CPV模型研究产业集群的经济周期性风险，本文主要内容关键词为：周期性论文,产业集群论文,模型论文,风险论文,经济论文，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。
一、研究背景
从90年代起，产业集群就引起了理论界和政府、企业的广泛关注。从意大利的中北部地区、美国的加州到中国的浙江省，产业集群的区域经济模式，表现出巨大的经济活力。美国哈佛商学院的波特教授认为产业群或集群（cluster）指在某一特定领域中（通常以一个主导产业为核心），大量产业联系密切的企业以及相关支撑机构在空间上集聚，并形成强劲、持续竞争优势的现象（porter,1998）。他还认为美国硅谷的信息产业、好莱坞的娱乐业、加州的葡萄酒酿造业等就依赖于集群获得竞争优势，国家的竞争优势来源于优势产业，而优势产业的竞争优势来源于产业集群①。
发达国家根据产业集群的有关理论与实践，制定了促进产业集群发展的相关政策，形成了成功的产业集群。从我国现状来看，浙江的产业集群程度是最高的。据初步统计，1999年，浙江省特色工业总产值约达4300亿元，占全省全部工业的65％，部分乡镇甚至达到80％以上。“一乡一品”、“一县一业”已成为浙江省区域经济发展的一大特色。目前全省已形成特色优势产品产值超亿元的块状经济306个，平均每个区域8.7亿元。目前我国在浙江、广东沿海、 江苏和福建等地出现了一些传统产业集群，主要出现的行业在纺织、电子信息、汽车和石化等。
集群网络资本对民营企业发展的影响正随着我国社会主义市场经济发展呈现出一种不断增强的趋势（王诺，2003）。目前国内外集群研究主要集中在产业集群的机理、技术创新、组织创新、社会资本以及经济增长与产业集群的关系方面，大部分理论研究集中于产业集群对竞争力产生的正效应，但对其信用风险有所忽视。到目前为止，违约概率的测度问题从研究方法上主要是工程化模型，如：J·P·Morgan（1997）创建的CreditMetrics模型、KMV公司建立的KMV模型、McKinsey公司的CreditPortfolioView模型等。本文在深入分析Creditportfolio View（CPV）模型的原理基础上，利用了现代信用风险KMV模型计算我国产业集群的违约概率，然后利用CPV模型进行一系列的运算以校验违约概率， 最后分析我国产业集群违约概率值的特点。
二、研究的理论及现状
KMV是一家设址旧金山的信用风险评估公司，该公司取其创办者（kealhofer、McQuown）及Vasicek）名字第一个字母为名。KMV起源可追溯到1974年Merton提出的将期权定价理论应用于公司价值评估的方法；1980年初，McQuown与Vasicek研究和改良期权定价模型，并应用于有关授信与贷款投资组合管理； 2002年4月KMV被Moody's并购。KMV模型的基本思想和Merton一样把公司权益和负债作为期权，而把公司资本作为标的资产，把公司所有者权益作为看涨期权，把负债作为看跌期权。资本结构与公司价值密切相关，而违约概率是与债务额和债务人公司资产结构相关的内生变量。KMV认为，当一个公司资产价值低于某个水平时，违约就会发生，在该水平上的公司资产价值被定义为违约点（DefaultPoint,DP）同时，KMV假设投资组合是高度分散的，并且市场利率和总体经济状况是可以预先确定。
从国外学术界对KMV模型的系列有效性验证研究结果显示， 该模型是有效的信用风险量化技术。巴塞尔银行监管委员会在2004年通过的《巴塞尔新资本协议》提倡使用内部评级法管理信用风险，并推荐使用KMV模型进行内部评级，可见KMV模型已经在国外得到了广泛的认可和使用。
纵观1998年以来的研究资料与文献，可以看出我国对KMV 模型的研究更多地侧重于KMV模型在我国的适用性研究，即KMV模型是否可以识别我国存在的信用风险，其准确度、灵敏度是否很高、如何开发出更能反映我国宏观经济环境特点和我国公司特征的关系函数以使KMV模型在我国更具适应性等问题。
信贷组合观点模型（CPV）是Mckinsey公司由Wilson于1997年提出（Saunders,1999）。它是应用经济计量学和蒙特卡罗模拟来实现模拟违约的联合条件概率分布，以及每个国家不同行业中各种信用等级群体的信用等级转移概率，直接将转移概率与宏观经济因素之间的关系模型化。该模型认为违约概率可以表达为Logit 概率分布函数，其中独立变量的条件违约概率仅由当前宏观经济变量指数值决定。而当前宏观经济变量指数值又由当前具体宏观经济变量值（如：失业率、GDP增长率、长期的利率水平、政府支出增长率及总储蓄率等）和一般性的经济冲击因素或创新因素决定。同时模型假定每一个具体宏观经济变量满足一个单变量自回归模型，即由宏观经济变量的滞后值和每一个宏观经济变量的冲击因素所决定。因为滞后的宏观经济变量可以事前确定，因此推动违约概率的关键变量是一般性的经济冲击因素。使用蒙特卡罗模拟可以生成未来多期的以上两个关键变量，从而模拟未来各个时期条件违约概率Pj，t的情景值。
我国虽然对KMV、CPV模型有一些研究，但是对产业集群的信用风险方面大多数只是文字描述，将KMV、CPV模型运用于产业集群的信用风险方面的研究几乎没有。本文在深入分析Creditportfolio View（CPV）模型的原理基础上，利用了现代信用风险KMV模型计算我国产业集群的违约概率，然后利用CPV模型进行校验违约概率。
三、研究的过程
1.用KMV模型计算违约概率
本文根据KMV模型提出的违约概念， 基于对公司资产价值几何布朗运动以及资产收益正态分布假设的基础上，计算理论上的违约概率。具体的计算步骤如下：
第一步：KMV公司根据大量违约的实证分析， 发现违约发生最频繁的临界点处在公司价值大约等于流动负债加50％的长期负债时。即违约点DP＝短期负债＋长期负债／2
第二步：对股权E的计算考虑到中国股市特有的流通股和非流通股的问题， 采用了加权的方法。
股权＝股价×流通股股数＋股权的账面价值×（总股本－流通股股数总股本）
第三步：权益的波动率的计算。对于金融市场波动率的估计方法，国内外已有大量文献讨论，并形成了成熟可靠的方法。可以通过历史数据对σe进行估计。比如，我们可以得到1年内某只特定股票的最高价、最低价、日均价，则年最高波动率＝（最高价－日均价）／日均价
年最低波动率＝（最低价－日均价）／日均价。
于是，年平均波动率＝（最高波动率＋最低波动率）／2
波动率标准差即为最高波动率、最低波动率与平均波动率的标准差。
第四步：确定预期违约率EDF（expected default frequency）。 根据企业的违约距离和企业资产价值波动的标准差，计算出预期违约率EDF。
数据来源于《中国工业统计年鉴》、《中国经济年鉴》及上海、深圳证券交易所提供的上市公司历史交易数据。本文根据我国上市公司，选取了产业集群的主要行业电子、石化、纺织、汽车行业及产业集群的主要地区：广东、福建、江苏、浙江，限于数据的可获得性，从1993年到2004年共103家企业的相关数据，经过计算得出的KMV违约概率值如下表1所示。
表1违约概率（P）
2004
2003 2002 2001 2000
1999
1998
1997 1996 1995
1994 1993
违约概率 0.015 0.0132 0.015 0.013 0.006 0.0076 0.0078 0.0067 0.01 0.013 0.029 0.038
标准差0.214 0.174 0.173 0.204 0.121 0.141 0.109 0.159 0.209 0.193 0.439 0.29
由表1得到的违约概率P，根据CPV模型有：P[,t]＝1／（1＋exp（－Y[,t]）），①
得出对应的Y[,t]值。CPV模型中的式①，使得t 期条件违约概率以逻辑函数的形式能够确保违约概率的值大小不会超过1。
2.用CPV模型校验违约概率
（1）根据CPV模型每个宏观经济变量服从自回归模型：X[,j,t]＝α[,j,1] ＋α[,j,2]X[,j,t－1]＋e[,j,t]；②
e[,j,t]是假设独立的同分布的误差项即：e[,j,t][～]N（0，∑[,e]）其中e[,t]为J×I的二阶自回归误差项e[,j,t]的矢量；∑[,e]为误差项e[,t]的协方差矩阵。
其中X代表了GDP增长率、失业率（LAYOFF）、5年期的长期利率（RATE）、 政府支出增长率（FIN）。数据来源于1993年到2004年的《中国金融年鉴》、 《中国统计年鉴》及《中国经济年鉴》及中国统计局网站上公开的有关数据。利用的主要数学工具软件有Matlab与计量软件EViews、EXCEL。
计算结果如下所示：
LAYOFF＝0.4176032498＋0.9102911307*LAYOFF（－1）
RATE＝0.03833313556＋0.9467001134*RATE（－1）
GDP＝3.026127458＋0.6328051829*GDP（－1）
FIN＝7.017544472＋0.5773485739*FIN（－1）
表2 变量统计检验结果
有关统计检验
GDP FIN RATE LAYOFF
R-squared0.785652 0.895628 0.852308 0.828630
F-statistic 32.98776 53.68066 51.93765 43.51793
t-Statistic 5.743497 4.316909 7.206778 6.596812
从检验结果看，都能通过检验，方程拟合程度较好，方程及变量检验也较显著。
（2）多因子模型
宏观经济指数是由一个多因子模型决定，它代表了每个国家的经济状态，即Y。
用下式具体表示为：Y[,j,t]＝β[,0+]β[,j,l,t]＋…＋β[,jm]x[,j,m,t]＋V[,j,t]
③
Σ[,v]是假设独立的同分布的误差项的协方差矩阵。
其中Yt是由上面的式（1）得出，各X即GDP增长率、失业率、5年期的长期利率、政府支出增长率。对③式进行检验，得到：
Y＝－12.77922671＋0.2413127409*GDP＋0.1125823277*FIN＋0.0556476267*RATE＋1.09860495*LAYOFF④
表3 统计检验结果
有关统计检验
GDP FIN RATELAYOFF
R-squared 0.912747
F-statistic18.30666
t-Statistic
5.044278 3.201995 1.162139 3.125385
从检验结果看，都能通过检验，方程拟合程度较好，方程F检验也不错，变量检验除了RATE外，几个都比较显著，由于本文研究的重点在于宏观经济变量的冲击因素，更关心的是方程拟合程度及残差项，所以也不影响本文的分析。
（3）做互相关矩阵及Cholesky分解
其中∑[,v]是式④的残差项的协方差矩阵。∑[,v,e]，∑[,e,v]为∑[,v]及∑[,e]的互相关矩阵。
利用Cholesky分解，有：∑＝AA[T]，同时随机产生一个随机变量Zt[～]N（0,1），其中每一个因素都服从正态分布N（0，1），然后计算Et＝A'Zt，它即是误差项Vt和e[,t]的矢量。即：
v[,t]'＝［0.0001433，0.0001198，0.0000980，0.0000215，0.0001122，0.0000968，－0.0000206，－0.0000379，－0.0000263，－0.0001941，－0.0000175，0.0000327］（4）多次校验Y[,j,t]和P[,j,t]。
V[,t]'是式④的校验值，用它代入⑤式：
Y'＝－12.77922671＋0.241312749*GDP＋0.1125823277*FIN＋0.0556476267*RATE＋1.09860495*LAYOFF＋V[,t]'
再利用得到的Y'值，代入前面的式（1）：P[,t]＝1／（1＋exp（－Yt）），
计算得到创新矢量后的P'，经过多次校验，得到下面的校验后的P[,2]值，如下图所示：
四、结论分析
1.计算出来的违约概率值较小，源于选取数据有关，选取的企业都是产业集群的主要行业电子、石化、纺织、汽车行业及产业集群的主要地区：广东、福建、江苏、浙江都是我国经济发展较好的地区及经济效益较好的企业，结果违约率自然低。
2.以上分析是基于理论计算的我国产业集群违约概率的结果。实际的违约率是一个综合的违约率，它不仅包括宏观经济因素的影响（即文中分析部分），即系统性的风险，还包括各企业具体特有的非系统性风险，因此，实际违约率的值要大于所测算出的宏观经济影响这部分的违约概率。
3.从违约概率图可以看出，从1993年到1998年违约概率值的下降是源于1994年创造了建国以来通货膨胀的最高指数，当时商品零售物价指数超过了24％，大城市消费品物价指数达到了30％以上，这是共和国有史以来最高的，国家出台一系列紧缩性的政策连续双紧，取得了显著控制通货膨胀的效果。1997年当时全国的经济增长速度是8.8％，高增长低通胀，所以，当时我们宣布中国经济实现了高增长低通胀的软着陆。经济状况的好转及经济的平稳增长相对应的是违约概率值的连续下降。
2001年起违约概率值变大的原因是我国加入WTO，国内经济市场化、 国际化使中国的企业对市场比过去灵敏得多，经济的波动必然会使得违约概率值变大。
4.校验后的图P[,2]与图P值相比周期性更明显了，体现了违约概率受宏观经济状况影响，也有周期性的特点。P[,2]从1993年到1998年是下降的，从1998 年起进入了上升的通道。同时发现，高通货膨胀违约概率就变大，低通货膨胀对应着小的违约概率。例如：2002年我国固定资产投资价格上涨0.2％。居民消费价格中，服务价格上涨1.8％。2003年我国原材料、燃料、动力购进价格上涨4.8％。固定资产投资价格上涨2.2％。油料上涨19.4％。2004年我国工业品出厂价格上涨6.1％。原材料、燃料、动力购进价格上涨11.4％。固定资产投资价格上涨5.6％。另外，在做CPV模型时，每个宏观经济变量服从自回归模型，使得违约概率值有个滞后期，所以2002年物价的微涨反映在违约概率上是2001年的数字，而2003比较于前几年，物价有一定的膨胀，所以2002年的违约概率变大了。
注释：
① porter,M.E.,1998,Clustersand New Economicsofcompetition Harvard Business Review (11)。
标签：宏观经济论文; 违约概率论文; 经济论文; 经济模型论文; 产业集群论文; 经济风险论文; 波动率论文; 概率计算论文; 风险模型论文; 经济学论文; 信用风险论文; kmv模型论文;