基于kmv模型的国有企业信用风险评估

《基于kmv模型的国有企业信用风险评估》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、重性，反而变本加厉，利用政府提供的补贴增加自己的债务比，使其信用风险更高。因此，去寻找符合我国基本国情的国企信用风险定价模型刻不容缓。目前,常用的信用风险度量模型有KMV、CreditMetrics,CreditRisk-*-,信贷组合观点模型。KMV模型最早是由KMV公司开发出來的，主要基于Merton(1974)的期权定价模型，将股票视为公司资产的一个看涨期权，债券的而值为执行价格，利用股票市价、股价波动率和负债价值来估算企业资产价值和违约距离，从而根据企业资料库得到违约概率。CreditMetrics模型是J.P.摩根1997年4月首次提出量化信用风险

2、的模型，该模型以VAR(VauleatRisk)、资产组合理论等为依据，以信用等级转移矩阵为基础，对债券、贷款等进行信用风险定价。CreditProtfolioView模型是1998年由麦肯锡公司应用蒙将卡洛模拟和计量经济学理论开发出的一个多因子模型，该模型主耍把宏观经济因素考虑在内，对信用风险进行定价研究。CreditRisk+模型是瑞士信贷银行金融产品部开发的，基于财险精算科学方法的违约模型，该模型只考虑违约或者不违约两种状态，不考虑信用评级的升降，是一个典型的违约模型。对上述4个模型进行对比可知，KMV模型主要依赖于企业股票价格，易获取且具有实时性、前

3、瞻性;CreditMetrics模型和CreditProtfolioView模型需要长期的历史违约数据，除此以外，CreditProtfolioView模型还需要跨行业的宏观数据，然而在我国信用体系起步较晚，目前还没有比较权威的信用评级机构，也没有现成的信用等级转换概率和违约回收率数据资料;CreditRisk+模型所需估计变量较少，只需要违约和风险敞口的分布即可，局限性在于没有考虑市场风险也没有考虑信用等级转移。综上考虑，KMV模型是目前最符合我国W情的，因为:一是KMV以期权定价理论为基础，而该理论已被证明是可靠的；二是数据依赖于我国股价，而股价能及时反

4、映市场上所有已知和未知的信息，符合我国国情。因此，接下来将详细介绍KMV模型在我国国有企业的信用风险评估。一、KMV模型的基本原理及步骤(一)基本原理KMV模型基于Merton(1974)的期权定价模型，该模型是以股票市价、股价波动率和负债价值来估算企业资产价值和违约距离，再依据企业资料库计算历史违约概率，进而求出企业预期违约概率对企业信用风险进行定价。(二)计算步骤1.估计企业资产市场价值VA和波动率oA根据期权定价公式，可以得到:其中:式中，vl:为企业股权市场价值，D为企业债务面值，VA为企业资产价值，T为债务期限，oA为企业资产价值波动率，r为无风险

5、利率，N(•)为标准正态累积概率分布函数。对上式利用伊藤定理(Ito’SLemma)并加以微分，得到如下方程:两方程联立可以求出两个未知数:企业资产价值VA和资产价值波动率oA。1.计算违约点DP和违约距离DD违约点是流动负债与长期负债的线性函数，通常由DP=STD+LTD/2求得，其中STD表示短期债券，LTD表示长期债券。定义速约距离DD(distancetoDefault):其中，E[V,J为企业资产期望价值，oA为企业资产方差，DP(DefaultPoint)为违约点。假设企业资产价值服从对数正态分布，则在t时刻有：2.估计预期违约概率因为违约概率可

6、以认为是企业资产小于违约点的概率，故:二、国有信用风险实证研究(一)参数设定1.股权价值VE。随着股权分置改革，为实现企业所有股份自由流通，取消了非流通股份，但是还存在限售股。唐齐鸣等人U1研宄表明，限售股的定价类似之前的非流通股，认为公司的股权价值=流通A股X每股价格+限售A股X每股净资产，故本文采用该方法估计VE。1.违约点DP设置的修正。张玲、杨贞沛等m最早在KMV模型中设罝了3个不同的违约点，得出设在STD+O.75LTD时模型识别能力最好;翟东升、张娟等随后也考察了KMV模型中不同违约点对上市公司信用风险评估的好坏，得出了一样的结论。为此，本文选取

7、违约点1^=流动负债+0.75非流通负债。2.股权价值波动率“的修正。早期股权价值波动率主要采用静态法（历史波动率法）。由于大量实证表明我国股票收益率存在明显的尖峰厚尾，而且收益的波动具有聚集性，使用静态法会给结果带来一定的误差。为此，我国学者通过实证研究发现，GARCH（1，1）模型能很好地计算波动率。如蒋正权、张能福M通过实证表明，棊于GARC1U1,1）的KMV模型能很好地区分ST和非ST公司；王秀国等人随后进一步提出了基于CVaR和GARCH（1,1）的扩展KMV模型，结果表明，扩展后的KMV模型能更加准确地预测信用风险。为此，本文采用GARCH（1

8、,1）模型计算oE,模型如下:其中，o为常数项，u为