PDF《我国制造业上市公司 基于KMV模型》

全国中文核心期刊 ・ 财会月刊阴 信用风险是商业银行面临的最主要的风险.

所谓信用风 险, 又称违约风险, 是指交易对手未能履行约定契约中规定的 义务而带来的经济损失的风险.我国商业银行信用风险度量 还处于以定性分析为主, 逐步转向定量、 定性分析相结合的过 渡阶段. 上市公司定期财务报告反映的是公司的历史状况,而证 券市场上股票价格又准确地反映了公司的未来发展趋势, 因 此信用风险度量的准确方法应该是综合利用这两种数据资 源.有研究表明, KMV模型综合了上市公司财务数据和股票 市场表现的预期信息,是最适合我国商业银行的信用风险度 量模型, 此外, 不同行业的违约距离也存在显著差异. 我国是制造大国, 制造业是国民经济的支柱, 本文选取制 造业类上市公司作为研究样本,通过对KMV模型进行修正, 建立适合我国制造业上市公司的行业KMV模型, 以达到提高 我国银行或者机构投资者信用风险管理水平的目的.

一、 KMV模型简介 1援KMV模型原理. KMV模型是由KMV公司创立并商品 化的信用风险度量模型,又称为预期违约率模型,即EDF模型. KMV模型的基本思想来源于Merton (1974) 的期权定价理 论和风险中性的思想,是在BSM期权定价理论基础上发展起 来的现代信用风险度量模型.该模型将公司的股权看作买入 一份欧式看涨期权, 期权的执行价格是公司的债务面值, 公司 资产的市场价值为标的资产. 在公司负债期限内, 公司资产的 市场价值在不断波动, 并在某一时点, 资产的波动符合一定的 统计分布;

在公司负债到期时, 如果公司资产的市场价值高于 公司负债, 则所有者选择支付负债, 不违约;

否则, 选择违约. 在实际商业活动中, 有时候资产价值接近于负债时, 公司不会 违约,因为还没有到期的长期负债可以使公司有一定的喘息 调整机会, KMV公司认为违约点的负债应该是总体负债和流 动负债之间的某一点. 2援KMV模型计算过程. (1) 公司资产价值和资产波动率. KMV模型是以BSM期 权定价理论为基础的, 通过相关代换可以得到KMV模型计算 公式: VE=VAN (d1) -De-rTN (d2) (1) 其中: d1= ;

d2=d1-滓A T 滓E= N (d1) 滓A (2) 式中: VE: 公司股权价值, VA: 公司资产价值, D: 违约触 发点, r: 无风险利率, 滓E: 股价波动率, 滓A: 资产波动率, T: 债 务期限, N ( ・ ) 是标准正态分布函数. VA和滓A是未知量, 通过公式 (1) 和(2) 可以求得. (2) 违约距离DD. KMV公司通过观察大量企业违约样本 后发现, 当企业资产价值降到短期债务 (STD ) 和长期债务 (LTD) 之间的某一点时公司会发生违约,这点被称为违约触发点 DPT, KMV公司认为违约发生最频繁的点是在DPT=STD+ 1/2鄢LTD处, 违约距离计算公式为: DD= 其中: E ( ) 是公司未来T时刻资产的期望值, 滓A是资产 价值波动的标准差. (3) 期望违约率EDF. 违约率EDF理论算法是: EDF=1- N (DD) . KMV公司采用的是经验EDF值.由于我国还没有建 立起经验违约距离的数据库,而理论EDF是基于公司资产符 合正态分布这一假设, 但目前学术界对这一假设争论较大, 所 以本文不对EDF进行研究分析.

二、 样本选取及KMV模型相关参数修正 1援 样本选取. 截至2010年8月, 我国制造业类上市公司有 援 下旬 窑57 窑阴我国制造业上市公司 信用风险度量: 基于KMV模型 赵吉红 谢守红渊教 授冤渊江 南大学商学院江苏无锡214122冤 【摘要】目前对上市公司信用风险度量模型进行研究, 及依据行业特征构造行业信用风险度量模型, 对于商业银行信 用风险管理显得尤为重要. 本文基于现代信用风险度量模型―― ―KMV模型, 通过对违约点、 股权价值波动性率、 违约距离 计算方式进行修正, 构建了制造业行业KMV模型. 研究结果表明, 当违约点选取长期债务和短期债务之和时, 制造业KMV 模型可以提前两年将信用好与不好的上市公司甄别开, 具有较强的适用性, 符合我国目前信用风险管理水平的需要. 同时, 运用制造业KMV模型还可以判断上市公司是否具有 壳 资源的价值. 【关键词】信用风险 KMV模型 违约距离 制造业上市公司 滓A T ln (VA/D) + (r+滓A/2) T VA VE E ( ) -DPT V T A 滓A V T A V T A 阴财会月刊 ・ 全国优秀经济期刊 阴窑58 窑援下旬

1 255家, 是国民经济的支柱, 其中有144家被ST (包括ST, 鄢ST, PT, S) 处理, 占总数的11.47%. 可见制造业 行业信用风险较高. 在证监会划分的制造业大类中, 又有10个细分行业种类,本文为了减少细分行业和上市 公司资产规模不同的影响, 按照以下原则选取样本: (1) 从制造业上市公司选取15家ST和15家相对应 的非ST公司, 共30个样本. 每对样本均选自同一细分 行业类别. (2) 选取的配对样本总资产规模相近. (3) 样本在2007年底前完成股份制改革, 无流通股 和非流通股并存的问题. 在2010年被ST处理的上市公司, 一般是前两年即 2008年和2009年财务状况中出现过亏损.当公司亏损 时, 上市公司的信用状况就已经发生恶化, 所以本文 将上市公司被ST处理时的样本视为信用状况差的样 本, 非ST公司视为信用正常. 为了验证修正后模型的 预测能力, 本文选取的预测时间点是2008年初, 来预测 未来一年公司的信用状况. 2援KMV模型参数修正. (1) 股权价值. 目前我国股票市场还不够完善, 时 有投机恶意炒作的行为发生, 导致股票价格出现较大 的波动, 本文尽量避免这种波动给股权价值计算带来 的影响,使用模型观察日期前10个交易日股票收盘价 的平均值乘以公司在观察日期当日的流通股股数来 计算股权价值. (2) 股权价值波动率. 假设股票价格服从对数正态 分布, 通过股票收益的日波动率来计算股权价值年波 动率, 二者的关系是: 滓E= n伊,式中 =ln (Si/Si-1) , Si表示第i个交易日股票价格, n是年上市交易天数, 滓E 和 分别表示股票的年波动率和日波动率. 理论年交易天数是250天,实际在本文样本中, 各 只股票2007年的交易天数在100 耀249之间不等,由上 式可以看出交易天数n对滓E有显著的正向影响,本文 以实际发生制为原则,取所有样本的交易天数为200 天, 不足200天的, 用2006年的交易数据, 多于200天的, 采用最后200个交易日的数据. (3) 债务期限是一年, 即T=1;

无风险利率r采用 2008年初中国人民银行的一年期定期存款利息率, r2008=4.14%. (4) 违约点选取和违约距离计算. 我国资本市场还 处于发展时期,各行业生产经营对资金的需求不同, 负债特征也有差异,本文选用DPT=STD+茁LTD, 茁分 别取0.

25、 0.

5、 0.

75、 1.0得到对应DPT

1、 DPT

2、 DPT

3、 DPT4. 违约距离反映了公司资产价值期望值到违约点 之间的距离, 国内学者通过实证研究发现, 它基于资 产价值服从对数........