孙晗

摘 要：给出国有企业信用风险的定价新方法，在实证研究中，选取2016年20家国有企业的股市数据，其中10家ST公司和10家非ST公司，通过建立基于GARCH（1，1）模型估计股价波动率等参数修正后的KMV模型进行计算。研究发现，修正后的模型能很好地区分ST和非ST公司的违约距离。同时结果表明，国有企业中也存在大量的信用风险，需要重视国有企业信用状况，深化国有企业改革。

关键词：金融学；国有企业；KMV模型；信用风险

中图分类号：F276.1 文献标志码：A 文章编号：1673-291X（2017）31-0007-04

引言

2016年至今，以东北特钢债券违约为首的违约事件频频爆发，引起了各界人士的关注，目前市场已经有将近250亿元的债券发生实质性违约，其中约七成来自国企和央企。长期以来，金融机构和投资者对国企债务违约风险漠视，认为国有企业有政府这样一个强大的靠山在，无论债务规模多大，债务率多高，政府一定会伸出援助之手。然而这样的刚性兑付却使得国企债务风险越来越高，杠杆率不断提高，风险积累也越来越大。

由于信息不对称，我国国有企业所存在的信用风险主要来源于两大方面。一方面，无论国有企业是否资金短缺，都不会优先偿还对银行的贷款，形成了对银行的软约束；另一方面，我国国有企业面临错综复杂的委托代理管理，例如国资委和国企管理者之间、国资委与政府之间等等，都会产生严重的道德风险。

政府作为国有企业的监督者，常常通过政府补贴和债务转移等方式为企业弥补损失，帮助国企降低信用风险，然而这不仅没有让国企所有者意识到损失的严重性，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、Credit Metrics、Credit Risk+、信贷组合观点模型。KMV模型最早是由KMV公司开发出来的，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，债券的面值为执行价格，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。Credit Metrics模型是J.P.摩根1997年4月首次提出量化信用风险的模型，该模型以VAR（Vaule at Risk）、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。Credit Protfolio View模型是1998年由麦肯锡公司应用蒙特卡洛模拟和计量经济学理论开发出的一个多因子模型，该模型主要把宏观经济因素考虑在内，对信用风险进行定价研究。Credit Risk+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、前瞻性；Credit Metrics模型和Credit Protfolio View模型需要长期的历史违约数据，除此以外，Credit Protfolio View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；Credit Risk+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国情的，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σA

根据期权定价公式，可以得到：

VE=VAN（d1）-De-rτN（d2） （1）

其中：

d1=■ （2）

d2=■=d1-σA■ （3）

式中，VE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，τ为债务期限，σA为企业资产价值波动率，r为无风险利率，N（·）为标准正态累积概率分布函数。

对上式利用伊藤定理（Itos Lemma）并加以微分，得到如下方程：

σE=■N（d1）σA （4）

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σA。

2.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。

定义违约距离DD（distance to Default）：

DD=■ （5）

其中，E[VA]为企业资产期望价值，σA为企业资产方差，DP（Default Point）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：

VtA=V0Aexp[（uA-■σ2A）t+σA■Zt] （6）

DD=■ （7）

3.估计预期违约概率EDF

因为违约概率可以认为是企业资产小于违约点的概率，故：

PD e f=Pr（VtA≤DP）==PrZt≤■ （8）

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[1]研究表明，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×每股价格+限售A股×每股净资产，故本文采用该方法估计VE。

2.违约点DP设置的修正。张玲、杨贞沛等[2]最早在KMV模型中设置了3个不同的违约点，得出设在STD+0.75LTD时模型识别能力最好；翟东升、张娟等[3]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，本文选取违约点DP=流动负债+0.75非流通负债。

3.股权价值波动率σE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[4]通过实证表明，基于GARCH（1，1）的KMV模型能很好地区分ST和非ST公司；王秀国等人[5]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（1，1）模型计算σE，模型如下：

σ2t=ω+βσ2 t-1+αε2 t-1 （9）

其中，ω为常数项，α为回报系数，β为滞后系数，ε2 t-1为残差平方的滞后项，σ2 t-1为上一期预测方差。

4.时间期限τ的选择，τ=1年。

5.无风险利率r。采用中国人民银行公布的一年期定期整存整取的存款利率，若一年之内有调整的，取加权平均数（见表1）。

（二）样本的选取

本文从沪深市场中选取所需要的上市企业，选择条件如下：A股上市，2016年受到ST处理的国企以及对应行业非ST处理的国企，剔除上市时间在2011年之前的公司，排除刚上市的不稳定因素，最终选取了10家ST国企和10家非ST国企，接下来选择这些公司2013年、2014年的每股净资产、日收盘价、短期长期负债等数据（数据来源于Wind数据库）。根据前面参数估计的方法，先用Eviews软件计算股价波动率，再用Matlab编程实现KMV模型得到国企的资产价值VA、资产价值波动率σA，最终计算违约距离DD。由于我国信用体系比较落后，没有大量的违约率历史数据库，无法将DD与违约率映射在一起，故本文采用违约距离DD来对我国国有企业信用风险进行分析。

三、实证结果分析

第一，根据参数设定的方法计算2013年国企ST、2013年国企非ST、2014年国企ST、2014年国企非ST的参数数值。

第二，根据上述参数利用Matlab编程计算σA、VA以及DD（见表2）。

第三，样本统计检验。利用SPSS统计软件采用T检验来对两样本均值是否具有显着性差异进行推断，检验结果（见表3）。

第四，结果分析。从表3可以看出，ST公司的均值较非ST公司的小，并且得到T统计量sig.值分别为0.001和0.000，都小于0.05，说明非ST公司和ST公司的DD具有显着性差异，模型较好地识别了国有ST公司与国有非ST公司信用风险的差异。

综上所述，即便是国有企业，背后有政府支撑，违约距离仍然很小，内部仍存在很大的信用风险。不仅如此，违约企业和非违约企业之间违约距离差距也很明显。鉴于此，我们应该重视国有企业信用状况，通过对国有企业信用水平的精确把脉，深化国有企业改革，建立完善的国有企业违约数据库，帮助市场参与者更加准确地把握我国市场经济的发展方向，进一步推进“中国经济新常态”下的深层次改革。

参考文献：

[1] 唐齐鸣，黄苒.中国上市公司违约风险的测度与分析——跳—扩散模型的应用[J].数量经济技术经济研究，2010，（10）：101-115.

[2] 张玲，杨贞沛，陈收.KMV模型在上市公司信用风险评价中的应用研究[J].系统工程，2004，（11）：84-89.

[3] 翟东升，张娟，曹运发.KMV模型在上市公司信用风险管理中的应用[J].工业技术经济，2007，（1）：126-127.

[4] 蒋正权，张能福.KMV模型的修正及其应用[J].统计与决策，2008，（9）：67-69.

[5] 王秀国，谢幽篁.基于CVaR和GARCH（1，1）的扩展KMV模型[J].系统工程，2012，（12）：26-32.

[责任编辑 吴高君]