鄧 晶，田治威，張燕琳，秦 濤，曹詩(shī)男

（1.北京林業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，北京 100083； 2.北京大學(xué)匯豐商學(xué)院，廣東 深圳 518055；3.對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)金融學(xué)院，北京 100029）

我國(guó)林業(yè)上市公司信用風(fēng)險(xiǎn)研究
——基于KMV模型

鄧 晶1，田治威1，張燕琳2，秦 濤1，曹詩(shī)男3

（1.北京林業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，北京 100083； 2.北京大學(xué)匯豐商學(xué)院，廣東 深圳 518055；3.對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)金融學(xué)院，北京 100029）

文章以我國(guó)滬深兩市A股林業(yè)上市公司為研究對(duì)象，選取2007-2012年首次成為ST的8家公司和對(duì)應(yīng)的8家非ST公司為研究樣本，運(yùn)用KMV模型研究我國(guó)林業(yè)上市公司信用風(fēng)險(xiǎn)。實(shí)證過(guò)程中，文章根據(jù)我國(guó)林業(yè)公司特點(diǎn)研究確定KMV模型中各參數(shù)的計(jì)算方法，計(jì)算出在不同違約點(diǎn)下各個(gè)樣本的違約距離，主要結(jié)論：財(cái)務(wù)危機(jī)前非ST公司與ST公司的違約距離表現(xiàn)出顯著差異，運(yùn)用KMV模型能夠有效識(shí)別我國(guó)林業(yè)上市公司的信用風(fēng)險(xiǎn)狀況；我國(guó)林業(yè)上市公司的違約點(diǎn)應(yīng)設(shè)定為短期負(fù)債加上50%長(zhǎng)期負(fù)債；在研究連續(xù)兩年違約距離的基礎(chǔ)上，構(gòu)建了我國(guó)林業(yè)上市公司兩級(jí)信用風(fēng)險(xiǎn)預(yù)警體系。

林業(yè)公司；信用風(fēng)險(xiǎn)；KMV模型；風(fēng)險(xiǎn)預(yù)警

一、引言

經(jīng)過(guò)數(shù)十年的探索與改革，我國(guó)林業(yè)企業(yè)已經(jīng)取得了長(zhǎng)足的發(fā)展，但是相比其他行業(yè)還處于相對(duì)滯后的發(fā)展?fàn)顟B(tài)，林業(yè)企業(yè)仍然面臨著籌措資金困難、市場(chǎng)競(jìng)爭(zhēng)力弱、經(jīng)濟(jì)效益低等發(fā)展困境[1-2]。近年來(lái)，在集體林權(quán)制度改革不斷深入的背景下，提升運(yùn)用管理水平、增強(qiáng)核心競(jìng)爭(zhēng)力更成為林業(yè)企業(yè)亟待解決的問(wèn)題。然而，林業(yè)具有自然弱質(zhì)性，其生產(chǎn)經(jīng)營(yíng)風(fēng)險(xiǎn)較高，導(dǎo)致林業(yè)企業(yè)債務(wù)負(fù)擔(dān)承重，市場(chǎng)競(jìng)爭(zhēng)力明顯偏弱。而其中最為關(guān)鍵的影響因素即企業(yè)信用不足，信用風(fēng)險(xiǎn)也是金融機(jī)構(gòu)、投資者、林業(yè)政府部門關(guān)注的核心風(fēng)險(xiǎn)[3]。隨著“中國(guó)林業(yè)產(chǎn)業(yè)誠(chéng)信聯(lián)盟”拉開(kāi)帷幕，研究林業(yè)企業(yè)信用問(wèn)題，加強(qiáng)其信用建設(shè)愈發(fā)被政府重視。因此，研究建立適用于我國(guó)林業(yè)企業(yè)的信用風(fēng)險(xiǎn)管理與財(cái)務(wù)預(yù)警機(jī)制顯得尤為重要，對(duì)于林業(yè)企業(yè)加強(qiáng)風(fēng)險(xiǎn)控制、投資者準(zhǔn)確獲取市場(chǎng)信息、林業(yè)政府部門加強(qiáng)行業(yè)監(jiān)管具有重要意義。

信用風(fēng)險(xiǎn)指因交易對(duì)手違約造成經(jīng)濟(jì)損失的風(fēng)險(xiǎn)，其風(fēng)險(xiǎn)大小度量一般通過(guò)交易對(duì)手違約時(shí)重置現(xiàn)金流來(lái)衡量。已有關(guān)于信用風(fēng)險(xiǎn)度量的技術(shù)主要可以分為兩類：一類為傳統(tǒng)度量方法，多利用公司財(cái)務(wù)數(shù)據(jù)對(duì)信用風(fēng)險(xiǎn)進(jìn)行衡量，包括：專家打分方法、信用評(píng)分法等。Altman[4]建立了5變量組成的Z值模型，把多變量方法應(yīng)用到信用風(fēng)險(xiǎn)研究之中。Martin[5]運(yùn)用Logistic回歸模型，基于財(cái)務(wù)數(shù)據(jù)研究企業(yè)違約概率。另一類為現(xiàn)代度量方法，基于金融工程模型進(jìn)行衡量，包括KMV模型、Credit Metrics模型、Credit portfolio view模型以及Credit Risk+模型等。在國(guó)外眾多信用風(fēng)險(xiǎn)度量模型中，運(yùn)用最普遍、最廣泛的就是KMV模型。KMV公司的先驅(qū)者Crosbie&Bohn[6]研究并發(fā)展了BS期權(quán)定價(jià)模型，并用于風(fēng)險(xiǎn)度量。此后，眾多學(xué)者對(duì)這一模型的有效性進(jìn)行驗(yàn)證，KMV公司基于3400家上市公司和40000家非上市公司的信息建立了企業(yè)信用資料數(shù)據(jù)庫(kù)，用以信用風(fēng)險(xiǎn)度量研究。桑德斯[7]的研究認(rèn)為KMV模型可以適用于所有公開(kāi)上市公司，且有較強(qiáng)的實(shí)時(shí)監(jiān)控性。Crosbie& Bohn[8]運(yùn)用KMV模型研究了金融類公司，結(jié)果表明EDF可以有效識(shí)別公司陷入財(cái)務(wù)危機(jī)前的信用風(fēng)險(xiǎn)狀況。Korablev& Dwyer通過(guò)對(duì)1996-2006年北美、歐洲、亞洲三地的歷史數(shù)據(jù)研究認(rèn)為該模型普遍適用于各國(guó)企業(yè)。當(dāng)然，也有學(xué)者對(duì)KMV模型的有效性提出質(zhì)疑，Sreedhar&Tyler[9]運(yùn)用KMV模型來(lái)解釋溢價(jià)或價(jià)差的結(jié)果表明KMV模型并非有效。

國(guó)內(nèi)對(duì)KMV模型的研究主要可分為三個(gè)階段：第一階段是引入KMV模型時(shí)對(duì)其理論框架的介紹。第二階段是KMV模型在我國(guó)實(shí)用性的研究。吳沖鋒和程鵬[10]以滬深股市15家上市公司為研究樣本，運(yùn)用KMV模型研究信用風(fēng)險(xiǎn)，研究認(rèn)為該模型可有效評(píng)價(jià)上市公司信用情況，并分析得出績(jī)優(yōu)公司的信用狀況最好，高科技公司信用狀況其次，ST公司信用狀況最差。第三階段的研究是以我國(guó)上市數(shù)據(jù)對(duì)KMV模型進(jìn)行修正，建立適合我國(guó)國(guó)情的KMV修正模型。模型的修正主要分為三個(gè)方面：一是違約點(diǎn)的設(shè)定，二是股權(quán)市場(chǎng)價(jià)值的計(jì)算，三是公司股權(quán)波動(dòng)率的計(jì)算。曾詩(shī)鴻和王芳選取42家我國(guó)A股制造業(yè)上市公司數(shù)據(jù)，通過(guò)修正違約點(diǎn)距離建立了適合我國(guó)證券市場(chǎng)特點(diǎn)的KMV模型[11]。劉迎春[12]認(rèn)為運(yùn)用GARCH模型比歷史波動(dòng)率計(jì)算得出的檢驗(yàn)效果更加顯著，唐振鵬[13]研究發(fā)現(xiàn)EGARCH-M波動(dòng)模型可以有效提高KMV模型的信用風(fēng)險(xiǎn)識(shí)別能力。王新翠應(yīng)用改進(jìn)KMV模型GARCH-KMV模型與SV-KMV模型對(duì)中國(guó)上市公司信用質(zhì)量的實(shí)證研究表明：股權(quán)價(jià)值波動(dòng)與KMV模型的結(jié)果違約距離高度負(fù)相關(guān)；GARCHKMV與SV-KMV模型均能度量上市公司信用狀況，但SV-KMV模型比GARCHKMV模型度量效果更好。夏紅芳和馬俊[14]以我國(guó)農(nóng)業(yè)類上市公司為樣本，運(yùn)用KMV模型進(jìn)行研究，結(jié)果表明KMV模型可以有效識(shí)別農(nóng)業(yè)類上市公司信用風(fēng)險(xiǎn)。

通過(guò)對(duì)國(guó)內(nèi)外研究文獻(xiàn)總結(jié)發(fā)現(xiàn)：一方面，國(guó)內(nèi)學(xué)者尚未運(yùn)用數(shù)量模型研究我國(guó)林業(yè)上市公司信用風(fēng)險(xiǎn)問(wèn)題，更沒(méi)有將KMV模型引入這一領(lǐng)域；另一方面，在由于KMV模型無(wú)需依賴評(píng)級(jí)機(jī)制，不要求有效市場(chǎng)假設(shè)，具有動(dòng)態(tài)前瞻性，能及時(shí)反映投資者對(duì)企業(yè)未來(lái)發(fā)展的綜合預(yù)期等特點(diǎn)，在應(yīng)用于我國(guó)上市公司信用風(fēng)險(xiǎn)度量時(shí)具有得天獨(dú)厚的優(yōu)勢(shì)。因此，文章在對(duì)KMV模型修正的基礎(chǔ)上，將該模型應(yīng)用于我國(guó)林業(yè)上市公司信用風(fēng)險(xiǎn)的實(shí)證研究，建立我國(guó)林業(yè)企業(yè)的信用風(fēng)險(xiǎn)預(yù)警模型。

二、KMV模型理論框架

1.KMV模型的基本原理

在眾多信用風(fēng)險(xiǎn)度量模型中，KMV模型由于其無(wú)需依賴評(píng)級(jí)機(jī)制，不要求有效市場(chǎng)假設(shè)，具有動(dòng)態(tài)前瞻性，能及時(shí)反映投資者對(duì)企業(yè)未來(lái)發(fā)展的綜合預(yù)期等特點(diǎn)，在應(yīng)用于我國(guó)上市公司信用風(fēng)險(xiǎn)度量時(shí)具有得天獨(dú)厚的優(yōu)勢(shì)。在KMV模型中假設(shè)公司資產(chǎn)由股本、債券和貸款等組成，貸款要求在規(guī)定時(shí)間內(nèi)償還，否則視為違約。OD是期限為一年的經(jīng)過(guò)折現(xiàn)后的貸款數(shù)額，如果一年之后的公司資產(chǎn)價(jià)值V2大于債務(wù)水平，則公司會(huì)選擇償還貸款，原因是其可以通過(guò)出售股權(quán)償還債務(wù)，并獲得OV2-OD的收益；如果公司的資產(chǎn)市值V1小于債務(wù)水平，公司有動(dòng)機(jī)不按期償還貸款，原因是公司向債權(quán)人轉(zhuǎn)讓資產(chǎn)比重新籌集還債更有利。當(dāng)公司不按其償還貸款時(shí)，銀行貸款就會(huì)發(fā)生損失，甚至出現(xiàn)本金和利息全部無(wú)法收回的情況。銀行追債會(huì)產(chǎn)生費(fèi)用和法律成本，因此銀行的最終損失可能超過(guò)貸款的本金和利息。此時(shí)，銀行的損益可用圖1表示，從圖1可以看出，銀行貸款損益圖與看跌期權(quán)賣方損益圖類似。銀行發(fā)放的一筆貸款并且收回本金和利息時(shí)，可以視為銀行賣出一份以公司資產(chǎn)價(jià)值為標(biāo)的，以公司債務(wù)價(jià)值為執(zhí)行價(jià)格的看跌期權(quán)。根據(jù)期權(quán)平價(jià)原理，公司借入一筆貸款時(shí)，相當(dāng)于持有一份以公司資產(chǎn)市場(chǎng)價(jià)值為標(biāo)的，以公司債務(wù)價(jià)值為執(zhí)行價(jià)格的看漲期權(quán)。

圖1 現(xiàn)實(shí)情況中放款銀行損益圖

因此，KMV可以看成是基于期權(quán)定價(jià)理論的信用風(fēng)險(xiǎn)管理模型。KMV模型將公司股東權(quán)益看作看漲期權(quán)，當(dāng)公司的資產(chǎn)價(jià)值低于公司債務(wù)價(jià)值時(shí)公司就會(huì)違約，相應(yīng)的負(fù)債水平就是違約點(diǎn)DP(Default Point)，公司資產(chǎn)價(jià)值與違約點(diǎn)之間差值除以公司資產(chǎn)價(jià)值的標(biāo)準(zhǔn)差就是違約距離DD(Distance to Default)。KMV模型假定當(dāng)兩個(gè)公司違約距離相同時(shí)，其違約風(fēng)險(xiǎn)也相同。KMV公司利用多年的上市公司和非上市公司數(shù)據(jù)建立了公司信用風(fēng)險(xiǎn)數(shù)據(jù)庫(kù)，并對(duì)具有相同違約距離的公司進(jìn)行分類，把每一類公司的實(shí)際違約率看成具有相同違約距離的公司的預(yù)期違約率EDF(Expected Default Frequency)。因此，通過(guò)計(jì)算公司違約距離，就預(yù)測(cè)其預(yù)期違約概率。

2.KMV模型

KMV模型假設(shè)條件包括：公司資產(chǎn)價(jià)值決定公司是否違約，當(dāng)公司的資產(chǎn)價(jià)值大于債務(wù)價(jià)值時(shí)，公司不會(huì)違約，反之違約；公司的資產(chǎn)結(jié)構(gòu)只有股權(quán)、短期負(fù)債(STD)、長(zhǎng)期債務(wù)(LTD)和可轉(zhuǎn)換債券四種；市場(chǎng)無(wú)摩擦；公司股票價(jià)格變動(dòng)服從幾何布朗運(yùn)動(dòng)；公司的資產(chǎn)價(jià)值服從正態(tài)分布。

根據(jù)Black-Scholes期權(quán)定價(jià)公式可知，上市公司股權(quán)價(jià)值與公司債務(wù)價(jià)值、資產(chǎn)價(jià)值、資產(chǎn)波動(dòng)性以及時(shí)間范圍相關(guān)，可以用以下公式表示：

其中，E為股權(quán)價(jià)值；D為債務(wù)價(jià)值（違約點(diǎn)DP）。KMV公司利用1973年以來(lái)的上市公司和非上市公司數(shù)據(jù)建立公司信用風(fēng)險(xiǎn)數(shù)據(jù)庫(kù)，發(fā)現(xiàn)當(dāng)公司價(jià)值大于等于短期負(fù)債加上50%的長(zhǎng)期負(fù)債時(shí)(DPT=STD+0.5LTD)，公司發(fā)生違約最頻繁；r為無(wú)風(fēng)險(xiǎn)利率；V為資產(chǎn)價(jià)值；τ為時(shí)間范圍（到期日-當(dāng)前時(shí)間）；N為標(biāo)準(zhǔn)正態(tài)分布函數(shù)在d處的值；σv為公司資產(chǎn)收益的波動(dòng)率。對(duì)公式(1)求導(dǎo)、求期望后可得到股票價(jià)值波動(dòng)率σE與資產(chǎn)價(jià)值波動(dòng)率σV之間的關(guān)系為：

聯(lián)立以上方程求解可得到V和σV，進(jìn)而可以計(jì)算出負(fù)債企業(yè)的違約距離：

根據(jù)假定，公司的資產(chǎn)價(jià)值服從正態(tài)分布，因此違約距離反映公司距離違約的標(biāo)準(zhǔn)差，公司的違約概率可以用以下公式表示：

通過(guò)KMV公司的信用風(fēng)險(xiǎn)數(shù)據(jù)庫(kù)可以計(jì)算一年內(nèi)具有同樣違約距離的公司實(shí)際違約數(shù)量，再比上具有同樣違約距離的公司總數(shù)可以計(jì)算實(shí)際違約概率，并可以將實(shí)際違約概率擬合成連續(xù)曲線（如圖2）用以表示違約距離函數(shù)，從而估計(jì)出經(jīng)驗(yàn)上的EDF值。但是由于我國(guó)目前不具有與此類似的數(shù)據(jù)庫(kù)，因此只能根據(jù)違約距離DD評(píng)判公司信用風(fēng)險(xiǎn)，當(dāng)違約距離越大說(shuō)明公司違約風(fēng)險(xiǎn)越小；反之則違約風(fēng)險(xiǎn)越大。

圖2 經(jīng)驗(yàn)EDF分布示例

三、基于KMV模型的我國(guó)林業(yè)上市公司信用風(fēng)險(xiǎn)分析

1.修正KMV模型

（1）股權(quán)價(jià)值的計(jì)算

由于我國(guó)存在非流通股的情況，導(dǎo)致流通股的價(jià)格不能完全反映整個(gè)上市公司的信息，同時(shí)股價(jià)不同造成非流通股股東和流通股股東之間的矛盾也可能引發(fā)較高的信用風(fēng)險(xiǎn)。因此，非流通股價(jià)值的準(zhǔn)確評(píng)估成為直接影響股票市場(chǎng)價(jià)值計(jì)算的關(guān)鍵要素。文章根據(jù)每股凈資產(chǎn)計(jì)算非流通股的價(jià)格，具體計(jì)算方式為：上市公司股權(quán)價(jià)值=流通股價(jià)格×流通股股數(shù)+每股凈資產(chǎn)×非流通股股數(shù)。

（2）違約點(diǎn)的設(shè)置

KMV公司根據(jù)大量的實(shí)證分析，采用“短期負(fù)債+50%長(zhǎng)期負(fù)債”計(jì)算KMV模型當(dāng)中的違約點(diǎn)。但考慮到我國(guó)證券市場(chǎng)的特殊性，以及信用缺失較嚴(yán)重的情況，采用該違約點(diǎn)有可能并不適用于我國(guó)林業(yè)上市公司信用風(fēng)險(xiǎn)的度量，因此文章將設(shè)定不同的違約點(diǎn)，并通過(guò)實(shí)證數(shù)據(jù)分析得到適合我國(guó)林業(yè)上市公司特點(diǎn)的違約點(diǎn)：

2.樣本選取與數(shù)據(jù)采集

文章所采用的上市公司的股票價(jià)格數(shù)據(jù)和財(cái)務(wù)報(bào)告數(shù)據(jù)均來(lái)自于大智慧軟件和天相投資數(shù)據(jù)庫(kù)。根據(jù)證監(jiān)會(huì)行業(yè)分類標(biāo)準(zhǔn)，我國(guó)林業(yè)上市公司數(shù)量較少，為滿足研究需要文章將與林業(yè)相關(guān)行業(yè)的部門上市公司納入樣本選擇范圍，包括部分主營(yíng)業(yè)務(wù)涉及林業(yè)的農(nóng)業(yè)類企業(yè)，造紙、印刷類企業(yè)，以及木材、家具類企業(yè)。在選取樣本時(shí)，主要考慮了以下幾個(gè)問(wèn)題：

第一，考慮到證監(jiān)會(huì)根據(jù)上市公司前兩年年報(bào)所中公布的業(yè)績(jī)，判斷是否進(jìn)行退市風(fēng)險(xiǎn)警示(*ST)，根據(jù)前一年年報(bào)中所公布的業(yè)績(jī)判斷是否對(duì)上市公司進(jìn)行特別處理(ST)，而被特別處理的公司往往會(huì)比一般上市公司存在較高的違約信用風(fēng)險(xiǎn)。因此，文章將上市公司因財(cái)務(wù)狀況異常而被特別處理成為ST公司作為公司出現(xiàn)信用風(fēng)險(xiǎn)的標(biāo)志。

列為樣本的ST公司均為研究年度新增ST公司且存續(xù)期需超過(guò)兩年，不存在數(shù)據(jù)不足的情況。

第二，按照對(duì)比研究的要求，文章根據(jù)相同行業(yè)以及當(dāng)年總資產(chǎn)規(guī)模接近，且對(duì)比年份交易數(shù)據(jù)完整的原則，為以上ST公司逐一選擇非ST公司作為對(duì)比樣本。

第三，樣本中公司僅為A股上市公司，其目的是避免不同地區(qū)的資本市場(chǎng)對(duì)A股產(chǎn)生的影響，進(jìn)而更純粹地研究中國(guó)A股市場(chǎng)。

第四，選擇樣本時(shí)發(fā)現(xiàn)，無(wú)論從經(jīng)營(yíng)業(yè)績(jī)，還是資產(chǎn)規(guī)模等公司狀況來(lái)看，木材、家具類上市公司明顯優(yōu)于其他林業(yè)相關(guān)行業(yè)上市公司，如將其作為配對(duì)股票分析得出的結(jié)果不具有可參考性，所以將該類公司從總體樣本中剔除。

根據(jù)以上原則，最后選出16支樣本股票，占總樣本的50%，具體包括林業(yè)類企業(yè)2家，農(nóng)業(yè)類企業(yè)4家，林業(yè)類制造企業(yè)10家，樣本分為兩個(gè)集合，分別是ST組與非ST配對(duì)組。

由于文章選擇的樣本公司在不同年份被列為特別處理公司，因此各股研究時(shí)間不同。在時(shí)間范圍的選擇上，由于上市公司被特別處理是根據(jù)前一年的財(cái)務(wù)狀況決定，而前一年財(cái)務(wù)數(shù)據(jù)雖具有極強(qiáng)的判斷能力，卻沒(méi)有實(shí)際預(yù)測(cè)作用，因此文章以公司被特別處理前兩年作為研究的時(shí)間范圍，分別用t-1，t-2年表示。例如，景谷林業(yè)在2012年被列為ST公司，則研究該股在 2011（t-1年） 和 2010年（t-2年）的相關(guān)數(shù)據(jù)。

3.參數(shù)設(shè)定

（1）股票波動(dòng)率

文章假設(shè)股票價(jià)格服從對(duì)數(shù)正態(tài)分布，根據(jù)歷史波動(dòng)率法計(jì)算上市公司股權(quán)價(jià)值未來(lái)一年的波動(dòng)率，同時(shí)，為最大限度的獲得資本市場(chǎng)信息，采用日收益波動(dòng)率來(lái)估計(jì)年波動(dòng)率。具體計(jì)算方式如下：

其中，Pi為本日股票收盤價(jià)，Pi-1為上一日股票收盤價(jià)，為股票每日相對(duì)價(jià)格，n為一年中的交易天數(shù)，由此可得年波動(dòng)率文章取交易天數(shù)為250天。

（2）對(duì)于時(shí)間T的設(shè)定

文章采用1年作為一個(gè)時(shí)間跨度，即T=1。

（3）無(wú)風(fēng)險(xiǎn)利率

文章根據(jù)中國(guó)人民銀行發(fā)布的一年期整存整取存款利率設(shè)定無(wú)風(fēng)險(xiǎn)利率。對(duì)于年內(nèi)利率調(diào)整的情況，文章根據(jù)年內(nèi)歷次調(diào)整后利率取算術(shù)平均值得到該年無(wú)風(fēng)險(xiǎn)利率。

4.實(shí)證結(jié)果與分析

通常情況下，ST公司相對(duì)非ST公司而言其違約風(fēng)險(xiǎn)更大，文章通過(guò)建立林業(yè)上市公司ST和非ST對(duì)照組，研究KMV模型度量我國(guó)林業(yè)上市公司信用風(fēng)險(xiǎn)的有效性。另外，由于我國(guó)上市公司數(shù)據(jù)缺乏，沒(méi)有建立完整的歷史違約資料庫(kù)，因此文章僅對(duì)違約距離進(jìn)行比較研究。文章通過(guò)Excel及Matlab編程計(jì)算，依次求出股權(quán)價(jià)值波動(dòng)率、違約點(diǎn)、資產(chǎn)規(guī)模及其波動(dòng)率后，得到樣本公司的違約距離如表1～2所示。

通過(guò)對(duì)比可以發(fā)現(xiàn)，除ST景谷在t-2年的違約距離大于吉林森工外，其余ST公司的違約距離均小于非ST對(duì)照公司的違約距離，結(jié)果表明KMV模型計(jì)算的違約距離可以較好識(shí)別ST公司存在的信用風(fēng)險(xiǎn)，與實(shí)際情況相符。從個(gè)股的信用風(fēng)險(xiǎn)狀況來(lái)分析，KMV模型并非完全有效，以ST景谷為例，其財(cái)務(wù)危機(jī)前兩年的DD值均高于該組均值，尤其是t-2年數(shù)據(jù)，遠(yuǎn)大于同組ST公司及其非ST配對(duì)公司的DD值，這個(gè)結(jié)果的原因可能與該股當(dāng)年表現(xiàn)良好有關(guān)，但也有可能是因?yàn)槲覈?guó)的證券市場(chǎng)的不完善，股價(jià)并不一定反應(yīng)該公司的內(nèi)在價(jià)值。

計(jì)算平均違約距離可以得到，在財(cái)務(wù)危機(jī)前一年（t-1年）非ST公司與ST公司的違約距離差的平均值約為0.45，在財(cái)務(wù)危機(jī)前兩年（t-2年）該值約為0.38。結(jié)果說(shuō)明非ST與ST兩組樣本之間表現(xiàn)出一定的違約距離差異，并且財(cái)務(wù)危機(jī)前一年的差異較明顯，也即風(fēng)險(xiǎn)提示作用較大。

表1 t-1年上市公司違約距離與理論預(yù)期違約率計(jì)算結(jié)果（單位：元）

表2 t-2年上市公司違約距離與理論預(yù)期違約率計(jì)算結(jié)果（單位：元）

當(dāng)違約距離設(shè)置成DPT1，即違約距離等于短期負(fù)債加上50%長(zhǎng)期負(fù)債時(shí)，兩類公司違約距離的均值差最大。對(duì)實(shí)證結(jié)果進(jìn)行配對(duì)樣本t檢驗(yàn)，結(jié)果如表3和表4所示。以上結(jié)果表明：所選樣本在α=5%的顯著性水平下，P值均小于0.05，且t-1年的p值更小。說(shuō)明兩組樣本的均值和中值數(shù)都存在顯著差異，即ST公司與非ST公司的違約距離存在顯著差別。綜合檢驗(yàn)結(jié)果可以認(rèn)為，在財(cái)務(wù)危機(jī)發(fā)生前，KMV模型具有很強(qiáng)的鑒別信用風(fēng)險(xiǎn)的能力，以違約距離進(jìn)行的我國(guó)林業(yè)上市公司信用風(fēng)險(xiǎn)度量，能夠在較大程度上反映出上市公司信用水平的差別，起到風(fēng)險(xiǎn)預(yù)警的作用。

下面通過(guò)違約距離的統(tǒng)計(jì)分析，研究計(jì)算信用風(fēng)險(xiǎn)預(yù)警線。從圖3可以看出，在被特殊處理的前一年，林業(yè)上市公司違約距離（約60%）在(1.9，3.3)間，因此可將違約距離1.9設(shè)置為風(fēng)險(xiǎn)預(yù)警線，即用違約距離小于1.9表明該股票信用狀況較差，存在信用風(fēng)險(xiǎn)，公司管理層、銀行和投資者應(yīng)密切關(guān)注該上市公司。從圖4結(jié)果可以看出，在財(cái)務(wù)危機(jī)發(fā)生前第二年，約60%的林業(yè)上市公司違約距離在(2.1，2.9)間，因此可將違約距離2.1設(shè)置為風(fēng)險(xiǎn)預(yù)警線，即當(dāng)公司違約距離低于此線時(shí)，公司管理層應(yīng)該提高警惕，加強(qiáng)管理，尋找危機(jī)原因，避免違約風(fēng)險(xiǎn)發(fā)生。

圖3 財(cái)務(wù)危機(jī)前一年違約距離頻率分布分析

圖4 財(cái)務(wù)危機(jī)前第二年違約距離頻率分布分析

四、結(jié)論及建議

文章以我國(guó)林業(yè)上市公司為樣本，運(yùn)用KMV模型，基于財(cái)務(wù)數(shù)據(jù)與股票價(jià)格數(shù)據(jù)，對(duì)林業(yè)企業(yè)的信用風(fēng)險(xiǎn)展開(kāi)實(shí)證研究。主要結(jié)論包括：首先，KMV模型可以較好衡量林業(yè)上市公司的信用風(fēng)險(xiǎn)；其次，通過(guò)研究不同違約點(diǎn)下的違約距離發(fā)現(xiàn)，當(dāng)違約距離等于短期負(fù)債加上50%長(zhǎng)期負(fù)債時(shí)，兩者的均值差最大，即該違約點(diǎn)設(shè)置識(shí)別風(fēng)險(xiǎn)的效果最好；最后，根據(jù)最佳違約點(diǎn)設(shè)置，研究建立我國(guó)林業(yè)上市公司信用風(fēng)險(xiǎn)預(yù)警體系，即財(cái)務(wù)危機(jī)發(fā)生前t-1和t-2年的信用風(fēng)險(xiǎn)預(yù)警線分別為1.9和2.1。

根據(jù)以上研究結(jié)果，文章提出如下建議：

第一，進(jìn)一步有效提高林業(yè)上市公司信用質(zhì)量。從我國(guó)林業(yè)上市公司的違約距離與其他行業(yè)上市公司（如農(nóng)業(yè)上市公司）的對(duì)比可以看出，林業(yè)行業(yè)整體違約距離較短、信用風(fēng)險(xiǎn)較高，導(dǎo)致這一結(jié)果既是林業(yè)部門自身弱質(zhì)性所致，也與不完善的行業(yè)監(jiān)管機(jī)制和企業(yè)管理密不可分。研究發(fā)現(xiàn)非ST林業(yè)上市公司相對(duì)ST公司而言，其違約距離更大、違約風(fēng)險(xiǎn)更小、信用能力更強(qiáng)。因此，林業(yè)上市公司可以通過(guò)改善公司經(jīng)營(yíng)狀況，提高盈利水平可以從根本上防范林業(yè)上市公司的信用風(fēng)險(xiǎn)。

第二，構(gòu)建我國(guó)公司信用風(fēng)險(xiǎn)數(shù)據(jù)庫(kù)。運(yùn)用KMV模型研究和管理公司信用風(fēng)險(xiǎn)需要大量的歷史經(jīng)驗(yàn)數(shù)據(jù)作為支撐，但是我國(guó)信用市場(chǎng)的發(fā)展時(shí)間有限，對(duì)企業(yè)違約還沒(méi)有足夠重視，導(dǎo)致我國(guó)公司信用風(fēng)險(xiǎn)的數(shù)據(jù)較少，難以運(yùn)用相關(guān)模型進(jìn)行檢驗(yàn)。因此，需要盡快構(gòu)建我國(guó)公司信用風(fēng)險(xiǎn)數(shù)據(jù)庫(kù)，以更好運(yùn)用先進(jìn)的數(shù)理模型進(jìn)行研究，建立適合我國(guó)公司的信用風(fēng)險(xiǎn)管理模型。

表3 t-1年結(jié)果的配對(duì)樣本t檢驗(yàn)

表4 t-2年結(jié)果的配對(duì)樣本t檢驗(yàn)

[1]莊莉，王穎，曼賈利.林業(yè)企業(yè)可持續(xù)發(fā)展策略-從國(guó)際視角分析[J].東北林業(yè)大學(xué)學(xué)報(bào)，2013，41(5)：147-150.

[2]袁梅.基于信用擔(dān)保的林業(yè)企業(yè)債務(wù)融資問(wèn)題與對(duì)策探析 [J].林業(yè)經(jīng)濟(jì)，2013，251(6):118-120.

[3]李杰.林業(yè)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)管理問(wèn)題與對(duì)策 [J].林業(yè)經(jīng)濟(jì)，2013，246(1)：123-125.

[4]Altman E I.Financial ratios，discriminant analysis and the prediction of corporate bankruptcy[J].The journal of finance，1968，23(4):589-609.

[5]Martin D.Early warning of bank failure:A logit regression approach [J].Journal of Banking&Finance，1977，1(3):249-276.

[6]Crosbie P，Bohn J.Modeling default risk[R].Moody's KMV Company LLC，2003.

[7]安東尼，桑德斯，劉宇飛.信用風(fēng)險(xiǎn)度量—風(fēng)險(xiǎn)估值的新方法與其他范式 [M].北京：機(jī)械工業(yè)出版社，2001，第1版.

[8]Crosbie P，Bohn J.Modeling Default Risk Modeling Methodology[R]. Moody's KMV Company LLC，2003.

[9]Bharath S，Shumway T.Forecasting default with the KMV-Merton model[C].AFA2006 Boston Meetings Paper，2004.

[10]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，2002，19(6):90-93.

[11]曾詩(shī)鴻，王芳.基于KMV模型的制造業(yè)上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)研究 [J].預(yù)測(cè)，2013，32(2):60-69.

[12]劉迎春，劉霄.基于GARCH波動(dòng)模型的KMV信用風(fēng)險(xiǎn)度量研究[J].東北財(cái)經(jīng)大學(xué)學(xué)報(bào)，2011，75(3):75-79.

[13]唐振鵬.基于EGARCH-M波動(dòng)模型的KMV信用風(fēng)險(xiǎn)度量研究[J].福州大學(xué)學(xué)報(bào)，2010，30(l):17-22.

[14]夏紅芳，馬俊海.基于KMV模型的農(nóng)業(yè)上市公司信用風(fēng)險(xiǎn)實(shí)證分析 [J].農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題，2009，31(10):88-92.

（責(zé)任編輯：GHY）

Research on Credit Risk of the Forestry Industry Listed Company in China——Based on KMV Model

DENG Jing1，TIAN Zhi-wei1，ZHANG Yan-lin2，QIN Tao1，CAO Shi-nan3
（1.School of Economics and Management，Beijing Forestry University，Beijing 100083，China；2.Peking University HSBC Business School，Shenzhen Guangdong 518055，China；3.School of Banking and Finance，University of International Business and Economics，Beijing 100029，China）

This paper uses the KMV model to analyze the credit risk of the forestry industry listed company in China.The research sample includes 8 special treatment(ST)companies and 8 non-default companies in Shanghai and Shenzhen stock markets which from 2007 to 2012.The empirical research first selects appropriate methods according to the characters of the forestry industry company.Then distance to default(DD)is calculated for each company based on KMV model.The results displayed that the KMV model can be well applied to assess the credit risk status of the current forestry listed companies in China.After the modification of the model，a proper default point 50%was found according to the practical situation.With the use of KMV model，a credit risk early warning system was established，which is，when the distance to default of a certain company has declined to a certain point， conclusion can be made that this company will probably be plunged into a financial crisis，and thus should be supervised closely by the management as well as the banks.

Forestry listed company；Credit risk；KMV model；Risk management

F276.6

A

1004-292X（2014）07-0008-05

2014-02-13

國(guó)家社科基金重點(diǎn)項(xiàng)目（11AZD094）；國(guó)家社科基金項(xiàng)目（10CGL046）；中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金項(xiàng)目（JGTD2014-02，BLX2012002）；北京市大學(xué)生創(chuàng)業(yè)創(chuàng)新科學(xué)研究項(xiàng)目（S1310022025）。

鄧 晶（1985-），男，湖南冷水江人，博士，主要從事林業(yè)金融政策研究；

田治威（1958-），男，山西榆次人，博士，教授，主要從事林業(yè)金融政策研究；

秦 濤（1982-），男，黑龍江密山人，博士，副教授，主要從事林業(yè)金融政策研究；

曹詩(shī)男（1983-），女，安徽安慶人，博士，主要從事金融工程研究。