基于Logistic理论与KMV模型我国中小企业信用风险评估.docVIP

基于Logistic理论与KMV模型我国中小企业信用风险评估 　　【摘 要】Logistic回归模型可以处理多指标海量数据，在解决中小企业信用风险评估问题有很大的优势，而KMV模型反映的是市场中投资者对公司未来发展的综合预期，因此具有高敏感性和前瞻性。通过运用中小企业的股票市场的数据和财务报表中的债务数据，将KMV模型中违约概率与Logistic回归模型相结合应用于信用风险评估，为未来建立中小企业的评估体系和相关监管部门更好的控制信用风险提供了重要依据，也对中小企业信用风险控制以后的发展有着现实的意义。 　　【关键词】Logistic模型；KMV模型；中小企业；信用风险 　　1.文献综述 　　在传统的信用风险评估中，主要是依靠专家的知识和经验结合一般性的统计方法，进行较为主观的判断，运用比较广泛的定性分析方法主要有专家测量法，指以专家的专业知识和经验为依托，通过专家间的商讨等形式，以主观判断为主对企业的信用风险进行评估，如德尔菲法。另外，企业的信用风险会通过相关财务指标的恶化体现出来，因此财务分析法也可以用来评估企业的信用风险，其中比较有代表性的有杜邦分析法和沃尔比重评分法。 　　Fisher[1]于1936根据已知类别的若干样本，总结出分类所具有的规律性，进而建立了判别公式以判别新事物的类别。国内外学者从中受到了启发，基于统计判别分析方法的预测模型在对企业信用风险的评估中得到了广泛的应用。Altman[2]在1968年通过对美国破产和非破产生产企业进行观察，运用数理统计从筛选出22个最能反应借款人财务状况、对评判信用风险最有价值的指标建立了Z-score模型。1977年，Altman、Haldeman和Narayanan在原有的Z-score模型的基础上进行了拓展和改进，建立了适用范围更广、精确度更高的ZETA模型[3]。Henley[4]开发了logistic回归模型是最流行的分类统计工具之一，它克服了判别分析要求变量服从正态分布的不足，因此在不满足正态的情况下其准确率要高于判别分析法。该模型于1977年被Martin[5]首次用于银行破产预测，后来Ohlson[6]于1980年用于预测企业的财务困境，研究发现用公司规模、资本结构、业绩和变现能力进行预测的准确率高达96%以上。Wiginton[7]也是较早将Logistic回归用于信用评估的人员之一。 　　1995年，美国KMV公司基于Merton期权定价理论，用预期违约频率来计量公司违约概率，这种信用风险度量模型被称为KMV模型，主要是利用预期违约率EDF（Expected Default Frequency）的值来衡量企业市场价值降到违约出发点水平之下的概率，其中EDF可以通过分析企业股票市场价格的波动而得到。 　　国内学者主要致力于探索适合我国市场的信用风险识别评估方法，在引进国外先进的信用风险评估方法基础上，运用国内数据加以分析，通过大量的实证研究，改进模型使之适合于我国的经济状况，并对预测的准确性进行了评价。 　　郝项超，梁琪[8]引入偏最小二乘法，结合Logistic模型对我国沪深两市的上市公司的经营失败进行实证研究，结果表明偏最小二乘Logistic模型对企业经营失败有着较高的预测能力。张星文，廖英霞[9]运用Logistic回归分析的方法，结合我国A股市场2009年因财务原因新被ST的43家上市公司以及与其行业、资产规模相当的43家非ST上市公司的财务数据进行了实证研究，构建了财务预警模型，得出的回判正确率较高。时务指标信息和非财务指标信息的基础上，利用Logistic回归模型建立了中小企业信用风险评估模型，并通过实际案例检验出模型的评估正确率高达96%[10]。2008年，汪莉以现有的信用评分指标体系为基础，运用主成分分析法构建出适用于我国中小企业的信用评分指标，然后运用Logistic回归模型建立了一个中小企业信用评分模型，并验证其可行性[11]。 　　张泽京，陈晓红等[12]指出经过提高股权价值波动率精确度KMV模型对我国中小上市公司的信用风险状况有很强的识别能力，可以通过设定两条信用预警线，来监控中小上市公司的信用危机。郑茂[13]基于EDF模型，对上市公司的信用风险进行了度量，发现对于绩效好的上市公司，该模型没有给出错误的信息，而高风险的上市公司的资产市值和股权市值被高估。刘博[14]通过实证分析表明，在KMV模型中引入资产连续回报率这个模型最适合中国国情，灵敏度和预测能力较好，在一定程度上可以揭示上市公司的信用风险。韩艳艳，王波[15]选取沪深两市2009年68家上市公司进行实证研究，选取了13个财务指标进行分析，选取5个为主要的解释变量，将Logistic回归模型和KMV模型相结合，研究表明混合模型能取得更好的评价结果。