基于KMV模型的科技型中小企业信用风险评估

北京理工大学珠海学院2020届本科生毕业论文绪论（一）研究背景和意义1.研究背景随着经济的不断发展，创业活动大面积覆盖民众，其中科技型中小企业的影响十分大。为了响应“大众创新，万众创业”，无数年轻人将青春奉献给为祖国谋发展，为人民谋幸福的事业中。在众多的创业公司，科技型中小企业以其“小而美，小而精”的特点崭露头角，创业市场中的科技板块备受年轻人推崇，为我国提高科技创新能力输送着年轻的血液。在创新驱动发展战略方针引领下，我国科技型中小企业在以大数据智能化为指引的创新驱动发展策略方案下飞速发展。在迅速发展的同时也面临着很多困难挑战。首先，我国科技型中小企业的公司体制复杂多样，其资金来源绝大部分是自筹还有小部分来自于国家投资和银行贷款；然后是企业经营者缺乏经验，没有办法在市场中找到正确的发展方向，影响阻碍了自身拥有的技术优势。此外，我国科技型中小企业大都有缺乏资金与融资渠道这一问题，大多中小企业资金缺乏，没有足够强的科研能力，有银行资金支持的需求，也有科技型中小企业在创业前期，即使拥有好的项目也因缺乏资金支持而难以生存下去。我国科技型中小企业由于信用风险高等原因很难得到外部融通资金。因此通过对企业进行科学的信用风险评估管理来解决融资难的问题。2.研究意义我国创新驱动发展战略中不可缺少培养科技型中小企业，培养科技型中小企业一方面能够鼓励个人或小型研究团体投身于科学技术创新的队伍中，另一方面又有利于增加科技型企业在我国经济体系中的占比，促进我国经济持续健康发展。其科技创新是极为重要的一大优势。最近几年，科技型中小企业蓬勃发展推动提高我国科学技术创新实力，并且以其“小而美，小而精”的特点与科技创新国家队互学互鉴，协同发展。但是科技型中小企业融资难、信用风险高问题成为了发展前行的拦路虎，所以现在应该集中注意力在对其信用风险度量分析上以解决这些问题，促进科技型中小企业良性发展，为我国经济发展提供更大的帮助。（二）研究内容和方法1.研究内容本论文先根据科技型中小企业的发展现状与发展过程中导致难题产生的原因，讲述信用风险管理对企业发展有多重要。阐述并利用KMV模型对样本进行测算从而分析所取样本企业发生违约事件的可能性大小，依据计算结果进行实证分析，探索测算各参数对企业信用风险的影响。通过利用模型的测算和影响因素的分析后，提出关于企业信用风险管理的对策及企业的未来发展期望。具体章节分布如下：第一章绪论，对本次研究的研究背景和意义、研究目的方法等进行一系列的说明。第二章文献综述，参考大量国内外文献的研究结果，为本篇论文奠定理论基础。第三章信用风险概述，由两个部分组成。一是简要概括信用风险的内涵、成因及其特征等。二是介绍科技型中小企业的含义和近年来在我国的发展情况。第四章介绍KMV模型，系统阐述KMV模型的概念、基本思路、理论框架和计算步骤和优缺点等。第五章基于KMV模型对科技型中小企业的信用风险评估，通过样本和数据的筛选进行参数的设置与计算，从而根据计算结果进行实证分析。第六章分析影响科技型中小企业信用的外部因素与内部因素，利用多元线性回归对企业的财务数据进行分析，检测各个参数对其信用风险的影响。第七章总结与建议，总结研究结果，提出相应的对策以降低企业的信用风险，并且预测企业的未来发展。2.研究方法文献分析法。通过大量阅读国内外信用风险管理方面的相关研究的文献，分析国内外学者的研究思路，对企业的信用风险度量管理以达到一个充分的认识，不断地丰富本篇论文的创作内容。案例分析法。本文提取20个科创板块的中小型企业作为研究对象，通过KMV模型对企业进行信用风险管理并提出相应对策以解决企业信用风险难题。实证研究法。本文运用MATLAB、EVIEWS等软件对所选取样本进行数据处理并分析。（三）研究思路首先介绍了本次论文的研究背景目的和意义。即随着经济的不断发展，创业活动大面积覆盖民众，小部分人才群体将精力放在研究更加普惠群众的技术中，这也让科技型中小企业开始层出不穷。科技型的中小企业利用各种高科技为经济的发展做贡献，是社会创新的源头活水。我国若想要超越世界创新型国家，就一定要将科技型中小企业放在重要地位。本文还大量参考了国内外对类似话题的研究，结合前人的研究来设计本次论文。还系统地介绍了信用风险的概念、特点、应用，和KMV模型的意义、优缺点、模型的构建与使用方法。接着根据科技型的中小企业的信用风险几个重要影响因素，通过MATLAB、EVIEWS软件的操作，解释并利用KMV模型对20个科技型中小企业2014-2018年的数据进行测算，根据推算出来的数据得出的结果结合时事对样本企业几年间的信用风险变化进行实证分析，进而进行总结，提出降低信用风险的相关建议和对科技型中小企业未来的发展期望。图1.1技术路线图国内外文献综述（一）国内文献综述根据本文所探讨的内容主要收集整理并借鉴了对信用风险度量模型、科技型中小企业信用风险管理和KMV模型理论三个方面的相关文献。1.信用风险度量模型方面 信用风险指的是由于借款方因某种因素无法按照规定时间偿还债务而造成损失发生，同时也有借款方的信用等级和偿还债务能力的变化而发生违约风险。因此为了规避风险，市场的投资者在选择交易对象时需要通过不同方面的考察以及谨慎的思考比较，从而产生信用风险评价理论。由于我国对信用风险度量相关的研究比国外迟，所以我国学者主要是对国外的信用风险度量模型进行利用分析，尽可能拓展改进使所研究模型更适用于我国企业的信用评级。方洪全和曾勇（2004）利用多标准等级判别信用方法进行实证分析得到信用风险评估模型。张大斌、周志刚、许职和李延辉（2015）通过数据仿真，同时多种不用的算法计算出信用风险评价结果，得出差分进化自动聚类模型能够很好地提高信用风险评价的准确性，并且可以更好的降低和管理信用风险。2.科技型中小企业信用风险管理方面 我国科技型中小企业是近几年才逐渐被关注，关于其信用风险管理方面还处于探索阶段，缺乏参考学习的成果，所以主要对中小企业信用风险评估管理方面的文献进行收集整理。刘迅、颜莉（2012）根据科技型中小企业融资过程常发生的死锁状态，根据其利用供应链金融的长处进行探索分析，提出一种通过使用供应链进行融资的新模式。在分析该模式的运作过程和机理来阐述科技型中小企业基于供应链进行融资的模式大大降低信用风险水平。章立（2016）首先提出科技型中小企业的特点，立足于以商业银行、信用担保机构为主的风险投资者，从基本的理论和模型办法入手进行研究分析，以更好地解决各类风险问题，推动科技型中小企业往更好的方向发展。3.KMV模型理论方面 在众多的信用风险评估模型中，我国大多数学者都很关注KMV模型，但是KMV模型是从国外引入的，产生于外国资本主义市场，所以对我国企业的实用度不高。所以学者们主要通过修正模型中的参数来提高该模型对我国上市企业的实用度。孙小琰、沈悦、罗璐琦（2008）根据我国证券市场的实际情况修正KMV模型，利用修正后的模型进行实操，对符合条件的26支股票进行检验，表明KMV模型对于我国上市企业的适用性。张能福，张佳（2010）提出KMV模型原本对违约点的解释和对违约点的提取并不一定适用我国上市企业，利用82个公司作为样本在修正违约参数的KMV模型中进行计算，实证研究结果得出新的违约点。（二）国外文献综述PeterCrosbie、JeffBohn(2004)提出通过估计资产价值和波动率、计算违约距离、计算违约概率来确定上市公司的违约概率，而这一切都是建立在MKMV模型之上的建模操作，然后运用其他金融公司的数据来对上市公司信用风险进行实证，以此来表明MKMV模型在运用上范围广，实用性高。StefanBlochwitz、ThiloLiebig、MikaelNyberg(2002)在相同数据基的基础上比对基尼曲线和基尼系数，分析了德意志联邦违约风险模型、KMV模型和财务比率，得出结论认为德意志联邦银行违约风险模型和KMV模型都不失为信用分析的有力工具。SreedharBharath、TylerShumway(2007)认为KMV模型对于预测违约概率非常有用，但还是有些不足，比如无法满足违约量的统计量。为了验证这一说法，两人研究了模型的准确性，并提取了朴素概率，通过研究他们得到运用KMV概率和其他协变量的危害模型的表现要优于那些忽视KMV概率的样本模型。Edwardl.Altman、HerbertA.Rijken(2001)发现信用评级机构对市场和公司信誉变化这些信息具有滞后性，这种滞后性产生的原因是传统的评级体系和模型参考企业长期债务偿还能力而忽视短期债务偿还能力，而往往短期财务容易变化，据此两人对信用评级机构提出了建议和意见。WilliamFTreacy、MarkCarey(2000)分别提取美国前五十家银行的信用体系数据，采用纵向对比和横向对比两种方式对他们的评级指标和评级有效性进行定量分析，用数据挖掘出了不同的评级体系会出现的状况，并且罗列了不同评级体系的优点和缺点。HaleKaynak和JanetL.Hartley(2005)指出为了顺应时代的发展,满足市场需要,竞争的就是开发出新产品的速度。但是也不能忽视所研发出来产品的质量,好的质量才能在市场中站稳。作者用实际证明证分析了产品质量管理与企业绩效之间会不会互相受到影响,产品情况与销售情况都会影响企业竞争。信用风险概述与科技型中小企业现状（一）信用风险概述1.信用风险的内涵信用风险又称违约风险，是指借款方因自身履约能力变化等因素，不愿意或没办法按约定完成合同要求的违约行为，导致贷款方因违约发生损失的可能性。2.信用风险的成因 信用风险是借款方因为自身偿债能力变化等不同因素，无法按时全额偿债或银行贷款而违约的可能性。违约一旦出现，贷款方不但无法获得预计的收益，甚至还会造成财物损失。信用风险的发生由于两个方面：外部因素。资本市场的经济运行具有周期性，不同时期对信用风险产生的影响不同。经济扩张时期，企业收益增加，偿还贷款能力变强，企业违约概率减小，信用风险就会减小，反之则会增加。内部因素。公司经营性现金流不稳定、不良贷款等都会使公司的违约率增加，从而出现信用风险。公司资产不足会让公司无法应付商业危机，缺少投资人的信赖，融资受挫等也会令公司面临信用危机。3.信用风险的特征及特点信用风险有四个主要的特征：客观性，不以人的意志为转移；传染性，当一部分企业作为信用主体遭遇信用危机时，会引起整个企业信用环境的变动，一环扣一环；可控性，信用风险是可以通过企业改变盈利策略来降低的；（4）周期性，信用扩张与收缩会随着资本市场的经济运转周而复始地相继出现。 信用风险的重要性愈加显现，无论是对企业还是个人，它所带来的影响都是非常大的。所以我们应该重视信用风险的管控，对企业来说，培养信用专员，成立信用部门等方法都可以有效减少信用风险对企业所造成的损失。4.信用风险的特点 （1）风险具有潜在性。企业信用风险并不易于察觉，它可能从某一个销售漏洞中出现，接着信用风险特有的传染性让越来越多的销售业务受到影响，像滚雪球一样越滚越大。还有可能是部分企业为了单纯的盈利借入大量长期贷款，但企业并不能保证自身的盈利水平能够按时偿还贷款，于是为信用危机埋下了隐患。 （2）风险具有长期性。信用风险将长期存在于我国企业经营中。首先是因为我国的信用管控尚且处于较为年轻的阶段，观念和体系都尚未成熟。若要建立起适用于我国的信用信息体系及评级标准，无疑还有一段很长的路要走。 （3）风险具有破坏性。信用风险为企业带来的损失是不可忽视的，诚然我们能想到的最好情况是企业遇到信用风险时能做到迅速有效的管控，但事实往往不尽人意，大多数企业在面临无法偿还的债务时往往选择做假账或者抛弃公司逃避债务，这不仅会损坏公司正常的运转，也会影响千千万万的公司职工自身的利益。（二）科技型中小企业及其在国内发展现状1.科技型中小企业的定义 科技型中小企业是指以科技为第一生产力以创新为使命和生存手段的企业，其中主要的从业人员需要掌握一定科学知识和研究能力，企业产品市场面向高科技产业。通过不断地研发提取新的技术并且在人群中推广。此类型企业面向未来，受时代流行趋势的影响极大，由于此类型此页涉及的领域多种多样，所以变通性强。 科技型中小企业还可以通过以下标准判定： （1）在中国境内（不包括港、澳、台地区）注册的居民企业。 （2）员工总数未达500人，每年销售收入不高于2亿元，资产总额低于2亿元。 （3）企业提供的产品和服务不属于国家规定的禁止、限制和淘汰类。 （4）企业在填报上一年及本年内没有重大安全、重大质量事故和严重环境违法、科研严重失信行为的发生，同时企业不在经营异常名录和严重违法失信企业名单内。 （5）企业根据科技型中小企业评价指标进行综合评价所得分值大于等于60分，且科技人员指标得分不得为0分。 科技型中小企业评价指标具体包括科技人员、研发投入、科技成果三类，满分100分。评分标准参考相关规定。2.科技型中小企业的特点（1）固定资产占比少，无形资产占比高。对于一般的生产性企业来说，固定资产在总资产的占比较多，其中有大型的设备和建筑等。但科技型中小企业有其小而精的特点，且大多数投资者将资本投资于技术的研发和引进人才上，并不需要大型的车间仓库。所以其固定资产占比少，但是另一方面，知识产权、无形资产占企业的资产比重较大。即包括专利认证、版权等。在当代社会，知识已经成为一种无法衡量的财富，人才也可以认为是公司的资产之一，两者都有很高的技术附加值，其边际利益比实物资产高。对于此类型企业来说，一个好的创意比一块土地值钱。（2）高度依赖技术，抗风险能力低。科技型中小企业主要靠研究科技创新谋利，然而，科学实验具有不确定性，投资于技术研究中的人力物力成本都比一般企业高，投资风险就大。其次，企业对技术的保密性要求高。企业研制的某一技术可以“前无古人”，但难以“后无来者”。当某一项技术受市场欢迎时，很快就会有仿制品出现，并且以其低廉简单的风格赚取部分低消费者的喜欢，从而夺取企业的潜在客户。这也为企业的发展增加了风险。最后，由于信息技术的快速发展，产品更新换代的速度可能超过企业研制新产品的速度，无疑又成为科技型中小企业头顶的一座大山。3.科技型中小企业的影响因素外部因素：第一是地理位置因素。这个因素其实是老生常谈了，因为无论哪种类型的企业对地理位置都有要求。科技型中小企业与其他常规企业对地理位置的要求又不太一样，自然环境对企业的影响较低，反而人为因素影响较大啊，即人口集中的发达地区会吸引这类型的企业驻扎，因为这些地区信息流通速度快，科技发达，且有好的大学为企业输送人才；第二是国家政策。近几年国家鼓励科技创新，号召大众创业万众创新，多地政府出台税收优惠政策扶持科技型中小企业，还建立各式信用担保机构解决科技型中小企业贷款融资问题。内部因素：科技型中小企业是我国科技领域发展不可忽视的一个重要部分，然而大多数科技型中小企业是由个人或小团队创立，这些科技人员一心投入研究新技术，而忽视公司运营和技术的推广，就照成我国虽然拥有许多专利权，但这些技术没能批量生产投入市场，被束之高楼的情况比比皆是。除了这个原因，还有部分原因是科技型中小企业缺乏资金和融资渠道，设备和人才一向是科技型中小企业一个大开资，然而在技术转换成为商品在市场销售之前它的价值难以估量，投资者无法估算利益所得，这也造成了科技型中小企业融资难。这也提示我们对于解决这一系列问题，企业的名声即信用风险必须得到重视。良好的企业信用不仅可以保证企业的资金流通，还能获得客户的信任，推动企业更好地发展。四、KMV模型理论及其应用本章内容主要由三部分组成，第一部分是关于KMV模型的由来和理论基础，第二部分是关于KMV模型的计算，最后一部分则是分析KMV模型的优缺点。（一）KMV模型概述KMV模型来源于美国旧金山市的KMV公司，是可以估计测算借款方发生违约风险的可能性大小的在商业活动时检测信用的模型。KMV模型是以现代期权理论为基础，通过可以观察测算得到的企业故事价值进而计算得出企业资产价值及其波动率等重要数据，进而估算企业预期违约率。KMV模型对于上市企业最为适宜，该模型可充分利用在股票市场上公布的数据和公告对企业股权市场价值进行计算，进一步能够确定企业资产价值，根据所得数据估算出企业发生违约事件的概率，可以更好的体现上市企业的信用情况。（二）KMV模型的运用步骤1.模型假设KMV模型的基本假设：假设一：满足Merton模型的假设，即金融市场没有摩擦、没有交易成本等，同时企业的价值变化趋势呈正态分布。假设二：到期前保持同一大小的无风险利率。假设三：企业违约受企业资产价值大小影响，当企业资产价值低于一定水平，企业发生违约。该水平时的资产价值为违约点DP（DefaultPoint)，此刻企业资产价值等于负债价值。假设四：企业资产结构只包含所有者权益、短期债务、长期债务和可转换优先股。假设五：违约距离DD(DistancetoDefault）为企业的信用风险度量指标。KMV模型的基本思路是导致信用风险产生本质因素是债务人借款方的资产价值发生变化，所以可以运用数据对资产价值变动的规律进行测算并建立模型，假定当企业资产价值低于某一水平的时后会出现违约事件，那么当企业处于这一水平时的资产价值被成为违约点，也就是通过计算预期违约率EDF（ExpectedDefaultFrequency）来衡量企业发生信用风险的可能性大小。它分三个步骤来确定企业的预期违约率。第一步是以Black-Scholes期权定价公式为基础，收集股票的市场价值，然后利用公式计算出股权价值的波动性，根据收集计算得到的数据结合负债的账面价值来得到企业的资产价值（V）及其波动率（σA）。然后利用企业的长期负债和短期负债进行计算得出企业会发生违约事件这一水平时的资产价值即违约点DP，同时还要以企业现期的资产价值为基础才能确定出企业的预期价值，最后结合所得数据计算得到企业违约距离。最后一步就是企业预期违约率的确定，预期违约率和违约距离有关联，所以可以根据违约距离运用公式和大量数据计算得出预期违约率。2.企业资产价值及其波动性的计算企业发生违约事件的一大影响要素是企业的资产价值及其波动性，对于上市交易股份的企业的股票市场价值是可以观察到的。根据可得到的股票市价，通过期权定价的方法，可以利用MATLAB软件将收集到的数据结合代码运行后得到企业的资产价值及其波动率。KMV企业假定企业资本结构简单，其中只包含所有者权益、短期债务、长期债务和可转换优先股，因此由Black-Scholes期权定价公式可以得到以下公式：（4.1）（4.2）（4.3）然后通过对上述公式两边求导然后求期望后，可得企业股权价值波动率σE和企业资产波动率σA间的关系：，其中ηE,A是股权价值对企业资产价值发生的一定比例的变化属性，是期权的Delta值。由于欧式看涨期权即期权持有者能够在有效时间范围的最后一天完成合约的期权Delta值为N(d1)，所以可得下述公式：（4.4）通过大量的历史数据可以推算得出σE，联立上述公式可计算出企业资产的市场价值V和它的波动率σA。3.企业违约距离（DD）的确定根据查询文献发现，企业发生违约事件可能性最大的界限是企业价值大于等于流动负债加上长期负债的一半的值，因此：（4.5）根据利用上述企业所得的违约点DP计算出企业违约距离（DD）。企业违约距离指的是企业现在的资产价值和到达企业发生违约风险的资产价值水平即违约点的距离，主要用于度量企业的违约风险。其公式为：（4.6）违约距离可用作度量企业信用状况的指标，将不同企业作比较，根据值的大小判断企业的信用状况。较大的违约风险值表明该企业发生违约风险可能性较小，信用状况较好；相反则表明企业能够如约还债的可能性低，出现违反条约事件的可能性较大，信用状况不好。4.预期违约率（EDF）的确定当企业资产的概率分布是已知情况下，可根据所求到的违约距离来计算出企业预期违约率。一般在假定资产价值遵循正态分布的情况下，理论上的预期违约率计算公式为：（4.7）由于上述假设在现实中是不合理的，企业资产价值通常不服从正态分布，因此KMV公司提出另一种依据历史违约数据得到预期违约率的方法，公式如下：（4.8）KMV公司在比较研究大量的历史数据，根据所得规律拟合了出一条反映违约距离和它对应的预期违约率之间的关系的曲线。在大量的实证研究以及在各种行业之间的测试运算后得知两者间的关系相对稳固。而企业违约距离和企业的预期违约率之间的关系如下图所示：图4.1DD与EDF关系图但是因为我国科技行业的发展较迟，科技型中小企业虽得到大力支持，但在现发展阶段，管理体系不够完善，缺乏许多企业相关违约记录，难以得出违约距离与违约率之间的相关关系，根据上述内容得知可通过比较企业违约距离的值来衡量企业信用状况，因此本文只进行到计算违约距离的步骤，根据所得到违约距离的值来测算评估度量企业的信用风险状况。（三）KMV模型的优缺点任何事物都有会有正反、好坏两面，KMV模型同样，有优点的同时就不可避免产生缺点。本文对此模型的优缺点总结如下：1.KMV模型的优点（1）KMV模型有很好的理论基础，可以很好的表达出企业信用风险水平的动态变化。KMV模型是KMV公司根据Merton（1974）和Black-Scholes（1973）的期权定价的理论基础开发出来的，可以真实体现出企业信用风险波动。此外，KMV模型的运算需要用到上市企业定期公布的财务数据和每天股票价格的交易数据，可以更有力地解释企业发生违约的概率，预测出违约距离和违约率更有说服力，同时该模型计算违约率所用到的数据可以随时更新，及时获得最准确的违约概率，最新得出的违约率的值可以更精准表达市场预期和各企业的信用风险变化。（2）KMV模型能够反映企业信用风险高低顺序的同时还可以体现出其风险水平差异程度。KMV模型是提高基数法对信用风险进行度量而得出预期违约率，和序数衡量法不同，基数衡量法在得出企业风险高低顺序基础上能明确反映出企业风险高到什么程度，对信用风险的预测更为准确。（3）具备前瞻性。KMV模型是通过股票价格的变动来计算违约距离，通过股票市场的实时变化情况很好的解释了企业过去的经营情况以及现阶段是实际状况，也能够得知众多投资方对企业发展状况的想法。2.KMV模型的缺点（1）KMV模型的适用性是有限的。KMV模型一般适用于上市企业。由于我国二级市场的缺陷，对非上市企业并不适用，在非上市企业的评估过程中存在诸多困难，所得信用评估结果误差较大，不太准确。（2）KMV模型是在企业的价值变化过程服从正态分布的假设条件下才能获得正确结果，而我国股票市场价格变化较大，在现实中并不是所有借款企业的资产价值都服从正态分布。（3）KMV模型需要的数据量极大，而我国资本市场发展较晚，无法得到大量的相关历史数据，通常得到的违约率都是理论化的。五、基于KMV模型对科技型中小企业的信用风险评估（一）样本选取与数据来源为了解科技型中小企业的信用风险状况，根据前文的对科技型中小企业的标准在创业板选取了20家科技型中小企业，并且提取它们五年间的股票数据在KMV模型中进行运算。创业板是第二证券交易市场，是为创业型企业、中小企业、高新技术产业等短期内无法在主板上市的企业提供融资方式和发展空间的证券交易市场。本文所需数据来源于万得数据库，选取于2014年就在创业板上市的企业，同时剔除部分数据不完整的企业、未披露的企业和规模大的科技型中小企业，选取了20家符合要求的企业作为样本对象。所选取的20家企业如表5.1。表5.1所选取的科技型中小企业代码企业代码企业300035中科电气300073当升科技300048合康新能300167迪威迅300057万顺新材300053欧比特300067安诺其300016北陆药业300083劲胜智能300155安居宝300084海默科技300077国民技术300092科新机电300101振芯科技300102乾照光电300188美亚柏科300111向日葵300079数码科技300105龙源技术300166东方国信（二）计算过程1.股权市场价值E的计算根据我国上市公司股份中包含流通股和非流通股两种股份的情况，本文在计算股权市场价值时采取了国内较为普遍的方法，用流通股股数乘以流通股平均收盘价后加上非流通股股数乘以每股净资产的值，公式如下：（5.1）根据上式计算得出科技型中小企业股权市场价值，如表5.2所示。表5.2科技型中小企业股权市场价值E代码企业2014年股权价值2015年股权价值2016年股权价值2017年股权价值2018年股权价值300035中科电气20780258912971792370325876159140567466792980282838300048合康新能32735177015556552451713141616357622351303339459327300057万顺新材45976986126952904271627938610155972389863184891869300067安诺其28444166875650753162466826984343802044044122040801300083劲胜智能4057597074750939024611582226478121299823897173649845300084海默科技29745849694383324688391599132337538943852148718722300092科新机电13585185712795779201302505882728511063711628544342300102乾照光电38716281635384618648550735463160446704785014706343300111向日葵43931353717136063180572566590247419858523134933095300105龙源技术61140388006909696236436586961837392202622357372160300073当升科技278319020442943440918803913858946822983211157461775300167迪威迅74239508074127793473444970445938621446231980496711300053欧比特80516141653193371429872361472586127833038087597936300016北陆药业101246305703985317390719652720349638885453954365210300155安居宝109984912875066358928732991062247076604572746682491300077国民技术1115901683972969162451004072813080402545655125732989300101振芯科技1238275803364518807351258809065685589136077508491809300188美亚柏科12904703516527714966912723065038919550825512663064193300079数码科技1389787043683300589211175404978481219254165276794412300166东方国信173289668855571271458155206810421381527981714344039785数据来源：Wind数据库计算整理2.股权价值波动率σE的计算本文使用历史波动率的方法来计算股权价值的波动性,使用样本企业的每日收盘价来计算每日回报率,然后计算每日波动通过Excel的方差函数,最后相乘的每日波动与实际交易日获得股权价值的波动，如表5.3所示。表5.3科技型中小企业股权价值波动率代码企业2014年股权价值波动率2015年股权价值波动率2016年股权价值波动率2017年股权价值波动率2018年股权价值波动率300035中科电气0.494931690.6183331590.4811523870.888402760.411759949300048合康新能0.3851044240.5793244440.909640260.4977986960.398911922300057万顺新材0.3506856310.6422881870.3894364890.2810454230.342868392300067安诺其0.9186747850.9171054280.5013580530.3694419840.383068519300083劲胜智能0.401233430.5191410651.4992034780.3428504260.458781868300084海默科技0.4439717910.9693931710.4655974120.4033146040.506810924300092科新机电0.4227783581.2876813260.5747185610.2459099610.496653908300102乾照光电0.4058972060.9748709490.4946611560.3259299680.378182333300111向日葵0.3577306350.7460820480.3746422070.2112354680.245403341300105龙源技术0.7106291360.7262413730.4246330480.3578074550.394302879300073当升科技0.4873088940.7435003970.675946740.5197600080.516939317300167迪威迅0.4294112430.8387917480.5198997750.3360201960.575119067300053欧比特0.5315008560.9002125690.5142115550.4428102560.455135771300016北陆药业0.4642456030.88068690.528852270.3091940680.482758132300155安居宝0.8623506020.9287549710.5456346680.3741168910.467515394300077国民技术0.4712579140.782221480.567397540.3959797990.529704581300101振芯科技0.501634770.7668162090.516712910.4210422190.484244224300188美亚柏科0.5166156930.7121552350.5487860950.3599361370.52303828300079数码科技0.4340125230.7796556010.4578035690.2338839510.430915526300166东方国信0.582324560.8792144830.5020135620.3702452420.502429918数据来源：Wind数据库、Excel计算整理得出3.资产价值V和资产价值波动率σA的计算根据第四章所讲的公式（4.1）、（4.4），通过MATLAB软件利用迭代法计算出各科技型企业五年内的资产价值和资产价值波动率。此外，由于我国存款利率波动较大，本文采用一年期定期存款利率作为无风险利率。在2014年和2015年我国一年定期存款利率都发生了变动，本文将其加权平均后所得结果作为无风险利率。银行定期存款利率如表5.4所示，加权平均后所得无风险利率如表5.5所示。表5.42014-2018年中国人民银行定期一年存款基准利率表时间一年定期存款利率%2014/1/13.002014/11/222.752015/3/12.502015/5/112.252015/6/282.002015/8/262.752015/10/24至今1.50表5.52014-2018年无风险利率时间无风险利率r%20142.9720152.1220161.5020171.5020181.50根据上述内容利用MATLAB软件计算出样本企业2014-2018年资产价值及其波动率结果如表5.6、5.7所示。表5.62014-2018年科技型中小企业资产价值V代码企业2014年资产价值2015年资产价值2016年资产价值2017年资产价值2018年资产价值300035中科电气21646000003024800000337680000041652000003449900000300048合康新能35501000006042700000750270000068561000004480900000300057万顺新材60932000007797100000764260000077271000005496700000300067安诺其28841000005768400000495040000045536000004338500000300083劲胜智能54289000009504000000116430000001631200000010675000000300084海默科技32071000004467200000421860000045930000002768100000300092科新机电14836000002808800000315330000029759000001819100000300102乾照光电40863000005516700000592390000075835000006939300000300111向日葵53133000007724000000676340000057471000003934900000300105龙源技术65107000007223900000484860000041009000002640900000300073当升科技2906100000449870000092357000001024100000011906000000300167迪威迅76884000004269700000481230000042863000002224000000300053欧比特81034000003263700000914550000091390000008751200000300016北陆药业102720000004026700000723120000050144000004013900000300155安居宝110890000005138600000754980000049757000003025200000300077国民技术1125500000074629000001028200000083910000006207200000300101振芯科技1262300000066509000001275800000087693000007794300000300188美亚柏科13125000000551590000013254000000980710000013290000000300079数码科技1406600000086612000001215700000087233000005980700000300166东方国信175330000005819800000162140000001435200000015091000000表5.72014-2018年科技型中小企业资产价值波动率σA代码企业2014年资产价值波动率2015年资产价值波动率2016年资产价值波动率2017年资产价值波动率2018年资产价值波动率300035中科电气0.47660.60860.46530.87230.3613300048合康新能0.35650.54170.88130.43320.3112300057万顺新材0.27250.59140.32710.2070.2153300067安诺其0.90950.9040.47570.35560.3645300083劲胜智能0.31390.43511.4950.26270.3399300084海默科技0.41440.95710.43540.33820.4188300092科新机电0.38981.2840.55440.23560.4524300102乾照光电0.38540.95960.46390.26380.2863300111向日葵0.30040.70680.32170.17440.1962300105龙源技术0.67880.70240.38610.32740.355300073当升科技0.46820.71850.65120.4860.4884300167迪威迅0.41510.81910.48620.30380.5258300053欧比特0.52820.88650.49280.4190.4238300016北陆药业0.45770.87370.52630.30610.4758300155安居宝0.85670.91930.53110.35450.4294300077国民技术0.46730.76870.55530.37990.4579300101振芯科技0.49250.74940.51010.41110.4676300188美亚柏科0.50830.68860.52920.3380.501300079数码科技0.42890.75790.44330.21780.3855300166东方国信0.57590.85440.48240.35660.47994.违约点DP的计算通过根据查询文献发现，企业发生违约事件可能性最大的界限是企业价值大于等于流动负债加上二分之一长期负债的值，这也是KMV对大量破产公司数据分析的结果。虽然对更适合国内企业的最优系数值研究分析较多，但没有统一的结论，因此本文选取的系数值为0.5，通过Excel计算整理出违约点，所得违约点结果如表5.8所示。表5.82014-2018年违约点计算结果代码企业2014年违约点2015年违约点2016年违约点2017年违约点2018年违约点300035中科电气132456112.377776215.89148501265.3333156989.8609500531.9300048合康新能406600226.8829410282.9166946357516430502221538271239300057万顺新材22710876091816857260176446070526015998953008289669300067安诺其130170272.8399817955.7374860652.8208959107.7263014360.3300083劲胜智能22098339823541179854424591138652998225465385492993300084海默科技354523052.6348852701.9394554508.511049271191002340827300092科新机电189258403.1165799322.6181153479.6149458624269255104300102乾照光电314168893.6630678224560510839.319052697482542854727300111向日葵1378749667162904595113119850891204254426962268052.4300105龙源技术999786320.9683138381.9619856672.2441925764.9356621247.6300073当升科技187461120.947486406576949092610859730761024294992300167迪威迅385747900.2419878028.5509439286.4515601431.4405295608.2300053欧比特75087767.24227660683557757182.6662369819.9859815031.5300016北陆药业213187569.197767935.1841900103.560437042.8472535556.97300155安居宝212474297.9224517091288849371.8325273570.6372163788.8300077国民技术137446532.9356766336.43178479264260240821767016966300101振芯科技354257939.2442126046.5208705489254550908.7361404964300188美亚柏科326584376.4496942366.5722079690741440072.8839566477.1300079数码科技240868419.8824976162.1498442187.3720030286.4921674764.9300166东方国信310272192.3967678858.8898979966646321467.8981525526.95.违约距离DD的确定根据上述违约点的计算结果利用公式（4.6）结合资产价值及其波动率来确定违约距离DD。通过MATLAB的运算得出结果如表5.9所示。表5.92014-2018年各科技型中小企业违约距离企业2014年违约距离2015年违约距离2016年违约距离2017年违约距离2018年违约距离中科电气1.96971.60092.05451.05472.2785合康新能2.48391.59280.88231.75522.11万顺新材2.30171.2972.35153.20392.1023安诺其1.04991.02951.94282.68332.5775劲胜智能1.88881.44180.4252.56981.4578海默科技2.14660.96322.08222.24571.5232科新机电2.23820.73291.70014.03141.8834乾照光电2.39520.9231.95182.83842.2126向日葵2.4651.11642.50514.53193.8496龙源技术1.2471.28912.25912.7252.4367当升科技1.99791.24491.40781.83941.8712迪威迅2.28811.10081.83912.89571.5553欧比特1.87581.04931.90542.21392.128北陆药业2.13951.11681.88893.22772.0638安居宝1.14491.04021.81072.63672.0423国民技术2.11381.23861.74532.4991.5623振芯科技1.97351.24571.92842.36182.0393美亚柏科1.91841.32151.78662.73461.8701数码科技2.29181.19382.16334.2132.1942东方国信1.70560.97581.95822.6781.9482（三）计算结果分析根据上述计算的违约距离可得出表5.9关于科技型中小企业在2014-2018年间违约距离的变化趋势。由表可知违约距离的均值在2014年至2015年期间发生了下降，在接下来的三年间逐年上升，直到2018年有所减小。根据上文分析可知违约距离和企业违约呈反向关系，则企业信用风险越小，因此可知科技型中小企业在2015年的信用风险最高，在2016年有所降低，在接下来的三年中信用风险逐年缩小，虽然在2018年有小幅度增加，但总体呈上升趋势且较为平稳，没有较大的波动。在2015-2018年我国股市波动较大，特别是在2015年我国股市行情如过山车般从狂升到暴跌，而以科技股为主的创业板的表现尤为明显，因此在2015年的违约距离变小，信用风险提高，直到2015年9月一整月的区间整理后，股灾结束，在10月创业板有所回升，科技型企业总体有所上涨，企业营业收入增速在2016年有所提高，也相对的减小了科技型中小企业的发生信用风险事件的可能性。根据变异系数较小可知科技型中小企业在这五年的发展中各个企业的违约距离差别较小，起伏波动不大，发展前途较好。表5.102014-2018年科技型中小企业违约距离比较2014年2015年2016年2017年2018年平均值1.9817651.17571.8294052.7469552.085315最大值2.48391.60092.50514.53193.8496最小值1.04990.73290.4251.05471.4578变异系数0.087465120.0403671260.12303590.2476366910.125360063（四）实证结果的检验与分析1.实证结果的检验本文所运用的KMV模型对检验科技型中小企业的是否具有适用性，我们所抽取的20个样本所算出来的违约距离是否符合前文的假设，这些都需要进行进一步的检验。检验假设，企业违约风险与股价日标准差成正比，即当企业股价日标准差越大，企业所面临的经营问题越严重，企业的违约风险也就越大。我们将20个样本根据标准差大小细分为两组，一组是标准差较大的10个样本，另一组则是标准差较小的10个样本，分别命名为样本A和样本B。据此，样本A的股价波动比样本B的稳定。同时，根据上文计算出的违约距离，在EXCLE表格中计算样本A和样本B在2014-2018年五年间的均值、中值、最大值和最小值、极差的数据，如下：表5.11样本A违约距离统计量样本A每年均值中值最大值最小值极差2014年2.01862.19242.48391.04991.4342015年1.198661.202751.60090.73290.8682016年1.793092.003152.50510.4252.08012017年2.763932.704154.53191.05473.47722018年2.243162.16133.84961.45782.3918表5.12样本B违约距离统计量样本B年份均值中值最大值最小值极差2014年1.944931.98572.29181.14491.14692015年1.152741.15531.32150.97580.34572016年1.843371.8642.16331.40780.75552017年2.729982.657354.2131.83942.37362018年1.927471.993752.19421.55530.63892.实证结果的分析从表5.11中可以看出，从样本A到样本B各年份的违约距离统计量大致呈现递减的趋势，这于我们前文的假设相符合。所以我们可以认为，本文所运用的KMV模型运算出来的违约距离对分析科技型中小企业的信用风险分析具有适用性，可以很好地反映企业的信用违约状况。六、科技型中小企业信用风险影响因素分析本文从两个方面入手来分析增加科技型中小企业的信用风险的原因，两方面分别为内部因素和外部因素。内部因素指的是企业自身的财务状况、治理能力和发展规划等，外部因素指的是国家宏观经济影响、地理位置还有行业的成长空间等。（一）外部因素外部因素对企业产生侧面影响，其中国内外经济形势和我国的政策是企业信用风险的重要影响因素。随着科技的迅猛发展，国家要提高自身科学技术在世界科技领域的地位，那么就要重视科技型中小企业的在经济发展的地位和作用，由此国家实施了多项扶持科技型中小企业发展的计划，而信用风险也会随着政策管理的日益完善而有所降低。（二）内部因素内部因素会对企业信用风险产生直接的影响。为了度量企业的信用风险，本文选取了企业财务数据，分析企业自身的规模、经营能力、盈利能力和成长能力。收集20家样本企业2014年的总资产比率、总资产周转率、权益收益率、流动比率和营业收入增长率分别进行计算，对科技型中小企业进行信用风险影响分析。2014年各样本企业数据如表6.1所示。表6.1科技型中小企业信用风险影响因素代码企业总资产占比总资产周转率（次）净资产收益率（%）流动比率（%）营业收入增长率（%）违约距离300016北陆药业0.0233258180.576114.67452.175332.67772.1395300035中科电气0.0260628940.19706.32866.8184-19.02741.9697300048合康新能0.0538085750.33840.04893.60640.84532.4839300053欧比特0.0193034830.24663.87685.325116.70521.8758300057万顺新材0.1157004380.523511.09330.98696.87962.3017300067安诺其0.0264100720.778712.08914.785247.28581.0499300073当升科技0.0261835980.6216-3.07783.0530-0.78671.9979300077国民技术0.0736900850.14920.374519.3021-1.82792.1138300079数码科技0.0844940810.17896.52169.944141.59082.2918300083劲胜智能0.0967601041.22895.11070.953121.43081.8888300084海默科技0.041771780.25004.73703.243335.12132.1466300092科新机电0.0195866910.40472.12861.951537.70042.2382300101振芯科技0.0301893310.37557.01432.765456.13311.9735300102乾照光电0.0548367850.20703.12963.7076-11.08082.3952300105龙源技术0.0818002970.53298.12052.876418.65031.2470300111向日葵0.081110130.54543.20730.820646.39452.4650300155安居宝0.0352431260.47877.45805.438822.57051.1449300166东方国信0.0467232890.416810.80132.681731.42191.7056300167迪威迅0.0291952480.2183-1.35422.22648.01462.2881300188美亚柏科0.0338041760.511112.93832.947054.47611.9184总资产占比是企业规模的体现，对企业的信用风险影响较大。根据上面的表中,可以得到,总资产的比例和违约距离通常其发展趋势相同,也就是说,企业的经济实力会降低企业违约发生的可能性，降低企业面临的信用风险。总资产周转率反映了企业的经营能力。由上表可知，总资产周转率越大，则违约距离越大，信用风险也随之变小。企业的总资产周转率较高，说明企业的销售能力和资产利用能力较强，资金周转速度越快，资金充足，违约风险小，信用风险低。净资产收益率和营业收入增长率也影响企业的信用风险。净资产收益率和营业收入增长率越高，说明企业经营状况越好，营业收入越高。利润越高，企业的竞争优势越大，违约越少，亏损的可能性越小。企业的成长能力也是影响信用风险的一大因素，流动比率越大，企业成长能力越好，和违约距离呈正相关，即企业成长能力越强，违约风险越小，企业的信用等级越高。由于本文数据有限导致代表性有限，在后续的学习中将会进一步完善对该类型企业的信用分析。七、结论与建议（一）结论本文从第一章开始依次介绍了论文的目的、意义、思路等，本文还大量参考了国内外对类似话题的研究，结合前人的研究来设计本次论文。还系统地介绍了信用风险的概念、特点、应用，和KMV模型的意义、优缺点、模型的构建与使用方法。通过matlab软件的操作，解释并利用KMV模型对20个科技型中小企业2014-2018年的数据进行测算，得出以下结论：（1）通过检验得出违约距离，认为科技型中小企业拥有较好的发展前景，如果国家与政府加以重视和扶持，未来科技型中小企业的蓬勃发展将成为国家经济发展的重要推动力之一。（2）通过线性回归分析得出企业总资产、企业的资产周转率和企业的成长能力与违约距离显著相关。（3）本文还为提高科技型中小企业的信用能力提出几点建议，分别是：完善有关法律法规，将政策落实到全国各地；加大对信用人才的培养；把握产品的质量，关注产品在流入市场后的反应；加强证券市场的监管。（二）建议近年来我国为科技型中小企业给予了很多政策和资金上的支持，比如税收优惠政策等，我国各地为响应中央的号令，大多成立了为科技型中小企业服务的信用担保机构，着力解决企业贷款难等问题。但若是想科技型中小企业能发展得更好，结合本文我们给出以下几点建议。（1）完善有关法律法规，将政策落实到全国各地。上层建筑影响经济基础。解决科技型中小企业的发展问题，首先需要政府带头，集合专业人员，听取各方意见，来制定和修改与增强管理企业信用有关法律条文。制定适合的法律并且与信用挂钩有利于科技型中小企业能够合法地履行权利，履行义务，不偷税漏税，让企业积极健康地发展。还有，由于科技型中小企业不可忽视的发展特点，这类企业在国内分布地并不均匀，但大部分优惠政策和信用担保机构只在大城市实施落户。由于分布不均其他中小城市的企业密集度小于大城市，于是地方政府也没有足够重视这些科技型中小企业，这为此类企业在其他地区的发展受限制。然而科技型中小企业能够带来的高收益和吸引人才扎根落户是有利于中小城市的经济持续健康发展的，所以中央政府应该阐明科技型中小企业的重要程度，并且监督地方政府对政策的落实。（2）加大对信用人才的培养。信用风险作用于科技型中小企业身上的影响不可忽视，除去在国内银行面向企业的借贷投资等业务重视企业的信用外，近年来，国与国之间经济与技术交往越来越频繁，国外对企业和个人信用也非常重视，国内的企业若想提高自身的竞争力，走出国门与世界接轨，那么就应该注重企业自身的信用问题。提高企业的信用等级不仅依靠普通的财会人员和经营者，还需要拥有专业知识的信用管理专员。因为他们懂得国内国外信用评级的不同，懂得影响企业信用评级的因素，拥有信用人才，企业在提高自身信用级别时更加具有针对性，更加省时省力。（3）把握产品的质量，关注产品在流入市场后的反应。科技型中小企业不比大型的科技型企业，它们所研究的投入市场的大多数是虚拟世界的商品，比如手机商店的app，某一种绘图技术等，在我看来这些企业像是人类从现实世界进入虚拟世界的中间商。然而如今虚拟世界的信息更替速度飞快，在现实世界某一种商品的普及往往需要几个月甚至几年，而在虚拟世界让一个产品能够广为人知往往只需要几天，特别是当它得到某些大流量人物宣传时，在人群中的流通速度更加惊人。而这惊人的流通速度为产品带来的影响往往非常极端，即它可以被人赞不绝口，人们蜂拥而至的下载量为企业带来高额的收益，也可以受尽抵制，被举报投诉至公司破产。所以这就惊醒企业的管理人员，既要把控产品在流入市场前的质量，又要重视每一位用户的使用体验，还要通过个人信用筛选良好信用的客户，层层把关。既要优质产品，又要优质客户。（4）加强证券市场的监管。计算信用风险的模型需要大量的数据支持，如本文KMV模型中用到的股票区间日均收盘价，股权价值、股权价值波动率、资产价值等，都需要层层演算。足以可见这些财务数据对企业的信用风险评判和解决的重要性。加强证券市场的监管就是保证数据的真实性，保证数据的真实性又有利于证券市场的监管，两者相辅相成，共同影响着企业的信用管理。（三）不足与展望由于我们专业知识储备不足，没有机会真正接触企业运营管理等限制下，本篇论文还是存在着许多的不完美：（1）选取样本时我们只关注了创业板块的20家科技型中小企业，其余板块的未能注意。并且我们选取的都是A股股份，其它性质的股份未加以考虑。（2）本文第六章所能提取的数据是公司的财务数据，仅分开分析了影响公司信用风险的内部因素，外部因素对于企业信用风险管控也很重要，但由于无法客观分析外界种种不确定因素，于是在这一板块并没有过多提及。（3）如本文在介绍KMV模型时提及，违约距离与违约概率的关系非比寻常，国外资本市场对各种企业的违约概率有成熟的整合和统计，但我国在违约概率这方面没有充分的集合展示，而我们认为所收集样本数据算出的违约率与实际上的企业违约率还是有所差异的，所以本文并没有参考违约率来计算违约距离。诚然，这篇论文还有诸多不足，但我们会在之后的实践学习中一步步加深对科技型中小企业的信用风险管控与研究的认识，也期待后人在此类型论文的研究中能够填补其中的不足并且增加自己的见解。

参考文献方洪全,曾勇.银行信用风险评估方法实证研究及比较分析[J].金融研究,2004(1):62-69.张大斌,周志刚,许职,李延辉.基于差分进化自动聚类的信用风险评价模型研究[J].中国管理科学,2015(4).刘迅,颜莉.基于供应链的科技型中小企业融资模式分析[J].统计与决策,2012,(5):186-188.章立.科技型中小企业的投融资风险管理[J].中国城市金融,2016(1)孙小琰

,沈悦

,罗璐琦.基于KMV模型的我国上市公司价值评估实证研究[J].管理工程学报,2008,22(1):102-108.张能福,张佳.改进的KMV模型在我国上市公司信用风险度量中的应用[J].预测,2010(5):67-71.俞键飞.基于KMV模型的中药行业上市公司信用风险研究[D].甘肃：兰州大学,2018.魏奇.科技型中小企业信用评级研究[D].陕西：西安理工大学，2018.文翔.科技型中小企业融资现状及对策研究[D].湖北：华中师范大学,2018.叶圣超.我国科技型中小企业银行融资模式的研究[D].江西：江西财经大学,2019.王静.科技型中小企业信用评级指标与模型建立[J].新时代学刊,2019(2).李红杰.基于修正KMV模型的科技型上市中小企业信用风险度量研究[D].河北：石家庄铁道大学,2017.耿佳莉.基于KMV模型的科技型中小企业上市公司信用风险度量研究[D].贵州：贵州财经大学,2017.薛梦茹.基于KMV模型我国上市公司信用风险测度实证分析[D]