駱 珣 王玲玲

內(nèi)容摘要：客觀評價一個公司財務經(jīng)營狀況的好壞，對其做出財務危機預警，對于投資者、監(jiān)管機構(gòu)，甚至企業(yè)經(jīng)營者都格外重要。本文運用KMV模型的思想，在對KMV模型相關(guān)假設修正的基礎上，通過對配對樣本的適用性和具體預警能力的分析，探討我國上市公司財務危機預警分析的方法。

關(guān)鍵詞：KMV模型上市公司財務危機預警

作為一種計量信用風險的工具，KMV模型在風險貸款定價、信用風險分析、公司價值評估等領(lǐng)域得到了廣泛應用，但其用于我國上市公司財務危機預警領(lǐng)域的研究較少。本文將違約概率值作為衡量我國上市公司財務狀況的標準，不僅考慮了非流通股價值對整個公司資產(chǎn)價值的影響，還在適用性分析方面進行了假設檢驗，以探索基于KMV模型的我國上市公司財務危機預警分析方法。

KMV模型的理論基礎是Black—Scholes和Merton的期權(quán)定價理論。KMV模型用于我國上市公司財務危機預警領(lǐng)域評價公司財務狀況的基本思路是：以違約概率值作為衡量上市公司財務狀況的標準，違約概率值越大，公司違約的可能性就越大，公司的財務狀況越差反之亦然。通常，確定一個公司的預期違約概率的具體步驟是：第一步，依據(jù)某公司股票的市場價值、股價的波動性及負債的賬面價值估計出該公司的市場價值V及波動率d；第二步，計算該公司的違約點；第三步，確定違約距離及違約概率(EDF)之間的映射。

研究假設和樣本選取

本文假設ST公司違約風險高于非ST公司，且將因財務狀況異常而被特別處理的上市公司(即ST公司)界定為出現(xiàn)財務危機公司。

本文的樣本數(shù)據(jù)采用隨機方式選取，即2007年一個會計年度滬深兩市制造業(yè)行業(yè)2007年首次被ST處理的20家上市公司。為了研究方便，又進一步選取了與上述ST公司行業(yè)相同、資產(chǎn)規(guī)模相近的20家非ST公司為配對樣本，其中剔除了發(fā)行H股、B股的上市公司以及上市時間不到一年的上市公司。樣本總規(guī)模為40家上市公司。

參數(shù)設定

(一)違約點計算方法的選取

通過對大量違約公司的觀察。KMV公司發(fā)現(xiàn)違約發(fā)生最頻繁的臨界點處在公司價值大于等于流動負債與50％的長期負債之和。由于我國歷史違約數(shù)據(jù)嚴重缺乏，本文在此采用KMV公司推薦的違約點計算方法。

(二)股本價值的計算

在計算基準目2007年12月31日，仍然有一些樣本公司未完成股改，由于股權(quán)價值=流通股股數(shù)×市價+非流通股股數(shù)×非流通股每股的價值，因此，非流通股價值的計算方法對計算結(jié)果會有很大影響。董穎穎，薛鋒，關(guān)偉認為非流通股每股的價值和每股凈資產(chǎn)之間近似服從這樣的分布P=1.326+0.53X(p：非流通股每股價值，x：每股凈資產(chǎn))。本文對非流通股價值的計算將運用這一結(jié)果。

(三)股本價值波動率的計算

本文采用流通股股票價格波動率來代替股本價值波動率。流通股的股票價格波動率可以通過上市公司財務報表等歷史數(shù)據(jù)進行估計。此外，本文中的無風險利率采用2007年調(diào)整后的金融機構(gòu)一年期存款利率3.06％。在計算違約距離中用到一年后資產(chǎn)的期望價值，為計算方便，假設資產(chǎn)價值在一年內(nèi)的增長率為零。

KMV模型在上市公司財務危機預警中的適用性分析

本文將所有樣本從差值和頻率分布兩個方面，以2007年12月31日做橫截面比較分析：

(一)差值比較分析

違約風險高的企業(yè)違約概率應該比較大，而違約風險低的企業(yè)違約概率應該比較小。ST公司與非ST公司的違約概率差值情況(見表1)(以制造業(yè)為例)o

從表1可以看出，在行業(yè)相似、規(guī)模相同的任意一組ST公司與非ST公司違約概率的比較中，非ST公司的違約概率總是小于ST公司的違約概率，表明違約概率越大，公司違約的可能性越大，公司的財務危機越大；反之亦然。為了比較ST公司與非ST公司兩組樣本之間違約概率差異的顯著性，本文采用了配對樣本t檢驗，在0 05的顯著性水平下，樣本的t統(tǒng)計量等于4.908047，大于t雙邊臨界值2 093024，即Itl=4.908047>t(20)=2 093024，所以在置信度為0 05的情況下，ST公司與非ST公司違約概率的數(shù)據(jù)有顯著差異。因此。KMV模型應用于我國制造業(yè)上市公司財務危機預警理論是完全可行的。

(二)頻率分布比較分析

將所有樣本得到的違約概率區(qū)間離散化后得到7個區(qū)間(見表2)。

從表2可以看出與每個區(qū)間相對應的樣本公司個數(shù)及其中包含的ST公司個數(shù)。而且。在這7個違約概率的區(qū)間中，違約概率越大的區(qū)間，ST公司所占的比重越大，同時對于這個特定的20組上市公司的數(shù)據(jù)來說，在區(qū)間(43.96％。48.78％)內(nèi)，ST發(fā)生的頻率最大，約為78％。這與KMV的理論基礎符合。

本文通過上述分析發(fā)現(xiàn)：違約概率越大，公司違約的可能性越大，公司的財務危機越大；反之，違約概率越小，那么公司違約的可能性越小，公司的財務危機越小。同時，違約概率越大的區(qū)間，ST公司在所有公司中所占的比重越大。這些都與KMV模型的基本理論相吻合。

KMV模型對上市公司財務危機預警的能力分析

本文選取樣本公司中違約概率最大的公司。ST寶碩(違約概率為48.78％)討論KMV模型進行上市公司財務危機預警的能力。由于。ST寶碩是在2007年首次被ST的，在2006年時，可以采用時間序列分析、計算該上市公司若干年以前的違約概率，并以此為據(jù)，事先對該公司的財務危機做出預警。

*ST寶碩2001-2005年違約距離與違約概率(見表3)。

從表3中可以看出，*ST寶碩的信用狀況自2003年以來急劇惡化。從2002年的46.89％上升為2003年的49.46％，上升的百分比約為2.75％。最終由KMV模型計算得出的結(jié)論是：*ST寶碩自2003年以來由于財務狀況惡化，導致其信用等級陡然降低，將來極有可能違約。

從總體趨勢來看，時間越趨近ST，違約概率值越大，意味著公司破產(chǎn)的幾率增大了。股價時時更新變動，如果能有足夠多的數(shù)據(jù)支持，就可以做出一個實時變動的違約概率曲線。雖然由于資料限制，只能做到違約概率的年變動曲線，但是通過這個大致的輪廓，也能清晰看出該上市公司違約概率值的變動路徑，以對其財務危機做出預警。

結(jié)論

綜上所述，本文對KMV模型的適用。眭研究發(fā)現(xiàn)，對于這個特定的20組上市公司的數(shù)據(jù)來說，在區(qū)間(43.96％，48.78％)內(nèi)。ST發(fā)生的頻率最大，約為78％。因此，如果以此設置警戒線為43.96％，那么從表3中可以看出，*ST寶碩早在2001年就能被預測到2007年ST的發(fā)生，如果能夠得到2001年以前的數(shù)據(jù)，那么就能夠更早的對*ST寶碩的財務危機做出預警；而在2003年，*ST寶碩的財務狀況陡然滑坡，財務危機迫在眉睫，這對于財務危機預警來說，是一個非常突出的標志。這樣，投資者、監(jiān)管機構(gòu)，甚至公司自身就能夠提前4年對*ST寶碩的財務危機做出預警并采取補救措施。

由此可知，將KMV模型運用到我國上市公司財務危機預警中是完全可行的。而且可以根據(jù)不同行業(yè)和不同的資產(chǎn)規(guī)模提前對上市公司的財務危機做出預警。

需要說明的是：

本文在實證研究部分只選取了A股制造業(yè)40家上市公司作為研究樣本，而有些企業(yè)同時還發(fā)行了B股或者H股，如何根據(jù)發(fā)行主體在多個市場上市的情況修訂KMV模型，將是未來的研究方向。在進行KMV模型具體的財務預警能力分析過程中，如何針對不同的行業(yè)確立不同的警戒線，將是下一步研究的重點。

本文在由違約距離計算違約概率時，假設資產(chǎn)未來的價值服從正態(tài)分布，從而計算出理論上的違約概率，但是在實際生活中，資產(chǎn)的分布狀況是不確定的，因而不能簡單的用正態(tài)分布來加以假定。如何設定資產(chǎn)價值的分布，也是以后研究的重點。