我國林業(yè)上市公司信用風險研究
——基于KMV模型

鄧 晶，田治威，張燕琳，秦 濤，曹詩男

（1.北京林業(yè)大學經(jīng)濟管理學院，北京 100083； 2.北京大學匯豐商學院，廣東 深圳 518055；3.對外經(jīng)濟貿(mào)易大學金融學院，北京 100029）

我國林業(yè)上市公司信用風險研究
——基于KMV模型

鄧 晶1，田治威1，張燕琳2，秦 濤1，曹詩男3

（1.北京林業(yè)大學經(jīng)濟管理學院，北京 100083； 2.北京大學匯豐商學院，廣東 深圳 518055；3.對外經(jīng)濟貿(mào)易大學金融學院，北京 100029）

文章以我國滬深兩市A股林業(yè)上市公司為研究對象，選取2007-2012年首次成為ST的8家公司和對應的8家非ST公司為研究樣本，運用KMV模型研究我國林業(yè)上市公司信用風險。實證過程中，文章根據(jù)我國林業(yè)公司特點研究確定KMV模型中各參數(shù)的計算方法，計算出在不同違約點下各個樣本的違約距離，主要結論：財務危機前非ST公司與ST公司的違約距離表現(xiàn)出顯著差異，運用KMV模型能夠有效識別我國林業(yè)上市公司的信用風險狀況；我國林業(yè)上市公司的違約點應設定為短期負債加上50%長期負債；在研究連續(xù)兩年違約距離的基礎上，構建了我國林業(yè)上市公司兩級信用風險預警體系。

林業(yè)公司；信用風險；KMV模型；風險預警

一、引言

經(jīng)過數(shù)十年的探索與改革，我國林業(yè)企業(yè)已經(jīng)取得了長足的發(fā)展，但是相比其他行業(yè)還處于相對滯后的發(fā)展狀態(tài)，林業(yè)企業(yè)仍然面臨著籌措資金困難、市場競爭力弱、經(jīng)濟效益低等發(fā)展困境[1-2]。近年來，在集體林權制度改革不斷深入的背景下，提升運用管理水平、增強核心競爭力更成為林業(yè)企業(yè)亟待解決的問題。然而，林業(yè)具有自然弱質(zhì)性，其生產(chǎn)經(jīng)營風險較高，導致林業(yè)企業(yè)債務負擔承重，市場競爭力明顯偏弱。而其中最為關鍵的影響因素即企業(yè)信用不足，信用風險也是金融機構、投資者、林業(yè)政府部門關注的核心風險[3]。隨著“中國林業(yè)產(chǎn)業(yè)誠信聯(lián)盟”拉開帷幕，研究林業(yè)企業(yè)信用問題，加強其信用建設愈發(fā)被政府重視。因此，研究建立適用于我國林業(yè)企業(yè)的信用風險管理與財務預警機制顯得尤為重要，對于林業(yè)企業(yè)加強風險控制、投資者準確獲取市場信息、林業(yè)政府部門加強行業(yè)監(jiān)管具有重要意義。

信用風險指因交易對手違約造成經(jīng)濟損失的風險，其風險大小度量一般通過交易對手違約時重置現(xiàn)金流來衡量。已有關于信用風險度量的技術主要可以分為兩類：一類為傳統(tǒng)度量方法，多利用公司財務數(shù)據(jù)對信用風險進行衡量，包括：專家打分方法、信用評分法等。Altman[4]建立了5變量組成的Z值模型，把多變量方法應用到信用風險研究之中。Martin[5]運用Logistic回歸模型，基于財務數(shù)據(jù)研究企業(yè)違約概率。另一類為現(xiàn)代度量方法，基于金融工程模型進行衡量，包括KMV模型、Credit Metrics模型、Credit portfolio view模型以及Credit Risk+模型等。在國外眾多信用風險度量模型中，運用最普遍、最廣泛的就是KMV模型。KMV公司的先驅(qū)者Crosbie&Bohn[6]研究并發(fā)展了BS期權定價模型，并用于風險度量。此后，眾多學者對這一模型的有效性進行驗證，KMV公司基于3400家上市公司和40000家非上市公司的信息建立了企業(yè)信用資料數(shù)據(jù)庫，用以信用風險度量研究。桑德斯[7]的研究認為KMV模型可以適用于所有公開上市公司，且有較強的實時監(jiān)控性。Crosbie& Bohn[8]運用KMV模型研究了金融類公司，結果表明EDF可以有效識別公司陷入財務危機前的信用風險狀況。Korablev& Dwyer通過對1996-2006年北美、歐洲、亞洲三地的歷史數(shù)據(jù)研究認為該模型普遍適用于各國企業(yè)。當然，也有學者對KMV模型的有效性提出質(zhì)疑，Sreedhar&Tyler[9]運用KMV模型來解釋溢價或價差的結果表明KMV模型并非有效。

國內(nèi)對KMV模型的研究主要可分為三個階段：第一階段是引入KMV模型時對其理論框架的介紹。第二階段是KMV模型在我國實用性的研究。吳沖鋒和程鵬[10]以滬深股市15家上市公司為研究樣本，運用KMV模型研究信用風險，研究認為該模型可有效評價上市公司信用情況，并分析得出績優(yōu)公司的信用狀況最好，高科技公司信用狀況其次，ST公司信用狀況最差。第三階段的研究是以我國上市數(shù)據(jù)對KMV模型進行修正，建立適合我國國情的KMV修正模型。模型的修正主要分為三個方面：一是違約點的設定，二是股權市場價值的計算，三是公司股權波動率的計算。曾詩鴻和王芳選取42家我國A股制造業(yè)上市公司數(shù)據(jù)，通過修正違約點距離建立了適合我國證券市場特點的KMV模型[11]。劉迎春[12]認為運用GARCH模型比歷史波動率計算得出的檢驗效果更加顯著，唐振鵬[13]研究發(fā)現(xiàn)EGARCH-M波動模型可以有效提高KMV模型的信用風險識別能力。王新翠應用改進KMV模型GARCH-KMV模型與SV-KMV模型對中國上市公司信用質(zhì)量的實證研究表明：股權價值波動與KMV模型的結果違約距離高度負相關；GARCHKMV與SV-KMV模型均能度量上市公司信用狀況，但SV-KMV模型比GARCHKMV模型度量效果更好。夏紅芳和馬俊[14]以我國農(nóng)業(yè)類上市公司為樣本，運用KMV模型進行研究，結果表明KMV模型可以有效識別農(nóng)業(yè)類上市公司信用風險。

通過對國內(nèi)外研究文獻總結發(fā)現(xiàn)：一方面，國內(nèi)學者尚未運用數(shù)量模型研究我國林業(yè)上市公司信用風險問題，更沒有將KMV模型引入這一領域；另一方面，在由于KMV模型無需依賴評級機制，不要求有效市場假設，具有動態(tài)前瞻性，能及時反映投資者對企業(yè)未來發(fā)展的綜合預期等特點，在應用于我國上市公司信用風險度量時具有得天獨厚的優(yōu)勢。因此，文章在對KMV模型修正的基礎上，將該模型應用于我國林業(yè)上市公司信用風險的實證研究，建立我國林業(yè)企業(yè)的信用風險預警模型。

二、KMV模型理論框架

1.KMV模型的基本原理

在眾多信用風險度量模型中，KMV模型由于其無需依賴評級機制，不要求有效市場假設，具有動態(tài)前瞻性，能及時反映投資者對企業(yè)未來發(fā)展的綜合預期等特點，在應用于我國上市公司信用風險度量時具有得天獨厚的優(yōu)勢。在KMV模型中假設公司資產(chǎn)由股本、債券和貸款等組成，貸款要求在規(guī)定時間內(nèi)償還，否則視為違約。OD是期限為一年的經(jīng)過折現(xiàn)后的貸款數(shù)額，如果一年之后的公司資產(chǎn)價值V2大于債務水平，則公司會選擇償還貸款，原因是其可以通過出售股權償還債務，并獲得OV2-OD的收益；如果公司的資產(chǎn)市值V1小于債務水平，公司有動機不按期償還貸款，原因是公司向債權人轉(zhuǎn)讓資產(chǎn)比重新籌集還債更有利。當公司不按其償還貸款時，銀行貸款就會發(fā)生損失，甚至出現(xiàn)本金和利息全部無法收回的情況。銀行追債會產(chǎn)生費用和法律成本，因此銀行的最終損失可能超過貸款的本金和利息。此時，銀行的損益可用圖1表示，從圖1可以看出，銀行貸款損益圖與看跌期權賣方損益圖類似。銀行發(fā)放的一筆貸款并且收回本金和利息時，可以視為銀行賣出一份以公司資產(chǎn)價值為標的，以公司債務價值為執(zhí)行價格的看跌期權。根據(jù)期權平價原理，公司借入一筆貸款時，相當于持有一份以公司資產(chǎn)市場價值為標的，以公司債務價值為執(zhí)行價格的看漲期權。

圖1 現(xiàn)實情況中放款銀行損益圖

因此，KMV可以看成是基于期權定價理論的信用風險管理模型。KMV模型將公司股東權益看作看漲期權，當公司的資產(chǎn)價值低于公司債務價值時公司就會違約，相應的負債水平就是違約點DP(Default Point)，公司資產(chǎn)價值與違約點之間差值除以公司資產(chǎn)價值的標準差就是違約距離DD(Distance to Default)。KMV模型假定當兩個公司違約距離相同時，其違約風險也相同。KMV公司利用多年的上市公司和非上市公司數(shù)據(jù)建立了公司信用風險數(shù)據(jù)庫，并對具有相同違約距離的公司進行分類，把每一類公司的實際違約率看成具有相同違約距離的公司的預期違約率EDF(Expected Default Frequency)。因此，通過計算公司違約距離，就預測其預期違約概率。

2.KMV模型

KMV模型假設條件包括：公司資產(chǎn)價值決定公司是否違約，當公司的資產(chǎn)價值大于債務價值時，公司不會違約，反之違約；公司的資產(chǎn)結構只有股權、短期負債(STD)、長期債務(LTD)和可轉(zhuǎn)換債券四種；市場無摩擦；公司股票價格變動服從幾何布朗運動；公司的資產(chǎn)價值服從正態(tài)分布。

根據(jù)Black-Scholes期權定價公式可知，上市公司股權價值與公司債務價值、資產(chǎn)價值、資產(chǎn)波動性以及時間范圍相關，可以用以下公式表示：

其中，E為股權價值；D為債務價值（違約點DP）。KMV公司利用1973年以來的上市公司和非上市公司數(shù)據(jù)建立公司信用風險數(shù)據(jù)庫，發(fā)現(xiàn)當公司價值大于等于短期負債加上50%的長期負債時(DPT=STD+0.5LTD)，公司發(fā)生違約最頻繁；r為無風險利率；V為資產(chǎn)價值；τ為時間范圍（到期日-當前時間）；N為標準正態(tài)分布函數(shù)在d處的值；σv為公司資產(chǎn)收益的波動率。對公式(1)求導、求期望后可得到股票價值波動率σE與資產(chǎn)價值波動率σV之間的關系為：

聯(lián)立以上方程求解可得到V和σV，進而可以計算出負債企業(yè)的違約距離：

根據(jù)假定，公司的資產(chǎn)價值服從正態(tài)分布，因此違約距離反映公司距離違約的標準差，公司的違約概率可以用以下公式表示：

通過KMV公司的信用風險數(shù)據(jù)庫可以計算一年內(nèi)具有同樣違約距離的公司實際違約數(shù)量，再比上具有同樣違約距離的公司總數(shù)可以計算實際違約概率，并可以將實際違約概率擬合成連續(xù)曲線（如圖2）用以表示違約距離函數(shù)，從而估計出經(jīng)驗上的EDF值。但是由于我國目前不具有與此類似的數(shù)據(jù)庫，因此只能根據(jù)違約距離DD評判公司信用風險，當違約距離越大說明公司違約風險越小；反之則違約風險越大。

圖2 經(jīng)驗EDF分布示例

三、基于KMV模型的我國林業(yè)上市公司信用風險分析

1.修正KMV模型

（1）股權價值的計算

由于我國存在非流通股的情況，導致流通股的價格不能完全反映整個上市公司的信息，同時股價不同造成非流通股股東和流通股股東之間的矛盾也可能引發(fā)較高的信用風險。因此，非流通股價值的準確評估成為直接影響股票市場價值計算的關鍵要素。文章根據(jù)每股凈資產(chǎn)計算非流通股的價格，具體計算方式為：上市公司股權價值=流通股價格×流通股股數(shù)+每股凈資產(chǎn)×非流通股股數(shù)。

（2）違約點的設置

KMV公司根據(jù)大量的實證分析，采用“短期負債+50%長期負債”計算KMV模型當中的違約點。但考慮到我國證券市場的特殊性，以及信用缺失較嚴重的情況，采用該違約點有可能并不適用于我國林業(yè)上市公司信用風險的度量，因此文章將設定不同的違約點，并通過實證數(shù)據(jù)分析得到適合我國林業(yè)上市公司特點的違約點：

2.樣本選取與數(shù)據(jù)采集

文章所采用的上市公司的股票價格數(shù)據(jù)和財務報告數(shù)據(jù)均來自于大智慧軟件和天相投資數(shù)據(jù)庫。根據(jù)證監(jiān)會行業(yè)分類標準，我國林業(yè)上市公司數(shù)量較少，為滿足研究需要文章將與林業(yè)相關行業(yè)的部門上市公司納入樣本選擇范圍，包括部分主營業(yè)務涉及林業(yè)的農(nóng)業(yè)類企業(yè)，造紙、印刷類企業(yè)，以及木材、家具類企業(yè)。在選取樣本時，主要考慮了以下幾個問題：

第一，考慮到證監(jiān)會根據(jù)上市公司前兩年年報所中公布的業(yè)績，判斷是否進行退市風險警示(*ST)，根據(jù)前一年年報中所公布的業(yè)績判斷是否對上市公司進行特別處理(ST)，而被特別處理的公司往往會比一般上市公司存在較高的違約信用風險。因此，文章將上市公司因財務狀況異常而被特別處理成為ST公司作為公司出現(xiàn)信用風險的標志。

列為樣本的ST公司均為研究年度新增ST公司且存續(xù)期需超過兩年，不存在數(shù)據(jù)不足的情況。

第二，按照對比研究的要求，文章根據(jù)相同行業(yè)以及當年總資產(chǎn)規(guī)模接近，且對比年份交易數(shù)據(jù)完整的原則，為以上ST公司逐一選擇非ST公司作為對比樣本。

第三，樣本中公司僅為A股上市公司，其目的是避免不同地區(qū)的資本市場對A股產(chǎn)生的影響，進而更純粹地研究中國A股市場。

第四，選擇樣本時發(fā)現(xiàn)，無論從經(jīng)營業(yè)績，還是資產(chǎn)規(guī)模等公司狀況來看，木材、家具類上市公司明顯優(yōu)于其他林業(yè)相關行業(yè)上市公司，如將其作為配對股票分析得出的結果不具有可參考性，所以將該類公司從總體樣本中剔除。

根據(jù)以上原則，最后選出16支樣本股票，占總樣本的50%，具體包括林業(yè)類企業(yè)2家，農(nóng)業(yè)類企業(yè)4家，林業(yè)類制造企業(yè)10家，樣本分為兩個集合，分別是ST組與非ST配對組。

由于文章選擇的樣本公司在不同年份被列為特別處理公司，因此各股研究時間不同。在時間范圍的選擇上，由于上市公司被特別處理是根據(jù)前一年的財務狀況決定，而前一年財務數(shù)據(jù)雖具有極強的判斷能力，卻沒有實際預測作用，因此文章以公司被特別處理前兩年作為研究的時間范圍，分別用t-1，t-2年表示。例如，景谷林業(yè)在2012年被列為ST公司，則研究該股在 2011（t-1年） 和 2010年（t-2年）的相關數(shù)據(jù)。

3.參數(shù)設定

（1）股票波動率

文章假設股票價格服從對數(shù)正態(tài)分布，根據(jù)歷史波動率法計算上市公司股權價值未來一年的波動率，同時，為最大限度的獲得資本市場信息，采用日收益波動率來估計年波動率。具體計算方式如下：

其中，Pi為本日股票收盤價，Pi-1為上一日股票收盤價，為股票每日相對價格，n為一年中的交易天數(shù)，由此可得年波動率文章取交易天數(shù)為250天。

（2）對于時間T的設定

文章采用1年作為一個時間跨度，即T=1。

（3）無風險利率

文章根據(jù)中國人民銀行發(fā)布的一年期整存整取存款利率設定無風險利率。對于年內(nèi)利率調(diào)整的情況，文章根據(jù)年內(nèi)歷次調(diào)整后利率取算術平均值得到該年無風險利率。

4.實證結果與分析

通常情況下，ST公司相對非ST公司而言其違約風險更大，文章通過建立林業(yè)上市公司ST和非ST對照組，研究KMV模型度量我國林業(yè)上市公司信用風險的有效性。另外，由于我國上市公司數(shù)據(jù)缺乏，沒有建立完整的歷史違約資料庫，因此文章僅對違約距離進行比較研究。文章通過Excel及Matlab編程計算，依次求出股權價值波動率、違約點、資產(chǎn)規(guī)模及其波動率后，得到樣本公司的違約距離如表1～2所示。

通過對比可以發(fā)現(xiàn)，除ST景谷在t-2年的違約距離大于吉林森工外，其余ST公司的違約距離均小于非ST對照公司的違約距離，結果表明KMV模型計算的違約距離可以較好識別ST公司存在的信用風險，與實際情況相符。從個股的信用風險狀況來分析，KMV模型并非完全有效，以ST景谷為例，其財務危機前兩年的DD值均高于該組均值，尤其是t-2年數(shù)據(jù)，遠大于同組ST公司及其非ST配對公司的DD值，這個結果的原因可能與該股當年表現(xiàn)良好有關，但也有可能是因為我國的證券市場的不完善，股價并不一定反應該公司的內(nèi)在價值。

計算平均違約距離可以得到，在財務危機前一年（t-1年）非ST公司與ST公司的違約距離差的平均值約為0.45，在財務危機前兩年（t-2年）該值約為0.38。結果說明非ST與ST兩組樣本之間表現(xiàn)出一定的違約距離差異，并且財務危機前一年的差異較明顯，也即風險提示作用較大。

表1 t-1年上市公司違約距離與理論預期違約率計算結果（單位：元）

表2 t-2年上市公司違約距離與理論預期違約率計算結果（單位：元）

當違約距離設置成DPT1，即違約距離等于短期負債加上50%長期負債時，兩類公司違約距離的均值差最大。對實證結果進行配對樣本t檢驗，結果如表3和表4所示。以上結果表明：所選樣本在α=5%的顯著性水平下，P值均小于0.05，且t-1年的p值更小。說明兩組樣本的均值和中值數(shù)都存在顯著差異，即ST公司與非ST公司的違約距離存在顯著差別。綜合檢驗結果可以認為，在財務危機發(fā)生前，KMV模型具有很強的鑒別信用風險的能力，以違約距離進行的我國林業(yè)上市公司信用風險度量，能夠在較大程度上反映出上市公司信用水平的差別，起到風險預警的作用。

下面通過違約距離的統(tǒng)計分析，研究計算信用風險預警線。從圖3可以看出，在被特殊處理的前一年，林業(yè)上市公司違約距離（約60%）在(1.9，3.3)間，因此可將違約距離1.9設置為風險預警線，即用違約距離小于1.9表明該股票信用狀況較差，存在信用風險，公司管理層、銀行和投資者應密切關注該上市公司。從圖4結果可以看出，在財務危機發(fā)生前第二年，約60%的林業(yè)上市公司違約距離在(2.1，2.9)間，因此可將違約距離2.1設置為風險預警線，即當公司違約距離低于此線時，公司管理層應該提高警惕，加強管理，尋找危機原因，避免違約風險發(fā)生。

圖3 財務危機前一年違約距離頻率分布分析

圖4 財務危機前第二年違約距離頻率分布分析

四、結論及建議

文章以我國林業(yè)上市公司為樣本，運用KMV模型，基于財務數(shù)據(jù)與股票價格數(shù)據(jù)，對林業(yè)企業(yè)的信用風險展開實證研究。主要結論包括：首先，KMV模型可以較好衡量林業(yè)上市公司的信用風險；其次，通過研究不同違約點下的違約距離發(fā)現(xiàn)，當違約距離等于短期負債加上50%長期負債時，兩者的均值差最大，即該違約點設置識別風險的效果最好；最后，根據(jù)最佳違約點設置，研究建立我國林業(yè)上市公司信用風險預警體系，即財務危機發(fā)生前t-1和t-2年的信用風險預警線分別為1.9和2.1。

根據(jù)以上研究結果，文章提出如下建議：

第一，進一步有效提高林業(yè)上市公司信用質(zhì)量。從我國林業(yè)上市公司的違約距離與其他行業(yè)上市公司（如農(nóng)業(yè)上市公司）的對比可以看出，林業(yè)行業(yè)整體違約距離較短、信用風險較高，導致這一結果既是林業(yè)部門自身弱質(zhì)性所致，也與不完善的行業(yè)監(jiān)管機制和企業(yè)管理密不可分。研究發(fā)現(xiàn)非ST林業(yè)上市公司相對ST公司而言，其違約距離更大、違約風險更小、信用能力更強。因此，林業(yè)上市公司可以通過改善公司經(jīng)營狀況，提高盈利水平可以從根本上防范林業(yè)上市公司的信用風險。

第二，構建我國公司信用風險數(shù)據(jù)庫。運用KMV模型研究和管理公司信用風險需要大量的歷史經(jīng)驗數(shù)據(jù)作為支撐，但是我國信用市場的發(fā)展時間有限，對企業(yè)違約還沒有足夠重視，導致我國公司信用風險的數(shù)據(jù)較少，難以運用相關模型進行檢驗。因此，需要盡快構建我國公司信用風險數(shù)據(jù)庫，以更好運用先進的數(shù)理模型進行研究，建立適合我國公司的信用風險管理模型。

表3 t-1年結果的配對樣本t檢驗

表4 t-2年結果的配對樣本t檢驗

[1]莊莉，王穎，曼賈利.林業(yè)企業(yè)可持續(xù)發(fā)展策略-從國際視角分析[J].東北林業(yè)大學學報，2013，41(5)：147-150.

[2]袁梅.基于信用擔保的林業(yè)企業(yè)債務融資問題與對策探析 [J].林業(yè)經(jīng)濟，2013，251(6):118-120.

[3]李杰.林業(yè)企業(yè)財務風險預警系統(tǒng)管理問題與對策 [J].林業(yè)經(jīng)濟，2013，246(1)：123-125.

[4]Altman E I.Financial ratios，discriminant analysis and the prediction of corporate bankruptcy[J].The journal of finance，1968，23(4):589-609.

[5]Martin D.Early warning of bank failure:A logit regression approach [J].Journal of Banking&Finance，1977，1(3):249-276.

[6]Crosbie P，Bohn J.Modeling default risk[R].Moody's KMV Company LLC，2003.

[7]安東尼，桑德斯，劉宇飛.信用風險度量—風險估值的新方法與其他范式 [M].北京：機械工業(yè)出版社，2001，第1版.

[8]Crosbie P，Bohn J.Modeling Default Risk Modeling Methodology[R]. Moody's KMV Company LLC，2003.

[9]Bharath S，Shumway T.Forecasting default with the KMV-Merton model[C].AFA2006 Boston Meetings Paper，2004.

[10]程鵬，吳沖鋒.上市公司信用狀況分析新方法 [J].系統(tǒng)工程理論方法應用，2002，19(6):90-93.

[11]曾詩鴻，王芳.基于KMV模型的制造業(yè)上市公司信用風險評價研究 [J].預測，2013，32(2):60-69.

[12]劉迎春，劉霄.基于GARCH波動模型的KMV信用風險度量研究[J].東北財經(jīng)大學學報，2011，75(3):75-79.

[13]唐振鵬.基于EGARCH-M波動模型的KMV信用風險度量研究[J].福州大學學報，2010，30(l):17-22.

[14]夏紅芳，馬俊海.基于KMV模型的農(nóng)業(yè)上市公司信用風險實證分析 [J].農(nóng)業(yè)經(jīng)濟問題，2009，31(10):88-92.

（責任編輯：GHY）

Research on Credit Risk of the Forestry Industry Listed Company in China——Based on KMV Model

DENG Jing1，TIAN Zhi-wei1，ZHANG Yan-lin2，QIN Tao1，CAO Shi-nan3
（1.School of Economics and Management，Beijing Forestry University，Beijing 100083，China；2.Peking University HSBC Business School，Shenzhen Guangdong 518055，China；3.School of Banking and Finance，University of International Business and Economics，Beijing 100029，China）

This paper uses the KMV model to analyze the credit risk of the forestry industry listed company in China.The research sample includes 8 special treatment(ST)companies and 8 non-default companies in Shanghai and Shenzhen stock markets which from 2007 to 2012.The empirical research first selects appropriate methods according to the characters of the forestry industry company.Then distance to default(DD)is calculated for each company based on KMV model.The results displayed that the KMV model can be well applied to assess the credit risk status of the current forestry listed companies in China.After the modification of the model，a proper default point 50%was found according to the practical situation.With the use of KMV model，a credit risk early warning system was established，which is，when the distance to default of a certain company has declined to a certain point， conclusion can be made that this company will probably be plunged into a financial crisis，and thus should be supervised closely by the management as well as the banks.

Forestry listed company；Credit risk；KMV model；Risk management

F276.6

A

1004-292X（2014）07-0008-05

2014-02-13

國家社科基金重點項目（11AZD094）；國家社科基金項目（10CGL046）；中央高校基本科研業(yè)務費專項資金項目（JGTD2014-02，BLX2012002）；北京市大學生創(chuàng)業(yè)創(chuàng)新科學研究項目（S1310022025）。

鄧 晶（1985-），男，湖南冷水江人，博士，主要從事林業(yè)金融政策研究；

田治威（1958-），男，山西榆次人，博士，教授，主要從事林業(yè)金融政策研究；

秦 濤（1982-），男，黑龍江密山人，博士，副教授，主要從事林業(yè)金融政策研究；

曹詩男（1983-），女，安徽安慶人，博士，主要從事金融工程研究。