KMV模型的信用評級應用

溫啟勝 蔣紅蕓

摘 要：安源煤業被上海證券交易所實施退市風險警示的事件讓投資者們措手不及，安源煤業轉為ST股的發生也讓市場大眾感到突然。運用KMV模型對安源煤業2013-2017年的主體信用風險進行分析，并結合標準普爾公司信用評級表給出信用等級劃分，以此說明KMV模型應用于我國上市公司信用評級中的有效性。

關鍵詞：安源煤業;KMV模型;信用評級

中圖分類號：F23 ? ? 文獻標識碼：A ? ? ?doi：10.19311/j.cnki.1672-3198.2020.18.057

1 背景介紹

1.1 公司背景

安源煤業擁有四家子公司，并且擁有多處礦產資源。但是，2018年4月19日，上海證券交易所對該公司股票實施了退市風險警示。隨后，安源煤業在2015年11月20日發行的數額高達12億的5年期公司債券也自2018年5月4日起被上海證券交易所暫停上市。這不僅會給投資者造成財產損失，而且對我國資本市場也造成了一定程度的負面影響。

1.2 研究現狀

信用風險度量方法主要分為傳統方法和現代方法。傳統信用度量方法主要包括信用評分型方法、專家評級方法和評分型方法。在現代企業中，信用風險產生的原因越來越復雜，因此傳統評級方法的使用逐步受到了限制。

此后，經濟學家創立了許多現代信用評級方法，主要包括四種：KMV模型、Credit Metrics模型、Credit Risk+模型和Credit Portfolio View模型。楊秀云、蔣園園和段珍珍對以上四種模型作了詳細論述和實證分析，最終得出結論：在四種現代信用評級方法中，KMV模型更適合運用于我國上市公司的信用風險度量。另外，馬若微通過分析得出：KMV模型可以有效地預測中國上市公司的財務困境。此外，張玲、楊貞柿和陳收認為：相對于其它只注重財務數據的信用風險模型，KMV模型對評價上市公司的信用風險將更有效。因此本文采用KMV模型對安源煤業進行信用風險分析。

2 KMV模型概述

3 安源煤業違約概率的計算

本文認為修正后的KMV模型能更好的適應于中國市場情況，接下來本文將采用上述修正后的KMV模型對我國煤炭行業上市公司安源煤業進行違約概率的計算。修正KMV模型的應用步驟如下：

第一步：參數取值。

根據修正KMV模型的參數規定，無風險利率取中國人民銀行每年公布的一年期整存整取利率，又根據中國人民銀行利率政策的相關公告可知，2013-2017年該利率分別為3.00%、2.75%、1.50%、1.50%和1.50%。其中，中國人民銀行在2015年進行了5次降息，分別是3月1日降為2.50%，5月11日降為2.25%，6月28日降為2.00%，8月26日降為1.75%，10月24日降為1.50%，本文取最后一次調息利率為2015年利率進行計算。由上可知，安源煤業五大參數的取值如表2所示。

第二步：計算安源煤業的資產價值、資產價值波動率，計算結果如表3所示。

第三步：計算安源煤業的違約距離和違約概率，計算結果如表4所示。

根據上表的計算結果可以看出：安源煤業在2013-2017年的違約距離分別為1.63，1.94，1.42，2.74和2.49，其對應的違約概率分別為5.19%，2.59%，7.78%，0.31%和0.64%，所以在此5年內，安源煤業的理論違約概率較高，其信用風險一直處于高水平狀態。另外，根據王元月、景在倫和劉偉的實證結果可知，這五年內的預期違約概率可能被低估，即其實際的預期違約概率要高于表4所列示的結果。

4 安源煤業的信用評級對比

本文引入標準普爾公司（S&P）信用評級與違約概率的對應關系作為本文修正KMV模型信用評級與違約概率的映射關系，其間對應關系如表5所示。

結合表4的計算結果和表5的映射關系可以得出以修正KMV模型對安源煤業進行信用評級的結果，如表6所示。

由修正KMV模型對安源煤業2013-2017年進行信用評級，其結果分別為B-，B+，CCC+，BBB和BB+等級，表明安源煤業在2013-2017年的主體信用風險較高，安源煤業在2013-2017年5年間的主體信用評估結果遠低于AA級，這表明安源煤業在此三年間已經存在較高信用風險，其財務狀況已有惡化的趨勢，這對于安源煤業連續兩年虧損甚至被轉為ST股的實際情況有一定的預測作用。由此，修正KMV模型的有效性也得到了驗證。

參考文獻

[1]Altman E.I.Financial ratios，discriminated analysis and the prediction of corporate bankrupt[J].Journal of Finance，1968，23（9）：589-609.

[2]管七海，馮宗憲.信用違約概率測度研究：文獻綜述與比較[J].世界經濟，2004，（11）：40-54.

[3]楊秀云，蔣園園，段珍珍.KMV模型在我國商業銀行信用風險管理中的適用性分析及實證檢驗[J].財經理論與實踐，2016，37（01）：34-40.

[4]馬若微.KMV模型運用于中國上市公司財務困境預警的實證檢驗[J].數理統計與管理，2006，（05）：593-601.

[5]張玲，楊貞柿，陳收.KMV模型在上市公司信用風險評價中的應用研究[J].系統工程，2004，22（11）：84-89.

[6]Merton R.On the pricing of corporate debt： the risk structure of interest rates[J].Journal of Finance，1974，29（2）：449-470.

[7]劉博.基于KMV模型對中國上市公司的信用風險進行度量的實證分析[J].科學技術與工程，2010，10（3）：843-847.