中國(guó)農(nóng)業(yè)類上市公司信用風(fēng)險(xiǎn)實(shí)證研究——以kmv模型為例【文獻(xiàn)綜述】

1、<p><b>　　文獻(xiàn)綜述</b></p><p><b>　　金融學(xué)</b></p><p>　　中國(guó)農(nóng)業(yè)類上市公司信用風(fēng)險(xiǎn)實(shí)證研究——以KMV模型為例</p><p>　　信用風(fēng)險(xiǎn)是金融市場(chǎng)中最古老的，也是最重要的金融風(fēng)險(xiǎn)形式之一，它直接影響著現(xiàn)代社會(huì)經(jīng)濟(jì)生活，也影響著一個(gè)國(guó)家的宏觀決策與經(jīng)濟(jì)發(fā)展，甚至影響

2、著全球經(jīng)濟(jì)的穩(wěn)定發(fā)展?，F(xiàn)代意義上的信用風(fēng)險(xiǎn)不僅包括因?yàn)榻灰讓?duì)手的直接違約而遭受損失的可能性，還包括各種信用事件引起的損失的可能性。</p><p>　　20世紀(jì)以來(lái)，信用風(fēng)險(xiǎn)度量在經(jīng)濟(jì)實(shí)踐中就引來(lái)國(guó)內(nèi)外學(xué)術(shù)界廣泛關(guān)注。主要是從傳統(tǒng)信用風(fēng)險(xiǎn)度量研究和現(xiàn)代信用風(fēng)險(xiǎn)度量研究?jī)煞矫孢M(jìn)行研究。</p><p>　　1 國(guó)外信用風(fēng)險(xiǎn)研究概述</p><p>　　1.1 傳統(tǒng)信用

3、風(fēng)險(xiǎn)度量</p><p>　　傳統(tǒng)信用風(fēng)險(xiǎn)評(píng)價(jià)方法主要包括：專家分析法（5C要素分析法）、Z計(jì)分模型、ZETA模型、Logit模型、probit模型等，這類方法注重從歷史數(shù)據(jù)中獲得違約信息。</p><p>　　專家分析法是一種最古老的信用風(fēng)險(xiǎn)分析方法。這種方法的最大特征就是銀行信貸的決策權(quán)是由該機(jī)構(gòu)中那些經(jīng)過(guò)長(zhǎng)期訓(xùn)練、具有豐富經(jīng)驗(yàn)的信貸官所掌握，并由他們做出是否貸款的決定。這種方法的主要

4、內(nèi)容是借款企業(yè)的"5C"上，即品德與聲望、資格與能力、資金實(shí)力、擔(dān)保以及經(jīng)營(yíng)狀況與經(jīng)營(yíng)環(huán)境。 </p><p>　　Altman于1968年提出了著名的Z計(jì)分模型，并于1977年對(duì)Z計(jì)分模型進(jìn)行了修正和擴(kuò)展，建立了ZETA評(píng)分模型，相應(yīng)地有關(guān)的變量由5個(gè)增加到7個(gè)，適用的范圍比以前更廣了，識(shí)別不良貸款人的精度也大大地提高了。</p><p>　　Ohlson（1980

5、）,Zavgren（1983）試圖利用Logit分析來(lái)建立預(yù)測(cè)模型，并拉大違約公司與正常對(duì)照公司的樣本數(shù)差異，在明確“違約”定義的前提下，選取反映公司償債能力、盈利能力、管理能力、流動(dòng)性等財(cái)務(wù)比率作為預(yù)選指標(biāo)，運(yùn)用歷史數(shù)據(jù)對(duì)預(yù)選指標(biāo)進(jìn)行T檢驗(yàn)和多重共線性檢驗(yàn)，確保最終納入模型的變量與因變量具有顯著的相關(guān)性，各自變量之間的信息重疊盡量少。結(jié)果表明4項(xiàng)財(cái)務(wù)資料對(duì)評(píng)估破產(chǎn)概率具有顯著性，判別正確率高達(dá)90%以上。</p><

6、;p>　　Zmijeski（1984）最早使用probit模型來(lái)進(jìn)行財(cái)務(wù)危機(jī)預(yù)測(cè)。Probit模型的基本形式與Logit模型相同，區(qū)別在于其假設(shè)事件發(fā)生的概率服從累積標(biāo)準(zhǔn)正態(tài)分布。</p><p>　　1.2 現(xiàn)代信用風(fēng)險(xiǎn)度量</p><p>　　目前比較流行的信用風(fēng)險(xiǎn)管理模型主要有以下幾個(gè)：KMV公司的KMV模型、J.P摩根的Credit Metrics模型、瑞士信貸銀行的Cred

7、it Risk+模型以及麥肯錫公司的Credit Portfolio View模型。</p><p>　　國(guó)外學(xué)者對(duì)上述模型還進(jìn)行了許多后續(xù)研究：</p><p>　　在KMV模型運(yùn)用上，Vasicek（1995）研究一個(gè)含有108只債券的樣本采用期權(quán)調(diào)整后的收益利差數(shù)據(jù)，發(fā)現(xiàn)利用KMV模型確定定價(jià)偏低或偏高的方法來(lái)組建組合會(huì)產(chǎn)生明顯的超額收益，也就是說(shuō)可以運(yùn)用KMV模型對(duì)公開(kāi)交易債券的收

8、益變化做出預(yù)測(cè)。Matthew Kurba和Irina Korablev（2002）使用Level validation和calibration方法對(duì)KMV模型進(jìn)行驗(yàn)證，選取了1991年至2001年近千家美國(guó)公司數(shù)據(jù)證明KMV模型的輸出結(jié)果預(yù)期違約概率值實(shí)際上是偏態(tài)分布，并且樣本規(guī)模的大小、樣本公司的資產(chǎn)相關(guān)性的大小和預(yù)期違約概率的偏態(tài)分布對(duì)預(yù)期違約概率的預(yù)測(cè)結(jié)果有很大的影響。 Peter Crodbie和Jeff Bohn （2003

9、）專門以金融類公司為樣本應(yīng)用KMV模型，結(jié)果顯示預(yù)期違約概率值在這些公司發(fā)生信用事件時(shí)或破產(chǎn)前能夠準(zhǔn)確、靈敏地檢測(cè)到信用質(zhì)量變化。2004年通過(guò)地《巴塞爾新資本協(xié)議》提倡使用內(nèi)部評(píng)級(jí)法管理信用風(fēng)險(xiǎn)，并推薦使用KMV模型進(jìn)行內(nèi)部評(píng)級(jí)，可見(jiàn)KMV模型已經(jīng)在國(guó)外得到了廣泛地認(rèn)可和使用。Roger M.Stein（2005）在對(duì)KMV模型進(jìn)行</p><p>　　在Credit Risk+模型運(yùn)用上，Antoin.van

10、dendorpe等（2007）利用數(shù)值優(yōu)化方法從眾多的參數(shù)中選擇出了幾個(gè)參數(shù)，然后利用 Credit Risk+模型來(lái)分析評(píng)估信用組合風(fēng)險(xiǎn)。 </p><p>　　2 國(guó)內(nèi)信用風(fēng)險(xiǎn)研究概述</p><p>　　2.1 傳統(tǒng)信用風(fēng)險(xiǎn)度量</p><p>　　在logit模型運(yùn)用上，楊蓬勃（2009）等人利用Logistic回歸分析建立了上市公司信貸違約概率預(yù)測(cè)模型，

11、通過(guò)選取樣本數(shù)據(jù)、測(cè)試數(shù)據(jù)、年度配比數(shù)據(jù)和反映公司的償債、舉債經(jīng)營(yíng)和運(yùn)作資金的能力的15個(gè)上市公司財(cái)務(wù)指標(biāo),首先使用樣本數(shù)據(jù)和測(cè)試數(shù)據(jù)對(duì)模型進(jìn)行了分析和檢驗(yàn)，其次分別通過(guò)改變數(shù)據(jù)的配比方式、年度數(shù)據(jù)來(lái)觀察模型預(yù)測(cè)分類結(jié)果，檢驗(yàn)?zāi)Ｐ偷臍v史預(yù)測(cè)能力，最后得出違約具有短暫性和突發(fā)性。</p><p>　　在Z計(jì)分模型運(yùn)用上，劉蓓（2010）在介紹家族企業(yè)發(fā)展的整體狀況的基礎(chǔ)上，運(yùn)用Altman的Z計(jì)分模型，以26家我國(guó)

12、主要家族控股企業(yè)作為樣本，對(duì)家族控股上市企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行了實(shí)證研究。結(jié)果表明，“Z計(jì)分法”模型在評(píng)價(jià)家族企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)方面具有較強(qiáng)的有效性。</p><p>　　2.2 現(xiàn)代信用風(fēng)險(xiǎn)度量</p><p>　　在KMV運(yùn)用方面，周沅帆（2009）利用KMV模型對(duì)我國(guó)已上市的保險(xiǎn)公司的風(fēng)險(xiǎn)進(jìn)行了度量，旨在探討在未來(lái)時(shí)機(jī)成熟時(shí)保險(xiǎn)監(jiān)管中引入KMV模型，利用KMV模型良好的風(fēng)險(xiǎn)預(yù)測(cè)能力，加強(qiáng)和改善

13、了保險(xiǎn)監(jiān)管的可能性。王賽（2010）結(jié)合我國(guó)的具體國(guó)情，將KMV模型應(yīng)用于我國(guó)房地產(chǎn)行業(yè)信用風(fēng)險(xiǎn)管理，得出了2008年上半年和2009年上半年我國(guó)房地產(chǎn)行業(yè)各個(gè)上市奮司的違約率，實(shí)證分析了兩年度違約率的差異并研究了KMV模型的應(yīng)用效果。陸珩瑱，張佳慧（2010）以KMV模型作為度量信用風(fēng)險(xiǎn)的基本模型，驗(yàn)證了KMV模型適用性，分析了次貸危機(jī)對(duì)紡織業(yè)上市公司信用風(fēng)險(xiǎn)的影響。</p><p>　　在Credit Ris

14、k+模型運(yùn)用方面，魏勇（2009）以中國(guó)銀行益陽(yáng)分行為研究對(duì)象，在基于VaR框架和Credit Risk+模型技術(shù)的基礎(chǔ)上，度量和分析中國(guó)銀行益陽(yáng)分行信貸風(fēng)險(xiǎn)，總結(jié)了益陽(yáng)分行存在的存貸款結(jié)構(gòu)比偏低、不良率仍在較高位運(yùn)行以及風(fēng)險(xiǎn)過(guò)于集中等幾個(gè)方面的風(fēng)險(xiǎn)。</p><p><b>　　3 綜述</b></p><p>　　綜上所述，國(guó)內(nèi)外對(duì)于信用風(fēng)險(xiǎn)度量的研究成果在規(guī)避信

15、用風(fēng)險(xiǎn)帶給企業(yè)的損失上有著很大的幫助。國(guó)內(nèi)外對(duì)信用風(fēng)險(xiǎn)的研究起點(diǎn)不同，適應(yīng)度不同，研究成果也有部分差異。國(guó)外的研究是針對(duì)完全市場(chǎng)上的個(gè)別公司進(jìn)行信用違約評(píng)價(jià)分析，再根據(jù)該公司進(jìn)行模型的相關(guān)修正，找出適合該公司的信用風(fēng)險(xiǎn)評(píng)價(jià)方法，而國(guó)內(nèi)研究則大多針對(duì)整個(gè)金融市場(chǎng)或者針對(duì)金融行業(yè)進(jìn)行信用風(fēng)險(xiǎn)分析，大多照搬照抄國(guó)外的經(jīng)驗(yàn)和方法，并沒(méi)有進(jìn)行相關(guān)修正，得出的違約數(shù)據(jù)并不與我國(guó)金融市場(chǎng)的實(shí)情相符。</p><p>　　近年來(lái)

16、國(guó)家對(duì)于證券市場(chǎng)的有效性也不斷提高，證券市場(chǎng)整體規(guī)模的膨脹和上市公司數(shù)量的快速增加迫切需要相應(yīng)的模型對(duì)其信用風(fēng)險(xiǎn)進(jìn)行度量。針對(duì)我國(guó)上市公司信用現(xiàn)狀，在模型的修正和運(yùn)用方向上還有待提高。首先，以上成果很少對(duì)農(nóng)業(yè)類上市公司等這類非金融行業(yè)進(jìn)行信用風(fēng)險(xiǎn)評(píng)估；其次，在對(duì)信用風(fēng)險(xiǎn)度量上缺乏現(xiàn)時(shí)的數(shù)據(jù)來(lái)源；最后，雖然我國(guó)學(xué)者對(duì)金融行業(yè)的信用風(fēng)險(xiǎn)評(píng)估已經(jīng)研究得較為全面，但是對(duì)于現(xiàn)代信用模型的利用，我國(guó)學(xué)者并沒(méi)有在利用現(xiàn)時(shí)數(shù)據(jù)的同時(shí)對(duì)模型進(jìn)行修正評(píng)價(jià)。

17、因此，還有待做出進(jìn)一步理論與實(shí)踐方面的探索研究。</p><p><b>　　參考文獻(xiàn)</b></p><p>　　[1] 陸珩瑱,張佳慧. 基于KMV模型的紡織業(yè)上市公司信用風(fēng)險(xiǎn)研究[J].價(jià)值工程,2010</p><p>　　[2] 劉蓓.“Z計(jì)分法”在家族企業(yè)A股中的實(shí)證分析[J].財(cái)會(huì)通訊,2010（4）</p><

18、;p>　　[3] 周沅帆. 基于KMV模型對(duì)我國(guó)上市保險(xiǎn)公司的信用風(fēng)險(xiǎn)度量[J].保險(xiǎn)研究,2009（3）</p><p>　　[4]魏勇.基于Credit Risk+模型的中國(guó)銀行益陽(yáng)分行信貸風(fēng)險(xiǎn)研究[D].湖南大學(xué),2009</p><p>　　[5] 楊蓬勃,張成虎,張湘. 基于Logistic回歸分析的上市公司信貸違約概率預(yù)測(cè)模型研究[J].經(jīng)濟(jì)經(jīng)緯,2009（2）</

19、p><p>　　[6]Ohlson, James, Financial Ratios and the Probabilistic Prediction of Bankruptcy [J].Journal of Accounting Research, 1980</p><p>　　[7]Zavgren, Christine. The Prediction of Corporate Failur

20、e: The State of the Art [J].Journal of Accounting Literature, 1983(2)</p><p>　　[8]Zmijeski, Mark.Methodoligal issues related to the estimation of financial distress prediction models [J].Journal of Accountin

21、g Research, 1984 (22)</p><p>　　[9]Vasicek.EDF and Corporate Bond Pricing.SanFrancisco, KMV [J], LLC, 1995</p><p>　　[10]Roger M.Stein.Evidence on the Incompleteness of Merton-type Structural</