孫晗

摘 要：給出國有企業(yè)信用風險的定價新方法，在實證研究中，選取2016年20家國有企業(yè)的股市數據，其中10家ST公司和10家非ST公司，通過建立基于GARCH（1，1）模型估計股價波動率等參數修正后的KMV模型進行計算。研究發(fā)現，修正后的模型能很好地區(qū)分ST和非ST公司的違約距離。同時結果表明，國有企業(yè)中也存在大量的信用風險，需要重視國有企業(yè)信用狀況，深化國有企業(yè)改革。

關鍵詞：金融學；國有企業(yè)；KMV模型；信用風險

中圖分類號：F276.1 文獻標志碼：A 文章編號：1673-291X（2017）31-0007-04

引言

2016年至今，以東北特鋼債券違約為首的違約事件頻頻爆發(fā)，引起了各界人士的關注，目前市場已經有將近250億元的債券發(fā)生實質性違約，其中約七成來自國企和央企。長期以來，金融機構和投資者對國企債務違約風險漠視，認為國有企業(yè)有政府這樣一個強大的靠山在，無論債務規(guī)模多大，債務率多高，政府一定會伸出援助之手。然而這樣的剛性兌付卻使得國企債務風險越來越高，杠桿率不斷提高，風險積累也越來越大。

由于信息不對稱，我國國有企業(yè)所存在的信用風險主要來源于兩大方面。一方面，無論國有企業(yè)是否資金短缺，都不會優(yōu)先償還對銀行的貸款，形成了對銀行的軟約束；另一方面，我國國有企業(yè)面臨錯綜復雜的委托代理管理，例如國資委和國企管理者之間、國資委與政府之間等等，都會產生嚴重的道德風險。

政府作為國有企業(yè)的監(jiān)督者，常常通過政府補貼和債務轉移等方式為企業(yè)彌補損失，幫助國企降低信用風險，然而這不僅沒有讓國企所有者意識到損失的嚴重性，反而變本加厲，利用政府提供的補貼增加自己的債務比，使其信用風險更高。因此，去尋找符合我國基本國情的國企信用風險定價模型刻不容緩。

目前，常用的信用風險度量模型有KMV、Credit Metrics、Credit Risk+、信貸組合觀點模型。KMV模型最早是由KMV公司開發(fā)出來的，主要基于Merton（1974）的期權定價模型，將股票視為公司資產的一個看漲期權，債券的面值為執(zhí)行價格，利用股票市價、股價波動率和負債價值來估算企業(yè)資產價值和違約距離，從而根據企業(yè)資料庫得到違約概率。Credit Metrics模型是J.P.摩根1997年4月首次提出量化信用風險的模型，該模型以VAR（Vaule at Risk）、資產組合理論等為依據，以信用等級轉移矩陣為基礎，對債券、貸款等進行信用風險定價。Credit Protfolio View模型是1998年由麥肯錫公司應用蒙特卡洛模擬和計量經濟學理論開發(fā)出的一個多因子模型，該模型主要把宏觀經濟因素考慮在內，對信用風險進行定價研究。Credit Risk+模型是瑞士信貸銀行金融產品部開發(fā)的，基于財險精算科學方法的違約模型，該模型只考慮違約或者不違約兩種狀態(tài)，不考慮信用評級的升降，是一個典型的違約模型。

對上述4個模型進行對比可知，KMV模型主要依賴于企業(yè)股票價格，易獲取且具有實時性、前瞻性；Credit Metrics模型和Credit Protfolio View模型需要長期的歷史違約數據，除此以外，Credit Protfolio View模型還需要跨行業(yè)的宏觀數據，然而在我國信用體系起步較晚，目前還沒有比較權威的信用評級機構，也沒有現成的信用等級轉換概率和違約回收率數據資料；Credit Risk+模型所需估計變量較少，只需要違約和風險敞口的分布即可，局限性在于沒有考慮市場風險也沒有考慮信用等級轉移。綜上考慮，KMV模型是目前最符合我國國情的，因為：一是KMV以期權定價理論為基礎，而該理論已被證明是可靠的；二是數據依賴于我國股價，而股價能及時反映市場上所有已知和未知的信息，符合我國國情。因此，接下來將詳細介紹KMV模型在我國國有企業(yè)的信用風險評估。

一、KMV模型的基本原理及步驟

（一）基本原理

KMV模型基于Merton（1974）的期權定價模型，該模型是以股票市價、股價波動率和負債價值來估算企業(yè)資產價值和違約距離，再依據企業(yè)資料庫計算歷史違約概率，進而求出企業(yè)預期違約概率對企業(yè)信用風險進行定價。

（二）計算步驟

1.估計企業(yè)資產市場價值VA和波動率σA

根據期權定價公式，可以得到：

VE=VAN（d1）-De-rτN（d2） （1）

其中：

d1=■ （2）

d2=■=d1-σA■ （3）

式中，VE為企業(yè)股權市場價值，D為企業(yè)債務面值，VA為企業(yè)資產價值，τ為債務期限，σA為企業(yè)資產價值波動率，r為無風險利率，N（·）為標準正態(tài)累積概率分布函數。

對上式利用伊藤定理（Itos Lemma）并加以微分，得到如下方程：

σE=■N（d1）σA （4）

兩方程聯立可以求出兩個未知數：企業(yè)資產價值VA和資產價值波動率σA。

2.計算違約點DP和違約距離DD

違約點是流動負債與長期負債的線性函數，通常由DP=STD+LTD/2求得，其中STD表示短期債券，LTD表示長期債券。

定義違約距離DD（distance to Default）：

DD=■ （5）

其中，E[VA]為企業(yè)資產期望價值，σA為企業(yè)資產方差，DP（Default Point）為違約點。

假設企業(yè)資產價值服從對數正態(tài)分布，則在t時刻有：

VtA=V0Aexp[（uA-■σ2A）t+σA■Zt] （6）

DD=■ （7）

3.估計預期違約概率EDF

因為違約概率可以認為是企業(yè)資產小于違約點的概率，故：endprint

PD e f=Pr（VtA≤DP）==PrZt≤■ （8）

二、國有信用風險實證研究

（一）參數設定

1.股權價值VE。隨著股權分置改革，為實現企業(yè)所有股份自由流通，取消了非流通股份，但是還存在限售股。唐齊鳴等人[1]研究表明，限售股的定價類似之前的非流通股，認為公司的股權價值=流通A股×每股價格+限售A股×每股凈資產，故本文采用該方法估計VE。

2.違約點DP設置的修正。張玲、楊貞沛等[2]最早在KMV模型中設置了3個不同的違約點，得出設在STD+0.75LTD時模型識別能力最好；翟東升、張娟等[3]隨后也考察了KMV模型中不同違約點對上市公司信用風險評估的好壞，得出了一樣的結論。為此，本文選取違約點DP=流動負債+0.75非流通負債。

3.股權價值波動率σE的修正。早期股權價值波動率主要采用靜態(tài)法（歷史波動率法）。由于大量實證表明我國股票收益率存在明顯的尖峰厚尾，而且收益的波動具有聚集性，使用靜態(tài)法會給結果帶來一定的誤差。為此，我國學者通過實證研究發(fā)現，GARCH（1，1）模型能很好地計算波動率。如蔣正權、張能福[4]通過實證表明，基于GARCH（1，1）的KMV模型能很好地區(qū)分ST和非ST公司；王秀國等人[5]隨后進一步提出了基于CVaR和GARCH（1，1）的擴展KMV模型，結果表明，擴展后的KMV模型能更加準確地預測信用風險。為此，本文采用GARCH（1，1）模型計算σE，模型如下：

σ2t=ω+βσ2 t-1+αε2 t-1 （9）

其中，ω為常數項，α為回報系數，β為滯后系數，ε2 t-1為殘差平方的滯后項，σ2 t-1為上一期預測方差。

4.時間期限τ的選擇，τ=1年。

5.無風險利率r。采用中國人民銀行公布的一年期定期整存整取的存款利率，若一年之內有調整的，取加權平均數（見表1）。

（二）樣本的選取

本文從滬深市場中選取所需要的上市企業(yè)，選擇條件如下：A股上市，2016年受到ST處理的國企以及對應行業(yè)非ST處理的國企，剔除上市時間在2011年之前的公司，排除剛上市的不穩(wěn)定因素，最終選取了10家ST國企和10家非ST國企，接下來選擇這些公司2013年、2014年的每股凈資產、日收盤價、短期長期負債等數據（數據來源于Wind數據庫）。根據前面參數估計的方法，先用Eviews軟件計算股價波動率，再用Matlab編程實現KMV模型得到國企的資產價值VA、資產價值波動率σA，最終計算違約距離DD。由于我國信用體系比較落后，沒有大量的違約率歷史數據庫，無法將DD與違約率映射在一起，故本文采用違約距離DD來對我國國有企業(yè)信用風險進行分析。

三、實證結果分析

第一，根據參數設定的方法計算2013年國企ST、2013年國企非ST、2014年國企ST、2014年國企非ST的參數數值。

第二，根據上述參數利用Matlab編程計算σA、VA以及DD（見表2）。

第三，樣本統計檢驗。利用SPSS統計軟件采用T檢驗來對兩樣本均值是否具有顯著性差異進行推斷，檢驗結果（見表3）。

第四，結果分析。從表3可以看出，ST公司的均值較非ST公司的小，并且得到T統計量sig.值分別為0.001和0.000，都小于0.05，說明非ST公司和ST公司的DD具有顯著性差異，模型較好地識別了國有ST公司與國有非ST公司信用風險的差異。

綜上所述，即便是國有企業(yè)，背后有政府支撐，違約距離仍然很小，內部仍存在很大的信用風險。不僅如此，違約企業(yè)和非違約企業(yè)之間違約距離差距也很明顯。鑒于此，我們應該重視國有企業(yè)信用狀況，通過對國有企業(yè)信用水平的精確把脈，深化國有企業(yè)改革，建立完善的國有企業(yè)違約數據庫，幫助市場參與者更加準確地把握我國市場經濟的發(fā)展方向，進一步推進“中國經濟新常態(tài)”下的深層次改革。

參考文獻：

[1] 唐齊鳴，黃苒.中國上市公司違約風險的測度與分析——跳—擴散模型的應用[J].數量經濟技術經濟研究，2010，（10）：101-115.

[2] 張玲，楊貞沛，陳收.KMV模型在上市公司信用風險評價中的應用研究[J].系統工程，2004，（11）：84-89.

[3] 翟東升，張娟，曹運發(fā).KMV模型在上市公司信用風險管理中的應用[J].工業(yè)技術經濟，2007，（1）：126-127.

[4] 蔣正權，張能福.KMV模型的修正及其應用[J].統計與決策，2008，（9）：67-69.

[5] 王秀國，謝幽篁.基于CVaR和GARCH（1，1）的擴展KMV模型[J].系統工程，2012，（12）：26-32.

[責任編輯 吳高君]endprint