上市公司信用風(fēng)險(xiǎn)度量研究①

張 鵬，曹 陽

(中南財(cái)經(jīng)政法大學(xué)新華金融保險(xiǎn)學(xué)院，湖北 武漢 430073)

一、引 言

隨著資本市場(chǎng)的快速發(fā)展，信用風(fēng)險(xiǎn)評(píng)價(jià)已經(jīng)不再僅僅局限于對(duì)企業(yè)財(cái)務(wù)報(bào)表的分析，而是開始注重資本市場(chǎng)信息中所反映出的信用風(fēng)險(xiǎn)信息。信用風(fēng)險(xiǎn)是指受信人不能履行還本付息的責(zé)任而使授信人的預(yù)期收益與實(shí)際收益發(fā)生偏離的可能性，它是金融風(fēng)險(xiǎn)的主要類型，也是各國金融機(jī)構(gòu)及其監(jiān)管機(jī)構(gòu)管理的重點(diǎn)。由于信用風(fēng)險(xiǎn)具有明顯的非系統(tǒng)性風(fēng)險(xiǎn)特點(diǎn)，而且信用風(fēng)險(xiǎn)收益率的分布為非正態(tài)分布，再考慮到信用風(fēng)險(xiǎn)有明顯的信息不對(duì)稱特征和信用風(fēng)險(xiǎn)數(shù)據(jù)的難以獲取都使得對(duì)信用風(fēng)險(xiǎn)的測(cè)量和監(jiān)管比較困難。目前對(duì)信用風(fēng)險(xiǎn)的管理有兩類工具:一類是財(cái)務(wù)指標(biāo)預(yù)警模型;另一類是信用風(fēng)險(xiǎn)量化模型。前者包括Altman的 Z值模型[1]、改進(jìn)的 Zeta模型[2]以及神經(jīng)網(wǎng)絡(luò)模型，其中以Altman的Z值模型應(yīng)用最為廣泛;后者包括J.P摩根公司創(chuàng)建的Credit Metric模型、CSFP公司開發(fā)出來的Credit Risk+模型、Mckinsey公司開發(fā)的Credit Portfolio View模型和KMV公司開發(fā)的KMV模型，其中以KMV模型應(yīng)用最為廣泛[3]。由于財(cái)務(wù)指標(biāo)預(yù)警模型主要是基于歷史財(cái)務(wù)信息對(duì)受信人信用風(fēng)險(xiǎn)做出評(píng)價(jià)，具有一定滯后性，所以具有前瞻性的KMV模型在國外研究中占據(jù)了主導(dǎo)地位，而在國內(nèi)的研究和應(yīng)用也在不斷擴(kuò)大。

KMV模型的理論基礎(chǔ)是由Black和Scholes[4]在1973年提出的期權(quán)定價(jià)模型，并參考了Merton[5]在1974年提出的期權(quán)定價(jià)模型。KMV模型的基本思想是把公司權(quán)益和負(fù)債看做期權(quán)，而把公司資產(chǎn)作為標(biāo)的資產(chǎn)，即把公司的所有者權(quán)益看做看漲期權(quán)，負(fù)債看做看跌期權(quán)，而公司價(jià)值遵循幾何布朗運(yùn)動(dòng)。如果貸款到期時(shí)企業(yè)市場(chǎng)價(jià)值高于其債務(wù)，企業(yè)有動(dòng)力還款;當(dāng)企業(yè)價(jià)值小于其債務(wù)時(shí)企業(yè)有違約的選擇權(quán)。KMV模型的基本假設(shè)是:當(dāng)公司的資產(chǎn)價(jià)值低于一定水平時(shí)，公司就會(huì)對(duì)債權(quán)人違約。這一水平對(duì)應(yīng)的點(diǎn)就是違約點(diǎn)DPT，即公司的資產(chǎn)價(jià)值等于負(fù)債價(jià)值時(shí)的水平。即該模型的本質(zhì)在于將公司負(fù)債看做是買入一份歐式看漲期權(quán)，即公司所有者持有一份以公司債務(wù)面值為執(zhí)行價(jià)格，以公司資產(chǎn)市場(chǎng)價(jià)值為標(biāo)的歐式看漲期權(quán)。然后通過期權(quán)定價(jià)原理計(jì)算公司的總資產(chǎn)價(jià)值和資產(chǎn)價(jià)值波動(dòng)率，進(jìn)而求出公司的違約距離。最后利用全國違約數(shù)據(jù)庫將公司的違約距離和違約概率進(jìn)行映射求出公司的違約概率，從而判斷公司具有的信用風(fēng)險(xiǎn)。

從1993年KMV公司推出該模型以來，國外學(xué)者便開始廣泛研究和應(yīng)用該模型，研究重點(diǎn)主要集中在對(duì)該模型的預(yù)測(cè)效果的驗(yàn)證上。比較有代表性的有 Michel等[6]和 Lorenzo[7]。國內(nèi)學(xué)者對(duì)KMV模型的研究主要集中在模型在我國應(yīng)用時(shí)的參數(shù)修正上，比較有代表性的有張澤京等[8]、周沅帆[9]和唐振鵬[10]，這些學(xué)者從不同角度證明了該模型在中國的適用性，并提出了改進(jìn)模型的相關(guān)建議。但我國尚未建立全國性的公司信用數(shù)據(jù)庫，尚無法將公司的違約距離和違約概率密度函數(shù)映射求解個(gè)別公司的違約概率。雖然廣大學(xué)者基于中國國情修正了諸如公司股權(quán)價(jià)值計(jì)算公式、公司資產(chǎn)價(jià)值波動(dòng)率和違約點(diǎn)等參數(shù)，但在應(yīng)用KMV模型時(shí)一般只能求出個(gè)別公司的違約距離，無法進(jìn)一步求出基于全國信用數(shù)據(jù)庫的個(gè)別公司違約概率。本文創(chuàng)新之處是:在利用KMV模型求出違約距離之后利用PROBIT模型分析和判斷個(gè)別公司的違約概率，進(jìn)而為公司的信用風(fēng)險(xiǎn)度量和金融機(jī)構(gòu)信用風(fēng)險(xiǎn)管理提供更加可行的依據(jù)。

二、KMV－PROBIT模型分析框架

1.KMV模型步驟

第一步，根據(jù)公司股票的市場(chǎng)價(jià)值和股價(jià)的波動(dòng)性估計(jì)出公司資產(chǎn)的市場(chǎng)價(jià)值及其波動(dòng)性。既然企業(yè)股權(quán)所有者的損益狀況與它持有的股票看漲期權(quán)是同構(gòu)的，那么股權(quán)的價(jià)值就可以表示為一項(xiàng)看漲期權(quán)的價(jià)值。根據(jù)Black－Schools期權(quán)定價(jià)公式，可得下列方程組:

其中，VE代表公司股權(quán)價(jià)值，VA代表公司資產(chǎn)價(jià)值，D代表負(fù)債的賬面價(jià)值，r代表市場(chǎng)無風(fēng)險(xiǎn)利率，t代表債務(wù)剩余到期時(shí)間，σA代表資產(chǎn)價(jià)值的百分比標(biāo)準(zhǔn)差，N(d)代表正態(tài)分布下的累積概率。假設(shè)資產(chǎn)價(jià)值變動(dòng)過程為dVA=μVAdt+σAVAdw，其中 μVAdt是 dVA的均值，根據(jù)伊藤過程可得:σE=(?VA/?VE)·(VA/VE)·σA，?VA/?VE為期權(quán)的避險(xiǎn)比率，即N(d1)，從而可得:σE=N(d1)·(VA/VE)·σA。將該方程與上述期權(quán)方程組聯(lián)立可得關(guān)于VA和σA的二元方程組。由于該方程組中的其他變量VE、t、r、σE和D可從擬評(píng)估上市公司財(cái)務(wù)報(bào)表計(jì)算獲得，因此該二元方程組可解。但由于涉及正態(tài)分布累積概率問題且兩方程均為非線性方程，需采用專業(yè)軟件處理，實(shí)務(wù)中宜采用MATLAB7.0。具體算法可采用“牛頓—拉弗森”迭代算法。

第二步，計(jì)算違約距離和公司資產(chǎn)的預(yù)期價(jià)值。第一步計(jì)算出VA和σA后，根據(jù)下式求出公司的違約距離:

DD=[E(VA)－DPT]/E(VA)σA

其中，E(VA)代表資產(chǎn)預(yù)期價(jià)值，可根據(jù)計(jì)算出的VA及預(yù)期資產(chǎn)增長率估算。DPT代表違約點(diǎn)，在違約點(diǎn)處公司的資產(chǎn)價(jià)值正好能抵償其債務(wù)。KMV公司對(duì)大量違約案例進(jìn)行分析后發(fā)現(xiàn)違約發(fā)生最頻繁的臨界點(diǎn)在公司價(jià)值大于或等于流動(dòng)負(fù)債加50%的長期負(fù)債時(shí)。設(shè)STD為流動(dòng)負(fù)債，LTD為長期負(fù)債，則 DPT=STD+0.5LTD。可見DD的定義是1年后資產(chǎn)的預(yù)期價(jià)值E(VA)和違約點(diǎn)DPT之間的距離除以資產(chǎn)預(yù)期價(jià)值E(VA)與資產(chǎn)收益標(biāo)準(zhǔn)差σA的乘積。從直觀上來看，DD值越大，說明資產(chǎn)的期望價(jià)值與違約邊界的距離相對(duì)資產(chǎn)價(jià)值波動(dòng)的標(biāo)準(zhǔn)差而言足夠大，因此是足夠“安全”的，可以判斷這樣的公司其債務(wù)違約風(fēng)險(xiǎn)應(yīng)當(dāng)比較小，KMV公司對(duì)歷史數(shù)據(jù)統(tǒng)計(jì)的結(jié)果符合這一直觀，采用DD作為衡量違約風(fēng)險(xiǎn)的指標(biāo)是合乎經(jīng)濟(jì)直觀的。但是，由于違約距離是基于公司股票的交易數(shù)據(jù)得到的，因此實(shí)時(shí)變化的股票價(jià)格有利于債權(quán)人定期對(duì)公司的違約距離進(jìn)行判斷。但由于違約距離的測(cè)度類似于債券等級(jí)序數(shù)性的度量指標(biāo)，仍然沒有告知公司違約概率具體水平，因此還需將違約距離轉(zhuǎn)化成預(yù)期違約概率。

第三步，確定預(yù)期違約概率。而預(yù)期違約概率要根據(jù)具有不同違約距離值的公司歷史違約數(shù)據(jù)來確定。理論上的預(yù)期違約概率是基于公司資產(chǎn)的市場(chǎng)價(jià)值服從正態(tài)分布這一假設(shè)條件的，根據(jù)第二步計(jì)算出的違約距離，我們就可計(jì)算出資產(chǎn)市值下降到違約點(diǎn)的概率，即預(yù)期違約概率。計(jì)算公式如下:EDF=p(E(VA)≤DPT)=N(－DD)=1－N(DD)。但是VA的分布不一定是正態(tài)的，所以KMV公司根據(jù)其自身擁有的大量數(shù)據(jù)庫構(gòu)造了違約距離DD和違約概率EDF之間的映射關(guān)系，該經(jīng)驗(yàn)EDF的含義是年初違約距離為n個(gè)標(biāo)準(zhǔn)差的公司在1年內(nèi)違約的數(shù)量和年初違約距離為n個(gè)標(biāo)準(zhǔn)差的公司總數(shù)量的比值，從而構(gòu)造了以經(jīng)驗(yàn)EDF為基礎(chǔ)的信用風(fēng)險(xiǎn)評(píng)價(jià)體系。KMV公司的經(jīng)驗(yàn)結(jié)論如表1所示。

表1 違約距離DD所對(duì)應(yīng)到的期望違約概率

2.KMV模型參數(shù)修正

根據(jù)上述步驟，在計(jì)算違約距離時(shí)有五個(gè)參數(shù)是需要根據(jù)擬評(píng)估公司的財(cái)務(wù)數(shù)據(jù)來獲取的，那么對(duì)該模型的修正便集中于對(duì)這些參數(shù)的修正上。

(1)關(guān)于股權(quán)價(jià)值波動(dòng)率σE。傳統(tǒng)方法是先求出日波動(dòng)率再求出年波動(dòng)率。假設(shè)Pi代表第i個(gè)交易日股票收盤價(jià)的復(fù)權(quán)價(jià)，則股票日收益率為μi=lnPi－lnPi－1，股票收益日波動(dòng)率為σ，假設(shè) 1年交易250天，則σE=σ。傳統(tǒng)方法假設(shè)股票價(jià)格變化服從對(duì)數(shù)正態(tài)分布。但是對(duì)金融數(shù)據(jù)的大量實(shí)證研究表明，金融時(shí)間序列常常出現(xiàn)某一特征值成群出現(xiàn)的現(xiàn)象，在分布上則表現(xiàn)出尖峰厚尾的特征。為應(yīng)對(duì)該問題，實(shí)務(wù)中可采用GARCH模型對(duì)股權(quán)價(jià)值波動(dòng)率進(jìn)行建模估計(jì)。

(2)關(guān)于違約點(diǎn)DPT的設(shè)定。由于KMV公司的結(jié)論是在比較完善的資本市場(chǎng)和監(jiān)管環(huán)境下做出的，可能不太適合于我國的宏觀環(huán)境，因此實(shí)務(wù)中諸多學(xué)者做出了相關(guān)實(shí)證研究，比較常見的是修正長期負(fù)債的系數(shù)。KMV公司在測(cè)算時(shí)認(rèn)為DPT=STD+0.5LTD是比較合適的，我國學(xué)者對(duì)該問題比較常見的處理方法是將長期負(fù)債系數(shù)修正為更小的數(shù)值。

(3)無風(fēng)險(xiǎn)利率一般采用央行公布的1年期存款利率，若年內(nèi)有變化則按時(shí)間加權(quán)計(jì)算。債務(wù)到期時(shí)間一般假設(shè)為1年。公司的資產(chǎn)增長率一般假設(shè)為0或者按照公司以前若干年度的加權(quán)平均值計(jì)算。

3.PROBIT模型變量選取和設(shè)定

由于KMV模型計(jì)算的理論EDF在適用性上受到資產(chǎn)價(jià)值不一定符合正態(tài)分布的影響，而在我國尚未建立公司違約數(shù)據(jù)庫的現(xiàn)狀下經(jīng)驗(yàn)EDF亦無法計(jì)算，所以我國學(xué)者在使用KMV模型時(shí)總是止步于違約距離DD的計(jì)算。本文擬在計(jì)算出違約距離DD后用PROBIT模型來對(duì)公司信用風(fēng)險(xiǎn)違約概率做出估算。

PROBIT模型是對(duì)二分因變量進(jìn)行回歸分析的模型。該模型利用正態(tài)累積分布函數(shù)進(jìn)行建模分析。假設(shè)第i個(gè)公司發(fā)生違約概率為Pi，則PROBIT回歸模型的一般形式為:

其中，Q ～N(0，σ2)。Pi是在條件 Xij下違約發(fā)生的概率，一般的判定規(guī)則是:如果Pi值大于0.5則企業(yè)違約的可能性很大，反之則反是。概率Pi可以通過圖1所示正態(tài)曲線下陰影部分所圍的面積測(cè)出。

圖1 PROBIT模型下概率的測(cè)算

公司的信用風(fēng)險(xiǎn)大小往往能夠從其財(cái)務(wù)指標(biāo)中反映出來，因此本文擬采用Z評(píng)分模型中的自變量作為PROBIT模型的自變量，同時(shí)采用DD作為PROBIT模型的自變量并比較其顯著性，可以合理預(yù)計(jì)DD能夠顯著增加模型的解釋力。

三、樣本數(shù)據(jù)及實(shí)證分析

1.樣本數(shù)據(jù)及違約距離

因?yàn)闊o法得到公司真實(shí)的違約記錄，而上市公司財(cái)務(wù)狀況陷入困境時(shí)則會(huì)被“ST(Special Treatment)”，可以合理預(yù)期ST公司的信用風(fēng)險(xiǎn)和違約概率會(huì)顯著大于非ST公司。為此，本文采用滬市2010年的19家ST公司作為觀察組，并選擇在同一市場(chǎng)上市的規(guī)模相當(dāng)、業(yè)務(wù)相近的非ST公司作為參照組，樣本如表2所示。

在利用KMV模型計(jì)算樣本的違約距離時(shí)參數(shù)計(jì)算如下:

(1)計(jì)算方法。本文對(duì)樣本公司2010年整個(gè)會(huì)計(jì)年度的數(shù)據(jù)進(jìn)行計(jì)算，在股權(quán)波動(dòng)率σE的計(jì)算上利用Eviews6.0建立GARCH(1，1)模型計(jì)算，經(jīng)過對(duì)殘差進(jìn)行ARCH－LM檢驗(yàn)后發(fā)現(xiàn)不再存在異方差。

(2)關(guān)于股權(quán)市場(chǎng)價(jià)值。雖然2010年后我國股權(quán)分置改革基本完成，但部分樣本公司截止到2010年12月底仍有非流通股，因此在計(jì)算時(shí)，股權(quán)市場(chǎng)價(jià)值等于流通股價(jià)值和非流通股價(jià)值之和。非流通股價(jià)值采用非流通股股數(shù)和期末每股凈資產(chǎn)相乘獲得，即股權(quán)市場(chǎng)價(jià)值=流通股價(jià)值+非流通股價(jià)值=流通股股數(shù)×股票價(jià)格+非流通股股數(shù)×每股凈資產(chǎn)。

(3)關(guān)于無風(fēng)險(xiǎn)利率。由于2010年10月20日商業(yè)銀行1年期定期存款利率由2.25%提升為2.50%，因此采用時(shí)間加權(quán)后的無風(fēng)險(xiǎn)利率為2.25% ×9/12+2.50% ×3/12=2.31%。

(4)關(guān)于違約點(diǎn)。考慮到我國市場(chǎng)環(huán)境不夠完善，公司在面臨債務(wù)壓力時(shí)選擇違約的動(dòng)機(jī)較為強(qiáng)烈，因此選擇DPT=STD+0.25LTD。另外根據(jù)相關(guān)技術(shù)文獻(xiàn)建議將債務(wù)到期時(shí)間設(shè)定為1年。企業(yè)資產(chǎn)增長率采用樣本公司自上市以來的總資產(chǎn)環(huán)比增長率估算。相關(guān)財(cái)務(wù)數(shù)據(jù)來自巨靈金融平臺(tái)。經(jīng)過以上調(diào)整利用MATLAB7.0計(jì)算出樣本的股權(quán)波動(dòng)率σE和違約距離DD如表2所示。

表2 樣本公司及其違約距離DD

2.PROBIT模型實(shí)證分析

Z計(jì)分模型認(rèn)為影響借款人違約概率的因素主要有流動(dòng)性、盈利性、杠桿比率、償債能力和活躍性五個(gè)。Altman選擇了下列五個(gè)財(cái)務(wù)指標(biāo)來綜合反映上述五大因素，最終得出Z計(jì)分函數(shù):Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5，其中，X1代表營運(yùn)資產(chǎn)和總資產(chǎn)的比值，X2代表留存收益和總資產(chǎn)的比值，X3代表稅前利潤和總資產(chǎn)的比值，X4代表股票市場(chǎng)價(jià)值和負(fù)債賬面價(jià)值的比值，X5代表銷售額和總資產(chǎn)的比值。根據(jù)上述財(cái)務(wù)指標(biāo)可知，若Z值越高，說明公司違約的可能性越小。

首先，對(duì)加入違約距離DD之前的數(shù)據(jù)進(jìn)行分析。假設(shè)樣本為ST公司時(shí)，被解釋變量Y=1;樣本是非ST公司時(shí)，Y=0。設(shè)第i個(gè)公司信用風(fēng)險(xiǎn)選擇違約的概率為Pi，用Z計(jì)分模型中的五個(gè)財(cái)務(wù)指標(biāo)作為自變量對(duì)被解釋變量Y構(gòu)建PROBIT模型，發(fā)現(xiàn)只有X2統(tǒng)計(jì)上顯著，其回歸結(jié)果如表3所示。

表3 未將違約距離DD作為PROBIT模型自變量的回歸結(jié)果

其次，將違約距離DD作為上述模型自變量的回歸結(jié)果如表4所示。

表4 將違約距離DD作為PROBIT模型自變量的回歸結(jié)果

對(duì)比表3和表4可知:DD的加入使得模型的McFadden R2由0.471增加到0.614，顯著增加了模型的解釋力。似然比LR(2df)=32.326也說明模型在整體上擬合比較好。這進(jìn)一步證實(shí)了基于KMV模型計(jì)算的違約距離DD能夠有效地區(qū)分ST公司和非ST公司，對(duì)上市公司信用風(fēng)險(xiǎn)有預(yù)警功能。

再次，為進(jìn)一步評(píng)估Z計(jì)分量對(duì)于信用風(fēng)險(xiǎn)的區(qū)分程度，在第二步基礎(chǔ)上加入Z計(jì)分量作為模型自變量得回歸結(jié)果如表5所示。

表5 加入違約距離和Z計(jì)分量的PROBIT回歸結(jié)果

由于Z計(jì)分量包含了X2，這會(huì)導(dǎo)致模型的多重共線性問題。不過由于我們并未采用線性概率模型，PROBIT模型是一個(gè)非線性模型，其模型形式在一定程度上減輕了這一問題。另外，如果回歸分析的唯一目的是預(yù)測(cè)，則輕微的多重共線性并不是一個(gè)嚴(yán)重的問題，因?yàn)镸cFadden R2越大，預(yù)測(cè)的精度越高。因此本文最后確定用于預(yù)測(cè)的模型是:

最后，將相應(yīng)自變量數(shù)據(jù)帶入上述預(yù)測(cè)模型，通過數(shù)學(xué)計(jì)算可得第i個(gè)公司的違約概率Pi，當(dāng)Pi大于0.5時(shí)認(rèn)為會(huì)發(fā)生違約，當(dāng)Pi小于0.5時(shí)認(rèn)為不會(huì)發(fā)生違約。可得模型判別準(zhǔn)確率。可見對(duì)ST公司判斷準(zhǔn)確率為84.210%，對(duì)非ST公司判斷準(zhǔn)確率為78.940%，預(yù)測(cè)模型總體預(yù)測(cè)準(zhǔn)確率達(dá)到了81.580%，該預(yù)測(cè)結(jié)果比較理想。

四、結(jié)論及政策建議

通過以上分析可得如下結(jié)論:

第一，KMV模型計(jì)算的違約距離DD可以用于區(qū)分信用風(fēng)險(xiǎn)較大陷入財(cái)務(wù)危機(jī)的公司和信用風(fēng)險(xiǎn)較小的公司，在信用風(fēng)險(xiǎn)預(yù)測(cè)方面具有一定的功效，因此該模型在我國具有一定適用性。但由于非上市公司的財(cái)務(wù)數(shù)據(jù)很難獲得，本文僅驗(yàn)證了對(duì)滬市樣本上市公司的適用性，對(duì)于非上市公司的適用性仍有待實(shí)踐檢驗(yàn)。考慮到銀行等金融機(jī)構(gòu)在發(fā)放貸款給非上市公司或機(jī)構(gòu)投資者購買非上市公司債券時(shí)會(huì)了解到其具體財(cái)務(wù)信息，也有可能利用KMV模型計(jì)算違約距離DD進(jìn)行信用風(fēng)險(xiǎn)鑒別和預(yù)測(cè)。

第二，由于目前我國沒有建立規(guī)范的企業(yè)信用數(shù)據(jù)庫，因此無法利用KMV模型給出的方法計(jì)算公司的違約率，本文建議在計(jì)算出違約距離DD之后，利用PROBIT模型對(duì)相關(guān)財(cái)務(wù)指標(biāo)和違約距離DD進(jìn)行回歸分析，進(jìn)而求得基于PROBIT模型的公司違約概率。經(jīng)過驗(yàn)證，發(fā)現(xiàn)這一方法基本是有效的，且用于預(yù)測(cè)時(shí)效果顯著。值得指出的是，違約距離DD的加入有效地提高了PROBIT模型的整體統(tǒng)計(jì)顯著性和預(yù)測(cè)精度，這進(jìn)一步證明了KMV模型在我國的適用性，同時(shí)也證明了基于PROBIT模型的違約概率測(cè)算和預(yù)測(cè)在我國亦是可行的。

第三，在用PROBIT模型計(jì)算違約概率時(shí)，Z計(jì)分量的五個(gè)財(cái)務(wù)指標(biāo)僅有留存收益和總資產(chǎn)的比值X2具有統(tǒng)計(jì)顯著性，說明持續(xù)的盈利能力是公司生存的根本。在此基礎(chǔ)上考慮了流動(dòng)性和杠桿比率等綜合指標(biāo)的Z計(jì)分量也具有統(tǒng)計(jì)顯著性，說明了在保證盈利能力的前提下，企業(yè)的綜合財(cái)務(wù)狀況影響其信用風(fēng)險(xiǎn)和違約概率。

另外需要指出的是:雖然KMV模型預(yù)測(cè)效果較好，而且模型具有一定的前瞻性，但是該模型本質(zhì)上屬于靜態(tài)債務(wù)結(jié)構(gòu)模型，模型的基礎(chǔ)假設(shè)是借款企業(yè)在債務(wù)的存續(xù)期內(nèi)保持債務(wù)結(jié)構(gòu)不變，但實(shí)際情況往往并非如此。因此它不能挖掘那些尋求跨時(shí)不變的或者某類特定杠桿率目標(biāo)的企業(yè)行為。同時(shí)該模型沒有考慮稅收影響，實(shí)際經(jīng)濟(jì)中稅收是普遍存在的，負(fù)債會(huì)帶來“稅收庇護(hù)利益”的好處，會(huì)增加負(fù)債企業(yè)的價(jià)值。因此在為負(fù)債企業(yè)估值時(shí)應(yīng)當(dāng)把“稅收庇護(hù)利益”考慮進(jìn)去。由于KMV模型具有這些缺陷，在后續(xù)研究中應(yīng)注意修正。

借此，本文提出如下政策建議:

第一，建立大型違約數(shù)據(jù)庫，探尋我國上市公司違約距離與經(jīng)驗(yàn)違約率的映射關(guān)系。大量的數(shù)據(jù)信息是進(jìn)行準(zhǔn)確的信用風(fēng)險(xiǎn)度量的基礎(chǔ)，也是建立信用風(fēng)險(xiǎn)體系的基礎(chǔ)，因此政府和相關(guān)監(jiān)管部門應(yīng)努力推進(jìn)這一進(jìn)程。在實(shí)踐中可先嘗試建立部分上市公司的信用數(shù)據(jù)庫，然后逐步推廣到整個(gè)上市公司范圍，待時(shí)機(jī)成熟后推廣到所有公司。也可以分地區(qū)建立試點(diǎn)，將公司的信用信息和其融資投資行為結(jié)合起來，以便更好地監(jiān)控信用風(fēng)險(xiǎn)。

第二，進(jìn)一步建立和發(fā)展第三方信用評(píng)價(jià)機(jī)構(gòu)。目前我國的信用評(píng)價(jià)機(jī)構(gòu)存在著規(guī)模過小、操作不到位和影響力小的弊病，諸如中誠信國際信用評(píng)級(jí)有限責(zé)任公司和大公國際資信評(píng)估有限公司是我國比較權(quán)威的評(píng)級(jí)機(jī)構(gòu)，但仍然和國際公認(rèn)的諸如惠譽(yù)、穆迪公司的操作標(biāo)準(zhǔn)相距甚遠(yuǎn)。因此，盡快完善我國的第三方信用評(píng)價(jià)機(jī)構(gòu)是監(jiān)控和規(guī)制信用風(fēng)險(xiǎn)的題中之義。

第三，進(jìn)一步加快利率市場(chǎng)化進(jìn)程。由于缺乏基準(zhǔn)利率體系，在使用計(jì)量模型時(shí)不能選擇到符合模型要求的基準(zhǔn)利率，只能采用央行公布的1年期定期存款利率進(jìn)行加權(quán)計(jì)算。近年來，銀行間債券交易市場(chǎng)規(guī)模不斷擴(kuò)大，SHIBOR利率體系也在不斷完善之中，這些已有成果的持續(xù)推進(jìn)，將大大有利于今后對(duì)我國市場(chǎng)數(shù)據(jù)進(jìn)行計(jì)量分析時(shí)得到更加符合模型需要的利率參數(shù)。

第四，KMV模型一般適用于上司公司違約風(fēng)險(xiǎn)的測(cè)控，但是對(duì)于非上市公司，由于其沒有股價(jià)和股價(jià)波動(dòng)率等相關(guān)指標(biāo)，因此無法利用KMV模型進(jìn)行測(cè)控。但是非上市公司的信用風(fēng)險(xiǎn)往往比上市公司的更嚴(yán)重一些，在實(shí)務(wù)中應(yīng)進(jìn)一步研究非上市公司的信用風(fēng)險(xiǎn)控制。值得指出的是，利用KMV模型的思維邏輯，做一系列變量代換可以設(shè)計(jì)出針對(duì)非上市公司的信用風(fēng)險(xiǎn)測(cè)控模型。在此基礎(chǔ)上，如何將二者有機(jī)結(jié)合起來建立起一套完整的信用風(fēng)險(xiǎn)控制框架，是我國學(xué)術(shù)界針對(duì)該問題未來的研究方向。

綜上所述，雖然KMV模型自身有一定的瑕疵，但其對(duì)信用風(fēng)險(xiǎn)的測(cè)控效果較好，將KMV模型和PROBIT模型有機(jī)結(jié)合起來，能夠?yàn)樽R(shí)別、評(píng)估和應(yīng)對(duì)廣泛存在的信用風(fēng)險(xiǎn)提供科學(xué)依據(jù)，能夠?yàn)槲覈鹑跈C(jī)構(gòu)和監(jiān)管機(jī)構(gòu)的信用風(fēng)險(xiǎn)管理決策提供有價(jià)值的參考。

[1]Altman，E.I.Financial Ratios，Discriminant Analysis and the Prediction of Bankruptcy [J].Journal of Finance，1968，(9):589－609.

[2]Altman，E.I.，Haldeman，R.G.ZETA Analysis:A New Model to Identify Bankruptcy Risk of Corporation [J].Journal of Banking and Finance，1977，(1):29 －51.

[3]周杰.修正的KMV模型在上市公司信用風(fēng)險(xiǎn)度量中的應(yīng)用分析[J].財(cái)會(huì)通訊，2009，(15):8－11.

[4]Black，F(xiàn).，Scholes，M.The Pricing of Option and Corporate Liabilities [J]. Journal of Political Economy，1973，(5):637－654.

[5]Merton，R.C.On the Pricing of Corporate Debt:The Risk StructureofInterestRates [J].Journalof Finance，1974，(6):449 －470.

[6]Michel，C.，Galai，D.，Mark，R.A Comparative Analysis of Current Credit Risk Models[J].Journal of Banking and Finance，2000，(1):59－117.

[7]Lorenzo，G.Default Risk，Shareholder Advantage and Stock Returns [J].Reviews of Financial Studies，2008，(11):2734－2778.

[8]張澤京，陳曉紅，王傅強(qiáng).基于KMV模型的我國中小上市公司信用風(fēng)險(xiǎn)研究[J].財(cái)經(jīng)研究，2007，(11):31－35.

[9]周沅帆.基于KMV模型對(duì)我國上市保險(xiǎn)公司的信用風(fēng)險(xiǎn)度量[J].保險(xiǎn)研究，2009，(3):77－81.

[10]唐振鵬.基于EGARCH－M波動(dòng)模型的KMV信用風(fēng)險(xiǎn)度量研究[J].福州大學(xué)學(xué)報(bào)(社科版)，2010，(1):17 －22.