摘要：20个省，44个大中小城市，325家信用债发债主体，1841家非发债企业，都在这里了。
我们从全国信用债发债主体中，筛选出民营、非城投的主体，找到他们的归属城市（万得口径，截止7月17日）。当一个城市内的民营发债主体少于4家时，不太可能形成复杂的网络关系，因而我们挑选拥有4个以上民企发债主体的城市，作为研究对象。其中北京、上海作为政治、经济中心，区域风险较小；杭州、深圳则是民企主体极多；这四个城市虽然满足筛选要求，但不在研究范围内。最终共得到来自20个省的44个大中小城市，325家信用债发债主体。我们通过募集说明书、万得、天眼查等途径找到了与这些发债主体有担保、关联、持股关系，且在相同城市里的非发债企业，共计1841家。
对于这些企业，我们梳理以下关系：单向担保、双向互保、持股、持股并担保、持股并互保。此外，由于募集说明书具有时效性，有些担保关系已不再出现在各种资料中，这些被称为过期担保。但我们认为，即便是历史关系，也能说明问题，因而为了完整展现这些关系，我们还是会绘制过期担保，但使用虚线加以区分。我们以城市为单位，绘制各地区民企之间的担保网络图谱。
区域及主题的定量分析方法
绘制出图谱后，我们只能定性的去观察发债主体、区域内企业关系复杂程度，但无法定量分析或者横向比较。因而我们在图谱的基础上，设置若干定量指标，用以描述图中主体、区域内之间的关系。
对一个城市，首先我们计算每一个发债主体到其他主体（发债、非发债皆可）的最大距离与最小距离。在确定起点主体和终点主体后，按照每个主体只能被经过一次的原则：最大距离是指通过绕行，经过尽可能多的主体到达终点所需要的步数；最小距离是最直接，经过尽可能少的主体到达终点所需要的步数。以东营市的图谱为例，假定起点为垦利石化，终点为胜通集团，则两者间最大距离为垦利石化→齐润化工→科力化工→海新石化→齐成石化→大海新能源→大海集团→金茂铝业→金茂纺织→金信新材料→东辰控股→胜通化工→万达集团→胜通钢帘线→胜通集团共14步，最小距离为两者互保共1步。为了体现不同关系的影响程度，我们给各类关系赋予以下权重：担保0.15、持股0.15、持股并担保0.2、互保0.2、持股且互相保0.3。每一步都乘以相应权重，最终得到两个主体间的加权最大距离为2.2，加权最小距离0.2。
在此基础上，我们计算以下6个指标：
（1）关系复杂度。
该指标用于评估一个城市内或一个主体所牵涉关系的复杂程度。计算城市关系复杂度时，我们求出每个发债主体与其他所有主体间的加权最大距离，求和后得到一个发债主体的最大距离，然后对所有发债主体的最大距离取平均值，即为该城市的关系复杂度。而计算主体关系复杂度时，我们求出每个发债主体与其他所有主体间的加权最小距离，求和后得到一个发债主体的最小距离，即为该主体的关系复杂度。我们认为，对于一个城市，网络越往外扩张，格局就越复杂，因而计算城市复杂度时使用最大距离；而对于一个发债主体，市场一般关注它的“直系血亲”，有公开的直接关系，就无需去找间接关系，因而计算主体复杂度时使用最小距离。
（2）最大连通数及占比。
一个城市内连接在一起的企业的最大数目为最大连通数，最大连通数与该城市内全部企业数的比例即为最大连通占比。通过该指标，来看地区内最大的“连锁战船”大到什么程度。还是以东营图谱为例，除了华泰集团和富宇化工，其余10个发债主体相互连通，叠加连通的非发债主体，最大连通数可达93，而图内企业总计107，因而最大连通数占比高达86.92%。该指标针对城市，没有针对单个主体。
（3）发债主体比例。
该指标为图内发债主体数与全部企业数的比值，当发债主体比例越小，说明一个发债主体和越多的非发债主体有联系，担保网络的情况也相对更复杂。以东营图谱为例，共有12个发债主体，95个非发债主体，发债主体比为11.21%。该指标针对城市，没有针对单个主体。
（4）关系密度与规模占比。
当一个城市中企业个数为N时，可能的最大关系数量为N(N-1) /2。而当实际关系数为M时，该城市的关系密度即为2M/N/(N-1)。由于密度大小受到该城市的企业总数影响（例如总共只有两个企业，有担保关系的话关系密度为100%，但并不能说明关系复杂），所以在观察密度指标时，需要配合规模占比。规模占比等于该城市企业个数之和，比上所有城市的所有企业数（2166个）。对两个城市进行对比时，如果一个城市的关系密度以及规模占比均高于另一个城市，我们才可以说前者担保网络更加复杂。以东营图谱为例，共统计出120对持股或担保关系，107个企业，因而其关系密度应为2.12%。该指标针对城市，没有针对单个主体。
（5）行业集中度。
该指标可用来表征被担保对象是否都集中于某个行业，从而揭示由于行业整体风险带来的担保网络的不稳定。针对担保超过8个企业的发债主体，统计其担保对象所属行业。最大的那个行业的企业数占比即为该主体的行业集中度。由于各个主体的最大行业未必相同，城市层面叠加起来意义不大，因而该指标只针对主体。
（6）互保对数。
即一个城市内存在的互相担保的关系数目。由于表征区域内关系密切程度的指标已足够，这里仅列出互保的绝对值，来观察互保数最多的地区。
区域层面定量分析结果
（1）城市关系复杂度。
各城市关系复杂度绝对值出现分化，东营、廊坊、鄂尔多斯、重庆内的企业关系明显比其他城市复杂。这也与图中直观感受一致，说明关系复杂度这一指标较为科学。在此基础上，为了更加清晰表达44个城市的排序，我们对关系复杂度取自然对数展示。
（2）最大连通数及占比。
最大连通数与复杂度的结果接近，鄂尔多斯、东营、廊坊、重庆、南京，均有80家以上的企业以一定的方式存在关联。该结果需结合区域内主体资质来看：若主体资质整体良好，则较大的连通规模确实可以起到增信作用，即大而不倒；若主体资质整体不佳，或者存在明显的短板主体，则连通规模越大，越有可能出现“星火燎原”的情况。此外，东阳、临沂、临海虽然最大连通数不高，但最大连通占比较大，都在80%以上。其中临沂该值达到100%，表明临沂市内所有民企发债主体与其担保企业之间都存在或近或远的关系。
（3）发债主体比例。
该结果按照从左到右升序排列。廊坊、南京、鄂尔多斯、武汉等城市该值较低，表明这些城市中的发债民企与更多的非发债民企存在关联。虽然都是民企，但发债主体至少还会披露募集说明书与财务报表，信息相对更公开。而非发债民企信息透明度更低，仅从这一层考虑，即便是存在关系，也是与发债民企间存在关系更令人放心。因而该值越小，我们认为越需要关注。
（4）关系密度与规模占比。
除了廊坊等极个别城市，整体上关系密度与规模占比呈反向关系。这表明，关系密度大主要是由于区域内的企业少所致，不存在两者都非常高的城市。从绝对值上来看，只有当每一家企业与其他企业间都存在关系，形成完全的网式传导，关系密度才会达到100%。而各个城市的关系密度绝对值并不高，表明企业间的关系主要还是逐层的链式传导；城市关系复杂的原因主要是持股或担保的层数太多，牵涉到太多的子公司、孙公司，而不是少数企业之间的极度复杂复杂引起。
（5）互保对数。
除绍兴、东营、滨州、重庆、宁波外，大多数城市互保对数较少；而以上五个城市，互保关系也只是全部关系的一小部分。整体上并没有预期中的严重，因而我们不应过于强调互保造成的区域风险。
（6）综合比较。
各个定量指标所给出的需要关注的区域并不完全相同，需要综合考虑给出最终结果。通过以上的分析，我们认为城市关系复杂度、最大连通数、发债主体占比这三个指标能较好地描述一个城市担保网络的整体情况。而关系密度与企业数相关，互保对数许多城市并没有，这两个指标的可比性不强，暂不考虑。
我们取城市复杂度、最大连通数、发债主体占比的前十名城市，按照：出现在这三十个名单次数较多、整体排名靠前、最高排名靠前的原则，综合排序得到十个需要关注的城市，如下表所示。其中多数城市由于企业间关系复杂而榜上有名；前五名与我们看图后的直观感受一致；而武汉、合肥的企业间关系并不复杂，但单个发债主体担保了非常多的民企，也需要关注。考虑到东营已出现复杂关系导致的区域性风险，排名在更前面的
鄂尔多斯与廊坊需要重点关注。
主体层面定量分析结果
这里我们直接给出发债主体复杂度排序和发债主体担保对象行业集中度排序前二十的发债主体，由于两者少有交集，因而不做综合排序。值得注意的是，复杂度高的主体可能并不在图谱的中心位置，因为图谱在先，计算在后。复杂度视角下，东营民企大多位于十名之后，已受到较多关注，因而这里前十名的主体也应受到关注。行业集中度视角下，目前纺织服装、化工行业的信用风险相对较高，因而联发纺织股份、精工控股、科力化工、三鼎控股这几个主体及相关企业值得关注。
需要强调的是，以上定量分析结果均为
相对比较。一个城市内企业关系复杂，不能说明该区域信用风险高；其真正表达的是一旦区域内某家企业发生信用风险，则关系复杂的区域更有可能由点带面产生区域性风险。同样，母公司为子公司担保也属正常现象，一个主体与其他企业关系复杂或者担保行业集中度高只能作为关注方向的参考，不能借此直接下结论。
判断风险的核心工作仍是对主体的信评研究。
对于发债主体，目前只考虑了其关系网络的复杂度，尚未考虑这些关系远近不同造成的影响度差异；此外，借助关系网络，部分实际存在关联的交易隐藏成了非关联交易，这些信息也有待挖掘。后续我们将对以上内容继续深入研究。
评论 (0)