高新企業(yè)信用違約風(fēng)險(xiǎn)的探究

張瑞雪 屈爾屾

【摘要】 ?隨著經(jīng)濟(jì)的發(fā)展、社會(huì)的進(jìn)步、科技和信息化水平的提高以及全球資源和環(huán)境問題的日益突出，高新技術(shù)產(chǎn)業(yè)受到越來越多的關(guān)注。文章通過銳思和國(guó)泰安數(shù)據(jù)庫，以高新技術(shù)產(chǎn)業(yè)的代表公司——青島東軟載波科技股份有限公司2016—2018年前三季度對(duì)外披露的數(shù)據(jù)為基礎(chǔ)，利用KMV風(fēng)險(xiǎn)計(jì)量模型計(jì)算其違約距離和預(yù)期違約概率，從而為高新技術(shù)產(chǎn)業(yè)的發(fā)展提出建議。

【關(guān)鍵詞】 ? 信用風(fēng)險(xiǎn);KMV模型;違約距離和預(yù)期違約概率;高新技術(shù)產(chǎn)業(yè)

【中圖分類號(hào)】 ?F275 ?【文獻(xiàn)標(biāo)識(shí)碼】 ?A ?【文章編號(hào)】 ?1002-5812（2019）22-0040-03

一、信用風(fēng)險(xiǎn)簡(jiǎn)介

眾多研究和實(shí)踐表明，信用風(fēng)險(xiǎn)和金融市場(chǎng)的發(fā)展趨勢(shì)有著密切的聯(lián)系。信用風(fēng)險(xiǎn)，通常被定義為債務(wù)人在合約規(guī)定期限內(nèi)沒有按照約定日期將本應(yīng)歸還的本金和利息償付給貸款方，從而給債權(quán)一方造成了不同程度的經(jīng)濟(jì)等方面損失的風(fēng)險(xiǎn)。為了更好地保障債權(quán)人的權(quán)益，對(duì)信用評(píng)級(jí)衡量方式和方法的研究在學(xué)術(shù)領(lǐng)域和實(shí)務(wù)層面逐漸興起和發(fā)展起來。信用評(píng)級(jí)將構(gòu)成要素復(fù)雜的各類市場(chǎng)上的信息經(jīng)過一定的處理和加工，進(jìn)而生成一些更方便于使用方理解的各類信息種類產(chǎn)品，并通過這種方式給各類金融市場(chǎng)輸出更多有價(jià)值的信息服務(wù)。

一段時(shí)間以來，隱形和剛性兩種特性的兌付預(yù)期導(dǎo)致債券市場(chǎng)上投資人在規(guī)定時(shí)間內(nèi)都將企業(yè)的收益率放置在首要位置上，其直接后果是眾多信息使用者在一定程度上不重視企業(yè)的信用風(fēng)險(xiǎn)，信用風(fēng)險(xiǎn)的定價(jià)機(jī)制被嚴(yán)重扭曲，信用評(píng)級(jí)的市場(chǎng)效力被弱化。隨著我國(guó)市場(chǎng)經(jīng)濟(jì)的不斷發(fā)展，在對(duì)相關(guān)的金融產(chǎn)品進(jìn)行定價(jià)分析、合理有效配置資源等方面，信用評(píng)級(jí)都具有極其重要的應(yīng)用，甚至對(duì)增強(qiáng)市場(chǎng)有效性、消除信息不對(duì)稱等層面上也有著至關(guān)重要的作用。

雖然經(jīng)過多年的發(fā)展，我國(guó)的信用評(píng)級(jí)有了長(zhǎng)足的進(jìn)步，評(píng)級(jí)業(yè)務(wù)的規(guī)模范圍在不斷擴(kuò)大，相關(guān)的業(yè)務(wù)種類也在不斷豐富，但信用評(píng)級(jí)市場(chǎng)的主力份額仍掌握在海外的評(píng)級(jí)機(jī)構(gòu)手中。基于此，提高我國(guó)信用評(píng)級(jí)業(yè)務(wù)水平，促進(jìn)信用評(píng)級(jí)業(yè)務(wù)在我國(guó)的發(fā)展，對(duì)維護(hù)資本市場(chǎng)國(guó)際環(huán)境中中國(guó)的金融主權(quán)至關(guān)重要。

信用評(píng)級(jí)的方法對(duì)于信用風(fēng)險(xiǎn)衡量至關(guān)重要，是信用風(fēng)險(xiǎn)評(píng)判的核心要?jiǎng)?wù)。從信用風(fēng)險(xiǎn)評(píng)測(cè)的模型角度來分析，目前信用風(fēng)險(xiǎn)評(píng)級(jí)方法可以分為傳統(tǒng)和現(xiàn)代兩種模式的度量方法。我國(guó)的信用風(fēng)險(xiǎn)評(píng)級(jí)方法主要包括專家制度模型、Z值評(píng)分模型、ZETA模型等傳統(tǒng)度量方式。但信用風(fēng)險(xiǎn)由于概率分布具有向左傾斜并伴有肥尾現(xiàn)象出現(xiàn)在函數(shù)線左側(cè)，故此我們不能用正態(tài)分布的假設(shè)來應(yīng)對(duì)信用風(fēng)險(xiǎn)評(píng)測(cè)的問題。另外難以量化的道德風(fēng)險(xiǎn)對(duì)信用風(fēng)險(xiǎn)的形成有重要作用和較難對(duì)信用風(fēng)險(xiǎn)定價(jià)、信用風(fēng)險(xiǎn)的明顯非系統(tǒng)性等特征，使得現(xiàn)代金融市場(chǎng)對(duì)信用風(fēng)險(xiǎn)評(píng)測(cè)方法的實(shí)際要求日漸提高，更多優(yōu)秀的現(xiàn)代風(fēng)險(xiǎn)評(píng)測(cè)模型應(yīng)運(yùn)而生，并得到廣泛的使用和不斷優(yōu)化。

二、KMV信用風(fēng)險(xiǎn)度量概述

1994年，J.P.Morgan提出用VAR風(fēng)險(xiǎn)價(jià)值評(píng)估為度量基礎(chǔ)，來衡量市場(chǎng)的信用風(fēng)險(xiǎn)。VAR（風(fēng)險(xiǎn)價(jià)值評(píng)估）其通常理解下的含義為在正常的市場(chǎng)環(huán)境下，金融資產(chǎn)和證券組合投資帶給投資方最大程度的損失可能。進(jìn)一步而言，在置信區(qū)間確定的情況下，風(fēng)險(xiǎn)價(jià)值評(píng)估指標(biāo)VAR值在未來特定的一段時(shí)間期限內(nèi)，金融資產(chǎn)或者價(jià)值組合價(jià)值帶給投資者損失的最大可能性。

隨后，1997年J.P.Morgan又進(jìn)一步提出以信用風(fēng)險(xiǎn)的量化度量為基礎(chǔ)的信用風(fēng)險(xiǎn)管理模型，在此之后，另一類型的信用風(fēng)險(xiǎn)度量模型被瑞士信貸銀行推出，與此同時(shí)，以預(yù)期違約頻率（EDF）為核心度量手段的KMV模型被舊金山KMV公司研發(fā)出來。

KMV模型是一種用來估計(jì)借款企業(yè)違約概率的方法，該模型認(rèn)為，債務(wù)人的資產(chǎn)市場(chǎng)價(jià)值可以決定該債務(wù)人貸款的信用風(fēng)險(xiǎn)。但是在實(shí)際的市場(chǎng)交易中，資產(chǎn)的市場(chǎng)價(jià)值很難真實(shí)地被反映出來，換言之，債務(wù)人的資產(chǎn)市場(chǎng)價(jià)值不能直觀地被觀測(cè)到。為此，KMV模型選擇從另外的角度來研究評(píng)測(cè)銀行的貸款問題，將目光轉(zhuǎn)換到借款企業(yè)所有者的角度，由此思考?xì)w還貸款的信用風(fēng)險(xiǎn)問題。KMV模型是利用現(xiàn)代期權(quán)定價(jià)理論建立起來的對(duì)借款企業(yè)違約可能性進(jìn)行預(yù)測(cè)的模型，KMV模型的出現(xiàn)具有劃時(shí)代意義，是對(duì)傳統(tǒng)信用風(fēng)險(xiǎn)度量方法的一次重要革命。

KMV模型認(rèn)為，在債務(wù)到期日，如果公司資產(chǎn)的市場(chǎng)價(jià)值高于公司債務(wù)值（違約點(diǎn)），則公司股權(quán)價(jià)值為公司資產(chǎn)市場(chǎng)價(jià)值與債務(wù)價(jià)值之間的差額;如果此時(shí)公司資產(chǎn)價(jià)值低于公司債務(wù)價(jià)值，則公司變賣所有資產(chǎn)用以償還債務(wù)，股權(quán)價(jià)值變?yōu)榱?。KMV模型的獨(dú)特優(yōu)點(diǎn)在于將現(xiàn)代期權(quán)理論基礎(chǔ)作為基石，充分地使用資本市場(chǎng)的現(xiàn)有信息作為指標(biāo)預(yù)測(cè)，而不是用已經(jīng)產(chǎn)生的歷史財(cái)務(wù)數(shù)據(jù)進(jìn)行僵化的回顧分析，KMV模型的另一大優(yōu)點(diǎn)就是將資本市場(chǎng)的實(shí)時(shí)信息充分利用到信用風(fēng)險(xiǎn)評(píng)定中，通過違約距離和違約概率的預(yù)測(cè)，更全面詳實(shí)地反映上市的借款企業(yè)全面的信用狀況。從信用風(fēng)險(xiǎn)評(píng)測(cè)角度，KMV模型預(yù)測(cè)思想是對(duì)傳統(tǒng)方法改革的里程碑式進(jìn)步。

KMV模型作為動(dòng)態(tài)模型的一種，在衡量上市公司信用風(fēng)險(xiǎn)中，以股票債券市場(chǎng)的實(shí)際數(shù)據(jù)為主要分析依托，因?yàn)檫@一原因，使用KMV模型進(jìn)行信用風(fēng)險(xiǎn)預(yù)測(cè)可以使預(yù)測(cè)數(shù)據(jù)更新，預(yù)測(cè)結(jié)果也更接近實(shí)際的經(jīng)濟(jì)情況，信用風(fēng)險(xiǎn)評(píng)測(cè)的結(jié)論更具有前瞻性。運(yùn)用KMV模型對(duì)上市企業(yè)的信用風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)時(shí)需要確定該公司現(xiàn)時(shí)的資產(chǎn)結(jié)構(gòu)，一旦確定隨機(jī)過程中企業(yè)的資產(chǎn)價(jià)值，便可以據(jù)此計(jì)算在任意一個(gè)時(shí)間單位上上市企業(yè)的實(shí)際違約概率。

但是KMV風(fēng)險(xiǎn)度量模型在實(shí)際操作中也存在一些不可忽略的缺點(diǎn)。首先，KMV模型成立的假設(shè)前提相對(duì)苛刻，因?yàn)橘Y產(chǎn)的收益曲線分布并不滿足正態(tài)分布假設(shè)，資產(chǎn)收益分布的數(shù)據(jù)圖像實(shí)際上存在“肥尾”現(xiàn)象，所以KMV模型在使用過程中僅著重強(qiáng)調(diào)了違約預(yù)測(cè)，卻沒有將企業(yè)信用品質(zhì)的動(dòng)態(tài)變化作為著重考慮的關(guān)鍵點(diǎn)。其次，KMV風(fēng)險(xiǎn)信用模型忽視了信息不對(duì)稱情況下的道德風(fēng)險(xiǎn)因素，這使得指標(biāo)測(cè)量出現(xiàn)僵化不能完全反映市場(chǎng)信息的可能。

此外，KMV信用風(fēng)險(xiǎn)評(píng)測(cè)模型必須使用估值技術(shù)來獲得資產(chǎn)價(jià)值、企業(yè)資產(chǎn)收益率的期望值和波動(dòng)性，這導(dǎo)致模型預(yù)測(cè)出的信用風(fēng)險(xiǎn)對(duì)非上市公司因使用資料的可獲得性差，預(yù)測(cè)的準(zhǔn)確性也較差，另外，在處理例如期權(quán)、外幣業(yè)務(wù)時(shí)，使用KMV模型預(yù)測(cè)的方法適用性較差。基于此，本文著重介紹KMV模型對(duì)信用風(fēng)險(xiǎn)的預(yù)測(cè)分析，并對(duì)該模型的數(shù)理推導(dǎo)和實(shí)際應(yīng)用進(jìn)行相應(yīng)的介紹。

三、KMV信用風(fēng)險(xiǎn)模型在青島東軟載波的應(yīng)用

本文以高新技術(shù)產(chǎn)業(yè)的代表性公司——青島東軟載波科技有限公司（以下簡(jiǎn)稱青島東軟載波）為例，對(duì)其在KMV模型下的風(fēng)險(xiǎn)度量問題進(jìn)行探討，分析是否可以將KMV模型作為一種行之有效的預(yù)測(cè)模型作用在高新技術(shù)產(chǎn)業(yè)中。

（一）KMV模型在青島東軟載波信用風(fēng)險(xiǎn)度量中的應(yīng)用

本文的目的是驗(yàn)證KMV模型在中國(guó)高新技術(shù)產(chǎn)業(yè)上市公司中是否適用，可否有效驗(yàn)證高新技術(shù)產(chǎn)業(yè)上市公司的違約距離和違約概率，且預(yù)測(cè)出的違約距離和違約概率可否正確反映高新技術(shù)產(chǎn)業(yè)上市公司的財(cái)務(wù)狀況。

由于某些歷史遺留問題，我國(guó)的上市公司某些數(shù)據(jù)缺失，這就導(dǎo)致了大部分研究者只能退而求其次來依靠經(jīng)驗(yàn)性的公式：違約距離=（資產(chǎn)的市值-違約點(diǎn)）/（資產(chǎn)市值×資產(chǎn)波動(dòng)率）計(jì)算近似的違約率，而不能直接使用KMV模型的方法來計(jì)算違約距離和違約概率，因?yàn)樵谖覈?guó)使用KMV模型過程中存在著一定的適用性的問題，這也是本文研究這一問題的一個(gè)首要原因。同時(shí)在研究KMV模型時(shí)發(fā)現(xiàn)，高科技企業(yè)違約距離自身可以作為標(biāo)準(zhǔn)化指標(biāo)來使用，KMV模型決定了違約距離越小，企業(yè)的違約率越大，反之則相反。因此，可以研究KMV模型的違約距離來研究KMV模型在我國(guó)上市公司應(yīng)用的可行性，驗(yàn)證KMV模型的有效性。

本文選取青島東軟載波進(jìn)行分析是因?yàn)樵摴旧鲜袝r(shí)間較長(zhǎng)，經(jīng)濟(jì)狀況較穩(wěn)定，披露信息較及時(shí)，在高新科技產(chǎn)業(yè)領(lǐng)域具有代表性。從該公司2016—2018年前三季度利潤(rùn)表的垂直分析來看，營(yíng)業(yè)成本從2016年的占比36.34%上升為2017年的44%，同比增長(zhǎng)7.66%;營(yíng)業(yè)稅金及附加從2016年的1.56%增長(zhǎng)為2017年的1.32%;銷售費(fèi)用從2016年的8.57%增長(zhǎng)為2017年的11.24%，同比增長(zhǎng)2.6%;管理費(fèi)用從2016年的21.19%增長(zhǎng)為2017年的27.09%，同比增長(zhǎng)5.9%;財(cái)務(wù)費(fèi)用從2016年的負(fù)2.33%增長(zhǎng)為2017年的負(fù)3.13%，同比增長(zhǎng)0.8%;營(yíng)業(yè)外收入從2016年的占比6.46%下降為2017年的0.03%，同比下降6.43%。

（二）KMV模型的應(yīng)用原理

KMV模型假設(shè)股權(quán)的市場(chǎng)價(jià)值可表示為一個(gè)看漲期權(quán)的價(jià)值，即：E=f（x），其中：E為股權(quán)的市場(chǎng)價(jià)值;x為包括負(fù)債的賬面價(jià)值、資產(chǎn)的市場(chǎng)價(jià)值、資產(chǎn)的波動(dòng)性以及時(shí)間范圍的變量向量;f（x）為B-S公式。從而可以得出：

其中：V表示公司資產(chǎn)的市場(chǎng)價(jià)值;σA為資產(chǎn)價(jià)值的波動(dòng)性;DP表示負(fù)債的賬面價(jià)值（即違約點(diǎn)DPT）;t為時(shí)間范圍，即到期時(shí)間;r代表無風(fēng)險(xiǎn)借入或貸出利率;N是正態(tài)分布的累計(jì)概率密度函數(shù)。

（三）KMV模型應(yīng)用時(shí)參數(shù)選擇

1.無風(fēng)險(xiǎn)收益率r的選擇。在前述的推導(dǎo)公式中，r值表示選取的無風(fēng)險(xiǎn)利率，本文采用2010年到2018年中債估值中心發(fā)布的一年期國(guó)債收益率視為無風(fēng)險(xiǎn)利率的平均值作為無風(fēng)險(xiǎn)利率r的取值。2010年到2018年之間的一年期國(guó)債收益率每年的風(fēng)險(xiǎn)收益率的部分如表2所示，通過取加權(quán)平均值的計(jì)算，可以得出r=2.85%。

2.青島東軟載波的股權(quán)市場(chǎng)價(jià)值計(jì)算。本文在對(duì)高新技術(shù)產(chǎn)業(yè)上市公司的風(fēng)險(xiǎn)預(yù)測(cè)中，采用非流通股股數(shù)與基準(zhǔn)日收盤價(jià)的乘積求得，將總股數(shù)與已上市流通股股數(shù)的差額視為非上市流通股股數(shù)，公式表示為：公司股權(quán)市場(chǎng)價(jià)值=流通股股數(shù)×基準(zhǔn)日股票市場(chǎng)收盤價(jià)+非流通股股數(shù)×每股凈資產(chǎn)。

如表3所示，2016年和2018年前三季度青島東軟載波的股權(quán)市場(chǎng)價(jià)值計(jì)算過程如下所述：

2016年青島東軟載波已經(jīng)上市流通的股票股數(shù)總數(shù)為44 5448 000股，非流通股股數(shù)為7 816 857股，2017年12月30日的日收盤價(jià)格為24.72元，2017年報(bào)告期內(nèi)每股凈資產(chǎn)為4.84元。根據(jù)公司股權(quán)市場(chǎng)價(jià)值計(jì)算公式，計(jì)算結(jié)果為11 049 308 147.9元。

2017年青島東軟載波已經(jīng)上市流通的股票股數(shù)總數(shù)為449 356 425股，非流通股股數(shù)為3 908 432股，2017年12月29日的日收盤價(jià)格為19.22元，2017年報(bào)告期內(nèi)每股凈資產(chǎn)為5.73元。根據(jù)公司股權(quán)市場(chǎng)價(jià)值計(jì)算公式，計(jì)算結(jié)果為8 659 025 803.9元。

2018年前三季度，青島東軟載波A股股數(shù)總和為470 309 857股，其中包括已經(jīng)上市流通的股票股數(shù)總數(shù)為453 264 857股，非流通股股數(shù)為17 045 000股，2018年9月28日的日收盤價(jià)格為13.61元，2017年報(bào)告期內(nèi)每股凈資產(chǎn)為5.64元。根據(jù)公司股權(quán)市場(chǎng)價(jià)值計(jì)算公式，計(jì)算結(jié)果為6 265 068 503.8元。

3.青島東軟載波股票價(jià)值波動(dòng)率（σ_E）的計(jì)算。在我們進(jìn)行實(shí)際取數(shù)計(jì)算時(shí)，動(dòng)態(tài)模型不符合客觀的經(jīng)濟(jì)發(fā)展?fàn)顩r，故此本文采用的方法是使用移動(dòng)平均模型對(duì)青島東軟載波波動(dòng)率進(jìn)行計(jì)算，換句話說，本文先使用基準(zhǔn)日的前半年的每天的股票價(jià)格來計(jì)算波動(dòng)率，然后通過對(duì)每日波動(dòng)率的取得最終確定它們的平均值。本文在計(jì)算青島東軟載波股票波動(dòng)率時(shí)，假設(shè)股票價(jià)格服從對(duì)數(shù)正態(tài)分布，由于一周股市開盤只有五天，所以我們近似一年股市的交易日θ=250天，計(jì)算公式如下：

設(shè)：股票收益率為ui，可得公式為：ui=lnsi/si-1。其中Si表示第i天股票的收盤價(jià)格，Si-1表示第i-1天股票的收盤價(jià)格。另根據(jù)KMV模型的推導(dǎo)，我們可以得出上市公司資產(chǎn)市場(chǎng)價(jià)值波動(dòng)率與股權(quán)市場(chǎng)價(jià)值波動(dòng)率的關(guān)系：

σE= ? N（d）σA

N（d）為0到1之間的標(biāo)準(zhǔn)的累積正態(tài)分布函數(shù)，基于上述公式，可以手工求出青島東軟載波2016—2018年前三季度市場(chǎng)價(jià)值波動(dòng)率。詳見表4。

4.債務(wù)時(shí)間參數(shù)的確定。本文設(shè)定的研究期間是1年，即計(jì)算1年期的違約距離與預(yù)期違約距離。

（1）對(duì)青島東軟載波違約距離與預(yù)期違約概率的計(jì)算。將上述公式得出的結(jié)果代入KMV模型的計(jì)算程序中，利用MATLAB軟件迭代分析函數(shù)對(duì)KMV模型展開運(yùn)算，最后得出青島東軟載波在2016年到2018年不同年份所對(duì)應(yīng)的違約距離DD和預(yù)期違約概率EDF。通過國(guó)泰安數(shù)據(jù)庫可以查詢到青島東軟載波2016年到2018年前三季度的短期負(fù)債（STD）和長(zhǎng)期負(fù)債（LTD），根據(jù)違約點(diǎn)計(jì)算公式可以計(jì)算出違約點(diǎn)的具體數(shù)額，違約點(diǎn)計(jì)算公式如下：

DPT=STD+0.5LTD

違約距離DD=（資產(chǎn)的市值-違約點(diǎn)）/（資產(chǎn)市值×資產(chǎn)波動(dòng)率）

（2）青島東軟載波違約距離與預(yù)期違約概率計(jì)算結(jié)果與分析。

根據(jù)下頁表5違約距離與預(yù)期違約概率的計(jì)算結(jié)果，可以繪制圖2凈利潤(rùn)率與青島東軟載波違約距離的變化折線趨勢(shì)圖。從中可以看出，青島東軟載波的盈利趨勢(shì)在2018年前三季度相對(duì)于2017年有下降的趨勢(shì)，凈利潤(rùn)水平在2017年達(dá)到近三年最高水平。違約距離一直呈現(xiàn)下降趨勢(shì)，由此可以看出青島東軟載波在近三年違約風(fēng)險(xiǎn)相對(duì)減少，2017年凈利潤(rùn)水平的提高直接導(dǎo)致了同年信用風(fēng)險(xiǎn)的降低，直至2018年前三季度，雖然凈利潤(rùn)率下降，信用風(fēng)險(xiǎn)仍然在穩(wěn)定下降，企業(yè)整體發(fā)展較平穩(wěn)。

四、結(jié)論與建議

由上文的計(jì)算分析結(jié)果可以看出，KMV模型可以在一定程度上反映高新技術(shù)產(chǎn)業(yè)上市公司盈利狀況和信用風(fēng)險(xiǎn)的關(guān)系。由此，可以通過KMV模型計(jì)算違約距離和違約概率，估算出企業(yè)的信用狀況和違約風(fēng)險(xiǎn)，商業(yè)銀行也可據(jù)此作為對(duì)上市公司減少信貸風(fēng)險(xiǎn)的一種有效手段，進(jìn)而增強(qiáng)金融市場(chǎng)的穩(wěn)定性。

但這也對(duì)我國(guó)高新技術(shù)產(chǎn)業(yè)公司提出了一定的要求，必須保證企業(yè)對(duì)外披露信息的可用性和可靠性。海外的高新技術(shù)企業(yè)常使用預(yù)期違約率EDF來衡量自身信貸風(fēng)險(xiǎn)，但由于國(guó)情不同，所以國(guó)外的方法在我國(guó)可否適用仍需進(jìn)一步討論。

【主要參考文獻(xiàn)】

[1] 王亮亮，王躍堂.企業(yè)研發(fā)投入與資本結(jié)構(gòu)選擇——基于非債務(wù)稅盾視角的分析[J].中國(guó)工業(yè)經(jīng)濟(jì)，2015，（11）.

[2] 舒謙，陳治亞.治理結(jié)構(gòu)、研發(fā)投入與公司績(jī)效——基于中國(guó)制造型上市公司數(shù)據(jù)的研究[J].預(yù)測(cè)，2014，（03）.

[3] 馬文聰，侯羽，朱桂龍.研發(fā)投入和人員激勵(lì)對(duì)創(chuàng)新績(jī)效的影響機(jī)制——基于新興產(chǎn)業(yè)和傳統(tǒng)產(chǎn)業(yè)的比較研究[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2013，（03）.

[4] 李靜，彭飛，毛德鳳.研發(fā)投入對(duì)企業(yè)全要素生產(chǎn)率的溢出效應(yīng)——基于中國(guó)工業(yè)企業(yè)微觀數(shù)據(jù)的實(shí)證分析[J].經(jīng)濟(jì)評(píng)論，2013，（3）.

[5] 朱潔，李齊云.信用風(fēng)險(xiǎn)視角下地方政府債券發(fā)行規(guī)模測(cè)算——基于KMV模型的實(shí)證分析[J].中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào)，2016，（02）.

[6] 鄧殷潔，胡丹云.基于KMV模型的地方政府債券信用風(fēng)險(xiǎn)度量——以北京市地方政府債券為例[J].現(xiàn)代經(jīng)濟(jì)信息，2015，（24）.