基于KMV模型的農(nóng)業(yè)類上市企業(yè)信用風(fēng)險(xiǎn)度量及分析——以長(zhǎng)江中游地區(qū)為例

鄭文

基于KMV模型的農(nóng)業(yè)類上市企業(yè)信用風(fēng)險(xiǎn)度量及分析——以長(zhǎng)江中游地區(qū)為例

鄭文

［提要］信用風(fēng)險(xiǎn)是金融市場(chǎng)上最主要的一類風(fēng)險(xiǎn)，也是上市企業(yè)出現(xiàn)資產(chǎn)質(zhì)量下降和經(jīng)營(yíng)危機(jī)的主要根源。與其他上市企業(yè)相比，農(nóng)業(yè)類上市企業(yè)被認(rèn)為整體信用風(fēng)險(xiǎn)較高，市場(chǎng)投資信心相對(duì)不足。金融市場(chǎng)的迅猛發(fā)展，監(jiān)管壓力增強(qiáng)和競(jìng)爭(zhēng)的日趨激烈使得農(nóng)業(yè)類上市企業(yè)必須對(duì)自身的信用風(fēng)險(xiǎn)進(jìn)行更加靈活、積極和主動(dòng)的管理。本文利用KMV模型對(duì)長(zhǎng)江中游地區(qū)的江西、湖北、湖南、安徽四個(gè)省份的若干家農(nóng)業(yè)類上市公司進(jìn)行了信用風(fēng)險(xiǎn)度量實(shí)證分析，結(jié)合研究結(jié)論提出對(duì)這一地區(qū)農(nóng)業(yè)類上市企業(yè)信用風(fēng)險(xiǎn)度量和管理的建議。

長(zhǎng)江中游地區(qū)；信用風(fēng)險(xiǎn)；農(nóng)業(yè)類上市企業(yè)；KMV模型；建議意見(jiàn)

一、引言

2015年3月，包括江西南昌、湖南長(zhǎng)沙和湖北武漢等省市的長(zhǎng)江中游地區(qū)城市群成為首個(gè)獲得國(guó)家批復(fù)規(guī)劃的跨區(qū)域發(fā)展城市群，國(guó)家發(fā)改委也于同年4月份規(guī)劃將該地區(qū)城市群定位為內(nèi)陸開(kāi)放合作示范區(qū)、中西部新型城鎮(zhèn)化先行區(qū)和“兩型”社會(huì)建設(shè)引領(lǐng)區(qū)，安徽合肥等長(zhǎng)江中游地區(qū)其他省市也積極響應(yīng)這一趨勢(shì)。這一系列發(fā)展變化標(biāo)志著國(guó)家正在實(shí)施打造長(zhǎng)江中游地區(qū)城市群新增長(zhǎng)極，對(duì)接“一帶一路”形成合力的整體發(fā)展戰(zhàn)略。長(zhǎng)江中游地區(qū)自古以來(lái)就是農(nóng)業(yè)產(chǎn)業(yè)較為發(fā)達(dá)的地區(qū)，也是現(xiàn)階段我國(guó)重要的糧食產(chǎn)區(qū)，作為農(nóng)業(yè)產(chǎn)業(yè)發(fā)展先進(jìn)代表的農(nóng)業(yè)類上市企業(yè)也相對(duì)較為集中。整體來(lái)看，農(nóng)業(yè)類上市企業(yè)的經(jīng)濟(jì)效益普遍不高，市場(chǎng)一般認(rèn)為農(nóng)業(yè)類上市公司風(fēng)險(xiǎn)較高，投資效果不理想。因此，嘗試對(duì)這一地區(qū)農(nóng)業(yè)類上市企業(yè)的信用風(fēng)險(xiǎn)度量以及在此基礎(chǔ)上的信用風(fēng)險(xiǎn)有效管理進(jìn)行研究一方面十分具有實(shí)際意義，另一方面也能夠促進(jìn)長(zhǎng)江中游地區(qū)的農(nóng)業(yè)經(jīng)濟(jì)發(fā)展，助力產(chǎn)業(yè)對(duì)接和區(qū)域融合。

二、研究方法與指標(biāo)體系構(gòu)建

KMV模型是由美國(guó)專業(yè)信用風(fēng)險(xiǎn)咨詢公司KMV公司開(kāi)發(fā)的一類信用風(fēng)險(xiǎn)違約率預(yù)測(cè)模型。該模型的主要研究對(duì)象是上市公司，主要思想是運(yùn)用期權(quán)定價(jià)理論將上市公司的權(quán)益視為以公司資產(chǎn)為標(biāo)的的看漲期權(quán)。公司債務(wù)到期時(shí)公司違約代表該期權(quán)未被執(zhí)行，不違約則表示期權(quán)被執(zhí)行。公司的資產(chǎn)價(jià)值與設(shè)置違約點(diǎn)之間差值與公司資產(chǎn)價(jià)值標(biāo)準(zhǔn)差的比值稱為違約距離。該模型的計(jì)算方法認(rèn)為企業(yè)信用風(fēng)險(xiǎn)主要決定于企業(yè)資產(chǎn)市場(chǎng)價(jià)值、資產(chǎn)市場(chǎng)價(jià)值波動(dòng)率以及負(fù)債賬面價(jià)值這三個(gè)主要因素。當(dāng)前，KMV模型在國(guó)際范圍內(nèi)得到了廣泛的應(yīng)用是因?yàn)樵撃Ｐ途哂幸韵聝蓚€(gè)主要特點(diǎn)：首先，KMV模型的理論依據(jù)是發(fā)展較為成熟的期權(quán)定價(jià)理論，理論基礎(chǔ)扎實(shí)。其次，模型采用的數(shù)據(jù)主要是股票市場(chǎng)和上市公司財(cái)務(wù)報(bào)表中披露的數(shù)據(jù)，股市數(shù)據(jù)實(shí)時(shí)更新，財(cái)務(wù)報(bào)表中的指標(biāo)也容易獲得。

KMV模型具體求解步驟及公式如下：首先由上市企業(yè)的股權(quán)價(jià)值及其波動(dòng)性、債務(wù)償還時(shí)間、無(wú)風(fēng)險(xiǎn)借貸利率（這里一般取商業(yè)銀行一年期定期存款利率）及上市企業(yè)的負(fù)債價(jià)值計(jì)算出企業(yè)的資產(chǎn)市場(chǎng)價(jià)值及其波動(dòng)性。

E為公司的股權(quán)價(jià)值；D為公司負(fù)債；Va為公司資產(chǎn)的市場(chǎng)價(jià)值；τ為債務(wù)期限，一般為1年；σa為公司資產(chǎn)價(jià)值的波動(dòng)率；r為無(wú)風(fēng)險(xiǎn)利率；σE為公司股權(quán)價(jià)值的波動(dòng)率。股權(quán)價(jià)值E可以根據(jù)企業(yè)總股本和每股市價(jià)來(lái)決定。假設(shè)股票價(jià)格滿足對(duì)數(shù)正態(tài)分布，某股票在第i個(gè)月末的價(jià)格為Si，第i-1個(gè)月末的價(jià)格為Si-1，則其對(duì)數(shù)月收益率定義為：μi=ln（Si/Si-1），股票對(duì)數(shù)收益率的月波動(dòng)率計(jì)算公式為：

在得出了股價(jià)的月波動(dòng)率后就可以根據(jù)年波動(dòng)率與月波動(dòng)率之間的關(guān)系計(jì)算出年波動(dòng)率，計(jì)算公式如下

其次，根據(jù)上市企業(yè)的長(zhǎng)期負(fù)債和短期負(fù)債價(jià)值計(jì)算出企業(yè)的設(shè)置違約點(diǎn)，該模型假設(shè)上市公司資產(chǎn)價(jià)值服從對(duì)數(shù)正態(tài)分布，可以利用MATLAB軟件進(jìn)行迭代計(jì)算KMV方程組，得出上市公司的違約距離DD。 E（Va）為公司未來(lái)資產(chǎn)價(jià)值的期望值；DP為違約點(diǎn)（DP=SP+0.5LD），LD為企業(yè)的長(zhǎng)期負(fù)債，SD為企業(yè)的短期負(fù)債。

最后，根據(jù)上市企業(yè)的違約距離與預(yù)期違約率（EDF）之間的理論對(duì)應(yīng)關(guān)系或經(jīng)驗(yàn)函數(shù)對(duì)應(yīng)關(guān)系，求出企業(yè)的預(yù)期違約率。Pt=N（-DD），N（·）為標(biāo)準(zhǔn)正態(tài)分布函數(shù)。

三、長(zhǎng)江中游地區(qū)農(nóng)業(yè)類上市企業(yè)信用風(fēng)險(xiǎn)度量實(shí)證分析

（一）樣本選取與數(shù)據(jù)計(jì)算

長(zhǎng)江中游地區(qū)的江西、湖北、安徽、湖南四個(gè)省份在滬深股市上市的農(nóng)林牧漁類企業(yè)一共有十二家，再添加一部分較具有代表性的周邊省份農(nóng)業(yè)類上市企業(yè)作對(duì)比分析，本文一共選取了十七家上市企業(yè)樣本。首先，搜集這些樣本上市企業(yè)2015年三月末至2016年三月末的股權(quán)價(jià)值及負(fù)債價(jià)值數(shù)據(jù)。經(jīng)整理后列出表1：（數(shù)據(jù)來(lái)自于新浪財(cái)經(jīng)網(wǎng)http：//finance.sina.com.cn/stock/）

其次，搜集以上十七家企業(yè)同一時(shí)期的股價(jià)變化數(shù)據(jù)，并利用前文介紹的KMV模型計(jì)算公式得出上市企業(yè)的股票對(duì)數(shù)收益率、股票對(duì)數(shù)收益率的月波動(dòng)率及年波動(dòng)率，最后，利用MATLAB計(jì)算出上市企業(yè)資產(chǎn)市場(chǎng)價(jià)值、資產(chǎn)市場(chǎng)價(jià)值的波動(dòng)率及負(fù)債違約距離，并根據(jù)負(fù)債違約距離結(jié)合理論方法或經(jīng)驗(yàn)方法計(jì)算出企業(yè)的違約概率。

（二）計(jì)算結(jié)果分析

1.企業(yè)資產(chǎn)市場(chǎng)價(jià)值高于企業(yè)股權(quán)價(jià)值。雖然不同農(nóng)業(yè)類上市公司在股權(quán)結(jié)構(gòu)、負(fù)債規(guī)模等方面存在較大差異，但其資產(chǎn)價(jià)值均高于股權(quán)價(jià)值。這說(shuō)明農(nóng)業(yè)類上市公司具有較好的發(fā)展增值空間。

2.企業(yè)資產(chǎn)市場(chǎng)價(jià)值波動(dòng)率總體上與模型計(jì)算所得的企業(yè)違約距離呈反比。2015年4月到2016年3月間，整體資產(chǎn)價(jià)值波動(dòng)率較低的三家企業(yè)分別是農(nóng)產(chǎn)品、圣農(nóng)發(fā)展和金健米業(yè)。而這三家企業(yè)的違約距離分別排在表格中十七家企業(yè)的第四位、第五位和第一位。萬(wàn)福生科、新五豐和平潭發(fā)展等幾家資產(chǎn)價(jià)值波動(dòng)率最高的上市企業(yè)其負(fù)債違約距離均較小，違約概率較大。

3.農(nóng)業(yè)類上市公司信用風(fēng)險(xiǎn)相對(duì)較高。從搜集的十七家長(zhǎng)江中游地區(qū)農(nóng)業(yè)類上市公司的模型計(jì)算結(jié)果來(lái)看，所有的樣本企業(yè)違約距離均小于2。這說(shuō)明該區(qū)域農(nóng)業(yè)類上市企業(yè)整體經(jīng)營(yíng)狀況不穩(wěn)定，信用風(fēng)險(xiǎn)相對(duì)較高。

同時(shí)，根據(jù)這17家農(nóng)業(yè)類上市公司2015年4月到2016年3月間的股價(jià)變化趨勢(shì)和特點(diǎn)結(jié)合計(jì)算出來(lái)的信用風(fēng)險(xiǎn)狀況將其劃分為三個(gè)類型。

1.大湖股份、新五豐、萬(wàn)福生科和武昌魚(yú)這四家企業(yè)可以歸為第一類。這一類上市企業(yè)的模型計(jì)算違約距離都在1以下，信用風(fēng)險(xiǎn)較高。

2.以農(nóng)產(chǎn)品、正邦科技和平潭發(fā)展這三家企業(yè)為代表的九家企業(yè)可以歸為第二類。這一類上市企業(yè)的違約距離在1.7到1之間，信用風(fēng)險(xiǎn)相對(duì)第一類較小，屬于較為理想的投資對(duì)象。

3.金健米業(yè)、大康農(nóng)業(yè)、隆平高科和圣農(nóng)發(fā)展這四家企業(yè)可以歸為第三類。這類企業(yè)的計(jì)算違約距離都在1.7以上，在所有樣本企業(yè)中信用風(fēng)險(xiǎn)最小，屬于相對(duì)比較穩(wěn)健的投資對(duì)象。

表1　搖2015年第二季度至2016年第一季度的股權(quán)總價(jià)值及負(fù)債數(shù)據(jù)搖搖搖單位：元

四、對(duì)策與建議

重視農(nóng)業(yè)產(chǎn)業(yè)，采取各種措施促進(jìn)該地區(qū)農(nóng)業(yè)經(jīng)濟(jì)健康穩(wěn)定發(fā)展，是實(shí)現(xiàn)該地區(qū)綜合經(jīng)濟(jì)實(shí)力持續(xù)增強(qiáng)的必然要求。本文實(shí)證分析的結(jié)果顯示長(zhǎng)江中游地區(qū)農(nóng)業(yè)類上市企業(yè)整體信用風(fēng)險(xiǎn)較高，有效地度量和管控農(nóng)業(yè)類上市企業(yè)的信用風(fēng)險(xiǎn)，是促進(jìn)該地區(qū)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展的重要方法。以下是本文對(duì)長(zhǎng)江中游地區(qū)農(nóng)業(yè)類上市企業(yè)信用風(fēng)險(xiǎn)度量及管理提出的幾點(diǎn)建議：

（一）建立及時(shí)、誠(chéng)信、規(guī)范的信息披露制度

絕大多數(shù)信用風(fēng)險(xiǎn)度量模型依賴的數(shù)據(jù)都來(lái)源于上市公司的的財(cái)務(wù)報(bào)表，信用風(fēng)險(xiǎn)度量工作是否有效很大程度上取決于該上市公司披露的財(cái)務(wù)報(bào)表中的內(nèi)容是否真實(shí)。上市公司應(yīng)該本著對(duì)股東、對(duì)社會(huì)負(fù)責(zé)的態(tài)度，如實(shí)對(duì)自身財(cái)務(wù)數(shù)據(jù)進(jìn)行披露。政府相關(guān)監(jiān)管部門(mén)也應(yīng)當(dāng)加強(qiáng)對(duì)上市企業(yè)財(cái)務(wù)信息披露的監(jiān)管，減少虛假報(bào)告的情況。

（二）擴(kuò)大經(jīng)營(yíng)范圍，以多樣化經(jīng)營(yíng)降低風(fēng)險(xiǎn)

長(zhǎng)江中游地區(qū)在積極擴(kuò)大自身傳統(tǒng)的氣候資源優(yōu)勢(shì)以及通達(dá)南北的交通優(yōu)勢(shì)的同時(shí)，更應(yīng)該本著創(chuàng)新為本，擴(kuò)大開(kāi)放的思想著力實(shí)現(xiàn)區(qū)域產(chǎn)業(yè)對(duì)接和區(qū)域經(jīng)濟(jì)融合。這一區(qū)域的農(nóng)業(yè)類上市企業(yè)應(yīng)該借助這一發(fā)展戰(zhàn)略的東風(fēng)積極擴(kuò)大自身經(jīng)營(yíng)范圍和規(guī)模，一方面以多樣化經(jīng)營(yíng)降低整體信用風(fēng)險(xiǎn)，一方面大幅提高企業(yè)綜合實(shí)力。

（三）建立可量化的風(fēng)險(xiǎn)管理機(jī)制

建立可量化的風(fēng)險(xiǎn)管理機(jī)制是農(nóng)業(yè)類上市公司改善自身信用風(fēng)險(xiǎn)狀況的重要措施。風(fēng)險(xiǎn)管理機(jī)制是一個(gè)動(dòng)態(tài)和復(fù)雜的系統(tǒng)，農(nóng)業(yè)類上市公司在運(yùn)營(yíng)過(guò)程中應(yīng)將風(fēng)險(xiǎn)管理活動(dòng)所帶來(lái)的收入與支出具體量化為財(cái)務(wù)層面的損益?？闪炕娘L(fēng)險(xiǎn)管理機(jī)制，不僅有助于定期評(píng)估企業(yè)風(fēng)險(xiǎn)及風(fēng)險(xiǎn)管理的有效性，而且能夠有效預(yù)計(jì)公司潛在的風(fēng)險(xiǎn)，并制定相應(yīng)的解決方案。

（四）實(shí)現(xiàn)風(fēng)險(xiǎn)管理與公司業(yè)務(wù)流程的相互融合

目前我國(guó)農(nóng)業(yè)類上市公司的信用風(fēng)險(xiǎn)管理還存在很多弊端，隨著風(fēng)險(xiǎn)管理逐漸由業(yè)務(wù)層面上升到戰(zhàn)略高度，農(nóng)業(yè)類上市公司還應(yīng)當(dāng)進(jìn)一步實(shí)現(xiàn)風(fēng)險(xiǎn)管理與公司業(yè)務(wù)流程的相互融合。此外信用風(fēng)險(xiǎn)管理與公司業(yè)務(wù)流程的相互融合還可以打破企業(yè)面臨風(fēng)險(xiǎn)時(shí)的組織界限，從而進(jìn)一步降低運(yùn)營(yíng)成本提髙企業(yè)效益。

（五）建立完善的企業(yè)財(cái)務(wù)數(shù)據(jù)庫(kù)

不僅是農(nóng)業(yè)類的上市企業(yè)，對(duì)于所有重視自身信用風(fēng)險(xiǎn)管理的上市企業(yè)來(lái)說(shuō)，運(yùn)用信用風(fēng)險(xiǎn)度量模型進(jìn)行有效的信用風(fēng)險(xiǎn)度量和管理都需要建立完善的歷史財(cái)務(wù)數(shù)據(jù)庫(kù)和適用于具體情況的反映違約率EDF與違約距離DD關(guān)系的經(jīng)驗(yàn)函數(shù)。KMV模型在我國(guó)的應(yīng)用條件已基本具備，KMV模型在我國(guó)若能廣泛運(yùn)用必然能帶來(lái)巨大的經(jīng)濟(jì)價(jià)值。

［1］張能福，張佳.改進(jìn)的KMV模型在我國(guó)上市公司信用風(fēng)險(xiǎn)度量中的應(yīng)用［J］.預(yù)測(cè)，2010，（5）.

［2］劉迎春，劉霄.基于GARCH波動(dòng)模型的KMV信用風(fēng)險(xiǎn)度量研究［J］.東北財(cái)經(jīng)大學(xué)學(xué)報(bào)，2011，（3）.

［3］鄒謹(jǐn)如.基于KMV模型的我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理研究［D］.上海：華東師范大學(xué)，2012.

［4］鄒毅.基于KMV模型的中國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)度量和管理研究［D］.重慶：重慶大學(xué)，2013.

［5］DEAllen，RJPowell，AKSingh.Beyondreasonable doubt：MultipletailriskmeasuresAppliedtoEuropeanindustries. AppliedEconomicsLetters［J］.2012，（7）.

［6］Modelingtailcreditriskusingtransitionmatrices.MathematicsandComputersinSimulation［J］.2013.19.67-75

［7］李晶.基于KMV模型的商業(yè)銀行貸款定價(jià)問(wèn)題研究［D］.合肥：安徽大學(xué)2014.

［8］楊秀云，蔣園園，段珍珍.KMV模型在我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理中的適用性分析及實(shí)證檢驗(yàn)［J］.財(cái)經(jīng)理論與實(shí)踐，2016，（1）.

鄭文（1987—），男，東華理工大學(xué)經(jīng)濟(jì)與管理學(xué)院碩士研究生，研究方向?yàn)槠髽I(yè)管理。（江西南昌330013）

江西省經(jīng)濟(jì)社會(huì)重大招標(biāo)項(xiàng)目“打造生態(tài)文明建設(shè)江西樣板的實(shí)現(xiàn)路徑研究”（15ZD02）

［責(zé)任編輯：邵猷芬］