为弥补基于财务指标的传统信用分析模型的局限，本文提出以地方政府披露的纳税数据、行业协会发布的数据、银行授信情况等非财务指标来预警债券信用风险，并结合S集团债券违约案例，介绍了上述指标的具体应用方法，统计了各指标的预警时间，最后就更好地应用非财务指标进行信用风险预警提出了建议。
非财务预警指标的作用与选取
（一）非财务预警指标的主要作用
随着国内债券融资规模的快速扩张，债券信用风险问题愈发值得关注，加强信用风险预警对于投资者尤为重要。
目前，已有文献侧重于分析发行人的财务信息，利用数学模型计算债券信用风险，如成梦婷等（2019）从财务数据角度对债券信用风险进行了定性识别。也有文献聚焦于对国外量化预警模型的借鉴与改良，如张智梅等（2006）结合我国资本市场和上市公司的特征对KMV模型进行了参数的改进，并对沪市上市公司的信用风险进行评估。但是，国内违约企业样本有限，大量非上市债券发行人的数据不够全面，导致量化模型的使用效果受限。且从已违约案例来看，个别债券发行人财务数据造假也会导致模型预测失败。因此，以财务指标为基础的信用风险预警方法难以满足投资者的实践需要，应有其他方法进行补充。
为更加有效、及时地预警信用风险，合理构建非财务预警指标具有重要意义。已有文献研究了以公司治理、经营发展战略、内部控制等为核心，构建非传统信用分析框架（徐寒飞等，2021）。本文通过对已有违约案例的整理分析，归纳了企业在违约前的常见迹象，有针对性地寻找揭示企业经营恶化的核心数据，侧重探讨可得性较强、易于评判和量化的指标，以期对非财务预警指标体系进行进一步完善。
（二）非财务预警指标的选取
1．地方政府披露的纳税数据
很多地方政府为了表彰纳税大户，会在政府网站公开披露所在区域大型企业的纳税排名。发债企业通常为地方优质企业，上榜概率较大，这在一定程度上保障了指标的可获得性。由于地方政府所披露数据的权威性较高、失真可能性较低，其对于评估发债企业的经营情况具有重要参考价值。可将纳税数据与发债企业报表中的有关数据进行比较，以识别企业的真实盈利和纳税情况，验证企业是否存在数据造假行为。
2．行业协会发布的数据
行业协会是重要的社会中介组织，经常对行业的基本情况进行统计排名并发布结果。与地方政府类似，行业协会提供的数据和信息也具有较高的权威性和真实性，可以与发债企业报表中的有关数据进行比较，以判断企业的真实经营情况。
目前，我国各大制造业均设有行业协会，信息来源具有一定的保障。对于制造业企业，产能是产量的基础，产能利用率决定了企业综合生产成本和产品竞争力。借助行业产能、产量数据，可以有效分析企业的实际运营情况和竞争实力，进而预警经营风险。此外，通过行业整体数据与企业同类数据的比较，可在一定程度上识别企业数据的造假情况。
其他行业也可选用相应信息及数据，依据上述逻辑进行信用风险分析及数据造假识别。例如，商贸企业可对标行业的销量，出口企业可对标行业的出口额，高速公路运营企业可对标通车里程数、单公里收费金额等。
3．银行授信情况
银行授信情况是债券募集说明书和债券受托管理报告中必要的披露信息。银行在发放大额贷款前通常需进行贷前调查，在发放贷款后也会跟踪监测，这些信息在授信情况中均有体现。因此，银行授信情况是分析发行人再融资能力的重要信息。如果授信规模呈现下滑趋势，则发行人的经营情况可能存在尚未公开披露的风险。
4．上下游企业披露的数据
债券募集说明书和评级报告会披露发行人上下游企业有关数据，涉及应收账款、应付账款及销售收入等。这些上下游企业有不少是上市公司、拟上市公司或其他债券发行人，也定期进行信息披露。通过上下游企业与发行人各自披露信息的对比，可以识别发行人是否存在数据造假，验证发行人经营成果的真实性。
5．同行业数据
同行业数据比较对于分析发行人的综合竞争优势非常重要，可以判断发行人在行业中的地位，识别发行人披露数据中的重大异常，由此进一步验证其所披露经营成果的真伪。
与前述行业协会发布的数据相比，同行业数据的比较要间接一些，需要分析可比公司的相关数据和指标来判断发行人对应数据的合理范围，排查发行人披露数据的可靠性，进而识别发行人的数据造假。
6．经营类异常指标
财务指标反映了企业在一定期间内生产经营活动的最终成果，但并不能够完全反映经营过程中存在的问题。关注经营过程中财务数据无法反映的异常信息，如过高的关联交易、盲目的业务多元化等，对于预警信用风险有着重要的价值。
具体来看：第一，大规模的关联交易和关联方资金拆借既影响债权人对公司实际偿债能力的判断，又增加发行人自身的现金周转压力，可作为公司经营存在一定问题的预警信号；第二，盲目、激进地涉足多个非相关行业将提高运营和管理难度，容易导致资金链断裂，出现流动性危机。同时，急于转向其他行业可能从侧面表明主业盈利能力一般，因而预示了较高的经营风险。
非财务预警指标的应用示例
在存续的违约债券中，S集团的违约债券涉及多个品种，违约信息披露的质量较高，有证监会的稽查结论以及最终监管机构对有关中介的处罚，是一个完整的案例。本文以S集团为例，介绍非财务预警指标的应用方法，以更好理解上述指标在实践中的作用。
（一）已有违约预警模型的分析结论
Z-Score财务风险预警模型是由爱德华·阿特曼创立的一个多变量财务公式,选取了5种基本财务比率来预警财务风险，在业内具有较高的权威性。对于非上市公司，Z-Score模型的判别函数为：
Z=0.717X1+0.847X2+3.107X3+0.420X4+0.998X5
通常，当Z值超过2.99时，表明企业信用状况较好；当Z值在1.81至2.99之间时，预计企业所发债券存在违约可能；当Z值低于1.81时，表明企业的信用风险较高。
根据上述公式，笔者对S集团进行Z值计算，结果如表1所示。
可以发现，从2011年发行债券开始至2018年三季度，S集团的Z值虽然低于2.99，但呈现逐年好转趋势。由此，Z-Score模型未能预警其在2018年底陷于濒临违约的状况。笔者认为，模型失效的根源在于披露数据存在造假问题，因此使用非财务指标对财务指标的真实性进行相互验证很重要。
（二）S集团债券违约概况
1.违约历程
S集团经营范围包含钢帘线、光学膜、化工助剂等。自2011年12月发行首只短期融资券至2018年3月发行最后一只私募公司债，其累计发行债券25只。2018年10月26日，S集团的信用等级被评级公司由AA+降至A，评级展望为负面。2019年3月15日，S集团宣告债券违约，共涉及9只存续债券，金额共55.50亿元，违约债券品种包括中期票据、公司债券等。
2.违约处置
据S集团破产重整专项审计报告，截至2019年3月底，S集团资产总额为45.86亿元，资产清算总价值为27.06亿元，负债总额为261.64亿元，已经严重资不抵债。2020年4月24日，经S集团第二次债权人会议表决通过，S集团普通债权清偿率为10.16%，分三期偿还。2022年6月1日，破产重整管理人按照普通债权人未受偿部分0.6%的比例对普通债权人进行了补充分配。
3.财务造假情况
据证监会的处罚决定书，2013—2017年，S集团以S钢帘线等主要子公司为实体，通过虚假账套和虚构购销业务等手段进行财务造假，5年间累计虚增营业收入615亿元，累计虚增利润总额113亿元（见表2）。扣除虚增利润后，S集团各年度均为亏损。上述财务造假导致S集团的债券募集说明书、各年度报告均涉虚假记载。
4.后续处罚
鉴于S集团披露的财务报表与破产报表所反映的实际情况存在明显差异，遭受损失的债券投资者纷纷通过各种途径维权、起诉。除了S集团及其主要负责人被证监会施以市场禁入等行政处罚，相关会计师事务所、评级机构和四家主承销商均涉嫌未勤勉尽责，被立案并受到行政处罚。
（三）利用非财务预警指标分析S集团的信用风险
1.地方政府披露的纳税数据
根据地方政府网站发布的信息，2018年1月23日，S集团在2017年度区级财政贡献超过500万元的企业中排在第五位，纳税总额为11147.65万元，其中区级纳税额为7189.97万元，同比提高5.91%。而该企业的债券发行资料披露，2016年度其支付各项税费11.32亿元，2017年度支付各项税费10.09亿元。据此测算，S集团在2016年、2017年分别虚增纳税额10.27亿元、8.98亿元，存在明显的造假行为。
2.行业协会发布的数据
S集团主营钢帘线业务，其行业协会为中国橡胶工业协会骨架材料专业委员会。根据协会公开数据，S集团在2014—2016年的产量分别为31.50万吨、27.95万吨、27.30万吨。而S集团自己披露的产量为31.50万吨、42.15万吨、42.68万吨，数据走势完全相反，涉及虚假陈述、隐瞒实际经营恶化等情况。
3.银行授信情况
根据S集团披露的各年授信数据（见表3），其授权额度在2015年12月达到峰值133.18亿元，自2016年3月起逐期下滑，未使用授信额度也开始减少。这从侧面说明在此期间企业存在一定的经营问题，也与前文钢帘线在2015—2016年产量出现下滑的情况相互印证。
4.上下游企业披露的数据
S集团在2017年中期票据募集说明书中披露了2016年度钢帘线业务的前三大客户，在2014—2016年对第二大客户的销售收入分别为64882万元、91549万元、84345万元。而根据第二大客户的招股说明书，其在2014年与S集团的业务往来仅为9706万元，在其余年份S集团均未进入其采购规模的前五名，与S公司披露情况差距较大。据此推算，S集团与第二大客户的业务大部分是虚构的。
5.同行业数据
钢帘线行业多年排名第一的是J公司，其年度报告显示，在2014—2017年的产量依次为52万吨、50万吨、61万吨、66万吨，分别实现营业收入56.25亿元、47.53亿元、54.88亿元和69.48亿元。同期行业产量排名第三的S钢帘线的营业收入却分别高达72.93亿元、100.92亿元、101.32亿元和108.28亿元。通过对比，可以怀疑S集团的数据有虚增之嫌。
6.经营类异常指标
通过详细分析S集团的经营活动，可以发现其存在高额关联交易，业务盲目多元化。
S集团的一份债券募集说明书显示，2016年度在钢帘线业务前五大供应商中有A、B、C三家商贸公司。查阅工商登记信息可发现，三家商贸公司的联系电话和邮箱完全一样，关联交易明显，涉嫌借此虚增利润、美化报表以提高信用等级。
此外，S集团在主营的钢帘线和光学膜业务之外，还涉及房地产、建安工程、机械制造、电力设备、钢帘线设备、小贷公司等行业，盲目的业务扩张在一定程度上增加了经营难度和偿债压力，也侧面证明企业主业盈利能力一般，被迫转型。
（三）非财务预警指标的预警时间
上述分析展示了非财务预警指标的预警效果，表4统计了各项非财务预警指标显露问题苗头时距离债券违约的时间（预警时间）。从预警时间来看，将财务信息与非财务预警指标相结合能及时了解债券发行人的经营情况和再融资状况，从而更好地预警企业的实际经营风险，提前识别债券的信用风险。
启示及建议
前述分析与案例实践显示，非财务预警指标有助于揭示债券信用风险及数据造假行为，从预警时间来看也较为宽裕，具有一定的实践意义。尽管并非每家债券发行人都能如S集团这样，从各种渠道获取如此全面的信息，但上述多数指标具有较强的可获得性，在一定程度上保证了非财务预警指标的普适性。
为了在投资实践中更好地应用非财务预警指标来分析信用风险，笔者提出以下建议。
一是要强化债券发行人的信息披露机制。对于债券发行中介机构，要加强对第三方数据的使用，而非一味采用债券发行人提供的数据。中介机构可以利用自身对于同一行业发债公司持续跟踪的信息优势建立行业数据库，以提升研究水平。此外，可适当允许专业机构获取发行人纳税、社保等有关信息，从而解决信息不对称问题。财政、统计等部门可适度披露区域内大型企业纳税、产能、能源消耗、重大项目建设等情况，并加强行业信息共享，向合格投资者开放查询。
二是债券投资者要不断提高信用风险分析能力，及时跟踪分析债券发行人各类关键指标。投资者要对发行人的行业发展状况有所了解，深入分析发行人所在行业协会、上下游企业披露的信息等内容。在投资之后及时跟踪与收集发行人及行业的后续经营发展状况，并重点关注发行人的负面舆情。
三是要注重将财务指标与非财务指标进行结合，相互佐证，识别信息失真情况。企业存在财务造假、虚增报表的可能，要注意通过具有可靠来源的第三方数据和非财务指标等信息对企业披露信息加以验证，进而对信用风险进行评估。
参考文献
[1]成梦婷，杨华蔚. 上市公司财务状况对债券信用风险的预测——基于logistic模型[J]. 产业与科技论坛，2019,18（16）.
[2]生柳荣，陈海华，胡施聪，等. 企业债券信用风险预警模型及其运用[J].投资研究，2019（6）.
[3]徐寒飞，宋天鸽. 非传统信用分析框架及其应用[J]. 债券，2021（8）.
[4]张庚. 信用债违约风险预警模型的构建与检验[J]. 债券，2021（10）.
[5]张智梅，章仁俊. KMV模型的改进及对上市公司信用风险的度量[J]. 统计与决策，2006（18）.
