《我国上市公司内部信用风险评级方法研究》由会员分享，可在线阅读，更多相关《我国上市公司内部信用风险评级方法研究（8页珍藏版）》请在金锄头文库上搜索。
1、我国上市公司内部信用风险评级方法研究龚朴何旭彪国家自然科学基金资助项目（70271028）。华中科技大学管理学院，武汉，430074e-mail: gongpu_,摘要：本文基于Hall和Miles（1990）的思想提出了上市公司违约概率度量方法，以此建立了我国上市公司信用评级模型，该模型充分利用上市公司的股票信息，能实时反映上市公司的信用品质，有效地回避信用评级方法中的信息滞后问题。本文结果与新华远东公布的2004年上市公司信用评级结果相符，且呈显著的正相关关系。关键词：上市公司，违约概率，Garch-M模型，信用风险评级Research on Internal Credit Risk Ra
2、ting of Listed CompaniesGong Pu, He XunbiaoCollege of Management , Huazhong University of Science & Technologye-mail: pu_,Abstract: Based on the Hall and Miles (1990) model, this article describes the method to the estimation of default probabilities of listed company and to build the internal ratin
3、g system. The method is simple for it only requires companys stocks data, and can reflect the current credit quality of listed company. It avoids lagged credit rating information. We give 2004 years credit rating results of listed company and compare it with Xinhua Far East China Ratings (PI) Result
4、s. We find that two results is positive correlation.Keywords: Listed companies, Default probability, Garch-M model, Credit risk rating.1 引言信用评级是根据科学的指标体系对被评级公司履行经济责任的能力及其可信任程度进行客观公正的评价，并确定其信用等级。信用评级可分为外部信用评级和内部信用评级两种模式。外部信用评级主要由专门的评级机构做出，并给出相应的信用统计信息。内部信用评级则是由银行或者企业根据内部模型给出。其中，建立内部模型是新巴塞尔资本协议的核心之一，该
5、协议正式允许金融机构使用其内部模型管理风险。从国际著名银行的风险管理方式来看，内部信用评级在信用风险管理中的作用日益增强。建立信用评级体系需要考虑的主要因素是违约概率，目前有两种不同的方式来考虑违约概率：一种是基于历史条件进行周期性的评级，这种方法体现了被评级公司在整个经济或者工业周期内的违约概率，并给出对应的信用等级。专业评级机构通常采用这种方法进行评级；另一种是根据当前信息进行评级，它反映的是在当前条件下被评级公司的违约概率和对应的信用等级。银行和金融机构一般通过这种评级体系来实时地反映被评级公司当前的信用状况，从而最小化信用风险。在多数情况下，这两种处理方式对信用风险管理会产生很大的影响
6、，Treacy (2000) 1对此问题展开了深入地讨论。早期建立的内部信用评级方法是多元判别分析法。1968年，Altman博士率先将判别分析法应用于财务危机、公司破产及违约风险的分析，建立了著名的Z-score模型和改进的ZETA模型2。1977年，Martin放松了判别分析法中的正态分布假设，建立了Logistic回归模型，改善了公司财务数据在不满足正态分布的情况下判别方法的正确率3。此外，还有几种常见的用于信用风险分析的统计方法：k-邻近法，主成份分析法，聚类分析法，分类树法等。进入20世纪90年代，神经网络引入了银行业，用于信用风险识别和预测。2000年，West建立五种不同的神经网
7、络模型：多层感知器、专家混合系统、径向基函数、学习向量量子化和模糊自适应共振，用来研究商业银行信用评价的准确性4。上面的内部信用评价方法主要采用公司的财务数据和相关的宏观信息来评估公司的信用状况，由于财务数据仅仅反映公司的历史信息，而且不经常更新，因此，由此产生的信用评级会有一定的滞后特征。近十年来，信用风险的识别和度量有了很大的发展，这使得情况有所改善。其中，KMV公司基于Merton模型建立了公司价值和公司股票价值之间的互动关系，提出了一种直接从股票价值数据中提取公司违约概率信息的KMV模型5，在全球产生了深远的影响。KMV公司的信用评级体系有一个缺点就是：它的方法依赖于一个违约和不违约公
8、司的统计数据库，这个数据库是不公开的，也就不能为一般的研究者使用。另外，它对于那些高杠杆比和资产负债不透明的公司也很难适用。国内在内部信用评级体系的研究方面起步得比较晚，目前主要是采用财务数据建立内部信用评级体系，取得了一定的成果。张玲(2004)6利用Z值模型对我国上市公司进行信用评级，并分析了我国上市公司资信品质的一些特点。这种方法存在着很多局限性，特别是不能实时反映公司当前的信用状况。针对这个缺陷，本文提出了一种基于违约概率模型的内部信用评级体系。首先，根据Hall和Miles(1990)7的方法，结合KMV模型中的违约距离的概念，估计出公司的违约概率模型，然后将公司的违约概率映射到不同
9、的信用等级上，从而实现公司的信用评级。本文在第二部分讨论公司的信用风险度量的方法，给出违约概率度量模型；第三部分建立上市公司内部评级体系，并对国内的上市公司进行了信用评级模拟；第四部分对本文提出的内部评级体系进行了实证分析，建立了内部评级体系与国内新华远东信用评级公司的评级结果之间的映射关系，证实了该模型的有效性；第五部分总结全文。2 上市公司违约概率模型在这一部分，本文在Hall和Miles(1990)模型的基础上，结合KMV模型中违约距离的概念，提出了公司的违约概率模型。这个模型的优点是，需要的数据仅仅依赖于股票数据。数据量很小，便于度量任何上市公司的违约概率。一般的，上市公司的资产价值为
10、公司的权益与负债的总和。如果假设市场是有效的，那么，公司的权益，也就是公司的资产减负债，能够充分由股票的价值体现出来。则公司权益的价值为：(1)其中，Ns是股票总的发行量，St是股票在t时刻的价值；Ci t是t时刻公司资产i的价值，( i 1，2，I)，Ni t是t时刻资产i的数目；Bl t是t时刻公司负债l的价值，( l 1，2，L)，Bl t是t时刻负债l的数目。设t时刻公司股票的回报为Rt，则有(2)式中是股票在时刻的期望回报，随机误差项的均值取为0，方差为。定义风险的市场价格：(3)式中RFt是t时刻的无风险利率；是股票回报的均方差。则，t-1时刻的信息已知的条件下，公司权益的市场价值
11、及其期望值为：(4)(5)于是，有：(6)即时刻上市公司权益的市场价值分别由确定项和随机项组成，且时刻上市公司权益市场价值的方差为从式得知，如果公司破产，那么公司权益的价值必定小于0，也就是说，当公司权益的价值降低到0，公司就发生违约了，引入违约距离的概念，易于得到公司的违约距离DD：(7)当公司发生违约时，公司的权益价值小于等于0。则公司的违约概率为：设当前时刻公司没有发生违约，则有。进而可将时刻公司的违约概率表示为(8)因此，一旦给出随机变量的分布，便可通过违约距离由（8）式确定时刻公司的违约概率（如图1所示）。从式可知，公司违约概率预测是否准确在于和的估计值。实践表明，金融市场数据的波动
12、率具有集聚性，且随时间的变化而改变。为了切实地描述金融市场数据的这种特征，本文采用Garch模型来估计和的时间序列。假设服从以下过程：则公司股票价值的回报过程服从Garch-M模型，即(9)接下来需要处理时间尺度的选择问题。从式得到的是公司权益价值的日方差和日回报，从而得到公司的日违约概率。而在实际的工作中，日违约概率估计包含了太多的噪音，人们最需要的是预测一个月或者是一年后的违约概率。若取一年为250个交易日，那么公司股票回报的年方差为：(10)式中为公司股票回报在第时刻的方差，同理根据式可得公司权益的年期望价值：(11)因此，公司的年违约距离为：(12)最后，需根据违约距离来估计公司的违约
13、概率。由于违约事件属于小概率事件，通常得到的数据量很少，甚至几乎没有。如果假设股票回报的误差项服从正态分布，得到的违约概率比实际的违约概率要小得多，这是因为正态分布不能描述公司股票回报中的厚尾现象。本文选择能反映厚尾的student-t分布，可以得到与实际情况相符的违约概率。3 上市公司信用内部评级体系建模和等级模拟信用内部评级体系的作用是通过不同的信用等级描述公司的信用状况，违约概率是表征公司信用质量高低的主要指标。因此，可以通过将公司的违约概率映射到不同的信用等级上，从而实现对公司的信用评级。简单划分信用等级的方法是将概率空间0，1分成不同的区段，不同的区段代表不同的信用等级，从而建立信用
14、内部评级体系。从上一部分的分析可知，在相同的违约距离下，如果股票回报的假设分布不同，得到的年违约概率也不一样。本文选择了自由度为5的student-t分布，能够反映公司股票数据中的厚尾现象。根据样本公司违约概率的实际分布情况，并参考穆迪和标准普尔公司信用评级体系中的期望违约概率的统计特征，本文将概率空间0，1划分为8个级别（如表1所示）。该等级类似于穆迪、标准普尔等的等级划分，分别对应于AAA、AA、A、BBB、BB、B、C七级和违约级D共八个信用等级。表1 信用等级划分标准违约概率表信用等级理论违约概率区间10，0.02%)20.02%，0.15%)30.15%，0.5%)40.5%，1.7
15、%)51.7%，4.7%)64.7%，6%)76%，15%)815%，1)根据表1的信用等级划分标准，本文取1999、2000、2001、2002、2003五年作为样本期限，对上海和深圳证券交易所的A类上市公司进行了模拟信用评级，剔出一些数据不足一年公司，实际的有效样本数为：1999年805家上市公司、2000年900家上市公司、2001年1029家上市公司、2002年1103家上市公司、2003家1182个上市公司。数据来源于上海万得资讯科技有限公司提供的Wind金融数据库，利用数据库中的股票日数据对上市公司进行模拟信用评级，评级的结果如表2所示。表 2 1999-2003年上市公司信用评级表1999年2000年2001年2002年2003年信用等级公司数量比例公司数量比例公司数量比例公司数量比例公司数量比例120.25%30.33%30.29%30.27%90.76%2192.36%657.22%252.4
