内容发布更新时间 : 2024/12/23 9:15:57星期一 下面是文章的全部内容请认真阅读。

龙源期刊网 http://www.qikan.com.cn

基于KMV模型的创业板信用风险评估

作者：何莹莹 国采薇

来源：《全国流通经济》2018年第25期

摘要：在 KMV 模型的基础上，针对中国上市公司市场环境的特殊性，本文尝试对我国东北地区的已上市创业板公司应用KMV模型进行风险评估。根据2016年我国公司债券数据，实证对比分析了东北地区及北京地区创业板公司违约距离。结果表明，东北地区及北京地区创业板对应的上市公司的违约距离一定显著性水平下无明显差异，但两者都较短，即具有较高风险。

关键词：公司债券；KMV模型；违约距离；创业板；东北地区

中图分类号：F421.36 文献识别码：A 文章编号：2096-3157（2018）25 -0088-02 一、模型構建与假设分析 1.理论分析

KMV模型的理论基础是Black-Scholes， Merton以及Hull和White的期权定价模型，该模型认为企业信用风险很大程度上由企业的资产市场价值（V）、波动率（σ）以及负债账面价值（D）等因素决定。根据假设，当公司的资产价值低于一定水平时，公司就会发生违约，与这一水平相对应的资产价值为违约点（Default Point），即流动负债与总负债之间的某一点，违约距离DD（ Distance to Default）即企业资产价值的期望值与其违约点之间的距离。在信用

龙源期刊网 http://www.qikan.com.cn

风险度量方面，KMV模型采用“预期违约率”EDF（Expected Default Frequency ），这是一种经验的违约率。

KMV模型计算上市公司预期违约率的步骤如下：

首先，企业债务可以看作买入一份以公司资产市场价值V为标的物，以公司债务面值D为执行价格的欧式看涨期权。根据Black-Scholes期权定价公式，上市企业的资产市场价值以及上市企业资产价值波动率可以运用企业股权的市场价值、到期时间、无风险借贷利率及负债面值等数值估算得出。

上述公式中的代数式含义如下：

首先，根据企业负债比例计算出违约点，然后估算出负债企业的违约距离。假设企业资产的未来市值呈正态分布，则可以利用（2）式计算负债企业的违约距离DD： DD=V-DPVσV（2）

最后，运用企业违约距离（DD）与预期违约率（EDF）之间的代数关系，可以计算出企业的预期违约率。

根据违约距离（DD）的定义，在公司资产市值和资产波动率已知的情况下，可知理论上发生违约的概率为1-N（DD）。 2.研究假设

由于我国股票市场起步较晚，存在着特殊国情：我国的股权割裂，导致上市公司同时具有流通股和非流通股。而KMV模型只考虑了流通股，故我们先修正KMV模型中的上市公司股权计算方法，再采用东北地区上市公司与北京地区与之配对的公司最近两年的数据，根据不同违约点的设定分别求出违约距离。

（1）创业板债务面值和债务期限：创业板公司债务面值可从其年财务报表中直接查到；设债务期限为一年。

（2）创业板无风险利率：无风险利率，即投资者可以任意加入或贷出资金的利率。我们采用中央人民银行公布的平均一年期存款利率作为无风险利率。由于自2015年10月24日后，一年期存款利率一直没发生变化，故2016年的无风险利率为1.5%。 二、实证结果分析 1.数据采集

龙源期刊网 http://www.qikan.com.cn

数据来自于前瞻数据库、EPS数据库等国内各大上市公司数据统计网站，以及深圳证券交易所网站。截至2017年11月，东北地区有17家企业在创业板上市。其中辽宁省11家、吉林省4家、黑龙江省2家。而兴齐眼药（辽宁）在2016年12月8日刚刚上市，同时吉大通信（吉林）于2017年1月23日刚刚上市，考虑到日期的不完整性，应将其扣除。 2.实证结果分析

根据上述历史波动率法及流通股与非流通股股权价值，计算出股权波动率以及公司价值，再运用MATLAB中KMV解法计算出违约距离，最后运用SPSS进行模型显著性检验。计算结果如下表所示。

设定显著性水平为0.05，则在该显著性水平下，东北地区15家上市企业在0长期负债、50%长期负债、100%长期负债的情况下，违约距离均值为1.86、1.81、1.76，t统计量分别为15.019、15.731、16.319，均大于临界值1.96。这说明违约距离在0.05的显著性水平下是统计显著的，即对信用风险有显著影响。同理可知，北京地区15家上市企业在三种不同长期负债比例设定下，违约距离也在0.05的显著性水平下对公司的信用风险有显著影响。

因此，我们可以运用修正后的KMV模型较好地识别出中国目前创业板上市公司的整体信用风险的变化趋势，但本文中对比的北京和东北地区的创业板公司，信用风险整体上不存在显著差异，说明经过这些年的发展，金融市场资源配置的效率得到明显的提高。 三、结论及建议

综合看来，本文实证研究表明 KMV 模型对于我国股票市场的部分创业板企业的信用风险评估具有较高的准确性、预测性和科学性。针对本文分析的30家对比企业，我们认为东北地区创业板公司的违约距离在一定显著性水平下与北京地区创业板公司无明显差异，因此投资者在投资东北地区创业板企业的股票时不会存在着更大的风险；然而无论是东北地区还是北京地区创业板公司，其违约距离都较小，即双方都存在着较高的违约风险。

东北地区创业板企业仍然需要降低信用风险，而信用风险的产生主要有以下几个原因：一是债权人疏于风险管理，如内部控制制度不健全，管理治理体制不明确等；二是债务人缺乏偿还意愿或者无力偿还；三是外部环境的原因，如经济体制、政治体制不完善，经济政策的改变等。

参考文献：

[1]李雪梅. 略论公司被ST化的信息效用——基于风险模型的实证研究[J].经济问题，2013，（3） ： 85～88.

[2]孔玉生，张文君. 上市公司KMV模型适用性实证研究——以创业板高新技术企业为例[J]. 财会通讯，2014，（20）：28～30.