公司股票和债券价格中的信用风险信息效率研究，公司股权转让、股东变更文件.docVIP

Financial Markets 金融市场 公司股票和债券价格中的信用风险信息效率研究 近年来， 我国股票市场获得快速发展， 交易制度日臻完善。 我国公司债券市场也获得快速发展。 2007 年我国公司债启动发行， 后由于金融危机的原因暂停发行； 2009 年 7 月再度开闸， 进入快速发展阶段； 近 5 年平均增速为 132.6%， 二级市场成交量年平均增速为 87.29%。 随着我国股票市场和债券市场的发展， 越来越多的企业通过发行股票和债券的方式开展直接融资， 这也为以 KMV 模型和信用价差模型实时测度我国企业的信用风险变化提供了可能。 然而， 在 我国股市和债市的当前发展阶段， 两市场在价格形成机制、 交易制度设计、 交易摩擦、 投资主体和信息传播途径等方面存在较大差异， 两个市场对信息反应的效率可能存在较大程度的不同。 因此， 研究哪个市场上的资产价格变化对信用风险信息的反应更为及时有效是非常重要的， 它可以指导我们在不同的信用风险测度方法上做出最优选择， 或指导我们如何配套使用这些不同的方法， 以便为我国企业信用风险测度与定价提供可靠的方法和依据。 为此， 本文选取我国沪深上市公司中有公司债券发行的公司为研究样本， 基于修正的 KMV 模型和信用价差模型， 分别计算公司的违约距离和信用价差， 结合实际的信用风险水平， 评价股市和债市对公司信用风险信息的反应效率。 一、文献综述 1993 年， KMV 公司将 Black， Schole Merton 的期权定价模型加以改进并应用到贷款组合风险管理中， 推出基于公司股票价格变化度量其信用风险的 KMV 模型。 KMV 模型推出后， 国外学者对其有效性进行了研究。 Sobehart， Keenan Stein （2000） 提出了验证模型有效性的的技术方法， 通过比较得出 KMV 模型在对企业信用风险预测上具有较高准确性的研究结论。 Eom， Helwege Huang （2010） 的研究表明， 度量信用风险的结构化模型 （包括 KMV 模型） 在预测公司债券的信用风险时会出现与实际情况不符的偏低预测现象。 Duffie， Saita Wang （2007） 基于 KMV 模型生成一个违约概率的期限结构， 认为 KMV 模型对企业违约概率具有很强的预测能力。 信用价差模型基于债券价格计算信用价差， 并以此衡量公司信用风险的变化。 Jones， Mason Rosenfeld （1984） 发现， 理论信用价差存在高估企业实际信用价差的现象， 这种高估被称为 “信用价差之谜”。 Huang Huang （2003） 的研究发现， 信用价差除了受信用风险的影响外， 还受债券的可选择条款、 流动性和税收等因素的影响， 并指出信用价差对于期限越长、 等级越低的企业信用风险的解释力度越大。 Duffie， Saita Wang （2007） 使用工业产品增长率这一宏观经济变量来改进对公司违约率的预测。 Huang Cheng （2013） 以信用违约互换价差的超常变化作为信用风险传染效应的度量指标， 研究表明， 有较高信用风险的公司在其信用违约事件发生前就出现了较大的信用风险传染效应。 财富牛股票配资分析近年来， 部分文献开始关注二者关系的研究。 Denzler， Dacarogna Müller et al. （2006） 构建了一个新模型， 该模型可以根据由 KMV 模型得出的预期违约率来计算信用价差。 Chou （2005） 考察了由 KMV 模型得到的违约距离的信息内容， 并且检验了违约距离与违约概率和信用价差之间的关系。 研究表明， 预期违约距离和信用价差皆可用违约距离的函数来表示。 Tang Yan （2010） 研 究了宏观经济条件和股市风险对信用价差的影响， 其研究发现， 企业平均信用价差随 GDP 增长率的上升而下降， 随 GDP 增长率的波动和股市价格跳跃风险的增大而上升。 Hibbert， Pavlova Dan-dapani （2011） 的研究表明， 债券市场和股票市场的系统性因素， 以及股市特质因素都会影响每日债券信用价差的变化， 尤其是股市波动性对公司债券信用价差的变化有显著的正向影响， 而股市收 益率与债券信用价差之间则存在负向关系。 近年来， 国内学者关于 KMV 模型的研究， 多集中于模型参数或过程的修正方面， 使之更加符合中国的市场特点 （ 鲁炜和赵恒珩等， 2003； 张兵和李晓明， 2003； 张智梅， 2006； 李亚丽，2013； 曾诗鸿， 2014； 等等）。 尽管国内学者在 KMV 参数修正方面， 没有达成统一， 但一致认为 KMV 模型能够适应中国市场， 及时准确地反映上市公司的信用风险信息 （韩岗，