基于KMV模型的信贷违约风险探析[2]
简介：本文采用KMV模型，结合相关的财务特征指标，对我国上市公司的信用状况进行实证检验。检验结果表明，KMV模型能在上市公司财务困境发生前三年对上市公司的违约风险进行预警，在我国具有较好的适用性。根据实证检验结果，提出将不同预警模型相结合，层次递进建立我国信贷风险预警机制的 ...
(2)股权价值的波动率
本文采用股票价格的波动率来估计股权价值波动率，目前国内有几种算法：一种是历史波动率法即传统的算术平均法，另一种是广义条件异方差模型法(GARCH)。考虑到国内市场的弱有效性，本文采用历史波动率法估计上市公司股权价值未来的波动率，即用上市公司前一期的股票价格波动率来估计其未来一期的股权价值波动率。假设股票价格服从对数正态分布，则股票的对数收益率为：
股票日波动率即为股票收益率的日标准差：
股权价值的波动率即为股票收益率的年标准差：
(3)债务价值B
债务价值B以样本公司年度末资产负债表的负债总额为准。
(4)无风险利率
目前国内尚无权威的债券价格的无风险利率的基准，因此本文采用了违约时间前一年的1年期银行定期存款利息率作为无风险收益率。由于各年间存款基准利率曾多次调整，采用加权平均的一年期定期存款利率。
(5)时间参数
本文设定的时间参数为一年，即。
(6)违约触发点DPF
KMV公司研究发现发达国家违约发生最频繁的分界点在公司价值大约等于流动负债加50%的长期负债时。由于我国上市公司的历史违约数据严重缺乏，如何确定KMV模型的违约触发点值，从而最大程度地提高模型的预测能力是许多学者都在探讨的问题，他们提出了不同的解决方案，如对流动负债和长期负债进行回归，或按等差计算长期负债等，但改进效果甚微。因此本文仍按照KMV公司的规则设立违约触发点DPF，公式如下所示：
其中，STD为流动负债，LTD为长期负债，数据均来自样本公司年度末的资产负债表。
2.模型计算
(1)资产市场价值A和资产市场价值波动性的求解
在确定了KMV各项参数的基础上，利用Matlab7.0软件编写程序求解下列联合方程：
由于上述方程是非线性方程组，无法求出公司资产市场价值A和资产市场价值波动性的解析解，于是调用matlab7.0的优化函数fsolve()获取数值解，该函数采用最小二乘优化法，得到的是最接近的估计值。在运行程序时，按照fsolve()函数要求，分别赋予A和 一个初值，通过不断迭代使得A和 都收敛，从而获得精度最高的A和值。
(2)违约距离DD的计算
求出所有样本公司的资产市场价值A，违约点DPF和资产价值波动性后，假设资产价值的预期增值率g=0，根据违约距离公式：
即可求出各样本公司的违约距离。
违约距离DD是一个标准化指标，用以评估企业在一定期限内的信用风险的大小。在违约距离基础上，还可以计算出企业的预期违约率EDF。鉴于我国市场的特征及历史数据库的缺乏，计算预期违约率的实用价值不大，因此，本文研究仅以KMV模型输出的违约距离DD为依据来识别上市公司信用风险。
3.实证结果分析
通过前面求得的各个ST公司和正常公司在2007至2010间的违约距离的不同值，可以计算ST公司组和正常公司组的违约距离均值。对比ST组与正常公司组的违约距离均值变化情况，可以看出，整个研究期间，正常公司组的平均违约距离DD值均大于ST公司组的违约距离值，说明ST公司违约的可能性比正常公司要大的多。
从ST前四年开始，ST公司相对于正常公司的违约距离均值表现出明显的差异性，特别是ST前2年，两组公司的违约距离差异达到最大，说明ST公司的信用风险达到最大，这也与事实情况相符。按照理论来说，从上市公司被ST前4年开始，ST公司的违约距离值随着时间推移将越来越小，但2008年两组公司的违约距离都达到了样本期间最低值，这主要是与股权分置改革后限售股的解禁(即大小非解禁)导致的股票市场波动增强有较大的关系。整体来看，正常公司组的违约距离均值大于ST公司组的违约距离均值，KMV模型在上市公司被ST前4年中，可以有效地分辨出ST公司组和非ST公司组，具有较强的识别公司信用状况变化趋势的能力。
五、我国信贷风险预警机制的建立
当前，建立信贷风险预警机制是国际信贷风险研究领域的主流做法，而我国信贷风险管理仍然停留在较为初级的阶段，缺乏有效的信贷风险预警及防范机制。
建议银行信贷风险预警机制的建立，可以分两步走，首先建立数据较齐全的上市公司银行信贷风险预警体系;在此基础上，逐步建立非上市企业的信贷风险数据库并分行业建立适合的非上市企业信贷风险预警体系。对于预警指标的选取，应充分考虑财务指标和非财务指标的相互配合：通过对企业偿债能力、经营能力、盈利能力、成长能力等财务指标的定量分析，判断其基本财务经营状况;通过对借款人的道德风险、行业状况、管理水平等非财务指标进行辅助性分析，与财务指标分析相互补充，相互验证，提高信贷风险预警体系的风险识别能力。对于预警模型的使用，不必局限于某一种方法，可以根据我国实际，将不同的预警方法相结合。如可以采用多元线性判别法或Logit回归模型对财务指标和非财务指标进行挑选，建立相应的指标体系，得出企业的信贷风险值;采用KMV模型计算企业的违约距离;然后，采用专家制度法，结合企业的历史违约状况，将单个企业的违约距离与信贷风险值互相对比验证，并由信贷专业人员对各指标权重重新进行调整，在此基础上逐步建立信贷风险的经验数据库和预警体系，作为防范和控制信贷风险的重要参考和依据。
Total:212
责任编辑：
参与评论
验证码：
用户名
