房地產(chǎn)供應(yīng)鏈信用違約網(wǎng)絡(luò)恢復(fù)策略選擇
——基于啟發(fā)式搜索算法

夏佳佳,朱芬華

(安徽商貿(mào)職業(yè)技術(shù)學(xué)院 金融科技學(xué)院,安徽 蕪湖 241002)

近年來(lái),由于受到全球經(jīng)濟(jì)環(huán)境及突發(fā)性公共衛(wèi)生事件的影響,我國(guó)房地產(chǎn)企業(yè)信用違約風(fēng)險(xiǎn)激增。2022年我國(guó)債券市場(chǎng)中房地產(chǎn)行業(yè)是違約高發(fā)行業(yè),占我國(guó)債券違約市場(chǎng)的67.5%,其中18只債券的違約規(guī)模超過(guò)10億元。[1]房地產(chǎn)由于其相關(guān)行業(yè)較多,供應(yīng)鏈不僅涉及家具家電、裝潢裝修等多個(gè)行業(yè),其風(fēng)險(xiǎn)將影響銀行、政府土地財(cái)政等多個(gè)方面,因此信用違約風(fēng)險(xiǎn)呈現(xiàn)出顯著的傳染效應(yīng),成為系統(tǒng)性金融風(fēng)險(xiǎn)的重要影響因素之一。而房地產(chǎn)供應(yīng)鏈風(fēng)險(xiǎn)涉及面廣,與金融風(fēng)險(xiǎn)關(guān)聯(lián)度高,因此,探索有效的房地產(chǎn)供應(yīng)鏈信用違約風(fēng)險(xiǎn)防范與化解方法,對(duì)于把握“穩(wěn)定大局、統(tǒng)籌協(xié)調(diào)、分類(lèi)施策、精準(zhǔn)拆彈”方針,守住預(yù)防系統(tǒng)性風(fēng)險(xiǎn)底線有著重要的意義。

1 文獻(xiàn)回顧及評(píng)述

我國(guó)房地產(chǎn)行業(yè)由于起步較晚,對(duì)商業(yè)銀行信貸依賴程度高等因素,在受到外部沖擊時(shí)極易引起金融系統(tǒng)風(fēng)險(xiǎn)[2]。此外,房地產(chǎn)行業(yè)為順周期行業(yè),當(dāng)宏觀經(jīng)濟(jì)發(fā)展較好時(shí),房地產(chǎn)行業(yè)也會(huì)向好發(fā)展,由于其涉及到的上下游企業(yè)較多,如鋼鐵、公共設(shè)施及建筑等行業(yè),與相關(guān)行業(yè)的關(guān)聯(lián)度較大,因此,當(dāng)房地產(chǎn)供應(yīng)鏈因外部因素導(dǎo)致信用風(fēng)險(xiǎn)時(shí),其傳染性較為顯著。龍劍友等[3]利用2015—2018年行業(yè)內(nèi)上市公司數(shù)據(jù),構(gòu)建房地產(chǎn)復(fù)雜網(wǎng)絡(luò)模型研究信用風(fēng)險(xiǎn)的傳染性,研究發(fā)現(xiàn):企業(yè)信用風(fēng)險(xiǎn)網(wǎng)絡(luò)結(jié)構(gòu)越緊密,則信用風(fēng)險(xiǎn)傳染性越強(qiáng),此外實(shí)證結(jié)果顯示可以通過(guò)限制中大型民營(yíng)房地產(chǎn)公司的信用風(fēng)險(xiǎn)來(lái)控制風(fēng)險(xiǎn)傳染范圍及效率。張卓群等[4]以ARIMA-R-Vine Couple模型為工具,分析中國(guó)城市房地產(chǎn)價(jià)格與風(fēng)險(xiǎn)傳染相關(guān)性,研究表明:我國(guó)城市房地產(chǎn)風(fēng)險(xiǎn)傳染關(guān)聯(lián)性受到經(jīng)濟(jì)和地理因素的影響,此外各城市之間房?jī)r(jià)上漲的傳染風(fēng)險(xiǎn)較為顯著。范青松[5]利用復(fù)雜網(wǎng)絡(luò)理論為基礎(chǔ)構(gòu)建房地產(chǎn)金融風(fēng)險(xiǎn)演化網(wǎng)絡(luò),確定了關(guān)鍵風(fēng)險(xiǎn)演化中介包括:房?jī)r(jià)快速上漲、房地產(chǎn)投資增長(zhǎng)過(guò)快、銀行房地產(chǎn)信貸規(guī)模擴(kuò)張等,確立了4條風(fēng)險(xiǎn)演化渠道。

當(dāng)房地產(chǎn)行業(yè)發(fā)生信用風(fēng)險(xiǎn)后,其供應(yīng)鏈相關(guān)行業(yè)將會(huì)受其影響產(chǎn)生信用風(fēng)險(xiǎn)傳導(dǎo)效應(yīng),政府通常會(huì)采取一系列的疏導(dǎo)政策,防范金融系統(tǒng)性風(fēng)險(xiǎn),目前,學(xué)者們對(duì)于企業(yè)特別是房地產(chǎn)相關(guān)企業(yè)的紓困和救助主要集中在制度、政策及法律制定上。姚珂[6]系統(tǒng)梳理分析了美國(guó)2008年金融危機(jī)期間所采取的紓困措施,結(jié)合我國(guó)目前國(guó)情提出了建立“三道防火墻”,合理甄別救助對(duì)象等措施。Brupbacher[7]利用整套工具對(duì)英國(guó)和瑞士的企業(yè)救助程序進(jìn)行分析,研究表明,以市場(chǎng)為主導(dǎo)的企業(yè)救助方法是穩(wěn)健的,鑒于參與救助的各方之間存在利益分歧,建議通過(guò)問(wèn)責(zé)制、專(zhuān)業(yè)化和自律機(jī)制進(jìn)行約束。Godwin[8]認(rèn)為從司法角度看,在制定法律制度時(shí)應(yīng)首先考慮債權(quán)人發(fā)起救助的程度,債務(wù)人公司管理層對(duì)其在公司中作用的關(guān)注程度,外國(guó)投資者和債權(quán)人的權(quán)利在多大范圍內(nèi)得到政府機(jī)構(gòu)和法院的承認(rèn)和支持。

供應(yīng)鏈企業(yè)信用危機(jī)救助本質(zhì)上是優(yōu)化決策問(wèn)題,Tversky等[9]指出當(dāng)搜索空間巨大時(shí),暴力搜索在計(jì)算上過(guò)于昂貴。Payne等[10]提出啟發(fā)式搜索是目前解決大空間決策問(wèn)題的有效方法之一,使用啟發(fā)式搜索方法來(lái)簡(jiǎn)化決策,可以通過(guò)減少選擇和線索的數(shù)量來(lái)降低決策復(fù)雜性和計(jì)算難度。Sun等[11]基于法國(guó)的道路網(wǎng)絡(luò)建立了基于Agent的模型,以研究地震后發(fā)生風(fēng)險(xiǎn)時(shí)災(zāi)后應(yīng)急響應(yīng)的策略選擇。災(zāi)后應(yīng)急響應(yīng)代理分為2個(gè)部分進(jìn)行分析和研究。結(jié)果表明,前瞻性啟發(fā)式搜索是最有效的應(yīng)急響應(yīng)策略。從現(xiàn)有研究成果可以發(fā)現(xiàn)房地產(chǎn)供應(yīng)鏈信用違約危機(jī)救助研究仍存在一定的不足,一方面沒(méi)有提出較為明確的房地產(chǎn)相關(guān)行業(yè)救助策略辦法,另一方面未考慮到在房地產(chǎn)供應(yīng)鏈企業(yè)間的相關(guān)性,對(duì)企業(yè)的紓困停留在單一企業(yè)的層面,缺乏系統(tǒng)性和動(dòng)態(tài)性。

綜上所述,本文以房地產(chǎn)供應(yīng)鏈為研究樣本,提出可行性的模型框架,該模型充分考慮供應(yīng)鏈企業(yè)間相互關(guān)聯(lián)性,將房地產(chǎn)供應(yīng)鏈信用違約企業(yè)網(wǎng)絡(luò)化整體化,研究分析具有回路性的信用違約網(wǎng)絡(luò)恢復(fù),研究結(jié)果表明該模型是緩釋房地產(chǎn)供應(yīng)鏈信用違約風(fēng)險(xiǎn)的有效工具,這對(duì)于政府充分考慮選擇策略效果,制定合理的符合市場(chǎng)運(yùn)行規(guī)律的紓困政策提供了有效的參考。

2 信用違約網(wǎng)絡(luò)恢復(fù)模型

房地產(chǎn)供應(yīng)鏈企業(yè)由于存在商業(yè)信用、關(guān)聯(lián)擔(dān)保、交叉持股等關(guān)系,導(dǎo)致信用違約網(wǎng)絡(luò)中企業(yè)間存在著較強(qiáng)的關(guān)聯(lián)性,當(dāng)信用違約網(wǎng)絡(luò)中某家企業(yè)出現(xiàn)信用違約時(shí),信用違約風(fēng)險(xiǎn)將會(huì)通過(guò)關(guān)聯(lián)路徑蔓延至網(wǎng)絡(luò)中其他企業(yè),即企業(yè)信用違約傳染性[12]。

2.1 信用違約網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

為了更具體地描述房地產(chǎn)供應(yīng)鏈企業(yè)間的關(guān)聯(lián)關(guān)系,本文參考單汨源等[13]的研究,首先利用KMV模型測(cè)量企業(yè)信用風(fēng)險(xiǎn)水平,得到違約概率及日違約距離,后利用關(guān)聯(lián)規(guī)則經(jīng)典Apriori算法挖掘供應(yīng)鏈企業(yè)同一時(shí)期的信用風(fēng)險(xiǎn)傳染路徑,基于產(chǎn)業(yè)鏈企業(yè)日違約距離構(gòu)建數(shù)據(jù)庫(kù)DD={S1,S2,…,Sn},其中Si表示數(shù)據(jù)庫(kù)中第i只股票日違約時(shí)間序列,設(shè)定日違約距離di≤di-1時(shí),第i個(gè)交易日為T(mén)URE,否則為FALSE,最后對(duì)數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則挖掘,得到企業(yè)間信用關(guān)聯(lián)規(guī)則及置信度(即關(guān)聯(lián)概率),置信度值越大,表明二者關(guān)聯(lián)度越大,即企業(yè)間風(fēng)險(xiǎn)傳染強(qiáng)度越強(qiáng)。

本文將政府視為一個(gè)進(jìn)行信用違約網(wǎng)絡(luò)恢復(fù)的決策智能體,對(duì)于具有傳染性的信用違約網(wǎng)絡(luò)來(lái)說(shuō),進(jìn)行有序恢復(fù)并非易事。本研究借鑒英國(guó)人類(lèi)學(xué)家布朗提出的社會(huì)網(wǎng)絡(luò)分析方法[14],將信用違約網(wǎng)絡(luò)中企業(yè)間關(guān)聯(lián)關(guān)系描述為網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),每個(gè)節(jié)點(diǎn)代表不同的企業(yè),不同企業(yè)間的相互關(guān)系稱(chēng)為邊,參考Pérez-Ortiz等[15]的研究結(jié)果,將企業(yè)間關(guān)聯(lián)概率(置信度)的倒數(shù)作為邊長(zhǎng)距離,即企業(yè)間關(guān)聯(lián)性越大則邊長(zhǎng)越短,反之邊長(zhǎng)越長(zhǎng)?？紤]到拓?fù)浣Y(jié)構(gòu)中的企業(yè)關(guān)聯(lián)性[16],政府對(duì)瀕臨違約企業(yè)的救助將受到違約企業(yè)恢復(fù)狀態(tài)的影響,即如果違約企業(yè)救助不能被政府有效快速完成,則與之關(guān)聯(lián)的瀕臨違約企業(yè)的救助將面對(duì)嚴(yán)重的瓶頸。另一方面,如果瀕臨違約企業(yè)長(zhǎng)期得不到救助,則其經(jīng)營(yíng)狀態(tài)不會(huì)得到改善甚至走向破產(chǎn)最終導(dǎo)致違約,這將使得違約企業(yè)救助變得被動(dòng),即使政府加大對(duì)該企業(yè)的救助和扶持力度,由于關(guān)聯(lián)企業(yè)無(wú)法恢復(fù),或違約企業(yè)由于供應(yīng)商或銷(xiāo)售商枯竭而仍然面臨較大的經(jīng)營(yíng)困境,從而導(dǎo)致救助無(wú)效。為了考察上述具有回路依存性的企業(yè)信用違約網(wǎng)絡(luò),一種具有良好適應(yīng)性的針對(duì)巨型社會(huì)經(jīng)濟(jì)系統(tǒng)的計(jì)算方法被提出,用于建立企業(yè)信用違約救助的策略網(wǎng)絡(luò)。

2.2 啟發(fā)式搜索優(yōu)化目標(biāo)

稅收是財(cái)政收入重要組成部分,為政府的正常運(yùn)轉(zhuǎn)及保障民生起到了舉足輕重的支撐作用,穩(wěn)定的稅收收入能促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展,增強(qiáng)政府抵抗外界風(fēng)險(xiǎn)的能力[17]。當(dāng)企業(yè)面臨經(jīng)營(yíng)困難導(dǎo)致信用違約甚至破產(chǎn)時(shí),政府將無(wú)法獲得稅收收入,在企業(yè)信用違約網(wǎng)絡(luò)恢復(fù)過(guò)程中政府將面臨不同程度的稅收損失,直至所有企業(yè)恢復(fù)正常生產(chǎn)經(jīng)營(yíng),政府才能獲得正常稅收收入,因此本文將政府對(duì)企業(yè)紓困過(guò)程中的稅收總損失STL及恢復(fù)時(shí)間T作為房地產(chǎn)供應(yīng)鏈信用違約網(wǎng)絡(luò)恢復(fù)的總體優(yōu)化目標(biāo),稅收損失定義為:

(1)

式中:i為需要救助企業(yè)的個(gè)數(shù);RDi為第i個(gè)企業(yè)在日均單位稅收;Nb為需要紓困企業(yè)數(shù)量;Tf為所有企業(yè)完成恢復(fù)的時(shí)間;Ci為第i個(gè)企業(yè)稅收折扣因子,設(shè)定企業(yè)狀態(tài)為違約時(shí)Ci=1,當(dāng)企業(yè)狀態(tài)為瀕臨違約時(shí)Ci=0.5,即當(dāng)企業(yè)發(fā)生違約時(shí),政府將損失全部稅收,當(dāng)企業(yè)瀕臨違約時(shí),政府將損失一半稅收。STL為第i個(gè)企業(yè)的稅收總損失,當(dāng)T=0時(shí),由于所有違約和瀕臨違約企業(yè)均未得到救助,因此在該時(shí)間內(nèi)稅收總損失最大,隨著救助慢慢推進(jìn),稅收總損失將逐漸降低直至STL=0,政府力求在損失最小及用時(shí)最短的情況下實(shí)現(xiàn)企業(yè)違約網(wǎng)絡(luò)恢復(fù),因此,將稅收總損失STL及總時(shí)間T最小化作為企業(yè)信用違約網(wǎng)絡(luò)恢復(fù)的優(yōu)化目標(biāo)。

2.3 啟發(fā)式搜索算法設(shè)計(jì)

啟發(fā)式搜索適應(yīng)于強(qiáng)大且復(fù)雜的社會(huì)信息系統(tǒng),通過(guò)所描述問(wèn)題中的啟發(fā)信息進(jìn)行搜索,簡(jiǎn)化復(fù)雜問(wèn)題,適用于搜索空間巨大的一種搜索技術(shù)[18-19]。啟發(fā)式搜索算法是將動(dòng)態(tài)規(guī)劃問(wèn)題轉(zhuǎn)化為狀態(tài)空間的路徑求解問(wèn)題,其關(guān)鍵問(wèn)題在于估值函數(shù)的設(shè)置,通過(guò)合理的估值函數(shù)可以高效迅速地找到搜索節(jié)點(diǎn),提高搜索效率[20-21]。

當(dāng)市場(chǎng)遇到危機(jī)時(shí),房地產(chǎn)供應(yīng)鏈中各企業(yè)將受到不同程度的沖擊,企業(yè)生產(chǎn)經(jīng)營(yíng)將受到不同程度的影響。生產(chǎn)規(guī)模大,創(chuàng)新能力強(qiáng),核心技術(shù)過(guò)硬的企業(yè)往往受到?jīng)_擊能力小于規(guī)模小,抗風(fēng)險(xiǎn)能力弱的企業(yè),因此,本文將受危機(jī)影響后的企業(yè)分為違約企業(yè)、瀕臨違約企業(yè)、無(wú)違約企業(yè)3組,分別描述供應(yīng)鏈中企業(yè)需要政府的救助程度。參考Altman[22]的研究結(jié)果,設(shè)定信用評(píng)級(jí)值Z,當(dāng)Z∈(-∞,1.8)時(shí),該企業(yè)為違約企業(yè),當(dāng)Z∈[1.81,2.675]時(shí),該企業(yè)為瀕臨違約企業(yè),當(dāng)Z∈(2.675,+∞)時(shí),該企業(yè)為無(wú)違約企業(yè),將違約企業(yè)狀態(tài)設(shè)定為DS2,瀕臨違約企業(yè)狀態(tài)設(shè)定為DS1,無(wú)違約狀態(tài)設(shè)定為DS0。

在啟發(fā)式搜索過(guò)程中,主要問(wèn)題是如何確定具有強(qiáng)針對(duì)性的下一個(gè)搜索目標(biāo),為了提高搜索效率,確定合理的搜索策略是重中之重,本文參考Sun等[11]提出的策略制定方法,提出總資產(chǎn)、總負(fù)債及主營(yíng)業(yè)務(wù)收入3個(gè)指標(biāo)作為啟發(fā)式搜索策略準(zhǔn)則,其中總資產(chǎn)反映企業(yè)總規(guī)模,總負(fù)債反映企業(yè)總體負(fù)債規(guī)模,主營(yíng)業(yè)務(wù)收入反映企業(yè)的銷(xiāo)售收入情況[23-24]。通常情況下,資產(chǎn)規(guī)模越大,負(fù)債總額越大,銷(xiāo)售收入越好的企業(yè)在供應(yīng)鏈中地位及影響力往往越大,對(duì)其他企業(yè)影響程度越高,該部分企業(yè)越早得到紓困和救助將越有效促進(jìn)整體網(wǎng)絡(luò)高效恢復(fù),因此,將啟發(fā)式搜索準(zhǔn)則確定為3項(xiàng)指標(biāo)的降序排列,即政府首先對(duì)資金總資產(chǎn)和總負(fù)債規(guī)模大、銷(xiāo)售收入大的企業(yè)進(jìn)行救助,以此確定救助次序。

在違約網(wǎng)絡(luò)中單個(gè)企業(yè)的狀態(tài)恢復(fù)由隨即恢復(fù)函數(shù)決定的(見(jiàn)圖1),RPDS1(t)和RPDS2(t)恢復(fù)函數(shù)是恢復(fù)階段時(shí)間的S形函數(shù),表示為對(duì)數(shù)正態(tài)概率分布函數(shù),以滿足邊界和單調(diào)性要求。參考Sun等[25]的研究結(jié)果,在企業(yè)信用違約網(wǎng)絡(luò)恢復(fù)過(guò)程中任意時(shí)間點(diǎn)t0上生成隨機(jī)數(shù)r∈[0,1],如果某企業(yè)狀態(tài)為DS1,則當(dāng)r< RPDS1(t0)時(shí)該企業(yè)被成功救助,如果某企業(yè)狀態(tài)屬于DS2時(shí),通過(guò)救助該企業(yè)狀態(tài)將被部分恢復(fù)或者全部恢復(fù),因此,狀態(tài)為DS2企業(yè)的恢復(fù)面臨3種情況:當(dāng)r< RPDS2(t0)時(shí),企業(yè)完全恢復(fù)正常經(jīng)營(yíng);當(dāng) RPDS2(t0)RPDS1(t0),則該企業(yè)救助失敗。

圖1 房地產(chǎn)供應(yīng)鏈信用違約網(wǎng)絡(luò)中單個(gè)企業(yè)恢復(fù)函數(shù)

鑒于企業(yè)信用違約網(wǎng)絡(luò)存在高自相關(guān)性,單個(gè)企業(yè)狀態(tài)變化會(huì)影響其關(guān)聯(lián)企業(yè)救助時(shí)間變動(dòng),因此將單個(gè)企業(yè)恢復(fù)時(shí)間定義為:

(2)

在對(duì)信用違約網(wǎng)絡(luò)進(jìn)行恢復(fù)開(kāi)始時(shí),決策者隨機(jī)生成3組狀態(tài)企業(yè)(違約、瀕臨違約及無(wú)違約),根據(jù)特定的啟發(fā)式搜索策略對(duì)需要救助的企業(yè)進(jìn)行排序,按照排列順序依次選擇救助企業(yè),依據(jù)拓?fù)浣Y(jié)構(gòu)網(wǎng)絡(luò)分析尋找到每個(gè)企業(yè)的關(guān)聯(lián)企業(yè),并根據(jù)式(2)判斷t時(shí)刻各關(guān)聯(lián)企業(yè)狀態(tài)對(duì)該企業(yè)救助時(shí)間的影響,再通過(guò)隨機(jī)恢復(fù)函數(shù)設(shè)定恢復(fù)閾值,得到單個(gè)企業(yè)救助結(jié)果。隨后,根據(jù)啟發(fā)式搜索策略逐步完成企業(yè)網(wǎng)絡(luò)中逐個(gè)企業(yè)狀態(tài)恢復(fù),最終實(shí)現(xiàn)整體網(wǎng)絡(luò)救助確定單次模擬的結(jié)果,得到單個(gè)策略下信用違約網(wǎng)絡(luò)救助總損失,基于啟發(fā)式搜索模型框架見(jiàn)圖2。

圖2 基于啟發(fā)式搜索的企業(yè)信用違約網(wǎng)絡(luò)恢復(fù)框架

2.4 蒙特卡洛模擬

蒙特卡洛法是基于概率論及數(shù)理統(tǒng)計(jì)的一種數(shù)理方法,用于解決可以被描述為事件的發(fā)生頻率或某個(gè)隨機(jī)變量的均值的問(wèn)題[26]。蒙特卡洛法的基本原理主要是確定變量的概率分布,根據(jù)概率分布在計(jì)算機(jī)上生成隨機(jī)數(shù),以這些隨機(jī)數(shù)作為抽樣值,依據(jù)所設(shè)置的模型進(jìn)行邏輯關(guān)系運(yùn)算,得到安全績(jī)效的估值結(jié)果,并以概率分布的形式呈現(xiàn)出來(lái)[27]。蒙特卡洛法以概率統(tǒng)計(jì)為基礎(chǔ),求事件發(fā)生的頻率或者求某個(gè)隨機(jī)變量的均值,將單次結(jié)果作為蒙特卡洛模擬的隨機(jī)變量,進(jìn)行1 000次模擬實(shí)驗(yàn)結(jié)果均值,提升了模擬結(jié)果的穩(wěn)定性。

3 實(shí)證分析

房地產(chǎn)行業(yè)由于其高資產(chǎn)負(fù)債率,重資產(chǎn)等特征,為我國(guó)重要的經(jīng)濟(jì)產(chǎn)業(yè),其關(guān)聯(lián)行業(yè)多且關(guān)聯(lián)度較強(qiáng),從上游建材到下游的家電家具,建筑裝修等,均依靠該鏈條核心產(chǎn)業(yè)即房地產(chǎn)產(chǎn)業(yè)的發(fā)展刺激需求,信用風(fēng)險(xiǎn)在供應(yīng)鏈內(nèi)部呈現(xiàn)出顯著的傳染性,因此本文選擇以中國(guó)房地產(chǎn)企業(yè)為核心樣本[28-29]。綜合上下游關(guān)聯(lián)企業(yè)包括建材、鋼鐵、批發(fā)零售、公共設(shè)施、汽車(chē)制造共涉及6個(gè)行業(yè)中60家企業(yè)為研究對(duì)象,考察當(dāng)危機(jī)到來(lái)后,信用違約風(fēng)險(xiǎn)在企業(yè)網(wǎng)絡(luò)中的蔓延路徑[30],尋找政府在對(duì)企業(yè)實(shí)行救助時(shí)的最優(yōu)策略選擇,數(shù)據(jù)均來(lái)自于CSMAR數(shù)據(jù)庫(kù)。

3.1 房地產(chǎn)供應(yīng)鏈信用違約網(wǎng)絡(luò)傳染路徑

本文選取了2021年房地產(chǎn)產(chǎn)業(yè)鏈上市A股60家企業(yè)市場(chǎng)數(shù)據(jù)為研究樣本,見(jiàn)表1。通過(guò)KMV模型測(cè)量企業(yè)信用風(fēng)險(xiǎn)水平,得到違約概率及日違約距離[31],將數(shù)據(jù)導(dǎo)入SPSS Clementine 12.0軟件進(jìn)行關(guān)聯(lián)規(guī)則挖掘。設(shè)定最大前項(xiàng)數(shù)量為1,最低置信度閾值60%。得到企業(yè)間信用關(guān)聯(lián)規(guī)則,置信度即關(guān)聯(lián)概率,從關(guān)聯(lián)規(guī)則置信度的統(tǒng)計(jì)意義角度解釋,置信度值越大,表明二者關(guān)聯(lián)概率越大,關(guān)聯(lián)度越大,即企業(yè)間風(fēng)險(xiǎn)傳染強(qiáng)度越強(qiáng)。

表1 部分樣本企業(yè)

通過(guò)KMV模型計(jì)算得到日違約距離,再通過(guò)Apriori算法進(jìn)行關(guān)聯(lián)關(guān)系挖掘得到60家企業(yè)關(guān)聯(lián)關(guān)系,共175條關(guān)聯(lián)規(guī)則及關(guān)聯(lián)概率,本文將關(guān)聯(lián)概率,即置信度結(jié)果的倒數(shù)設(shè)為拓?fù)浣Y(jié)構(gòu)企業(yè)之間的相關(guān)距離,即關(guān)聯(lián)概率越大,兩企業(yè)間拓?fù)渚嚯x越近,反之越遠(yuǎn),由此構(gòu)建了企業(yè)信用違約傳染路徑的拓?fù)浣Y(jié)構(gòu),見(jiàn)表2。

表2 房地產(chǎn)供應(yīng)鏈部分關(guān)聯(lián)企業(yè)拓?fù)渚嚯x

表3 不同分位數(shù)水平下恢復(fù)時(shí)間

3.2 基于啟發(fā)式搜索的房地產(chǎn)供應(yīng)鏈信用違約網(wǎng)絡(luò)恢復(fù)

當(dāng)房地產(chǎn)供應(yīng)鏈遭受沖擊時(shí),供應(yīng)鏈中各企業(yè)將受到不同程度的影響,此時(shí),根據(jù)上述2.3所描述,決策者將企業(yè)按照違約程度不同分為DS0,DS1和DS23組,由3.1實(shí)驗(yàn)結(jié)果得到房地產(chǎn)供應(yīng)鏈信用違約網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),隨即決策者將依據(jù)不同的啟發(fā)式搜索策略對(duì)各企業(yè)實(shí)施救助,得到基于拓?fù)浣Y(jié)構(gòu)的3種救助次序。決策者首先將選擇排序第一的企業(yè)進(jìn)行救助,在企業(yè)經(jīng)營(yíng)恢復(fù)之前,先考察該企業(yè)相關(guān)聯(lián)企業(yè)狀態(tài),根據(jù)式(2)更新當(dāng)前企業(yè)恢復(fù)時(shí)間,救助時(shí)間CT被修復(fù)后,利用2.3中隨機(jī)恢復(fù)函數(shù)判斷企業(yè)是否被成功救助,根據(jù)隨機(jī)恢復(fù)函數(shù)理論,隨著恢復(fù)時(shí)長(zhǎng)的增加,企業(yè)恢復(fù)概率逐漸增大,直至救助成功,企業(yè)被成功救助時(shí)其狀態(tài)將由DS2或DS1轉(zhuǎn)變?yōu)镈S0,直至全部企業(yè)得到成功救助,最后考察當(dāng)所有企業(yè)狀態(tài)為DS0時(shí),根據(jù)式(1)計(jì)算得到稅收總損失STL及救助時(shí)間T,通過(guò)比較分析1 000次蒙特卡洛模擬結(jié)果得到最優(yōu)策略。

圖3顯示了房地產(chǎn)供應(yīng)鏈信用違約救助的在不同策略下啟發(fā)式搜索結(jié)果,3條曲線走勢(shì)接近,但是策略曲線的陰影面積有所差異,圖3(a)顯示的是基于總資產(chǎn)的策略曲線政府總損失(即陰影部分面積)為1 252億元,圖3(b)為基于違約率的策略曲線政府總損失為2 718億元,圖3(c)為基于銷(xiāo)售利潤(rùn)率策略曲線政府總損失為1 977億元,可以得到政府基于總資產(chǎn)策略的啟發(fā)式搜索產(chǎn)生的稅收總損失最小,較違約率策略總損失減少了54%,較銷(xiāo)售利潤(rùn)率策略總損失減少了36.67%。

(a)總資產(chǎn)策略曲線下稅收總損失

3.3 啟發(fā)式搜索策略時(shí)效性結(jié)果分析

基于1 000次模特卡羅模擬結(jié)果,3種不同策略結(jié)果還可以從概率密度視角進(jìn)行對(duì)比分析,將模擬結(jié)果進(jìn)行對(duì)數(shù)正態(tài)分布模擬,得到概率密度函數(shù),結(jié)果如圖4所示,基于資產(chǎn)概率密度曲線峰值均早于其他2個(gè)策略,且在極端情況下基于資產(chǎn)策略的恢復(fù)時(shí)效性也均較強(qiáng)。

圖4 房地產(chǎn)信用違約網(wǎng)絡(luò)恢復(fù)時(shí)間概率密度函數(shù)

此外,在不同分位數(shù)水平下,各策略之間結(jié)果差異也較為顯著。由表5可以得到,基于總資產(chǎn)的策略在不同分位數(shù)下企業(yè)恢復(fù)時(shí)間均最短,基于違約率的策略需要花費(fèi)時(shí)間最長(zhǎng),救助時(shí)效性最差。具體而言,在50%分位數(shù)水平上,總資產(chǎn)策略下恢復(fù)時(shí)間為443 d,較違約率策略下降71.8%,較銷(xiāo)售利潤(rùn)率策略下降13.3%;在80%分位數(shù)水平上,總資產(chǎn)策略下的恢復(fù)時(shí)間較違約率和銷(xiāo)售利潤(rùn)率策略分別下降54.8%和0.64%。由此說(shuō)明,基于總資產(chǎn)的啟發(fā)式搜索策略在任何分位數(shù)水平下均為恢復(fù)效率最高的策略。

4 結(jié)論與建議

本文提出了一套適用于在沖擊事件下復(fù)雜企業(yè)網(wǎng)絡(luò)下信用違約網(wǎng)絡(luò)恢復(fù)的模型框架,用于巨大的搜索空間,特別是啟發(fā)式搜索算法,能夠幫助決策者以快速高效的方式完成救助。據(jù)此提出了3種基于啟發(fā)式搜索策略,為政府實(shí)施信用違約救助提供參考。在龐大的現(xiàn)實(shí)企業(yè)網(wǎng)絡(luò)中,既要考慮到企業(yè)間動(dòng)態(tài)關(guān)聯(lián)性,又要考慮到如何正確面對(duì)這種關(guān)聯(lián)性,不同的啟發(fā)式策略將帶來(lái)救助結(jié)果較大的差距。通過(guò)分析得到以下實(shí)驗(yàn)結(jié)果:

1)基于啟發(fā)式搜索算法的信用違約網(wǎng)絡(luò)恢復(fù)模型為房地產(chǎn)供應(yīng)鏈企業(yè)提供了一套完整的救助策略,該框架模型考慮到了企業(yè)間的相互關(guān)聯(lián)性,即單個(gè)企業(yè)的狀態(tài)變化對(duì)整個(gè)網(wǎng)絡(luò)系統(tǒng)狀態(tài)的動(dòng)態(tài)影響,正如上文所述,違約企業(yè)的狀態(tài)變化通過(guò)關(guān)聯(lián)拓?fù)渚W(wǎng)絡(luò)結(jié)構(gòu)影響瀕臨違約企業(yè)的狀態(tài),同理,瀕臨違約企業(yè)狀態(tài)的好轉(zhuǎn)也正向促進(jìn)了違約企業(yè)狀態(tài)的快速好轉(zhuǎn)。

2)通過(guò)比較分析各啟發(fā)式搜索策略,得到了企業(yè)救助的最優(yōu)策略——基于總資產(chǎn)降序排列準(zhǔn)則。在其他條件不變的情況下,基于總資產(chǎn)恢復(fù)策略無(wú)論是政府總稅收損失還是救助時(shí)間上均為最小。

3) 對(duì)于企業(yè)信用違約網(wǎng)絡(luò)來(lái)說(shuō),網(wǎng)絡(luò)節(jié)點(diǎn)與其他企業(yè)特別是違約企業(yè)的相關(guān)性越強(qiáng),其恢復(fù)的時(shí)效性越差,政府紓困的損失也會(huì)越大,因此,信用違約企業(yè)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)對(duì)于網(wǎng)絡(luò)恢復(fù)產(chǎn)生顯著的影響。

當(dāng)房地產(chǎn)供應(yīng)鏈面臨信用風(fēng)險(xiǎn)時(shí),政府作為救助及企業(yè)紓困主體,一方面應(yīng)當(dāng)重視資產(chǎn)規(guī)模較大的房地產(chǎn)及相關(guān)行業(yè)企業(yè)經(jīng)營(yíng)及信用違約狀況,在信用風(fēng)險(xiǎn)出現(xiàn)初期給予及時(shí)政策扶持,以此將房地產(chǎn)供應(yīng)鏈信用風(fēng)險(xiǎn)蔓延造成的損失降至最低;另一方面,政府在紓困政策制定層面上,應(yīng)當(dāng)充分考慮房地產(chǎn)供應(yīng)鏈信用風(fēng)險(xiǎn)恢復(fù)資金及時(shí)間成本,制定合理政府財(cái)政預(yù)算,根據(jù)搜索策略效果,制定符合市場(chǎng)運(yùn)行規(guī)律的救助政策。利用啟發(fā)式搜索算法探索信用違約網(wǎng)絡(luò)恢復(fù)最優(yōu)策略是基于資產(chǎn)、違約率及銷(xiāo)售利潤(rùn)率3種準(zhǔn)則實(shí)現(xiàn)的,下一步可以以各節(jié)點(diǎn)在信用違約拓?fù)渚W(wǎng)絡(luò)中重要程度為準(zhǔn)則,考察違約網(wǎng)絡(luò)的恢復(fù)效率。