Y角兽独家：如何识别非上市企业的回款风险

2026 年，哪些公司会还不上钱？

Y角兽没有征信资质，不对外提供信用评价，不生成征信报告。

我们发布的是《Y角兽回款风险预防研究模型》（内部代号 PRQ-4，Peer-Relative Quality），覆盖 2026 年上半年 4,237 家 A 股上市公司、124 个申万二级行业，其中 4,236 家完成质地分层。

这套模型只做一件事：把每一家企业放回它自己的行业里，用同行业上市公司的财务质地分布，标出它在回款风险上的相对位置。

它的用途不是给上市公司排名，而是用同行业上市公司的风险分布，去描摹同一行业里非上市公司的风险位置——这是本模型与通用信用评分最根本的区别。

为什么回款风险需要专门的模型

1. 老办法失效：账期长短是行业属性，不区分好坏

先说一个最容易被误用的指标——账期（DSO）。

军工电子行业的标杆账期是 365.6 天，白酒行业是 1.6 天。如果按绝对账期排名，军工全行业垫底。但这不代表军工企业质地差，只代表这个生意的付款节奏本来就慢。

实测：军工电子行业的企业，用绝对分排名挤进全市场前 28% 的比例是 0%；换成同业相对评价后，该行业有 25.0% 的企业进入前两档。

结论：跨行业比绝对水平，是错的。

2. 三个反直觉事实

事实一：财务结构区分不出回款好坏。

我们测过：回款最好的一组和最差的一组，在薪酬率、有息负债率、销售费用率、在建工程占比上的组内中位数差异最大只有 0.02，其中两项完全相同。所以本模型不用财务结构当质量分。

事实二：真正有效的信号是「变化」，不是「水平」。

按「糟糕组命中率 − 优秀组命中率」排序：「回款趋势下行」的区分度是 +48.4pp，「经营现金流转负且恶化」是 +40.9pp，而「长账期」只有 +10.0pp，「票据占款」只有 +0.1pp。判断一家企业回款是否在恶化，看同比方向比看绝对账期有效得多。

图：各风险信号的区分度对比——「变化」类信号远优于「水平」类信号

事实三：收现比高，可能是坏事。

2026H1 最末一档企业里，有 110 家收现比 ≥ 1.2。它们不是回款好，而是信用崩塌的伴生形态——详见第四章第一节。

3. 所以模型必须是这三句话

可比性来自「同业相对位次」，不是全市场绝对分；

信息量来自「四个业务维度各自回答一个问题」，不是混成一个总健康度；

安全性来自「一组只能降档的绝对风险门禁」，防止烂行业里的第一名被包装成优质。

模型结构：四维十五指标

每个指标先在其所属的申万二级行业内计算分位（0~100，方向已统一为越大越好），再加权成维度分，四维加权成综合分。

权重为什么是 30/25/25/20：回款质量权重最高，因为它是本系列的起点、数据可得性也最好（100%）；盈利与偿债并列第二，两者共同决定「这家企业会不会出事」；成长动能权重最低，因为半年报的同比受并表与季节性影响最大——本模型对营收同比 >100% 或 <−60% 的企业直接不给成长分。

图：PRQ-4 模型架构总览——四维十五指标、同业分位、五档分层与绝对门禁

同业参照系怎么定

每个指标在申万二级行业内算分位（0~100）；

行业内样本不足 8 家 → 退化为申万一级行业内比较；

一级行业仍不足 8 家 → 退化为全市场，并在结果中标注。

2026H1 实测：4,161 家在二级行业内比较，76 家退化到一级行业。

分档规则：五档 + 绝对风险门禁

第一步：同业相对分位 → 五档

综合分在同行业内的分位决定基准档位。相对分位保证每个行业都有自己的 S 与 D，这正是「同业对标」的应有之义。

第二步：绝对风险门禁（只能降档，不能升档）

相对分位有个副作用：一个全行业都很差的行业，也会有企业被评成 S。所以叠加一组绝对门禁——命中即封顶，且永远只能往下压。

行业属性豁免（关键校准）：H1 经营现金流为负，对建筑、军工、To-G 行业是常态（回款集中在 Q4），不是个体问题。如果不做处理，首轮实测「基础建设」「房屋建设Ⅱ」两个行业会被门禁砍到一家 S 都没有。因此加入规则：某门禁在本行业命中率 > 40% 且样本 ≥ 10 家时，判定为行业共性，对该行业停用。

这一条直接让「基础建设」的 S/A 比例从 6.7% 回到 30.0%。

第三步：数据不足不出分

图：2026H1 五档分布环形图（共4,236家完成质地分层）

若某维度内有效指标不足一半、或有效维度少于 3 个，则该企业不给综合分与档位，不硬凑。

2026H1：4 维齐全 4,061 家、3 维 175 家、2 维不出分 1 家。

模型抓到的三类「伪装」

1. 高收现比陷阱：信用崩塌型企业

2026H1 的 D 档里，有 110 家企业收现比 ≥ 1.2，单看这一项像是「回款非常好」。但它们的中位数长这样：

核心差异有三条：营收同比 -14.2% 对 -0.5%；DSO 193.8 天对 106.8 天；应付账款同比 -1.2% 对 S 档的 +16.1%。

为什么收现比会虚高？这是「钱已经进来、收入确认不了」的典型形态：

分子（销售商品收到的现金）相对稳定——预收款、监管账户资金、资产处置款都在进；

分母（营业收入）断崖——项目停滞、交付不了、验收不了；

结果：收现比被动抬高。

采购端给出第二个证据。这些企业的应付账款同比中位是 -1.2%，其中 53.6% 的企业应付账款在收缩；而 S 档企业的应付账款同比是 +16.1%，只有 27.8% 在收缩。

也就是说——供应商已经不愿意再赊账供货了。企业同时失去上游账期与下游订单，只能被迫做现金化交易：现款采购、现款销售、甚至抛售资产换现金。收现比因此被动走高。

房地产是典型样本。2026H1 D 档房企里：

金科股份应付账款同比 −96.0%、营收同比 −87.1%；中交发展应付同比 −93.8%；上实发展 −43.5%；西藏城投 −38.0%。上游用停止赊供投了票。

这就是为什么模型不能只看收现比。我们叠加了 DSO、经营现金流、净利率与门禁，把这一类企业正确压到最末档。

图：高收现比 D 档企业与 S 档企业的三组关键指标对比

2. 行业属性误伤：军工与基建

以「属性型长账期」行业为例，对比它们在绝对分口径与同业相对口径下的评价差异：

绝对分口径下，这 5 个行业无一家能进入前 28%；本模型下提升到 20%~30%。这就是「跨行业公平」的量化体现。

图：属性型长账期行业在绝对分口径与同业相对口径下的 S/A 比例修正

3. 相对分位的副作用：烂行业也有 S

相对分位保证每个行业都有自己的 S 与 D，但一个全行业都很差的行业，也会有企业被评为 S。这是相对评价制度的必然代价，只能靠绝对门禁部分缓解，无法消除。

2026H1 共有 539 家（12.7%）被绝对门禁降档。使用时请注意：档位是相对位置的表达，不等于对企业偿债能力的判断。

2026H1 各行业回款风险地图

下表按申万一级行业归类。S+A 占比越高，说明该行业优质企业密度越高；D 占比越高，说明该行业尾部风险越集中。请注意各行业样本量差异很大（机械设备 438 家 vs 林业Ⅱ 1 家），小行业的比例波动大。

图：2026H1 主要行业 S+A 优质密度与 D 尾部风险对比（按D档占比排序）

机械设备

电子

基础化工

医药生物

电力设备

汽车

计算机

轻工制造

公用事业

有色金属

交通运输

传媒

食品饮料

建筑装饰

通信

环保

纺织服饰

农林牧渔

家用电器

国防军工

商贸零售

房地产

建筑材料

社会服务

钢铁

石油石化

煤炭

美容护理

综合

怎么用：上市企业 → 非上市企业风险描摹

模型的价值不在上市公司本身，而在于它给出了每个行业的「风险位置基准」。把非上市公司的数据放进同一个行业坐标系，就能知道它落在哪一档。

再次强调：这是研究性描摹，不是信用评分。Y角兽不具备征信资质，不对外提供信用评价，不生成征信报告。

七、更新节奏与版本管理

Y角兽的模型是基于每个报告期的财务数据建立的。不同报告期，财务特征差异很大：

2026H1：G端、军工、基建、环保、建筑普遍 H1 垫资，经营现金流为负；消费、零售、教育、医美 H1 相对淡季；

下半年：Q4 回款集中，经营现金流改善，预收增加；但也是票据到期、财政支付、年末信贷收紧的风险暴露期；

三季报：能看出全年回款趋势的雏形，但和半年报结构又不一样。

所以，2026H1 模型的结果，未必适用于下半年。Y角兽的做法是：

等 2026 年三季度报告全部发布完毕；

重新迭代不同行业的三季度回款风险模型；

基于新模型更新回款分析离线软件；

VIP 客户按季度定期获取离线软件的新版本。

VIP 客户不是「买一次用一辈子」，而是按季度定期获取最新离线软件。旧版本可以留作历史对比，但研究当前回款风险，必须用最新模型。

八、公开信息渠道 + 定制数据服务

公开信息渠道（免费、合规）

国家企业信用信息公示系统：基础信息、股东、年报、动产抵押、股权出质、对外担保；

信用中国：行政处罚、失信名单、经营异常；

中国执行信息公开网：被执行人、限高；

中国裁判文书网：金融借款、票据、买卖合同纠纷；

上海票据交易所：承兑人信用信息、逾期余额；

全国投资项目在线审批监管平台：项目备案；

生态环境部门：环评公示；

招投标平台：中标记录、在建工程招标。

定制数据服务（企业自愿提供，仅用于自身研究）

相当多的财务非公开信息，通过公开渠道难以获得。比如：

真实回款台账、账龄结构；

完整融资台账、民间借贷、互保联保；

内部销售费用明细、渠道返利；

在建项目实际投入、设备采购合同；

社保缴纳基数、代发工资汇总。

Y角兽愿意提供定制性数据服务，但前提是：

企业自愿提供，并签署书面授权；

数据仅用于企业自身研究；

Y角兽不对外提供、不用于征信、不生成征信报告；

能离线部署的，尽量离线部署，数据不出企业。

具体怎么做：

企业把内部数据按模板整理；

Y角兽用离线软件做定制化描摹；

输出该企业在所属行业的风险位置，以及与同行业上市公司的对比。

特别声明：本模型基于供应商视角设计，用于企业自身对上下游回款特征的研究与描摹，不适用于银行、保理、小贷等金融机构的授信、风控、征信等业务场景，不能作为金融风控决策依据。金融机构如需征信服务，应另行与持牌征信机构合作。