唐振鵬，陳尾虹，黃友珀（福州大學(xué) 經(jīng)濟(jì)與管理學(xué)院，福州 350108）

上市公司信用風(fēng)險(xiǎn)的度量

唐振鵬，陳尾虹，黃友珀
（福州大學(xué) 經(jīng)濟(jì)與管理學(xué)院，福州 350108）

文章根據(jù)通達(dá)信概念板塊的分類，在11個(gè)經(jīng)濟(jì)區(qū)中分別選取3個(gè)行業(yè)組成研究樣本，應(yīng)用修正的TGARCH-KMV模型度量不同經(jīng)濟(jì)區(qū)、不同行業(yè)上市公司的信用風(fēng)險(xiǎn)。研究結(jié)果表明：在經(jīng)濟(jì)區(qū)比較上，東部沿海地區(qū)上市公司的信用水平最佳，中部次之，西部最劣。其中，位于環(huán)渤海經(jīng)濟(jì)區(qū)的上市公司信用風(fēng)險(xiǎn)最小，而地處成渝特區(qū)的企業(yè)信用風(fēng)險(xiǎn)最高；在行業(yè)比較上，資產(chǎn)規(guī)模最大的房地產(chǎn)業(yè)，其上市公司信用風(fēng)險(xiǎn)最小，醫(yī)藥制造業(yè)次之，而高科技的信息技術(shù)企業(yè)信用風(fēng)險(xiǎn)最大。同時(shí)，利用因子分析法闡述影響上市公司行業(yè)信用風(fēng)險(xiǎn)的財(cái)務(wù)因子及其對(duì)應(yīng)政策。

TGARCH；KMV模型；因子分析法；違約距離；信用風(fēng)險(xiǎn)度量

0 引言

信用風(fēng)險(xiǎn)度量是金融市場(chǎng)的內(nèi)在約束力和推動(dòng)因素，是實(shí)現(xiàn)信用風(fēng)險(xiǎn)管理的基礎(chǔ)和前提。KMV公司于1993年利用Black Scholes Merton模型提出了信用風(fēng)險(xiǎn)度量的KMV模型。自KMV模型創(chuàng)立以來(lái)，國(guó)外學(xué)術(shù)界對(duì)KMV模型做了一系列驗(yàn)證，主要體現(xiàn)在模型的構(gòu)建、實(shí)證研究、有效性檢驗(yàn)、參數(shù)修正及其在應(yīng)用上的限制等。國(guó)內(nèi)學(xué)者證明了KMV模型對(duì)我國(guó)信用風(fēng)險(xiǎn)量化管理的有效性,但目前研究中仍存在著一些問(wèn)題:對(duì)違約點(diǎn)的修正集中于用不同數(shù)理方法對(duì)模型進(jìn)行測(cè)試，而欠考慮財(cái)務(wù)因素等模型內(nèi)因的影響；對(duì)我國(guó)上市公司信用風(fēng)險(xiǎn)的探討缺少分經(jīng)濟(jì)區(qū)、分行業(yè)的比較度量；大多研究忽視了信息波動(dòng)的非對(duì)稱性，主要采用傳統(tǒng)法或GARCH法計(jì)算股權(quán)波動(dòng)率；尚未有建立違約距離與因子分析法下財(cái)務(wù)指標(biāo)的模型，進(jìn)而探討各類上市公司信用風(fēng)險(xiǎn)的財(cái)務(wù)影響因子及應(yīng)對(duì)措施。本文考慮實(shí)際信息沖擊的非對(duì)稱性特點(diǎn)，以TGARCH類模型計(jì)算股權(quán)波動(dòng)率，并基于2014年年報(bào)披露后ST板塊上市公司的財(cái)務(wù)狀況建立回歸模型，進(jìn)而修正違約點(diǎn)。在此基礎(chǔ)上，對(duì)我國(guó)不同經(jīng)濟(jì)區(qū)、不同行業(yè)上市公司的信用風(fēng)險(xiǎn)進(jìn)行比較分析，結(jié)合因子分析法探討不同行業(yè)上市公司信用風(fēng)險(xiǎn)的財(cái)務(wù)影響因子及應(yīng)對(duì)措施。

1 理論模型

1．1 KMV模型的理論

KMV模型是一種將期權(quán)定價(jià)理論應(yīng)用于貸款和債券估值的信用監(jiān)測(cè)模型，該模型的基本思想是把公司股權(quán)看作一個(gè)以公司市場(chǎng)價(jià)值為標(biāo)的，負(fù)債賬面價(jià)值為執(zhí)行價(jià)格，負(fù)債到期日為執(zhí)行日期的歐式看漲期權(quán)，即將股權(quán)視為看漲期權(quán)，債權(quán)視為賣(mài)方期權(quán)，進(jìn)而通過(guò)分析上市公司股價(jià)波動(dòng)來(lái)預(yù)測(cè)發(fā)生違約的可能性。

KMV模型主要是通過(guò)預(yù)期違約概率EDF值的所在范圍（0.02%至20%）來(lái)判定一個(gè)上市公司在未來(lái)一段時(shí)期內(nèi)發(fā)生違約的概率。主要分為三個(gè)步驟來(lái)確定EDF：

（1）由股權(quán)價(jià)值及其波動(dòng)率估計(jì)公司的市場(chǎng)價(jià)值及其波動(dòng)率

其中，VE表示看漲期權(quán)的價(jià)值，即股權(quán)的市場(chǎng)價(jià)值；VA表示公司資產(chǎn)的市場(chǎng)價(jià)值；r表示無(wú)風(fēng)險(xiǎn)利率；D表示執(zhí)行價(jià)格，即負(fù)債的賬面價(jià)值；t表示負(fù)債到期時(shí)間；N表示標(biāo)準(zhǔn)正態(tài)累計(jì)概率分布函數(shù)，依據(jù)d1、d2計(jì)算可得，d1、d2分別為：

在（1）式中，一個(gè)方程含有兩個(gè)未知變量，為此，KMV公司引入企業(yè)股權(quán)市場(chǎng)價(jià)值波動(dòng)率σE和資產(chǎn)市場(chǎng)價(jià)值波動(dòng)率σA的關(guān)系：

對(duì)（1）式進(jìn)行微分、變形可得：

即：

聯(lián)立（1）式和（5）式得到非線性方程組，已知VE、σE、r、D、t五個(gè)輸入變量，運(yùn)用MATLAB的迭代算法可計(jì)算出企業(yè)的資產(chǎn)價(jià)值VA和企業(yè)資產(chǎn)價(jià)值波動(dòng)率σA。

（2）由違約觸發(fā)點(diǎn)DP，計(jì)算違約距離DD

KMV公司研究發(fā)現(xiàn)：在違約觸發(fā)點(diǎn)處，上市公司的資產(chǎn)價(jià)值正好能夠抵償其債務(wù)，即違約點(diǎn)的資產(chǎn)價(jià)值通常位于流動(dòng)負(fù)債和全部負(fù)債之間的某一點(diǎn)。KMV公司通過(guò)大量實(shí)證分析證明，違約發(fā)生最頻繁的臨界點(diǎn)在公司價(jià)值等于流動(dòng)負(fù)債加上長(zhǎng)期負(fù)債的一半，即：

其中，STD為流動(dòng)負(fù)債；LTD為長(zhǎng)期負(fù)債。

利用公司的違約點(diǎn)、預(yù)期資產(chǎn)價(jià)值及股權(quán)價(jià)值的波動(dòng)率構(gòu)建一個(gè)信用風(fēng)險(xiǎn)度量指標(biāo)，代表公司的預(yù)期資產(chǎn)價(jià)值到違約點(diǎn)之間的距離（即違約距離），并以資產(chǎn)價(jià)值的標(biāo)準(zhǔn)差個(gè)數(shù)表示：

其中，E(V1)為一年后公司資產(chǎn)價(jià)值的期望值。

（3）根據(jù)違約距離DD，計(jì)算理論違約概率EDF

預(yù)期違約率的處理方法包括經(jīng)驗(yàn)EDF和理論EDF。KMV公司使用前者，按違約距離對(duì)樣本公司進(jìn)行分類、評(píng)級(jí)，并建立違約距離DD與經(jīng)驗(yàn)違約概率EDF的映射關(guān)系，即：

EDF=違約公司數(shù)目/觀察公司數(shù)目*100%

理論違約概率則假設(shè)公司資產(chǎn)價(jià)值服從正態(tài)分布，即：

由于我國(guó)尚未建立違約上市公司的數(shù)據(jù)庫(kù)，且公司資產(chǎn)價(jià)值的正態(tài)分布假設(shè)不符合實(shí)際的市場(chǎng)，因此，設(shè)定上市公司的違約距離間接表示信用風(fēng)險(xiǎn)大小。

1．2 模型的參數(shù)選取

（1）公司股權(quán)的市場(chǎng)價(jià)值VE

出于我國(guó)股市發(fā)展的特殊性，上市公司的股票可分割為流通股和非流通股，因此，股權(quán)市場(chǎng)價(jià)值按修正后的公式進(jìn)行計(jì)算：

（2）無(wú)風(fēng)險(xiǎn)利率r

我國(guó)利率市場(chǎng)目前仍處于未完全開(kāi)放時(shí)期，尚不存在真正的無(wú)風(fēng)險(xiǎn)利率，以往研究通常以同業(yè)拆借利率、定期存款利率和短期國(guó)債利率等來(lái)代替，故選取2014年中國(guó)人民銀行公布的一年期存款利率，其中，1—10月為3%，11—12月為2.75%，加權(quán)平均后得r=2.96%。

（3）時(shí)間范圍t

實(shí)證分析的時(shí)間范圍為2014年全年，即設(shè)定違約距離的計(jì)算時(shí)間t=1。

（4）違約點(diǎn)DP

KMV公司根據(jù)成熟的國(guó)外金融市場(chǎng)，確定的違約點(diǎn)為流動(dòng)負(fù)債和長(zhǎng)期負(fù)債的一半之和。然而，我國(guó)的金融市場(chǎng)較美國(guó)存在著廣泛的差異性，因此，根據(jù)我國(guó)公司的債務(wù)結(jié)構(gòu)對(duì)違約點(diǎn)進(jìn)行重新修正。

（5）公司資產(chǎn)價(jià)值的預(yù)期增長(zhǎng)率g

從理論上講，公司資產(chǎn)價(jià)值的預(yù)期增長(zhǎng)率應(yīng)為公司的預(yù)期資產(chǎn)收益率減去預(yù)期的股利支付率，在我國(guó)通常假設(shè)為0，采用大多研究的觀點(diǎn)，即假設(shè)g=0。

（6）基于TGARCH的波動(dòng)率度量

在KMV模型中，股權(quán)價(jià)值波動(dòng)率σE占據(jù)核心地位。如果收益率序列是平衡且服從正態(tài)分布，則可以采用歷史波動(dòng)率計(jì)算。然而，在現(xiàn)實(shí)金融市場(chǎng)上，收益率序列不同于獨(dú)立同分布，存在著顯著的尖峰厚尾和波動(dòng)集聚性，因此需要尋找更理想的估計(jì)方法—GARCH族模型?？紤]到杠桿效應(yīng)對(duì)股市的影響，借鑒王帆（2012）的研究，選擇TGARCH-M(1,1)模型計(jì)算股權(quán)波動(dòng)率。

1．3 模型違約點(diǎn)的修正

在KMV模型中，違約點(diǎn)DP是一個(gè)至關(guān)重要的參數(shù),本文根據(jù)我國(guó)公司的債務(wù)結(jié)構(gòu)對(duì)違約點(diǎn)進(jìn)行重新修正。

Altman在ZETA模型中，以一組破產(chǎn)公司作為違約的樣本數(shù)據(jù)，表明了違約點(diǎn)DP的度量需要大量違約公司的數(shù)據(jù)加以支撐。而在我國(guó)，由于尚未完全建立公司債務(wù)違約的歷史數(shù)據(jù)庫(kù)，無(wú)法直接運(yùn)用實(shí)際違約公司的數(shù)據(jù)進(jìn)行模型計(jì)算，因此，只能選取一個(gè)違約的近似事件來(lái)代替。研究表明，雖然公司違約與被ST、*ST不完全等同，但二者之間具有很強(qiáng)的相關(guān)性，故可將被ST或*ST的上市公司作為公司發(fā)生“信用危機(jī)”的標(biāo)志。當(dāng)上市公司面臨被ST、*ST處理則意味著企業(yè)經(jīng)營(yíng)業(yè)績(jī)差，財(cái)務(wù)狀況存在嚴(yán)重危機(jī)，信用狀況惡化。基于被ST和*ST公司能較好地揭露我國(guó)上市公司的違約狀況，選取2014年年報(bào)披露后所有被ST和*ST上市公司對(duì)違約點(diǎn)進(jìn)行修正。在KMV信用風(fēng)險(xiǎn)度量模型中，違約點(diǎn)由短期負(fù)債和長(zhǎng)期負(fù)債的債務(wù)結(jié)構(gòu)決定，沿用KMV模型的觀點(diǎn)，以公司資產(chǎn)、短期負(fù)債、長(zhǎng)期負(fù)債為變量，建立回歸方程：

其中，Z表示資產(chǎn)，X表示短期負(fù)債，Y表示長(zhǎng)期負(fù)債。

根據(jù)樣本數(shù)據(jù)進(jìn)行回歸分析，可得到回歸方程：

從回歸結(jié)果來(lái)看，模型的R2為0.9898，調(diào)整的R2為0.9897，說(shuō)明模型整體擬合效果理想，能夠較好地解釋變量之間的關(guān)系；在5%的顯著性水平下，t值和F值均大于臨界值，說(shuō)明自變量個(gè)體和模型整體的顯著性水平較強(qiáng)；D.W值為1.767，表明模型較好地解決了殘差序列的相關(guān)性問(wèn)題。本文基于模型本身的內(nèi)部數(shù)據(jù)，以違約上市公司的資產(chǎn)負(fù)債值進(jìn)行修正。修正后的長(zhǎng)期負(fù)債系數(shù)1.0721和短期負(fù)債1.8949大于KMV模型中的長(zhǎng)期負(fù)債系數(shù)0.5和短期負(fù)債1，說(shuō)明我國(guó)上市公司債務(wù)結(jié)構(gòu)高于國(guó)外市場(chǎng)。修正后的違約點(diǎn)為:

2 實(shí)證分析

2．1 樣本選取

根據(jù)新浪通達(dá)信概念板塊的分類，分別在11個(gè)經(jīng)濟(jì)區(qū)域中選取3個(gè)行業(yè)，其中，11個(gè)經(jīng)濟(jì)區(qū)域分別為珠三角、海峽西岸、長(zhǎng)株潭、皖江區(qū)域、成渝特區(qū)、武漢規(guī)劃、長(zhǎng)三角、陜甘寧、環(huán)渤海、圖們江，3個(gè)行業(yè)主要為房地產(chǎn)業(yè)、醫(yī)藥制造業(yè)、信息技術(shù)業(yè)，其中陜甘寧經(jīng)濟(jì)區(qū)因無(wú)房地產(chǎn)業(yè)的上市公司，故以相關(guān)性較大的水泥業(yè)代替。為了最大限度避免業(yè)績(jī)、行業(yè)和資產(chǎn)規(guī)模等的差異對(duì)實(shí)證結(jié)論的影響，在樣本選擇中，先剔除已經(jīng)出現(xiàn)異常的ST公司，并對(duì)各經(jīng)濟(jì)區(qū)域的行業(yè)按照上市公司資產(chǎn)規(guī)模進(jìn)行排序，進(jìn)而選擇資產(chǎn)規(guī)模居中者。最終，得到33家上市公司為研究樣本。數(shù)據(jù)均來(lái)源于新浪通達(dá)信、同花順的à易數(shù)據(jù)庫(kù)及其股票行情分析系統(tǒng)，其中，對(duì)股票日收盤(pán)價(jià)格進(jìn)行向前復(fù)權(quán)處理，所有財(cái)務(wù)數(shù)據(jù)均出自上市公司2014年調(diào)整后的合并報(bào)表。

2．2 計(jì)算過(guò)程

根據(jù)KMV模型的計(jì)算步驟，同時(shí)結(jié)合確定的參數(shù),把選取的33家上市公司的相關(guān)數(shù)據(jù)代入程序，分別計(jì)算出其股權(quán)市場(chǎng)價(jià)值及其波動(dòng)率、資產(chǎn)價(jià)值及其波動(dòng)率、違約點(diǎn)及違約距離。具體步驟如下：

首先，根據(jù)（11）式計(jì)算33只股票的股權(quán)市場(chǎng)價(jià)值；

其次，根據(jù)TGARCH的波動(dòng)率度量計(jì)算股權(quán)價(jià)值波動(dòng)率：第一，下載每日股票收盤(pán)價(jià)數(shù)據(jù)，以相鄰兩天的股價(jià)對(duì)數(shù)差表示日收益率，即Rt=lnPt-lnPt-1；第二，對(duì)日收益率序列進(jìn)行基本統(tǒng)計(jì)分析、ARCH檢驗(yàn)，以判斷是否存在ARCH效應(yīng)；第三，對(duì)收益率殘差進(jìn)行TGARCH效應(yīng)檢驗(yàn)，進(jìn)而確定樣本公司的模型適用性；第四，對(duì)樣本公司建立TGARCH類模型，得出均值方程和方差方程，并進(jìn)行參數(shù)估計(jì)和檢驗(yàn)；第五，通過(guò)EVIEWS程序選項(xiàng)下的生成GARCH方差序列選項(xiàng)，得到股票收益率的日波動(dòng)率，進(jìn)一步得到年化股票波動(dòng)率。

最后，結(jié)合確定的參數(shù)r、T、D，并代入MATLAB2014a迭代求解非線性方程組，可得到公司的資產(chǎn)價(jià)值及其波動(dòng)率，進(jìn)而計(jì)算出相應(yīng)的違約距離和違約率。

2．3 實(shí)證結(jié)果

由實(shí)證所得結(jié)果，首先比較不同經(jīng)濟(jì)區(qū)上市公司的信用狀況，其次進(jìn)行行業(yè)間信用狀況比較分析，最后進(jìn)行多元回歸分析。

2.3.1 不同經(jīng)濟(jì)區(qū)上市公司信用狀況比較

根據(jù)表1可知，不同經(jīng)濟(jì)區(qū)上市公司的信用風(fēng)險(xiǎn)的確存在差距，從總體上看，違約距離可分為四個(gè)等級(jí)：最優(yōu)級(jí)為環(huán)渤海、長(zhǎng)三角和珠三角；次優(yōu)級(jí)為黃河三角和海峽西岸；中級(jí)為武漢規(guī)劃、長(zhǎng)株潭和圖門(mén)江；最劣級(jí)為陜甘寧、皖江區(qū)域和成渝特區(qū)。從地理位置分析，上市公司信用風(fēng)險(xiǎn)較低的經(jīng)濟(jì)區(qū)，均位于我國(guó)東部沿海地區(qū)，而風(fēng)險(xiǎn)較高者，則地處于我國(guó)中部和西部?jī)?nèi)陸區(qū)；從發(fā)展環(huán)境分析，東部沿海地區(qū)在人文環(huán)境、法律法規(guī)和社會(huì)治安等方面的軟實(shí)力優(yōu)勢(shì)，使其倍受?chē)?guó)家優(yōu)惠政策的青睞；從資源結(jié)構(gòu)分析，高校教育資源的密集性、科技的先進(jìn)性、礦產(chǎn)資源的豐富性及人力資源的優(yōu)質(zhì)性，都為東部沿海地區(qū)奠定了得天獨(dú)厚的發(fā)展優(yōu)勢(shì)；從經(jīng)濟(jì)水平分析，東部沿海地區(qū)在現(xiàn)階段的經(jīng)濟(jì)發(fā)展水平和可持續(xù)發(fā)展能力上，都優(yōu)于中西部?jī)?nèi)陸區(qū)。

綜合以上各方面的優(yōu)勢(shì)條件，東部沿海地區(qū)上市公司的經(jīng)營(yíng)業(yè)績(jī)較好，償債能力較強(qiáng)，信用風(fēng)險(xiǎn)較低。其中，以上市公司信用最好與最差的兩個(gè)經(jīng)濟(jì)區(qū)進(jìn)行比較分析：環(huán)渤海經(jīng)濟(jì)區(qū)地處我國(guó)東部沿海，是我國(guó)的經(jīng)濟(jì)、政治、文化中心，海、陸、空à通便利，同時(shí)，位置的優(yōu)越性、政策的優(yōu)惠性和產(chǎn)業(yè)的集聚性，都為該經(jīng)濟(jì)區(qū)的發(fā)展提供優(yōu)沃的條件，因此，地處該經(jīng)濟(jì)區(qū)的公司經(jīng)營(yíng)績(jī)效高，償債能力強(qiáng)，其違約距離最高，總體風(fēng)險(xiǎn)狀況最好。而成渝特區(qū)，地處我國(guó)中部?jī)?nèi)陸，由于à通的限制性、產(chǎn)業(yè)的分散性及人才的稀缺性等因素，都阻礙其經(jīng)濟(jì)的發(fā)展和風(fēng)險(xiǎn)的分散，因此，該經(jīng)濟(jì)區(qū)違約距離最低，信用風(fēng)險(xiǎn)狀況較差。

表1 按經(jīng)濟(jì)區(qū)的比較結(jié)果

2.3.2 不同行業(yè)上市公司信用狀況比較

根據(jù)表2，可得出不同行業(yè)上市公司的信用風(fēng)險(xiǎn)存在著差異性，其違約距離從大到小依次為房地產(chǎn)業(yè)、醫(yī)藥制造業(yè)、信息技術(shù)業(yè)。研究表明資產(chǎn)規(guī)模是影響違約距離的重要因素，二者成正比關(guān)系，因此，資產(chǎn)規(guī)模大的房地產(chǎn)企業(yè)，違約距離大，信用風(fēng)險(xiǎn)小于資產(chǎn)規(guī)模較小的醫(yī)藥制造業(yè)和信息技術(shù)業(yè)。在我國(guó)醫(yī)藥制造企業(yè)中，由于產(chǎn)品結(jié)構(gòu)低端化明顯，附加值不高，加上高投入、高風(fēng)險(xiǎn)、生產(chǎn)工序雜、研發(fā)期長(zhǎng)等行業(yè)特點(diǎn)，面對(duì)成本，人民幣升值等各項(xiàng)壓力，其信用風(fēng)險(xiǎn)日漸暴露。而作為科技發(fā)展導(dǎo)向的信息技術(shù)業(yè)，高收益高風(fēng)險(xiǎn)的經(jīng)營(yíng)模式，決定了行業(yè)的高資本固定化及高進(jìn)入和高退出壁壘，這也迫使其上市公司違約風(fēng)險(xiǎn)居高不下，因此違約距離最小。

表2 行業(yè)的均值比較

2.3.3 多元回歸分析

（1）財(cái)務(wù)指標(biāo)的選取

借鑒國(guó)內(nèi)外這一領(lǐng)域的前期研究成果，如Altman的Z計(jì)分模型采用的預(yù)測(cè)變量，標(biāo)準(zhǔn)普爾采用的評(píng)級(jí)財(cái)務(wù)變量，同時(shí)遵循經(jīng)營(yíng)狀況評(píng)價(jià)指標(biāo)體系的選取原則：系統(tǒng)性原則、科學(xué)性原則、可獲得性原則、簡(jiǎn)潔性原則，本文結(jié)合因子分析法，將19個(gè)財(cái)務(wù)指標(biāo)提取為9個(gè)綜合因子，通過(guò)逐步回歸法，選擇最優(yōu)方程以研究不同行業(yè)違約距離與財(cái)務(wù)指標(biāo)的關(guān)系。

在上述基本原則的基礎(chǔ)上，結(jié)合每股指標(biāo)、資本結(jié)構(gòu)、收益質(zhì)量、現(xiàn)金流量、償債能力、營(yíng)運(yùn)能力、盈利能力、杜邦分析、成長(zhǎng)能力、EVA數(shù)據(jù)、公司治理和綜合指標(biāo)等視角，最終選取19個(gè)財(cái)務(wù)指標(biāo)（見(jiàn)表3）。

表3 19個(gè)財(cái)務(wù)指標(biāo)

（2）因子分析法

因子分析的主要目的是數(shù)據(jù)降維，如果原始變量之間沒(méi)有相關(guān)性，因子分析的意義不大。因此，根據(jù)因子分析法的步驟要求，首先，采用KMO和Bartlett球形檢驗(yàn)法，判斷數(shù)據(jù)能否在可接受的水平下進(jìn)行因子分析。其中，從統(tǒng)計(jì)學(xué)角度，當(dāng)KMO取值大于0.5是可接受水平，Bartlett的球形檢驗(yàn)的顯著性值小于0.05則認(rèn)為適宜采用因子分析法，卡方值越大，變量之間的相關(guān)性越強(qiáng)。對(duì)33支股票的19個(gè)財(cái)務(wù)指標(biāo)進(jìn)行檢驗(yàn)如表4所示。

表4 KMO和Bartlett檢驗(yàn)

由表4可知，KMO統(tǒng)計(jì)量的取值為0.621，大于0.5，顯著性水平為高度顯著，Bartlett的球形檢驗(yàn)卡方值為634.559，說(shuō)明相關(guān)矩陣不是單位矩陣，因此數(shù)據(jù)適于進(jìn)行因子分析。

其次，采用主成分法提取公共因子并設(shè)定因子固定數(shù)量為9；再次，通過(guò)最大方差法得到旋轉(zhuǎn)后的因子載荷矩陣并根據(jù)載荷值較大的變量命名；最后，根據(jù)因子得分系數(shù)矩陣，計(jì)算得出各個(gè)上市公司的因子得分。其中，旋轉(zhuǎn)后的因子載荷矩陣表如表5所示：

表5 旋轉(zhuǎn)后的因子載荷矩陣

根據(jù)表5可以得出，第一主因子F1在X17、X13、X1、X14上的因子載荷值較大，五個(gè)指標(biāo)主要反映企業(yè)的盈利能力，稱F1為盈利能力因子；第二主因子F2在X8、X7、X9、X2上的因子載荷值較大，四個(gè)指標(biāo)主要反映企業(yè)的短期償債能力和資本結(jié)構(gòu)，稱F2為償債因子；第三主因子F3在X4、X3、X19上的載荷值較大，三個(gè)指標(biāo)主要反映企業(yè)的收益質(zhì)量，稱F3為收益因子；第四主因子F4在X6、X16的載荷值較大，主要反映企業(yè)的現(xiàn)金流量和債務(wù)成長(zhǎng)性，稱為獲現(xiàn)償債因子；第五主因子F5在X10、X12的載荷值較大，主要反映企業(yè)的營(yíng)運(yùn)能力，命名為營(yíng)運(yùn)因子；第六主因子F6在X18的載荷值較大，反映企業(yè)的公司治理水平，命名為公司治理因子；第七主因子F7在X11的載荷值較大，主要反映企業(yè)的存貨周轉(zhuǎn)率，命名為存貨管理因子；第八主因子F8在X5的載荷值較大，主要反映企業(yè)的營(yíng)業(yè)收入現(xiàn)金流量比，命名為營(yíng)業(yè)現(xiàn)金因子；第九主因子F9在X15的載荷值較大，主要反映企業(yè)的凈利潤(rùn)成長(zhǎng)能力，命名為收益成長(zhǎng)因子。

（3）違約距離與財(cái)務(wù)變量的回歸分析

在采用多元線性回歸模型中,以上市公司違約距離DD為因變量，所得綜合因子F1、F2、F3、F4、F5、F6、F7、F8、F9為自變量進(jìn)行多元線性回歸分析，采用組合逐步回歸分析法，利用R^2來(lái)檢驗(yàn)?zāi)Ｐ偷臄M和優(yōu)度,利用F值來(lái)檢驗(yàn)?zāi)Ｐ偷娘@著性，利用t值來(lái)檢驗(yàn)解釋變量的顯著性，顯著性水平為0.05。建立模型如下：

①房地產(chǎn)業(yè)多元回歸結(jié)果

在房地產(chǎn)行業(yè)中，F(xiàn)9、F6與F4主因子與違約距離DD具有顯著相關(guān)性。F9在凈利潤(rùn)（同比增長(zhǎng)率）上的因子載荷值較大，命名為成長(zhǎng)因子，表明房地產(chǎn)企業(yè)的信用風(fēng)險(xiǎn)與其穩(wěn)健的成長(zhǎng)態(tài)勢(shì)息息相關(guān)。當(dāng)成長(zhǎng)因子變動(dòng)1%時(shí)，違約距離增加0.4661個(gè)百分點(diǎn)。F6載荷值最大的變量為大股東持股比例，即公司治理因子，與違約距離呈反向關(guān)系，含示大股東持股比例越大，即股權(quán)越集中，則違約距離越小，風(fēng)險(xiǎn)越集中。公司治理因子每減少一個(gè)百分點(diǎn)，則違約距離增加2.609個(gè)百分點(diǎn)。F4載荷值最大的變量為凈利潤(rùn)現(xiàn)金含量，其次為總負(fù)債（同比增長(zhǎng)率），分別代表現(xiàn)金流量因子和負(fù)債成長(zhǎng)因子，命名為獲現(xiàn)償債因子，表明房地產(chǎn)企業(yè)的信用狀況與其現(xiàn)金流息息相關(guān)，當(dāng)獲現(xiàn)償債因子變動(dòng)1%時(shí)，違約距離增加0.099個(gè)百分點(diǎn)，充分體現(xiàn)了現(xiàn)金流對(duì)企業(yè)進(jìn)一步發(fā)展的制約性及房地產(chǎn)企業(yè)對(duì)銀行貸款的依賴性。

通觀房地產(chǎn)企業(yè)的經(jīng)營(yíng)性現(xiàn)金流，大多為負(fù)值，對(duì)于房地產(chǎn)行業(yè)，如果企業(yè)正處于擴(kuò)張期，需要大量的資金投入，現(xiàn)金流為負(fù)是一個(gè)常態(tài)，但是如果行業(yè)總體呈現(xiàn)現(xiàn)金流大幅下降的話就表明有問(wèn)題，很可能是開(kāi)發(fā)商的銷售額增長(zhǎng)幅度落后于正常開(kāi)支的增長(zhǎng)水平，開(kāi)發(fā)商在現(xiàn)金回籠速度明顯放慢的情況下，施工面積和新開(kāi)工項(xiàng)目卻沒(méi)有減少，以致入不敷出。出現(xiàn)這一情況，很可能是受?chē)?guó)家出臺(tái)的“限購(gòu)令”的影響。

②信息技術(shù)業(yè)多元回歸結(jié)果

在信息技術(shù)業(yè)中，F(xiàn)3與F1主因子與DD具有顯著相關(guān)性。F3在營(yíng)業(yè)外收支凈額/利潤(rùn)總額、經(jīng)營(yíng)活動(dòng)凈收益/利潤(rùn)總額、綜合杠桿上載荷值較大，當(dāng)F3變動(dòng)1%時(shí)，違約距離增加0.245個(gè)百分點(diǎn)。根據(jù)回歸分析表并結(jié)合因子旋轉(zhuǎn)矩陣圖各財(cái)務(wù)指標(biāo)的符號(hào)分析可得：違約距離與營(yíng)業(yè)外收支凈額/利潤(rùn)總額成反比關(guān)系，與經(jīng)營(yíng)活動(dòng)凈收益/利潤(rùn)總額成正比關(guān)系，表明當(dāng)企業(yè)的利潤(rùn)總額大部分來(lái)源于營(yíng)業(yè)外業(yè)務(wù)，即正的利潤(rùn)總額是由非經(jīng)常性損益貢獻(xiàn)的，比如出售資產(chǎn)，債務(wù)豁免及政府補(bǔ)貼等一次性收入，則暗示企業(yè)正常經(jīng)營(yíng)活動(dòng)出現(xiàn)較大危機(jī)，信用風(fēng)險(xiǎn)偏大。而綜合杠桿這一指標(biāo)綜合反映了經(jīng)營(yíng)風(fēng)險(xiǎn)和財(cái)務(wù)風(fēng)險(xiǎn)的杠桿組合對(duì)企業(yè)信用風(fēng)險(xiǎn)的影響，即綜合杠桿=經(jīng)營(yíng)杠桿*財(cái)務(wù)杠桿，其中，經(jīng)營(yíng)杠桿與企業(yè)的固定資產(chǎn)有關(guān)，財(cái)務(wù)杠桿則深受企業(yè)的財(cái)務(wù)費(fèi)用影響，綜合杠桿越大，企業(yè)的違約距離越小，信用風(fēng)險(xiǎn)越大。F1的載荷值較大的變量分別是EVA回報(bào)率、凈資產(chǎn)收益率ROE、每股收益EPS、總資產(chǎn)收益率ROA，均代表企業(yè)的盈利因子。當(dāng)盈利因子每增加1%時(shí)，違約距離將增加0.141個(gè)百分點(diǎn)，表明信息技術(shù)企業(yè)的信用風(fēng)險(xiǎn)在相當(dāng)程度上由企業(yè)的收益所決定，經(jīng)營(yíng)效益好的企業(yè)，有穩(wěn)定雄厚的營(yíng)業(yè)收入抵償債務(wù)，償債能力強(qiáng)，信用風(fēng)險(xiǎn)小。

③醫(yī)藥制造業(yè)多元回歸結(jié)果

在醫(yī)藥制造業(yè)中，F(xiàn)5與F2主因子與DD具有顯著相關(guān)性。F5在營(yíng)業(yè)周期和總資產(chǎn)周轉(zhuǎn)率的因子載荷值較大，代表營(yíng)運(yùn)因子，當(dāng)營(yíng)運(yùn)因子變動(dòng)一個(gè)百分點(diǎn)時(shí)，違約距離則增加0.45個(gè)百分點(diǎn)。醫(yī)藥制造業(yè)具有高投入性、高風(fēng)險(xiǎn)性、生產(chǎn)工序雜和研發(fā)期長(zhǎng)等特點(diǎn)，營(yíng)業(yè)周期越短，資產(chǎn)周轉(zhuǎn)率越高，即藥品從研究開(kāi)發(fā)，臨床檢驗(yàn)到投入生產(chǎn)，產(chǎn)品銷售的時(shí)間越短的企業(yè)，則資金回籠越快，越具競(jìng)爭(zhēng)的先動(dòng)優(yōu)勢(shì)。F2因子載荷值較大的變量主要是速動(dòng)比率、流動(dòng)比率、現(xiàn)金流量比率、資產(chǎn)負(fù)債比率，代表企業(yè)的償債因子，償債因子每變動(dòng)一個(gè)百分點(diǎn)，違約距離將增加0.238個(gè)百分點(diǎn)。其中，資產(chǎn)負(fù)債比率與違約距離為反向關(guān)系，該比率的值越高，則反映企業(yè)的長(zhǎng)期償債能力越弱，而與之對(duì)應(yīng)的信用風(fēng)險(xiǎn)則越高。由于醫(yī)藥制造業(yè)的行業(yè)特點(diǎn)，其上市公司信用狀況很大程度在于企業(yè)的短期償債水平，較高的流動(dòng)資產(chǎn)和速動(dòng)資產(chǎn)，充實(shí)的現(xiàn)金流量是企業(yè)持續(xù)經(jīng)營(yíng)、保持良好信譽(yù)的夯實(shí)根基。它在保障企業(yè)流動(dòng)負(fù)債償還的同時(shí)，也能夠支持企業(yè)的長(zhǎng)期負(fù)債，緩解企業(yè)的償債壓力，提高企業(yè)的信用水平，這也與KMV模型中違約點(diǎn)的短期負(fù)債系數(shù)大于長(zhǎng)期負(fù)債系數(shù)的設(shè)置相匹配。

從整個(gè)模型的擬合情況分析：在5%顯著性水平下，三個(gè)行業(yè)的P值分明為0.043、0.031、0.012，表明自變量和因變量之間的線性關(guān)系是顯著；三個(gè)行業(yè)的R^2分別為0.730、0.925、0.838，均大于0.73，顯示出良好的擬合優(yōu)度。

3 結(jié)論

本文以我國(guó)11個(gè)經(jīng)濟(jì)區(qū)、3個(gè)行業(yè)構(gòu)成的33只股票為研究對(duì)象，并以修正后的KMV模型計(jì)算樣本公司的違約距離和違約概率，在比較不同經(jīng)濟(jì)區(qū)、不同行業(yè)上市公司的信用風(fēng)險(xiǎn)后，以財(cái)務(wù)指標(biāo)為變量構(gòu)建多元回歸方程來(lái)闡述不同行業(yè)違約距離的具體影響因素，得到以下重要結(jié)論：

（1）以ST和*ST板塊的上市公司資產(chǎn)負(fù)債數(shù)據(jù)修正我國(guó)股市的違約點(diǎn)，并結(jié)合TGARCH計(jì)算股權(quán)波動(dòng)率的KMV模型，更契合我國(guó)股票市場(chǎng)的特點(diǎn)；

（2）在經(jīng)濟(jì)區(qū)比較上，按概念板塊劃分的11個(gè)經(jīng)濟(jì)區(qū)上市公司的信用風(fēng)險(xiǎn)，與我國(guó)東部、中部、西部的經(jīng)濟(jì)發(fā)展水平成負(fù)相關(guān)，即經(jīng)濟(jì)發(fā)展水平越高，信用風(fēng)險(xiǎn)越小?？傮w而論，東部沿海地區(qū)上市公司的違約距離最高，信用水平最佳，中部次之，西部最劣。其中，位于東部的環(huán)渤海經(jīng)濟(jì)區(qū)經(jīng)濟(jì)最發(fā)達(dá)，其上市公司信用風(fēng)險(xiǎn)最小，位于西南的成渝特區(qū)經(jīng)濟(jì)最欠發(fā)展，其信用風(fēng)險(xiǎn)最高；

（3）在行業(yè)比較上，資產(chǎn)規(guī)模最大的房地產(chǎn)業(yè)，其上市公司信用風(fēng)險(xiǎn)最小，醫(yī)藥制造業(yè)次之，而高科技的信息技術(shù)企業(yè)信用風(fēng)險(xiǎn)最大。同時(shí)，通過(guò)統(tǒng)計(jì)數(shù)據(jù)和現(xiàn)實(shí)經(jīng)濟(jì)數(shù)據(jù)對(duì)實(shí)證結(jié)果進(jìn)行檢驗(yàn)，并得到一致的結(jié)論；

（4）在因子分析法基礎(chǔ)上的多元回歸分析表明，房地產(chǎn)業(yè)信用風(fēng)險(xiǎn)主要受企業(yè)的成長(zhǎng)能力、公司治理水平和獲利償債能力的影響，信息技術(shù)業(yè)則受收益水平、盈利能力和綜合杠桿大小的限制，而醫(yī)藥制造業(yè)的信用風(fēng)險(xiǎn)與企業(yè)的營(yíng)運(yùn)能力和償債能力有著千絲萬(wàn)縷的關(guān)系。

[1]Tsaig Y,Levy A,Wang Y.Analyzing the Impact of Credit Migration in a Portfolio Setting[J].Moody's Analytics,2009,(11).

[2]Dwyer D,Li Z,Russell H.CDS Implied EDF Credit Measures and Fair Value Spreads[J].Moody's Analytics,2010,(11).

[3]Camara A,Popova I,Simkins B.A Comparative Study of the Probabili?ty of Default for Global Financial Firms[J].Journal of Futures Markets, 2012,(36).

[4]Choi I S,Kim J J.An Analysis on the Characteristics of Financial Con?dition Change of Korean Construction Companies:Using KMV Model [J].E3 Journal of Business Management and Economics.,2014,5(1).

[5]郭立侖.我國(guó)上市公司信用風(fēng)險(xiǎn)度量—基于KMV模型[J].生產(chǎn)力研究，2012，(1).

[6]王秀國(guó)，謝幽篁.基于CVaR和GARCH（1，1）的擴(kuò)展KMV模型[J].系統(tǒng)工程，2012，30（12）.

[7]童磊，彭建剛.基于宏觀經(jīng)濟(jì)因子沖擊的商業(yè)銀行流動(dòng)性壓力測(cè)試研究[J].經(jīng)濟(jì)研究，2013，16（3）.

[8]鄒薇.基于修正的KMV模型下制造業(yè)上市公司信用風(fēng)險(xiǎn)預(yù)測(cè)[J].求索,2014,(6).

[9]劉向華,李林娜.基于KMV-GARCH-t-copula模型的上市公司BDS定價(jià)研究[J].統(tǒng)計(jì)與決策,2015,(3).

[10]王帆.投資者情緒對(duì)于股票收益的影響[J].世界經(jīng)濟(jì)情況，2012,(3).

（責(zé)任編輯/浩 天）

F832.5

A

1002-6487（2016）24-0174-05

國(guó)家自然科學(xué)基金資助項(xiàng)目（71171056）；福建省社會(huì)科學(xué)基金重點(diǎn)項(xiàng)目（2013A017）；福建省高校新世紀(jì)優(yōu)秀人才支持計(jì)劃項(xiàng)目（JA11025S）

唐振鵬（1966—），男，湖北鐘祥人，教授，博士生導(dǎo)師，研究方向：金融工程與風(fēng)險(xiǎn)管理。

陳尾虹（1990—），女，福建泉州人，博士研究生，研究方向：金融風(fēng)險(xiǎn)度量及管理。

黃友珀（1987—），男，福建泉州人，博士研究生，研究方向：金融風(fēng)險(xiǎn)度量及管理。