（金融学专业论文）基于KMV模型和LelandToft模型的信用风险度量实证研究.pdf

，f 论文原创性声明 学位论文，是本人在导师的指导下，独 。除文中已经注明引用的内容外，本论 文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文 的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本 人完全意识到本声明的法律结果由本人承担。 学位论文作者签名：甥耋雁香 日期：砌o 年占月z 日 学位论文使用授权声明 本人完全了解中山大学有关保留、使用学位论文的规定，即：学 校有权保留学位论文并向国家主管部门或其指定机构送交论文的电 子版和纸质版，有权将学位论文用于非赢利目的的少量复制并允许论 文进入学校图书馆、院系资料室被查阅，有权将学位论文的内容编入 有关数据库进行检索，可以采用复印、缩印或其他方法保存学位论文。 保密论文保密期满后，适用本声明。 学位论文作者签名：泠雅香 导师签名： 日期：砌，口年么月媚1 3 期：幻，口年 日瞧眦，甲歹 模型的信用风险度量实证研究 金融学 谢雁乔 教授、牛鸿副教授 摘要 经过近2 0 年的发展，中国商业银行的信用风险控制能力得到了极大的提升， 各大银行也已经基本建立了企业信用风险识别体系，但和国外成熟的银行业相比 较，中国商业银行仍存在很多缺陷，例如信用风险的识别主要还是依赖专家系统 等定性分析，缺少严格的定量分析。 本文选取中国a 股市场1 3 8 个企业数据为样本，实证检验了k m v 模型与 l c l a n d - - t o f l 模型在识别中国上市企业信用风险方面的能力。k m v 模型属于外 生违约边界模型，l t 模型属于内生违约边界模型，本文比较分析了这两个信用 风险结构模型，研究哪个模型更能符合中国的现状。本文构造了s t 公司和配对 非s t 公司两个样本，将模型关于这两个样本分别进行实证研究，为了提高模型 的识别能力，本文对模型中主要参数股权价值波动率仃，进行了修正，采用了极 差波动率作为代理变量。极差波动率既可以反映交易日内大量信息，又对微观结 构产生的噪声具有鲁棒性( r o b u s t n e s s ) ，而且极差波动率作为代理变量也是无偏 的。因此本文采用极差波动率代替传统的波动率计算方法。 在识别s t 公司和非s t 公司时，k m v 模型与l t 模型均表现出不错的识别 能力，不论是均值t 检验还是中值w i l c o x o n 检验，两个模型都在5 显著性水平 下显著。但是，两个模型计算得到的理论e d f 却存在很大的差异，造成这种差 异的原因主要在于k m v 模型的理论预期违约概率与实际违约概率不符，无法正 确反映s t 公司的违约状况，同时可能是因为l t 模型某些参数的设定不符合中 国市场的现状造成的。 为了能够更加清楚的看到两个模型识别能力的差异，本文创新性的采用了医 学领域较为成熟的r o c 曲线进行检验，通过构造基于l o g i s t i c 的r o c 模型，本 文计算出k m v 模型的r o c 曲线下面积为0 6 1 5 2 ，l t 模型的r o c 曲线下面积 为0 8 2 3 0 ，再结合r o c 曲线的形状，本文认为l t 模型的识别能力要明显高于 k m v 模型。 关键词：信用风险度量，k m v 模型，l e l a n d - - t o f t 模型， r o c 曲线 _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 。_ - 。 a ne m p i r i c a ls t u d yo nc r e d i tr i s km e a s u r e m e n tb a s e do nk m vm o d e la n d l e l a n d 1 r o f im o d e l m a j o r ：f i n a n c e n a m e ：y a n qi a ox i e a m e ：ia n q l a oa i c s u p e r v i s o r ：p r o f e s s o ry u a n l o n gw a n g ；a s s o c i a t ep r o f e s s o rh o n gn i u a b s t r a c t w i t ht h ed e v e l o p m e n to ft h er e c e n tt w e n t yy e a r s ，c o m m e r c i a lb a n k si nc h i n a h a v eg r e a t l ye n h a n c e dt h e i rr i s km a n a g e m e n ta b i l i t ya n db a s i c a l l ye s t a b l i s h e dc r e d i t r i s ki d e n t i f i c a t i o ns y s t e m s h o w e v e r , t h e r ea r eal o to fd e f e c t si nc r e d i tr i s k i d e n t i f i c a t i o na n dm a n a g e m e n ti nc o m m e r c i a lb a n k so fo u rc o u n t r y i tp a u s e si nt h e t r a d i t i o n a lc r e d i ta n a l y s i sm e t h o da n dt h ee x p e r te x p e r i e n c e sj u d g e ss t a g e ，m a i n l y p r e f e r sq u a l r a t i v ea n a l y s i sm o r et h a nr i g o r o u sq u a n t i t a t i v ea n a l y s i s 佻a r t i c l ee m p i r i c a l l ya n a l y s e st h ed i f f e r e n c e si nt h ei d e n t i f i c a t i o no fc r e d i tr i s k c a p a b i l i t i e sb e t w e e nk m vm o d e la n dl e l a n d t 0 矗m o d e l , u s i n gd a t ai na - s h a r e m a r k e to fc h i n aa ss a m p l e s ，a n dd e c i d e sw h i c ho n ei sm o r es u i t a b l ef o r t h er e a l i t yi n c h i n a i no r d e rt o i m p r o v et h ea c c u r a c yo ft h em o d e l s ，t h i sa r t i c l em a k e ss o m e a m e n d m e n t so nt h ep a r a m e t e r sw i t ht h es a m p l e sa r es e p a r a t e di n t os t c o m p a n i e sa n d n o n - s tc o m p a n i e s b o t hk m vm o d e la n dl tm o d e ls h o wq u i t eg o o dp e r f o r m a n c e si nd i s t i n g u i s h i n g s tc o m p a n i e sf r o mn o ns tc o m p a n i e s o nt h eo t h e rh a n d ，t h e o r e t i c a le d fc a l c u l a t e d b yt h e s et w om o d e l sa r ed i f f e r e n t ，a n dt h em a i nr e a s o np r o b a b l yl i e si nt h a tt h e o r e t i c a l e d fo b t a i n e db yk m vm o d e li si n c o n s i s t e n tw i t hr e a le d f , o rs o m ep a r a m e t e rg i v e n f r o mt h el tm o d e li sl a c kc o r r e c t n e s sw h e nu s e di nt h ec h i n e s ea - s h a r em a r k e t t h i sa r t i c l ec r e a t i v e l yu s e sr o cc u r v ew h i c hi sm a t u r ei nt h em e d i c a lf i e l dt o f i n do u tt h ed i f f e r e n c e sb e t w e e nt h e s et w om o d e l sm o r ec l e a r l y , a n dt h er e s e a r c h s h o w st h a tt h ec r e d i tr i s ki d e n t i f i c a t i o na b i l i t yo fl tm o d e li sm u c hs t r o n g e rt h a nt h a t o fk m vm o d e l k e yw o r d s ：c r e d i tr i s km e a s u r e m e n t ，k m vm o d e l , l e l a n d - t o f lm o d e l , r o c c u r v e 第1 章绪论1 1 1 研究背景1 1 2 研究目的与研究意义2 1 3 研究框架3 1 4 本文的创新点4 第2 章文献综述 2 1 传统信用度量方法5 2 2k m v 模型研究综述。8 2 3l e i a n d t o f t 模型研究综述。1 4 第3 章k m v 模型与l t 模型理论分析 3 1 k m v 模型外生违约边界模型。1 7 3 2l e t a _ n dt o f t 模型内生违约边界模型2 2 第4 章k m v 模型与l t 模型实证分析2 6 4 1 样本选取2 6 4 2k m v 模型实证。2 9 4 3l t 模型实证3 5 第5 章模型识别能力检验及比较分析3 8 5 1t 检验及w i l c o x o n 检验3 8 5 2 模型识别能力的r o c 曲线评价3 9 5 3 完善模型使用环境4 4 第6 章结论与展望 6 1 研究结论4 5 6 2 进一步研究方向4 6 参考文献4 7 后记。5 0 2 1 1 研究背景 第1 章绪论 自金融市场诞生以来，信用风险就是其中最主要的风险，也是商业银行所面 临的最核心的风险，它影响着经济生活中的方方面面，也影响着一个国家的宏观 经济决策以及发展速度。信用风险的度量和管理是金融领域最重要的课题之一。 在商业银行的经营管理过程中，有效的信用风险管理必不可少，准确度量和有效 管理信用风险是商业银行提高其自身风险识别能力、评估能力、预警能力和控制 能力的重要前提。因此，商业银行只有能够对信用风险进行精确度量，才有可能 进一步对信用风险进行有效管理。 墨西哥金融危机、亚洲金融危机以及最近的次贷危机所产生的严重后果使得 社会各界越来越重视企业信用风险的度量和管理问题。不断加快进程的金融全球 化，国际银行业之间的剧烈竞争，以及信用衍生产品的大量创新导致信用风险的 度量和管理越来越困难，为了适应新巴塞尔协议的要求，世界各大银行不断开发 出更加先进的技术方法来度量和控制信用风险，而且现代金融理论的发展和计算 机水平的不断提高也给复杂信用风险模型的开发及应用提供了可能。 自中国经济改革开放以来，金融体制改革进程也越来越快，商业银行的作用 和地位也随之发生深刻的变化，现己成为中国金融市场的重要组成部分，其发挥 着经济信息集散中心和资金调剂中心的作用，在宏观经济活动中扮演着重要的角 色。目前，中国商业银行的主要利润来源仍然是传统的存贷息差，与国外商业银 行相比，中间业务的发展相对缓慢，信用风险仍然是当前中国银行系统所面临的 主要风险。而中国金融机构的管理和宏观调控机制仍不完善，度量和控制信用风 险的技术相对滞后，许多传统的风险度量和管理方法已经无法适应宏观经济和银 行业发展的需要，因此通过学习借鉴国际上先进的风险度量技术和方法，加强对 上市公司的信用状况研究，识别、控制上市公司信用风险对投资者、商业银行和 监管部门来说都是十分必要的。 1 2 研究目的与研究意义 中国上市公司作为整个国民经济重要的组成部分，其信用的缺失给经济发展 带来不可忽视的消极影响，这不仅降低资本市场的资源配置效率，严重损害到投 资者的切身利益，而且会危及到商业银行的正常经营。因此要从上市公司信用风 险的评估开始入手，通过建立信用风险管理的完善体系，加强信用风险的管理。 信用风险管理体系包括风险的识别、度量和控制，其核心部分是信用风险度 量。由于存在分布不对称、数据收集困难、在具体实体经济的适应性和有效性等 理论和实际问题，信用风险度量成为信用风险管理的瓶颈和关键问题。国际银行 业相继开发出多种度量信用风险的模型，推进了现代信用风险管理的进程。因此， 学习借鉴国际银行业先进的信用风险度量管理技术方法，选择建立适合中国市场 的信用风险度量模型，可以为中国商业银行度量上市公司信用风险提供参考和借 鉴，对于健全中国信用风险管理体系具有重要意义。 在信用风险度量模型中，k m v 模型与l e l a n dt o i l 模型都属于信用风险中的 结构性模型，但是二者仍存在着很大差别。k m v 模型是穆迪公司于1 9 9 5 年创立 的一种度量预期违约频率的模型，是以m e r t o n 模型的基本思想为基础而发展起 来的一整套量化信用风险的概念性框架技术。该模型从企业股票市场价格的变化 出发，通过计算预测公司违约频率来分析企业的信用状况，相比于大多数应用财 务报告所提供的会计数据进行信用风险度量的模型来说，k m v 模型把市场数据 与会计数据相结合起来，因此更具有前瞻性。k m v 模型中的违约边界是外生给 定的，例如设定为短期负债+ 长期负债的5 0 。与k m v 模型不同的是， l e l a n d t o i l 模型在建模过程中使用完全不同的方法来确定违约边界，该模型认为 一个企业的违约边界是股东在公司经营状况不佳时将资产所有权转移给债权人 的最优化结果，是内生决定的，违约边界受到破产费用、支出率、税率等多种因 素的影响。 本文以预期违约率的测算为切入点，修正k m v 模型与l t 模型的相关参数， 重点研究k m v 模型和l e l a n d t o i l 模型在中国的适用性问题。本文选取中国a 股市场s t 公司和相应的配对非s t 公司构成两个样本，通过这两个样本的数据 对k m v 模型和l t 模型进行实证研究，通过t 检验、w i l c o x o n 检验和r o c 曲线 来比较分析外生违约边界k m v 模型和内生违约边界l t 模型识别中国上市企业 信用风险的能力，以为中国商业银行选取合适的信用风险模型提供有益的建议。 从理论上讲，本文的研究意义主要在于：( 1 ) 扩展了l e l a n d - - t o f l 模型在中 国适用性的实证研究，与国内现有的l t 模型实证研究文献相比，本文不仅对l t 2 模型的参数进行了修正，而且采用配对样本对其进行了实证，并将实证结果与 k m v 模型进行了对比分析，大大提高了实证结果的有效性；( 2 ) 将医学领域的 r o c 曲线引入到信用风险模型评价领域，用更加科学、更加精确的方法对模型 的识别能力进行分析。 从现实角度讲，本文的研究有利于中国商业银行提高自身的风险识别能力， 有利于银行完善风险管理制度，提高银行的自身经营水平，并进一步提高中国资 本的配置效率，加快中国经济的增长。 1 3 研究框架 本文的主要研究框架如图l l 所示。 图l l 研究框架 3 1 4 本文的创新点 本文主要创新点在于： 1 、在估计股权价值波动率仃e 时，为了更好的反映交易日内的信息，本文采 用了对交易噪声有很好鲁棒性( r o b u s t n e s s ) 的极差波动率作为代理变量，这在 k m v 模型的实证分析中属于首次应用。 2 、目前中国关于l t 模型的实证文献现存只有一篇，本文采用完全不同的样 本，借鉴k m v 模型实证的相关方法，对l t 模型进行了实证研究，并将结果与 k m v 模型进行对比分析，考察两个模型在识别能力上的区别。 3 、本文引入r o c 曲线对两个模型识别能力进行考察，这在学术界属于首次 运用。为了提高r o c 曲线的稳定性，本文基于l o g i s t i c 函数对r o c 模型进行了 扩充，得到了完整的r o c 方程，以及r o c 曲线下面积的计算公式，从而更加 精确的判定k m v 模型与l t 模型识别能力的强弱。 4 文献综述 信用风险的重要性不言而喻，各界在几十年的研究应用中逐步形成了各种度 量信用风险的传统和方法。传统信用风险衡量方法作为最初识别企业信用风险的 工具，在金融机构信用风险管理中发挥着举足轻重的作用，对于商业银行来所更 是如此。具体来说，传统的信用风险度量方法主要包括专家分析法与信用评级法、 信用评分法和神经网络方法等。 2 1 1 专家分析法与信用评级法 专家分析法是以借款人基本特征反映出的各类信息为基础，依赖于专家主观 判断而估算借款人信用风险，这种方法在银行开始出现的时候就产生了。张玲、 张佳林( 2 0 0 0 ) 开发出了要素分析法，把这种要素分析法作为一种金融机构对企 业客户进行信用风险识别分析时所采用的专家分析法。不同学者对要素分析法归 纳表述的角度都有所不同，也因此先后出现了5 c 要素分析法、5 w 要素分析法 和5 p 要素分析法。具体来说，这三种不同的要素分析法都是从五个方面来全面 分析，从而判别借款人的还款能力和还款意愿，不同的只是所选取要素的不同。 信用评级法是由美国货币管理办公室( o c c ) 开发并逐渐发展而来的。金融 机构监管者和商业银行可以采用这种方法来评估不同企业贷款的损失准备金。 o c c 最早将贷款分为正常贷款、关注贷款、次级贷款、可疑贷款、损失贷款五 个级别，这样一种方法是先进国际通行的信用风险管理技术和方法，但另一方面， 该方法中的违约率和信用级别的规定并不能全部反映实际情况。f a d i l 在研究中 发现，许多银行扩展了最初的评级方法，开发出更为有效的内部信用评级系统， 常见的做法是增加分类档次，同时对高品质的企业贷款也规定了一定的损失准备 提取比例。中国人民银行( 1 9 9 8 ) 宣布在中国银行业中开始改进原有的贷款质量 分类方法，实施全新的五级贷款分类法，但是，由于我国的评级体系没能与违约 率对应起来，因此评级结果仍然是依赖于银行的主观判断。 5 2 1 2 信用评分法 在信用风险度量的传统方法中，信用评分法的应用最为有效，也被国际银行 业和学术界视为传统方法中的主流。这类方法是以企业的财务比率作为解释变 量，通过数理统计的方法建立会规模型，继而比较模型输出的信用分值或者违约 概率与基准值，从而度量企业信用风险的大小。具体来说，信用评分法包括多元 判别分析模型、线形概率模型、l o g i t 模型和p r o b i t 模型等。 a t l m a n ( 1 9 6 8 ) 1 先后开发出5 变量z s c o r e 判别模型和当前使用最为普遍的 7 变量z e t a 模型。s c o t t ( 1 9 8 1 ) 2 比较分析了以往学者的实证结果，研究认为z e t a 模型在多元模型中是最优的。国内学者陈静( 1 9 9 9 ) 3 以上市公司年报数据为样 本数据，利用该方法建立两个判别模型，得出模型总体判别的正确率为9 2 6 ， 取得了不错的效果。宋秋萍( 2 0 0 0 ) 4 直接运用z - s c o r e 模型对我国6 家企业进 行预测分析，认为中国与美国的会计准则存在一定的差距，因而直接利用美国公 司数据建立起来的模型并不适用于中国，对中国企业的预测要从国内企业的相关 财务数据中找出特征指标来建立判别函数，这种做法才是务实的做法。张玲 ( 2 0 0 0 ) 5 的研究便是这样一种思路，研究采用我国1 2 0 家上市企业的数据，利 用判别分析过程从1 1 个特征财务比率变量中推导出一个只有4 个变量的判别分 析模型。 m a r t i n ( 1 9 7 7 ) 6 实证分析比较了l o g i t 模型方法和判别分析方法，发现在预 测银行破产的应用中，两种方法的判别能力极为接近。w e s t ( 1 9 8 5 ) 7 在分析金 融机构中使用l o 醇模型，并以此得出每一个金融机构的违约概率。l a w r e n c e ( 1 9 9 2 ) 8 将l o 西模型应用到实际家庭中，用该模型来预测家庭汽车贷款的违 约概率。国内学者也先后对l o g i t 模型和p r o b i t 模型进行了研究。陈冶、陈治鸿 ( 2 0 0 0 ) 9 运用b 醇模型对上市企业所进行的预测判别准确率达到了8 6 5 。 高培业、张道奎( 2 0 0 0 ) 1 0 将深交所的上市企业分为制造业和非制造业两类，以 一年的财务数据为样本数据，先后运用线性判别模型和p r o b i t 模型进行企业的财 务困境预测。吴世农、卢贤义( 2 0 0 1 ) 1 1 比较分析了线性判别分析、多元线性回 归分析和l o g i s t i c 回归分析三种信用风险识别方法，他们以这三个模型为基础分 别建立了三种财务困境的预测模型并进行实证分析和比较，结果显示，在财务困 境发生的前4 年，模型的误判率在2 8 以内，因此模型具有较好的预测能力和 预测效果。 尽管这种以财务数据为基础的多元信用评分模型在国际银行业已经得到较 为广泛的应用，但模型存在无可避免的一些缺陷，首先是模型以会计账面价值为 6 基础，但是企业的会计数据是离散的而非连续，因此模型难以发现企业信用状况 的细微、快速变化。再者，该类模型缺乏严密的理论基础，只是一种经验上的拟 合。因此，其在信用风险识别的实际应用仍有待商讨。 2 1 3 神经网络方法 神经网络方法在信用风险衡量领域的应用从2 0 世纪9 0 年代，该分析方法试 探性地发掘出不同解释变量之间的隐含关系，继而把具有解释能力的变量输入非 线性模型，从而达到优化模型预测能力的效果。 d u t t a 和s h e k h a r ( 1 9 8 8 ) 是第一次将神经网络应用于债券的信用评级，主用 研究不同个数的自变量及网络构架对信用风险等级分辨能力的影响，研究所得出 的预测准确率达到7 6 至8 2 之间，自此神经网络方法作为信用风险研究的主 要方法之一被加以应用。a l t m a n ( 1 9 9 4 ) 在对意大利公司的预测研究中得出神 经网络方法与多元判别分析模型相比效果较好。但a l t m a n ( 1 9 9 5 ) 在对判别分 析法和神经网络法的比较研究中认为，神经网络分析这种方法在信用风险识别和 预测中的效果并没有实质性地优于之前的线性判别模型。 国外学者采用神经网络分析法先后对美国公司和银行财务危机进行预测，取 得了一定效果。国学者李云杰、王嘉诚、杨保安、王春峰等先后对神经网络方法 在信用风险评估方面的应用进行了探讨，大多数学者的研究结果都表明，神经网 络方法在信用风险衡量方面优于传统的统计方法。邓小丹( 2 0 0 7 ) 设计了一种全 新的信用风险评估系统，该系统是基于可拓神经网络方法与专家系统相结合的系 统，将该信用控制方法应用与信用风险评估的研究发现，将这样一种混合系统应 用于企业信用风险管理，要比传统的方法更为准确和有效。 神经网络模型并不完全依据经验，并能在一定程度上处理有噪声或者不完全 的数据，同时该模型还能处理较为复杂的非线性关系问题，但另一方面，要得到 一个较为完善的神经网络结构是非常耗费人力和时间的。因此，神经网络方法作 为一种信息处理科学方法仍被用于信用风险识的应用研究中。 以专家系统和定性分析为特征的传统信用风险识别分析方法得到了广泛的 研究应用，并在商业银行信用风险管理领域发挥着不可或缺的重要作用。但另一 方面，传统方法虽然简单易行，但是在具体操作过程中却暴露出了许多不足。这 些方法过度依赖于主观判断、缺乏客观统一的标准，高昂成本的同时还难以有效 管理，因此，在信用风险衡量中运用新的现代方法势在必行。 7 2 2k m v 模型研究综述 2 2 1 国外研究综述 1 9 9 3 年，k m v 公司推出了k m v 模型。1 9 7 2 年b l a c k 、s e h o l e s 和m e r t o n 关于期权定价模型的研究是k m v 模型的起源。m e t o n 在1 9 7 4 年将期权定价理 论运用于证券股价和风险贷款，并提供一种用于衡量企业违约风险的实用高效的 分析方法。此后，许多学者沿着m e r t o n 的思想向不同方面发展，其中不少学者 尝试在信用风险的度量领域运用期权定价理论并获得成功，k m v 模型就是这样 的一个例子。 m c q u o w n 和v a s i c e k 作为k m v 公司的先驱者，研究并且改进了b s m 模型， 同时进一步将其运用在关于授信和贷款投资组合管理，在上个世纪的8 0 年代初 期取得显著成效，特别是在评价企业法人信用和多元化企业贷款商品的应用方 面。该研究同时考虑了企业的股价及其浮动情况和企业的负债水平，相对于只利 用公司财务所做的分析来讲更加准确，因此在评估分析企业的信用风险时表现十 分突出。m c q u o w n 和v a s i c e k 在随后的研究中利用改进的期权定价公式来计算 违约距离d d 。同时k m v 公司1 2 收集了1 9 7 3 年以来包括4 0 0 0 0 家非上市公司 和3 4 0 0 家上市公司的相关资料，以此建立了一个庞大的企业信用资料数据库， 取得了不错的预测效果。结合期权定价理论和m m 理论，k m v 公司在研究信用 风险的度量和管理之后，在1 9 9 3 年提出了最终的期望违约率e d f 模型。因此可 以说，k m v 模型正是以m e r t o n 模型1 3 的基本思想为基础而发展起来的一整套 量化信用风险的概念性框架技术。 鉴于k m v 模型在企业信用风险分析评估方面的实用性和高效性，该模型已 经被越来越多的投资企业所使用。自1 9 9 3 年k m v 公司推出信用监控模型k m v 模型以来，国内外学术界对其予以广泛关注，而国外学者对k m v 模型的研究主 要集中在对模型预测效果的检验上面。这些k m v 模型的有效性检验基本可分为 两个阶段，第一阶段是直接利用样本数据，研究模型违约率预测的准确性，第二 阶段是应用统计方法从各个角度、不同方面的假设来分析、验证k m v 模型的预 测效果，同时开发出多种验证模型有效性的方法和技术。 在第一阶段，采用最直接也是最简单的方法来验证k m v 模型的有效性，这 些技术性研究中，国外学者将k m v 模型所预测的违约率和实际中发生的企业违 约数据进行相互对照，大多数国外学者的研究表明，k m v 模型所反映的信用风 险高低有较高的准确性，同时对信用风险的敏感性也是很高的。 8 k m v 公司首先对k m v 模型的有效性进行验证，该公司的研究显示，k m v 模型的违约预测能力比起标准普尔要更加强。k m v 公司先后对i b m 公司、泰国 国家银行、能源交易商安然公司、世通公司以及u a 公司运用k m v 模型，计算 出期望违约率e d f ，通过样本数据来验证该模型的有效性。在i b m 公司长达5 年的信用质量恶化期间，k m v 公司利用模型所计算出的e d f 值处于0 到2 0 之间；而早在i b m 公司的机构信用评级恶化之前，其e d f 已经呈现出上升趋势。 泰国国家银行的情况与i b m 类似并表现出更加明显的趋势，k m v 模型所计算出 来的从1 9 9 3 年6 月到1 9 9 7 年1 2 月期间的数据结果1 4 显示，该银行的e d f 值刚 好在1 9 9 7 年中期的泰国危机发生前期开始呈现急剧上升的态势。最为经典的案 例是2 0 0 1 年5 月k m v 模型所预示的安然公司危机，在k m v 模型较为准确地 预测出安然公司存在危机之后一直到1 2 月份安然公司破产之前的数天，信用评 级公司仍然没能把安然公司评为投资等级。在其后的世通公司和u a 公司，k m v 公司利用k m v 模型做了同样的验证并得出了类似的结论，即在上述公司申请破 产之前，模型所得出的e d f 值能较为敏感地反映出信用风险的急剧变动情况。 可以说，相对于以信用评级为基础的风险衡量系统，e d f 值对信用变化拥有更 强的预测能力和更大的敏感性，也即k m v 模型得到了实际案例的支撑，其有效 性得到验证。 v a s i c e k ( 1 9 9 5 ) 1 5 针对一只包含1 0 8 个债券的样本进行研究，对样本数据进 行期权调整，采用调整后的收益利差相关数据并利用e d f 模型进行研究，结论 表明所得出的e d f 值能够较为准确地预测公开交易债券收益的变化，因为利用 模型来确定定价偏高或偏低的方法来构建组合，该组合的超额收益会较为明显。 j e f f r e yr b o h n ( 1 9 9 9 ) 1 6 研究了信用质量不同的情况下信用分布和标准普 尔评级的一致性，其研究结果表明：信用质量在最高的时候，信用分布与标准普 尔评级是相一致的；而另一方面在信用质量中等和较低的时候，更普遍的情况是 信用分布与平均e d f 相符。 s t e f a nb l o c h w i t z 、t h i l ol i e b i g 和m i k a e ln y b e r g ( 2 0 0 0 ) r 7 进行了一个比较 分析，将k m v 公司所开发的针对非上市公司的模型和德国公司运用的财务比率 方法进行对比分析。研究结果显示相对于传统的财务比率分析方法，k m v 模型 对信用质量的预测更加准确，仅仅运用财务比率的方法来分析研究信用质量的作 用是显得十分有限。另外，研究还进一步显示，如果能够将定性和定量相结合， 在信用风险量化技术的基础上利用专家系统来分析企业的状况，综合起来评判企 业的信用质量，这样能够提高违约预测的准确性。 k e a l h o f e r ，k u r b a t ( 2 0 0 1 ) 墙认为，相对于传统的信用风险衡量方法，k m v 9 模型系统有效地结合了传统的信用评级系统并涵盖企业财务变量的一切相关信 息，可以说是一种更加有效准确的信用风险度量模型，对k m v 模型给予极高的 评价。 p e t e rc r o d b i e ，j e f fb o h n ( 2 0 0 3 ) 1 9 针对金融类的公司企业，搜集该类公司 的数据并以其为样本来验证k m v 模型的有效性。利用k m v 模型所计算出来的 e d f 值显示，在该类公司破产或者发生信用事件的时候，预期违约频率能够灵 敏、准确地监测到这些公司的信用质量变化，传达相关的变化信息。 到了第二个阶段，国外学术界应用统计方法从不同方面的假设来分析、验证 k m v 模型的有效性和预测效果，并在这个基础上寻求新的角度来验证k m v 模 型，开发出多种不同的验证模型有效性的方法和技术。 j o r g er s o b e h a r t ，s e a nc k e e n a n 和r o g e rm s t e i n ( 2 0 0 0 ) 加研究并公布了 一套较为完整的验证k m v 模型有效性的技术分析方法。四个量化指标构成了该 技术分析方法的框架，指标分别为：累计准确度c a p ( c u m u l a t i v ea c c u r a c y p r o f i l e s ) 、准确比率a b ( a c c u r a c yr a t i o s ) 、条件信息平均比例c i e r ( c o n d i t i o n a l i n f o r m a t i o ne n t r o p yr a t i o s ) 和共有信息平均值m i e ( m u t u a li n f o r m a t i o ne n t r o p y ) 。 w a l k f o r w a r dt e s t i n g ，即前推检验技术是该方法所采用的技术方法，结论证明了 在所有模型中k m v 模型对风险的预测准确性是最高的。另外，这三位国外学者 还进一步探究一类错误、二类错误产生的相关问题，针对量化模型时所发生的一 类、二类错误计算其发生频率和由此所带来的损失和成本，研究结果显示，运用 k m v 模型的实证过程中发生一类错误以及二类错误的概率相对于其他模型来说 是相对较小的。 m a t t h e wk u r b a t 和i r i n ak o r a b l e v ( 2 0 0 2 ) 2 1 采用了另一种新的方法，l e v e l v a l i d a t i o n 和c a l m r a t i o n ，即水平确认和校准的方法验证了k m v 模型的有效性。 相关的数据研究结果证实了他们的思想，运用k m v 模型所得出的输出结果e d f 值是偏态分布，该e d f 的偏态分布实际上还对e d f 预测值有很大影响，同时企 业样本数据规模和样本企业资产相关性这两者的大小也在很大程度上影响着 e d f 值的预测结果。为了有效证明k m v 模型的有效性，这两位学者选用美国 1 9 9 1 年到2 0 0 1 年期间上千家企业的数据作为样本，计算出这些企业的资产相关 性，取相关性在0 1 到0 2 之间的样本企业，然后用将均值e d f ( m e a ne d f ) 取 代中位数e d f ( m e d i a ne d f ) 。在得到相关数据之后，以中位数e d f 为指标将 这些样本企业分成两类，一类企业的中位数e d f 小于2 0 ，另一类大于2 0 。最后， 描绘出预期违约率轨迹和十年间实际发生的违约率轨迹，这两个分别描绘出来的 轨迹的匹配性很好，这就显著地证明了k m v 模型的有效性。 另外，h i l l e g e i s t ，k e a t i n g 和c r a m ( 2 0 0 4 ) 2 2 在验证k m v 模型有效性的过 程中运用了不同的统计方法，用这些方法来验证模型预测的有效性。d u f f i e 和 w a n g ( 2 0 0 4 ) 2 3 结构化分析了k m v 模型预测效果，他们认为模型的预测效果在 一个时间段上更为显著，在研究中还进一步产生了一系列相关的数据，即违约概 率的结构性预测数据。c a m p b e l l ，h i l s c h e r 和s z i l a g y i ( 2 0 0 4 ) 2 4 检验了一个综合 模型，即结合k m v 模型中的输出变量和其他破产相关变量的模型，研究结果显 示，假如考虑输出变量以外的其他变量，k m v 模型中的输出变量对企业违约概 率的预测效果会减弱。 在对k m v 模型有效性的验证上，国外学术界的研究结果表明该模型是有效 的信用风险量化技术。在2 0 0 4 年巴塞尔银行监管委员会所通过的巴塞尔新资 本协议中，委员会提倡在管理信用风险中使用内部评级法，同时在进行内部评 级中推荐使用k m v 模型，可以看出在国外，k m v 模型的有效性不仅得到学术 界的研究证明，还得到了广泛的认可和应用。 2 2 2 国内研究综述 从1 9 9 8 年开始，国内学者就开始关注和研究k m v 模型，相对于国外学术 界来说起步较慢，并且早期的研究仅仅局限在介绍和分析k m v 模型的理论基础 和模型框架。其中极具代表性的是杜本峰( 2 0 0 2 ) 2 5 在经济经纬所发表的实 值期权理论在信用风险评估中的应用，以及王琼、陈金贤( 2 0 0 2 ) 笳在当代 财经所发表的信用风险定价方法与模型研究等相关k m v 模型探讨的文章， 可以说，早期的研究并不涉及应用问题，即在中国这个较为特殊的市场环境中运 用k m v 模型，分析样本数据并验证其有效性。 随着研究的发展，国内学者对k m v 模型的研究不断深入并进入应用领域， 形成大量的实证研究和文献资料。中后期实证研究的发展可以大致分为两个阶 段，第一个阶段在对k m v 模型介绍的基础上侧重于模型在一些具体领域的应用 和研究，并不涉及模型参数修正的相关方面。在第二个阶段，国内学者为了使 k m v 模型更好地适合中国国情，将研究的重点放在模型的参数修正上，使其更 加契合中国资本市场的真实情况。 在第一阶段不修正k m v 模型参数的研究中，中国学者直接将原始的k m v 模型运用在国内企业的样本数据中，验证该模型在中国市场环境中的有效性。通 常情况下，国内学者按照k m v 模型的基本框架，利用国外学者所研究出来的关 系函数，以中国上市企业的数据为样本数据，不同的是所选用数据的规模和分类 不同，或是样本中上市企业的数量不同，或是划分为不同的股票类别，如可以划 分为绩优股和绩差股，或者再分出一类高科技股。这一阶段的研究表明，作为风 险预测方法，k m v 模型可以在一定程度上弥补其他传统方式的不足。 王琼( 2 0 0 2 ) 对k m v 模型进行了一系列理论上的研究，比较分析了k m v 模型与其它模型在理论上的异同，提出相对于其他其它信用风险模型，k m v 模 型克服了只注重财务数据的缺点，因此也更加适合运用在上市公司信用风险的评 价过程中。王琼和陈金贤( 2 0 0 2 ) 在研究信用风险定价问题中采取了新的角度， 即从期权理论的角度来分析关于信用风险的相关特征以及定价的困难所在，进而 论述评价了基于期权理论信用风险定价方法基础上所建立起来的两个模型， m e r t o n 模型和k m v 模型。 程鹏、吴冲锋( 2 0 0 2 ) ”提出可以借鉴k m v 公司所提出的公司信用计量方 法，在对中国上市企业信用状况的分析中使用违约距离。研究中以沪深股市1 5 家上市公司为数据样本，利用k m v 模型对这些上市公司的信用状况进行比较分 析。研究结论显示，绩优公司、高科技公司、s t 公司的信用状况呈现出由好到 差的对应关系，可以说，k m v 模型在识别上市企业信用风险的准确性方面是比 较高的。在后期的研究中，作者还指出需要进一步开展工作，研究违约距离在企 业信用状况的应用方面相关问题。 杨星、张义强( 2 0 0 4 ) 嚣借鉴了k m v 公司所建立的e d f 模型对中国上市企 业的信用状况进行研究。作者所选取的样本数据是1 9 9 7 年到2 0 0 1 年中国上市公 司的股票价格波动数据，分别对这些企业的截面数据和时间序列数据进行实证分 析研究，比照股票价格波动和预期违约频率的相关关系。研究结果显示，在这些 上市公司中，某一公司的股票价格波动和该公司的预期违约频率之间呈现出显著 的负相关关系。另一方面，预期违约频率和信用资质在同一家公司中的变化趋势 是相互吻合的，同时可以得到相关的情报性信号，反映公司未来的前景。 阎庆民、蔡红艳( 2 0 0 5 ) 2 9 在研究中提到在度量中国不良资产证券化的信用 风险过程中使用k m v 模型。作者首先对国际上流行通用的各类信用风险模型进 行论述，在分析这些模型的适用条件之后，提出了计算企业的违约概率的相应方 法。而研究的核心在于根据中国的实际情况建立一个模拟不良资产包，通过分析 在不同发债规模的情况下这一备普遍性的证券化资产包的信用风险，得出在对数 正态分布和真实分布两种情况下资产变现收入的违约概率。这一研究对中国不良 资产证券化的风险控制具有重大意义，其提供的理论依据和相应的技术支持有助 于将该风险有效地控制在一定程度上。 张荣、陈银忠( 2 0 0 6 ) 3 0 认为企业的资产规模是影响其违约概率的重要因素， 通过将上市公司股票价格导入k m v 模型并实证分析了其时间