1.2 研究工作的回顾和评述

事实上，现有关于企业集团和信用风险的主要研究均遵循着各自不同的逻辑脉络。因此，在对已有研究工作进行回顾和评述的时候，这里也分为三个逻辑相对独立的部分分别就现有的关于企业集团的研究、信用风险的研究和企业集团信用风险的研究工作进行回顾。

1.2.1 对企业集团研究的回顾和评述

尽管企业集团在全世界范围内普遍存在且发展迅速，对于企业集团的研究工作也呈现出明显上升的趋势。然而，不同的学者对于企业集团的定义仍然存在着较大的争议。Strachan（1976）[10]强调企业集团的最终控制权，认为企业集团是一个能够被施加共同控制权力的不同企业的联合体。Leff（1978）[11]则更加强调企业集团的资本共享，认为企业集团是能够统一配置资本的企业的联合。Granovetter（1994）[12]从社会学的角度将企业集团定义为通过法律和社会关系进行连接的企业共同体。Cazurra（2006）[13]则从多元化网络组织形态方面对企业集团进行了定义。还有学者更是直接将企业集团内部成员企业之间的具体经济关系作为企业集团定义的标准[14]。事实上，不同的国家在对企业集团进行官方定义的时候，其侧重点也不尽相同，韩国交易与贸易委员会定义企业集团为“整体管理的由公司组成的集团，该集团由某些个人或这些个人控制的公司拥有高于30%的股权”；而在我国《企业集团登记管理暂行规定》第三条中，正式明确了“企业集团是指以将资本作为主要纽带的母子公司为主体，由以集团章程为共同行为规范的母公司、子公司、参股公司及其他成员企业或机构共同组成的具有一定规模的企业法人联合体”[15-16]。这种差异也可以从不同国家和地区对企业集团的不同称谓中初见端倪，如日本称之为“keiretsu”、印度称之为“business hoses”、拉丁美洲称之为“groups economics”、土耳其称之为“family holdings”以及中国台湾地区称为“关系企业”[17]等。当然，这有可能是因为不同国家和地区的企业集团产生和发展的历史根源不同。从现有的关于企业集团的研究文献来看，对企业集团的称谓通常写作“enterprise groups”“business groups”或者“groups”，而在讨论具体问题时，也往往对这三种不同的写法并不做太大的区分。一般而言，企业集团的定义分为狭义和广义两种。狭义的定义认为仅有那些存在正式的股权结构的企业联合体属于企业集团，而广义的定义则囊括了地域、控制人关系、种族、交易关系等多种非正式的纽带[18]。然而无论是广义的企业集团还是狭义的企业集团，它们都具有一些基本的特征。第一，企业集团一定是具有独立法人资格的企业的共同体。拥有众多子公司的企业不能算作企业集团。这一点从法律上对企业集团的判断十分重要。这保证了企业集团成员企业的权责独立性，是分析企业集团的基本前提。第二，企业集团内部成员企业往往受到强度不一的共同控制，且具有整体利益倾向。这就使得在某些特殊情景下，可以从整体意义上对企业集团进行讨论。第三，企业集团成员企业之间存在着某种联系。这也是企业之所以成为集团的原因。正是由于这种正式或者非正式的不同的联系，使得企业集团呈现出异质化特点。这也是研究企业集团的重要线索[19]。一个比较包容的企业集团的定义是由Khanna和Rivkin（2001）[20]给出的，他们认为企业集团是一个具有独立法人资格的企业的群族，这些企业通过正式或者非正式的纽带连接在了一起。在后续讨论中，如果没有进行特别的说明，则都将默认为采取上述Khanna和Rivkin（2001）关于企业集团的定义。在对企业集团的定义有了一个大致认识后，便可以尝试着梳理关于企业集团已有研究的基本逻辑。图1-1展示了现有的对企业集团研究的一个宏观脉络。

从图1-1中可以清晰地看出，首先在对企业集团的产生原因、竞争优势以及对企业集团未来发展的分析方面，不同的学者从不同的视角给出了解释。从已有文献来看，这些解释主要可以分为经济学解释、社会学解释和政治学解释三个方面。经济学解释是目前最为主流的一种解释，它在对企业集团进行阐述的时候往往又分为两个基本视角，即交易成本视角和资源获取视角。从交易成本的视角来看，企业集团是对单一企业边界的自然延伸，这种延伸的本质是要用内部权威的交易机制代替市场的交易机制以达到降低交易成本的目的[11,21]。Khanna和Palepu（1997）[22]在对新兴市场国家的企业集团分析后认为制度的“残缺”和低效率的执法大大增加了在新兴市场国家进行市场交易的成本，而企业集团的出现则缓解了这种市场失效或市场不灵所带来的高成本；Chang和Hong（2000）[23]利用韩国的企业集团数据研究发现通过内部资源共享和高效的关联交易，企业集团的存在确实节约了交易成本，促进了其成员企业的财务绩效；Ghemawat和Khanna（1998）[24]也通过两个典型的案例发现企业集团在人力资本、资本、市场等方面的确部分替代了市场机制，提高了整体运作效率。这些研究都支持了从交易成本视角的解释，它们认为企业集团的主要优势正是能以比市场机制更低的成本对内部资源进行配置，并据此断言企业集团在那些市场化程度低的国家中更为普遍，且随着市场的逐步完善，企业集团终究会被更有效率的网络化的组织所替代。如果将企业集团看作是一个利益一致的整体，把交易成本的降低看成新古典主义企业理论中的成本最优化问题，那么从交易成本视角对企业集团的解释也可以看成新古典主义下规模报酬解释的一种延伸。从资源获取视角来看，随着20世纪末战略理论中以Penrose为代表的资源获取理论的兴起，许多学者也开始从资源获取理论的角度对企业集团进行解释。Guill（2000）[25]就认为资源获取是企业集团的基本动机，而企业集团又是资源积累的必然结果。在他看来，企业在不断获取资源发展的过程中，必然会通过收购兼并等一系列方式来整合协调各方利益，进而形成企业集团。而企业集团的形式反过来又增强了单一成员企业的谈判能力，进而更有利于获取资源。从资源获取理论的视角来看，企业集团的竞争优势在于其资源整合和获取能力，当政府采取公平的市场政策或以市场为主导配置资源时，企业集团的优势将会大大削弱。除了经济学解释以外，社会学解释也被广泛接受，这种解释认为企业集团是一种与社会制度相契合的组织，其竞争优势来源于其成员企业之间的社会关系以企业集团这种组织形式稳定高效地联系起来，并预测企业集团会在不同的传统和文化下表现出较大的区别。Stinchcombe（1965）[26]就认为企业集团是社会准则、认知、文化等各种社会关系在经济组织中的映射，企业集团在适应这些社会因素的同时也受到这些社会因素的影响。Biggart和Hamilton（1992）[27]则通过对不同企业集团的考察总结出了企业集团内部成员企业之间的交互作用对社会传统、文化以及价值等的依赖。Whitley（1992）[28]在对东亚企业集团进行分析后发现社会制度、价值和认知直接影响了企业集团内部成员企业之间的信任和合作。而Guthrie（1997）[29]和Keister（1998）[30]的研究也通过新兴市场数据证明了社会关系对企业集团的行为产生了明显的影响。社会学中对企业集团的这些解释揭示了不同国家和地区企业集团的不同特征，同时也弥补了经济学解释的不足，回应了经济学解释无法回答的问题，即“如果市场是影响企业集团生存的根源，那么为什么不论是在市场机制完善的国家，还是在制度缺失的新兴市场国家，都总能找到相似的企业集团存在”。最后，政治学解释强调了企业集团对政府宏观政策的依赖，认为企业集团的合法性来源于对政治体制的认同，它作为政府实现经济宏观调控目标的工具来获取政府资源。这种观点将企业集团的竞争优势归因于从政府获取的“制度资源”[31]，并且预期当政府投入下降时，企业集团将由于自身缺乏市场竞争能力而被率先淘汰[32]。

而对于企业集团更细致的考察，现有主流研究则主要是从企业集团结构与形式、企业集团现金流权与控制权以及企业集团政治关联三个方面展开的。关于企业集团结构与形式方面的研究，一个非常自然的逻辑便是对企业集团的多元化和纵向一体化进行分析。在企业集团的多元化研究方面，Rajan等（2000）[33]以及Scharfstein和Stein（2000）[1]2540等都认为相较于那些市场制度发达的国家而言，在市场完善程度较低的地区企业集团这种组织形式更为普遍。其原因很容易用前面提到的交易成本进行解释，在市场不发达的国家，企业集团内部化的市场交易往往更有利可图。进一步地，更多学者从企业集团多元化的效率和动机两个方面进行了讨论。Fauver等（2003）[34]以及Claessens等（2003）[35]分别利用美国和东亚国家的数据证实，在市场机制不完善的低收入国家，企业集团往往出现多元化溢价，而在市场机制发达的高收入国家，企业集团多元化折价则是普遍现象。这说明对于市场化较低的国家，企业集团往往具有较高的效率，而对于市场化较高的国家，企业集团往往效率较低。Khanna和Palepu（2000）[36]以及Ferris等（2003）[37]通过对新兴市场国家的跟踪发现，即使对于同一个地区和国家，随着其市场化程度的提升，企业集团多元化效率也会逐步降低。而在企业集团多元化动机研究方面，多数学者认同企业集团某些方面的优势具有的跨行业外部效应是扩展边界、进行多元化的主要动机，如企业品牌和声誉[38]、管理者才能[39]等优势。值得一提的是，关于构建更大的内部资本市场是否为企业集团多元化的原因目前仍然存在着争议。Hoshi等（1991）[40]学者的经验证据表明扩大内部资本市场的确是企业集团多元化的动机之一，而Shin和Park（1999）[41]以及Perotti和Gelfer（2001）[42]对韩国和俄罗斯的数据分析结果却并不支持这样的看法。在企业集团的纵向一体化研究方面，Chang（2003）[43]系统地考察并分析了企业集团在实施纵向一体化时的具体步骤和外部环境，一个和企业集团多元化一致的看法是，在市场化程度低的国家，企业集团的纵向一体化更为普遍。最后，作为企业集团多元化或一体化的一个特例，企业集团涉入金融领域的现象引起了广泛的探讨。Maurer（1999）[44]和Porta等（2003）[45]就分别从正面和反面研究了企业集团涉入金融领域的影响。当然，企业集团涉入金融领域这一问题十分复杂，这有可能偏离利益最大化假说，并涉及对企业集团与政府之间谈判能力和博弈过程的具体讨论[46]。

关于企业集团控制权与现金流权方面的研究，现有文献对金字塔结构的企业集团给予了极大的关注。Claessens等（2002）[47]、Polsiri和Wiwattanakantang（2006）[48]，以及Yurtoglu（2000）[49]分别就不同国家的金字塔结构企业集团的普遍性以及外部影响进行了分析，他们发现金字塔结构在一些国家是企业集团现金流权和控制权分离的主要形式，而在另一些国家这种结构却并不常见。与企业集团金字塔结构紧密联系的一个研究主题是企业集团的隧道效应。Bianchi等（2001）[50]、Bae等（2002）[51]以及Joh（2003）[52]等学者的工作都表明在金字塔结构的企业集团中，大股东通过“隧道效应”侵占小股东利益的行为十分普遍。然而，这种企业集团金字塔结构与隧道效应之间的联系却并非那么直观，Franks等（2008）[53]就通过日本企业集团的数据对此观点持怀疑态度。而且就算是企业集团的金字塔结构与隧道效应之间存在某种联系，Cheung等（2006）[54], Dyck和Zingales（2004）[55]以及Nenova（2003）[56]的经验证据也都表明这种联系在不同的地区存在着很大的差异。企业集团现金流权和控制权研究的一个自然延伸便是企业集团的家族控制。许多学者，例如Tsui-Aush（2006）[57], Gomez（2006）[58]和Jones（2000）[59]等都认为许多企业集团，甚至在一些地区绝大多数企业集团都直接或者间接地受到家族控制。但是对家族控制企业集团的综合评价，不同的学者则持有不同的看法，Porta等（1999）[60]认为家族控制进一步降低了企业集团内部交易成本，在那些经济制度落后的地区，更有效地替代了市场机制，对企业集团的发展具有正向影响。Fogel（2006）[61]则认为家族控制本身是造成制度落后的原因之一。

关于企业集团政治关联方面的研究，现有文献首先考察了在企业集团迅速扩展和发展成熟的时候，政府所扮演的角色，进而分析了企业集团对社会福利的影响，并分析了企业集团对政府的反作用。其实对于那些知名的大型企业集团，如果追溯其起源和发展的历程，往往都能看见政府的身影。Kim（1997）[62], Maman（2002）[63], Keister（2004）[64]以及Guriev和Rachinsky（2005）[65]等学者在对不同国家的企业集团的发展进行分析后都得出一致的结论，认为政府是企业集团诞生和快速崛起的重要推动因素。且当企业集团发展壮大后，往往也和政府保持着密切的关系，这种关系的重要意义可以从政府对企业集团的政策支持、特许准入以及税收优惠等方面体现出来[66-67]。当然，随着企业集团的不断壮大，它和政府之间的关系也会逐渐变得微妙，Morck（2005）[68]以及Borensztein和Lee（2002）[69]便讨论了政府对企业集团发展的抑制行为。对于企业集团与政府关联的福利结果目前尚不明晰，这种关联既有可能如Musacchio（2007）[70]所言是适应性的，能促进社会进步，同时也可能如Huang（2003）[71]所言会导致市场化程度的降低，进而损害社会福利。由于企业集团的影响力逐渐扩大，一个自然的问题便是，企业集团是否可以反作用于政府进而改变自身的生存环境。的确，一些学者也沿着这样的思路考察了企业集团对政府的影响。虽然对于企业集团对政府施加影响的具体路径以及一般经济后果目前还缺乏详细的定量证据，但是Morikawa（1992）[72]以及Morck等（2005）[46]176-179的经验证据却证明了企业集团的确通过自身的影响力对政府施加影响，改变了自身的生存环境。

1.2.2 对信用风险研究的回顾和评述

对信用风险的研究应该说在一定意义上是具有哲学意义的，它暗示着未来在一定程度上历史重演，而人们可通过熟悉的历史对未来进行预测。现有研究对信用风险的考察基本上是按照信用风险评价技术的发展而展开的。这里不再对信用风险研究的重要性以及其哲学的思辨性意义做更多的讨论，仅遵循信用风险发展的技术路线，以信用风险经典评价模型作为逻辑线索对已有信用风险研究的主要工作进行一般的回顾和评述。

一个直观的例子是，当面临两个贷款人，其中一个人具有良好的履约记录，而另一个人具有多次违约记录的时候，对于任何一个理性的借款人而言其明智的做法显然是贷款给前者。这个例子实际上说明了一个简单的事实，历史的某一个“特征”往往可能对未来具有有益的启示。在借款人看来，作为对信用风险的控制，找到这种“特征”便显得十分重要。因此，Beaver（1966）[73]通过不断分析比较不同企业的信用历史，在众多特征中选取了“现金流/负债”这一指标作为这种“特征”建立了单变量模型，并率先对企业集团信用风险进行了预测。显然，一个直观的想法是，如果单一变量所带来的信息能够对信用风险进行预测，那么引入更多的变量，通过更多的信息来预测信用风险是否更加准确呢？正是基于这种想法，众多的学者拓展了Beaver的研究，不同的多变量模型层出不穷，其中最为著名的是Altman（1968）[74]所建立的Z-Score模型。这种模型的最初形式如公式（1-1）所示：

其中，五个变量依顺序分别表示“营运资本/总资产”“留存收益/总资产”“息前利润/总资产”“净市值/负债”和“营业收入/总资产”。

在这个模型中，Altman给出了经验的两个阈值——2.99和1.81。他预言当Z值大于2.99时，企业信用状况良好，而当Z值小于1.81时，企业面临严重的信用风险。1977年，Altman又对Z-Score模型进行了改进，提高了预测精准度，这种由7个变量形成的信用风险模型被称为Zeta模型[75]，这个模型一直沿用至今，并依然是解释最为直观、形式最简洁、处理效率极高的一种信用风险模型。此外，Goldberger（1964）[76]的线性判别模型也可以被看作是早期的多变量信用风险模型。这些多变量回归模型简洁高效，具有很强的解释力，但是其对样本的分布和方差有着极高的要求，这也限制了其应用的广泛性。为了弥补这些不足，在20世纪80年代，Logit模型和Probit模型被先后提出[77-78]，在这以后，大量的研究将这两种模型应用到不同的情景中，并证明了这两种模型在多个场合中预测精度均优于多变量信用风险模型[79-80]。此后，随着信息管理的兴起和计算机技术的飞速发展，诸如信用风险遗传算法模型[81]、信用风险神经网络模型[82]、信用风险聚类模型[83]、信用风险粗糙集模型[84]和信用风险投影寻踪模型[85]等一系列的模型和方法，以及这些模型和方法的适应性改进都不断涌现。虽然这些非参数方法在预测信用风险时表现出了极强的适应性和较高的精确性，但是这些方法都是以大样本作为前提，在样本量较小的情况下，却不一定能表现出比多变量模型更大的优势。

上述这些模型都是将信用风险主体看作是一个整体，提取其呈现出来的某些“特征”，以此为依据对其信用风险进行分析，这些分析并不考虑其价值本身的变化。而结构化模型却打开了信用风险研究的一扇新的大门，这种直接通过资本结构考察信用风险变化的研究范式将有可能直接洞察对象产生信用风险的运作根源。结构化模型的主要思想来源于Black-Scholes（1973）[86]期权定价模型，并由Merton（1974）[87]340-350正式提出。在市场无摩擦、无限制连续买卖、资产可分、无风险利率固定以及无套利的基本假设下，结构化模型假设企业价值服从简单的几何布朗运动，如公式（1-2）所示：

其中，Vt是t时刻的企业价值，u是漂移系数，σ为资产期望收益的标准差，而Wt是一个Wiener过程。

对企业而言，如果存在外生的在T时刻到期的债务D，那么结构化模型认为，当T时刻实现的时候，若企业价值小于D，则企业面临违约。那么根据期权定价理论，在初始时刻企业的信用风险，即违约概率可以表示为公式（1-3）所示：

其中，Φ（·）为标准正态分布函数。

从公式（1-3）中可以看出，在结构化模型下研究信用风险的关键在于对企业价值和价值波动性的估值。在这个方面，Duan（1994）[88]以及Jones等（1984）[89]做了创造性工作，提升了结构化模型的适应性。对于结构化模型的应主要改进其固有的两个缺陷：一个是结构化模型对违约事件仅锁定在债务D的到期时刻T。Black和Cox（1976）[90]率先放松了这个假设，设置了一个违约阈值，并认为只要企业价值低于这个阈值，企业现金流就会断裂，违约事件就会相继发生。另一个缺陷来源于结构化模型对无风险利率的假设，该假设将无风险利率在整个考察周期中固定。Longstaff和Schwartz（1995）[91]在其工作中利用Vasicek（1977）[92]对利率的随机化表达对这个假设进行了放松。当然，也有许多其他的学者，如Zhou（2001）[93]556-559，从其他方面对结构化模型进行了扩展。

除了结构化模型以外，另一种直接根植于信用风险主体自身运作的模型被称为简化模型。从结构化模型的视角来看，企业的信用风险来源于其自身资产小于其债务的可能性。然而现实中企业的违约往往与其资产没有必然的联系，自身资产状况良好的企业也可能因为其现金流短缺而面临高信用风险。因此，Jarrow和Turnbull（1995）[94]56-70就认为企业的违约完全是一种外生行为，受到外生变量的随机影响，而发生违约的时间则是随机的。正是基于这种想法，他们首先开发了简化模型对信用风险进行描述和分析，该模型在随后Jarrow等人的一系列工作中被很快明晰了下来[95-96]。简单地说，简化模型就是直接对违约事件进行外生分布假设，并据此计算出不同事件的信用风险。在对违约事件外生分布刻画的时候，一个常用的过程便是Poisson过程。

对于t时刻的计数Nt，齐次Poisson过程如公式（1-4）所示。

其中，λ是一个常数。

同样，对于t时刻的计数Nt，非齐次Poisson过程如公式（1-5）所示。

其中，λ（u）是一个函数，并被解释成强度函数。

至此，便基本可以描述信用风险了，即违约事件在某个时间段发生的概率。因此简化模型的思想实际上是十分简单和明快的。从公式（1-4）和公式（1-5）中也可以看出，利用简化模型的关键其实在于强度函数，也称为“违约强度”。事实正是如此，大量的学者在对违约强度的研究方面开展了富有成效的工作。这些工作最主要是从两个方面进行展开的。

一方面，是对违约强度的确定，其主要代表性工作由Duffee（1999）[97]和Yu（2003）[98]完成。

Duffee假定企业的违约强度服从Square-Root过程。

其中，α, β1, β2, ki, θi, σi为常数，si, t, ht为随机变量，Wi, t是Wiener过程且相互独立，i∈{0, 1, 2}。

Yu假定企业的违约强度服从随机过程，如公式（1-9）和公式（1-10）所示。

其中，k,θ,σ是常数，Gi（t）刻画不同企业的异质化特征，而W是Wiener过程。

另一个方面的研究则主要是对影响违约强度的因素的分析。这个方面的工作非常多，主要是从宏观经济环境和企业自身特质两个方面进行归纳，得到的结论也大多相似却不尽相同[99-100]。

从公式（1-6）至公式（1-10）Duffee和Yu对违约强度过程的假定中可以看出，式子的形式和在结构化模型中对企业价值过程的假定，与公式（1-2）极其相似。那么这种相似性是否意味着结构化模型和简化模型天然的统一呢？事实上，在结构化模型中暗示了债务人对企业的价值变动可以掌握完全信息，企业价值的任何变动，债务人都能在第一时间知情，而不确定性的根本来源于企业价值变化本身，而在简化模型中，企业的价值不再重要，这种不确定性对于债务人来说完全来源于信息，即违约强度变化。因此，当限制了债务人对企业价值的信息结构，似乎在某种程度上就可以在结构化模型的背景下对简化模型进行统一。事实也的确如此，Duffee和Lando（2001）[101]通过对企业价值增加一个“噪音”，首次将结构化模型和简化模型统一了起来。Cetin等（2004）[102]和Giesecke（2006）[103]也从不同的角度通过限制信息结构将两个模型纳入了统一的分析框架。此外，Giesecke和Goldberg（2004）[104]、Frey和Schmidt（2007）[105]、Li和Gsarte（2003）[106]以及Jarrow等（2007）[107]等都在简化模型与结构化模型的统一方面做了大量的工作，并得到了更加一般性的结论。

1.2.3 对企业集团信用风险研究的回顾和评述

正如前文所述，对企业集团的研究和信用风险的研究都遵循着各自的逻辑线索。关于企业集团信用风险的研究工作则更像是一个交叉的综合性研究。总体而言，目前就企业集团信用风险的研究可以归纳为三部分。第一部分是关于企业集团信用风险的定性分析；第二部分是关于企业集团信用风险的定量评价；第三部分是针对企业集团背景下信用风险特征的研究。事实上，本书所涉及的一系列研究也可以被归纳为第三部分的研究范畴。

在企业集团信用风险定性分析方面，许多学者都从企业集团信用风险的产生根源、特点和商业银行对企业集团客户信用风险的控制等角度进行了研究。对于企业集团信用风险的产生根源，Djankov等（2008）[108]，王琨和陈晓（2007）[109]等许多学者都认为，企业集团信用风险的重要根源在于限制程度很低的内部关联交易。这是因为，虽然企业集团可以通过内部关联交易实现其某些短期目标和利益，但是从长期来看内部关联交易的危害是巨大的。它不但削弱了内部成员企业的市场化程度，降低了其市场竞争能力[110-111]，同时也扭曲了内部成员企业的行为，削弱了其技术升级和创新的动力[112]，更有可能成为大股东实施“隧道效应”的手段之一[113-115]，这些都增大了企业集团的信用风险。而更直接地，Denis和McConnell（2003）[116]、Shleifer和Vishny（1997）[117]、Porta和Lope-de-Silanes（2000）[118]以及Yeh和Woidtke（2005）[119]的证据都表明企业集团为了追求高风险利润、满足银行信贷要求以及寻求投资者，极有可能通过内部关联交易进行资产转移以达到粉饰报表、获取高风险下超额利润的最终目的。而这种行为规避了银行监管，削弱了内部成员企业偿债激励，提高了企业集团整体信用风险。此外，对于企业集团进行规制的外部法律法规缺失或尚不完善[120-121]、企业集团内部成员企业之间的担保虚化[122]以及企业集团自身管理[123]也都可能是企业集团信用风险的重要根源。对于企业集团信用风险的特点，廖春良等（2006）[124]以关联交易的视角将企业集团信用风险分为三类。夏虹等（2008）[125]、宋其[126]、周启正等宋其[127]指出企业集团信用风险的重要特征在于具有跨行业传染性和系统性。田立敏（2008）[128]、杨建钢和袁中伟（2006）[129]分别提出在考虑企业集团信用风险特征时应该考虑企业集团内部成员企业的层级和企业战略。而其他一些学者也分别从不同的角度定性分析了企业集团信用风险的特征[130-131]。最后，也有一些学者从商业银行的视角对企业集团信用风险进行了审视，他们不但分析了为什么商业银行对企业集团客户“情有独钟”[132]，而且也对商业银行对于企业集团客户的信用风险管控，从外部宏观环境、法务措施到内部监管方面都给出了有益的政策建议[133-135]。

在企业集团信用风险的定量评价方面，大多数已有研究都是将传统经典信用风险评价方法或这些方法的改进方法应用于企业集团这个特殊的对象之中。由于在这个方面进行研究的文献非常多且都大同小异，不外乎是对企业集团进一步进行更细致的分类以使得研究更有针对性而已，因此这里仅列示一些近年来的研究成果。例如，庄乃琪（2012）[136]利用Logistic回归对一类企业集团客户的信用风险进行了评价；肖磊等（2012）[137]利用概率神经网络模型（PNN）对企业集团信用风险进行了评价，且证明了该模型在企业集团信用风险预测的精度上较BP神经网络模型更有优势；而刘睿（2010, 2012）[138-140]应用云中心理论和Dematel方法都讨论了我国上市企业集团信用风险评价的问题。当然，也有一些学者考虑到了企业集团信用风险评估与单一企业集团信用风险评估的区别，并希望通过模型的改进或者指标体系的重构将这种区别刻画出来。例如，张知（2013）[141]便考虑到了企业集团多元化经营下的信用风险评价问题；而陈林和周宗放（2008）[142]在对企业集团信用风险进行评估时，通过引入模糊逻辑门FTA考虑到了企业集团的内部股权结构的影响；刘文蕊（2010, 2011）[143-144]希望通过对传统信用风险评价方法进行组合形成组合评价方法，借此提高对企业集团信用风险评价的准确性；李丽和周宗放（2010, 2013）[145-146]通过分别对传统KMV方法和SVM模型的修正增加了企业集团信用风险评价的精度；肖珉（2012）[147]则对各种经典传统信用风险评价方法在企业集团信用风险评价中的表现进行了综合分析。总体而言，这些研究都在方法上对企业集团信用风险的评价研究做出了贡献。然而这些文献大多仅仅停留在对信用风险评价方法或模型的应用层面，即使有少量的改进，也很难说清楚这种改进与企业集团特质之间的必然联系。

最后，笔者对第三部分的研究，即针对企业集团背景下信用风险特征的研究做一个简述。需要先说明的是，这一部分的研究往往与前文讨论的1.2.2的研究具有一定的交集，例如前文提到的陈林和周宗放以及李丽和周宗放的研究从技术上来看实际上它们更像是属于这一部分的研究，之所以将其放在第二部分中进行综述主要原因是它们从某种程度上来讲正是一个实证模型的理论构建部分，而它们的实证延伸却正好代表了一类考虑内部股权结构的企业集团信用风险评价工作。在讨论企业集团背景下的信用风险特征研究之前，有必要对违约相关性度量方面的研究做一个简要的回顾，因为企业集团信用风险的最大特征便是内部关联，而这个部分的大量研究也可以看作是违约相关性研究的一个延伸。Lucas（1995）[148]最早指出企业之间的违约可能具有某种关联性，并利用相关系数，如公式（1-11）所示，度量了两个违约事件A和B之间的这种关联性。

其中：

在这之后，一部分学者在结构化模型的框架下研究了信用风险的相关性。由于结构化模型的信用风险是由企业价值的变化驱动的，因此这部分研究的主要关注点在于企业之间的价值相关性。从公式（1-2）中可以看出，在用结构化模型分析单一企业信用风险时假设了其价值服从几何布朗运动，那么在讨论多个企业价值相关时，一个直观的逻辑便是假设它们的价值服从多维几何布朗运动。的确，Zhou（2001）[149]率先通过假设两个企业价值服从二维几何布朗运动分析了两个企业之间的信用风险相关性。随后，Hull等（2005）[150]通过假设存在某些对所有企业价值变化都具有影响的因子，构建了企业之间的价值相关性，进而得到了企业信用风险关联性模型，而Giesecke（2004）[151]也从另外一个角度构建了信用风险相关性模型，他认为正是不同企业之间的信息相互揭示使得这些企业的价值变化具有某种相关性，从而影响其信用风险相关性。另外一些学者则通过实证的方式支持了企业之间的信用风险相关性理论[152-154]。另一部分学者则是在简化模型的框架下对信用风险的相关性展开了研究。由于简化模型将企业的违约行为假定为外生分布的直接冲击，因此一些研究关注了外生分布违约强度函数之间的传染性。Davis和Lo（2001）[155]以及Egloff和Leippold（2007）[156]等都通过考察外部影响传染的因素，建立了企业之间信用风险的传染模型；另一些研究则直接关注到了简化模型外生分布之间的非线性相关性，这些研究衍生出来一类广泛的方法，即Copula方法。这类方法对于分布函数的非线性拟合非常有用，而这方面的研究也十分庞杂，许多学者在Copula方法的研究方面做出了重要的贡献。然而，这类方法的缺陷在于在没有足够的数据支撑的情况下对Copula函数的选取存在一定的随意性[157-160]。

在介绍了信用风险相关性研究后，下面将对企业集团背景下信用风险特征的研究进行一个阐述。事实上，将信用风险直接根植于企业集团下的定量研究目前还不多，因此这里在叙述的时候，将按照本书的研究逻辑，对这部分研究分为微观的，即企业集团信用风险在内部成员企业之间的传染研究，和相对宏观的，即企业集团信用风险的演化特征进行阐述。一方面，对于企业集团信用风险在内部成员企业之间的传染机制的研究，已有文献有所涉及，陈林和周宗放（2010, 2011, 2013）[161-164]等在这方面做了大量的工作，这些形式化的研究可以被看作是前文所讨论的企业信用风险相关性研究的一个延伸，而这些工作也都为考察企业集团信用风险在内部成员企业中的传染机制提供了重要的研究启示。然而，这些研究对企业集团内部成员企业之间的信用风险传染原因都无一例外地仅归结为这些成员企业之间的股权连接。从某种意义上来说，这些研究和Lucas（1995）[148]以及Hull等（2005）[150]等在结构化模型下考察企业信用风险关联性的基础工作并没有太大差异，仅是在其基础上加入了企业之间由于相互持股而导致的价值的更多相关性。而这种仅用股权连接定义的狭义的企业集团也限制了企业集团信用风险传染机制的研究范围，并难以找到传染机制在异质化企业集团中所变现出的不同特征。另一方面，对于企业集团信用风险演化的特征，由于涉及对企业集团内部成员企业之间复杂的交互关系进行刻画，因此大部分都是利用计算机仿真技术来实现的。徐超等（2010, 2012）[165-166]考察了计算机仿真技术在企业集团信用风险演化中的应用前景，并且利用元胞自动机对企业集团信用风险演化进行了刻画；管丹辉和周宗放（2013）[167]也在其基础上进一步通过仿真手段对企业集团信用风险演化的延迟效应进行了分析。然而这些工作有两个重大不足，第一个是对企业集团信用风险演化的特征并没有明确界定，第二个是过于简化，并没有体现企业集团信用风险演化对企业集团内部成员企业之间的交互以及内部企业与外部企业之间互动的依赖。甚至管丹辉和周宗放（2013）[167]在研究中对企业集团内部交互的刻画在一定程度上更像是一个数值算例。