论文部分内容阅读
【摘要】2008年，由美国引发进而席卷全球的金融危机从某种意义上讲更像是一场信用危机。因而如何在促进经济和发展的同时，更好地处理信用风险的问题引起了世界各界人士的广泛关注。
本文针对我国股上市公司的实际情况，利用修正后的KMV模型度量我国上市公司的信用风险，经过实证分析发现KMV模型能有效识别度量我国上市公司的信用风险。但是在实际应用上有一定的局限性，并提出相关对策建议。
【关键词】上市公司 信用风险 KMV模型 风险度量
截至2015年底，我国境内上市公司达2827家，总市值53.13万亿元，上市公司经常会遭遇信用风险危机。信用风险管理——被认为是当代最重要、最具有挑战性的风险管理的内容之一，尤其关键但难以度量和管理。能否有效度量和管理信用风险不仅关系到商业银行等金融机构自身的风险控制，而且关系到整个社会经济的稳健运行。
目前国际上关于信用风险的度量主要有两种情况，一种是利用专家评级等方式将信用风险进行等级划分，我们常将信用风险从AAA级到D级划分为10个等级。另一方面，就是对信用风险的大小进行定量分析。相比较而言，专家评级法比较主观，运用模型进行度量更加准确可靠。目前国际上比较热门的信用风险度量模型主要是credit metric模型、宏观模拟模型和KMV模型。
结合我国实际情况以及模型的可操作性，将以上热门信用风险模型在可行性上进行对比发现，Credit metric模型和宏观模拟模型的计算方式主要依赖于外部信用评级机构对债务人的信用等级划分。而目前我国市场上没有成立官方的信用评级机构，无法提供模型计算的依据。相比较而言KMV模型计算所需的上市公司的公开数据，可在证券交易所内找到，信息公开，数据更新快，所得结果相对可靠。
通过以上的分析，本文决定采用KMV模型来对上市公司的信用风险进行实证研究。
一、KMV模型的理论基础
KMV模型（expected default frequency，EDF），又被称为预期违约率模型，其主要理论基础是现代期权理论。该模型认为企业之所以违约是因为无力偿债，当企业资产的未来市场价值低于负债的账面价值。
所以本文认为即将发生违约的公司其违约距离整体上要小于正常公司的违约距离。
二、实证研究
（一）选取数据样本
本文从两千多家上市公司中选择了30家行业相对应的公司进行实证研究，ST公司、正常公司各15家，便于比较。其中，选择了一部分*ST的公司，理论上*ST的违约风险更高。
筛选原则如下：
一是尽可能选取不同行业的股票样本，且ST公司与正常公司在行业上相对应，在资产规模也相近；
二是将一些极端异常值的样本；
样本数据具体情况如下：
违约组公司信息
正常组公司信息
（二）计算步骤及结果
KMV模型总共包括6个参数和2个方程，公司的资产价值V及其资产价值波动率σV的计算是公司违约距离DD和预期违约率EDF的关键因素。
上式中：E为公司股权价值（公司股票市场价值）；D为公司债务面值；V为公司资产市场价值；T为公司债务期限；σV为资产价值的年波动率；r为无风险利率N（d）表示标准正态累积分布函数：
另外，公司股权价值波动率和资产波动率之间存在以下的关系：
（2）
通过求解由式（1）和（2）组成的方程组就可求得公司资产价值V和资产波动率σV。
N（d）表示标准正态累积分布函数
股权价值年波动率σE的计算方法如下：
其中Pi为第一年中第i个交易日的股票价格；ri为股票的连续收益率；为年均收益率；n为一年中的交易天数；S为股票日波动率；σE为股权价值的年波动率。
根据公司的负债计算出公司的违约距离：
其中DPT是违约点（Default Point DPT），即当公司资产价值低于该水平时，违约发生。违约发生最频繁的临界点在公司价值等于流动负债加50%的长期负债处，即DPT=STD+0.5LTD，STD表示短期债券，LTD表示长期债务。但是根据我国实际情况，本文对违约点进行修正，选取公司价值等于流动负债加10%的长期负债处，即DPT=STD+0.1LTD。
将30个样本公司的各项统计指标列示如下：
（三）结果分析
将违约组（分ST和*ST）和正常组的违约距离分区间进行统计比较两组差异。将违约距离非等分的分为十五个区间，统计在每个区间的违约组和正常组的样本个数，结果如下表所示：
经观察发现，违约距离（DD）在违约组公司和正常组之间差别很大。可见KMV模型的预测结果基本上同上市公司的实际信用状况变化相一致，即可证违约距离越小，违约的可能性就越大。
三、结论
实证分析表明，ST公司与正常公司两组样本之间违约距离差异相对显著，因此，KMV模型能够较好地识别出非ST公司和非ST公司之间信用风险的差别。
（一）局限性
但是，KMV模型在我国上市公司信用风险评价方面依然存在一定的局限性。原因如下：
一是我国证券市场发展不健全，对被评价企业要求较高，市场的风险收益率等一些变量无法取得，只能以其他指标代替，导致KMV模型的计算结果不准确，无法在我国大范围推广；
二是KMV模型是是一个相对静态的模型，无法依据企业债券结构变化而变化，造成计算结果有一定的时效性；
三是KMV模型的前提假设条件可能与企业的实际情况有一定差距，因此只能计算出理论上的结果；
四是因历史资料缺乏，KMV模型主要用作度量上市公司的信用风险，对于非上市公司的信用风险度量方面无能为力。 （二）改进措施
总体来说，KMV模型能有效度量我国上市公司的信用风险，为了让其应用范围更加广泛，所得结果更加精确，我们可以从以下方面进行改进：
一是为了真实反映上市公司信用状况，要求我国加强证券市场的市场化建设，加强交易活动监督，规范股市信息披露，使股票价格能真实反映企业经营状况，完善和发展我国证券市场，为KMV模型的建立提供良好的外部环境。
二是我国信用数据库的建立和维护都不够完善，数据量较少且缺乏连续性，其数据质量也不够真实，因此我国应该强化数据管理，为KMV模型的计算提供更完善的数据基础。
三是作为一个新兴行业，我国在信用风险评估方面人才短缺严重，为了加快信用风险管理进程，应加强相关人才队伍建设，一方面注重高等院校相关专业教育，培养相关人才。另一方面积极引进外来高级人才。
四是目前我国没有独立信用评估机构部门来搜集企业的相关数据和统计相关信息，因此我国应成立一个专门的信用风险管理部门。
四、结束语
从二十一世纪初期到现在，各国学者一直都在潜心研究如何建立更符合中国特色的信用风险度量模型，KMV模型在信用风险的度量方面是一个非常高效的模型，是一种具有前瞻性的信用风险度量方法，但KMV模型对于我国实际情况的适用性，还需要我们更加深入的研究。
参考文献
[1]Credit Susie Financial Bank（CSFB）.Credit Risk+，1996.
[2]McKinney and Co.Credit Portfolio View.New York，McKinney and Co，1997.
[3]安东尼·桑得斯著，刘宇飞译.信用风险度量模型——风险估值的新方法与其他范式[M].北京：机械工业出版社，2006.
[4]李萌.Logic模型在商业银行信用风险评估中的应用研究[J].管理科学，2005，18，（2）.
[5]刘铮铮，李家军.Credit Metrics模型下信用风险模型改进探讨[J].金融问题研究，2006，（11）.
[6]杨星，张义强.我国上市公司信用风险管理实证研究——EDF模型在信用评估中的作用[J].经济论坛，2004，（1）：43-47.
作者简介：王科文（1988-），女，汉族，湖北武汉人，任职于海军工程大学，管理工程系助教，研究方向：经济管理；董鹏（1980-），男，汉族，山东淄博人，任职于海军工程大学，管理工程系副教授，研究方向：管理科学与工程；卢苇（1991-），女，汉族，湖北黄冈人，任职于海军工程大学，管理工程系助教，研究方向：管理学。
本文针对我国股上市公司的实际情况，利用修正后的KMV模型度量我国上市公司的信用风险，经过实证分析发现KMV模型能有效识别度量我国上市公司的信用风险。但是在实际应用上有一定的局限性，并提出相关对策建议。
【关键词】上市公司 信用风险 KMV模型 风险度量
截至2015年底，我国境内上市公司达2827家，总市值53.13万亿元，上市公司经常会遭遇信用风险危机。信用风险管理——被认为是当代最重要、最具有挑战性的风险管理的内容之一，尤其关键但难以度量和管理。能否有效度量和管理信用风险不仅关系到商业银行等金融机构自身的风险控制，而且关系到整个社会经济的稳健运行。
目前国际上关于信用风险的度量主要有两种情况，一种是利用专家评级等方式将信用风险进行等级划分，我们常将信用风险从AAA级到D级划分为10个等级。另一方面，就是对信用风险的大小进行定量分析。相比较而言，专家评级法比较主观，运用模型进行度量更加准确可靠。目前国际上比较热门的信用风险度量模型主要是credit metric模型、宏观模拟模型和KMV模型。
结合我国实际情况以及模型的可操作性，将以上热门信用风险模型在可行性上进行对比发现，Credit metric模型和宏观模拟模型的计算方式主要依赖于外部信用评级机构对债务人的信用等级划分。而目前我国市场上没有成立官方的信用评级机构，无法提供模型计算的依据。相比较而言KMV模型计算所需的上市公司的公开数据，可在证券交易所内找到，信息公开，数据更新快，所得结果相对可靠。
通过以上的分析，本文决定采用KMV模型来对上市公司的信用风险进行实证研究。
一、KMV模型的理论基础
KMV模型（expected default frequency，EDF），又被称为预期违约率模型，其主要理论基础是现代期权理论。该模型认为企业之所以违约是因为无力偿债，当企业资产的未来市场价值低于负债的账面价值。
所以本文认为即将发生违约的公司其违约距离整体上要小于正常公司的违约距离。
二、实证研究
（一）选取数据样本
本文从两千多家上市公司中选择了30家行业相对应的公司进行实证研究，ST公司、正常公司各15家，便于比较。其中，选择了一部分*ST的公司，理论上*ST的违约风险更高。
筛选原则如下：
一是尽可能选取不同行业的股票样本，且ST公司与正常公司在行业上相对应，在资产规模也相近；
二是将一些极端异常值的样本；
样本数据具体情况如下：
违约组公司信息
正常组公司信息
（二）计算步骤及结果
KMV模型总共包括6个参数和2个方程，公司的资产价值V及其资产价值波动率σV的计算是公司违约距离DD和预期违约率EDF的关键因素。
上式中：E为公司股权价值（公司股票市场价值）；D为公司债务面值；V为公司资产市场价值；T为公司债务期限；σV为资产价值的年波动率；r为无风险利率N（d）表示标准正态累积分布函数：
另外，公司股权价值波动率和资产波动率之间存在以下的关系：
（2）
通过求解由式（1）和（2）组成的方程组就可求得公司资产价值V和资产波动率σV。
N（d）表示标准正态累积分布函数
股权价值年波动率σE的计算方法如下：
其中Pi为第一年中第i个交易日的股票价格；ri为股票的连续收益率；为年均收益率；n为一年中的交易天数；S为股票日波动率；σE为股权价值的年波动率。
根据公司的负债计算出公司的违约距离：
其中DPT是违约点（Default Point DPT），即当公司资产价值低于该水平时，违约发生。违约发生最频繁的临界点在公司价值等于流动负债加50%的长期负债处，即DPT=STD+0.5LTD，STD表示短期债券，LTD表示长期债务。但是根据我国实际情况，本文对违约点进行修正，选取公司价值等于流动负债加10%的长期负债处，即DPT=STD+0.1LTD。
将30个样本公司的各项统计指标列示如下：
（三）结果分析
将违约组（分ST和*ST）和正常组的违约距离分区间进行统计比较两组差异。将违约距离非等分的分为十五个区间，统计在每个区间的违约组和正常组的样本个数，结果如下表所示：
经观察发现，违约距离（DD）在违约组公司和正常组之间差别很大。可见KMV模型的预测结果基本上同上市公司的实际信用状况变化相一致，即可证违约距离越小，违约的可能性就越大。
三、结论
实证分析表明，ST公司与正常公司两组样本之间违约距离差异相对显著，因此，KMV模型能够较好地识别出非ST公司和非ST公司之间信用风险的差别。
（一）局限性
但是，KMV模型在我国上市公司信用风险评价方面依然存在一定的局限性。原因如下：
一是我国证券市场发展不健全，对被评价企业要求较高，市场的风险收益率等一些变量无法取得，只能以其他指标代替，导致KMV模型的计算结果不准确，无法在我国大范围推广；
二是KMV模型是是一个相对静态的模型，无法依据企业债券结构变化而变化，造成计算结果有一定的时效性；
三是KMV模型的前提假设条件可能与企业的实际情况有一定差距，因此只能计算出理论上的结果；
四是因历史资料缺乏，KMV模型主要用作度量上市公司的信用风险，对于非上市公司的信用风险度量方面无能为力。 （二）改进措施
总体来说，KMV模型能有效度量我国上市公司的信用风险，为了让其应用范围更加广泛，所得结果更加精确，我们可以从以下方面进行改进：
一是为了真实反映上市公司信用状况，要求我国加强证券市场的市场化建设，加强交易活动监督，规范股市信息披露，使股票价格能真实反映企业经营状况，完善和发展我国证券市场，为KMV模型的建立提供良好的外部环境。
二是我国信用数据库的建立和维护都不够完善，数据量较少且缺乏连续性，其数据质量也不够真实，因此我国应该强化数据管理，为KMV模型的计算提供更完善的数据基础。
三是作为一个新兴行业，我国在信用风险评估方面人才短缺严重，为了加快信用风险管理进程，应加强相关人才队伍建设，一方面注重高等院校相关专业教育，培养相关人才。另一方面积极引进外来高级人才。
四是目前我国没有独立信用评估机构部门来搜集企业的相关数据和统计相关信息，因此我国应成立一个专门的信用风险管理部门。
四、结束语
从二十一世纪初期到现在，各国学者一直都在潜心研究如何建立更符合中国特色的信用风险度量模型，KMV模型在信用风险的度量方面是一个非常高效的模型，是一种具有前瞻性的信用风险度量方法，但KMV模型对于我国实际情况的适用性，还需要我们更加深入的研究。
参考文献
[1]Credit Susie Financial Bank（CSFB）.Credit Risk+，1996.
[2]McKinney and Co.Credit Portfolio View.New York，McKinney and Co，1997.
[3]安东尼·桑得斯著，刘宇飞译.信用风险度量模型——风险估值的新方法与其他范式[M].北京：机械工业出版社，2006.
[4]李萌.Logic模型在商业银行信用风险评估中的应用研究[J].管理科学，2005，18，（2）.
[5]刘铮铮，李家军.Credit Metrics模型下信用风险模型改进探讨[J].金融问题研究，2006，（11）.
[6]杨星，张义强.我国上市公司信用风险管理实证研究——EDF模型在信用评估中的作用[J].经济论坛，2004，（1）：43-47.
作者简介：王科文（1988-），女，汉族，湖北武汉人，任职于海军工程大学，管理工程系助教，研究方向：经济管理；董鹏（1980-），男，汉族，山东淄博人，任职于海军工程大学，管理工程系副教授，研究方向：管理科学与工程；卢苇（1991-），女，汉族，湖北黄冈人，任职于海军工程大学，管理工程系助教，研究方向：管理学。