【专项研究】基于KMV模型的我国上市公司信用风险研究 |
您所在的位置：网站首页 › kmv模型公式怎么讲解 › 【专项研究】基于KMV模型的我国上市公司信用风险研究 |
【专项研究】基于KMV模型的我国上市公司信用风险研究
|
联合资信 联合评级 债券市场研究部 王自迪 孙健 林青 摘要：本文基于KMV模型结果中的违约距离对我国上市公司信用风险进行度量，并揭示我国上市公司整体风险特征。结果表明，2020年一季度新冠肺炎疫情对我国经济冲击明显，上市公司信用风险普遍上升但整体可控；信息技术领域、媒体行业信用风险较高，公用事业领域、房地产行业信用风险较低，但行业内企业信用风险分化程度较大；公众企业、民营企业和外资企业的信用风险较高，国有企业信用风险较低但分化明显；经济发达的北京和东南沿海地区的违约距离中位数较小，可能与区域内上市公司企业性质、所属行业等因素有关。 关键词：KMV模型，信用风险，上市公司 一、引言 2018年以来，受经济增速放缓、行业周期波动、中美冲击等多重外部不利因素影响，部分企业经营压力加大、盈利能力有所下滑，同时经济去杠杆、金融严监管等政策措施导致市场融资环境结构性趋紧，我国债券市场信用风险加速释放，违约事件明显增多。2018年至2019年我国债券市场新增违约主体89家，涉及到期违约债券282期，到期违约债券规模合计逾2000亿元，整体来看债券市场违约常态化发生。值得注意的是，2018年和2019年债券市场新增违约主体中上市公司有35家，涉及到期违约债券97期，到期违约债券规模合计约677.89亿元，新增违约主体中上市公司占比明显上升（近40%）；一方面是由于部分上市公司存在激进扩张、投资并购失败、高比例股权质押、内部控制失序甚至违法违规等经营管理问题，另一方面2018年A股市场整体下行走势以及再融资政策调整间接加速了部分上市公司信用风险的暴露。在上市公司违约多发的背景下，及时发现上市公司信用风险并进行科学有效的管理与处置十分必要，KMV模型对上市公司信用风险具有一定预测能力，能够辅助投资者进行投资决策，防范信用风险、发掘投资机会。相较其他主要基于财务数据的信用风险度量方法，KMV模型所使用的上市公司股价信息包含了市场投资者对公司的盈利预期及风险判断，更具时效性和前瞻性，因此被广泛用于信用风险计量与管理。 二、KMV模型原理概述KMV模型是KMV公司[1]于20世纪90年代建立的用于预测公司违约概率的模型，是一种基于上市公司股票价格信息和部分会计数据的动态模型。KMV模型基于现代期权理论，通过期权定价原理推算公司的违约概率，其核心思想来源于B-S模型[2]以及Merton模型[3]；根据Merton模型，当公司负债到期时，若资产价值高于债务价值，则公司不会发生违约，债权人得到足额偿付，股东得到剩余资产价值，若资产价值低于债务价值，股东放弃行权，公司选择违约，债权人可优先获得资产价值，股东权益则为零。KMV模型与Merton模型思想基本一致，KMV模型中公司资产价值、资产价值的不确定性（资产价值波动率）、杠杆水平三重因素共同决定公司信用风险水平，并由违约距离DD（Distance to Default）综合表示： 式中E(V)表示预期资产价值，E(V)=V(1+g)，g为资产价值增长率，V表示资产价值波动率，DPT表示违约点。违约距离表示为公司预期资产价值到违约点之间的距离并使用预期资产价值波动率进行标准化处理，违约距离越大，公司信用风险越低。不同于Merton模型，KMV公司通过对历史违约数据研究发现，由于长期债务的存在，公司资产价值低于债务价值的违约条件并不完全成立，当资产价值低于短期债务价值（STD）加长期债务价值（LTD）的一半时，企业就会选择违约，即违约点DPT可表示为： DPT=STD+0.5LTD实践操作中，资产价值及资产价值波动率无法直接观察得到，KMV公司通过计算股权价值和股权价值波动率，并通过期权定价公式反向推导出公司资产价值及资产价值波动率[4]。根据Merton模型，公司股权价值（E）是资产价值（V）为标的、负债价值（D）为行权价格的欧式看涨期权，公司资产价值（V）及资产价值波动率（V）可根据以下方程组求得： E为股权价值，E为股权价值波动率，r为无风险利率，T为债务偿还期限，N为标准正态分布函数。 根据违约距离DD可进一步求得公司预期违约概率[5]EDF（Expected Default Frequency），基于资产价值服从对数正态分布的假设，EDF可以表示为：EDF=N(-DD)。上述EDF仅为理论值，KMV公司根据大量历史违约数据建立违约距离DD和经验预期违约概率EDF间的映射关系[6]，使用经验EDF表示公司信用风险高低。目前我国上市公司违约数量相对较少，历史数据积累较为匮乏，难以将违约距离转化为预期违约概率，且不同行业DD与EDF间映射关系可能存在一定差异，本文仅通过违约距离的相对大小分析我国上市公司信用风险状况。 [1] KMV公司由Kealhofer,McQuown, and Vasicek共同创立，2002年被穆迪收购。 [2] Black-Scholes Model，又称Black-Scholes-Merton Model，1973年Fisher Black,Myron Scholes, Robert C. Merton同期提出期权定价理论，用于对期权、权证等金融衍生品进行定价。 [3] Merton模型由Robert C. Merton于1974年提出，Merton模型将公司股权价值建模为以公司资产价值为标的、负债价值为行权价格的欧式看涨期权，并以此评估公司信用风险。 [4] KMV模型中所使用的的期权定价模型为VK模型，由Vasicek,Kealhofer在B-S模型基础上发展而来。VK模型与B-S模型有所不同，考虑了不同债务类型、现金股利等因素影响，KMV公司未公布VK模型细节，研究中一般使用B-S模型替代VK模型。 [5]预期违约概率指公司资产价值低于违约点的可能性。 [6]经验违约概率与违约距离呈现以自然对数e为底的指数关系，EDF=a∙ebDD，a,b均为常数。 三、KMV模型实证分析本文选取A股上市公司为研究样本[7]，以2019年12月31日、2020年3月31日两个时间点为基准，将两个时间点得到的两组数据中的上市公司样本进行交叉匹配，使得两组数据中包含的上市公司样本相同，最终得到用于研究分析的上市公司2995家，使用Python软件编程计算得到样本的违约距离。 通过对比上市公司外部评级[8]结果与KMV模型违约距离，验证模型对信用风险的区分能力。结果表明，在样本数量较多的A+级及以上级别，各信用等级上市公司违约距离中位数随信用等级的降低而减小，即信用等级越低，上市公司的违约距离中位数越小，信用风险越大（见表1）。使用Mann-Whitney U两独立样本非参数检验方法对上市公司信用等级与违约距离进行显著性检验，在99%的置信水平下，除部分情况下AA级与AA-级、AA-级与A+级违约距离差异不显著外，各信用等级上市公司违约距离差异均较明显（见表2）。整体来看，使用KMV模型得到的我国上市公司违约距离分布与外部评级结果较为一致，KMV模型风险区分能力较强，模型适用性良好。 [7]样本不含商业银行、保险公司、证券公司，并剔除总股本和A股股本不相等的样本、所需财务数据缺失的样本；2019年年报被审计机构出具非标准无保留意见的样本未纳入统计；数据来源于Wind，财务报表类型为合并报表。数据处理过程中，不考虑A股流通股、非流通股问题，全部A股股本数与时间点之前最新收盘价相乘得到公司股权价值E；通过股票日收盘价并计算日收益率ui， [8]评级机构为发行人委托评级机构，最新评级时间大于2019年1月1日；具有有效评级的样本有693家。 四、基于KMV模型的我国上市公司信用风险概况 （一）疫情冲击下信用风险有所上升，但整体可控 2019年以来，世界经济增长持续放缓，外部环境复杂多变，我国经济下行压力有所加大，部分企业经营困境加剧，违约风险持续暴露。与此同时，金融政策持续发力，通过综合运用各种政策工具，从信贷、股权、债券等方面支持实体经济发展，市场融资环境有所改善。在此背景下，我国上市公司整体信用风险状况未发生明显变化，2019年末上市公司违约距离分布情况与2018年末基本一致。2020年一季度，新冠肺炎疫情影响下我国实体经济增速显著下降，一季度国内生产总值同比下降6.8%，上市公司经营环境有所恶化，信用风险普遍上升，相较2019年末，2020年一季度末2995家样本企业中有2088家违约距离下降，占比近七成，上市公司违约距离中位数也较2019年末有所下降。总体来看，我国经济仍处于增长速度进入换挡期、结构调整面临阵痛期、前期刺激政策消化期“三期叠加”时期，结构性、体制性、周期性问题相互交织，2019年末爆发的新冠肺炎疫情也对我国经济产生了较大不利影响，再加上全球经济衰退亦对国内经济产生溢出效应，我国经济发展面临较大挑战，上市公司经营风险和财务风险有所加大，信用状况整体有所下滑。与此同时，我国经济韧性较强、基本面相对稳定，政策层面为对冲外部不利环境，宏观调控力度有所加大，财政、货币政策持续发力，“六稳”“六保”[9]举措扎实推进，新一轮市场经济体制改革加速启动，我国经济长期向好、高质量增长的基本面没有改变。上市公司稳健经营、资本市场平稳运行的基础较为牢固，随着公司债注册制改革[10]的推进、公开发行短期公司债券业务试点[11]、再融资新规[12]等政策措施落地实施，上市公司资金压力得以有效缓解。预计未来我国上市公司违约风险将有序出清，信用风险整体可控。（二）信息技术领域、媒体行业信用风险较高，公用事业领域、房地产行业整体信用风险较低，但行业内企业信用风险分化程度较大 从分行业上市公司违约距离分布情况来看（图2），信息技术领域（含半导体与半导体生产设备行业、技术硬件与设备行业、软件与服务行业）、媒体行业违约距离中位数较小，信用风险相对较高；公用事业行业、房地产行业违约距离中位数较大，但违约距离分布区间较广，表明公用事业和房地产行业整体信用风险相对较低，但行业内企业信用风险分化程度较大。具体来看，信息技术领域主要涉及芯片、集成电路、网络通信、计算机、互联网、软件开发等，在经历前期高速增长后面临技术创新乏力、下游需求走弱、产业发展放缓的局面，且在中美背景下信息技术产业链安全面临较大挑战，行业整体收入和盈利能力承压，同时信息技术领域竞争、整合现象明显，部分企业可能由于大规模并购面临商誉减值风险，整体来看信息技术领域发展的不确定性和波动性较大，信用风险较高。媒体行业受文化监管政策影响较大，近年来文化娱乐行业监管政策趋紧，在影视内容高压监管、税收政策收紧、游戏版号冻结、总量调控等多重负面因素冲击下，媒体行业营收水平明显下滑，同时媒体行业轻资产、高杠杆特征导致其信用风险始终处于高位，前期行业快速扩张阶段因溢价并购积累大量商誉，商誉减值风险亦不断暴露，信用风险较高。公用事业行业涉及民生、覆盖面广，政府支持力度较大，其下包括水务、电力、燃气等子行业。2018年以来，水务行业固定资产投资维持增长，全社会用电量平稳增长，天然气消费旺盛，公用事业行业稳健发展，信用风险整体较低。公用事业行业的违约距离分布区间较广，主要是受到电力子行业企业信用风险分化的影响。近年来，在电力需求平稳增长、供给侧改革及电力体制改革推进背景下，电力行业整体信用风险较低，但受环保政策趋严等因素影响，技术落后、装机容量小的电站将面临关停风险，相关企业经营业绩或将面临持续下滑局面，导致电力行业企业信用风险分化。近年来房地产行业处于调控周期，“房住不炒”政策基调维持不变，行业下行压力较大但仍保持较强韧性，2019年全国房地产开发投资132194亿元，比上年增长9.9%，商品房销售面积171558万平方米，与上年大致相同。房地产行业整体运行稳定，信用风险仍然较低。同时，上市房地产公司资产规模、盈利水平分化明显，2019年A股前10上市房地产公司年末总资产均值（5244.3亿元）约为上市房地产公司均值（1165.0亿元）的4.5倍，净利润均值（173.8亿元）约为上市房地产公司均值（34.9亿元）的5倍[13]。在政策调控未明显放松的背景下，房地产行业企业竞争将有所加剧，规模房企竞争优势愈发明显，行业集中度将持续提高，房地产行业信用风险或将继续分化。其中，拥有充足的全国土地和项目储备，融资渠道多样且畅通的大型房企的信用风险相对较小，而项目集中度普遍较高，受区域市场调控政策影响较大，融资难度较高的中小房企将面临较大的信用风险。从2019年末和2020年一季度末上市公司违约距离的变化情况来看，大部分行业的违约距离中位数均有所下降，其中零售业和汽车与汽车零部件行业的违约距离中位数降幅最大。具体来看，2020年以来，受到新冠肺炎疫情影响，我国零售业面临客源下降、营业时间减少甚至关店歇业等挑战，短期内零售行业企业现金流承压，经营困难加剧，行业信用风险有所加大，但随着我国疫情防控态势逐渐好转，零售行业加快复工复产，并推动线上线下融合发展，行业整体信用风险仍然不大。近年来，在宏观经济持续低迷背景下，汽车需求有所下降，汽车与汽车零部件行业企业销量表现不佳，再加上新冠肺炎疫情影响下，汽车与汽车零部件行业企业延时复工，消费需求滞后，产业链受到较大冲击，行业信用风险进一步加大，但随着相关部门陆续出台了一系列稳定汽车消费的政策措施，汽车与汽车零部件行业的信用风险有望得到缓解。（三）公众企业、民营企业和外资企业的信用风险较高，国有企业信用风险较低但分化明显 从KMV模型得到的不同企业性质上市公司违约距离分布情况来看（图3），公众企业、民营企业和外资企业的违约距离中位数较小，整体违约风险较大，而国有企业（含中央国有企业和地方国有企业）的违约距离中位数大于其他类型企业，整体违约风险较低，但国有企业的违约距离分布较广，信用风险有所分化。 具体来看，公众企业、民营企业和外资企业的违约风险较高，主要是因为近年来金融去杠杆，上述所有制类型企业融资环境有所恶化，叠加国内经济增速有所放缓，相关企业盈利能力整体有所下降，偿债能力进一步削弱，违约风险有所上升。而国有企业是我国经济运行的“压舱石”，长期以来对经济平稳健康发展发挥着重要作用，我国A股上市公司中国有企业占比约为30%，国有企业总市值占A股总市值的比例过半，国有企业相较民营企业、公众企业等具有明显的规模优势；同时国有企业普遍有较强的外部支持，融资渠道广泛，受金融去杠杆和经济周期的影响较小，经营稳定性更高，故整体违约风险较小。但是，由于不同国有企业经营状况、偿债能力及其所获得的外部支持力度差异较大，国有企业信用风险存在较大分化。随着我国宏观经济下行压力增大，国有企业盈利增速有所下滑，2019年国有企业利润总额35961亿元，同比增长4.7%，增速明显低于2018年（12.9%）；2020年一季度疫情影响下国有企业实现利润总额3291.6亿元，同比下降59.7%。预计部分国有上市公司面临较大经营压力，信用风险或将继续分化。 （四）经济发达的北京和东南沿海地区的违约距离中位数较小，可能与区域内上市公司企业性质、所属行业等因素有关 通过KMV模型违约距离反映不同地区上市公司信用风险（图4），其中经济较为发达的广东、北京、江苏、浙江、上海、福建等地违约距离中位数相对较小，上述地区上市公司数量较多、民营经济活跃，且信息技术领域、媒体行业等违约距离较小行业的上市公司多分布于此，导致违约距离中位数整体较小；而内蒙古、重庆、山西、广西、宁夏等地注册的上市公司数量均较少且以地方国有企业为主，导致违约距离中位数较大。整体来看，不同地区上市公司企业性质、行业分布特征可能是导致违约距离差异的主要原因，同时由于上市公司的业务范围往往不局限于其注册地，违约距离表现可能无法准确反映各地区信用风险。 本文作者可以追加内容哦 ! |
【本文地址】
今日新闻 |
推荐新闻 |