基于KMV模型的非上市公司信用风险测度研究.pdf

基于k m v 模型的非上市公司 信用风险测度研究 内容提要：基于期权定价理论的k m v 模型仅适用于上市公司信用风险度量，本文通过 建立上市公司资产市场价值及其波动率与财务指标的面板数据模型，构造了适用于非上市公 司信用风险测度的方法，在利用我国上市公司数据进行实证分析基础上，还利用非上市公司 数据对方法的适用性进行了检验。结果表明，k m v 模型能对上市公司的预期违约概率进行 较为准确的度量，公司财务指标对资产市场价值及波动率的影响表现出行业差异；基于k m v 模型的回归替代法( r s m ) 可以利用行业内绝大多数上市公司信息，相对于行业替代法 ( p f m ) 更为科学与合理。 关键词： 信用风险； 非上市公司； k m v 模型； 预期违约率 杨 龙 暨南大学经济学院、广发证券股份有限公司，5 1 0 0 7 5 任 宇 中山大学岭南学院、广发证券股份有限公司，5 1 0 0 7 5 中图分类号： f 8 3 0 . 9文献标识码： a c r e d i t r i s k m e a s u r e o f n o n - l i s t e d c o m p a n i e s b a s e d o n k m v m o d e l a b s t r a c t : k m v m o d e l w h i c h b a s e d o n o p t i o n p r i c i n g t h e o r y c a n o n l y b e u s e d f o r l i s t e d c o m p a n i e s , t h o u g h t h e e s t a b l i s h m e n t o f t h e p a n e l d a t a m o d e o f l i s t e d c o m p a n i e s a s s e t m a r k e t v a l u e a n d v o l a t i l i t y w i t h f i n a n c i a l i n d i c a t o r s , t h i s p a p e r c o n s t r u c t s a c r e d i t r i s k m e a s u r e f o r n o n - l i s t e d c o m p a n i e s . o n t h e b a s i s o f e m p i r i c a l a n a l y s i s u s i n g t h e d a t a o f l i s t e d c o m p a n i e s i n c h i n a , t h i s p a p e r t e s t t h e a p p l i c a b i l i t y o f t h e m e t h o d u s i n g t h e n o n - l i s t e d c o m p a n i e s d a t a . t h e r e s u l t s i n d i c a t e : k m v m o d e l c a n a c c u r a t e m e a s u r e t h e d e f a u l t p r o b a b i l i t y o f l i s t e d c o m p a n i e s , r s m m o d e l w h i c h b a s e d o n k m v c a n u s e t h e m a j o r i t y o f t h e l i s t e d c o m p a n i e s i n f o r m a t i o n , i t i s m o r e s c i e n t i f i c a n d r i g o r o u s c o m p a r e d w i t h t h e p f m . k e y w o r d s : c r e d i t r i s k ; n o n - l i s t e d c o m p a n y ; k m v m o d e l ; e x p e c t e d d e f a u l t p r o b a b i l i t y ; p a n e l d a t a 基于k m v 模型的非上市公司信用风险测度研究 基于k m v 模型的非上市公司 信用风险测度研究 内容提要：基于期权定价理论的k m v 模型仅适用于上市公司信用风险度量，本文通 过建立上市公司资产市场价值及其波动率与财务指标的面板数据模型，构造了适用于非上市 公司信用风险测度的方法，在利用我国上市公司数据进行实证分析基础上，还利用非上市公 司数据对方法的适用性进行了检验。结果表明，k m v 模型能对上市公司的预期违约概率进 行较为准确的度量，公司财务指标对资产市场价值及波动率的影响表现出行业差异；基于 k m v 模型的回归替代法( r s m ) 可以利用行业内绝大多数上市公司信患，相对于行业替代 法( p f m ) 更为科学与合理。 关键词：信用风险非上市公司k m v 模型预期违约率 一、引言 金融机构信用风险是金融领域最古老、最重要的风险形式之一，随着银行、证券、保 险等金融机构的多元化发展，信用风险己渗透于金融机构的各业务领域，如票据贴现、透支、 同业拆借、证券发行、债券交易、信用衍生品交易、融资融券、信用担保等，信用风险管理 水平很大程度上决定了金融机构经营的安全性，2 0 1 0 年初由于三大信用评级机构集体下调 希腊主权信用评级而引发的欧洲主权债务危机，给国际金融机构及国家财政系统以深刻警 示，加强信用风险管理不仅有利于金融机构的持续经营，还有利于整个经济、金融系统的稳 定与健康发展。 信用风险是指定由于债务人或交易对手违约而导致损失的可能性，包括债务人信用评级 与履约能力的变化导致其债务市场价值的变动而引起损失的可能性。目前，国际金融界较流 行的现代内部信用风险模型有：j p 摩根于1 9 9 7 年推出的以v a r 为基础的信用风险计量模 型( c r e d i tm e t r i c s ) 、瑞士信用银行推出的c r e d i tr i s k + 模型、v 公司的v 模型、麦 肯锡公司的c r e d i tp o r t f o l i o e w 模型，这四种方法又称为信用风险经典模型。c r e d i tm e t r i c s 模型和c r e d i tp o r t f o l i o e w 依赖于信用评级机制，由于资信评级行业还处于起步阶段，相 关方法在短期内的运用不太现实：c r e d i tr i s k + 模型的风险驱动因素是债务人的违约率，该 参数的估计比较困难，且模型对债务相互独立的假设也不符合实际；k m v 模型基于现代公 司金融与期权理论的结构性模型，理论基础扎实、方法框架使用方便，在国外金融理论与实 务领域获得广泛应用。如g o r d y ( 2 0 0 0 ) 对信用风险模型进行了比较研究，在对公司信用风 险测度方面应首选m v 模型。m a n h e w 和m n a ( 2 0 0 2 ) 通过水平确认和校准方法小，模 型的预测结果进行了验证，结果显示k m v 模型的预测结果_ e d f 值呈偏态分布，且样本 公司资产相关性的大小和自身的偏态分布对e d f 的预测结果有很大影响。j e 所e y 和p e t e r ( 2 0 0 3 ) 以k m v 模型为基础，对金融类公司的信用风险进行了测度，结果表明在金融类公 司发生信用事件前，e d f 能够灵敏准确地检测到公司信用能力的变化。s j u r 和w 面s t ( 2 0 0 1 ) 、 f r e y 和m c n e i l ( 2 0 0 3 ) 则分别运用违约独立模型和l o g i s t i c 方法对预期概率进行了测度。 随着国内风险管理技术的进步及实务领域的迫切需要，国内学者围绕刚v 模型在企 2 6 5 基于k 吖模型的非上市公司信用风险测度研究 业、金融机构、投资组合信用风险度量方面也进行了相关研究，如都红雯、杨威( 2 0 0 4 ) 、 曹道胜、何明升( 2 0 0 6 ) 从模型建立的理论基础、模型类别、回收率等维度对l i 0 讧v 模型与 其他经典信用风险模型进行了比较分析，并讨讨了k m v 模型在我国的应用性。陈晓红、张 泽京等( 2 0 0 8 ) 、周沅帆( 2 0 0 9 ) 、陈敏、彭志云等( 2 0 1 0 ) 、张宝、岳综营( 2 0 11 ) 则利用 k m v 模型分别对我国中小上市公司、已上市的保险公司及短期融资券的信用风险进行了度 量。也有部分研究围绕其他信用风险模型展开，如李兴法、王庆石( 2 0 0 6 ) 对c r e d i tm e 仃i c s 模型在单笔债券或贷款、组合债券或贷款的信用风险估值方法和应用。迟国泰、董贺超等 ( 2 0 0 9 ) 通过信用风险迁移原理计算了商业银行各类贷款的违约风险，并建立了贷款组合信 用风险的测算模型。李大伟、魏明等( 2 0 0 4 ) 、石晓军、陈殿左( 2 0 0 4 ) 则分别基于强度过 程和债务结构角度，对信用风险进行了测度，并探讨了信用风险定价问题。 从现有研究文献来看，k m v 模型的运用主要集中于上市公司，由于蹦v 模型需要利 用公司股价信息，模型自身的缺陷限制了其在非上市公司信用风险度量领域的应用。基于此， 本文在介绍信用风险k m v 模型及l 洲v 公司提出的行业替代法( p f m ) 基础上，根据中国 证券市场的实际情况，运用回归替代法构造用于k m v 模型的公司资产市场价值及其波动率 与公司相关财务指标间的面板数据模型，并利用我国按行业分类的上市公司的数据，对模型 参数进行估计，得到了利用k m v 模型测度非上市公司信用风险的参数对照表。最后，运用 非上市公司数据对其适用性进行了检验。 二、l 叫信用风险模型 k m v 模型是由i c 0 订v 公司于1 9 9 5 年开发的现代信用风险度量模型，该模型以m e n o n ( 1 9 7 4 ) 的期权定价理论为基础，将公司负债看作买入一份欧式看涨期权，即公司所有者持 有一份以公司债务面值为执行价格，以公司资产市场价值为标的欧式看涨期权。如果负债到 期时公司资产市场价值高于其总债务面值及利息，公司将偿还债务；若公司资产价值小于其 债务，公司将发生违约。l v 模型虽然认为公司违约风险是由公司的资产市场价值驱动的， 但却认为市场价值低于其总负债时违约就会发生的假设存在问题，取而代之假设公司资产价 值低于某一水平时，违约才会发生，这个水平上的公司资产价值被定义为违约点( d e f a u l t p o i i l t ，d p ) ，违约风险被定义为企业资产价值小于违约点的概率。 图l 舢模型图示 据此，k m v 模型中公司的债务违约概率取决于资产的市场价值、资产价值的波动性和 2 6 6 基于k m v 模型的非上市公司信用风险测度研究 公司债务的账面价值。公司的资产市场价值和资产价值的波动率是无法直接观测到的，但却 可以直接观测到上市公司股票价格和股价的波动率，因此，可以通过期权定价公式反推出前 者。假定公司资产价值的变化可表示为： d 圪= 此+ 圪出 ( 1 ) 其中，圪表示公司资产的价值；d 表示公司资产价值的变化；是公司资产价值的 漂移率；仃。表示公司资产价值的波动率；沈表示一个标准维纳过程。 根据m e r t o n 和b l a c k s c h o l e s 的期权定价理论，公司股权的市场价值可视为一个看涨期 权的价值，则依据期权定价公式有： e = ( 4 ) 一d p 一( 吐) ( 2 ) 其中，e 表示的是公司股权的市场价值( 看涨期权的价值) ；d 为负债的账面价值( 执 行价格) ；v 表示公司资产的市场价值；厂表示无风险利率；f 表示到期时间；n 表示标准 正态分布的累积概率函数，可根据矾和以计算得到。4 、d ，分别为： m ( 矿d ) + ( ，+ 去一) f d 12 = l ( 3 ) 、，f 吐= 吐一叽f 其中，以表示的是资产价值的波动性。为求得公司资产价值v 和资产价值波动率唧 这两个隐含变量，还需对可观察的公司股权价值波动率仃，与不可观察的公司资产价值波动 率巩之间的关系联立求解。为此，l 似v 模型借助了h u l l ( 1 9 9 8 ) 关于企业股权价值波动 率和资产价值波动率唧之间的理论关系： ：掣 ( 4 ) 己 将式( 2 ) 与式( 4 ) 联立，即可求得资产市场价值v 及其波动性以。 根据k m v 模型的思想，当公司资产价值低于某一水平时，公司就会发生违约，这一 点被称为违约点( d p ) ，违约距离是指以公司资产价值在风险期限内由当前水平降至违约点 的相对距离，以资产市场价值标准差的倍数表示： d d = e ( 矿) 一卯 ( 5 ) ( y ) 吼 违约距离是一个标准化的度量方法，反映的是公司信用状况的好坏，并且可用于不同 公司之间的比较。取值越大，表明公司到期偿还债务的可能性越高，反之亦然。虽然违约距 离本身就是一个公司违约风险的度量指标，但无法直接通过违约距离得到公司违约的可能性 有多大，因此，还必须对公司的预期违约概率进行估计。 根据违约距离计算预期违约概率的方法包括两大类：一是经验法，小，公司根据一定 时期内包含大量违约公司样本的历史数据库，计算公司的违约距离及由历史数据观测到的违 约率，把这些数据拟合为一条平滑的d d e d f 曲线，以此根据违约距离来估计预期违约率 2 6 7 基于k m 、，模型的非上市公司信用风险测度研究 e f d 。然而，实践中违约距离与违约率并不会形成完全的一一对应关系，且我国公司违约事 件的统计资料不完全，并未建立完善的公司违约数据库，历史数据的缺失使得舢模型的 经验e d f 估计方法现阶段在我国是无法应用的，因此，第二类方法则是采用理论方法计算 e d f 。在资产市场价值服从正态分布假设条件下，e d f 即是资产价值小于违约点的累积概率， 其计算方法为： 脚= ( 一却 - 舄等孝卜删) 三、l 叫模型在非上市公司信用风险测度的应用 l 纵v 模型基于期权理论，利用公司资产市场价值、波动率以及负债的帐面价值来测度 公司的信用风险，具有很强的理论基础。同时，kmv 模型能够充分利用市场交易信息和 历史账面资料在现代公司理财和期权定价理论的基础上进行“移植处理”，更能反映企业当 前的信用状况，更具前瞻性，得到的公司预期违约率的结论也具有较强的说服力。然而， l v 模型主要应用于上市公司的信用风险度量，而对于非上市公司却由于无法获得公司的 股权的市场价值及其波动性，从而也无法得到其资产市场价值及波动性，所以l ( m v 模型无 法对非上市公司的信用风险进行度量。为解决k m v 模型这一缺陷，国内外学者及实务界围 绕此问题进行了大量的研究，也提出了一些解决方法，主要包括行业替代法和市场估值法。 ( 一) 行业直接替代法( p f m 模型) k m v 公司于1 9 9 9 年在其自身开发的k m v 模型基础上推出的适用于非上市场公司信 用风险度量的p f m 模型( p r i v a t ef i mm o d e l ，简记为p f m ) ，2 0 0 1 年爪，公司公布了其模 型的相关技术资料，i m v 公司和相关学者对p f m 模型进行了验证，检验结果表明模型在 北美和欧洲地区具有较强的预测能力。 k m v 公司提出的p f m 模型认为，同一地区和行业的上市公司和非上市公司面对相同 宏观、行业环境、相同的原材料市场、劳动力市场、销售市场等，如果这些公司的规模和赢 利能力相近，则宏观经济、货币财政政策、产业政策和市场结构调整等宏观、中观因素的变 化对这些公司的影响应当也是相近的。因此，非上市公司资产的市场价值及其波动率的变动 与上市公司的变动具有很大的相关性，非上市公司的关键变量可以通过与之相似的上市公司 的股价估算。 根据现代财务理论，公司资产市场价值是企业未来现金流入的现值总和，l ；m v 公司认 为e b i t d a ( 公司支付利息、所得税计提折旧和摊销前的利润) 是现金流入的替代变量，且 与资产市场价值正相关。在实际操作中，v 公司根据非上市公司的情况，找出资料中同 一地区、行业具有相近e b i t d a 的所有上市公司，取它们资产的市场价值的中位数作为该 非上市公司资产的市场价值的替代。 资产价值波动率方面，p f m 模型认为最相关的变量是公司的规模，在财务报表上用销 售收入表示，同一地区和行业的上市公司的销售收入与资产波动率呈反比，因为企业规模越 大，其产品、客户、供应商及投资就更表现出多样化，抗风险的能力也就越强。在实践操作 基于k m v 模型的非上市公司信用风险测度研究 中，p 刚模型根据非上市公司的情况，找出资料库中同一地区、行业具有相近销售收入的 所有上市公司，取它们资产的市场价值波动率的中位数作为该非上市公司的资产波动率。 p f m 模型的违约点、违约距离及相对应的预期违约率的计算与k m v 模型一致。 ( 二) 市场估值法( m v m ) 市场估值法是指运用资产评估方法对公司的资产市场价值进行评估，并据此计算资产 市场价值的波动性，再运用l 洲v 模型计算违约距离和违约概率的方法。公司的资产价值是 指承担所有资产要求权的价值总和，其构成为： 公司价值= 权益价值+ 公司债务的市场价值+ 少数股东权益+ 养老金+ 其他要求权 权益价值是公司价值构成的核心部分，是股东对公司资产的要求权，如果公司为上市 公司，则权益价值等于公司所有上市股票市场价值的总和，因此权益有时也被称为“市场价 值”。而对于非上市公司，则需要采用资产估值方法对公司的权益价值进行估值。 根据企业价值评估指南及相关文件，企业资产价值评估主要有基础法和市场法两 种，市场法是指将评估对象与参考企业、在市场上已有交易案例的企业、股东价值、证券等 权益性资产进行比较以确定评估对象价值的评估方法。市场法中常用的方法则包括参考企业 比较法和并购案例比较法两种，参考企业法是指通过对资本市场上与被评估企业处于同一类 似行业的上市公司的经营和财务数据进行分析，计算适当的价值比率或经济指标，在与被评 估企业比较分析的基础上，得出评估对象价值的方法；并购案例比较法则通过分析与被评估 企业处于同一或类似行业的公司的买卖、收购及合并案例，获取并分析这些交易案例的数据 资料，计算适当的价值比率或经济资标，在与被评估企业比较分析的基础上，得出评估对象 价值的方法。 p f m 模型的基本思想认为公司资产的市场价值及其波动率与公司的财务指标有很强的 相关关系，但直接用上市公司所属行业的平均值作为特定非上市公司资产市场价值及其波动 性的替代，必然忽视各非上市公司的偿债能力差异。运用刚v 模型对非上市公司信用风险 时，可以对在相同行业、规模和赢利水平差异不大的上市公司分类基础上，用回归估计方法 得到该类上市公司资产的市场价值及其流动性与其财务指标的关系，再将非上市公司的财务 指标代入回归模型计算非上市公司的资产价值及其波动性，最后运用l v 模型估计非上市 公司的违约距离及预期违约概率，本文将其称为基于讧v 模型的回归替代法( r e g r e s s i o n s u b s t i t u t em o d e l ) 。 回归替代法的具体做法为：首先，利用k m v 模型中的期权定价模型计算上市公司的 资产市场价值及其波动性：其次，分别以公司资产的市场价值及其波动性指标为因变量，以 公司的相关财务指标如e b i t d a 、公司账面总资产、销售收入等变量为自变量建立回归模型， 对其参数进行估计；再者，根据模型估计结果将非上市公司相关财务数据代入模型，得到非 上市公司资产市场价值及其波动性的估计：最后，根据k m 、，模型计算非上市公司的违约距 离及预期违约率e d f 。 基于k m 、，模型的非上市公司信用风险测度研究 四、实证分析 ( 一) 数据来源与样本选择 本文依据w i n d 资讯数据库二级行业分类标准，综合考虑样本容量、时间跨度、数据 质量等因素，选取了其中的1 7 个行业。的上市公司作为研究样本，样本区间为2 0 1 0 年第l 季度至2 0 1 1 年第3 季度。所收集数据包括：上市公司样本区间交易日收盘价数据、季度未 流通股股本数、非流通股股本数、每股净资产、短期负债、长期负债；3 个月银行定期存款 利率等，数据均来源于w i n d 资讯数据库。 ( 二) 参数设定 1 公司股权价值e 上市公司股份存在流通股和非流股两部分，非流通股的价值不易估算，且通常低于流 通股价值。若直接采用流通股价格进行估算，则必然会大大高估公司的股权价值。因此，本 文参照上市公司股票全流通研究中的非流通股定价方法，以每股净资本计算非流通股的价 值，则公司股权价值为： 股权价值= 流通股股本数流通股收盘价+ 非流通股股本数每股净资产 2 股权价值波动率仃， 公司股权价值波动率为股票收盘价( 前复权) 取对数收益率后的标准差，由于本文按 季度分别计算上市公司的资产市场价值、波动率、违约距离及预期违约率，因此，对于以日 收盘价计算为基础计算得到的波动率，参照时间平方根法则，将其转化为季度波动率数据。 3 违约点d p 违约点d p 指的是当公司资产价值低到一定程度，触发违约事件的那一点，理论上应 为公司负债的账面价值。实践中，绝大多数公司在其资产价值等于所有债务的账面价值时， 并未发生违约，因为公司的一些长期债务为该企业提供了喘息的机会。因此，在确定公司的 违约点时，应对公司的债务结构予以考虑，即应当从债务求偿等级和到期期限两个角度来进 行分析。k m v 公司通过大量违约企业的数据进行分析后认为，企业的违约触发点通常位于 流动负债与总债务金额之间。在实证研究中，违约点一般等于流动负债加5 0 的长期负债， 即： d 尸= s 四+ o 5 兀d ( 7 ) 其中，s 册为短期负债，上四为长期负债。长期负债在违约点中所占比重可根据市 场或公司具体情况进行调整。 4 期限f 和无风险利率， 本文所采用的数据均为季度数据，因此，期限f 取值设定为1 ；无风险利率为3 个月定 期存款利率，各季度取值为最后一个月的利率水平。 表l3 个月定期存款利率水平 季度2 0 1 0 q 1 2 0 1 0 q 2 2 0 1 0 q 32 0 l o q 42 0 l l q l2 0 1 1 q 22 0 l l q 3 利率 1 7 1 1 7 l 1 7 l 2 2 5 2 6 2 8 5 3 1 。本文研究所包括行业为：能源：材料；资本货物：商业和专业服务；运输；汽车与汽车零部件；耐用消费 品与服装；消费者服务；媒体；零售业；食品与主要用品零售；制药、生物与生命科学；房地产；软件与 服务；技术硬件与设备；半导体与半导体生产设备；公用事业。 2 7 0 基于k m v 模型的非上市公司信用风险测度研究 ( 三) 上市公司k m v 模型估计 根据所收集数据及参数设定，根据讧v 模型中计算的方法，运用m a t l a b 编程实现了 k m v 模型的估计。本文分别估计了1 7 个行业内所有上市公司的资产市场价值，波动率、 违约距离及预期违约率，对于出现净资产为负，导致股权价值也为负值的公司，为避免计算 结果的偏差，本文在计算过程剔除了此类样本公司，估计结果如表2 所示。 表2 上市公司资产市场价值、波动率及预期违约率估计结果 样本公司平均资产平均资产市场 行业名称平均预期违约率 数量市场价值( 元)价值波动率 能源i i5 27 4 0 4 7 2l7 5 0 7 3 2o 1 6 2 4o o o oi4 2 0 9 7 材料i i1 5 l8 8 0 8 6 8 0 3 0 7 0lo 1 5 6 7o 0 0 0 1 7 7 1 5 6 资本货物1 3 65 3 3 9 0 2 8 0 9 5 3o 1 5 “0 o o o l l1 9 2 1 商业和专业服务1 93 0 0 7 2 3 8 9 3 8 9 3o 1 7 6 80 0 0 0 l7 6 5 5 8 运输 8 41 7 9 3 2 5 0 1 7 9 9 8 8 o 1 1 3 40 0 0 0 0 4 7 1 5 1 9 汽车与汽车零部件 7 7 1 1 3 0 5 8 1 7 8 2 2 0 20 1 4 2 lo 0 0 0 1 l1 7 1 4 耐用消费品与服装 1 4 76 5 8 6 0 5 5 6 7 5 40 1 4 2 0 o o o l3 8 7 2 2 消费者服务i i 3 54 5 3 4 7 2 8 4 4 8 19o 1 5 6 4o 0 0 0 0 6 5 8 2 2 5 媒体i i 2 07 1 7 1 8 1 1 9 6 6 3 70 1 6 7 4 0 0 0 0 2l0 5 4 7 零售业 7 07 4 1 8 2 5 0 5 3 1 2 9o 1 2 8 7 0 0 0 0 0 6 9 0 2 6 7 食品与主要用品零售i i3 0 8 5 7 7 4 4 5 5 9 6 0 50 1 2 0 7 o 0 0 0 1 7 4 2 1 8 制药、生物科技与生命科学 1 2 26 3 6 9 0 7 7 3 2 6 6o 1 7 1 6o 0 0 0l0 0 4 2 8 房地产 1 4 912 8l5 4 6 5 8 0 8 0 7o 1 2 3 8o 0 0 0l6 2 5 7 9 软件与服务 6 23 4 0 6 1 3 2 3 9 4 3l0 1 9 3 70 o 0 0 217 2 3 5 技术硬件与设备 1 6 05 5 2 6 8 0 5 9 2 4 4o 2 0 5 lo 0 0 0 6 8l2 2 0 3 半导体与半导体生产设备 2 34 8 5 9 0 2 2 7 2 7 2 90 1 8 0 lo 0 0 0 l3 2 5 9 公用事业i i 7 31 8 2 3 1 9 5 1 6 1 3 7 3o 1 1 5 40 0 0 0 0 7 5 0 7 表2 估计结果显示，能源行业公司资产市场价值均值明显高于其他行业，其次是运输、 公用事业行业，这与能源行业公司财务报表上巨额的资产、股东权益数据是一致的，且比较 发现能源行业上市公司的股本规模明显大于其他行业。从上市公司在样本期内平均违约率来 看，技术硬件与设备、软件与服务业、商业与专业服务的平均违约率略高于其他行业，主要 原因可能在于这些行业尚处于成长期产业，行业竞争激励、公司规模普遍偏小、股价波动较 大等原因所致。 ( 四) 非上市公司资产市场价值及波动率面板数据模型 根据回归替代法( r s m ) 的思路，通过构造上市公司资产市场价值及其波动率与财务 指标的面板数据模型，并对其参数进行估计，然后将其运用于非上市公司信用风险测度。在 资产的市场价值回归模型中，本文选取的解释变量分别为：公司总资产规模( t a ) 、息税折 旧及摊销前利润占总资产比例( e b i t d a 佻) 、经营活动产生现金流净额与营业收入比率 ( n c f o r ) 。在资产市场价值波动率模型中，本文选取的解释变量为：营业收入( o r ) 、 资产负债率( d t a r ) 、流动资产周转率( a t r ) 。所构建模型如下： 1 1 1 咆朋h 1 ( 巩m ( 竿小屈( 等小品 ( 8 ) 吒= a 2 ，+ 层l i l ( 眠) + 屈d 尉兄+ 屈彳巩+ 磊 ( 9 ) 其中，v 。和吒分别表示上市公司资产市场价值和波动率。 根据计算得到的上市公司资产市场价值、波动率以及来源于w i n d 数据库的相关财务 基于k m v 模型的非上市公司信用风险测度研究 指标，运用统计分析软件s t a t a l 0 0 对所构造的面板数据模型进行了估计，结果如下表所示： 表3 资产市场价值及波动率面板数据模型估计结果 变量资产市场价值模型解释变量资产市场价值波动率模型解释变量 a l n ( 巩) 船乃剐 朋留 行业名称 以( 锨) a 2 lm 眠)d 2 弛彳巩 、 3 3 8 6 8 0 8 6 8 9 0 0 0 3 7 o 1 4 0 l o 3 4 0 8 o 0 0 6 4 o 0 0 l1 0 0 0 5 1 能源i i ( o 0 0 0 0 )( o 0 0 0 0 )( 0 0 0 4 )( 0 0 4 )( 0 0 0 0 0 )( o o o o o ) ( o o o o o ) ( 0 0 5 8 ) 6 7 7 2 9 0 7 1 3 3 0 o o l 5 o 0 0 2 l o 4 1 7 9 0 0 1 0 4 0 o o l 2 o 川r ” 材料i i ( o 0 0 0 0 )( 0 0 0 0 0 )( 0 0 0 5 )( o 4 7 7 )( o 0 0 0 0 )( 0 0 0 0 0 )( 0 0 0 0 0 )( o o 0 0 0 ) 2 0 1 8 9o 0 8 1 l0 0 0 0 l0 3 7 2 90 1 9 0 5o 0 0 1 3o 0 0 0 3o 0 0 5 资本货物 ( o 0 0 0 )( 0 0 0 2 )( o 5 6 )( 0 5 6 4 )( o 0 0 0 )( o 4 4 4 )( o o o o o )( o 1 6 7 ) 商业与专业 3 3 2 1 7o 8 6 7 70 0 0 8 3。o 0 6 5 50 1 9 9 80 0 0 0 6o 0 0 0 6o 0 1 7 7 服务( 0 0 0 9 )( o 0 0 0 0 )( o 1 2 8 )( 0 2 2 8 )( o 1 1 1 )( o 9 2 3 )( 0 0 4 6 )( o 2 7 9 ) 9 6 8 7 2o 5 8 1 6o 0 0 0 00 0 5 2 60 3 0 l0 0 0 7 9o 0 0 0 50 0 0 1 4 运输 ( o 0 0 0 )( 0 0 0 0 0 )( o 6 7 8 )( 0 4 8 3 )( o 0 0 0 )( o o 0 0 0 ) ( 0 0 0 0 0 )( 0 0 9 4 ) 汽车与汽车6 6 4 1 9o 7 2 30 0 0 0 0o 0 1 4 lo 4 2 6 40 0 1 2 lo 0 0 0 90 0 1 7 6 零部件( o 0 0 0 0 )( o 0 0 0 0 )【o 1 6 5 )( o 0 0 0 0 ) ( 0 o 0 0 0 ) ( o o o o o ) ( o o o o o )( o 0 0 0 0 ) 耐用消费品 6 1 4 3 60 7 3 80 0 0 0 40 0 8 4 8o 4 9 4 50 0 1 7 40 0 0 0 20 0 1 7 8 与服装( o 0 0 0 0 )( 0 0 0 0 0 )( o 5 8 8 )( 0 2 8 7 )( 0 0 0 0 0 )( 0 0 0 0 0 )( o o 0 0 0 )( 0 o 0 0 0 ) 9 6 9 9 80 5 7 6 80 o 0 0 6o 0 0 10 2 5 6 2o 0 0 4 40 0 0 0 60 0 0 7 5 消费者服务i i ( o 0 0 0 0 )( 0 0 0 0 0 )( o 4 5 7 )( o 8 8 3 )( o 0 0 0 0 )( o 1 2 2 ) ( o 0 0 8 )( 0 0 5 6 ) 5 9 3 9 8o 7 5 8 lo 0 0 5 60 _ 4 5 3 7o 5 2 1 9o 0 1 7 4o 0 0 0 50 0 2 8 2 媒体l i ( o 0 0 0 0 )( o 0 0 0 0 )( 0 2 5 6 )( 0 0 0 0 0 ) ( 0 0 0 0 0 )( o 0 1 6 )( 0 1 0 8 )( 0 0 1 5 ) 6 0 9 3 90 7 4 6 5 o 0 0 4 l0 0 0 5 30 5 0 2o 0 1 4 8o 0 0 1 3o 0 0 7 3 零售业 ( o 0 0 0 0 )( 0 0 0 0 0 )( o 0 0 2 )( 0 9 0 3 )( o 0 0 0 0 )( 0 o 0 0 0 )( o 0 0 0 0 )( o o o o o ) 食品与主要8 8 0 4 7 0 6 2 4 6o 0 0 0 00 0 0 1 2o 7 4 7 3o 0 2 8 5o 0 0 0 7o 0 2 3 3 用品零售i i( o 肿o o )( o 0 0 0 0 )( o 4 4 8 )( 0 o 0 0 0 )( 0 0 0 0 0 )( 0 0 0 0 0 )( o 0 0 0 0 )( o o 0 0 0 ) 制药、生物科6 3 4 0 8o 7 4 4 5 0 0 0 l lo 0 4 6 9o 3 2 9 lo 0 0 8 lo o 0 0 20 0 18 9 技与生命科学 ( 0 0 0 0 0 )( o 0 0 0 0 )( 0 4 4 6 )( 0 4 6 5 )( o 0 0 0 0 )( o o o o o )( o 0 0 0 0 )( 0 0 0 0 0 ) 7 9 1 1 20 6 6 0 7o 0 0 0 0o o o o o0 3 4 0 7o 0 0 9 8o 0 0 0 6o 0 4 0 8 房地产 ( 0 0 0 0 0 )( 0 0 0 0 0 )( 0 1 8 2 )( 0 8 6 5 )( 0 0 0 0 0 )( o 0 0 0 0 )( 0 0 0 0 0 )( 0 o o o o ) 6 3 3 7 90 7 3 8 5o o 0 0 40 0 1 9 8o 3 2 1 3 o 0 0 7 2o 0 0 0 00 0 2 9 8 软件与服务 ( o o o o o )( o 0 0 0 0 )( o 4 2 3 )( o _ 3 4 8 )( o o o o o )( o 0 6 7 )( o 1 8 6 )( 0 0 4 2 ) 技术硬件7 7 3 1 30 6 6 8 3o 0 0 0 1 0 0 3 2 4o 4 6 8 lo 0 1 2 80 o 0 0 30 0 0 5 1 与设备( o o o o o )( 0 o o o o ) ( o 5 3 6 )( o 0 0 2 )( o o o o o )( 0 0 0 1 )( o 0 0 0 0 )( o 6 2 3 ) 半导体与半导 7 7 6 3 80 6 7 0 2o 0 0 1 6o 0 8 4 20 4 2 0 50 0 1 2 80 0 0 0 00 0 2 5 体生产设备( 0 0 0 0 0 )( o o o o o )( 0 1 4 3 )( o 6 1 7 )( 0 0 0 1 )( 0 0 4 9 )( o 2 0 1 )( 0 0 7 9 ) 5 4 0 9 3o 7 7 0 l0 o 0 0 60 0 3 4 6o 5 6 2 l0 0 1 7 7o 0 0 1 6o 0 1 5 9 公用事业i i ( 0 0 0 0 0 )( o 0 0 0 0 )( 0 5 7 ) ( o 4 0 2 )( 0 o 0 0 0 )( 0 0 0 0 0 )( o 0 0 0 0 )( 0 0 0 0 0 ) 注：括号内数值为估计参数的p 值，”、”及分别表示在l 、5 和1 0 的显著性水平上显著。根据h u s m 锄 检验结果，模型估计采用的是固定效应模型。 表2 估计结果显示，资产市场价值模型中，本文所选取的1 7 个行业的上市场公司总资 产对其资产市场价值均具有正向影响，且估计参数均在1 的显著性水平下通过检验，可以 得出总资产规模是资产市场价值决定变量的结论。公司资产规模越大，获利能力越强、现金 流越充裕，公司股权的市场价值越大，因此，资产的市场价值也越大。从估计参数来看，息 税折旧及摊销前利润占总资产比例( e b i t d a 傩) 对资产市场价值的影响在部分行业为正 值，在部分行业为负值，除能源和零售业的估计参数显著外，其他行业的估计系数都不显著， 表明该变量不是决定资产市场价值的重要变量。另外，经营活动产生现金流净额与营业收入 比率( n c f o r ) 与e b i t d a 厂r a 的估计结果类似，在部分行业为正值，在部分行业为负值， 表现出行业差异。 从资产市场价值波动率模型估计结果来看，以营业收入作为公司规模代理变量的估计 2 7 2 基于k m v 模型的非上市公司信用风险测度研究 系数均为负值，除资本货物与商业和专业服务两个行业外，其他行业的估计系数至少在l o 的显著性水平下能通过检验，表明公司规模越大，资产市场价值的波动越小。资产负债率对 资产市场价值波动率的影响为负，检验了负债水平对企业风险偏好的影响。贷款率偏高的公 司，会出于风险控制的考虑和信贷条款的约束，降低风险较高的投资比例，使得公司价值波 动率与资产负债率负相关。流动资产周转率对资产市场价值波动率的影响为正，表明流动资 产周转越快，由于流动资产引起的资金波动越频繁，相应地资产市场价值的波动越大。 在对非上市公司信用风险或发债主体为非上市公司的信用风险计量时，可参照表3 ，根 据公司所属行业，运用相关财务数据指标及表格中对应的行业资产市场价值和波动率模型的 估计参数，估算公司的资产市场价值和波动率，即而运用l v 模型计算其预期违约概率。 ( 五) 非上市公司信用风险测度方法应用 为检验本文所构造的基于k m v 模型的回归替代法在非上市公司信用风险测度方面的 实用性，本文选取了发债主体属于能源行业且为非上市公司的5 只债券，运用表3 中的估计 参数计算各发债主体的信用风险，并与行业替代法进行比较。 表4 样本债券基本信息 债券代码债券简称发债主体起息日期期限评级 0 9 8 2 0 5 7 0 9 淮南矿m t n l淮南矿业( 集团) 有限责任公司 2 0 0 9 0 4 2 45 年a 从 1 1 8 2 2 1 8 1 1 伊泰m t n l内蒙古伊泰集团有限公司 2 0 l i 0 8 1 1 5 年 从+ 1 1 8 2 3 0 7 儿晋焦煤m t ) j l山西焦煤集团有限责任公司 2 0 1 1 1 i 0 75 年a 从 1 1 8 2 2 8 8 1 1 晋煤m t n l山西晋城无烟煤矿业集团有限责任公司 2 0 l l 1 0 2 65 年a 从 0 41 1 6 2 0 0 5 l l 川恒鼎c p 0 0 l 四川恒鼎实业有限公司 2 0 1 i 0 9 0 81 年a 一1 为了估计5 只债券发行公司的资产市场价值及其波动率，从w i n d 数据库采集了公司 2 0 1 1 年第三季度的相关财务数据，包括公司总资产规模( t a ) 、息税折旧及摊销前利润占总 资产比例( e b i t d a 厂r a ) 、经营活动产生现金流净额与营业收入比率( n c f 旧r ) 、营业收入 ( o r ) 、资产负债率( d t a r ) 、流动资产周转率( a t r ) ，根据表3 估计参数，对各公司的 资产市场价值及其波动率进行了估计，然后运用m a t l a b 程序对其违约距离及预期违约率进 行测度，结果如表5 所示。 表5 非上市发债主体信用风险测度结果 债券代码股权价值资产市场价值资产市场价值波动率违约距离预期违约率 0 9 8 2 0 5 7 6 6 ，4 5 9 ，0 3 9 ，4 3 5 7 6 l2 3 ，6 4 9 ，7 5 6 ，4 8 2 5l0 3 02 3 80 0 0 0 6 0 l 1 1 8 2 2 1 8 3 9 ，2l5 ，7 0 4 ，9 0 8 1 45 3 ，l3 5 ，4 21 ，3 3 9 4 0 0 3 93 2 00 0 0 3 2 5 9 1 1 8 2 3 0 7 7 9 ，0 6 6 ，3 3 6 ，1 7 9 5 51 4 6 ，8 8 3 ，5 9 9 ，4 7 4 “ 0 3 02 4 50 0 0 0 5 2 8 1 1 8 2 2 8 8 7 0 ，1 6 l ，6 0 2 ，8 l o 3 2 12 9 ，0 8 0 ，3 8 4 ，8 4 3 2 20 3 l2 3 80 0 0 0 2 7l 0 4 l1 6 2 0 0 5 7 ，6 1 7 ，4 9 6 ，3 8 0 0 51 4 ，8 0 7 ，8 4 5 ，0 9 6 2l o 2 8 2 4 30 0 0 4 5 5 4 采用回归替代法得到的结果显示，各公司的违约概率存在较大差异，对比信用评级来 看，可以发现评级为a a a 级的公司，违约概率明显低于其他公司，回归替代法能较精确的 测度出各发债主体的违约概率，使得金融机构可以采取有效的风险管理措施。若采用行业替 代法，则采用能源行业上市公司平均违约率( 0 0 0 0 1 4 2 ) ，作为5 只债券发行主体预期违约 率的替代，忽略了各债券发行主体间的差异，使得信用风险的测度存在较大偏误，不利于金 融机构的信用风险管理。 2 7 3 基于k m