基于KMV模型的創(chuàng)業(yè)板上市公司信用風(fēng)險(xiǎn)研究

程曉艷， 褚曉飛

(河南科技大學(xué) 經(jīng)濟(jì)學(xué)院， 河南 洛陽 471023)

2009年10月30日，我國創(chuàng)業(yè)板正式拉開序幕，它的推出為創(chuàng)業(yè)型企業(yè)、中小企業(yè)和高科技產(chǎn)業(yè)企業(yè)提供了便捷的融資渠道，滿足了投融資主體多樣化的需求，同時(shí)也提升了我國資本市場(chǎng)的競(jìng)爭(zhēng)力。長期以來，創(chuàng)業(yè)板扶持著一批批的高成長性企業(yè)不斷發(fā)展擴(kuò)大，這些企業(yè)對(duì)資金的需求非常旺盛，它們較好的成長性和廣闊的發(fā)展前景成為商業(yè)銀行的主要貸款對(duì)象。然而，由于創(chuàng)業(yè)板上市的企業(yè)大多處于發(fā)展初期，規(guī)模較小，抗風(fēng)險(xiǎn)能力也較差，而創(chuàng)業(yè)板市場(chǎng)準(zhǔn)入門檻低且未完全建立對(duì)這些上市企業(yè)的財(cái)務(wù)評(píng)估體系，其高成長性的背后隱藏著巨大的經(jīng)營風(fēng)險(xiǎn)，財(cái)務(wù)危機(jī)事件頻頻發(fā)生，最終導(dǎo)致信用違約。信用風(fēng)險(xiǎn)事件的發(fā)生使創(chuàng)業(yè)板上市公司無法獲取銀行機(jī)構(gòu)和投資者的信任，因而陷入融資難的惡性循環(huán)中。因此，研究創(chuàng)業(yè)板上市公司的信用風(fēng)險(xiǎn)不僅可以為其獲得長期借款提供佐證，而且對(duì)銀行等金融機(jī)構(gòu)明確把握這類上市公司的信用狀況有重要作用。

在此背景下，關(guān)注我國創(chuàng)業(yè)板上市公司的財(cái)務(wù)狀況，識(shí)別其信用風(fēng)險(xiǎn)，建立符合我國市場(chǎng)經(jīng)濟(jì)體制的信用風(fēng)險(xiǎn)管理方法，不論對(duì)于政府政策的制定、金融機(jī)構(gòu)的投資判定、個(gè)體投資還是所有該行業(yè)的參與者來說都至關(guān)重要。對(duì)于政府監(jiān)管部門來說，準(zhǔn)確度量信用風(fēng)險(xiǎn)有利于完善和發(fā)展多層次資本市場(chǎng)，保持經(jīng)濟(jì)活力，提高融資效率；對(duì)于投資者來說，準(zhǔn)確度量信用風(fēng)險(xiǎn)有助于作出資產(chǎn)配置、分散風(fēng)險(xiǎn)的合理決策；對(duì)于上市公司來說，及時(shí)運(yùn)用風(fēng)險(xiǎn)度量模型對(duì)公司的財(cái)務(wù)狀況做出預(yù)測(cè)，有助于公司提早預(yù)警可能的財(cái)務(wù)危機(jī)，化解潛在的信用風(fēng)險(xiǎn)。

一、文獻(xiàn)綜述

自KMV模型建立以來，國內(nèi)外學(xué)者針對(duì)KMV模型對(duì)信用風(fēng)險(xiǎn)的測(cè)度進(jìn)行了比較系統(tǒng)完善的研究。具體來講包括對(duì)KMV模型的理論介紹、有效性驗(yàn)證、適用性以及修正研究，其模型應(yīng)用日趨成熟。

作為KMV模型的先驅(qū)者，Mc Quown與Vasicek改進(jìn)BSM模型時(shí)，既考慮企業(yè)的負(fù)債水平、股價(jià)波動(dòng)等市場(chǎng)信息，又關(guān)注公司的財(cái)務(wù)信息，最終改進(jìn)期權(quán)定價(jià)公式來評(píng)估公司的違約風(fēng)險(xiǎn)，開發(fā)出了KMV模型，并首先對(duì)其進(jìn)行有效性驗(yàn)證。他們分別通過計(jì)算IBM公司在其機(jī)構(gòu)信用評(píng)級(jí)惡化前的5年EDF變化趨勢(shì)、泰國國家銀行在泰國危機(jī)發(fā)生前的4年EDF值，以及世通和UA公司在申請(qǐng)破產(chǎn)之前的信用風(fēng)險(xiǎn)波動(dòng)情況，證明了KMV模型較強(qiáng)的敏感性和適用性[1]。M.Tudela和G.Young、Douglas Dwyer和Irina Korablev分別通過實(shí)證將KMV模型與Probit模型、Z值信用評(píng)分模型進(jìn)行比較[2-3]，最終均證實(shí)了該模型相較其他模型更好的預(yù)測(cè)性。

國外在KMV的修正方面，主要是針對(duì)模型中的參數(shù)進(jìn)行改進(jìn)。Lee在求解最優(yōu)KMV模型的違約點(diǎn)時(shí)，提出了一種新的遺傳算法，利用新的改進(jìn)模型GA-KMV進(jìn)行實(shí)證分析[4]。Yeh、Lin等通過結(jié)合RF、RST和KMV模型，對(duì)KMV模型進(jìn)行了優(yōu)化[5]。Zhang和Shi將模糊聚類思想引入到了PSO-KMV模型中，并對(duì)違約點(diǎn)的設(shè)定規(guī)則進(jìn)行改進(jìn)最終找到了最優(yōu)的違約點(diǎn)[6]。

國內(nèi)對(duì)KMV模型的研究大多集中于理論介紹、適用性、實(shí)際應(yīng)用領(lǐng)域方面，以及對(duì)KMV模型的修正。陳忠陽首先對(duì)KMV模型的理論進(jìn)行闡述，同時(shí)將該模型與Credit Metrics模型進(jìn)行對(duì)比分析[7]。張澤京、陳曉紅等通過對(duì)眾多風(fēng)險(xiǎn)測(cè)量模型的差異性分析，證明KMV模型適合于公司的風(fēng)險(xiǎn)評(píng)估[8]。黃薇薇在進(jìn)行實(shí)證研究時(shí)，運(yùn)用包括KMV在內(nèi)的眾多有效性驗(yàn)證工具驗(yàn)證模型的有效性，并表示KMV模型在信用風(fēng)險(xiǎn)較小的樣本中對(duì)于公司風(fēng)險(xiǎn)判斷能力優(yōu)于Z-Score模型[9]。凌江懷和劉燕媚將KMV模型運(yùn)用到商業(yè)銀行的風(fēng)險(xiǎn)評(píng)價(jià)中，得出運(yùn)用定量方法計(jì)算出的銀行預(yù)期違約率與采用定性方法得出的評(píng)級(jí)結(jié)果相吻合的結(jié)[10]。此后，KMV模型逐漸應(yīng)用于制造業(yè)、房地產(chǎn)和金融等各個(gè)行業(yè)領(lǐng)域。

國內(nèi)對(duì)模型的修正研究，比如閆海峰、華雯君對(duì)股權(quán)價(jià)值波動(dòng)率和資產(chǎn)價(jià)值及其波動(dòng)率的估算作出了修正，研究顯示，修正后的KMV模型準(zhǔn)確性、敏感性更好[11]。史小坤、陳昕在對(duì)商業(yè)銀行風(fēng)險(xiǎn)管理的研究中對(duì)KMV模型的違約點(diǎn)進(jìn)行了修正[12]。鄒薇則對(duì)資產(chǎn)價(jià)值增長率以及違約點(diǎn)進(jìn)行修正，并表明此修正達(dá)到了75.56%的準(zhǔn)確率[13]。姚德權(quán)、張宏亮等選取16家在滬深證券市場(chǎng)上市交易的商業(yè)銀行，引入資產(chǎn)價(jià)格變結(jié)構(gòu)點(diǎn)非參數(shù)檢驗(yàn)方法，得出利用變結(jié)構(gòu)KMV模型更具前瞻性的結(jié)論[14]。周海赟、王曉芳針對(duì)信息不完善的現(xiàn)實(shí)情況在KMV模型中引入了灰色區(qū)域理論[15]。

綜上所述，國內(nèi)外學(xué)者對(duì)KMV模型已作出了較為成熟的研究和改進(jìn)，KMV模型在我國學(xué)術(shù)界已得到較為廣泛的認(rèn)可和應(yīng)用。然而，利用KMV模型對(duì)我國創(chuàng)業(yè)板上市公司信用風(fēng)險(xiǎn)進(jìn)行評(píng)估的研究仍在少數(shù)，按照行業(yè)分類或者資金進(jìn)行分類研究更顯薄弱。鑒于此，本文選取創(chuàng)業(yè)板上市的89家公司2017年的截面數(shù)據(jù)，利用KMV模型計(jì)算各公司的違約點(diǎn)以及違約距離，評(píng)價(jià)公司的違約風(fēng)險(xiǎn)大小，分析各參數(shù)的敏感性，為政府管理部門的政策取向以及投資者的合理決策提供參考。

二、KMV模型構(gòu)建與實(shí)證分析

(一)KMV模型對(duì)預(yù)期違約率的估算

1.樣本公司資產(chǎn)價(jià)值VA和資產(chǎn)價(jià)值波動(dòng)率σA的確定。這兩項(xiàng)指標(biāo)無法直接通過證券市場(chǎng)或者公司的財(cái)務(wù)報(bào)表觀測(cè)出，而是要股票市場(chǎng)的股權(quán)價(jià)值VE和股權(quán)價(jià)值波動(dòng)率σE以及債務(wù)面值D等各參數(shù)的推導(dǎo)得出，其推導(dǎo)關(guān)系如下：

VE=VAN(d1)-De-rTN(d2)

(1)

其中：

(2)

(3)

表1為上述(1)—(3)公式中相關(guān)指標(biāo)的解釋：

表1 公式所含字母的含義

在上述公式中，僅有兩個(gè)未知變量VA和σA，可通過聯(lián)立式(1)和 (3)利用Matlab得出，在計(jì)算這兩項(xiàng)指標(biāo)之前，需要確定以下五項(xiàng)參數(shù)：

①股權(quán)價(jià)值VE?？紤]到創(chuàng)業(yè)板上市公司股權(quán)流通情況，本文采取流通股與非流通股股價(jià)之和作為股權(quán)價(jià)值。計(jì)算公式為：股權(quán)價(jià)值=流通股市場(chǎng)價(jià)值(流通股收盤價(jià)格x流通股股數(shù))+每股凈資產(chǎn)x非流通股股數(shù)。

其中，

③無風(fēng)險(xiǎn)利率γ。參考財(cái)政部3個(gè)月期國債發(fā)行價(jià)格所對(duì)應(yīng)的參考收益率，對(duì)2017年國債發(fā)行利率進(jìn)行加權(quán)平均得到一年期的國債收益率3.096%作為無風(fēng)險(xiǎn)利率。

④債務(wù)面值D。本文選取各上市公司資產(chǎn)負(fù)債表中的總負(fù)債作為D。

⑤債務(wù)期限T。本文選取時(shí)間周期T=1。

確定好上述五個(gè)參數(shù)后，利用MATLAB軟件將89個(gè)樣本公司的相關(guān)指標(biāo)逐一進(jìn)行迭代，得出每家上市公司的資產(chǎn)價(jià)值VA和資產(chǎn)價(jià)值波動(dòng)率σA。

2.違約距離DD的計(jì)算。利用步驟1得出的兩個(gè)未知變量VA和σA，再利用如下公式即可計(jì)算得到樣本公司的違約距離DD。

(4)

DD是一個(gè)量化指標(biāo)，通過標(biāo)準(zhǔn)化處理后，不同行業(yè)、地區(qū)和規(guī)模的公司均可進(jìn)行相互比較，其數(shù)值的大小代表公司到期償還債務(wù)的能力，在一定程度上反映違約風(fēng)險(xiǎn)的程度。其中，DP為違約點(diǎn)，本文將違約點(diǎn)確定為流動(dòng)負(fù)債與0.5倍的非流動(dòng)負(fù)債之和。

3.預(yù)期違約率EDF的估算。通過(4)式得到違約距離DD后，可利用以下公式計(jì)算出預(yù)期違約概率：

(5)

由于我國的違約歷史數(shù)據(jù)庫尚未建立完整，違約距離和預(yù)期違約率的映射關(guān)系很難獲取，因此本文選取違約距離來近似確定上市公司信用風(fēng)險(xiǎn)的大小，違約距離越大，則預(yù)期違約率越小，兩者之間理論上呈現(xiàn)反向關(guān)系。

(二)樣本選取與數(shù)據(jù)預(yù)處理

截至2017年12月31日，在深圳證券交易所上市的創(chuàng)業(yè)板上市公司有701家，按照2012年證監(jiān)會(huì)行業(yè)分類，將上市公司分為19大行業(yè)，但由于創(chuàng)業(yè)板市場(chǎng)成立時(shí)間相對(duì)較短，其中房地產(chǎn)行業(yè)、餐飲酒店行業(yè)、金融業(yè)、服務(wù)業(yè)、和綜合在2017年沒有相關(guān)的公司上市，教育行業(yè)僅有一家，數(shù)據(jù)并不具有代表性。因此，去除上述6大類行業(yè)，對(duì)剩余13大行業(yè)中創(chuàng)業(yè)板上市公司按照規(guī)模排序，每個(gè)行業(yè)等間距篩選10家上市公司，若某行業(yè)上市公司總數(shù)不超過10個(gè)，則全部選取為樣本，最終選取89家樣本公司。依據(jù)上述KMV模型所涉及指標(biāo)，樣本周期確定為2017年1月1日至2017年12月31日，其中，流動(dòng)負(fù)債和非流動(dòng)負(fù)債等時(shí)點(diǎn)數(shù)據(jù)采用2017年12月31日的數(shù)據(jù)，數(shù)據(jù)來源于國泰安數(shù)據(jù)庫和各個(gè)公司的財(cái)務(wù)報(bào)表。

(三)實(shí)證結(jié)果分析

按照上述KMV模型計(jì)算預(yù)期違約率的步驟，本文最終計(jì)算得出89家樣本公司的違約距離，以此反映各公司的信用風(fēng)險(xiǎn)的大小，并按照行業(yè)和產(chǎn)業(yè)進(jìn)行差異性分析(表2)。

1.行業(yè)分析結(jié)果。

表2 不同行業(yè)違約距離描述性統(tǒng)計(jì)結(jié)果

總體來看，所選取的89個(gè)樣本公司的違約距離均值為2.585 8，在所屬的行業(yè)分類中，有8大行業(yè)的違約距離超過平均水平，所占行業(yè)比例為61.5%。其中，所有樣本中，宋城演藝該家上市公司的違約距離最大為4.494 1，所屬行業(yè)為文化體育和娛樂業(yè)。查看其財(cái)務(wù)報(bào)表信息及上市股票信息可知，該公司的資產(chǎn)規(guī)模相對(duì)較大，且上市股票價(jià)格波動(dòng)并不明顯。由此可以得出其違約風(fēng)險(xiǎn)相對(duì)較小的原因。而美晨生態(tài)該家上市公司的違約距離為負(fù)值，原因是其資產(chǎn)負(fù)債遠(yuǎn)遠(yuǎn)超過了公司的資產(chǎn)價(jià)值，導(dǎo)致該公司資金鏈斷裂，運(yùn)營狀況出現(xiàn)嚴(yán)重的問題，因而產(chǎn)生較大的信用風(fēng)險(xiǎn)。

從各行業(yè)縱向分析來看，文化體育和娛樂業(yè)的違約距離最大，為3.313 3，即該行業(yè)的違約風(fēng)險(xiǎn)最小。這可能是因?yàn)殡S著我國經(jīng)濟(jì)的發(fā)展，人們生活水平得到改善，該行業(yè)需求收入彈性較大，使得人們?cè)谑杖胨教岣叩那闆r下對(duì)其的需求量增大。該行業(yè)也因此逐步發(fā)展并且具有一定的風(fēng)險(xiǎn)防控能力和償還債務(wù)能力，進(jìn)而破產(chǎn)清算的可能性小，因此該行業(yè)信用違約風(fēng)險(xiǎn)最低。而建筑業(yè)的違約距離最小為1.601 4，這一結(jié)果和股票市場(chǎng)的狀況基本吻合。由于建筑業(yè)對(duì)房地產(chǎn)和基建的投資率較大，而房價(jià)的不穩(wěn)定性和基礎(chǔ)建設(shè)工程的突破期需要技術(shù)的不斷完善，這就造成了建筑行業(yè)運(yùn)營的不穩(wěn)定性，從而引起違約風(fēng)險(xiǎn)的加大。

從違約距離波動(dòng)情況來看，建筑行業(yè)的違約距離波動(dòng)范圍較大，說明建筑業(yè)相較于其它行業(yè)信用風(fēng)險(xiǎn)波動(dòng)性較大。違約距離標(biāo)準(zhǔn)差最小的是電、水、燃?xì)庖约盁崃?，且其違約距離相對(duì)較大，一定程度上說明了其違約風(fēng)險(xiǎn)是相對(duì)較低的。這是由于該行業(yè)的發(fā)展與人們的生活密切相關(guān)。隨著人們的收入提高，類似家電、汽車行業(yè)的需求價(jià)格彈性小，人們對(duì)其的需求相較于其價(jià)格是不敏感的，即使價(jià)格上漲人們的需求量也并不會(huì)降低多少，這就使得該行業(yè)的違約風(fēng)險(xiǎn)低，抗風(fēng)險(xiǎn)能力強(qiáng)。

為了使研究更具有實(shí)際價(jià)值，本文將行業(yè)按照第一產(chǎn)業(yè)、第二產(chǎn)業(yè)和第三產(chǎn)業(yè)從整體上來劃分研究。通過歸類計(jì)算出三大產(chǎn)業(yè)違約距離的均值，結(jié)果見圖1。

圖1 各產(chǎn)業(yè)違約距離均值

2.產(chǎn)業(yè)分析結(jié)果。從產(chǎn)業(yè)分析(圖1)來看，平均違約距離最大的是第一產(chǎn)業(yè)，第二產(chǎn)業(yè)的平均違約距離最小，違約距離位于第二的是第三產(chǎn)業(yè)，這一差異符合金融理論知識(shí)。第一產(chǎn)業(yè)和第三產(chǎn)業(yè)的違約距離相差不大，第一產(chǎn)業(yè)的違約距離取決于農(nóng)、林、牧、漁業(yè)；第二產(chǎn)業(yè)中建筑業(yè)違約距離平均值最小，電力、熱力、燃?xì)饧八a(chǎn)和供應(yīng)業(yè)的平均違約距離最大；第三產(chǎn)業(yè)中文化、體育和娛樂業(yè)平均違約距離最大，科學(xué)研究和技術(shù)服務(wù)業(yè)平均違約距離最小。

其中，在第二產(chǎn)業(yè)中，建筑業(yè)違約距離最小，在整個(gè)行業(yè)分類中是違約距離最小的，其違約風(fēng)險(xiǎn)也最大，實(shí)體經(jīng)濟(jì)的不佳致使建筑業(yè)倒閉潮的涌起，尤其是建筑裝飾和土木工程一類的公司資金鏈斷裂現(xiàn)象嚴(yán)重，使得公司資不抵債，整個(gè)行業(yè)的違約風(fēng)險(xiǎn)較大，從整體上拉低了第二產(chǎn)業(yè)的違約距離，進(jìn)而得出第二產(chǎn)業(yè)違約風(fēng)險(xiǎn)偏大的結(jié)論。而第一產(chǎn)業(yè)的違約距離大于第一、三產(chǎn)業(yè)，一方面是因?yàn)樽鳛榈谝淮螽a(chǎn)業(yè)—農(nóng)業(yè)是人們工作生活的基礎(chǔ)產(chǎn)業(yè)，發(fā)展相對(duì)成熟，其成熟的發(fā)展體系為其公司的運(yùn)營打下了良好的基礎(chǔ)，另一方面則是因?yàn)楸疚闹械谝划a(chǎn)業(yè)上市公司樣本數(shù)偏少，僅有6家創(chuàng)業(yè)板上市公司，在一定程度上可能會(huì)影響本文第一產(chǎn)業(yè)的違約距離分析情況。而第三產(chǎn)業(yè)之所以違約距離的均值大于第二產(chǎn)業(yè)，不僅得益于目前國家政策對(duì)經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型的制定和實(shí)施，更大程度上是由于在第三產(chǎn)業(yè)中行業(yè)分類的區(qū)別，在第三產(chǎn)業(yè)中大多為服務(wù)行業(yè)，而這類行業(yè)屬于勞動(dòng)密集型產(chǎn)業(yè)，主要依靠大量使用勞動(dòng)力，而對(duì)技術(shù)和設(shè)備的依賴程度較低，因此出現(xiàn)了第三產(chǎn)業(yè)平均違約距離較大的現(xiàn)象。

三、創(chuàng)業(yè)板上市公司信用風(fēng)險(xiǎn)因素探究

本文在上文的行業(yè)、產(chǎn)業(yè)分析中發(fā)現(xiàn)，資產(chǎn)規(guī)模較大的公司所呈現(xiàn)出來的違約距離較大，那么，資產(chǎn)規(guī)模是否與違約距離之間呈現(xiàn)正向相關(guān)關(guān)系，為了驗(yàn)證上述猜想，本文繼續(xù)進(jìn)行實(shí)證探究。

(一)資產(chǎn)規(guī)模對(duì)違約距離影響的探究

本文將選出的89個(gè)樣本公司的資產(chǎn)價(jià)值按升序排列，分為三大組，排名前30名的作為小資產(chǎn)規(guī)模組，排名后30位的作為大資產(chǎn)規(guī)模組，排名中間29名的作為中規(guī)模組。三類不同規(guī)模的上市公司違約距離情況的匯總結(jié)果如表3。

表3 不同資產(chǎn)規(guī)模的違約距離情況

從表3和圖2可以看出：整體上，創(chuàng)業(yè)板市場(chǎng)小規(guī)模上市公司的平均違約距離為2.061，明顯小于大規(guī)模的上市公司(3.203)。從資產(chǎn)波動(dòng)率看，小規(guī)模公司的平均資產(chǎn)價(jià)值波動(dòng)率為0.435，比大規(guī)模公司多0.186。這在一定程度上也解釋了違約距離存在差異的原因。從違約距離的標(biāo)準(zhǔn)差來看，小、中規(guī)模的上市公司違約距離波動(dòng)范圍較大，分別為1.157和0.900，且變化趨勢(shì)相似，但總體違約距離小于大規(guī)模公司的違約距離。因此，可以得出結(jié)論：資產(chǎn)規(guī)模的大小與公司發(fā)生違約的可能性成反比，且總資產(chǎn)小于38億的公司抗風(fēng)險(xiǎn)能力更弱些。

圖2 不同資產(chǎn)規(guī)模公司的違約距離

(二)違約距離各參數(shù)的敏感性分析

違約距離的測(cè)算依賴于股票市場(chǎng)信息，其數(shù)值的大小更是與各參數(shù)密切相關(guān)。因此，在研究違約距離的各參數(shù)敏感性分析時(shí)，本文借鑒柏雪怡采用股權(quán)價(jià)值、股權(quán)價(jià)值波動(dòng)率、資產(chǎn)價(jià)值、資產(chǎn)價(jià)值波動(dòng)率、違約點(diǎn)這五個(gè)指標(biāo)[16]分析其對(duì)違約距離的影響。以創(chuàng)業(yè)板上市的89家公司作為研究對(duì)象，將違約距離作為因變量Y，資產(chǎn)價(jià)值(X1)、資產(chǎn)價(jià)值波動(dòng)率(X2)、股權(quán)價(jià)值(X3)、股權(quán)價(jià)值波動(dòng)率(X4)、違約點(diǎn)(X5)作為自變量，運(yùn)用 Eviews8.0對(duì)上述變量建立多元回歸模型，分析各個(gè)參數(shù)對(duì)違約距離的影響大小。模型一般形式如下：

Y=C+β1X1+β2X2+β3X3+β4X4+β5X5+ε

回歸結(jié)果見表4：

表4 模型的統(tǒng)計(jì)量

從方程的顯著性檢驗(yàn)結(jié)果(表4)可以看出：F值=101.304 0，P值為0，小于0.05，說明回歸方程整體效果顯著，模型中解釋變量與被解釋變量之間存在顯著線性關(guān)系。從擬合優(yōu)度來看，R2為0.8592，說明模型擬合程度很好。

其中，模型各變量系數(shù)的檢驗(yàn)結(jié)果表5所示：

表5 模型系數(shù)統(tǒng)計(jì)量

模型中的各參數(shù)t檢驗(yàn)(表5)結(jié)果顯示：給定顯著性水平?=0.05，查t分布表得t?(89)=1.987，X1、X3、X4、X5的統(tǒng)計(jì)量分別為13.875 6、-13.224 0、-4.678 1、-11.343 3，其絕對(duì)值均大于1.987，在5%顯著性水平下，應(yīng)該拒絕原假設(shè)H0:β1=β3=β4=β5=0，即認(rèn)為除了X2外，模型變量中4個(gè)參數(shù)—資產(chǎn)價(jià)值、股權(quán)價(jià)值、股權(quán)價(jià)值波動(dòng)率、違約點(diǎn)均通過了顯著性檢驗(yàn)，對(duì)被解釋變量是有顯著影響的[16]。

最終得到模型的回歸方程為：

Y=4.291+0.041X1-0.363X2-0.042X3-3.408X4-0.045X5

從各參數(shù)的符號(hào)來看，X2、X3、X4、X5與違約距離成反向相關(guān)，這些參數(shù)的數(shù)值增加會(huì)引起違約距離的減少，而資產(chǎn)價(jià)值(X1)則與違約距離成正向相關(guān)，該參數(shù)數(shù)值的增大則會(huì)引起違約距離增加。

從指標(biāo)變化比例來看，資產(chǎn)價(jià)值波動(dòng)率每增加1個(gè)百分點(diǎn)，違約距離將會(huì)減少0.363個(gè)百分點(diǎn)，相應(yīng)的，資產(chǎn)價(jià)值每增加1個(gè)百分點(diǎn)，違約距離將會(huì)增加0.042個(gè)百分點(diǎn)。這在一定程度上說明了資產(chǎn)價(jià)值波動(dòng)率的影響較資產(chǎn)價(jià)值大。因此，改善公司的資本結(jié)構(gòu)，穩(wěn)定公司的經(jīng)營狀況，平抑創(chuàng)業(yè)板的資產(chǎn)價(jià)值波動(dòng)率對(duì)于公司健康發(fā)展，降低違約風(fēng)險(xiǎn)方面有重要意義。在其余3個(gè)參數(shù)中，股權(quán)價(jià)值波動(dòng)率對(duì)違約距離的影響最大。這說明股票市場(chǎng)的波動(dòng)對(duì)公司信用水平的評(píng)判也至關(guān)重要。股票價(jià)格波動(dòng)越劇烈，資產(chǎn)價(jià)值越不穩(wěn)定，公司經(jīng)營管理不善，信貸違約可能性越大，信用風(fēng)險(xiǎn)也越高。對(duì)于違約點(diǎn)，違約距離與違約點(diǎn)DPT呈負(fù)相關(guān)的關(guān)系由違約距離的計(jì)算公式即可得出，違約點(diǎn)DPT越大，違約距離DD越小，在選用KMV模型時(shí)應(yīng)該選擇合適的違約點(diǎn)以便求出更精確的違約距離。

四、結(jié)論與建議

(一)研究結(jié)論

首先，本文通過對(duì)各行業(yè)公司的違約距離進(jìn)行描述性分析后，將其進(jìn)行產(chǎn)業(yè)劃分，得出如下結(jié)論：第一產(chǎn)業(yè)的平均違約距離最大，第二產(chǎn)業(yè)的平均違約距離最小。說明第一產(chǎn)業(yè)發(fā)展相對(duì)第二產(chǎn)業(yè)更加成熟，其中，在第一產(chǎn)業(yè)中代表漁業(yè)的國聯(lián)水產(chǎn)上市公司的約距離最大，約為3.674。在第二產(chǎn)業(yè)中，建筑業(yè)的平均違約距離最小，電力、熱力、燃?xì)饧八a(chǎn)和供應(yīng)業(yè)處于較低的違約風(fēng)險(xiǎn)。隨著近年來產(chǎn)業(yè)結(jié)構(gòu)的不斷發(fā)展和升級(jí)，作為第三產(chǎn)業(yè)的創(chuàng)業(yè)板各上市公司的違約風(fēng)險(xiǎn)逐漸下降并低于第二產(chǎn)業(yè)。

其次，關(guān)于資產(chǎn)規(guī)模與其違約距離的探究結(jié)論是：資產(chǎn)規(guī)模對(duì)信用風(fēng)險(xiǎn)有顯著影響。在我國創(chuàng)業(yè)板上市公司中，資產(chǎn)規(guī)模的大小與公司發(fā)生違約的可能性成反比，且總資產(chǎn)小于38億的公司抗風(fēng)險(xiǎn)能力更弱些。

最后，違約距離的各參數(shù)敏感性分析結(jié)論是：除了資產(chǎn)價(jià)值外，其余4個(gè)參數(shù)與違約距離之間均呈現(xiàn)反向關(guān)系。資產(chǎn)價(jià)值則與違約距離成正向相關(guān)。資產(chǎn)市場(chǎng)價(jià)值越大，說明該公司的資金雄厚，經(jīng)營穩(wěn)健，抗擊風(fēng)險(xiǎn)的能力強(qiáng)，相應(yīng)的公司的違約風(fēng)險(xiǎn)也較?。粚?duì)于資產(chǎn)價(jià)值的波動(dòng)率來說，資產(chǎn)價(jià)值波動(dòng)性較大的公司往往資產(chǎn)規(guī)模較小，經(jīng)營穩(wěn)定性越差，很可能出現(xiàn)債務(wù)到期卻償還不了的情況，因此發(fā)生違約的可能性越大。股權(quán)價(jià)值與股權(quán)價(jià)值波動(dòng)率與股票市場(chǎng)緊密聯(lián)系，上市股票價(jià)格波動(dòng)越劇烈，資產(chǎn)價(jià)值越不穩(wěn)定，公司經(jīng)營管理不善，信貸違約可能性越大，信用風(fēng)險(xiǎn)也越高。

(二)政策建議

金融機(jī)構(gòu)尤其是商業(yè)銀行，應(yīng)注重多角度綜合分析，依靠模型與聯(lián)動(dòng)效應(yīng)準(zhǔn)確評(píng)估。在考慮上市公司信用狀況時(shí)，僅參考模型測(cè)出來的結(jié)果并不能真實(shí)地反映該公司的信用情況，同時(shí)需要對(duì)公司的所屬行業(yè)、數(shù)據(jù)的可獲得性以及當(dāng)時(shí)的客觀情況等進(jìn)行綜合判斷。因此，在進(jìn)行信用風(fēng)險(xiǎn)評(píng)價(jià)時(shí)，需要客觀結(jié)論與定性判斷相結(jié)合，既重視模型分析的量化結(jié)果，同時(shí)要關(guān)注公司的發(fā)展效能，特別是考慮行業(yè)風(fēng)險(xiǎn)問題和行業(yè)景氣變化的不確定性和不可預(yù)見性。

政府監(jiān)管部門應(yīng)規(guī)范市場(chǎng)監(jiān)管與信息披露制度。各個(gè)上市公司會(huì)計(jì)數(shù)據(jù)的準(zhǔn)確程度對(duì)模型的有效使用有著重要意義，而創(chuàng)業(yè)板上市公司在會(huì)計(jì)審核方面基礎(chǔ)薄弱，會(huì)計(jì)信息失真等問題嚴(yán)重，在信息披露制度方面還存在著諸多問題，導(dǎo)致信用風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確性和真實(shí)性難以保證。因此，政府監(jiān)管部門需要加大對(duì)上市公司造假的威懾力度，樹立高質(zhì)量的信息披露理念，加強(qiáng)信息披露的外部環(huán)境約束力，建立信息披露電子化系統(tǒng)，為KMV模型的運(yùn)用提供良好的金融環(huán)境。

公司自身應(yīng)加強(qiáng)自身風(fēng)險(xiǎn)的內(nèi)控和防御能力，減少股票價(jià)格波動(dòng)率和增加資產(chǎn)價(jià)值都可以來提高自身的信用狀況，從而能夠有效規(guī)避違約風(fēng)險(xiǎn)，同時(shí)應(yīng)做到依法納稅、遵守合同、遵循報(bào)表的真實(shí)性、及時(shí)還貸等，真正做到誠信。同時(shí)，公司內(nèi)部應(yīng)該建立高級(jí)信用風(fēng)險(xiǎn)管理技術(shù)的專門人才和管理團(tuán)隊(duì)，建立一套完整的、操作性較強(qiáng)的信用評(píng)價(jià)體系。

最后，應(yīng)建立規(guī)范的違約數(shù)據(jù)庫。我國數(shù)據(jù)庫的缺乏致使信用評(píng)級(jí)機(jī)構(gòu)遭遇瓶頸，且目前存在數(shù)據(jù)庫數(shù)據(jù)儲(chǔ)備不足，質(zhì)量水平不高等問題，很難達(dá)到預(yù)期的測(cè)算結(jié)果。因此，我國在評(píng)價(jià)公司的信用狀況時(shí)，應(yīng)盡快建立客戶基礎(chǔ)數(shù)據(jù)庫，強(qiáng)化數(shù)據(jù)管理，為KMV模型提供精確的數(shù)據(jù)統(tǒng)計(jì)基礎(chǔ)。