晨鸣纸业永续债融资风险研究

来源 :北京交通大学 | 被引量 : 0次 | 上传用户:albalb
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
2018年,我国重点推进国有企业去杠杆政策,国有企业开始寻求各种方式来降杠杆。永续债附加了递延付息、延期赎回条款,在满足条件时可以计入所有者权益、降低资产负债率,成为热门融资方式。但是企业在续期永续债时,票面利率会上升,因此大多数企业在第一个定价周期结束后就选择赎回永续债,永续债的实质仍为债券。这就导致了企业降杠杆长期效应不稳定,隐含着财务风险。同时,部分企业由于信用状况恶化而续期永续债,导致融资成本上升,财务风险进一步加大。由此可见,永续债也并非只有降杠杆的益处,其风险也不容忽视。基于国有企业永续债融资中存在的问题,本文选取高杠杆的国有企业晨鸣纸业为研究主体,以其发行的17鲁晨鸣MTN001为研究对象,重点研究其融资中存在的风险。本文首先介绍了永续债融资发展现状,其次介绍了发行主体的财务特征,分析出了企业进行永续债融资的动因。接下来本文对永续债融资过程进行了分析,包括融资方式选择、条款、发行利率以及续期行为分析,从融资过程中识别出了融资风险。然后,本文具体分析了融资风险,利用CIR模型和蒙特卡洛模拟法计量了基准利率风险;通过计算隐含资产负债率、隐含财务杠杆系数衡量财务风险;从融资成本上升和再融资环境恶化两个角度分析续期风险;通过计算企业自由现金流来分析到期偿付风险。最后,本文针对各类风险提出了相应的防控措施。本文的研究结论如下:首先,永续债融资风险体现在融资过程中,永续债的融资风险包括基准利率风险、财务风险、续期风险和到期偿付风险。企业选择永续债作为融资方式,就必须面临着降杠杆不可持续所引发的财务风险;企业发行、续期永续债时,会面临着基准利率波动风险;在企业续期永续债后,会带来融资成本上升风险和再融资环境恶化风险;由于永续债的“债”性,其并不能永续,企业不能忽视到期偿付风险。其次,对晨鸣纸业永续债融资风险进行了研究,研究认为其基准利率风险较小,企业在利率下行时发行、续期永续债,可以相对降低融资成本;财务风险较大,存在隐含盈利风险和隐含杠杆风险,近年来晨鸣纸业净利润的下滑进一步加剧了财务风险;续期风险较大,续期后企业融资成本上升、再融资环境恶化;到期偿付风险存在,但预计企业会将其偿付。本文通过研究晨鸣纸业永续债融资存在的风险,可以为采取永续债融资的企业提供参考,使其重视永续债融资风险,并选择适合自身的降杠杆方式。同时在理论层面,本文也丰富了永续债融资风险的研究。
其他文献
近年来,学者们为突破冯·诺依曼计算系统的局限性和实现更强的计算系统,且在生物脑科学的启发和在硬件算力快速发展的背景下,提出了诸多关于类生物神经网络的计算技术,而在对生物神经网络的模拟中,脉冲神经网络(Spiking Neural Network,SNN)是目前较多学者研究的类脑计算技术。脉冲神经网络的神经元节点具备时间序列动力学特性,其突触结构通过稳态可塑性学习规则来达到平衡,并且能通过不同的拓扑
学位
信息抽取技术作为自然语言处理领域最重要的底层任务,旨在从非结构化的文本中抽取出高密度的知识元,其最重要的两个子任务是实体识别和关系抽取。知识图谱具有强大的语义推理能力,构建高质量的产业知识图谱能够推动行业信息化转型。然而,互联网上的非结构化数据通常蕴含着复杂的文本结构,传统的信息抽取算法无法应对这种复杂的语义信息。本文通过改进现有的算法,围绕如何有效处理重叠三元组这一问题展开研究,主要研究内容如下
学位
过去的几年里,随着图形图像处理设备性能的大幅提高,深度学习席卷了计算机视觉大部分领域。目前为止,SFM(Structure From Motion)是计算机视觉中少数还是由传统方法占据优势的领域之一。传统的SFM算法大多依赖于几何计算,首先通过特征匹配找到两帧之间的相匹配的特征点,再利用几何线索的显式推理来重建三维结构,从而得到深度信息。这些算法经过多年的研究和优化已经取得了优秀的成果,但是在环境
学位
透明物体作为日常生活中常见的物体,对其进行操作是机器人领域中具有挑战性且亟待解决的问题。其中,如何实现透明物体的6D位姿估计已成为一个关键技术难点。目前,主流的6D位姿估计方法主要面向于纹理丰富或不透明的物体。本文将以透明物体作为研究对象,结合透明的光学特殊性,开展了对透明物体基于RGB-D的6D位姿估计方法研究,提出了纹理与深度信息融合的透明物体6D位姿估计方法。本文的研究内容主要包括:(1)针
学位
在现实世界中,真实数据往往来自多个异构源或者通过几个不同的特征集来描述,这便是多视角数据。由于多视角数据往往可以更为准确地描述目标对象,多视角学习已成为机器学习领域的重要分支之一。与此同时,多视角数据往往会由于一些不可控因素丢失一部分样本,从而造成数据的不完整性。为了更好地处理这些不完整的多视角数据,不完全多视角聚类成为独立于完全多视角聚类的一大分支。挖掘(不)完全多视角数据潜在的一致性信息是提升
学位
在经济快速发展的过程中,近年来社会用电量高速增长,电网需求也随之增加。为满足基本生活需求,保证居民正常生活,现有的电网规模日益扩张,增设的输电线路导致其分布更加繁杂,给电网安全带来了巨大的挑战。我国土地辽阔,地理环境复杂,为实现用电全国覆盖,部分输电线路需经过地质条件复杂的区域,复杂的地质条件因其受自然环境影响可能发生不利变化或异常变化,输电线路长期暴露在自然环境中,因其所处地质环境复杂,极易遭受
学位
得益于深度学习和卷积神经网络的发展,近年来图像超分辨率重建算法发展迅速。相比较于传统插值法和重构法,深度学习能够更有效地学习低分辨率图像与高分辨率图像之间庞大而且复杂的映射关系。但现阶段基于卷积神经网络的图像超分辨率重建网络不仅模型复杂度高,图像特征利用率低,而且对于设备性能的要求也很高。尤其是应用在复杂拍摄环境中的图像超分辨率重建算法,由于拍摄环境和设备的限制,加之环境噪声复杂,算法能够提取到的
学位
随着互联网平台的迅速发展,服装线上市场的发展也得到了拓宽。线上服装市场凭借简单快捷、价格便宜的特点,吸引了一大批线上用户,用户足不出户就能够根据个人喜好进行挑选和搭配。用户可以如此便捷的进行线上服装购物,都是因为商家对大量的服装图片进行了人工分类上传,这其中需要消耗了巨大的人力成本。目前这样的问题都可以通过深度学习的相关算法得到改善,例如通过深度学习算法对繁多的服装类型进行自动识别并分类,以此降低
学位
在我国药品研发行业快速发展的背景下,医药研发外包(Contract Research Organization,CRO)行业逐步进入人们的投资视野,业界日益关注CRO行业中的公司估值问题。本文旨在通过梳理国内外企业价值评估的理论和方法,在剖析我国CRO行业发展现状、以及泰格医药所属细分领域、行业地位、业务财务、盈利模式等特点的基础上,筛选出适合泰格医药企业的现金流折现法和乘数法的联合估值技术,合理
学位
高光谱成像(Hyperspectral Imaging,HSI)能提供丰富的空间及光谱信息,能实现对成像目标精细的识别与分类,被广泛应用在土地覆盖检测、全球环境监测、资源管理、自然灾害监测、星际探测和医学诊断等领域。高光谱技术与显微镜技术结合生成的显微高光谱成像(Micro-hyperspectral Imaging,MHSI)技术,在医学领域具有重要的地位。本文在自主搭建的显微高光谱成像系统上,
学位