 Finance 金融, 2013, 3, 41-49 http://dx.doi.org/10.12677/fin.2013.34006 Published Online October 2013 (http://www.hanspub.org/journal/fin.html) Empirical Test of Credit Default Risk of Listed Companies in China Shaoxin Tang1, Xiaojiao Wang2, Guangjian Tian1, lei Liu1 1The Center for Economic Research Shandong University, Jinan 2Bank of China in Shandong province, Qingdao Email: luciallsusu@163.com Received: May 3rd, 2013; revised: May 17th, 2013; accepted: May 24th, 2013 Copyright © 2013 Shaoxin Tang et al. This is an open access article distributed under the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited. Abstract: The cred it default risk measurement technology of listed Corpor ation is so mature in the west that a complete system of methods and models of credit risk measurement are formed in theory and practice. But in China, the measurement of credit default risk is still in its infancy and the credit rating is still in the exploratory stage, which can’t meet the needs of commercial bank loans for safety management requirements. As one of modern four major credit risk measurement models, KMV parameters can be obtained in the Chinese current database which is under construction now, and its calculation methods have strong theoretical bases to support itself. The calculated data is more convincing th an that from the traditional credit risk measurement methods, which can help the banks to control the risks and the listed corporations to build its integrity, promoting the financial market. The results show that credit default risk of listed Chinese companies is almost consentaneous to this empirical test of models. Thus, through the research of credit default risk measurement models, exploring the Chinese credit default model has significance both in theory and practice. Keywords: Credit Risk; KMV Model; Default Distance 我国上市公司信用违约风险的实证检验 唐绍欣 1，王小娇 2，田广健 1，刘 蕾1 1山东大学经济研究院，济南 2中国银行山东省分行，青岛 Email: luciallsusu@163.com 收稿日期：2013 年5月3日；修回日期：2013 年5月17日； 录用日期：2013 年5月24日 摘 要：上市公司信用违约风险度量的技术在西方已经比较成熟，信用风险度量的方法和模型在理论 上和实践中都形成了一套完整的体系。而我国的信用违约风险度量还刚刚起步，对于信用评级还处于 探索阶段，远不能达到商业银行对于贷款安全管理的要求。而本文所讨论的 KMV模型作为现代四大 信用风险度量模型之一，相较于其他三种方法，所需要的参数在中国目前的数据库建设下相对可以获 得，其计算方法也有强大的理论依据做支撑，通过计算得到的数值相比传统的信用风险度量方法有更 强的说服力，更有利于银行管控风险和上市公司进行诚信建设，促进金融市场发展。结论表明，我国 上市公司存在信用违约的风险与模型的实际检验基本一致。因此通过研究信用违约风险度量模型，结 合我国金融市场的现状，探索出适合我国信用违约风险度量的模型具有理论和现实意义。 关键词：信用风险；KMV 模型；违约距离 Copyright © 2013 Hanspub 41  我国上市公司信用违约风险的实证检验 Copyright © 2013 Hanspub 42 1. 引言 自20 世纪 90 年代以来，国际金融界相继推出了 各种信用风险度量的模型，1997 年J.P.摩根银行推出 了著名的Credit Metrics模型，后来瑞士信贷银行推出 了CreditRisk + 模型[1]，在银行业引起对了极大的反 响，另外还有 KMV 模型以及 Credit Portfolio View模 型也都引起了西方发达国家金融业的重视[2]。目前， 对于西方发达国家来说，上市公司信用违约风险度量 的技术已经比较成熟，信用风险度量的方法和模型被 不断的改进，许多定量技术和相关工具都已付诸实 践，可以说不管是从理论上还是实践上都已经形成了 一套完整的体系。 相比而言，我国的信用违约风险度量还刚刚起 步，对于信用评级还处于探索阶段，对信用风险的分 析还基于贷款专家的经验判断，这些远不能达到商业 银行对于贷款安全管理的要求。而且在我国目前的市 场环境下，信贷业务依然是商业银行的主要业务，随 着银行业务的不断扩张，商业银行所承受的信用风险 也将不断扩大。在这种情况下，对我国上市公司信用 违约风险进行研究，有助于加强商业银行自身的信用 风险管理和上市公司的诚信建设，促进它们的健康发 展。通过研究信用违约风险度量模型，结合我国金融 市场的现状，探索出适合我国信用违约风险度量的模 型具有一定的理论和现实意义。 2. 文献综述 2.1. 国外研究的现状 国外最初的信用风险度量模型的研究基于统计 分析方法，Beaver (1966)首次将财务变量的预测功能 引入到实证研究中，建立了信用风险计量的单变量模 型，他指出“现金流量/负债总额”是预测经营好坏的 最佳指标[3]；Ho rrigan (1966)采用多变量分析法来对企 业违约进行判断，他预测了 Moody 和S&P 的评级， 同时分别对各个不同的等级赋予主观的数值，以此推 出6个参数的回归模型[4]。 美国纽约大学斯特恩商学院的Edward I. Altman (1968)选取了 1946~1965 年的 33 家申请破产的制造企 业和与这 33 家企业规模类似的非破产制造企业为样 本，构建了一个由 5个财务指标构成的 Z模型，由于 该模型不仅具有较强的判别力，而且简单实用，很快 就变成了一种主流的信用风险度量方法[5]。后来于 1977 年，Altman, Haldman 与Narayanan 对Z模型进 行了修正，并建立了 ZETA 信用风险模型，新模型将 变量增加到 7个，适用范围更广，不仅适用于制造业， 对于零售业同样适用，而且对于不良贷款人的辨认精 确度也有所提高。 Deakin (1972)在Beaver (1966)和Altman (1968)研 究的基础上，选取 Beaver 模型中的 14个财务比率， 应用线性判别技术试图建立一个高精度的预测模型， 他采用 1964~1970 年的 32 家破产企业以及与其配对 的32 家非破产企业，重复了Beaver 的两分检验，结 果证明，使用“现金流量/负债总额”这一比例时计算 的模型结果与 Beaver 的研究结果非常相似，同时 Deakin 指出，模型只对失败公司破产前 3年的判断有 效[6]。 Ohlson (1980)首次利用假设条件相对宽松的 Logistic 分析来试图建立预测模型，采用 1970~1976 年间的 105 家破产企业和 2058 家正常企业组成的非 配对样本作为研究对象，采用 9个财务变量来对模型 进行估计，实证研究结果表明，公司规模、资本结构、 经营业绩和公司目前的变现能力对评估破产概率有 统计显著性，其预测的准确率可以达到 96.12%[7]。 到1990 年，Odom 首度将神经网络方法引入到信 用风险评测中来，Altman、Marco 和Varetto (1994)利 用神经网络分析法对 1982~1992 年间 1000 多家意大 利公司的财务危机进行了预测研究，同时与传统的线 性判别方法进行了比较分析，研究结果表明，神经网 络分析法与传统的线性判别方法相比没有实质性的 改善。但是又有学者的研究表明神经网络模型的方法 要优于传统的统计分析方法，例如Malhotra (2002)对 美国个人贷款分别采用神经网络模型方法和多元判 别分析法进行研究，结果发现神经网络模型的应用效 果明显优于后者，并且其对数据的容忍度较高，弹性 较好，还能够得出非线性函数[8]。 2.2. 国内研究的现状 在理论研究方面，陈燕(2003)研究了信用风险的 生成机制，并将上市公司的信用风险成因分为外因和 内因分别加以阐述。扬中军(2002)分析了我国上市公  我国上市公司信用违约风险的实证检验 司信用评级工作存在的主要问题，提出应从评级方 法、评级标准等基础环节入手，将信用风险评级作为 信贷管理控制的导向系统进行设计和创新。张维、李 玉霜(1998)对信用风险分析的主要方法进行了理论综 述，例如判别分析法、Logistic 回归、专家系统、神 经网络法等，同时对信用风险度量方法进行了展望[9]。 吴冲锋等(2002)比较分析了 KMV 模型、Credit Metrics 模型、Credit Risk + 模型，阐述了这三种模型的基本 原理以及相应的优缺点。王琼、陈金贤(2002)对KMV 模型与其他模型在理论上进行了比较研究，指出 KMV 模型相对其他只注重财务数据的信用风险度量 模型来说，更适合对上市公司的信用风险进行评价。 吴军、张继宝(2004)介绍了国外最具影响力的信用风 险度量模型并对其进行比较分析，探讨这些模型在中 国的适用情况[10]。董颖颖等(2004)提出由于我国上市 公司股份结构中存在着非流通的国有股，同时还缺少 历史违约数据，因此很难直接用 KMV 模型来分析上 市公司的信用风险，文中在研究国有股市场价值确定 的基础上对 KMV 模型进行修正，并且在理论上提出 了确定违约率的方法[11]。 在实证研究方面，王春峰、万海晖、张维(1998) 采用多元判别法对上市公司的短期贷款的偿还情况 进行了分类分析，并与 Logistic模型的预测精度进行 比较，其结果显示，两种方法各有优劣[12]。方洪全、 曾勇(2004)运用多元统计方法分析借款企业的财务数 据，并选择 7个财务指标作为企业信用风险评价函数 的参数，建立了一组线性判别函数和Logistic回归函 数，研究结果表明，这两种模型对新样本信用风险的 度量都具有较强的预测能力[13]。阎庆民(2004)将J. P. Morgan 信用风险计量方法引入我国的信用风险度量 研究，对信用风险的 VaR值进行测算，以此来评估信 用风险状况以及资本要求[14]。惠晓峰、孙 嘉鹏(2004) 使用 Credit Metrics模型对贷款组合样本进行风险预 测，根据测量结果对样本组合分别进行了总风险分 析、风险收益分析、边际风险分析，据此提出了信贷 决策的具体建议[15]。张玲、杨贞柿、陈收 (2004)针对 我国上市的股权结构以及其所处的市场环境具有特 殊性，调整了 KMV模型中股权市值的计算方法，同 时调整了违约点设定的方法，研究结果表明，KMV 模型经参数调整之后能更好的识别上市公司的信用 风险[16]。陈东平、孙明(2007)使用我国上市公司在某 商业银行的不良贷款比率代替 KMV 模型中的违约 率，提出了不良贷款率与违约距离之间的函数关系， 实证研究的结果表明，在 KMV 模型中使用不良贷款 率来代替违约率计量上市公司信用风险的方法是可 行的。胡文彬(2007)以巴塞尔新资本协议为背景，介 绍了内部评级法的理论来源和公式中参数的含义，采 用信用风险度量的 KMV 模型估计违约概率，针对我 国股市进行了实证研究[17]。 3. 我国上市公司信用违约风险的实证研究 3.1. KMV理论模型 1) KMV模型的基本假设条件 a) 当借款企业的市场价值大于其债务价值时，借 款人不会违约，只有当借款企业资产的市场价值小于 债务时，违约才会发生；b) 根据借款企业的债务水平， 将违约临界点设定为短期债务加上长期债务的一半， 称借款企业未来资产价值的期望值与违约临界点之 间的标准差距离为违约距离；c) 借款企业的价值变化 服从 过程，即将企业资产价值的变化表示为： ˆ Ito V AAtAA dVdV dZ A dV ，其中 是企业的资产价值， 指企业资产价值的变化， A V 是企业资产价值变动 的瞬间漂移项(Drift)，A 是企业资产价值变动的波动 率， z d为一个标准维纳过程(Wiener Process)；d) 公司 的股票回报率的波动性服从正态分布，标准差保持不 变，并且股票在期权的有效期内不支付红利； e) 不考 虑税收等交易费用且无风险利率为常数。 2) KMV模型的计算过程 第一步：估算企业的资产价值 和企业资产价值 的波动率 A V A 在KMV模型中，企业资产价值的计算基于 B-S 期权定价理论，因此，首先需要明确期权定价公式： 1 erT t CSNdXNd 2 (1) 其中， 2 1 ln 2 SrT X dTt t 21 dd T t ， 2 1 2 1ed 2 x d Nd x Copyright © 2013 Hanspub 43  我国上市公司信用违约风险的实证检验 该式中 C表示看涨期权的价格，t表示当前时刻， T表示期权的到期日，X表示期权的执行价格，r表示 无风险利率， 为标的证券资产价格的年波动率，N 为标准累计正态分布函数。 基于上式，由于 KMV模型的基本思想是将公司 的股权看作企业资产价值的看涨期权，则违约临界点 就相当于上式中期权的执行价格，因此，可以得到公 司的股权价值如下式表示： 1 erT EA V VNdDPNd 2 (2) 2 1 ln 2 AA A VrT DP dT ，21A dd T 其中， E V为企业的股权价值，DP 为企业的债务面值 (违约临界点)，T为企业的债务期限，r为无风险利率， N为标准累计正态分布函数。 另外，对上式(2)全微分可以得到： 1 A E A E VNd V (3) 由于股权的市场价值 E V，企业的债务面值 X，以 及股权的波动率都可以通过企业财务报表或者上市 公司数据得到或计算出来，因此，联立(2)，(3)，两个 方程两个未知数，就可以将企业的资产价值 和企业 资产价值的波动率 A V A 计算出来。 第二步，确定违约距离DD (Distance to Default) 在KMV 模型中，使用相对距离表示违约距离 DD，将其定义为“违约距离” (表示为企业资产价值 与违约临界点 DP之差)与一个标准差企业资产价值变 动(表示为企业资产价值 和企业资产波动率 A V AA V 之 积)的比率，用公式表示即为： 1 1 A AA VgD DD Vg P (4) 上式中的违约临界点 DP在假设 2中等于短期债 务加上一半的长期债务，用 STD 表示短期债务，用 LTD 表示长期债务，则 12DPT STDLTD ，g为企 业资产价值增长率。 违约距离可以反映企业信用状况的好坏，违约距 离越大，企业到期偿还债务的可能性越大，违约的可 能性就越小，反之，违约距离越小，企业违约的可能 性就越大。 第三步，确定预期违约概率(EDF) KMV 公司在确定预期违约率 EDF时采用经验的 估计方法，他们使用将近十年的违约数据构建了违约 距离(DD)和违约概率(EDF)之间的函数映射关系。 首 先找出具有相同违约距离 DD的企业总数，参考数据 库中实际发生违约的企业数量，计算出处于该特定违 约距离下的企业违约概率，然后用大量的离散数据建 立了 DD 与EDF 的映射关系。 3.2实证研究的过程 根据 KMV模型的思想，可以通过对企业违约 率的计算来衡量信用风险。因此，要检验 KMV模型 在我国的可行性，就可以通过比较应用 KMV 模型计 算的违约概率的应用性来实现。 3.2.1. 样本的选择 当前我国的信用建设体系还比较滞后，没有一个 专门的权威机构对外公布违约企业的信息，商业银行 出于对企业客户信息的保密，即使企业出现违约也不 会对外披露违约信息。只有在中国人民银行的征信系 统——“企业信用信息基础数据库”中，才可以查询 借款人当前负债、对外担保、逾期还款记录等，但是 这需要被授权的特定金融机构或者个人知道企业贷 款卡号和密码的前提下才可以查询。也就是说，在我 国目前还没有一种公开的、实时的渠道能快速而无成 本的查询企业的违约信息。 鉴于上述客观原因，本文将企业被证券交易所特 别处理定义为企业陷入财务危机并即将违约的标志。 这里的“特别处理”英文缩写是“ST”(Special Treatment)，该概念是在 1998 年出台的《上海/深证证 券交易所股票上市规则》(以下简称《上市规则》)中 提出的，规定上市公司连续两个会计年度亏损即被ST 处理，其股票就简称 ST 股。后来2004 年和 2006 年， 沪深两个交易所又对股票上市规则做出修改，在最新 的版本中，将“特别处理”分为“警示存在终止上市 风险的特别处理”和“其他特别处理”两种。前者是 指最近两年连续亏损的上市公司股票前冠以“*ST” 的字样；后者是指对最近一个会计年度的审计结果显 示其股东权益为负的公司股票前冠以“ST”。 本文认为若企业连续两年都无法摆脱困境而使 Copyright © 2013 Hanspub 44  我国上市公司信用违约风险的实证检验 得公司股票最终被冠以“*ST”，可以说明该企业已经 陷入财务危机并认为其即将违约，故本文将被证交所 实行“警示存在终止上市风险的特别处理”的上市公 司视为违约对象。根据我国目前沪深两市上市公司年 报的披露制度，在每年的 4月30日之前上市公司必 须公布其上一年的年报，而最新公布的年报数据在上 一年度的12 月31 日就已经固定不变了，因此可以说 某股票在 t年是否被特别处理在 t – 1年就已经确定 了，如果t – 1年亏损，则t年就会有证交所处理，只 是正式生效的时间推迟了而已。所以说，用t – 1年的 数据去检验 KMV 模型的判别能力是没有意义的，因 为一个好的信用风险度量模型应该在企业“变质”之 前及时做出预警，因此，本文用公司t – 2年全年的股 价数据以及财务报表信息来检验 KMV 模型在我国当 前市场环境下的应用价值。 本文选取 2010 年首次被 ST 处理且早在 2008 年 之前就已经挂牌交易的股票，并根据证监会关于上市 公司行业细分的严格标准按照行业相同、规模相当(总 资产)且“重要事项”披露中从未被ST 处理过的原则 选出 19 家非 ST公司与之配对，建立一个由 38 支A 股组成的样本，统计其在 2008 年市场的表现。需要 注意的是，早在2008 年，这38 只股票没有一支在当 时是 ST 股的，且之前也没有任何一支股票有被处理 过的历史，其中 19 支股票是在 2010 年才首度被特别 处理的。 根据 2008 年上市公司的年报，考虑数据的可得 性，本文选取如下 38家公司，见表1。 3.2.2 实证研究的过程 1) 企业股权价值的计算 本文研究的是 2008 年样本企业的违约情况，截 至2008 年12 月31 日，样本企业的股票不是全流通 的，分为流通股和非流通股。因此，要计算企业的股 权价值，需要分别计算流通股价值和非流通股价值。 对于流通股来说，其价值很好计算，直接用流通 股数乘以股价即可： 11 VNP 1 其中为流通股数量； 为股价。 1 N1 P 非流通股的计算相对来说就比较繁琐，参照目前 关于非流通股转让价格的研究文献，有两种比较常用 Table 1. The names of the corporations 表1. 公司的名称 样本 ST 股 配对非ST 股 股票代码 股票名称 股票代码 股票名称 600455.SH *ST 博通 600476.SH 湘邮科技 000976.SZ *ST 春晖 002064.SZ 华峰氨纶 002072.SZ *ST 德棉 002070.SZ 众和股份 000831.SZ *ST 关铝 002182.SZ 云海金属 000703.SZ *ST 光华 002071.SZ 江苏宏宝 600538.SH *ST 国发 600532.SH 华阳科技 600444.SH *ST 国通 600883.SH 博闻科技 000953.SZ *ST 河化 002165.SZ 红宝丽 600179.SH *ST 黑化 600333.SH 长春燃气 000415.SZ *ST 汇通 000975.SZ 科学城 000820.SZ *ST 金城 000833.SZ 贵糖股份 600355.SH *ST 精伦 600990.SH 四创电子 600131.SH *ST 岷电 600719.SH 大连热电 600301.SH *ST 南化 600229.SH 青岛碱业 600740.SH *ST 山焦 600408.SH 安泰集团 600299.SH *ST 新材 600309.SH 烟台万华 001896.SZ *ST 豫能 000875.SZ 吉电股份 000902.SZ *ST 中服 002034.SZ 美欣达 600860.SH *ST 北人 600843.SH 上工申贝 的方法：一种是参考上市公司的每股净资产，用非流 通股转让价格相对于每股净资产的溢价来衡量；另一 种方法是直接按照转让公告后的流通股价来衡量。这 两种方法可以说各有优劣，本文中使用第一种方法。 董颖颖、薛锋、关伟(2004)选取 2000 年和 2001 年协 议转让的 38 只国有股的相关数据进行回归分析，计 算非流通股的价值，得出的结论是 (：非流通股每股价值，X：每股净资产)，该回归 t 检验和 F检验均在0.01 的显著性水平上，且相应的 DW 值介于 1和2之间，认为序列不相关。本文认为 该回归结果是合适的。 21.326 0.53PX 2 P 由此可得，非流通股价值的计算式为： 2222 1.326 0.53VNPN X 其中：为非流通股数量； 为非流通股每股价值； 2 N2 P Copyright © 2013 Hanspub 45  我国上市公司信用违约风险的实证检验 X为每股净资产。 综上可得，企业股权的总价值为： 12112 1.326 0.53 e VVVNPNX (5) Ve为企业股权总价值，即账面资产中， 企业股票的总价值通过中国银河证券双子星交 易系统收集到每支股票 2008 年的全年的日收盘价， 取其平均值得到如下的表 2。 根据公式(5)，计算出企业股权价值如下表 3所示。 2) 企业账面价值的计算 通过(2)式可以看出，KMV模型所使用的期权定 价理论是以企业资产为标的资产、负债的账面价值为 执行价格、负债的偿还日期为到期日的看涨期权。因 此，企业的账面价值即是违约临界点(DP)。当企业资 产的价值大于负债的账面价值时，企业不违约；当企 业资产的价值小于负债的账面价值时，企业就会选择 违约。由于我国的历史数据建设不健全，无法统计分 析得出我国上市公司的违约点，因此，本文中遵从 KMV 模型的假设(2)，对于DP 的计算表示为： 0.5DP 短期 期负债长负债 (6) 利用各上市公司 2008 年的年报可以得到企业的 财务数据，根据公式(6)，得到企业的账面价值，如下 表4： 3) 企业股权价值波动率的计算 本文使用流通股股价的波动率代替企业股权价 值的波动率，在计算流通股股价波动率时采用 John Hull 提出的历史波动率法来估计。历史波动率是基于 过去的统计分析得出的，假定未来是过去的延伸，利 用历史方法估计波动率类似于估计标的资产收益系 列的标准差。 John Hull的历史波动率的计算方法： a) 从市场上获 得标的股票在 固定时间间隔(如每 天、每周或每月等)上的价格。 b) 对于每个时间段，求出该时间段末的股价与该 时段初的股价之比的自然对数。 c) 求出这些对数值的标准差，再乘以一年中包含 的时段数量的平方根(如，选取时间间隔为每天，则若 扣除闭市，每年中有 250 个交易日，应乘以根号 250)， 得到的即为历史波动率。 假设股票价格服从对数正态分布，则股票的日收 Table 2. The averages of closing stock prices 表2. 收盘价平均值 样本 ST 股 配对非ST 股 股票名称 收盘价平均值(元) 股票名称 收盘价平均值(元) *ST 博通 10.41242915 湘邮科技 9.07611336 *ST 关铝 13.69663968 云海金属 18.75939271 *ST 光华 5.688016194 江苏宏宝 6.15805668 *ST 国发 6.35437247 华阳科技 6.323036437 *ST 国通 18.05724696 博闻科技 11.79380567 *ST 黑化 6.774089069 长春燃气 7.532226721 *ST 精伦 4.915870445 四创电子 12.78538462 *ST 岷电 6.456720648 大连热电 7.066153846 *ST 新材 25.73518219 烟台万华 21.86801619 *ST 豫能 5.463319838 吉电股份 5.017327935 *ST 中服 4.813319838 美欣达 7.750688259 *ST 北人 6.223805668 上工申贝 6.061740891 Table 3. The values of equities of the samples 表3. 样本股权价值(亿元) 样本 ST 股 配对非ST 股 股票名称 Ve 股票名称 Ve *ST 博通 5.167222461 湘邮科技 11.75602145 *ST 关铝 64.03331939 云海金属 19.85641108 *ST 光华 6.980530189 江苏宏宝 5.562619307 *ST 国发 15.36751423 华阳科技 7.341667329 *ST 国通 15.06369202 博闻科技 23.08454321 *ST 黑化 17.57220027 长春燃气 22.95619308 *ST 精伦 10.39172272 四创电子 5.364000261 *ST 岷电 25.89719318 大连热电 11.74739713 *ST 新材 74.4375875 烟台万华 204.1136035 *ST 豫能 14.349347 吉电股份 3 8.07308347 *ST 中服 8.710129613 美欣达 6.287358316 *ST 北人 22.49555425 上工申贝 14.44223299 Table 4. The book values of the corporations 表4. 企业账面价值（亿元） 样本 ST 股 配对非ST 股 股票名称 DP 股票名称 DP *ST 博通 4.679530144 湘邮科技 2.975025846 *ST 关铝 21.5821287 云海金属 8.365066931 *ST 光华 1.443006258 江苏宏宝 2.193480908 *ST 国发 8.687544472 华阳科技 6.503510131 *ST 国通 3.730545953 博闻科技 1.114096167 *ST 黑化 11.16780902 长春燃气 6.411328538 *ST 精伦 0.911722589 四创电子 2.524590509 *ST 岷电 14.79544526 大连热电 10.97367955 *ST 新材 16.95937398 烟台万华 21.98981363 *ST 豫能 8.080645345 吉电股份 28.695338 *ST 中服 6.602376274 美欣达 7.200503818 *ST 北人 10.19236728 上工申贝 11.33064614 Copyright © 2013 Hanspub 46  我国上市公司信用违约风险的实证检验 益率为： 1 ln i ii S uS (7) 其中，表示第 i天股票的收盘价格， i S1i i S S 表示股 票的每日相对价格(对数收益公式假定价格是连续 的变化)。 这样股票的收益率标准差就表示为： 2 1 1 1 n i i uu n (8) 日标准差和年标准差的转化： 现有一个投资组合，假定该组合的日收益率序 列用 250(一年按 250 个交易日)个变量表示：假设 股票的日收益率服从独立同分布，那么可以计算该 投资组合的年化方差和年化标准差。 首先，年化方差和年化标准差的统计对象为年 化收益率变量，所以我们首先构造年化收益率变 量。 构造变量 ，用这个变量代替 年化收益率，则年化方差为： 12 250 Rrr r 12250 12250 1 112250250 Variance cov , cov , cov,cov,cov, 250cov , 250Variance Variance 250Variance ii i i R RR rrr rrr rrrrr r rr r Rr 即： 上面的式子就是年化方差和日方差的关系。 股票收益的日标准差 和年标准差 E 之间的关 系为(假定一年的交易日为250 天)： 250 1 250 Et (9) 进而股票的年收益标准差可以表示为： 2 1 250 250 1 n E i uu n i (10) 由于假设股价收益率是连续变化的，年化标准差 反映的是股价一年中收益率连续变化时的波动率。 根据样本企业股票 2008年的全年日收盘价数据， 由公式(7)求得股票的对数日收益率，然后根据公式 (10)计算出企业的股权价值波动率，计算结果见下表 5 4) 无风险利率 r、期限 T以及企业资产价值增长 g选取 2008 年金融机构人民币一年期存款利率经历了 几次调整，调整的结果如下表所示： 调整 时间 2008.10.9 之前 2008.10.9 2008．10.30 2008.11.27 2008.12.23 一年期 利率%4.14 3.87 3.60 2.52 2.25 本文选取 2008 年的一年期存款利率的加权平均 利率作为无风险利率，即为 3.945%，同时将期限 T 设定为 1年。为了计算方便，将企业资产价值增长率 g设定为 0。 5) 企业资产价值及其波动率的计算 在企业违约点距离(DP)、企业股权价值 E V以及股 权价值波动率 E 都已经求出的前提下，根据公式(2) 和(3)组成方程组，使用 Matlab6.5 编程可以求出该方 程组的两个未知变量企业资产价值及其波动率，所求 结果如下表 6和表 7所示： 3.3. 实证研究结论 在企业的资产价值 及其波动率 A VA 、企业的违 约点 DP 都已知的前提下，根据公式(4)可以求出企业 的违约距离 DD，如下表 8所示： 为了使表(8)的结果更直观，将违约距离在原值的 基础上扩大 10倍，做出样本 ST股和配对非 ST股的 对比折线图，如下图 1所示： 通过图 1可以看出，经过 KMV 模型所计算出来 的违约距离可以更好的度量上市公司的信用风险。从 图中可以很直观的看出，样本ST 股的折线几乎全部 都在配对非ST 股票的下方，也就是说，配对非 ST 股 票的违约距离要大于样本ST 股。我们知道，在 2008 年这 24 只股票都属于正常股，其表面上是没有差别 的，但是实际上经过 KMV 模型检验后，在 08 年基本 上就可以将这 24 只股票分成不同的两类，对于违约 距离很小的企业就会在 2010 年被证交所特别处理(包 括12 支样本 ST 股)，从这一点可以说明通过 KMV模 型所计算出来的企业违约距离可以很好的反映企业 的信用状况。 Copyright © 2013 Hanspub 47  我国上市公司信用违约风险的实证检验 Table 5. The volatility of the values of equities 表5. 企业股权价值波动率 样本 ST 股 配对非 ST 股 股票名称 E 股票名称 E *ST 博通 0.673540817 湘邮科技 0.784550081 *ST 关铝 1.019284713 云海金属 0.795943292 *ST 光华 0.702561236 江苏宏宝 0.570285585 *ST 国发 0.818689011 华阳科技 0.790329719 *ST 国通 0.793961108 博闻科技 0.801364726 *ST 黑化 0.792072397 长春燃气 0.754831958 *ST 精伦 0.717673332 四创电子 0.620602839 *ST 岷电 0.7727862 大连热电 0.743568913 *ST 新材 0.797916011 烟台万华 0.611520189 *ST 豫能 0.721032371 吉电股份 0.600428971 *ST 中服 0.714653314 美欣达 0.619098577 *ST 北人 0.822922171 上工申贝 0.7407915 Table 6. The total value of the corporations 表6. 企业资产价值(亿元) 样本 ST 股 配对非ST 股 股票名称 企业资产价值 股票名称 企业资产价值 *ST 博通 9.6500 湘邮科技 14.6098 *ST 关铝 84.3211 云海金属 27.8544 *ST 光华 8.3671 江苏宏宝 7.6708 *ST 国发 23.6433 华阳科技 13.5306 *ST 国通 18.6417 博闻科技 24.1555 *ST 黑化 28.2214 长春燃气 29.1084 *ST 精伦 11.2682 四创电子 7.7891 *ST 岷电 40.0326 大连热电 22.2222 *ST 新材 90.7075 烟台万华 225.2527 *ST 豫能 22.0891 吉电股份 65.6269 *ST 中服 15.0278 美欣达 13.1940 *ST 北人 32.2201 上工申贝 25.2681 Table 7. The volatilities of the total values 表7. 企业资产价值波动率 样本ST股 配对非ST股 股票名称 企业资产价值波 动率 股票名称 企业资产价值波 动率 *ST博通 0.3648 湘邮科技 0.6325 *ST关铝 0.7856 云海金属 0.5714 *ST光华 0.5864 江苏宏宝 0.4137 *ST国发 0.5397 华阳科技 0.4394 *ST国通 0.6428 博闻科技 0.7658 *ST黑化 0.5005 长春燃气 0.5964 *ST精伦 0.6619 四创电子 0.4281 *ST岷电 0.5053 大连热电 0.4010 *ST新材 0.6559 烟台万华 0.5541 *ST豫能 0.4717 吉电股份 0.3497 *ST中服 0.4191 美欣达 0.2981 *ST北人 0.5801 上工申贝 0.4298 Table 8. The default distances of the corporations 表8. 企业违约距离 样本ST股 配对非ST股 股票名称 DD 股票名称 DD *ST博通 1.411937 湘邮科技 1.25908 *ST关铝 0.947108 云海金属 1.224512 *ST光华 1.411218 江苏宏宝 1.726004 *ST国发 1.172055 华阳科技 1.181948 *ST国通 1.244371 博闻科技 1.245597 *ST黑化 1.20735 长春燃气 1.307416 *ST精伦 1.388562 四创电子 1.578794 *ST岷电 1.247606 大连热电 1.262304 *ST新材 1.239567 烟台万华 1.628546 *ST豫能 1.344455 吉电股份 1.609238 *ST中服 1.337761 美欣达 1.523848 *ST北人 1.178528 上工申贝 1.283348 DD 0 5 10 15 20 25 30 35 123456789101112 违约距离的10倍 配对非ST股 样本ST股 Figure 1. Line graph: the comparison of the ST and non-ST stocks in the samples 图1. 样本ST 股和配对非ST 股的对比折线图(DD) 4. 结束语以及政策建议 KMV 模型由于数据获取相对容易，计算过程相 对简单，适用于我国现阶段的信用风险度量水平。与 其他三个现代信用风险度量模型相比较，在我国信用 风险管理领域有着更广阔的发展空间，对我国信用风 险度量模型的建立具有非常重要的借鉴意义[18]。鉴 于 此，需要在今后加强下面几个方面的工作： 1) 要加快数据库的建设，构建违约距离和预期违 约率在我国的映射关系 预期违约率的测算需要一个庞大的数据库做支 持，数据的缺乏是信用风险度量中最主要的困难之 一，也是中国银行业应该应对巴塞尔新资本协议的 “瓶颈”。KMV 公司使用了 15年的累计数据建立了 违约距离和预期违约率的映射关系，我国要想构建适 合我国国情的二者之间的关系，也至少需要 10 年的 Copyright © 2013 Hanspub 48  我国上市公司信用违约风险的实证检验 Copyright © 2013 Hanspub 49 数据。而目前在我国的信用评级体系中，并没有关于 违约率方面的统计，但是根据巴塞尔新资本协议的要 求，银行对正常类贷款客户最少要进行 6-9个等级的 划分，同时对于不良贷款的客户也至少要划分成 2个 等级，要根据每一等级的客户单独测算其违约概率等 基本的信用风险指标。同时巴塞尔委员会还要求银行 对每个内部评级的级别进行一年期违约概率的测算。 对于违约概率的测算，银行既可以选择使用内部的违 约历史数据，也可以使用与外部评级机构的信息挂 钩，还可以使用违约统计的模型，但是无论银行采取 何种方法，都必须保证至少 5年的数据观察期。由于 我国市场经济发展的时间较短，金融体制的改革还不 够完善，对于违约等数据的积累才刚刚起步，没有积 累10 以上甚至15 年的数据。因此，我国商业银行应 将加快基础数据库建设的工作，尽快对现有的系统以 及新系统的数据进行整合，为早日构建我国违约距离 和预期违约概率之间的关系奠定数据基础。只有在建 立的完整的数据库的基础上才可以得到上市公司信 用风险大小与其违约率之间的关系，找到同一行业的 信用风险临界值，根据这个临界值建立行业的信用风 险预警系统。 2) 进一步提高我国证券市场的有效性 显然，对于任何一个模型来说，样本数据的真实 可靠都是非常重要的因素，而 KMV 模型是直接使用 上市公司的数据进行信用风险评估的，这就需要证券 市场是有效的，而且上市公司所提供的年报数据以及 其公布的各种信息都是准确可靠的[19]。只有在这个条 件满足的前提下，KMV 模型的计算结果才能真实的 反应上市公司的信用状况。另外，KMV模型假设股 票的波动服从正态分布，这就要求具备一个稳定有效 的证券市场，同时我国股票市场上存在的非流通股票 也是制约 KMV 模型在我国应用的关键因素，随着股 权分置改革的完成，这一障碍也会慢慢的消除。 3) 积极建立健全有关社会信用的法律体系和征 信评估管理体系 近年来我国相继出台了一批基本的经济法律，并 对早先的一些法律进行了修正。这些法律有效填补了 未规范的空白领域，但是经济法律的系统性还不够完 善。这就要求我国的立法机关尽快检查、修改、完善 国的商法体系，建立健全维护社会信用和经济信用 的法律制度。同时借鉴国外成熟的管理经验，结合我 国的具体国情，建立我国征信企业制度，即利用专业 化的、独立的第三方机构为企业建立信用档案，依法 采集、客观记录其信用信息，并依法对外提供信用信 息服务和信用信息共享的制度。要充分发挥政府的作 用，实施政府主导型战略，分阶段地推进企业信用市 场的建设。目前我国采用由政府认定的具有从业资格 的征信企业对征信数据库进行商业化经营的特许经 营模式还处于起步阶段，政府的当务之急是大力支持 这些征信企业开展业务，以使其能快速发展。 我 参考文献 (References) [1] J. P. Morgan. Credit metrics——Technical documentation. City: Publishing house, 1997. [2] KMV Corporation. Credit monitor overview. San Francisco, California, 1993. [3] W. H. Beaver. Financial ratios as predictors of failure. Journal of Accounting Research, 1966, 71-111. [4] J. O. Horrigan. The determinants of long term credit standing with financial ratios, empirical research in accounting; selected studies. Supplement to Accounting Research, 1966, 44-62. [5] E. I. Altman. Financial ratio, discriminant analysis and predic- tion of corporate bankruptcy. Journal of Finance, 1968, 23(4): 589-610. [6] E. B. Deakin. A discriminate analysis of predictors of business failure. Journal of Accounting Research, 1972, 3:167-169. [7] J. Ohison. Financial ratios and the probabilistic prediction of bankruptcy. The Journal of Accounting Research, 1980, Berlin: Spring, 109-130. [8] E. I. Altman, G. Marco and F. Varetto. Corporate distress diag- nosis: Comparisons using linear discriminant analysis and neural networks (the Italian experience). The Journal of Banking and Finance, 1994, 18: 505-529. [9] 张维, 李玉霜. 商业银行信用风险分析综述[J].管理科学学 报 , 1998, (3). [10] 吴军，张继宝,信用风险量化模型比较分析,国际金融研究. 2004(8). [11] 董颖颖, 薛锋, 关伟. KMV模型在我国证券市场的适用性分 析及改进[J]. 生产力研究, 2004, 8: 116-117. [12] 王春峰，万海晖，张维,商业银行信用风险评估及其实证研究, 管理科学学报,1998(1). [13] 方洪全, 曾勇. 银行信用风险评估方法实证研究及比较分析 [J]. 金融研究, 2004(1): 62-69. [14] 阎庆民．我国商业银行信用风险 VaR 的实证分析[J]，金融研 究，2004(6)：31-33. [15] 惠晓峰, 孙嘉鹏. 商业银行信用风险识别: 信用矩阵的实证 应用研究[J]. 国际金融研究, 2004, (9): 11-13. [16] 张玲，杨贞柿，陈收. KMV模型在上市公司信用风险评价中 的应用研究[J]. 系统工程, 2004, 1:84-89 [17] 胡文彬. 新巴塞尔协议内部评级法探析及相关实证[J]. 浙江 大学学报, 2007, 5. [18] 鲁炜，刘冀云. KMV模型关系函数推测及其在中国股市的验 证[J]. 运筹与管理，2003, 6: 43-48. [19] 翟东升、张娟、曹运发，KMV 模型在上市公司信用风险管 理中的应用，工业技术经济，2007 年1月. |