KMV模型于中國信用風險的應用探究

葉之然 潘毅 馬小雯（上海立信會計金融學院）

■引言

2020年年初，我國受到了一場前所未有的經濟負面沖擊，盡管在第二、三和四季度都呈現了強勁的經紀服務，但是這基本依靠國內基礎設施投資來拉動，產業機構也在面臨形勢嚴峻的調整，這也讓我國企業信用風險加劇，所以測算、預警和防范企業信用風險成為我國當前亟待解決的問題。早在2020年兩會期間，我國也把防范和化解系統性金融風險置于了重要位置，由此本文借助KMV模型來測算我國上市公司的信用風險，并分析了信用風險波動原因，并為我國經濟復蘇期信用風險提出監管建議。

■KMV模型設計和計算

（一）研究設計

在本文研究中，研究對象是2020年上市公司的信用風險狀況，所選上市公司為A股上市公司，在去除金融公司樣本后，總共數量為3851家，根據KMV模型來分析宏觀因素對信用風險的影響。

（二）參數設定

1.股權市場價值和股價波動率

在數據選取上，本文根據各個上市公司2019年半的披露數據來計算出每股凈資產，結合2020年公司各個月底收盤均價來計算平均收盤價，從而計算出上市公司各個月份的股權價值投資收益率。接著，對上市公司市場價值波動率計算，一般針對股權價值投資歷史波動率作為依據，采用公司2020年1-10月的股權價值投資月對數收益率的歷史波動率模型來計算得出。

2.企業違約點

根據以往KMV理論研究中，大部分上市公司違約點都設置為100%流動負債和50%非流動負債的和，在這個違約點內更容易觸發公司信用風險。在研究中，采用wind數據庫的上市公司資產負債表中的數據計算得出各個上市公司的違約點。

3.無風險利率

在本文中，假定各個上市公司債務期限為1年。KMV模型中無風險利率計算方法是，將2020年中國人民銀行公布的一年期基準存款利率作為無風險利率，是1.5%。

（三）KMV模型的計算結果

計算方式是根據Python的測算方法，將2051家上市公司的流通股和非流通股的加總股權價值計算后，除以所有股票股數，得出上市公司股票股權價格，根據總股權股價的月收益率歷史波動率來計算。在計算中，結合企業違約點的設計，得出各個上市公司的違約距離和預期違約率。然后，總共結合所有上市公司來看，可以看出各個上市公司的股權價值波動率有所差異，下表中呈現了3851家上市公司違約距離和違約率的描述性統計，可以看出樣本中有良好的差異性。接下來，采用為月租和非違約組的對比分析，從而判別KMV模型是否能反映出違約行為。

表1 描述性統計

■違約距離的敏感性分析

（一）研究設計

在前文中，本文已經驗證了KMV模型在測算上市公司信用風險的可行性，已經說明信用風險能夠反映出企業經營利潤的虧損問題。在接下來，文章將探討上市公司信用風險的影響因素，主要根據上市公司面臨的宏觀環境因素和微觀環境因素來建立模型。首先，通過國家統計局來收集2015-2019年我國宏觀經濟因素的月度數據，再根據KMV模型和歷史波動率來測算各個上市公司股權價值投資收益率的月波動率，重新計算出違約率，并采用固定效應模型來測算影響系數。

（二）研究結果

在面板數據分析匯總，一般會采用固定效應模型或隨機效應模型，借助豪斯曼檢驗來判定使用哪個模型。在諸多上市公司中，由于公司來自各行各業，所以采用固定效應模型更加適合，可以排除不同行業的固定誤差。其中，先借助Stata來導入數據，在經過豪斯曼檢驗得到，檢驗P值拒絕了固定效應模型和隨機效應模型系數一致的假設，所以本文研究應當采用固定效應來分析上市公司KMV違約距離和違約率的影響因素。根據結果顯示，在以違約率為因變量時，模型擬合優度為0.870，說明宏觀經濟因素解釋了違約率87.0%，說明模型擬合效果良好。信貸風險會有所提高；工業增加值增長率和上市公司KMV違約率的回歸系數為-0.185，通過1%的顯著性水平，這代表工業增加值增速越快，上市公司違約風險越低；居民消費價格指數和上市公司KMV違約率的回歸系數為-0.056，通過1%的顯著性水平，這代表居民消費價格指數增長越大，上市公司KMV違約率越低。因此，我國宏觀經濟因素對上市公司信用風險具有顯著的影響，這也印證防范信用風險的重要性。

表2 多元回歸結果

（三）結果討論

在模型分析中，可以發現國房景氣指數和上市公司KMV違約率的影響系數為0.080，通過1%的顯著性水平，這代表我國國房景氣指數越高，上市公司KMV違約率越高，這代表高房價的連鎖效應明顯；M2增長率和上市公司KMV違約率的回歸系數為-0.063，通過1%的顯著性水平，這代表我國M2貨幣供應量越多，上市公司KMV違約率越低；GDP增長率和上市公司KMV違約率的回歸系數為0.164，通過1%的顯著性水平，這代表我國經濟增速下滑后，

■研究建議

（一）完善資本市場和法律法規建設

根據本文的KMV模型研究發現，我國上市公司的違約風險差異較大，虧損企業的違約率和違約距離遠大于非虧損企業，所以我國政府應當重視上市公司信用風險的控制，采用多重量化模型來完善事前監管體制。對此，我國特色社會主義市場經濟建設中，資本市場機制應該予以完善，尤其是幾任市場交易制度和法律法規，減少金融主體對上市公司的信息不對稱，采用量化模型來預測上市公司的違約行為，對高杠桿上市公司嚴格預警和監視，防范上市公司財務造假行為。

（二）優化信用風險評估模型

在本文中，上市公司信用風險評估來自股票市場的數據，KMV模型更多參考了公司股價方面的信息數據，但是沒有考慮到財務報表數據。隨著我國資本市場逐步成熟，大數據來源越來越多，這也對信用評估模型有更多的挑戰，所以我國也應當進一步加強違約大數據建設，并應用大數據算法于風險評估。同時，我國也應該大力發展第三方信用評級機構，并且要加強行業與國際接軌，學習穆迪、標準普爾等成熟經驗，發揮量化信用評估對我國信用風險管理的驅動作用。

（三）完善信用風險管理的人才管理

信用風險的量化分析依靠專業人才來提供，但我國信用評估行業發展滯后，風險管理人才的供給規模和專業能力較為薄弱，十分不利于上市公司主動防范信用風險。本文建議要加大信用風險的高校產學研投資，培養一批跨專業風控人才，協助我國完成去杠桿化的政策目標。