1、1 文献综述 金融学 中国农业类上市公司信用风险实证研究 以 KMV 模型为例 信用风险是金融市场中最古老的，也是最重要的金融风险形式之一，它直接影响着现代社会经济生活，也影响着一个国家的宏观决策与经济发展，甚至影响着全球经济的稳定发展。现代意义上的信用风险不仅包括因为交易对手的直接违约而遭受损失的可能性，还包括各种信用事件引起的损失的可能性。 20世纪以来，信用风险度量在经济实践中就引来国内外学术界广泛关注。主要是从传统信用风险度量研究和现代信用风险度量研究两方面进行研究。 1 国外信用风险研究概述 1.1 传 统信用风险度量 传统信用风险评价方法主要包括：专家分析法（ 5C 要素分析法）、
2、 Z 计分模型、 ZETA 模型、 Logit 模型、 probit 模型等，这类方法注重从历史数据中获得违约信息。 专家分析法是一种最古老的信用风险分析方法。这种方法的最大特征就是银行信贷的决策权是由该机构中那些经过长期训练、具有丰富经验的信贷官所掌握，并由他们做出是否贷款的决定。这种方法的主要内容是借款企业的 “5C“上，即品德与声望、资格与能力、资金实力、担保以及经营状况与经营环境。 Altman 于 1968 年提出了著名的 Z 计分模型，并于 1977 年对 Z 计分模型进行了修正和扩展，建立了 ZETA 评分模型，相应地有关的变量由 5 个增加到 7个，适用的范围比以前更广了，识别
3、不良贷款人的精度也大大地提高了。 Ohlson（ 1980） ,Zavgren（ 1983） 试图利用 Logit 分析来建立预测模型，并拉大违约公司与正常对照公司的样本数差异，在明确“违约”定义的前提下，选取反映公司偿债能力、盈利能力、管理能力、流动性等财务比率作为预选指标，运用历史数据对预选指标进行 T 检验和多重共线性检验，确保最终纳入模型的变量与因变量具有显著的相关性，各自变量之间的信息重叠尽量 少。结果表明 4 项财务资料对评估破产概率具有显著性，判别正确率高达 90%以上。 2 Zmijeski（ 1984） 最早使用 probit 模型来进行财务危机预测。 Probit 模型的基
4、本形式与 Logit 模型相同，区别在于其假设事件发生的概率服从累积标准正态分布。 1.2 现代信用风险度量 目前比较流行的信用风险管理模型主要有以下几个： KMV 公司的 KMV 模型、 J.P 摩根的 Credit Metrics 模型、瑞士信贷银行的 Credit Risk+模型以及麦肯锡公司的 Credit Portfolio View 模型。 国外学者对上 述模型还进行了许多后续研究： 在 KMV 模型运用上， Vasicek（ 1995） 研究一个含有 108 只债券的样本采用期权调整后的收益利差数据，发现利用 KMV 模型确定定价偏低或偏高的方法来组建组合会产生明显的超额收益，也
5、就是说可以运用 KMV 模型对公开交易债券的收益变化做出预测。 Matthew Kurba 和 Irina Korablev（ 2002） 使用 Level validation 和 calibration 方法对 KMV 模型进行验证，选取了 1991 年至 2001 年近千家美国公司数据证明 KMV 模型的输出结果预期违约概率值实际 上是偏态分布，并且样本规模的大小、样本公司的资产相关性的大小和预期违约概率的偏态分布对预期违约概率的预测结果有很大的影响。 Peter Crodbie 和 Jeff Bohn （ 2003） 专门以金融类公司为样本应用 KMV 模型，结果显示预期违约概率值在这
6、些公司发生信用事件时或破产前能够准确、灵敏地检测到信用质量变化。2004 年通过地巴塞尔新资本协议提倡使用内部评级法管理信用风险，并推荐使用 KMV 模型进行内部评级，可见 KMV 模型已经在国外得到了广泛地认可和使用。 Roger M.Stein（ 2005） 在对 KMV 模 型进行分析后，通过与现实情况因素进行对比，提出了模型自身存在的一些预测问题和模型相关的改进意见。Stefan.M.Denzle(2006)成功地 利用 KMV 模型的 EDF 估算股票价格。 在 Credit Risk+模型运用上， Antoin.vandendorpe 等（ 2007） 利用数值优化方法从众多的参数
7、中选择出了几个参数，然后利用 Credit Risk+模型来分析评估信用组合风险。 2 国内信用风险研究概述 2.1 传统信用风险度量 在 logit 模型运用上，杨蓬勃（ 2009）等人利用 Logistic 回归分析 建立了上市公司信贷违约概率预测模型，通过选取样本数据、测试数据、年度配比数据3 和反映公司的偿债、举债经营和运作资金的能力的 15 个上市公司财务指标 ,首先使用样本数据和测试数据对模型进行了分析和检验，其次分别通过改变数据的配比方式、年度数据来观察模型预测分类结果，检验模型的历史预测能力，最后得出违约具有短暂性和突发性。 在 Z 计分模型运用上，刘蓓（ 2010）在介绍家族
8、企业发展的整体状况的基础上，运用 Altman 的 Z 计分模型，以 26 家我国主要家族控股企业作为样本，对家族控股上市企业的财务风险进行了实证研究。结果表明， “ Z 计分法”模型在评价家族企业财务风险方面具有较强的有效性。 2.2 现代信用风险度量 在 KMV 运用方面，周沅帆（ 2009）利用 KMV 模型对我国已上市的保险公司的风险进行了度量，旨在探讨在未来时机成熟时保险监管中引入 KMV 模型，利用 KMV 模型良好的风险预测能力，加强和改善了保险监管的可能性。王赛（ 2010）结合我国的具体国情，将 KMV 模型应用于我国房地产行业信用风险管理，得出了 2008 年上半年和 20
9、09 年上半年我国房地产行业各个上市奋司的违约率，实证分析了两年度违约率的差异并研究了 KMV 模型的应用效果。陆珩 瑱，张佳慧 （ 2010） 以 KMV 模型作为度量信用风险的基本模型，验证了KMV 模型适用性，分析了次贷危机对纺织业上市公司信用风险的影响。 在 Credit Risk+模型运用方面，魏勇（ 2009）以中国银行益阳分行为研究对象，在基于 VaR 框架和 Credit Risk+模型技术的基础上，度量和分析中国银行益阳分行信贷风险，总结了益阳分行存在的存贷款结构比偏低、不良率仍在较高位运行以及风险过于集中等几个方面的风险。 3 综述 综上所述，国内外对于信用风险度量的研究成
10、果在规避信用风险带给企业的损失上有着很大的帮助。国内 外对信用风险的研究起点不同，适应度不同，研究成果也有部分差异。国外的研究是针对完全市场上的个别公司进行信用违约评价分析，再根据该公司进行模型的相关修正，找出适合该公司的信用风险评价方法，而国内研究则大多针对整个金融市场或者针对金融行业进行信用风险分析，大多照搬照抄国外的经验和方法，并没有进行相关修正，得出的违约数据并不与我国金融市场的实情相符。 近年来国家对于证券市场的有效性也不断提高，证券市场整体规模的膨胀和上市公司数量的快速增加迫切需要相应的模型对其信用风险进行度量。针对4 我国上市公司信用现状，在模型的修 正和运用方向上还有待提高。首
11、先，以上成果很少对农业类上市公司等这类非金融行业进行信用风险评估；其次，在对信用风险度量上缺乏现时的数据来源；最后，虽然我国学者对金融行业的信用风险评估已经研究得较为全面，但是对于现代信用模型的利用，我国学者并没有在利用现时数据的同时对模型进行修正评价。因此，还有待做出进一步理论与实践方面的探索研究 。 参考文献 1 陆珩瑱 ,张佳慧 . 基于 KMV 模型的纺织业上市公司信用风险研究 J.价值工程 ,2010 2 刘蓓 .“ Z 计分法”在家族企业 A 股中的实证分析 J.财会通讯 ,2010（ 4） 3 周沅帆 . 基于 KMV 模型对我国上市保险公司的信用风险度量 J.保险研究 ,200
12、9（ 3） 4魏勇 .基于 Credit Risk+模型的中国银行益阳分行信贷风险研究 D.湖南大学 ,2009 5 杨蓬勃 ,张成虎 ,张湘 . 基于 Logistic 回归分析的上市公司信贷违约概率预测模型研究J.经济经纬 ,2009（ 2） 6Ohlson, James, Financial Ratios and the Probabilistic Prediction of Bankruptcy J.Journal of Accounting Research, 1980 7Zavgren, Christine. The Prediction of Corporate Failure:
13、 The State of the Art J.Journal of Accounting Literature, 1983(2) 8Zmijeski, Mark.Methodoligal issues related to the estimation of financial distress predic tion models J.Journal of Accounting Research, 1984 (22) 9Vasicek.EDF and Corporate Bond Pricing.SanFrancisco, KMV J, LLC, 1995 10Roger M.Stein.Evidence on the Incompleteness of Merton-type Structural Models for Default Prediction J.Moodys KMV Corporation, 2005(2) 11Perter Crodbie, Jeff Bohn. Model in Default Risk J.Moodys KMV Corporation, 2003(10)
