论文部分内容阅读
【摘要】对KMV模型度量我国上市公司信用风险方法的有效性进行了实证研究。同时对影响上市公司信用风险的内在因素进行了探索。实证研究结果表明，KMV模型对我国上市公司信用风险度量具有良好的适用性。对信用风险影响因素的实证结果说明，我国上市公司的规模对其信用风险具有显著影响力。
【关键词】信用风险 适用性 风险因素 KMV模型
一、理论分析
信用风险度量的探索过程大致可以分为三个阶段Z一、是20世纪70年代以前，大多数金融机构基本上采取专家制度法，即根据银行专家的经验和主观分析来评估信用风险。专家通过分析借款人的财务信息，经营信息，经济环境等因素，对借款人的资信，品质等进行评判，以确定是否给予贷款。这个阶段评估信用风险的主要方法有5C法，5W法或5P法，LAPP法，五级分类法等。二、是20世纪70年代初到80年代末金融机构主要采用基于财务指标的信用评分方法，如线性几率模型，Logit模型，Probit模型，奥尔特曼（Aｌtman）的Z值模型与ZetＡ模型等。三是20世纪90年代以来，世界上一些著名的商业银行开始探索运用现代金融理论和数学工具来定量评估信用风险，建立了以风险价值为基础，以违约率和预期损失为核心指标的度量模型，如信用监控模型（kＭV模型），Credit ｍetriCs模型，信贷组合观点（Credit Portfoｌio View），Creditrisk＋模型等。
KMV模型是KMV公司在莫顿(1974)模型的基础上开发的用违约方法估计信贷组合的收益和风险关系的模型。KMV模型推导出了每一个债务人的估计违约率或预期违约频率（EDF）。预期违约率因此成为公司资产结构、资产收益波动收益波动性和当前资产现值的一个函数。KMV模型中的信用风险是由债务人的资产价值变动引起的。在公司资本结构给定的情况下，设定资产价值的随机变化过程，就能推导出给定期限内的违约率。该模型适合用于股权公开交易的上市公司。当KMV被用来测试上市公司的违约率时，公司股权被假定为标的为公司价值的看涨期权。违约时放弃执行期权。当公司价值低于债务价值时，公司持有人会选择违约。模型通过估计公司价值（V）和资产收益率波动率（），计算出违约距离（DD），然后根据违约距离与预期违约概率之间的对应关系取得EDF值。
KMV的优点在于：
首先，建立了一个包含资产价值变化、企业资本结构、债务契约和预期违约率的分析框架。在该框架下，只有预期公司的价值低于企业负债时，违约才有可能发生。
其次，KMV给出了公司市场价值与违约概率之间的直接关系。通过计算机程序，可以立即将新的市场信息对股权价值的影响转化为信用风险信息。
再次，直接计算单个对象的违约概率，避免依赖风险评级对个别风险品质的忽略。
最后，KMV模型能及时预测个别公司的违约情形。大量的实证表明KMV模型能成功地对风险进行预警。
KMV模型也不可避免地存在局限性：
首先，模型假设负债到期而且负债高于资产价值时，才会出现违约这与实际不符。
其次，当债务到期期限或债务借贷条件不同时，利用KMV模型估计债务价值面临较大困难。另外，市场风险不存在的假设与现实不符。
再次，模型假设资产价值服从对数正态分布可能与事实不符。
最后，模型在分析资产和负债价值此消彼长时，没有考虑公司在面临财务困境时对财务结构的调整。
二、实证分析
（一）样本选取
KMV模型认为，只有当企业经营或财务陷入困境，破产清算比另外筹资偿还负债更有利时，企业才会选择违约。
而就上市公司来言，银行面临的上市公司的信用风险具体是指上市公司贷款的违约风险，即上市公司在贷款到期时不能偿还本金和利息，从而使银行遭受损失。银行面临的信用风险可以由上市公司违约的可能性来衡量。上市公司选择违约被认为是企业的经营和财务状况出现严重的问题，违约比偿还贷款更有利。
因此，选择企业发生经营或财务出现困难作为违约风险的标准比企业实际上不能还本付息更具现实意义和预警效果。
本文中的实证研究中，我们视ST公司为违约公司。这种处理方式比较符合我国的实际。本文将选择60家上市公司作为样本，每组30家，ST公司组被视为违约组。对照组非ST公司组视为正常组。相关研究表明，公司样本所处行业不同以及公司规模差异会影响。本文选取的非ST公司和其对照组ST公司均属于同一行业，而且资产规模相近。原本数据基准选定为2010年10月20日，考察期限为一年，无风险利率设为2.25%（一般来说，无风险利率应采用90天国债的收益率，但我国受市场所限，相关数据不可靠，所以用一年期整存整取存款利率替代无风险收益率）
（二）参数估算
1.股权市值的年波动率σE。2005年6月从三一重工开始试点实行股权分置改革，目前为止股权分置改革已大体完成。但是非流通股并不能自由转化为流通股，因为非流通股普遍存在一定的限售期，这给该部分股权价值的计算带来了困难。
非流通股股权价值的确定主要有一下几种：
（1）非流通股股价=每股净值
因此，股权市价E=流通股股价流通股股数+每股净资产非流通股股数。
（2）非流通股股价=流通股价折价系数
美国学者提出，企业上市前价值为上市后的0.65倍。部分公司采用此系数折价计算非流通股市值。
本文将采用第一种方法和第二种方法的基础上采用折中的办法计算非流通股的估值，即：
非流通股股价=（0.65流动股价+每股净资产）/2
很明显，可以通过解上述方程组得出V和σV本文采用matlab软件来求解。
2.公司的违约点DP。计算出资产价值V及波动率σV后，还要确定违约点DPT才能求出违约距离DD和预期违约率EDF。
KＭV模型并不认为公司的净资产价值低于净负债。长期负债的存在为企业提够了缓冲的空间，KMV模型认为当企业低于所谓的违约点时，此时公司的资产价值被定义为违约点（DP）。研究表明违约点处于流动负债和总负债之间。实际上有如下标准：
DP＝ST＋0.5LT LT／ST＜1.5
DP＝ST＋（0.7－0.3ST／LT）LT 其他
ST:短期负债； LT:长期负债
本文采用第一种做法
即违约点DP＝ST＋0.5LT
违约点（DPT）＝流动负债＋50％长期负债
3.违约距离DD及预期违约概率EDF。违约距离表示企业资产与违约点的选对距离
从计算式可以看出资产价值与违约点偏离度越大企业违约的可能性越小。
在模型的假设条件下，违约距离可以作为企业违约风险的度量尺度，来比较不同企业间的风险。但是由于它并不是概率值，我们无法通过DD知道违约风险的数值。KMV公司使用的是经验EDF值。即通过选取距离违约点一定标准差倍数的若干家公司，在负债到期时观察这些公司中违约数量的百分比即是经验违约概率。由此，计算经验EDF必然需要大量公司违约历史数据库，以得到DD和EP间的映射关系。考虑到我国国情与美国并不一样，所以不能直接照搬kＭV公司的结论。而且我国尚未建立公司违约数据库,所以在实证研究时通常采用理论违约率来替代经验违约率。
违约距离DD的数值代入上式即可求出EDF理论值。
表DD和EDF的计算结果
使用SPSS软件对进行违约距离的差异性检验，结果如下表所示:
非ST公司的违约距离（DD）均值为1.900207，而ST公司违约距离（DD）均值为1.435357.差异检验T值为14.775。，对应的双尾p值为0.00，由此可以判断两组公司违约距离存在显著的差异性，可以将违约距离作为区分违约组和正常组的指标。
（三）上市公司违约风险影响因素分析
上市公司信用风险大小受许多方面的因素的影响，这些因素可以分为内因和外因两种。外因主要包括国家宏观经济、行业发展状况、和产业政策等。内因主要包括企业财务状况、公司管理水平、公司战略等。为了定量分析公司信用风险的影响因素。本文将以公司财务指标为研究对象，从企业资产规模、盈利水平，发展潜力，流动性等方面选取合适的指标进行定量分析。
1.规模。企业的规模大小直接影响到其信用水平。一般认为，企业规模与其偿债能力呈正比，本文将以公司总资产作为描述企业规模的指标。记为X1。
2.盈利能力。企业利润是企业偿付债务和不断发展的基本保障。盈利水平直接影响到公司支付账款的能力。盈利能力越强，违约风险越小。本文选取每股收益作为分析变量，记为X2。
3.发展能力。公司的发展前景也会影响到公司的信用风险。本文选用净资产增长率为描述指标。记为X3。
4.偿债能力。偿债能力分为短期和长期两种。一般认为，信用风险主要受短期偿债能力影响。本文选取流动比率作为描述偿债能力的指标，记为X4。
5.稳定性。企业经营和财务状况越稳定，波动性越小。其违约的可能性越小。本文选取股价波动率表征企业状况的稳定性。记为变量X5。
6.营运能力。营运能力反映了企业生产过程中各项资产的利用效率，反映了企业管理者的管理水平和配置资产的能力。本文采用总资产周转率作为分析指标，定为X6。
对上述六个指标对样本违约距离进行多元线性回归，在5%的显著性水平下，变量X2、X3、X5、X6没有通过显著性检验，回归结果如下：
DD=1.417+0.101X1+0.044X4
模型汇总
a.预测变量:(常量),X1
b.预测变量:(常量),X1,X4
c.因变量:DD
由DW值可以判定随机干扰项不存在一阶自相关性。由F更改和R方更改知道，在5%显著性假设下，不存在异方差性。
三、结论
首先，从样本数据的违约距离角度看，非ST公司的违约距离显著大于ST公司的违约距离。因此，违约距离是区分正常公司组合特殊公司组的良好指标。
其次，从影响公司信用风险的因素上看，企业的资产规模和流动比率是影响企业信用风险的主要因素，企业规模越大，流动比率越大，企业违约距离越大，企业信用风险越小。而在两种影响因素中又以企业规模的影响力最大。这与我国的实际是相符的。
参考文献
[1]Matthew Kurbat, Irina Korablev. Methodology for Testing the level of the EDF Credit Measure[J/OL]. KMV Corporation,2002,http://www.moodyskmv.com.
[2]Peter Crosbie, Jeffrey Bohn Modeling Default Risk[J].American Banker,July 2003: 98-106
[3]Michel Crouhy,Dan Galai, Robert Mark.A comparative analysis of rent credit risk Models,2008
[4]戴志锋，张宗益，和陈银忠，基于期权定价理论的中国非上市公司信用风险度量研究[J] 管理科学Z2005（60）；72-77
[5]吕小娜，商业银行信用评价模型的适用性研究—基于KMV模型和Credit Metrics模型的对比分析[D],成都；西南财经大学学，2008
作者简介：陈浩（1984-）男，湖北荆州人，浙江财经学院硕士研究生，研究方向为金融风险和银行管理。
【关键词】信用风险 适用性 风险因素 KMV模型
一、理论分析
信用风险度量的探索过程大致可以分为三个阶段Z一、是20世纪70年代以前，大多数金融机构基本上采取专家制度法，即根据银行专家的经验和主观分析来评估信用风险。专家通过分析借款人的财务信息，经营信息，经济环境等因素，对借款人的资信，品质等进行评判，以确定是否给予贷款。这个阶段评估信用风险的主要方法有5C法，5W法或5P法，LAPP法，五级分类法等。二、是20世纪70年代初到80年代末金融机构主要采用基于财务指标的信用评分方法，如线性几率模型，Logit模型，Probit模型，奥尔特曼（Aｌtman）的Z值模型与ZetＡ模型等。三是20世纪90年代以来，世界上一些著名的商业银行开始探索运用现代金融理论和数学工具来定量评估信用风险，建立了以风险价值为基础，以违约率和预期损失为核心指标的度量模型，如信用监控模型（kＭV模型），Credit ｍetriCs模型，信贷组合观点（Credit Portfoｌio View），Creditrisk＋模型等。
KMV模型是KMV公司在莫顿(1974)模型的基础上开发的用违约方法估计信贷组合的收益和风险关系的模型。KMV模型推导出了每一个债务人的估计违约率或预期违约频率（EDF）。预期违约率因此成为公司资产结构、资产收益波动收益波动性和当前资产现值的一个函数。KMV模型中的信用风险是由债务人的资产价值变动引起的。在公司资本结构给定的情况下，设定资产价值的随机变化过程，就能推导出给定期限内的违约率。该模型适合用于股权公开交易的上市公司。当KMV被用来测试上市公司的违约率时，公司股权被假定为标的为公司价值的看涨期权。违约时放弃执行期权。当公司价值低于债务价值时，公司持有人会选择违约。模型通过估计公司价值（V）和资产收益率波动率（），计算出违约距离（DD），然后根据违约距离与预期违约概率之间的对应关系取得EDF值。
KMV的优点在于：
首先，建立了一个包含资产价值变化、企业资本结构、债务契约和预期违约率的分析框架。在该框架下，只有预期公司的价值低于企业负债时，违约才有可能发生。
其次，KMV给出了公司市场价值与违约概率之间的直接关系。通过计算机程序，可以立即将新的市场信息对股权价值的影响转化为信用风险信息。
再次，直接计算单个对象的违约概率，避免依赖风险评级对个别风险品质的忽略。
最后，KMV模型能及时预测个别公司的违约情形。大量的实证表明KMV模型能成功地对风险进行预警。
KMV模型也不可避免地存在局限性：
首先，模型假设负债到期而且负债高于资产价值时，才会出现违约这与实际不符。
其次，当债务到期期限或债务借贷条件不同时，利用KMV模型估计债务价值面临较大困难。另外，市场风险不存在的假设与现实不符。
再次，模型假设资产价值服从对数正态分布可能与事实不符。
最后，模型在分析资产和负债价值此消彼长时，没有考虑公司在面临财务困境时对财务结构的调整。
二、实证分析
（一）样本选取
KMV模型认为，只有当企业经营或财务陷入困境，破产清算比另外筹资偿还负债更有利时，企业才会选择违约。
而就上市公司来言，银行面临的上市公司的信用风险具体是指上市公司贷款的违约风险，即上市公司在贷款到期时不能偿还本金和利息，从而使银行遭受损失。银行面临的信用风险可以由上市公司违约的可能性来衡量。上市公司选择违约被认为是企业的经营和财务状况出现严重的问题，违约比偿还贷款更有利。
因此，选择企业发生经营或财务出现困难作为违约风险的标准比企业实际上不能还本付息更具现实意义和预警效果。
本文中的实证研究中，我们视ST公司为违约公司。这种处理方式比较符合我国的实际。本文将选择60家上市公司作为样本，每组30家，ST公司组被视为违约组。对照组非ST公司组视为正常组。相关研究表明，公司样本所处行业不同以及公司规模差异会影响。本文选取的非ST公司和其对照组ST公司均属于同一行业，而且资产规模相近。原本数据基准选定为2010年10月20日，考察期限为一年，无风险利率设为2.25%（一般来说，无风险利率应采用90天国债的收益率，但我国受市场所限，相关数据不可靠，所以用一年期整存整取存款利率替代无风险收益率）
（二）参数估算
1.股权市值的年波动率σE。2005年6月从三一重工开始试点实行股权分置改革，目前为止股权分置改革已大体完成。但是非流通股并不能自由转化为流通股，因为非流通股普遍存在一定的限售期，这给该部分股权价值的计算带来了困难。
非流通股股权价值的确定主要有一下几种：
（1）非流通股股价=每股净值
因此，股权市价E=流通股股价流通股股数+每股净资产非流通股股数。
（2）非流通股股价=流通股价折价系数
美国学者提出，企业上市前价值为上市后的0.65倍。部分公司采用此系数折价计算非流通股市值。
本文将采用第一种方法和第二种方法的基础上采用折中的办法计算非流通股的估值，即：
非流通股股价=（0.65流动股价+每股净资产）/2
很明显，可以通过解上述方程组得出V和σV本文采用matlab软件来求解。
2.公司的违约点DP。计算出资产价值V及波动率σV后，还要确定违约点DPT才能求出违约距离DD和预期违约率EDF。
KＭV模型并不认为公司的净资产价值低于净负债。长期负债的存在为企业提够了缓冲的空间，KMV模型认为当企业低于所谓的违约点时，此时公司的资产价值被定义为违约点（DP）。研究表明违约点处于流动负债和总负债之间。实际上有如下标准：
DP＝ST＋0.5LT LT／ST＜1.5
DP＝ST＋（0.7－0.3ST／LT）LT 其他
ST:短期负债； LT:长期负债
本文采用第一种做法
即违约点DP＝ST＋0.5LT
违约点（DPT）＝流动负债＋50％长期负债
3.违约距离DD及预期违约概率EDF。违约距离表示企业资产与违约点的选对距离
从计算式可以看出资产价值与违约点偏离度越大企业违约的可能性越小。
在模型的假设条件下，违约距离可以作为企业违约风险的度量尺度，来比较不同企业间的风险。但是由于它并不是概率值，我们无法通过DD知道违约风险的数值。KMV公司使用的是经验EDF值。即通过选取距离违约点一定标准差倍数的若干家公司，在负债到期时观察这些公司中违约数量的百分比即是经验违约概率。由此，计算经验EDF必然需要大量公司违约历史数据库，以得到DD和EP间的映射关系。考虑到我国国情与美国并不一样，所以不能直接照搬kＭV公司的结论。而且我国尚未建立公司违约数据库,所以在实证研究时通常采用理论违约率来替代经验违约率。
违约距离DD的数值代入上式即可求出EDF理论值。
表DD和EDF的计算结果
使用SPSS软件对进行违约距离的差异性检验，结果如下表所示:
非ST公司的违约距离（DD）均值为1.900207，而ST公司违约距离（DD）均值为1.435357.差异检验T值为14.775。，对应的双尾p值为0.00，由此可以判断两组公司违约距离存在显著的差异性，可以将违约距离作为区分违约组和正常组的指标。
（三）上市公司违约风险影响因素分析
上市公司信用风险大小受许多方面的因素的影响，这些因素可以分为内因和外因两种。外因主要包括国家宏观经济、行业发展状况、和产业政策等。内因主要包括企业财务状况、公司管理水平、公司战略等。为了定量分析公司信用风险的影响因素。本文将以公司财务指标为研究对象，从企业资产规模、盈利水平，发展潜力，流动性等方面选取合适的指标进行定量分析。
1.规模。企业的规模大小直接影响到其信用水平。一般认为，企业规模与其偿债能力呈正比，本文将以公司总资产作为描述企业规模的指标。记为X1。
2.盈利能力。企业利润是企业偿付债务和不断发展的基本保障。盈利水平直接影响到公司支付账款的能力。盈利能力越强，违约风险越小。本文选取每股收益作为分析变量，记为X2。
3.发展能力。公司的发展前景也会影响到公司的信用风险。本文选用净资产增长率为描述指标。记为X3。
4.偿债能力。偿债能力分为短期和长期两种。一般认为，信用风险主要受短期偿债能力影响。本文选取流动比率作为描述偿债能力的指标，记为X4。
5.稳定性。企业经营和财务状况越稳定，波动性越小。其违约的可能性越小。本文选取股价波动率表征企业状况的稳定性。记为变量X5。
6.营运能力。营运能力反映了企业生产过程中各项资产的利用效率，反映了企业管理者的管理水平和配置资产的能力。本文采用总资产周转率作为分析指标，定为X6。
对上述六个指标对样本违约距离进行多元线性回归，在5%的显著性水平下，变量X2、X3、X5、X6没有通过显著性检验，回归结果如下：
DD=1.417+0.101X1+0.044X4
模型汇总
a.预测变量:(常量),X1
b.预测变量:(常量),X1,X4
c.因变量:DD
由DW值可以判定随机干扰项不存在一阶自相关性。由F更改和R方更改知道，在5%显著性假设下，不存在异方差性。
三、结论
首先，从样本数据的违约距离角度看，非ST公司的违约距离显著大于ST公司的违约距离。因此，违约距离是区分正常公司组合特殊公司组的良好指标。
其次，从影响公司信用风险的因素上看，企业的资产规模和流动比率是影响企业信用风险的主要因素，企业规模越大，流动比率越大，企业违约距离越大，企业信用风险越小。而在两种影响因素中又以企业规模的影响力最大。这与我国的实际是相符的。
参考文献
[1]Matthew Kurbat, Irina Korablev. Methodology for Testing the level of the EDF Credit Measure[J/OL]. KMV Corporation,2002,http://www.moodyskmv.com.
[2]Peter Crosbie, Jeffrey Bohn Modeling Default Risk[J].American Banker,July 2003: 98-106
[3]Michel Crouhy,Dan Galai, Robert Mark.A comparative analysis of rent credit risk Models,2008
[4]戴志锋，张宗益，和陈银忠，基于期权定价理论的中国非上市公司信用风险度量研究[J] 管理科学Z2005（60）；72-77
[5]吕小娜，商业银行信用评价模型的适用性研究—基于KMV模型和Credit Metrics模型的对比分析[D],成都；西南财经大学学，2008
作者简介：陈浩（1984-）男，湖北荆州人，浙江财经学院硕士研究生，研究方向为金融风险和银行管理。