总结违约企业特征，通过机器学习，给违约企业画个像，然后全债市通缉“违约嫌疑人”：长得越像已违约企业的主体，未来一年违约的可能性就越大；反之则反。如此，是否就能实现信用风险的准确预警？

 

回答是：不能。正如评级不是算数，预警也不是画像抓“坏人”。

 

首先，给违约企业画像很难。我国资本市场刚兑打破不久，尚处于完善初期，样本量少不说，各种花式违约也表明，很难找出简单的行业、区域、经营或者财务特征能够直接预警后续违约。账上流动性几乎枯竭的企业，能在兑付日神奇地拿出数亿偿债资金；而账上有数百亿货币资金的企业，却拿不出几亿的到期本息。担保方说，当初出具担保函只为了保级别，并没有代为偿付债务的义务；大股东说，上市公司就是举家族之力打造的摇钱树，不输送点利益怎么回报当初大家的奉献；政府说，经济下行压力下，大家要共克时艰，金融机构要顾全大局，该承担的损失也要承担起来……如此，怎么画？

 

其次，找到的所谓违约预警指标特征，也存在回溯研究的典型问题——折磨数据直到得出想要的结论。信用风险评估是对企业未来偿债能力的预测，而违约企业却是历史既成事实。违约企业它就在那，不会反抗、不会辩驳，随便你挖掘出什么表现及原因，最终都会指向唯一的结局——违约。所以不能基于结果（违约），而应该以原因（多元化）为标准来选案例。

 

如果你认为多元化是企业违约的原因，需要完成以下三个步骤的论证：第一步，定义什么是“多元化”，3个主业以上是，看不清楚主业是，业务之间没有关联是，还是上下游也算？第二步，变量要变，多元化的程度与企业违约的可能性变化之间需要建立对应关系；第三步，找出符合上述情形的案例，检验“企业发展越多元化、违约的可能性越大”的假设。

  

最后，违约企业画像即使画出来，也会发现是“大众脸”，用它预警会冤枉一大片。这种“宁可错杀一千，不放过一个”的风控思路，很可能的结果是错杀了一堆没有问题的企业。违约企业大部分都多元无序扩张，但快速多元化的企业不一定会违约；违约企业大部分都亏损，但亏损的企业不一定会违约；违约企业大部分面临流动性压力，但面临流动性压力的企业不一定会违约……。投资中有两个失误：过错和错过。踩雷不一定是过错，但零违约却很可能导致错过。为进一步理解这个逻辑，大家来做个概率计算题吧：人群中患肝癌的比例是万分之四，有一个倒霉鬼，体检的时候，肝癌筛查为阳性，该仪器检测结果的假阳性概率为99.9%，假阴性概率为99%，请问此人得肝癌的概率是多少？