A股上市公司ST風(fēng)險預(yù)警
——基于KMV模型的大樣本經(jīng)驗實證

陳延林，吳 曉

(華南師范大學(xué)經(jīng)濟與管理學(xué)院，廣東廣州 510006)

A股上市公司ST風(fēng)險預(yù)警
——基于KMV模型的大樣本經(jīng)驗實證

陳延林，吳 曉

(華南師范大學(xué)經(jīng)濟與管理學(xué)院，廣東廣州 510006)

針對中國上市公司股權(quán)結(jié)構(gòu)的特殊性，修正KMV模型中股權(quán)市值計算和違約點設(shè)定方法，以2010—2011年所有A股上市公司為樣本，運用修正的KMV模型對ST公司和非ST公司信用風(fēng)險進行評價和預(yù)測，建立合適的財務(wù)困境預(yù)警線。大樣本下的實證研究表明，修正后的KMV模型至少可以提前兩年對上市公司的財務(wù)困境進行有效預(yù)警。

KMV模型 上市公司 財務(wù)困境 預(yù)警 大樣本

一、相關(guān)研究

關(guān)于企業(yè)信用風(fēng)險的研究在世界上是一個被廣泛關(guān)注的課題，其中企業(yè)信用違約概率(PD)的度量與評估是信用風(fēng)險評估模型中的主要輸入變量之一，也是巴賽爾新資本協(xié)議內(nèi)部評級法(IBB)的關(guān)鍵內(nèi)容。國外隨著研究的日益深入，經(jīng)歷了從定性分析到定量分析，從靜態(tài)分析到動態(tài)實時監(jiān)控，已形成完善的違約概率度量與預(yù)警理論。一般傳統(tǒng)的違約概率度量與預(yù)測主要是以公司財務(wù)比率為變量來預(yù)測公司未來經(jīng)營狀況從而確定信用違約概率。早期代表性研究是William Beaver的單一比率模型，即以單個財務(wù)比率來預(yù)測公司信用違約概率。①這為以后研究公司財務(wù)預(yù)警開拓了新的思路。但單一變量無法全面反映公司狀況，甚至比率指標(biāo)之間也存在矛盾。于是，第二階段中出現(xiàn)了以多個財務(wù)比率作為變量的多元變量模型，代表性有Altman的多元Z-Score模型和Ohlson的Logit回歸方法等。其中Altman以營運資本率、留存收益率、稅前資本報酬率、負債率和負債周轉(zhuǎn)率作為變量，通過對這五個變量的加權(quán)，得出一個能判斷公司財務(wù)危機的概率值，即Z值。②Ohlson引入邏輯回歸方法，即根據(jù)多元變量模型確定Z值，以此推導(dǎo)出企業(yè)財務(wù)危機的條件概率。③J．A．Ohlson．Financial Ratios and the Probabililistic Prediction of Bankruptcy．Journal of Accounting Research，1980(4): 109—131．隨著計算機技術(shù)的進步，以數(shù)理統(tǒng)計和計算機技術(shù)為基礎(chǔ)的第三階段模型出現(xiàn)了。其中代表性的有人工神經(jīng)元網(wǎng)絡(luò)模型，它屬于非線性模型，具有高度并行計算的能力、自學(xué)和糾錯能力。綜上這些模型主要是對財務(wù)比率指標(biāo)進行分類，從中總結(jié)規(guī)律，建立模型，但這樣缺少理論依據(jù)，也難以體現(xiàn)更細微、更快速的變化，對于現(xiàn)代要達到實時監(jiān)控的目的更是力不從心。所以，隨著信息革命與統(tǒng)計科學(xué)的發(fā)展，新的違約概率測度和預(yù)測理論漸漸占據(jù)了主流，許多定量的估值模型甚至已經(jīng)開始了商業(yè)應(yīng)用。這方面有J．P摩根公司創(chuàng)建的，Credit Metric模型、CSFP公司的 Credit Risk+模型、Mckinsey公司的 Credit Portfolio View模型和KMV公司的KMV模型。④管七海、馮宗憲:《信用違約概率測試研究:文獻綜述與比較》，載《世界經(jīng)濟》2004年第11期。其中，Credit Metrics模型利用信用評級所評信用級別

①W．H．Beaver．Financial Ratios as Predictors of Failure，Empirical Research in Accounting:Selected Studies．Supplement to Accounting Research，1966，4:71—111．②E．I．Altman．Financial Ratios:Discriminant Analysis and the Prediction of Corporate Bankruptcy．Journal of Finance，1968，22(4):589—609．估計出信用級別轉(zhuǎn)移概率，并在此基礎(chǔ)上利用不同等級下貸款的遠期利率折現(xiàn)出貸款的現(xiàn)值。然后按貸款市值分布呈正態(tài)分布的假設(shè)來計算該貸款的不同置信水平下的VAR值，從而得出貸款的預(yù)期損失。Credit Risk+模型將保險精算學(xué)的框架用于債券/貸款組合，只考慮違約風(fēng)險，并假設(shè)貸款組合中單項貸款的違約概率分布服從泊松分布。在此條件下將貸款組合分解成具有相同風(fēng)險暴露的各組，計算出各組的違約概率和損失大小可以得出不同組的損失分布，然后將所有分組的損失加總即為貸款組合的損失分布。Credit Portfolio View模型是一種風(fēng)險測量的多因子模型。它將違約概率看成是一系列宏觀經(jīng)濟變量如失業(yè)率、利率、經(jīng)濟增長率等的函數(shù)，通過蒙特卡羅模擬技術(shù)模擬周期性因素的沖擊來估計一個國家某一個行業(yè)內(nèi)公司的違約概率和信用轉(zhuǎn)移概率變化情況，進而評估信用風(fēng)險。KMV模型通過分析上市公司股價波動，參照公司資本結(jié)構(gòu)，以期權(quán)定價理論為基礎(chǔ)來預(yù)測股權(quán)公開交易公司的違約概率。KMV模型是以股票市場數(shù)據(jù)和公司財務(wù)數(shù)據(jù)為基礎(chǔ)，運用現(xiàn)代公司金融和期權(quán)理論的結(jié)構(gòu)性模型度量和預(yù)測公司未來違約概率。模型中既有財務(wù)數(shù)據(jù)，又有市場實時交易數(shù)據(jù)，更能全面準(zhǔn)確實時反映上市公司信用狀況，因此應(yīng)用最為廣泛。

國內(nèi)對信用違約概率研究仍處于起步狀態(tài)，基本上是沿用國外學(xué)者的模式。傳統(tǒng)的財務(wù)指標(biāo)預(yù)警理論方面，如陳靜以27家ST公司和27家非ST公司進行單變量和二類線性判別分析，認(rèn)為資產(chǎn)負債率、流動比率、資產(chǎn)收益率和凈資產(chǎn)收益率四項指標(biāo)對公司財務(wù)危機預(yù)警能力較強;①陳靜:《上市公司財務(wù)惡化預(yù)測的實證分析》，載《會計研究》1999年第4期。張鳴與程濤運用Logit回歸法分別構(gòu)建了財務(wù)指標(biāo)預(yù)警模型和綜合預(yù)警模型，研究表明在前一年預(yù)警中財務(wù)指標(biāo)模型預(yù)期效果較好，而在前二、三年中，綜合模型效果較好;②張鳴、程濤:《上市公司動態(tài)財務(wù)預(yù)警的實證研究》，載《財經(jīng)研究》2005年第1期。龐素琳利用神經(jīng)網(wǎng)絡(luò)技術(shù)為中國商業(yè)銀行120家借款企業(yè)建立了信用風(fēng)險評價模型③龐素琳:《概率神經(jīng)網(wǎng)絡(luò)信用評價模型及預(yù)警研究》，載《系統(tǒng)工程理論與實踐》2005年第5期。，雖然模型對測試樣本分類的準(zhǔn)確率很低，僅為69．77%，但作為一種方法上的探討，神經(jīng)網(wǎng)絡(luò)模型仍不失其研究價值?，F(xiàn)代違約概率測度和預(yù)測理論中，KMV模型不要求有效市場假設(shè)，同時對數(shù)據(jù)的要求僅涉及一些公開的公司股價和基本財務(wù)數(shù)據(jù)。這些先天性的優(yōu)勢使它更適用于中國這樣的新興市場，因此在國內(nèi)對于現(xiàn)代違約概率的研究主要著重于KMV模型。程鵬、吳沖鋒首先介紹了KMV模型，以滬深股市15家上市公司為例，提出可以用KMV模型中的“違約距離”對中國上市公司進行分析的思想;④程鵬、吳沖鋒:《上市公司信用狀況分析新方法》，載《系統(tǒng)工程理論方法應(yīng)用》2002年第6期。魯煒等人利用中國股市數(shù)據(jù)，初步運用期權(quán)理論得出了適應(yīng)中國市場的σA和σE的關(guān)系函數(shù);⑤魯煒、趙恒衍、劉冀云:《KMV模型關(guān)系函數(shù)推測及其在中國股市的驗證》，載《運籌與管理》2003年第6期。易丹輝、吳建民將研究樣本擴大到滬深30家公司，提出應(yīng)根據(jù)中國實際情況對KMV模型進行修正，如違約點的選取等;⑥易丹輝、吳建民:《上市公司信用風(fēng)險計量研究》，載《統(tǒng)計與信息論壇》2004年第11期。馬若微以滬深所有上市公司為研究對象，認(rèn)為KMV模型對中國上市公司財務(wù)預(yù)警具有明顯優(yōu)勢;⑦馬若微:《KMV模型運用于中國上市公司財務(wù)困境預(yù)警的實證檢驗》，載《數(shù)理統(tǒng)計與管理》2006年第9期。孫小琰、沈悅將KMV模型對中國流通股和流通受限股的實際情況作了修正，并用修正后的模型對部分樣本公司進行了實證檢驗，認(rèn)為KMV模型適用于中國證券市場;⑧孫小琰、沈悅:《基于KMV模型的我國上市公司價值評估實證研究》，載《管理工程學(xué)報》2008年第22期。夏紅芳和劉博分別對KMV模型中違約距離進行了修正，通過比較不同假設(shè)下不同違約距離公式找出了適合中國證券市場的違約距離修正公式;⑨夏紅芳:《商業(yè)銀行信用風(fēng)險度量與管理研究》第62—64頁，南京航空航天大學(xué)博士學(xué)位論文，2007年;劉博:《基于KMV模型對中國上市公司的信用風(fēng)險進行度量的實證分析》。吳文靜將KMV模型應(yīng)用于不同地區(qū)上市公司的信用風(fēng)險比較，證明KMV模型適用于進行不同地區(qū)企業(yè)信用風(fēng)險比較;⑩吳文靜:《基于KMV模型的不同地區(qū)上市公司信用風(fēng)險的比較分析》，第30—46頁，浙江工商大學(xué)碩士學(xué)位論文，2010年。范昊祎、蔡萬科將KMV模型應(yīng)用于中國債券市場，發(fā)現(xiàn)利用KMV模型能提前發(fā)現(xiàn)信用評級將被調(diào)高或調(diào)低的債券主體，從而為債券投資提供建議;（11）范昊祎、蔡萬科:《KMV模型度量信用風(fēng)險的有效性與應(yīng)用研究——基于中國債券市場的實證分析》，載《生產(chǎn)力研究》2011年第7期。魏萌將KMV模型中的PFM模型應(yīng)用于非上市公司的實證研究中，構(gòu)建了基于KMV及其延伸模型對上市公司和非上市公司銀行信貸風(fēng)險度量和預(yù)警的完整框架。①魏萌:《基于KMV和PFM模型的公司貸款信用風(fēng)險預(yù)警研究》，載《管理學(xué)家》2013年第3期。

從上述對KMV模型在中國的應(yīng)用研究可以看出，國內(nèi)對于KMV模型的研究經(jīng)歷了從早期的簡單介紹、個別樣本檢驗，到就中國資本市場的特殊性對KMV模型進行局部修正和少量樣本檢驗，再到將修正后的KMV模型運用到其他領(lǐng)域(如債券市場)的過程。由于涉及所有中國上市公司的相關(guān)數(shù)據(jù)巨大，幾乎所有研究都局限于隨機抽取少量樣本對修正后的KMV模型有效性進行檢驗，而KMV模型對于中國所有上市公司是否同樣適用仍存在疑慮。鑒于以上考慮，本文將調(diào)整KMV模型中股權(quán)市值計算方法和違約點設(shè)定，以2010—2011兩年所有A股上市公司數(shù)據(jù)為樣本，研究KMV模型對中國上市公司違約概率度量和預(yù)警的能力。

二、KMV模型框架

(一)KMV模型

1973年，Black和Sholes提出了著名的期權(quán)定價理論，1974年，Merton將期權(quán)定價運用于風(fēng)險貸款和證券估價，以此來衡量公司違約風(fēng)險，這種思想構(gòu)成了KMV模型的理論基礎(chǔ)。KMV公司開發(fā)的KMV模型按照Merton的假設(shè)，將公司股權(quán)看做以公司資產(chǎn)為標(biāo)的的歐式看漲期權(quán)，其中公司債務(wù)面值為執(zhí)行價格，公司的債務(wù)期限為期權(quán)期限。債務(wù)到期時;當(dāng)公司資產(chǎn)的市場價值高于一定水平(違約點Default Point)時，公司選擇不違約，相當(dāng)于執(zhí)行了看漲期權(quán);當(dāng)公司資產(chǎn)的市場價值低于該水平時，公司就會違約，即不執(zhí)行看漲期權(quán)。于是理論上可以利用公司股票市值、股價波動率、借貸時限、負債的賬面價值以及無風(fēng)險利率五個變量，借助Black-Scholes-Merton期權(quán)定價公式，由伊藤引理得出公司股權(quán)價值波動率σE與公司資產(chǎn)價值波動率 σA的關(guān)系式，如公式(1)(2)，最終通過Matlab軟件進行迭代法計算得到公司資產(chǎn)的價值VA和波動率σA。通過選擇適當(dāng)?shù)倪`約點，可以對公司未來違約情況進行預(yù)測。

為了建立不同信用程度公司的違約概率基數(shù)，KMV模型引入一關(guān)鍵變量——違約距離(Distance to Default，DD)，即公司價值的現(xiàn)值與違約點之差除以公司價值的標(biāo)準(zhǔn)差，并假定有相同違約距離的公司具有相同的違約風(fēng)險，違約距離越大說明公司到期償還債務(wù)的能力越強，其違約概率越小，該公司的信用風(fēng)險越小;反之，該值越小。劉博2010年將違約距離分為三種情況考量，他假設(shè)資產(chǎn)價值滿足對數(shù)正態(tài)分布，認(rèn)為在KMV模型中引入連續(xù)回報率這個模型比較適合中國國情，靈敏度和預(yù)測能力相對較好，②劉博:《基于KMV模型對中國上市公司的信用風(fēng)險進行度量的實證分析》。因此本文采用這一結(jié)論，公式為:

其中，表示期初的資產(chǎn)價值，μ是資產(chǎn)的連續(xù)回報率，其他符號同前。最后，KMV公司通過大量統(tǒng)計數(shù)據(jù)建立包含眾多公司的違約數(shù)據(jù)庫，統(tǒng)計具有相同違約距離的公司的實際違約概率，以此作為這類違約距離公司的預(yù)期違約率EDF(Expected Default Frequency)。如此便建立了公司違約距離與預(yù)期違約率的對應(yīng)關(guān)系，從而一旦計算出個別公司的違約距離，便可得到基于實際統(tǒng)計的預(yù)期違約概率EDF。

(二)模型修正及參數(shù)設(shè)定

KMV公司開發(fā)的KMV模型是一種前瞻性的動態(tài)模型，能夠較好應(yīng)用于國外公司，得到令人滿意的預(yù)測效果。但由于中國與國外資本市場存在差異，KMV模型并不能套用于中國情況。第一，不同于國外，中國上市公司股權(quán)結(jié)構(gòu)分為上市流通股和流通受限股兩種，其中流通受限股沒有確切的市場價格，因此在計算公司股權(quán)價值時需要對流通受限股定價。第二，對于違約點的選取，KMV公司通過對國外大量公司研究將違約點定為公司流動債務(wù)加上長期債務(wù)價值一半。但中國公司情況是否如此，并不得而知，因此中國公司違約點的確定需要修正。第三，中國信用體系尚未建立，企業(yè)歷史違約數(shù)據(jù)缺乏，無法將違約距離轉(zhuǎn)化為預(yù)期違約率。對于這一點，也需要對KMV模型作出修正。而且自從《企業(yè)破產(chǎn)法》頒布至今還沒有一家上市公司破產(chǎn)的案例，用破產(chǎn)來界定中國上市公司財務(wù)危機是不恰當(dāng)?shù)??？紤]到中國被特殊處理(ST)的上市公司是指對連續(xù)兩年虧損或一年巨虧的公司，這可以作為界定財務(wù)危機的標(biāo)志。

1．股權(quán)價值

關(guān)于非流通定價問題，國內(nèi)學(xué)者一般采用“以每股凈資產(chǎn)計算流通受限股價格”，另有孫小琰、沈悅2008年選取國有股拍賣樣本，以上市公司每股凈資產(chǎn)、流通股市價等變量對拍賣價進行回歸得出流通受限股價方程，①孫小琰、沈悅:《基于KMV模型的我國上市公司價值評估實證研究》。不足的是僅2003—2004年期間37個樣本，時間較2010年也久遠，不能作為參考。為了更準(zhǔn)確回歸得出非流通股價方程，同時考慮到樣本數(shù)不足的情況，為了增加更多樣本數(shù)，本文選取2008年到2013年6月期間53家國有股上市公司共88次轉(zhuǎn)讓交易數(shù)據(jù)，對影響流通受限股拍賣價格的因素進行分析。選取變量有:流通股市價(stock P)、每股凈資產(chǎn)(equity PS)、每股收益(EPS)、凈資產(chǎn)收益率(ROE)和資產(chǎn)負債率(level)。

首先通過相關(guān)系數(shù)對因變量和自變量及之間關(guān)系來判斷自變量對因變量的影響權(quán)重，同時通過方差膨脹因子(VIF)粗略判斷自變量之間是否存在多重共線問題。一般而言，如果變量間相關(guān)系數(shù)r大于0．8時，方差膨脹因子(VIF)會達到5，導(dǎo)致兩變量間多重共線的可能性較大。本文對87個交易樣本進行相關(guān)系數(shù)比較，結(jié)果如表1所示。

表1 相關(guān)分析結(jié)果

表2 拍賣價(PP)對流通股價(stock P)、每股凈資產(chǎn)(equity PS)、資產(chǎn)負債率(level)、凈資產(chǎn)收益率(ROE)、每股收益(EPS)的回歸分析

根據(jù)表1粗略分析，自變量間多重共線問題很小。因為變量間量綱不同，無法直接放在一起參與回歸?？紤]到各變量變動幅度較大，為了保留各變量變動幅度，將各變量進行均值化無量綱處理，公式為:

以無量綱化后的拍賣價(PP)為因變量對其余5個無量綱化后的自變量進行回歸，顯著性水平取0．05，如表2所示。其中自變量ROE和EPS沒有通過顯著性檢驗，故剔除。而對于自變量level，回歸出的擬合系數(shù)為正與其負相關(guān)性的經(jīng)濟意義相左，同樣舍去。最終剩下自變量stock P和equity PS。再對拍賣價進行回歸，得到如表3所示的結(jié)果。該模型F檢驗值幅度明顯，調(diào)整擬合優(yōu)度為0．617 5，較之前的擬合優(yōu)度下降并不多，且能較好解釋變量之間關(guān)系，各自變量系數(shù)也通過t檢驗。

表3 拍賣價(PP)對流通股價(stock P)、每股凈資產(chǎn)(equity PS)的回歸分析

模型中樣本雖然時間跨度較大，但并未涉及時間變量，因此仍然看做截面數(shù)據(jù)。由此僅判斷模型中的異方差問題。以回歸中殘差對回歸擬合值作圖，如圖1所示，發(fā)現(xiàn)隨著擬合值的變化，殘差在可接受的范圍內(nèi)波動，基本可以忽略異方差對回歸結(jié)果的影響。因此，回歸函數(shù)可表示為:

流通受限股價格P=-0．281+0．665stock P+ 0．615equity PS

圖1 回歸中殘差對擬合值的標(biāo)繪

綜上所述，可以得出:上市公司股權(quán)市場價值=流通股市場價值+流通受限股市場價值=年平均收盤價×流通股股數(shù)+流通受限股價×流通受限股股數(shù)。

2．股權(quán)價值波動率

Black-Scholes-Merton期權(quán)定價公式中假定股票價格變動過程為標(biāo)準(zhǔn)布朗運動，由標(biāo)準(zhǔn)布朗運動結(jié)合伊藤引理公理，推導(dǎo)出金融資產(chǎn)收益率服從對數(shù)正態(tài)分布。①F．Black，M．Scholes．The Pricing of Options and Corporate Liabilities．Journal of Political Economy，1973，(8):637-659．國內(nèi)大多數(shù)這方面研究仍然以這種假設(shè)為前提，因此也假設(shè)上市公司股票價格服從對數(shù)正態(tài)分布，采用歷史波動率估算法，則公司股票收益周波動率和年波動率分別為:

3．債務(wù)期限和無風(fēng)險利率

本文計算量很大，為簡便起見，設(shè)定債務(wù)期限為一年，即T=1。由于2010—2011年央行公布的一年期定期整存整取利率變化頻繁，因此以該年中不同利率存在天數(shù)的加權(quán)平均數(shù)為該年的實際無風(fēng)險利率。如表4所示，2010年共發(fā)生三次利率調(diào)整，因此實際利率r=0．8×2．25%+0．18×2．5% +0．01×2．75%=2．30%。

4．違約點的確定

KMV公司根據(jù)國外數(shù)據(jù)研究得出，違約點DPT =STD+0．5LTD(STD為短期負債;LTD為長期負債)。但由于中國資本市場的特殊性，尚無法通過統(tǒng)計數(shù)據(jù)得到適合的違約點，因此本文設(shè)置了三個違約點DPT1、DPT2和DPT3，其中DPT1=STD; DPT2=STD+0．5LTD;DPT3=STD+0．75LTD②張玲、楊貞柿、陳收:《KMV模型在上市公司信用風(fēng)險評價中的應(yīng)用研究》，載《系統(tǒng)工程》2004年第11期。。通過對三種違約點得到的三種違約距離(DD1、DD2、DD3)進行驗證，選取最適合的違約點。

三、實證研究設(shè)計

(一)樣本選擇及數(shù)據(jù)來源

本文選取2010年以前在滬深兩市掛牌的所有A股上市公司2010—2011年的市場和財務(wù)數(shù)據(jù)作為考察對象進行實證研究，樣本分為ST公司(2012年被ST的公司)和非ST公司兩部分。為保證結(jié)果的客觀性和有效性，按如下原則進行篩選:(1)剔除同時發(fā)行B股或H股的上市公司;(2)因為金融保險類公司負債經(jīng)營特征與非金融保險類公司存在較大差異，故剔除金融保險類公司。經(jīng)過篩選，得到2010年有1 493個樣本，其中39家公司2012年被ST;2011年有1 496個樣本，其中39家公司2012年被ST。表5為部分?jǐn)?shù)據(jù)節(jié)選。本文數(shù)據(jù)來自國泰安(GTA)數(shù)據(jù)庫和東方財富通股票分析軟件，數(shù)據(jù)處理通過Excel 2003、Matlab 7．0和Stata 11．0完成。

表4 一年期定期存款利率變動

表5 KMV模型樣本數(shù)據(jù)節(jié)選

(二)實證結(jié)果與分析

1．上市公司信用風(fēng)險識別

將上市公司分為ST和非ST公司兩組，通過對兩組數(shù)據(jù)作獨立樣本違約距離均值T檢驗和Wilcoxon秩和檢驗，可以檢驗?zāi)Ｐ蛯ι鲜泄拘庞蔑L(fēng)險的識別能力。通過表6發(fā)現(xiàn)，上市公司被ST的前一年(2011年)和前兩年(2010年)，三種不同違約點情況下非ST公司的違約距離均值明顯大于ST公司，而且在α=0．05顯著水平下，ST和非ST公司組違約距離均值差是顯著的。同樣，Wilcoxon秩和檢驗也表明，在2010年和2011年，三種不同違約點的ST和非ST公司組的違約距離中值差在α= 0．05顯著水平下是顯著的。而且，從上市公司被ST的前兩年(2010年)到前一年(2011年)中，兩類公司違約距離均值差有逐漸增大的趨勢，這在一定程度上反映了ST公司信用狀況變壞的趨勢。綜上分析說明，在中國資本市場中，ST與非ST公司整體上的信用風(fēng)險存在顯著性差異，而運用調(diào)整后的KMV模型能夠在上市公司被ST前兩年識別出兩類不同的上市公司，具有較強的整體信用風(fēng)險識別能力。

表6 違約距離均值T檢驗和Wilcoxon秩和檢驗

2．上市公司信用風(fēng)險預(yù)警

通過KMV模型可以計算得到上市公司距違約的相對距離，但由于中國信用違約統(tǒng)計數(shù)據(jù)不足，尚無法像國外那樣根據(jù)歷史違約數(shù)據(jù)建立違約距離(DD)與預(yù)期違約率(EDF)之間的函數(shù)關(guān)系，而通過計算理論上的違約率來代替實際違約率又會因為較大偏差而使最終預(yù)測結(jié)果沒有意義。因此本文嘗試對所有上市公司違約距離從小到大排序，統(tǒng)計各個違約距離區(qū)間上ST公司的出現(xiàn)概率(如圖2所示)，將恰當(dāng)?shù)倪`約距離區(qū)間設(shè)置為信用風(fēng)險預(yù)警線，借此方法形成粗略的信用風(fēng)險預(yù)警工具。

圖2 ST公司頻率分布

從圖2大致可以看出，違約距離越小，ST公司出現(xiàn)的概率越高，這與KMV理論基礎(chǔ)是一致的。就違約點的設(shè)定來看，在違約距離較小時，隨著長期負債在違約點中權(quán)重越來越小(從DPT3到DPT1)，模型對上市公司信用識別能力越來越強。當(dāng)違約點值DPT=流動負債時(即圖中DD1線)，ST公司出現(xiàn)的概率達到最高。這說明，在中國上市公司中，當(dāng)出現(xiàn)財務(wù)危機時，一般面臨較大的短期債務(wù)償還壓力，而長期債務(wù)壓力卻不大。分析其中原因，可能是發(fā)生財務(wù)危機時，短期負債更容易讓公司產(chǎn)生現(xiàn)金流壓力，導(dǎo)致資金鏈緊張，而只要公司盈利能力尚可，長期負債并不會導(dǎo)致嚴(yán)重的財務(wù)危機。

另外，為了設(shè)置恰當(dāng)?shù)男庞蔑L(fēng)險預(yù)警線，同時考慮到相對所有上市公司樣本中ST公司樣本極少的現(xiàn)實(如2011年1 496家上市公司中只有39家ST公司樣本)，用“ST公司累積比”(某給定違約距離區(qū)間上ST公司出現(xiàn)數(shù)占所有ST公司的累積百分比)代替“ST概率”，提取被ST前一年(2011)和前兩年(2010)中DD1部分?jǐn)?shù)據(jù)，如圖3所示。由圖3可以看出，被ST前一年(2011)模型對上市公司信用風(fēng)險的預(yù)警能力強于被ST前兩年(2010)的模型。這也說明了，隨著時間向被ST年(2012)臨近，ST公司的信用風(fēng)險在逐年增大，模型的識別能力也在逐年增強。

圖3 ST公司累積分布

從圖3的統(tǒng)計還可以發(fā)現(xiàn)，隨著違約距離增大，ST公司累積百分比增速加快，在違約距離4—5的區(qū)間時達到最大，此后增速便開始減慢。于是，設(shè)定違約距離DD=5為一級信用危機預(yù)警線，DD =6為二級信用危機預(yù)警線。由圖3可以看出，低于一級預(yù)警線時(DD=5)，被ST前一年可以預(yù)測出76．92%的ST公司，即使被ST前兩年也可以預(yù)測出64．10%的ST公司。當(dāng)?shù)陀诙夘A(yù)警線時(DD=6)，這一數(shù)值分別可達到 82．05%和74．36%。對于一家有足夠數(shù)據(jù)支持的上市公司，可以作出一個實時變動的DD曲線，并以此預(yù)測在第一年和第二年后出現(xiàn)信用危機的概率。

四、結(jié)論與展望

考慮到中國上市公司股權(quán)結(jié)構(gòu)和市場經(jīng)濟的特殊性，本文以中國2010年以前上市的A股公司2010—2011年數(shù)據(jù)為樣本，結(jié)合中國實際修正KMV模型后，將其運用于對中國上市公司進行財務(wù)困境的識別和預(yù)警。

對KMV模型的修正方面，首先考慮到中國上市公司中存在流通股和流通受限股，并不能簡單將股票價格與總股本相乘確定股權(quán)價值，本文收集了2008年到2013年上半年期間國有股拍賣數(shù)據(jù)，回歸得出流通受限股拍賣價與公司財務(wù)數(shù)據(jù)間的回歸方程，從而解決了上市公司股權(quán)價值計算問題。其次，對于違約點的確定，本文討論了三種違約點值下不同違約距離對識別上市公司信用風(fēng)險能力的影響。當(dāng)公司的違約點等于其流動負債時，修正后的KMV模型對上市公司財務(wù)困境具有最強的識別能力。第三，由于中國關(guān)于公司信用違約的歷史統(tǒng)計數(shù)據(jù)嚴(yán)重不足，尚且無法將違約距離轉(zhuǎn)化為預(yù)期違約率。因此，本文將ST公司出現(xiàn)概率與違約距離對應(yīng)起來，以此設(shè)置出適當(dāng)?shù)男庞蔑L(fēng)險預(yù)警線，并借此對上市公司財務(wù)困境進行識別和預(yù)警。

研究證實，修正后的KMV模型能夠在上市公司被ST前兩年識別出信用狀況好與差的兩類上市公司，具有較強的整體信用風(fēng)險識別能力。對于上市公司信用預(yù)警，當(dāng)上市公司違約距離低于一級預(yù)警線(DD=5)時，被ST前一年可以預(yù)測出76．92%的ST公司，即使被 ST前兩年也可以預(yù)測出64．10%的ST公司。當(dāng)?shù)陀诙夘A(yù)警線時(DD= 6)，這一數(shù)值分別可達到82．05%和74．36%。

本文不足之處在于，沒有考慮公司資產(chǎn)價值和波動率、違約距離對無風(fēng)險利率和違約點的敏感度，另外違約點的選擇只有三個，也可能存在其他比例的最佳違約點。另外，KMV模型僅涉及上市公司研究，由于非上市公司不存在公開的股票交易和財務(wù)數(shù)據(jù)，對于其信用狀況的考察還有很大難度，這將是進一步研究的內(nèi)容。

【責(zé)任編輯:于尚艷】

F276．6;F224

A

1000-5455(2014)04-0092-08

陳延林(1964—)，女，湖南新田人，經(jīng)濟學(xué)博士，華南師范大學(xué)經(jīng)濟與管理學(xué)院副教授。

2013-10-12