KMV模型在度量我国上市公司信用风险方面的适用性研究

论文摘要

随着我国经济的发展,我国的公司、企业如雨后春笋般涌现出来,公司涉及的行业和领域,涵盖了社会的方方面面。从1979年到现在,我国改革开放已经经历了30年的春秋,除了一些掌控国家经济命脉的行业还属于国有以外,大部分的行业都是以私人企业为主,私营企业最大的特点就是自负盈亏。这些企业的融资途径目前看来主要是两种渠道：银行贷款和上市融资。在我们国家,上市融资是企业扩大经营规模和发展企业的首选。但是客观上来说,我国企业的平均寿命仅仅是五年,大部分企业的经营寿命超不过三十年。很多企业发展到最后往往都以破产、倒闭或者被收购兼并而告终。很多上市公司也难逃被兼并、重组或者退市的厄运。如何管理上市公司的风险,是一个亟待解决的问题。当然,上市公司遇到的风险包括很多方面,包括经营风险、财务风险、流动性风险、信用风险等。其中,信用风险对于上市公司来讲,是一项既关键又难以度量和管理的风险。本文即将对上市公司的信用风险度量问题展开研究。目前国际上比较热门的信用风险度量模型包括credit metric模型、宏观模拟模型、Credit Risk+模型和KMV模型。Credit metric模型和宏观模拟模型对外部信用风险评级的依赖性非常高,在模型的计算过程中,需要根据信用风险评级矩阵的迁移来对模型的结果进行计算,而在我国,由于信用风险评估发展比较落后,尚未建立严谨高效的外部风险评估机构,对credit metric模型在我国的运用造成了较大的障碍。而Credit Risk+模型在计算上又过于复杂和繁琐,在实际操作上比较困难。在对比了国际上比较热门的这几种信用风险度量模型之后,本文发现KMV模型在计算过程中可以避免对信用评级矩阵的依赖,在应用上受到的局.限性相对较小；其次,该模型所运用到的参数全是上市公司的公开数据,包括公开财务数据和证券市场数据。此类数据的应用不仅表明该模型是一个具有前瞻性的模型,还表明该模型对度量上市公司的信用风险方面具有及时性的特点。运用该模型对上市公司的信用风险进行度量,避免了其他信用度量模型采用历史数据的计算方法,得出的数据刚好可以表现公司目前的状况而不至于太滞后。再加上股票价格本身还能够表示市场对该公司未来的期望,因此,KMV模型计算出来的信用风险还具有预见性。另外,KMV模型的计算过程相对而言比较轻松,具有较强的可操作性。通过以上的分析,本文决定采用KMV模型来对上市公司的信用风险进行度量,以观察KMV模型在度量我国上市公司信用风险的适用性。为观察KMV模型在理论上关于度量我国上市公司信用风险的适用性,我们将KMV模型和其他几种国际上热门的信用风险度量模型进行了对比。然后,对KMV模型进行了详细的分析研究。首先从KMV模型的理论基础出发,观察KMV模型是否具有坚实的理论基础作为计算的依据,借此来考察KMV模型的科学性。研究表明,KMV模型是以MM理论、Black—Sholes以及Merton期权定价理论作为理论依据,具有较强的理论背景,为模型的科学性提供了较权威的证明。接下来,对KMV模型的假设和参数需求做了分析,以观察KMV模型所需要的数据是否能够从我国上市公司的公开数据中得到。通过分析KMV模型的方程我们得知,KMV需要的数据包括：股权价值、股权价值波动率、公司的股票价格等,这些数据都可以通过公司的公开财务数据取得,方便好用。然后,对KMV模型的计算步骤进行了分解,以观察KMV模型的计算是否具有可操作性。KMV模型的计算步骤包括：第一,通过公司的股票价格和发行的总股本来计算公司的资产价值,通过股票价格的波动率来计算公司资产价值波动率；第二,根据公司的资产及负债状况来计算公司的违约点；第三,前两部计算出的公司的资产价值和资产价值波动率及违约点,来计算公司的违约距离和预期违约率。以上分析表明,KMV模型在理论上非常适合作为度量我国上市公司公司信用风险的工具来使用。接下的问题在于,在实际应用上,KMV模式是否能够准确测量出我国上市公司的信用风险呢?于是,本文采用实证的方法,在我国一千多家上市公司的不同行业中,选择了20家公司进行实证研究,其中,10家ST公司,10家非ST公司。主要的目的是将ST公司和非ST公司得出的结论来进行对比,以验证KMV模型关于信用风险的计算结果是否符合我国上市公司的实际。ST公司在我国的定义是“最近两个会计年度的审计结果现实的净利润为负值,每股净资产低于股票面值或连续两个会计年度亏损的上市公司”,也就是说,ST公司本身就是陷入财务困境的公司,而根据期权定价理论的假设,一个公司如果资产小于负债,那公司就将面临破产,一家濒临破产的公司是没有能力还清债务的,因此,ST公司的信用风险应该大于非ST公司。这一点,应该可以通过对比ST公司和非ST公司的违约距离和预期违约率来进行证实。为了让实证的结果更具有说服性,本文所选择的上市公司都是经过仔细挑选的,10家ST公司分别对应相同行业的10家非ST公司。比如说,*ST博信（600083）选自电子器件板块,与之相对应的士兰微（600046）也选自电气器件板块。这样以来,同行业的ST公司和非ST公司相对比,可以让结果更加鲜明和有说服力。通过对选出来的样本公司信用风险的计算,我们发现,ST公司的违约距离普遍大于非ST公司的违约距离,相应的,ST公司的预期违约率也小于非ST公司。经过对计算过程的仔细核对和检验之后,而且,这不是计算造成的失误,而是根据KMV模型实实在在计算出来的实证结果。这样的结果让人跌破眼镜,严格意义上来讲,得出这样的结果,与我国上市公司的实际情况背道而驰,完全不相符合。在对KMV模型进行了分解之后,我们发现之所以验证出这样的结果,主要有以下几个方面的原因：第一,股票的非全流通造成股权价值计算的不准确；第二,上市公司资产价值分布情况在实际上无法满足KMV模型提出的正态分布假设；第三,无法确定市场无风险收益率；第四,上市公司违约点的选取不一定准确；第五,中国股票市场的非有效性。虽然我们根据KMV模型的发现了KMV模型直接用于度量我国上市公司信用风险存在的问题,但是如何解决这些问题,才是本文研究的意义所在。为此,根据模型的运用,本文提出了三种解决方案,概括如下：一、将其他风险度量模型和KMV模型结合起来组成一个新的信用风险度量模型加以应用；二、借助其他数学模型计算参数值以提高KMV模型计算的准确性；三、修正KMV模型中违约点的设定。根据以上三种方法,我们可以对KMV模型进行修订,使其计算的结果和我国上市公司信用风险的实际情况能更加匹配。但是以上三种解决途径是针对模型本身来说的,对于我国上市公司信用风险的准确度量及我国信用风险管理的发展,本文还提出了以下相关的建议：一、我们应该加大力度建立信用风险基础数据库；二、完善我国股票市场,让我国股市真正实现市场经济；三、加大我国信用风险管理人才的培养；四、成立专门的信用风险管理部门。一、本文的创新点KMV模型是近几年国际上比较热门的信用风险度量模型,国际上和国内都有很多学者对其进行了较深入的分析和讨论。在此基础上,本文的创新点体现在：1、通过对比其他国际上热门的信用风险度量模型,从理论上提出了KMV模型可以作为我国上市公司信用风险度量工具的依据。2、大胆提出KMV模型本身不加改动地运用于我国上市公司信用风险的度量,得出的结果是不准确的。并为增强KMV模型运用的准确性提供了三种可行的解决途径,包括将KMV模型和另一种风险度量模型结合使用、借助其他数学模型提高KMV模型参数计算的准确性和改变KMV模型中违约点的设定。二、本文研究的不足本文在研究KMV模型理论上和实际上在我国上市公司度量上的适用性花费了大量的时间和精力,导致没有时间来完成修正的KMV模型的实证检验。要验证本文提出的修正方案是否对提高KMV模型在度量我国上市公司信用风险方面的准确性确实有效,还需要学者进行更进一步的研究和验证。另外,本文在研究方法上选择将ST公司和非ST公司作为对比,以观察KMV模型就算结果是否符合我国的实际情况,在研究方法上,还有其他选择。比如,我们可以选择正常公司和已经破产的公司一年前的数据作为样本,来对比其根据KMV模型计算出来的违约距离和预期违约率,这样得到的结果会更有说服力；其次,本文选择了20家公司作为研究样本,从数量上说是偏少的,样本公司越多,得出的结果准确性更高。

论文目录

• 摘要
• Abstract
• 1. 导论
• 1.1 选题背景和意义
• 1.1.1 选题背景
• 1.1.2 选题意义
• 1.2 本文的研究思路与框架
• 1.2.1 本文的研究思路
• 1.2.2 本文的框架
• 1.3 本文的创新与不足
• 1.3.1 本文的创新点
• 1.3.2 文研究的不足
• 2 国内外研究现状及相关文献综述
• 2.1 国外关于KMV模型的研究
• 2.2 国内关于KMV模型的研究
• 3. 信用风险度量模型的比较分析
• 3.1 CREDIT METRICS模型
• 3.2 宏观模拟模型
• +模型'>3.3 CREDIT RISK⁺模型
• 3.4 KMV模型
• 3.5 信用风险度量模型的对比分析
• 4. KMV模型理论及操作步骤
• 4.1 KMV模型的基本思想
• 4.2 KMV模型的理论基础
• 4.3 KMV模型的假设条件
• 4.4 KMV模型的计算步骤
• 4.4.1 计算公司的资产价值及其波动性
• 4.4.2 计算公司的违约距离
• 4.4.3 计算公司的预期违约率
• 4.5 KMV模型的总结
• 4.5.1 KMV模型的优势
• 4.5.2 KMV模型的不足
• 5. KMV模型对我国上市公司信用风险度量的适应性研究
• 5.1 应用KMV模型的前提分析
• 5.1.1 从信用评级的方面来看
• 5.1.2 从需要的数据资料来看
• 5.2 利用KMV模型对我国上市公司的实证研究
• 5.2.1 实证研究的目的与思路
• 5.2.2 用KMV模型来计算样本公司的违约距离和预期违约率
• 5.3 研究结果
• 6. 结论与解决办法
• 6.1 本文得出的结论
• 6.2 解决途径
• 6.2.1 将两个模型信用风险度量模型结合使用
• 6.2.2 借助其他数学模型提高KMV模型参数的准确性
• 6.2.3 修正KMV模型中违约点的设定
• 6.3 本文提出的建议
• 6.4 结束语
• 参考文献
• 致谢