少。管七海等[ 3 ]构建了违约判别模型评估制造业短期贷款公司的违约状况。曾诗鸿等[ 4 ]对中国制造业上市公司的信用风险进行研究，并指出该行业的金融环境存在不成熟和不规范现象。段一群等[ 5 ]、彭中文等[ 6 ]指出装备制造业上市公司中存在融资约束，金融支持力度弱制约了行业的发展。任曙明等[ 7 ]指出装备制造业公司因为产品技术含量高、研制难度大、资本密集度高，正面临严重的融资约束。

从融资租赁承租人的信用风险研究层面看，主要分为两类。第一类是关于融资租赁信用风险的来源及防范措施等方面的研究。江小华[ 8 ]指出融资租赁市场环境差、信用风险高等情况阻碍了该行业的健康发展。庞跃华[ 9 ]研究了出租人在交易过程中面临的信用风险、法律风险、市场风险等，着重指出信用风险应是出租人最先考量的。苗绘等[ 10 ]指出建立风险监测预警、补救系统和信息支持系统有助于化解承租人信用风险。王筝[ 11 ]研究表明出租人面临的信用风险源有供应商延期交付设备、承租人未如期支付租金、租赁物的损毁等，由此构建了“资产+信用”风险管理体系。第二类是对承租人信用风险采取何种评价方法的研究。Mathias[ 12 ]运用样本统计分析法对金融机构发布的上万份租赁合同进行分析，得出实物抵押品能有效降低融资租赁的信用风险。Grenadier[ 13 ]提出一个理论框架可以用于确定租赁主体的均衡信用分布。任维哲等[ 14 ]依靠KMV模型，构建了信用溢价指标来衡量承租人的信用风险。

综上所述，学者们对装备制造业上市公司承租人融资租赁信用风险方面的研究较少，但是进行信用风险评价方面的研究较多，评价方法包括AHP、模糊评价法、DEA、SVM、Logistic回归等。AHP具有较强的主观性，SVM方法目前尚未形成较为成熟的评价模型，DEA用于分析投入产出数据。鉴于这些方法的局限性，本文采用因子分析法和Logistic回归法，对承租人融资租赁信用风险进行评价。因子分析法可以有效解决信用风险评价体系中指标过多的问题，Logistic回归法所需数据要求较低、计算简便，且因变量是典型的二分类变量，计算结果表示0—1的履约概率，适用于对承租人融资租赁信用风险水平进行预测研究。

三、装备制造业上市公司承租人发展状况

（一）装备制造业上市公司承租人基本状况

装备制造业是为国民经济各个部门生产和服务活动提供各种技术装备的产业[ 15 ]，是制造业的灵魂，而制造业作为实体经济，是我国国民经济的支柱产业[ 16 ]。装备制造业主要包括通用设备、专用设备、金属制品、交通运输设备、电气机械及器材、电子及通讯设备、仪器仪表7个子行业。

本文根据装备制造业上市公司2017年报中的財务报表，将报表中长期应付款列表中存在应付融资租赁期末余额的公司定义为承租人，筛选出184家符合条件的上市公司，剔除了被ST、*ST和数据不完全的公司，最后留下100家样本公司。

样本公司基本情况描述如表1所示。从装备制造业上市公司承租人的地区分布上看，全部样本中华东和华南的上市公司占60%，华中、西北、东北和西南的上市公司比例均低于10%，说明我国装备制造业上市公司承租人的数量与经济发展水平密切相关，地区分布并不均衡。从所属子行业的分布来看，交通运输设备制造业和电气机械及器材制造业公司最多（占48%），仪器仪表制造业公司最少（占10%），总体上看，上市公司在各个子行业分布较均匀。

从融资租赁情况看，有72%的上市公司采用直接融资租赁的模式，即以“融物”方式，包括租赁机械设备、厂房等来解决资金短缺问题，有19%的上市公司采用售后回租模式（售后回租是一种类信贷业务[ 17 ]，用来解决资金周转问题，售后回租在大型公司中的使用率占到95%），还有9%的公司未明确说明具体采用的融资租赁模式。总体分析可以发现利用融资租赁进行“融物”的公司比例大于“融资”的公司，但仍有很多大型公司是为了解决公司流动资金的困难或者盘活固定资产等才使用融资租赁模式。参考《统计上大中小微型企业划分办法（2017）》中企业分类，本文根据在职员工人数和营业收入，将100家样本公司的规模进行了划分，大型公司有89家，说明融资租赁模式盛行于大型公司。

（二）装备制造业上市公司承租人财务状况

1.装备制造业上市公司承租人融资状况

装备制造业是资金密集型和技术密集型产业，其发展过程中需要大量的资金引入来投资设备和技术改造等。通常意义上，相比其他行业公司，装备制造业公司的固定资产数额大、抵押品价值高、公司规模也较大，融资的难度会相对较低。然而，在实际中，由于装备制造业的产品在技术、生产和使用上的特殊性以及公司内部机制不健全、外部融资渠道不畅通或者融资市场不完善等，装备制造业公司常常得不到充分的资金供给，这就要求其不断创新融资路径。

银行抵押贷款以往是很多公司选择的融资模式，但是其有融资成本高、贷款难度大等缺点，虽然国家出台了若干政策来引导各方促进装备制造业转型升级，但实际运作中，商业银行优惠政策并未向装备制造业倾斜，信贷投放力度仍然很低。

在公司资金短缺、难以获得信贷资源的情况下，融资租赁成为很多公司的首选。融资租赁对扩大公司投资和促进国家实体经济的发展有显著作用[ 18 ]。欧美发达国家80%以上的机械设备都采取融资租赁，通过融资租赁模式完成了全球近1/3的投融资。

2.装备制造业上市公司承租人偿债能力

承租人的信用风险主要体现在租金是否按时支付方面，本文将100家装备制造业上市公司按照地区进行划分，采用资产负债比率、流动比率、速动比率三个指标的均值来描述各地区样本公司的偿债能力（见图1）。

根据图中走势可以发现，偿债能力较强的是东北和华中地区的上市公司，偿债能力最弱的是西北地区的上市公司，说明上市公司的偿债能力可能与所属地区发展水平等因素有关。

四、装备制造业上市公司承租人信用风险评价模型

（一）评价指标体系的构建

根据上述分析，装备制造业上市公司承租人的信用风险主要来源于公司财务状况，因此，对公司信用风险的评价通常转化为对其财务状况的衡量。

（1）公司规模。公司规模可以用公司员工人数、占地规模、利润总额等来表示，公司的规模和经营能力有一定的关系，公司的规模越大，公司竞争力也在不断提高。因此，鉴于数据的公开性等因素，本文选取了员工人数、资产总计、营业收入和利润总额来评价公司规模的情况。

（2）盈利能力。公司盈利能力与进项收益有关，反映该公司赚取收益的能力以及资本增值的能力。本文用营业利润率、净资产收益率、总资产报酬率和每股收益四个比率来反映公司的盈利水平。

（3）营运能力。公司对资源的利用水平以及市场部、销售部等部门的协调度反映了公司的营运能力。鉴于资金周转水平可以反映公司运作的效率，本文采用应收账款周转率、存货周转率、总资产周转率和流动资产周转率来代表公司营运能力的高低。

（4）偿债能力。公司偿还长期或者短期债务的能力，就是公司的偿债能力，其代表公司的财务状况和对债务偿还的保证程度。本文用资产负债比率、流动比率、速动比率和现金比率来代表公司的短期和长期偿债能力。

（5）发展能力。发展能力又称成长潜力，代表了企业的成长性，体现了企业不断积累壮大的潜能。本文用营业收入增长率、净利润增长率、净资产增长率和总资产增长率来评价公司的价值增长。

（6）管理能力。管理能力指企业提高组织效率、减少资源浪费的能力。年化期间费用毛利比和成本费用利润率可以有效地反映公司付出成本的回报，比率越高，表示管理效率越好，故本文用这两个指标表示公司管理能力。

具体的指标解释如表2所示。

样本数据来自CSMAR数据库。在所选取的22个财务指标中，正向指标20个，反向指标两个（即X13资产负债比率和X21年化期间费用毛利比），采取倒数法对反向指标进行正向化处理[ 19 ]。

利用SPSS24.0对100家样本公司进行描述性统计，结果如表3所示。样本公司的员工人数、资产总计、营业收入和利润总额有很大的标准差，表明样本公司的规模大小不一。净资产收益率和净利润增长率的标准差也很大，分别为283.996和585.021，说明我国装备制造业上市公司承租人的盈利能力差距大。应收账款周转率在2%～20%的公司占所有样本公司的69%，说明大部分公司的应收账款速度尚可，有一家公司的应收账款周转率超过100%，可能是其公司存在较多的坏账。流动比率、速动比率和资产负债比率的均值分别为0.644、0.581和0.008，处于较健康水平。现金比率的均值为35.69，20%的样本公司现金比率低于20%，说明大部分公司有能力直接偿付流动负债;现金比率超过100%的公司有两家，可能是其资金利用效率低。

（二）因子分析法

本文构建信用风险评价指标体系，共22个指标，指标过多易导致信息重叠，为了最大限度保留有效信息，通过SPSS24.0软件利用因子分析法降维，有效提取出指标的公共因子。

1.因子分析的可行性检验和提取

采用KMO和Bartlett度量对样本数据进行检验，KMO值为0.647，说明可以采用因子分析法进行分析。前6个公共因子特征值均大于1，利用主成分法提取的公因子方差贡献率累计达到83.823%，因此，前6个因子可以选取为公共因子，用来对公司信用风险进行评价和分析。

2.因子的命名

用Kaiser标准化正交旋转法对成分矩阵进行旋转，从而更好地解释因子变量（如表4所示）。设F1、F2、F3、F4、F5、F6分别为提取的6个公共因子，对公共因子进行命名，如表5所示。

（三）Logistic回归分析

Logistic回归模型是最成熟也是我国信用风险预测领域应用最为广泛的一个模型，该模型主要用来寻找危险因素以及预测和判别。假设因变量Y是取值为0或1的随机变量（1表示信用风险低，0表示信用风险高），自变量为X1，X2，…，XP，？茁为回归系数，P代表履约概率，反映装备制造业上市公司承租人履约的可能性，取值越大履约的概率就越高。

式（1）和式（2）即为本文将要采用的计量分析模型，Logistic回归模型的自变量是因子分析所得的因子F1、F2、F3、F4、F5、F6，因变量用装备制造业上市公司承租人信用风险F表示。信用风险F的数据来源为和讯网财务评估对所选公司的风险评估，将综合能力在两颗星及以上的评判指标F数值确定为1，综合能力在两颗星以下的F值确定为0[ 21 ]。

1.回归方程的显著性检验

利用似然比卡方对回归方程进行显著性检验（如表6所示），模型的卡方值大于临界值，各步的显著性水平Sig.值=0<0.05，说明因变量与自变量之间存在非常显著的线性关系，回归整体有效。

2.回归方程的拟合优度检验

本文采用Hosmer-Lemeshow統计量指标对回归方程进行拟合优度检验，通过分析Logistic回归方程因变量F的概率预测值与实际值之间的一致情况，可发现预测值与实际值之间的错判率较低。在回归方程Hosmer-Lemeshow的检验中，显著性水平均超过了0.05，接受原假设（原假设为观测频数分布与期望频数分布之间的差异小），说明模型的拟合优度很理想。

3.回归方程变量的参数估计

选取向前有条件的回归方法，剔除因子F3、F5和F6（如表7所示），因子F1、F2和F4留在了方程中，对模型中P的影响显著为正。根据Logistic模型的含义，可以得出模型回归概率方程：

（四）实证结果检验

综上所述，盈利能力因子F1、公司规模因子F2和营运能力因子F4与被解释变量公司信用风险F之间有着显著性影响，本文的模型有实际意义。从SPSS24.0运行结果看出：模型的整体预测准确率为84%。通过观察选取的100家装备制造业上市公司承租人的履约概率P值和预测值，发现大型公司的违约率为85%、履约率为97%，中小型公司的违约率为15%、履约率为3%;另外，各个地区的履约率均低于违约率（如表8所示）。其中，有16家公司的信用风险预测与和讯网的综合能力评分值不一致，主要是由于本文的评价体系综合考虑到各方面指标，一定程度上优化了公司信用风险评价指标体系。总体来说，利用Logistic回归模型预测装备制造业上市公司承租人的信用风险有较高的准确率。

五、结论与建议

本文利用因子分析法和Logistic回归模型对装备制造业上市公司承租人信用风险进行评价，得出以下结论：

第一，公司盈利能力因子、公司规模因子和营运能力因子对装备制造业上市公司承租人的信用风险影响显著。一般情况下，盈利效果好的公司，其营运能力都比较好;反过来说，公司的营运能力好，其盈利能力也对应较好，承租人支付租金的能力较强，信用风险水平较低。公司的规模会随着公司盈利和营运水平的提升而增大，公司规模的扩大会形成规模经济，提升公司的综合实力，降低公司信用风险。

故出租人在进行融资租赁交易时，应该着重考察承租人内部经营和公司规模情况，对承租人的运营能力和盈利能力等进行详细的调查了解，在全面掌握真实可靠数据的基础上，根据情况调整交易要求，制定符合承租人的交易方案，以降低承租人的信用风险水平。

第二，根据样本公司的F统计值和模型的预测结果分析，得出装备制造业上市公司承租人的违约率高于履约率。

可以制定完善装备制造业上市公司承租人的信用风险管理办法：（1）升级信用风险管理系统，采用先进系统和技术全面定量化衡量公司信用水平，及时找到风险漏洞进行补救;（2）组建信用风险管理专业队伍，提高公司信用风险管控水平，加大对公司信用水平的考核标准，加强宣传等增强公司全体员工的信用意识;（3）强化融资租赁整个过程中的信用风险识别与控制等。这些措施应该落到实处，从而改善装备制造业上市公司承租人违约率高的情况。

【参考文献】

[1] 李晓琳.提升我国装备制造业在全球价值链中的地位[J].宏观经济管理，2018（12）：26-33.

[2] 张宇峰.融资租赁实务指南[M].北京：法律出版社，2008：1-3.

[3] 管七海，冯宗宪.我国制造业公司短期贷款信用违约判别研究[J].经济科学，2004（5）：77-88.

[4] 曾诗鸿，王芳.基于KMV模型的制造业上市公司信用风险评价研究[J].预测，2013，32（2）：60-63.

[5] 段一群，戴稳胜.金融环境、政治关系与融资约束：基于装备制造业上市公司的经验证据[J].科技进步与对策，2013，30（24）：74-79.

[6] 彭中文，韩茹.融资约束、公司治理与研发支出：基于装备制造业上市公司的面板数据[J].湘潭大学学报（哲学社会科学版），2016，40（3）：66-70.

[7] 任曙明，吕镯.融资约束、政府补贴与全要素生产率：来自中国装备制造公司的实证研究[J].管理世界，2014（11）：10-23.

[8] 江小华.我国融资租赁业发展现状剖析[J].上海金融，2004（4）：62-63.

[9] 庞跃华.公司融资租赁的风险管理研究[J].财经理论与实践，2014，35（1）：52-56.

[10] 苗绘，李海申.我国融资租赁业发展中存在的问题及对策[J].投资研究，2011（6）：61-64.

[11] 王筝.金融租赁公司风险管理体系构建初探[J].中央财经大学学报，2015（3）：47-54.

[12] MATHIAS S.Credit risk in the leasing industry[J].Journal of banking & finance，2004，28（4）：811-833.

[13] GRENADIER S R. Leasing and credit risk[J].Journal of Financial Economics，1996，42（3）：333-364.

[14] 任維哲，刘浴，陆启浩.基于信用溢价的融资租赁公司信用风险的测度[J].统计与信息论坛，2018，33（2）：94-98.

[15] 商小虎.我国装备制造业技术创新绩效影响因素研究：来自上市公司的实证分析[J].上海经济研究，2013（9）：71-79.

[16] 张玉兰，段永瑶，张焱，等.技术创新视角下制造企业内部控制有效性评价[J].会计之友，2018（24）：37-43.

[17] 周凯，史燕平.我国融资租赁业快速发展的驱动因素研究：基于设备投资与融资需求视角的分析[J].上海经济研究，2016（9）：64-72.

[18] 朱成科，李虹含.融资租赁、设备投资与经济增长[J].金融论坛，2015，20（9）：38-47.

[19] 陈茜，田治威.林业上市公司财务风险评价研究：基于因子分析法和聚类分析法[J].财经理论与实践，2017，38（1）：103-108.

[20] 罗方科，陈晓红.基于Logistic回归模型的个人小额贷款信用风险评估及应用[J].财经理论与实践，2017，38（1）：30-35.

[21] 杨军，房姿含.供应链金融视角下农业中小公司融资模式及信用风险研究[J].农业技术经济，2017（9）：95-104.