我国上市公司信用风险度量实证研究 ——基于KMV模型和LOGISTIC模型

论文摘要

2007年爆发的美国次贷危机,从美国金融业蔓延到美国实体经济,并进一步的祸害到全球经济。次贷危机造成了美国、欧盟以及新兴市场国家的经济成长放缓,并伴随着全球性的通货膨胀,对全球未来几年的经济前景造成了深远的影响。这也给我国在信用风险的管理上敲响了警钟。在现代金融体系中,商业银行作为金融交易的主要中介、一国经济状况的晴雨表,在减少经济风险和不稳定因素、保证国民经济顺畅运行方面发挥着举足轻重的作用。商业银行在运营中本身承担着各种类型的风险,包括：信用风险、利率风险、流动性风险、管理风险、资本风险和政策风险等。其中,信用风险是指所有因客户违约所引起的风险。它是商业银行经营管理过程中必须面临的最主要风险。信用风险的范围涉及商业银行的贷款发放、债券投资、表外业务以及信用衍生品金融业务等商业银行经营活动的诸多领域。对于我国商业银行来说,企业贷款是其经营的主要资产业务,商业银行大部分的金融资产都是对企业发放的贷款,因此贷款的利息和本金的回收即贷款的信用风险是我国商业银行信用风险的最主要组成部分。然而,由于在传统计划经济模式下,政企不分、银企不分对信贷活动的影响,形成了我国商业银行大量不良贷款,虽然随着我国商业银行股份制改革的逐步完成,商业银行的大量不良资产得以剥离,但是我国商业银行的信用风险管理水平还比较落后,并且,在企业贷款过程中依然存在寻租现象,随着银行经营业务和信贷规模的不断扩张,商业银行所承受的信用风险还在不断加大,因而信用风险管理已经成为银行经营管理的核心内容。因此,研究信用风险的特点,建立度量信用风险的信用风险模型,精确地定量分析商业银行所面临的信用风险,以及如何对涉及信用产品的各项业务实施有效的信用风险管理措施,已经是商业银行提高经营管理水平,降低信用风险的最基本、最迫切的要求。上市公司是商业银行信贷的重要对象,研究上市公司独特的信用风险特点,预测并度量其未来的信用风险对商业银行、投资者和资本市场监管者都具有重大意义。尽管我国证券市场对公司上市有着较为严格的准入限制,上市公司的整体质量比较好,但是由于公司经营管理能力的变化以及行业景气状况等宏观经济因素的影响,有些公司的财务状况会逐步恶化,其信用风险和市场风险将会随之上升,最终可能发生债务违约或公司退市,给债权人和投资者带来巨大的损失。特别是随着上市公司数目的增多以及监管部门对股权融资的要求的提高,上市公司已经不能够再依赖于股权融资,而是逐渐开始增加债权融资的比重。但是,伴随着上市公司负债总额的增加,公司债务违约的事件也在逐渐增多,而且上市公司违约往往给债权人和投资者带来的损失也相当巨大。针对上市公司股权结构及其所处市场环境的特殊性,专门研究上市公司的信用状况,识别和度量上市公司的信用风险,对商业银行、投资者和资本市场监管者制定贷款政策、选择投资组合和规范市场管理都具有重大作用。由于我国上市公司缺乏适合国情的可以监测自身和有交易关联的对方的信用风险度量模型,给信用风险管理带来了很大的困扰。通过借鉴和学习国际上的先进信用风险管理技术和方法,建立适合我国国情的信用风险度量的模型和方法,是信用风险管理者面临的一个重要课题。正是在这样的背景下,本文就我国上市公司信用风险度量进行相关研究。基于此,本文采用定性和定量结合的方法对信用风险度量模型进行了理论分析和实证检验研究。本文首先介绍了信用风险、信用风险度量指标、信用风险度量模型和信用风险管理的相关概念,分析了信用风险度量在信用风险管理中的基础性作用；其次,重点探讨了几种现代度量模型的主要内容、特征和优缺点,并对它们从理论和适用性两个方面做了详细对比,从而得出：KMV模型比较适合用于度量我国上市公司的信用风险；接下来,利用我国08年15家被ST的上市公司和相对应的15家非ST上市公司的2005至2007年的数据对KMV模型的应用作了实证分析。实证结果发现,由于我国股票市场的股权分置改革和经济的持续增长使得我国上市公司的股价普遍大幅上涨,股权价值虚增,影响了KMV模型在我国应用的有效性,但是排除这一影响,模型的解释还是有效的；最后,本文从上市公司相对稳定的财务指标体系出发,构建了适合我国上市公司信用风险分析的Logistic模型,以30家上市公司作为检验样本,对该回归模型进行检验,取得了较高的预测准确率,研究还发现,偿债能力、经营能力和盈利能力的恶化是产生信用危机的主要原因,因此提高上市公司的经营管理水平和获利能力是避免公司陷入信用危机的关键。本文追求的创新之处主要是：第一,针对我国流通股和非流通股并存的二元结构,以及2007年我国股市繁荣,股票价格普遍大幅上涨的现实情况,对KMV模型在我国上市公司信用风险度量上进行检验。由于KMV模型是一种“向前看”的度量模型,其估计的结果与股票的价格密切相关,股票价格的非正常波动必然会对估计的结果产生影响,从而影响KMV模型在我国的适用性。第二,利用上市公司相对稳定的财务指标体系,本文通过各种检验筛选出最终指标,构建了适合我国上市公司信用风险分析的Logistic模型,分析了传统的“向后看”的模型在度量公司财务状况的有效性,与KMV模型形成了对比。本文的不足之处：第一,由于计算能力有限,本文只选择30家上市公司作为研究对象,相对于中国上市公司数目十分小,很难得到普遍意义上的规律和结果,因此需要构建大样本数据对我国上市公司的信用风险做出度量工作。第二,对于上市公司信用风险的度量工作,本文只是做出很少的一部分,且对模型构建的处理有点简单。本文局限于上市公司信用风险的违约距离的度量和分析,因此只能得到上市公司的理论违约概率,对于经验违约概率和违约距离的实际函数影射关系需要进一步研究,当然,这需要大量的数据和银行对上市公司信用质量的披露。第三,本文局限于上市公司的信用风险度量研究,对于非上市公司的信用风险研究也是非常的大的领域,对于银行来说,对非上市公司的信用风险研究具有非常强的实际意义的,可以用于对非上市公司的贷款决策以及我国商业银行的风险控制体系的建立。

论文目录

• 摘要
• Abstract
• 1. 绪论
• 1.1 研究背景和意义
• 1.1.1 论文的研究背景
• 1.1.2 论文的研究意义和目的
• 1.2 国内外研究现状和发展趋势
• 1.3 本文的结构和研究思路
• 1.3.1 本文的结构
• 1.3.2 本文的研究思路
• 2. 信用风险
• 2.1 信用风险的定义
• 2.2 信用风险的特征
• 2.3 信用风险的度量
• 2.3.1 违约概率（probability of default,PD）
• 2.3.2 违约损失（loss given default,LGD）
• 2.3.3 信用暴露（credit exposure,CE）
• 2.3.4 信用期限（maturity）
• 2.3.5 违约相关性（correlation）
• 2.4 我国银行信用风险管理中存在的问题
• 3. 信用风险度量模型的比较分析
• 3.1 传统信用风险度量模型
• 3.1.1 专家分析法
• 3.1.2 信用评级法
• 3.1.3 Z-score模型和Zeta评分模型
• 3.1.4 线性概率模型
• 3.1.5 Logistic模型
• 3.1.6 Probit模型
• 3.2 现代信用风险度量模型
• 3.2.1 KMV模型
• 3.2.2 Credit Metrics模型
• 3.2.3 Credit Risk+模型
• 3.2.4 Credit Portfolio View模型
• 3.3 四种现代度量模型在我国的适用性比较
• 3.3.1 信用评级
• 3.3.2 数据资料
• 3.3.3 利率市场化
• 3.3.4 模型的假设前提
• 4. 我国上市公司信用风险度量实证分析
• 4.1 基于KMV模型的实证分析
• 4.1.1 样本的选取
• 4.1.2 上市公司股权价值的确定
• 4.1.3 股权价值波动率的计算
• 4.1.4 违约点的确定
• 4.1.5 无风险利率
• 4.1.6 实证结果
• 4.1.7 实证结果统计分析和结论
• 4.2 基于LOGISTIC模型的实证分析
• 4.2.1 初始财务指标的选取
• 4.2.2 财务指标的差别显著性检验
• 4.2.3 多重共线性的检验
• 4.2.4 Logistic回归
• 4.2.5 模型的检验
• 4.2.6 本章的结论
• 5. 结论和建议
• 5.1 研究结论
• 5.2 政策建议
• 参考文献
• 后记
• 致谢
• 在读期间科研成果目录