论文部分内容阅读
近些年,我国产能过剩问题严重,直接影响到我国经济发展,产能过剩的企业也出现亏损,利润大大下降。我国政府近些年开始实行供给侧改革,在各个地方,重点企业开始大力去产能。政府淘汰落后产能,一方面有利于恢复市场上的供求关系,促进竞争实力较强的企业发展,一方面一些难以继续发展的企业也将面临关停,倒闭的情况。在这样的背景下,产能过剩企业存在违约的可能,信用风险加大。无论任何时期还是国内国外,信用风险都是政府,银行,企业所要面对的最重要的风险之一。我国在管理、度量信用风险的方面明显落后于西方发达国家,找寻到适合我国企业的信用风险量化模型一直是我国学者,企业一直去努力的方向。在这样的大前提下,本文利用KMV模型研究我国A股市场上以钢铁、煤炭上市企业为代表的产能过剩行业的信用风险问题。本文首先探讨当前各个信用风险模型的优缺点,以及KMV模型适合我国企业的原因。其次研究了 KMV模型的各个参数如何选取,并对参数之一的违约点(DP)进行了修正,以期经修正后模型的违约点更适合我国的企业。因为模型的原始违约点设置在1倍的短期负债加0.5倍的长期负债处,经我国学者以往论文的探讨这样的违约点并不是最适合我国企业的情况。然后利用经修正的模型分别对我国2016年被特殊处理的*ST企业33家和与之相配对的33家非ST、*ST公司(相同行业,相同市场,相同的资产规模)的违约距离进行测算,判断违约距离是否存在显著的差异,以验证修正后模型的有效性。随后利用修正后的模型对我国A股市场上的2009年,2016年钢铁、煤炭企业的违约风险状况进行了实证分析。实证结果表明,2016年煤炭,钢铁上市企业中,资产规模较大的企业违约风险较小,资产规模较小的企业违约风险较大,这也进一步验证了模型的有效性;以及通过钢铁,煤炭行业2016年与2009年对比可以看出,2009我国钢铁,煤炭行业的信用风险问题十分严重,经过多年来的去产能政策,这一问题得到了缓解,进一步分析了产能过剩企业信用风险状况根据其企业规模大小的不同,负债情况的差异,以及企业对行业的影响力方面对违约风险的影响。最后本文对KMV模型在我国得适用问题,以及对产能过剩行业提出了建议。