论文部分内容阅读
[摘 要] KMV模型是一种国外普遍应用的信用风险度量模型，本文分析了该模型的基本思想和基本构成，并探讨了模型在我国的适应性。
[关键词] KMV模型 信用风险 违约
企业信用风险一直以来都是各经济主体面临的最重要金融风险，其测度、规避、防范和控制不仅是商业银行，也是投资者、供应商、服务商等面临的重大问题。本文以KMV模型为例，来探讨该模型对我国上市公司信用风险度量的适用性。
一、模型基本思想
KMV模型是将期权定价理论应用于贷款和债券估值而开发的信用风险度量模型。模型根据公司股权的市场价格和公司资产的市场价值之间的关系，以及公司股权的波动性和公司资产市场价值波动性之间的关系的分析来预测股权公开交易公司发生违约的可能性。因上市公司行为最终都会体现在其股价波动上，所以股价变化的信息中蕴藏着公司可信度变化的可靠证据，利用期权定价理论建立的KMV模型正是利用股价的波动来评估股权公开交易公司的信用风险。该模型认为企业信用风险主要决定于企业资产市场价值、波动率以及负债账面价值，当企业资产未来市场价值低于企业所需清偿的负债面值时，企业将会违约。
二、模型基本结构
模型给出了预测企业违约概率的计算方法。
首先，计算违约点DP。期权定价理论将公司资产价值看作公司债务的期权，当公司资产价值低于短期负债加长期负债一半时，债务人会违约。故违约点DP=CL+0.5LL，其中CL为短期负债，LL为长期负债。
其次，计算违约距离DD。DD是企业资产未来市场价值的期望值到违约点间距离，DD=(V-DP)/(δVV)，其中V为公司资产价值，δV为资产价值波动率，两者可由以下①与②方程联立求出。①，其中E为股权市场价值，D为负债账面价，为到期时间，r为无风险利率。标准积累正态分布函数N()可由d1、d2计算出:，。通过可观察的公司股权市场价值波动率δE与δV间的关系得②。
最后，计算违约率EDF。KMV公司采用将违约距离与公司历史违约率相匹配来计算预期违约率，需大量历史数据，这点在我国尚不具备。此处可采用理论预期违约率替代，假设公司资产价值服从对数正态分布，则理论预期违约率EDF=1-N(DD)。
三、模型适用性
我国金融市场处于新兴发展阶段，市场开放及规范程度不高，公司财务信息在公司市场价值波动中得不到及时体现，甚至有虚假和错误信息。为了降低投资者所面临的信用风险,KMV模型的很多特点都比其它信用风险模型更适合于度量上市公司的信用风险。
1.优势分析
（1)是一种动态模型。输入模型中的数据随股票市场价格变化更新快，可随时更新数据计算EDF值，及时反映上市公司信用状况，为投资者、监管机构等提供较可靠的信用风险评价信息。（2）结果相对客观公正。模型大量数据都来源于上市公司披露的年报数据及上市公司股票交易价格，这些信息都是公开的，可在证券交易所直接获取。(3)具前瞻性。模型以股票市场价格数而不是历史会计数据为基础，股票價格不仅反映公司历史与现状，还具有对公司未来发展前景预期，可预测公司未来可能发生的信用风险。(4)具相对稳定性。模型是基于期权理论的结构性模型，股权被视为企业资产的一种看涨期权，较统计模型具有相对稳定性。（5)适用于任何股权公开交易的上市公司。模型将违约与公司特征联系在一起，对债务人信用质量的变化更加敏感。
2.存在的问题
尽管KMV 模型有上述优势，但在我国实践运用中还存在以下问题。(1)对公司资本结构假设过于简单。认为公司资本结构一旦确定就不再变化，而事实上在信贷周期内，因再融资、分红等导致公司资本结构变化的概率很大。(2)数据缺乏。为了把EDF与DD映射起来，需上市公司违约历史数据库，但我国因信用体系尚不健全，缺乏企业违约或破产的历史统计数据，很难把DD转化成实际EDF。(3)假设利率既定。这使利率风险无法在模型中体现，限制了其在贷款期较长或利率敏感型信用工具上的应用。(4)模型理论EDF计算建立在资产收益正态分布假设基础上，否则无法求出。
3.改进策略
（1)模型修正。模型推导是基于美国公司大量有效股票市场数据,而我国因股票市场历史短、效率低等因素,使股价尚不能准确反映上市公司实际资产状况及模型期权定价思路。因此当应用于我国时可做相应修正,如:张智梅等(2006)提出上市公司非流通股的股权价值可以由非流通股股数乘以每股净资产得到;李磊宁等(2007)为减小误差引入了公司资产价值增长率。这些都使得该模型在我国有了进一步的适应。(2)加强数据库建设。推导EDF与DD间对应关系需上市公司大量违约历史数据，而我国因企业违约与破产的历史统计资料严重缺乏,无法将DD转化为预期EDF,影响了模型在我国的应用。因此应抓紧建立和完善关于资产负债状况、现金流量、管理水平及经济周期的影响等方面信息的客户基础数据库和及违约损失的时间序列数据库,为该模型提供完善的数据统计基础。(3)将模型纳入高级信贷风险管理框架。可在制度、技术双平台逐步完善基础上,将量化模型纳入高级信贷风险管理框架内,避免信用风险度量模型孤军奋战,使其随整个风险管理体系的完善而联动发展。
因我国金融市场与欧美等成熟金融市场相比尚属转轨和新兴发展阶段，使KMV模型在我国的应用存在一些问题。但随着我国金融业市场的不断开放及信用风险量化趋势的发展，适应我国国情且与世界先进信用风险管理水平接轨的信用风险模型在我国金融市场的应用将越来越广泛。
参考文献：
[1]李磊宁 张 凯:KMV模型修正及在我国上市公司信用风险度量中的应用[J].证券与保险，2007（13）
[2]伍舟宏:现代信用风险度量模型综述[J].经济师，2007（3）
[关键词] KMV模型 信用风险 违约
企业信用风险一直以来都是各经济主体面临的最重要金融风险，其测度、规避、防范和控制不仅是商业银行，也是投资者、供应商、服务商等面临的重大问题。本文以KMV模型为例，来探讨该模型对我国上市公司信用风险度量的适用性。
一、模型基本思想
KMV模型是将期权定价理论应用于贷款和债券估值而开发的信用风险度量模型。模型根据公司股权的市场价格和公司资产的市场价值之间的关系，以及公司股权的波动性和公司资产市场价值波动性之间的关系的分析来预测股权公开交易公司发生违约的可能性。因上市公司行为最终都会体现在其股价波动上，所以股价变化的信息中蕴藏着公司可信度变化的可靠证据，利用期权定价理论建立的KMV模型正是利用股价的波动来评估股权公开交易公司的信用风险。该模型认为企业信用风险主要决定于企业资产市场价值、波动率以及负债账面价值，当企业资产未来市场价值低于企业所需清偿的负债面值时，企业将会违约。
二、模型基本结构
模型给出了预测企业违约概率的计算方法。
首先，计算违约点DP。期权定价理论将公司资产价值看作公司债务的期权，当公司资产价值低于短期负债加长期负债一半时，债务人会违约。故违约点DP=CL+0.5LL，其中CL为短期负债，LL为长期负债。
其次，计算违约距离DD。DD是企业资产未来市场价值的期望值到违约点间距离，DD=(V-DP)/(δVV)，其中V为公司资产价值，δV为资产价值波动率，两者可由以下①与②方程联立求出。①，其中E为股权市场价值，D为负债账面价，为到期时间，r为无风险利率。标准积累正态分布函数N()可由d1、d2计算出:，。通过可观察的公司股权市场价值波动率δE与δV间的关系得②。
最后，计算违约率EDF。KMV公司采用将违约距离与公司历史违约率相匹配来计算预期违约率，需大量历史数据，这点在我国尚不具备。此处可采用理论预期违约率替代，假设公司资产价值服从对数正态分布，则理论预期违约率EDF=1-N(DD)。
三、模型适用性
我国金融市场处于新兴发展阶段，市场开放及规范程度不高，公司财务信息在公司市场价值波动中得不到及时体现，甚至有虚假和错误信息。为了降低投资者所面临的信用风险,KMV模型的很多特点都比其它信用风险模型更适合于度量上市公司的信用风险。
1.优势分析
（1)是一种动态模型。输入模型中的数据随股票市场价格变化更新快，可随时更新数据计算EDF值，及时反映上市公司信用状况，为投资者、监管机构等提供较可靠的信用风险评价信息。（2）结果相对客观公正。模型大量数据都来源于上市公司披露的年报数据及上市公司股票交易价格，这些信息都是公开的，可在证券交易所直接获取。(3)具前瞻性。模型以股票市场价格数而不是历史会计数据为基础，股票價格不仅反映公司历史与现状，还具有对公司未来发展前景预期，可预测公司未来可能发生的信用风险。(4)具相对稳定性。模型是基于期权理论的结构性模型，股权被视为企业资产的一种看涨期权，较统计模型具有相对稳定性。（5)适用于任何股权公开交易的上市公司。模型将违约与公司特征联系在一起，对债务人信用质量的变化更加敏感。
2.存在的问题
尽管KMV 模型有上述优势，但在我国实践运用中还存在以下问题。(1)对公司资本结构假设过于简单。认为公司资本结构一旦确定就不再变化，而事实上在信贷周期内，因再融资、分红等导致公司资本结构变化的概率很大。(2)数据缺乏。为了把EDF与DD映射起来，需上市公司违约历史数据库，但我国因信用体系尚不健全，缺乏企业违约或破产的历史统计数据，很难把DD转化成实际EDF。(3)假设利率既定。这使利率风险无法在模型中体现，限制了其在贷款期较长或利率敏感型信用工具上的应用。(4)模型理论EDF计算建立在资产收益正态分布假设基础上，否则无法求出。
3.改进策略
（1)模型修正。模型推导是基于美国公司大量有效股票市场数据,而我国因股票市场历史短、效率低等因素,使股价尚不能准确反映上市公司实际资产状况及模型期权定价思路。因此当应用于我国时可做相应修正,如:张智梅等(2006)提出上市公司非流通股的股权价值可以由非流通股股数乘以每股净资产得到;李磊宁等(2007)为减小误差引入了公司资产价值增长率。这些都使得该模型在我国有了进一步的适应。(2)加强数据库建设。推导EDF与DD间对应关系需上市公司大量违约历史数据，而我国因企业违约与破产的历史统计资料严重缺乏,无法将DD转化为预期EDF,影响了模型在我国的应用。因此应抓紧建立和完善关于资产负债状况、现金流量、管理水平及经济周期的影响等方面信息的客户基础数据库和及违约损失的时间序列数据库,为该模型提供完善的数据统计基础。(3)将模型纳入高级信贷风险管理框架。可在制度、技术双平台逐步完善基础上,将量化模型纳入高级信贷风险管理框架内,避免信用风险度量模型孤军奋战,使其随整个风险管理体系的完善而联动发展。
因我国金融市场与欧美等成熟金融市场相比尚属转轨和新兴发展阶段，使KMV模型在我国的应用存在一些问题。但随着我国金融业市场的不断开放及信用风险量化趋势的发展，适应我国国情且与世界先进信用风险管理水平接轨的信用风险模型在我国金融市场的应用将越来越广泛。
参考文献：
[1]李磊宁 张 凯:KMV模型修正及在我国上市公司信用风险度量中的应用[J].证券与保险，2007（13）
[2]伍舟宏:现代信用风险度量模型综述[J].经济师，2007（3）