KMV模型评估暂停上市公司信用风险的实证研究.pdf

摘要： 选取上证、深证a股32家2010年暂停上市公司作为高违约风险企业的样本，按照公司运营状 况将其特殊处理前的5年划分为“健康期”和“风险期”，运用kmv模型并引进garch（1，1）对模型参数 进行更高精度的估计，计算出违约距离。 结果表明该模型能有效判别违约风险，公司所处时期对违约距离 有显著影响，并计算出违约警戒区间。 关键词：kmv模型； 信用风险；暂停上市公司；garch（1，1） 中图分类号：f830文献标志码：a 文章编号：1671-6191（2010）03-0089-04 股票市场是我国资本活跃性最强、参与人数最多的市场。 作为股票背后的实体，上市公司运营业绩的 好坏将直接影响市场走势。 运营业绩差的企业，有着较高的违约风险。 根据上海证券交易所股票上市规 则与深圳证券交易所股票上市规则中的关于对上市公司股票实行特别处理（special treatment，简称 st）的相关规定，st股票的上市公司已经出现了财务状况或其他状况异常，其股票存在退市、长期套牢的 风险，一旦落入三板市场，更是表明该公司严重亏损，信用风险巨大，股票成为“垃圾股”。 另一方面，资本 市场上几乎每年都有st公司“乌鸡变凤凰”的传奇演绎，处在亏损边缘的*st公司更是在年末成为资产 重组的重点关注对象。st、*st背后的不确定性、高风险的度量成为重要的金融话题。 研究信用风险的度量、控制和管理一直都是学术界和应用领域的一个重点。 国内外已有的大量实证 研究表明，将账面财务信息与市场价格信息结合，采用基于结构化模型的kmv信用风险计量模型能比较 准确地估量上市公司的信用风险。 在巴塞尔新资本协议中，监管机构提倡商业银行使用内部评级法管 理信用风险，其中也推荐使用kmv模型进行内部评级。 上市公司股票价格的波动被认为是蕴含着关于 宏观经济状况、行业和公司信用风险变化的可靠信息，对于信用风险的度量具有动态的前瞻性。 著名的风 险管理公司kmv公司基于black和scholes1、merton2期权定价理论的结构化模型，于1993年开发了基于 股价波动的信用风险计量模型（kmv模型）。其理论基础是将企业财务报告中反应的公司治理情况与体现 在市场价格中的公司未来发展预期相结合，利用股价的波动来评估公司的信用风险。 自1993年kmv模 型推出以来，国外学者对其在风险评估中的有效性进行了大量的研究。 我国学者在将kmv模型运用于我 国国情的过程中也进行了广泛的理论与实证研究，取得了一些成果。 都红雯、杨威综述了国内外学术界对 kmv模型的讨论，指出对kmv模型在我国适用性的研究实证中存在的若干问题3。 纵观已有的实证研究 结果，其基本结论是进行修正后的kmv模型对上市公司信用风险的预测具有优势。 李磊宁等提出考虑资 产价值增长率的修正kmv模型更能有效地把握上市公司信用风险质量4。 蒋正权等研究认为使用广义自 回归条件异方差模型估计公司价值的波动率与实际情况更为相符5。 本文针对中国证券市场上存在高违 约风险概率的公司，在应用kmv模型中提出各参数值的精确估计量，根据模型违约距离指标评判其信用 风险，并测度其有效性，以提出kmv模型进行投资参考的实际运用方法。 kmv 模型评估暂停上市公司信用风险的实证研究 马 晓崟， 徐 静 怡 （上海财经大学金融学院，上海200433） 收稿日期：2010-05-06 作者简介： 马晓崟（1988-），男，江苏南通人，上海财经大学金融学院本科金融工程专业2007级本科生。 本文参考的证券交易所上市规则均为2008年9月第六次修订版。 南通纺织职业技术学院学报（综合版） journal of nantong textile vocational technology college vol.10，no.3 sep. 2 0 1 0 第10卷 第3期 2 0 1 0年9月 1kmv模型简述 kmv模型的基本思想是把企业总资产价值看作是股东买入的一份看涨期权，利用merton（1974）提 出的风险债券定价理论，计算得出企业资产的市场价值与波动率。kmv认为，当负债到期时，若公司资产 的市场价值低于一定债务水平时，公司就会对债权人违约。 根据black和sholes、merton的期权定价理论， 企业股权价值可以表示为： ve=f（va，x，a，）=van（d1）-e-xn（d2）(1) 其中d1= ln（va/x）+（+0.5a 2 ） a姨 ；d2=d1-a 姨 ；n（*）是累计正态分布函数。 同时，利用期权理论下，企业股权价值波动率与资产价值的隐含波动率具有如下关系： e=g（va，x，a，）= van（d1） a ve (2) 在式(1) 、式 (2)中，ve、va为企业股权和资产的市场价值；e、a为股权价值和资产市场价值的波动率； x是企业债务的账面价值；为金融市场中的无风险利率；表示距债务到期日的期限。 通过解析以上两个非线性方程，可以得出基于kmv模型下定义的违约距离（dd，distance to default） 指标，其计算公式为：dd= va-dpt vaa = ln（va/dpt）+（-0.5a 2 ） a姨 。 其中，dpt代表违约点，kmv公司认为 其取值处于流动负债与总负债面值之间的某一点。 在kmv模型计算下，违约距离越大，该公司发生违约 的可能性越小。kmv公司基于其完备的数据库，根据违约距离建立与实际违约频率的映射，最终可以确定 公司的预期违约概率。 本文将直接应用违约距离dd来评价上市公司的违约风险大小。 2实证研究设计思路 根据沪深两市对上市公司股票实行特别处理的相关规定，st股票的上市公司即已经出现了财务状况 或其他状况异常，其股票存在终止上市的风险。以s*st万鸿（600681）为例，该公司股票在2004年4月26 日起被实行退市风险警示的特别处理。 在20052007年，该公司连续三年亏损，上海证券交易所决定自 2008年5月19日起对其股票实施暂停上市。 该公司2010年披露的中报显示，其每股收益（0.035 5元）、 营业利润（1 062万元）以及股东权益（48 872万元）等各项财务指标均为负值，公司已然构成严重的违 约。 因此，我们认为暂停上市的股票在市场中信用风险较大，其股价波动及各会计年度的财务表现都具有 典型性。 所以在信用风险分析上，着重于对暂停上市股票的上市公司进行分析与研究，考察其遭受st之 前的会计年度中各项指标的表现，可有效检验出信用风险度量模型的应用价值。 2.1样本选取 在我国股票市场中，st类股票存在于沪深两市各个板块中。 但由于中小企业板于2004年6月26日 开板，创业板更是在2009年10月23日才正式登陆，这两个板块的st股票样本无法提供足够时间长度 的股价波动情况，因此本文利用wind金融资讯库，从上证a股与深圳主板a股中截至2010年6月已经 暂停上市的股票中提取样本，以避免由于创业板与中小企业板中股票交易的差别带来的影响。 根据wind金融资讯统计，目前上证a股与深圳主板a股市场共计有168只st股票（包括st股票 和*st股票），其中32只股票处在暂停上市状态。 本文选取这32只股票作为样本。 数据的选取期间为该 32只股票接受特殊处理前的5年，本文定义该股票被证券交易所公布st的年份为t0年，t0年之前的5 年分别为t1至t5年，即为模型考察期。 根据对这32家上市公司的财务状况进行分析发现，在其股票实 施特别处理年度之前，最近的两个会计年度（t1与t2年）公司处于连续亏损状态，命名为“风险期”；之前 3个会计年度t3、t4、t5公司基本处于正常运营状态，命名为“健康期”。 在提取的32只股票数据中，其中 5只股票在其t5年不存在股价信息的有效数据，故在本文的实证中，共获得155组样本数据进行计算分 析。 本文着重考察运用kmv模型下计算的违约距离是否能灵敏地显示出上市公司的信用风险状况变化。 90南通纺织职业技术学院学报（综合版）2010年 2.2参数确定 (1)企业负债账面价值x，违约点dpt。从样本上市公司相应年报中的提取财务数据，其中违约点的计 算按照kmv公司的经验取值，为流动负债（std）加上非流动负债（ltd）的一半。 (2)到期时间，无风险利率。本文运用各对应年度数据进行计算，故选取到期时间为1年。一般认为 中国人民银行1年期银行定期整存整取利率为1年期无风险利率的估计值。 我们根据中国人民银行历次 利率调整的数据，按日简单算术赋权计算，得出各年加权无风险利率。 (3)股权价值ve，资产价值的预期增长率。 根据wind金融数据库计算，以该年年末股权的公开市场 价值作为股权价值，各年度资产的相对年初增长率为资产预期增长率的估计值。 (4)股权价值波动率e。 本文根据各只股票的日对数收益率计算股权价值的波动率。 根据所提取年度 的各交易日收盘价进行计算，我们分析发现，各上市公司股票的收益率曲线存在明显的“尖峰厚尾”形态， 且jb统计量显著地拒绝其收益分布的正态假设， 即收益率序列的波动存在显著的积聚性。 进一步验证 中，我们在保证日收益率序列平稳性的前提下，建立简单的日收益率方程，即对其残差进行arch效应检 验， 结果表明， 残差存在arch效应。 因此， 为获得更为精确的估计值， 我们采用自回归条件异方差 （garch）模型进行处理。 大量的研究也表明5，我国股票市场波动率符合garch（1，1）模型，即： t2=+t-12+ t-12(3) 由于t，n= n i = 1 t+i，所以： var（t，n）= n i = 1 var（t+i）+ n i = 1 n j = 1 cov（t+i，t+j）ij(4) 在实证计算结果中，式（4）右边第二项（自协方差的双重和）相对于第一项（方差的和）小得多，同时，在建 立的garch模型中运用的均值方程里也不包含自相关项，所以忽略不计。 随着期限的增加，garch（1，1） 模型的波动率期限结构会收敛到一个长期水平，收敛的速度取决于式（3 ）中+ 的大小。 因此，利用 garch模型可以构造出任何水平的波动率的期限结构。 综上，我们可以用garch（1，1）模型估计出的所有样本股票的年股价波动率 t+j（j=1，2，n，表示所 计算的交易日的数量）来作为该公司股权价值波动率。 本文利用eviews5.0的garch工具对公司股权价 值的波动率进行估计。 3研究结果分析 利用选定股票所提取的股票市场与财务报表的数据，计算股权价值、年化波动率、流动负债合计、非 流动负债合计、各年加权无风险利率等参数值，代入kmv模型中，运用matlab软件进行非线性方程的迭 代运算，分别得出32只股票在健康期、风险期基于kmv模型下的违约距离指标，以违约距离的大小作为 该上市公司信用风险的度量指标。32只股票各年度共155个数据的违约距离计算结果的统计特征见表 1。 比较发现，32只股票在风险期的平均违约距离显著下降，降低到健康期的77.36，表明发生信用风险 的概率严重加大。 这也初步表明运用kmv模型计算出的违约距离对上市公司的信用风险具有指示作用。 为验证企业发展处在健康期或者风险期两种不同的状态对平均违约距离的影响， 利用spss软件对 实验数据进行单因素方差分析的f检验，设定显著性水平为5，计算结果见表2。 从统计分析中可以看 出，p值为0.5，远远小于置信水平（5 ）。 这表明企业发展处在健康期或者风险期两种不同的状态，在该 显著性水平下，显著地影响了违约距离。 因此，基于kmv模型的违约距离指标，在统计学角度上，对于上 市公司信用风险的判定具有显著性。 利用该统计结果，我们需要运用进一步得出违约距离指标所预示的 风险期区间。 当某股票对应的违约距离处在实验中的风险期平均违约距离水平（1.765 6），加减两倍样本 标准差（0.844 3）的区间内时，可以考虑认为该股票存在较大的违约风险概率。 因此，我们得出基于 kmv 模型下的违约距离判定区间，即（0，3.454 2）。 对于上市公司的债权人，通过运用违约距离指标及其判定区间，可以较好地评估该上市公司的违约 马晓崟， 等：kmv模型评估暂停上市公司信用风险的实证研究91第3期 概率，避免上市公司拖欠其债务。 而股权投资者也可以利用违约 距离监控其股权价值，在巨大违约事件发生前预知公司的实际信 用风险，以免所持股票因贬值甚至遭受暂停上市或退市处理而造 成重大损失。 事实上，由于上市公司具有“壳资源”，少数暂停上市 交易的股票在恢复上市后，由于没有涨跌幅限制，可能迎来“暴涨 空间”。 对于利用这部分机会的投资者，违约距离指标仅仅能揭示 出上市公司所面临的信用风险，其股价涨跌的投机更应该结合最 新的基本面行情分析、上市公司财务数据与市场信息做出判断。 4研究总结与后续 本文参照了kmv公司设计的度量信用风 险的违约率模型，按一定标准选取了具有严 重违约风险的32只股票，使用其在被证券交 易所公布为特别处理（st）前两年的风险期、 前第三至第五年健康期的155组数据组成样 本，计算出样本公司对应年度的违约距离指 标值。 计算过程中，通过建立garch（1，1）模型并修正模型中各参数的估计值，提高模型预测的精确度。 实证结果显示，kmv模型对于信用风险估量的预示具有显著性。从健康期进入风险期，上市公司的平 均违约距离显著降低。同时，f检验显示出企业所处的期间状态对违约距离有着显著性的影响。因此，我们 给出了警示上市公司信用风险对应的违约距离判定区间。 在后续研究中，我们可以进一步扩大样本上市公司，通过代入更多的数据到kmv模型中进行运算， 对违约距离指标在预示各上市公司信用风险时的灵敏度进行分析， 找出kmv模型下预示信用风险的最 佳违约距离判定点。 另一方面，延长各样本公司数据的选取时期，也能进一步加强违约距离判定指标的准 确性，缩小信用风险警示的违约距离判定区间，从而对本文提出的结论进行更加精准的修正，使得kmv 模型的实际运用更具有指导意义。 参考文献： 1f. black，m. scholes. the pricing of options and corporate liabilitiesj. journal of political economy，1973，（8）：637659. 2robert c. merton. on the pricing of corporate debt: the risk structure of interest rates j. the journal of finance，1974，29 （2）：449470. 3都红雯，杨威.我国对模型证实研究中存在得若在间题及对策思考j.国际金融研究，2004，（11）：2227. 4李磊宁，张凯. kmv模型的修正及在我国上市公司信用风险度量中的应用j.首都经济贸易大学学报，2007，（4）：4448. 5蒋正权，张能福. kmv模型的修正及其应用j.统计与决策，2008（9）：6769. （责任编辑：胡梅） an empirical study on the application of kmv model to credit risks evaluation of suspended listings ma xiao-yin，xu jing-yi (shanghai university of finance & economics faculty of finance，shanghai 200433，china) abstract：32 suspended listings in 2010 from sh and sz stock exchange are selected as highly probable default companies. the five years before special t