基于KMV模型信用债风险预警研究.doc

基于KMV模型信用债风险预警研究 　　摘要：伴随着信用债市场发行主体的逐步扩容，信用风险将成为投资者首要面对的风险。本文将股票市场使用的KMV模型引入债券市场，并建立相关评价模型，随后结合发债主体新中基、山东海龙及安琪酵母进行实证分析，结果表明KMV模型对于信用债风险预警较为有效，其预警时间在1年左右。 关键词：债券市场 信用风险 KMV模型 自2005年以来，随着我国资本市场改革的深化，信用债市场进入了快速发展的阶段，债券品种不断丰富，投融资主体资格逐渐放宽。截至2013年10月底，信用债市场余额达到了8.35万亿元，成为企业融资的重要渠道。 未来随着直接融资比例的提升，发行主体将进一步扩容，实质性债券违约发生的可能性很大，信用风险将成为投资者面临的主要风险之一。在目前的信用风险评价体系中，评级机构对于发行主体的判断成为重要的评价依据，然而评级机构的精准性和及时性却经常受到投资者的质疑。评级机构下调债券发行主体或债项评级往往具有一定滞后性，而且一旦评级下调，债券流动性将受到较大冲击，使得投资者没有足够的时间去规避风险。因此，在外部评级之外，寻求发行主体偿债能力恶化的前瞻性指标从而成功规避信用风险，对于投资者来说极为重要。 模型的选取及分析 对于发债主体来说，寻求偿债能力恶化的前瞻性指标需要获取更多体现企业信用资质的信息。在信息对称的情况下，金融市场反映的价格是有效的。当市场理性时，债券的价格应该充分反映发债主体的信用风险状况，观测价格的变化就相当于了解了企业信用资质的变化。然而，债券市场目前成交的频率和价格都不及股票市场被投资者直接观测到，股票市场对所有市场信息反应的速度一般要快于债券市场。如果同一主体同时在两个市场交易，从理论上说，股票市场的观测结果可以被用来及时有效地判断发行主体的信用资质。因此，本文将股票市场使用的KMV模型引入债券市场，并建立相关评价模型来进行实证分析，以实现对信用风险的有效预警。 （一）KMV模型及预警体系 信用债大规模发展至今时间较短，加之尚无实质性违约发生，学术界尚未广泛开展信用债的风险预警体系研究。与债券市场相比，企业的另一个直接融资渠道――股票市场由于发展较早，加之建立了ST风险警示机制，因此学术界对股票市场信用风险预警机制的研究较早。 国外对公司信用风险预警也建立了较为完善的体系，主要分为统计学方法及非统计学方法。统计学方法中以Z值模型为代表。20世纪60年代末，Altman建立了基于财务数据多变量信用评分的Z-Score模型，利用上市公司财务数据构建Z值分辨函数对公司是否陷入信用危机进行预测，存在一定的无法判断企业信用状况的未知区间，但由于模型简单，应用较为广泛，我国学者也进行了相应的研究。在统计学方法的应用上往往需要选择适当的模型函数对信用进行预测，但这往往是基于历史财务数据对未来进行预测，当宏观或产业环境发生较大改变时，准确度下降明显。为了解决事前选择模型适当性的问题，出现了以神经网络技术、专家系统等为代表的非统计学方法。Gallagher Andrew（1999）采用神经网络分析法对美国银行和公司的财务危机进行了预测，取得了一定的效果。与统计学方法相比，非统计学方法最大的缺点在于模拟过程机械，模拟结果缺乏解释力度。但二者并没有一概而论的孰优孰劣，往往需要根据不同情况来相机抉择。 KMV模型作为统计学方法的代表，自1993年建立以来，以期权理论为基础综合考虑了上市公司股票及财务数据，由于股价能在一定程度上揭示公司的发展前景，因此KMV模型与以往风险模型相比有一定的前瞻性。其核心假设为在债务到期当天，公司的股权价值为公司资产市场价值与债务值之间的差额，这样就通过能观测的股权价值间接解决了资产市场价值不能观测的问题。 KMV模型的运用包含三个步骤： 一是根据BS期权模型，通过上市公司股票的市场价值及其波动、负债的账面价值来估算出公司资产的市场价值和波动性。 其中， 式中，E 和为股权的市场价值及波动率，而对应的V和为所求资产的市场价值及波动率，D为负债，r为连续复利无风险收益率，t为债务偿还期限（通常选择1年），N（ 二是根据公司的负债情况确定违约点（企业1年期以下短期负债账面价值与长期负债账面价值的一半之和）来计算违约距离（DD）；DD 即为要求的违约距离，DP为违约点负债，与D值相同。 三是根据违约距离与预期违约率（EDF）之间的对应关系来求出企业的预期违约率。这需要有足够的违约样本来建立二者之间的对应函数，而目前市场中缺乏足够的数据，因此将违约距离作为信用风险的预警指标，即使用违约距离来作为信用风险预警观察的绝对指标，其计算过程依赖于KMV模型的基础计算。 （二）样本选择 由于K