应收账款资产证券化的信用风险研究

李焕英 崔玉姝 齐笑苒

摘 要：传统的融资方式存在融资成本高和融资难度大等问题，作为一种新型的融资方式，应收账款资产证券化的融资成本相对较低，因此逐渐受到企业的青睐，但其也存在一定的风险。文章基于L公司应收账款资产证券化的案例，结合相关文献，对其资产证券化情况及信用风险进行分析。文章运用DEA模型，将每笔应收账款作为一个决策单元，对基础资产进行信用评价，计算每个决策单元的相对效率值并进行排序。文章认为：效率值低于1的决策单元存在一定的信用风险，效率值低于0.01的决策单元信用风险较大，资产证券化参与方应对其密切关注和监控，确保入池资产的稳定性和安全性。基于以上研究，文章提出应严格筛选并密切监控入池资产、构建多层次风险控制机制和运用区块链技术的建议，从而更好地防范信用风险。

关键词：应收账款；资产证券化；信用风险

中图分类号：F832.51   文献标识码：A 文章编号：1005-6432（2024）13-0049-04

DOI：10.13939/j.cnki.zgsc.2024.13.009

1 引言

资产证券化的信用风险又叫违约风险，主要包括发起人信用风险、债务人信用风险和第三方信用风险。债务人信用风险包括债务人违约风险和提前偿付风险。杨斌和董玲（2013）认为信用风险是交易主体未按期履行约定或违约，导致其他交易主体在交易过程中可能会遭受损失的风险。戴书松和雷钰迪（2019）通过研究发现债权类资产证券化产品中，少笔债权类项目现金流的稳定性主要取决于基础资产本身的质量，即“资产信用”；而多笔债权类项目则取决于原始权益人对基础资产的管理。杜艳卿（2021）认为应收账款的过多积压不仅会降低企业资金周转率，增加企业的运营成本，还会面临信用违约的风险。应收账款原始权益人拥有的是未来收取资金的权利，为了更加充分地运用这些权益，通过将应收账款资产证券化，可以将流动性差的权益转化为当前可用的资金。鲍新中、陈柏彤等（2022）认为合理选取基础资产、信用增级措施、供应链的交易结构能有效降低信用风险，在资产证券化的进程中，应构建多层次的风险控制机制，采用多样化方法，定期对风险管理的效果进行评估。张静（2022）认为选择优质的基础资产有利于资产证券化的顺利实施，应收账款可能产生的风险程度较高，因此应加强对应收账款的管理，利用互联网和大数据，强化对风险的预测、识别和管理。杨跃云（2022）通过对15家房地产上游供应商企业进行应收账款资产证券化信用风险评估，检验其经营能力的稳定性，帮助核心企业对其进行筛选。通过研究发现，合理的交易结构和增信措施可以有效防范信用风险，通过提高基础资产的分散程度，也可以规避由于政策因素和其他不确定性因素导致的损失，从而达到控制信用风险的目的。

文章以L公司应收账款证券化为例，基于信用风险的视角，运用DEA模型，分析企业应收账款资产证券化过程中存在的信用风险，并提出相应的建议，以保证应收账款证券化过程的安全性与稳定性。

2 应收账款资产证券化的优势

2.1 拓宽企业融资渠道

发行股票和向金融机构抵押资产获取融资是常见的两种融资方式，资产证券化融资工具的出现为企业提供了新的融资渠道。尤其是在企业资信不足、抵押物不足的情况下，资产证券化融资成为企业广泛应用的方式，进一步拓宽了企业的融资渠道。

2.2 提高资产流动性

通过应收账款资产证券化，可以将流动性差的未来收款权益转为可用的资金，有利于提高企业资金的流动性和利用效率。

2.3 降低融资成本

资产证券化融资成本取决于基础资产质量和定价，通过一系列的信用增级措施，可以对产品进行信用增级，降低基础资产风险，从而降低融资成本。

2.4 對财务结构影响小

传统融资方式，尤其是通过债务融资，会导致企业资产负债率上升，从而影响公司价值评估和再融资。资产证券化在这方面具有优势，利用资产证券化融资，企业的资产负债率几乎不受影响，还会提高企业资产周转率等财务指标。

3 资产证券化参与方介绍

3.1 原始权益人基本情况

L公司是本次应收账款资产支持专项计划的原始权益人，是一家多元化发展的信息科技企业集团，主要业务为销售计算机软硬件及配套零部件。

3.2 计划管理人基本情况

Z证券公司为本次资产支持专项计划的计划管理人，是一家经营证券业务等金融服务的综合性证券公司。

3.3 托管银行基本情况

本次资产支持专项计划的托管银行为M银行，具有全面完备的托管业务资质和丰富的托管业务经验，托管业务涉及境内外资本、货币和实业等多个领域，是目前国内托管业务资格最为齐备、托管业务产品线最为齐全的商业银行之一。

3.4 资产服务机构基本情况

L保理公司为本专项计划的资产服务机构，经营范围包括受让应收账款提供融资、应收账款的收付结算、客户资信调查与评估等。

4 资产证券化基本情况

4.1 基础资产的选择

本次专项计划的基础资产为原始权益人对债务人享有的应收账款，初始基础资产为原始债权人对150家付款义务人的总金额为16亿元的应收账款。入池资产经过管理人及项目律师基于不同的供货人、业务账期、买受人、买受人所在省份四个维度进行了抽样审查，确认初始基础资产真实、合法、有效，权利归属明确，基础资产可以特定化，并具有完整性，未被列入负面清单，符合专项计划基础资产要求，信用风险较低。另外，通过差额补足的方式，为专项计划的稳定性提供了保障，进一步降低了信用风险。

4.2 交易结构

L公司应收账款资产证券化的交易结构如图1所示。

L公司為原始债权人，其在日常交易中通过向债务人销售计算机软硬件及配套零部件等，享有应收账款的债权。

Z证券公司为本次专项计划的计划管理人，负责筛选入池资金、设立并管理专项计划资金，根据合同约定，将专项计划的认购资金用于向原始权益人购买基础资产，将专项计划资产与其他财产分开管理，将不同客户资产支持专项计划的资产分别记账，每月跟踪检查专项计划基础的运行情况，并按期出具报告，保证资产支持证券持有人及时了解相关情况。

M银行为托管银行，负责保管本次专项计划的资金，确保资金的独立性和安全性。

L保理担任资产服务机构，负责基础资产的审核、筛选及确定，基础资产回收款的资金管理等。

图1 L公司资产证券化交易结构

具体过程主要为：

第一，组建资金池。本次专项计划的应收账款，是L公司向消费者销售商品而产生。发起人L公司提供债务人清单，由计划管理人Z证券公司和资产服务机构L保理公司进行评估和筛选，最终入池资产为原始债权人对150家付款义务人的总金额为16亿元的应收账款。

第二，认购资金购买基础资产。计划管理人Z证券使用专项计划的认购资金，向原始权益人购买基础资产。

第三，设置信用增级。专项计划安排了以下信用增级措施来降低信用风险：①优先级次级分层，将基础资产划为优先级资产支持证券和次级资产支持证券，当现金流归集不足时，次级资产支持证券将承担最初的损失。②差额补足承诺。当专项计划账户内资金金额不足以支付当期应付的税、费及其他资金时，由计划管理人于差额补足通知日通知差额补足承诺人履行差额补足义务。③循环购买本金放大机制，在循环期内能够经历多次循环购买，从而形成对本金的超额覆盖，为本专项计划提供一定的信用支持。④灭失资产回转，若出现因原始债权人未适当履行专项计划文件及业务文件项下的义务，或因付款义务人行使抗辩权或抵销权，而导致基础资产灭失或价值减少的部分，则构成灭失资产，就该等灭失资产，计划管理人有权要求原始权益人回转且原始权益人有义务予以回转。⑤信用触发机制，如果加速清偿事件或违约事件被触发，则循环期提前结束，专项计划将直接进入分配期；如果发生权利完善事件，原始权益人或计划管理人将根据约定通知相应债务人将其应支付的款项支付至专项计划账户，减少应收账款归集过程中的资金混同。

第四，基础资产的托管和管理。托管银行M银行负责保管账户资金并办理专项计划相关资金往来事项。本专项计划的资产服务机构L保理受计划管理人委托，对专项计划资金池、基础资产回收款等进行管理。

第五，销售证券。Z证券公司按照合同约定向证券持有人分配利益，并定期跟踪和检查专项计划运行情况。

从L公司资产证券化的交易结构来看，除原始权益人、计划管理人、托管银行、资产服务机构等专项计划基础参与方外，还加入了监管银行、评级机构、会计师事务所等第三方，更加保证了专项计划的安全性和稳定性。专项计划各参与方均为成立五年以上，且知名度较高、经验丰富的公司，降低了此专项计划的信用风险。

4.3 相关信用风险分析

4.3.1 核心债务人违约风险

本次资产支持证券的本金和收益现金流来自应收账款，为未来产生的现金流，即债务人按照约定未来应偿还的款项。若未来债务人因破产等原因未能偿还债务，将导致基础资产损失。

4.3.2 破产隔离风险

专项计划存续期间，若原始权益人出现丧失清偿能力事件，则可能出现回收款无法及时转付至专项计划而被冻结的风险。另外，若原始权益人的业务规模缩减，在专项计划的循环期间计划管理人可能无法购买到充足的符合入池标准的基础资产。

4.3.3 差额支付承诺人违约风险

L集团作为差额支付承诺人，在专项计划资产不足以支付税费、专项计划费用及优先级证券应付本息时，将由LX集团提供差额补足。若L集团拒绝履行上述差补义务，将对专项产生不利影响。

4.3.4 计划管理人、资产服务机构、托管银行等参与机构尽职履约风险

本次资产支持专项计划的正常运行依赖于各相关机构的尽职服务，若各参与方未能尽职履约，或运行过程中操作不当或产生失误等，则会给专项计划带来损失和风险。

5 基于DEA模型的基础资产信用风险评价

5.1 DEA模型的应用

DEA模型主要用来评价投入指标和产出指标之间的相对效率，一个投入可以对应多个产出，且不需要反映输入变量和输出变量关系的显式表达式。

DEA方法主要测算产出与投入的比值，比值越大，说明效率越高，产出越多或投入越少该比值越大，因此，产出应选择数值越大、决策单元信用风险越小的指标；投入应选择数值越小、决策单元信用风险越小的指标。将这两类指标代入DEA模型进行测算，可以得出每个决策单元的相对效率值，效率值越高，说明其信用风险越低。

综上所述，DEA模型应用于应收账款资产证券化信用风险评价的步骤是：①把每笔应收账款作为一个决策单元（DMU）；②根据企业披露的信息及相关资料，找出影响决策单元信用风险的投入指标和产出指标；③将输入指标和输出指标代入DEA模型，计算每个决策单元的相对效率值，判断决策单元的信用风险。

5.2 变量选取

5.2.1 投入指标的选择

投入指标X为债务人公司发生经营风险的次数，发生经营风险的次数越少，说明企业经营的不确定性越小，信用风险越小。

5.2.2 产出指标的选择

产出指标Y1为债务人公司的注册资本，企业的注册资本可以反映企业规模的大小，规模越大的企业一般会具有更强的抗风险能力和偿债能力，信用风险相对也较小。

产出指标Y2为原始权益人与债务人公司之间的应收账款金额，应收账款金额可以反映出兩者之间的合作程度，应收账款金额越大，说明原始权益人与债务人公司的合作程度越高，对债务人公司的信任程度更高。

5.3 实证研究与结果分析

以原始权益人对157家付款义务人的应收账款为研究样本，债务人公司发生经营风险的次数为投入指标，债务人公司的注册资本和原始权益人与债务人公司之间的应收账款金额为产出指标，剔除6组不合规数据，并对其他数据进行处理，将处理后的151组数据通过DEAP软件导入CRS模型进行计算。对数据进行计算后得到效率值θ，θ的取值范围为0～1，若θ=1，那么决策单元有效，说明其决策单元信用风险较低；若θ＜1，那么决策单元效率值较低，说明其信用风险相对较高。

由于决策单元较多，因此将计算后得到的效率值取前十名和后十名，最终结果分别如表1和表2所示，效率值越高，说明债务人公司信用风险越小；效率值越低，说明债务人公司信用风险相对越高。

由计算结果可知，第15号和56号决策单元效率值θ达到了1，信用风险最小；第23号决策单元效率值达到了0.9以上，接近于1，信用风险也较低；排名靠后的第124、第147等10个决策单元的效率值都在0.005以下，说明其对应的债务人公司信用风险较高，在资产证券化过程中，应注意重点关注信用风险较高的企业，防止发生违约等情况。

6 结论与建议

文章以L公司资产证券化为例，研究其应收账款资产证券化的信用风险。首先，对参与方情况进行了介绍，本次专项计划参与方均为成立5年以上且知名度较高、经验丰富的公司，降低了此专项计划的信用风险。其次，分析了资产证券化的基本情况，本专项计划交易结构完整，除原始权益人、计划管理人、托管银行、资产服务机构等专项计划基础参与方外，还加入了监管银行、评级机构、会计师事务所等第三方，更加保证了专项计划的安全性和稳定性；本次专项计划的基础资产经过严格的筛选和审查，符合入池的标准，采用了优先级次级分层、差额补足等多种信用增级措施，从而降低了信用风险。最后，以原始债权人对150家付款义务人的应收账款为研究样本，选取合适的变量，剔除不合规数据后，建立DEA模型，对151组数据进行处理和分析，计算出每个决策单元的效率值并进行排名，从而对每个决策单元的信用风险进行评价。文章认为，效率值低于1的决策单元存在一定的信用风险，效率值低于0.01的决策单元信用风险较大，资产证券化参与方应对其密切关注和监控，确保入池资产的稳定性和安全性，防范信用风险。

文章通过对L公司应收账款资产证券化的分析，发现其存在的信用风险，并提出以下建议。

第一，严格筛选并密切监控入池资产。基础资产是专项计划的关键，不合格的基础资产会带来巨大的风险。原始权益人，计划管理人及其他资产服务机构应严格筛选入池资产，并在专项计划运行中密切监控和检查基础资产，尤其应重点关注信用风险效率值较低，排名较为靠后的应收账款，确保入池资产后续的稳定性和安全性。

第二，构建多层次风险控制机制。在资产证券化进程中，要注重防范各种风险因素，从交易结构、基础资产、增信措施、防范措施等多个方面构建多层次的风险控制机制，定期对风险管理情况和效果进行评估，及时反馈各项风险信息，不断完善运行程序，解决已有风险，预防新的风险。

第三，运用区块链技术。区块链技术具有去中心化、公开透明、不可篡改、安全性高等特点。在资产证券化过程中运用区块链技术，参与方共同构建联盟链，基于分布式账本技术，可以将参与主体的数据信息以及专项计划过程中的各项交易记录到区块链节点中，实现公开透明。区块链通过应用非对称加密算法和密码学，让数据在联盟链上得到每个节点的确认，保证数据信息可靠地流转。并且在区块链机制下，可以减少对账和清算等环节，提高资产证券化的真实性和运营效率，降低信用风险。

参考文献：

［1］ 罗艳妮.区块链技术在应收账款资产证券化中的应用［J］.财会通讯，2021（12）：106-110.

［2］ 杨跃云.供应链金融应收账款资产证券化信用风险研究［J］.中国注册会计师，2022（2）：60-63.

［3］ 鲍新中，陈柏彤，潘肇新.供应链金融资产证券化的产品信用风险研究——基于QYSJ-ABS和RXZL-ABS的案例分析［J］.金融理论与实践，2022（2）：1-9.

［4］ 杜艳卿.应收账款证券化的风险与定价案例研究［J］.中国注册会计师，2021（9）：110-116.

［5］ 杨斌.基于灰色系统理论的中国资产证券化风险评价及防范研究［D］.太原：太原理工大学，2013.

［6］ 康杰.企业应收账款资产证券化问题探析［J］.财会通讯，2017（28）：62-65.

［7］ 戴书松，雷钰迪.企业资产证券化的信用特征研究——债权类、收费收益权类的案例分析［J］.会计之友，2019（21）：112-117.

［8］ 何珊，申晓彤.供应链金融资产证券化的风险与防范［J］.辽东学院学报（社会科学版），2022，24（3）：66-72.