洪德佳 合伙人陈 超 顾问德勤深圳事务所企业风险管理服务
KMV模型是度量信用风险的有效模型。在实证分析中，以农业板块的3家ST上市公司和3家非ST公司为样本，以标准欧式期权的理论为基础分别计算了其违约距离和理论违约概率，并采用U检验法对模型的有效性进行了验证。研究结果显示，KMV模型有效；且ST公司的违约距离明显小于非ST公司，与之对应，ST公司的理论违约概率也明显高于非ST公司。但是，在商业银行信用风险管理实际应用中KMV模型还仍需提高其适用性和准确性，这除了需要一个更为有效的证券市场环境外，商业银行自身还应建立公司信用违约数据库，为KMV模型的运用提供数据支撑；并结合目标公司的其他财务指标综合考虑，以提高预测的准确性；最后需完善风险管理体制，为模型应用提供相应的制度环境。
一、国内外文献综述
KMV模型是目前较为成熟的商业银行信用风险管理模型。国内外学者对该模型的研究也较多。在国外，Kurbat和Korablev（2002）使用水平确认（Level validation）和校准（Calibration）方法对KMV模型进行验证，选用三年内上千家美国公司的数据，结果证明KMV模型十分有效；Crodbie和Bohn（2003）以金融类公司为样本应用KMV模型，结果显示预期违约率（Expected Default Frequency，EDF）在发生信用事件时或破产前能够准确灵敏地监测到信用质量的变化；Vasicek（1995）通过对108只债券的研究发现，采用经期权调整后的收益利差数据，利用KMV模型定价的方法来组建组合会有明显的超额收益；Roger M.Stein（1999）对原KMV模型进行了修正与扩展；Jeffery（1999）对信用质量变化的研究表明，在信用质量最高时，信用分布与标准普尔评级是相同的，而在信用质量中等和较低时，信用分布更偏向于与平均的EDF相一致；Peter Crodbie和Jeff Bohn（2003）运用KMV模型以金融类公司为样本作了相关研究，研究表明通过显示EDF值，可以在信用事件发生前或破产前准确、有效地监测到公司信用质量的变化。
国内的学者对该模型的研究则主要集中在引进和验证该模型在中国的适用性问题。例如，郑茂（2007）主要研究了绩优股、ST股和退市股这三类公司，研究分析发现，使用EDF预测绩效好的上市公司准确度很高，但对于高风险的ST股和退市股，EDF的变化不是很明显。易丹辉、吴建明（2004）将范围进一步扩大，选择了工业、商业和公用事业三大行业作为研究对象并进行实证分析，结果表明，通过KMV模型验证上市公司信用风险是可行的。李秉祥（2004）通过对两大类公司的分析，即ST和非ST上市公司的对比研究，在设定概率的条件下对KMV模型进行了实证。大量的数据分析表明，该模型对风险具有较好的预测功能。
KMV模型的最大特点是利用违约距离（Default Distance，DD）和EDF来衡量公司可能遭受的信用风险，并提前预警，以便采取合理措施减少损失。在当前商业银行资产多元化、经济形势复杂化的情况下，KMV对于银行管理信用风险有着重要作用。
二、KMV模型的原理
KMV模型是一种建立在B-S期权定价公式和风险定价理论基础上的信贷风险测度模型。KMV模型将公司的股权看成以公司资产市场价值为标的，以公司债务面值为执行价格的欧式看涨期权。在负债到期时，如果公司资产价格高于其债务（标的资产价格大于执行价格）时，公司将偿还债务（执行期权），投资者获得股东权益；反之，当债务到期时，公司资产价格低于其债务（标的资产价格小于执行价格）时，公司违约概率提高，债权人面临损失的风险随之增加。
在这一理论背景下，KMV模型利用参数DD和EDF来衡量目标公司的信用风险程度。DD表示公司资产市场价值期望值与违约触发点之间的差额包含的标准差的个数，该数值越小，公司发生违约的可能性越大；反之，公司发生违约的可能性越小。
三、实证分析
选取6家农业板块的上市公司为样本，包括3家ST公司和3家非ST公司。样本参数的确定日期定为2011年3月31日，样本数据来源于巨灵数据库，数据处理均采用Excel和matlab完成。
(三) 实证检验
上述实证过程将样本数据分为ST公司和非ST公司两组，实证检验的目的是检验这两组数据的违约距离是否有显著差异，如有，则表示模型设定合理；反之，则表示模型没有实际意义。我们采用U检验加以辨别。该统计量的原假设为：两个独立样本所对应的总体分布没有显著差异。备择假设为：两个独立样本所对应的总体有显著差异。
其P小于5%，这说明在5%的显著性水平下拒绝原假设，结构备择假设，两个样本存在显著差异，模型结果成立。
(四) 实证结果分析
为更好地分析样本公司的违约风险差异，我们根据结果，分别绘制了ST公司和非ST公司违约距离差异图以及违约距离与违约概率关系图。
从整体上看，非ST公司的违约距离均明显大于ST公司的违约距离，这表明ST公司发生债务违约的风险高于非ST公司，与实际情况相符。
从个别公司看，ST天润的违约距离为1.93，其资产的波动率为0.6，属于较大值。这表明资产价格的不稳定也导致了该公司违约距离的减少和违约概率的增加。事实上，该公司近两年的经营情况也反映了其低下的偿债能力。在2009年和2010年，该公司的净利润分别为-0.71亿元和-0.69亿元，净资产收益率分别为-19.59%和-23.36%，资产负债比例分别为44.91%和49.59%，且其债务构成中，短期负债占绝大部分。2011年3月，该公司更是采用资产出售的方式获取资金。
违约距离与理论违约概率具有反向关系，即违约距离越大，其理论违约概率越小；违约距离越小，则理论违约概率越大。从曲线的变化率来看，当违约距离位于1.5和2.5之间时，曲线较为陡峭，违约距离的增加能显著降低理论违约概率；当违约距离位于3至4之间时，曲线较为平缓，违约距离的增加导致理论违约概率降低的作用减弱。这说明，当公司整体经营业绩欠佳时，财务状况的改善对提升自身的信用水平、降低债务违约率的效果显著。而对一个经营业绩良好的公司来说，财务状况的进一步改善对提升自身信用水平、降低债务违约率的效果有限。
四、结论及政策建议
从上述的分析可以看出，KMV模型对商业银行评价目标公司的信用风险具有较高的准确性。但在实际运用中，还应注意以下问题。第一，在违约点的设置上，我们采用STD与LTD的一半之和作为替代数值。事实上，违约点受制于目标公司的负债结构、经营现金流、融资能力等因素，采用单一的替代指标无法反应公司真实的负债能力，因而无法确定目标公司的真实违约点。第二，违约距离的计算是以目标的股权价值测算为起点，股权价值的合理确定又依赖于资本市场有效性。因此，资本市场的有效性问题是利用KMV模型的一个重要条件。第三，违约概率P是在风险中性的世界中得到，且暗含了资产收益率服从正态分布的假设。而这一假设的合理性现在遭到了学者越来越多的质疑。
鉴于此，为提高KMV模型在商业银行信用风险管理中的适用性和准确性，我们提出以下几点建议。
第一，规范资本市场，提高证券市场的有效性。对此需完善证券市场的制度建设，规范交易秩序，加强信息披露，严惩操纵市场、内幕交易等非法行为，为证券市场的有效运行提供制度保障，进而保证上市公司的股票价格能反映其真实价值。
第二，商业银行应在违约距离和违约概率的检测结果下，结合目标公司的债务结构、经营效率等指标综合考虑，以提高预测的准确性。
第三，建立公司信用违约数据库，为KMV模型的运用提供数据支撑。上文谈到，违约率分为理论的EDF和经验的EDF，在理论的EDF存在不足的前提下，若有庞大的违约数据库做支持，采用数据挖掘方法可以大大提高违约点的准确性。另一方面，数据库的建立对模拟数据的分布特征、计算其违约概率亦较大帮助。
第四，完善商业银行风险管理体制，为加强KMV模型在商业银行信用风险管理中的作用提供制度环境。
参考文献
[1]鲁炜，赵恒衔.KMV模型在公司价值评估中的应用[J].管理科学.2003（3）.
[2]张玲，杨贞柿.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）.
[3]吴世农，卢贤义.基于价值创造和公司治理的财务状态分析与预测模型研究[J].经济研究.2005（11）.
[4]黄明，陈贤金.信用风险定价方法与模型研究[J].管理科学.2002 （9）.
[5]夏红芳，马俊海.基于KMV模型的农业上市公司信用风险实证分析[J].商业经济与管理.2007（10）：88-92.
[6]董颖颖，薛峰.KMV模型在我国证券市场的适用性分析及其改进[J].生产力研究.2004（8）.
