王金平 李嘉瑜

（廣東金融學院信用管理系　廣東廣州　510520）

我國房地產(chǎn)行業(yè)上市公司信用風險分析
——基于KMV模型

王金平 李嘉瑜

（廣東金融學院信用管理系廣東廣州510520）

房地產(chǎn)行業(yè)對推動我國國民經(jīng)濟的發(fā)展有著重要作用，但其投資高風險、高收益的特性不容忽視。文章基于前人的理論和實證研究，結(jié)合我國情況對KMV模型修正并進行實證分析，旨在提出應(yīng)對我國房地產(chǎn)行業(yè)信用風險的對策和房地產(chǎn)上市公司的發(fā)展意見，并為我國商業(yè)銀行對房地產(chǎn)貸款信用風險控制提出合理建議。

房地產(chǎn)；信用風險；KMV模型

房地產(chǎn)行業(yè)帶動著各行各業(yè)的發(fā)展，是我國經(jīng)濟發(fā)展的主要力量。據(jù)中國人民銀行網(wǎng)站發(fā)布的數(shù)據(jù)顯示：2015年末在個人購房貸款方面全國個人購房貸款余額比2014年末為23.2%，增速比2014年末高5.7個百分點，比各項貸款高8.9個百分點；在房產(chǎn)開發(fā)方面，全國房產(chǎn)開發(fā)貸款余額5.04萬億元，同比增長17.9%，增速比上年末低3.8個百分點；在地產(chǎn)開發(fā)貸款方面，我國房地產(chǎn)開發(fā)貸款余額1.52萬億元，同比增長12.8%，增速比上年末低12.9個百分點。但在房貸市場不斷擴大的同時，我國信用風險也越來越明顯，不良貸款率飆升，引發(fā)一系列經(jīng)濟問題，遏制了我國經(jīng)濟的發(fā)展。對我國房地產(chǎn)行業(yè)信用風險進行分析，提出有針對性的建議對于國民經(jīng)濟健康發(fā)展有著重要意義。

一、KMV模型理論和修正

（一）KMV模型理論。KMV模型認為在債務(wù)到期日，如果上市公司資產(chǎn)的市場價值高于公司債務(wù)值，則公司股權(quán)價值為公司資產(chǎn)市場價值與債務(wù)值之間的差額，公司履行債務(wù)；反之，則公司變賣所有資產(chǎn)用以償還債務(wù)，股權(quán)價值變?yōu)榱?，當公司資產(chǎn)價值下降至一定水平時，企業(yè)就會對其債務(wù)違約。

基于KMV模型的基本思路，KMV模型度量信用風險的步驟如下。

第一步，估算公司資產(chǎn)價值和資產(chǎn)波動性。

計算公式如下：

公式中：

VE為企業(yè)股權(quán)市場價值；

VA為企業(yè)資產(chǎn)市場價值；

σE為企業(yè)股權(quán)價值的波動率；

σA為企業(yè)資產(chǎn)價值的波動率；

D為負債的賬面價值；

t為債務(wù)期限；

r為無風險利率；

N(d)為標準正態(tài)分布累積分布函數(shù)。

第二步，計算違約點DPT和違約距離DD。

其中，E（V'A）=VA（1+g'）

公式中：

LTD為企業(yè)長期負債；

STD為企業(yè)短期負債；

E（V'A）為企業(yè)資產(chǎn)的預期期望價值；

g'為企業(yè)資產(chǎn)的年增長率，一般情況下取值為0。

第三步，計算預期違約概率EDF。計算EDF的方有兩種。

一是理論計算，計算公式如下：

二是計算EDF采用經(jīng)驗EDF，計算公式如下：

由于經(jīng)驗EDF的計算公式是KMV公司基于西方國家上市公司的歷史數(shù)據(jù)得出的，并不適用與我國，因此本論文采取理論方式計算EDF。

（二）修正KMV模型。

1.股權(quán)價值VE的確定。傳統(tǒng)的KMV模型中所計算的VE沒有考慮非流通股這一特殊因素，因此無法直接運用到我國股權(quán)定價上。針對現(xiàn)階段我國上市公司中仍有較多公司存在非流通股這一情形，為避免高估公司股權(quán)價值，參考已有文獻普遍的修正方法，對VE做出以下修正：

VE=P+M

其中，P=Pi×Ni

非流通股市場價值M有兩種計算方式：

第一種，M=Mj×Nj，該方法也應(yīng)用于Z模型。但是，每股凈資產(chǎn)遠低于每股的市場價格，容易造成公司的市場價值被低估。

第二種，構(gòu)造回歸模型，即：M=（0.0489+0.3824Mi+ 0.062P+3.003E）×Nj，該方法綜合考慮了每股凈資產(chǎn)，每股收益和流通股價格對非流通股價格的相關(guān)性影響，計算結(jié)果更為準確。

公式中：

P為流通股市場價值；

M為非流通股市場價值；

Pi為流通股收盤價；

Mi為每股凈資產(chǎn)；

Ni為流通股股數(shù)；

Nj為非流通股股數(shù)；

E為每股收益。

綜上所述，本論文中對M的計算采用第二種方法，即VE的計算公式為：

2.股權(quán)價值波動率σE的估計。目前計算股權(quán)波動率的方法有兩種，靜態(tài)波動率和動態(tài)波動率。靜態(tài)模型中假設(shè)股權(quán)波動率的方差是穩(wěn)定的，不存在異方差現(xiàn)象；動態(tài)模型則認為波動率的方差是不穩(wěn)定的，動態(tài)模型這一假設(shè)更符合我國股票市場的實際情況，而傳統(tǒng)KMV模型中計算股權(quán)價值波動率采用的是靜態(tài)波動率。

動態(tài)模型主要有ARCH模型、EWMA模型、GARCH模型等，國內(nèi)實證研究表明GARCH模型對σE的估算具有良好效果。本論文為簡便起見，仍采用歷史波動率法來估計σE。即σE的計算方法如下：

公式中：

σ0為日波動率；

n為一年內(nèi)交易日的天數(shù)；

u為股票收益率；

Si為股票第i個交易日的收盤價格。

3.違約點DPT的設(shè)定。KMV公司通過對上百家公司數(shù)據(jù)統(tǒng)計分析，將DPT設(shè)定為短期負債加50%長期負債。長期負債前系數(shù)的設(shè)定在我國存在著較大的爭論，原因有二：一是，KMV公司分析的數(shù)據(jù)是基于國外公司得出的，對于我國并不適用，而我國的信用體系建設(shè)滯后，樣本數(shù)據(jù)非常有限，使得我們難以像KMV公司那樣通過大量數(shù)據(jù)的分析得出比較權(quán)威的結(jié)論。二是，在理論上，當公司資產(chǎn)價值下降到債務(wù)總額的時候，違約將發(fā)生；在實際中，債務(wù)總額中的長期負債可以緩解公司的還款壓力，令公司有足夠的時間籌措資金來償還債務(wù)，使得公司資產(chǎn)價值降至債務(wù)總額時并不發(fā)生違約。

我國學者進行實證分析師對DPT的設(shè)置通常有5種，分別是：

本論文研究的是我國房地產(chǎn)行業(yè)的信用風險，房地產(chǎn)行業(yè)對貸款具有大量需求，再加上房地產(chǎn)行業(yè)固定資產(chǎn)占比大，資產(chǎn)流通時間長，固房地產(chǎn)公司的負債中，長期負債比短期負債占總負債的比重大，長期負債可以緩解公司的還款壓力，因此，本論文設(shè)定長期負債前系數(shù)為0.25。即修正后DPT的計算公式為：

4.無風險利率r的確定。無風險利率是指將資金投入到某項無風險資產(chǎn)中所能獲得的收益率。在國外，市場經(jīng)濟體制成熟的國家常用短期國債的利率作為無風險利率；在我國，由于債券市場尚不成熟，且利率的確定沒有完全市場化，從嚴格意義上來說，我國并不存在無風險利率。因此，本文選用由中國人民銀行規(guī)定的一年期定期存款利率為無風險利率（r）。中國人民銀行會根據(jù)國內(nèi)外經(jīng)濟情況在一年內(nèi)多次對存款利率進行調(diào)整，為使數(shù)據(jù)更符合實際，本文采用天數(shù)對定期存款利率進行加權(quán)平均，最終確定各年的無風險利率。

二、我國房地產(chǎn)上市公司信用風險實證分析

（一）房地產(chǎn)上市公司的選擇。為得到真實可靠的數(shù)據(jù)，本論文以在上海證券交易所掛牌上市的10家房地產(chǎn)上市公司作為研究對象，對其2012年、2013年和2014年股票數(shù)據(jù)進行分析。為保證股權(quán)市場價值計算的準確性，選取的樣本公司股票僅發(fā)行A股；為確保股票數(shù)據(jù)的連續(xù)性，選取的樣本公司在所分析年限中無停復牌記錄。樣本公司選取情況如表1。

表1　樣本公司基本情況表

（二）房地產(chǎn)上市公司數(shù)據(jù)分析和相關(guān)變量的確定。

1.計算參數(shù)股權(quán)價值VE。2012～2014年股權(quán)價值（VE）的計算結(jié)果見表2、表3、表4。

表2　10家上市公司2012年股權(quán)價值的計算

表3　10家上市公司2013年股權(quán)價值的計算

表4　10家上市公司2014年股權(quán)價值的計算

2.計算參數(shù)股權(quán)價值波動率。2012～2014年股權(quán)價值波動率（σE）的計算結(jié)果見表5、表6、表7。

表5　10家上市公司2012年股權(quán)價值波動率σE的計算

表6　10家上市公司2013年股權(quán)價值波動率σE的計算

表7　10家上市公司2014年股權(quán)價值波動率σE的計算

3.計算參數(shù)違約觸發(fā)點DPT。2012～2014年違約觸發(fā)點（DPT）計算結(jié)果見表8、表9、表10。

表8　10家上市公司2012年違約觸發(fā)點DPT的計算

表9　10家上市公司2013年違約觸發(fā)點DPT的計算

表10　10家上市公司2014年違約觸發(fā)點DPT的計算

4.債務(wù)期限t的確定。根據(jù)國內(nèi)學者研究KMV模型時對這一參數(shù)的確定和我國大部分債務(wù)期限，本論文將債務(wù)期限設(shè)定為1年。

5.無風險利率r的確定。2011～2014年加權(quán)無風險利率（r）的計算結(jié)果如表11。

表11　2012-2014年加權(quán)無風險利率r

（三）實證分析。

1.計算公司資產(chǎn)價值和資產(chǎn)波動率。本論文使用MATLAB軟件進行計算，VA和σA的計算結(jié)果如表12、表13、表14。

表12　10家上市公司2012年資產(chǎn)價值及其波動率

表13　10家上市公司2013年資產(chǎn)價值及其波動率

表14　10家上市公司2014年資產(chǎn)價值及其波動率

2.計算違約距離DD和違約概率EDF。2012～2014年10家上市公司違約距離DD和違約概率EDF的計算結(jié)果如表15、表16、表17。

表15　10家上市公司2012年違約距離及其違約概率

表16　10家上市公司2013年違約距離及其違約概率

表17　10家上市公司2014年違約距離及其違約概率

（四）結(jié)果分析。為更好地對結(jié)果進行比較分析，將違約距離和違約概率的值作圖，如圖3、圖4、圖5。

圖3　10家上市公司2012年違約距離和違約概率

圖4　10家上市公司2013年違約距離和違約概率

圖5　10家上市公司2014年違約距離和違約概率

由圖3、4、5可以得出規(guī)律，違約距離（DD）越大，預期違約概率（EDF）則越小。通過對以上以30組數(shù)據(jù)進行比較，可以發(fā)現(xiàn)，在橫向和縱向比較中，KMV模型的判斷準確性均為100%，由此可證明修正后的KMV模型具有一定的信用是識別能力。

根據(jù)中商情報網(wǎng)數(shù)據(jù)顯示，保利地產(chǎn)、魯商置業(yè)、世茂股份、金地集團和寧波富達位列中國房地產(chǎn)行業(yè)百強排行。在2012、2013、2014三年中，保利地產(chǎn)、魯商置業(yè)、世茂股份、金地集團和寧波富達的違約距離分別為0.9778、0.8136、1.3515、1.0254、1.6795；0. 8271、0.7644、1.1593、0.5831、1.4641和1.2576、0.2924、1.0451、1. 1337、1.7417，違約概率分別為16.41%、20.79%、8.83%、15.26%、4. 65%；20.41%、22.23%、12.32%、27.99%、7.16%和10.43%、38.50%、14. 80%、12.85%、4.08%。而為列入中國百強房地產(chǎn)上市公司的南京高科、珠江實業(yè)大龍地產(chǎn)、天房發(fā)展和新黃浦三年的違約距離分別為1.9169、2.4042、4.0137、1.1138、3.9326；1.6420、3.5157、4.6120、0.

5338、2.7353和1.2576、0.2924、1.0451、1.1337、1.7417，違約概率為2.76%、0.81%、0.00%、13.27%、0.00%；5.03%、0.02%、0.00%、29.67%、0. 31%和1.87%、0.00%、1.29%、19.21%、0.05%。由上述數(shù)據(jù)可以發(fā)現(xiàn)，從總體上看，位列中國房地產(chǎn)行業(yè)百強排行榜的房地產(chǎn)公司的違約風險遠大于其他房地產(chǎn)公司，這與KMV模型的理論預測不符，筆者認為，這是因為，中國經(jīng)濟的增長從2011年上班年開始進入下行周期，至2014年經(jīng)濟仍未復蘇，綜合能力強的公司背負更多的債務(wù)，在經(jīng)濟低迷時期，百強公司比其他公司面臨著更大的風險?；诜康禺a(chǎn)行業(yè)自身高負債的特性，在債務(wù)危機和國家經(jīng)濟政策面前，房地產(chǎn)公司承受著巨大的壓力，綜合能力強的房地產(chǎn)公司因為其貸款規(guī)模和自身負債率均處于較高水平，所以在危機面前容易出現(xiàn)資金鏈斷裂的情況，但這種風險只是暫時的，隨著經(jīng)濟形勢好轉(zhuǎn)，位列百強排行榜的上市公司的信用水平會高于其他上市公司的信用水平。

綜上所述，用修正后的KMV模型對我國房地產(chǎn)行業(yè)上市公司進行實證分析得出的結(jié)果與預期是較符合實際情況的。

三、對策與建議

（一）對我國房地產(chǎn)上市公司的發(fā)展建議。

第一，注入優(yōu)質(zhì)資產(chǎn)，提高公司資產(chǎn)市場價值。公司可用過重組或者聯(lián)營等方式，利用優(yōu)勢互補、規(guī)模經(jīng)濟擴展融資渠道、財務(wù)協(xié)同等，增加營利能力，改善經(jīng)營狀況，實現(xiàn)產(chǎn)業(yè)升級，完善產(chǎn)業(yè)鏈。

第二，利用股指期貨，維持公司股票的平穩(wěn)，減小波動性。股指期貨即股票價格指數(shù)期貨，是指以股價指數(shù)為標的物的標準化期貨合約，雙方約定在未來的某個特定日期，可以按照事先確定的股價指數(shù)的大小，進行標的指數(shù)的買賣，到期后通過現(xiàn)金結(jié)算差價來進行交割。公司進入期貨市場，通過套期保值，從而更有效地把握市場方向，增強股指期貨發(fā)現(xiàn)價格的功能，從而穩(wěn)定公司的股票價格，從而減小股票價值波動率，降低資產(chǎn)價值波動率。

第三，善于利用財務(wù)杠桿，加大公司投資。利用財務(wù)杠桿可以使得資產(chǎn)最大化，加大投資，增加公司負債，提高資產(chǎn)負債率，使得公司資產(chǎn)負債率處于行業(yè)平均水平，提高資金利用率。

（二）對我國商業(yè)銀行發(fā)放房地產(chǎn)貸款的建議。

第一，實施差別化信貸政策，調(diào)整貸款結(jié)構(gòu)，提高資金利用率。銀行可通過對不同公司的資產(chǎn)價值，資產(chǎn)價值波動率，公司同期投資項目規(guī)模、數(shù)量等來衡量放貸金額，實施差別信貸政策，從而調(diào)整對不同公司不同領(lǐng)域的貸款分布，減少資金占有成本，提高資金利用率。

第二，設(shè)置銀行內(nèi)部模型來計量風險，設(shè)定銀行內(nèi)部信用等級標準，減少壞賬的發(fā)生，降低不良貸款率。

（三）控制我國房地產(chǎn)行業(yè)信用風險的對策與建議。

基于本論文修正的KMV模型，為控制我國房地產(chǎn)行業(yè)信用風險提出以下對策和建議。

第一，加快我國上市公司非流通股、有限售條件流通股向無限售條件流通股的轉(zhuǎn)換，使得股權(quán)市場價值衡量標準一致，數(shù)據(jù)準確。

第二，觀察我國具有不同違約距離的上市公司的違約歷史數(shù)據(jù)，擬合一條符合我國實際情況的經(jīng)驗預期違約率曲線，增強對上市公司預期違約情況的判斷。

第三，根據(jù)各年的經(jīng)濟情況，針對各個行業(yè)，每年對信用等級劃分進行修改，使得等級判斷更加準確。

[1]陳則明,吳光偉.住房抵押貸款中業(yè)主違約現(xiàn)象的分析[J].中國房地產(chǎn),2011(11).

[2]王瓊,陳金賢.信用風險定價方法與模型研究[J].現(xiàn)代財經(jīng),2002(4).

[3]王福林.個人住房抵押違約貸款風險影響因素實證研究[D].杭州：浙江大學,2004.

[4]楊星,張義強.中國上市公司信用風險管理實證研究——EDF模型在信用評估中的應(yīng)用[J].經(jīng)濟論壇,2004,(1):43-47.

[5]章林.房地產(chǎn)企業(yè)信用風險評估研究[D].湖南:中南大學,2006.

[6]李睿.中國商業(yè)銀行房地產(chǎn)貸款信用風險研究[D].上海:華東師范大學,2006.

[7]彭非遠.KMV模型對中國上市公司股權(quán)市場后的信用風險實證分析[J].中山大學學報論叢，2006(8):109-112.

[8]易佳欣.房地產(chǎn)信貸信用風險的度量與預測研究[D].西安:西安理工大學,2007.

[9]李鈺,朱衛(wèi)兵.KMV模型在我國的實務(wù)化[J].統(tǒng)計與決策,2009(3):116-124.

[10]張?zhí)鹛?KMN模型的修正及應(yīng)用[D].蘭州:蘭州商學院,2012.

[11]劉君紅.我國房地產(chǎn)行業(yè)信用風險評價研究[D].北京:北京交通大學,2012.

[12]任珊珊.KMV模型對房地產(chǎn)行業(yè)信用風險的應(yīng)用[D].貴陽:貴州財經(jīng)大學,2013.

[13]孫江濤.基于修正KMV模型的我國上市公司信用風險度量研究[D].無錫:江南大學,2013.

[14]李國香,朱正萱.應(yīng)用KMV模型分析房地產(chǎn)行業(yè)信用風險[J].中國房地產(chǎn),2015(11):28-33.

[15]MertonR.On thepricingofcorporatedebt:Theriskstructureof interestrates[J].JournalofFinance,1974(29):449-470.

[16]Black F,Scholes L.The pricing ofoptionsand corporate liabilities[J].JournalofPoliticalEconomy,1973(81):637-654.

[17]Stefan Blochwitz,Thilo Liebig,Mikael Nyberg.Benchmarking deutschebundesbank’sdefaultriskmodel,theKMVprivate firmmodel and common finacial rations for german corporations[J].Supervision, 2000(11):1-55.

[18]Jorge Sobeha,Sean Keenan,Roger Stein.Benchmarking quantitative default risk models:A validation methodology[J]. JournalofBankingand Finance,2001(4):57-72.

[19]KMV S.A Markov for the Them Structure of Credit Spreads[J].ReviewofFinancialStu-dues,2001:481-523.

[20]PeterCrodbie,JeffBohn.ModelingDefaultRisk[M].Moody’s KMVCorporation,2003.

[21]Peter Crosbie,Jeffrey Bohn.Modeling Default Risk[J]. American Banker,2003(7):98-106.

[22]Duffie,Darrell,KeWang.multi-Period corporate.Failure predictionwith stochastic covariate Bureau of Economic Research [M].2004：21-30.

[23]Korablev,Dwyer.Power and level validation ofmoody’s KMVEDFcreditmeasures in North America,Europe,and Asia[J]. Economicnotes,2007,9-17.

[責任編輯楊賀]

F740

A

2095-0438（2016）11-0005-07

2016-06-25

王金平（1964-），女，黑龍江肇州人，廣東金融學院信用管理系統(tǒng)教授，碩士。研究方向：信用管理，資產(chǎn)評估。

2015年度廣東省高等教育教學改革項目（166）。