论文部分内容阅读
长期以来，我国的债券市场由于各方面原因一直存在着所谓“刚性兑付”的信仰。这使得广大投资者在选择投资标的时，主要将目光聚焦于债券收益率，发行主体的信用风险一直未能得到有效的重视。2014年3月,“11超日债”宣告无法按期兑付利息，标志着我国债券市场的“零违约”自此成为了历史。另一方面，我国经济目前正处于结构化转型、“去产能”、“去杠杆”的阵痛期，前期累计的信用风险正加速释放，导致近年来陷入信用危机的.上市公司主体快速攀升，继而引发上市公司信用债券的“违约潮”。如今，上市公司的信用风险逐渐成为广大市场投资者及监管机构关注的热点。因此,在债务违约现象逐渐趋于常态化的背景下，应尽快构建适合我国国情的信用风险度量体系、正确识别和评估上市公司的信用风险、对信用状况的恶化进行提前预警。这对于最大限度地化解资本市场中的信用风险隐患，具有十分重要的理论与实际指导意义。
本文以信用风险的评估与预警为核心，围绕现有的两种信用风险度量模型，采用理论及实证分析相结合的方法开展研究。首先，文章对KMV模型和Logit模型在信用风险方面的文献资料进行了分析与整合，提出了现有研究的局限性及可能的改进方向。接着，介绍了基础模型的原理、假设及参数估计方法，根据我国和西方国家具体情况的差异对模型进行了适当的改进与优化，并尝试提出.一种能够较好地适应我国上市公司信用风险特征的度量模型。然后，在实证过程中:(1)对KMV模型各输入参数进行合理的修正，使之在满足模型基本假设的前提下更加符合我国资本市场的情况。修正的部分主要包括差异化的预期增长率设定、非流动负债违约点权重的调整以及灵活应用GARCH(1,1)模型估计股权价值的波动率。结果发现:KMV模型输出的违约距离指标可以作为信用风险的测度。当评估时长(T)为1年时,模型的预测效果最好，预测精度达到8937％，样本外的平均预测准确率达到80％以上。但是随着评估时长的增长，预测效果呈现快速下降的趋势。因此，该模型仅能在短期时间内较好地识别上市公司的信用风险。(2)选取了15个能够反映上市公司各方面经营状况的财务指标，利用Logit方法进行拟合。结果表明:企业未来的信用状况与企业的偿债能力，盈利能力及营运能力等存在着较大的相关性。同时，Logit模型在不同评估时点的预测效果都较好，平均预测精度可以达到80％以上。但是，该模型对风险变化的敏感性较低。(3)将违约距离(DD)作为预测指标之一引入Logit模型，构建了KMV-Logit混合模型。通过与传统Logit模型的对比分析，得到了混合模型预测效果更佳的结论，在T=1.25年时，混合模型的预测精度较单一模型提升了约10％。这说明市场化指标——违约距离的引入确实是对传统财务预警体系的有益补充。
最后，从信用风险度量体系的构建角度，有以下结论:KMV-Logit混合模型在传统Logit模型上吸收了KMV模型具有前瞻性与及时性的优点，且在实际应用中能够提前2年对上市公司信用状况的恶化做出预警,通常是首选的模型。但是在长期预测中,KMV-Logit混合模型并没有表现出较于Logit模型明显的优势。因此，基于建模的复杂程度考虑，Logit模型是长期风险评估的较优选择。
本文的创新之处主要体现在两个方面:(1)在风险模型的构建方面，将经过合理修正的KMV模型与传统Logit模型进行了有机结合，把企业的历史财务数据和市场化信息都纳入了信用风险的影响因素，在一定程度上实现了模型的优缺互补。并通过实证分析,得出结论:违约距离这一类基于市场化信息的非财务指标在信用风险度量领域确实存在着一定的应用前景。同时，由于KMV模型中违约距离与违约率之间的经验映射关系存在缺失，混合模型的提出也为该问题开拓了新的解决视角。(2)在实证研究的设计方面，本文采用的是全样本分析法并改进了高风险主体的筛选标准，从而增强了模型实证检验结论的准确性与可靠性。同时，通过设置不同的评估时点，有效地分析了模型的预测效果与评估时长之间的相关性，探究了不同风险度量模型在实证应用中的性质。
本文是国家自然科学基金项目“城乡分割、区域差异和国际经济冲击三重复杂现状下的中国宏观经济系统稳定性、抗冲击承受力及反冲击政策研究(项目批准号:71673175)”研究成果。
本文以信用风险的评估与预警为核心，围绕现有的两种信用风险度量模型，采用理论及实证分析相结合的方法开展研究。首先，文章对KMV模型和Logit模型在信用风险方面的文献资料进行了分析与整合，提出了现有研究的局限性及可能的改进方向。接着，介绍了基础模型的原理、假设及参数估计方法，根据我国和西方国家具体情况的差异对模型进行了适当的改进与优化，并尝试提出.一种能够较好地适应我国上市公司信用风险特征的度量模型。然后，在实证过程中:(1)对KMV模型各输入参数进行合理的修正，使之在满足模型基本假设的前提下更加符合我国资本市场的情况。修正的部分主要包括差异化的预期增长率设定、非流动负债违约点权重的调整以及灵活应用GARCH(1,1)模型估计股权价值的波动率。结果发现:KMV模型输出的违约距离指标可以作为信用风险的测度。当评估时长(T)为1年时,模型的预测效果最好，预测精度达到8937％，样本外的平均预测准确率达到80％以上。但是随着评估时长的增长，预测效果呈现快速下降的趋势。因此，该模型仅能在短期时间内较好地识别上市公司的信用风险。(2)选取了15个能够反映上市公司各方面经营状况的财务指标，利用Logit方法进行拟合。结果表明:企业未来的信用状况与企业的偿债能力，盈利能力及营运能力等存在着较大的相关性。同时，Logit模型在不同评估时点的预测效果都较好，平均预测精度可以达到80％以上。但是，该模型对风险变化的敏感性较低。(3)将违约距离(DD)作为预测指标之一引入Logit模型，构建了KMV-Logit混合模型。通过与传统Logit模型的对比分析，得到了混合模型预测效果更佳的结论，在T=1.25年时，混合模型的预测精度较单一模型提升了约10％。这说明市场化指标——违约距离的引入确实是对传统财务预警体系的有益补充。
最后，从信用风险度量体系的构建角度，有以下结论:KMV-Logit混合模型在传统Logit模型上吸收了KMV模型具有前瞻性与及时性的优点，且在实际应用中能够提前2年对上市公司信用状况的恶化做出预警,通常是首选的模型。但是在长期预测中,KMV-Logit混合模型并没有表现出较于Logit模型明显的优势。因此，基于建模的复杂程度考虑，Logit模型是长期风险评估的较优选择。
本文的创新之处主要体现在两个方面:(1)在风险模型的构建方面，将经过合理修正的KMV模型与传统Logit模型进行了有机结合，把企业的历史财务数据和市场化信息都纳入了信用风险的影响因素，在一定程度上实现了模型的优缺互补。并通过实证分析,得出结论:违约距离这一类基于市场化信息的非财务指标在信用风险度量领域确实存在着一定的应用前景。同时，由于KMV模型中违约距离与违约率之间的经验映射关系存在缺失，混合模型的提出也为该问题开拓了新的解决视角。(2)在实证研究的设计方面，本文采用的是全样本分析法并改进了高风险主体的筛选标准，从而增强了模型实证检验结论的准确性与可靠性。同时，通过设置不同的评估时点，有效地分析了模型的预测效果与评估时长之间的相关性，探究了不同风险度量模型在实证应用中的性质。
本文是国家自然科学基金项目“城乡分割、区域差异和国际经济冲击三重复杂现状下的中国宏观经济系统稳定性、抗冲击承受力及反冲击政策研究(项目批准号:71673175)”研究成果。