第 1 章 绪论
1.1 背景及研究意义
1.1.1 选题背景
自 21 世纪初以来，随着中国债券市场的快速发展，债券违约已成为近年来债券市场的代名词。债券赎回危机不时发生，但在政府部门，银行机构和监管机构的帮助下，债券违约危机最终解除。在国际市场上，债券违约是市场发展的必然阶段。2014 年，中国债券市场迎来了第一个债券违约事件，即“11 超日债”违约事件。“11 超日债”因无法支付到期本金及利息，构成实质性违约，虽然债券构成了重大违约，但外部因素的干预并未打破中国债券赎回的长期处理模式， 延续了刚性兑付的传统。“11 超日债”的违约却标志着原有的中国债券市场从此迈入新阶段，债务违约不再是一个代名词，而是切切实实涉及到投资者切身利益的事件。据统计，2014 年有 6 家企业发生债券违约，总计金额 13.4 亿元；2015 年违约事件发生共计 22 宗，涉及金额 124.1 亿元；2016 年共有 78 只债券违约，涉及金额 388.94 亿元;2017 年，违约债券总数为 148 起，涉及 83 个违约方，累计违约金额为 597.76 亿元。2018 年，违约主体企业增加到 120 个，累计违约金额为 1176.51 亿元，创历史新高。这些违约债券的发行人不仅涉及民营企业，更包括有地方政府背书的国企甚至央企。大规模的违约事件不仅影响了中国债券市场的稳定发展，也给投资债券的机构和个人造成了不可避免的损失。
债券违约的出现和信贷危机的加剧，对债券市场的稳定和发展产生了巨大的负面影响，引起了债券市场投资者的恐慌。债券违约产生的内在原因，大规模债券违约的影响以及如何避免此类危机已成为债券发行人和债券服务机构迫切需要解决问题。鉴于此，本文希望深入分析中安科债券违约的原因，以期获得相关的启示，如完善债券发行信息披露制度，建立有效的监管体系。对债券市场投资者如何规避债券违约风险提出了合理建议，对有效保护机构和个人债券投资者的合法权益，促进中国债券市场的持续健康发展进行一定的补充。
........................
1.2 研究方法与研究内容
1.2.1 研究方法
1.文献分析法
本文通过国内外文献的浏览查阅，详细了解了债券市场信用风险，债券违约控制的相关理论，客观了解到了研究方向，为进一步研究打下了坚实的理论基础。
2.理论与案例相结合方法
本文通过对中安科股份有限公司“15 中安消”企业债券违约回顾，查阅了中安科有限公司由经营良好到债券违约的所有相关资料，认真分析了违约背后的成因，总结企业在运营过程中所出现的问题，为我国安防行业健康发展提供一定的参考意义。
本文的研究不是单一方面对理论进行阐述和研究，而是以中安科违约案例 为出发点，在出现的实际的案例中运用多种理论去判断分析债券违约的影响因素，通过定性分析建立理论模型，再利用数据分析论证，使文章的结论更具说服力。
3. 定性分析与定量分析法
本文以定量分析方法为主要分析方法，如对安防行业整体数据分析、公司财务指标分析，包括营运能力，偿债能力，盈利能力，发展能力以及预测模型分析等，在根据定量分析原有数据上，利用定性分析来探究中安科股份有限公司债务违约距离以及概率，对公司所面临的财务风险系数进行识别，对中安科股份有限公司的信用风险做出预警。
.............................
第 2 章 文献综述与相关理论
2.1 国内外文献综述
由于中国债券市场起步较晚，国内对于债券市场的研究相对滞后，但随着中国债券市场的蓬勃发展，基于中国社会主义市场经济的特点，国内学者不断发展和完善相关理论。
2.1.1 在债券信用风险度量方面
Beaver(1966)[1]为了利用财务指标区分正常企业与财务风险较高面临破产的企业，创新的运用了判别分析理论，使用现金流量与负债比率，分析正常企业与面临重大财务风险的公司之间的差异。然而单一指标解释能力并不能完全反应企业财务风险，多变量判别分析法应运而生。Merton（1974）在研究企业资本结构基础上，构建了信用风险分析模型，但是模型构建的前提是债券融资期间现金并未流出，这显然不符合现实要求。通过回顾现有的文献，学者通常将财务风险预警模型分为两大类：单变量和多变量财务预警模型。多变量模型又主要包括多元线性回归分析( Z -score 模型和 F 分数模型)、多元非线性回归分析( Logistic回归分析) 以及人工神经网络模型等。
自诞生以来，Z-score 模型凭借其高客观准确性被视为多变量判别分析模型破产预测的典型例子。国外学者还建立了许多其他金融危机预警模型，用它来分析公司是否面临金融危机，然后确定公司是否存在金融风险。基于 Z-Score 模型，Altman[3]，Haldeman 和 Narayanan（1977）扩展了第二代 7 因子判别分析模型，ZETA 模型。其他模型包括 Ohlson（1980）的逻辑回归预警模型（逻辑模型），其中包括股权和营业收入，企业大小和变现能力四类财务指标为解释变量，从而对其财务危机进行预警。其他模型包括 Odom 与 Sharda 的类神经网络预警模型等[4]。Odom 在 1990 年采用神经网络预警模型对上市公司财务数据进行研究，对60 余家企业（包含上市非上市）进行财务预警分析，在 ANN 方法下对于企业财务预警正确率颇高，达到 82%..虽然类神经网络预警模型正确率颇高，但是也存在着工作随机性强，人为调试耗时较多等缺点。
..........................
2.2 国内外文献述评
通过回顾文献资料，我们可以了解到，国内外学者一直致力于债券违约相关研究，得出债券违约的原因也不尽相同，关注点也有不小差异。由于外资市场发展早，国外学者对债券违约的的研究较早、应用较早。
虽然我国债券违约研究起步较晚，但取得不错的成绩。近年来，国内一些学者基于一定的财务风险理论，构建了财务风险预警模型，用以对债券违约进行预警防范。也有少部分学者在研究企业债务违约时引入了公司治理和经济附加值等非财务指标，使得分析过程更加全面。然而，作为近些年新兴起的安防行业，由于其行业特殊性，中国学者对安防行业研究较少，尤其作为上市主体，在后续发债融资的过程中研究更少，但是伴随着宏观环境的作用以及自身经营的问题，债务违约近些年频频出现，本文试图站在传统的对违约企业进行财务分析的基础上，具体到具体行业具体企业根据其本身特殊性，得出其违约的真实原因。为安防行业相关企业的企业经营提出一定的意见建议，并希望相关企业能从中安科身上的出相关启示，完善自身经营，强化经营战略。
.............................
3.1 行业概况 ....................... 13
3.2 企业概述 .............................. 17
第 4 章 中安科股份有限公司财务违约临界分析 .............................. 25
4.1 中安科股份有限公司 Z-Score 违约预警模型分析 ................. 25
4.1.1 Z-Score 违约预警模型数值计算 ................................... 25
4.1.2 基于 Z-Score 违约预警模型数值结果分析 ................. 29
第 5 章 中安科股份有限公司债务违约风险控制措施 ...................... 46
5.1 优化产业结构提高盈利能力 ............................... 46
5.2 关注财务风险 .............................. 47
5.3 确保担保增信力度 ...................... 48
第 4 章 中安科股份有限公司财务违约临界分析
4.1 中安科股份有限公司 Z-Score 违约预警模型分析
4.1.1 Z-Score 违约预警模型数值计算
财务预警模型通过回顾现有的文献，学者通常将财务风险预警模型分为两大类：单变量和多变量财务预警模型。多变量模型又主要包括多元线性回归分析( Z -score 模型和 F 分数模型)、多元非线性回归分析( Logistic 回归分析) 以及人工神经网络模型等表 5-1 通过表格的方式直观的阐述上述定量财务预警模型的优劣势。
........................
第 5 章 中安科股份有限公司债券违约风险控制措施
5.1 优化产业结构提高盈利能力
中安科股份有限公司债务违约的根本原因在于自身的盈利状况持续下滑，根据市场需求在宏观经济下行，政府需求持续减弱的大背景下，虽然行业规模稳步增长，但是传统的安防行业正在向智能化，智慧化发展，同时家居安防正在成为市场新宠儿，公司应积极利用互联网的优势快速推进民用安防市场，与此同时了解客户的多元化需求，制定专门的销售策略，灵活面对市场显得愈发重要。
随着人工智能全面爆发，生物识别技术广泛应用，深度学习算法增强，云计算规模扩大，技术创新不断加快，为了在未来的竞争格局中占有一席之地，企业必须加大对技术创新的投入。中安科股份有限公司将安防系统集成及运营服务作为其发展重点，但是相对于安防系统集成与运营服务，安保智能产品制造无疑性价比更高，但是安保智能产品所面临的技术门槛也更高。同时，通过广泛覆盖各个市场的客户，公司对客户大数据的基础有深刻的理解和掌握，有助于探索与大数据相关的业务模型。如深入了解客户的多元化需求，贴近行业智能化，全球化的发展趋势，推进技术研发，拓展城市综合解决方案业务 并有利于继续发展计算机视觉，视频会议系统，专业无人机，智能消防和机器人等新兴业务。
参考文献（略）