樊星

[摘 要]本文運(yùn)用KMV模型預(yù)測(cè)分析了從8個(gè)行業(yè)中ST組和非ST組兩組樣本，分別計(jì)算違約距離，并進(jìn)行探究，發(fā)現(xiàn)KMV較好地識(shí)別了違約風(fēng)險(xiǎn)，并對(duì)非ST公司的違約風(fēng)險(xiǎn)有一定的預(yù)測(cè)作用。

[關(guān)鍵詞]KMV模型；股權(quán)價(jià)值；上市公司

[中圖分類(lèi)號(hào)]F275 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)]1005-6432（2014）52-0092-02

KMV模型是以Black-Scholes公式為基礎(chǔ)，可以運(yùn)用于像我國(guó)這樣的弱勢(shì)資本市場(chǎng)，而且公司的股權(quán)價(jià)值也恰好可以看作是以該公司資產(chǎn)為標(biāo)的物，以債務(wù)價(jià)值為執(zhí)行價(jià)格的看漲期權(quán)，而且上市公司股權(quán)價(jià)值可以直接從交易市場(chǎng)上得到，能夠真實(shí)反映企業(yè)狀況和市場(chǎng)信息。由于我國(guó)ST股風(fēng)險(xiǎn)有較高退市風(fēng)險(xiǎn)，所以本文選擇8個(gè)行業(yè)16只股票進(jìn)行ST和非ST分析來(lái)驗(yàn)證模型識(shí)別風(fēng)險(xiǎn)的能力。

1 KMV模型介紹

KMV模型是穆迪子公司KMV公司于1995年利用MM理論和Black—Scholes理論進(jìn)行信用風(fēng)險(xiǎn)度量和風(fēng)險(xiǎn)管理，之后于1997年基于上述兩個(gè)理論提出了預(yù)期違約概率模型（Expected Default Frequency，EDF）也即KMV模型，此信用評(píng)價(jià)模型認(rèn)為一個(gè)債務(wù)人的信用風(fēng)險(xiǎn)源于他的資產(chǎn)市場(chǎng)價(jià)值，資產(chǎn)價(jià)值變動(dòng)的標(biāo)準(zhǔn)差以及該債務(wù)人負(fù)債的賬面價(jià)值。KMV估計(jì)模型公式及參數(shù)如下：

2 實(shí)證分析

2.1 樣本選擇

因?yàn)楦鱾€(gè)行業(yè)受到的影響因素不盡相同，而且中國(guó)股市自股改以來(lái)到目前為止還有上市公司沒(méi)有完成股改，或者有非流通股等，因?yàn)椴辉谑袌?chǎng)上流通的股票價(jià)值難以衡量，所以為了排除行業(yè)以及非流通股市值等因素對(duì)模型的估計(jì)，本文分別從8個(gè)行業(yè)里選擇兩只只有流通股的ST和非ST股進(jìn)行分析。

2.2 股票市值和股票波動(dòng)率的計(jì)算

對(duì)股票波動(dòng)率的估計(jì)一般采用歷史波動(dòng)率，考慮到歷史波動(dòng)率不能進(jìn)行預(yù)測(cè)，而Garch（1，1）模型已經(jīng)多次驗(yàn)證較符合中國(guó)股市情況，所以本文以2013年12月31日為基準(zhǔn)日期，用這一天的收盤(pán)價(jià)來(lái)計(jì)算各上市公司的股票價(jià)值，并以2013年每個(gè)交易日的收盤(pán)價(jià)，通過(guò)Garch（1，1）模型計(jì)算樣本股票的日波動(dòng)率，并通過(guò)模型預(yù)測(cè)2014年1月1日的日波動(dòng)率進(jìn)行預(yù)測(cè)，進(jìn)而通過(guò)公式：日波動(dòng)率×243預(yù)測(cè)2014年的年波動(dòng)率σE，計(jì)算結(jié)果如表1所示：

2.3 無(wú)風(fēng)險(xiǎn)利率和違約點(diǎn)

在KMV模型中有一個(gè)無(wú)風(fēng)險(xiǎn)利率r，本文選取人民銀行公布的2014年一年期整存整取基準(zhǔn)利率3%作為無(wú)風(fēng)險(xiǎn)利率。

在KMV公式中關(guān)于DP的選擇是公司的短期負(fù)債加上一半的長(zhǎng)期負(fù)債。國(guó)內(nèi)有很多研究者對(duì)0.5的權(quán)重做了很多改進(jìn)性分析，比如0.25和0.75等。本文仍用0.5做權(quán)重計(jì)算樣本的違約點(diǎn)D。

2.4 違約距離和違約概率

因?yàn)镵MV模型依托于Black-Scholes公式，所以計(jì)算出的股票資產(chǎn)價(jià)值和波動(dòng)率服從幾何隨機(jī)過(guò)程，我們可以以此為前提按照違約距離的定義得到理論違約概率，但是由于這一假設(shè)通常與現(xiàn)實(shí)不符，所以我們運(yùn)用KMV模型提供的違約距離公式計(jì)算違約距離，不過(guò)由于我國(guó)信用評(píng)級(jí)體系非常不完善且資本市場(chǎng)在諸多方面還不夠成熟，所以國(guó)內(nèi)并沒(méi)有建立起每個(gè)違約距離與實(shí)際違約概率之間的映射關(guān)系，本文仍用違約距離進(jìn)行分析，違約距離結(jié)果如表2所示：

3 結(jié)果分析和討論

KMV模型通過(guò)違約距離來(lái)反映信用風(fēng)險(xiǎn)大小，相同情況下違約距離小的股票要比違約距離大的股票違約的可能性高，不過(guò)由于各行業(yè)經(jīng)營(yíng)環(huán)境、政策導(dǎo)向也有所不同，所以各行業(yè)識(shí)別上市公司信用風(fēng)險(xiǎn)的違約距離的大小也不同，不可能僅以違約距離的絕對(duì)大小來(lái)判斷。由于我國(guó)目前對(duì)上市公司出現(xiàn)風(fēng)險(xiǎn)的揭示采用ST這一措施，被ST或者非ST的股票一般被認(rèn)為信用風(fēng)險(xiǎn)大，而各行業(yè)的被特別處理的股票只有少數(shù)，所以ST股票的違約距離被認(rèn)為是識(shí)別風(fēng)險(xiǎn)的參考值。在8個(gè)配對(duì)樣本中發(fā)現(xiàn)樣本的非ST組的違約距離，選擇的8個(gè)成對(duì)樣本中有6個(gè)非ST組大于ST組的違約距離，而申達(dá)股份和銀鴿投資低于ST三毛和ST宜紙，雖然這兩只股票沒(méi)有特別處理但這已經(jīng)是一個(gè)警示，一定程度上說(shuō)明了這兩家企業(yè)經(jīng)營(yíng)上出了問(wèn)題，因?yàn)楸疚氖且?013年12月31日為基準(zhǔn)點(diǎn)，并以預(yù)測(cè)的股票波動(dòng)率計(jì)算了資產(chǎn)價(jià)值，資產(chǎn)波動(dòng)率和違約距離，考慮到數(shù)據(jù)的可比性，本文以2013年和2014年中期年報(bào)的一些數(shù)據(jù)進(jìn)行同比發(fā)現(xiàn)申達(dá)股份每股收益0.10元，同比下降21.66%，凈利潤(rùn)0.73億元，同比下降21.67%而銀鴿投資每股收益-0.18元，同比下降80.00%，凈利潤(rùn)-1.48億元，同比下降75.39%，這從另一個(gè)側(cè)面印證了KMV模型在區(qū)分違約風(fēng)險(xiǎn)時(shí)比較有效。

4 總結(jié)與建議

本文通過(guò)研究來(lái)自8個(gè)行業(yè)的16只股票，對(duì)比分析KMV模型的ST組和非ST組的違約距離，其較好地區(qū)分了ST組和非ST組股票，并且能夠?qū)Ψ荢T組的風(fēng)險(xiǎn)起到預(yù)警的作用。因?yàn)镾T是連續(xù)兩年或者三年出現(xiàn)虧損的股份，所以它們的違約距離可以作為參考值或者參照對(duì)象來(lái)識(shí)別正常股份可能存在的違約風(fēng)險(xiǎn)，本文也通過(guò)對(duì)比樣本的2013年和2014年兩年的中期年報(bào)中每股收益和凈利潤(rùn)兩方面進(jìn)行了佐證，當(dāng)然僅從這兩方面來(lái)驗(yàn)證只是很小的一個(gè)側(cè)面，不過(guò)有關(guān)部門(mén)為了防止這些風(fēng)險(xiǎn)較大的股票出現(xiàn)更大的風(fēng)險(xiǎn)威脅市場(chǎng)安全，所以在很多方面做了限制，例如價(jià)格浮動(dòng)在5%之內(nèi)，這就可能導(dǎo)致ST股價(jià)的波動(dòng)率變小，而資產(chǎn)波動(dòng)率與股價(jià)波動(dòng)率成正比，和違約距離成反比，這就使最終算出的違約距離變大，影響風(fēng)險(xiǎn)的判斷。由于我國(guó)市場(chǎng)情況與歐美不盡相同，在使用時(shí)一定要考慮中國(guó)現(xiàn)實(shí)的實(shí)際情況多方驗(yàn)證。

機(jī)構(gòu)的做法告訴我們，在不違反相關(guān)法律法規(guī)、監(jiān)管規(guī)定要求（如確保董事會(huì)中非執(zhí)行董事、獨(dú)立董事所占比例）的前提下，董事進(jìn)入高級(jí)管理層任職，擔(dān)任高級(jí)管理層的核心成員（如首席執(zhí)行官、總裁等）應(yīng)是提高公司運(yùn)轉(zhuǎn)效率和實(shí)現(xiàn)公司治理與管理高效配合的有效路徑。

參考文獻(xiàn)：

[1]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（9）：159-160.

[2]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.

[3]王穎琦.KMV模型在我國(guó)上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)中的應(yīng)用研究[D].北京：北京化工大學(xué)，2011.

[4]Sheldon M.Ross.An elementary introduction to mathematical finance：options and other topics[M].Beijing：China Machine Press，c2004.

[5]周曄.金融風(fēng)險(xiǎn)度量與管理[M].北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)出版社，2010.

[6]郎咸平.公司治理[M].北京：社會(huì)科學(xué)文獻(xiàn)出版社，2004.

[7][美]艾·里斯，勞拉·里斯.董事會(huì)里的戰(zhàn)爭(zhēng)[M].壽雯，譯.北京：機(jī)械工業(yè)出版社，2013.