论文部分内容阅读
摘 要：安源煤业被上海证券交易所实施退市风险警示的事件让投资者们措手不及，安源煤业转为ST股的发生也让市场大众感到突然。运用KMV模型对安源煤业2013-2017年的主体信用风险进行分析，并结合标准普尔公司信用评级表给出信用等级划分，以此说明KMV模型应用于我国上市公司信用评级中的有效性。
关键词：安源煤业;KMV模型;信用评级
中图分类号：F23 文献标识码：A doi：10.19311/j.cnki.1672-3198.2020.18.057
1 背景介绍
1.1 公司背景
安源煤业拥有四家子公司，并且拥有多处矿产资源。但是，2018年4月19日，上海证券交易所对该公司股票实施了退市风险警示。随后，安源煤业在2015年11月20日发行的数额高达12亿的5年期公司债券也自2018年5月4日起被上海证券交易所暂停上市。这不仅会给投资者造成财产损失，而且对我国资本市场也造成了一定程度的负面影响。
1.2 研究现状
信用风险度量方法主要分为传统方法和现代方法。传统信用度量方法主要包括信用评分型方法、专家评级方法和评分型方法。在现代企业中，信用风险产生的原因越来越复杂，因此传统评级方法的使用逐步受到了限制。
此后，经济学家创立了许多现代信用评级方法，主要包括四种：KMV模型、Credit Metrics模型、Credit Risk+模型和Credit Portfolio View模型。杨秀云、蒋园园和段珍珍对以上四种模型作了详细论述和实证分析，最终得出结论：在四种现代信用评级方法中，KMV模型更适合运用于我国上市公司的信用风险度量。另外，马若微通过分析得出：KMV模型可以有效地预测中国上市公司的财务困境。此外，张玲、杨贞柿和陈收认为：相对于其它只注重财务数据的信用风险模型，KMV模型对评价上市公司的信用风險将更有效。因此本文采用KMV模型对安源煤业进行信用风险分析。
2 KMV模型概述
3 安源煤业违约概率的计算
本文认为修正后的KMV模型能更好的适应于中国市场情况，接下来本文将采用上述修正后的KMV模型对我国煤炭行业上市公司安源煤业进行违约概率的计算。修正KMV模型的应用步骤如下：
第一步：参数取值。
根据修正KMV模型的参数规定，无风险利率取中国人民银行每年公布的一年期整存整取利率，又根据中国人民银行利率政策的相关公告可知，2013-2017年该利率分别为3.00%、2.75%、1.50%、1.50%和1.50%。其中，中国人民银行在2015年进行了5次降息，分别是3月1日降为2.50%，5月11日降为2.25%，6月28日降为2.00%，8月26日降为1.75%，10月24日降为1.50%，本文取最后一次调息利率为2015年利率进行计算。由上可知，安源煤业五大参数的取值如表2所示。
第二步：计算安源煤业的资产价值、资产价值波动率，计算结果如表3所示。
第三步：计算安源煤业的违约距离和违约概率，计算结果如表4所示。
根据上表的计算结果可以看出：安源煤业在2013-2017年的违约距离分别为1.63，1.94，1.42，2.74和2.49，其对应的违约概率分别为5.19%，2.59%，7.78%，0.31%和0.64%，所以在此5年内，安源煤业的理论违约概率较高，其信用风险一直处于高水平状态。另外，根据王元月、景在伦和刘伟的实证结果可知，这五年内的预期违约概率可能被低估，即其实际的预期违约概率要高于表4所列示的结果。
4 安源煤业的信用评级对比
本文引入标准普尔公司（S&P）信用评级与违约概率的对应关系作为本文修正KMV模型信用评级与违约概率的映射关系，其间对应关系如表5所示。
结合表4的计算结果和表5的映射关系可以得出以修正KMV模型对安源煤业进行信用评级的结果，如表6所示。
由修正KMV模型对安源煤业2013-2017年进行信用评级，其结果分别为B-，B+，CCC+，BBB和BB+等级，表明安源煤业在2013-2017年的主体信用风险较高，安源煤业在2013-2017年5年间的主体信用评估结果远低于AA级，这表明安源煤业在此三年间已经存在较高信用风险，其财务状况已有恶化的趋势，这对于安源煤业连续两年亏损甚至被转为ST股的实际情况有一定的预测作用。由此，修正KMV模型的有效性也得到了验证。
参考文献
[1]Altman E.I.Financial ratios，discriminated analysis and the prediction of corporate bankrupt[J].Journal of Finance，1968，23（9）：589-609.
[2]管七海，冯宗宪.信用违约概率测度研究：文献综述与比较[J].世界经济，2004，（11）：40-54.
[3]杨秀云，蒋园园，段珍珍.KMV模型在我国商业银行信用风险管理中的适用性分析及实证检验[J].财经理论与实践，2016，37（01）：34-40.
[4]马若微.KMV模型运用于中国上市公司财务困境预警的实证检验[J].数理统计与管理，2006，（05）：593-601.
[5]张玲，杨贞柿，陈收.KMV模型在上市公司信用风险评价中的应用研究[J].系统工程，2004，22（11）：84-89.
[6]Merton R.On the pricing of corporate debt： the risk structure of interest rates[J].Journal of Finance，1974，29（2）：449-470.
[7]刘博.基于KMV模型对中国上市公司的信用风险进行度量的实证分析[J].科学技术与工程，2010，10（3）：843-847.
关键词：安源煤业;KMV模型;信用评级
中图分类号：F23 文献标识码：A doi：10.19311/j.cnki.1672-3198.2020.18.057
1 背景介绍
1.1 公司背景
安源煤业拥有四家子公司，并且拥有多处矿产资源。但是，2018年4月19日，上海证券交易所对该公司股票实施了退市风险警示。随后，安源煤业在2015年11月20日发行的数额高达12亿的5年期公司债券也自2018年5月4日起被上海证券交易所暂停上市。这不仅会给投资者造成财产损失，而且对我国资本市场也造成了一定程度的负面影响。
1.2 研究现状
信用风险度量方法主要分为传统方法和现代方法。传统信用度量方法主要包括信用评分型方法、专家评级方法和评分型方法。在现代企业中，信用风险产生的原因越来越复杂，因此传统评级方法的使用逐步受到了限制。
此后，经济学家创立了许多现代信用评级方法，主要包括四种：KMV模型、Credit Metrics模型、Credit Risk+模型和Credit Portfolio View模型。杨秀云、蒋园园和段珍珍对以上四种模型作了详细论述和实证分析，最终得出结论：在四种现代信用评级方法中，KMV模型更适合运用于我国上市公司的信用风险度量。另外，马若微通过分析得出：KMV模型可以有效地预测中国上市公司的财务困境。此外，张玲、杨贞柿和陈收认为：相对于其它只注重财务数据的信用风险模型，KMV模型对评价上市公司的信用风險将更有效。因此本文采用KMV模型对安源煤业进行信用风险分析。
2 KMV模型概述
3 安源煤业违约概率的计算
本文认为修正后的KMV模型能更好的适应于中国市场情况，接下来本文将采用上述修正后的KMV模型对我国煤炭行业上市公司安源煤业进行违约概率的计算。修正KMV模型的应用步骤如下：
第一步：参数取值。
根据修正KMV模型的参数规定，无风险利率取中国人民银行每年公布的一年期整存整取利率，又根据中国人民银行利率政策的相关公告可知，2013-2017年该利率分别为3.00%、2.75%、1.50%、1.50%和1.50%。其中，中国人民银行在2015年进行了5次降息，分别是3月1日降为2.50%，5月11日降为2.25%，6月28日降为2.00%，8月26日降为1.75%，10月24日降为1.50%，本文取最后一次调息利率为2015年利率进行计算。由上可知，安源煤业五大参数的取值如表2所示。
第二步：计算安源煤业的资产价值、资产价值波动率，计算结果如表3所示。
第三步：计算安源煤业的违约距离和违约概率，计算结果如表4所示。
根据上表的计算结果可以看出：安源煤业在2013-2017年的违约距离分别为1.63，1.94，1.42，2.74和2.49，其对应的违约概率分别为5.19%，2.59%，7.78%，0.31%和0.64%，所以在此5年内，安源煤业的理论违约概率较高，其信用风险一直处于高水平状态。另外，根据王元月、景在伦和刘伟的实证结果可知，这五年内的预期违约概率可能被低估，即其实际的预期违约概率要高于表4所列示的结果。
4 安源煤业的信用评级对比
本文引入标准普尔公司（S&P）信用评级与违约概率的对应关系作为本文修正KMV模型信用评级与违约概率的映射关系，其间对应关系如表5所示。
结合表4的计算结果和表5的映射关系可以得出以修正KMV模型对安源煤业进行信用评级的结果，如表6所示。
由修正KMV模型对安源煤业2013-2017年进行信用评级，其结果分别为B-，B+，CCC+，BBB和BB+等级，表明安源煤业在2013-2017年的主体信用风险较高，安源煤业在2013-2017年5年间的主体信用评估结果远低于AA级，这表明安源煤业在此三年间已经存在较高信用风险，其财务状况已有恶化的趋势，这对于安源煤业连续两年亏损甚至被转为ST股的实际情况有一定的预测作用。由此，修正KMV模型的有效性也得到了验证。
参考文献
[1]Altman E.I.Financial ratios，discriminated analysis and the prediction of corporate bankrupt[J].Journal of Finance，1968，23（9）：589-609.
[2]管七海，冯宗宪.信用违约概率测度研究：文献综述与比较[J].世界经济，2004，（11）：40-54.
[3]杨秀云，蒋园园，段珍珍.KMV模型在我国商业银行信用风险管理中的适用性分析及实证检验[J].财经理论与实践，2016，37（01）：34-40.
[4]马若微.KMV模型运用于中国上市公司财务困境预警的实证检验[J].数理统计与管理，2006，（05）：593-601.
[5]张玲，杨贞柿，陈收.KMV模型在上市公司信用风险评价中的应用研究[J].系统工程，2004，22（11）：84-89.
[6]Merton R.On the pricing of corporate debt： the risk structure of interest rates[J].Journal of Finance，1974，29（2）：449-470.
[7]刘博.基于KMV模型对中国上市公司的信用风险进行度量的实证分析[J].科学技术与工程，2010，10（3）：843-847.