基于修正的KMV模型的信用風(fēng)險(xiǎn)度量

謝遠(yuǎn)濤，羅潤(rùn)方，楊 娟

（1.對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué) 保險(xiǎn)學(xué)院，北京100029；2.聯(lián)合資信評(píng)估有限公司研究部，北京100022；3.中國(guó)科學(xué)技術(shù)發(fā)展戰(zhàn)略研究院，北京 100038）

0 引言

國(guó)內(nèi)多數(shù)有關(guān)KMV模型信用風(fēng)險(xiǎn)度量的研究只對(duì)部分模型參數(shù)做出修正使其“我國(guó)國(guó)情化”，選取研究樣本不具一般性，得出KMV模型在我國(guó)適用的結(jié)論說(shuō)服力不足。本文基于國(guó)內(nèi)市場(chǎng)現(xiàn)實(shí)，對(duì)KMV模型中的變量做了全面修正，以便能更加客觀地評(píng)估KMV模型在度量我國(guó)房地產(chǎn)上市公司信用風(fēng)險(xiǎn)中的有效性。

目前，國(guó)內(nèi)外學(xué)者對(duì)KMV模型的應(yīng)用研究主要有兩方面：一是對(duì)KMV原始模型做實(shí)證分析，以驗(yàn)證其在信用風(fēng)險(xiǎn)度量中的有效性；二是對(duì)KMV原始模型做修正或拓展，并實(shí)證分析其預(yù)測(cè)信用風(fēng)險(xiǎn)的效果。在KMV原始模型實(shí)證分析方面，Jeffrey（1999）[1]將KMV模型的預(yù)測(cè)結(jié)果與標(biāo)準(zhǔn)普爾的信用評(píng)級(jí)進(jìn)行對(duì)比，發(fā)現(xiàn)結(jié)果高度相似；Crodlbie等（2003）[2]用KMV模型預(yù)測(cè)金融企業(yè)的預(yù)期違約概率，結(jié)果發(fā)現(xiàn)KMV模型能在該類企業(yè)破產(chǎn)或違約之前準(zhǔn)確度量出信用質(zhì)量的變化；Bohn等（2005）[3]對(duì)美國(guó)市場(chǎng)部分經(jīng)營(yíng)業(yè)績(jī)較好和較差的公司進(jìn)行研究，發(fā)現(xiàn)KMV模型度量這些公司信用風(fēng)險(xiǎn)的結(jié)果有顯著差異，得出KMV模型能有效識(shí)別公司信用風(fēng)險(xiǎn)的結(jié)果；謝遠(yuǎn)濤等（2016）[4]選取ST和非ST上市公司做實(shí)證研究，發(fā)現(xiàn)KMV能夠較好識(shí)別我國(guó)上市公司信用風(fēng)險(xiǎn)情況；Miklos等（2015）[5]分析了瑞典的房地產(chǎn)公司在2007—2014年間的信用風(fēng)險(xiǎn)；Chen和Chu（2014）[6]研究了中國(guó)房地產(chǎn)公司的信用風(fēng)險(xiǎn)。在模型修正、拓展及實(shí)證方面，Gumowski（2012）[7]提出了估計(jì)中的修正問(wèn)題，也為本文模型修正分析提供參考；Sobehart等（2000）[8]通過(guò)采用最新的模型有效性驗(yàn)證技術(shù)來(lái)實(shí)證表明KMV模型比其他模型更能準(zhǔn)確預(yù)測(cè)到信用風(fēng)險(xiǎn)的變化趨勢(shì)；劉珍珍和朱衛(wèi)東（2015）[9]對(duì)KMV模型中資產(chǎn)價(jià)值增長(zhǎng)率的修正進(jìn)行研究，分別用總資產(chǎn)增長(zhǎng)率、營(yíng)業(yè)總收入增長(zhǎng)率等5個(gè)指標(biāo)進(jìn)行修正。

本文在前人研究的基礎(chǔ)上做了以下改進(jìn)工作：一是對(duì)模型參數(shù)進(jìn)行全面修正，以更符合我國(guó)國(guó)情。具體做法包括采用GARCH（1,1）模型計(jì)算股市波動(dòng)率，采用更能反映市場(chǎng)信息的股權(quán)市場(chǎng)價(jià)值計(jì)算流通股和非流通股價(jià)值，選取多組違約觸發(fā)點(diǎn)DPT進(jìn)行實(shí)證對(duì)比，采用加權(quán)平均中央銀行一年期定期存款利率作為無(wú)風(fēng)險(xiǎn)利率以及采用公司總資產(chǎn)的三年平均增長(zhǎng)率作為資產(chǎn)價(jià)值增長(zhǎng)率輸入?yún)?shù)；二是將樣本選取一般化，放寬樣本選擇限制，以便能更客觀地評(píng)估KMV模型度量房地產(chǎn)企業(yè)信用風(fēng)險(xiǎn)的敏感度。本文選取2014年虧損的房地產(chǎn)上市公司與沒(méi)有虧損的企業(yè)進(jìn)行比較，而非選取信用風(fēng)險(xiǎn)差距明顯的ST和非ST公司進(jìn)行對(duì)比研究。

1 修正的KMV模型構(gòu)建與參數(shù)估計(jì)

1.1KMV理論模型

設(shè)KMV模型中違約觸發(fā)點(diǎn)的值為DPT，t時(shí)刻公司資產(chǎn)價(jià)值及其波動(dòng)率分別為Vt和σv，資產(chǎn)價(jià)值增長(zhǎng)率為u。假設(shè)資產(chǎn)價(jià)值服從正態(tài)分布，由于BSM（Black-Scholes-Merton）模型中假設(shè)未來(lái)t時(shí)刻企業(yè)資產(chǎn)價(jià)值Vt低于違約觸發(fā)點(diǎn)DPT值時(shí)，將觸發(fā)企業(yè)違約，因此，未來(lái)t時(shí)刻企業(yè)的預(yù)期違約概率Pt計(jì)算公式為：

由正態(tài)分布累積概率分布的性質(zhì)得t時(shí)刻企業(yè)預(yù)期違約概率為Pt：

KMV模型中違約距離DD為：

在BSM模型假設(shè)下進(jìn)一步整理式（3）得：

在KMV原始模型理論中，一般將違約觸發(fā)點(diǎn)DPT的值設(shè)為短期負(fù)債與長(zhǎng)期負(fù)債一半之和。

1.2 KMV模型參數(shù)：公司資產(chǎn)價(jià)值Vt和資產(chǎn)價(jià)值波動(dòng)率σv

在式（4）中存在兩個(gè)未知變量Vt和σv，這兩個(gè)變量的值不能直接從市場(chǎng)數(shù)據(jù)中獲取，為此，解出他們的值還需要一個(gè)方程。

根據(jù)Black-Scholes期權(quán)定價(jià)公式及BSM模型的假設(shè)，t時(shí)刻企業(yè)的負(fù)債價(jià)值D、公司股權(quán)市值為E、無(wú)風(fēng)險(xiǎn)利率γ和資產(chǎn)價(jià)值σv之間存在關(guān)系式：

其中

而公司股權(quán)價(jià)值的波動(dòng)性σE和資產(chǎn)價(jià)值的波動(dòng)性σv則存在以下關(guān)系：

解方程式（5）和式（6）就可求得資產(chǎn)價(jià)值及其波動(dòng)率Vt和σv。

1.3 動(dòng)態(tài)波動(dòng)率參數(shù)σE的估計(jì)

根據(jù)Li等（2016）[10]關(guān)于ZPP模型和KMV模型的比較分析可知，KMV模型在出現(xiàn)ARCH時(shí)擬合效果比ZPP模型差。金融時(shí)間序列預(yù)測(cè)誤差的方差經(jīng)常具有ARCH效應(yīng)，而且方差方程中的滯后項(xiàng)很大，過(guò)多的滯后項(xiàng)會(huì)影響參數(shù)的估計(jì)效果，而GARCH模型充分考慮到了干擾項(xiàng)及方差的滯后性的同時(shí)也考慮到了過(guò)多滯后項(xiàng)的問(wèn)題，計(jì)算結(jié)果更符合股價(jià)波動(dòng)的現(xiàn)實(shí)情況。謝遠(yuǎn)濤等（2014）[11]通過(guò)實(shí)證得出在股價(jià)波動(dòng)率的計(jì)算中，采用GARCH（1,1）模型計(jì)算的股價(jià)波動(dòng)率比采用靜態(tài)模型更加準(zhǔn)確。模型為：

其中，α為回報(bào)系數(shù)，β為滯后系數(shù)，α≥0，β≥0。

式（7）給出的均值方程是一個(gè)帶有誤差項(xiàng)的外生變量函數(shù)，是以前面信息為基礎(chǔ)預(yù)測(cè)方差，所以叫條件均值方差。式（8）中，ω為常數(shù)項(xiàng)，ε2i-1是用均值方差的殘差平方的滯后項(xiàng)，σ2t-1為上一期的預(yù)測(cè)方差，此方程稱條件方差方程，說(shuō)明時(shí)間序列條件方差的變化特征。

2 實(shí)證分析

KMV公司通過(guò)長(zhǎng)期的經(jīng)驗(yàn)數(shù)據(jù)積累，建立了違約距離DD與預(yù)期違約概率EDF間的映射關(guān)系數(shù)據(jù)庫(kù)，求出違約距離DD便可查出準(zhǔn)確的經(jīng)驗(yàn)預(yù)期違約概率EDF。由于KMV模型尚未在我國(guó)普及，缺乏相應(yīng)的經(jīng)驗(yàn)數(shù)據(jù)庫(kù)，通過(guò)違約距離DD與預(yù)期違約概率EDF間的映射關(guān)系求出預(yù)期違約概率EDF的做法目前尚不可行，故只能通過(guò)比較不同樣本之間違約距離DD和理論預(yù)期違約概率EDF的差異來(lái)判斷KMV模型的敏感度及適用性。

2.1 樣本選擇

本文以利潤(rùn)總額這一指標(biāo)對(duì)研究樣本進(jìn)行分組，將2014年利潤(rùn)總額為正的房地產(chǎn)上市公司樣本當(dāng)作“正常組”，而將利潤(rùn)總額為負(fù)的樣本當(dāng)作“虧損組”，在此基礎(chǔ)上再選取與之配對(duì)的另外32家“正常組”樣本。在選取正常組樣本時(shí)，盡力減小以下因素的不利影響：（1）不同行業(yè)的影響。不同行業(yè)在相同處境下的違約趨勢(shì)并不一定相同，為排除不同行業(yè)對(duì)模型度量的準(zhǔn)確性造成偏差，本文選擇樣本均屬于房地產(chǎn)上市公司。（2）公司規(guī)模對(duì)測(cè)量結(jié)果的影響。為盡量排除公司規(guī)模對(duì)模型帶來(lái)的偏差，選擇“正常組”房地產(chǎn)企業(yè)樣本時(shí)，本文從164家未虧損的企業(yè)中，選擇資產(chǎn)總額最接近“虧損組”的32家企業(yè)作為樣本。繪制直方圖，分別輔以正態(tài)分布的概率密度曲線，對(duì)比組與正常組的直方圖見(jiàn)圖1和圖2。

圖2正常組，正態(tài)分布假定

由圖1和圖2可知，正態(tài)分布擬合效果不好。事實(shí)上，KMV模型的基礎(chǔ)是BSM模型，隱含著對(duì)數(shù)正態(tài)分布假定。分別輔以對(duì)數(shù)正態(tài)分布的概率密度曲線，對(duì)比組與正常組的直方圖見(jiàn)圖3和圖4。

圖3對(duì)比組，對(duì)數(shù)正態(tài)分布假定

2.2 參數(shù)估計(jì)

KMV原始模型假定無(wú)風(fēng)險(xiǎn)利率為常量，并將該常量指定為期限90天的美國(guó)短期國(guó)債收益率?？紤]到我國(guó)國(guó)債市場(chǎng)發(fā)展較晚，民眾投資國(guó)債普及率不高而更傾向投資定期存款產(chǎn)品，本文將無(wú)風(fēng)險(xiǎn)利率r確定為中國(guó)人民銀行公布的1年定期存款利率。2014年11月22日中國(guó)人民銀行將1年定期存款利率由原來(lái)的3.0%調(diào)整為2.75%，為更準(zhǔn)確計(jì)算無(wú)風(fēng)險(xiǎn)利率，本文采用加權(quán)平均法計(jì)算無(wú)風(fēng)險(xiǎn)利率，權(quán)重為持續(xù)該利率的天數(shù)占全年天數(shù)的比重，得到加權(quán)平均的年無(wú)風(fēng)險(xiǎn)利率后，計(jì)算連續(xù)復(fù)利下的無(wú)風(fēng)險(xiǎn)利率值為2.74%。

圖4正常組，對(duì)數(shù)正態(tài)分布假定

在KMV模型中將債務(wù)期限確定為1年，而國(guó)內(nèi)外眾多學(xué)者在研究過(guò)程中也將債務(wù)期限確定為1年。為此，本文也將債務(wù)期限確定為1年，所選數(shù)據(jù)的計(jì)算周期是2014年1月1日至2014年12月31日。

在KMV模型的應(yīng)用中，各公司可以根據(jù)自身情況確定違約觸發(fā)點(diǎn)DPT。國(guó)內(nèi)不少學(xué)者對(duì)違約觸發(fā)點(diǎn)DPT做出了修正,選用了相應(yīng)的不同長(zhǎng)期債務(wù)系數(shù)。謝遠(yuǎn)濤等（2016）[4]發(fā)現(xiàn)長(zhǎng)期負(fù)債占75%時(shí)，實(shí)證違約概率對(duì)我國(guó)上市公司信用有更好地反映；李博和王海生（2008）[12]比較長(zhǎng)期債務(wù)系數(shù)25%、50%和75%，發(fā)現(xiàn)25%的長(zhǎng)期負(fù)債比例實(shí)證結(jié)果最佳；劉珍珍和朱衛(wèi)東（2015）[9]實(shí)證發(fā)現(xiàn)長(zhǎng)期負(fù)債系數(shù)為10%時(shí)，違約公司與非違約公司違約距離差異最大。為客觀評(píng)估不同長(zhǎng)期債務(wù)系數(shù)對(duì)應(yīng)的不同違約觸發(fā)點(diǎn)DPT對(duì)KMV模型度量結(jié)果的影響并找到最佳違約觸發(fā)點(diǎn)DPT，本文選取多組違約觸發(fā)點(diǎn)對(duì)KMV模型進(jìn)行實(shí)證，將相應(yīng)的長(zhǎng)期債務(wù)系數(shù)分別設(shè)為10%、25%、50%、75%。

KMV原始模型中的資產(chǎn)價(jià)值預(yù)期增長(zhǎng)率u設(shè)定為0，這顯然與現(xiàn)實(shí)情況相互違背。國(guó)內(nèi)學(xué)者也對(duì)KMV模型資產(chǎn)增長(zhǎng)率u的確定做了研究。劉珍珍和朱衛(wèi)東（2015）[9]采用公司三年凈收益增長(zhǎng)率的算術(shù)平均數(shù)表示公司資產(chǎn)價(jià)值的年增長(zhǎng)率，識(shí)別效果較好；楊永生和周子元（2010）[13]實(shí)證發(fā)現(xiàn)用總資產(chǎn)的增長(zhǎng)率估計(jì)資產(chǎn)價(jià)值增長(zhǎng)率時(shí)，模型風(fēng)險(xiǎn)預(yù)測(cè)能力最好。為了讓資產(chǎn)價(jià)值增長(zhǎng)率能反映出資產(chǎn)價(jià)值的長(zhǎng)期增長(zhǎng)趨勢(shì)，本文選取總資產(chǎn)的三年平均增長(zhǎng)率作為資產(chǎn)價(jià)值預(yù)期增長(zhǎng)率u。

本文提取2014年64家上市公司1年的收盤價(jià)數(shù)據(jù)，在SAS統(tǒng)計(jì)軟件中利用GARCH（1,1）模型估計(jì)出股票價(jià)格的日波動(dòng)率σ0，并通過(guò)σE=σ0將日波動(dòng)率σ0轉(zhuǎn)化為年波動(dòng)率σE，T為各房地產(chǎn)上市公司1年內(nèi)的實(shí)際交易天數(shù)。

由于無(wú)法直接獲取公司資產(chǎn)價(jià)值Vt資產(chǎn)價(jià)值波動(dòng)率σv，因此需要在計(jì)算得到股票價(jià)格E和股價(jià)波動(dòng)率σE后，使用MATLAB軟件求解方程組式（5）和式（6）便得出公司資產(chǎn)價(jià)值Vt和資產(chǎn)價(jià)值波動(dòng)率σv。

2.3 違約距離和預(yù)期違約概率

本文在國(guó)內(nèi)學(xué)者的研究基礎(chǔ)上，除了采用KMV模型默認(rèn)的長(zhǎng)期債務(wù)系數(shù)0.5時(shí)的違約觸發(fā)點(diǎn)DPT外，還分別采用了長(zhǎng)期債務(wù)系數(shù)為0.1、0.25和0.75時(shí)的違約觸發(fā)點(diǎn)DPT做實(shí)證。選用長(zhǎng)期債務(wù)系數(shù)為0.1、0.25、0.5和0.75時(shí)計(jì)算出的相應(yīng)違約距離DD和預(yù)期違約概率EDF分別表 示 為 ：DD1、DD2、DD3、DD4 和 EDF1、EDF2、EDF3、EDF4。

2.4 結(jié)果分析

2.4.1 正常組與對(duì)比組實(shí)證結(jié)果分析

橫向比較“正常組”和“虧損組”違約距離DD和預(yù)期違約概率EDF與長(zhǎng)期債務(wù)系數(shù)之間的關(guān)系，本文發(fā)現(xiàn)：無(wú)論違約觸發(fā)點(diǎn)中的長(zhǎng)期債務(wù)系數(shù)取01、0.25、0.5還是0.75，違約距離DD和預(yù)期違約概率大小差別不明顯?？梢?jiàn)在用KMV模型對(duì)我國(guó)房地產(chǎn)上市公司信用風(fēng)險(xiǎn)測(cè)量過(guò)程中，不同長(zhǎng)期債務(wù)系數(shù)的選取對(duì)模型實(shí)證結(jié)果的影響很有限，幾乎可以忽略不計(jì)。

由于長(zhǎng)期債務(wù)系數(shù)對(duì)于模型結(jié)果的影響可忽略不計(jì)，本文選取了“正常組”的違約距離DD3、預(yù)期違約概率EDF3和“虧損組”的違約距離DD3、預(yù)期違約概率EDF3繪制散點(diǎn)圖（見(jiàn)下頁(yè)圖5和圖6）?？煽闯觥罢＝M”整體違約距離DD比“虧損組”略高，而預(yù)期違約概率EDF則無(wú)顯著區(qū)別，但是數(shù)值之間的差值僅在顯著時(shí)才有意義。

為進(jìn)一步驗(yàn)證其差異性，本文構(gòu)建t檢驗(yàn)和TOST總體等效性檢驗(yàn)，結(jié)果見(jiàn)表1。

圖5正常組與虧損組違約距離DD3比較

圖6正常組與虧損組預(yù)期違約概率EDF3比較

通過(guò)上述檢驗(yàn)可知，他們之間沒(méi)有顯著性差異。其結(jié)果說(shuō)明：（1）KMV模型對(duì)于我國(guó)房地產(chǎn)上市公司的違約情況的測(cè)量敏感度很有限，它可以將上市公司的經(jīng)營(yíng)業(yè)績(jī)反映到模型求得的違約距離DD中，但敏感度不理想。（2）對(duì)于房地產(chǎn)上市公司來(lái)說(shuō)，僅通過(guò)比較KMV模型計(jì)算出的上市公司違約距離DD或預(yù)期違約概率EDF值的差異性不能區(qū)分上市公司信用質(zhì)量的高低。

表1 正常組和對(duì)比組的違約距離DD、預(yù)期違約概率EDF的比較檢驗(yàn)

此外，從本文實(shí)證結(jié)果中也發(fā)現(xiàn)：（1）KMV模型中違約距離DD的計(jì)算結(jié)果對(duì)于股票價(jià)值的敏感度不是很高。例如“虧損組”中股票代碼為“000711”和“000505”的上市公司股票市場(chǎng)價(jià)值差高達(dá)661802286元，但是計(jì)算得出的違約距離DD都是2.06；（2）KMV模型中違約距離DD的計(jì)算結(jié)果受股價(jià)波動(dòng)率的影響較大。例如“正常組”中股票代碼為“600162”和“300262”的上市公司資產(chǎn)規(guī)模只差5510009元，但因兩家企業(yè)股票價(jià)格波動(dòng)率差達(dá)3%，因此違約距離DD差高達(dá)0.05。

2.4.2 違約距離DD和預(yù)期違約概率EDF影響因素分析

第一，股權(quán)價(jià)值與違約距離DD同方向變動(dòng)，與預(yù)期違約概率EDF反方向變動(dòng)。股權(quán)價(jià)值雖然對(duì)于違約距離DD和預(yù)期違約概率的影響沒(méi)有股價(jià)波動(dòng)率大，但在其他條件相同的情況下，股權(quán)價(jià)值與違約距離DD呈同方向變動(dòng)關(guān)系，而與預(yù)期違約概率EDF則呈反方向變動(dòng)關(guān)系。這說(shuō)明在其他條件相同的情況下，股權(quán)價(jià)值大的公司較股權(quán)價(jià)值小的公司來(lái)說(shuō)預(yù)期違約概率EDF偏小。

第二，股價(jià)波動(dòng)率與違約距離DD反方向變動(dòng)，與預(yù)期違約概率EDF同方向變動(dòng)。股價(jià)波動(dòng)率與違約距離DD和預(yù)期違約概率EDF間的變動(dòng)關(guān)系較明顯，例如股票編號(hào)為“600326”的房地產(chǎn)上市公司，由于其年股價(jià)波動(dòng)率只有0.04，其違約距離DD高達(dá)24，即便這個(gè)公司在2014年中出現(xiàn)業(yè)績(jī)虧損，其違約概率仍接近0。因此，在其他條件不變的情況下，股價(jià)波動(dòng)率較大的房地產(chǎn)上市公司的違約距離DD較小，預(yù)期違約概率EDF較大。

第三，短期負(fù)債和長(zhǎng)期負(fù)債與違約距離DD反方向變動(dòng)，與預(yù)期違約概率EDF同方向變動(dòng)。由于短期負(fù)債的增加和長(zhǎng)期債務(wù)的增加會(huì)增加違約觸發(fā)點(diǎn)DPT的值，公司資產(chǎn)價(jià)值較容易出現(xiàn)低于違約觸發(fā)點(diǎn)DPT值而導(dǎo)致違約的可能性增加。分析我國(guó)房地產(chǎn)上市公司實(shí)證結(jié)果，雖然增加長(zhǎng)期債務(wù)系數(shù)對(duì)于計(jì)算違約距離DD和預(yù)期違約概率EDF的變化不明顯，但也存在一定的影響。例如股票代碼為“600675”的房企，當(dāng)違約觸發(fā)點(diǎn)DPT增加時(shí)期違約距離DD明顯減小，預(yù)期違約概率EDF則明顯增加。短期債務(wù)的增加同樣會(huì)增加違約觸發(fā)點(diǎn)DPT的值，使得資產(chǎn)價(jià)值降到這一點(diǎn)會(huì)更容易，所以在某種程度上會(huì)減小違約距離DD和預(yù)期違約概率EDF。不過(guò)違約觸發(fā)點(diǎn)DPT是人為設(shè)定的值，如何設(shè)定其值以達(dá)到預(yù)測(cè)信用風(fēng)險(xiǎn)的最佳效果還有待進(jìn)一步研究。

3 結(jié)論

在我國(guó)推廣使用KMV模型度量信用風(fēng)險(xiǎn)還存在以下局限性：

第一，我國(guó)目前沒(méi)有可靠的違約距離DD和預(yù)期違約概率EDF的經(jīng)驗(yàn)數(shù)據(jù)庫(kù)累積。KMV公司通過(guò)積累大量公司的違約數(shù)據(jù)，建立了違約距離DD和預(yù)期違約概率EDF之間的映射關(guān)系數(shù)據(jù)庫(kù)。數(shù)據(jù)庫(kù)中的預(yù)期違約概率EDF是通過(guò)用長(zhǎng)期累積的經(jīng)驗(yàn)數(shù)據(jù)調(diào)整而得，即它是經(jīng)驗(yàn)數(shù)據(jù)對(duì)用KMV原始模型算出的理論預(yù)期違約概率EDF不斷進(jìn)行調(diào)整而得到的“經(jīng)驗(yàn)預(yù)期違約概率EDF”。我國(guó)沒(méi)有建立完善的信用制度，相關(guān)企業(yè)無(wú)違約數(shù)據(jù)積累或積累不足，無(wú)法像KMV公司一樣不斷調(diào)整而測(cè)算比較準(zhǔn)確的“經(jīng)驗(yàn)預(yù)期違約概率EDF”，只能測(cè)算KMV原始模型中的理論預(yù)期違約概率EDF。而KMV原始模型中的理論預(yù)期違約概率EDF的計(jì)算是建立在資產(chǎn)價(jià)值服從正態(tài)分布、市場(chǎng)無(wú)稅收、無(wú)套利現(xiàn)象存在、無(wú)市場(chǎng)交易費(fèi)用等一系列理想假設(shè)的基礎(chǔ)上，計(jì)算得到的預(yù)期違約概率EDF準(zhǔn)確性大打折扣。

第二，我國(guó)股票市場(chǎng)尚不完善對(duì)KMV模型度量信用風(fēng)險(xiǎn)的有效性產(chǎn)生不良影響。我國(guó)股票市場(chǎng)雖在高速發(fā)展，但目前仍然處于弱型有效的水平，信息的不對(duì)稱性難免會(huì)導(dǎo)致市場(chǎng)出現(xiàn)非理性行為。例如2015年股票市場(chǎng)中出現(xiàn)了惡意做空的行為，導(dǎo)致股票價(jià)格的波動(dòng)率劇增，而KMV模型在信用風(fēng)險(xiǎn)的度量中對(duì)于股價(jià)波動(dòng)率敏感度很高，異常股價(jià)波動(dòng)率輸入值會(huì)計(jì)算出偏離實(shí)際情況的違約距離DD和預(yù)期違約概率EDF，從而導(dǎo)致模型預(yù)測(cè)失真。

第三，會(huì)計(jì)信息失真影響KMV預(yù)測(cè)的準(zhǔn)確性。目前，一些房地產(chǎn)上市公司仍存在財(cái)務(wù)披露不及時(shí)和不完善的現(xiàn)象，這也在一定程度上影響了KMV模型在我國(guó)的適用性。KMV是一個(gè)動(dòng)態(tài)測(cè)量模型，對(duì)輸入變量有及時(shí)性和準(zhǔn)確性的要求，這對(duì)KMV模型度量信用風(fēng)險(xiǎn)的有效性產(chǎn)生負(fù)面影響。

第四，部分模型參數(shù)設(shè)置還不夠準(zhǔn)確。KMV原始模型中的無(wú)風(fēng)險(xiǎn)利率采用的是美國(guó)短期國(guó)債利率，對(duì)于債券市場(chǎng)發(fā)達(dá)的美國(guó)，國(guó)債利率接近無(wú)風(fēng)險(xiǎn)利率。本文假設(shè)固定存款利率為無(wú)風(fēng)險(xiǎn)利率，而實(shí)際上該利率與真實(shí)的無(wú)風(fēng)險(xiǎn)利率存在一定差距。此外，為盡力做到準(zhǔn)確估計(jì)，本文雖然選用總資產(chǎn)的三年平均增長(zhǎng)率作為資產(chǎn)價(jià)值預(yù)期增長(zhǎng)率，但與實(shí)際資產(chǎn)價(jià)值增長(zhǎng)率仍有一定出入。參數(shù)設(shè)置不夠準(zhǔn)確在一定程度上導(dǎo)致模型計(jì)算結(jié)果失真。

第五，KMV模型計(jì)算違約概率EDF時(shí)無(wú)法識(shí)別還款意愿較強(qiáng)的企業(yè)。不同企業(yè)的還款意愿不同，KMV在計(jì)算違約距離DD和預(yù)期違約概率EDF時(shí)，存在當(dāng)企業(yè)資產(chǎn)市場(chǎng)價(jià)值小于違約觸發(fā)點(diǎn)DPT的值時(shí)會(huì)發(fā)生違約的假設(shè)。但現(xiàn)實(shí)中不少企業(yè)具有強(qiáng)烈的持續(xù)經(jīng)營(yíng)意愿，具備很強(qiáng)的還款意愿，這樣的企業(yè)即便在企業(yè)資產(chǎn)市場(chǎng)價(jià)值遠(yuǎn)低于違約觸發(fā)點(diǎn)DPT值時(shí)也不會(huì)發(fā)生違約，KMV模型無(wú)法考慮到這樣的極端情況而導(dǎo)致一定程度的預(yù)測(cè)偏差。