基于KMV模型上市公司的信用风险测量外文翻译资料

英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料

基于KMV模型上市公司的信用风险测量

摘要：在本文中，有色金属行业被用来建立信用风险测度模型。通过修改模型参数并设置五个不同的违约点，我们认为原始KMV模型的预测结果无效，而修改后的模型在重新定义默认距离之前，蓝筹股和低质量股之间具有较好的识别能力。最好将默认值设定为短期债务。结果表明，修订后的KMV模型能够提高模型的有效性，更准确地监控上市公司信用风险的变化。

关键词：信用风险、KMV模型、违约距离、上市公司

1 引言

信用风险是金融风险的主要类型，一直是金融机构和监管机构风险控制的核心内容。 传统的专家评分方法，判别分析方法和Logit模型不能满足现代风险管理的要求。 国内外许多研究学者提出了许多信用风险模型的，包括KMV模型（股价变动分析，信用风险监测模型），这个模型是相对成熟和最广泛使用的。 但中国在信用风险测算方面仍处于传统方式的阶段。 因此，有必要更有效地将KMV模型应用于中国金融市场，提高金融机构的信用风险管理水平。

众所周知，外部环境中的不同行业和资本结构的特点几乎没有共同点，也不是违约的触发条件。 本文以信用风险为重点的有色金属工业上市公司作为示例，对KMV模型进行纠正前后的预测效果进行了比较分析，为商业银行和加强信用风险控制提供参考。

2 KMV模型和文献综述

2.1 KMV模型的原理和计算步骤

KMV公司（由穆迪购买）建立的KMV模型是一种现代信用风险测度模型，它是在布莱克.斯科尔斯的期权定价模型和默顿模型的基础之上来反映银行贷款问题。假设公司的资产由股东权益、债券和其他债务组成（包括银行贷款），银行贷款必须在指定时间内偿还，否则视为违约。如果1年以后的资产价值大于其债务价值，公司不会违约，而该资产价值在该级别被定义为违约点，相反，公司将选择违约。这意味着公司股东借款一定数额的债务，相当于买入看涨期权，公司的资产价值作为标的资产，违约点为行使价。此外，KMV公司认为公司违约点在流动负债与负债总额之间。该模型的计算过程通常分为以下三个步骤：

（1）估计资产价值及其波动值

根据默顿模型的股权价值理论，采用B-S期权定价公式，资产价值与企业股本市场的结构关系如下：

其中：表示企业股权市值，表示企业资产的市场价值，D表示企业债务的名义价值，r表示无风险利率，t表示其余的还本付息期，N表示累计标准正态分布函数。

在Merton模型下，股权价值波动率和资产价值波动率的相关性表示如下：

通过该关系式，则可以计算和。

（2）估计违约距离（DD）

KMV公司以短期债务的价值加上所有长期债务的账面价值的一半作为违约点：DP = STD 1/2STD。作为商业秘密，KMV公司没有解释这个关系是如何获得的。

KMV公司将违约距离定义为一年后的违约点与资产预期价值相对于未来资产回报标准差之间的距离的倍数，其计算公式如下：

这是违约风险测度的标准化指标，所以不同的上市公司也可以使用这个指数进行比较，违约距离越大，表明资产价值越远离违约期限越远， 违约的可能性越小。

（3）预期违约概率（EDF）的估计

理论EDF是严格的数学推导和EDF = 1 - N（DD）。 但是，这一假设仍然存在大量的学术争论。 KMV公司根据其大量样本信息数据库建立了违约距离与违约概率之间的关系。 但目前我国并没有类似的数据库，因此本文将违约距离直接用作信用风险指标。

2.2文献综述

自KMV模式创立以来，国内学者做了大量的研究，希望将模型应用于我国金融市场，研究主要集中在以下几个方面。第一个是强调KMV模型的原理，并与其他几种信用风险模型进行比较。二是直接将原KMV模式应用于我国股市。 Chen ^[2]的实证结果表明，KMV模型在我国有很好的适用性。另一个主要是修改模型参数，使其能够满足我国的经济背景。 Peng ^[8]，Zhang ^[11]通过校正模型的个体参数，发现修订后的模型具有较好的预测能力。更重要的是，许多学者将KMV模型应用于其他方面。 Li^[4]引入了地方政府债券信用风险研究领域的模式。目前，许多学者正在进一步研究信用风险。 Ni等^[10]通过使用不确定的利率对不确定的KMV模型与传统KMV模型Dierkes进行比较^[3]，发现商业信用信息共享大大提高了总体和企业特定违约预测的准确性。达席尔瓦^[7]表明，信用风险是顺周期性的，违约风险取决于结构特征，银监会能够制定促进金融稳定的政策，有效降低产出波动。

越来越多的学者正在尝试完善中国信用风险测量方面的KMV模型，主要是模型参数优化，而不是违约距离校正的优化。而且针对具体行业缺乏研究，众所周知，资产结构，债务特征在不同行业存在显着差异。为提高中国的信用风险管理水平，最好对某行业的KMV模型进行修改，这是本文的主要目的和新贡献。

3.样本选择和模型参数校正

3.1样本选择

本文将2011年第一天作为基点，预测1年内未来信用风险的变动。首先，有色金属工业上市公司可分为蓝筹股和低库存股。随后选出20家上市公司作为各类研究样本，选定的40家上市公司必须在2008年前上市，并在预测点股权改革完成，并且存在长期负债。

3.2参数校正

（1）股权价值划分

由于我国基本完成了股权分置改革，因此考虑到可能对中国股市股价波动可能的恶意投机活动，股权价值的计算将不再考虑非流通股的问题，本文增加了平均收盘价格在20个交易日之前的基础点由未偿还股票计算当天股本的价值。

（2）权益价值波动

假设股价遵循对数正态分布，通过股票回报标准差的历史数据估计股价波动的年度标准差，计算方法如下：

， ，

其中：n指1年中交易日， 指t日收盘价，表示第t日对数收益率，表示年度波动率，表示日波动率。

（3）无风险利率

由于我国缺乏严格意义上的无风险数据，根据2010年人民银行公布的1年期一次性定期存款利率，本文计算了无风险利率加权平均数，r = 0.0230。

（4）资产价值增长率

KMV公司使用资产回报率扣除公司奖金和支付利息来估算资产的预期增长率，但在中国上市公司的股利主要是股权转让的形式，不影响公司的股权结构，一些学者研究发现，中国股票股利不影响股本价值变动。此外，数量少，现金股利很少，所以本文忽略了这些因素对股本价值的影响。许多学者认为，公司预测期间资产价值预计增长率为零，但不符合实际情况。杨等^[9]发现使用财务报表数据来计算增长率更为有效。因此本文以3年期间总资产的算术平均增长率为预测期资产值增长率。

（5）违约点的选择

对于中国资本市场仍处于发展阶段，有色金属工业在资金利用程度上与其他国家不同，债务特征也不同，KMV公司选择的默认点不一定适用于有色金属行业中国。我们将有色金属工业上市公司的默认值设定为DP = STD aLTD，其中“a”分别设为0,0.25,0.5,0.75,1，以通过比较确定最佳的预测效果点。

4.实证研究

4.1样本数据计算

根据上述非线性方程和模型参数设置，通过Matlab 7.0编程迭代计算每个违约点资产的价值及其波动率，然后计算出每种违约点DD1，DD2，DD3下两种样本公司的默认距离， DD4，DD5。计算结果如表4.1所示。

显然，上述两个样本公司的违约距离没有显着差异，即使ST（特殊待遇）公司和ST公司之间存在明显的差异，也不能达到很好的预测效果。例如，2010年度600338（ST朱峰）年度报告显示，其净利润，每股收益，每股经营性现金流量为负，资产负债率达到百分之百百分之六点六，财务状况严重恶化，但相对于其他样本公司的默认距离没有显示很低，显然不符合实际情况。

模型应用程序失败的主要原因之一是违约距离未设置不合理。首先根据股票价格波动率计算的资产价值总是为正值，原始公式并不反映资产价值波动的方向。其次，原来的公式并没有反映在某一默认点下的偿付能力。因此，本文采用了刘^[5]提出的重新定义的默认距离：

违约距离也是可以用于比较不同上市公司的标准化指标。 再次使用相同的样本数据计算默认距离，结果如表4.2所示。

表4.1 40家上市公司的违约距离值

您可能感兴趣的文章

• 哈佛分析框架下的面板行业财务报表分析 ——以BOE为例外文翻译资料
• 哈佛框架下的企业财务分析：三家房地产公司的比较研究外文翻译资料
• 应收款管理的综合办法外文翻译资料
• 尼日利亚小规模渔业企业的盈利能力分析外文翻译资料
• 利用杜邦分析评估食品行业三大JSE上市公司的财务业绩外文翻译资料
• 探索杜邦分析法的应用与改进 ——以圆通快递为例外文翻译资料
• 并购中的财务风险防范分析外文翻译资料
• 小企业应收账款管理：理论与概念外文翻译资料
• 印度尼西亚贸易服务投资公司财务业绩的杜邦分析外文翻译资料
• 中小型企业的财务管理实践、企业成长和盈利能力外文翻译资料