2025年12月11日16点，经贸学院国贸学术论坛2025年第16期（总期第104期）于教学楼B座308室举行。经贸学院何炜老师受邀担任本次论坛主持人，24级硕士研究生刘青和段文振、25级硕士研究生田欣怡和田书源组队汇报发表于《中国工业经济》2025年第7期的文章《集团特征有助于预测企业债务危机吗？--基于可解释机器学习模型的经验证据》。学院各级研究生同学积极参与本次文献研讨会议。

会议伊始，田欣怡同学阐述了研究的现实背景与理论缺口。她指出，近年来中央多次会议强调金融风险防控的重要性，而中国实体经济杠杆率的持续攀升与企业债务风险事件的频发，尤其是超大型集团的债务“暴雷”现象，凸显了构建有效企业债务危机预警模型的紧迫性。该系列研究聚焦于一个核心问题：企业集团独特的内部结构与运作模式，是否以及如何影响其债务危机的发生与预测？ 传统上，企业债务危机预警模型主要依赖合并财务报表中的财务指标，而忽视了集团内部复杂的组织架构和关联交易等“集团特征”。

研究发现，企业集团，特别是采用金字塔式控股结构的集团，其内部存在一种独特的“预算软约束”现象。这种结构通过层层控股放大控制权，使得处于塔尖的实际控制人可能为了保留未来“隧道挖掘”的利益，而对陷入困境的子公司进行“支撑”，形成一种隐性的内部担保。银行等外部债权人基于对这种内部支撑行为的预期，会降低对集团内企业的监督强度，甚至提供超额贷款，从而刺激了集团整体杠杆率的非理性膨胀，埋下了“大而不倒”幻觉的种子。这种内部担保机制与国有企业因政府“扶持之手”形成的传统预算软约束不同，是市场自发的、基于控制权结构的风险传导路径。

进一步的研究揭示了集团内部财务危机的传染效应。由于集团成员间业务关联紧密、互做担保频繁，一旦某个成员出现财务危机，极易通过商品与劳务关联交易、资金与担保类关联交易、负债融资成本传导以及长期股权投资等路径，像“多米诺骨牌”一样迅速扩散至整个集团。这种传染效应在民营企业集团、经营主导型集团以及子公司地理分布分散的集团中更为显著。对于“母弱子强”型集团，其风险尤为特殊：母公司作为融资主体，信用风险常被低估，而其对于公司的资金管控能力又较弱，一旦子公司（尤其是核心盈利子公司）出现问题，极易引发母公司层面的债券违约。

田书源同学从资本分布、管控模式、内部资源分配和外部资源撬动四个维度，详细讲解了“对子公司股权投资水平”、“集团分权水平”、“向母公司分红水平”、“集团内关联担保水平”等8个核心指标。实证结果表明，这些集团特征指标对预测债务危机具有重要价值，其预测效力与传统的公司治理、盈利能力指标相当，甚至更强。

本研究通过引入可解释机器学习模型（如XGBoost、随机森林）和SHAP方法发现，集团特征与债务危机之间普遍存在复杂的非线性关系（如U型关系），这是传统线性模型（如Logit）难以捕捉的。例如，“少数股东权益水平”、“向子公司贷款水平”等指标，在机器学习模型中凸显重要的预测价值，但在Logit模型中却不显著。这揭示了集团风险机制的复杂性：适度的分权或内部资金支持可能有益，但过度则会显著增加风险。

最后，研究的政策与实践启示是明确的。对于集团企业自身，应优化治理结构，审慎管理内部担保和关联交易，防范风险在金字塔结构内传染。对于商业银行与投资者，在信贷评审和投资决策时，必须穿透合并报表，深入分析集团的股权结构、内部资金往来等特征，避免因“规模幻觉”而误判风险。对于金融监管部门，则应借助可解释机器学习等先进工具，构建融入集团特征的智能预警系统，实现对系统性风险的“早识别、早预警”，并可通过类似国有企业“瘦身健体”改革等政策，引导企业优化集团架构，从源头上降低风险累积。

临近会议尾声，何老师对本篇文章与同学们交流相关看法。何老师问道，部分指标（如少数股东权益水平）在机器学习模型中重要性很高，但在Logit模型中不显著。这引发了大家关于模型选择与经济解释的思考：当一个指标在非线性模型（如XGBoost）中预测效力很强，但在线性模型（Logit）中不显著时，我们应如何解读其经济含义？ 这是否意味着该指标与债务危机的关系本质上是非线性的、存在阈值或区间效应，而传统线性模型因其设定偏误无法捕捉？

何老师指出，在学术写作中，我们应如何报告并合理解释这种不同模型间的结果差异，而不是简单地认为机器学习模型“更优”；在阅读文献时，我们应当有意识地发掘并提炼其中可供学习和借鉴的研究方法或核心知识点，将其转化为自身学术研究与实践应用的有效工具。至此，2025年第16期国贸研究生学术论坛圆满结束。

排版：刘青
图片：段文振