论文部分内容阅读
自上世纪90年代末以来，信用风险管理已经成为风险管理领域的一大挑战。从全球范围来看，信用风险无论从规模还是形式相较以往都发生了巨大的变化。同时，随着经济全球化和全球金融改革的深入推进，信用风险管理呈现出一些新的特点。一方面，金融产品的设计变得更为复杂，金融创新层出不穷。另一方面，信用增级机制的发展对信用风险量化提出了更为迫切的要求。除此以外，全球性的资产配置和信用衍生工具的出现也使得信用风险朝着更为积极动态的方向发展。
目前市场上比较常用的信用风险评估方式包括传统信用评估法和量化信用风险评估法;传统信用评估法主要是信贷审查，交易对手监控等，主要通过信用经理的尽职调查来确定信用风险的大小，这种方法更多依赖于信贷经理的丰富经验和专业素养，可以大致判断信用风险发生的可能性，但并不能精确定义违约的可能性和损失率;量化信用风险评估法包括Credit Metrics、Credit Risk+、Creeditportfolioview以及KMV模型等等，前三种方法对数据的数量和质量要求较高，在我国整体企业信用数据严重缺失的大环境下，这两种方法并不适用;而KMV模型只需要上市公司的股价和一些财务数据，因此用KMV模型来估计我国上市房地产企业的信用风险具有很强的可操作性。
KMV模型是基于默顿模型基本思想，用于管理组合内的信用风险的一种计量模型，可以计算出每个债务人的期望违约频率。这一模型的优点是允许引入更加复杂的资本结构，如短期债务、长期债务、可转债以及股权，得出公司价值和价值波动率。由于使用了实时的股权价值，这就使得即时发生的事件对违约概率的影响可以在模型中立刻得到反映，因此能够持续追踪违约概率的变化。
KMV模型推出以来，众多国内外学者对其进行过研究。事实上，KMV公司在推出该模型后，对其有效性也进行了实证分析。以IBM公司的违约数据作为样本，KMV公司得出IBM在5年之内的违约率介于0和20％之间，在一些其他评级机构对IBM公司违约做出预警之前，KMV公司已经利用KMV模型提前观测到IBM即将违约的风险。Jeff Bohn(1999)基于自己大量的数据分析，验证了KMV模型的有效性，并得出该模型应用于中小企业效果更好。Naoya(2005)用KMV模型分析日本汽车企业的信用风险，并分别计算了丰田、本田、日产三家最大汽车企业的信用风险，经过比较后发现在同类风险计量模型中，KMV的效果最好。安萌(2012)选取了中国16家上市商业银行作为样本，提取样本银行4年内的股价和资产价值数据，用KMV模型分析国有银行和股份制银行的信用风险，最终得出股份制银行的信用风险更小，信用风险机制更为完善。倪旭东(2012)以ST上市公司和中小上市公司作为对比样本，进行实证研究，算出了ST企业与中小企业的违约距离，得出中小企业的违约距离接近于ST企业的违约距离。作者证明了KMV模型的稳健性，并且给出样本中小企业的违约距离在0-0.7间浮动。
除此以外，国内的一些学者还对KMV模型的违约点修正进行了探索和尝试，目的是使KMV模型更适合中国的实际情况。章仁俊(2006)将违约点设为DPT=SD+0.75LD，并以此为基准做了实证分析。然而，作者在违约点的设定上并无太多科学依据，只是根据经验主观对SD和LD的系数进行赋值，虽然最终有一定的研究意义，但仍然显得不够严谨。潘洁和张宗放(2009)结合我国证券市场和数据的实际情况，将ST企业的资产与长短期负债进行线性回归，得出适合我国的长短期债务的系数比为0.93，即DPT=LD+0.93SD。邹薇(2014)则通过修正过的KMV模型对我国制造业上市公司的信用状况进行了实证分析，作者分别将违约点公式中长期债务的系数设为0.5，0.75，1，通过ROC曲线分析法评价这三个赋值的准确性，最后得出0.65是一个恰当的系数。
作者阅读了大量的文献后发现，大部分学者进行违约点修正研究的思路并未突破原有经验公式的框架，即认为违约点一定是短期负债与长期负债的线性组合。于是，本文以期权定价理论和默顿模型为理论基础，依据《合同法》和《破产法》规定的偿债顺序，将企业债务进行重新划分，共分为三类负债，分别为应付职工薪酬与应付利息之和，其他流动负债以及非流动负债，从而建立起新的违约点模型。本文将理论与实践相结合，采用定性与定量的方法对KMV模型的修正进行研究，并通过实证分析来验证修正后的模型的有效性。
本文的研究内容主要分为以下几个部分:
第一部分为导论，主要介绍了研究的背景与意义，主要的研究内容与方法，以及本文可能的创新之处。
第二部分为房地产行业信用风险分析，一方面，从经济环境、政策环境、信息不对称的角度介绍了影响房地产行业信用风险的因素;另一方面，站在金融机构的角度，介绍了不同融资渠道下房地产行业的信用风险分布。这一章节既全面介绍了房地产行业信用风险，又为第六章提出建议作了铺垫。
第三部分为信用风险评估模型对比和KMV模型简介。将四大信用风险计量模型进行对比，并着重介绍了KMV模型的理论框架。
第四部分为违约点修正模型的建立。阐明了违约点修正的法律依据及本文对企业负债结构的重新划分，并建立起新的违约点模型。这一章节亦是第五章的理论基础。
第五部分为实证研究。一方面，进行违约点修正的实证研究，将A股全部44家ST公司的资产与三类负债进行回归，得到修正后的违约点公式;另一方面，使用违约点修正后的KMV模型对124家房地产上市公司的信用风险进行定性和定量分析。最后，作者通过将计算出的ST和非ST公司的信用状况进行对比，验证修正后的模型的有效性。
第六部分为结论与建议。介绍了研究最终的结论，即违约点修正后的KMV模型是有效的。使用新的违约点公式具有显著的效果。同时，在这一章节，作者还提出针对房地产行业信用风险的建议，并指出本文在研究过程中的不足之处以及后续的展望。
本文可能的创新之处如下:
作者并未片面地将KMV模型中的违约点经验公式应用到中国市场上，也没有像国内的一些学者人为地将修正违约点公式设定为长期负债和短期负债的线性组合，而是以《破产法》和《合同法》等作为法律依据，找出流动负债中的优先级和次优先级部分，将解释变量进一步扩展到三类负债。同时，作者注意到我国股票市场上ST股票的特殊性，这类公司由于经营不善，财务数据不佳被特殊处理，因此可以认为其资产总额已滑落到接近违约点的水平。于是，作者利用我国股市ST股票的实际财务数据进行回归，最终建立起修正后的违约点模型，使得该公式更加符合我国的实际情况。
然而，在研究过程中，也还存在以下几点不足，后期还有改进的空间。
首先，本文在计算上市公司股权价值的过程中，直接将股权未全部流通的上市公司剔除，尽管这部分公司只占全部房地产上市公司总数的12％，但如果有更精确地计算非流通股价值的方法，股权价值结果将更为准确。下一步可以尝试对非流通股价值进行有效评估，并将剩余未研究样本囊括进总样本中。
其次，在计算公司股权价值波动率的过程中，本文使用了历史波动率计算法，即使用个股股价日收益率的方法来求得公司年化股权价值波动率。这种方法相较于GARCH模型显得预测性不强。未来可尝试使用GARCH模型来对股权价值波动率进行进一步的修正。
再次，本文作者选定的样本期间为2013年全年，将不同的房地产上市公司进行了一个横向的比较，下一步可尝试以时间作为维度进行一个纵向对比，以每年作为间隔，对每个样本进行3年或者5年的纵向对比，以探测过往年份信用风险的变化，并对未来一段时间样本公司的信用风险进行预测。
最后，在衡量我国房地产上市公司信用风险的过程中，发现22家房地产公司的违约距离较短，预期违约率超过15％，由于本文集中精力于违约点修正，因此对这22家公司的信用状况并未做进一步的分析。下一步可从微观的角度，针对这部分公司进行重点研究并对其进行监测，研究维度包括但不限于财务分析、管理层能力评估、公司战略分析等，以挖掘出该类公司预期违约率较高的深层次原因。
目前市场上比较常用的信用风险评估方式包括传统信用评估法和量化信用风险评估法;传统信用评估法主要是信贷审查，交易对手监控等，主要通过信用经理的尽职调查来确定信用风险的大小，这种方法更多依赖于信贷经理的丰富经验和专业素养，可以大致判断信用风险发生的可能性，但并不能精确定义违约的可能性和损失率;量化信用风险评估法包括Credit Metrics、Credit Risk+、Creeditportfolioview以及KMV模型等等，前三种方法对数据的数量和质量要求较高，在我国整体企业信用数据严重缺失的大环境下，这两种方法并不适用;而KMV模型只需要上市公司的股价和一些财务数据，因此用KMV模型来估计我国上市房地产企业的信用风险具有很强的可操作性。
KMV模型是基于默顿模型基本思想，用于管理组合内的信用风险的一种计量模型，可以计算出每个债务人的期望违约频率。这一模型的优点是允许引入更加复杂的资本结构，如短期债务、长期债务、可转债以及股权，得出公司价值和价值波动率。由于使用了实时的股权价值，这就使得即时发生的事件对违约概率的影响可以在模型中立刻得到反映，因此能够持续追踪违约概率的变化。
KMV模型推出以来，众多国内外学者对其进行过研究。事实上，KMV公司在推出该模型后，对其有效性也进行了实证分析。以IBM公司的违约数据作为样本，KMV公司得出IBM在5年之内的违约率介于0和20％之间，在一些其他评级机构对IBM公司违约做出预警之前，KMV公司已经利用KMV模型提前观测到IBM即将违约的风险。Jeff Bohn(1999)基于自己大量的数据分析，验证了KMV模型的有效性，并得出该模型应用于中小企业效果更好。Naoya(2005)用KMV模型分析日本汽车企业的信用风险，并分别计算了丰田、本田、日产三家最大汽车企业的信用风险，经过比较后发现在同类风险计量模型中，KMV的效果最好。安萌(2012)选取了中国16家上市商业银行作为样本，提取样本银行4年内的股价和资产价值数据，用KMV模型分析国有银行和股份制银行的信用风险，最终得出股份制银行的信用风险更小，信用风险机制更为完善。倪旭东(2012)以ST上市公司和中小上市公司作为对比样本，进行实证研究，算出了ST企业与中小企业的违约距离，得出中小企业的违约距离接近于ST企业的违约距离。作者证明了KMV模型的稳健性，并且给出样本中小企业的违约距离在0-0.7间浮动。
除此以外，国内的一些学者还对KMV模型的违约点修正进行了探索和尝试，目的是使KMV模型更适合中国的实际情况。章仁俊(2006)将违约点设为DPT=SD+0.75LD，并以此为基准做了实证分析。然而，作者在违约点的设定上并无太多科学依据，只是根据经验主观对SD和LD的系数进行赋值，虽然最终有一定的研究意义，但仍然显得不够严谨。潘洁和张宗放(2009)结合我国证券市场和数据的实际情况，将ST企业的资产与长短期负债进行线性回归，得出适合我国的长短期债务的系数比为0.93，即DPT=LD+0.93SD。邹薇(2014)则通过修正过的KMV模型对我国制造业上市公司的信用状况进行了实证分析，作者分别将违约点公式中长期债务的系数设为0.5，0.75，1，通过ROC曲线分析法评价这三个赋值的准确性，最后得出0.65是一个恰当的系数。
作者阅读了大量的文献后发现，大部分学者进行违约点修正研究的思路并未突破原有经验公式的框架，即认为违约点一定是短期负债与长期负债的线性组合。于是，本文以期权定价理论和默顿模型为理论基础，依据《合同法》和《破产法》规定的偿债顺序，将企业债务进行重新划分，共分为三类负债，分别为应付职工薪酬与应付利息之和，其他流动负债以及非流动负债，从而建立起新的违约点模型。本文将理论与实践相结合，采用定性与定量的方法对KMV模型的修正进行研究，并通过实证分析来验证修正后的模型的有效性。
本文的研究内容主要分为以下几个部分:
第一部分为导论，主要介绍了研究的背景与意义，主要的研究内容与方法，以及本文可能的创新之处。
第二部分为房地产行业信用风险分析，一方面，从经济环境、政策环境、信息不对称的角度介绍了影响房地产行业信用风险的因素;另一方面，站在金融机构的角度，介绍了不同融资渠道下房地产行业的信用风险分布。这一章节既全面介绍了房地产行业信用风险，又为第六章提出建议作了铺垫。
第三部分为信用风险评估模型对比和KMV模型简介。将四大信用风险计量模型进行对比，并着重介绍了KMV模型的理论框架。
第四部分为违约点修正模型的建立。阐明了违约点修正的法律依据及本文对企业负债结构的重新划分，并建立起新的违约点模型。这一章节亦是第五章的理论基础。
第五部分为实证研究。一方面，进行违约点修正的实证研究，将A股全部44家ST公司的资产与三类负债进行回归，得到修正后的违约点公式;另一方面，使用违约点修正后的KMV模型对124家房地产上市公司的信用风险进行定性和定量分析。最后，作者通过将计算出的ST和非ST公司的信用状况进行对比，验证修正后的模型的有效性。
第六部分为结论与建议。介绍了研究最终的结论，即违约点修正后的KMV模型是有效的。使用新的违约点公式具有显著的效果。同时，在这一章节，作者还提出针对房地产行业信用风险的建议，并指出本文在研究过程中的不足之处以及后续的展望。
本文可能的创新之处如下:
作者并未片面地将KMV模型中的违约点经验公式应用到中国市场上，也没有像国内的一些学者人为地将修正违约点公式设定为长期负债和短期负债的线性组合，而是以《破产法》和《合同法》等作为法律依据，找出流动负债中的优先级和次优先级部分，将解释变量进一步扩展到三类负债。同时，作者注意到我国股票市场上ST股票的特殊性，这类公司由于经营不善，财务数据不佳被特殊处理，因此可以认为其资产总额已滑落到接近违约点的水平。于是，作者利用我国股市ST股票的实际财务数据进行回归，最终建立起修正后的违约点模型，使得该公式更加符合我国的实际情况。
然而，在研究过程中，也还存在以下几点不足，后期还有改进的空间。
首先，本文在计算上市公司股权价值的过程中，直接将股权未全部流通的上市公司剔除，尽管这部分公司只占全部房地产上市公司总数的12％，但如果有更精确地计算非流通股价值的方法，股权价值结果将更为准确。下一步可以尝试对非流通股价值进行有效评估，并将剩余未研究样本囊括进总样本中。
其次，在计算公司股权价值波动率的过程中，本文使用了历史波动率计算法，即使用个股股价日收益率的方法来求得公司年化股权价值波动率。这种方法相较于GARCH模型显得预测性不强。未来可尝试使用GARCH模型来对股权价值波动率进行进一步的修正。
再次，本文作者选定的样本期间为2013年全年，将不同的房地产上市公司进行了一个横向的比较，下一步可尝试以时间作为维度进行一个纵向对比，以每年作为间隔，对每个样本进行3年或者5年的纵向对比，以探测过往年份信用风险的变化，并对未来一段时间样本公司的信用风险进行预测。
最后，在衡量我国房地产上市公司信用风险的过程中，发现22家房地产公司的违约距离较短，预期违约率超过15％，由于本文集中精力于违约点修正，因此对这22家公司的信用状况并未做进一步的分析。下一步可从微观的角度，针对这部分公司进行重点研究并对其进行监测，研究维度包括但不限于财务分析、管理层能力评估、公司战略分析等，以挖掘出该类公司预期违约率较高的深层次原因。