关于我国上市公司违约风险评价效率的研究-会计论文发表财会论文发表财务论文发表网高级会计师评审财务论文高会评审职称评定评审论文发表网站-财会论文网

上市公司违约风险评价是目前我国在信用风险评估上较为薄弱的环节。中国商业银行和评级公司应该积极创造条件，加强客户违约概率测度，以有效提升信用风险管理水平。笔者拟着重对KMV模型评估违约风险的基本原理、KMV模型在国内外的运用现状进行探讨，并对该模型在现实中的运用提出若干建议。
　　一、违约风险在商业银行信用风险管理中的重要性
　　美国次贷危机的爆发又一次向全球敲响了信用风险管理的警钟，信用风险的度量技术和管理方法成为理论界和实务界关注的焦点。在商业银行信用风险管理中，违约风险是指借款人在未来一定时期内不能按合同要求偿还银行贷款本息或履行相关义务的可能性。违约风险是计算贷款预期损失、贷款定价以及信贷组合管理的基础，因此，如何准确、有效地计算违约风险对商业银行信用风险管理十分重要。
　　近年来，西方商业银行尤其是那些先进银行充分利用现代数理统计发展的最新研究成果，在客户违约风险计量上探索出了很多方法，取得了很大的成就。纵观违约风险计量的实践发展，其呈现出以下特征和趋势：从序数违约概率转向基数违约概率，违约概率的测度日臻具体化；从只考虑借款人自身的微观经济特征转向同时考虑宏观经济因素的影响；从基于历史数据的静态测度转向以预测为主的动态测度；从单一技术转向多元技术，度量日趋科学化和精确化。在中国，银行业内部评级仅仅处于起步阶段，时间短且不规范，其中关于违约数据库的基础设施建设几乎空白，贷款企业信用评级更多地是用于客户的选择及风险的预警，尚未向更深层次的风险量化管理方向发展。以下介绍KMV模型在信用风险管理中的具体运用。
　　二、KMV模型评估违约风险的原理
　　KMV模型建立在期权定价理论之上，其出发点是基于这样的假设：公司的任何信息都可以在股票价格及其波动中得到体现，当公司股票的市场价值因波动而使预期的价值低于一定水平（违约触发点）以下时，公司就会对它的债务违约。该模型把持有的债权看作一个无风险的债权减去一个看跌期权，以此为基础计算出违约距离（Distance-to-Default, DD），并结合上市公司数据估计出经验违约概率。KMV模型认为，公司信用风险主要决定于以下因素。
　　（1）资产价值，即公司资产的市值。该市值相当于公司资产未来所产生的现金流按照适当的贴现率贴现的现值。该指标反映了一定经济环境与行业状况下对公司的经营前景的预期。
　　（2）资产风险，即公司资产价值的不确定性。该指标反映了公司的经营风险以及行业风险水平。
　　（3）杠杆比例，即债务账面价值与公司资产市值的比例。
　　结合以上几个因素，KMV模型提出了一个综合的违约风险度量指标——违约距离。违约距离的定义如下：
　　其中，E（V）表示企业资产的期望价值；δv是资产的波动率；DP是指违约触发点（Default Point），表示的是当企业的资产价值降到这个水平以下时，违约就发生了。
　　可以看出，DD实际上衡量的是资产的市场价值与违约点DP之间的距离相对于未来资产收益的标准差的倍数。它将影响违约风险的几个因素结合起来，是度量违约风险的一个标准化指标，可以用于不同公司之间的比较，反映公司信用的好坏。DD值越大，说明公司资产价值距离违约点越远，违约的可能性越小，该公司的信用状况就越好；DD值越小，说明公司资产价值距离违约点越近，偿还到期债务的可能性越小，信用状况越差。因此KMV公司把违约距离DD作为评价公司违约风险的一个重要指标。本文也将DD作为指标来考察KMV模型对我国上市公司违约风险的评价效率。
　　三、KMV模型在国内外的运用现状
　　在违约风险计量领域，KMV模型是美国KMV公司于1997年建立的用来估计借款企业违约概率的方法。其在Merton模型的基础上发展而来，是西方最具代表性的信用风险结构式模型之一。模型最突出的特点就是将公司的股票价格作为信用风险评估的参数之一。股价是市场对企业价值的评价，包含了投资者对公司价值的预期。KMV模型的提出引起了业界和学者的广泛关注，大量的实证研究层出不穷。Crosbie和Bohn详细介绍了KMV模型的计算原理与方法，并以KMV公司内部数据说明了模型具有较好的预测能力。Vassalou和Xing采用KMV模型对美国的上市公司的违约可能性进行估计，并考察了违约风险对公司股价的影响，发现公司的违约风险是资产定价中一个不可忽视的因素。Tudela和Young以英国上市公司为样本说明了KMV模型估计方法，指出KMV模型估计的违约概率包含了丰富的有效信息，并具有较好的预测能力。Duffie和Wang的研究表明，KMV模型在时间序列上估计出来的违约概率具有较好的预测能力。
　　国内学者对于KMV模型的研究也十分踊跃。程鹏和吴冲锋将上市公司划分为绩优股、绩差股和高科技股对KMV模型进行实证研究，结果表明KMV模型比财务数据所提供的信息更加有效和及时，同时模型也需要进一步的改进。易丹辉和吴建明采用分行业进行实证分析，结果表明KMV模型估计上市公司的违约风险是可行的。石晓军、李秉祥等的实证研究也都得到了类似的结论。以上研究为KMV模型在我国的应用提供了丰富的证据和建议，但是仍然存在一些不足：一方面，国内关于KMV模型的实证研究的样本规模较小，实证结果说服力不强；另一方面，对于KMV模型在时间序列上的预测能力没有深入的探讨。次贷危机的教训告诉我们，数量模型的适用条件和预测能力是不可忽视的重要因素，要想通过模型得到合理的结论和政策建议，模型的估计结果必须具备可靠性和有效性。
　　四、KMV模型在我国违约风险评估中应注意的问题
　　KMV是运用现代期权定价理论建立起来的违约预测模型，是对传统信用风险度量方法的一次重要革命。由于该模型所获取的数据来自股票市场的资料，而非企业的历史数据，因而更能反映企业当前的信用状况，具有前瞻性，其预测能力更强和准确。根据我们运用KMV模型我国上市公司2005年至2007年的平均违约距离的估算，对KMV模型的输入参数进行了详细的讨论，并对模型的估计结果进行了检验，得到了以下主要结论：首先，KMV模型估计出的违约距离DD对于我国上市公司的违约风险具有较好的区分和判别能力，ST公司的违约距离显著低于非ST公司的违约距离，且违约距离的估计对不同的违约出发点都是稳健的。不同的DD临界值所导致的模型的错误率是不一样的，实践中选取精确的DD临界值是比较困难的，但是可以通过DD值的大小对不同公司的违约风险进行比较。对于商业银行这种稳健型的金融机构可以选择较低的DD临界值作为公司信用风险评价的标准。另外，从统计学的角度来看，KMV模型预测的准确率（AR）也达到了较高的水平，用KMV模型估计的违约距离作为上市公司违约风险的预警指标是比较有效的。
　　需要指出的是，KMV模型与其他已有的模型一样，仍然存在许多缺陷。首先，模型的使用范围有一定的局限性。通常，该模型特别适用于上市公司的信用风险评估，而对非上市公司进行应用时，往往要借助一些会计信息或其他能够反映借款企业特征值的指标来替代模型中一些重要变量，同时还要通过对比分析最终得出该企业的期望违约概率，在一定程度上就有可能降低计算的准确性。其次，该模型架设公司的资产价值服从正态分布，而实际中企业的资产价值一般会呈现非正态的统计特征。再次，模型不能够对债务的不同类型进行区分，如偿还优先顺序、担保、契约等类型，使得模型的输出变量的计算结果不准确。最后，KMV模型的估计结果受到宏观经济因素的影响十分明显，在证券市场出现非理性上扬时，模型的估计结果表现出明显的系统性偏差。如何合理的校正这种系统性偏差，对于KMV模型在我国的推广应用具有十分重要的意义，值得广大理论和实践工作者进一步的研究和探索，为了使KMV模型达到较好的预测效果，需要设计适合我国的KMV模型并进行测试检验。

责任编辑：

参与评论