作者簡(jiǎn)介：賈利，武漢大學(xué)，經(jīng)濟(jì)與管理學(xué)院，固定收益證券。

摘要：對(duì)我國(guó)上市公司數(shù)據(jù)進(jìn)行混合模型回歸得到KMV模型違約點(diǎn)，并與KMV公司提出的經(jīng)驗(yàn)違約點(diǎn)公式以及流動(dòng)負(fù)債加75%長(zhǎng)期負(fù)債的違約點(diǎn)進(jìn)行對(duì)比，運(yùn)用KMV模型評(píng)價(jià)*ST公司和正常公司的信用風(fēng)險(xiǎn)，并檢驗(yàn)?zāi)Ｐ妥R(shí)別上市公司信用風(fēng)險(xiǎn)的能力。結(jié)果表明，利用混合面板回歸得到違約點(diǎn)的KMV模型能夠更好的識(shí)別信用風(fēng)險(xiǎn)差異。

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

一、引言

KMV模型是以期權(quán)定價(jià)理論為基礎(chǔ)，基于股票市場(chǎng)信息的信用風(fēng)險(xiǎn)度量方法。模型認(rèn)為當(dāng)公司資產(chǎn)價(jià)值處于負(fù)債總額與流動(dòng)負(fù)債間的某一點(diǎn)時(shí)，公司才會(huì)違約。KMV公司根據(jù)大量違約事件的實(shí)證分析，發(fā)現(xiàn)違約發(fā)生最頻繁的臨界點(diǎn)處于公司價(jià)值大約等于流動(dòng)負(fù)債加50%長(zhǎng)期負(fù)債的時(shí)候。由于KMV違約點(diǎn)的設(shè)置是根據(jù)美國(guó)公司具體情況得到的經(jīng)驗(yàn)違約點(diǎn)，而中美存在較大差異，為此我國(guó)有必要對(duì)違約點(diǎn)和違約距離重新確定。但由于歷史違約數(shù)據(jù)嚴(yán)重缺乏，目前尚不能通過(guò)統(tǒng)計(jì)分析找出我國(guó)上市公司的違約點(diǎn)，因此確定適合我國(guó)實(shí)際情況的違約點(diǎn)進(jìn)而提高模型的預(yù)測(cè)能力就成了研究重點(diǎn)。

國(guó)內(nèi)學(xué)者關(guān)于KMV違約點(diǎn)的選擇進(jìn)行了一些研究，但主要是對(duì)違約點(diǎn)公式中長(zhǎng)期負(fù)債權(quán)重的簡(jiǎn)單修正。例如，張玲等（2004）將違約點(diǎn)公式中長(zhǎng)期負(fù)債的權(quán)重設(shè)置為0、0.5和0.75，計(jì)算違約點(diǎn)進(jìn)行對(duì)比分析，實(shí)證結(jié)果表明長(zhǎng)期負(fù)債權(quán)重等于0時(shí)，模型具有最強(qiáng)的分辨能力，而在0.5和0.75的權(quán)重下，模型具有相近的分辨能力。彭莉（2007）通過(guò)t檢驗(yàn)和Wilcoxon檢驗(yàn)認(rèn)為我國(guó)違約點(diǎn)長(zhǎng)期負(fù)債權(quán)重取0.75更為合適。李磊寧，張凱（2007）將長(zhǎng)期負(fù)債的權(quán)重定義在[0，1]之間，分別計(jì)算出違約距離并進(jìn)行差異顯著性檢驗(yàn)，結(jié)果表明我國(guó)上市公司違約點(diǎn)長(zhǎng)期負(fù)債的權(quán)重為0.1。近年來(lái)，部分學(xué)者采用多種方法，基于我國(guó)上市公司數(shù)據(jù)確定違約點(diǎn)中流動(dòng)負(fù)債和長(zhǎng)期負(fù)債的權(quán)重。彭偉（2012）以上市中小企業(yè)中2008-2011年間所有被實(shí)施ST的公司的總資產(chǎn)、流動(dòng)負(fù)債和長(zhǎng)期負(fù)債進(jìn)行多元線(xiàn)性回歸，得到違約點(diǎn)=1.11流動(dòng)負(fù)債+0.65長(zhǎng)期負(fù)債。內(nèi)學(xué)者關(guān)于如何根據(jù)我國(guó)實(shí)際情況確定合適的違約點(diǎn)公式仍舊存在爭(zhēng)議，這也為進(jìn)一步研究提供了空間。

三、實(shí)證研究

本文將采用三種違約點(diǎn)進(jìn)行對(duì)比分析，考察不同違約點(diǎn)取值對(duì)違約距離度量信用風(fēng)險(xiǎn)能力的影響。1.違約點(diǎn)=流動(dòng)負(fù)債+0.5長(zhǎng)期負(fù)債；2.違約點(diǎn)=流動(dòng)負(fù)債+0.75長(zhǎng)期負(fù)債；3.建立混合面板模型，確定違約點(diǎn)和流動(dòng)負(fù)債、長(zhǎng)期負(fù)債的線(xiàn)性關(guān)系。

（一）數(shù)據(jù)采集

《上市規(guī)則》規(guī)定，連續(xù)兩個(gè)會(huì)計(jì)年度虧損的上市公司將被特別處理，因此ST公司比一般正常公司信用風(fēng)險(xiǎn)大。本文選擇9家2013年從正常變?yōu)?ST的公司，并選擇與之匹配的9家正常公司進(jìn)行實(shí)證研究。匹配原則是兩家公司屬于同一行業(yè)并在同一證券交易所上市。

（二）實(shí)證過(guò)程

1.股票波動(dòng)率的計(jì)算

本文采用歷史波動(dòng)率法計(jì)算18支股票的年波動(dòng)率。從國(guó)泰安數(shù)據(jù)庫(kù)獲取18支股票2011-2013年的日收益率，利用Excel中的STDEV函數(shù)計(jì)算股票日波動(dòng)率σN，再根據(jù)日波動(dòng)率計(jì)算股票年波動(dòng)率：σE=σNN，其中N表示一年的交易天數(shù)。以往的研究為了方便多數(shù)采用固定的交易天數(shù)，例如250天、244天等。為了減小誤差，本文采用國(guó)泰安公布的年交易天數(shù)分別計(jì)算18支股票的年波動(dòng)率。

2.違約點(diǎn)的計(jì)算

對(duì)2011-2013年間18家上市公司的總資產(chǎn)、流動(dòng)負(fù)債、長(zhǎng)期負(fù)債進(jìn)行多元回歸，建立面板模型，估計(jì)違約點(diǎn)線(xiàn)性方程。各樣本的流動(dòng)負(fù)債、長(zhǎng)期負(fù)債分別來(lái)自各公司2011-2013年的年報(bào)，數(shù)據(jù)來(lái)源自巨潮資訊網(wǎng)?；貧w結(jié)果顯示，R2=0.75，流動(dòng)負(fù)債和長(zhǎng)期負(fù)債的系數(shù)分別在1%和5%的水平下顯著，說(shuō)明模型整體檢驗(yàn)效果較好，違約點(diǎn)的回歸方程如下：DP1=1.46SL+0.97LL，其中，SL表示流動(dòng)負(fù)債，LL表示長(zhǎng)期負(fù)債。短期負(fù)債的系數(shù)大于1，并且長(zhǎng)期負(fù)債的系數(shù)大于0.5，這些都大于KMV公司提出的違約點(diǎn)計(jì)算公式的系數(shù)，也說(shuō)明生搬硬套KMV模型的違約點(diǎn)計(jì)算公式可能并不適合我國(guó)的現(xiàn)實(shí)情況。接下來(lái)，采用學(xué)術(shù)界使用較多的兩種違約點(diǎn)計(jì)算方式：DP2=SL+0.5LL，DP3=SL+0.75LL，分別就三種違約點(diǎn)進(jìn)行KMV模型的計(jì)算、檢驗(yàn)，比較違約點(diǎn)計(jì)算方式的選擇對(duì)我國(guó)上市公司信用風(fēng)險(xiǎn)度量的影響。

3.股票市值的計(jì)算

股票市場(chǎng)價(jià)值由股票發(fā)行總股數(shù)與年收盤(pán)價(jià)的乘積表示。

4.資產(chǎn)市場(chǎng)價(jià)值及波動(dòng)率的計(jì)算

假設(shè)貸款企業(yè)資產(chǎn)價(jià)值符合標(biāo)準(zhǔn)正態(tài)分布，且資產(chǎn)市場(chǎng)價(jià)值增長(zhǎng)率為零。聯(lián)立（2）（3）（4），利用Eviews6.0編程，進(jìn)行迭代即可求出資產(chǎn)市場(chǎng)價(jià)值和波動(dòng)率。

5.違約距離的計(jì)算

根據(jù)（6）式計(jì)算樣本公司的違約距離。

（三）實(shí)證結(jié)果分析

利用Eviews6.0，對(duì)上市公司2011-2013年的違約距離進(jìn)行獨(dú)立樣本均值差異顯著性檢驗(yàn)。t檢驗(yàn)的結(jié)果如下所示：

DP2=流動(dòng)負(fù)債+0.5長(zhǎng)期負(fù)債以及DP3=流動(dòng)負(fù)債+0.75長(zhǎng)期負(fù)債，在小樣本條件下，對(duì)2011-2013年*ST公司與配對(duì)正常公司違約距離的t檢驗(yàn)并不顯著。DP1是對(duì)樣本內(nèi)所有上市公司在樣本期間進(jìn)行面板回歸，得到違約距離和流動(dòng)負(fù)債、長(zhǎng)期負(fù)債的線(xiàn)性關(guān)系。從檢驗(yàn)結(jié)果可知，在ST的前兩年（2011年），雖然*ST公司違約距離的均值小于正常公司，但這一差異并不顯著。而在ST的前一年（2013年）及ST當(dāng)年（2013年），*ST公司違約距離的均值分別在5%和10%的水平下顯著小于正常公司。

四、結(jié)論

本文討論了三種不同違約點(diǎn)取值對(duì)違約距離識(shí)別上市公司信用風(fēng)險(xiǎn)能力的影響。結(jié)果發(fā)現(xiàn)，違約點(diǎn)的選取會(huì)對(duì)檢驗(yàn)結(jié)果產(chǎn)生顯著影響，上市公司違約距離的變化能夠比較好的反映公司信用狀況，但是這一效果很大程度上取決于違約點(diǎn)的選擇。本文認(rèn)為基于我國(guó)上市公司數(shù)據(jù)進(jìn)行混合面板回歸得到違約點(diǎn)的KMV模型能夠更好的評(píng)價(jià)上市公司的信用風(fēng)險(xiǎn)。（作者單位：武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院）

參考文獻(xiàn)：

[1]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，2004，1：84～89

[2]彭莉.基于KMV模型的商業(yè)銀行信用風(fēng)險(xiǎn)度量研究[D].長(zhǎng)沙：中南大學(xué)，2007

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

[4]彭偉.基于KMV模型的上市中小企業(yè)信貸風(fēng)險(xiǎn)研究[J].南方金融，2012，3：23～30