基于所有制差異的上市公司信用風險比較研析
——以供給側改革題材企業為例

□ 杭州 孔一超 沈初陽

近年來，在經濟“新常態”的大環境下，供給側改革題材股越來越被投資者所關注。然而在供給側改革概念股中有接近百分之六十的上市公司擁有國資背景。而隨著國企市場化改革的推進，曾經靠國家信用背書的國資上市公司如今也面臨著經濟下滑，行業不景氣等因素帶來的企業信用降低所引起的退市風險。近期，多家擁有國資背景的企業由于經營不善、缺乏債務清償能力等問題被摘牌退市，如＊ST昆機以及＊ST吉恩成為2018年第一批退市股票，而這兩家上市公司都有地方國資背景，由此可見，國資背景如今并不能成為“僵尸”企業免于退市的“免死金牌”。因此，本文將利用修正后的KMV模型，以供給側改革板塊的上市公司為研究樣本，從所有制差異的視角出發，對供給側改革概念上市公司進行信用風險的計量和分析，以給投資者提供一個相對可行的信用風險評估，提高投資者風險意識，規避盲目投資。

一、KMV模型原理

KMV模型源于BSM期權定價模型的研究，將公司股權看作歐式看漲期權，該期權以公司資產的市場價值為標的，以公司債務為執行價格。當企業債務到期時，若企業資產的市場價值低于企業所需償還的負債面值，則認為企業將會發生違約；若企業的資產市場價值高于企業的債務面值，則公司的違約風險較小。

根據該模型原理，企業的股權價值為：

聯立（1）和（2）在通過MATLAB軟件進行迭代技術編程求解，可以求出公司資產的市場價值及其波動率。

違約點DP為公司違約時的資產價值，通過違約點DP，公司資產價值以及公司資產價值波動率可以求出公司的違約距離DD，公式為：

由于中國的歷史違約數據缺乏，違約距離和違約概率之間的映射關系無法實現，因此，本文直接用違約距離來衡量上市公司的信用風險大小。

二、參數設定

根據上述的KMV模型原理，本文所需要的參數如下：

則上市公司股票的日波動率為：

3.違約點DP。傳統的KMV模型將違約點設置為上市公司短期債務加上長期債務公司的一半，即違約點DP=流動負債＋0.5×非流動負債。但是，傳統KMV模型違約點的計算公式忽略了上市公司行業的差異性，并且該違約點計算公式是根據美國市場情況得出的，并不能較好應用于中國的上市公司研究。因此，本文根據以往的模型修正方法，通過回歸的方法對違約點進行修正，得到適用于樣本研究的違約點計算公式。

4.債務面值D。本文采用的債務面值為上市公司的總負債，即債務面值=流動負債＋非流動負債。

5.無風險利率r。本文使用的無風險利率為中國人民銀行公布的每月的一年期國債利率的均值，即r=0.033。

6.債務償還期限t。根據以往的文獻研究，通常將時間期限t設置為1年，因此，本文同樣采用相同的時間期限，即t=1年。

三、實證分析

1.違約點的修正及檢驗。本文根據已有文獻中對違約點計算公式的修正方法，重新對違約點DP的計算公式進行修正，DP=α×流動負債＋β×非流動負債 。以往文獻中，多數學者將近幾年被ST或者被＊ST的上市公司的總資產，流動負債和非流動負債進行回歸得到違約點DP計算公式的系數。由于本文所研究的樣本上市公司中ST或者＊ST的上市公司數目較少，而樣本公司大多數為制造業上市公司，因此本文另選40家ST或者＊ST的制造業上市公司進行回歸得到違約點計算公式系數。根據回歸結果可得：DP=0.847×流動負債＋1.918×非流動負債，在回歸結果中，調整后的可決系數R2為0.9792，各個解釋變量的 t 統計量都顯示顯著，因此可以判定該擬合結果較好，由此判斷建立的回歸模型是合理的。

為了與傳統的KMV模型中的違約點計算公式進行比較，本文利用獨立樣本均值 t 檢驗的方法來對修正后的違約點計算公式和傳統的違約點計算公式進行比較分析。分別選取30只ST或者＊ST的上市公司以及30只正常上市公司作為兩組檢驗樣本（分別將兩樣本組稱為正常組和異常組），比較在不同違約點計算公式下的差異。該檢驗過程在STATA軟件中進行，檢驗結果如下：

表1 違約距離 t 檢驗（違約點公式比較）

由表1可知，在傳統的違約點計算公式下，正常公司組與異常公司組的違約距離均值差為0.278而 t 統計量為1.564，P值為0.129，正常公司組與異常公司組的違約距離差異并不明顯。而在修正的違約點計算公式下，正常組公司和異常組公司的違約距離差值上升到了0.488，并且 t 統計量提高到了2.533，P值顯示為0.017，說明在5%的置信水平下，異常組和正常組公司的違約距離具有明顯的差異。由此可以說明，修正后的違約點計算可以更有效地識別出ST公司與非ST公司。

2.樣本公司選取。本文所選取的樣本公司均為供給側改革概念板塊中的上市公司。考慮到數據計算的準確性，選取的樣本公司均只在我國大陸A股上市，同時考慮到數據的可獲得性，本文刪除數據缺失的上市公司，最后，一共選取56家上市公司為研究樣本。在所選的樣本上市公司中，按是否具有國資背景劃分，可分為33家具有國資背景的上市公司以及23家非國資背景的上市公司。

以2017年的年報數據，利用公式：股權價值=流通股市場價值＋每股凈資產×非流通股股數，分別計算具有國資背景的樣本公司的股權價值以及不具有國資背景的樣本公司的股權價值。

在計算股權價值波動率時，先根據2017年的樣本公司股票的日收盤價計算出每日的收益率，根據樣本標準差公式計算出樣本公司的股票日波動率，再以一年250個交易日，利用公式計算出樣本公司股票的年度波動率，即為樣本公司的年化股權波動率。

利用2017年年報中的流動負債總計加上非流動負債總計來計算樣本公司的債務面值。根據計算得出的結果結合債務期限t=1以及無風險利率r=0.033通過迭代求解可以得到樣本公司的資產價值以及資產價值波動率。

違約點DP的計算利用上文所述的修正后的違約點計算公式：DP=0.847×流動負債＋1.918×非流動負債來得到樣本公司的修正后違約點。

4.樣本組均值 t 檢驗。為了更加精確地對比兩組樣本公司信用風險的差異，本文將供給側改革概念股中具有國資背景的上市公司違約距離與非國資背景上市公司違約距離進行獨立樣本均值 t 檢驗，利用統計學的原理來進行兩組樣本違約距離之間的差異分析，檢驗過程在STATA軟件中進行，具體結果如下：

表2 樣本違約距離組均值 t 檢驗

從表2中可以看出，兩組樣本公司的平均違約距離差為0.608，t 值統計量為1.876，在10%的置信水平下，拒絕兩組樣本公司違約距離差異為0的原假設，該結果顯示兩組樣本之間的違約距離具有一定的差異，從而可以說明兩樣本組之間的信用風險是不一致的。而在5%的置信水平下，接受非國資背景樣本上市公司的違約距離比具有國資背景樣本上市公司的違約距離大，說明從統計意義上來說，供給側改革概念股中具有國資背景的上市公司的違約風險要大于非國資背景的上市公司。

四、結論

對于本文的研究結果，可從以下幾方面進行分析。首先，從融資約束角度來講，相對于民營企業，具有國資背景的企業所面臨的融資約束力度較小。因此，更容易從銀行等金融機構獲得借款，導致其負債率相對較高。其次，具有國資背景的上市公司普遍存在盲目擴張的行為，增加自身風險。再其次，從代理問題的角度分析，國資企業代理人的經營業績與其報酬并無直接關系，在這種情況下代理人有可能損害所有者或企業利益來達到自己個人的目的。從市場機制方面來說，我國供給側改革中具有國資背景的企業是主要的參與者，但是由于國資背景的企業信用狀況相對較弱，繼續完善市場機制，逐步推行市場退市制度，有利于處置那些市場中沒有投資價值的“僵尸”企業，改善資本市場的環境，助力市場發揮資源配置的作用，也為供給側改革的穩健進行清除障礙。