基于kmv模型的我國房地產(chǎn)上市公司信用風險度量【畢業(yè)論文】

1、<p><b>　　畢業(yè)論文</b></p><p><b>　　（20_ _屆）</b></p><p>　　基于KMV模型的我國房地產(chǎn)上市公司信用風險度量</p><p>　　所在學院 </p><p>　　專業(yè)班級

2、 金融學 </p><p>　　學生姓名 學號 </p><p>　　指導教師 職稱 </p><p>　　完成日期 年 月 </p><p><b>　　摘 要<

3、;/b></p><p>　　上市公司信用風險度量是我國信用風險度量的薄弱環(huán)節(jié)，在我國信用度量體系的發(fā)展嚴重滯后，本文在前人的研究基礎上，結(jié)合我國房地產(chǎn)上市公司的實際情況，研究KMV模型在中國市場中評價房地產(chǎn)上市公司信用風險的能力，利用KMV模型并對其進行修正，分別調(diào)整KMV模型中股權(quán)市場價值計算和違約點設定方法，采用違約距離度量我國房地產(chǎn)業(yè)上市公司信用風險的現(xiàn)狀。首先對我國房地產(chǎn)現(xiàn)狀和房地產(chǎn)上市公司信用風

4、險產(chǎn)生的原因進行了概述，介紹了傳統(tǒng)的信用風險度量方法并對KMV模型在我國的適用性進行了分析，然后介紹了KMV模型并運用該模型進行了一系列計算并進行了分析，最后提出了相關(guān)建議。結(jié)果表明，2009年我國房地產(chǎn)上市公司面臨違約風險較大，修正后的KMV模型對ST和非ST公司的信用風險辨別能力不強，KMV模型能夠在整體上識別我國房地產(chǎn)上市公司信用風險，在我國有一定可行性，但仍然缺乏準確性。</p><p>　　關(guān)鍵詞：信用

5、風險；KMV模型；房地產(chǎn)</p><p><b>　　Abstract</b></p><p>　　The measurement of Credit Risk in Listed Companies is one of the weak parts of credit risk measurable system in China. Based on the pre

6、vious studies, I highly focus on the application of KMV model when it applied to evaluation of real estate credit risk in Chinese market. In addition, take the actual situation of real estate companies into account, I al

7、so take advantage of KMV model to amend the results. By using KMV model, I adjust the market value of equity and non-point setup using default di</p><p>　　Keywords：Credit risk; KMV model; real estate</p&g

8、t;<p><b>　　目 錄</b></p><p>　　引言---------------------------------------------------------------------------------------------1</p><p>　　1我國房地產(chǎn)信用風險現(xiàn)狀分析1</p><p>　　1

9、.1我國房地產(chǎn)發(fā)展現(xiàn)狀1</p><p>　　1.1.1 房地產(chǎn)經(jīng)營現(xiàn)狀2</p><p>　　1.1.2 房地產(chǎn)上市公司現(xiàn)狀2</p><p>　　1.2我國房地產(chǎn)上市公司信用風險產(chǎn)生的主要原因2</p><p>　　1.2.1 國家政策2</p><p>　　1.2.2 需求市場2</p>

10、<p>　　1.2.3 供給市場3</p><p>　　2信用風險度量方法4</p><p>　　2.1傳統(tǒng)度量方法與現(xiàn)代度量模型4</p><p>　　2.1.1 傳統(tǒng)信用風險內(nèi)部度量方法及其評價4</p><p>　　2.1.2 現(xiàn)代信用風險內(nèi)部度量模型及其評價4</p><p>　　2.2

11、KMV模型適用性分析6</p><p>　　2.2.1 信用評級6</p><p>　　2.2.2 數(shù)據(jù)資料6</p><p>　　2.2.3 證券市場的有效性6</p><p>　　3基于KMV模型的房地產(chǎn)業(yè)上市公司信用風險度量8</p><p>　　3.1 KMV模型8</p><p

12、>　　3.1.1 KMV模型研究思路8</p><p>　　3.1.2 相關(guān)參數(shù)設計9</p><p>　　3.2模型計算與結(jié)果11</p><p>　　3.2.1 樣本數(shù)據(jù)和計算11</p><p>　　3.2.2 計算結(jié)果14</p><p>　　3.3計算結(jié)果分析14</p>&l

13、t;p>　　3.3.1 關(guān)于KMV模型適用性的思考15</p><p>　　3.3.2 關(guān)于時間差異的影響的思考15</p><p>　　3.3.3 關(guān)于我國房地產(chǎn)行業(yè)存在的問題的思考15</p><p>　　4相關(guān)對策與建議17</p><p>　　4.1政府做好政策引導17</p><p>　　4.

14、2各機構(gòu)完善自身發(fā)展17</p><p>　　4.2.1 銀行等金融機構(gòu)17</p><p>　　4.2.2 企業(yè)和投資機構(gòu)17</p><p>　　4.3 加強信用風險模型的相關(guān)研究17</p><p>　　4.4 加快信用風險管理人才隊伍建設18</p><p><b>　　結(jié) 論19<

15、;/b></p><p><b>　　參考文獻20</b></p><p>　　致 謝-----------------------------------------------------------------------------------------21</p><p><b>　　引 言</b>

16、</p><p>　　一直以來，信用風險一直是房地產(chǎn)業(yè)最重要的金融風險形式。信用風險是借款人因各種原因未能及時、足額償還債務或銀行貸款而違約的可能性，它不但影響金融機構(gòu)自身的經(jīng)營發(fā)展，而且嚴重影響著宏觀經(jīng)濟的健康運行，甚至可能導致世界性的金融危機和經(jīng)濟危機。面對全球經(jīng)濟乏力，中國經(jīng)濟增長放緩，國內(nèi)大多數(shù)城市房價疲軟，房地產(chǎn)積聚的信用風險正在逐漸暴露。2007年美國次貸危機就是因為房地產(chǎn)信用風險的爆發(fā)最終引發(fā)經(jīng)濟危

17、機。在我國，房地產(chǎn)公司上市早已是房地產(chǎn)業(yè)化經(jīng)營的重要形式，目前房地產(chǎn)業(yè)增加值占我國國內(nèi)生產(chǎn)總值（GDP）比重超過5%，在促進國民經(jīng)濟發(fā)展中發(fā)揮了支柱產(chǎn)業(yè)的重要作用。房地產(chǎn)上市公司一但面臨信用風險，潛在的危機就會暴露以及擴大化，它帶來的危害就是巨大的，最終可能危及整個金融體系乃至國民經(jīng)濟體系的安全與穩(wěn)定。因此信用風險的量化度量特別是房地產(chǎn)的信用風險評估迫在眉睫，但是國內(nèi)仍然沒有健全完整的信貸評估方式將信用風險測量量化。本文選取了KMV模型

18、與我國房地產(chǎn)上市公司現(xiàn)狀相結(jié)合，以量化我國現(xiàn)面臨的房地產(chǎn)信用風險，為我國房地產(chǎn)信用風險的準確、科學的度量提供借鑒，為我國面臨的房地產(chǎn)信用風險量化提供實證研究和準確的數(shù)</p><p>　　1 我國房地產(chǎn)信用風險現(xiàn)狀分析</p><p>　　1.1 我國房地產(chǎn)發(fā)展現(xiàn)狀</p><p>　　1.1.1 房地產(chǎn)經(jīng)營現(xiàn)狀</p><p>　　據(jù)國家統(tǒng)

19、計局公布數(shù)據(jù)顯示, 2009年上半年，全國房地產(chǎn)開發(fā)投資19747億元，同比增長38.1%，其中，商品住宅投資13692億元，同比增長34.4%，占房地產(chǎn)開發(fā)投資的比重為69.3%。6月當月，房地產(chǎn)開發(fā)完成投資5830億元，比上月增加1845億元，增長46.3%。 2009年上半年，全國房地產(chǎn)開發(fā)企業(yè)房屋施工面積30.84億平方米，同比增長28.7%；房屋新開工面積8.05億平方米，同比增長67.9%；房屋竣工面積2.44億平方米，同比

20、增長18.2%，其中，住宅竣工面積1.96億平方米，增長15.5%。2009年上半年，全國房地產(chǎn)開發(fā)企業(yè)完成土地購置面積18501萬平方米，同比增長35.6%，土地購置費4221億元，同比增長84.0%。2009年6月份，全國70個大中城市房屋銷售價格同比上漲11.4%，漲幅比5月份縮小1.0個百分點；環(huán)比下降0.1%，5月份為上漲0.2%。2009年下半年隨著我國宏觀經(jīng)濟走向調(diào)整，房地產(chǎn)業(yè)快速下滑，全年我國房地產(chǎn)市場表現(xiàn)疲軟。<

21、/p><p>　　1.1.2 房地產(chǎn)上市公司現(xiàn)狀</p><p>　　目前在我國證券交易所上市的房地產(chǎn)公司共72家，其中在上海交易所上市的有39家，深圳交易所上市的為33 家，上市公司主要分布在北京、上海、廣州、深圳、天津等較發(fā)達城市，少數(shù)公司分布在陜西、山西等省份。根據(jù)對已披露2009年年報的31家房地產(chǎn)上市公司統(tǒng)計，超過七成的房企經(jīng)營現(xiàn)金流為負數(shù)，由于市場低迷，房地產(chǎn)公司承受著巨大的資金壓

22、力，2009年房地產(chǎn)上市公司因為過度擴張，現(xiàn)金吃緊，成為普遍現(xiàn)象。主要原因是房地產(chǎn)公司將銀行貸款以資本形態(tài)進行新項目投資；大量占用施工單位墊資和期房按揭的預售樓款。</p><p>　　1.2我國房地產(chǎn)上市公司信用風險產(chǎn)生的主要原因</p><p>　　1.2.1 國家政策</p><p>　　房地產(chǎn)是我國促進經(jīng)濟發(fā)展的重要板塊，在我國，國家有利的政策導向促使了我國

23、房地產(chǎn)業(yè)的飛速發(fā)展，各地政府試圖通過房地產(chǎn)行業(yè)的發(fā)展引領(lǐng)經(jīng)濟發(fā)展，帶動需求；而政府財政收入也依賴房貸市場，在政府政策引導房地產(chǎn)業(yè)發(fā)展帶動經(jīng)濟的同時，過高的開放銀行信貸使信用風險無形中不斷加劇，換個角度來說，同時也是國家政策過度的不健康引導使我國房地產(chǎn)面臨著極大的信用風險。</p><p>　　1.2.2 需求市場</p><p>　　隨著我國房地產(chǎn)業(yè)短期的內(nèi)的迅速發(fā)展帶來驚人的利潤，房地產(chǎn)

24、購買者掀起投機購買的熱潮，而需求者們的資金壓力通過按揭貸款轉(zhuǎn)移到銀行，過度投機使房地產(chǎn)行業(yè)的信用風險在需求方這里不斷累積。</p><p>　　1.2.3 供給市場</p><p>　　作為我國房地產(chǎn)市場的供給方，我國房地產(chǎn)上市公司大多信貸規(guī)模過大，開發(fā)資金過多依賴于銀行貸款，銀行貸款在房地產(chǎn)資金中占了60%左右的比重，部分企業(yè)甚至超過了80%。開發(fā)商的盲目開發(fā)和過度開發(fā)引起了市場混亂，甚

25、至出現(xiàn)了不法行為，一些開發(fā)商進行虛假按揭，謀取高額銀行貸款挪為他用，這導致銀行承擔了更多的信用風險。</p><p>　　我國房地產(chǎn)行業(yè)起步晚，發(fā)展過猛，所掩蓋的金融風險會更大。信貸資金的過渡集中、信貸虛假、企業(yè)自有資金不足等問題都給我國房地產(chǎn)市場帶來了更大的風險，一旦風險爆發(fā)，給我國帶來的經(jīng)濟危害將是致命的。</p><p>　　2 信用風險度量方法</p><p&g

26、t;　　2.1 傳統(tǒng)度量方法與現(xiàn)代度量模型</p><p>　　2.1.1 傳統(tǒng)信用風險內(nèi)部度量方法及其評價</p><p>　　1970年以前，信用風險的評估主要是專家主觀審貸的專家分析法，典型的分析方法例如“5C”要素分析法，它是指由有關(guān)專家根據(jù)借款人的品德(Character)、能力(Capacity)、資本(Capita1)、抵押品(Collatera1)、經(jīng)營環(huán)境(Conditi

27、on)等五個要素逐一進行評分，使信用風險數(shù)量化，評定其信用程度和綜合還款能力，決定是否最終發(fā)放貸款。雖然專家評價在信用分析中發(fā)揮著積極地作用，然而不同的信貸負責人對于同樣的借款人可能運用完全不同的標準，因而無法對借款人的信用狀況做出令人滿意的評定。該方法效率性差，主觀意愿強，風險大。之后于財務指標的信用評價統(tǒng)計模型，主要工具有信用評分模型（線性多元判別模型）、線性概率模型、logit模型、probit模型以及突破傳統(tǒng)統(tǒng)計模型的類神經(jīng)網(wǎng)絡

28、技術(shù)與模糊分析等。</p><p>　　2.1.2 現(xiàn)代信用風險內(nèi)部度量模型及其評價</p><p>　　而現(xiàn)代，國際上運用較多的現(xiàn)代信用風險度量模型主要有：KMV公司的KMV模型、JP摩根的信用度量術(shù)模型(Ceditmetrics Metrics)、麥肯錫公司的宏觀模擬模型(Credit Portfolio View)、瑞士信貸銀行信用風險附加法模型(Credit Risk+)等。<

29、;/p><p>　　楊琴（2008）對我國信用風險度量方法中的各個模型進行比較，在風險界定、驅(qū)動因素、相關(guān)性結(jié)構(gòu)、輸入輸出內(nèi)容等方面做了清晰地對比，本文參考揚琴的對比方式，對各個模型的比較進行了梳理和歸納，詳見表1。</p><p>　　表 1 現(xiàn)代信用風險度量模型一般性比較</p><p><b>　　續(xù)表</b></p><

30、p>　　首先，從風險界定方面分，有盯市模型（Marking-to-Market）和違約模型（Default-mode models）兩類，MTM模型是以資產(chǎn)市場價值變化為基礎計算VaR的模型；DM模型則集中預測違約損失，只考慮違約和不違約兩種情況。Credit Metrics和CPV允許在信用度下降的情況下估計資產(chǎn)組合價值在未來的分布，使用VaR進行度量，即MTM模型，而Credit Risk+ 則是通過估計在給定期限內(nèi)資產(chǎn)組合的

31、違約風險概率分布來進行度量信用風險，屬于DM模型，而KMV同時兼有MTM和DM模型的特征。</p><p>　　其次，風險驅(qū)動因素不同。Credit Metrics和KMV模型的風險驅(qū)動因素是借款人資產(chǎn)價值，而Credit Risk+模型為經(jīng)濟中可變的違約率，CPV的驅(qū)動因素是宏觀經(jīng)濟因素。</p><p>　　再次，Credit Metrics模型的違約概率是通過評級系統(tǒng)得出的信用等級轉(zhuǎn)

32、移概率，是固定的歷史數(shù)據(jù)統(tǒng)計而得；而KMV模型的違約概率為EDP（期望違約頻率），Credit Risk+模型的違約概率在一頻段內(nèi)相同；CPV考慮違約概率和概率轉(zhuǎn)移；因此，Credit Metrics的違約概率是不變的，其它三者可變。</p><p>　　最后，違約回收率是內(nèi)部評級的重要因素，它是指債務人違約后資產(chǎn)的回收程度。Credit Metrics、KMV模型和CPV模型的回收率均不變或隨機，而Credit

33、 Risk+模型的回收率在頻段內(nèi)不變。</p><p>　　而在數(shù)據(jù)使用方面，從表中對比可以看出，Credit Metrics要求大量的數(shù)據(jù)，在經(jīng)濟發(fā)展還不成熟的市場國家中難以獲得全面的相關(guān)數(shù)據(jù)。CPV要求大量的國家部門相關(guān)的宏觀數(shù)據(jù)，同樣不易去的。Credit Risk+模型的數(shù)據(jù)取得相對較容易，而KMV側(cè)重于企業(yè)自身的數(shù)據(jù)，比如財務結(jié)構(gòu)和負債狀況等，這些數(shù)據(jù)相對容易獲得。</p><p&g

34、t;　　2.2 KMV模型適用性分析</p><p>　　KMV模型在上市公司信用風險方面的度量研究的早已受到國外學者的關(guān)注，國內(nèi)的學者也對其做了大量的研究，KMV模型在我國的適用性主要概括為以下幾個方面：</p><p>　　2.2.1 信用評級</p><p>　　由于我國信用評級制度不健全，還沒有形成長期的企業(yè)評級數(shù)據(jù)庫，而且對于宏觀數(shù)據(jù)的完整獲得和精確計算在

35、短期內(nèi)仍較困難，信用度量技術(shù)模型和信用組合分析模型在我國的運用和數(shù)據(jù)計量并不具有很大的可行性和準確性，Credit Metrics模型和CPV模型的建立都直接依賴于信用評級機制，而我國的現(xiàn)狀很大程度上制約了它們的應用。KMV模型并不依賴于信用評級，即使在我國評級制度不健全的市場也可以進行實際的度量操作。</p><p>　　2.2.2 數(shù)據(jù)資料</p><p>　　通過上小節(jié)模型的簡單比較

36、可以發(fā)現(xiàn)，Credit Metric模型需要大量的企業(yè)歷史違約數(shù)據(jù)、長期跨行業(yè)數(shù)據(jù)等來構(gòu)造信用等級轉(zhuǎn)移矩陣，而CPV模型在Credit Metric模型基礎上還需要大量準確的宏觀經(jīng)濟指標，而我國經(jīng)濟發(fā)展尚不成熟、缺乏長期數(shù)據(jù)積累，大大限制了它們的實際應用。Credit Risk+模型雖然數(shù)據(jù)要求不高，但是要求估計債務人的違約概率，其參數(shù)估計困難，而其假設債務之間是獨立的與我國當前的實際相矛盾。</p><p>　

37、　而KMV模型是基于公司股票價格的信用風險風險計量方法，KMV可以充分利用資本市場上的信息，對所有公開上市企業(yè)進行信用風險的量化和分析；其次，由于KMV模型所獲取的數(shù)據(jù)來自股票市場的資料，而非企業(yè)的歷史數(shù)據(jù)，因而更能反映企業(yè)當前的信用狀況；同時，KMV模型建立在當代公司理財理論和期權(quán)理論的基礎之上，具有很強的理論基礎做依托，上市公司的股價變化中包含了大量及時的數(shù)據(jù)信息，在我國也同樣能廣泛的運用。</p><p>

38、　　2.2.3 證券市場的有效性</p><p>　　四個模型的計算不同程度上依賴證券市場的數(shù)據(jù)，而KMV模型對證券市場的依賴性最高，證券市場數(shù)據(jù)的真實性和有效性影響著模型的結(jié)果的準確性和在我國的實用性。幾年來我國證券市場發(fā)展迅速，股權(quán)公開交易制度已經(jīng)形成，KMV模型的敏感性使其首先在我國能夠適用，得出相關(guān)結(jié)論。</p><p>　　綜上所述，信用風險度量在我國是仍然是一個艱難的探索的過程

39、，而在現(xiàn)有的信用風險度量模型中，KMV模型在我國已經(jīng)有較強的實用性，較其他模型更加靈活、易操作。</p><p>　　3 基于KMV模型的房地產(chǎn)業(yè)上市公司信用風險度量</p><p><b>　　3.1 KMV模型</b></p><p>　　3.1.1 KMV模型研究思路</p><p>　　KMV模型的出發(fā)點是運用期

40、權(quán)定價理論來估計違約距離(Distance to Default)，進而求出預期違約率。KMV模型把企業(yè)權(quán)益和負債看做買入一份歐式看漲期權(quán)，企業(yè)所有者持有一份以公司債務面值為執(zhí)行價格，以公司資產(chǎn)市場價值為標的的期權(quán)，如果負債到期時企業(yè)資產(chǎn)市場價值高于其債務，企業(yè)償還債務；反之違約。</p><p>　　張玲，楊貞柿等（2007）在《KMV模型在上市公司信用風險評價中的應用研究》中總結(jié)出KMV模型的基本思路是：當企

41、業(yè)資產(chǎn)市場價值低于企業(yè)所需清償?shù)呢搨嬷禃r，企業(yè)將發(fā)生違約；以違約距離表示企業(yè)資產(chǎn)市場價值期望值距離違約點的遠近，距離越大，企業(yè)發(fā)生違約的可能性越小，反之較大?；谄髽I(yè)違約數(shù)據(jù)庫得出某一違約距離企業(yè)實際的期望違約頻率（expected delinquency frequency），即未來違約概率。</p><p>　　的計算主要有三個步驟：</p><p>　?。?）估計企業(yè)資產(chǎn)市場價值和

42、波動率</p><p>　　企業(yè)股權(quán)市場價值用期權(quán)定價模型進行定價（企業(yè)股權(quán)市場價值和企業(yè)股權(quán)市場價值波動率計算方式），</p><p>　　其中（為標準累積正態(tài)分布函數(shù)），</p><p>　　其中， 為企業(yè)資產(chǎn)市場價值，為企業(yè)負債的賬面價值，為無風險收益率，為債務償還期限， 為企業(yè)資產(chǎn)價值波動率。</p><p>　?。?）計算違約距離（

43、的計算公式）</p><p>　　其中，（Default Point）即違約點。</p><p>　?。?）計算預期違約頻率</p><p>　　KMV公司采取了經(jīng)驗的（違約距離和預期違約率的關(guān)系曲線見圖1）</p><p>　　圖 1違約距離和預期違約率的關(guān)系曲線</p><p>　　由于我國歷史違約數(shù)據(jù)庫積累工作的

44、滯后，違約距離和實際違約頻率之間的映射無法實現(xiàn)，故本文不涉及此項的計算。</p><p>　　3.1.2 相關(guān)參數(shù)設計</p><p>　?。?）公司股權(quán)市場價值波動率</p><p>　　本文使用歷史波動率法估計上市公司股票市場價值未來一年的波動率。歷史波動率的計算包括三個步驟：首先從市場上獲得標的股票在固定時間間隔(如每天、每周或每月等)上的價格；然后對于每個時

45、間段，求出該時間段末的股價與該時段初的股價之比的自然對數(shù)；最后求出這些對數(shù)值的標準差，再乘以一年中包含的時段數(shù)量的平方根，得到的即為歷史波動率。</p><p>　　本文為保證數(shù)據(jù)的有效性采用股票的日收盤價進行計算，假設上市公司股票價格滿足對數(shù)正態(tài)分布，則股票日收益率為：</p><p>　　其中，，為股票復權(quán)后的日收盤價，i=1，2，…，n。</p><p>　　

46、的標準差通常估計為：</p><p>　　則，公司股權(quán)市場價值的年波動率為：</p><p>　?。?）公司股權(quán)市場價值</p><p>　　在我國，上市公司股票分為流通股和非流通股兩種，據(jù)翟東升( 2007)的研究表明, 非流通股價格定為每股凈資產(chǎn)時, 模型對兩類上市公司信用風險差異的識別能力最強, 因此, 本文參考張玲、張凱的計算方法以每股凈資產(chǎn)計算非流通股的價

47、格：</p><p>　　=流通股市場價值+非流通股市場價值</p><p><b>　　其中，</b></p><p>　　流通股市場價值=流通股股數(shù)×市價</p><p>　　非流通股市場價值=非流通股股數(shù)×每股凈資產(chǎn)</p><p>　　其中，市價為一年期股票交易日收盤價

48、的平均價。</p><p><b>　　（3）違約點的選取</b></p><p>　　KMV公司推薦的違約點計算方法為：=流動負債+0.5長期負債</p><p>　　本文采用李博，王海生（2008）的實證結(jié)論，采用更加適合我國股權(quán)市場環(huán)境的違約點計算方法：</p><p>　　=流動負債+0.25長期負債</p

49、><p><b>　?。?）債務面值</b></p><p>　　債務面值為公司財務年報中總負債面值。</p><p><b>　?。?）債務期限</b></p><p>　　設定違約距離的計算時間=1。</p><p><b>　　（6）無風險利率</b>

50、</p><p>　　由于我國利率還未市場化，本文借鑒張玲等人采用銀行公布的的一年期定期存款利率作為無風險利率；又考慮到2009年利率浮動較頻繁的現(xiàn)實情況，采用按月份的近似加權(quán)平均方法確定（中國人民銀行公布的2009年金融機構(gòu)人民幣存款基準利率見表2）。通過計算確定無風險利率為3.94（3.9375）%。</p><p>　　表 2 一年期定期存款利率表（2009年）</p>

51、<p>　　3.2 模型計算與結(jié)果</p><p>　　3.2.1 樣本數(shù)據(jù)和計算</p><p>　　本文選取了10家房地產(chǎn)上市公司2009年一年的市場和財務數(shù)據(jù)，其中ST公司5家，非ST公司5家。10家公司的財務數(shù)據(jù)見表3，其中，公司股票價格為一年交易日收盤價的均價。</p><p>　　表 3 15家房地產(chǎn)上市公司財務數(shù)據(jù)</p>&

52、lt;p><b>　　續(xù)表</b></p><p>　　資料來源：大智慧軟件</p><p>　　其中=流通股市場價值+非流通股市場價值，以601588為例進行計算：</p><p>　　=15.0000*7.529545455+11.6000*2.5500=142.5300（為公司股權(quán)市場價值）</p><p>

53、　　公司資產(chǎn)市場價值和公司資產(chǎn)價值波動率計算（見表4）其中，公司股權(quán)市場價值波動率通過15家房地產(chǎn)上市公司2009年歷史交易日收盤價采用歷史波動率法計算。</p><p>　　表 4 后期數(shù)據(jù)計算</p><p><b>　　續(xù)表</b></p><p>　　違約點的計算結(jié)果（見表5）</p><p>　　表 5 違約點

54、DP的計算</p><p>　　違約點計算也以601588為例子：</p><p>　　=流動負債+0.25長期負債=911403.09+0.25*769846.48=1103864.71</p><p>　　3.2.2 計算結(jié)果</p><p>　　通過上述數(shù)據(jù)的計算，得出違約距離（見表6）</p><p>　　表

55、6違約距離的計算</p><p>　　再以601588舉例：</p><p>　　=（1457997.298-1103864.71）/（1457997.298*0.746712）=0.325279013</p><p>　　根據(jù)上述數(shù)據(jù)可以得出，房地產(chǎn)上市公司的違約距離均值為0.899210334，其中ST公司的違約距離均值為1.207562985，非ST公司的違約

56、距離均值為0.590857682；所有房地產(chǎn)上市公司的違約距離范圍在1.800000000以內(nèi)，部分公司甚至呈現(xiàn)負數(shù)，即資不抵債，其中ST公司的違約距離普遍大于非ST公司的違約距離，與KMV模型理論情況的ST公司的違約距離比非ST公司小的結(jié)論相矛盾。</p><p>　　3.3 計算結(jié)果分析</p><p>　　對于上述結(jié)果，本文從以下幾個方面進行結(jié)果分析討論：</p>&l

57、t;p>　　3.3.1 關(guān)于KMV模型適用性的思考</p><p>　　KMV模型本身的度量方法在實際的運用中存在不足。</p><p>　　首先，KMV模型的計算是假定企業(yè)資產(chǎn)市場價值服從對數(shù)正態(tài)分布和在期權(quán)定價模型的框架下進行的，和現(xiàn)實狀況有差異。</p><p>　　其次，KMV模型著重于違約預測，忽視了企業(yè)信用風險等級的變化。</p>&

58、lt;p>　　再次，盡管前人在KMV模型在我國上市公司的適用分析中做了大量的修正研究，但是目前我國對于KMV模型參數(shù)的使用還沒有很好的結(jié)論，不同研究者對于不同風險測定使用不同的類似指標進行風險測定，類似指標大大影響了KMV模型的輸出結(jié)果。</p><p>　　最后，我國股市的發(fā)展仍然非常不健全，不是一個有效的市場，上市公司的股票價格常常背離公司的實際價值，企業(yè)資產(chǎn)價值并不能很好的如實反應到股票市場中，且股票

59、沒有全流通使得我們對于非流通股只能通過每股凈資產(chǎn)來預測，這些實際和短期內(nèi)無法改變的因素都影響了KMV模型的精準性。</p><p>　　3.3.2 關(guān)于時間差異的影響的思考</p><p>　　我國近幾年股票市場經(jīng)歷了牛市和熊市的巨大起伏，股票市場波動幅度非常之大，前人對于KMV模型的適用研究數(shù)據(jù)大都較早而且選取的樣本向模型靠攏帶有很大的理想化，由于時間差異造成的上市公司股票數(shù)據(jù)的變動是否

60、會給KMV模型的實際計算結(jié)果造成影響，而KMV模型在大波動下的股票市場是否適用，仍然有待研究。</p><p>　　3.3.3 關(guān)于我國房地產(chǎn)行業(yè)存在的問題的思考</p><p>　　即便存在模型風險和時間差異，KMV在我國上市公司的實用性已有大量實證研究，KMV模型在我國上市公司信用風險度量中尚可以運用，那么更說明了我國房地產(chǎn)業(yè)存在行業(yè)結(jié)構(gòu)不合理，過熱畸形發(fā)展等現(xiàn)實問題，通過計算結(jié)果從以

61、下幾點進行分析：</p><p>　?。?）房地產(chǎn)上市公司的違約距離均值的分析</p><p>　　王健穩(wěn)，梁建軍（2008）等通過選取不同行業(yè)的ST和非ST上市公司數(shù)據(jù)，將股改前和股改后的上市公司信用風險狀況進行對比，發(fā)現(xiàn)股改后我國上市公司的違約風險逐年加大。由于各作者對參數(shù)的設計不同，本文參考計算方法較為相近的李磊寧，張凱（2007）等人根據(jù)2006年股票市場數(shù)據(jù)計算的6家房地產(chǎn)上市公

62、司違約距離均值進行比較，發(fā)現(xiàn)2007年我國房地產(chǎn)上市公司面臨的信用風險大大增大，這與王健穩(wěn)（2008）等人的研究結(jié)論相符合。</p><p>　　房地產(chǎn)行業(yè)是支持我國經(jīng)濟發(fā)展的重要行業(yè)，尤其是近幾年，由于房地產(chǎn)承受的巨大經(jīng)濟壓力導致房地產(chǎn)過熱發(fā)展，給房地產(chǎn)上市公司也帶來了更巨大的的潛在的信用風險，尤其是2008年，房地產(chǎn)市場陷入低迷，本文的計算數(shù)據(jù)和房地產(chǎn)同行業(yè)不同時期進行比較，發(fā)現(xiàn)我國房地產(chǎn)行業(yè)信用風險一如現(xiàn)實

63、表現(xiàn)，風險非常高。</p><p>　?。?）ST公司和非ST公司計算結(jié)果分析</p><p>　　從本文的ST和非ST公司計算結(jié)果看，ST公司的違約距離均值遠遠大于非ST公司的違約距離均值。由于我國的特殊情況，ST公司的低效益卻并不會帶來公司的破產(chǎn)，投機者們買入ST的股票從而等待時機賺取利潤，導致了ST股票賬面價值的高收益，甚至超過非ST股票，KMV模型的計算結(jié)果有可能反映了這一現(xiàn)象。同

64、時，KMV模型關(guān)心的是上市公司的財務數(shù)據(jù)和市場表現(xiàn)，而經(jīng)營不善并非只有資不抵債，還包括許多非市場因素，包括房地產(chǎn)業(yè)過熱的畸形發(fā)展，企業(yè)信用等級下降，借款人虛假按揭和企業(yè)虛假做賬等。計算結(jié)果表明，發(fā)展水平、盈利較好的企業(yè)違約距離反而小，按照KMV模型的思路，違約距離小，財務狀況差，企業(yè)風險高；然而，現(xiàn)實狀況中財務并不是決定一個企業(yè)經(jīng)營成敗的決定性因素，特別是房地產(chǎn)行業(yè)，其效益、經(jīng)營狀況與宏觀經(jīng)濟因素密切相關(guān)，同時我國股權(quán)市場發(fā)展不健全，加

65、之部分房地產(chǎn)上市公司的對企業(yè)經(jīng)營效益作假行為，對模型度量的有效性有一定影響，房地產(chǎn)上市公司中ST和非ST公司的計算結(jié)果正是這一現(xiàn)象的體現(xiàn)。</p><p><b>　　4 相關(guān)對策與建議</b></p><p>　　目前，我國房地產(chǎn)行業(yè)發(fā)展現(xiàn)狀依然萎靡，最近公布的09年年報也表明我國眾多房地產(chǎn)上市公司承受著較大的資金壓力。由于作者水平和時間的限制，在對KMV模型在我國

66、房地產(chǎn)上市公司的度量研究僅止于計算，上述數(shù)據(jù)分析結(jié)果也有待實證探討，本文僅僅利用KMV模型分析上市公司財務狀況來對房地產(chǎn)業(yè)的違約狀況進行分析，旨在對KMV模型在我國房地產(chǎn)上市信用風險度量方面的研究有一定的借鑒意義，并對我國房地產(chǎn)信用風險度量的優(yōu)化提出如下相關(guān)對策和建議：</p><p>　　4.1 政府做好政策引導</p><p>　　國家政府要完善我國房地產(chǎn)業(yè)的相關(guān)法律法規(guī)，提供一個合理

67、公平的房地產(chǎn)業(yè)發(fā)展環(huán)境；提倡合理健全的房地產(chǎn)產(chǎn)業(yè)結(jié)構(gòu)發(fā)展模式，逐漸將房地產(chǎn)的發(fā)展引向合理健康；建立個人和房地產(chǎn)企業(yè)的信用制度，防范房地產(chǎn)市場上由于信息不對稱造成的信用風險，通過有效的監(jiān)控信貸活動，打擊房地產(chǎn)行業(yè)的作假、詐騙等行為。</p><p>　　4.2 各機構(gòu)完善自身發(fā)展</p><p>　　4.2.1 銀行等金融機構(gòu)</p><p>　　金融機構(gòu)要提高自身的

68、防風險能力，積極響應國家宏觀調(diào)控政策；嚴格業(yè)務流程，做好貸前審查，做好貸后管理和催款等，及時掌握借款人的資信情況，監(jiān)控資金使用情況，加強金融監(jiān)管，從各個方面降低信用風險的風險程度。</p><p>　　4.2.2 企業(yè)和投資機構(gòu)</p><p>　　當前,我國房地產(chǎn)融資渠道仍然比較單一，要建立多元化的融資房地產(chǎn)融資方式，分散和化解房地產(chǎn)金融風險，減少對銀行貸款的依賴，降低過度集中的信用風險

69、，同時可以引導房地產(chǎn)業(yè)投資的理性發(fā)展。</p><p>　　4.3 加強信用風險模型的相關(guān)研究</p><p>　　首先，我國要構(gòu)建有效的歷史信用評級數(shù)據(jù)庫。只有在信用數(shù)據(jù)庫和違約數(shù)據(jù)庫完善的前提下，才能加強現(xiàn)代信用風險度量模型的有效運用。目前我國的信用評級數(shù)據(jù)十分缺乏，導致信用風險模型在我國無法進行現(xiàn)實的度量。要通過建立信用評級數(shù)據(jù)庫，構(gòu)建我國的違約數(shù)據(jù)庫，從而完善資本市場，給信用風險模

70、型的度量提供準確、真實、完整的數(shù)據(jù)。同時要進一步加強KMV模型的理論研究。在信用數(shù)據(jù)庫和違約數(shù)據(jù)庫完善的同時，有效地加強KMV模型的研究，修正模型參數(shù)，從而使其能夠更符合我國上市公司的發(fā)展現(xiàn)狀，正確識別我國信用風險的現(xiàn)狀，從而有效地防范信用風險的爆發(fā)。</p><p>　　4.4 加快信用風險管理人才隊伍建設</p><p>　　目前專業(yè)人才短缺是我國在應用國際先進信用風險評估上面臨的一大

71、瓶頸。因此，為了提高信用風險管理質(zhì)量，必須盡快培養(yǎng)一批高素質(zhì)的專業(yè)風險管理人才。國內(nèi)高校以及金融機構(gòu)應加強與國外金融及研究機構(gòu)的交流，積極引進具備豐富專業(yè)知識、掌握先進風險管理技能的高級人才，努力提升我國大型金融機構(gòu)信用風險管理水平，增強其抵御信用風險的能力。</p><p><b>　　結(jié) 論</b></p><p>　　本文從定量和定性的方面對我國上市公司信用風

72、險狀況進行了分析，首先介紹了現(xiàn)代信用度量模型的應用，再做了KMV模型的適用性分析。在調(diào)整了股權(quán)市場價值及其波動率的計算方法的基礎上選擇了一種違約距離的計算方法，通過計算結(jié)果討論KMV模型在我國上市公司信用風險評估中的有效性。結(jié)果表明，KMV模型反應了我國房地產(chǎn)上市公司信用風險日益擴大的現(xiàn)實情況，有一定的風險判別能力。此外，由于KMV模型的參數(shù)影響和我國市場發(fā)展不規(guī)范的現(xiàn)狀，限制了KMV模型的準確性，KMV模型在識別我國房地產(chǎn)行業(yè)內(nèi)ST和

73、非ST的公司間的違約情況仍不準確。根據(jù)上述結(jié)論，在中國證券市場可以利用KMV模型來識別我國房地產(chǎn)上市公司的信用風險，為各個部門和投資者提供一定的信用風險評價依據(jù)，但是，模型的在我國特殊市場情況下的準確性仍然有待修正。</p><p><b>　　參考文獻</b></p><p>　　[1]韓崗.國外信用風險度量方法及其適用性研究[J].國際金融研究,2008(3).&

74、lt;/p><p>　　[2]勵泓.我國房地產(chǎn)上市公司發(fā)展現(xiàn)狀與對策研究[J].現(xiàn)代商業(yè),2008(2).</p><p>　　[3]賈惠芬.商業(yè)銀行個人住房貸款信用風險防范研究[D].西北大學,2008.</p><p>　　[4]李博,王海生.房地產(chǎn)上市公司信用風險的期權(quán)定價模型研究[J].決策探索,2008(11).</p><p>　　[

75、5]魯維龍,余昭朋.基于KMV模型的上市公司信用風險評估實證研究[J].商場現(xiàn)代化,2008(10).</p><p>　　[6]孫小琰,沈悅,羅璐琦.基于KMV模型的我國上市公司價值評估實證研究[J].管理工程學報,2008(1).</p><p>　　[7]王靜,林琦.從美國次級債危機看中國房地產(chǎn)金融市場的風險[J].財經(jīng)科學,2008(2).</p><p>

76、　　[8]王建穩(wěn),梁彥軍.基于KMV模型的我國上市公司信用風險研究[J].數(shù)學的實踐與認識,2008-05(10).</p><p>　　[9]王玉楠.我國房地產(chǎn)金融風險問題分析[J].黑龍江對外經(jīng)貿(mào),2008-09(9).</p><p>　　[10]溫利.我國房地產(chǎn)金融風險及防范分析[J].山西建筑,2008-09(26).</p><p>　　[11]楊琴.我

77、國商業(yè)銀行信用風險評價方法研究[D].南昌大學,008.</p><p>　　[12]Peter Crosbie, Jeffrey R Bohn. Modeling Default Risk[R]. White Paper, Moody’s KMV, Revised December 18,2008.</p><p>　　[13]李磊寧,張凱. KMV模型的修正及在我國上市公司信用風險度量

78、中的應用[J].首都經(jīng)濟貿(mào)易大學學報,2007(4).</p><p>　　[14]夏紅芳,馬俊海. 基于KMV模型的農(nóng)業(yè)上市公司信用風險實證分析[J].農(nóng)業(yè)經(jīng)濟問題,2007(10).</p><p>　　[15]朱欣鳳.現(xiàn)代信用風險度量模型在我國商業(yè)銀行的適用性分析[P].中國專利：8810384525，2006-05-21.</p><p>　　[16]Mat