基于KMV模型对我国房地产上市公司的信用风险测度.docxVIP

基于KMV模型对我国房地产上市公司的信用风险测度 　　摘要：近年来我国房地产市场迅猛发展、房价急剧飙升，市场的过度扩张推高了我国房地产市场泡沫，随着房地产政策的出台，在持续趋紧的宏观调控作用下，我国房地产业开始进入低迷期，企业的资金链日趋紧张，导致我国房地产公司的信用风险骤然升级。本文将通过kmv模型计算12家房地产上市公司的违约距离和违约概率，对其信用风险的测量结果表明kmv能够较好反映我国房地产上市公司的信用状况。 　　关键词：kmv模型信用风险房地产业违约概率 　　一、引言 　　自20世纪80年代我国进行房地产市场改革后，房地产行业迅猛发展，但是房价走势逐渐偏离房屋价值规律，房价的过度增长和房地产市场的非理性繁荣成为我国宏观经济健康发展的阻碍。面对存在泡沫的房地产行业，政府颁布了一系列政策来抑制房价、缩小泡沫，但同时也使得我国房地产行业开始进入低迷状态。房地产属于典型的资金密集型行业，其生存和发展都需要巨额资金支持，但是这也决定了房地产行业的高风险性。尤其是当前整个行业处于低迷状态将使房地产行业的信用风险不断增加并暴露。因此，对房地产公司的信用风险进行测度，可以降低商业银行信贷风险、预防投资者因信息不对称带来的股票损失、帮助政府部门及时制定政策矫正行业发展，对多方社会主体都具有重要意义。由于kmv通过利用股票信息进行测度而具有很强的及时性、动态性和准确性，因此本文选择该模型来测量房地产上市公司的信用风险。 　　kmv模型是美国kmv公司在1997年提出的通过计算借款企业违约概率的信用风险测度模型。国外学者对该模型的研究已经相当成熟，得到了广泛的认可与应用。peterandjeff（2003）使用kmv模型准确地预测出金融类公司在破产或违约前信用质量的变化。jeff（2005）使用kmv模型分别测量经营业绩较好和较差的公司的信用风险，结果显示这些公司的信用风险量化值存在明显差别，验证了kmv模型识别信用风险的有效性。patel（2006）利用kmv模型计算英国的112家房地产上市公司在20年间的违约距离与违约概率，结果与这些公司的真实违约情况基本一致，证实了该模型可有效应用于房地产行业。 　　我国学者在信用风险测量方面的研究展开较晚，成果多集中于对国外模型的应用与拓展。程鹏、吴冲锋（2002）介绍了kmv模型，并以沪深15家上市公司为例，提出可以用kmv模型中的违约距离对中国上市公司进行分析。马若微（2006）以沪深交易所的全部上市公司为研究对象，认为kmv模型在对上市公司进行财务预警方面具有明显优势。方军武（2012）在对贷款违约的实证分析中，分别对st公司和非st公司进行风险测量，认为kmv模型对违约贷款具有更强的识别和预警能力。张能福（2011）修正了kmv模型中的违约点计算方法，使kmv模型更适用于我国上市公司信用风险评价中。彭伟（2012）建立kmv模型，选取111家不同的中小企为样本研究我国2008-2011年的中小企业信用风险，在实证过程中修正违约点的计算方法，使调整后的模型能更准确地测量企业风险水平。 　　结合我国股票市场实际情况，选择房地产行业的6家非st公司、4家st公司、2家*st公司作为研究对象，收集这12家公司从2017年11月1日至2018年11月17目的相关数据，建立kmv模型度量上市公司违约距离和违约概率。 　　二、kmv模型框架 　　kmv模型将公司价值看作标的资产，将公司的所有者权益和负债分别看作看涨期权和看跌期权。这样可以认为公司所有者持有一份以公司债务面值为执行价格，以公司资产市场价值为标的的欧式看涨期权。当公司的资产市场价值v。小于公司未来需清偿的负债d时，企业就会选择违约。在测量公司违约可能性时，建立指标——违约概率edf，违约概率表示企业资产市场价值期望值v。距离违约点dp的远近，即违约距离dd，距离越大，企业发生违约的可能性越小，距离越小，企业发生违约的可能性越大。kmv模型的优势在于以现代期权理论基础作依托，充分利用资本市场的信息而非历史账面资料进行预测，将市场信息纳入了违约概率预测中，更能反映上市企业当前的信用状况。此外，kmv模型作为一种动态模型，根据股票市场的实时更新做出最新預测，具有较强的前瞻性。 　　从以上实证结果可以得出，非st组的违约距离整体大于st组，违约概率整体小于st组，说明非st组的公司信用水平高于st组，发生信用风险的概率偏低，这与st股票或*st股票经营连续亏损导致信用违约风险增加的基本事实相一致。证明kmv模型不仅能够有效区分st公司和非st公司的信用风险，同时还能较为准确地反映我国房地产公司的信用状况，在测量我国房地产上市公司信用风险时是有效的。 　　此外，