中國農(nóng)業(yè)類上市公司信用風險實證研究——以kmv模型為例【文獻綜述】

1、<p><b>　　文獻綜述</b></p><p><b>　　金融學</b></p><p>　　中國農(nóng)業(yè)類上市公司信用風險實證研究——以KMV模型為例</p><p>　　信用風險是金融市場中最古老的，也是最重要的金融風險形式之一，它直接影響著現(xiàn)代社會經(jīng)濟生活，也影響著一個國家的宏觀決策與經(jīng)濟發(fā)展，甚至影響

2、著全球經(jīng)濟的穩(wěn)定發(fā)展。現(xiàn)代意義上的信用風險不僅包括因為交易對手的直接違約而遭受損失的可能性，還包括各種信用事件引起的損失的可能性。</p><p>　　20世紀以來，信用風險度量在經(jīng)濟實踐中就引來國內(nèi)外學術界廣泛關注。主要是從傳統(tǒng)信用風險度量研究和現(xiàn)代信用風險度量研究兩方面進行研究。</p><p>　　1 國外信用風險研究概述</p><p>　　1.1 傳統(tǒng)信用

3、風險度量</p><p>　　傳統(tǒng)信用風險評價方法主要包括：專家分析法（5C要素分析法）、Z計分模型、ZETA模型、Logit模型、probit模型等，這類方法注重從歷史數(shù)據(jù)中獲得違約信息。</p><p>　　專家分析法是一種最古老的信用風險分析方法。這種方法的最大特征就是銀行信貸的決策權是由該機構中那些經(jīng)過長期訓練、具有豐富經(jīng)驗的信貸官所掌握，并由他們做出是否貸款的決定。這種方法的主要

4、內(nèi)容是借款企業(yè)的"5C"上，即品德與聲望、資格與能力、資金實力、擔保以及經(jīng)營狀況與經(jīng)營環(huán)境。 </p><p>　　Altman于1968年提出了著名的Z計分模型，并于1977年對Z計分模型進行了修正和擴展，建立了ZETA評分模型，相應地有關的變量由5個增加到7個，適用的范圍比以前更廣了，識別不良貸款人的精度也大大地提高了。</p><p>　　Ohlson（1980

5、）,Zavgren（1983）試圖利用Logit分析來建立預測模型，并拉大違約公司與正常對照公司的樣本數(shù)差異，在明確“違約”定義的前提下，選取反映公司償債能力、盈利能力、管理能力、流動性等財務比率作為預選指標，運用歷史數(shù)據(jù)對預選指標進行T檢驗和多重共線性檢驗，確保最終納入模型的變量與因變量具有顯著的相關性，各自變量之間的信息重疊盡量少。結果表明4項財務資料對評估破產(chǎn)概率具有顯著性，判別正確率高達90%以上。</p><

6、;p>　　Zmijeski（1984）最早使用probit模型來進行財務危機預測。Probit模型的基本形式與Logit模型相同，區(qū)別在于其假設事件發(fā)生的概率服從累積標準正態(tài)分布。</p><p>　　1.2 現(xiàn)代信用風險度量</p><p>　　目前比較流行的信用風險管理模型主要有以下幾個：KMV公司的KMV模型、J.P摩根的Credit Metrics模型、瑞士信貸銀行的Cred

7、it Risk+模型以及麥肯錫公司的Credit Portfolio View模型。</p><p>　　國外學者對上述模型還進行了許多后續(xù)研究：</p><p>　　在KMV模型運用上，Vasicek（1995）研究一個含有108只債券的樣本采用期權調(diào)整后的收益利差數(shù)據(jù)，發(fā)現(xiàn)利用KMV模型確定定價偏低或偏高的方法來組建組合會產(chǎn)生明顯的超額收益，也就是說可以運用KMV模型對公開交易債券的收

8、益變化做出預測。Matthew Kurba和Irina Korablev（2002）使用Level validation和calibration方法對KMV模型進行驗證，選取了1991年至2001年近千家美國公司數(shù)據(jù)證明KMV模型的輸出結果預期違約概率值實際上是偏態(tài)分布，并且樣本規(guī)模的大小、樣本公司的資產(chǎn)相關性的大小和預期違約概率的偏態(tài)分布對預期違約概率的預測結果有很大的影響。 Peter Crodbie和Jeff Bohn （2003

9、）專門以金融類公司為樣本應用KMV模型，結果顯示預期違約概率值在這些公司發(fā)生信用事件時或破產(chǎn)前能夠準確、靈敏地檢測到信用質(zhì)量變化。2004年通過地《巴塞爾新資本協(xié)議》提倡使用內(nèi)部評級法管理信用風險，并推薦使用KMV模型進行內(nèi)部評級，可見KMV模型已經(jīng)在國外得到了廣泛地認可和使用。Roger M.Stein（2005）在對KMV模型進行</p><p>　　在Credit Risk+模型運用上，Antoin.van

10、dendorpe等（2007）利用數(shù)值優(yōu)化方法從眾多的參數(shù)中選擇出了幾個參數(shù)，然后利用 Credit Risk+模型來分析評估信用組合風險。 </p><p>　　2 國內(nèi)信用風險研究概述</p><p>　　2.1 傳統(tǒng)信用風險度量</p><p>　　在logit模型運用上，楊蓬勃（2009）等人利用Logistic回歸分析建立了上市公司信貸違約概率預測模型，

11、通過選取樣本數(shù)據(jù)、測試數(shù)據(jù)、年度配比數(shù)據(jù)和反映公司的償債、舉債經(jīng)營和運作資金的能力的15個上市公司財務指標,首先使用樣本數(shù)據(jù)和測試數(shù)據(jù)對模型進行了分析和檢驗，其次分別通過改變數(shù)據(jù)的配比方式、年度數(shù)據(jù)來觀察模型預測分類結果，檢驗模型的歷史預測能力，最后得出違約具有短暫性和突發(fā)性。</p><p>　　在Z計分模型運用上，劉蓓（2010）在介紹家族企業(yè)發(fā)展的整體狀況的基礎上，運用Altman的Z計分模型，以26家我國

12、主要家族控股企業(yè)作為樣本，對家族控股上市企業(yè)的財務風險進行了實證研究。結果表明，“Z計分法”模型在評價家族企業(yè)財務風險方面具有較強的有效性。</p><p>　　2.2 現(xiàn)代信用風險度量</p><p>　　在KMV運用方面，周沅帆（2009）利用KMV模型對我國已上市的保險公司的風險進行了度量，旨在探討在未來時機成熟時保險監(jiān)管中引入KMV模型，利用KMV模型良好的風險預測能力，加強和改善

13、了保險監(jiān)管的可能性。王賽（2010）結合我國的具體國情，將KMV模型應用于我國房地產(chǎn)行業(yè)信用風險管理，得出了2008年上半年和2009年上半年我國房地產(chǎn)行業(yè)各個上市奮司的違約率，實證分析了兩年度違約率的差異并研究了KMV模型的應用效果。陸珩瑱，張佳慧（2010）以KMV模型作為度量信用風險的基本模型，驗證了KMV模型適用性，分析了次貸危機對紡織業(yè)上市公司信用風險的影響。</p><p>　　在Credit Ris

14、k+模型運用方面，魏勇（2009）以中國銀行益陽分行為研究對象，在基于VaR框架和Credit Risk+模型技術的基礎上，度量和分析中國銀行益陽分行信貸風險，總結了益陽分行存在的存貸款結構比偏低、不良率仍在較高位運行以及風險過于集中等幾個方面的風險。</p><p><b>　　3 綜述</b></p><p>　　綜上所述，國內(nèi)外對于信用風險度量的研究成果在規(guī)避信

15、用風險帶給企業(yè)的損失上有著很大的幫助。國內(nèi)外對信用風險的研究起點不同，適應度不同，研究成果也有部分差異。國外的研究是針對完全市場上的個別公司進行信用違約評價分析，再根據(jù)該公司進行模型的相關修正，找出適合該公司的信用風險評價方法，而國內(nèi)研究則大多針對整個金融市場或者針對金融行業(yè)進行信用風險分析，大多照搬照抄國外的經(jīng)驗和方法，并沒有進行相關修正，得出的違約數(shù)據(jù)并不與我國金融市場的實情相符。</p><p>　　近年來

16、國家對于證券市場的有效性也不斷提高，證券市場整體規(guī)模的膨脹和上市公司數(shù)量的快速增加迫切需要相應的模型對其信用風險進行度量。針對我國上市公司信用現(xiàn)狀，在模型的修正和運用方向上還有待提高。首先，以上成果很少對農(nóng)業(yè)類上市公司等這類非金融行業(yè)進行信用風險評估；其次，在對信用風險度量上缺乏現(xiàn)時的數(shù)據(jù)來源；最后，雖然我國學者對金融行業(yè)的信用風險評估已經(jīng)研究得較為全面，但是對于現(xiàn)代信用模型的利用，我國學者并沒有在利用現(xiàn)時數(shù)據(jù)的同時對模型進行修正評價。

17、因此，還有待做出進一步理論與實踐方面的探索研究。</p><p><b>　　參考文獻</b></p><p>　　[1] 陸珩瑱,張佳慧. 基于KMV模型的紡織業(yè)上市公司信用風險研究[J].價值工程,2010</p><p>　　[2] 劉蓓.“Z計分法”在家族企業(yè)A股中的實證分析[J].財會通訊,2010（4）</p><

18、;p>　　[3] 周沅帆. 基于KMV模型對我國上市保險公司的信用風險度量[J].保險研究,2009（3）</p><p>　　[4]魏勇.基于Credit Risk+模型的中國銀行益陽分行信貸風險研究[D].湖南大學,2009</p><p>　　[5] 楊蓬勃,張成虎,張湘. 基于Logistic回歸分析的上市公司信貸違約概率預測模型研究[J].經(jīng)濟經(jīng)緯,2009（2）</

19、p><p>　　[6]Ohlson, James, Financial Ratios and the Probabilistic Prediction of Bankruptcy [J].Journal of Accounting Research, 1980</p><p>　　[7]Zavgren, Christine. The Prediction of Corporate Failur

20、e: The State of the Art [J].Journal of Accounting Literature, 1983(2)</p><p>　　[8]Zmijeski, Mark.Methodoligal issues related to the estimation of financial distress prediction models [J].Journal of Accountin

21、g Research, 1984 (22)</p><p>　　[9]Vasicek.EDF and Corporate Bond Pricing.SanFrancisco, KMV [J], LLC, 1995</p><p>　　[10]Roger M.Stein.Evidence on the Incompleteness of Merton-type Structural</