□郑安妮
(大连财经学院,辽宁 大连 116622)
我国是全球最大的猪肉生产国,据国家统计局数据,2022 年中国猪肉产量为5 541 万t,占全球产量的50.44%。生猪养殖业是我国农业支柱产业之一,在保障国民生活质量和实现乡村振兴方面发挥着举足轻重的作用,对经济发展和社会稳定具有基础性战略意义[1]。但是我国生猪养殖业长期以来饱受“猪周期”困扰,又历经多轮重大动物疫情,生猪的价格波动频繁[2]。2019 年非洲猪瘟后,我国开启了近2 年的高猪价时代,生猪价格一度飙升至40.98 元/kg 左右。2021 年,随着产能恢复,生猪供过于求的状态难以持续,22 省(自治区、直辖市)生猪均价同比下跌40.6%。2022 年初生猪价格一度走高,但10 月以后受新冠肺炎疫情影响导致消费低迷和全国生猪养殖快速扩张的双重影响,猪价高位回落,全年均价同比下降约7%[3]。猪价波动对整个行业带来极大冲击,2021 年中证生猪产业指数的50 支成分股中有14 家发生明显亏损,其中10 家主营业务为生猪养殖。
信用风险又称违约风险,是指债务人不履行到期债务的风险。在2019—2020 年生猪价格上涨期间,生猪养殖业进行了大量举债、增发等资金补充活动,实现了资本的快速扩张,但也放大了行业的信用风险。2021 年以来,随行业进入下行周期,资金压力持续提升,偿债能力指标逐步恶化。银河证券数据,2021 年17 家上市猪企资产负债率均值为61.52%,同比增加13.9%,并呈进一步增长趋势。我国生猪养殖业规模庞大,对国民经济影响深远,对其信用风险进行有效测度及预警极为必要。上市公司具有极高的行业影响力与代表性,能反映复杂多变的市场状况。
KMV 模型是由美国KMV 公司开发的一款信用风险度量模型,用来测算上市公司债务的违约概率,其理论基础为Black-Scholes-Merton 期权定价理论,故应满足B-M-S 模型的一系列基本假设,如资产价值遵循标准几何布朗运动等[4]。
模型的基本思想为将股东与债权人之间的关系视为期权买卖关系,因此,公司股权可以视作标的资产为公司资产价值,行权价格为公司债务价值,行权期限为债务到期日,期权费为公司股东初始股权投资金额的看涨期权。当公司资产价值远高于债务价值时,股东愿意支付行权价格,执行看涨期权合约;当公司资不抵债时,股东放弃行使看涨期权,公司无法按时偿付债务而发生违约。
综上,KMV 模型将公司违约的概率转变为期权不行权的概率。
1.2.1 资产价值及资产价值波动率
根据B-M-S 期权定价模型,构建方程组如下。
式中:VA表示公司资产价值,VD表示公司债务价值,Ve表示公司股权价值,T表示债务到期日,t表示当前时刻,r表示无风险利率,σA表示公司资产价值波动率,d1、d2是B-M-S 期权定价模型中的变量,N()表示标准正态分布函数。由伊藤定理,公司股权价值波动率σE与公司资产价值波动率σA的关系如下。
在上述变量中,VD、Ve、r、σE为已知变量,可以通过数据的搜集与处理得到;VA、σA、d1、d2为未知变量,可以通过联立式(1)、式(2)求解。
1.2.2 违约点、违约距离、违约概率
KMV 模型将公司发生违约时所对应的总资产价值称为违约点DP,并将其设为公司短期负债BS与长期负债Bl的1/2 之和,公式如下。
违约距离DD指公司资产价值与违约点之间的距离。考虑资产价值波动情况,并进行标准化处理后,DD计算公式如下。
KMV 公司根据大量历史违约案例得到违约距离与违约概率的映射关系,但这并不适用于我国国情,因此,本文参考国内学者的主流做法计算理论违约概率[5],公式如下。
从中证生猪产业指数的成分股中选取市值排名靠前、以生猪养殖为主营业务且上市满5 年的10 家公司作为实证样本,应用KMV 模型测度其信用风险情况,计算过程中所运用的数据均来源于WIND 数据库以及各样本公司年报。样本公司具体包括牧原股份、温氏股份、大北农、天邦食品、唐人神、巨星农牧、罗牛山、新五丰、正邦科技、傲农生物。由于本研究完成后,各样本公司2022 年年度报告尚未披露,选取2022 年3 季度数据代替年度数据,样本期间为2018 年1 月1日至2022 年9 月30 日。
一是无风险利率rf。以我国1 年期存款基准利率为无风险利率,即rf=1.5%。
二是股权价值Ve。参考国内学者已有做法,计算公式为股权价值Ve=流通股数×日收盘价+限售股×每股净资产。其中,日收盘价选取样本期间内每年最后一个交易日的收盘价,流通股数与每股净资产则根据样本公司年报及最新一期季报取值。
三是负债总额D与债务期限T。负债总额D代表公司负债的账面价值。债务期限T是指债务偿还期限,用于评估公司在T时间后的信用风险大小。本研究参考常规取值将T设定为1。
四是股权价值波动率σE。搜集样本公司2018—2022 年的每日股票价格,计算样本公司股票每日的对数收益率,求解平均日波动率,最终得到各样本公司每年的股票价格波动率,并以之来近似代替股权价值波动率σE。
五是资产价值VA及资产价值波动率σA。将上述变量取值后,代入B-M-S 期权定价模型,通过Matlab求解方程组可以得到资产价值VA及资产价值波动率σA,见表1、表2。
表1 2018—2022 年样本公司资产价值 单位:万元
表2 2018—2022 年样本公司资产价值波动率
通过Excel 函数求解,得到样本公司的违约距离,如表3 所示。基于违约距离计算违约概率。因篇幅所限,违约概率的计算结果不作展示。
表3 2018—2022 年样本公司违约距离
一是违约概率、股权价值波动率呈正相关。通过计算样本公司违约概率、股权价值波动率的平均值,发现二者呈正相关,见图1。理论层面,可以应用B-M-S模型解释二者关系,股权价值波动率越大,说明看涨期权的波动率越大,股东放弃行权(债务违约)的可能性越高。应用层面,可以根据二者的正相关关系来建立风险预警。根据实证结果,当股权价值波动率大于60%时,违约概率较高,投资者需要加以关注。
图1 2018—2022 年样本公司违约概率、股权价值波动率的平均值
二是行业信用风险呈上升趋势。通过计算样本公司违约概率的平均值,见图1。对行业信用风险进行测度。由于KMV 模型应用于预测目标公司在债务到期时点发生债务违约的概率,而本研究设定债务期限T=1,故根据实证结果,生猪养殖业在2020 年发生债务违约的可能性最高,信用风险最大;2021—2022 年信用风险减小;2023 年以来,行业的信用风险再度呈上升趋势。监管、企业及投资者应分别采取有效措施,积极防范风险。
三是“三因素”叠加导致生猪养殖业信用风险波动。“猪周期”价格波动、行业的资本扩张政策和盈利能力变化是影响生猪养殖业信用风险波动的主要因素,三者相互影响,作用效果相互叠加。2020 年生猪养殖业信用风险显著增加,造成这一现象的主要原因是2019 年猪价大涨后,养殖行业以加杠杆等形式进行资本扩张。一方面,行业负债规模激增,以样本公司为例,2019 年10 家样本公司债务规模同比增长了22%,2020 年同比增长了93%。另一方面,财务杠杆放大了猪价波动对行业的冲击,行业对猪价的敏感性增加。2021—2022 年,行业信用风险减小,主要原因有2 个方面。其一,2021 年猪价大跌,行业大部分公司调整策略,放缓扩张节奏;其二,2022 年3 月起生猪价格逐步回升,行业盈利能力回暖,现金流得以补充,这在一定程度上提升了行业的抗风险能力。2023 年,生猪养殖业的信用风险再度呈上升趋势,主要是由2022 年10 月至今猪价持续下行,行业盈利能力再次恶化导致的。根据实证结果,在2023 年行业平均预期违约概率增加的情况下,牧原股份、大北农、天邦食品3 家公司的预期违约概率降低,这3 家公司的共性是2022 年盈利表现较好。
本研究应用KMV 模型对我国2018—2022 年共10 家生猪养殖业上市公司的信用风险进行测度,得出以下结论。
违约概率、股权价值波动率呈正相关,表明股票价格波动能反映出信用风险状况。根据预测结果,2023 年生猪养殖业发生债务违约的可能性增加,应做好信用风险防范。“猪周期”价格波动、行业的资本扩张政策和盈利能力变动3 种因素叠加导致生猪养殖业信用风险波动。实证结果能够反映出现实因素对行业的影响,较符合我国实际情况,表明KMV 模型在信用风险测度方面具有一定的有效性,可以用作风险预警。
一是加快完善稳定生猪价格的调控机制。为打破“猪周期”,保持生猪市场稳定,需处理好政府与市场关系,通过适度的政府干预使市场机制更好地发挥价格调控作用。在猪价上行周期,政府应稳定生猪生产,投放地方储备,科学引导猪肉价格回落;在猪价下行周期,政府应实施逆周期干预政策来管理生猪基础产能,采取收储等储备调节措施,强化预期引导。政府干预的切入点和机制将直接影响稳定的效果,因此,政府应进一步加强生产与市场的监测预警,同时不断优化生猪市场价格波动的调控预案,综合运用储备调节、供需调节等手段,稳定关键时点的猪肉供需及市场价格[6]。
二是引导生猪养殖业利用期货工具降本增效。生猪养殖业的生产经营深受“猪周期”价格波动影响,而期货的价格发现和套期保值功能可以帮助猪企应对“猪周期”冲击,有效进行风险防范。利用生猪期货的价格发现功能,生猪养殖业企业可以更好地预测未来价格走势,从而调节生产计划,提高生产效率。利用生猪期货的套期保值功能,猪企可以锁定未来交割价格,规避现货市场价格波动的风险[7-10]。此外,生猪养殖业企业还可以通过交易玉米、豆粕期货、期权等以猪饲料为标的的金融衍生品,控制成本,规避原料价格上涨风险。
三是生猪养殖业企业应优化自身资产配置和风险管理水平。身处周期性行业,猪企在制订和调整经营战略时应尤其注重资本结构管理,提升自身应对经济变化的能力[11-12]。在行业上行周期,猪企不应盲目追求资本规模的扩张,谨防过度加杠杆放大下行周期的经营风险;在行业下行周期,猪企应积极降本增效,保持一定的盈利能力,努力提高自身信用等级。由于风险管理涉及大量专业理论知识与复杂操作技能,行业协会或头部企业应充分发挥示范作用与带头作用,组建专业风险管理团队,引入大数据、云计算等新一代信息技术,建立数字化风控体系,提升现代化治理水平,推动生猪养殖业高质量发展。
应用KMV 模型对生猪养殖业上市公司的信用风险进行测度研究,在实证分析的基础上提出对策建议,以期为我国生猪养殖业的信用风险管理提供理论依据,助力行业高质量发展。