（金融学专业论文）经调整的EDF模型用于我国上市公司信贷风险揭示的实证分析.pdf

内容提要 响应新巴塞尔资本协议对信用风险的内部评级的要求，我国商业银行和学者 已经开始研究和借鉴西方银行成功用于信用风险定量估计的e d f 模型。历史研究 对如何进行模型修正、使之更适合中国市场提出了很多理论，但较少利用市场数 据对修正后的模型进行检验。本文利用前人的研究成果，根据我国的实际情况对 计算方法和参数的选取做了修正，采用6 个样本公司2 0 0 0 2 0 0 5 年的股权市场数 据和财务数据，利用理论值与实际风险水平相对照和显著性分析两种办法，对调 整后的模型对于上市公司的信用风险揭示水作实证分析。以期为进一步研究模型 在中国市场的适用性和模型修正提供一定的理论和现实依据。 本文研究的主要结论有： 首先，调整后的e d f 模型能有效的区分正常风险公司和高风险公司，并能对 单个公司作出基本符合实际情况的信用风险揭示。 其次，模型不适用于已经处于高风险期的上市公司的信用风险计量，将给出 偏低的估计结果。 文章的最后，在理论分析和实证分析的基础上，结合我国商业银行实际情况， 提出了更好的借鉴e d f 模型进行风险定量计量、为实施内部评级法打好基础的若 干建议。 主题词：e d f 模型；信贷风险；违约概率 a b s t r a c t r e s p o n d i n gt ot h eb a s e li ii r ba p p r o a c h e s ，c o m m e r c i a lb a n k sa n ds c h o l a r sh a v e m a d er e s e a r c ho nt h eq u a n t i t a t i v em o d e lt oe v a l u a t ec r e d i tr i s k m ee d fm o d e l t h e r ea r es o m ep a p e r sf o c u s e do nt h e o r e t i cm o d e lr e v i s i n gb u tf e wt e s t e dt h er e v i s e d m o d e l sw i t hc h i n e s em a r k e td a t a t h i st h e s i si sb a s e do nt h ep r e v i o u sr e s e a r c hr e s u l t s o fo t h e r s w em o d i f ys o m eo ft h ee q u a t i o n sa n dc h o o s ea p p r o p r i a t ei n d i c e sw h i c ha r e r e v i s e da c c o r d i n gt ot h er e a lc i r c u m s t a n c eo fc h i n at ov a l i d a t et h ep o w e ra n dl e v e lo f k m v se d fc r e d i tm e a s u r em o d e li nc h i n am a r k e t t h ea i mo ft h ep a p e ri st o p r o v i d et h et h e o r e t i c a lf o u n d a t i o nf o rf u r t h e rr e s e a r c ho nf e a s i b i l i t ya n ds c i e n t i f i c r e v i s i n go f t h em o d e l a n df o ra p p l y i n gi ti nt h ef u t u r e t h em a i nc o n c l u s i o n so f t h i st h e ：s i sa r ea sf o l l o w s ： f i r s t l y i tr e v e a l st h er e v i s e dm o d e lc a nd i f f e r e n t i a t ec o r p o r a t i o n sw i t l ln o r m a lc r e d i t r i s k sa n dh i g hc r e d i tr i s k s i tc a na l s od e s c r i b et h ec r e d i tr i s ko fs i n g l ec o r p o r a t i o n w e l la n dt r u l y s e c o n d l y t h er e v i s e dm o d e ld o e s n tt e l lt h et r u t ho ft h ec r e d i tr i s ko fac o r p o r a t i o n h a v i n gb e e ni nt h ep h a s eo f h i g lc r e d i tr i s k s ，s h o w i n ga nu n d e r e s t i m a t e dv a l u e i nt h el a s tp a r t ，o nt h eb a s i so f t h e o r e t i c a lr e s e a r c ha n de m p i r i c a lr e s e a r c h ，w ec o m et o s o m em e a s u r e so nh o ww ec a l lm a k eb e t t e ru s eo ft h ee d fm o d e it om e a s l l r ec r e d i t r i s k sa n dt om e e tt h er e q u i r e m e n to f t h eb a s e li ii r b a p p r o a c h e s k e y w o r d s ：e d fm o d e l ；c r e d i tr i s k s ；p r o b a b i l i t yo f d e f a u l t i i 一、导论 ( 一) 选题背景和意义 商业银行在运营过程中面临信用风险、市场风险和操作风险等。其中的信用风险是指借款 人因各种原因未能及时、足额偿还银行贷款而违约的可能性。发生违约时，银行因为未能得到 预期的利息收益或无法收回贷款本金而将承担财务上的损失。借款人的信用风险是由两方面的 原因造成的。经济运行的周期性：在处于经济扩张期时，信用风险降低，因为较强的赢利能 力使总体违约率降低。在处于经济紧缩期时，信用风险增加，因为赢利情况总体恶化，借款人 因各种原因不能及时足额还款的可能性增加。对于公司经营有影响的特殊事件的发生：这种 特殊事件发生与经济运行周期无关，但对公司经营有重要的影响。例如：产品遭遇质量诉讼等。 信贷客户信用风险的计量对于商业银行具有重要意义。它不仅是商业银行进行信贷审批、 信贷条件确定的基础，还是商业银行资本充足率计算中不可缺少的一个因素。新巴塞尔资本协 议中最引人注目的一大突破就是信用风险计量的内部评级法。它是计算构成资本充足率公式分 母中的信用风险加权资产部分所采取的一种计量方法。操作方法是在满足监管当局的一系列监 管标准的前提下，对每个客户的资信情况进行评估，并将结果转换为对未来潜在损失的估计值， 以此构成确定最低银行资本要求的基础。利用内部评级法计算信用风险资本金需要一系列过程： 首先银行必须将账面上的信用风险暴露归为六类，每一类风险暴露的处理都必须满足三个方面 的要求：风险囚素、风险权重函数及相应的最低监管标准。其中风险因素是指借款人违约概率 ( p d ) 、违约损失率( l g d ) 、违约风险暴露( e a d ) 及风险暴露的有效期限( m ) 四个因素。对于每类 风险，其四个风险因素通过相应的风险权重函数转为风险权重，最后用风险权重与对应的违约 风险暴露( e a d ) 相乘便得到每类风险的加权资产，各类信用风险加权资产相累加便得出了资本 充足率公式中需要的信用风险加权资产值1 。 以上四个风险因素中，借款人违约概率p d 这个因素的计量尤为重要，无论是在新资本协议 制定的初级内部评级法还是高级内部评级法中，这个因数都需要由银行自己来确定。 国际上，测量上市公司信贷客户的违约概率有两种方法。一种方法是根据该公司的外部信 用评级来判定，即专业的信用评级公司利用被评级公司的公开财务状况和历史状况对公司信用 状况做出分析。例如，穆迪公司对企业的信用评级即被广为公认。该公司对公司信用进行从a a a 沈沛龙任若思“新巴塞尔协议资本充足率计算方法剖析，”金融研究，2 0 0 2 年，第0 期。 到c c c 信用等级的划分。a a a 为信用等级最高，意味着最不可能违约。c a ：c 为信用等级最低，意味 着晟有可能违约。根据评级机构的历史数据库可以由信用等级映射出相应的违约概率。 另外，响应新资本协议的号召，两方银行已经开始开发专门用于计算借款人违约概率的模 型。模型化的信用评价法，即在银行历史数据库基础上，应用统计分析模型生成系统参数，准确 计算出信贷客户的违约率，在此基础上进行信贷审批和风险贴水确定、资本金计算等。 对于我国商业银行而言，目前利用外部评级方式获得信贷客户的信用状况并不现实。我国 信用评级行业虽然从2 0 世纪8 0 年代起便开始起步2 但经过其间增增减减，现在被监管部门认可 的评级机构数目并不多评级经验缺乏，整体上尚未达到国际认可的技术和管理标准。而且， 对上市公司的正式评级也是近两年才开始，所覆盖的企业范围较小，2 0 0 3 年国内已获得法定机 构评级的企业数目在银行客户总数中的占比仅为6 5 ，而美国为4 3 2 ，：欧洲为4 4 1 3 。此外， 从外部评级的敏感性看，我国外部评级机构的被动评级能力较弱，通常难以获得企业详实资料， 即便是获得的信息也相对滞后，滞后期平均6 个月以上，这就给信用风险的实时监控和准确评价 带来很大困难。 因此，我国银行目前更多的利用自身多年运营积累的客户资料、信贷历史记录对客户信用 状况进行分析。通过监督客户的交易账目、了解贷款的保证和抵押情况，以及在其他银行履约 情况等，做出风险识别。我国商业银行普遍采用“打分法”，即通过主观建立的财务指标和其它 定性指标，并通过专家判断或其它方法设定每一指标的权重，由评级人员根据事先确定的打分 表对每一个指标分别打分，再根据总分确定其对应的风险级别。这种方法比较简便易行，但评 级的基础有明显的时间滞后，不仅对市场的反映不够灵敏，而且缺乏对信贷客户未来现金流量 的分析和预测，同时也较少分析受评对象所处行业及在该行业的地位。打分方法中采用的相关 指标和权重的确定也缺乏一定的统计分析技术的支持，容易忽视影响受评对象偿还能力的各种 因素之间的相互关系。这种方法还不是新资本协议中的内部评级法。 相对而言，国际上一些大银行模型化的信用评级方法便弥补了单纯依靠外部评级和银行内 部定性评级的缺陷。如j p 摩根的c r e d i t m e t r i c s 模型、k m v 公司的e d f 模型、瑞士联合银行 的c r e d i t r i s k + 模型、麦肯锡公司的宏观模拟模型、k p m g 公司的信贷分析体系等4 ，都已经获 得了成功地运用。在这些模型中，由美国著名的信用风险管理和证券组合管理者k m v 公司开发 出的基于股票价格的信用风险模型受到重点关注，目前在全球5 0 多个国家得到了广泛应用5 。 2 “中国信用评级业的发展历程，”w 州c c n 8 6 c o m ，2 0 0 6 4 1 7 。 3 武剑，“中国实施巴塞尔新资本协议的战略构想，”海南金融，2 0 0 5 年第5 期。第2 页。 4 赵银祥、刘瑞霞，“新巴塞尔协议及国外商业银行内部讦级体系研究，”金融论坛，2 0 0 3 年第2 期第8 页。 5 薛锋，关伟、乔卓，“卜市公司信用风险度量的一种新方法k m v ”西北工业大学学报( 社会科学版) ， 2 0 0 3 年9 月，第1 页。 2 面对国际银行业信用风险管理定量化、模型化的趋势，我国虽然在实施新协议的几年内仍 将继续执行1 9 8 8 年的旧协议，但对于新协议的出台，国内银行业的态度基本上是一致的那 就是：未雨绸缪，积极应对。各商业银行都在发挥自身优势，积极准备。各银行都在开始研究 和接触国际上先进的定量模型。其中中国银行和上海银行便和k 公司进行了探讨，对引进k i v 公司开发的信用风险模型进行可行性分析。要看到的是，e d f 模型虽然在西方商业银行进行风险 计量上得到了验证，其假设前提和运用环境决定了这个模型并不能完全适用于我国商业银行。 因此，对该模型进行进一步研究、分析其原理、并探讨可以做出的一些模型修正，使该模型更 好的用于中国金融市场具有重要意义。 ( - - ) 文献回顾及简评 我国学者陆续对e d f 模型在我国的适用性方面做出了一些研究，即k m v 模型是否可以识别我 国存在的信用风险，其准确度、灵敏度是否很高、如何开发出更能反映我国宏观经济环境特点 和我国上市公司特征的关系函数等问题。研究主要分为两类：一类按照e d f 模型的基本框架并利 用国外研究的模型和关系函数，以我国上市公司为样本，对e d f 模型构架进行检验；有的以j 家 上市公司为样本( 张义强，2 0 0 3 ) 6 ，有的以多家上市公司为样本，并将其划分为不同的类别， 如划分为绩优股、绩差股和高科技股( 吴冲锋，2 0 0 2 ) 70 另一类则在修正模型的基础上，再用国 内的样本数据进行验证，以探求在我国的具体适用性。如2 0 0 2 年和2 0 0 3 年，韩立岩和郑承利8 分 别提出e d f 违约预测模型中固定违约点的缺陷，建议在e d f 模型基础上采用模糊随机方法对公司 违约预测进行探讨：在进步的研究中又将违约点模糊化，以模糊事件表示违约，从而修改确定 公司股权价值的期权公式，进一步得到违约概率预测，并通过案例分析表明他们提出的模糊方 法是可行的。2 0 0 3 年，鲁炜、赵恒衍和刘冀云9 在研究中利用中国股市的数据，利用固定增长模 型的f c f f ( 自由现金流量) 计算模型中的两个关键参数：公司资产价值和资产价值波动率，并利 用1 9 8 6 年广义条件异方差模型g a r c h ( 1 ，1 ) 计算另一个参数；股权价值波动率，最后用一个两参 数的w e b u l l 方程分别来描述资产波动率和股权价值波动率的关系函数。另外，针对模型中的股 权价值的估计，前人也给出了一些修正意见。因为模型仓d 建予西方经济市场，在那里上市公司 的所有股权均是可以上市流通的，因而它在计算股权价值时将股票的价格与股票总数直接相乘 即可确定。而由于我国特殊的国情造成了上市公司特殊的股权结构，不能简单将流通股数与非 6 张义强、杨星，“我国上市公司信用风险管理实证研究k m v 在信用评估中的作用，”经济论坛，2 0 0 3 年7 月。 7 程鹏、吴冲锋，“上市公司信用状况分析新方法，”系统下程理论方法应用，2 0 0 2 年第2 期，第8 9 9 3 页。 。韩立岩、郑承利“基于模糊随机方法的公司违约风险预测研究，”金融研究，2 0 0 3 年第8 期，第4 8 5 3 页。 9 鲁炜、赵恒衍、方兆本、刘冀云，“k m v 模型在公司价值评估中的应用，”管理科学2 0 0 3 年第3 期 第3 0 3 3 页。 流通股数简单相加来确定总股数。因此我国学者研究了多种不同的方法来解决非流通股的折算 问题。鲁炜、赵恒衍等人( 2 0 0 3 ) ”提出采用加权的方法，即股权= 股价x 流通股股数+ 股权的帐面 价值x ( 总股数一流通股股数) 总股本：张义强( 2 0 0 3 ) “则提出了资本公积杠杆概念，即初始非流 通发起人股数x 发起人认购价格( 公开发行价格) x 发起人资本公积杠杆= 经调整可以加入流通的 股数。 现有研究侧重通过原有模型结构的分析提出理论上的修正方案，在上市公司资产市值和资 产市值波动率计算方程方面研究出了一些新的函数关系，但是在大部分研究中仅使用了一个样 本对新建立的函数关系进行了验证，目前并没有广泛的实证研究证明调整后的函数关系是普遍 有效的，因此还需要利用我国市场上的上市公司样本对调整后的e d f 模型的风险揭示能力进行 进一步的研究和论证。 ( 三) 本文研究内容及目标 本文拟对e d f 模型的设计原理、基本架构和模型优点进行介绍，并在现有研究的基础上， 采用部分对模型进行修正的建议，对模型中的输入参数公司资产市值及资产市值波动率、 股权市值、股权市值波动率的计量口径、计算方法进行修正和重定义，然后选取具有不同风险 程度的上市公司样本组的六年财务信息、股权市场信息代入修正后的模型，以输出结果违 约距离表征样本组公司的信用风险程度，通过e x c e l 图标直观地观察样本组之间及样本组内部 的风险区别，并对两个样本组的违约距离进行秩和检验，通过s p s s 软件输出的统计结果分析两 组样本违约距离的差异性，从而验证修正后的模型对单个上市公司风险的揭示程度和对不同风 险公司的整体识别能力。本文最后在实证分析基础上对我国商业银行如何更好的借鉴e d f 模型 来进行上市公司信贷客户风险评估提出了一些建议。希望为以后的研究者在模型适用性和模型 修正方面进行进一步研究提供一些借鉴。 ”鲁炜、赵恒衍、方兆本、刘冀云，“k m v 模型在公司价值评估中的应用”管理科学，2 0 0 3 年第3 期 第3 0 3 3 页 ”张义强、杨星，“我国上市公司信用风险管理实证研究k m v 在信用评估中的作用，”经济论坛，2 0 0 3 年7 月。 4 二、e d f 模型理论介绍 ( 一) 模型设计原理 e d f ( e s t i m a t e dd e f a u l tf r e q u e n c y ) 模型由一家位于旧金山的信用评级公司k m v 公司设计 的，专门用于计算新资木协议中的四个信用风险因素之违约概率p d 。该模型在计算时同时 利用了反映受评公司历史情况的财务数据和反映公司未来发展趋势的市场数据，克服了之前的 量化模型的缺陷，已经被证明能够对所有股权公开交易的公司的违约可能性做出较好预测。 e d f 模型建立在期权理论分析的基础之上。模型认为：在贷款到期时，借款公司在利息贴 现基础上需向银行偿还数额为x 的贷款，此时借款公司资产的市场价值为v 一。在风险贷款到 期e ，如果v 。 x ，则借款公司愿意偿还贷款x ，因为公司如果有能力偿还贷款选择违约的话， 公司股东将会因此丧失对公司的所有权和经营权。这显然不符合股东的利益；如果v 一 x ，借 款公司丧失偿还贷款的能力，将会选择违约。因此，银行向客户提供借贷，相当于卖出了一份 股票看跌期权，v 。相当于股票的价格s ，x 相当于期权的执行价格x ，当股票的价格( 公司市 价) 大于执行价格( 债务额) ，期权买方( 借贷公司) 不执行期权，期权卖方( 银行) 获得期权 费( 债务本息) 。当股票的价格( 公司市价) 小于执行价格( 债务额) ，期权买方( 借贷公司) 执行期权，期权卖方( 银行) 的损失为公司资产与债务的差额。银行在借贷行为下的报酬状况 和看跌期权的卖方收益状况类似“。( 见图1 ) 报_ o x 、 强亍御两 图1 银行借贷行为下的报酬 v j ”柴俊武、万迪畴，“公司信用风险的期权定价模型，”西安交通大学学报( 社会科学版) ，2 0 0 4 年第1 期 第3 - 4 页。 ( 二) 模型结构 模型晟终输出的风险指示参数为预期违约频率e d f 。度量被授信公司e d f 需要以下四个步 骤”： 第一步，根据公司股本的市场价值、其波动率和公司负债的账面价值之间的关系函数计算 出公司资产的市场价值及其波动率。 第二步，确定公司的违约点d p ( d e f a u re x e r c i s ep o i n t ) 。k m v 公司根据大最违约现象的实 证分析，发现违约发生最频繁的临界点为公司价值等于流动负债加5 0 的长期负债。 第三步，根据公司资产的市场价值、其波动率和d p 构建出一个度量指标一违约距离 d d ( d i s m n c e t od e f a u j t ) 。 第四步，由计算出的d d 值映射出预期违约率e d f 值，也即内部评级法中要求的风险因素 违约概率p d 。 ( 三) e d f 模型的计量优点 e d f 基础模型的输入参数为研究公司的股权市值及波动率、债务账面金额，这些数据对于 模型的主要适用对象上市公司而言容易获取。股权市值和波动率不断变化，相应能得出动 态的e d f 数值。股权市值本身包含市场和投资者对公司的预期，因此计算出的e d f 值不仪是 对公司以往信用状况的衡量，还包含了对公司未来信用状况的预期。另外，e d f 模型4 i 要求市 场有效性，困此不光适用于拥有成熟股票市场的西方国家银行，对于股市弱有效性的发展中国 家银行同样具有很强的可借鉴性。 ( 四) 西方商业银行e d f 模型应用经验 全球最大的1 0 0 家金融机构中，超过8 0 * , 6 是e d f 模型的设计者一穆迪k 6 i v 公司的长期客户”， 接受k m ，公司提供的信贷风险防控方案服务。尽管并非所有银行都直接采用k m 、，公司的信贷模型， 但很多银行进行信贷风险分析时均借鉴t e d f 模型的设计原理和结构。风险管理技术水平在世界 范围内居于领先地位的三家银行：美洲银行、花旗银行和瑞士银行，其内部评价模型属于自己 开发，但均借鉴t e d f 模型的部分技术，这些模型的基本结构完全相同，仅仅在计量参数上体现 区别”。国际先进商业银行将这些信用风险评价模型应用于贷款定价、信贷授权、信贷审批、构 ”m o d e lj nd e f a u l t r i s k ? k m vc o r p o r a t i o n ，2 0 0 2 。 “借鉴世界先进银行经验、提升中国商业银行风险管理能力，”中国金融，2 0 0 5 年第1 7 期，第2 3 页。 ”赵银祥、刘瑞霞，“新巴塞尔协议及国外商业银行内部评级体系研究，”金融论坛，2 0 0 3 年2 期68 页。 6 建信贷组合产品和进行风险绩效考核等。 三、模型风险揭示能力的实证分析 从2 0 0 2 年起，我国学者认识到k m v 模型对信用风险量化度量的突出作用，积极将该模型 引入我国，在对模型进行调整，以使其更加适用于我国环境方面做出了不少研究，并己经取得 了一定的进展。各学派均侧重从某一方面对模型进行改进，本文针对这种情况，将在现有研究 基础上对模型进行综合性调整，并检验综合调整后的模型对我国上市公司信用风险的揭示程度。 ( 一) 经调整的e d f 模型 1 计算公式及步骤 ( 1 ) 计算e d f 的第一步中，模型的计算方程建议在b l a c k - s c o l e s 的期权定价公式基础上，但 k m v 公司作为商业机密并未公布其具体计算公式，上文中列出的模型不易计算，因此，考虑到 模型对于公司资产构成的基本假设：公司资产主要由公司股东权益与债务构成，本文便采用这 种方法计算公司资产市值这个参数：资产市值= 股权市值+ 总债务。 计算资产市值波动率时，考虑债务的总体波动不大，仅取股权市值的波动率( 标准差数值) 为 替代值。 ( 2 ) 计算e d f 的第一步，采用k m v 公司的经验方法，将违约点设定为流动负债+ 5 0 长期负 债。 ( 3 ) 第三步违约距离d d 的计算公式如下“： d d ：v - d p 呢巳 ( 4 ) 由d d 映射到e d f 的过程，需要银行拥有一个数据较完备的数据库。基于违约数据库， 依据违约距离可以映射出公司实际的期望违约频率e d f 。由于我国当前还没有公开的违约数据 库可以使用，本文仅以违约距离d d 作为上市公司信用风险揭示指标。 6 m o d e li nd e f a u l tr i s k ”k m vc o r p o r a t i o n ，2 0 0 2 。 2 参数调整 ( 1 ) 公司股权市值：考虑到我国上市公司股票分为流通股和非流通股两种，非流通股价格 不能咀股市交易价格计，因此v a 的处理采用张玲、杨贞柿( 2 0 0 4 ) ”的方法上市公_ j 股权市 场价值= 流通股市场价值q e 流通股市场价值，流通股市场价值= 每年末日收盘价格 流通股 股数，非流通股市场价值= 每股净资产* q p 流通股股数。 ( 2 ) 公司股权市值波动率盯e ：采用贴合中国股市的g a r c h ( 1 ，1 ) 模型”计算。 ( 二) 样本选择 本文选用于上证交易所交易的若干公司作为研究样本，其中于2 0 0 5 年9 月份终止交易的公 司3 家( 终止交易时间基本一致) ，作为信用级别较低的样本组1 ；上证5 0 指数中选取3 家不 同行业公司作为信用级别良好的样本组2 。为了排除行业、资产规模对公司信用风险的影响，3 家指数公司的行业与资本规模与s t 样本组的公司相匹配，分别属于信息技术类、综合类和制 造业( 医药制造) 。选好样本公司后，节取各公司从2 0 0 0 年到2 0 0 5 年的股票价格、股本结构、 负债数据进行各年违约距离的计算。对求出的违约距离用e x c e l 进行处理，从图表上直观分 析调整后的模型对样本公司信用风险的揭示情况；并对两个样本组的违约距离差进行非参数独 立样本检验( m a n n w h i t n e yu 检验) ，分析用模型计算出的两个样本组的违约距离是否存在显 著差异，从而揭示本文所用模型对高、低信用级别公司的区分能力。 ”张玲、杨贞柿、陈收，“k m v 模型在上市公司信用风险评价中的应用研究，”系统工程，第2 2 卷第1 1 期， 2 0 0 4 年1 1 月。 ”鲁炜、赵恒衍、刘冀云，“k m v 模型关系函数推测及其在中国股市的验证”运筹与管理，第1 2 卷第3 期 2 0 0 3 年6 月。 ( 三) 检验结果 1 模型输出结果 图2 样本公司违约距离图 表1 秩和检验输出结果1 i lg r o u pnp i e a nr a n ks u mo f r a n k s i 违约距离1 63 6 7 2 2 0 0 l 2 69 3 35 6 0 0 l t o t a l 1 2 表2 秩和检验输出结果2 违约距离 m a n n w h i t n e yu1 0 0 0 w i l c o x o nw 2 2 0 0 0 z - 2 7 2 2 a s y m p s i g ( 2 - t a i l e d )0 0 6 e x a c ts i g - 2 + ( 1 一t a i l e d s i g ) 0 0 4 ( a ) an o tc o r r e c t e df o rt i e s b g r o u p i n gv a r i a b l e ：g r o u p 2 模型对不同样本组之间的风险揭示 ( 1 ) 从数值上直接观察，样本l 的违约距离值艇体大于样本2 的值，说明e d f 模型能在整体上区 9 分高风险级别公司与其他信用风险级别较低的公司一 ( 2 ) 观察秩和检验输出结果，样本2 与样本l 的违约距离中值差在d = 0 u 5 的显著水、l 下统计显 著说明在进行考察的6 年内，上h 7 5 0 样本公司的违约距离整体显著大干s t 公司。 3 模型对样本组内部单个公| 的风险揭示 ( 1 ) 样本l 中三个s t 公司的违约距离值整体上随年份趋近停止交易时间而减小，说明随着企业财 务状况的恶化相应的违约率也随之上升。但样本l 的3 只股票中，也存在哈慈股票旧违约距离变 化呈无规律状态的情况。样本2 的违约距离变动未呈现明显规律性，这与该样本t 1 1 公司节选自上 证5 0 指数，运营状况普遍良好有关系。 ( 2 ) 根据样本l 中的s t 哈慈公司数据，该公司在z 0 0 4 下半年股价已经开始接近停盘价，表明市 场对该公司运营状况态度很不乐观，相对麻，市场对其信用度的看法从该时起也已经小乐观。 但d d 值显示：从2 0 0 2 年中期起违约距离开始减小，茔1 1 2 0 0 3 年ir 降到最小，意味着一个较大的风 险程度，但从此时开始违约距离回升，意味着风险程度降低。违约距离的这种走势与公司实际 风险状况显现出不符的现象。分析其财务数据，发现该公司2 0 0 5 年仪上市交易了四个月，期间 市场观点基本一致，股价数据波动很小，因此计算出的股值标准差很小，造成叻数值偏大。因 此对于如样本l 类高风险公司接近停盘期间不适合用该模型进行风险验证。 四、结论和建议 ( - - ) 经调整的模型对上市公司信用风险的衡量程度 本文利用调整后e d f 模型对上市公司作了实证研究，发现对于模型能够区分正常风险公亩i 和高m 险公司对止常风险类公司给出正确信息。但e d f 模型在高风险公司接近违约事件的期 间里对公司信用状况做出判断时，给出了相反的结论造成这种情况的原因主要是，在e d f 模型 中有一个关键性的假设，即对于确定违约风险的所有相关信息，它全部包古于资产的预期价值、 违约点及资产的波动率等变量中，比如行_ k 、规模和市场状况等原凶而产生的差别均被似设已被 包含在这些变量中。而资产价值和资产的波动率又主要受股权市值及其波动率的影响。由于我 网股市的退市机制尚未健全、高风险公司壳资源的稀缺性。资产重组等各种操作使得股票价格存 高风险期反映出来的股权市值并不能体现其本身所拥有的内在价值。 高风险期反映出来的股权市值并不能体现其本身所拥有的内在价值。 ( 二) 计算方法的局限性 文中所用模型建立在e d f 模型的基础构架之上，同时将我国学者已经做出的部分模型调 整研j 宄成果综合起来，对e d f 模型的计算公式、参数进行了调整。相对原始模型，更适用于我 国环境，但是，仍然存在局限性： 1 计算受评公司资产市值和资产市值波动率的方法偏于简化，未能很好的体现e d f 模型 建立在期权理论基础上的特征。 2 根据我国股市发展不成熟的现状，模型输入参数中的公司财务信息、股价信息可能失 真，不能准确量化公司资产价值。 3 非流通股价值的计算采用了每股净资产的算法，虽然这是目前比较符合我国市场的算 法，但准确性仍有待考证。 4 限于工作量和篇幅，本文采用的样本量仍偏低，对于模型风险揭示能力的分析普遍性 不够。 尽管文章所用模型具有上述局限性，但因为样本公司的数据均来自同一环境，采用统一计 量口径和相同的计算方法，因此在对各上市公司进行相对风险评估方面具有很大的参考意义。 ( 三) 创造模型应用环境的举措建议 我国商业银行业和学者已经意识到e d f 模型用于对信用风险进行定量计量的作用，正积极 对该模型展开研究并取得了一定的进展，但是，要使该模型的基本构架在中国市场广泛适用， 还需采取进一步的举措，解决模型应用中的一些问题： 1 对模型进行进一步修正 首先，e d f 模型的一个假设前提是资产价值分布形态呈正态分布。而我国的资本市场是否 符合这个前提，这个问题直接关系着e d f 模型的基本架构在我国是否具有理论上的适用性问题。 其次，如果借鉴该模型，对求解e d f 模型中最关键的两个变量：资产市值和资产市值波动率时 所使用的两个方程还要进行进一步研究，从理论上选定最能适应中国市场特征的一种期权定价 模式，同时需要用广泛的实证研究证明该函数关系是普遍有效的。因此，在e d f 模型广泛推广 以前，尚有大量的理论研究工作要做。 2 完善样本数据的真实、准确性 e d f 模型直接应用上市公司的财务数据和股市数据为输入参数，通过计算对信用风险进行 评估，这就要求样本数据必须保持真实性、准确性和完整性。要达到这个目的，除了商业银行 注意收集信贷客户历史数据、扩大模型检验样本外，还需要我国资本市场进步发展完善，使 上市公司遵循信息披露原则，将财务数据准确及时地公开；使股市价格比较贴切的反映公司运 营状况和未来发展趋势。 3 建立大型违约数据库 违约数据的缺乏是我国在信用风险管理领域的一个重大缺陷。由于历史原因和行业习惯， 我国商业银行之间还未实现客户信用信息的共享，各家银行自己的客户信息库也因为客户呈报 的财务信息常常失真而小够准确。而本文讨论的e d f 模型需要用至少十年的违约数据来构建违 约距离d d 与最终输出指标预期违约率e d f 之间的函数映射关系。k m v 公司就是应用了 累积十五年的违约数据库来建立该映射关系，具体做法是将具有相同违约距离的公司数量与其 r i t 在一年以后实际发生违约的公司数量相除来确定该映射关系，这是一个需要时间积累才能完 成的过程。囚此，我【虱应立即着手在各家商业银行零散的信用库基础上建立集中的、大型的违 约数据库，为构建我国的违约距离与预期违约频率的映射关系奠定数据基础。 1 2 致谢 借此论文完稿之际，谨向我的指导老师蒋先玲教授表示衷心的感谢! 感谢蒋老 师，在学习研究方面给予我不倦指导，引领我涉猎货币政策、项目融资、风险管理 等不同的金融理论领域，传授我分析研究的技能方法，并在此过程中帮助我完成了 本文的选题。感谢蒋老师，她不仅在学业上诲人不倦，同时也在生活中给予我众多 关心、爱护和指导。正是在这位学术上治学严谨、生活中平易近人的导师引路下， 我得以顺利圆满地完成研究生学业。 同时，感谢我的其他老师和同学们，他们的指导、关心和帮助，让我度过了三 年充实而丰富的研究生生活。 在本文的撰写过程中，蒋老师对笔者进行了悉心指导，在每个环节严格要求， 针对内容和格式都提出了许多宝贵的建议，给予本文莫大的帮助，笔者从中受益匪 浅。 最后，要感谢论文评阅小组的老师们1 感谢他们认真评阅笔者的论文，并提出 宝贵的修改与完善建议。 附录 表1 样本股权数据 每股市价每股净资产 样本组年份 ( 元)流通股数非流通股数( 元) s t 信联 2 0 0 51 3 l5 4 3 0 5 3 8 6 1 2 3 ，2 0 0 ，0 0 0 11 3 7 2 0 0 41 35 4 3 0 5 3 8 6 1 2 3 ，2 0 0 ，0 0 0 0 9 4 9 2 0 0 33 2 55 4 3 0 5 3 8 6 1 2 3 ，2 0 0 ，0 0 0 0 0 4 2 0 0 29 1 55 4 3 0 5 3 8 6 1 2 3 ，2 0 0 ，0 0 0 2 0 9 2 0 0 i1 4 1 45 4 3 0 5 3 8 6 1 2 3 ，2 0 0 ，0 0 0 2 5 6 2 0 0 01 75 4 0 0 0 0 0 0 1 2 3 ，3 0 5 ，3 8 6 2 5 4 s t 数码 2 0 0 50 6 41 5 6 e + 0 8 1 3 5 ，2 0 6 ，7 6 0 一1 7 9 2 0 0 41 0 71 5 6 e + 0 8 1 3 5 ，2 0 6 ，7 6 0 1 5 9 2 0 0 33 8 91 5 6 e + 0 8 1 3 5 ，2 0 6 ，7 6 0 一l0 7 2 0 0 25 9 51 5 6 e + 0 8 1 3 5 。2 0 6 ，7 6 0 1 0 1 2 0 0 l7 81 5 6 e + 0 8 1 3 5 ，2 0 6 ，7 6 0 1 1 2 0 0 02 9 9 96 1 6 7 5 8 8 4 8 3 ，7 7 3 ，1 4 0 2 3 7 s t 哈慈 2 0 0 50 8 41 6 i e + 0 8 1 7 7 ，5 7 5 ，5 7 4 0 2 7 2 0 0 4 1 51 6 i e + 0 8 1 7 7 ，5 7 5 ，5 7 4 0 2 4 2 0 0 33 5 41 - 6 l e + 0 8 1 7 7 ，5 7 5 ，5 7 4 1 6 1 2 0 0 25 6 51 _ 6 1 e + 0 8 1 7 7 ，5 7 5 ，5 7 4 2 1 3 2 0 0 18 4 41 2 4 e + 0 8 1 7 7 ，6 7 5 ，5 7 4 2 7 4 2 0 0 0 1 2 0 61 2 4 e + 0 8 1 7 7 ，5 7 5 ，5 7 4 2 2 方正科技 2 0 0 53 29 7 e + 0 802 2 0 0 45 2 29 7 e + 0 801 6 5 2 0 0 38 5 14 8 5 e + 0 802 9 7 3 2 0 0 28 0 9 3 7 3 e + 0 8o1 8 6 2 0 0 11 2 4 43 7 3 e + 0 8 01 4 9 9 2 0 0 02 7 6 61 8 7 e + 0 8o2 4 9 张江高科 2 0 0 53 1 45 8 2 e + 0 8 6 3 3 ，1 8 3 ，4 1 22 1 6 2 0 0 46 4 34 3 l e + 0 8 7 8 4 ，1 9 8 ，1 9 4 20 6 2 0 0 36 4 54 3 l e + 0 8 7 8 4 ，1 9 8 ，1 9 4 2 0 1 2 0 0 28 53 3 2 e + 0 8 6 0 3 ，2 2 9 ，3 8 0 2 4 3 2 0 0 l1 3 8 21 6 6 e + 0 8 3 0 1 ，6 1 4 ，6 9 0 4 4 9 2 0 0 03 4 7 2 6 0 0 0 0 0 0 0 1 7 3 ，2 5 0 ，0 0 0 3 6 4 上海医药 2 0 0 53 9 12 8 6 e + 0 8 1 8 8 ，2 4 8 ，1 3 4 3 8 2 0 0 44 8 72 8 6 e + 0 8 1 8 8 ，2 4 8 ，1 3 4 3 4 6 2 0 0 36 8 92 8 6 e + 0 8 1 8 8 ，2 4 8 ，1 3 4 3 3 5 2 0 0 21 2 5 5l _ 9 l e + 0 8 1 2 5 ，4 9 8 ，7 5 6 4 7 2 2 0 0 ll z 8 61 9 i e + 0 8 1 2 5 ，4 9 8 ，7 5 6 4 5 7 2 0 0 02 0 7 51 2 7 e + 0 8 1 0 4 ，1 6 2 ，8 7 8 3 0 4 数据来源：上海证券交易所网站，v v w s s e c o m c n 1 4 表2 样本债务数据 样本组年份流动负债( 元) 长期债务( 元)总负债额( 元) s t 信联2 0 0 53 3 9 e + 0 8 0 3 3 9 e + 0 8 2 0 0 43 3 9 e + 0 8 0 3 3 9 e + 0 8 2 0 0 34 2 6 e + 0 80 4 2 6 e + 0 8 2 0 0 23 5 4 e + 0 8 03 5 4 e + 0 8 2 0 0 l6 2 2 e + 0 806 2 2 e + 0 8 2 0 0 02 1 8 e + 0 8 6 2 0 0 0 0 0 02 8 e + 0 8 s t 数码 2 0 0 59 5 5 e r 0 84 7 4 8 7 0 0 9 6 e + 0 8 2 0 0 48 8 7 e + 0 84 9 7 2 1 7 l8 9 2 e + 0 8 2 0 0 38 0 6 e + 0 81 5 0 0 0 0 0 08 2 i e + 0 8 2 0 0 27 3 3 e + 0 807 3 3 e + 0 8 2 0 0 l7 0 9 e + 0 8o7 0 9 e + 0 8 2 0 0 06 4 6 e + 0 8 6 8 0 0 0 0 0 6 5 2 e + 0 8 s t 哈慈 2 0 0 56 2 2 e + 0 82 7 0 0 0 0 6 2 3 e + 0 8 2 0 0 46 1 i e + 0 86 3 1 0 5 36 1 i e + 0 8 2 0 0 36 0 7 e + 0 8 6 3 1 0 5 3 6 0 7 e + 0 8 2 0 0 24 6 l e + 0 81 0 6 4 3 1 84 6 2 e + 0 8 2 0 0 14 0 9 e + 0 81 2 2 7 5 8 24 1 i e + 0 8 2 0 0 01 8 9 e + 0 85 4 3 2 0 5 41 9 5 e + 0 8 方正科技 2 0 0 51 7 e + 0 9 4 7 6 6 1 8 5 91 7 4 e + 0 9 2 0 0 41 5 6 e + 0 91 7 3 8 1 1 8 2l5 8 e + 0 9 2 0 0 3l _ 5 6 e m 91 7 3 8 1 1 8 2 1 5 8 e + 0 9 2 0 0 21 2 8 e + 0 91 2 2 9 0 2 2 91 2 9 e + 0 9 2 0 0 f3 e + 0 89 3 9 0 0 7 5 3 0 9 e + 0 8 2 0 0 04 1 5 e + 0 804 1 5 e + 0 8 张江高科 2 0 0 5 7 1 7 e + 0 83 5 5 3 8 0 57 2 i e + 0 8 2 0 0 41 8 7 e + 0 85 8 1 8 1 0 1i 9 3 e + 0 8 2 0 0 3 1 8 7 e + 0 85 8 1 8 1 0 li 9 3 e + 0 8 2 0 0 24 9 9 e + 0 82 8 6 e + 0 87 8 5 e + 0 8 2 0 0 l 1 2 e + 0 85 0 4 e + 0 86 2 4 e + 0 8 2 0 0 03 3 4 e + 0 82 2 3 e