上市公司信用风险计量研究——KMV模型及其应用，本文主要内容关键词为：及其应用论文,上市公司论文,模型论文,信用风险论文,KMV论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：F224.0 文献标识码：A
信用风险是指由于借款人或其他合约义务人的信用质量发生变化，致使其在贷款或其他合约到期时不能偿还本息，或者不能履行合约规定的义务而带来的损失。如何利用信用风险管理模型使金融机构的信用风险定价趋于合理、资本的配置更加优化和有效，这是当今金融业面临的一个主要课题。
信用风险评价有很多方法，譬如Logistic回归分析模型、近邻法和多元判别分析模型以及比较著名的Altman的Z计分模型和后来改进的ZETA信用风险模型等。这些模型在分析上市公司的信用风险上都有一定的借鉴意义，但也存在一定的缺陷，这些模型主要是以会计帐面价值为基础，所以难以体现更细微、更快速的变化。KMV模型是基于公司股票价格的信用风险计量方法，公司股价的变化之中蕴含着关于可信度的信息，宏观的经济状况、行业和公司的信用风险。本文在介绍KMV模型的基础上，随机抽取沪深股市30支股票，进行实证分析，探讨该模型在我国的适用性。
一、KMV模型的基本思想
KMV模型又称为预期违约率模型(expected default frequency)亦简称EDF[1]，它是基于Black Scholes[2]和Merton[3]的期权定价理论，由Modigliani和Miller的资本结构原理，根据企业股权的市场价格与其资产的市场价值之间的结构性关系，以及股权的波动性和企业资产价值的波动性，利用股权以及股权的波动性来估计资产的价值和资产价值的波动性，然后求出预期违约率。
二、KMV模型
根据KMV的基本思想可知，该方法主要是利用股价以及股价的波动性估计资产的价值和资产价值的波动性，然后求得违约距离，从而得到预期违约率。
（一）公司资产价值和资产价值波动性评估[4]
股价看作是以公司的资产为标的的看涨期权，执行价格为公司债务的面值，公司资产价值为υ，作为看涨期权的股价为
，资产价值的变动过程遵从一个几何布朗运动，
，μυdt是dυ的均值，
是dυ的方差，由
可知[5,6]，以公司资产价值为标的的看涨期权股权价格的
（二）违约距离的度量
违约距离的度量有两种性形式，一种是特殊的形式如式(7)：
其中DD为违约距离，E(υ)为资产价值的预期，
为违约实施点（注：KMV根据自己的研究发现，以当前负债的票面值计，违约实施点是在规定的时间内，公司的价值大约等于流动负债加上长期负债的一半。）；第二种是一般式，如式(8)：
由上面两种类型的违约距离可以看出，式(7)是式(8)一阶泰勒展式的简化形式。
由于违约距离是一个标准化指标，因而不同的上市使用该指标可以进行相互比较。违约距离值的大小，说明公司到期偿还债务的可能性大小，违约距离越大，到期发生违约的可能性越小，公司的信用状况也就相对较好；反之，公司的信用状况就越差。
（三）违约率的求法
预期违约率(expected default frequency,EDF)有两种类型：一种是经验的EDF；一种是理论的EDF。KMV公司使用了前者，它是在年初公司资产价值距违约点的距离都是其标准差的某一个常数倍，到期时有多少公司违约，即：
其中N是年初资产价值距违约点为其标准差的某一个常数倍的一组公司的数目。
经验的违约率对违约距离需要一个大型的数据库做支撑，鉴于这种情况，笔者仅仅考虑理论的违约率。由前述条件知，资产价值服从：
三、实证分析
（一）数据的选取
使用上述方法，对深市和沪市随机抽取30家公司分行业作违约距离和违约率的对比（注：数据来源：中国股票市场研究数据库，香港理工大学中国会计与金融研究中心，深圳市国泰安信息技术有限公司开发。），见表1。
表1 样本分类表
行业
工业板块 商业板块
公用事业板块
数量10
10
10
时间段
1998～2001
1998～2001
1998～2001
（二）违约距离、违约率的对比
对于股票年标准差使用目标准差来估计，时间段的选取为每一年的第一个交易日到这一年的六月份最后一个交易日，求出目标准差，然后由目标准差和年标准差的关系求出股票的年标准差，股票市值以六月份最后一个交易日收盘价乘以总股数，利用方程组(5)和(6)使用MATLAB编程[4]，求得公司资产价值的市值和资产价值的波动性，然后由式(8)和式(10)求得违约距离和违约率，具体结果见图1、图2（图略，见原文，下同）和表2、表3。
表2 分行业违约距离与标准差对比表
工业类
商业类
公用事业类
ddstdddstddd
std
1998
2.16524 0.758292 2.16513 0.876349 2.77953 1.00484
1999
2.01859 0.1440233 2.0895
0.288287 2.0879
0.342967
2000
1.614295 0.2853478 1.87334 0.368583 1.98262 0.516149
2001
3.53907 1.0893213 3.56947 0.587523 4.06738 1.25706
表3 分行业平均违约率与标准差对比表
工业类商业类
公用事业类
Mean StdMean
StdMean
Std
1998 0.00142 0.00350
0.00140 0.00412
0.00001 0.00001
1999 0.00019 0.00037
0.00004 0.00010
0.00009 0.00029
2000 0.00052 0.00055
0.00044 0.00073
0.00001 0.00002
2001 0.00000 0.00000
0.00000 0.00000
0.00000 0.00000
从图和表可以看出，横向对比，公用事业类违约距离每年都比另两类大，这表明从违约距离上看，公用事业违约的可能性比工业类和商业类要小；纵向对比，2001年的违约是最小的，2000年违约的可能性是最大的；从平均违约率上看，普遍偏低，根据前面的违约率公式，这和违约点的选取有关，这也说明如果采用理论的违约率，违约点的选取还有待于研究，这也是中国市场区别于国外市场的特征所在。
（三）资产规模与违约距离的关系
图3（图略）反映的是资产规模与违约距离的关系；图4（图略）反映的是违约距离与单位资产违约距离的关系。其中
表示总资产的对数，dd表示违约距离，
表示单资产规模大的公司，从图3可以看出，资产规模大的相应的违约距离也大。也就是说，资产规模大的公司其违约的可能性较小，同时从单资产的违约距离上看也是这样。同时也可以利用单资产的违约距离进行公司间的对比，使资产的配置趋向于优化。
（四）总资产、总负债和资产市值的年度变化
图5（图略）是商业板块10个上市公司4年的总资产、总负债和资产市值的变化，这里总负债是流动负债和长期负债的和，资产市值由3.2已经求得。为更清楚三者之间的关系，笔者仅取商业板块10个上市公司之一的浙江创业作为说明，图6（图略）是其总资产、总负债和资产市值4年的变化。其中
分别表示总负债和总资产很相近。
四、结论
1.通过随机抽取的30家上市公司可以看出，借助违约距离衡量上市公司的信用风险是可行的；由于违约距离的标准化，可以对比不同公司不同年份之间的信用风险。
2.资产规模是影响违约的一个关键因素。资产规模大的公司，其经营也比较稳健，违约可能性相对较小，反映在违约距离上也就比较大。这和穆油公司的研究也相一致[6]。
3.利用股票的市场数据计算出的市场价值一般都比总资产要高。
综上所述，可以借鉴KMV模型计量上市公司的信用风险，但是有些问题还需进一步解决。譬如违约点的选取，因为其关系到预期违约率的大小，必须结合中国上市公司的实际情况，进行综合分析和评价，以确定违约点。