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:1

D: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。由此可见，目前我国国有商业银行在信用管理水平方面存在的问题还有很多，研究和开发适合我国国情的信用风险度量模型，建立适合我国的商业银行信用风险度量管理体系，对我国商业银行的发展意义重大。

一．KMV模型及其应用

（一）KMV模型简介

目前已有的信用风险度量模型分为传统信用风险度量模型和现代信用风险度量模型。其中传统信用风险度量模型包括专家系统分析方法(如6C分析法)、多元判别分析法、logit回归方法、神经网络分析法等。但传统信用风险度量模型主要侧重于定性分析，故存在一定的缺陷。而现代信用风险度量模型包括基于风险价值VAR的CreditMtircs模型、基于保险精算的CreditRisk模型、以宏观经济模拟的CreditPorftolioView模型、基于期权定价理论的KMV模型。现代信用风险度量模型主要侧重于定量分析，弥补了传统信用风险度量模型的不足。

KMV模型是一种违约预测模型，它将信用风险与违约联系在一起，并通过违约概率来估计信用风险。假设公司的资本由股本、债券以及银行贷款等其他债务组成，银行贷款必须在一个规定时间内偿还，否则视为违约。当债务到期时，如果公司的资产价值大于其负债水平，公司售出相应的股权就可以清偿债务，并获得偿债后的收益，那么公司就不会违约。在这个负债水平上的公司资产价值被定义为违约点。反之，如果公司的资产价值小于违约点时，公司会选择破产来代替偿还债务。基于这一点，KMV模型把公司权益看做一个欧式看涨期权，并且基于公司资产的市场价值及其波动性以及违约距离来转换公司的违约率。

KMV模型是在BSM期权定价模型的基础上开发出来的，故KMV模型需要满足BSM期权定价模型的一系列假设。KMV模型需要满足的假设条件主要包括以下几点：

(1)满足BSM期权定价模型的基本假设：公司股票价格波动是个随机的过程；允许卖空；没有交易费用和税收；证券可分性；不存在套利；证券交易的连续性、无风险利率在借款人还清债务前保持不变。

(2)借款人资产价值大于其债务价值时，不发生违约；反之，当借款人资产价值小于其债务价值时，则发生违约。

(3)企业市场价值服从布朗运动，且借款人资产收益服从正态分布。

(4)借款人资本只包括所有者权益，短期、长期债务以及可转化的优先股。

(5)标的股票价格的变化遵循对数正态分布的随机过程。

(6)违约事件只在债务到期日T时刻发生。

（二）KMV模型的优缺点及其在中国的适用性分析

(1)KMV模型的优点：

<1>KMV模型的理论基础较好，其是建立在现代企业理财理论和期权理论基础之上的，可以

反映信用风险水平的变化，而且上市公司定期公布财务报表，股价每天更新交易数据，这使得该模型可以随时可以更新数据EDF值。预期违约频率指标在本质上是运用基数衡量是信用风险，对信用风险划分等级，因而对风险预测更准确，所以说该模型具有较强的说服力。

<2>KMV模型在一定程度上克服了依赖历史数据向后看的数理统计模型的缺陷，所提供的指标EDF来自于股票的即时行情分析，理论分析结果显示了上市公司未来的发展前景。

(2)KMV模型的缺点：

<1>KMV模型中假设资产价值服从正态分布，而在现实中并非如此，股票价格往往受到控制，而且存在大量的不对称消息，因此资产价值不一定都服从正态分布。

<2>KMV模型不能区分债务的优先偿还顺序，也不能对债务的不同类型进行分辩，因而可能造成预测不准确。并且，KMV模型往往适用于对上市公司的风险评估，而对缺乏数据的非上市公司的风险评估不适用。

(3)KMV模型在中国的适用性分析：

<1>中国的证券市场往往受到投机行为及不对称信息进行交易，因此股价大幅波动不能反映资产实际价值，但KMV模型不要求有效市场假设，故在中国可以运用KMV模型分析上市公司信用风险。

<2>KMV模型需要的数据为公司的股票交易数据，而对财务报表中的数据需求较少（债务的账面价值），因此与其他大量依赖财务账面的数据模型相比，KMV模型避免了会计信息失真的负面影响，具有一定的优越性。因此，KMV模型在中国上市公司信用风险分析预测中具有一定的适用性。

二、运用KMV模型进行实证分析研究

（一）数据说明

选取5家上市公司进行实证分析：申达股份(600626)、模塑科技(000700)、老凤祥(600612)、建设机械(600984)、步步高(002251)。以3个月（一季度）的历史数据进行计算，收集数据如下表：

表一申达股份市值估计表

表二模塑科技市值估计表