（金融学专业论文）基于KMV模型的我国上市公司信用风险度量研究.pdf

上海大学硕士论文基于k m v 模型的我国上市公司信用风险度量研究 摘要 信用风险是金融业面临的主要风险之一。金融危机在世界范围内的频繁爆发 使得信用风险管理日益引起人们的关注。当蔚，作为信用风险管理主体，我国商 业银行深受不良资产的困扰；而作为信用风险管理客体，上市公司财务报表失真 现象严重。这一系列问题使得加强信用风险管理成为我国商业银行在全面开放金 融业后能否健康发展的关键因素。 k m v 模型是现代信用风险管理方法的一种，具有前瞻性和数据获取方便的 优点，日益成为信用风险管理方法的主流。如何在中国市场信用风险管理中引进 k m v 模型成为学术界研究的热点。本文在对信用风险管理方法进行梳理的基础 上，选取了传统信用风险管理方法一多元判别分析法和现代信用风险管理方法 - k m v 模型，对上市公司的信用风险进行实证分析，并在此基础上将两种方 法进行了综合，以期验证k m v 模型在中国市场的适用性。针对实证结果，笔者 对在中国市场进一步运用k m v 模型提出了几点对策和建议。 本文共分五章。第一章主要介绍了研究背景、信用风险的概念以及本文的研 究思路和安排；第二章回顾了国内外学者对信用风险的研究概况和理论成果；第 三章纵向阐述了信用风险管理方法的演进过程，并横向比较了各种模型的优缺点 和在中国市场的应用性；第四章对选取的沪市6 8 家上市公司，分别运用多元判 别分析法、主成分分析法和订v 方法进行实证分析，并在此基础上尝试将多元 判别分析法和k m v 方法进行了综合，建立了一个加入违约距离的判别方程；第 五章针对实证结果提出了在中国市场进一步运用k m v 模型的对策及建议。 论文主要结论如下： ( 1 ) 在运用多元判别分析法进行实证分析时，选取了涵盖企业偿债能力、 盈利能力、营运能力和获取现金的能力四个方面共1 3 个财务指标，最终有4 个 指标进入了判别方程，其中3 个指标是盈利能力指标，这说明在笔者选取的样本 范围内盈利能力不足是导致企业违约的最重要的因素； ( 2 ) 在运用l 模型进行实证分析时，本文考虑了三种违约点设定情况下 的违约距离，并通过相关统计检验，得出结论：当违约点= 流动负债时，违约距 离在两组企业之间有着最显著的差异，这说明在选取的样本范围内企业违约在很 上海大学硕士论文基于k m v 模型的我国上市公司信用风险度量研究 大程度上是由于流动负债过高所致； ( 3 ) 加入违约距离后的判别方程，虽然相关统计量显示判别方程的解释力 变强，但并没有降低误判率，第一类错误( 将财务困境公司认定为非财务困境公 司) 和第二类错误( 将非财务困境公司认定为财务困境公司) 维持不变。针对这 一现象，笔者认为原因有二：第一，由于样本来自于沪市公司，容量偏小，判别 效率的少许提高难以引起误判率概率的大幄下降；第二，在一定程度上也说明了 k m v 模型在中国市场的应用有待进一步改进。 本文主要有以下创新： ( 1 ) 为了利用多元判别分析法在度量信用风险方面全面性的特点和i m 模型前瞻性的特点，论文将两种方法结合起来，对同一组样本进行实证分析，检 验加入违约距离前后判别方程的判别效率是否有提高； ( 2 ) 对k m v 模型中违约点的设定，本文考虑了三种情况下的违约点设定， 并就本文所涉及的样本，检验了哪种设定所计算出的违约距离更好的符合中国实 际； ( 3 ) 针对实证结果，对进一步在中国市场运用订v 模型提出了看法和建 议。 关键词：信用风险多元判别分析法k m v 模型违约距离 上海大学颈士论文 基于k m v 模型的我国上市公司信用风险度量研究 a b s t r a c t c r e d i tr i s ki s0 1 1 eo ft h ei m p o r t a n tr i s k si nf i m a n e i a lm a r k e t t h ef r e q u e n t o u t b r e a ko ff i n a n c i a lc r i s i si nt h ew o r l dh a sa t t r a c t e dm o l ea n dm o l ea t t r a c t i o nt o m a n a g e m e n to fc r e d i tr i s k a st h es u b j e c to fm a n a g e m e n to fc r e d i tr i s k , o u r c o m m e r c i a lb a n k sa l - ea l w a y sd i s t r e s s e db yn o n - p e r f o r m i n gl o a n s m e a n w h i l eo u r l i s t e dc o m p a n i e s 舔t h eo b j e - to fm a n a g e m e n to fc r e d i tr i s k , c a na l w a y sb ef o u n dt h e d i s t o r t i o no ff i n a n c i a ls t a t e m e n t s i ti si m p o r t a n tt os t r e n g t h e nt h em a n a g e m e n to f c r e d i tr i s kw h i c hd e c i d e sw h e t h e rc o m m e r c i a lb a n k sc a l ld e v e l o ph e a l t h i l ya f t e rw c j o i n e di n t ow t o k m vm o d e l 觞0 1 1 em o d e m m e t h o do fm a n a g e m e n to fc r e d i tr i s k , h a si n c r e a s i n g l yb e c o m et h em a i n b 泔e a l l lw i t ht h ea d v a n t a g eo ff o r w a r d - l o o k i r t ga n d c o n v e n i e n ta c c e s st od a t a h o wt oi n t r o d u c ek m vm o d e lt oc h i n e s em a r k e th a s b e c o m eah o ta c a d a m i er e s e a r c h b a s e d0 1 1 t h ec o m p a r i s o no fd i f f e r e n tc r e d i tr i s k m o d e l s ，t h ep a p e rm t ：a s l l r e $ t h ec r e d i tr i s ko f6 8l i s t e dc o m p a n i e sw i t hm u l t i p l e d i s c r i m i n a n ta n a l y s i sa n dk m vm o d e l a n dt h e nb yc o m b i n i n gt h et w om e t h o d st o m e a s u r et h es a m es a m p l e ，t h ep a p e rc o m p a r e st h er e s u l t si no r d e rt oc e r t i f i c a t e w h e t h e rt h ek m vm o d e lc ：i t l lb ea p p l i e dt oc h i n e s em a r k e t a c c o r d i n gt ot h e e m p i r i c a lr e s u l t s ，t h ep a p e rg i v e ss o m ec o u n t c l t n e a s u r e $ a n da d v i c eo i lh o wt ou s e k m vm o d e li nc h i n e s em a r k e t t i l i sp a p e ri sd e v i d e di n t of i v ep a r t s f i r s t , t h eb a c k g r o u n d , t h ec o n c e p to fc r e d i t r i s ka n dt h ea r r a n g e m e n t sa 抡d i s c u s s e d s e c o n d , t h ep a p e ra n a l y z e st h em a i n n l e a s u r e n l e n to f c r e d i tr i s ki n s i d ea n do u t s i d et h ec o u n t r y i nt h et 1 1 i r dp a r t , i te x p l a i n s t h ee v o l u t i o no fc r e d i tr i s km a n a g e m e n ta n dc o m p a r e st h ea d v a n t a g e sa n dd i s v a n t a g e s o fd i f f e r e n tm o d e l s t h e i ra p p l i e dr a n g ei sa l s od i s c u s s e d t h ef o r t hp a r ti st h ec e n t e r o ft h ep a p e r , i nw h i c has a m p l eo f6 8l i s t e dc o m p a n i e si sc h o s e na n dm u l t i p l e d i s e r i m i n a n ta n a l y s i s , k m vm o d e lr r eu s e dt oe v a l u a t et h ec r e d i tr i s ko f t h es a m p l e f u r t h e r m o r e ，t h em d a a n dk m vm o d e la r ec o m b i n e di no r d e rt oc e r t i f i c a t ew h e t h e r t h ek m vm o d e lc a nb ea p p l i e dt oc h i n e s em a r k e t i nt h el a s tp a r t , s o r t i er e l a t i v e a d v i c e0 1 1h o wt oa p p l yk m vm o d e li nc h i n e s em a r k e ti s g i v e n t h em a i n 上海大学硕士论文基于k m v 模型的我国上市公司信用风险度量研究 c o n c l u s i o n so f t h ep a p e ra r eb e l l o w s f i r s t l y , 1 3f i n a n c i a lv a r i a b l e sw h i c hr e f l e c tt h ec a p a c i t yo fa r eu s e di nt h e e m p i r i c a la n a l y s i su s i n gm d a t h er e s u l ts h o w s t h a t4v a r i a b l e sg e ti n t ot h ee q u a t i o n , t h r e eo f w h i c hr e f l e c tt h ec a p a c i t yo f p r o f i t i tm e a n st h a tl a c ko f p r o f i t a b a l i t ym a yb e t h ei m p o r t a n tf a c t o rt h a tl e a d sac o m p a n yt od e f a u l tt os o m ee x t e n t s e c o n d l y , d e f a u l td i s t a n c ei sc o m p u t e da c c o r d i n gt o t h r e ed i f f e r e n td e f a u l t p o i n t sw h e nt h r e ed i f f e r e n td e f a u l tp o i n t sa r es e tt ot h ek m vm o d e l t h r o u g h s t a t i s t i c a lt e s t s , i ts h o w st h a tw h e nt h ed e f a u l tp o i n ts e tt ot h ef l o wb a l a n c e ，d e f a u l t d i s t a n c e h a st h em o s tn o t a b l ed i f f e r e n c eb e t w e e nt h et w oc a t e g o r i e so fe n t 哪l r i s e s t h i sm e a n si nt h ec h o s e ns a m p l e ，f l o wb a l a n c ei st h ek e yf a c t o rt h a td e c i d e st h e e n t e r p r i s e sd e f a u l to rn o t t h i r d l y , a l t h o u g hs t a t i g i c ss h o wt h a te x p l a n a t o r yp o w e ro ft h ed i s c r i m i n a n t f u n c t i o na f t e rj o i n i n gt h ed e f a u l td i s t a n c eb e c o m e ss t r o n g , t h er a t eo fm i 审u d g ed o e s n o tr e d u c e t h er a t eo f m i s t a k i n gt h en o n - t w or e s o n sa r eg i v e nt ot h i sp h e n o m e n o n o n ei sf r o mt h es a m p l ew h i c hc o m e sf r o ms h a n g h a is t o c km a r k e ta n di ti st o os l n a l l t or e f l e c tt h ei m p r o v e m e n to fd i s c r i m i n a n tc a p a c i t y t h eo t h e ri sf r o mt h ek m v m o d e li t s e l fw h i c hm e a n ss o m ei m p r o v e m e n tm u s tb ed o n ew h e ni ti sa p p l i e dt o c h i n e s em a r k e t i nt h i sp a p e r , f o l l o w i n g sa r et h em a i ni n n o v a t i o n s f k s t l y , i no r d e rt ot a k ea d v a n t a g eo fk m vm o d e la n dm d a ，t w om e t h o d sa r e c o m b i n e dt oe v a l u a t et h ec r e d i tr i s ko ft h es a m es a m p l e a n dt h r o u g ht h er e s u l t , t h e a p p l i c a t i o no f k m v m o d e li nc h i n ai st e s t e d s e c o n d l y , t h r e ed i f f e r e n td e f a u l tp o i n t s a r cs e tt ot h em o d e la n dt h e c o r r e s p o n d e n c ed e f a u l td i s t a n c ei sc o m p u t e d t h ep u r p o s ei st oc e r t i f i c a t ew h i c ho n e i sm o s ts u i t a b l ef o rc h i n a t h i r d l y , a c c o r d i n gt o t h er e s u l to fe m p i r i c a l a n a l y s i s ，s o m e a d v i c ea n d c o u n t e r m e a s u r e sa r eg i v e no nh o wt oa p p l yk m vm o d e li nc h i n e s em a r k e t k e yw o r d s ：c r e d i tr i s lm u l t i p l ed i s e r i m i n a n ta n a l y s i s ，k m vm o d e l , d e f a u l t d i s t a n c e 上海大学硕上论文基于k m v 模型的我国上市公司信用风险度量研究 图1 1 图3 1 图3 - 3 图3 - 4 图3 5 图3 - 6 图4 - l 表1 1 表3 1 表3 2 表4 1 表牝 表4 3 表4 - 4 表4 - 5 表4 - 6 表4 7 表4 8 表帕 表4 1 0 表4 1 l 表4 - 1 2 表4 1 3 表禾1 4 表4 1 5 表4 1 6 表4 1 7 表4 1 8 表4 - 1 9 表4 - 2 l 表4 - 2 2 表4 2 3 表4 - 2 4 表4 2 5 表4 2 6 图表索引 信用风险的概率特征3 改进专家方法的决策图 神经元的一般框架2 6 c r e d i t m e t r i c s 模型的基本框架2 7 c r e d i t r i s k + 模型的计算框架 作为看涨期权买方的股东收益 两类企业的违约距离6 3 违约概率的分类及特点5 美国货币监理署贷款信用评级 穆迪和标准普尔公司的信用评级 样本范围“ s t 企业被s t 处理的时间。“ 备选的财务指标汇总4 7 本文选用的财务指标4 7 各指标的统计描述4 8 均值相等检验结果5 l 逐步判别分析结果5 2 每一步参与分析的变量表5 2 每一步没有参与分析的变量。5 2 标准化的典则函数系数5 4 f i s h e r 判别函数系数表。5 4 判别方程的检验统计量描述5 5 多元判别方程判定结果5 5 总方差解释5 7 因子负荷矩阵5 7 因子得分矩阵。5 8 主成分判别分析标准系数5 9 主成分判别分析f i s h e r 判别系数5 9 主成分判别分析的检验统计量描述6 0 违约点不同设定情况下的结果6 4 加入违约距离后的逐步判别分析结果6 5 判别方程的若干重要统计量6 5 标准化的典则函数系数表6 6 f i s h e r 判别函数系数表6 6 加入违约距离后的判别方程判定结果6 7 - x n 上海大学硕士论文 基于k m v 模型的我国上市公司信用风险度量研究 原创性声明 本人声明：所呈交的论文是本人在导师指导下进行的研究工作。 除了文中特别加以标注和致谢的地方外，论文中不包含其他人已发表 或撰写过的研究成果。参与同一工作的其他同志对本研究所做的任何 贡献均已在论文中作了明确的说明并表示了谢意。 签名：奉连亏日期：型乙生 本论文使用授权说明 本人完全了解上海大学有关保留、使用学位论文的规定，即：学 校有权保留论文及送交论文复印件，允许论文被查阅和借阅；学校可 以公布论文的全部或部分内容。 ( 保密的论文在解密后应遵守此规定) 签名：塞连起导师签名：醯旺日期：幽：! ：垒 上海大学硕士论文 基于k m v 模型的我国上市公司信用风险度量研究 第一章绪论 1 1 研究的背景和意义 2 0 世纪以来，世界范围内频频爆发金融危机，这些危机的发生大都从商业 银行开始，再蔓延到其它金融行业，最终诱发全社会的金融危机，并在世界范围 内传导。1 9 9 7 年亚洲金融危机爆发以来，世界金融业风险出现了新特点，即损 失不再是由单一风险所造成，而是由信用风险和市场风险等联合造成。金融危机 促使人们更加重视市场风险与信用风险的综合模型以及操作风险的量化问题，由 此全面风险管理模式日益引起人们的重视。 作为信用风险管理的主体，我国商业银行一方面长期集商业银行与政策性银 行于一身，信用风险意识淡漠，这种身份使得商业银行的呆坏账额长期偏高，严 重阻碍了商业银行的商业化进程；另一方面，随着入世过渡期的结束，我国金融 业将面临世界范围内更严峻的考验，解决商业商业银行的呆坏账问题已经刻不容 缓。近年来，政府向四大商业银行注入了大量资本金，并成立了资产管理公司对 商业银行的呆坏账进行剥离，这些举措一定程度上缓解了呆坏账额的上升。但是， 要从根本上预防呆坏账的发生，首要之举是应加强商业银行的信用风险管理。 作为信用风险管理的重要客体，上市公司面临的诸多问题也使得加强我国商 业银行的信用风险管理迫在眉睫。一方面证券市场的不规范使得其成为上市公司 圈钱的乐土，且收益远大于成本，信息披露往往报喜不报忧，财务报表粉饰造假 现象严重；另一方面，我国证券市场刚刚起步，各种法律法规、监管力度都很不 到位，信息披露次数过少，质量不高，对财务报表造假现象的打击和惩处力度不 够。这两方面的问题使得我国上市公司整体财务报表的可信赖程度不高。这无疑 给商业银行的信用风险管理设置了障碍。相反，商业银行信用风险管理意识的淡 漠使得上市公司对于财务报表造假有恃无恐，愈演愈烈。所以加强商业银行的信 用风险管理的同时，加快证券市场建设的步伐，完善信息披露机制，为商业银行 信用风险管理提供一个良好的外部环境。 我国信用风险研究起步较晚，所以必须在借鉴西方成熟的信用风险管理理论 的基础上，结合中国市场的实际情况加以研究。 上海大学硕士论文基于k m v 模型的我国上市公司信用风险度量研究 1 2 信用风险概述 传统的观点认为，信用风险是指交易对象无力履约的风险，即债务人未能如 期偿还其债务造成违约，而给经济主体经营带来的风险。随着现代商业银行经营 环境变化和风险管理技术发展，信用资产组合不仅会因为银行交易对象的直接违 约而造成损失，银行交易对象履约可能性的变动也会给组合带来信用风险。因此 现代意义上的信用风险是指由于各种因素的影响，包括交易对象信用状况和履约 能力上的变化使得银行等金融机构经营的实际收益结果与预期目标发生背离，从 而导致银行等金融机构在经营活动中遭受损失或获取额外收益的一种可能性程 度。 信用风险分为广义和狭义，广义的信用风险是指所有信用关系的一方因为另 一方没有履约而导致的可能损失。狭义的信用风险通常是指信贷风险，即在信贷 过程中，由于各种不确定因素而使借款人不能按时偿还贷款，造成银行贷款本金 及利息损失的可能性。 1 2 1 信用风险的特征 1 信用合同的不完全性 借款合同是典型的不完全合同。信用合同的不完全性是信用风险的诱因之 一。在订立借款合同时，银行方面不可能掌握受信企业所有相关的信息，而且受 信企业为了达到借款的目的可能有意掩饰其财务状况，使得银行由于掌握较少信 息处于不利地位，受信企业掌握较多信息处于有利地位。信息缺乏和信息失真使 得在借贷过程中经常发生的逆向选择和道德风险，是信用风险形成的一个重要原 因。 2 信用风险的非系统性风险特征 与商业银行经营中面临的其他风险相比，信用风险的非系统性风险特征明 显。宏观经济走势、市场资金供求、政治局势、技术和资源条件等因素存在着不 确定性。这种不确定性会影响交易对象的还款能力导致信用风险，人们称之为“系 统性风险”。但总体上说，多数情况下信用风险还是取决于与交易对象明确相联 。粱琪著：商业银行信贷风险度量研究，。中国金融出版社，2 0 0 5 上海大学硕士论文 基于k m v 模型的我国上市公司信用风险度量研究 系的非系统性因素的影响，这些因素包括：交易对象贷款投资方向、经营管理水 平与能力、财务状况与还款意愿、借款人风险偏好等。 3 信用风险收益分布的不对称性呈现偏态厚尾状 与市场风险相比，信用风险具有不对称性，并呈现厚尾状。市场风险是金融 产品市场价格变动所带来的风险，市场价格向上波动和向下波动的可能性相同， 所以通常市场风险的收益分布相对来说是对称的，大致可以用正态分布曲线来描 述。但是相比之下，信用风险的分布是不对称的，存在偏差。从几何图形上看， 趋于有相对固定的上端的收益和长尾状的下端的风险，显示出强烈的负向偏斜， 以及在某些情形下有峰态( 厚尾性) ( 如图1 1 ) 。信用风险收益分布的偏离是由 企业违约的小概率事件造成的，发生损失的概率要远小于获得收益的概率，所以 分布曲线右偏。但贷款一旦违约，则会使银行面临较大规模的损失，这种损失要 比利息收益大的多，所以分布曲线在左侧呈现厚尾状。这一特征使我们难以对信 用风险进行正态分布的假设，为信用风险的分析与控制带来了较大困难。 ， 、门 市场风陵 涉 损失 1 2 2 信用风险的组成 图i - 1 信用风险的概率特征 从组成上看信用风险由两部分组成：一部分是违约风险，是指交易一方不愿 或无力支付约定款项而致使交易另一方应得的现金流量减少而遭受损失的可能 性。另一部分是信用价差风险，它是指由于交易一方信用品质的变化使交易另一 上海大学硕士论文 基于k m v 模型的我国上市公司信用风险度量研究 方应得的预期现金流量的现值面i 临不确定的变化而导致的损失，具体由信用价差 跳动风险和信用价差波动风险组成。 ( 一) 信用违约风险 信用违约风险不考虑债务人的信用质量在违约发生之前的任何变化，认为违 约只发生在借款到期时。信用违约风险假设当期度量的预期违约概率在一定的风 险期限内是不变的，然后侧重于度量预期违约概率的可信程度，即预期违约率， 得出“有百分之几的把握，企业在1 年内不会违约”或是“债务人在1 年后违约 的概率有多大”的结论。 违约风险将违约与否当作一个离散变量，单笔债务到期时只有两种状态：违 约或者不违约。度量信用违约风险的关键在于度量企业的预期违约率。但是，在 借款人企业违约之前，银行无法区分哪些企业会违约，哪些不会，这种判断只能 基于估计。合理准确地估计借款企业的违约率对于控制银行的不良资产有着非常 重要的作用。估计违约率的方法主要有两种：( 1 ) 统计精算的方法，利用违约的 历史数据( 企业不同时期的财务报表) 提供违约率的“客观”( 相对于风险中性 而言) 标准；( 2 ) 市场价格的方法，利用企业资产、债务等的市场价格推断出市 场对于违约风险的估计。这两种方法各有其重，各有利弊。统计计算方法从历史 推断未来，虽然两者之间有一定的连续性，但不存在必然的联系，预测结果存在 一定偏差。市场价格方法反映了投资者对企业的预期，而且随着市场价格的不断 变化可以动态地进行度量信用风险，具有相当大的优势，但资本市场不仅存在投 资者，还存在投机者，如果投机色彩浓重，资本市场的价格往往偏离了其正常价 值。不仅如此，在中国这个并不成熟的资本市场，一些制度改革方面的因素对资 本市场价格的冲击力度远大于企业经营方面的因素对资本市场价格的影响，所以 市场价格的方法理论是诱人的，实践中还是存在一定偏差的。 根据度量违约率方法的不同，违约率的表示也有两种方法：( 1 ) 连续性随机 变量。运用市场价格推算的违约概率是连续性随机变量，利用企业资产的市场价 值、企业资产市场价值的波动、企业资产的流动性以及企业需要支付的债务合同 价格，我们可以运用在给定期限内违约概率的波动来描述违约率的概率分布，可 以计算出每一个违约率所对应的概率；( 2 ) 离散型随机变量。运用统计精算方法 得到的违约概率是离散型随即变量。这种方法是为每个企业制定一个信用等级， 上海大学硕士论文基于k m v 模型的我国上市公司信用风险度量研究 然后再将模型估计的违约概率对应于这个信用等级，再结合信用等级转换矩阵 ( t r a n s i t i o nm a t r i x ) 来估计企业在不同期限内( 1 年后、2 年后等离散变量) 的 预期违约概率。这两种方法的代表模型分别是k m v 方法和基于v a r 的c r e d i t m e t r i c s 方法，具体模型将在第三章中阐述。表1 1 总结了作为离散型变量和连 续性随机变量的一些特点。 本文讨论了两种度量违约风险的方法：基于财务指标的判别分析法和基于基 本市场价格的k m v 方法。前者属于统计精算的方法，数据来源于各企业的财务 报表，后者属于市场价格的方法，数据来源于公开交易的证券价格。为了更好地 利用这两种方法的优势，笔者尝试着将两种方法进行了结合。 表卜1 违约概率的分类及特点 违约概率的变量类型数据来源数据要求 离散型随机变量财务报表信用等级，转换矩阵 连续性随机变量市场价格违约概率，违约概率的波动 资料来源：粱琪著：商业银行信贷风险度量研究，中国金融出版社，2 0 0 5 ( 二) 信用息差风险 信用息差风险源于在贷款期限内企业信用品质的变化而导致的违约概率的 变化。与信用违约风险相比，它不仅考虑债务到期时债务人是否违约，而且关注 在债务存续期间债务人信用品质变化对违约概率的影响。 信用息差风险越来越引起学术界的关注。与违约风险相比，两者有相同之处， 都是预测企业是否会违约，但违约风险只关心债务到期时是否会违约，而信用息 差风险将违约风险拓展到了债务存续期间。换句话说，信用息差风险是违约风险 的动态化。违约风险和息差风险是相互作用的，息差风险增大，违约风险也会加 大。管理信用息差风险对于银行有非常重要的作用。银行可以在债务存续期间分 析企业的信用息差风险，从而采取相应的措施，如提前收回贷款、停止发放等， 可以减少在债务到期时发生违约事实时银行方面的损失。度量信用息差风险目前 有两种方法：( 1 ) 利用信用转移矩阵；( 2 ) 利用资本市场金融产品的价格。 界定和分析信用风险的方法很多，有些方法只研究违约风险，传统的信用风 险管理方法大都属于这种，如基于财务指标的多元判别分析法、l o g i s t i c 回归 上海大学硕士论文基于k m v 模型的我国上市公司信用风险度量研究 法等基于保险精算的c r e d i t r i s k + 模型也是只研究违约风险；有些方法侧重分析 信用息差风险，考虑了信用息差风险与违约风险的相互作用，现代信用风险管理 方法大都属这种，如c r e d i tm e t r i c s 方法、k m v 模型。 1 3 论文的研究思路、内容安排及创新点 本文的研究思路是从理论向实践不断深入的。理论是实践的基础，所以笔者 对信用风险管理方法、模型的原理、优缺点以及在中国市场的应用性进行了整理 和分析。理论是用来指导实践，再成熟的理论也只有经过实践的检验才能堪称完 美，所以笔者选取了沪市6 8 家上市公司，分别运用多元判别分析法和k m v 模 型对两种模型的判别率进行对比研究，并在此基础上将两种模型结合起来。笔者 的目的是为了通过对比、结合分析得出的判别分析的相关统计量来检验k m v 模 型在中国市场的适用性。 本文的结构安排如下： 第一章绪论，主要阐述论文的选题背景以及研究的目的和意义； 第二章文献综述，主要从纵向说明了信用风险度量的演变过程以及国内外研 究信用风险的思路和现状； 第三章信用风险度量方法评价，主要从横向对各种信用度量方法进行了比较 分析，比较了现代信用风险度量方法在中国市场的适用性及其优缺点； 第四章实证分析，选取3 4 家s t 公司和与其对应的成分股公司作为样本， 分别采用多元判别分析方法和k m v 方法，对这些公司的信用风险水平进行了评 价，并在此基础上将两种方法结合起来，侧重于检验k m v 模型在中国市场的适 用性； 第五章k m v 模型在中国应用的对策及建议，阐述在中国市场运用k m v 模 型需要商榷的地方。 基本框架如图1 2 所示，技术路线如图i 3 所示。 为了使k m v 模型能更好地符合中国市场的实际情况，本文就k m v 模型在 中国市场的应用着重在以下几个方面进行了创新： 第一，对k m v 模型中违约点的设定，本文考虑了三种情况下的违约点设 上海大学硕士论文 基于k m v 模型的我国上市公司信用风险度量研究 定，并就本文所涉及的样本，检验了哪种设定所计算出的违约距离更好的符合中 国实际； 第二，为了利用多元判别分析法度量信用风险具有全面性的特点和k m v 模 型具有前瞻性的特点，本文试将两种方法结合起来，对同一组样本进行实证分析， 检验加入违约距离前后判别方程的判别效率是否有提高； 第三，为了检验通过k m v 模型计算出的违约距离是否有助于判别企业信用 风险的高低，本文通过对两组企业的违约距离进行独立样本t 检验，检验违约距 离在两组企业之间是否有显著差异。 本文在进行多元判别分析法实证分析时，所选取的财务指标也具有一定的创 新性，全面考虑了企业的资产结构、盈利能力、偿债能力以及获取的现金能力， 财务数据涉及资产负债表、利润表和现金流量表。 笔者认为本文的研究还存在着以下一些不足： 第一，对国有股定价采取了每股净资产的做法会降低企业的资产价值，从 而会夸大企业的信用风险； 第二，对资产波动率近似等于股票波动率的做法可能会给结果带来一定的 误差； 第三，样本容量偏小； 第四，本文仅利用上市公司被s t 处理前一年的数据进行分析，而一个模型 的预警能力应该反映在前几年的数据中。 作者认为在今后的研究中可以扩大样本容量，而且可以运用上市公司被s t 处理前几年的数据来检验k m v 模型的预测力。 上海大学硕士论文基于k m v 模型的我国上市公司信用风险度量研究 国l - 2 论文的研究框架 圈日圈 图1 3 论文的技术路线 一8 上海大学硕士论文基于k m v 模型的我国上市公司信用风险度量研究 2 1 国外研究情况综述 第二章文献综述 国外对信用风险的研究起步较早，度量方法主要可以分为传统的信用风险度 量方法和现代信用风险模型。本章主要回顾了国外学者对于信用风险研究的进展 情况。 2 1 1 传统的信用风险度量方法 c a o u e t t e ，a l t m a n ，a n dn a r a y a n a n ( 1 9 9 8 ) 在“t h en e x tg r e a tf i n a n c i a l c h a l l e e n g e ”一书中，详细讨论了传统信用风险评价方法的三类模型：( 1 ) 专家 评分法( 即“5 c ”方法) ；( 2 ) 评级方法；( 3 ) 信用评分方法。s t i 西i t za n d w e i s s ( 1 9 8 1 ) 论述了利率水平与贷款的预期收益率之间的关系，指出在利率处于“低”水平时， 提高利率会使预期收益增加，而在利率处于“高”水平时，利率的增加也可能会 降低贷款收益。因此，利率水平与贷款的预期收益率之间存在高度的非线性关系。 这一反向关系会存在两种效应：逆向选择和风险转嫁。基于这种影响专家在考虑 5 c 的同时还要考虑利率水平对信贷决策的影响。 美国金融机构货币管理办公室( o f f i c e o f t h ec o n t r o l l e r o f c u r r e n c y ，o c c ) 开发了贷款内部评级分级模型( i n t e n a lr a t i n gs y s t e m s ) 将贷款分为5 级：正常贷 款( p a s s p e r f o r m i n g a s s e t s ) 、关注贷款( o t h e r a s s e t s e s p e c i a l l y m e n t i o n e d ，o a e m ) 、 次级贷款( s u b s t a n d a r da s n s ) 、可疑贷款( d o u b t f u la s s e t s ) 、损失贷款( l o s sa s s e t s ) 。 评级的目的在于对不同的级别按不同的比例提取准备金。 f i t z p a t r i c k ( 1 9 3 2 ) 最先进行了单变量预测研究，他选用1 9 家企业作为样本， 运用单个财务比率将样本划为破产和非破产组，发现判别能力最高的是净利润 股东权益和股东权益负债这两个比率。1 9 9 6 年芝加哥大学会计系的比弗 ( b e a v e r ) 提出了单变量判定模型。他通过对“破产、拖欠债务、不能支付优先 股股利”的7 9 家经营失败的公司和7 9 家经营未失败的公司的对比分析研究，并 使用了现金流量债务总额、净收益资产总额( 资产收益率) 、债务总额资产总 上海大学硕士论文 基于k m v 模型的我国上市公司信用风险度量研究 额( 资产负债率) 等3 0 个财务比率作为变量，进行一元判定预测，发现现金流 量与负债总额的比率能够最好地判定公司的财务状况( 误判率最低) ；其次是资 产负债率，并且离经营失败日越近，误判率越低，预见性越强。 多变量信用风险判别模型是在单变量判定模型的基础上选取多个财务比率 作为解释变量，建立判别方程进而建立起的标准模型。运用此模型预测某种性质 事件发生的可能性，及早发现信用危机信号，使经营者能够在危机出现的萌芽阶 段采取有效措施改善公司经营，防范危机，使投资者和债权人可依据这种信号及 时转移投资、管理应收账款及做出信贷决策。多变量信用风险判别模型主要包括 多元线性判别分析模型和多元非线性回归模型( 如l 0 9 i s t i c 模型、p r o b i t 模型) 等。目前国际上这类模型的应用是最有效的，也是国际金融业和学术界视为主流 方法。 1 多元线性判别模型。f i s h e r ( 1 9 3 6 ) 提出了多元判别分析法( m d a ，m u l t i p l e d i s c r i m i n a n t a n a l y s i s ) 。d u r a n d ( 1 9 4 1 ) 首先将m d a 应用到了经济和金融领域。 但在随后相当长的一段时间内。这种方法主要被应用在生物和行为科学领域。美 国纽约大学斯特商学院阿尔特曼( e d w a r di a l t m a n ) 于1 9 6 8 年选取了1 9 4 6 1 9 6 5 年问3 3 家申请破产的制造企业和3 3 家与这些企业规模相类似非破产制造企业作 为样本，建立了如下由5 个财务比率组成的z 值模型： z = 1 2 x i + 1 4 x 2 + 3 - 3 蜀+ 0 6 置+ o 9 9 9 x 5 ( 2 1 ) 五、j 五、k 、五、j ，分别表示营运资本总资产、保留利润总资产、息 税前收益总资产、股权市值总资产、销售收入总资产。z 值越高，表明借款人 处于较低的违约风险组别。如果z 值低于特定临界值( a l t m a n 最初设为1 8 1 ) ， 则借款人被看作违约类的，对其贷款要慎重或拒绝贷款。若z 值在1 8 5 8 与2 ， 6 7 5 之间，企业财务状况不明朗；若z 值大于2 6 7 5 ，表明企业破产的可能性很 小。由于模型具有较强的判别力( 样本1 年期和2 年期的判别准确率分别达到了 9 5 和8 3 ) ，再加上简单实用，z 值模型很快成为一种主流的信用风险度量方 法，并被用到了世界上2 5 个以上的国家的企业破产或经营