楊開(kāi)宇

摘 ? 要：針對(duì)傳統(tǒng)KMV模型在我國(guó)目前創(chuàng)業(yè)板的市場(chǎng)環(huán)境下不適用的狀況，本文在繼承現(xiàn)有研究成果的基礎(chǔ)上，對(duì)模型加以進(jìn)一步的修正，將通過(guò)市盈率推導(dǎo)出的預(yù)期增長(zhǎng)率引入到KMV模型中，并采用EGARCH（1，1）模型對(duì)公司資產(chǎn)價(jià)值的波動(dòng)率進(jìn)行了預(yù)測(cè)。通過(guò)對(duì)13家創(chuàng)業(yè)板上市公司和13家中小企業(yè)板上市公司的信用風(fēng)險(xiǎn)進(jìn)行評(píng)估檢驗(yàn)，結(jié)果表明，利用修正后的KMV模型能夠較好地識(shí)別出創(chuàng)業(yè)板上市公司和中小企業(yè)板上市公司之間信用風(fēng)險(xiǎn)的差別，比較準(zhǔn)確地把握上市公司信用質(zhì)量的變化趨勢(shì)。

關(guān)鍵詞：KMV模型;創(chuàng)業(yè)板;信用風(fēng)險(xiǎn);EGARCH

中圖分類號(hào)：F830.31 ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：B ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)：1674-0017-2015（5）-0046-06

一、背景

創(chuàng)業(yè)板在國(guó)內(nèi)是指專為暫時(shí)無(wú)法在主板上市的高科技和創(chuàng)意型中小企業(yè)提供融資途徑的證券交易市場(chǎng)，創(chuàng)業(yè)板的推出為中小型企業(yè)提供了另一種英美式的證券融資方向。這對(duì)建立多層次資本市場(chǎng)體系，進(jìn)一步緩解中小企業(yè)融資難的矛盾具有重要意義。所以說(shuō)創(chuàng)業(yè)板是對(duì)主板市場(chǎng)的一種重要補(bǔ)充，其在資本市場(chǎng)的位置不容忽視。

信息不對(duì)稱是中小企業(yè)中小公司難以借到長(zhǎng)期貸款的重要原因，這同時(shí)也是創(chuàng)業(yè)板上市公司信用風(fēng)險(xiǎn)的主要誘因。但信息不對(duì)稱是客觀存在于市場(chǎng)經(jīng)濟(jì)中的。信息不對(duì)稱而誘發(fā)的“機(jī)會(huì)主義”是市場(chǎng)中信用風(fēng)險(xiǎn)的主要原因。特別是國(guó)內(nèi)，監(jiān)管制度的漏洞，上市公司信息披露的不規(guī)范、制度不健全，導(dǎo)致上市公司信息披露作假等違規(guī)行為時(shí)有發(fā)生。著名的“銀廣夏”事件就讓投資者損失慘重。而創(chuàng)業(yè)板公司以更低的條件上市，必然會(huì)帶來(lái)更嚴(yán)重的信息不對(duì)稱現(xiàn)象。創(chuàng)業(yè)板退市制度的出臺(tái)使得一些上市公司的利潤(rùn)風(fēng)險(xiǎn)進(jìn)一步加大，所以信用問(wèn)題的揭露與評(píng)估對(duì)于有關(guān)監(jiān)管機(jī)構(gòu)及投資者都尤為重要。

目前，我國(guó)的信用風(fēng)險(xiǎn)管理水平也僅僅限于專家評(píng)估法等傳統(tǒng)的度量方法，內(nèi)部評(píng)級(jí)才處于起步階段， 外部信用評(píng)級(jí)機(jī)構(gòu)難以提供太多幫助。我國(guó)尚未能向發(fā)達(dá)國(guó)家一樣擁有內(nèi)外部評(píng)估角度多元、傳統(tǒng)與現(xiàn)代多種評(píng)估方法結(jié)合的信用評(píng)估體系。所以找到一個(gè)較適合國(guó)內(nèi)現(xiàn)狀、評(píng)估相對(duì)較準(zhǔn)確的信用評(píng)估方式具有重要意義。

二、現(xiàn)代信用風(fēng)險(xiǎn)管理模型綜述與比較

當(dāng)前，我國(guó)商業(yè)銀行對(duì)信用風(fēng)險(xiǎn)的評(píng)價(jià)多選用定性分析方法（5C），作為貸款發(fā)放的重要依據(jù)，這種方法顯得主觀色彩濃厚。在國(guó)外，多元化的定量分析技術(shù)已經(jīng)成為銀行評(píng)估信用風(fēng)險(xiǎn)的重要依據(jù)。J·P摩根的Credit Metrics 模型、瑞士信貸銀行的 Credit Risk + 模型、麥肯錫公司開(kāi)發(fā)的 Credit Portfolio View 模型以及運(yùn)用B-S公式的 KMV 模型等，都對(duì)信用風(fēng)險(xiǎn)度量提供了現(xiàn)代評(píng)估方法。 Logistic 模型是早期開(kāi)發(fā)的傳統(tǒng)信用風(fēng)險(xiǎn)量化模型，隨著企業(yè)經(jīng)營(yíng)模式的轉(zhuǎn)變和資本工具的衍生，其適用特征逐漸消失。Credit Metrics模型和 Credit Portfolio View 模型都是基于信用評(píng)級(jí)矩陣開(kāi)發(fā)出來(lái)的計(jì)量模型，此方法的缺點(diǎn)在于假定同一信用等級(jí)企業(yè)違約率一樣，將信用等級(jí)與信貸質(zhì)量劃等號(hào)。其在中國(guó)市場(chǎng)的應(yīng)用更是具有致命的缺點(diǎn)，即國(guó)內(nèi)尚未建立起較為成熟的征信系統(tǒng)，信用數(shù)據(jù)的缺乏難以支撐起Credit Metrics的良好應(yīng)用。Credit Risk + 模型的構(gòu)建需要?dú)v史違約數(shù)據(jù)，但考慮到我國(guó)依舊是以宏觀調(diào)控為主的市場(chǎng)經(jīng)濟(jì)體制，且缺乏歷史違約數(shù)據(jù)。因而，Credit Risk + 模型應(yīng)用難度較大。

1974年，KMV模型作為一種違約預(yù)測(cè)模型，由KMV公司開(kāi)發(fā)，以Merton提出的將Black-Scholes option pricing model應(yīng)用于公司價(jià)值評(píng)估為基礎(chǔ)。他通過(guò)上市公司資產(chǎn)預(yù)期的市場(chǎng)價(jià)值、波動(dòng)率以及負(fù)債的賬面價(jià)值來(lái)預(yù)測(cè)公司的信用風(fēng)險(xiǎn)。根據(jù)Merton理論，可以將公司的債權(quán)視為一個(gè)對(duì)公司資產(chǎn)的call option 。其假設(shè)公司僅有一種債務(wù)，call option 的執(zhí)行價(jià)格為債務(wù)面值;到期期限為債務(wù)到期期限。當(dāng)公司資產(chǎn)在債務(wù)到期時(shí)不足以抵付債務(wù)，則認(rèn)定公司將違約，所有資產(chǎn)被轉(zhuǎn)給債權(quán)人。否則公司將繼續(xù)存在。這樣，公司的股權(quán)價(jià)值可以通過(guò)option pricing 得到。

KMV衡量了風(fēng)險(xiǎn)的基數(shù)，相對(duì)于序數(shù)衡量，它更能反映出風(fēng)險(xiǎn)之間的具體差異，而不是簡(jiǎn)單的排序比較。KMV模型中的資產(chǎn)波動(dòng)率來(lái)源于股價(jià)的計(jì)算，這在一定程度上反映了投資者對(duì)公司未來(lái)的預(yù)估。這種方法具有一定的前瞻性，從預(yù)測(cè)的運(yùn)用看較優(yōu)于別的依賴歷史數(shù)據(jù)向后看的模型。KMV不依賴于會(huì)計(jì)報(bào)表的特性有效地弱化了國(guó)內(nèi)會(huì)計(jì)數(shù)據(jù)夸大作假現(xiàn)象帶來(lái)的分析偏誤。此外，KMV模型所需求的股票數(shù)據(jù)不需要考慮市場(chǎng)的有效性，這對(duì)國(guó)內(nèi)的弱勢(shì)有效市場(chǎng)又是一種包容。21世紀(jì)以來(lái)，國(guó)內(nèi)許多學(xué)者對(duì)KMV模型在國(guó)內(nèi)的應(yīng)用結(jié)果進(jìn)行了驗(yàn)證。張玲和張佳林（2000）比較研究了KMV模型與其他模型，認(rèn)為KMV模型比其他只看重財(cái)務(wù)數(shù)據(jù)的信用風(fēng)險(xiǎn)模型更適用于評(píng)價(jià)上市公司的信用風(fēng)險(xiǎn)。馬若微（2006）首次將KMV模型運(yùn)用到財(cái)務(wù)困境預(yù)警中，證明其在預(yù)警中國(guó)上市公司財(cái)務(wù)困境的可行性。翟東升、張娟和曹運(yùn)發(fā)（2007）選取A股的ST公司和非ST公司各15家2005年的數(shù)據(jù)作為樣本，檢驗(yàn)了KMV模型的有效性，得出結(jié)論：KMV模型輸出的違約距離（DD）有效地識(shí)別ST公司與非ST公司，并且隨著公司被ST時(shí)間的臨近，模型的識(shí)別能力越來(lái)越強(qiáng)。

綜上，相比其他信用風(fēng)險(xiǎn)模型，KMV模型在應(yīng)用于國(guó)內(nèi)市場(chǎng)有極大的優(yōu)勢(shì)。所以本文選用KMV模型度量與分析創(chuàng)業(yè)板上市公司的信用風(fēng)險(xiǎn)，并驗(yàn)證KMV模型在創(chuàng)業(yè)板運(yùn)用的可行性。

三、KMV原理

KMV模型以期權(quán)定價(jià)公式為基礎(chǔ)。它認(rèn)為一個(gè)公司（或企業(yè)）之所以違約是因?yàn)槠滟Y產(chǎn)的市場(chǎng)價(jià)值下降到負(fù)債的賬面價(jià)值之下，喪失了償債能力。模型提出了預(yù)期違約概率（Expected Default Frequency，EDF）這一概念，認(rèn)為通過(guò)公司資產(chǎn)預(yù)期價(jià)值的概率分布可以計(jì)算出公司的預(yù)期違約概率，從而得出預(yù)期違約損失（Expected Default Loss）。

KMV模型的基礎(chǔ)BSM 模型有一系列假設(shè)條件，包括：（1）交易無(wú)摩擦，無(wú)賣空限制。（2）存在無(wú)風(fēng)險(xiǎn)利率保持到期日前不變。（3）標(biāo)的物價(jià)格服從GBM幾何布朗運(yùn)動(dòng)。在此基礎(chǔ)上Black和Scholes提出了期權(quán)定價(jià)公式。

GBM：dS=μSdt+σSdw

式中：S 為標(biāo)的證券的價(jià)格;常數(shù)μ為drift（漂移率）及證券的瞬間期望收益;σ為證券價(jià)格的波動(dòng)率;dw為標(biāo)準(zhǔn)維納過(guò)程。

在上述假設(shè)的基礎(chǔ)上，一份European call option的價(jià)值可以由下式給出：

E=VN（d1）-De N（d2） ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （1）

當(dāng)d = ，d2=d1-σ

式中： Δt 為距到期日時(shí)間;D為企業(yè)債務(wù)，作為strike price（執(zhí)行價(jià)）;N（d）為標(biāo)準(zhǔn)正態(tài)分布，σ 為企業(yè)市場(chǎng)價(jià)值的波動(dòng)率， E為企業(yè)股票市值，V為企業(yè)資產(chǎn)價(jià)值。

對(duì)公式1式兩邊進(jìn)行求微分并簡(jiǎn)化得到：

dE=N（d1）dv ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（2）

即：σ =N（d1） σ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（3）

關(guān)于資產(chǎn)價(jià)值波動(dòng)率與股權(quán)價(jià)值波動(dòng)率的關(guān)系函數(shù)，魯煒（2003）運(yùn)用了中科大信用研究結(jié)果：

= ? t e dt。

本文依舊采用傳統(tǒng)的關(guān)系函數(shù)。然后通過(guò)聯(lián)立公式 1和公式 3 就可以得出V 和σ 。根據(jù)公司中短期負(fù)債和長(zhǎng)期負(fù)債和長(zhǎng)期負(fù)債來(lái)確定違約點(diǎn)DPT，再通過(guò)公式：DD= 計(jì)算出公司的違約距離，由于KMV公司的違約距離和EDF的一一映射關(guān)系是建立在美國(guó)公司的數(shù)據(jù)上，這未必適用于中國(guó)的公司，且中國(guó)目前缺乏全面的違約數(shù)據(jù)，所以我們難以確定公司的EDF，但用違約距離來(lái)衡量公司的信用狀況依舊是可行的。

四、樣本選取與參數(shù)設(shè)定

截至2014年3月，創(chuàng)業(yè)板共有379家公司上市，為避免行業(yè)差異、公司規(guī)模對(duì)實(shí)證結(jié)論的干擾，這里選取僅在A股上市的13家公司，分別來(lái)自電子設(shè)備、服裝、醫(yī)藥制造等行業(yè)。同時(shí)選取13家與上述公司行業(yè)相同、資產(chǎn)相近的在中小企業(yè)板塊上市的公司，數(shù)據(jù)來(lái)源于益盟操盤手軟件。樣本如下：

考慮到我國(guó)的絕對(duì)股價(jià)不能真實(shí)反映上市公司的實(shí)際經(jīng)營(yíng)狀況，本文使用國(guó)泰安csmar數(shù)據(jù)庫(kù)中的“考慮現(xiàn)金紅利再投資的收盤價(jià)”作為相對(duì)價(jià)格價(jià)格，可以提高實(shí)證研究的精確度。本文選取上述公司2013年全年的樣本數(shù)據(jù)。

在KMV模型框架下，為了計(jì)算違約距離，需要五個(gè)輸入變量，這五個(gè)輸入變量分別為：公司的股權(quán)價(jià)值（E），違約點(diǎn)（D），股票的波動(dòng)率（σ ），無(wú)風(fēng)險(xiǎn)利率（r），風(fēng)險(xiǎn)評(píng)估期間（t）

（一）股權(quán)價(jià)值

我國(guó)的證券市場(chǎng)特別是創(chuàng)業(yè)板尚存在非流通股，這些限售股的股票價(jià)值難以直接計(jì)算。

關(guān)于非流通股票的價(jià)格，理論界一直都沒(méi)有達(dá)成共識(shí)。本文采用目前關(guān)于我國(guó)市場(chǎng)上限售股股價(jià)的主要計(jì)算方法：將限售股股價(jià)與股票的每股凈值相等價(jià)，即非流通股股價(jià)=每股凈值。則股權(quán)價(jià)值=流通股股數(shù)×市價(jià)+非流通股股數(shù)×每股凈值。在此以鐵漢生態(tài)300197為例：

鐵漢生態(tài)的股權(quán)價(jià)值E=流通股股數(shù)×市價(jià)+非流通股股數(shù)×每股凈值=0.7580*27.25+2.334*5.3066=33.0411044億元。其中27.25為其2013年12月31日的收盤價(jià)。

公司資產(chǎn)價(jià)值的預(yù)期增長(zhǎng)率。以往學(xué)者大多將資產(chǎn)價(jià)值的預(yù)期增長(zhǎng)率設(shè)為零，或者參考?xì)v史增長(zhǎng)率，這樣運(yùn)用KMV模型計(jì)算出的結(jié)果可能和事實(shí)差距更大，影響了模型的有效性。張志強(qiáng)（2008）為本文提供了一個(gè)新的思考方向：市盈率就是未來(lái)收益不變的條件下股票的投資回收期。據(jù)此可以建立市盈率與預(yù)期增長(zhǎng)率的關(guān)系：

P=（1+g）E+（1+g） E+（1+g） E+…+（1+g） E

即：市盈率P/E=（1+g） -1（1+g）/g

其中P/E 為股票市盈率;g為隱含的未來(lái)增長(zhǎng)率;n為投資者要求的回收期。

一般來(lái)講，股票投資者對(duì)報(bào)酬率的期望大于存款利率。

則回收期可設(shè)為：n= 。 取r為上文所定小銀行一年期存款利率3.3% ，這樣算n為30年。但是對(duì)于股票投資者來(lái)說(shuō)，不可能接受長(zhǎng)達(dá)30年的回收期。再考慮到在國(guó)內(nèi)股票投資者更可能是風(fēng)險(xiǎn)偏好者，一定會(huì)要求一定的風(fēng)險(xiǎn)溢價(jià)。綜上，本文取r為一年期貸款利率6.5%再加上風(fēng)險(xiǎn)溢價(jià)4.5% 算出回收期為9年。故可以通過(guò)公式P/E=（1+g） -1（1+g）/g反算出預(yù)期增長(zhǎng)率，此方法具有一定的前瞻性。在此以鐵漢生態(tài)為例，其2013年12月31日的市盈率為41.51，代入公式得g=0.4534。

（二）違約點(diǎn)

KMV公司在確定違約點(diǎn)DP的時(shí)候，對(duì)規(guī)模、行業(yè)、時(shí)期各不同的上巿公司進(jìn)行了大量實(shí)證研究。測(cè)試的結(jié)果表明，當(dāng)把上市公司的流動(dòng)負(fù)債加上非流動(dòng)負(fù)債的一半作為違約點(diǎn)時(shí)，KMV模型預(yù)測(cè)上市公司信用風(fēng)險(xiǎn)最有效。本文采取KMV公司定義的違約點(diǎn)，即DPT=STD+50%LTD。

（三）無(wú)風(fēng)險(xiǎn)利率與期限

本文選擇銀行一年期定期存款利率。以2013年1月的一年定期存款利率為例，大銀行如工商銀行、農(nóng)業(yè)銀行的利率為3.25%;小銀行如華夏銀行的利率普遍為3.30%

雖然銀行規(guī)模的擴(kuò)大并不必然導(dǎo)致中小企業(yè)的融資困境。但相比小銀行，大銀行的重心并不在中小企業(yè)貸款上，所以小銀行的關(guān)系型貸款適用于絕大部分中小企業(yè)。依此，本文選取小銀行的一年期定期存款利率3.30%，設(shè)定違約距離的計(jì)算時(shí)間為一年，即Δt=l。

（四）股價(jià)波動(dòng)率

之前文獻(xiàn)大量使用GARCH（1，1）對(duì)于股權(quán)價(jià)值波動(dòng)率進(jìn)行估計(jì)，但是對(duì)稱模型GARCH是假設(shè)標(biāo)的物收益率服從正態(tài)分布的，這與現(xiàn)實(shí)狀況中創(chuàng)業(yè)板收益率分布不符。而且GARCH模型忽略了現(xiàn)實(shí)中波動(dòng)率變動(dòng)的非對(duì)稱性。據(jù)此，本文采用非線性模型EGARCH，在計(jì)算每個(gè)交易日股權(quán)收益率r =1n 后，使用Eviews5.0對(duì)股權(quán)價(jià)值波動(dòng)率進(jìn)行建模，得出σE。

本文將采用樣本中各公司2013年一年的日對(duì)數(shù)收益率來(lái)對(duì)EGARCH（1，1）模型進(jìn)行擬合。其中日對(duì)數(shù)收益率的計(jì)算如下：u =1n（s /s ）

其中s 、s 分別為第i日和第i-1日股票收盤價(jià)。

由于篇幅有限，本文以鐵漢生態(tài)（300197）為例，利用Eviews5.0的EGARCH工具計(jì)算公司股權(quán)價(jià)值的波動(dòng)率σv。

（1）計(jì)算日對(duì)數(shù)收益率并對(duì)收益序列進(jìn)行統(tǒng)計(jì)分析，對(duì)Jarque-Bera統(tǒng)計(jì)圖（圖1）進(jìn)行分析可知：

首先，收益率的kurtosis值為5.98，大于3，說(shuō)明該股票的收益率分布存在明顯的“尖峰厚尾”特征;其次，skewness=0.567，與0有明顯的差別，呈現(xiàn)左偏特征。該股票的收益率的JB統(tǒng)計(jì)量為100左右，所以可以在99%上拒絕其收益分布正態(tài)的假設(shè)，并認(rèn)定其收益分布呈現(xiàn)“厚尾”特征。表明利用EGARCH模型來(lái)對(duì)波動(dòng)率進(jìn)行擬合具有一定的合理性。

（2）平穩(wěn)性檢驗(yàn)

本文在這里采用ADF單位根檢驗(yàn)法。從表1可以看出，統(tǒng)計(jì)量的絕對(duì)值13.94遠(yuǎn)大于1%或5%標(biāo)準(zhǔn)下臨界值的絕對(duì)值3.46和2.87，因此可以判定收益率時(shí)間序列在1%標(biāo)準(zhǔn)下是顯著平穩(wěn)的，說(shuō)明利用EGARCH（1，1）模型進(jìn)行檢驗(yàn)是有效的。

（3）相關(guān)性檢驗(yàn)

運(yùn)用自相關(guān)函數(shù)ACF及Ljung- Box- PierceQ對(duì)收益序列的檢驗(yàn)結(jié)果如表2。滯后階數(shù)為 15。序列的ACF和PACF值在大部分時(shí)滯上都較小，表明序列無(wú)自相關(guān)性，無(wú)需引入自相關(guān)性的描述部分。這一點(diǎn)也得到了Q檢驗(yàn)的驗(yàn)證。

（4）建立波動(dòng)性模型

由于鐵漢生態(tài)收益率序列為平穩(wěn)序列，且存在較弱的自相關(guān)，所以建立如下日收益率方程：r =r +ε

對(duì)收益率的residual ε 進(jìn)行ARCH檢驗(yàn)，檢驗(yàn)其是否具有ARCH效應(yīng)，收益序列的ARCH滯后1階的檢驗(yàn)結(jié)果如表3。可以發(fā)現(xiàn)，ARCH檢驗(yàn)的LM統(tǒng)計(jì)量Obs*R-squared的p-value為0.02左右，故在5%顯著水平下拒絕原假設(shè)，殘差序列存在ARCH效應(yīng)，適宜采用EGARCH模型。

（5）EGARCH模型的參數(shù)估計(jì)與檢驗(yàn)

我們通過(guò)EGARCH模型考察信息沖擊曲線的對(duì)稱性：建立EGARCH（1，1）模型，

1n（σ ?）α +α ?+r +λ1n

通過(guò)Eviews的EGARCH計(jì)算，結(jié)果形式為：

1n（σ ?）=-0.044+0.0684 -0.0645 +0.981n

可以看出 的系數(shù)C（3）明顯在統(tǒng)計(jì)意義上顯著，說(shuō)明EGARCH模型比GARCH模型在同等條件下更好的捕捉到了收益率非對(duì)稱的特征。

此外對(duì)EGARCH模型的殘差值進(jìn)行Ljung Box-Q 檢驗(yàn)，如圖2。發(fā)現(xiàn)與原模型相比，Q-Stat值均縮小許多，故可以認(rèn)為EGARCH模型消除了ARCH效應(yīng)通過(guò)檢驗(yàn)。

至此，可以建立EGARCH（1，1）模型：

1n（σ ?）=-0.044+0.0684 -0.0645 +0.92n

計(jì)算出鐵漢生態(tài)的年化股價(jià)波動(dòng)率為0.396707275。通過(guò)類似辦法，可得出所有公司的年化收益率。

五、實(shí)證及檢驗(yàn)

在已知公司股權(quán)價(jià)值E、股權(quán)價(jià)值波動(dòng)率σE、違約點(diǎn)、市場(chǎng)利率r、Δt以及市盈率P/E，通過(guò)Matlab求解非線性方程，可以得到計(jì)算違約距離所需的V、σv和g。再通過(guò)公式DD= 即可算出公司的違約距離，如表4。

通過(guò)圖3可以看出在各個(gè)行業(yè)內(nèi)比較，創(chuàng)業(yè)板公司的DD明顯比中小企業(yè)板塊公司要低。

本文對(duì)來(lái)自創(chuàng)業(yè)板與中小企業(yè)板這兩個(gè)配對(duì)樣本數(shù)據(jù)分別進(jìn)行了t檢驗(yàn)與wilcoxon檢驗(yàn)，通過(guò)分析兩配對(duì)樣本，對(duì)樣本來(lái)自的兩總體的分布是否存在差異進(jìn)行推斷。stata分析結(jié)果如表5與表6。

由表5、6可知，t-test統(tǒng)計(jì)量為3.1436，對(duì)應(yīng)的概率p值為0.0042，小于5%顯著性水平。wilcoxon檢驗(yàn)中負(fù)號(hào)秩總和為9，正號(hào)秩總和為82，兩者存在較大差異，z-test統(tǒng)計(jì)量為2.551，對(duì)應(yīng)的概率p值為0.0107，小于5%顯著性水平。綜上可以拒絕原假設(shè)，即認(rèn)為創(chuàng)業(yè)板上市公司與中小企業(yè)板公司在違約距離上存在顯著差異。

如上表數(shù)據(jù)所示，創(chuàng)業(yè)板公司的平均違約距離約為2.207，明顯小于中小板公司的2.483;再看創(chuàng)業(yè)板公司的平均資產(chǎn)波動(dòng)率為0.43，比中小板企業(yè)多0.08這在一定程度上解釋了違約距離的差異。直觀上理解，相比中小板企業(yè)，創(chuàng)業(yè)板企業(yè)存在規(guī)模小，業(yè)績(jī)不穩(wěn)定，技術(shù)不成熟以及信用問(wèn)題，所以創(chuàng)業(yè)板公司的總體信用水平要低于中小板企業(yè)，本文樣本中存在部分創(chuàng)業(yè)板企業(yè)違約距離大于配對(duì)中小板企業(yè)的現(xiàn)象，而且樣本之間的均值差僅為0.277，這可能與2012年創(chuàng)業(yè)板退市制度實(shí)行，加強(qiáng)了對(duì)創(chuàng)業(yè)板公司的風(fēng)險(xiǎn)監(jiān)管有關(guān)。

若想要降低創(chuàng)業(yè)板公司的違約率，需要改善公司的資本結(jié)構(gòu)，多元融資，同時(shí)通過(guò)制度的完善以及創(chuàng)業(yè)者教育等方法，平抑創(chuàng)業(yè)板的資產(chǎn)價(jià)值波動(dòng)率，這樣才能使得創(chuàng)業(yè)板企業(yè)有更好的發(fā)展。

六、KMV應(yīng)用建議

隨著創(chuàng)業(yè)板公司上市門檻逐漸降低，應(yīng)該加快關(guān)于創(chuàng)業(yè)板上市公司法律的支撐，加大監(jiān)管力度。

建立我國(guó)自己的違約數(shù)據(jù)庫(kù)。KMV公司的數(shù)據(jù)庫(kù)是建立在美國(guó)上巿公司基礎(chǔ)上的，并不適用于國(guó)內(nèi)。未來(lái)幾年創(chuàng)業(yè)板上市公司會(huì)大幅增多，但對(duì)于投資者來(lái)說(shuō)，其投資風(fēng)險(xiǎn)也也不可忽視。所以建立公司的違約數(shù)據(jù)庫(kù)、給投資者重要的信用風(fēng)險(xiǎn)參考，對(duì)未來(lái)我國(guó)創(chuàng)業(yè)板市場(chǎng)的發(fā)展具有重要的意義。

加強(qiáng)信用風(fēng)險(xiǎn)管理人才培養(yǎng)。專業(yè)人才的短缺一直是我國(guó)應(yīng)用國(guó)際先進(jìn)信用風(fēng)險(xiǎn)評(píng)估方法的一大障礙。為提高我國(guó)證券市場(chǎng)信用風(fēng)險(xiǎn)管理水平，應(yīng)加強(qiáng)高素質(zhì)風(fēng)險(xiǎn)人才的培養(yǎng)。

參考文獻(xiàn)

[1]Creditmetrics TM-Technical Document， J.P. Morgan & Co. New York，April 1997.

[2]CreditPortfolio View TM approach documentation and user's documentation， McKinsey and Company， Zurich， 1998.

[3]Hull，J.C. （2005） Options， futures and other derivatives， 6th edition， Person Prentice Hall.

[4]Peter J. Crosbie， Jeffrey R. Bohn. Modeling Default Risk[R]. SAN FRANCISCO. KMV. LLC， 2000.

[5]陳敏，馮偉，彭志云.基于KMV模型的商業(yè)銀行房地產(chǎn)貸款信用風(fēng)險(xiǎn)研究[J].湖南財(cái)政經(jīng)濟(jì)學(xué)院學(xué)報(bào)，2012，（6）：74-78。

[6]梁笛.銀行資產(chǎn)規(guī)模與中小企業(yè)信貸—大銀行和小銀行比較優(yōu)勢(shì)研究[J].東南亞研究，2007，（3）：87-91。

[7]林林，徐翔宇.信用風(fēng)險(xiǎn)模型綜述及對(duì)我國(guó)借鑒[J].金融經(jīng)濟(jì)，2009，（2）：58-59。

[8]馬若微.KMV模型運(yùn)用于中國(guó)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）：593-601。

[9]馬寧.商業(yè)銀行信用風(fēng)險(xiǎn)管理研究[D].江蘇：東南大學(xué)，2004。

[10]潘淑婷.基于修正KMV模型的創(chuàng)業(yè)板公司信用風(fēng)險(xiǎn)研究[J].中國(guó)證券期貨，2010，（9）：36-37。

[11]張志強(qiáng).市盈率與增長(zhǎng)率關(guān)系的探討—兼論股票定價(jià)的有關(guān)問(wèn)題[J].財(cái)經(jīng)問(wèn)題研究，2008，（1）：67-72。

[12]張玲，楊貞柿，陳收.KMV模型在上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)中的應(yīng)用研究[J].系統(tǒng)工程，2004，（11）：84-89。

[13]翟東升，張娟，曹運(yùn)發(fā).KMV模型在上市公司信用風(fēng)險(xiǎn)管理中的應(yīng)用[J].工業(yè)技術(shù)經(jīng)濟(jì)，2007，（1）：126-127。

[14]周杰.修正的KMV模型在上市公司信用風(fēng)險(xiǎn)度量中的應(yīng)用分析[J].財(cái)會(huì)通訊，2009，（15）：8-10。

The Analysis on the Application of the Modified KMV Model in the Measurement of the Credit Risk of Listed Companies in the Second-board Market

YANG Kaiyu

（Risk Control Department， China UnionPay，Shanghai，200135）

Abstract：Aimed at the situation that the traditional KMV model is not applicable to the environment of the second-board market at present in China， based on inheriting the existing research results， the paper further modifies the model， introduces the expected growth rate deduced by the earnings multiple ratio to KMV model， and uses EGARCH （1， 1） model to predict the volatility rate of the asset value of the company. Based on evaluating the credit risks of 13 listed companies in the second-board market and 13 listed companies in small and medium-sized enterprise board market， the results show that using the adjusted KMV model can well identify the difference of the credit risk between 13 listed companies in the second-board market and 13 listed companies in small and medium-sized enterprise board market， and more accurately grasp the change trend of the credit quality of listed companies.

Keywords： KMV model; second- board market; credit risk; EGARCH

責(zé)任編輯、校對(duì)：張宏亮