基于KMV上市公司信用風(fēng)險的實證分析.doc

基于KMV模型對上市公司信用風(fēng)險的實證分析【摘要】：信用風(fēng)險管理水平是我國商業(yè)銀行與外資銀行當(dāng)前的主要差距所在，如何更好地提高我國商業(yè)銀行的信用風(fēng)險管理水平就成為提高我國商業(yè)銀行綜合競爭力的關(guān)鍵所在。本文首先描述了目前我國商業(yè)銀行的信用風(fēng)險管理狀況和存在的問題，接著對現(xiàn)代信用風(fēng)險度量模型KMV模型進行了詳細(xì)闡述，并對其優(yōu)缺點進行了評價。然后以5家上市公司作為研究對象，基于2012年9月份至2013年9月份上市公司的資產(chǎn)負(fù)債表和股票交易數(shù)據(jù)，運用 KMV模型度量這5家上市公司的信用風(fēng)險，通過違約率EDF量化信用風(fēng)險等級，驗證了KMV模型在中國市場的適用性以及商業(yè)銀行加強信用風(fēng)險管理水平的必要性。最后針對商業(yè)銀行信用風(fēng)險管理存在的問題給出了合理的政策建議。【關(guān)鍵詞】：KMV模型、期權(quán)定價理論BSM、信用風(fēng)險管理、違約率、違約距離?！痉栒f明】：正文在我國，由于信用風(fēng)險管理剛剛起步，銀行等金融機構(gòu)的信用風(fēng)險管理水平一直不高。長期以來，信用風(fēng)險是銀行業(yè)乃至整個金融行業(yè)中最重要的風(fēng)險形式，商業(yè)銀行也一直被高比例的不良貸款問題所困擾,使得資產(chǎn)質(zhì)量惡化，資產(chǎn)利潤率低下。因此，在商業(yè)銀行風(fēng)險管理中，信用風(fēng)險是商業(yè)銀行在經(jīng)營活動中面臨的主要風(fēng)險之一，加強對信用風(fēng)險的管理對商業(yè)銀行的經(jīng)營至關(guān)重要。對于我國商業(yè)銀行而言，企業(yè)貸款是其主要業(yè)務(wù)，銀行大部分的金融資產(chǎn)為企業(yè)貸款，因此信貸風(fēng)險也成為商業(yè)銀行信用風(fēng)險的最主要組成部分。而且據(jù)銀監(jiān)會發(fā)布的數(shù)據(jù)顯示，截止2013年12月末，我國商業(yè)銀行不良貸款余額5921億元，比年初增加993億元，不良貸款率為1.0%，比年初上升0.05個百分點。由此可見，目前我國國有商業(yè)銀行在信用管理水平方面存在的問題還有很多，研究和開發(fā)適合我國國情的信用風(fēng)險度量模型 ，建立適合我國的商業(yè)銀行信用風(fēng)險度量管理體系，對我國商業(yè)銀行的發(fā)展意義重大。一KMV模型及其應(yīng)用（一）KMV模型簡介目前已有的信用風(fēng)險度量模型分為傳統(tǒng)信用風(fēng)險度量模型和現(xiàn)代信用風(fēng)險度量模型。其中傳統(tǒng)信用風(fēng)險度量模型包括專家系統(tǒng)分析方法(如 6C分析法)、多元判別分析法、logit回歸方法、神經(jīng)網(wǎng)絡(luò)分析法等。但傳統(tǒng)信用風(fēng)險度量模型主要側(cè)重于定性分析，故存在一定的缺陷。而現(xiàn)代信用風(fēng)險度量模型包括基于風(fēng)險價值VAR的CreditMtircs模型、基于保險精算的CreditRisk模型、以宏觀經(jīng)濟模擬的CreditPorftolioView模型、基于期權(quán)定價理論的KMV模型。現(xiàn)代信用風(fēng)險度量模型主要側(cè)重于定量分析，彌補了傳統(tǒng)信用風(fēng)險度量模型的不足。KMV模型是一種違約預(yù)測模型，它將信用風(fēng)險與違約聯(lián)系在一起，并通過違約概率來估計信用風(fēng)險。假設(shè)公司的資本由股本、債券以及銀行貸款等其他債務(wù)組成 ，銀行貸款必須在一個規(guī)定時間內(nèi)償還 ，否則視為違約 。當(dāng)債務(wù)到期時 ，如果公司的資產(chǎn)價值大于其負(fù)債水平 ，公司售出相應(yīng)的股權(quán)就可以清償債務(wù)，并獲得償債后的收益，那么公司就不會違約。在這個負(fù)債水平上的公司資產(chǎn)價值被定義為違約點。反之，如果公司的資產(chǎn)價值小于違約點時，公司會選擇破產(chǎn)來代替償還債務(wù)?；谶@一點 ，KMV模型把公司權(quán)益看做一個歐式看漲期權(quán) ，并且基于公司資產(chǎn)的市場價值及其波動性以及違約距離來轉(zhuǎn)換公司的違約率。KMV模型是在 BSM期權(quán)定價模型的基礎(chǔ)上開發(fā)出來的 ，故 KMV模型需要滿足 BSM期權(quán)定價模型的一系列假設(shè)。KMV模型需要滿足的假設(shè)條件主要包括以下幾點：(1)滿足BSM期權(quán)定價模型的基本假設(shè)：公司股票價格波動是個隨機的過程 ；允許賣空 ；沒有交易費用和稅收；證券可分性；不存在套利；證券交易的連續(xù)性、無風(fēng)險利率在借款人還清債務(wù)前保持不變。(2)借款人資產(chǎn)價值大于其債務(wù)價值時，不發(fā)生違約；反之，當(dāng)借款人資產(chǎn)價值小于其債務(wù)價值時，則發(fā)生違約。(3)企業(yè)市場價值服從布朗運動 ，且借款人資產(chǎn)收益服從正態(tài)分布 。(4)借款人資本只包括所有者權(quán)益，短期、長期債務(wù)以及可轉(zhuǎn)化的優(yōu)先股。(5)標(biāo)的股票價格的變化遵循對數(shù)正態(tài)分布的隨機過程 。(6)違約事件只在債務(wù)到期日T時刻發(fā)生。（二）KMV模型的優(yōu)缺點及其在中國的適用性分析(1)KMV模型的優(yōu)點：KMV模型的理論基礎(chǔ)較好，其是建立在現(xiàn)代企業(yè)理財理論和期權(quán)理論基礎(chǔ)之上的，可以反映信用風(fēng)險水平的變化，而且上市公司定期公布財務(wù)報表，股價每天更新交易數(shù)據(jù)，這使得該模型可以隨時可以更新數(shù)據(jù)EDF值。預(yù)期違約頻率指標(biāo)在本質(zhì)上是運用基數(shù)衡量是信用風(fēng)險，對信用風(fēng)險劃分等級，因而對風(fēng)險預(yù)測更準(zhǔn)確，所以說該模型具有較強的說服力。KMV模型在一定程度上克服了依賴歷史數(shù)據(jù)向后看的數(shù)理統(tǒng)計模型的缺陷，所提供的指標(biāo)EDF來自于股票的即時行情分析，理論分析結(jié)果顯示了上市公司未來的發(fā)展前景。(2)KMV模型的缺點：KMV模型中假設(shè)資產(chǎn)價值服從正態(tài)分布，而在現(xiàn)實中并非如此，股票價格往往受到控制，而且存在大量的不對稱消息，因此資產(chǎn)價值不一定都服從正態(tài)分布。KMV模型不能區(qū)分債務(wù)的優(yōu)先償還順序，也不能對債務(wù)的不同類型進行分辯，因而可能造成預(yù)測不準(zhǔn)確。并且，KMV模型往往適用于對上市公司的風(fēng)險評估，而對缺乏數(shù)據(jù)的非上市公司的風(fēng)險評估不適用。(3)KMV模型在中國的適用性分析：中國的證券市場往往受到投機行為及不對稱信息進行交易，因此股價大幅波動不能反映資產(chǎn)實際價值，但KMV模型不要求有效市場假設(shè)，故在中國可以運用KMV模型分析上市公司信用風(fēng)險。KMV模型需要的數(shù)據(jù)為公司的股票交易數(shù)據(jù)，而對財務(wù)報表中的數(shù)據(jù)需求較少（債務(wù)的賬面價值），因此與其他大量依賴財務(wù)賬面的數(shù)據(jù)模型相比，KMV模型避免了會計信息失真的負(fù)面影響，具有一定的優(yōu)越性。因此，KMV模型在中國上市公司信用風(fēng)險分析預(yù)測中具有一定的適用性。二、運用KMV模型進行實證分析研究（一）數(shù)據(jù)說明選取5家上市公司進行實證分析：申達股份(600626)、模塑科技(000700)、老鳳祥(600612)、建設(shè)機械(600984)、步步高(002251)。以3個月（一季度）的歷史數(shù)據(jù)進行計算，收集數(shù)據(jù)如下表：表一 申達股份市值估計表 日期申達股份（600626）2013-09-302013-06-302013-03-312012-12-312012-09-30總股本（億股）7.10247.10247.10247.10247.1024歷史股價（元）5.383.033.743.433.38表二 模塑科技市值估計表 日期模塑科技（000700）2013-09-302013-06-302013-03-312012-12-312012-09-30總股本（億股）3.09043.09043.09043.09043.0904歷史股價（元）8.075.176.705.454.98表三 老鳳祥市值估計表 日期老鳳祥（600612）2013-09-302013-06-302013-03-312012-12-312012-09-30總股本（億股）5.23125.23125.23125.23125.2312歷史股價（元）24.7216.3722.5521.5523.09表四 建設(shè)機械市值估計表 日期建設(shè)機械（600984）2013-09-302013-06-302013-03-312012-12-312012-09-30總股本（億股）2.41562.41561.41561.41561.4156歷史股價（元）6.095.566.836.605.72表五 步步高市值估計表 日期步步高（002251）2013-09-302013-06-302013-03-312012-12-312012-09-30總股本（億股）5.97123.26763.26762.70362.7036歷史股價（元）13.6922.1222.5922.5921.25 表六 申達股份負(fù)債表 日期申達股份（600626）2013-09-302013-06-302013-03-312012-12-312012-09-30短期負(fù)債（萬元）148235151832145430142252120585長期負(fù)債（萬元）10651065106510651065 表七 模塑科技負(fù)債表 日期模塑科技（000700）2013-09-302013-06-302013-03-312012-12-312012-09-30短期負(fù)債（萬元）220511239551232885266331259452長期負(fù)債（萬元）230019002012121065 表八 老鳳祥負(fù)債表 日期老鳳祥（600612）2013-09-302013-06-302013-03-312012-12-312012-09-30短期負(fù)債（萬元）505850505925449443535656515283長期負(fù)債（萬元）000020058表九 建設(shè)機械負(fù)債表 日期建設(shè)機械（600984）2013-09-302013-06-302013-03-312012-12-312012-09-30短期負(fù)債（萬元）3634338278719617199570717長期負(fù)債（萬元）00000 表十 步步高負(fù)債表 日期步步高（002251）2013-09-302013-06-302013-03-312012-12-312012-09-30短期負(fù)債（萬元）435686372465391160403956352942長期負(fù)債（萬元）948593358581832115341（二）KMV模型條件假設(shè)及公式推導(dǎo)模型條件假設(shè)：(1)假設(shè), 公司資產(chǎn)回報的隨機變量服從標(biāo)準(zhǔn)正態(tài)分布N(0, 1), 不考慮公司具體的債務(wù)結(jié)構(gòu), 將模型的違約點等同于短期債務(wù)(短期債務(wù)等同于流動負(fù)債)加長期債務(wù)的一半。(2)假設(shè)公司的資產(chǎn)增長率為0。(3)假設(shè)公司股票價格服從對數(shù)正態(tài)分布。(4)利率使用一年期定期存款利率r=2.25%。(5)股票波動率采取我國股票市場上的歷史數(shù)據(jù)進行估算。模型公式推導(dǎo)：（三）KMV模型求解結(jié)果： 表十一 Matlab求解表上市公司申達股份模塑科技老鳳祥建設(shè)機械步步高資產(chǎn)價值（元）4.0790*1094.2518*1091.6248*10101.6689*1091.0789*1010資產(chǎn)價值波動率0.47600.32490.50170.47730.4634違約距離DD1.36851.30811.37451.36881.3652違約率EDF0.08560.09540.08470.08550.0861（四）實證結(jié)果標(biāo)準(zhǔn)普爾 (S&P)和穆迪的風(fēng)險評級代表了違約概率，則EDF和標(biāo)準(zhǔn)普爾評級以及穆迪信用評級之間的對照表如下表： 表十二 標(biāo)準(zhǔn)普爾、穆迪評級與KMV的EDF值的映射違約率EDF 標(biāo)準(zhǔn)普爾穆迪0.02-0.04AAAa20.04-0.10AA/AA10.10-0.19A/BBB+Baa10.19-0.40BBB+/BBB-Baa30.40-0.72BBB-/BBBa10.72-1.01BB/BB-Ba31.01-1.43BB-/B+B11.43-2.02B+/BB22.02-3.45B/B-B3 表十三 上市公司的信用等級結(jié)果證券代碼證券簡稱標(biāo)準(zhǔn)普爾評級穆迪評級600626申達股份BB/BB-Ba3000700模塑科技BB/BB-Ba3600612老鳳祥BB/BB-Ba3600984建設(shè)機械BB/BB-Ba3002251步步高BB/BB-Ba3（五）實證分析結(jié)論根據(jù)表十三的結(jié)果可以看出，以上選用的5家上市公司的信用等級均處于BB/BB-的標(biāo)準(zhǔn)普爾等級以及Ba3的穆迪等級，信用等級均不高，使得商業(yè)銀行對這些上市公司的信貸存在一定的風(fēng)險。三、結(jié)論與政策建議（一）結(jié)論：以上結(jié)果表明， KMV模型能夠較好地反映企業(yè)的違約風(fēng)險，KMV模型計算的上市公司的違約距離可以隨公開數(shù)據(jù)的更新而實時計算, 并反映出公司的信用狀況。違約距離越大, 公司的信用越可靠, 對公司貸款的安全性越高。在我國現(xiàn)行條件下, 違約距離可以作為銀行監(jiān)控上市公司貸款的預(yù)警指標(biāo)。而且使用Matlab進行KMV模型的計算, 快速準(zhǔn)確, 有很高的實用價值。而且，通過用EDF度量信用風(fēng)險的大小，可以看出影響信用風(fēng)險的財務(wù)因素主要有：銀行的資產(chǎn)規(guī)模 、償債能力、盈利能力、資產(chǎn)的穩(wěn)定性和股價的穩(wěn)定性。銀行的資產(chǎn)規(guī)模越大，盈利能力和償債能力越強，資產(chǎn)的波動率越小，其違約距離越大，預(yù)期違約率越小，信用風(fēng)險越小。反之，銀行的資產(chǎn)規(guī)模小 ，且股價波動起伏大 ，則其違約概率越大 ，信用風(fēng)險也越大。（二）政策建議：(1)隨著市場的發(fā)展，要通過適當(dāng)?shù)牧⒎ɑ蛘咭欢ǖ闹贫葋順?gòu)建適當(dāng)?shù)男庞蔑L(fēng)險環(huán)境和激勵機制，從而提高整個社會的信用水平。(2)當(dāng)投保金融機構(gòu)出現(xiàn)支付危機、破產(chǎn)倒閉或者其他經(jīng)營危機時，要有保險機構(gòu)通過資金援助、賠償保險金等方式，保證其清償能力并對有問題機構(gòu)進行處置。(3)通過建立信息記錄數(shù)據(jù)庫，記錄違約客戶的信息，并使該信息在商業(yè)銀行之間是共享的，從而減少違約事件的發(fā)生。(4)商業(yè)銀行自身制定適當(dāng)?shù)慕?jīng)營發(fā)展戰(zhàn)略，并針對自身抗風(fēng)險能力確定目標(biāo)市場和客戶群。同時，商業(yè)銀行應(yīng)在經(jīng)評估確定的可貸款范圍內(nèi)根據(jù)不同的信用等級并綜合考慮其他因素 ，確定不同的資產(chǎn)價格 。(5)組建一支高水平 、專業(yè)化的風(fēng)險管理人才隊伍?，F(xiàn)代信用風(fēng)險管理模型構(gòu)成較為復(fù)雜 ，知識含量高 ，而我國在信用風(fēng)險管理方面仍處于起步階段，培養(yǎng) 、建立一支適用于風(fēng)險預(yù)測 、分析 、控制和管理的專業(yè)化人才隊伍，對于我國商業(yè)銀行信用風(fēng)險管理體系的建設(shè) 、實施和維護具有重要意義。為此，應(yīng)加大風(fēng)險管理人才的選拔和培 養(yǎng)，以有競爭力的薪酬制度來吸引風(fēng)險管理人才；通過內(nèi)部培養(yǎng)和外部招聘相 結(jié)合的方式 ，建立高素質(zhì)、復(fù)合型的風(fēng)險管理隊伍 ；加強國內(nèi)外同行間的交流和學(xué)習(xí)，不斷提高隊伍的風(fēng)險管理水平。(6)針對不良貸款，要督促企業(yè)整改，積極催收到期貸款；并且可以簽訂貸款處理協(xié)議，借貸雙方共同努力，確保貸款安全；也要落實貸款債券債務(wù)，防止企業(yè)逃費銀行債務(wù)；呆賬沖銷等等。（三）改進：(1)本文所選取的上市公司在股票排名中排名比較接近，而且在信用風(fēng)險等級劃分中也沒有拉開明顯的等級差異。做大量的上市公司信用風(fēng)險度量的實證研究時，可以通過增加樣本數(shù)量，使樣本信用風(fēng)險等級劃分的差異性逐漸體現(xiàn)出來。四、附錄【參考文獻】1. 基于 KMV模型的中國商業(yè)銀行信用風(fēng)險實證分析. 凌江懷 劉燕媚.華南師范大學(xué)學(xué)報（社會科學(xué)版）.A.2013年10月2. 基于Matlab計算的KMV模型在商業(yè)銀行信用風(fēng)險管理中的應(yīng)用. 趙丹 陳哲.北京交通大學(xué).A3. 商業(yè)銀行信用風(fēng)險評級測度方法研究.王小明.上海財經(jīng)大學(xué).A.2005年5月4. 基于期權(quán)定價理論的上市公司信用風(fēng)險度量研究.朱衛(wèi)兵.2008年5月5. KMV模型關(guān)系函數(shù)推測及其在 中國股市的驗證. 魯煒 趙恒珩 劉冀云. 中國科學(xué)技術(shù)大學(xué).A.2003年6月6.商業(yè)銀行經(jīng)營學(xué)（第三版）.戴國強.高等教育出版社.2007年4月【數(shù)據(jù)來源】1:/f10/zcfzb_600626.html2:/share,000700,zcfzb_2013.shtml3:/f10/zcfzb_600612.html4:/f10/zcfzb_600984.html5:/f10/zcfzb_002251.html6:太平洋證券同花順新一代軟件提供的數(shù)據(jù)等。7:/20140214/n395025893.shtml【Matlab程序】1:%歷史股價波動率的計算x=8.95 5.38 3.03 3.74 3.43;n=length(x);for i=1:n-1y(i)=log(x(i)/x(i+1)%比值的對數(shù)ends=0;for i=1:n-1 s=s+y(i);endp=s/(n-1)fc=0;for i=1:n-1 fc=fc+(p-y(i)2;%方差endfc=fc/(n-1);bzc=sqrt(fc);%標(biāo)準(zhǔn)差bzc2:%上市公司市值的計算guben=5.9712 3.2676 3.2676 2.7036 2.7036*108; %總股本%輸入gujia=13.69 22.12 22.59 22.59 21.25; %股價%輸入s=0;for i=1:5 s=s+guben(i)*gujia(i);ends=s/5;s3:%負(fù)債的計算sd=435686 372465 391160 403956 352942*104; %短期負(fù)債%輸入ld=9485 9335 8581 8321 15341*104; %長期負(fù)債%輸入s1=0;s2=0;for i=1:5 s1=s1+sd(i); %均值ends1=s1/5;for j=1:5; s2=s2+ld(j);ends2=s2/5; %均值s1s2 4: % KMVfun1函數(shù)定義function F=KMVfun1(Et