基于DCC—MSV—KMV模型的第三產(chǎn)業(yè)行業(yè)信用風(fēng)險(xiǎn)傳染效應(yīng)度量

基金項(xiàng)目：國(guó)家自然科學(xué)基金創(chuàng)新研究群體科學(xué)基金資助項(xiàng)目（71221001）；國(guó)家軟件科學(xué)研究計(jì)劃資助項(xiàng)目（2010GXS5B141）

作者簡(jiǎn)介：謝赤（1963-），男，湖南株洲人，湖南大學(xué)教授，博士生導(dǎo)師

摘要：結(jié)合KMV模型和DCCMSV模型，構(gòu)建了一個(gè)行業(yè)間信用風(fēng)險(xiǎn)傳染效應(yīng)度量模型，以考查第三產(chǎn)業(yè)中各行業(yè)間的信用風(fēng)險(xiǎn)傳染效應(yīng)排除涉及領(lǐng)域繁雜和主營(yíng)業(yè)務(wù)不突出的行業(yè)，兼顧行業(yè)中上市公司數(shù)量，最終選擇交通運(yùn)輸、倉(cāng)儲(chǔ)業(yè)，信息技術(shù)業(yè)，批發(fā)和零售貿(mào)易業(yè)，房地產(chǎn)業(yè)和社會(huì)服務(wù)業(yè)等5個(gè)行業(yè)為研究對(duì)象實(shí)證結(jié)果顯示：第三產(chǎn)業(yè)各行業(yè)間信用風(fēng)險(xiǎn)傳染效應(yīng)均大于05，且呈現(xiàn)震蕩上行的態(tài)勢(shì)，說(shuō)明行業(yè)間信用風(fēng)險(xiǎn)傳染效應(yīng)在增強(qiáng)、傳染程度在加深；交通運(yùn)輸、倉(cāng)儲(chǔ)業(yè)與其它4個(gè)行業(yè)之間的信用風(fēng)險(xiǎn)傳染效應(yīng)均較為明顯，這可能是由于作為基礎(chǔ)產(chǎn)業(yè)，該行業(yè)對(duì)其它行業(yè)的影響比較深遠(yuǎn)；房地產(chǎn)業(yè)與社會(huì)服務(wù)業(yè)間的信用風(fēng)險(xiǎn)傳染比較明顯，可能是因?yàn)槎呔哂泄餐男庞蔑L(fēng)險(xiǎn)傳染影響因素，即交通運(yùn)輸、倉(cāng)儲(chǔ)業(yè)；批發(fā)和零售貿(mào)易業(yè)與社會(huì)服務(wù)業(yè)間的信用風(fēng)險(xiǎn)傳染效應(yīng)最強(qiáng)，且相對(duì)穩(wěn)定，其原因可能是這二個(gè)行業(yè)均受交通運(yùn)輸、倉(cāng)儲(chǔ)業(yè)影響，它們本身也存在較強(qiáng)的關(guān)聯(lián)性

關(guān)鍵詞：第三產(chǎn)業(yè)；信用風(fēng)險(xiǎn)傳染效應(yīng)；DCCMSV模型；KMV模型

中圖分類(lèi)號(hào)：F8309文獻(xiàn)標(biāo)識(shí)碼：A

根據(jù)國(guó)家統(tǒng)計(jì)局頒布的《2012年國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》數(shù)據(jù)，2012年第三產(chǎn)業(yè)增加值占GDP的比例再創(chuàng)新高，達(dá)到446%，第二產(chǎn)業(yè)增加值比例為453%，第三產(chǎn)業(yè)已經(jīng)基本與第二產(chǎn)業(yè)持平，對(duì)GDP的貢獻(xiàn)在加大第三產(chǎn)業(yè)中各個(gè)行業(yè)之間聯(lián)系緊密，尤其是在資金鏈方面，呈現(xiàn)出“一損俱損、一榮俱榮”的效應(yīng)因此，從實(shí)體經(jīng)濟(jì)的視角來(lái)看，第三產(chǎn)業(yè)各行業(yè)間存在較強(qiáng)的風(fēng)險(xiǎn)關(guān)聯(lián)性，而從虛擬經(jīng)濟(jì)的層面觀察，存在“你方唱罷我登場(chǎng)”的行業(yè)輪動(dòng)規(guī)律，而這種行業(yè)輪動(dòng)現(xiàn)象實(shí)際上也映射出第三產(chǎn)業(yè)行業(yè)間的緊密聯(lián)系鑒于第三產(chǎn)業(yè)面臨的信用風(fēng)險(xiǎn)以及行業(yè)間信用風(fēng)險(xiǎn)傳染效應(yīng)的日益增強(qiáng)，同時(shí)考慮到它對(duì)于國(guó)民經(jīng)濟(jì)的重要性與日俱增，因此對(duì)第三產(chǎn)業(yè)行業(yè)間的信用風(fēng)險(xiǎn)傳染效應(yīng)的深入研究已經(jīng)成為學(xué)界和業(yè)界目前面臨的緊迫課題考察第三產(chǎn)業(yè)行業(yè)信用風(fēng)險(xiǎn)傳染效應(yīng)，一方面有助于進(jìn)一步了解第三產(chǎn)業(yè)實(shí)體經(jīng)濟(jì)的運(yùn)行狀況，提高風(fēng)險(xiǎn)管理效率，有效防止風(fēng)險(xiǎn)擴(kuò)大效應(yīng)，減少連鎖性行業(yè)危機(jī)出現(xiàn)的可能性另一方面，有利于準(zhǔn)確把握行業(yè)信用風(fēng)險(xiǎn)的傳染機(jī)理，為制定相應(yīng)的政策及進(jìn)行宏觀調(diào)控提供理論基礎(chǔ)

所謂信用風(fēng)險(xiǎn)傳染效應(yīng)，就是一個(gè)債務(wù)人違約對(duì)其他債務(wù)人的影響及其強(qiáng)度現(xiàn)有的信用風(fēng)險(xiǎn)傳染效應(yīng)研究主要基于簡(jiǎn)約模型，Duffie， Pan和Singleton，Ingleton以及Jarrow和Yu等將聯(lián)合跳躍納入違約過(guò)程中，以違約強(qiáng)度為關(guān)鍵變量構(gòu)建了擴(kuò)展的簡(jiǎn)約模型[1-2]隨后，F(xiàn)rey和Backhaus認(rèn)為違約過(guò)程服從一個(gè)條件有限狀態(tài)MC （Markov Chain）顯而易見(jiàn)，簡(jiǎn)約模型對(duì)關(guān)鍵變量如違約強(qiáng)度的假定較為嚴(yán)格，因此存在一定的局限性隨后，諸多學(xué)者對(duì)簡(jiǎn)約模型進(jìn)行了改進(jìn)從市場(chǎng)參與者不完全信息的角度切入，Schoenbucher將Copula函數(shù)與生物研究領(lǐng)域的Frailty Index相結(jié)合，構(gòu)建了信息驅(qū)使的傳染模型基于混合選舉模型均衡分布和交互粒子系統(tǒng)相關(guān)理論，GieseckeI和Weber建立了信用風(fēng)險(xiǎn)傳染模型，該模型考慮到了動(dòng)態(tài)經(jīng)濟(jì)環(huán)境下的狀態(tài)轉(zhuǎn)換上述研究只從結(jié)果上測(cè)算出違約概率，沒(méi)有反映出違約的根本原因考慮到宏觀經(jīng)濟(jì)因子的影響，不少學(xué)者如謝赤和徐國(guó)嘏、程嬋娟和鄒海波以及尹航和南靈基于CPV模型將違約現(xiàn)象與宏觀經(jīng)濟(jì)形勢(shì)（或周期）相聯(lián)系[6-8]不難看出，CPV模型依賴(lài)于一系列假設(shè)此外，諸多學(xué)者從信用風(fēng)險(xiǎn)相關(guān)性的層面出發(fā)，考察信用風(fēng)險(xiǎn)傳染效應(yīng)如Asai和Mchaelr以及Hui和Zheng建立了一個(gè)DCCMSV模型，并證實(shí)了該模型能準(zhǔn)確地估計(jì)信用風(fēng)險(xiǎn)間的交叉相關(guān)性[9-10]

由上可知，現(xiàn)有研究?jī)H局限于對(duì)兩個(gè)或幾個(gè)緊密相關(guān)的主體進(jìn)行研究，少有學(xué)者從更為廣闊的行業(yè)視角出發(fā)考察第三產(chǎn)業(yè)行業(yè)信用風(fēng)險(xiǎn)傳染本文結(jié)合KMV模型和DCCMSV模型，構(gòu)建一個(gè)行業(yè)信用風(fēng)險(xiǎn)傳染效應(yīng)度量模型，并基于此量化第三產(chǎn)業(yè)行業(yè)信用風(fēng)險(xiǎn)傳染效應(yīng)

1模型構(gòu)建

KMV模型認(rèn)為，企業(yè)的信用風(fēng)險(xiǎn)取決于資產(chǎn)價(jià)值、資產(chǎn)風(fēng)險(xiǎn)、杠桿比率等3個(gè)主要因素應(yīng)用KMV模型估計(jì)某一企業(yè)的違約概率包括以下兩個(gè)步驟

2實(shí)證分析

21數(shù)據(jù)來(lái)源及數(shù)據(jù)分析

2005年4月29日，中國(guó)證監(jiān)會(huì)開(kāi)始股權(quán)分置改革，至2006年底大多數(shù)上市公司都完成了股權(quán)分置改革股權(quán)分置改革將對(duì)參與股改的公司績(jī)效產(chǎn)生一定的影響，因此本文以2007-2012年為樣本期間 相當(dāng)大部分樣本公司的2012年度年報(bào)尚未公布，本文的樣本期間截止于2012年9月30日，并以樣本期內(nèi)在深、滬兩個(gè)交易所A股市場(chǎng)間有連續(xù)交易記錄的第三產(chǎn)業(yè)上市公司為研究對(duì)象本文的相關(guān)數(shù)據(jù)來(lái)源于國(guó)泰君安數(shù)據(jù)庫(kù)

根據(jù)中國(guó)證監(jiān)會(huì)公布的《上市公司行業(yè)分類(lèi)指引》和《2012年4季度上市公司行業(yè)分類(lèi)結(jié)果》，排除涉及領(lǐng)域較繁雜以及主營(yíng)業(yè)務(wù)不突出的行業(yè)，同時(shí)考慮到各行業(yè)中上市公司數(shù)量，本文選擇交通運(yùn)輸、倉(cāng)儲(chǔ)業(yè)（F）、信息技術(shù)業(yè)（G）、批發(fā)和零售貿(mào)易業(yè)（H）、房地產(chǎn)業(yè)（J）以及社會(huì)服務(wù)業(yè)（K）等5個(gè)行業(yè)為研究對(duì)象，以考查這5個(gè)行業(yè)之間的信用風(fēng)險(xiǎn)傳染效應(yīng)表1為行業(yè)信用風(fēng)險(xiǎn)指數(shù)的描述性統(tǒng)計(jì)結(jié)果由此看出，H行業(yè)，也就是批發(fā)和零售貿(mào)易業(yè)的信用風(fēng)險(xiǎn)最高，其違約距離的均值為-341e05，而K行業(yè)，即社會(huì)服務(wù)業(yè)的信用風(fēng)險(xiǎn)最低從信用風(fēng)險(xiǎn)的波動(dòng)來(lái)看，G行業(yè)和K行業(yè)的標(biāo)準(zhǔn)差較大

22DCCMSV的參數(shù)估計(jì)

DCCMSV模型參數(shù)的估計(jì)結(jié)果如表3所示不難發(fā)現(xiàn)各個(gè)參數(shù)估計(jì)值的標(biāo)準(zhǔn)差均較小，故可以初步判定樣本路徑是收斂的，參數(shù)估計(jì)結(jié)果是合理的23第三產(chǎn)業(yè)行業(yè)信用風(fēng)險(xiǎn)傳染效應(yīng)分析

圖1為樣本期內(nèi)第三產(chǎn)業(yè)中5個(gè)行業(yè)之間信用風(fēng)險(xiǎn)傳染效應(yīng)時(shí)序圖，其中CGH表示G與H行業(yè)間的信用風(fēng)險(xiǎn)傳染效應(yīng)總體來(lái)看，F(xiàn)，G，H，J和K等5個(gè)行業(yè)之間的信用風(fēng)險(xiǎn)傳染效應(yīng)均大于05，這證實(shí)了第三產(chǎn)業(yè)各行業(yè)之間信用風(fēng)險(xiǎn)傳染程度較強(qiáng)其中，F(xiàn)與G行業(yè)、F與H行業(yè)、F與J行業(yè)、F與K行業(yè)、G與H行業(yè)、G與J行業(yè)、G與K行業(yè)、H與J行業(yè)、H與K行業(yè)、J與K行業(yè)之間信用風(fēng)險(xiǎn)傳染效應(yīng)變動(dòng)區(qū)間依次為：[085， 089]，[065， 085]，[076， 084]，[066，078]，[065， 075]，[07， 085]，[055， 085]，[06， 085]，[085，09]以及[06，09]整個(gè)樣本期內(nèi)行業(yè)信用風(fēng)險(xiǎn)傳染效應(yīng)都呈現(xiàn)震蕩上行的趨勢(shì)，說(shuō)明這段時(shí)間內(nèi)第三產(chǎn)業(yè)各行業(yè)信用風(fēng)險(xiǎn)傳染效應(yīng)增強(qiáng)這可能是由于：受金融危機(jī)、歐債危機(jī)等影響，中國(guó)宏觀經(jīng)濟(jì)氛圍偏冷，加上第三產(chǎn)業(yè)內(nèi)部結(jié)構(gòu)不合理，極易受整體大環(huán)境影響因此第三產(chǎn)業(yè)出現(xiàn)了一定程度的衰退；從虛擬經(jīng)濟(jì)的層面來(lái)看，金融市場(chǎng)震蕩下行，各行業(yè)的信用風(fēng)險(xiǎn)普遍上升，且受外部危機(jī)影響，各行業(yè)間的關(guān)聯(lián)性加強(qiáng)，因此出現(xiàn)連鎖性行業(yè)危機(jī)的可能性增大

F與G行業(yè)、F與H行業(yè)、F與J行業(yè)、F與K行業(yè)間的信用風(fēng)險(xiǎn)傳染效應(yīng)較顯著.這可能是因?yàn)椋鹤鳛榛A(chǔ)設(shè)施和基礎(chǔ)產(chǎn)業(yè)，交通運(yùn)輸、倉(cāng)儲(chǔ)業(yè)（F）對(duì)G，H，J及K的影響比較顯著，當(dāng)F行業(yè)的信用風(fēng)險(xiǎn)水平比較高時(shí)，危機(jī)易波及其它相關(guān)行業(yè)，產(chǎn)生較強(qiáng)的信用風(fēng)險(xiǎn)放大效應(yīng)H與K行業(yè)間的信用風(fēng)險(xiǎn)傳染效應(yīng)顯著，這可能是因?yàn)镠與K行業(yè)之間存在較強(qiáng)的關(guān)聯(lián)性，K行業(yè)主要涉及物流、旅游等方面，這些方面與批發(fā)與零售貿(mào)易業(yè)聯(lián)系緊密，這兩個(gè)行業(yè)之間很可能存在較強(qiáng)的信用風(fēng)險(xiǎn)放大效應(yīng)J與K行業(yè)間的信用風(fēng)險(xiǎn)傳染效應(yīng)較顯著，可能的原因是：一方面，這兩個(gè)行業(yè)都受到F行業(yè)影響，具有共同的信用風(fēng)險(xiǎn)傳染影響因素；另一方面，這兩個(gè)行業(yè)本身存在較強(qiáng)的關(guān)聯(lián)性

3結(jié)論

構(gòu)建了一個(gè)行業(yè)信用風(fēng)險(xiǎn)傳染效應(yīng)度量模型，并考查了中國(guó)第三產(chǎn)業(yè)中5個(gè)行業(yè)之間的信用風(fēng)險(xiǎn)傳染效應(yīng)研究得到如下結(jié)論：

F，G，H，J及K這5個(gè)行業(yè)兩兩間的信用風(fēng)險(xiǎn)傳染效應(yīng)均大于05，證實(shí)各行業(yè)之間信用風(fēng)險(xiǎn)傳染非常顯著.這可能是因?yàn)椋旱谌a(chǎn)業(yè)內(nèi)部結(jié)構(gòu)不合理，各行業(yè)間存在較強(qiáng)的關(guān)聯(lián)性在樣本期內(nèi)，信用風(fēng)險(xiǎn)傳染效應(yīng)呈現(xiàn)出震蕩上行的大致趨勢(shì)，反映各行業(yè)信用風(fēng)險(xiǎn)傳染程度在不斷加強(qiáng).可能的原因是由于受不利的宏觀氛圍影響，第三產(chǎn)業(yè)各行業(yè)信用風(fēng)險(xiǎn)上升，且各行業(yè)間關(guān)聯(lián)性強(qiáng)

F與其他行業(yè)間的信用風(fēng)險(xiǎn)傳染效應(yīng)比較明顯這可能是因?yàn)椋鹤鳛榛A(chǔ)設(shè)施和基礎(chǔ)產(chǎn)業(yè)，交通運(yùn)輸、倉(cāng)儲(chǔ)業(yè)（F）對(duì)其它行業(yè)影響較大，發(fā)生信用風(fēng)險(xiǎn)危機(jī)放大化的可能性較大；行業(yè)之間關(guān)聯(lián)性比較強(qiáng)

由此看出，中國(guó)第三產(chǎn)業(yè)內(nèi)部結(jié)構(gòu)不夠合理，易受外部危機(jī)影響，因此產(chǎn)業(yè)內(nèi)部結(jié)構(gòu)調(diào)整和優(yōu)化已成為一個(gè)亟待解決的難題本文工作還存在待改進(jìn)的地方，后續(xù)研究將嘗試考慮結(jié)構(gòu)變化時(shí)點(diǎn)，考慮不同狀態(tài)條件下第三產(chǎn)業(yè)行業(yè)信用風(fēng)險(xiǎn)傳染效應(yīng).

參考文獻(xiàn)

[1]DUFFIE D， PAN J， SINGLETON K Transform analysis and asset pricing for affine Jumpdiffusions[J] Econometrica， 2000， 68（6）： 1343-1376

JARROW R， YU F Counterparty risk and the pricing of defaultable securities[J] The Journal of Finance， 2001， 56（5）： 1765-1799

FREY R， BACKHAUS J Pricing and hedging of portfolio credit derivatives with interacting default intensities[J] International Journal of Theoretical and Applied Finance， 2008， 11（6）： 611-634

[4]SCHOEBUCHER P Informationdriven default contagion[R] Zurich： ETH Working Paper， 2003

謝赤， 徐國(guó)嘏 銀行信用風(fēng)險(xiǎn)度量CreditMetrics模型與CPV模型比較研究[J] 湖南大學(xué)學(xué)報(bào)：自然科學(xué)版，2006， 33（2）： 135-137

XIE Chi， XU Guogu Study on internal credit risk measurement models for commercial banks in china[J] Journal of Hunan University：Natural Sciences， 2006， 33（2）： 135-137 （In Chinese）

程嬋娟， 鄒海波 CPV模型在銀行貸款違約概率計(jì)算中的應(yīng)用研究[J] 當(dāng)代經(jīng)濟(jì)科學(xué)， 2009， （5）： 15-20

CHENG Chanjuan， ZOU Haibo Toward the application of CPV model in the calculation of loan default probability[J] Modern Economic Science， 2009， （5）： 15-20 （In Chinese）

尹航， 南靈 我國(guó)商業(yè)銀行房地產(chǎn)信貸風(fēng)險(xiǎn)相關(guān)因素分析--基于CPV信用風(fēng)險(xiǎn)度量模型[J] 金融經(jīng)濟(jì)， 2010， （7）： 86-87

YIN Hang， NAN Ling Commercial banks' real estate credit risk related factors analysis in China[J] Finance Economy， 2010， （7）： 86-87 （In Chinese）

JOSHUA C C， KROESE D Efficient estimation of large portfolio loss probabilities in tcopula models[J] European Journal of Operational Research， 2010， 205（2）： 361-367

ASAI M， MCHAELR M The structure of dynamic correlations in multivariate stochastic volatility models[J] Journal of Econometrics， 2009， 150（2）： 182-192

[10]HUI E， ZHENG X The dynamic correlation and volatility of real estate price and rental： an application of MSV model[J] Applied Economics， 2012， 44（23）： 2985-2995

[11]NGUYEN R Macroeconomic factors and Japan's industry risk[J] Journal of Multinational Financial Management， 2007， 17（2）： 173-185

張欣，崔日明.政府支出能規(guī)避對(duì)外貿(mào)易風(fēng)險(xiǎn)嗎？——來(lái)自“靈貓六國(guó)”的經(jīng)驗(yàn)證據(jù)[J].經(jīng)濟(jì)數(shù)學(xué)，2012，29（3）：51-55.

ZHANG Xin，CUI RimingCan government expenditure evade trade risk？—Evidence from “CIVETS”[J]Journal of Quantitative Economics，2012，29（3）：51-55（In Chinese）