張瑞雪 屈爾屾

【摘要】 ?隨著經濟的發(fā)展、社會的進步、科技和信息化水平的提高以及全球資源和環(huán)境問題的日益突出，高新技術產業(yè)受到越來越多的關注。文章通過銳思和國泰安數據庫，以高新技術產業(yè)的代表公司——青島東軟載波科技股份有限公司2016—2018年前三季度對外披露的數據為基礎，利用KMV風險計量模型計算其違約距離和預期違約概率，從而為高新技術產業(yè)的發(fā)展提出建議。

【關鍵詞】 ? 信用風險;KMV模型;違約距離和預期違約概率;高新技術產業(yè)

【中圖分類號】 ?F275 ?【文獻標識碼】 ?A ?【文章編號】 ?1002-5812（2019）22-0040-03

一、信用風險簡介

眾多研究和實踐表明，信用風險和金融市場的發(fā)展趨勢有著密切的聯系。信用風險，通常被定義為債務人在合約規(guī)定期限內沒有按照約定日期將本應歸還的本金和利息償付給貸款方，從而給債權一方造成了不同程度的經濟等方面損失的風險。為了更好地保障債權人的權益，對信用評級衡量方式和方法的研究在學術領域和實務層面逐漸興起和發(fā)展起來。信用評級將構成要素復雜的各類市場上的信息經過一定的處理和加工，進而生成一些更方便于使用方理解的各類信息種類產品，并通過這種方式給各類金融市場輸出更多有價值的信息服務。

一段時間以來，隱形和剛性兩種特性的兌付預期導致債券市場上投資人在規(guī)定時間內都將企業(yè)的收益率放置在首要位置上，其直接后果是眾多信息使用者在一定程度上不重視企業(yè)的信用風險，信用風險的定價機制被嚴重扭曲，信用評級的市場效力被弱化。隨著我國市場經濟的不斷發(fā)展，在對相關的金融產品進行定價分析、合理有效配置資源等方面，信用評級都具有極其重要的應用，甚至對增強市場有效性、消除信息不對稱等層面上也有著至關重要的作用。

雖然經過多年的發(fā)展，我國的信用評級有了長足的進步，評級業(yè)務的規(guī)模范圍在不斷擴大，相關的業(yè)務種類也在不斷豐富，但信用評級市場的主力份額仍掌握在海外的評級機構手中。基于此，提高我國信用評級業(yè)務水平，促進信用評級業(yè)務在我國的發(fā)展，對維護資本市場國際環(huán)境中中國的金融主權至關重要。

信用評級的方法對于信用風險衡量至關重要，是信用風險評判的核心要務。從信用風險評測的模型角度來分析，目前信用風險評級方法可以分為傳統和現代兩種模式的度量方法。我國的信用風險評級方法主要包括專家制度模型、Z值評分模型、ZETA模型等傳統度量方式。但信用風險由于概率分布具有向左傾斜并伴有肥尾現象出現在函數線左側，故此我們不能用正態(tài)分布的假設來應對信用風險評測的問題。另外難以量化的道德風險對信用風險的形成有重要作用和較難對信用風險定價、信用風險的明顯非系統性等特征，使得現代金融市場對信用風險評測方法的實際要求日漸提高，更多優(yōu)秀的現代風險評測模型應運而生，并得到廣泛的使用和不斷優(yōu)化。

二、KMV信用風險度量概述

1994年，J.P.Morgan提出用VAR風險價值評估為度量基礎，來衡量市場的信用風險。VAR（風險價值評估）其通常理解下的含義為在正常的市場環(huán)境下，金融資產和證券組合投資帶給投資方最大程度的損失可能。進一步而言，在置信區(qū)間確定的情況下，風險價值評估指標VAR值在未來特定的一段時間期限內，金融資產或者價值組合價值帶給投資者損失的最大可能性。

隨后，1997年J.P.Morgan又進一步提出以信用風險的量化度量為基礎的信用風險管理模型，在此之后，另一類型的信用風險度量模型被瑞士信貸銀行推出，與此同時，以預期違約頻率（EDF）為核心度量手段的KMV模型被舊金山KMV公司研發(fā)出來。

KMV模型是一種用來估計借款企業(yè)違約概率的方法，該模型認為，債務人的資產市場價值可以決定該債務人貸款的信用風險。但是在實際的市場交易中，資產的市場價值很難真實地被反映出來，換言之，債務人的資產市場價值不能直觀地被觀測到。為此，KMV模型選擇從另外的角度來研究評測銀行的貸款問題，將目光轉換到借款企業(yè)所有者的角度，由此思考歸還貸款的信用風險問題。KMV模型是利用現代期權定價理論建立起來的對借款企業(yè)違約可能性進行預測的模型，KMV模型的出現具有劃時代意義，是對傳統信用風險度量方法的一次重要革命。

KMV模型認為，在債務到期日，如果公司資產的市場價值高于公司債務值（違約點），則公司股權價值為公司資產市場價值與債務價值之間的差額;如果此時公司資產價值低于公司債務價值，則公司變賣所有資產用以償還債務，股權價值變?yōu)榱?。KMV模型的獨特優(yōu)點在于將現代期權理論基礎作為基石，充分地使用資本市場的現有信息作為指標預測，而不是用已經產生的歷史財務數據進行僵化的回顧分析，KMV模型的另一大優(yōu)點就是將資本市場的實時信息充分利用到信用風險評定中，通過違約距離和違約概率的預測，更全面詳實地反映上市的借款企業(yè)全面的信用狀況。從信用風險評測角度，KMV模型預測思想是對傳統方法改革的里程碑式進步。

KMV模型作為動態(tài)模型的一種，在衡量上市公司信用風險中，以股票債券市場的實際數據為主要分析依托，因為這一原因，使用KMV模型進行信用風險預測可以使預測數據更新，預測結果也更接近實際的經濟情況，信用風險評測的結論更具有前瞻性。運用KMV模型對上市企業(yè)的信用風險進行預測時需要確定該公司現時的資產結構，一旦確定隨機過程中企業(yè)的資產價值，便可以據此計算在任意一個時間單位上上市企業(yè)的實際違約概率。

但是KMV風險度量模型在實際操作中也存在一些不可忽略的缺點。首先，KMV模型成立的假設前提相對苛刻，因為資產的收益曲線分布并不滿足正態(tài)分布假設，資產收益分布的數據圖像實際上存在“肥尾”現象，所以KMV模型在使用過程中僅著重強調了違約預測，卻沒有將企業(yè)信用品質的動態(tài)變化作為著重考慮的關鍵點。其次，KMV風險信用模型忽視了信息不對稱情況下的道德風險因素，這使得指標測量出現僵化不能完全反映市場信息的可能。

此外，KMV信用風險評測模型必須使用估值技術來獲得資產價值、企業(yè)資產收益率的期望值和波動性，這導致模型預測出的信用風險對非上市公司因使用資料的可獲得性差，預測的準確性也較差，另外，在處理例如期權、外幣業(yè)務時，使用KMV模型預測的方法適用性較差。基于此，本文著重介紹KMV模型對信用風險的預測分析，并對該模型的數理推導和實際應用進行相應的介紹。

三、KMV信用風險模型在青島東軟載波的應用

本文以高新技術產業(yè)的代表性公司——青島東軟載波科技有限公司（以下簡稱青島東軟載波）為例，對其在KMV模型下的風險度量問題進行探討，分析是否可以將KMV模型作為一種行之有效的預測模型作用在高新技術產業(yè)中。

（一）KMV模型在青島東軟載波信用風險度量中的應用

本文的目的是驗證KMV模型在中國高新技術產業(yè)上市公司中是否適用，可否有效驗證高新技術產業(yè)上市公司的違約距離和違約概率，且預測出的違約距離和違約概率可否正確反映高新技術產業(yè)上市公司的財務狀況。

由于某些歷史遺留問題，我國的上市公司某些數據缺失，這就導致了大部分研究者只能退而求其次來依靠經驗性的公式：違約距離=（資產的市值-違約點）/（資產市值×資產波動率）計算近似的違約率，而不能直接使用KMV模型的方法來計算違約距離和違約概率，因為在我國使用KMV模型過程中存在著一定的適用性的問題，這也是本文研究這一問題的一個首要原因。同時在研究KMV模型時發(fā)現，高科技企業(yè)違約距離自身可以作為標準化指標來使用，KMV模型決定了違約距離越小，企業(yè)的違約率越大，反之則相反。因此，可以研究KMV模型的違約距離來研究KMV模型在我國上市公司應用的可行性，驗證KMV模型的有效性。

本文選取青島東軟載波進行分析是因為該公司上市時間較長，經濟狀況較穩(wěn)定，披露信息較及時，在高新科技產業(yè)領域具有代表性。從該公司2016—2018年前三季度利潤表的垂直分析來看，營業(yè)成本從2016年的占比36.34%上升為2017年的44%，同比增長7.66%;營業(yè)稅金及附加從2016年的1.56%增長為2017年的1.32%;銷售費用從2016年的8.57%增長為2017年的11.24%，同比增長2.6%;管理費用從2016年的21.19%增長為2017年的27.09%，同比增長5.9%;財務費用從2016年的負2.33%增長為2017年的負3.13%，同比增長0.8%;營業(yè)外收入從2016年的占比6.46%下降為2017年的0.03%，同比下降6.43%。

（二）KMV模型的應用原理

KMV模型假設股權的市場價值可表示為一個看漲期權的價值，即：E=f（x），其中：E為股權的市場價值;x為包括負債的賬面價值、資產的市場價值、資產的波動性以及時間范圍的變量向量;f（x）為B-S公式。從而可以得出：

其中：V表示公司資產的市場價值;σA為資產價值的波動性;DP表示負債的賬面價值（即違約點DPT）;t為時間范圍，即到期時間;r代表無風險借入或貸出利率;N是正態(tài)分布的累計概率密度函數。

（三）KMV模型應用時參數選擇

1.無風險收益率r的選擇。在前述的推導公式中，r值表示選取的無風險利率，本文采用2010年到2018年中債估值中心發(fā)布的一年期國債收益率視為無風險利率的平均值作為無風險利率r的取值。2010年到2018年之間的一年期國債收益率每年的風險收益率的部分如表2所示，通過取加權平均值的計算，可以得出r=2.85%。

2.青島東軟載波的股權市場價值計算。本文在對高新技術產業(yè)上市公司的風險預測中，采用非流通股股數與基準日收盤價的乘積求得，將總股數與已上市流通股股數的差額視為非上市流通股股數，公式表示為：公司股權市場價值=流通股股數×基準日股票市場收盤價+非流通股股數×每股凈資產。

如表3所示，2016年和2018年前三季度青島東軟載波的股權市場價值計算過程如下所述：

2016年青島東軟載波已經上市流通的股票股數總數為44 5448 000股，非流通股股數為7 816 857股，2017年12月30日的日收盤價格為24.72元，2017年報告期內每股凈資產為4.84元。根據公司股權市場價值計算公式，計算結果為11 049 308 147.9元。

2017年青島東軟載波已經上市流通的股票股數總數為449 356 425股，非流通股股數為3 908 432股，2017年12月29日的日收盤價格為19.22元，2017年報告期內每股凈資產為5.73元。根據公司股權市場價值計算公式，計算結果為8 659 025 803.9元。

2018年前三季度，青島東軟載波A股股數總和為470 309 857股，其中包括已經上市流通的股票股數總數為453 264 857股，非流通股股數為17 045 000股，2018年9月28日的日收盤價格為13.61元，2017年報告期內每股凈資產為5.64元。根據公司股權市場價值計算公式，計算結果為6 265 068 503.8元。

3.青島東軟載波股票價值波動率（σ_E）的計算。在我們進行實際取數計算時，動態(tài)模型不符合客觀的經濟發(fā)展狀況，故此本文采用的方法是使用移動平均模型對青島東軟載波波動率進行計算，換句話說，本文先使用基準日的前半年的每天的股票價格來計算波動率，然后通過對每日波動率的取得最終確定它們的平均值。本文在計算青島東軟載波股票波動率時，假設股票價格服從對數正態(tài)分布，由于一周股市開盤只有五天，所以我們近似一年股市的交易日θ=250天，計算公式如下：

設：股票收益率為ui，可得公式為：ui=lnsi/si-1。其中Si表示第i天股票的收盤價格，Si-1表示第i-1天股票的收盤價格。另根據KMV模型的推導，我們可以得出上市公司資產市場價值波動率與股權市場價值波動率的關系：

σE= ? N（d）σA

N（d）為0到1之間的標準的累積正態(tài)分布函數，基于上述公式，可以手工求出青島東軟載波2016—2018年前三季度市場價值波動率。詳見表4。

4.債務時間參數的確定。本文設定的研究期間是1年，即計算1年期的違約距離與預期違約距離。

（1）對青島東軟載波違約距離與預期違約概率的計算。將上述公式得出的結果代入KMV模型的計算程序中，利用MATLAB軟件迭代分析函數對KMV模型展開運算，最后得出青島東軟載波在2016年到2018年不同年份所對應的違約距離DD和預期違約概率EDF。通過國泰安數據庫可以查詢到青島東軟載波2016年到2018年前三季度的短期負債（STD）和長期負債（LTD），根據違約點計算公式可以計算出違約點的具體數額，違約點計算公式如下：

DPT=STD+0.5LTD

違約距離DD=（資產的市值-違約點）/（資產市值×資產波動率）

（2）青島東軟載波違約距離與預期違約概率計算結果與分析。

根據下頁表5違約距離與預期違約概率的計算結果，可以繪制圖2凈利潤率與青島東軟載波違約距離的變化折線趨勢圖。從中可以看出，青島東軟載波的盈利趨勢在2018年前三季度相對于2017年有下降的趨勢，凈利潤水平在2017年達到近三年最高水平。違約距離一直呈現下降趨勢，由此可以看出青島東軟載波在近三年違約風險相對減少，2017年凈利潤水平的提高直接導致了同年信用風險的降低，直至2018年前三季度，雖然凈利潤率下降，信用風險仍然在穩(wěn)定下降，企業(yè)整體發(fā)展較平穩(wěn)。

四、結論與建議

由上文的計算分析結果可以看出，KMV模型可以在一定程度上反映高新技術產業(yè)上市公司盈利狀況和信用風險的關系。由此，可以通過KMV模型計算違約距離和違約概率，估算出企業(yè)的信用狀況和違約風險，商業(yè)銀行也可據此作為對上市公司減少信貸風險的一種有效手段，進而增強金融市場的穩(wěn)定性。

但這也對我國高新技術產業(yè)公司提出了一定的要求，必須保證企業(yè)對外披露信息的可用性和可靠性。海外的高新技術企業(yè)常使用預期違約率EDF來衡量自身信貸風險，但由于國情不同，所以國外的方法在我國可否適用仍需進一步討論。

【主要參考文獻】

[1] 王亮亮，王躍堂.企業(yè)研發(fā)投入與資本結構選擇——基于非債務稅盾視角的分析[J].中國工業(yè)經濟，2015，（11）.

[2] 舒謙，陳治亞.治理結構、研發(fā)投入與公司績效——基于中國制造型上市公司數據的研究[J].預測，2014，（03）.

[3] 馬文聰，侯羽，朱桂龍.研發(fā)投入和人員激勵對創(chuàng)新績效的影響機制——基于新興產業(yè)和傳統產業(yè)的比較研究[J].科學學與科學技術管理，2013，（03）.

[4] 李靜，彭飛，毛德鳳.研發(fā)投入對企業(yè)全要素生產率的溢出效應——基于中國工業(yè)企業(yè)微觀數據的實證分析[J].經濟評論，2013，（3）.

[5] 朱潔，李齊云.信用風險視角下地方政府債券發(fā)行規(guī)模測算——基于KMV模型的實證分析[J].中南財經政法大學學報，2016，（02）.

[6] 鄧殷潔，胡丹云.基于KMV模型的地方政府債券信用風險度量——以北京市地方政府債券為例[J].現代經濟信息，2015，（24）.