KMV模型运用于中国上市公司财务困境预警的实证检验
基于KMV模型我国上市公司信用风险测度实证分析
基于KMV模型我国上市公司信用风险测度实证分析基于KMV模型我国上市公司信用风险测度实证分析近年来，随着我国资本市场的不断发展，上市公司的信用风险成为了重要的研究方向。
有效测度上市公司的信用风险对于金融机构和投资者具有重要意义。
本文基于KMV模型，通过对我国上市公司的实证分析，探讨了其在信用风险测度中的应用和不足之处。
首先，我们回顾了KMV模型的基本原理。
KMV模型是一种流行的结构性模型，通过衡量公司的资本结构、资产负债率、波动率等关键因素来估计公司的违约概率。
其基本公式为违约距离（Distance to Default，DD）= ln(资产价值/债务价值) / 标准差。
通过计算违约距离，我们可以得到上市公司的违约概率，并进一步测度其信用风险。
接着，我们利用KMV模型进行了我国上市公司信用风险的实证分析。
我们选取了2018年度财务数据作为样本，计算了一批在上交所和深交所上市的公司的违约距离。
我们发现，根据KMV模型计算的违约距离，大部分公司的违约概率较低，说明其信用风险相对较小。
然而，仍有少数公司的违约概率较高，这些公司是上市公司信用风险值得关注的对象。
此外，我们还发现，在行业之间存在一定的信用风险差异，一些行业的上市公司信用风险较高。
接下来，我们分析了KMV模型在我国上市公司信用风险测度中的不足之处。
首先，KMV模型基于违约距离的测度方法对数据的敏感性较高，数据质量的问题可能会导致结果的误差。
其次，模型没有考虑到宏观经济环境的变化对公司违约概率的影响，这可能限制了模型的准确性和适用性。
此外，模型的参数估计也具有一定的主观性，不同的参数估计可能会导致不同的信用风险测度结果。
最后，我们提出了一些建议来改进KMV模型在我国上市公司信用风险测度中的应用。
首先，我们应该加强对财务数据的核查和质量管理，确保数据的准确性和可靠性。
其次，我们可以结合宏观经济因素，如利率、失业率等，来进一步完善模型，以更好地反映公司的信用风险。
KMV模型在我国上市公司信用风险评级中的应用
ｏＥ－（ ） － 口Ａ ｇ （ ３ ） 得到了资产市值和 资产市值的波动性 后，根据公式（） １可以算出违约距离 Ｄ Ｄ。 确定违约距离 ＤＤ与违约率 Ｅ ＤＦ之间 的 映射 关 系 ： 用具 有 不 同违 约 距离 值 公 司的 违约数据库将违约距离按比例对应于预期违 约概率来确定 Ｅ Ｆ Ｄ 。ＫＭＶ公司选取一定时 期， 将违 约距 离 和预 期违 约率 两 者之 间 的关 系映射起来。对于每一时段 ， 基于一个大量 的包括有违约公司样本的历史数据库， 把违 约数据拟合成一条平滑曲线来表示违约距离 函 数 ， 以此来 估 计 Ｅ Ｆ值 的大 小 。 Ｄ
ＫＭＶ模型在我 国上市公 司
信 用风 险评 级 中的应 用
陈莎莎 黄 Ｄｔ 章摘要】
本文主要介 绍 了Ｋ Ｖ 型以及其在 Ｍ模 我国上市公 司信 用风险评 级中的优势 与 劣势 ， 并提 出相 关建 议 论 分析 了Ｋ Ｖ 讨 Ｍ
模 型 在 我 国资 本 市 场 的适 用性 。
Ｅ ｈＡ， Ａ，， ｒ ＝ （ ｏ ｒＢ， ） （ ２ ）
【 关键词】 Ｋ Ｖ 型 ；信用风 险；上 市公 司 Ｍ 模 自商业银行产生 ， 风险就与之相伴 、 形 影不离。 传统的信用风险度方法以及现行的 Ｂ ｓｌ ａ ｅ 资本协议已经无法满足人们的需要。 因此近年来 ， 商业银行风险管理的内涵和理 念深化 ， 水平也提高 ， 现代信用风险量化管 理模 型在 国际 金融界得 到 了很高 的重视 和相 当大 的发 展 。 现代信用风险量化管理模型包括 Ｋ ＭＶ 模型、Ｃ ｅ ｉ ｔｉ 模型 、麦肯锡模型等。 ｒｄｔ ｒ ｓ ｍｅ ｃ 巴塞尔银行监管委员会在 ２０ 年通过的 巴 ０４ 塞尔新资本协议） ） 提倡使用内部评级法管理 信用风险，并推荐使用 Ｋ ＭＶ模型进行内部 评 级 。 是 由于 Ｋ 但 ＭＶ模 型是 基于 国 外的 经 济状况建立的， Ｋ ＭＶ模型是否能在我国的 商业银行信用风险评级 中很好地发挥其效用 还有待论证 。为了评定 Ｋ ＭＶ模型对我国上 市公司信用风险的评估能力 ， 本文将对该模 型 在 我 国的 应 用进行 初 步 的探 讨 。
改进的KMV模型在我国上市公司信用风险度量中的应用_张能福
论, 即发现违约发生最频繁的临界点处于公司价值 大约等于流动负债加长期负债一半的时候。
然而, 这是基于美国公司的信用状况和财务结构
得出的结论。我国的经济政策和市场环境与美国存
在很大的不同, 同时上市公司的信用情况和财务结构 也都有自身的特殊性。因此, 直接套用原 KMV 模型 中的违约点来评价我国上市公司的信用状况, 其准确 性还有待于证明。考虑到我国大多数银行开展内部
破产, 通过其实际违约概率来衡量任意具有同样违
约距离的公司的一定时期后的违约概率。由于我
国历史数据的积累工作滞后, 确定违约距离和实际
违约频率之间的映射仍然无法实现, 而直接运用国 外的对应结果, 会 因为国情不同而 导致很大的偏
差。因此, 本文将直接应用违约距离来说明上市公
司的相对违约风险大小。
# 49#
了一个基于期权理论的信用风险管理方法的分析 框架, 利用我国上市公司 1997~ 2001 年股票价格 波动的时间序列和截面数据, 发现上市公司股票价 格波动与 EDF 显著负相关, EDF 与公司信用资质 变化吻合。张玲、杨贞柿 [ 7 ] 等调整 KMV 模型中股
收稿日期: 2009- 08-11 基金项目: 广东省自然科学基金资助项目 ( 8152902001000010)
ZHANG N eng- fu, ZHANG Jia
(M anagem ent School of W uy i University, J iangm en 529020, China) Abstrac t: In the traditiona lKM V mode l the defau lt po int(DP ) is equa l to the sum of sho rt-term debt( STD ) and ha lf o f long- term debt( LTD ). But th is conclus ion is based on the level of Am er ican compan ies. c redit, w he ther it is fit to Ch-i na. s enterpr ises depends on further resea rch. So this paper am ends the param e ters o fDP and rese tsDP = a# STD + b# LTD. A cco rd ing to certa in judgm en t standard, M atlab so ftware g ives the new DP by compu ting 82 sam ple com pan ies. By compar ing the co rresponding distance of new DP and o ldDP m akes the conc lusion that the new DP can m ore re flect the credit cond itions o f China. s enterprises. K ey word s: KM V m ode;l default po int; default d istance
基于KMV模型的我国上市公司价值评估实证研究
基于KMV模型的我国上市公司价值评估实证研究孙小琰;沈悦;罗璐琦【期刊名称】《管理工程学报》【年(卷),期】2008(022)001【摘要】本文研究基于期权定价思想的KMV估值模型在我国证券市场上的适用性.首先结合中国证券市场的实际情况,对KMV模型进行了修正,然后利用修正后的模型对我国证券市场上的部分样本公司进行实证检验.表明KMV模型适用于中国证券市场.实证研究结果表明:对非ST公司而言,通过模型估算企业的股权资本价值和企业总价值,不仅考虑了企业资产的现时价值,还考虑了企业未来获得良好发展前景的各种机会,是一个全面动态的过程;对陷入财务困境的ST公司,传统的价值评估方法无法对这些公司的价值和较高的股价做出合理解释,这些公司依然可以在资不抵债的情况下有一个可观的公司价值,模型能够全面反映ST公司的净资产价值和虚拟价值--"壳"资源价值,一定程度上解释了我国证券市场上越是被ST的公司越被追捧的情况.【总页数】7页(P102-108)【作者】孙小琰;沈悦;罗璐琦【作者单位】西安交通大学管理学院,陕西,西安,710061;西安交通大学经济与金融学院,陕西,西安,710061;中国证券登记结算有限责任公司,上海,100032【正文语种】中文【中图分类】F830.91【相关文献】1.基于KMV模型的我国上市公司信用风险实证研究 [J], 陈红伟;陈福生2.KMV模型对我国上市公司信用风险度量的实证研究 [J], 谭荔3.KMV模型对我国上市公司信用风险度量的实证研究 [J], 迟晨4.基于KMV模型的我国上市公司信用风险实证研究 [J], 肖霞5.KMV模型对我国房地产上市公司信用风险度量的实证研究 [J], 周琼因版权原因，仅展示原文概要，查看原文内容请购买。
基于KMV模型的我国上市公司信用风险实证研究
险预测 的有 效性 进行研 究 ，并未对 ｔ ＋ ｒ ２年 （ ， 未来第二年 ，下 同）信用风险预 测 的有 效行进行研 究，本
文 经 过 大量 的 实证 研 究表 明 ：经过 提 高 公 司资 产 价 值 估 值 精 度 的 Ｋ Ｖ模 型 能 显 著 增 强 对 我 国上 市 公 司 Ｍ
理论的结构性模型， 对信用风险的预测具有动态前瞻性。
因此 ，本文选用 Ｋ ＭＶ模 型来度量其 信用 风险 ，考察其信 用风险预测 的有效性 ，并作 信用危机 预警 。
Hale Waihona Puke ｌ Ｋ Ｖ模 型 构建 及 参数设 定 Ｍ
１１ 模 型 构 建 ．
以每股净资产来计 算非 流通股 价格 ，即 ：上市 公 司股权 价值 ＝流通 股 日收盘 价 ×流 通股股本 数 ＋每股净 资产 ×
．
杠 杆 比率 。 同时 ，Ｋ Ｖ公 司 在 Ｋ Ｍ ＭＶ模 型 中 引入 了公 司 股权 价
值的波动率 ｄ 与 Ｏ 之间在理论上 的关 系 ： Ｓ ＇ Ａ
如 — 『－Ｏ 如： ＂ Ａ （ ｚ ２ ）
联立 （）式 和 （ ）式 ，利用 Ｍａａ 件 求 解资 产 Ｉ ２ ｔｂ软 ｌ
根 据 以上 分 析 ，由 Ｂａｋ ｃｏ ｓ 涨 期 权 定 价 公 式 ｌ —Ｓｈｌ 看 ｃ ｅ 得：
Ｓ ａ ＝、 ｄ） Ｐ ｅ （） ＝Ｃｌ （１ 一Ｄ Ｔ 一 Ｎ（２ ｌ １
（） １
ｄ ：ｄ 一 ２ ｌ
其 中，ｄ ：ｔ（ ／ ｒ ｅ ￣ ＋ ｌ ａｖ ｏ ， － ） ｒ
非流通股股本数 ，同时 ，流通股 日收盘价 采用 各年 最后 ２ 个 交 易 日 日均 收 盘 价 。 ２ （）股权价值 波动率 ｄ 估计。考虑 到方差 的 时间变 ２ ｓ 异性 ，本文采用拟合较好的Ｇ Ｒ Ｈ １１模 型来计量股 权 Ａ Ｃ （ ，） 收益的波动率 ，并用之来代替股权价值 波动率 。 （ ）违约点 Ｄ Ｔ的确定 。通 过对 大量违 约事 件 的实 ３ Ｐ 证 研究 ，Ｂ ｌ １９ ）发 现违 约 最容 易发 生 在 流动 负 债 ０ｒ ９ ９ ｌ Ｉ（
基于KMV模型对我国房地产上市公司的信用风险测度
基于KMV模型对我国房地产上市公司的信用风险测度KMV模型是一种基于市场风险的信用风险测度模型，它可以帮助我们对房地产上市公司的信用风险进行测度和评估。
本文将基于KMV模型，对我国房地产上市公司的信用风险进行分析和评估。
1. KMV模型简介KMV模型是由美国Moody's Analytics公司开发的一种信用风险测度模型。
该模型通过分析公司的资产价值、债务水平、市场风险、和公司的财务杠杆等因素，来评估公司的违约风险。
KMV模型的核心思想是公司的违约概率与公司的资产价值、债务水平和市场风险等因素相关，违约概率可以通过模型计算得出。
2. 房地产上市公司的特点房地产上市公司通常具有以下特点：高负债水平、大量的资产投资、较高的市场风险。
由于房地产行业的特性，房地产上市公司的财务杠杆通常比较高，而且它们往往需要大量的资金来进行土地开发、房屋建设等活动，这导致它们的资产负债比例较高。
房地产行业受市场环境和政策调控影响较大，市场风险也相对较高。
3. KMV模型在房地产上市公司的应用在对房地产上市公司的信用风险进行测度时，可以按照以下步骤使用KMV模型：- 收集公司的财务信息，包括资产价值、债务水平、市场风险等相关数据。
- 计算公司的违约概率。
根据KMV模型的公式，可以通过公司的资产价值、债务水平、市场风险等因素来计算出公司的违约概率。
- 评估公司的信用风险。
根据公司的违约概率，可以对公司的信用风险进行评估，确定其信用风险水平。
4. 房地产上市公司的信用风险测度案例分析以某房地产上市公司为例，假设该公司的资产价值为1000万元，债务水平为600万元，市场风险为20%，则可以按照KMV模型的公式计算出该公司的违约概率为5%。
根据违约概率，可以评估该公司的信用风险水平为中等风险。
5. 总结和展望基于KMV模型对我国房地产上市公司的信用风险进行测度，可以帮助投资者和金融机构更好地理解和评估这些公司的信用风险，并采取相应的风险管理和控制措施。
KMV模型对中国上市公司信用风险识别能力的实证研究
KMV模型对中国上市公司信用风险识别能力的实证研究【摘要】KMV模型作为一种结构化信用风险度量和预测工具，在国外成熟市场已被广泛采用。
本文选取了66家中国的上市企业作为样本，通过比较其违约距离，检验了KMV模型的信用风险识别能力；同时选取了25家ST企业三年的数据作为样本，通过纵向比较其违约距离，检验了KMV模型的信用风险预警能力。
【关键词】KMV模型信用风险管理违约距离一、引言银行是一国金融体系的核心，在国家经济和金融发展中占有十分重要的地位，对于银行来说，信用风险的管理一直是其面临的重要问题。
近年来，随着金融危机席卷全球金融业之后，信用风险再次受到整个金融业的极大关注。
从我国商业银行的收入结构来看，贷款收入仍然是其收入的主要来源，占到了80%以上。
因此，如何有效管理商业银行的信用风险，降低不良贷款率，成为我国商业银行不得不面对的一个严峻问题。
我们必须加强在信用风险模型方面的研究，并结合我国的实际情况，开发适合我国国情的信用风险度量和管理技术，促进商业银行信用风险度量和管理水平的提高。
在信用风险的度量中，最重要也是最困难的，一是度量方法的选择，二是信用状况数据的获取。
我国目前对于信用风险的度量，主要还是采用一些传统的度量方法。
然而这些方法已经无法满足人们的需求。
最近十多年来，国外对于信用风险的度量已经向定量化模型发展，许多定价模型、分析技术都在商业中得到应用。
其中，KMV公司开发的一种基于股票价格的信用风险计量模型（KMV模型），在全球50多个国家得到广泛应用。
该模型认为，由于上市公司的所有行为都会体现在股价的波动上，因此上市公司股票价格变动的信息往往预示着该公司信用状况的变化。
该模型通过对资本市场数据的处理和计算，得到反映公司财务状况和信用状况的数据。
由于信用数据的缺乏一直是中国金融市场面对的重大难题，因此直接利用资本市场数据来进行信用风险度量的KMV模型在我国有着广泛的应用前景。
二、理论模型1、模型的核心思想KMV模型是由美国KMV公司以经典的默顿模型为理论基础开发的。
KMV模型的修正及对我国上市公司信用风险评估的实证研究的开题报告
KMV模型的修正及对我国上市公司信用风险评估的实证研究的开题报告一、选题背景与研究意义信用风险是金融市场中风险类型之一，它涉及到债券、信贷、金融工具和寿险等方面。
在市场经济条件下，各种产品和服务的创新和发展，使得金融市场快速发展。
然而，相应的风险也同步提高。
因此，对于金融市场中参与者的信用风险评估就显得至关重要。
随着计量经济学等技术的快速发展，涌现了一些信用风险模型来进行相关研究，其中一种较为知名的模型是KMV模型。
KMV模型是衡量企业信用风险的一种有效工具，它将企业的市场价值与违约概率联系起来，为金融机构等提供了一种科学合理的企业信用风险评估框架。
然而，KMV模型的一些限制和不足也限制了该模型的适用性和精度。
例如，KMV模型所使用的单一因素模型无法体现实际情况中与企业违约相关的多个因素，导致模型的精度有所下降。
因此，有必要对KMV模型进行修正和完善，以提高其信用风险评估精度。
本研究旨在通过对KMV模型的修正及在中国上市公司信用风险评估中的实证研究，探究KMV模型的适用性及其在实践中的可行性。
研究结果将为企业信用风险评估提供科学依据，并有助于金融机构等更好的识别和管理信用风险。
二、研究内容与方法本研究的主要研究内容包括：修正KMV模型、开展基于中国上市公司的实证研究、比较实证研究结果与目前主流的信用风险模型。
在修正KMV模型方面，我们将考虑采用多因素模型来分类和分析企业信用风险，以提高模型的适用性和精度。
同时，我们还将考虑选择恰当的企业财务指标，以对信用风险进行更准确的评估。
在实证研究中，我们将选择中国上市公司作为研究对象，通过数据采集、筛选等方式获取有关企业的财务数据以及相关信息，运用KMV模型和修正后的KMV模型对企业信用风险进行评估，并比较两种模型评估结果的差异。
同时，我们还将考虑其他主流信用风险模型的适用性和精度，以了解各种信用风险模型的优缺点。
三、预期研究结果本研究预期通过对KMV模型的修正及对中国上市公司进行实证研究，得出以下预期研究结果：1. 修正KMV模型的改进可较大程度上提高KMV模型的信用风险评估精度。
KMV
２ ０ １ ４ 年３ 月４ 日， 深 圳证 券 交 易 所披 露 的 《 上海 超 日太 阳 能 科 技 股 份有 限公 司 ２ ０ １ １年 公 司债 券 第 二 期 利 息 无法 按
期全额支 付 的公告 》 称， 超 日太 阳于２ ０ １ ２ 年３ 月７ 日发行 的
２ ０ １ １ 年公司债券 （ 简称 “ １ １ 超１ ３债 ” ） 第 二期利息 原定金额
来对上市公司财务 困境预警进行研究。 马若微 （ ２ ０ ０ ６ ） 首次 将 这 一 基 于期 权 定 价 理 论 的Ｋ Ｍ Ｖ 模 型 运 用 到 财 务 困境 预
警中 ， 通 过 引入 功 率 曲 线进 行 对 照 分析 ， 在 经 过 大量 的实
（ 一） 国外研究
西方对公司财务困境预测的研究始于 证 研 究 后 得 出 ： 将Ｋ Ｍ Ｖ 模 型 运 用 到 中 国 上 市 公 司 财 务 困 境预警 中是 完全可行 的 ， 而且相对 基于历史数据 得到 的
实际上 ， 作 为１ ｌ 超 日债 的发行 人 超 日太 阳于 ２ ０ １ ２ 年３ 月
７日发 债 之后 ， 即于４ 月１ ６日预 报２ ０ １ １ 年亏损６ ０ ０ ０ 万元 。 ２ ０ ｌ ３
年１ 月１ ７ 日， 公司发布公 告称２ ０ １ ２ 年预计亏损９ 亿～ １ １ 亿元 ， 并 披露公司面临流动性风 险 ， 大多数 资产 已被质押 、 抵 押 或查封 。 因而 ， 在超 日太 阳发生违约之前 ， 其实际早 已陷于 财务 困境 ， 具有很大的让债权人蒙受损失的可能性 。 可见 ， 如 何 正 确 预 测 上 市公 司财 务 困境 ， 对 保 护 投 资 者 和 债 权人
司财务 困境预警 中所具有的前 瞻性与有效性。 关键 词 ： 上 市公 司 Ｋ Ｍ Ｖ模 型 财 务 困境 预 警 违 约概 率
基于KMV模型探讨我国上市公司财务危机预警
基于KMV模型探讨我国上市公司财务危机预警内容摘要：客观评价一个公司财务经营状况的好坏，对其做出财务危机预警，对于投资者、监管机构，甚至企业经营者都格外重要。
本文运用KMV模型的思想，在对KMV模型相关假设修正的基础上，通过对配对样本的适用性和具体预警能力的分析，探讨我国上市公司财务危机预警分析的方法。
关键词：KMV模型上市公司财务危机预警作为一种计量信用风险的工具，KMV模型在风险贷款定价、信用风险分析、公司价值评估等领域得到了广泛应用，但其用于我国上市公司财务危机预警领域的研究较少。
本文将违约概率值作为衡量我国上市公司财务状况的标准，不仅考虑了非流通股价值对整个公司资产价值的影响，还在适用性分析方面进行了假设检验，以探索基于KMV模型的我国上市公司财务危机预警分析方法。
KMV模型的理论基础是Black—Scholes和Merton的期权定价理论。
KMV 模型用于我国上市公司财务危机预警领域评价公司财务状况的基本思路是：以违约概率值作为衡量上市公司财务状况的标准，违约概率值越大，公司违约的可能性就越大，公司的财务状况越差反之亦然。
通常，确定一个公司的预期违约概率的具体步骤是：第一步，依据某公司股票的市场价值、股价的波动性及负债的账面价值估计出该公司的市场价值V及波动率d；第二步，计算该公司的违约点；第三步，确定违约距离及违约概率(EDF)之间的映射。
研究假设和样本选取本文假设ST公司违约风险高于非ST公司，且将因财务状况异常而被特别处理的上市公司(即ST公司)界定为出现财务危机公司。
本文的样本数据采用随机方式选取，即2007年一个会计年度沪深两市制造业行业2007年首次被ST处理的20家上市公司。
为了研究方便，又进一步选取了与上述ST公司行业相同、资产规模相近的20家非ST公司为配对样本，其中剔除了发行H股、B股的上市公司以及上市时间不到一年的上市公司。
样本总规模为40家上市公司。
参数设定(一)违约点计算方法的选取通过对大量违约公司的观察。
基于KMV模型,我国上市公司信用风险的实证分析的开题报告
基于KMV模型，我国上市公司信用风险的实证分析的开题报告一、研究背景随着市场经济的发展和金融创新的持续推进，我国资本市场投资者日益关注上市公司的信用风险，而上市公司的信用风险也成为了我国金融稳定和经济增长的重要因素之一。
目前，国内外学者对于上市公司信用风险的研究已有较多成果，其中基于KMV模型的研究成果也较为丰富。
但是，当前我国上市公司信用风险研究的不足之处，一是缺乏对于KMV模型在中国市场的实证检验，二是对于中小企业的信用风险研究还较少。
因此，本文旨在基于KMV模型对我国上市公司的信用风险进行实证分析，并重点关注中小企业的信用风险分析。
二、研究内容本文将采用文献分析和实证研究相结合的方法，对我国上市公司信用风险进行研究。
具体研究内容如下：1. KMV模型的概述和理论基础。
2. 国内外上市公司信用风险研究综述。
3. 基于KMV模型的我国上市公司信用风险实证研究。
4. 中小企业的信用风险分析。
5. 结论和建议。
三、研究方法本文将采用以下研究方法：1. 文献分析法：对相关文献进行查阅、综述和归纳，以掌握研究前沿和经验。
2. 实证分析法：利用我国上市公司的财务数据和市场数据，构建KMV模型并实证分析我国上市公司的信用风险。
3. 统计学方法：利用SPSS等软件对实证研究所得数据进行检验和分析，以获得可靠的统计结论。
四、研究意义本文的研究意义在于：1. 对于我国上市公司信用风险的实证研究填补了相关缺口。
2. 通过建立适合我国市场的信用风险预测模型，提高了上市公司的信用风险管理能力。
3. 为中小企业的信用风险研究提供了一定的思路和经验。
4. 对于投资者、银行、监管机构等金融市场参与者的决策具有参考意义。
五、论文结构本文将分为五个部分：绪论、文献综述、基于KMV模型的我国上市公司信用风险实证研究、中小企业的信用风险分析以及结论和建议。
其中，文献综述部分将对前人研究成果进行归纳总结，包括上市公司信用风险概念、影响因素、测量方法等方面。
KMV模型的信用评级应用
KMV模型的信用评级应用安源煤业被上海证券交易所实施退市风险警示的事件让投资者们措手不及，安源煤业转为ST股的发生也让市场大众感到突然。
运用KMV模型对安源煤业2013-2017年的主体信用风险进行分析，并结合标准普尔公司信用评级表给出信用等级划分，以此说明KMV模型应用于我国上市公司信用评级中的有效性。
标签：安源煤业;KMV模型;信用评级1 背景介绍1.1 公司背景安源煤业拥有四家子公司，并且拥有多处矿产资源。
但是，2018年4月19日，上海证券交易所对该公司股票实施了退市风险警示。
随后，安源煤业在2015年11月20日发行的数额高达12亿的5年期公司债券也自2018年5月4日起被上海证券交易所暂停上市。
这不仅会给投资者造成财产损失，而且对我国资本市场也造成了一定程度的负面影响。
1.2 研究现状信用风险度量方法主要分为传统方法和现代方法。
传统信用度量方法主要包括信用评分型方法、专家评级方法和评分型方法。
在现代企业中，信用风险产生的原因越来越复杂，因此传统评级方法的使用逐步受到了限制。
此后，经济学家创立了许多现代信用评级方法，主要包括四种：KMV模型、Credit Metrics模型、Credit Risk+模型和Credit Portfolio View模型。
杨秀云、蒋园园和段珍珍对以上四种模型作了详细论述和实证分析，最终得出结论：在四种现代信用评级方法中，KMV模型更适合运用于我国上市公司的信用风险度量。
另外，马若微通过分析得出：KMV模型可以有效地预测中国上市公司的财务困境。
此外，张玲、杨贞柿和陈收认为：相对于其它只注重财务数据的信用风险模型，KMV模型对评价上市公司的信用风險将更有效。
因此本文采用KMV模型对安源煤业进行信用风险分析。
2 KMV模型概述3 安源煤业违约概率的计算本文认为修正后的KMV模型能更好的适应于中国市场情况，接下来本文将采用上述修正后的KMV模型对我国煤炭行业上市公司安源煤业进行违约概率的计算。
我国对KMV模型实证研究中存在的若干问题及对策思考
!"# 模型简图
$ !9 1 及负债的帐面价值估计出公司的市场价值 $ #> 1 及其波动性 $ !> 1 ； $ = 1 根据公司的负债计算出公司的违约点 $ %, 1 ，并根据公司的现有价值确定出公司的预 期价值。用这两个价值以及公司价值的波动性 构 建 一 个 度 量 指 标 —— — 违 约 距 离 $ %.?+(/4& -’ %&’()*+0 %% 1 ，它表示从公司的预期价值到违约 点之间的距离是标准差的几倍0 可以表示为 %% < $ #> @ %, 1 A #>!>； $ B 1 估计预期违约频率 $ 9%: 1 0 即确定违约 距离及违约率之间的映射， 这一步要根据具有不 同违约距离值的公司的违约历史数据来确定。 理论的 9%:，假定 #> 符合正态分布，已 知 #> 和 !> 即可得 9%:。但是，假定 #> 符合 正态分布是否合理，本身就是一个问题，考虑 到这一点，!"# 公司采用了经验的 9%:：
!
偏态分布， 并且样本规模的大小、 样本公司的资 产相关性的大小和 -./ 的偏态分布对 -./ 的预 测结果有很大的影响。 他们选用 !""! 年 V :++! 年间上千家美国公司的数据作为样本， 计算出的 样本公司资产相关性在 +5 ! V +5 : 之间， 用中位 数 H J)Q’%9 P -./ 替代均值 H J)%9 P -./， 并按中位 数 -./ 小 于 :+ 和 等 于 :+ 将 样 本 公 司 分 为 两 类， 分别描绘出的预期违约率轨迹与十年间实际 发生的违约率轨迹匹配性很好， 证明 FD$ 模型 是十分有效的。 :++W 年， N)<)2 G27QB’) 和 0)11 6789 专门以 金融类公司为样本应用 FD$ 模型，结果显示 -./ 值在这些公司发生信用事件时或破产前能 够准确、灵敏地监测到信用质量的变化。 从国外学术界对 FD$ 模型的系列有效性验 证研究结果显示，该模型是有效的信用风险量 化技术。巴塞尔银行监管委员会在 :++X 年通过 的《巴塞尔新资本协议》提倡使用内部评级法 管理信用风险，并推荐使用 FD$ 模型进行内部 评级，可见 FD$ 模型已经在国外得到了广泛的 认可和使用。
kmv模型的实证检验
中文题目：基于KMV模型的上市公司信用风险评估的实证研究外文题目：Empirical Research Of Credit Risk Assessment In Listed Company Based On KMV Model摘要上市公司的信用风险关系到企业与银行的健康发展，在发达国家，KMV模型得到了人们的认可，具有可靠的检验效果。
但该模型在中国市场是否具有检验和判别能力，模型的系数如何确定，人们各执己见，尚没有得到一致的结论。
本文根据KMV 模型的原理，选取了今年被ST的上市公司和相似公司的数据来检验。
结果显示，ST公司的违约距离要大于非ST 公司，但两者的差距并不显著，说明现有KMV模型对信用风险的识别能力低，需要进一步的改进以提高实用性。
AbstractListed company's credit risks relate to the healthy development of enterprises and banks, In developed countries, KMV model has been recognized by the people, and it has reliable test results. But, whether this model has the ability to identify and judge the credit risks in China, how to determine the model coefficients, the answer is divided, there is no unanimous conclusion. This article bases on the principle of KMV model and selects the listed companies which were special treated and the similar company to test the credit risks. The results show that, ST's default distance is greater than non-ST companies, but the difference between the two is not significant. It turns out that the KMV model has a low ability of credit risk recognition, and it needs a further improvement to enhance the practical value.关键词：信用风险； KMV模型；违约距离Key words：credit risk, KMV model, default distance一、引言信用风险是金融市场中最古老, 也是最重要的风险形式之一,它是现代经济体(特别是金融机构) 所面临的主要风险。
KMV模型运用于中国上市公司财务困境预警的实证检验
KMV模型运用于中国上市公司财务困境预警的实证检验2006正第25卷9月第5期数理统计与管理ApplicationofStatisticsandManagementSep.,2006VO1.25NO.5文章编号:1002—1566(2006)05—0593—09KMV模型运用于中国上市公司财务困境预警的实证检验马若微(北京大学经济学院博士后流动站,北京,100871,北京工商大学经济学院,北京,100037)摘要:我国目前关于上市公司财务困境预警的研究大多建立在试误的基础上,缺少经济理论依据;并且经我4f]~-明,按照配对原则设定的分析样本会出现过度抽样等问题,这将会大大高估模型的预警能力.因此本文将基于期权定价理论的KMV模型首次运用到财务困境预警中,引入功率曲线进行对照分析,经过大量的实证研究后得出结论:KMV模型运用到中国上市公司财务困境预警中是完全可行的,而且相对基于大量历史数据得到了Logistic,Fisher等模型,其优势是明显的.关键词:KMV;财务困境;预警中图分类号:0212文献标识码:ATestingIOdV ontheFinancialDistressofListedCompaniesinChinaMaRUO-wei(SchoolofEconomicsBeiji"gBusinessUniuversity,Beijing100037,China) Abstract:Sofar.manyresearchesontheearly—warningoflistedcompanies'financialdistressesbasedon'tryander'ror'.1ackingofeconomicsfoundations;andthroughourtestingthepairwiseexperiments,mostm odelsshowsthebet?terpredictivepower.Butinpractical,theyarenothing.SoweintroducetheKMVmodelbased ontheoptionpricingmodeltolistedcompanies'early?warningoffinancialdistressandparallelthediscriminantpo werthroughpowercurve.Throughrepeatedlytesting,weconclude:a.itisfeasibleusingKMV ontheearly-warni ngoflistedcompanies'financialdistresses;paringwithFisher'SdiscriminantmodelandLogistic regressionmodel,KMVisapreferredchoice.Keywords:KMV;Financialdistresses;Early?warning0引言证券市场上总有相当比例的挂牌公司因为自身原因或外部原因而陷于经营困境之中,一些利益相关者(如债权人或投资者)为了避免自身遭受更大的损失而往往要采取一些方法来预测这些公司陷于困境的可能性,并研究公司陷于困境的原因,摆脱经营困境所采取的措施以及这些措施的效果和市场的反应等.因此,通过构造合理的预测模型,正确地预测公司财务困境,对于保护投资者和债权人的利益,对于经营者防范财务危机,对于政府管理部门监控上市公司质量和证券市场风险具有重大的现实意义.事实上,正是投资者,债权人及公司其它的利收稿日期:2005年05月20日基金资助:国家自然科学基金项目(项目号70171005).594数理统计与管理第25卷第5期2006年9月益相关者对公司财务困境预测的强烈需求推动了该项研究的进步发展.本文的研究着重于寻求一种更准确更有效的预警模型,我们引入了目前在国际上颇具影响的KMV模型,根据大量的实证检验,证明了其在中国证券市场上的适用性和与其他模型相比的优越性. 1文献回顾及问题的提出1.1文献回顾在成熟的证券市场上,有大量的文献从不同的角度对上市公司经营困境进行了实证研究:财务困境预测在西方又普遍被称为破产预测.WilliamBeaver(1966)提出了单一比率模型,即利用单一的财务比率来预测公司的财务困境.由于单一比率指标之间的矛盾性,Altman(1968)首先使用了多元线性判别模型,确定了资产营运资本率,资产留存收益率,资产报酬率,债务权益市价率和总资产周转率这5个变量作为判别变量,产生了一个总的判别公司财务状况恶化程度的概率值即z值.但是线性判别模型对预测变量有着严格的联合正态分布要求,或者要求协方差矩阵相等,然而实证发现大多数财务比率并不满足这一要求,且一旦出现虚拟变量,联合正态分布的假设就完全不成立,那么产生的z值没有明确的含义.为克服这些局限性,自20世纪70年代末以来,财务困境研究人员引进了逻辑(1ogit)和概率(probit)回归方法,人工神经元网络,专家系统,遗传算法等技术.如Ohlson(1980)在研究中使用了logit模型;1988年Messier和Hansen将专家系统首次引入到财务困境预测领域;1990年Odom等开始了运用人工神经元网络进行财务困境预测的探索,在1998年Franco和V aretto 进行了应用遗传算法在这方面的尝试等等.目前国内对财务困境预测的相关研究还只处于起步状态,与国外研究存在着较大差距.周首华等利用CompustatPcPlus会计数据库中1990年以来4160家公司,使用Spss —X统计软件建立了F分数模式(1996),但他们的研究对象却不是中国的证券市场;1999年陈静以1998年27家ST公司和27家非ST公司为对象,使用1995～1997年的财务报表数据,进行了单变量和二类线性判别分析,总体正确率为92.6%(1999);2000年张玲以120家上市公司为对象,使用其中60家公司的财务数据估计二类线性判别模型,并使用另外60家公司进行模型检验,发现模型具有超前4年的预测结果;2000年陈晓等将多元Logistic回归模型引入上市公司的财务困境预测;2001上黄岩等则采用了Fisher判别分析建立了我国工业类上市公司财务困境预测模型,并给出了所研究上市公司的z值范围;2001年吴世农等则以140家上市公司为样本比较了Fisher判别,多元线性回归分析和多元Logistic回归分析的预测效果,发现多元Logistic回归模型的判定能力最好;赵健梅(2oo3)按照1:1的比例选择了80家上市公司分别进行了单变量和多变量判别分析.1.2存在的问题(1)这些国内外实证研究的结论给我国上市公司的健康发展提供了一些借鉴措施,有助于推动我们对上市公司困境问题的实证研究.但是,总体来看,目前的研究都是基于上市公司报表中的历史财务数据,根据历史样本每个类别(两类或多类),从数据中找出规律,总结出分类的规则,建立预警模型,然后用于对新样本的判别.这种方法是在试误(tranderror)后所选出来的,缺少理论根据,因此有人将这种方法称为"粗暴的经验主义方法". (2)危机公司与正常公司样本数比例与实际情况不对称.自Beaver与Altman以来的研究,其违约公司与正常的对照公司之间的比例都是1:1,但在实际环境中,经营失败公司所占马若微:KMV模型运用于中国上市公司财务困境预警的实证检验595比重较低.因此在1:1研究设计中,可能产生过度抽样或是样本自我选择问题,以致高估了模型的预测能力.我们的实证研究表明,虽然很多判别预警模型的正确率非常高,但是如果在现实环境中,脱离1:1的配对分析,那么无论是哪种模型,其判别的正确率都会大大降低.如图1所示,我们将2007年的所有国内A股上市公司作为研究样本(不包括同时发行B股或H股的公司),提取其2002年报表的财务数据,生成18个比率指标作为判别公司会否陷入财务困境的预警模型的判别因子(马若微,2005),采用目前普遍认为具有较高判别能力的Logiti模型和经典的Fiher判别模型进行分析后发现,sT公司完全被非sT公司所包围e如果不是经过按照行业,资产规模,上市时间等条件配对后得到的样本,而是随机抽样拿出一家上市公司预测其未来可能的财务情况,其误判率将会是非常大的.2∞额'∞熬1∞一..6-4-2024图1Fisher判别和Logistic概率的堆积柱形图(黑部是ST公司的频数)众所周知,我国上市公司会计信息失真的问题非常严重,那么基于大量历史会计信息的传统财务指标预警模型难免会让人怀疑其预测能力,其作用也会大打折扣.1.7本文的研究目标和研究方法为了解决上述问题,本文借鉴近年来在国外颇具影响的KMV模型,研究其在中国证券市场的适用性.本文拟解决的问题有两个:一是KMV模型运用在财务困境预警上是否可行?二是KMV模型相比其他预警模型是否存在优越性?本文的内容安排分为5个部分,第一部分分为文章的引言;第二部分为财务预警研究已有的文献回顾和本文问题的提出;第三部分简单介绍KMV模型的理论框架;第四部分为实证检验;最后是本文的结论和后续研究的方向.本文将利用KMV公司信用风险管理的基本理念,从历年的上市公司数据人手,引入功率曲线(P.wC),分析KMV模型在我国上市公司财务困境预测上的适用性和优越性.本文所有数据处理和统计分析均使用MATLAB7.0和SAS8.2统计分析软件.数据来源于cs-MAR数据库和证券之星网站.2KMV模型2.1KMV模型框架1974年Mert0n提出将期权定价理论应用于公司价值评估的方法;1980年初,McQuown与V asicek研究和改良期权定价模型,并应用于有关授信与贷款投资组合管理;1989年Keal-hofe,MQu0wn及vasicek在113金山创办了一家信用风险评估公司,并用他们名字的首字母命名该公司;2002年,KVM公司被穆迪收购.KMV模型是KMV公司开发的一种违约预测模型(信用监控模型,CreditMonitorMode1),它能够对所有其股权公开交易的主要公司和银行的违约可能性做出预测(并且更新).依据Merton理论,公司债权可视为以公司资产为基础资产的欧式看涨期权.假设公司只有一种债务,则该期权的协议价格为债务面值,期权的执行期限即为债务到期期限.债务到期596数理统计与管理第25卷第5期2006年9月时,若公司资产不足以支付债务,则公司股东会违约,将公司资产完全转交债权人;否则公司可以继续运营.于是公司股权的价值可以通过期权定价方法得到.在KVM模型中,衡量违约风险大小的指标是违约距离(DefaultDistance,DD).该值越大,说明公司到期能偿还债务的能力越强,发生违约的可能性越小,该公司信用风险越小;反之,该值越小,说明公司到期偿还债务的能力越弱,有清盘的可能,该公司信用风险越大.计算公式如下:DD:痔㈩式中,E(^)为资产的期望价值;DPT为违约点(DefaultPoint),即公司的资产价值等于负债价值时的点,为公司资产的波动率.为计算违约距离DD,KMV公司采用了Black—Scholes—Merton期权定价模型构建了资产市场价值和股权市值之间的关系.首先,使用期权的期权性质来推导公司隐含在股权市值里的基础资产的市值和波动率.然后,从期权定价和期权定价波动率反向求解隐含的资产价值和资产波动率.BS模型假定条件中,公司基础资产的市值遵循下面的随机过程:dV A=V Adt+Vadz(2)这里V A,dVA是公司资产价值和资产价值的变动,,A是公司资产价值漂移率和波动率,dz是个Wiener过程.BS模型只允许两种类型的债务,一个单一的负债和一个单一期权.期权的价值和资产的市值有如下关系表示:C:SN(d1)一Ⅳ(d2)d1:(In(S/K)+(r+/2)r)/(√r)(3)d2:d1一其中,c是期权的价值;S为资产的市值;K为履约价值;N(?)为标准正态累积分布函数(即这个变量小于的概率);r=T—t为尚存到期日,其中为期权的期限,t为现在时间; r为无风险利率.由于公司债权可视为以公司资产为基础资产的欧式看涨期权,所以上述公式应用在公司价值评估中如下:VE=AⅣ(d1)一KeⅣ(d2)d1=(In(V A/K)+(r+a2/2)r)/(A√r)(4)d2:dl一根据Bs模型,公司股票的波动率E与资产的波动率存在如下关系:E=(5)yE式中,是公司股权的市值,以流通股数乘以每股价格来估算;K为公司负债的账面价值,即买权的执行价格;V为公司资产市场价值;r为债务期限;r为无风险利率;△为期权的避险比率(hedgeratio),也就是Ⅳ(d1).联立方程(4)和方程(5)即可以求出公司资产市场价值A和资产收益标准差,根据公式(1)可计算出违约距离DD.需要指出的是,根据违约点的定义,在违约点处,上市公司的资产价值正好能够抵偿其债务.但是,在对违约的研究中,KMV公司发现,当公司资产价值达到公司总负债账面价值时,马若微:KMV模型运用于中国上市公司财务困境预警的实证检验597公司一般并不违约.一些公司在这一点违约了,但还有相当一部分公司继续经营并偿还了他们的负债.这是因为一些债务的长期性给这些公司提供了喘息的机会.继续的研究发现,公司违约时的资产价值通常处于总债务与短期负债之间的某点.通过对大量违约公司的观察,KMv公司发现违约发生最频繁的临界点处在公司价值大于等于流动负债加50%的长期负债.设:STD为短期负债LTD为长期负债则:DPT=STD+0.5LTD由于属于商业秘密,KMV公司并没有就如何实证得到公司资产与负债之间的这种关系做出解释.2.2KMV模型运用在中国证券市场上的可行性分析从总体来说,KMV模型作为破产预测的期权定价方法有以下优点:第一,KMV模型拥有强有力的理论支持,因为它是一个基于现代公司理财和期权理论的"结构性模型",其中,股权被视为对于公司资产的一种看涨期权.该模型克服了在此之前已有的财务预警量化模型的缺陷,以经典的莫顿模型为理论基础,使用财务数据和市场价格作为输入数据.第二,KMV模型是一种动态模型,因此可以被用于任何公开招股的公司,可以及时反映股票市场上传递的情报性信号.股票市场每天有上市公司股票交易数据,且定期公布财务报表,这使得该模型可以经常更新数据,及时得出反映市场预期和公司财务状况变化的预期违约率.第三,KMV模型是以股票市场数据为基础的,而不是"历史记载"的账簿价值这样的会计核算数据,所以具有前瞻性(Forward—looking).这样就在一定程度上克服了依赖历史数据向后看(Back—looking)的数理统计模型的缺陷.KMV模型所提供的预期违约率指标来自于对上市公司股份的分析,而股票价格则反映了市场中的投资者对该公司未来发展趋势的判断.第四,KMV模型不要求有效市场假设.该模型在高度有效的股权市场条件下可得到很好的运用,而在许多新兴市场也一样有效.许多交易量不大的股票正是那些相对联系紧密的持股公司,而内部人的主要交易,以及拥有信息优势的机构投资者利用"内幕信息"进行的诸如大宗股票销售的交易,会引起公司股价发生大幅变动,由此提供了这些公司未来前景的大量情报信号.因此,在某种情况下KMV模型在像我国这样的弱有效市场预测效果更好. 我国证券市场经过十多年的发展,上市公司的数量超过千家,股权公开交易制度已经形成,这为该模型的运用奠定了坚实的基础.而且,由于目前我国上市公司会计信息失真的情况较为普遍,而KMV模型对财务指标的依赖较小,仅限于债务的账面价值,因此相对于以往依赖大量财务指标的预警模型,该模型说服力较强,可信度较高.3实证检验本文将因财务状况异常而被特别处理的上市公司界定为陷入财务困境公司,这样界定是基于以下原因:首先"财务状况异常"的定义表明将其定义为财务困境的合理性.而从以往摆脱特别处理的公司看,大部分公司都要经过大规模的资产置换,用优质资产置换劣质资产,甚至更换主营业务,更换主要股东,大规模调整管理层和经营战略,才能摆脱困境,摘掉被特别处598数理统计与管理第25卷第5期2006年9月理的帽子,这也说明特别处理确实在一定程度上反映出公司陷入了财务困境.其次,由于本文的研究对象是上市公司,但在目前阶段,上市资格仍然是一种珍贵的壳资源,即使上市公司面临破产危险,也会有其他公司将其接收,因此,实证研究不可能获取足够的以申请破产为财务困境标准的样本;最后,上市公司因财务状况异常被特别处理是一个客观事件,具有很高的可观测性,从而也比较容易确定研究样本.我们选择了2004年底以前在沪深两市挂牌的所有上市公司作为总体考察对象.为保证结果的客观性和准确性,我们进行了样本的筛选,经筛选后我们得到852个样本,其中有115家ST公司.筛选依据如下:(1)考虑到A股与B,H股市场的差异,剔除了家同时发行B股或H股的ST公司.(2)考虑到异常值的影响,我们用极端值百分数法剔除掉个观察点,即认为变量中最高与最低D%的值是异常数据.本文P设为2.5.3.1适用性检验首先,我们将所有样本进行横截面分析.由前文可知,通过期权定价公式(4)和波动率公式(5)迭代,就可以算出资产市值E(I,A)和资产波动率A.根据式(1)计算出DD.具体步骤如下:(1)从2002年的年报财务数据中获取短期债务和长期债务数据,根据式(6)得到DPT;(2)取2002年年末股价的收盘价计算股票市值VE;(3)股权年波动率选取自2002年全年的交易数据(每日收盘价).通过下面公式计算:rEd=diffence(1np),Ed=mean(r)Ed=std(r量),=量?~/D其中p为13收盘股价,r为股票日回报率,为股票日回报率均值,兽为股票日波动率,为股票年波动率;D为每年交易天数;(4)无风险利率r按各年的银行存款利率计算;(5)r取1,即债务期限为一年;(6)将以上参数代入式(4)和(5)进行迭代,得到资产市值E(I,A)和资产波动率;(7)将E(I,d),d和DPT代人式(1),最后得到DD.我们将所有样本得到的DD区间离散化得到7个区间:(一∞,1.5]为一个区间;从1.5到4,步进0.5,为5个区间;(4,+∞)为最后一个区间.在每一个区间上统计ST出现的频数,得到图2.其中左图为DD的堆积柱形图,表示ST与非ST频数;右图为ST频率线,表示ST在这7个区间内的出现频数.由图2看,DD仍呈现ST公司被非ST公司包围的情况,但从频率图2DD的堆积柱形图(黑部是ST公司的频数)和sT频率线马若微:KMV模型运用于中国上市公司财务困境预警的实证检验599线可以看出,DD越小ST频率越高,这与KMV的理论基础是符合的.接下来,我们任选一家2004年被sT的股票如sT光明(000587)作时间序列分析.由于是作提前一年的预测,我们提取其1997到2002年的数据,计算出每年的DD,画出图3.其中左图显示的是ST光明白1997到2002年的资产市值,股权市值以及DPT的变动情况,右图显示的是伴随的DD变动.图3ST光明(000587)自1997年到2002年资产,市值及负债变动情况和伴随的DD 变动(断线代表DPT,直线代表股票市值,点划线代表资产市值)由左图可以看出,越接近ST,DPT的值越高;并且在资本结构相对固定的情况下,股权和资产的市值走向基本一致,但是很明显股权的波动性更大一些,这是因为股价受到更多因素影响,因此会更加敏感,有更大的波动性.右图中,时间越趋近ST,DD值越小,意味着公司破产的几率增大了.股价时时更新变动,如果我们能有足够多的数据支持,就可以做出一个实时变动的DD曲线.虽然由于资料限制,我们只能做到DD的年变动曲线,但是通过这个大致的轮廓,我们也能清晰看出该上市公司DD值的变动路径.通过我们的研究发现,DD值为l到1.5之间时ST发生的频率最高,如果设置警戒线为1.5,那么我们从右图中可以看出,ST光明早在2001年就能被预测到2004年ST的发生,这样投资者,监管机构,甚至公司自身就能及早发现并采取补救措施. 由以上分析,我们可以看出KMV模型对于中国股市是适用的,它能较早的反映公司的经营业绩与抗破产能力.3.2优越性分析为了比较KMV模型相对其他模型的优越性,本文引入了功率曲线进行比较分析.我们画出Fisher判别模型,Logistic模型与KMV模型的功率曲线(见图4).图中横轴表程中被排除公司数目占公司总体数目的百分数,从10%,20%,一直到100%,纵轴表示在这些被排除的公司中ST公司的数目占总ST公司数目的百分数.横轴与纵轴的两个百分数是非减的函数关系.102030405060T08090100被排除公司数目占总体数目的百分数图4三种模型的功率曲线对照JBLogisticlI旦Im∞∞∞∞0被排除的公司中ⅥH公司的数目占总ⅥH公司数目的百分数600数理统计与管理第25卷第5期2006年9月为了解释清楚,我们举例说明:对于一家银行来说,当面对所有可选的申贷公司时,银行要区分好公司与差公司,如果认为是差公司,就拒绝贷款申请,也就是排除了这个公司.具体的被排除公司数目依据它的决策点,比如本文中决策点可以认为DD=1.5(前文研究发现DD值为1到1.5之间时ST发生的频率最高),DD<1.5的公司均被排除.这样被排除公司就有一个占公司总体的比率.决策点不同,被排除公司数目占公司总体数目的百分数不同,被排除的公司中ST公司的数目占总ST公司数目的百分数也就不同,有一个决策点就对应有个被排除公司的占比;反之,有个被排除公司的占比也就对应有个决策点.对一个给定的分除公司中ST公司所占ST公司总数百分比的值越大(纵轴的值越大),该模型从整体样本中区分ST公司与非ST公司的能力就越强.图4中,当被排除公司占公司总体的百分数为10%时,KMV的被排除ST数目占总ST公司数目为37%,Logistic为25%,线性判别为24%.就判别能力而言,KMV在大部分情况下,都有优于其它两个模型的表现.KMV模型依托现代金融理论的期权定价模型,有可靠的理论基础.Fisher模型和Logis—tic模型过度依赖反映历史状况的财务数据,在大多数情况下,通过历史数据外推的效果都比较差.并且判别模型和Logistic模型的假设要服从统计规律,因此得出的结果没有直接的经济含义.4结论及后续研究方向本文将基于期权定价理论的KMV模型首次运用到财务困境预警中,经过实证研究后发现:KMV模型运用到中国上市公司财务困境预警中是完全可行的,而且相对Logistic,Fisher等模型,其优势是明显的.但值得注意的是,KMV模型创建于西方国家,上市公司的所有股权均是可以上市流通的,不存在非流通股问题,因而它在计算股权价值时将股票的价格与总股本简单相乘即可确定.而我国上市公司股份结构中有很大一部分是国有股,不能像流通股那样可以在市场上公开交易,其价值无法从市场上直接观测.虽然本文的研究为了方便起见,直接选择计算基础,但这样做是不妥当的,后续的研究应重点解决国有股股权价值的确定问题.并且由于有关公司破产的历史统计数据严重缺乏,我们很难把DD转化成破产概率.而由于宏观经济的差异,我国直接使用国外已经建立的映射关系显然也是不合适的.因此我们将建立适合中国上市公司的破产概率模型进行更深人的研究.[参考文献][1]AltmanE."FinancialRatios,DiscriminantAnalysisandthePredictionofCorporateBank ruptcy"[J].JournalofFinance.V ol:23,1968,P589—610[2]BeaverW.H."FinancialRatiosasPredictorsofFailure"[J].JournalofAccountingResear ch(Supplement)/1966,P:71—111[3]FrancoV aretto"GeneticAlgorithmsApplicationsintheAnalysisofInsolvencyRisk"[J]. JournalofBanking&Finance,V ol:22,1998,P:1421—1439[4]FreedmanRS,etal,AIinthecapitalmarkets[M].Chicago:ProbusPublishers,1995[5]Merton,Onthepricingofcorporaterate:theriskstructureofinterestrates[J].Jo urnalofFin ance,1974,马若微:KMV模型运用于中国上市公司财务困境预警的实证检验601 (29):449—470[6]MessierW.F,HansenJ.V."InducingRulesforExpertSystemDevelopment:anExampleU singDefaultandBankruptcyData"[J].ManagementScience,V o1.34,1988,P:1403—1415[7]Modelingdefaultrisk[M].KMVCorporation,2002[8]OhlsonJ.A."FinancialRatiosandtheProbablilistiePredictionofBankruptcy"[J],Journa lofAccountingRe?search.V ol:4,1980,P:109—131[9]陈静,上市公司财务恶化预测的实证分析[J],《会计研究》,1999.4[10]陈晓等着,《上市公司的变脸现象探析》[J],公司管理出版社,2003.9[11]黄岩,李元旭,上市公司财务失败预测实证研究[J],《系统工程理论方法应用》,V o1.10,No.1[12]鲁炜,赵恒珩,方兆本,刘冀云,KMV模型在公司价值评估中的应用[J],《管理科学》,2003.3[13]马若微,基于粗糙集与信息熵的上市公司财务困境预警指标的确立[J],《当代经济科学>>2005.2[14]吴世农,卢贤义,我国上市公司财务困境预测模型研究[J],《经济研究》,2001.6[15]易丹辉,吴建民,上市公司信用风险计量研究——KMV模型及其应用[J],《统计与信息论坛》,2004.11[16]张玲,财务危机预警分析判别模型及其应用[J],《预测》,2000.6[17]赵健梅,王春莉,财务危机预警在我国上市公司的实证研究[J],《数量经济技术经济研究))2003.7[18]周首华,杨济华,王平,论财务危机的预警分析一F分数模式[J],《会计研究》,1996.8书讯:《大学生综合素质现状调查报告》将出版《大学生综合素质现状调查报告》一书,将于2006年9月由湖北人民出版社出版. 该书是由《中国现场统计研究会教育统计与管理专业会》组织,由武汉大学,中国科技大学等21所高校参与的合作项目——《大学生综合素质现状调查》的研究成果基础上,由数十位专家集体撰写而成的学术专着.全书共包含有30个专题调查报告,12篇研究论文.本书以其独到的研究视角,运用大量调查数据与数理统计方法以及现代教育理论与教育思想,全面地论述了当代大学生们的现状,个性特点,他们的主流,他们的思考,他们的行为,他们的困惑以及在他们身上存在的较为普遍或较为突出的问题,这些问题包括书中所给出的20个主要调查结论,。
基于KMV上市公司信用风险的实证分析
基于KMV 模型对上市公司信用风险的实证分析【摘要】：信用风险管理水平是我国商业银行与外资银行当前的主要差距所在，如何更好地提高我国商业银行的信用风险管理水平就成为提高我国商业银行综合竞争力的关键所在。
本文首先描述了目前我国商业银行的信用风险管理状况和存在的问题，接着对现代信用风险度量模型——KMV 模型进行了详细阐述，并对其优缺点进行了评价。
然后以5家上市公司作为研究对象，基于2012年9月份至2013年9月份上市公司的资产负债表和股票交易数据，运用 KMV 模型度量这5家上市公司的信用风险，通过违约率EDF 量化信用风险等级，验证了KMV 模型在中国市场的适用性以及商业银行加强信用风险管理水平的必要性。
最后针对商业银行信用风险管理存在的问题给出了合理的政策建议。
【关键词】：KMV 模型、期权定价理论BSM 、信用风险管理、违约率、违约距离。
【符号说明】：A A E V :D:r:T:N::E:%T:1D:DP: σσ股权的市场价值；债务的市场价值；无风险利率；债务的到期时间；标准正态分布；资产价值波动率；各已知参数的设置如下：用各上市公司一年的总市值的均值表示；r:用一年期银行定期存款的利率表示，即2.25；年；用违约点代替；正文在我国，由于信用风险管理刚刚起步，银行等金融机构的信用风险管理水平一直不高。
长期以来，信用风险是银行业乃至整个金融行业中最重要的风险形式，商业银行也一直被高比例的不良贷款问题所困扰,使得资产质量恶化，资产利润率低下。
因此，在商业银行风险管理中，信用风险是商业银行在经营活动中面临的主要风险之一，加强对信用风险的管理对商业银行的经营至关重要。
对于我国商业银行而言，企业贷款是其主要业务，银行大部分的金融资产为企业贷款，因此信贷风险也成为商业银行信用风险的最主要组成部分。
而且据银监会发布的数据显示，截止2013年12月末，我国商业银行不良贷款余额5921亿元，比年初增加993亿元，不良贷款率为1.0%，比年初上升0.05个百分点。
KMV模型关系函数推测及其在中国股市的验证
（ ）（
）
. / . . %& $ "（ +0& / /） % % $ 其中 0 表示 / 0 0 - 期的企业自由现金流量 HI / / 表示企业的加权平均资本成本，
（ ） % < $
正如上文所述， 对基于期权定价的信用管理的期权定价模型， 许多学者做了很多工作， 但是 . / 模 万方数据 型仍然是应用最广泛的模型， 本文也将采用 . / 模型对! 进行估计。
"
第G期
鲁 炜， 等： !"# 模型关系函数推测及其在中国股市的验证
J L
关于 ! 本文不再详细论述。只给出在 !"# 模型中的形式： " # 大量文献都有讨论，
因而所 即隐含的波动率与到期时间之间存在着波动关系。但是， 因为本文中的 ! 是一个足够长的时间， 谓的微笑现象并不明显。如果是计算一个较小的时间间隔的 " 则选择模型时 , " 可能会有较大的偏 & 差。 （ ） 评估的 . ! " ! 对公司价值 # $ % ’ ( ’ + , / . .法 & )* 目前对公司价值的评估有很多种方法， 总的来说可以分为两大流派： 现金流量折现法 （. / 0. 1 2 3 4 5 * 6 ） 和相对比较乘数法 （> ） 。前者的精度较高但计算繁琐， 3 7 2 8 9 ) 4 :; 4 < = ) / "? = ) 7 6 1 @ =3 4 ; 7 ? 7 B ) = 2; 5 ) 6 1 ) = 2 A A 后者简单易行但误差也较大。相对而言还是 . （ / 0 法应用的比较广泛。. / 0 法可分为权益法 = 5 1 6 E C D7 A ） 和实体法 （ ） 。作为实体法一种的 0 “主流中的主流” 。 ? 4 7 3 8 = * 6 1 6 ? 4 7 3 8 / 0 0 法更被称为现代资产评估 A D7 A A 如果把企业的供给者看作企业最后剩余的索取者， 那么企业自由现金流量 （ 9 ? = =3 7 2 89 ) 4 :6 49 1 ? ; ） 的折现值就是企业的价值。 0 / 0 0
A股上市公司ST风险预警——基于KMV模型的大样本经验实证
作者： 陈延林[1];吴晓[1]
作者机构： [1]华南师范大学经济与管理学院,广东广州510006
出版物刊名： 华南师范大学学报：社会科学版
页码： 92-99页
年卷期： 2014年 第4期
主题词： KMV模型;上市公司;财务困境;预警;大样本
摘要：针对中国上市公司股权结构的特殊性,修正KMV模型中股权市值计算和违约点设定方法,以2010-2011年所有A股上市公司为样本,运用修正的KMV模型对ST公司和非ST公司信用风险进行评价和预测,建立合适的财务困境预警线.大样本下的实证研究表明,修正后的KMV模型至少可以提前两年对上市公司的财务困境进行有效预警.。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
KMV模型运用于中国上市公司财务困境预警的实证检验
作者：马若微， Ma Ruo-wei
作者单位：北京大学经济学院博士后流动站,北京,100871;北京工商大学经济学院,北京,100037
刊名：
数理统计与管理
英文刊名：APPLICATION OF STATISTICS AND MANAGEMENT
年，卷(期)：2006,25(5)
被引用次数：11次
1.陈静上市公司财务恶化预测的实证分析[期刊论文]-会计研究 1999(04)
2.Ohlson J A Financial Ratios and the Probablilistic Prediction of Bankruptcy 1980
3.Modeling default risk 2002
4.Messier W F;Hansen J V Inducing Rules for Expert System Development:an Example Using Default and Bankruptcy Data 1988
5.Merton On the pricing of corporate rate:the risk structure of interest rates[外文期刊] 1974(29)
6.Freedman R S A I in the capital markets 1995
7.Franco Varetto Genetic Algorithms Applications in the Analysis of Insolvency Risk[外文期刊] 1998
8.Beaver W H Financial Ratios as Predictors of Failure 1966(zk)
9.周首华;杨济华;王平论财务危机的预警分析-F分数模式 1996(08)
10.赵健梅;王春莉财务危机预警在我国上市公司的实证研究[期刊论文]-数量经济技术经济研究 2003(07)
11.张玲财务危机预警分析判别模型及其应用[期刊论文]-预测 2000(06)
12.易丹辉;吴建民上市公司信用风险计量研究--KMV模型及其应用[期刊论文]-统计与信息论坛 2004(11)
13.吴世农;卢贤义我国上市公司财务困境的预测模型研究[期刊论文]-经济研究 2001(06)
14.马若微基于粗糙集与信息熵的上市公司财务困境预警指标的确立[期刊论文]-当代经济科学 2005(02)
15.鲁炜;赵恒珩;方兆本;刘冀云KMV模型在公司价值评估中的应用[期刊论文]-管理科学 2003(03)
16.黄岩;李元旭上市公司财务失败预测实证研究[期刊论文]-系统工程理论方法应用 2000(01)
17.陈晓上市公司的变脸现象探析 2003
18.Altman E Financial Ratios,Discriminant Analysis and the Prediction of Corporate Bankruptcy[外文期刊] 1968
1.刘玲.周子元基于违约距离的上市公司信用风险研究——以制造业为例[期刊论文]-湖北师范学院学报（哲学社会科学版） 2010(2)
2.杨永生.周子元资产价值增长率在企业信用风险评估中的应用[期刊论文]-经济问题探索 2010(7)
3.周子元信用风险量化研究综述[期刊论文]-金融教学与研究 2009(4)
4.周子元.邓雁基于结构模型的信用风险研究综述[期刊论文]-金融发展研究 2009(11)
5.夏红芳.马俊海基于KMV模型的上市公司信用风险预测[期刊论文]-预测 2008(6)
6.王建稳.梁彦军基于KMV模型的我国上市公司信用风险研究[期刊论文]-数学的实践与认识 2008(10)
7.陈红伟.陈福生基于KMV模型的我国上市公司信用风险实证研究[期刊论文]-工业技术经济 2008(10)
8.陈晓红.张泽京.王傅强基于KMV模型的我国中小上市公司信用风险研究[期刊论文]-数理统计与管理 2008(1)
9.陆志明.何建敏.姜丽莉基于生存分析模型的企业财务困境预测[期刊论文]-统计与决策 2007(21)
10.夏红芳.马俊海基于KMV模型的农业上市公司信用风险实证分析[期刊论文]-农业经济问题 2007(10)
11.李时春.周国祥CreditMetricsTM和KMV模型在信用风险管理中的比较分析[期刊论文]-农村经济与科技 2007(8)本文链接：/Periodical_sltjygl200605015.aspx。