基于大数据技术的债券违约风险预警研究

李丹凤 许微娜

数据信息资源的重要性已逐渐被广泛认可，但作为投资者，是否能及时准确全面获得有用信息，如何从海量数据中识别出有用数据，选取什么指标来对风险预警进行评价，已成为识别投资风险的主要障碍。在打破刚兑的背景下，债券违约情况频发。而如何能在“暴雷”前，预知可能发生的风险，这些都是目前亟待探究的问题。

本文创新性地选择债券发行主体的人力资源数据和外部舆情作为传统财务报告数据源的补充，通过大数据技术，结合金融、会计、人力资源和舆论等多指标开展研究，提取风险隐患的信息特征，提升风险识别信息的有效性和前瞻性，构建兼具解释力与预测力的风险识别和预警体系。

一、引言

国内债券市场起步较晚，且早期阶段一直处于刚兑状态。随着2014年“超日债”违约事件发生，刚兑“信仰”逐渐被打破。尤其自2018年起，国内外宏观因素调控，经济增速放缓，债券违约规模持续扩大，使得防范和化解债务违约风险成为债券市场发展的重中之重。

在债券市场化发展的同时，金融科技也得到了快速发展，这主要得益于计算机技术和互联网的高速发展。大量的音频、图片、视频等结构化数据和半结构化数据不断涌现，传统的数据处理技术已经难以应对，大数据技术的概念应运而生。近几年，大数据浪潮迅速席卷全球，数据成为企业重要的生产要素和战略资产，拥有大数据资产的企业将在竞争中占有优势。金融业本身就是基于数据与信息的产业，作为现代经济的核心，敏锐的金融行业正在积极拥抱大数据技术。随着大数据技术的成熟，大数据已经广泛应用于商业、通信、医疗、金融等领域。大数据金融相对于传统金融有着无可比拟的优势，给银行业、保险业、证券业、征信业以及互联网金融带来了巨大的价值。

二、科技在金融领域的应用

黄靖雯，陶士贵（2022）认为在科技革命和产业变革的推动下，科技与金融之间相互加速融合渗透，产生了金融科技、数字金融和互联网金融等科技金融形态。

关于当前流行的四大科技前沿技术，通常会用缩写ABCD来表示，而这四个字母又分别代表AI（人工智能）、Blockchain（区块链）、Cloud（云计算）和Data（大数据）。这些现代科学新技术为金融行业创新发展，提供了底层技术支持。

（一）大数据概念

大数据是指在一定时间范围内无法用传统数据库软件进行采集、存储、管理和分析的數据集或数据群，需要通过新的处理模式才能体现出的具有高效率、高价值、海量、多样化的信息资产。在网络时代的今天，每时每刻都在产生大量的结构化和非结构化数据。而利用大数据挖掘分析技术就可以快速从各种不同来源渠道采集、分析和挖掘出更为全面并有效的数据，使之产生巨大的商业价值。

（二）大数据在金融领域的应用

数据有效地促进了金融科技行业的创新与发展，广泛运用于银行、证券和保险等行业。大数据在金融领域的应用主要体现在通过大数据技术捕捉一些别人看不到的信号，在金融决策上能更快更全面地了解相关信息，从而快速做出正确的判断。其中，关键步骤主要包括：明确业务需求、数据采集、数据处理、数据分析和解释。

比如在金融监管方面，可以通过大数据来为市场主体做全面“画像”，使用银行信用评级模型对中小企业的贷前信用等级进行评估，降低信贷风险；

在市场营销方面，金融机构借助于大数据技术，通过对客户的消费能力、风险偏好等方式进行分析、分类和绘制画像，实施精准营销；

在财税监管方面，当前的金税工程，深度剖析上下游的发票流、资金流、业务流等详尽信息，让逃税漏税行为无可遁形。

（三）大数据技术的两面性

从哲学中“一分为二”的观点来看，万物都具有两面性。同样，技术具有两面性，但技术本身没有对错，主要看使用人的目的是什么，

正向影响：何楷，陈金鹰，丁松柏（2019）认为金融科技可以解决传统金融行业中存在的信息不安全、交易效率低和交易成本高的问题。

反面影响：也有不法分子因个人功利性及对伦理道德价值观念的动摇，利用大数据技术给他人带来危害。金香爱，王曼迪（2022）通过某金融科技企业被暂缓上市的案例切人，提出部分企业依托大数据技术深入到居民日常生活，但技术利用不当，通过不间断的ABS循环，最终违规发放高额网贷，造成不良影响，触犯互联网金融监管的底线。所以，国家应制定相关法规鼓励大数据技术的合法合规运用，避免被不法分子用于损害他人利益的事情上。

除了使用人的目的不同带来的技术价值或损害，技术本身带来益处的同时也伴随麻烦。王作功，李慧洋，孙璐璐（2019）认为数字金融的逻辑起点是互联网金融，数字金融在缓解传统的信息不对称的同时又引致了严重的数据不对称，表现在数据规模和质量、数据技术、数据管理、数据效用、数据外部性和数据监管的不对称。因此，我们必须要重视大数据技术，认识它，取其精华去其糟粕。

本文将大数据技术用于风险防范，正确合理使用技术获取的隐性和显性数据，为投资者提供科学决策依据。

三、国内市场债券违约现状及风险预警存在的问题

自2014年11超日债事件打破刚兑后，国内债券市场的市场化程度逐渐提高，“违约常态化”趋势也逐步呈现，市场主体也已经逐渐适应市场转变并停止不合理的期待。相较于最初的8980万元的债息违约，截至2021年12月底，累计违约规模已高达7000余亿元，涉及600多支债券，如果考虑违约主体的存量债券，高风险的债券规模已达上万亿级。

其实，在债券违约事件发生时，该发行主体的内部问题往往已经积累到了一定程度，当下暴露的问题也仅是冰山一角。按所处阶段不同，风险防范可分为事前风险防范、事中风险控制和事后危机处理三个环节。“扁鹊长兄”擅于识别风险，防患于未然，防风险治“未病”。而事前的风险防范类似扁鹊长兄治病于病情发作之前，在风险还未露出“海平面”就看到了信号。但目前债券违约风险的事前预警还存在一些问题。

（一）信息不对称问题

在金融行业的借贷业务中，广泛存在交易前的逆向选择和交易后的道德风险问题，而这些问题主要归结于双方的信息不对称。俗话说“买的没有卖的精”，而在投资业务上，资金使用者拥有信息优势，而投资者一直处于信息劣势地位。

雖然，监管部门出于促进证券市场的有效运行、打破信息不对称、平衡参与方的利益关系，会要求债券发行主体定期对外公布财务报告，将综合性相关信息从发行主体内部传递至外部的一种机制。但众所周知，会计工作是根据已经发生的经济业务进行核算，然后出具财务报表，提供给相应的会计信息使用者，供其在做出判断时的一种参考，但该数据的严重缺点就是信息相对滞后，有效性大打折扣。

（二）风险防控意识问题

针对债券违约的风险防控措施，当下多是在出现违约暴雷后进行的事后因素分析．缺乏预警和前瞻性。朱镇远，吴齐阳（2019）以知网收录的2009-2019年间大数据时代征信的1784篇期刊文献作为研究对象，发现研究热点集中于大数据技术对征信业、互联网金融和对征信机构及相关法规体系建设的影响，且在近年来进入了平台期。在实务工作中，征信业务主要是在业务合同签订之前，在合同存续期间内虽有持续跟进，但预警效果一般。所以也就导致很多是违约暴雷事件发生后，投资人才知晓被投资单位存在的问题。因此，就要求投资人和中介机构，在债券发行后，也应当做到风险出现前有预警、风险发生后有监控和风险问题解决，有防范、预知和化解的全流程风险管控措施。

（三）数据源的真实有效性问题

在对债券发行主体的财务状况、盈利能力和经营状况、负债偿还能力进行评判时，常用的是通过财务数据指标进行衡量。但传统公开的财务报告存在滞后性和数据真实有效性低的问题，导致很多被投资单位的内部风险不能及时有效地被识别出来。

财务报表作为显性数据，是由发行主体主动对外公示。债券持有人或信用评级机构会通过发行主体的财务状况（资产规模、资产负债率）、盈利能力（营业总收入、利润）、企业运营实力（业务稳定性和持续性、治理水平与管控能力）、EBITDA利息保障倍数、公司治理与发展战略（公司治理、企业管理水平和发展战略）、财务信息质量、外部支持（股东支持）和流动性等综合指标来衡量其偿付和持续稳步发展的能力。

在融资业务中，有些主体为了获取预期的信贷资金和较高的信用评级，存在对公开的财务报告进行粉饰或造假的情况，主要通过关联交易、提前确认收入、延迟结转成本、资产重组、高估资产、低估负债等手段来粉饰经营业绩或财务状况。

四、大数据技术在债务违约风险预警体系构建

面对存在的信息不对称、数据滞后、财务报告出现粉饰造假等信息缺乏有效性的问题，如果投资人的风险防控意识不足，未能充分利用科技手段，通过信息特征进行及时有效的风险识别和预警，就容易错过了早识别、早预警、早防范、早处置的最佳时机。

本文将大数据技术用于风险防范，正确合理使用技术获取的隐性和显性数据，为投资者提供科学决策依据。

（一）针对信息的不对称性，投资者应该建立有效的识别机制

倪殿鑫（2021）在对信息特征与风险识别领域综述时，对比理论与实务的差异，认为学术界关注信息的因果关系、解释能力和单一风险识别，将不同风险类型置于金融学、会计学、法学等单一学科背景下展开孤立研究，从而缺乏全面性和适当性；而实务界则更关注信息的预测能力和多维风险识别。

投资者将应理论联系实际，建立有效的识别机制，采取具有风险预警和前瞻性的预知和防范措施，而不是在事情发生后才考虑如何化解风险。

（二）针对如何预知防范风险的发生，投资者需要真实有效的数据来支撑决策分析

在投资环节，投资人通常从宏观环境、市场面和基础面进行研究，然后择时投资。对投资者来说，宏观系统性风险具有不可控性，而被投资单位的非系统性风险相对有更多的风险预知的可能性。数据的真实性有效性是推动风险管理良性发展的重要依据，所以，在传统评价指标存在问题的情况下，引入新的数据源就显得非常重要。

宋点白（2019）以借款人的人口学要素为切入点，研究人口学要素对短期贷款的违约风险问题。本文创新性地选择债券发行主体的人力资源数据和外部舆情作为传统财务报告数据源的补充。相比于企业主动发布的显性财务报告数据，社交媒体中的舆论信息具有更高的及时性，而企业内部人力资源相关信息则具有更高的及时性和更强的有效性。

在舆论信息方面，社交媒体上情绪数据相比于官方公告和新闻媒体发布的信息权威性稍低，但及时性更高。社交媒体上的数据不仅包括外部投资人的态度，还包括内部员工传递的情绪信息。

（三）通过大数据技术获取舆论信息和人力资源相关隐性数据

在进行违约风险防范过程中，有很多过程中的数据亟待开发和分析。丁晓蔚（2022）在互联网金融风险与舆情风险共振的防控研究中发现金融风险与舆情风险常出现共振现象，而舆情风险往往会助推金融风险的出现，且在共振的正反馈循环中会起到传播和放大的作用。所以，为了提供高质量的信息服务，发挥舆论监督和社会嘹望哨功能，应当在“互联网金融全面风险情报”体系的视野中，应确立互联网金融全面风险管理理念，引人大数据舆情分析技术，在明确需求目标的情况下，实现舆情数据采集、市场情绪的分析和对债务讳约风险识别的解释作用。

除了舆论信息，企业内部的人力资源数据对债务违约也有很强的预警作用。人力资源数据可以反映企业人员的稳定性和企业自身的成长性。

“春江水暖鸭先知”，企业内部的高管相比于外部的投资人、金融机构要更早更多地知道企业的实际经营状况。企业若想有长远的发展，就必须要抓住人才这个核心资源。但如果通过数据分析发现，该企业近期核心人才流失较多，由此可以推断企业内部经营出现问题，综合实力多数情况是在不断下降。所以，通过大数据技术获取人力资源相关隐性数据。比如从工资发放情况、社保公积金缴纳情况、人员离职率和招聘情况，看企业经营的稳定性。通过大数据技术从银行、税务机关获取薪资发放和税费申报情况，获取并判定是否按时发放工资、是否足额发放工资、是否按社保公积金基数足额缴费以及公积金的缴费比例等信息。通过大数据技术采集网络简历投递数据、员工考勤情况来分析潜在离职情绪等隐性数据和人员流动情况，了解核心高管层人员异动情况、员工离职率、员工潜在离职情绪和新人招聘情况。

五、研究结论与展望

随着金融科技的兴起和大数据时代的到来，面对债券违约事件频发，投资人能否及时、准确、全面获得有用信息，又如何从海量数据中识别出有用数据，选取什么指标来对风险预警进行评价，已成为识别投资风险的主要障碍。对此，投资人应积极引入金融科技的新技术和新方法，利用大数据技术来深度采集、挖掘、分析与债券发行主体以及债券用途相关的一切数据，寻找隐患与风险点，并有针对性地进行重点管理，以期能成为防范债券违约风险预警的重要途径。

本文基于大数据技术，创新性地构建债券违约预警体系，该体系覆盖了微观层面的财务、人力资源和舆论信息等众多特征因素的分析，具有及时捕捉信用恶化信号和精准抓取舆情的特点。在未来研究中，可以构建债券违约预警模型，通过数据进行实证分析，一是过将非结构性或半结构性的数据转化为结构性数据，整合零碎信息；二是以定性+定量的分析方法，进一步提升预警的效果，推动债券市场高质量良性健康发展。