基于KMV模型的中國半導體企業(yè)信用風險實證分析

張維鴻

【關鍵詞】KMV模型;半導體企業(yè);信用風險

【中圖分類號】F830.9 【文獻標識碼】A 【文章編號】1674-0688（2021）08-0153-03

0 引言

自改革開放以來，中國經(jīng)濟經(jīng)歷了數(shù)十年的高速增長，一躍成為世界第二大經(jīng)濟體。近年來，中國的經(jīng)濟增速由高速轉變?yōu)橹懈咚?，?jīng)濟由高速增長轉為高質(zhì)量增長。經(jīng)濟轉型要想取得成功，中國必須對制造業(yè)進行產(chǎn)業(yè)升級，增加對高技術產(chǎn)業(yè)的投入。產(chǎn)業(yè)升級不僅可以提高我國制造業(yè)的競爭力，還可以增加大量的中高端收入的職位，擴大我國的中等收入群體，有利于我國經(jīng)濟的長遠健康發(fā)展。因此，促進產(chǎn)業(yè)轉型升級成為迫在眉睫的重要任務。目前，產(chǎn)業(yè)轉型升級已經(jīng)成為全國上下的共識，但是在產(chǎn)業(yè)升級的方向上各地方政府的選擇存在差異，其中加大對半導體產(chǎn)業(yè)的投資成為眾多地方政府的選擇。這其中有多方面的原因：一是半導體產(chǎn)業(yè)是典型的高技術、高投入的產(chǎn)業(yè)，具有馬太效應，一旦技術達到行業(yè)頂尖，那么就具備了贏家通吃的資格。也就是說，一旦獲得成功，將獲得巨大的回報。二是中國在半導體產(chǎn)業(yè)上對外有巨大的貿(mào)易逆差，半導體產(chǎn)業(yè)已經(jīng)成為我國對外貿(mào)易逆差的最大來源之一。三是由于中美貿(mào)易戰(zhàn)的暴發(fā)，美國對我國半導體產(chǎn)業(yè)在內(nèi)的多個高科技企業(yè)進行了制裁，對我國經(jīng)濟和產(chǎn)業(yè)發(fā)展造成了阻礙，因此發(fā)展半導體產(chǎn)業(yè)對我國經(jīng)濟的長遠發(fā)展具有重要意義。

由于我國半導體產(chǎn)業(yè)和國際先進技術水平相比還有較大差距及馬太效應的存在，致使我國半導體產(chǎn)業(yè)的發(fā)展面臨諸多困境，因此對我國半導體企業(yè)信用風險進行評估，對政府投資和投資者具有重要的參考意義。KMV模型是一種對上市企業(yè)的信用風險進行度量的方法，由于KMV模型能準確地反映上市公司信用狀況，因此被金融、保險和信用評級公司等廣泛應用于上市公司信用風險評估，本文將使用KMV模型對我國上市半導體企業(yè)進行信用風險度量。

1 文獻綜述

KMV被廣泛用于衡量上市公司的信用風險和政府債券的違約風險。核心理論來源于Black和Scholes的期權定價理論和Merton的公司債務定價理論。KMV模型提出后，引起了國內(nèi)外學者的重視和相繼研究，并對模型進行了修正，擴大了其適用范圍。Michel等人回顧了行業(yè)擔保信用風險價值的評估方法，認為在KMV模型中，違約過程是內(nèi)生的，與上市企業(yè)的資產(chǎn)組成無關。當公司的資產(chǎn)價值低于某一標準后時，企業(yè)就會面臨違約風險[1]。Ching等人提出了以市場信息為預測變量的信用評級預測模型。利用KMV模型對企業(yè)的市場信息進行評價。為了驗證方法的有效性，采用隨機森林和粗糙集理論相結合的混合模型提取信用評級的有用信息。研究結果顯示，基于市場的信息在信用評級預測中確實提供了有價值的信息[2]。韓立巖等人使用KMV模型建立了針對政府債券的信用風險度量模型，得到了適用中國市場的違約概率計算方法[3]。周沅等人通過KMV模型對我國的上市保險公司進行了信用風險度量，并給出了改善監(jiān)管方面問題的政策建議[4]。徐占東等人將我國省級政府的財政收入進行分解，基于修正的KMV模型對我國省級政府的債務違約風險進行度量。研究結果表明，債務的償還期限越長，則違約概率越小[5]。國內(nèi)一些學者在利用該模型研究國內(nèi)市場，并對KMV模型進行了改進。李臘生等人在研究中國的地方債務風險時，考慮到中國的央地兩政府有著特殊的“父子關系”，對KMV模型進行了修正，以我國18個省市的數(shù)據(jù)對我國地方政府的債務違約風險進行了面板數(shù)據(jù)分析和實證分析。研究發(fā)現(xiàn)，中國地方政府不存在經(jīng)濟上的違約風險，但是存在債務違約的道德風險[6]。王慧等人使用我國147家上市房地產(chǎn)公司的數(shù)據(jù)對KMV模型進行了修正，修正后模型更適用于評估中國上市房地產(chǎn)企業(yè)的信用風險[7]。洪源等人對KMV模型進行改進用于研究債務管理新政實施后地方政府的債務違約風險。研究發(fā)現(xiàn)，在不考慮債務置換的前提下，中西部地區(qū)的政府債務違約風險要顯著高于東部沿海地區(qū)。此外，在延長債務償還期限一倍的情況下，絕大多數(shù)數(shù)地方政府都不存在債務違約風險[8]。

現(xiàn)有的研究文獻主要研究了KMV模型在中國市場的適用性、模型的修正等問題，以及對部分行業(yè)進行了研究，但是目前尚未有文獻對我國的上市半導體企業(yè)進行研究。鑒于半導體產(chǎn)業(yè)對我國經(jīng)濟未來發(fā)展的重要性，本文將使用10家在A股上市半導體公司2016—2019年的數(shù)據(jù)，利用KMV模型對這些企業(yè)進行信用違約風險評估，為地方政府和投資者提供參考和建議。

2 研究方法

2.1 KMV模型的核心理論

KMV模型是將期權定價理論應用于度量上市企業(yè)信用違約風險和債券違約風險的金融實務模型。該模型的核心思想是將上市公司的股權定義為一個以公司的市值為標的，流動負債和非流動負債的賬面價值為執(zhí)行價格，債務到期日為執(zhí)行日的歐式期權。KMV模型主要通過計算違約距離DD和違約概率EDF度量判斷一個公司的信用風險。違約距離越大，違約概率越低，那么公司信用風險越低。

2.2 計算違約距離DD和違約概率EDF

2.2.1 找到違約觸發(fā)點

在KMV模型中，公司在違約點剛好觸發(fā)違約，那么只要找到了違約點，就確定了違約距離。KMV公司研究發(fā)現(xiàn)，大多數(shù)發(fā)生債務違約的公司，發(fā)生債務違約時的資產(chǎn)約為流動債務加上非流動債務的一半，即

其中，STD是企業(yè)的流動負債;LTD是企業(yè)的非流動負債;DP為公司的違約點。

2.2.2 公司的資產(chǎn)價值VA和資產(chǎn)價值的波動率σA

根據(jù)BS期權定價理論，公司的股權價值：

對公式（2）兩邊求導，得到：

其中，VE為企業(yè)的股權價值，在本文中是公司的流通股數(shù)乘以本年度的平均收盤價：N為正態(tài)累積分布函數(shù);r是無風險利率;D為公司的債務面值，即流動負債加上非流動負債;T為公司的債務期限;σE為公司股權價值的年波動率。VE和σE可以從股票市場獲取。通過聯(lián)立公式（2）和公式（5）即可計算公司的資產(chǎn)價值VA和資產(chǎn)波動率σA。

2.2.3 計算違約距離DD和違約概率EDF

利用公司的違約點、資產(chǎn)價值的波動率和資產(chǎn)價值構建違約距離DD這一公司的信用風險度量指標。具體的計算方法如下：

其中，N為標準正態(tài)分布的概率密度函數(shù)。

2.3 參數(shù)設定

對KMV模型的具體計算可以通過編程語言Python編寫對應的程序進行計算，只需要獲取所需的參數(shù)即可。所需的參數(shù)有股權價值、債務面值、債務期限、無風險利率和股權波動率，下文將對這些參數(shù)進行具體的設定：？譹？訛股權價值。公司的股權價值可以通過銳思金融數(shù)據(jù)庫獲取的上市公司的股票數(shù)據(jù)進行計算。設定公司的股權價值為股權價值=流通股數(shù)×本年度公司股票的平均收盤價。如果有部分公司在一年中進行了股票增發(fā)，那么其股權價值的計算方式為股權價值=增發(fā)后流通股數(shù)×從增發(fā)日至本年度最后一個交易日公司股票的平均收盤價。？譺？訛債務面值?，F(xiàn)有的許多文獻已經(jīng)驗證了KMV公司給出的經(jīng)典債務面值計算公式在我國的股票市場中具有很好的適用性。本文參照蔣彧等人（2015）的做法，沿用KMV公司給出的原始公式債務面值=流動負債+非流動負債[9]。上市公司的流動負債和非流動負債數(shù)據(jù)可以從上市公司公布的年度報告中獲取。債務期限和無風險利率?，F(xiàn)有的研究KMV模型的文獻通常將債務期限定為一年，本文沿用這一做法?，F(xiàn)有文獻通常將無風險利率定為一年期國債的收益率或者上海銀行間同業(yè)隔夜拆借利率。由于國債的高流動性和穩(wěn)定性，因此本文使用一年期國債收益率定義為無風險利率。公司股權價值波動率。本文將公司股權價值波動率設定為股權價值年波動率=股權價值日波動率×。

3 實證分析

3.1 樣本選取

本文研究A股上市半導體公司的信用風險，從A股選取了10家具有代表性的企業(yè)2019年的數(shù)據(jù)作為樣本（見表1），研究所用金融數(shù)據(jù)來自瑞思金融數(shù)據(jù)庫、東方財富網(wǎng)。

3.2 計算過程——以“歌爾股份”為例

（1）計算“歌爾股份”的股權價值?！案锠柟煞荨钡乃泄善本鲜辛魍?，故“歌爾股份”的股權價值為股權價值=流通股數(shù)×本年度公司股票的平均收盤價。“歌爾股份”2019年的股權價值為404.21億元=32.45/億股×12.45元。

（2）計算“歌爾股份”的股權價值波動率（見表1）。

計算Ln（Yn+1/Yn）的標準差就得到“歌爾股份”2019年股權價值的日波動率，進一步計算年波動率。得到“歌爾股份”2019年股權價值日波動率為0.033 2，年波動率為0.5191。

（3）計算違約觸發(fā)點DP：DP=流動負債+0.5×非流動負債，得到2019“歌爾股份”的DP為175.58億元×0.5×9.73億元=185.31億元。

（4）將上述計算得到的數(shù)據(jù)輸入編寫好的Python程序，得到度量上市公司信用風險的指標：違約距離DD、預期違約概率EDF （結果見表2）。

將表2中的DD和EDF均值與唐振鵬等人（2016）的研究結果[10]進行對比發(fā)現(xiàn)，半導體行業(yè)上市公司的預期違約概率要顯著高于其他行業(yè)。主要原因如下：一是半導體產(chǎn)業(yè)即使是在高科技產(chǎn)業(yè)中也是屬于技術要求最高的一類，屬于典型的高技術高投入尖端制造業(yè)。半導體行業(yè)的技術會不斷進步，這是一個處于成長期的行業(yè)，需要不間斷投入資金以獲得行業(yè)領先地位，一旦技術落后于同行，公司的盈利水平將大幅下降。二是半導體行業(yè)具有馬太效應，即贏家通吃原則。我國半導體企業(yè)的技術水平普遍還達不到國際領先，盈利能力還不足，要繼續(xù)發(fā)展就要增加投入，從而導致負債增加。

4 政策建議

通過KMV模型對我國上市半導體公司的信用風險研究，對實證結果違約距離和預期違約概率進行分析后，本文對如何降低我國上市半導體企業(yè)的信用風險提出以下建議。一是企業(yè)應應當盡量減少流動負債，融資方式盡可能選擇發(fā)行中長期債券或從股票市場獲得融資。企業(yè)應當將經(jīng)營獲得的盈利更多地用于研發(fā)，在企業(yè)自身技術水平提高后，盈利能力和市場占有率將獲得極大的提高并獲得投資者更高的關注，進而提高公司的股權價值。二是公司應當及時公布技術研發(fā)水平的進步和其他對公司股價的利好消息，增強投資者對公司長期發(fā)展的信心，這不僅有利于公司股價的穩(wěn)定，也能提高公司的股權價值，從而降低企業(yè)的信用風險。三是政府部門應當制定更多扶持我國半導體產(chǎn)業(yè)發(fā)展的產(chǎn)業(yè)政策，政府扶持我國半導體產(chǎn)業(yè)的發(fā)展，不僅能增強我國制造業(yè)的競爭力和減少貿(mào)易逆差，還可以提供大量的中、高端職位，擴大中等收入群體，有利于我國經(jīng)濟的長遠健康發(fā)展。

參 考 文 獻

[1]Michel Crouhy，Dan Galai，Robert Mark.A comparative analysis of current credit risk models[J].Journal of Banking & Finance，2000，24（1-2）：59-

117.

[2]Ching-Chiang Yeh，F(xiàn)engyi Lin，Chih-Yu Hsu.A h-

ybrid KMV model，random forests and rough set theory approach for credit rating[J].Knowledge-B-

ased Systems，2012（33）：166-172.

[3]韓立巖，鄭承利，羅雯，等.中國市政債券信用風險與發(fā)債規(guī)模研究[J].金融研究，2003（2）：85-94.

[4]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）：77-81.

[5]徐占東，王雪標.中國省級政府債務風險測度與分析[J].數(shù)量經(jīng)濟技術經(jīng)濟研究2014（12）：38-53.

[6]李臘生，耿曉媛，鄭杰.我國地方政府債務風險評價 [J].統(tǒng)計研究，2013（10）：30-39.

[7]王慧，張國君.KMV模型在我國上市房地產(chǎn)企業(yè)信用風險度量中的應用[J].經(jīng)濟問題，2018（3）：36-40.

[8]洪源，胡爭榮.償債能力與地方政府債務違約風險——基于KMV修正模型的實證研究[J].財貿(mào)經(jīng)濟，2018（5）：21-37.

[9]蔣彧，高瑜.基于KMV模型的中國上市公司信用風險評估研究[J].中央財經(jīng)大學學報，2015（9）：38-45.

[10]唐振鵬，陳尾虹，黃友珀.上市公司信用風險的度量[J].統(tǒng)計與決策，2016（24）：174-179.