陈燕论文 - 图文

福建农林大学本科毕业论文

术性很强的数学模型。Jeffrey R.Bohn(1999)发现企业信用质量中等和较低时,信用分布更多地与平均的EDF(预期违约频率)相符。2000年Stefan Blochwitz、Thilo Liebig及Mikael Nyberg的研究表明KMV模型能很准确地对信用质量进行分析，如果在信用风险量化技术上使用专家系统分析公司状况，定量和定性结合，综合评判公司的信用质量，可以增加违约预测的准确性。Jorge R.Sobehart、Sean c.Keenan和Roger M.Stein(2000)首次公布一套验证模型有效性的技术方法。该方法采用前推检验（Walk-forward teSTing）技术对六种不同信用风险量化技术方法进行了对比，结果证明KMV模型预测风险的准确性最高。2002年，Matthew Kurbat和Irina Korablev使用水平确认法（Level validation）和校准法(calibration)对KMV进行验证。其研究表明KMV模型十分有效。Matthew Kurbat和Irina Korablev(2002)选用1991-2001年间上千家美国公司的数据作为样本，描绘出的的预期违约率轨迹与十年间实际发生的违约率轨迹匹配性很好，证明KMV模型是十分有效地风险度量模型。Roger M.Stein（2003）研究了在样本数量有限的情况下KMV模型的问题。同年，他还采用模拟投资组合的方法，证明借以预测力强的违约模型，可带来更高的投资回报。

近年来，国内学者也对KMV模型能否应用于我国上市公司信用风险的评估这一问题做了许多有益的探索。鲁炜，赵恒珩，刘冀云（2003）认为在中国这样一个缺少足够信用数据的新兴市场,KMV模型直接利用股票市场的数据进行信息管理,具有广阔的应用前景.然而,KMV模型σA和σE的关系是随市场不同而变化的.本文利用中国股市的数据,得出了适应中国市场的σA和σE的关系函数,初步实现了运用期权理论对中国上市公司的信用风险进行估测,具有相当的理论和现实意义.刘迎春（2004）认为JP Morgan公司开发的信用计量模型的基础是组合理论，指在使信用按市场定价。KMV模型具有现代期权理论基础作依托，并可充分利用资本市场的信息而非历史账面资料进行预测。张玲，杨贞柿，陈收针（2004）对中国上市公司股权结构及其所处市场环境的特殊性,分别调整KMV模型中股权市值计算和违约点设定方法.运用KMV模型评价ST(Special Treatment)公司和非ST公司的信用风险,并检验模型识别上市公司信用风险的能力.结果表明,参数调整后的KMV模型能够提前2年识别上市公司个体的信用风险差异;提前4年识别上市公司整体上的信用风险变化趋势.孙信明，黄磊 (2008)认为KMV模型针对的是上市公司财务信用分析,对我国来说,大多数公司是非上市公司,所以这就限制了这一模型在我国使用,试图突破这些限制,修正非上市公司的数据,使得KMV模型能够应用于非上市公司中,并且利用一个公司的数据,经过一些修正KMV模型能够用于非上市公司的信用分析.张婧婧(2009)建立BP神经网络和KMV模型相结合的BP-KMV信用风险评价模型,并选择上市的49家样本公司的财务数据和股

6

福建农林大学本科毕业论文

价水平对BP-KMV模型进行实证分析,将结果与商业银行现行的评价结果相比较,表明BP-KMV模型更符合实际情况.进一步发现评价结果的差异体现在信用度相对较高、风险相对较大的区域.

综上所述，自2001年中国加入世界贸易组织（WTO）以来，银行业将面临更多外资竞争，国内银行上市也因此迫在眉睫。从2000年开始，我国商业银行陆续上市，当时国内目前已经上市的有两家银行，即深圳发展银行（000001）和浦东发展银行（600000）。另外2000年11月27日在上交所发行上市的民生银行。因此，KMV模型在我国缺乏足够信用数据的情况下，有着广泛的应用前景。

2 研究思路、资料收集与原理

2.1 研究思路

本文主要针对信用风险的度量进行研究，以我国上市的商业银行为样本，利用MATLAB

软件进行数据处理，通过修正后的KMV模型对样本中的商业银行的信用风险进行度量，并对实证结果进行T检验，以提高数据的可靠性。

研究具体路线见图1：

现代信用风险模型比较 KMV模型优势 KMV模型研究现状 KMV模型概述 KMV模型原理 KMV模型参数估计 实证结果 图1 研究技术路线

Figure 1 Study Of technical line

2.2 数据源

7

福建农林大学本科毕业论文

因此本文选取了目前在我国证券市场上市的14家商业银行进行分析，计算基准日为2009年12月31日，其具体的银行分别列于下表：

表1 我国上市的商业银行 Table 1 Chinese Commercial Bank 代码 000001 002142 600000 600015 600016 600036 601009 股票名称 深发展A 宁波银行 浦发银行 华夏银行 民生银行 招商银行 南京银行 行业类型 银行业 银行业 银行业 银行业 银行业 银行业 银行业 代码 股票名称 兴业银行 北京银行 交通银行 工商银行 建设银行 中国银行 中信银行 行业类型 银行业 银行业 银行业 银行业 银行业 银行业 银行业 601166 601169 601328 601398 601939 601988 601998 其中选择了14家银行的09年周收盘价、各银行的流通股数和非流通股数、资产市场价值和债务面值等数据，具体数据见附表1至附表6。

3 方法与原理

3.1 KMV模型的计算过程

3.1.1 KMV模型的基本思路

KMV模型是基于Black-Scholes(1973)和Merton(1974)的期权定价公司而来的（简称BSM模型）。它的基本思路是:当企业资产市场价值V低于企业所需清偿的负债面值D时,企业将发生违约；以违约距离DD表示企业资产市场价值期望值V距离违约点DP的远近，距离越大，企业发生违约的可能性越小，反之较大；基于企业违约数据库得出某一违约距离企业实际的期望违约频率EDF；即未来违约概率。计算某一企业的期望违约频率主要有三步：估计企业资产市场价值V和企业资产价值波动率σV；计算违约距离DD；计算期望违约频率EDF。由于不能直接观测到V和σV，因此需要从它们与股权市场价值E、股权市场价值波动率σE以及企业负债面值D之间的关系中推导得出。 3.1.2 KMV模型的基本原理

KMV模型又称为预期违约率模型（expected default frequency,缩写为EDF），该模型是将企业负债看作是买入一份欧式看涨期权，即企业所有者持有一份以公司债务面值为执行价格,以公司资产市场价值为标的的欧式看涨期权，如果负债到期时企业资产市场价值高于其债务,企业偿还债务；当企业资产市场价值小于其债务时,企业选择违约，由于企业股权市场价值可Black-Scholes-Merton期权定价模型来定价。

运用KMV度量风险，主要过程分为以下两步：

第一步，KMV模型中的两个未知变量V和σV可从以下联立方程组中求解:

8

福建农林大学本科毕业论文

E?VAN?d1??e?r?T?t?DN?d2?

?其中

E?N?d1?V?VE (3.1)

d1?2??A????ln?VF????r?2?T?t???AT?t

d2?d1??VT?t

式中:E为企业股权市场价值,V为企业资产市场价值,DE为企业债务面值,r为无风险收益率,τ为债务偿还期限,D(d)为标准累积正态分布函数,σV为企业资产价值波动率,σE为企业股权市场价值波动率。

第二步，假设企业资产未来市场价值围绕企业资产市场价值的均值呈正态分布，那么，我们可以用式(3.2)计算负债企业的违约距离DD(Distance to Default):

V?DPV?VDD? (3.2)

式中：DP(Default Point)为违约点值，处于公司的流动负债与总负债之间的某一点/违约距离DD以资产市场价值标准差的倍数表示，评估企业在τ时间后信用风险的大小。根据违约距离DD的定义，公司资产市场价值低于违约点的概率，即理论上发生违约的概率为1-N(DD)。E（Va）为公司资产未来价值的期望值。基于违约数据库,依据违约距离可以映射出公司实际的期望违约频率EDF。由于我国当前还没有公开的违约数据库可以使用，以违约距离DD作为上市公司信用评价的依据。

而本文假设公司资产价值的年增长率为g，则公司的违约距离可由（3）计算得出：

E(V?)?DPE(V?)???V?(1?g)?DPV?(1?g)???tt DD?? （3.3）

3.2 KMV模型的修正

9