基于KMV模型的我国创业板企业信用风险评估

作者简介：郝丹洁（1990.1-），性别：女，籍贯：山西省长治市，北京科技大学经济管理学院，金融学硕士，研究方向：信用风险评估。

摘 要：创业板自上市以来，由于自身技术水平不成熟、自有资产小等原因，信用风险的问题一直存在。本文选取了创业板上市的100家企业为样本，通过运用其股票市场的数据和财务报表中的债务数据，利用KMV模型信用评估方法，考虑创业板企业的实际市场情况，对参数进行了修改，并且结合相应编程计算其违约距离DD。实证研究结果表明，KMV模型对我国创业板企业的信用风险评估具有较高的准确性和科学性，对创业板企业进行风险预测和防范有着重要的意义。

关键词：KMV模型；违约点；创业板企业；信用风险

1.文献综述

信用风险作为金融市场上最古老的风险之一，一直也是学术研究中的重点。现代信用风险评估模型以新的财务技术以及现代财务理论为基础建立起来，主要包括Credit Metrics， Credit Portfolio View， Credit risk+ 和 KMV 模型。KMV模型是由美国KMV公司基于Merton期权定价理论，用预期违约频率来计量公司违约概率，主要是利用预期违约率EDF（Expected Default Frequency）的值来衡量企业市场价值降到违约出发点水平之下的概率，其中EDF可以通过分析企业股票市场价格的波动而得到。Kealhofer和Kurbat[1]认为KMV模型能够有效的运用财务指标变量和信用评级方法进行风险预测。Peter Crosbie和Jeffrey R Bohn[2]用KMV模型研究金融类公司，研究结果表明KMV模型具有一定的有效性。

随着KMV模型在我国市场的运用逐渐普遍，我国学者也进行了相应的研究。刘博[3]通过实证分析表明，在KMV模型中引入资产连续回报率这个模型最适合中国国情，灵敏度和预测能力较好，在一定程度上可以揭示上市公司的信用风险。马若微[4]以 2004 年底的上市公司作为研究对象，根据其财务和交易数据对115 家 ST 公司进行信用风险度量，研究结果表明 KMV 模型可以有效预警上市公司的财务困境和潜在信用风险，并且该模型的有效性要强于其他同类型模型。张玲、杨贞柿、陈收[5]通过数据分析认为 KMV 模型对于上市公司个体和上市公司整体的信用风险变化情况都有较好的预警作用。谢邦昌[6]选取公共事业和房地产开放两个行业的各 10 家深交所上市公司作为研究对象，研究结果表明对于不同行业的企业，KMV 模型仍可以有效进行跨行业的信用风险度量。

2.KMV模型理论概述

KMV模型属于期权定价模型，运用其作为信用风险评估，需要测算借款人或者企业的资产市场价值及其波动率，进而计算其违约距离与违约概率。

E=VN（d1）-De-rTN（d2）

其中，D——负债的账面价值（执行价格、额定价格）；

V——借款公司资产的市场价值；

T——到期时间，时间范围；

N——正态分布累积函数，它根据d1和d2计算得出。

d1=lnVD+r+12σ2ATσAT

而

d2=d1-σAT

对上述公式两边同时求导，求出其期望值，得出以下公式：

σE=N（d1）VσAE

其中，一般应采用迭代技术计算σE，本文均借助Matlab软件，对创业板企业的信用风险进行评估。

而违约距离的公司为DD=E（V）-DPTE（V）·σA（V0为借款企业当前的市场价值；DPTT为指定期限（一般为一年）内的违约点；μ为资产的预期净回报率）。

3.基于KMV模型的我国创业板企业信用风险实证研究

目前，我国创业板大多均为中小型企业，具有较高的成长性和较大的资金需求，银行贷款则是其进行融资的主要途径。并且，由于创业板企业普遍成立时间较短，存在着企业财务数据不完整以及管理层素质不一致等问题，因此，对创业板企业进行信用风险评估，对提高银行贷款效率，解决企业的融资需求，支持科技型中小企业的全面发展有着重要的意义。本文选取了创业板中的100家企业为样本，通过其贷款信用记录、是否存在大额担保等信息，将100家企业分为不存在信用风险和存在信用风险两组样本，每个样本组各100家企业。

而对于违约点的选择，KMV公司根据对大量违约事件的实证分析，发现违约发生最为频繁的临界点处于公司的流动负债加百分之五十的长期负债。

即违约点值=流动负债 + m*长期负债，m=0.5。

但是随着KMV模型在我国市场中运用的不断深入，发现该比例并不适合我国市场。因此本文分别讨论m=1，m=0.75，m=0.5，m=0.25这4种情况下样本的违约距离，从而判断模型评估的准确性。研究表明，当m=0.25时，KMV模型的准确率最高。并且，由于方差可以用来判断数据的波动情况，对于违约距离来说，方差越大意味着敏感性越高，对准确的预测信用风险则更加有利。从这个角度来说，m=0.25时，违约距离的方差最大，因此本文选取m=0.25 来设置文章的违约点。

通过进行相应的参数调整，KMV模型对样本的信用风险评估的准确率达到了81%，具有较高的准确性。因此，实证研究表明KMV模型对于我国创业板企业的信用风险评估具有较高的准确性，具有预测性和科学性。

指导老师：刘澄

参考文献

[1] Kealhofer， Stephen， Matthew Kurbat. The Default Prediction Power of the Merton Approach[M]. KMV Corporation， 2001.

[2] Peter Crosbie ，JefTrey R Bohn， Modeling Default Risk， White Paper， Moody's， KMV，December 18，2003

[3] 刘博. 基于KMV模型对中国上市公司的信用风险进行度量的实证分析.科学技术与工程，2010，3（10）：844～847

[4] 马若微.KMV 模型运用于中国上市公司财务困境预警的实证检验[J].数理统计与管理，2006（9）：594-601.

[5] 张玲，杨贞柿，陈收.KMV 模型在上市公司信用风险评价中的应用研究 [J].系统工程，2004（11）：84-89.

[6] 谢邦昌，朱世武，李璇，董春. 我国上市公司信用风险度量模型的选择[J]. 经济学动态，2008（5）：55-58.