浅析KMV模型对我国上市公司信用风险应用

樊星

[摘 要]本文运用KMV模型预测分析了从8个行业中ST组和非ST组两组样本，分别计算违约距离，并进行探究，发现KMV较好地识别了违约风险，并对非ST公司的违约风险有一定的预测作用。

[关键词]KMV模型；股权价值；上市公司

[中图分类号]F275 [文献标识码]A [文章编号]1005-6432（2014）52-0092-02

KMV模型是以Black-Scholes公式为基础，可以运用于像我国这样的弱势资本市场，而且公司的股权价值也恰好可以看作是以该公司资产为标的物，以债务价值为执行价格的看涨期权，而且上市公司股权价值可以直接从交易市场上得到，能够真实反映企业状况和市场信息。由于我国ST股风险有较高退市风险，所以本文选择8个行业16只股票进行ST和非ST分析来验证模型识别风险的能力。

1 KMV模型介绍

KMV模型是穆迪子公司KMV公司于1995年利用MM理论和Black—Scholes理论进行信用风险度量和风险管理，之后于1997年基于上述两个理论提出了预期违约概率模型（Expected Default Frequency，EDF）也即KMV模型，此信用评价模型认为一个债务人的信用风险源于他的资产市场价值，资产价值变动的标准差以及该债务人负债的账面价值。KMV估计模型公式及参数如下：

2 实证分析

2.1 样本选择

因为各个行业受到的影响因素不尽相同，而且中国股市自股改以来到目前为止还有上市公司没有完成股改，或者有非流通股等，因为不在市场上流通的股票价值难以衡量，所以为了排除行业以及非流通股市值等因素对模型的估计，本文分别从8个行业里选择两只只有流通股的ST和非ST股进行分析。

2.2 股票市值和股票波动率的计算

对股票波动率的估计一般采用历史波动率，考虑到历史波动率不能进行预测，而Garch（1，1）模型已经多次验证较符合中国股市情况，所以本文以2013年12月31日为基准日期，用这一天的收盘价来计算各上市公司的股票价值，并以2013年每个交易日的收盘价，通过Garch（1，1）模型计算样本股票的日波动率，并通过模型预测2014年1月1日的日波动率进行预测，进而通过公式：日波动率×243预测2014年的年波动率σE，计算结果如表1所示：

2.3 无风险利率和违约点

在KMV模型中有一个无风险利率r，本文选取人民银行公布的2014年一年期整存整取基准利率3%作为无风险利率。

在KMV公式中关于DP的选择是公司的短期负债加上一半的长期负债。国内有很多研究者对0.5的权重做了很多改进性分析，比如0.25和0.75等。本文仍用0.5做权重计算样本的违约点D。

2.4 违约距离和违约概率

因为KMV模型依托于Black-Scholes公式，所以计算出的股票资产价值和波动率服从几何随机过程，我们可以以此为前提按照违约距离的定义得到理论违约概率，但是由于这一假设通常与现实不符，所以我们运用KMV模型提供的违约距离公式计算违约距离，不过由于我国信用评级体系非常不完善且资本市场在诸多方面还不够成熟，所以国内并没有建立起每个违约距离与实际违约概率之间的映射关系，本文仍用违约距离进行分析，违约距离结果如表2所示：

3 结果分析和讨论

KMV模型通过违约距离来反映信用风险大小，相同情况下违约距离小的股票要比违约距离大的股票违约的可能性高，不过由于各行业经营环境、政策导向也有所不同，所以各行业识别上市公司信用风险的违约距离的大小也不同，不可能仅以违约距离的绝对大小来判断。由于我国目前对上市公司出现风险的揭示采用ST这一措施，被ST或者非ST的股票一般被认为信用风险大，而各行业的被特别处理的股票只有少数，所以ST股票的违约距离被认为是识别风险的参考值。在8个配对样本中发现样本的非ST组的违约距离，选择的8个成对样本中有6个非ST组大于ST组的违约距离，而申达股份和银鸽投资低于ST三毛和ST宜纸，虽然这两只股票没有特别处理但这已经是一个警示，一定程度上说明了这两家企业经营上出了问题，因为本文是以2013年12月31日为基准点，并以预测的股票波动率计算了资产价值，资产波动率和违约距离，考虑到数据的可比性，本文以2013年和2014年中期年报的一些数据进行同比发现申达股份每股收益0.10元，同比下降21.66%，净利润0.73亿元，同比下降21.67%而银鸽投资每股收益-0.18元，同比下降80.00%，净利润-1.48亿元，同比下降75.39%，这从另一个侧面印证了KMV模型在区分违约风险时比较有效。

4 总结与建议

本文通过研究来自8个行业的16只股票，对比分析KMV模型的ST组和非ST组的违约距离，其较好地区分了ST组和非ST组股票，并且能够对非ST组的风险起到预警的作用。因为ST是连续两年或者三年出现亏损的股份，所以它们的违约距离可以作为参考值或者参照对象来识别正常股份可能存在的违约风险，本文也通过对比样本的2013年和2014年两年的中期年报中每股收益和净利润两方面进行了佐证，当然仅从这两方面来验证只是很小的一个侧面，不过有关部门为了防止这些风险较大的股票出现更大的风险威胁市场安全，所以在很多方面做了限制，例如价格浮动在5%之内，这就可能导致ST股价的波动率变小，而资产波动率与股价波动率成正比，和违约距离成反比，这就使最终算出的违约距离变大，影响风险的判断。由于我国市场情况与欧美不尽相同，在使用时一定要考虑中国现实的实际情况多方验证。

机构的做法告诉我们，在不违反相关法律法规、监管规定要求（如确保董事会中非执行董事、独立董事所占比例）的前提下，董事进入高级管理层任职，担任高级管理层的核心成员（如首席执行官、总裁等）应是提高公司运转效率和实现公司治理与管理高效配合的有效路径。

参考文献：

[1]张智梅，章仁俊.KMV 模型的改进及对上市公司信用风险的度量[J].统计与决策，2006（9）：159-160.

[2]翟东升，张娟，曹运发.KMV 模型在上市公司信用风险管理中的应用[J].工业技术经济，2007（1）：126-127.

[3]王颖琦.KMV模型在我国上市公司信用风险评价中的应用研究[D].北京：北京化工大学，2011.

[4]Sheldon M.Ross.An elementary introduction to mathematical finance：options and other topics[M].Beijing：China Machine Press，c2004.

[5]周晔.金融风险度量与管理[M].北京：首都经济贸易大学出版社，2010.

[6]郎咸平.公司治理[M].北京：社会科学文献出版社，2004.

[7][美]艾·里斯，劳拉·里斯.董事会里的战争[M].寿雯，译.北京：机械工业出版社，2013.