摘 要：本文按照KMV模型框架步驟，結(jié)合中國(guó)特殊情況，研究了KMV模型在度量中國(guó)公司信用風(fēng)險(xiǎn)時(shí)需要修正的所有參數(shù)及修正方法，包括違約類似事件的界定、股權(quán)價(jià)值和股價(jià)波動(dòng)率的計(jì)算、違約點(diǎn)的設(shè)定、違約距離DD和預(yù)期違約概率EDF的函數(shù)關(guān)系等。

關(guān)鍵詞：信用風(fēng)險(xiǎn)；KMV模型；參數(shù)；違約點(diǎn)

中圖分類號(hào)：F832.51 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-9031（2013）10-0047-04

一、引言

世界前沿的現(xiàn)代信用風(fēng)險(xiǎn)度量模型主要包括：KMV公司的KMV模型、JP摩根的Credit Metrics模型、瑞士信貸銀行的Credit Risk+模型、麥肯錫公司的Credit Portfolio View模型等[1]。Credit Metrics模型和Credit Portfolio View模型依賴信用評(píng)級(jí)體系[2]，而我國(guó)評(píng)級(jí)體系目前尚未建立。Credit Risk+模型假設(shè)債務(wù)相互獨(dú)立，這與我國(guó)集團(tuán)客戶眾多的現(xiàn)實(shí)相差較大，且模型依賴在我國(guó)較難估計(jì)的債務(wù)人違約率指標(biāo)。KMV模型不要求有效市場(chǎng)假設(shè)，更多利用資本市場(chǎng)信息而非公司的財(cái)務(wù)數(shù)據(jù)[3]，比較適合中國(guó)目前弱市場(chǎng)有效和財(cái)務(wù)會(huì)計(jì)造假普遍的現(xiàn)狀。特別是KMV模型根據(jù)時(shí)時(shí)更新的資本市場(chǎng)信息進(jìn)行動(dòng)態(tài)評(píng)估，其比依賴信用評(píng)級(jí)的模型能更早預(yù)警信用風(fēng)險(xiǎn)的發(fā)生，在東南亞金融危機(jī)發(fā)生前的泰國(guó)國(guó)家銀行和安然事件中已被驗(yàn)證。

但KMV模型不能直接用于度量中國(guó)公司信用風(fēng)險(xiǎn)，主要有以下原因：1.KMV模型建立在KMV公司積累的龐大違約數(shù)據(jù)庫(kù)上，比如違約點(diǎn)設(shè)定、預(yù)期違約率與違約距離的映射關(guān)系，實(shí)際上KMV正是通過(guò)出售各公司的預(yù)期違約率盈利，而中國(guó)信用建設(shè)起步晚，還沒(méi)有違約數(shù)據(jù)庫(kù)；2.KMV模型中最關(guān)鍵的VK期權(quán)定價(jià)公式和函數(shù)是商業(yè)秘密，外界無(wú)從得知；3.中國(guó)上市公司的股權(quán)結(jié)構(gòu)在歷史上曾存在非流通股，在股權(quán)價(jià)值計(jì)算上，不同于KMV模型適用的全流通結(jié)構(gòu)。因此，應(yīng)用KMV模型度量中國(guó)公司信用風(fēng)險(xiǎn)需要對(duì)模型參數(shù)修正。本文將在綜合相關(guān)文獻(xiàn)的基礎(chǔ)上，按照KMV模型框架步驟，對(duì)KMV模型在度量中國(guó)公司信用風(fēng)險(xiǎn)時(shí)需要修正的所有參數(shù)及修正方法進(jìn)行歸納和總結(jié)，并對(duì)各方法的評(píng)價(jià)。

二、KMV模型框架

（一）KMV模型假設(shè)

KMV模型建立在以下假設(shè)之上：1.滿足BSM模型的基本假設(shè)[4]，即資本市場(chǎng)完美、價(jià)格變動(dòng)連續(xù)、企業(yè)價(jià)值變化服從布朗分布；2.企業(yè)違約等價(jià)于企業(yè)資產(chǎn)價(jià)值小于債務(wù)；3.企業(yè)資本結(jié)構(gòu)僅包括所有者權(quán)益、短期債務(wù)和長(zhǎng)期債務(wù)；4.違約距離是評(píng)價(jià)信用風(fēng)險(xiǎn)的合適指標(biāo)。

（二）公司的預(yù)期違約概率估計(jì)

為了估計(jì)公司的預(yù)期違約概率EDF，KMV模型分三步實(shí)施。

第一步：計(jì)算公司資產(chǎn)價(jià)值VA及其波動(dòng)率？滓A

KMV模型以BSM模型為基礎(chǔ)，將股權(quán)視為公司資產(chǎn)的歐式看漲期權(quán)，以債券面值為執(zhí)行價(jià)格[5]。資產(chǎn)價(jià)值為VA的公司發(fā)行面值為D、期限為T(mén)的單一債券，債券到期時(shí)的股權(quán)價(jià)值ET=max（VTA-D，0），債券價(jià)值BT=min（VTA-D）。根據(jù)BSM模型，公司資產(chǎn)價(jià)值滿足隨機(jī)過(guò)程dVA=？滋AVAdt+？滓AVAdz，？滋A為公司資產(chǎn)瞬時(shí)收益率，？滓A為資產(chǎn)波動(dòng)率，dz是標(biāo)準(zhǔn)維納過(guò)程，則

公司股權(quán)價(jià)值：E=VAN（d1）-De-rTN（d2） （1）

其中：d1=[ln（■）+（r+■？滓2A）t]/？滓A■，d2=d1-？滓A■。

對(duì)式（1）兩邊微分，可得

？滓E= ■？滓A （2）

公司股權(quán)價(jià)值E、股價(jià)波動(dòng)率？滓E可以從資本市場(chǎng)信息中計(jì)算獲得，債券面值D、債券期限T和無(wú)風(fēng)險(xiǎn)利率r已知，將式（1）、（2）聯(lián)立求解，即可獲得公司資產(chǎn)價(jià)值VA及其波動(dòng)率？滓A。

第二步：利用VA、？滓A和公司債務(wù)計(jì)算違約點(diǎn)DP、違約距離DD

違約點(diǎn)DP是違約發(fā)生最頻繁的臨界點(diǎn)，通常認(rèn)為違約點(diǎn)是公司債務(wù)的函數(shù)。KMV公司在對(duì)其違約數(shù)據(jù)庫(kù)統(tǒng)計(jì)的基礎(chǔ)上，總結(jié)出違約點(diǎn)DP=SD+0.5LD。其中，SD為短期負(fù)債，LD為長(zhǎng)期負(fù)債。公司的違約距離DD是從公司預(yù)期資產(chǎn)價(jià)值到違約點(diǎn)之間的距離是標(biāo)準(zhǔn)差的多少倍。它排除了公司資產(chǎn)規(guī)模大小的影響，是一個(gè)標(biāo)準(zhǔn)化的指標(biāo)。

DD=■ （3）

其中，E（VA）是公司的預(yù)期資產(chǎn)價(jià)值，它由公司在t時(shí)刻的現(xiàn)有資產(chǎn)價(jià)值VtA和預(yù)期增長(zhǎng)率計(jì)算得出，E（VA）=VtAe？滋（T-1）。

第三步：確定違約距離DD和公司預(yù)期違約概率EDF之間的映射

預(yù)期違約概率（EDF）是依據(jù)公司資產(chǎn)波動(dòng)性來(lái)度量公司資產(chǎn)未來(lái)價(jià)值位于違約點(diǎn)以下的預(yù)期概率。KMV公司利用其龐大的違約數(shù)據(jù)庫(kù)統(tǒng)計(jì)出某一個(gè)違約距離上所有公司的違約狀況，測(cè)試不同行業(yè)、規(guī)模、時(shí)間的各種違約數(shù)據(jù)，再將違約數(shù)據(jù)擬合成一條平滑的曲線，把違約距離和預(yù)期違約率的關(guān)系映射成相對(duì)穩(wěn)定的函數(shù)關(guān)系，以此來(lái)估計(jì)EDF值的大小，如圖1例示。

三、KMV模型在中國(guó)的適用性研究

目前中國(guó)還無(wú)法直接使用KMV模型度量上市公司的信用風(fēng)險(xiǎn)，但可對(duì)KMV模型及其參數(shù)進(jìn)行調(diào)整，建立符合中國(guó)國(guó)情的公司信用風(fēng)險(xiǎn)度量模型。本文將按照KMV模型計(jì)算公司預(yù)期違約概率的框架步驟，逐一研究。

（一）界定在中國(guó)研究KMV模型時(shí)的違約事件

違約是指公司不能按期履行還本付息的承諾，它是KMV公司違約數(shù)據(jù)庫(kù)建立的基礎(chǔ)。但中國(guó)尚未建立嚴(yán)格意義的違約數(shù)據(jù)庫(kù)，在研究時(shí)只能使用數(shù)據(jù)較豐富的類似違約事件模擬真正的違約。多數(shù)研究都將上市公司被特殊處理（ST、*ST）作為違約事件，認(rèn)為ST公司財(cái)務(wù)和信用狀況相對(duì)較差，違約概率較正常公司大。葛雷在此基礎(chǔ)上將違約事件拓展為包括五類事件：1.公司被特殊處理，冠以ST、*ST；2.公司年報(bào)出現(xiàn)否定、拒絕表示的CPA意見(jiàn)；3.公司債務(wù)重組；4.公司資產(chǎn)凈值為負(fù)；5.公司欠債未還被訴訟[6]。筆者認(rèn)為將特殊處理作為違約事件具有一定理論依據(jù)，但實(shí)際中未被特殊處理的公司未必信用狀況就好，尤其是集團(tuán)控制下的上市公司，其信用風(fēng)險(xiǎn)具有較長(zhǎng)時(shí)間的隱蔽性和突發(fā)性。因此，本文認(rèn)為葛雷拓展后的違約事件更貼近真實(shí)的違約。

（二）計(jì)算公司資產(chǎn)價(jià)值VA及其波動(dòng)率？滓A

在計(jì)算VA和？滓A時(shí)使用了5個(gè)變量：公司股權(quán)價(jià)值E、股價(jià)波動(dòng)率？滓E、債券面值D、債券期限T和無(wú)風(fēng)險(xiǎn)利率r。其中，債券面值D即公司負(fù)債，可以從公司年報(bào)中直接獲得，債券期限T通常選擇1年。國(guó)內(nèi)研究者對(duì)E、？滓E、r 3個(gè)變量分別進(jìn)行了各種嘗試，其中主要研究E和？滓E。

1.公司股權(quán)價(jià)值E

中國(guó)歷史上的非流通股與流通股同股不同權(quán)，因此計(jì)算公司股權(quán)價(jià)值時(shí)要對(duì)流通股和非流通股分別計(jì)價(jià)。流通股價(jià)值可直接通過(guò)資本市場(chǎng)信息計(jì)算，非流通股定價(jià)主要利用市盈率定價(jià)法、凈資產(chǎn)定價(jià)法、流通性定價(jià)法和比照定價(jià)法。張智梅和章仁俊等部分學(xué)者直接用每股凈資產(chǎn)作為非流通股價(jià)格[7]。有研究認(rèn)為，國(guó)有股的拍賣均價(jià)是流通股價(jià)格的22%，因此將非流通股股價(jià)定為流通股股價(jià)的22%。孫小琰、沈悅和羅璐琦通過(guò)線性回歸得出非流通股價(jià)=0.0489+0.3824×每股凈資產(chǎn)+0.062×流通股市價(jià)+3.003×每股收益[8]；董穎穎、薛鋒和關(guān)偉實(shí)證證明了非流通股價(jià)=1.326+0.53×每股凈資產(chǎn)[9]。股改后，還曾經(jīng)產(chǎn)生過(guò)不同于非流通股和流通股的限售股，葛雷在研究中將限售股獨(dú)立定價(jià)為0.7×流通股市價(jià)?，F(xiàn)在中國(guó)股市已經(jīng)基本進(jìn)入了全流通時(shí)代，因此以后使用KMV模型時(shí)，這個(gè)問(wèn)題將極大簡(jiǎn)化，潘潔、周宗放在其全流通條件下的KMV模型中，就直接使用股權(quán)價(jià)值=流通股市價(jià)×總股本數(shù)[10]。

2.股價(jià)波動(dòng)率？滓E

股價(jià)波動(dòng)率的估計(jì)方法分為靜態(tài)和動(dòng)態(tài)兩種。靜態(tài)主要是歷史波動(dòng)率法，假設(shè)股價(jià)波動(dòng)率的方差穩(wěn)定，股價(jià)服從對(duì)數(shù)正態(tài)分布，可以使用股票收盤(pán)數(shù)據(jù)計(jì)算出日波動(dòng)率、周波動(dòng)率、月波動(dòng)率等，再換算成年波動(dòng)率。第i日的股票價(jià)格對(duì)數(shù)變化為？滋t=lnpi-lnpi-1，則

？滓E=■

其中，n為一年的交易天數(shù)，若i是周，則n是一年內(nèi)的交易周數(shù)，以此類推。

動(dòng)態(tài)主要有ARCH模型、指數(shù)加權(quán)移動(dòng)平均模型（EWMA）和GARCH模型[11]，這些模型的典型特征是假設(shè)股價(jià)波動(dòng)率方差不穩(wěn)定。魯煒、趙恒珩、劉冀云等眾多學(xué)者的研究表明中國(guó)股票市場(chǎng)波動(dòng)率符合如下GARCH（1，1）模型，然后使用EVIEWS等軟件進(jìn)行計(jì)算[12]。

？滓2t=？覣+？琢？著2t-1+？茁？滓2t-1，（？琢0≠0，？琢，？茁≥0，？琢+？茁？芻1）

非流通股波動(dòng)較小，且波動(dòng)主要受流通股波動(dòng)影響，所以在計(jì)算股價(jià)波動(dòng)率時(shí)可忽略。

3.無(wú)風(fēng)險(xiǎn)利率r

無(wú)風(fēng)險(xiǎn)利率r在國(guó)際上通常采用90天國(guó)債收益率，中國(guó)沒(méi)有真正意義的無(wú)風(fēng)險(xiǎn)利率，國(guó)內(nèi)學(xué)者多采用一年期定期存款利率，對(duì)于年內(nèi)利率調(diào)整的，以天數(shù)占比為權(quán)重進(jìn)行加權(quán)平均。

魯煒、趙恒珩、劉冀云沒(méi)有使用BSM模型的兩個(gè)聯(lián)立方程求解公司資產(chǎn)價(jià)值及其波動(dòng)率，而是用自由現(xiàn)金流折現(xiàn)方法估計(jì)資產(chǎn)價(jià)值，再運(yùn)用BSM公式求出資產(chǎn)波動(dòng)率，并最終用Weibull分布估計(jì)資產(chǎn)波動(dòng)率和股票波動(dòng)率的關(guān)系函數(shù)，并通過(guò)實(shí)證分析指出該關(guān)系函數(shù)比KMV公司提供的試用函數(shù)在中國(guó)有更好的適用性。筆者認(rèn)為，這為求解資產(chǎn)價(jià)值及波動(dòng)率開(kāi)辟了更多的途徑，尤其對(duì)將KMV模型應(yīng)用于非上市公司是有益的嘗試，但是在使用時(shí)應(yīng)考慮到自由現(xiàn)金流的準(zhǔn)確性和相關(guān)財(cái)務(wù)數(shù)據(jù)的準(zhǔn)確性。

（三）計(jì)算違約點(diǎn)DP、違約距離DD的參數(shù)研究

1.違約點(diǎn)DP

KMV公司根據(jù)經(jīng)驗(yàn)將違約點(diǎn)設(shè)在DP=SD+0.5LD，國(guó)內(nèi)學(xué)者普遍認(rèn)為不適合中國(guó)國(guó)情。中國(guó)上市公司失信狀況比較嚴(yán)重，違約點(diǎn)的設(shè)定應(yīng)提高。國(guó)內(nèi)對(duì)違約點(diǎn)設(shè)定的研究目前還不是很多，大部分學(xué)者繼續(xù)沿用違約點(diǎn)是公司長(zhǎng)短期債務(wù)函數(shù)的觀點(diǎn)，一些學(xué)者將影響違約點(diǎn)的因素拓展，還有學(xué)者用其他方法設(shè)定違約點(diǎn)。

在將違約點(diǎn)設(shè)為公司債務(wù)函數(shù)的研究中，出現(xiàn)了各種嘗試。（1）主觀設(shè)定一個(gè)固定違約點(diǎn)，通常高于KMV模型違約點(diǎn)。如張智梅和章仁俊設(shè)定違約點(diǎn)DP=SD+0.75LD。這種方法主觀性較強(qiáng)，未充分論證違約點(diǎn)設(shè)定的理論依據(jù)，因此略顯粗糙。（2）主觀設(shè)立多個(gè)固定的違約點(diǎn)，通過(guò)實(shí)證研究選擇使樣本的違約組和非違約組違約概率差異最大的違約點(diǎn)。如張玲、楊貞柿、陳收設(shè)立了三個(gè)違約點(diǎn)進(jìn)行對(duì)比：SD、SD+0.5LD、SD+0.75LD，結(jié)果表明違約點(diǎn)設(shè)在最高的SD+0.75LD時(shí)模型的信用風(fēng)險(xiǎn)差異識(shí)別能力最強(qiáng)，設(shè)在最低的時(shí)識(shí)別能力最差[13]。趙建衛(wèi)按長(zhǎng)期負(fù)債等差變化設(shè)立了五個(gè)違約點(diǎn)，分別是SD、SD+0.25LD、SD+0.5LD、SD+0.75LD、SD+LD，實(shí)證結(jié)果表明五個(gè)違約點(diǎn)中最高的違約點(diǎn)使KMV模型最有效[14]。從這些研究者的結(jié)論來(lái)看，在中國(guó)違約點(diǎn)的設(shè)定應(yīng)明顯高于KMV公司的經(jīng)驗(yàn)違約點(diǎn)，從實(shí)證上支撐了中國(guó)失信狀況嚴(yán)重的理論預(yù)期。（3）在一定范圍內(nèi)改變短期負(fù)債和長(zhǎng)期負(fù)債的系數(shù)組合，嘗試各種匹配下的模型效果。如李磊寧、張凱設(shè)違約點(diǎn)為DP=SD+mLD，0≤m≤1，m在取值范圍內(nèi)以0.1為步長(zhǎng)，共設(shè)定了11個(gè)違約點(diǎn)，但其結(jié)論顯示只有當(dāng)m為0.1和0.2時(shí)模型才能通過(guò)顯著性檢驗(yàn)，在兩者之中又以m=0.1效果略好，這個(gè)結(jié)論顯示中國(guó)的違約點(diǎn)較低，與中國(guó)失信嚴(yán)重的理論預(yù)期有一定差異[15]。章文芳、吳麗美、崔小巖設(shè)定違約點(diǎn)為DP=aLD+bSD，采用窮舉法在（a，b）=[（0，0），（10，10）]的正方形內(nèi)嘗試，在考察期內(nèi)，如果公司資產(chǎn)價(jià)值撞擊違約點(diǎn)和公司隨后被ST處理的事件沒(méi)有同時(shí)發(fā)生即為錯(cuò)判，用最小錯(cuò)判法尋求最優(yōu)的參數(shù)組合（a，b），最終測(cè)定DP=1.2LD+3.05SD時(shí)錯(cuò)判率最低，正確率最高，并將此違約點(diǎn)與KMV公司的經(jīng)驗(yàn)違約點(diǎn)SD+0.5LD的模型效果做了對(duì)比，表明KMV公司的違約點(diǎn)測(cè)出的ST和非ST公司的違約距離都大于0，用來(lái)度量中國(guó)公司的違約情況失效，而新違約點(diǎn)只有非ST公司的違約距離大于0，與實(shí)際符合[16]。

違約點(diǎn)的設(shè)定除了直觀的與短期和長(zhǎng)期負(fù)債有關(guān)外，一些學(xué)者還引入了更多的因素。如葛雷依次用短期負(fù)債、長(zhǎng)期負(fù)債、負(fù)債總額、短期資產(chǎn)負(fù)債率、長(zhǎng)期資產(chǎn)負(fù)債率和總的資產(chǎn)負(fù)債率作為門(mén)限變量，使用門(mén)限回歸法探尋公司的違約點(diǎn)是否會(huì)隨著負(fù)債程度的改變而發(fā)生結(jié)構(gòu)性的轉(zhuǎn)折，對(duì)KMV模型的違約點(diǎn)進(jìn)行了修正。在計(jì)算中，使用違約時(shí)企業(yè)資產(chǎn)價(jià)值代替違約點(diǎn)來(lái)構(gòu)建門(mén)限回歸模型：

AVi=？琢1+？茁11SDi+？茁12LDi+ei qi≤？酌？琢2+？茁21SDi+？茁22LDi+ei qi？酆？酌

實(shí)證結(jié)果顯示，以資產(chǎn)負(fù)債率作為門(mén)限變量對(duì)違約點(diǎn)進(jìn)行門(mén)限回歸修正后，模型的識(shí)別和預(yù)測(cè)能力都有很大提高。當(dāng)資產(chǎn)負(fù)債率大于72.29%時(shí)，違約點(diǎn)表達(dá)式中短期負(fù)債和長(zhǎng)期負(fù)債的系數(shù)顯著增大，表明違約率與資本結(jié)構(gòu)有關(guān)，當(dāng)資產(chǎn)負(fù)債率較高時(shí)，違約點(diǎn)較低，違約風(fēng)險(xiǎn)較大。

還有的學(xué)者采用了不同于KMV模型的方法來(lái)設(shè)定違約點(diǎn)。如韓立巖和鄭承利改變了KMV模型中固定違約點(diǎn)的思路，采用模糊隨機(jī)方法將違約點(diǎn)模糊化，以模糊事件表示違約，修改了確定公司股權(quán)價(jià)值的期權(quán)公式，進(jìn)一步得到預(yù)期違約概率，通過(guò)案例分析表明他們提出的模糊方法是可行的[17-18]。黃鸝應(yīng)用數(shù)據(jù)包絡(luò)分析（DEA）方法中的CCR模型，用公司的DEA值作為公司資產(chǎn)價(jià)值，用行業(yè)內(nèi)ST公司的平均DEA值作為違約點(diǎn)，由于模型中使用的都是公司財(cái)務(wù)數(shù)據(jù)而非資本市場(chǎng)信息，所以結(jié)果依賴數(shù)據(jù)的真實(shí)性，但同時(shí)也提供了一條度量非上市公司信用風(fēng)險(xiǎn)的方法[19]。

2.違約距離DD

計(jì)算違約距離DD時(shí)使用了公司的預(yù)期資產(chǎn)價(jià)值，部分學(xué)者對(duì)資產(chǎn)的預(yù)期增長(zhǎng)率進(jìn)行了研究。有的學(xué)者認(rèn)為預(yù)期增長(zhǎng)率對(duì)模型預(yù)測(cè)結(jié)果影響有限，為簡(jiǎn)化計(jì)算直接默認(rèn)預(yù)期增長(zhǎng)率為0，即E（VA）=VtAe？滋（T-t）VA，例如葛雷、程鵬和吳沖峰[20]。李磊寧和張凱用公司近三年凈收益增長(zhǎng)率的算術(shù)平均值近似預(yù)期增長(zhǎng)率。筆者認(rèn)為，公司資產(chǎn)的增長(zhǎng)率在實(shí)際中隨時(shí)間而變化，尤其對(duì)違約公司，在從正常狀態(tài)發(fā)展到違約的過(guò)程中，理論上應(yīng)該是增長(zhǎng)率下降甚至負(fù)增長(zhǎng)，因此簡(jiǎn)單假定資產(chǎn)的預(yù)期增長(zhǎng)率為零顯然會(huì)對(duì)計(jì)算結(jié)果造成誤差。

（四）違約距離DD和預(yù)期違約概率EDF映射關(guān)系的研究

KMV公司在其龐大違約數(shù)據(jù)庫(kù)統(tǒng)計(jì)基礎(chǔ)上建立了經(jīng)驗(yàn)估計(jì)的違約距離DD和預(yù)期違約概率EDF函數(shù)關(guān)系。但是中國(guó)宏觀經(jīng)濟(jì)環(huán)境不同，也沒(méi)有大型的違約數(shù)據(jù)庫(kù)，所以無(wú)法在大量實(shí)證基礎(chǔ)上建立兩者的函數(shù)關(guān)系，只能通過(guò)理論計(jì)算估計(jì)預(yù)期違約概率。

通常假設(shè)公司資產(chǎn)收益服從正態(tài)分布，根據(jù)違約距離DD的定義，理論的預(yù)期違約概率計(jì)算公式為

EDF=Pr（E（VA）？芻DP）=N ■=N（-DD）

根據(jù)DD所推導(dǎo)出的EDF只是在風(fēng)險(xiǎn)中性下的公司理論預(yù)期違約概率。由于實(shí)際資產(chǎn)收益分布非正態(tài)、公司實(shí)際資本結(jié)構(gòu)并非如假設(shè)一樣簡(jiǎn)化，理論的預(yù)期違約率在一定程度上會(huì)低估真實(shí)的預(yù)期違約率，理論結(jié)果并不準(zhǔn)確。例如理論上違約距離為4的公司違約概率幾乎為零，但實(shí)際上這樣公司違約的事件也常有發(fā)生。要從根本上解決這個(gè)問(wèn)題，還需要中國(guó)在實(shí)踐中積累違約數(shù)據(jù)，建立自己的違約數(shù)據(jù)庫(kù)。

四、結(jié)論

本文按照KMV模型計(jì)算公司預(yù)期違約概率的框架步驟，逐一研究了針對(duì)中國(guó)特殊情況需要調(diào)整的參數(shù)和方法，以及學(xué)者在其中所做的各種探索，是國(guó)內(nèi)首次針對(duì)KMV在中國(guó)適用性所做的全面研究。由于中國(guó)缺乏違約事件數(shù)據(jù)的積累，所以研究首先要解決采用何種可得的近似數(shù)據(jù)作為替代，對(duì)于國(guó)內(nèi)普遍使用的以被ST事件作為違約事件，筆者認(rèn)為這有一定理論依據(jù)，但在以后研究中還要通過(guò)實(shí)證檢驗(yàn)它們的相關(guān)性，并且可以包括債務(wù)重組、資產(chǎn)凈值為負(fù)等更接近違約的事件。在計(jì)算公司資產(chǎn)價(jià)值及其波動(dòng)率時(shí)，對(duì)參數(shù)的研究主要集中在股權(quán)價(jià)值、股價(jià)波動(dòng)率上，雖然以往對(duì)股權(quán)價(jià)值中非流通股定價(jià)的討論很多，隨著全流通時(shí)代的到來(lái)，這個(gè)問(wèn)題也可以塵埃落定了；股價(jià)波動(dòng)率的計(jì)算主要有歷史波動(dòng)率法和GARCH模型法，筆者認(rèn)為前者相對(duì)簡(jiǎn)單容易，但后者更符合中國(guó)情況，以后研究可以對(duì)同一組數(shù)據(jù)，分別采用兩種方法對(duì)比模型效果。中國(guó)企業(yè)失信和財(cái)務(wù)造假嚴(yán)重的問(wèn)題使國(guó)內(nèi)學(xué)者普遍認(rèn)為應(yīng)該研究適合中國(guó)的違約點(diǎn)，而非套用KMV的經(jīng)驗(yàn)違約點(diǎn)。大部分學(xué)者沿用違約點(diǎn)是公司長(zhǎng)短期債務(wù)函數(shù)的觀點(diǎn)，一些學(xué)者將影響違約點(diǎn)的因素拓展，還有學(xué)者用其他方法設(shè)定違約點(diǎn)。其中將違約點(diǎn)設(shè)定為債務(wù)函數(shù)的研究較多，從最初按主觀設(shè)定一個(gè)違約點(diǎn)，到主觀設(shè)定多個(gè)違約點(diǎn)比較取效果最佳點(diǎn)，到在理論取值范圍內(nèi)窮舉所有可能篩選最佳違約點(diǎn)，研究一步步深入。從實(shí)證結(jié)果看，絕大部分的違約點(diǎn)高于甚至遠(yuǎn)高于KMV的經(jīng)驗(yàn)違約點(diǎn)，這和理論預(yù)期基本一致。拓展影響違約點(diǎn)因素的嘗試引入了與資本結(jié)構(gòu)相關(guān)的資產(chǎn)負(fù)債率指標(biāo)。另外還有采用模糊隨機(jī)方法將違約點(diǎn)模糊化、應(yīng)用數(shù)據(jù)包絡(luò)分析設(shè)定違約點(diǎn)等另辟蹊徑的有益探索。由于沒(méi)有違約數(shù)據(jù)庫(kù)，中國(guó)無(wú)法像KMV公司一樣以經(jīng)驗(yàn)建立違約距離DD和預(yù)期違約概率EDF的函數(shù)關(guān)系，只能假定公司資產(chǎn)收益服從正態(tài)分布，通過(guò)理論估計(jì)預(yù)期違約概率，但這在一定程度上會(huì)低估真實(shí)的預(yù)期違約率。由以上研究可以發(fā)現(xiàn)由于中國(guó)公司失信嚴(yán)重，違約點(diǎn)設(shè)定應(yīng)當(dāng)提高，按理論值計(jì)算（下轉(zhuǎn)第66頁(yè)）

（上接第50頁(yè)）的預(yù)期違約概率通常低于真實(shí)值，解決這個(gè)問(wèn)題的關(guān)鍵還是要逐漸建立中國(guó)自己的違約數(shù)據(jù)庫(kù)，加強(qiáng)信用體系和信用環(huán)境建設(shè)?！?/p>

（責(zé)任編輯：江凱）

參考文獻(xiàn)：

[1]Michel C， Dan G， Robert M. A Comparative Analysis

of Current Credit Risk Models[J].Journal of Banking Finance，2000（24）.

[2]Wilson， Thomas C. Portfolio Credit Risk[J].Economic Policy Review，1998（4）.

[3]Jeffrey R B. Using marketing data to value credit risk instruments[Z].Moodys KMV Corporation，1999（9）.

[4]Merton R. On the pricing of corporate debt： the risk structure of interest rates[J].Journal of Finance，1974（29）.

[5]Black F，Scholes M.The pricing of options and corporate liabilities[J].Journal of Political Economy，1973（8）.

[6]葛雷.基于門(mén)限回歸的KMV信用風(fēng)險(xiǎn)度量模型違約點(diǎn)修正研究[D].南京理工大學(xué)，2010.

[7]張智梅，章仁俊.KMV模型的改進(jìn)及對(duì)上市公司信用風(fēng)險(xiǎn)的度量[J].統(tǒng)計(jì)與決策，2006（9）：157-160.

[8]孫小琰，沈悅，羅璐琦.基于KMV模型的我國(guó)上市公司價(jià)值評(píng)估實(shí)證研究[J].管理工程學(xué)報(bào)，2008（1）：102-108.

[9]董穎穎，薛峰，關(guān)偉.KMV模型在我國(guó)證券市場(chǎng)的適用性分析及其改進(jìn)[J].生產(chǎn)力研究，2004（8）：116-117+184.

[10]潘潔，周宗放.全流通下KMV模型中的違約點(diǎn)修正及實(shí)證研究[J].中國(guó)企業(yè)運(yùn)籌學(xué)，2009（7）：197-204.

[11]約翰·霍爾著，張?zhí)諅プg.期貨、期權(quán)和其他衍生產(chǎn)品[M].北京：華夏出版社，1999.

[12]魯煒，趙恒珩，劉冀云.KMV模型關(guān)系函數(shù)推測(cè)及其在中國(guó)股市的驗(yàn)證[J].運(yùn)籌與管理，2003（6）：43-48.

[13]張玲，楊貞柿，陳收.KMV模型在上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)中的應(yīng)用研究[J].系統(tǒng)工程，2004（11）：84-89.

[14]趙建衛(wèi).基于KMV模型的我國(guó)上市公司信用風(fēng)險(xiǎn)度量的實(shí)證研究[D].東北財(cái)經(jīng)大學(xué)，2006.

[15]李磊寧，張凱.我國(guó)上市公司違約點(diǎn)選擇問(wèn)題研究一一基于KMV模型[J].廣西金融研究，2007（10）：42-45.

[16]章文芳吳，麗美，崔小巖.基于KMV模型上市公司違約點(diǎn)的確定[J].統(tǒng)計(jì)與決策，2010（14）：169-171.

[17]韓立巖，鄭承利.基于模糊隨機(jī)方法的公司違約風(fēng)險(xiǎn)預(yù)測(cè)研究[J].金融研究，2002（8）：49-53.

[18]鄭承利，韓立巖.基于模糊統(tǒng)計(jì)的公司違約預(yù)測(cè)[J].模糊系統(tǒng)與數(shù)學(xué)，2003（1）：84-89.

[19]黃鸝.基于數(shù)據(jù)包絡(luò)分析（DEA）方法的違約距離研究[D].長(zhǎng)春：吉林大學(xué)，2009.

[20]程鵬，吳沖鋒.上市公司信用狀況分析新方法[J].系統(tǒng)工程理論方法應(yīng)用，2002（2）：89-93.