周子元

摘 要:當(dāng)前西方金融界常用的信用風(fēng)險(xiǎn)量化模型包括多元統(tǒng)計(jì)模型、結(jié)構(gòu)模型和簡(jiǎn)化模型三類,隨著金融理論與技術(shù)的發(fā)展,信用風(fēng)險(xiǎn)量化研究取得了長足的進(jìn)步。信用風(fēng)險(xiǎn)量化是發(fā)達(dá)國家商業(yè)銀行進(jìn)行風(fēng)險(xiǎn)管理的基礎(chǔ),也是我國商業(yè)銀行風(fēng)險(xiǎn)管理的發(fā)展方向,應(yīng)從方法、技術(shù)及制度方面進(jìn)行改進(jìn)和完善,建立符合我國信用風(fēng)險(xiǎn)特征和規(guī)律的量化模型。

關(guān)鍵詞:信用風(fēng)險(xiǎn)量化;統(tǒng)計(jì)模型;結(jié)構(gòu)模型;簡(jiǎn)化模型

中圖分類號(hào):F830.5文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1006-3544(2009)04-0035-03

廣義的信用風(fēng)險(xiǎn)是指由于借款人或交易對(duì)手違約導(dǎo)致?lián)p失的可能性,以及由于借款人信用評(píng)級(jí)的變動(dòng)和履約能力的變化導(dǎo)致其債務(wù)的市場(chǎng)價(jià)值變動(dòng)而引起損失的可能性;狹義的信用風(fēng)險(xiǎn)是指由于借款人或交易對(duì)手違約導(dǎo)致?lián)p失的可能性,即違約風(fēng)險(xiǎn)。信用風(fēng)險(xiǎn)是商業(yè)銀行面臨的主要風(fēng)險(xiǎn)之一, 信用風(fēng)險(xiǎn)量化是發(fā)達(dá)國家商業(yè)銀行進(jìn)行風(fēng)險(xiǎn)管理的基礎(chǔ),也是我國商業(yè)銀行面臨的重大課題。

一、國外信用風(fēng)險(xiǎn)計(jì)量研究回顧

20世紀(jì)70年代以前,信用風(fēng)險(xiǎn)評(píng)估主要借助于財(cái)務(wù)報(bào)表提供的靜態(tài)財(cái)務(wù)數(shù)據(jù), 并結(jié)合定性分析進(jìn)行。20世紀(jì)80年代以后,現(xiàn)代信用風(fēng)險(xiǎn)計(jì)量方法開始出現(xiàn)并被應(yīng)用。西方金融界常用的信用風(fēng)險(xiǎn)量化模型有三類:基于企業(yè)財(cái)務(wù)信息的多元統(tǒng)計(jì)模型、基于期權(quán)理論的結(jié)構(gòu)模型,以及基于外生違約過程的簡(jiǎn)化模型。

(一)多元統(tǒng)計(jì)模型

多元統(tǒng)計(jì)模型通過對(duì)樣本數(shù)據(jù)分析尋找違約公司的若干特征指標(biāo)(通常是財(cái)務(wù)指標(biāo)),并建立這些特征指標(biāo)與違約之間的數(shù)量關(guān)系。Altman(1968)建立了包含5個(gè)財(cái)務(wù)指標(biāo)的Z值模型。1977年,Altman與其合作者拓展了Z值模型, 得到了包含7個(gè)財(cái)務(wù)指標(biāo)的ZETA模型。Z值模型適用于中型企業(yè)。Edmister(1972)專門針對(duì)小企業(yè)建立了模型,并且采用了現(xiàn)金流量指標(biāo)作為預(yù)測(cè)變量。Aziz等(1989)比較了Z值模型、ZETA模型、現(xiàn)金流量模型預(yù)測(cè)企業(yè)發(fā)生財(cái)務(wù)困境的準(zhǔn)確率,發(fā)現(xiàn)現(xiàn)金流量模型的預(yù)測(cè)效果較好。Kim等(2007) 以美國1996~2001年間的破產(chǎn)公司為樣本,考察Z值模型在不同預(yù)測(cè)期限、不同時(shí)期、不同行業(yè)的預(yù)測(cè)能力,發(fā)現(xiàn)隨著預(yù)測(cè)期限的增加,預(yù)測(cè)準(zhǔn)確率下降很快,并且5個(gè)財(cái)務(wù)指標(biāo)并非一直都顯著。模型對(duì)制造業(yè)、服務(wù)業(yè)和零售業(yè)的企業(yè)破產(chǎn)都有顯著的預(yù)測(cè)能力。Ohlson(1980)以1970~1976年間105家破產(chǎn)企業(yè)及2058家非破產(chǎn)企業(yè)為樣本,選擇9個(gè)解釋變量構(gòu)建了企業(yè)違約率的Logistic模型,模型判別準(zhǔn)確率達(dá)92%以上。

多元統(tǒng)計(jì)模型的優(yōu)點(diǎn)在于技術(shù)簡(jiǎn)單,操作性強(qiáng);缺點(diǎn)在于變量選擇缺少理論依據(jù),依賴于數(shù)據(jù)特征,不能對(duì)信用風(fēng)險(xiǎn)產(chǎn)生的原因進(jìn)行分析,僅僅是表征推斷,而非因果分析。

(二)結(jié)構(gòu)模型

結(jié)構(gòu)模型的基本思想是:公司資產(chǎn)未來價(jià)值的不確定性是違約風(fēng)險(xiǎn)的內(nèi)在驅(qū)動(dòng)因素。當(dāng)公司資產(chǎn)的未來價(jià)值下降到一定水平之下時(shí),就會(huì)引發(fā)違約。該類模型以Merton(1974)為代表,包括后續(xù)的改進(jìn)模型。

Merton假定公司具有簡(jiǎn)單的債務(wù)結(jié)構(gòu),只有一筆負(fù)債,存續(xù)期間不支付利息,違約只能在債務(wù)到期日發(fā)生,并且假定無風(fēng)險(xiǎn)利率是常數(shù)。Ingersoll(1987)研究了公司存在償還等級(jí)不同的債務(wù)的情形, 用復(fù)合期權(quán)解釋了不同優(yōu)先級(jí)的債務(wù),每一級(jí)別負(fù)債的末端支付等同于一個(gè)牛市差價(jià)買入期權(quán),因此可用構(gòu)造該差價(jià)期權(quán)的兩個(gè)買入期權(quán)價(jià)值之差來給該級(jí)別的債務(wù)定價(jià)。Geske(1977)研究了付息債券的情形。Black和Cox(1976)研究了安全條款對(duì)違約時(shí)間的影響。所謂安全條款是指一種在合約中賦予債權(quán)人迫使公司進(jìn)行清算或重組的權(quán)利的安排,其主要形式是:一旦公司價(jià)值在債務(wù)的有效期限內(nèi)低于預(yù)先指定的水平,那么債權(quán)人將有權(quán)迫使公司破產(chǎn)。因此,對(duì)于具有安全條款的債務(wù),違約時(shí)間是不確定的,是資產(chǎn)價(jià)值第一次到達(dá)某個(gè)水平值的時(shí)間,即首達(dá)時(shí),違約概率不是由某個(gè)時(shí)點(diǎn)上資產(chǎn)價(jià)值的分布決定,而是在一段時(shí)間區(qū)間上的首達(dá)時(shí)的累積概率。Longstaff和Schwartz(1995) 研究了隨機(jī)的無風(fēng)險(xiǎn)利率服從Vasicek模型的情形。Leland和Toft(1996)討論了破產(chǎn)邊界的內(nèi)生確定機(jī)制,以及稅收和清算成本對(duì)公司信用風(fēng)險(xiǎn)的影響。Eom(2003)對(duì)上述幾個(gè)模型進(jìn)行了實(shí)證檢驗(yàn), 以1986~1997年間的182只公司債券為樣本, 檢驗(yàn)結(jié)果發(fā)現(xiàn),Merton模型傾向于低估違約風(fēng)險(xiǎn);Leland和Toft模型經(jīng)常高估違約風(fēng)險(xiǎn); 其他幾個(gè)模型則高估杠桿率高的公司的違約風(fēng)險(xiǎn), 而低估相對(duì)安全的公司的違約風(fēng)險(xiǎn)。1997年, 位于美國舊金山的KMV公司推出了基于改進(jìn)后的結(jié)構(gòu)模型的信用風(fēng)險(xiǎn)度量方法, 即KMV模型。Jorge(2000)對(duì)包括KMV模型在內(nèi)的6個(gè)信用風(fēng)險(xiǎn)計(jì)量模型進(jìn)行了實(shí)證檢驗(yàn),結(jié)果發(fā)現(xiàn)KMV模型的判別能力最強(qiáng)。

結(jié)構(gòu)模型的優(yōu)點(diǎn)是對(duì)風(fēng)險(xiǎn)驅(qū)動(dòng)機(jī)制做了清晰的描述,經(jīng)濟(jì)直觀,缺點(diǎn)是由于資產(chǎn)價(jià)值不能直接觀測(cè),需要通過公開發(fā)行的證券,比如股票的價(jià)格數(shù)據(jù)推算資產(chǎn)價(jià)值,其有效性受到股票市場(chǎng)信息有效性的制約。

(三)簡(jiǎn)化模型

簡(jiǎn)化模型認(rèn)為違約是不可預(yù)測(cè)的,是由外生的隨機(jī)強(qiáng)度過程決定的。Jarrow和Turnbull(1995)首先將強(qiáng)度概念引入信用風(fēng)險(xiǎn)定價(jià)方法中,他們假設(shè)違約時(shí)間是由違約強(qiáng)度確定的泊松過程,在很短的時(shí)間段上,公司發(fā)生違約的概率則是強(qiáng)度參數(shù)和時(shí)間長度乘積的函數(shù)。Lando(1998)發(fā)展了違約強(qiáng)度的概念,進(jìn)一步將強(qiáng)度看做隨機(jī)變量,違約計(jì)數(shù)過程可用帶有強(qiáng)度的非齊次泊松過程描述。Duffie和Singleton(1998)提出了另一類簡(jiǎn)化模型,該模型將無風(fēng)險(xiǎn)利率替換為帶有違約強(qiáng)度過程調(diào)整的短期利率, 可以按無風(fēng)險(xiǎn)債券的特點(diǎn),對(duì)有信用風(fēng)險(xiǎn)的債券進(jìn)行定價(jià)分析。簡(jiǎn)化模型的優(yōu)點(diǎn)是可以描述現(xiàn)實(shí)中由突發(fā)事件引起的違約,而且對(duì)信用利差的估計(jì)也比結(jié)構(gòu)模型更接近實(shí)際,但缺點(diǎn)和多元統(tǒng)計(jì)模型一樣,不能說明信用風(fēng)險(xiǎn)產(chǎn)生的經(jīng)濟(jì)根源。

二、國內(nèi)信用風(fēng)險(xiǎn)計(jì)量研究成果概述

國內(nèi)對(duì)多元統(tǒng)計(jì)模型的研究文獻(xiàn)較為豐富。張玲(2000)以深、 滬兩市交易所的120家上市公司為樣本建立了多元線性判別模型進(jìn)行研究, 發(fā)現(xiàn)該模型對(duì)公司發(fā)生財(cái)務(wù)困境前1~5年的預(yù)測(cè)準(zhǔn)確率分別為100%、87%、70%、60%、22%。 韓東平(2006) 以2003~2006年被ST的制造業(yè)上市公司為研究對(duì)象,構(gòu)造了基于現(xiàn)金流量指標(biāo)的多元判別模型,發(fā)現(xiàn)財(cái)務(wù)危機(jī)發(fā)生前兩年的判別準(zhǔn)確率為83.7%, 前一年的判別準(zhǔn)確率為93.3%。在基于Logistic模型進(jìn)行的研究中,馬九杰等(2004)對(duì)我國縣域中小企業(yè)貸款違約率進(jìn)行了實(shí)證分析,結(jié)果表明企業(yè)的資本結(jié)構(gòu)、資產(chǎn)周轉(zhuǎn)狀況、股權(quán)狀況對(duì)企業(yè)違約有顯著影響,企業(yè)家個(gè)人特征對(duì)企業(yè)信用風(fēng)險(xiǎn)有較大影響。石曉軍等(2005)研究了樣本配比和分界點(diǎn)的選取對(duì)Logistic模型判別準(zhǔn)確率的影響, 發(fā)現(xiàn)1:3的樣本配比和0.674的臨界點(diǎn)最適合我國的情況。管七海(2004)以全國金融機(jī)構(gòu)貸款數(shù)據(jù)庫中的制造業(yè)企業(yè)短期貸款數(shù)據(jù)為樣本,對(duì)東部中、小型企業(yè),中部、西部小型企業(yè)分別用線性判別模型和Logistic模型進(jìn)行研究,發(fā)現(xiàn)對(duì)于東部中小型企業(yè),多元線性判別模型優(yōu)于Logistic模型;對(duì)于中部小型企業(yè),兩種方法的預(yù)測(cè)準(zhǔn)確率都不高;對(duì)于西部小型企業(yè),Logistic模型比多元線性判別模型的預(yù)測(cè)準(zhǔn)確率稍好。

國內(nèi)對(duì)結(jié)構(gòu)模型的實(shí)證研究主要有:張智梅(2006)用Merton模型測(cè)算了ST公司與對(duì)照公司的違約概率, 發(fā)現(xiàn)ST公司的違約距離明顯小于對(duì)照公司的違約距離。周昭雄(2006)選擇了30家國內(nèi)的上市公司作為實(shí)證分析對(duì)象,并將其分為三種類型:優(yōu)良業(yè)績、中等業(yè)績和較差業(yè)績,其中每類公司各10家。通過對(duì)三類上市公司違約距離與理論違約概率的計(jì)算分析,發(fā)現(xiàn)違約距離對(duì)三類公司有較好的區(qū)分能力,但理論違約概率低于實(shí)際的違約概率。馬若薇(2006)選擇了2004年底以前在滬深兩市掛牌的所有上市公司作為總體考察對(duì)象,計(jì)算樣本公司在2002年末的違約距離,發(fā)現(xiàn)違約距離越小的組,ST公司出現(xiàn)的頻率越高,與KMV模型的理論基礎(chǔ)相符。對(duì)模型的判別能力進(jìn)行檢驗(yàn)發(fā)現(xiàn):當(dāng)被排除公司占公司總體的百分?jǐn)?shù)為10%時(shí),KMV的被排除ST數(shù)目占總ST公司數(shù)目比例為37%,Logistic為25%,線性判別為24%。就判別能力而言,KMV模型在大部分情況下, 都優(yōu)于其他兩個(gè)模型。翟東升(2007) 選取2005年滬深兩市被ST的15家上市公司及與之配對(duì)的15家非ST公司共30家上市公司為研究樣本,計(jì)算基準(zhǔn)日為2002至2005年每年的6月30號(hào)。 研究發(fā)現(xiàn), 在被ST的前三年,目標(biāo)公司和對(duì)照公司的違約距離差異不顯著;而在被ST前兩年,目標(biāo)公司的違約距離均值顯著低于對(duì)照公司的違約距離均值,無論用折算法計(jì)算非流通股價(jià)格,還是讓非流通股價(jià)格等于每股凈資產(chǎn),該結(jié)果不變。

受國內(nèi)的信用數(shù)據(jù)難以獲得的限制,對(duì)簡(jiǎn)化模型的實(shí)證研究較少。王瓊(2006)基于違約強(qiáng)度模型,用蒙特卡羅模擬研究了5個(gè)信用級(jí)別的企業(yè)債券的價(jià)格。謝赤(2006)基于Duffie-Singleton模型研究了3只樣本企業(yè)債券的定價(jià)問題。

三、國內(nèi)信用風(fēng)險(xiǎn)計(jì)量研究中存在的問題

1. 多元統(tǒng)計(jì)模型研究中的不足。 就多元統(tǒng)計(jì)模型而言,無論是線性判別模型還是Logistic模型,都有把財(cái)務(wù)指標(biāo)和違約率之間的關(guān)系過度簡(jiǎn)單化的傾向。事實(shí)上,Moody公司的研究表明,有些財(cái)務(wù)指標(biāo)與違約率的關(guān)系是非線性、非單調(diào)的。因此,把若干財(cái)務(wù)指標(biāo)簡(jiǎn)單地進(jìn)行線性加總來判斷信用風(fēng)險(xiǎn)是不符合實(shí)際的。此外,對(duì)國內(nèi)的實(shí)證研究而言,還缺少對(duì)模型及模型中變量的跨行業(yè)、跨時(shí)期有效性的驗(yàn)證。

2. 對(duì)結(jié)構(gòu)模型的研究存在的問題。(1) 缺少基于多個(gè)結(jié)構(gòu)模型進(jìn)行的實(shí)證研究。國內(nèi)研究的現(xiàn)狀是缺少對(duì)擴(kuò)展的結(jié)構(gòu)模型的實(shí)證檢驗(yàn),除王小華(2005)對(duì)Leland-Toft模型做了實(shí)證研究之外,大多數(shù)的研究都是基于Merton模型進(jìn)行的。從經(jīng)濟(jì)背景看,我國的資本市場(chǎng)不發(fā)達(dá),上市公司治理結(jié)構(gòu)不完善, 信息披露不充分, 與企業(yè)破產(chǎn)有關(guān)的法規(guī)不健全,而Merton模型并沒有考慮這些因素。 前面所述的擴(kuò)展模型可以成為考察這些影響因素的基準(zhǔn), 有必要對(duì)它們進(jìn)行驗(yàn)證,但至今鮮見這方面的研究。(2)未估計(jì)資產(chǎn)價(jià)值增長率。公司資產(chǎn)價(jià)值的增長率是一個(gè)重要的因素,由于國內(nèi)的研究采用解聯(lián)立方程組的方法估計(jì)結(jié)構(gòu)模型,而該方法估計(jì)不了資產(chǎn)價(jià)值的增長率,因此只好假定公司資產(chǎn)價(jià)值的增長率為0,這與實(shí)際不相符合。(3)研究對(duì)象的局限性。一是研究的信用事件是公司被“ST”或“PT”,雖然與結(jié)構(gòu)模型中定義的違約事件之間有一定聯(lián)系,但是并不完全等同;二是目前的研究對(duì)象僅限于上市公司, 而商業(yè)銀行的大部分借款企業(yè)是非上市公司,特別是中小企業(yè),有必要把研究的對(duì)象擴(kuò)大到廣大的非上市公司。

四、改進(jìn)建議

對(duì)于研究中存在的上述問題,有的屬于數(shù)據(jù)可獲得性的問題,需要靠信用市場(chǎng)和信用體系的發(fā)展來解決。有的屬于方法和技術(shù)上的問題,可以通過技術(shù)改進(jìn)來克服。

對(duì)于多元統(tǒng)計(jì)模型, 在處理非線性關(guān)系上, 可借鑒Riskcalc模型的方法進(jìn)行變量轉(zhuǎn)化。Eric(2000)的研究發(fā)現(xiàn):銷售增長率和財(cái)務(wù)杠桿增長率與違約率存在U型關(guān)系,因此這兩個(gè)變量進(jìn)入模型的方式不應(yīng)該是線性的。Eric(2000)還報(bào)告了用于建模的其他財(cái)務(wù)指標(biāo)與違約率的關(guān)系曲線。RiskCalc在所選擇的解釋變量用于最終模型之前, 基于各個(gè)變量自身與違約的關(guān)系,將這些變量進(jìn)行轉(zhuǎn)化,并將轉(zhuǎn)化后的變量用于模型的參數(shù)估計(jì)過程。進(jìn)行這種轉(zhuǎn)化,一方面可以處理很多變量與違約的非線性關(guān)系,充分利用單個(gè)變量對(duì)違約的解釋能力;另一方面可以防止數(shù)據(jù)不夠平滑會(huì)扭曲參數(shù)估計(jì)的結(jié)論。

對(duì)公司價(jià)值增長率的估計(jì), 可通過極大似然法來實(shí)現(xiàn),Duna(1994)對(duì)此有詳細(xì)的論述。將結(jié)構(gòu)模型擴(kuò)展到非上市公司,可借鑒KMV公司于1997年開發(fā)出的PFM模型(用結(jié)構(gòu)模型估計(jì)私人企業(yè)違約風(fēng)險(xiǎn))。其核心思想是:對(duì)于同行業(yè)、同地區(qū)的上市和非上市公司,其資產(chǎn)價(jià)值和資產(chǎn)價(jià)值波動(dòng)率具有可比性,因?yàn)樗鼈兠媾R相同的市場(chǎng)、客戶和政策。KMV公司研究發(fā)現(xiàn): 和公司資產(chǎn)價(jià)值最相關(guān)的是公司的盈利能力。 息稅折舊攤銷前利潤與公司資產(chǎn)價(jià)值呈正向關(guān)系;和公司資產(chǎn)價(jià)值波動(dòng)率最相關(guān)的是公司規(guī)模,大公司的抗風(fēng)險(xiǎn)能力高于小公司,因此波動(dòng)率與公司規(guī)模呈反向關(guān)系。因此,可以通過以上兩個(gè)財(cái)務(wù)指標(biāo)套算出非上市公司的資產(chǎn)價(jià)值和波動(dòng)率,進(jìn)而可以計(jì)算違約距離和預(yù)期違約頻率。

五、結(jié)論和展望

隨著金融理論與技術(shù)的發(fā)展,信用風(fēng)險(xiǎn)量化研究取得了長足的進(jìn)步,其中的一些成果已成為國際先進(jìn)銀行信用風(fēng)險(xiǎn)管理核心技術(shù)的構(gòu)成部分。在巴塞爾新資本協(xié)議的推動(dòng)下,信用風(fēng)險(xiǎn)量化也是我國商業(yè)銀行風(fēng)險(xiǎn)管理的未來發(fā)展方向。由于國家經(jīng)濟(jì)發(fā)展所處的階段、工業(yè)化程度以及社會(huì)和文化背景等不同, 信用風(fēng)險(xiǎn)的影響因素和表現(xiàn)形式也不一樣,信用分析的具體內(nèi)容和側(cè)重點(diǎn)必然也有所不同。在學(xué)習(xí)國外方法的同時(shí),一方面應(yīng)當(dāng)注意與我國的實(shí)際相結(jié)合,仔細(xì)考察我國信用風(fēng)險(xiǎn)的特征和規(guī)律;另一方面,現(xiàn)代信用風(fēng)險(xiǎn)模型的建立需要大量的參數(shù)估計(jì),如違約頻率、違約損失率等等,當(dāng)務(wù)之急是建立一個(gè)足夠大規(guī)模的信用數(shù)據(jù)庫作為支撐。最后值得注意的是,沒有一個(gè)模型是成熟完美的,均存在著這樣或那樣的弱點(diǎn),尚須進(jìn)一步改進(jìn)和完善。

參考文獻(xiàn):

[1]Altman. Financial Ratio,Discriminant Analysis and the Prediction of Corporate Bankruptcy[J]. Journal of Finance,1968,23:589-609.

[2]B. J. Kim,C. Kangwon. Bankruptcy Prediction:Book value or Market Value?[R]. working paper,2007.

[3]Edmister,R. An empirical test of financial ratio analysis for small business failure prediction[J]. Journal of Financial and Quantitative Analysis,1972,7(2):1477-1493.

[4]Eom. Structural Models of Corporate Bond Pricing:An Empirical Analysis[J]. Review of Financial Studies,2004(17):499-544.

[5]Eric. Falkenstein. Riskcalc for Private Companies[R]. Moodys Investor Service,2000(5):50-66.

[6]Jorge. Benchmarking Quantitative Default Risk Models:A Validation Methodology[R]. Moodys Investor Service,2000:10-15.

[7]Leland H. & Toft K. B. Optimal capital structure,endogenous bankruptcy and the term structure of credit spreads[J]. The Journal of Finance,1996,51(3):987-1019.

[8]Longstaff,F. A. & Schwartz,E. S. A simple approach to valuing risky fixed and floating rate debt[J]. The Journal of Finance,1995, 50(3):789-819.

[9]Martha Sellers. Modeling Default Risk: Private Firm Model[R]. KMV. LLC,1998(10):311.

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

[11]Ohlson. Financial Ratios and the Probabilistic Prediction of bankruptcy[J]. Journal of Accounting search,1980,18:109-131.

[12]Duan,J. 1994. Maximum likelihood estimation using price data of the derivatives contract. Mathematical Finance 4:155-167.

[13]韓東平. 基于現(xiàn)金流測(cè)量標(biāo)準(zhǔn)的財(cái)務(wù)預(yù)警實(shí)證研究[J]. 財(cái)會(huì)通訊,2006(12).

[14]管七海. 我國制造業(yè)企業(yè)短期貸款信用違約判別研究[J]. 經(jīng)濟(jì)科學(xué),2004(5).

[15]李曉慶,鄭垂勇. 違約率:理論方法及實(shí)證研究綜述[J]. 經(jīng)濟(jì)評(píng)論,2006 (5) .

[16]馬若薇. KMV模型運(yùn)用于中國上市公司財(cái)務(wù)困境預(yù)警的實(shí)證檢驗(yàn)[J]. 數(shù)理統(tǒng)計(jì)與管理,2006(5).

[17]石曉軍. Logistic違約率模型的最優(yōu)樣本配比與分界點(diǎn)研究[J]. 財(cái)經(jīng)研究,2005(9):38-48.

[18]謝赤,陳歆,禹湘. 基于信用利差期限結(jié)構(gòu)的企業(yè)債券定價(jià)研究[J]. 湘潭大學(xué)學(xué)報(bào),2006(6).

[19]王瓊,袁澤沛,馮宗憲. 基于違約過程的企業(yè)債券定價(jià)模型研究[J]. 武漢理工大學(xué)學(xué)報(bào),2006(2):104-107.

[20]王小華. 基于Leland-Toft模型的我國上市公司信用風(fēng)險(xiǎn)研究[J]. 財(cái)經(jīng)研究,2005(8):38-48.

[21]張玲. 財(cái)務(wù)危機(jī)預(yù)警分析判別模型及其應(yīng)用[J]. 預(yù)測(cè),2000(6).

[22]張智梅,章仁俊. KMV模型的改進(jìn)及對(duì)上市公司信用風(fēng)險(xiǎn)的度量[J]. 統(tǒng)計(jì)與決策,2006(18).

[23]周昭雄. 基于我國上市公司的KMV模型研究[J]. 工業(yè)技術(shù)經(jīng)濟(jì),2006(7):142-146.

(責(zé)任編輯:李丹;校對(duì):龍會(huì)芳)