论文部分内容阅读
随着我国债券市场的发展,作为债券市场重要组成部分以及上市公司不可或缺的融资手段,公司债近年来越来越受人们的关注。从2007年第一只公司债发行起,我国公司债规模逐步增大,近几年进入了一个快速发展阶段。但由于受风险防范意识的薄弱以及债券评级体系的不完善等因素的影响,上市公司债券违约风险在2014年开始逐步暴露,连续多家上市公司先后发生债券违约或重大负面信用事件,致使债券市场出现动荡,引发投资者对于未来债券市场的担忧。相较于发达国家的债券市场,我国债券市场起步较晚,不管是风险管理还是风险度量方法等方面,还明显处于落后的水平。如何有效的管控违约风险是目前我国上市公司债券目前面临的主要问题之一,这直接影响着整个金融市场的稳定性。有效的违约风险度量是管控信用风险的前提,而违约风险的度量方法又直接决定了违约风险度量的水平。随着市场环境的变化以及相关技术的不断发展,传统的度量方法已经满足不了目前复杂的债券环境需求,迫切需要选择符合我国债券市场实情并更加先进的违约度量方法,而KMV模型不管从模型的前提假设还是数据要求,都相对适用于我国上市公司债券的违约度量。但由于2014年以前我国上市公司尚未发生债券实质性违约,在这之前对于KMV模型的应用,准确性还得不到有效的检验。随着近两年的上市公司债券违约数据的增加,为KMV模型提供了数据基础,本文从横向和纵向的维度,基于KMV模型对我国上市公司债券违约风险进行实证分析。首先从横向维度,选取两个类别的样本数据,第一个类别是已经发生实质性或发生重大负面信用事件的上市公司债券,称为违约组;第二个类别是根据第一个类别选取相对应行业的具有良好信用的上市公司债券,并剔除行业的影响因素,称为绩优组。基于KMV模型,对两组类别的样本进行实证分析,比较结果。接着从纵向的时间维度,选择一个具有代表性的上市公司违约债券,随时间的变化,利用KMV模型,度量其违约风险的变化,并与实际情况对比。由于违约数据不够充分,还无法建立违约距离与预期违约率的一一映射关系,直接利用理论预期违约率也不符合我国实际情况,故对KMV模型做出一定的修正,直接采用违约距离来衡量上市公司债券的违约风险,以符合我国的国情。然后根据KMV模型,运用MATLAB软件对相关参数进行估算与求解,最终得到上述样本的违约距离。结果表明,违约组的违约距离明显低于绩优组,随着违约时间的临近,违约距离逐步减小,即违约距离越小,上市公司债券发生违约的可能性越大,反之亦然。由此可以得出违约距离能够从整体上区分不同上市公司债券违约风险,也能够相对准确的衡量单一上市公司债券的信用风险变化,进一步验证了KMV模型在我国的适用性。最后根据上述实证结果,结合我国债券市场的实际情况,从技术、制度与人才三个方面,提出相关的针对性建议,为我国相关监管部门对债券信用风险的管理提供参考。