《违约距离视角下的开发性金融信用风险评估》由会员分享，可在线阅读，更多相关《违约距离视角下的开发性金融信用风险评估（11页珍藏版）》请在金锄头文库上搜索。
1、违约距离视角下的开发性金融信用风险评估 曹裕 陈霞 刘小静 中南大学商学院 中南大学建筑与艺术学院 摘 要： 基于现代期权理论, 依据开发性金融机构投资对象 (以武钢为例) 在资本市场的信息、财务报表及宏观经济信息等数据, 考量将 KMV 违约距离引入logistics 回归评估违约概率, 并以 CPV 理论校验模型的适用性。结果显示, 在 20072010 年受经济危机影响, 武钢违约概率较高, 财务状况不尽理想, 经 2010 年股权改革和宏观经济状态的好转, 武钢的财务状况明显好转, 修正后模型预测结果与武钢年度报表高度吻合, 表明修正模型的有效性。关键词： 开发性金融; KMV; 违约
2、概率; CPV; 作者简介：曹裕 (1985) , 女, 湖南益阳人, 中南大学商学院副教授、博士生导师, 研究方向:食品安全社会治理、企业可持续运作管理、风险管理。收稿日期：2017-05-13基金：国家自然科学基金 (71573281) A Reserch of Measuring the Developmental Financial Credit Risk in the Perspective of Default DistanceCAO Yu CHEN Xia LIU Xiaojing Business school, Central South University; School
3、 of Architecture & Art, Central South University; Abstract： Based on the theory of modern option, according to the datas such as information in the capital market, financial statements and macro economic information of WISCO which is invested by developmental financial institution, this artical intr
4、oduces KMV default distance into logistic regression to assess the default probability, and verifies the applicability of the model based on the theory of CPV.Research results show that the default probability is higher and the financial situation is not ideal when WISCO faced the economic crisis du
5、ring 2007 to 2010, however after the equity reform of 2010 and improvement of the macroeconomic condition, WISCOs financial situation improved markedly.The revised model predictions coincides with the annual statements of WISCO highly, which indicates the validity of this revised model.Keyword： deve
6、lopmental finance; KMV; default probability; CPV; Received： 2017-05-13一、引言国家开发银行已成为全球最大的开发性金融机构, 中国最大的对外投融资合作银行、中长期信贷银行和债券银行, 作为全国唯一的开发性金融机构, 国开行主要通过开展中长期信贷与投资等金融业务, 为国民经济重大中长期发展战略服务1。其服务国家战略、政府提供信用支持、按照市场原则运作、保本微利等特点2, 使得其在供给侧改革背景下, 准确度量其风险承担, 进而采取有效的管理措施已变得相当重要。然而, 虽然有关风险测量及防控的研究如火如荼, 但有关国开行信用风险度量
7、及防控的研究甚少。在相关风险测量及防控研究的基础之上, 为国开行计算企业违约概率, 本文提出将违约距离作为变量引入logistic 回归模型中以帮助国开行评估企业违约风险, 进而将 CPV 与 KMV 模型相结合, 采用宏观经济数据对违约概率进一步修正的方法。KMV 模型在 1993 年被提出后得到了广泛应用与发展3,4。由于 KMV 模型为反映静态风险状态下的模型, 因而, 在动态风险评估趋势的今天, KMV 存在的一些问题逐渐暴露, 如模型使用范围的局限性, 资产价值分布假定的局限性, 债务类型区分的失效等。近年来, 一些学者根据中国过渡经济资本市场的特点修正 KMV 模型, 进而引入应用
8、, 进行实证验证, 取得了良好效果。以下研究针对KMV 模型参数的估计和设定方法进行了差异化的方法修正, 使模型在一定程度上克服了模型使用范围的局限性、动态评估及债务类型区分失效等局限性, 在国内市场具有更好的适用性5-7。CPV (Credit Portfolio View) 由Mckinsey 公司 Wilson 提出, 它应用蒙特卡罗模拟来实现模拟违约的联合条件分布, 并认为宏观经济因素可以和转移概率建立模型化关系。基于宏观经济周期以及宏观因素影响违约率的合理及重要性, 为数不少的学者将 CPV 引入信用风险管理以改良对信用风险的测量防控。相关学者的研究主要集中于方法的改进及行业应用上,
9、 曹麟与彭建刚的研究即属于方法改进范畴, 其通过调整 CPV模型中残差相关性假设, 分别处理了压力情境生成模型与风险传导机制模型, 同时针对宏观经济因子因多重共线性不能进压力测试的问题, 则利用偏最小二乘法对信用风险传导模型进行参数估计来加以避免, 对 CPV 方式的运用进行了有效改良8。张勇的研究属于模型应用范畴, 其将 CPV 信用风险度量模型用于房地产信贷风险度量上, 实证结果表明其具有良好的风险度量适用性9。莫易娴与周好文创造性的将 KMV 模型与 CPV 模型相结合, 首先利用 KMV 模型计算出我国产业集群的违约概率, 然后利用 CPV 模型进行一系列的运算以校验违约概率, 分析了
10、我国违约概率值的特点, 取得了较好结果10。由以上研究可知, KMV 模型只考虑了企业个体微观数据, CPV 模型则在宏观经济因素对主体信用风险的影响上有所侧重, 本文即在以上相关研究的基础上, 将两者相结合, 选取重要的宏观经济因素 (系统性风险) 对回归模型算出的违约率进行校验修正, 使企业违约率的估计更为准确有效;除此, 本文在多元回归模型的基础上引入 KMV 模型中的重要概念违约距离, 并使其作为重要指标引入回归模型中, 由于 KMV 模型为基于期权理论下反映静态风险状态的模型, 引入 KMV 模型的相关指标, 可以更好地的针对上市公司与非上市公司建立不同的指标体系, 增强其适用性。本
11、文其余部分组织如下:第 2 节为基本的符号说明及参数确定, 第 3 节为建模过程, 接下来是实例分析与相关结论。二、模型设计(一) 符号说明本文用到的符号说明如下表:表 1 符号说明 下载原表 (二) 参数确定1.负债面值和债务期限的确定。在本文中, 上市公司债务面值是根据上市公司年度财务报表中的流动负债以及长期负债之和来估计。考虑到工作量和数据的合理性, 设定债务偿还期限为一年, 即 t=1。2.公司股权价值 VE的确定。公司股权价值为公司流通总股本与非流通股价之和, 即公司股权价值 VE=股价年日均值流通股股数+每股净资产非流通股股数 (1) 3.无风险利率 r 的确定。无风险利率指市场普
12、遍认为没有违约风险的证券收益率。在美国, 通常以美国国债利率为无风险收益率。本文以同期一年期定期存款利率作为无风险利率。4.KMV 公司通过统计大量的违约公司表明, 公司违约时, 资产价值一般违约短期负债和全部负债之间的某一水平点上, 在该违约触发点上, 上市公司的资产价值恰好可以偿还债务。KMV 模型中违约点 DP (Default Point) 位置估算一般如下:DP=企业短期债务价值+0.5企业长期债务价值 (2) 5.违约距离 (Default Distance, DD) 是企业价值与违约点的相对距离。本文把 KMV 模型中计算出的违约距离这一重要概念引入到 Logistic 回归模型
13、中, 测算开发性金融的违约概率。三、模型建立KMV 模型普遍用于估算借款公司的违约风险。KMV 模型假定, 如果借款公司的负债一定, 违约信用风险将由债务人的资产市场价值决定。但由于资产并未在市场进行真实交易, 直接观测市场价值难以实现, 该模型转换观测视角, 从借款公司的视角来思考归还银行负债的问题。KMV 模型的基本思想是:当公司资产的市场价值小于它需偿还的负债 (违约点) 时, 公司就会违约。公司资产的市场价值、资产价值波动率以及违约点是 KMV 模型中三个最重要的变量。在 KMV 模型中, 违约距离 (Default Distance, DD) 是衡量违约风险大小的重要指标。违约距离的
14、值越小, 则表明公司能偿还到期债务的可能性越小, 发生违约的可能性越大, 公司的信用状况越差, 此公司的信用风险就越大;反之, 该值越大, 表明公司到期偿还债务的可能性越大, 发生违约的可能性越小, 公司的信用情况越好, 该公司信用风险也越小。(一) 利用 KMV 求解违约距离假设上市公司股票价格符合对数正态分布, 则股票的对数收益率为其中, P i为上市公司股票当日收盘价, P i-1为该上市公司股票前一天的收盘价。则股票收益率的波动率 (日波动率) 其中, n 为一年的交易天数, 珔 为平均收益率。从而, 上市公司股权的市场价值的波动率 (年波动率) 根据 Black-Scholes 期权
15、定价公式, 有其中 N () 为标准正态分布的累积分布函数, V 为资产价值, V为资产的年波动率, 式子中 d1和 d2如下:从而可以求出 V 和 V。结合违约点, 就可以计算上市公司的违约距离 DD, 违约距离代表的是上市公司资产价值的均值和违约触发点之间的距离, 被定义为欲使上市公司未来资产预期价值等于违约点水平, 资产价值应下降的百分比相当于多少倍的资产价值标准差, 公式如下即(二) 利用回归模型计算违约概率企业违约概率与其许多财务指标相关, 而这些指标个数往往太多, 研究时复杂度高, 且财务指标之间存在很大的相关性, 因而用较少的变量个数载荷较多的信息以简化分析过程是有必要的。主成分
16、分析用于研究企业的违约概率, 可以将原先提出的所有变量中重复的 (关系紧密的变量) 删去, 建立计算出尽可能少的新变量, 使得这些新变量是两两不相关的, 而且这些新变量在反映企业的违约信息方面尽可能保持了原有的信息。本文选取多个可以很好反映企业信用的财务指标 (资产规模 X1、资产收益率X2、收入增长率 X3、资产负债率 X4、主营业务收入 X5、净利润 X6、净资产 X7等) 进行初始分析, 归一化后得 X1、X 2、X 3、X 4、X 5、X 6、X 7等, 研究采用 Logistic 回归分析。另外, 将违约距离作为变量引入到 Logistic 回归模型中计算企业的违约概率。第一步对样本数据进行因子分析, 以简化分析和消除指标之间的多重共线性, 通过 KMO 和 Bartlett Test 来判断是否适合因子分析, 筛选变量直至可以进行因子分析。通过因子分析, Logistic 回归模型分析选取 M 个足以解释各因素对违约率影响的共性和差异性的显
