上市公司信用風險預警的實證分析

許雙雙

【摘要】本文運用KMV模型，對中國A股上市的2000多家公司進行了實證分析和檢驗，事實發(fā)現(xiàn)，KMV模型的假設(shè)條件在現(xiàn)實生活中不容易滿足，并且KMV模型并不能在財務(wù)風險預警上取得良好的效果，很多非ST公司的違約概率要高于ST公司的違約概率。這一現(xiàn)象有可能是因為KMV模型自身的問題，如需要資產(chǎn)滿足正態(tài)分布，不區(qū)分長短期債務(wù)時間，單純考慮違約風險等。

【關(guān)鍵詞】KMV模型 ST公司 實證檢驗

2014～2015年中國資本市場波動加大，股指迅速飆升至4000～5000多點，大量企業(yè)呈現(xiàn)出非理性的高速增長和波動，為此我們使用經(jīng)典的KMV模型對當前中國資本市場中的股票進行了實證分析，以判斷KMV模型是否能夠有效的預警上市公司的違約風險。

一、KMV模型介紹

（一）KMV模型原理

在KMV模型中，假設(shè)公司資本結(jié)構(gòu)簡單，只發(fā)行一年期零息債券和股票，則公司股票損益情況依賴于資產(chǎn)價值和公司債券面值的差值。當差值為負，公司資產(chǎn)無法補足欠下的債務(wù)，公司將發(fā)生違約。

KMV模型度量信用風險的思路是：因股票價值具有期權(quán)特征，可以利用期權(quán)定價模型的公式，計算資產(chǎn)的市場價值及其波動率。再根據(jù)其價值期望值與違約點的距離，計算違約距離DD，DD越大，公司違約的可能性越小，反之越大。然后基于公司的違約數(shù)據(jù)庫，根據(jù)DD得出期望違約頻率EDF，即公司未來某時的違約概率。

（二）KMV模型的假設(shè)

1.公司資產(chǎn)價值與債務(wù)價值差值為正時，公司不會違約，反之，則會違約。

2.違約距離，即DD，是度量信用風險的合適指標。

3.根據(jù)違約點的概念，DD=STD+0.5LTD（其中STD為流動負債，LTD為長期負債）

4.股票價格服從對數(shù)正態(tài)分布；

5.利用股價數(shù)據(jù)來估計其收益年標準差，本文我們采用2014年1月4日到2014年12月31日共52個周的收盤價來估計股票收益年標準差。

二、實證過程

我們首先對于上市的2000多家A股股票進行了數(shù)據(jù)抓取和清洗，選取了數(shù)據(jù)完整的1178家（包括24家ST以及*ST公司）進行實證分析與檢驗。

我們選取了持續(xù)期為52周的4個樣本點（3/31日，6/30日，9/30日和12/31日），分別和報表截至日期相對應，時間周期為 2010/1/31日到2015/3/31日每股21個時間樣本點。其中波動率（年化）數(shù)據(jù)由同花順軟件計算得出。

違約點我們選取流動負債+0.5*長期負債即STD+0.5LTD，市值選取的是4個時間點上的股票總市值。計算公式如下：

E=VN（d1）-e-rtN（d2） 式（2.1）

σE=■*σv 式（2.2）

d■=■*σv 式（2.3）

d■=d■-σv■ 式（2.4）

其中E為股權(quán)市場價值；V為資產(chǎn)市場價值；D為債務(wù)面值；r為無風險收益率；τ債務(wù)償還期限；N（d）為標準累積正態(tài)分布函數(shù)；σv為資產(chǎn)價值波動率；σE為股權(quán)市場價值波動率。運用matlab的fsolve函數(shù)，對上述式子進行非線性求解，可以計算出資產(chǎn)價值VA和資產(chǎn)價值標準差σA。并且根據(jù)計算的結(jié)果求出違約概率，繪制違約概率分布圖，如圖一，其中x軸為時間序列，y軸為1178家公司，z軸為違約概率。

圖一 違約概率分布圖

將上圖得到的違約概率與穆迪公司的違約概率評級相比較，得到圖二的評級圖。

圖二 評級圖

從圖二可以看出去，大部分公司都處于B級評級狀態(tài)，少部分甚至到達了C級評級區(qū)間（白色為A級，粉紅色為B級，紅色為C級）

同時我們根據(jù)違約概率的波動性繪制出三維的波動圖如圖三，以及一個時間序列的橫截面波動圖如圖四。

圖三 圖四

可以從上圖看出，違約概率呈現(xiàn)出一個時間序列上的波動性。

圖五

通過進行QQplot檢測得到圖五，判斷其與正態(tài)分布的偏離程度，可以看出其與正態(tài)分布有共同的變化趨勢但與標準正態(tài)分布有較大的誤差。因此并不滿足KMV模型的假設(shè)條件。

同時我們還發(fā)現(xiàn)，ST與非ST公司在違約概率上并不能體現(xiàn)出差別，我們選取了21家ST公司，以及和ST一個行業(yè)，類似市值的非ST對照企業(yè)，結(jié)果如下圖：其中ST公司的違約率情況用面積圖表示，非ST公司的違約率情況用折線圖表示。（非ST公司亦表示為*ST公司）

以下從21組對比中選取了1組如圖六，將ST公司和*ST公司的違約率進行了對比。

圖六

經(jīng)過21組ST公司和非ST公司的違約概率的對比，發(fā)現(xiàn)存在著很多諸如圖六的情況，即折線高于陰影面積的情況，可知KMV模型并不能在財務(wù)風險預警上取得良好的效果，存在大比例的錯誤判斷。

三、結(jié)論

由以上各個行業(yè)中ST企業(yè)與同行業(yè)中非ST企業(yè)的違約概率的對比，我們可以發(fā)現(xiàn)，運用KMV模型的違約概率在ST企業(yè)的識別中并沒有起到較好的作用，甚至有些行業(yè)的非ST企業(yè)的違約率高于ST企業(yè)，這可能主要由于以下幾個方面的原因?qū)е拢?/p>

第一，KMV模型要求企業(yè)的資產(chǎn)呈正態(tài)分布，而這個假設(shè)在現(xiàn)實生活中很難成立。

第二，KMV僅僅只關(guān)注信用風險中的違約概率，考慮的其他風險因素較少，而導致企業(yè)成為ST企業(yè)是各種風險因素交互作用的，因此單憑KMV模型的違約概率是無法預測一個企業(yè)是否將成為ST企業(yè)，也就無法很好的進行財務(wù)預警。

第三，KMV模型并不區(qū)分長短期債務(wù)，以及債務(wù)的性質(zhì)等，因為不同期限與不同性質(zhì)的債務(wù)風險程度以及防范的措施都是不同的，因此給債務(wù)違約的風險預警帶來了難度。

參考文獻

[1]梁世棟，李勇，方兆本等.信用風險模型比較分析[J].中國管理科學，2002，（2）：17-22.

[2]王毅春，孫林巖.現(xiàn)代信用風險模型特征比較研究[J].當代經(jīng)濟科學，2004，（3）：60.63.

[3]范昊祎，蔡萬科.KMV模型度量信用風險的有效性與應用研究——基于中國債券市場的實證分析，2011（07）.

[4]孫小琰，沈悅.基于KMV模型的我國上市公司價值評估實證研究.2008（22）.

[5]吳文靜.基于KMV模型的不同地區(qū)上市公司信用風險的比較分析.2010.