林業上市公司信用風險論文范文

本站小編為你精心準備了林業上市公司信用風險論文參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

一、KMV模型理論框架

1.KMV模型的基本原理在眾多信用風險度量模型中，KMV模型由于其無需依賴評級機制，不要求有效市場假設，具有動態前瞻性，能及時反映投資者對企業未來發展的綜合預期等特點，在應用于我國上市公司信用風險度量時具有得天獨厚的優勢。在KMV模型中假設公司資產由股本、債券和貸款等組成，貸款要求在規定時間內償還，否則視為違約。OD是期限為一年的經過折現后的貸款數額，如果一年之后的公司資產價值V2大于債務水平，則公司會選擇償還貸款，原因是其可以通過出售股權償還債務，并獲得OV2-OD的收益；如果公司的資產市值V1小于債務水平，公司有動機不按期償還貸款，原因是公司向債權人轉讓資產比重新籌集還債更有利。當公司不按其償還貸款時，銀行貸款就會發生損失，甚至出現本金和利息全部無法收回的情況。銀行追債會產生費用和法律成本，因此銀行的最終損失可能超過貸款的本金和利息。此時，銀行的損益可用圖1表示，從圖1可以看出，銀行貸款損益圖與看跌期權賣方損益圖類似。銀行發放的一筆貸款并且收回本金和利息時，可以視為銀行賣出一份以公司資產價值為標的，以公司債務價值為執行價格的看跌期權。根據期權平價原理，公司借入一筆貸款時，相當于持有一份以公司資產市場價值為標的，以公司債務價值為執行價格的看漲期權。因此，KMV可以看成是基于期權定價理論的信用風險管理模型。KMV模型將公司股東權益看作看漲期權，當公司的資產價值低于公司債務價值時公司就會違約，相應的負債水平就是違約點DP(DefaultPoint)，公司資產價值與違約點之間差值除以公司資產價值的標準差就是違約距離DD(DistancetoDefault)。KMV模型假定當兩個公司違約距離相同時，其違約風險也相同。KMV公司利用多年的上市公司和非上市公司數據建立了公司信用風險數據庫，并對具有相同違約距離的公司進行分類，把每一類公司的實際違約率看成具有相同違約距離的公司的預期違約率EDF(ExpectedDefaultFrequency)。因此，通過計算公司違約距離，就預測其預期違約概率。

2.KMV模型KMV模型假設條件包括：公司資產價值決定公司是否違約，當公司的資產價值大于債務價值時，公司不會違約，反之違約；公司的資產結構只有股權、短期負債(STD)、長期債務(LTD)和可轉換債券四種；市場無摩擦；公司股票價格變動服從幾何布朗運動；公司的資產價值服從正態分布。根據Black-Scholes期權定價公式可知，上市公司股權價值與公司債務價值、資產價值、資產波動性以及時間范圍相關，可以用以下公式表示：其中，E為股權價值；D為債務價值（違約點DP）。KMV公司利用1973年以來的上市公司和非上市公司數據建立公司信用風險數據庫，發現當公司價值大于等于短期負債加上50%的長期負債時(DPT=STD+0.5LTD)，公司發生違約最頻繁；r為無風險利率；V為資產價值；τ為時間范圍（到期日-當前時間）；N為標準正態分布函數在d處的值；σv為公司資產收益的波動率。對公式(1)求導、求期望后可得到股票價值波動率σE與資產價值波動率σV之間的關系。通過KMV公司的信用風險數據庫可以計算一年內具有同樣違約距離的公司實際違約數量，再比上具有同樣違約距離的公司總數可以計算實際違約概率，并可以將實際違約概率擬合成連續曲線（如圖2）用以表示違約距離函數，從而估計出經驗上的EDF值。但是由于我國目前不具有與此類似的數據庫，因此只能根據違約距離DD評判公司信用風險，當違約距離越大說明公司違約風險越小；反之則違約風險越大。

二、基于KMV模型的我國林業上市公司信用風險分析

1.修正KMV模型（1）股權價值的計算由于我國存在非流通股的情況，導致流通股的價格不能完全反映整個上市公司的信息，同時股價不同造成非流通股股東和流通股股東之間的矛盾也可能引發較高的信用風險。因此，非流通股價值的準確評估成為直接影響股票市場價值計算的關鍵要素。文章根據每股凈資產計算非流通股的價格，具體計算方式為：上市公司股權價值=流通股價格×流通股股數+每股凈資產×非流通股股數。（2）違約點的設置KMV公司根據大量的實證分析，采用“短期負債+50%長期負債”計算KMV模型當中的違約點。但考慮到我國證券市場的特殊性，以及信用缺失較嚴重的情況，采用該違約點有可能并不適用于我國林業上市公司信用風險的度量，因此文章將設定不同的違約點，并通過實證數據分析得到適合我國林業上市公司特點的違約點：DPT1=STD+0.5LTDDPT2=STD+0.25LTDDPT3=STD+0.75LTD

2.樣本選取與數據采集文章所采用的上市公司的股票價格數據和財務報告數據均來自于大智慧軟件和天相投資數據庫。根據證監會行業分類標準，我國林業上市公司數量較少，為滿足研究需要文章將與林業相關行業的部門上市公司納入樣本選擇范圍，包括部分主營業務涉及林業的農業類企業，造紙、印刷類企業，以及木材、家具類企業。在選取樣本時，主要考慮了以下幾個問題：第一，考慮到證監會根據上市公司前兩年年報所中公布的業績，判斷是否進行退市風險警示(*ST)，根據前一年年報中所公布的業績判斷是否對上市公司進行特別處理(ST)，而被特別處理的公司往往會比一般上市公司存在較高的違約信用風險。因此，文章將上市公司因財務狀況異常而被特別處理成為ST公司作為公司出現信用風險的標志。列為樣本的ST公司均為研究年度新增ST公司且存續期需超過兩年，不存在數據不足的情況。第二，按照對比研究的要求，文章根據相同行業以及當年總資產規模接近，且對比年份交易數據完整的原則，為以上ST公司逐一選擇非ST公司作為對比樣本。第三，樣本中公司僅為A股上市公司，其目的是避免不同地區的資本市場對A股產生的影響，進而更純粹地研究中國A股市場。第四，選擇樣本時發現，無論從經營業績，還是資產規模等公司狀況來看，木材、家具類上市公司明顯優于其他林業相關行業上市公司，如將其作為配對股票分析得出的結果不具有可參考性，所以將該類公司從總體樣本中剔除。根據以上原則，最后選出16支樣本股票，占總樣本的50%，具體包括林業類企業2家，農業類企業4家，林業類制造企業10家，樣本分為兩個集合，分別是ST組與非ST配對組。由于文章選擇的樣本公司在不同年份被列為特別處理公司，因此各股研究時間不同。在時間范圍的選擇上，由于上市公司被特別處理是根據前一年的財務狀況決定，而前一年財務數據雖具有極強的判斷能力，卻沒有實際預測作用，因此文章以公司被特別處理前兩年作為研究的時間范圍，分別用t-1，t-2年表示。例如，景谷林業在2012年被列為ST公司，則研究該股在2011（t-1年）和2010年（t-2年）的相關數據。

3.參數設定（1）股票波動率文章假設股票價格服從對數正態分布，根據歷史波動率法計算上市公司股權價值未來一年的波動率，同時，為最大限度的獲得資本市場信息，采用日收益波動率來估計年波動率。（2）對于時間T的設定文章采用1年作為一個時間跨度，即T=1。（3）無風險利率文章根據中國人民銀行的一年期整存整取存款利率設定無風險利率。對于年內利率調整的情況，文章根據年內歷次調整后利率取算術平均值得到該年無風險利率。

4.實證結果與分析通常情況下，ST公司相對非ST公司而言其違約風險更大，文章通過建立林業上市公司ST和非ST對照組，研究KMV模型度量我國林業上市公司信用風險的有效性。另外，由于我國上市公司數據缺乏，沒有建立完整的歷史違約資料庫，因此文章僅對違約距離進行比較研究。文章通過Excel及Matlab編程計算，依次求出股權價值波動率、違約點、資產規模及其波動率后，得到樣本公司的違約距離如表1~2所示。通過對比可以發現，除ST景谷在t-2年的違約距離大于吉林森工外，其余ST公司的違約距離均小于非ST對照公司的違約距離，結果表明KMV模型計算的違約距離可以較好識別ST公司存在的信用風險，與實際情況相符。從個股的信用風險狀況來分析，KMV模型并非完全有效，以ST景谷為例，其財務危機前兩年的DD值均高于該組均值，尤其是t-2年數據，遠大于同組ST公司及其非ST配對公司的DD值，這個結果的原因可能與該股當年表現良好有關，但也有可能是因為我國的證券市場的不完善，股價并不一定反應該公司的內在價值。計算平均違約距離可以得到，在財務危機前一年（t-1年）非ST公司與ST公司的違約距離差的平均值約為0.45，在財務危機前兩年（t-2年）該值約為0.38。結果說明非ST與ST兩組樣本之間表現出一定的違約距離差異，并且財務危機前一年的差異較明顯，也即風險提示作用較大。當違約距離設置成DPT1，即違約距離等于短期負債加上50%長期負債時，兩類公司違約距離的均值差最大。對實證結果進行配對樣本t檢驗，結果如表3和表4所示。以上結果表明：所選樣本在α=5%的顯著性水平下，P值均小于0.05，且t-1年的p值更小。說明兩組樣本的均值和中值數都存在顯著差異，即ST公司與非ST公司的違約距離存在顯著差別。綜合檢驗結果可以認為，在財務危機發生前，KMV模型具有很強的鑒別信用風險的能力，以違約距離進行的我國林業上市公司信用風險度量，能夠在較大程度上反映出上市公司信用水平的差別，起到風險預警的作用。下面通過違約距離的統計分析，研究計算信用風險預警線。從圖3可以看出，在被特殊處理的前一年，林業上市公司違約距離（約60%）在(1.9，3.3)間，因此可將違約距離1.9設置為風險預警線，即用違約距離小于1.9表明該股票信用狀況較差，存在信用風險，公司管理層、銀行和投資者應密切關注該上市公司。從圖4結果可以看出，在財務危機發生前第二年，約60%的林業上市公司違約距離在(2.1，2.9)間，因此可將違約距離2.1設置為風險預警線，即當公司違約距離低于此線時，公司管理層應該提高警惕，加強管理，尋找危機原因，避免違約風險發生。

三、結論及建議

文章以我國林業上市公司為樣本，運用KMV模型，基于財務數據與股票價格數據，對林業企業的信用風險展開實證研究。主要結論包括：首先，KMV模型可以較好衡量林業上市公司的信用風險；其次，通過研究不同違約點下的違約距離發現，當違約距離等于短期負債加上50%長期負債時，兩者的均值差最大，即該違約點設置識別風險的效果最好；最后，根據最佳違約點設置，研究建立我國林業上市公司信用風險預警體系，即財務危機發生前t-1和t-2年的信用風險預警線分別1.9和2.1。根據以上研究結果，文章提出如下建議：第一，進一步有效提高林業上市公司信用質量。從我國林業上市公司的違約距離與其他行業上市公司（如農業上市公司）的對比可以看出，林業行業整體違約距離較短、信用風險較高，導致這一結果既是林業部門自身弱質性所致，也與不完善的行業監管機制和企業管理密不可分。研究發現非ST林業上市公司相對ST公司而言，其違約距離更大、違約風險更小、信用能力更強。因此，林業上市公司可以通過改善公司經營狀況，提高盈利水平可以從根本上防范林業上市公司的信用風險。第二，構建我國公司信用風險數據庫。運用KMV模型研究和管理公司信用風險需要大量的歷史經驗數據作為支撐，但是我國信用市場的發展時間有限，對企業違約還沒有足夠重視，導致我國公司信用風險的數據較少，難以運用相關模型進行檢驗。因此，需要盡快構建我國公司信用風險數據庫，以更好運用先進的數理模型進行研究，建立適合我國公司的信用風險管理模型。

作者：鄧晶田治威張燕琳秦濤曹詩男單位：北京林業大學經濟管理學院北京大學匯豐商學院 對外經濟貿易大學金融學院