KMV模型于中國信用風(fēng)險(xiǎn)的應(yīng)用探究

葉之然 潘毅 馬小雯（上海立信會(huì)計(jì)金融學(xué)院）

■引言

2020年年初，我國受到了一場前所未有的經(jīng)濟(jì)負(fù)面沖擊，盡管在第二、三和四季度都呈現(xiàn)了強(qiáng)勁的經(jīng)紀(jì)服務(wù)，但是這基本依靠國內(nèi)基礎(chǔ)設(shè)施投資來拉動(dòng)，產(chǎn)業(yè)機(jī)構(gòu)也在面臨形勢嚴(yán)峻的調(diào)整，這也讓我國企業(yè)信用風(fēng)險(xiǎn)加劇，所以測算、預(yù)警和防范企業(yè)信用風(fēng)險(xiǎn)成為我國當(dāng)前亟待解決的問題。早在2020年兩會(huì)期間，我國也把防范和化解系統(tǒng)性金融風(fēng)險(xiǎn)置于了重要位置，由此本文借助KMV模型來測算我國上市公司的信用風(fēng)險(xiǎn)，并分析了信用風(fēng)險(xiǎn)波動(dòng)原因，并為我國經(jīng)濟(jì)復(fù)蘇期信用風(fēng)險(xiǎn)提出監(jiān)管建議。

■KMV模型設(shè)計(jì)和計(jì)算

（一）研究設(shè)計(jì)

在本文研究中，研究對(duì)象是2020年上市公司的信用風(fēng)險(xiǎn)狀況，所選上市公司為A股上市公司，在去除金融公司樣本后，總共數(shù)量為3851家，根據(jù)KMV模型來分析宏觀因素對(duì)信用風(fēng)險(xiǎn)的影響。

（二）參數(shù)設(shè)定

1.股權(quán)市場價(jià)值和股價(jià)波動(dòng)率

在數(shù)據(jù)選取上，本文根據(jù)各個(gè)上市公司2019年半的披露數(shù)據(jù)來計(jì)算出每股凈資產(chǎn)，結(jié)合2020年公司各個(gè)月底收盤均價(jià)來計(jì)算平均收盤價(jià)，從而計(jì)算出上市公司各個(gè)月份的股權(quán)價(jià)值投資收益率。接著，對(duì)上市公司市場價(jià)值波動(dòng)率計(jì)算，一般針對(duì)股權(quán)價(jià)值投資歷史波動(dòng)率作為依據(jù)，采用公司2020年1-10月的股權(quán)價(jià)值投資月對(duì)數(shù)收益率的歷史波動(dòng)率模型來計(jì)算得出。

2.企業(yè)違約點(diǎn)

根據(jù)以往KMV理論研究中，大部分上市公司違約點(diǎn)都設(shè)置為100%流動(dòng)負(fù)債和50%非流動(dòng)負(fù)債的和，在這個(gè)違約點(diǎn)內(nèi)更容易觸發(fā)公司信用風(fēng)險(xiǎn)。在研究中，采用wind數(shù)據(jù)庫的上市公司資產(chǎn)負(fù)債表中的數(shù)據(jù)計(jì)算得出各個(gè)上市公司的違約點(diǎn)。

3.無風(fēng)險(xiǎn)利率

在本文中，假定各個(gè)上市公司債務(wù)期限為1年。KMV模型中無風(fēng)險(xiǎn)利率計(jì)算方法是，將2020年中國人民銀行公布的一年期基準(zhǔn)存款利率作為無風(fēng)險(xiǎn)利率，是1.5%。

（三）KMV模型的計(jì)算結(jié)果

計(jì)算方式是根據(jù)Python的測算方法，將2051家上市公司的流通股和非流通股的加總股權(quán)價(jià)值計(jì)算后，除以所有股票股數(shù)，得出上市公司股票股權(quán)價(jià)格，根據(jù)總股權(quán)股價(jià)的月收益率歷史波動(dòng)率來計(jì)算。在計(jì)算中，結(jié)合企業(yè)違約點(diǎn)的設(shè)計(jì)，得出各個(gè)上市公司的違約距離和預(yù)期違約率。然后，總共結(jié)合所有上市公司來看，可以看出各個(gè)上市公司的股權(quán)價(jià)值波動(dòng)率有所差異，下表中呈現(xiàn)了3851家上市公司違約距離和違約率的描述性統(tǒng)計(jì)，可以看出樣本中有良好的差異性。接下來，采用為月租和非違約組的對(duì)比分析，從而判別KMV模型是否能反映出違約行為。

表1 描述性統(tǒng)計(jì)

■違約距離的敏感性分析

（一）研究設(shè)計(jì)

在前文中，本文已經(jīng)驗(yàn)證了KMV模型在測算上市公司信用風(fēng)險(xiǎn)的可行性，已經(jīng)說明信用風(fēng)險(xiǎn)能夠反映出企業(yè)經(jīng)營利潤的虧損問題。在接下來，文章將探討上市公司信用風(fēng)險(xiǎn)的影響因素，主要根據(jù)上市公司面臨的宏觀環(huán)境因素和微觀環(huán)境因素來建立模型。首先，通過國家統(tǒng)計(jì)局來收集2015-2019年我國宏觀經(jīng)濟(jì)因素的月度數(shù)據(jù)，再根據(jù)KMV模型和歷史波動(dòng)率來測算各個(gè)上市公司股權(quán)價(jià)值投資收益率的月波動(dòng)率，重新計(jì)算出違約率，并采用固定效應(yīng)模型來測算影響系數(shù)。

（二）研究結(jié)果

在面板數(shù)據(jù)分析匯總，一般會(huì)采用固定效應(yīng)模型或隨機(jī)效應(yīng)模型，借助豪斯曼檢驗(yàn)來判定使用哪個(gè)模型。在諸多上市公司中，由于公司來自各行各業(yè)，所以采用固定效應(yīng)模型更加適合，可以排除不同行業(yè)的固定誤差。其中，先借助Stata來導(dǎo)入數(shù)據(jù)，在經(jīng)過豪斯曼檢驗(yàn)得到，檢驗(yàn)P值拒絕了固定效應(yīng)模型和隨機(jī)效應(yīng)模型系數(shù)一致的假設(shè)，所以本文研究應(yīng)當(dāng)采用固定效應(yīng)來分析上市公司KMV違約距離和違約率的影響因素。根據(jù)結(jié)果顯示，在以違約率為因變量時(shí)，模型擬合優(yōu)度為0.870，說明宏觀經(jīng)濟(jì)因素解釋了違約率87.0%，說明模型擬合效果良好。信貸風(fēng)險(xiǎn)會(huì)有所提高；工業(yè)增加值增長率和上市公司KMV違約率的回歸系數(shù)為-0.185，通過1%的顯著性水平，這代表工業(yè)增加值增速越快，上市公司違約風(fēng)險(xiǎn)越低；居民消費(fèi)價(jià)格指數(shù)和上市公司KMV違約率的回歸系數(shù)為-0.056，通過1%的顯著性水平，這代表居民消費(fèi)價(jià)格指數(shù)增長越大，上市公司KMV違約率越低。因此，我國宏觀經(jīng)濟(jì)因素對(duì)上市公司信用風(fēng)險(xiǎn)具有顯著的影響，這也印證防范信用風(fēng)險(xiǎn)的重要性。

表2 多元回歸結(jié)果

（三）結(jié)果討論

在模型分析中，可以發(fā)現(xiàn)國房景氣指數(shù)和上市公司KMV違約率的影響系數(shù)為0.080，通過1%的顯著性水平，這代表我國國房景氣指數(shù)越高，上市公司KMV違約率越高，這代表高房價(jià)的連鎖效應(yīng)明顯；M2增長率和上市公司KMV違約率的回歸系數(shù)為-0.063，通過1%的顯著性水平，這代表我國M2貨幣供應(yīng)量越多，上市公司KMV違約率越低；GDP增長率和上市公司KMV違約率的回歸系數(shù)為0.164，通過1%的顯著性水平，這代表我國經(jīng)濟(jì)增速下滑后，

■研究建議

（一）完善資本市場和法律法規(guī)建設(shè)

根據(jù)本文的KMV模型研究發(fā)現(xiàn)，我國上市公司的違約風(fēng)險(xiǎn)差異較大，虧損企業(yè)的違約率和違約距離遠(yuǎn)大于非虧損企業(yè)，所以我國政府應(yīng)當(dāng)重視上市公司信用風(fēng)險(xiǎn)的控制，采用多重量化模型來完善事前監(jiān)管體制。對(duì)此，我國特色社會(huì)主義市場經(jīng)濟(jì)建設(shè)中，資本市場機(jī)制應(yīng)該予以完善，尤其是幾任市場交易制度和法律法規(guī)，減少金融主體對(duì)上市公司的信息不對(duì)稱，采用量化模型來預(yù)測上市公司的違約行為，對(duì)高杠桿上市公司嚴(yán)格預(yù)警和監(jiān)視，防范上市公司財(cái)務(wù)造假行為。

（二）優(yōu)化信用風(fēng)險(xiǎn)評(píng)估模型

在本文中，上市公司信用風(fēng)險(xiǎn)評(píng)估來自股票市場的數(shù)據(jù)，KMV模型更多參考了公司股價(jià)方面的信息數(shù)據(jù)，但是沒有考慮到財(cái)務(wù)報(bào)表數(shù)據(jù)。隨著我國資本市場逐步成熟，大數(shù)據(jù)來源越來越多，這也對(duì)信用評(píng)估模型有更多的挑戰(zhàn)，所以我國也應(yīng)當(dāng)進(jìn)一步加強(qiáng)違約大數(shù)據(jù)建設(shè)，并應(yīng)用大數(shù)據(jù)算法于風(fēng)險(xiǎn)評(píng)估。同時(shí)，我國也應(yīng)該大力發(fā)展第三方信用評(píng)級(jí)機(jī)構(gòu)，并且要加強(qiáng)行業(yè)與國際接軌，學(xué)習(xí)穆迪、標(biāo)準(zhǔn)普爾等成熟經(jīng)驗(yàn)，發(fā)揮量化信用評(píng)估對(duì)我國信用風(fēng)險(xiǎn)管理的驅(qū)動(dòng)作用。

（三）完善信用風(fēng)險(xiǎn)管理的人才管理

信用風(fēng)險(xiǎn)的量化分析依靠專業(yè)人才來提供，但我國信用評(píng)估行業(yè)發(fā)展滯后，風(fēng)險(xiǎn)管理人才的供給規(guī)模和專業(yè)能力較為薄弱，十分不利于上市公司主動(dòng)防范信用風(fēng)險(xiǎn)。本文建議要加大信用風(fēng)險(xiǎn)的高校產(chǎn)學(xué)研投資，培養(yǎng)一批跨專業(yè)風(fēng)控人才，協(xié)助我國完成去杠桿化的政策目標(biāo)。