基于KMV模型的农业上市公司信用风险实证分析，本文主要内容关键词为：实证论文,上市公司论文,模型论文,信用风险论文,农业论文，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。
农业类上市公司是我国农业经济发展的突出代表，截至2007年6月，沪深证券交易所共有农业类（农、林、牧、渔业）上市公司70家，占1435家上市公司总数的5％。总体来看，农业类上市公司的经济效益不高，被ST（Special Treat）的公司高达22家，占行业上市公司的31％，高居各行业板块傍首。投资者普遍认为农业类上市公司的风险难以把握，收益较低，难以取得理想的投资效果。因此，如何对农业类上市公司的信用风险、投资价值进行评价，及时规避此类风险带来的损失，成为非常有实际意义的一件事。
以往对上市公司信用风险评估侧重于利用公司历史财务数据，例如Altman的Zeta等单元判别模型和Logistic多元判别模型，取得了一定的效果，但这种评估最致命的缺陷是只能以过去预测未来，不能用未来本身说话。目前最新的信用评价方法是KMV模型，其对信用风险的预测是基于股票市场，利用B-S股票期权定价思想求出公司未来违约发生的概率，而股票市场的价格包含了投资者对股票未来信息判断的因素，因此具有前瞻性和灵敏性，更加客观和准确。KMV模型由Stephen Kealhofer,John McQuown和Oldrich Vasick三人创立的信用风险分析专业公司提出，为保持其核心竞争力，KMV公司并未公布信用风险评价中违约距离、违约概率的求解细节。国内外对其模型的具体研究和应用只局限于对其框架的借鉴。我国学者（程鹏，2002；鲁炜，2003；石晓军，2004；马若微，2006等）对KMV方法在我国的应用进行了有益的探索，但他们的研究大都仅局限于对模型框架的介绍和零星的实证分析，对指标的处理和计算方法缺乏系统的分析和比较。
本文探讨了违约距离计算过程中几种算法的适用性，并通过对农业类上市公司实证分析，确立了适合我国国情的KMV具体计算模型。
一、KMV模型理论基础
KMV模型是将公司股票价值具有的期权特征思想推广到公司信用风险评价中。它将公司股权看作是买入一份欧式看涨期权，即公司所有者持有一份以公司债务面值为执行价格，以公司资产市场价值为标的欧式看涨期权。如果负债到期时公司资产市场价值高于其债务，公司偿还债务；当公司资产市场价值小于其债务时，公司选择违约。因此，KMV模型评价公司信用风险的基本思路：以违约距离DD表示公司资产市场价值期望值距离违约点（DPT,Default Point）的远近，距离越远，公司发生违约的可能性越小，反之越大。违约距离常以资产市场价值标准差的倍数表示。违约点DPT通常处于流动负债与总负债面值之间的某一点。基于公司违约数据库，模型可依据公司的违约距离得出一个期望违约频率EDF，这个期望违约频率是公司未来某一时期的违约概率。
KMV模型有两个关键步骤，一是根据公司股票价值的期权特征，利用期权定价模型可以倒推出公司资产的市场价值及其波动率。二是依据公司的违约距离得出一个期望违约频率EDF。
1.计算公司资产价值和资产波动率。
2.计算违约距离DD与期望违约率EDF。
违约距离作为一个度量信用风险的指标，指的是公司资产价值的期望值到违约点之间距离，以资产市场价值的标准差个数表示。计算公式如下：
其中，式（3）和式（4）是假设资产价值服从正态分布推出，式（5）和式（6）是假设资产价值服从对数正态分布推出；
是期初和期末的资产价值，μ是资产的连续回报，其他符号同前。这里，目前国内大部分实证研究论文都是采用公式（3），石晓军2004采用过公式（5），公式（4）由本文提出，公式（4）和（6）的实证分析尚未见到。本文则在实证分析的基础上，对以上4个公式进行了分析和比较，选出适合我国国情的计算公式。
KMV公司计算预期违约频率采用的是将违约距离与公司的历史违约频率相匹配完成的。由于需要大量的历史数据，这一点在我国条件还不具备，所以本文暂且采用理论上的预期违约频率来代替。假设公司资产价值服从对数正态分布，那么理论上公司的期望违约率EDF为：
P=N（-DD）=1-N（DD）（7）
式中，N（·）为标准正态分布函数。
二、样本数据准备
由于ST公司比一般正常的上市公司具有较高的信用风险（违约风险），为了便于说明问题和对比，本文选取了有代表意义的ST公司和正常的上市公司这两类样本进行研究。样本数据取自上海证券交易所农业类上市公司，随机选取两家被ST的公司，ST天香和ST秦丰，业绩相对较好的两家公司，伊利股份和赤天化。本文的实证计算做了如下假定：（1）假定公司股票价格服从对数正态分布；（2）利率使用一年期定期存款利率，我国的银行体制决定了银行存款的相对风险较低特点，可以视存款利率为无风险收益率；（3）股票波动率采取我国股票市场上的历史数据进行计算估计；（4）上市公司的股权市场价值由流通股市场价值和非流通股市场价值两部分组成，基于股权分置改革的陆续到位和大小非的成功解禁，本文视流通股和非流通股有同样的市场价值；（5）不考虑公司具体的债务结构，将公司债务等于短期债务（流动负债）加长期债务的一半。
股价数据来自于CCER金融经济数据库。农业类上市公司信用风险是一定时期积累的结果，判断其是否违约应放大到一段时期内考察。故本文选择2001年1月到2006年12月的市场和财务数据，基本财务数据见表1。从表1可以看出两个业绩相对较好的公司，伊利股份和赤天化股价平稳且有上涨；两个ST的公司，ST天香和ST秦丰股价日趋低落，信用风险日趋增大，但是否会违约，尚需将股价转化为资产价值且结合债务，并考虑其波动性而定。
三、计算分析
以每年的年初为观察日期，估计其未来一年的违约距离DD和期望违约率EDF。其计算过程及结果如下：（1）由CCER金融经济数据库，下载个股标的数据（见表1）；（2）计算收益率的日标准差和年标准差（见表1）；（3）计算公司的股权市场价值和违约触发点DPT（总负债）（见表1）；（4）联解非线性方程（1）和（2），获得公司资产价值和资产波动率（见表2）；（5）由式（3）～（6）计算违约距离DD，由式（7）计算理论违约率EDF（见表2）。
从计算结果可以看出：
1.ln（年初资产/负债）和ln（年末资产/负债）的差异不大，资产/负债的对数测度基本能够反映企业资产和负债的距离，但因其没有考虑资产的波动性，尚不能表达信用风险。
2.
的结果较为接近，因其假设资产为正态分布，与事实不符，不能反映资产和负债的变化，且所得结果较小，差异不大，由此获得的理论违约概率过大，见表2中的
，不适合。
3.
公式由假设资产为对数正态分布推出，结果较为合理。但将资产的连续回报用无风险利率替代，由于无风险利率总是正值，而资产的连续回报却有正有负，尤其是当资产的连续回报为负值时，该公式误差较大，不能体现资产的实际变化。如天香集团2003—2006年间资产一直缩水，负债没有明显变化，违约距离理应变小，但由计算出的违约距离却在增大，与事实不符。另外，由所得违约距离过大，由此获得的理论违约概率过小，不太适合。
4.
公式由假设资产为对数正态分布推出，对实际资产和负债的变化表现敏感，如2004年秦丰农业股价回升，违约距离就突然加大。且由公式计算的理论违约概率的大小适中，见表2中的N（-），因此，公式是适合我国国情的DD计算公式。从计算结果来看，即使是ST公司违约概率也较小，看似不合理，但是，由于KMV模型计算出的违约概率是指农业类上市公司破产的概率，与银行贷款到期不还意义上的违约概率有很大差别，事实上前者的概率要大大低于后者，因此，这个结果是合理的。结果表明ST公司连续三年亏损，违约概率较正常公司明显增大，虽然离资不抵债、破产退市还有相当距离，但从放款银行和投资者投资的角度来看值得警惕。
5.的结果表明，伊利股份和赤天化的违约距离明显大于ST天香和ST秦丰，与实际情况相符。两家ST公司均在2006年第二季度被特别处理，从表2中可以看出，ST天香有5年的违约距离在5以下，ST秦丰则有3年的违约距离在5以下，而伊利股份和赤天化一次也没有，两个ST公司在2002年没有出现亏损时违约距离就下降到5以下。违约距离5似乎可用于预测公司未来被ST的依据，有待更多的实证检验。
四、结论
与其他行业相比，农业类上市公司整体数量偏少，在整个农业经济发展中并不占主导地位。但其在投资者心目中的地位却是农业经济发展的先进代表，也是农业银行理想的客户对象，其信用风险的及时、精确度量能更好地促进对上市公司的深度了解。本文通过对四个有代表性的农业上市公司连续6年的信用风险的实证分析，似可证明DD[，4]是适合我国农业上市公司的KMV计算公式，但还需要做进一步验证。
在我国现行条件下，违约距离和违约概率可以作为银行监控农业类上市公司贷款的预警指标。还可以使用参数调整后的KMV模型对农业上市公司进行信用评级，以简单的数字直观地表现农业类上市公司面临的信用风险，方便投资者决策。但由于我国目前股票市场的种种不成熟和不规范，资产价值波动率在短期内有较多的非理性因素干扰，企业负债只是计算其账面价值而不是实际价值，因此，要更加精确地度量信用风险必须对期权定价公式进一步改进，例如考虑资产价值的跳跃和考虑利率变动对负债实际价值影响的度量模型。