ParK's 論文后花園

华东师范大学
硕士学位论文
我国上市公司信用风险度量实证研究
姓名：马雨生
申请学位级别：硕士
专业：金融学
指导教师：陆剑清
20080501
论文摘要
2007年7月美国次贷危机爆发并迅速在美国资本市场和全球金融市场蔓
延，其传递性和危害性至今仍未消失，由此对美国经济和世界经济造成的损失
巨大。因此，怎样有效地控制和管理信用风险已经成为各国金融监管当局、金
融机构和投资者关注的焦点。在这样的国际金融背景下，学习和借鉴国际先进
的信用风险度量技术，建立在中国行之有效的信用风险度量模型也成为我国金
融业的一个重要课题。本文由此对我国上市公司的信用风险度量及其相关问题
做出研究。
论文主要采用了理论分析和实证研究相结合的方法。主要有两方面的工作：
第一，分析了KMV违约模型在我国上市公司信用风险度量的具体应用的有效
性；第二，构建了Lo百stic回归模型的指标体系，在此基础上建立了较适合我
国上市公司的信用风险度量模型。
针对我国股票市场的股权结构和市场环境的特殊性，本文调整了KMV模
型中的股权价值计算和违约点设定的方法，并运用该模型来度量在我国股票市
场公开上市的20家ST公司和与其一一对应的20家非ST公司的信用风险，并
且分析两组样本的差异性，发现我国股票市场的股权分置改革使得我国上市公
司的股权价值虚增，影响了KMV模型在我国应用的有效性，排除这一影响，
当违约点位流动负债加上四分之一长期负债时，模型的解释能力最强。为此，
本文有从上市公司相对稳定的财务指标体系出发，构建了适合我国上市公司信
用风险分析的Lo舀stic模型，以40家上市公司作为检验样本，对该回归模型
进行检验，取得了较高的预测准确率，研究还发现，偿债能力、经营能力和盈
利能力是导致我国上市公司信用恶化的主要原因，提高上市公司的经营管理水
平和获利能力是避免公司陷入信用危机的关键。
关键词：信用风险KMV模型Logistic模型
ABSTRACT
The subprime mortgage financial crisis firstly started in the subprime mortgage
market in the United States then became a global financial crisis in July 2007，and
still has a strong impact globally．It made huge economic loss to the United States
and the globally economic．For that，How to control and get all accurate estimation
of the credit risk plays a key role in the decision making of financial intermediaries、
investors and government supervisor．So It becomes an important task of Our
country’S financial system to establish the credit risk models which will suitable for
itself by referencing and studying the advanced credit risk measurement methods
from other countries under this international finance background，this paper decides
to select the credit risk of China’S listed companies as its research subject．
This paper took an approach by combining theoretical analysis with empirical
study．The main works focuses on two aspects．Firstly,analyzing KMV default
model how to use to measure the credit risk of listed companies in today’S China．
Secondly,setting up a financial ratios system for the Logistic Regression model then
founding the Regression model which fits to measure the credit risk of China’S listed
companies．
In this paper,the KMV model with adjusted methods of assessing equity
value and default point is reconstructed by taking into consideration the particularity
ofcompan／s equity Structures and market circumstance of China stock market．Then,
we use KMV model to evaluate the credit risk of 20 ST(Special Treatment)and 20
Non．ST companies in china pubic market in order to test its ability to recognize the
credit risk and analyze their difference．Results indicate that reform of the
shareholder structure of listed companies made equity value of listed companies
falsely increase and made the Effectiveness of the application of the KMV
model partly decrease．Furthermore，the ability is the strongest when the default is
equal to the current liabilities surplus a quarter long liabilities．But the Logistic
Regression model which depended on the corporate financial information got a higll
discriminating ratio for the testing samples which consisted of 40 listed companies．
Results also showed，the ability of solvency、management and profit were the key
factors which led to the credit crisis of China’S listed companies，therefore
improving the level of the ability of management and profit would avoid the
corporation getting into default．
KEY WORD： credit risk KMVmodel Logistic mode
学位论文独创性声明
本人所呈交的学位论文是我在导师的指导下进行的研究工作及取得的研
究成果。据我所知，除文中已经注明引用的内容外，本论文不包含其他个人已
经发表或撰写过的研究成果．对本文的研究做出重要贡献的个人和集体，均已
在文中作了明确说明并表示谢意。
作者张碰日期： 出＼幻
学位论文授权使用声明
本人完全了解华东师范大学有关保留、使用学位论文的规定，学校有权保
留学位论文并向国家主管部门或其指定机构送交论文的电子版和纸质版。有权
将学位论文用于非赢利目的的少量复制并允许论文进入学校图书馆被查阅．有
权将学位论文的内容编入有关数据库进行检索。有权将学位论文的标题和摘要
汇编出版．保密的学位论文在解密后适用本规定．
学位论文作者签名：
日期： 避，◆
华东师范大学硕士学位论文
第一章绪论
第一节研究背景和意义
一论文的研究背景
信用风险是商业银行面临的主要风险，如何防范与降低信用风险是当前我
国商业银行风险管理的迫切要求。商业银行在其经营管理过程中面临着信用风
险、流动性风险、资本风险、结算风险、市场风险、利率风险、汇率风险等各
种风险，其中信用风险是商业银行经营管理过程中必须面临的最主要风险。信
用风险的范围涉及商业银行的贷款发放、债券投资、表外业务以及信用衍生品
金融业务等商业银行经营活动的诸多领域。对于我国商业银行来说，企业贷款
是其经营得主要资产业务，商业银行大部分的金融资产都是对企业发放的贷款，
因此贷款的利息和本金的回收即贷款的信用风险是我国商业银行信用风险的最
主要组成部分。然而，由于在传统计划经济模式下，政企不分、银企不分对信
贷活动的影响，形成了我国商业银行大量不良贷款，虽然随着我国商业银行股
份制改革的逐步完成，商业银行的大量不良资产得以剥离，但是我国商业银行
的信用风险管理水平还比较落后，并且，在企业贷款过程中依然存在寻租现象；
随着银行经营业务和信贷规模的不断扩张，商业银行所承受的信用风险还在不
断加大，因而信用风险管理已经成为银行经营管理的核心内容。因此，研究信
用风险的特点，建立度量信用风险的信用风险模型，精确地定量分析商业银行
所面临的信用风险，以及如何对涉及信用产品的各项业务实施有效的信用风险
管理措施，已经是商业银行提高经营管理水平，降低信用风险的最基本、最迫
切的要求。
上市公司是商业银行信贷的重要对象，研究上市公司独特的信用风险特点，
预测并度量其未来的信用风险对商业银行、投资者和资本市场监管者都具有重
大意义。中国证券市场历经近几年的发展，已经具有相当大的规模，截止2007
年12月，在深圳证券交易所和上海证券交易所挂牌交易A股的上市公司数量
已经将近1600家。而且，随着证券市场的快速发展，在沪深两市挂牌交易的上
市公司几乎涵盖了国民经济的所有行业领域及诸多行业的龙头企业，上市公司
的经营状况对国民经济的发展有着越来越大的影响。尽管我国证券市场对公司
上市有着较为严格的准入限制，上市公司的整体质量比较好，但是由于公司经
营管理能力的变化以及行业景气状况等宏观经济因素的影响，有些公司的财务
状况会逐步恶化，其信用风险和市场风险将会随之上升，最终可能发生债务违
华东师范大学硕士学位论文
约或公司退市，给债权人和投资者带来巨大的损失。特别是随着上市公司数目
的增多以及监管部门对股权融资的要求的提高，上市公司己经不能够再依赖于
股权融资，而是逐渐开始增加债权融资的比重。但是，伴随着上市公司负债总
额的增加，公司债务违约的事件也在逐渐增多，而且上市公司违约往往给债权
人和投资者带来的损失也相当巨大。因此，针对上市公司股权结构及其所处市
场环境的特殊性，专门研究上市公司的信用状况，识别和度量上市公司的信用
风险，对商业银行、投资者和资本市场监管者制定贷款政策、选择投资组合和
规范市场管理都具有重大作用。
二论文的研究意义
首先，长期以来，我国商业银行体系饱受不良资产的困扰，特别是国有商
业银行的不良贷款比例过高；而我国商业银行的信用风险的技术手段和方法还
十分落后，还是停留在通过简单的财务分析和通过内部控制方法的预防性的静
态管理的层面。对于信用风险的度量研究不仅仅可以让银行对上市公司的信用
风险具有量化管理的方法，还可以使得商业银行具有转移信用风险的方法。
其次，信用风险的度量研究有利于中国公司债券市场的发展，从提升企业
价值的角度，债券融资相对于股权融资更具有优势；而从金融经济结构的角度
来看，债券合约是金融市场中最完备的合约，任何发达的金融体系都具有高度
发达和高比例的债券市场，这就要求我国大力发展债券市场特别是公司债券。
而对于上市公司的信用风险度量是公司信用评级和公司发行债券的基础工作，
只有给予投资者合理的信用风险溢价才能保证公司债券的发行和认购。
再次，信用风险的度量不仅仅有利于商业银行的信用风险管理，也有利于
投资者和投资机构的信用风险管理，只有投资者意识到企业信用风险和信用所
应该带来的溢价水平，才能够使得债券的价格信号不失真，才能加大债券市场
的流动性和有效性。
最后，信用风险的度量是《新巴塞尔协议》1的要求。2001年新巴塞尔协议
在保留银行外部评级方法的同时，鼓励银行建立内部评级系统和开发风险度量
方法。新协议强调内部评级法IRBA(internal rating based approach)，特别强调违
约概率PD和违约损失率LGD两个信用风险度量的定量基础。随着我国金融市
场开放的步伐，必然要求我国商业银行和监管部门对于信用风险做出有效的度
量和管理，度量信用风险模型的开发必然成为迫在眉睫的任务。
1 The new basel capital accord,basel committee on banking supervision 31 may2001
2
华东师范大学硕士学位论文
第二节文献综述
传统的信用风险管理主要有专家评定法、信用评级法和贷款分类法。其中，
专家评定法主观性太强，面临很大的道德风险；而后两种方法主要是依据企业
的会计信息为基础的信用评估方法，在一段时间内曾经有着很好的评估效果，
但是随着信用产品和信用衍生产品的迅速发展，这些评价方法由于不能够抓住
借款者的微小的财务变化而正被逐步淘汰；而所有的以上的传统的评价方法最
大的弱点就是不能够对信用产品进行有效的定价，也不能够对信用风险做出量
化的估计。
针对信用风险的度量，现代西方学者从两个不同的角度出发开发出一系列的
信用风险模型，分别称之为结构模型和简约模型。
结构模型的主要奠基人是Merton2，在1974年基于或有要求权分析，提出了
从企业价值结构出发的信用风险度量模型，该模型将企业的债券看作为对于企业
资产价值的一个或有要求权证券，而企业的价值是具有不确定性的特点，可以通
过随机过程进行描述，一旦企业的价值低于债券的面值，就会发生信用违约风险。
后来大量学者基于Merton的研究范式将结构模型优化发展，其中具有代表性就
是KMV模型，该模型可以根据上市公司的披露的信息而对公司的信用风险进行
量化，其优点就是模型结构简单，信息来源比较容易；还有些学者依据结构范式
推导出一些信用衍生品的偏微分方程，从而完成对信用风险产品和信用风险衍生
品的定价，在这方面具有贡献的学者有：Black&Cox(1976)3将随机利率引入
Merton模型，并且对相对复杂的破产程度进行量化处理，主要是定义一个门槛
值，相当于障碍期权的障碍值，通过障碍期权的定价方法对违约风险做出量化处
理，借鉴Black&Cox(1976)的模型思想，Jarrow&Tumbull(1991．1992)+5以及
Longstaff&Schwartz(1995)6构建了LS模型，考虑了不同利息、不同到期同、不
同优先求偿权的债券对违约风险的影响。
简约模型直接利用债券市场价格或价差数据来评估信用风险。与结构范式
不同，简约范式并不需要利用企业的相关参数来评估违约风险，债券信用风险期
2 Merton，Robert C．，1 974．‘On the pricing of corporate debt：the risk structure of interest rates’
Journal of Finance，May，449"470
’Black,Fischer and John C．Cox．，1 976，Valuing corporate securities：Some effects of
Bond indenture provisions。Joumal of Finance 3 1，35 1．367．
4 Jarrow,Robert，Stuart Tumbull，l 991，A Unified Approach for pricing contingent claims on
multiple term structures，ne Foreign Currency Analogy，Working Paper
5
Jarrow,Robert，Stuart Tumbull，1 992，Recent advances in the pricing of options Oil fmancial
a。ssets
with credit risk，34pp
o long,staff．Eand E．Schwartz．，1995 Valuing Credit Derivatives，Journal of Fix income，June，
6-12
华东师范大学硕士学位论文
限结构直接由市场数据得出。这类模型是在基于债券的市场价格的无风险套利模
型的基础上发展而来的，其分析的重点就在于对违约强度和回收率的外生性规
定，但其定价公式可以通过债券价格的市场数据来不断校准。这个范式的代表性
学者有：Jarrow&Tumbull7(1995)比较零息政府债券和零息公司债券的信用价差，
根据风险中性概率构造利率的离散期限结构用于公司债券的信用风险度量以及
债券定价；Jarrow,Lando&TumbuU(1997)8在Jarrow&Turnbull 1995年研究基础上
构造出信用风险价差期限结构的马尔可夫(Markov)模型，这个模型的优点不
仅仅是可以对公司各种债券做出风险定价，还可以对债券衍生品和信用衍生品作
出合理有效的定价；Dine&Singleton(1999)9在连续时间条件下构造由死亡率(生
灭过程)过程主导的信用风险不可预测事件。
从国内的研究看，我国学者对信用风险的研究一直以来都是以定性分析为
主，主要集中在信用风险评分、信用等级评估技术的改进以及对企业提供的经济
报表中各种财务比率进行对比分析等方面，定量研究工作尚处于起步阶段。这些
方法在一定程度上也比较符合我国银行和基本市场的实际情况。
卢世春、欧阳植(1999)10采用我国296家上市公司1992年一1995年的财
务数据，选取了5项财务比率作为自变量：(1)X l为营运资金／总资产；(2)
X2为(股东权益一总股本)／总资产；(3)X 3为税前利润／总负债；(4)X 4
为股东权益／总负债；(5)X 5为主营业务收入／总资产，运用多元统计分析中的
聚类分析法和判别分析法建立了商业银行信用风险跟踪预警监测模型。
陈静(1999)11把ST公司界定为财务失败的公司，通过对1998年的27家
ST公司和27家非ST公司的1995年一1997年的财务报表数据进行分析，
选取了负债比率、流动比率、总资产收益率、净资产收益率、营运资本／总资产、
总资产周转率6个指标，进行了单变量分析和多元线性判定分析，在单变量分
析中，发现流动比率和负债比率误判率最低。利用这6个指标构建的多元线性
判定分析模型，能够较好地预测上市公司的信用风险状况。
张玲(2000)12把ST公司界定为财务危机公司，从120个分析研究样本中推
导建立起一个财务危机判别分析模型。研究发现，利用资产负债比率、营运资金
7 Jarrow ， ， ，,Robertand Smart Tumbull 1 995 Pricing derivatives on financial securities subject to
credit risk，Journal of Finance March 53—85
8
Jarrow,Robert，David Lando and Smart Turnbull，1 997，A markov model of the term structure of
credit spreads，Review of Financial Studies 10(2)Summer
·9 Duffle，Darrell&Kenneth J．Singleton(1 999)，Modeling term slruclures of defaultable bonds，
Renew of Financial Studies 1 2，687-720．
10卢世春，欧舟l植．商业银行信用风险跟踪预警监测模型．数量经济技术经济研
究．1999(1)：59-6l
¨陈静．上市公司财务恶化预测的实证分析．会计研究．1999(4)：31·38’
忆张玲．财务危机预警分析判别模型及应用．预测．2000(6)：38-40
4
华东师范大学硕士学位论文
与总资产比率、总资产利润率、留成收益与资产总额比率四个指标组成的判别模
型具有超前4年的预测准确性。
陈晓、陈治鸿(2000)¨以1998年一1999年被ST的37家公司为样本，选
用被特别处理的上市公司前一年可以公开获得的年报财务信息，建立了Logistic
一回归模型并得到了86．5％的预测准确度。
吴世农、卢贤义(2001)14以上市公司为对象，把ST公司界定为陷入财务困
境的公司，选取了1998年--2000年70家发生ST的上市公司和70家财务
正常的上市公司为样本，应用剖面分析和单变量判定分析，研究上市公司财务困
境出现前5年内这两类公司21个财务指标各年的差异，最后选定6个为预测
指标，应用Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种
方法，分别建立三种预测财务困境的模型。研究结果表明：在财务困境发生前2
年或1年，有16个财务指标的信息时效性强，其中净资产报酬率的判别正确
率较高；三种模型均能在财务困境发生前做出相对准确的预测，在财务困境发生
前4年的误判率在28％以内；相比较以上三个模型，Logistic预测模型的误判
率最低。
近年来，我国学者对KMV模型如何在中国市场上运用做了一些有益的实证
分析。张玲、张佳林(2000)15，王琼、陈金贤(2002)16先后从理论上分析后，
认为模型非常适合度量上市公司面临的信用风险；吴冲锋、程鹏(2002)17和杨
星、张义强18(2004)用上市的股票交易数据和财务数据实证研究得出模型能够
比较准确地识别上市公司的信用风险；不过，鲁炜、赵恒晰、刘冀云(2003)悖
认为只有针对中国市场的特殊情况需要调整公司价值和公司股权价值之间的关
系以后，才能用KMV模型来估计中国上市公司的信用风险。
第三节本文的结构和研究方法
一本文的结构
本文第一章首先回顾了国内外对于上市公司信用风险度量的研究工作，然
后在第二章简单的介绍信用风险的定义以及信用风险的特点和度量信用风险
”陈晓。陈治鸿．中国上市公司的财务困境预测．中国会计与财务研究．2000(9)：55-72．
14吴世农．卢贤义．我国上市公司财务困境的预测模型研究．经济研究．2001(6)：46．55
b张玲，张佳林．信用风险评估方法发展趋势．预测．2000(4)72．75
10王琼，陈金贤．信用风险定价方法与模型研究．现代财经．2002(4)14_17
¨陈鹏，吴冲锋上市公司信用状况分析新方法．系统：I：程理论方法应用．2002(6)89．93
博杨星，张义强．中国上市公司信用风险管理实证研究．中国软件科学．2004(1)43147
憎鲁炜，赵恒晰，刘冀云．KMV模型关系函数推测及其在中国股市的验证．运筹与管理．2003(6)
43_48
5
华东师范大学硕士学位论文
的要素，在第三章主要完成对上市公司信用风险管理方法和度量模型的理论研
究，第四章以我国资本市场中20家ST和与之对应的20家非上市公司为样本，
对样本公司的信用风险做出实证研究，第五章主要是根据第四章的结果得出文
章的结论与建议。
’
二本文的研究方法
本文以KMV模型和Logistic模型为理论基础，以40家上市公司的财务数
据和股票数据为研究样本，主要通过定量分析方法对我国上市公司的信用风险
做出实证分析，其中运用了Excel宏与VBA编程完成违约距离的计算，通过
SPSS和Eviews软件完成Logistic模型的实证工作。
第四节本文的创新与不足
一本文的创新点
第一，运用KMV模型对我国股票市场中20家ST上市公司和与之对应的20
家非ST上市公司的信用风险进行度量实证工作，并对模型的输出结果即上市
公司的违约距离做出统计比较分析。
第二，运用LOGIT模型对我国股票市场中20家ST上市公司和与之对应的
20家非ST上市公司的信用风险进行度量实证工作，并根据模型输出结果对原
样本公司性质做出判别和预测，得出9096的准确率。
第三，针对我国股票市场的股权结构和市场环境的特殊性，本文调整了
KMV模型中的股权价值计算和违约点设定的方法，并运用该模型来度量在我国
股票市场公开上市的20家ST公司和与其一一对应得20家非ST公司的信用风
险，并且分析两组样本的差异性，发现我国股票市场的股权分置改革使得我国
上市公司的股权价值虚增，影响了KMV模型在我国应用的有效性，排除这一
影响，当违约点位流动负债加上四分之一长期负债时，模型的解释能力最强。
为此，本文有从上市公司相对稳定的财务指标体系出发，构建了适合我国上市
公司信用风险分析的模型，以40家上市公司作为检验样本，对该回．Logistic
归模型进行检验，取得了较高的预测准确率，研究还发现，偿债能力、经营能
力和盈利能力是导致我国上市公司信用恶化的主要原因，提高上市公司的经营
管理水平和获利能力是避免公司陷入信用危机的关键。
二本文的不足．
第一，由于计算能力有限，本文只选择40家上市公司作为研究对象，相对
于中国上市公司数目是十分小，很难得到普遍意义上的规律和结果，因此需要
构建大样本数据对我国上市公司的信用风险做出度量工作。
第二，对于上市公司信用风险的度量工作，本文只是做出很少的一部分，
6
华东师范大学硕士学位论文
本文局限于上市公司信用风险的违约距离的度量和分析，因此只能得到上市公
司的理论违约概率，对于经验违约概率和违约距离的实际函数影射关系需要进
一步研究，当然，这需要大量的数据和银行的对上市公司信用质量的披露：同
时对于信用风险价差，违约回收率以及多公司的违约相关性也需要进～步的研
究，只有研究到这一步，信用风险的度量工作才算完成。
第三，本文局限于上市公司的信用风险度量研究，对于非上市公司的信用
风险研究也是非常的大的领域，对于银行来说，对于非上市公司的信用风险研
究具有非常强的实际意义的，可以用于对非上市公司的贷款决策以及我国商业
银行的风险控制体系的建立。
7
华东师范大学硕士学位论文
第二章信用风险与信用风险度量
第一节风险
一风险的定义
风险的定义一般是和不确定性联系在一起的，当一个社会的个体在预期将
来的活动时候都要面临很大的不确定性，当这种不确定性转化形成为个体所必
须承担的损失时，风险也就油然而生了。因而，风险被定义为在一定的环境下，
一定的时期内，对于特定的个体，其预期的达到的目标与实际发生的目标结果
之间的距离；简单的说，风险就是损失发生的可能性。
(一)风险与不确定性
虽然风险和不确定性是紧密联系的，但是风险和不确定却是有本质区别的，
不能将两者简单的混为一谈。风险指的是风险决策主体能够根据经验知识或者
经济活动指标的历史数据而比较准确的预测这项经济活动出现各项状况的可能
性大小：简单的说就是风险决策主体可以根据经验知识和历史数据预知整个风
险活动事件的概率分布；而在纯粹的不确定性状况下，决策主体不可能预先知
道事件发生的最终结果或发生最终结果的可能性，即事件发生的概率分布。
综上所述，风险源于不确定性，但有不能简单地将两者混为一谈；风险的
大小取决于不确定程度的大小。根据不确定性程度可以将风险分为以下四个等
级：
第零级——完全确定。事件未来发生的结果和发生的概率可以完全确定，
无风险。‘
第一级——客观不确定。事件未来发生的结果与发生的概率在客观层面不
能完全确定。
第二级——主观不确定。未来发生的结果可知，但发生的概率不能客观确
定。
第三级——完全不确定。事件发生的结果和概率完全不能确定，风险最高。
(--)风险与损失
风险和损失也是紧密联系的，损失是风险事件最终不利结果的表现，风险
的不确定性定义和对期望偏离的定义都可以转换为损失的概念；否则，如果风
险事件不会造成任何损失，那么不论未来结果有怎样的不确定性或怎样的与期
望偏离，该事件都不会构成风险事件。例如，企业在接受他人捐赠时，无论未
来受到捐赠的可能性有多大。收到的捐赠和其原先的期望差距有多大，企业都
华东师范大学硕士学位论文
不会产生风险。
同时，尽管风险和损失有着紧密的联系，但是风险只是损失的可能性，并
不是实际的损失。也就是说，风险是事前概念，而损失却是事后概念。在事件
发生以前，风险已经产生和存在，而此时损失只是潜在损失的可能性；而一旦
损失发生，风险就不复存在，而此时的不确定性已经转换为确定性。
(--)风险与可能性
风险和可能性也是必然联系的。用数理统计方法来表达可能性就是概率，
这是对不确定性的数理方法的量化描述结果。通过描述风险事件的未来发生概
率的可能性即概率分布可以准确的衡量事件的风险水平高低。
可以看出，不论是损失还是风险事件的概率分布，还是不确定性描述：都
是计量风险的方法，从不同的角度就得到不同的风险的计量方法。与风险紧密
相关的还有风险暴露，风险暴露是风险活动过程中受到风险因素影响的全部头
寸。
第二节信用与信用风险
一信用的内涵
信用指的是不需要任何保证情况下能够履行与其他个体约定的事情而取得
他人的信任；英文中“信用”一词是credit，来源于拉丁文“credere"，同中文
的意思一样，其最初的意思也是“信任、信赖”。但是，随着资本主义商业社会
的发展，到了大概12世纪，出现了赊帐销售，也就是从这个时期起，信用的经
济含义得到了体现。随着人类社会的发展，信用的内涵已经越来越丰富了，从
最初的“信任、信赖’’发展到现代商业社会的“履约、交换”。对于信用的认识，
从不同的角度可以得到不同的理解：
首先，从伦理学的角度理解信用就是“诚信”，信者，诚实也、不欺瞒也。
诚信在人们生活中起很大的作用，人们耳熟能详的“诚信”、“说一不二"、“一
诺千金”、“说话算话’’都是信用在伦理上的体现，同时，信用伦理对于一个国
家和民族也是至关重要的，在一个诚实守信的大的伦理环境下，社会的运转，
经济的运行都会是非常有效率的。一般来说，经济越发达的国家和地区信用水
平越高，而经济越落后的国家和地区的信用水平越低，在中国的晋商、徽商能
够繁盛一时，归根结底是由于他们信守“诚实可信”的信条；同样的也是由于
他们不能跟上现代信用社会的发展趋势而终究衰落。
其次，从经济的理解信用是一种“借贷"关系。信用实际上是经济个体预
期在一段时期内获得或支出一笔资金，例如在通常的赊帐销售过程中，实际上
就是个体或公司得到了对方的有限期的信用额度，其大小和期限取决于个体的
9
华东师范大学硕士学位论文
信用水平的高低。在经济范畴内，信用还可以从国家、银行、企业和个人几个
角度来理解。
第一，国家信用。国家信用有两层含义：一方面指的是国家与国家之间的
信贷关系，即所谓的主权债务，例如世界银行对贫困国家的贷款、发达国家对
发展中国家的援助贷款，国际金融市场中的各国主权债券；另一方面，国家信
用指得是国家与本国居民和公司的借贷关系，例如，政府发行国债，企业和居
民一旦购买就形成了国家和本国居民的借贷关系，即信用。
第二，银行信用。银行是一种信用中介机构，银行从居民和企业包括国家
取得信用，即取得存款，同时银行也向企业、个人和国家发放信用。银行是从
储蓄者中取得信用，同时向借款者发放信用，从中赚取信用价差，但是银行同
样要解决信用的额度、期限不匹配。可以这样说，从银行的发展可以看出，银
行的诞生和发展都是伴随着信用经济的发展而来，银行信用是现代信用经济最
典型的代表。
第三，企业与个人之间的信用，主要是在两个方面得以体现。一方面是商
业信用，其中最具代表性的就是企业与企业之间的赊销信用：另一方面就是企
业与个人之问的信用，例如信用卡消费，分期付款消费以及在资本市场个人对
企业债券的认购等等。．
再次，从货币角度理解信用就是货币，货币就是信用，信用创造货币，创、
造资本，在现代经济社会中，货币也不同于以前实物货币，而是一种信用货币，
是一种变相的国家信用的体现，信用的创造和货币的增量具有同样的效果。
最后，从法律角度理解信用是当事人之间的一种契约关系契约在法律上的
意义是当事双方不能够在同一时间履行规定享有的权利和义务而通过契约的方
式保证不同时间双方的履行，而信用的所有性质恰恰也是符合契约的定义的。
二信用风险的定义
信用风险的定义有广义和狭义之分，广义的定义是信用关系的一方因为另
一方没有履约而导致的可能损失；从狭义的角度理解信用风险指的是债务人在
债务期限结束时不能按时履行债务合约，最后导致债权人损失的可能性。
三信用风险的特点
(一)不对称性
当个体承受一定的信用风险时，个体预期的收益和预期的损失是不对称
的，这一点是不同于市场风险的，在个体面对市场风险时，其收益和损失是对
称的，即收益率分布是对称的。．
对于承受市场风险的收益和信用风险的收益来说，两个最具代表性的风险
工具是股票和债券。对于股票来说，一般来说股票价格的变动受到市场风险的
10
华东师范大学硕士学位论文
影响是一个随机过程，其预期收益是零，也就是说股票上涨和下跌的幅度和可
能性是相同的，所以股票的收益率曲线是对称的；而债券的情况确是不同的，
当你持有债券到期时，你的最大收益是债券发行主体承诺的利息，而你的损失
可能是你应该得到的利息和本金之和，这就说明，在经济个体承受信用风险时，
信用风险为他所带来的收益和损失是不对称的。
承受信用风险而带来的收益和损失的不对称性决定了信用风险具有与市场
风险许多不一样的特征。一方面，信用风险难以被完全分散，对于市场风险，
可以利用其金融工具的组合和金融工程技术进行分散，因为市场jxL险的收益和
损失是对称的，所以可以利用两个完全负相关的两支股票构造组合，这样以来，
不论将来单个股票的价格变动如何，组合的市场风险得以充分的分散。而对于
信用风险来说，具体的是对于两个公司的债券来说，一个公司发生违约，其带
来的损失与另一个公司不违约时带来的收益是不对称的，对于事前来说，很难
用信用工具的组合来分散信用风险。另一方面，由于信用风险的收益和损失是
不对称的，在经济形势或者某个行业的运行比较好时，就会出现整个信用市场
的过分借贷现象，同样的当经济形势或者某个行业运行比较差时，又会出现整
个信用市场的过分借贷的现象，这种由信用风险不对称的特点带来的现象在现
实的信用市场完全体现出来，尤其在中国的信贷市场更是完全体现出来，这可
能形成信用风险集中现象，导致整个社会经济的不平稳运行。
(二)累积性和传递性
信用风险的累积性是信用风险具有不断积累的特性，并且能在某一个临界
点突然爆发。美国的次贷危机就是信用风险累积性最典型现实表现。当一国的
宏观经济因素在系统或外力的作用下导致市场出现萧条，则企业的产品不能及
时出清，资金得不到回笼，或者企业的产品和资产价格大幅下跌，最终导致企
业不能及时履约，造成信用关联企业的信用违约损失，形成了企业之间的三角
债，导致各企业对银行贷款不能及时履约，最终表现在银行承受大量坏帐，使
得银行蒙受信用损失，从而顺延至整个经济社会。美国的次贷危机就是在房地
产市场繁荣的时候造成了房贷信用的过分借出，当利率上升或者房地产资产泡
沫破裂造成房贷不能收回时，最后爆发整个美国经济尤其是美国银行的大幅度
损失。
(三)系统相关性与非系统相关性
信用风险的爆发往往和整个经济社会的宏观经济因素是密切相关的，因为
整个经济社会的运行具有明显的周期性特点，当整个经济处于高涨时期，往往
会出现信用市场的过分借出现象，当整个经济处于萧条时期，信用市场又会出
现惜贷的现象，而根据樊刚等人对于中国各个时期内企业之间的应付账款率研
华东师范大学硕士学位论文
究发现，当整个经济社会或者宏观经济政策由放松转为收紧的时候，企业之间
的应付账款率会出现一个明显的跳跃，同时企业的债务率的跳跃也是显著的。
可以看出，当宏观经济出现转折时，信用风险的波动性也大大加剧，宏观经济
因素的变化是全社会信用总额和信用价格变化的决定因素，这就是信用风险的
系统性，即经济的系统风险是信用风险的重要决定因素。
虽然信用风险和系统风险具有很强的相关性，但是对于单个借款人来说，
信用风险却主要取决于个体借款人的非系统因素，即个体的经营状况，盈利能
力和还款意愿，所以说信用风险是由系统风险和非系统风险共同决定的，这也
就造成对于信用风险度量和管理的复杂性。
第三节信用风险度量
根据信用风险事件造成损失的成因，可以得出信用风险的分布可以看成为
以下几个变量影响的复杂分布合成的：违约概率(probability of default，PD)，
违约损失率(10ss given default，LGD)，信用暴露(credit exposure，CE)，信用
期限(maturity)，对于信用组合还涉及到违约相关性(correlation)。
一般来说，一个信用事件对于投资者造成的损失可以表达为：
CE×PD×LGD
而信用期限的长短则影响违约概率和违约损失率的大小；在构建信用产品
组合时不但要考虑各个信用产品的违约概率，违约损失率，信用暴露和信用期
限，还要考虑组合中各个信用产品之间的相关性，这与现代投资组合理论的原
理是一致的。
一违约概率(probability of default，PD)
违约概率是交易双方在信用期限内违约的可能性，它是一个离散变量，取
决于信用事件对手是否违约，而违约是否取决于某种概率分布。违约概率是度
量是否发生违约的可能性，·般取决于信用合约主体的信用质量、外部经济条
件以及合约的种类，例如有担保的贷款违约概率在其他条件相同情况下要比无
担保贷款的小。违约概率的测度是商业银行，投资者进行信用风险管理的首要
条件，往往来说，影响信用品价值的大小最主要的因素是违约概率，信用评级
的主要也是评判公司的违约概率的大小。只有计算出公司的违约概率，信用风
险定价才能得以继续，如果没有准确的违约概率度量，去考虑违约损失和违约
相关是毫无意义的。
二违约损失(10ss given default，LGD)
违约损失率是当违约事件发生以后，信用风险的承受者所承受的损失占全
部信用合约资金的比例，与其相对的是违约回收率，指的是信用事件发生以后
12
华东师范大学硕士学位论文
能够收回的资金占全部信用合约资金的比例，两者之和应该为1。
三信用暴露(credit exposure。CE)
信用暴露是当信用风险事件发生时，信用合约面临违约风险的金额。由于
违约的期限的不确定性，信用暴露也具有不确定性。对于传统的信用产品，例
如贷款和债券，信用暴露一般是未到期的利息和本金之和；而对于信用衍生产
品来说，信用暴露也随产品的特性而变化，很难事先准确确定。
四信用期限(maturity)
信用期限指得是信用合约的到期时问，合约期限是影响信用风险水平高低
的重要因素，一般说来，期限越短，信用风险越低。在巴塞儿协议内部评级法
中也规定根据债务期限长短来调整资产的风险权重。
五违约相关性(correlation)‘
信用风险的违约相关性是在信用工具组合中各单个信用工具违约与否的关
联程度。投资的多样性能够有效的分散金融风险，同样的，信用组合也可以相
对有效的分散信用风险，对于银行来说，可以将贷款发放给不同的行业和企业，
这样就可避免一个企业发生违约时而不至于导致全部贷款发生违约。一般来说，
不同的贷款人其信用水平是相关的，相关程度取决于宏观经济，行业，地域等
因素。信用违约相关性可以通过大量的历史数据进行模拟得到。
华东师范大学硕士学位论文
第三章信用风险管理方法和模型
第一节古典信用分析方法一专家分析法
信用风险专家分析法是一种最古老的信用风险分析方法，它是商业银行在
其长期的信贷活动过程中形成的一种比较有效的信用风险分析和管理的方法；
它通过银行信贷决策机构中经过长期训练、具有丰富的经验的信贷专家作出是
否贷款的决定，当然在专家决策过程中，其专业知识和主观经验是作出决定的
重要因素。
一专家分析法的主要内容
专家分析方法根据各个银行的自身条件对贷款人进行信用风险分析，但是
其也有许多共同之处，一般归纳为5C分析方法，即品德与声望(character)、
资格与能力(capacity)、资金实力(capital)、担保(collateral)、经营环境
(condition)。
(一)品德和声望
品德和声望主要是衡量借款人偿还贷款的诚意和意愿。信用风险分析专家
必须确定贷款人使用资金的目标项目是否和贷款合同规定的是否一致，是否符
合借款人的意愿，是否有明确的还款意愿。这一般涉及到贷款人使用贷款的真
实用途，使用资金的责任心，按时还款的诚心。贷款人的品德和声望可以通过
分析贷款人的历史真实的信用状况、历史的偿债纪录、与银行和借款人的全面
业务关系以及其全部的客户往来和业务状况得到。
(二)资格和能力
信用风险分析专家必须首先确定贷款人是否具有申请贷款的资格和合法权
利；其次才分析贷款人的经营管理能力和业务状况，如果贷款人不具备贷款的
权利和资格，不管其经营业绩有多么的优秀，给其贷款所带来的信用风险是无
法估量的；最后，在分析贷款申请人的资格和经营能力后，还必须分析贷款申
请人的还款能力，贷款的最终目的是收回本金和利息，所以贷款申请人的还款
能力是控制信用风险的重要指标。
(三)资金实力
主要指的是贷款申请人资产的价值、性质和其变现能力。信用风险分析专
家主要分析贷款申请人资产的流动性，特别是在其还本付息期间能够有足够的
现金流量来偿还贷款，同时信用风险分析专家还分析贷款人的股权结构和财务
杠杆状况，因为这些指标是反映贷款申请人是否破产的重要指标。
14
华东师范大学硕士学位论文
(四)担保
担保指的是贷款申请人提供的抵押品和保证人。信用风险专家主要分析贷
款申请人提供的抵押品的价值和性质以及流动性，对于第三方担保人还要分析
担保人是否具有担保资格，并且要审核担保人的资金实力及其提供的抵押品的
价值、性质和流动性。
(五)经营状况和经营环境
主要是分析贷款申请人自身的经营状况和其外部的经营环境，包括贷款申
请人的经营特点、经营方式、技术情况、竞争地位和市场份额；同时还包括贷
款人不能控制的外部经济环境，即政治因素、社会环境、商业周期、通货膨胀、
国民收入水平以及产业结构。
二专家信用分析过程
以上对贷款申请人的“5C’’分析，只是银行作出贷款决策前的最基本工作，
而在此工作完成之后，还需要进行较为复杂的分析过程才能完成贷款的最终决
6聋柬o
第一，银行要确定贷款人贷款的贷款意愿，怎样使用贷款，贷款申请是否
符合当前银行的政策和偏好，一旦贷款申请获得高级信贷专家的认可，银行对
贷款申请人的信用分析进入下一个环节。
第二，信用分析专家要对贷款申请人的资产负债表和损益表进行分析，审
定贷款申请人在贷款期问的经营稳定性；还要分析其经营成果、预算以及贷款
所用的商业计划。
第三，对于贷款申请人的财务状况进行审计，以便发现其提供的报表是否
真实。
第四，对贷款目的以及其商业计划所预测的现金流量状况进行评估，要对
贷款发放以后所遇到各种问题进行预测，并提出具体的解决方案。
第五，准备贷款文件和贷款合同；对全部问题要考虑详尽，如提款条件、
抵押和贷款使用的限制性规定以及违约条件。
三专家分析方法的局限和不足
第一，要维持专家分析制度需要相当数量的专业信用分析人员，银行必须
承担较高的维持成本。
第二，专家分析方法的实施效果非常的不稳定，具有的很大的主观性。
第三，专家分析方法容易形成经营管理过程中的官僚主义和寻租现象。
第二节线性概率模型、Logit模型和Probit模型
线形概率模型
华东师范大学硕士学位论文
如果要确定信用风险主要是由那些因素决定，简单的回归分析是一种最直
接的方法。令】，表示信用概率，Xt为影响信用质量的自变量，屏为各自变量对
信用影响的系数。基于回归模型，就可以得到基本的信用概率模型：
Y=Σ屈五+占
由于信用质量指标只有两种可能的值(例如O和l，代表不违约和违约)，
这是一个二项分布变量，在具体的估计过程中，一般估计在给定的X。情况下估
计】，会发生的条件概率，即E(y=lIx，)的概率，所以又称为线性概率模型。
按照回归分析的理论，假设E(6)=0，因此有：
E(y防)=Ep,x。
假设y：1的概率为P，则Y：0的概率是1-P，则有：
E(Y)=0x(1一P)+1XP=P
因此，
一P=Σp。Xi， 厶一‘l‘
这就是线性概率模型，通过历史的数据估计出系数屏的大小，并用来预测
将来发生的违约概率。
但是，在进行线性回归时，假设条件是正态分布和同方差，对于线性概率
模型的残差有：
F=】，一Σ,aiX，
由于y的值只有两种可能，所以占并不服从J下态分布，而是二项分布。
同时，对于s的方差来说：
Var(c)=P(I—P)
而P是取决于自变量X。
所以在线性概率模型中存在异方差现象，可以通过加权最小二乘法，将模
型两边同时除以P(1一P)，就可以消除异方差。
虽然，线性概率模型有一定的缺陷，但是可以通过一定的处理方法进行最
d,-乘估计，但是，自从线性概率模型诞生以来，除了早期在几篇论文中被研
究使用外，早就不受学者和银行的青睐了，究其原因，虽然线性概率模型具有
简单易懂的优点，但是有其根本缺陷性：
16
华东师范大学硕士学位论文
·第一，线性概率模型计算出来的条件概率P不能够符合概率的特性，它主
要取决于自变量及其系数，时而大于l，时而小于0。
第二，线性概率模型假设X和Y之间呈线性关系，不论自变量X的值大
小，其对违约概率边际影响完全取决于估计出的系数，并不符合现实的情况，
例如，如果假设资本结构为自变量，随着负债的比率越高，其对违约概率的影
响应该越来越大。
上述两个原因导致说明了在估计过程中必须对因变量进行限制：(1)条件
概率P要介于卜l之间，(2)P与X之间的关系是非线性的，当X越接近负
无穷，P以越来越慢的速度接近0；当X越接近正无穷，P以越来越慢的速度接
近l；以上说明因变量更像累积概率分布，随后的学术发展也证明了这一点，
而最常用的是两种累积概率分布函数：Logit模型和Probit模型，即当违约事
件发生的概率服从Logistic累积分布函数就是Logit模型：当违约事件的概率
服从正态分布函数，就是Probit模型。
二Logit模型
Logit模型就是假设违约事件的概率服从Logistic累积分布函数：
‘=南=专=南加，=fl,x,
当Y设为信用事件的违约概率，P为累积概率密度，则就可以得到Logit模
型。
。乙只=E(‘=1阳2寺
无论自变量Z接近正无穷还是负无穷，违约概率都在0和1之间，在Logit
模型中，因变量和自变量已经不是线性关系，但是，通过处理就可转换为线性
模型：
令南邓乙丘，乩刀(南)-Z，=Σfl,x,，
这就将发生违约的条件概率转换为发生违约相对于不发生违约的强度比，
这样就转换为线性模型，该因变量L就称为Logit，Logit模型就是由此命名。
同时，对于条件概率P和自变量X的关系：
面dP=tiP(1一P)，当P=。．5时，x对P影响程度最大，而x趋于正负无穷
时，P趋于0和1，此时影响最小。
对于Lo#t模型的系数估计，一般线性回归分析中，常用的最小二乘法并
不适用，因为在Logit模型存在异方差，可以通过最大似然估计，广义矩估计
17
华东师范大学硕士学位论文
等估计方法进行估计。
三Probit模型
由于基本线性概率模型不能保证违约条件概率0和l之间，所以才用概率
累积模型取代线性模型。最常用的除了上述的Logistic累积分布函数，还有累
积正态分布函数，假设违约条件概率为服从累积正态分布函数二项分布模型，
就称为Probit模型。
假设对于每一种样本的变量X，这些变量的线性组合可以得到一个数E，
使得I=Σ屈工，+q，其中毛满足标准正态分布。
当Z大于0时，企业违约，当Z小于0时，企业不违约，由于q满足标准
正态分布，所以Z也是正态分布，这样可以得出：
只=E(Y=1Ix，)=尸(r≥o)=N(Σ屈五+占≥o)=①(Σ屈x，)
则通过E=①。1(鼻)=屈置可以估计出屈的系数。
同样的道理，对于：
鲨dX=删Zp,x，)，其中①是标准正态密度函数，也就意味着在Probit模
型中，各个自变量对信用违约概率影响随着每一个自变量的变化而变化。
第三节Merton结构化模型
一基于Black-Scholes理论的信用风险定价原理
Mewton在1974年提出运用股票的期权定价方法对公司的信用风险进行度
量和定价，当然其中包括许多假设条件，而这些假设条件基本上来源于Black
Scholes定价理论。
假设1市场没有摩擦，没有交易费用和税收，资产是无限可分的，可以买
空和卖空，借款利率与贷款利率相同。
假设2有足够多的投资者，可以以市场价格进行任何规模的交易，保证了
在市场中无套利机会。
．假设3存在无风险资产，其回报率确定并固定不变。
假设4公司资产价值V满足Ito过程：
誓：adt+oz／w, ．．
K
华东师范大学硕士学位论文
其中∥是标的资产预期的瞬间收益率，or是标的资产的波动率，wf是一个
标准维纳过程。如果公司没单位时间有现金流出C(利息或者股利)，则公司资
产价值过程为：
誓：(∥一C)dt+trdw,
yf
在～般情况下，波动率固定的常数，而C假设为0
假设5在公司资产负债表的负债方，假设为股权E和一个零息、无赎回的
债务合约D，债务的到期日为T，面值为F。有V=E+D
假设6债务合约固定，起始公司没有违约
假设7在债务期限内，没有任何现金支出，没有任何其他公司证券的发行
假设8公司的破产成本为0
假设9股东只能债券人获得全部偿付以后，才能得到正的支付。
由此，公司只存在两类证券：面值为F、到期日为T的零息债券和股票。
并且如果一旦无法偿还债券面值，债券人将获得公司的全部资产价值，而股权
所有者一无所有。因此，到期时公司债券的价值是：
D7．(y，r)=min(Vr，F)
这就意味着公司债券的信用风险价值是基于公司价值的卖出期权价值，执
行价格是债务的到期面值F，到期日公司债务的期限T，具体如下：
咋≤F ％≥F
股权O 巧一F
债权巧F
对于债券的风险价值，可以采用无套利策略，债券人需要持有一个卖出期
权，假设其0时刻的价值为P，才能够得到无风险支付F，该卖出期权的执行价
格为F，即不管将来公司价值如何变化，债券人可以保证公司资产以F卖出，
从而保证债券得到完全支付。因此，对于要取得将来的无风险支出F，债券人
可以持有价值为D的多头和一个公司价值的卖出期权。因此，有：
Fe一”=Do+P
(其中，r是无风险借贷利率，D0是债券的现期价值)
而在t时刻有：
屁一7t～)=口+P
19
臻客孵藏大学硕士学德论文
对予公司的股权价值，有：
辱(y)=maxO，％一F)
其实具有公简股权价值就是基于公司价值的买入期权价值，其中执行价格
是F，期权期限为债券期限T。
因此，可以通过期权定价方法对公蠲股权价值和债券价值，在0到T之问
的任意时刻t，根据公司价值的随机过程表达式和№定理，可以得出以下关予
公司毅权豹偏徽分方程(PDE)：
扣缈2等Ⅲ等一rE,(V，+挈=。
根据Black．Scholes定价理论得到公司股权价值在t时刻为：
置(矿，T，t，，，F，∥)=VtN(d1)-Fe—dr哪N(d2)
其中，
ln(争m+了0．2灯-t)
dl=——羔————茹：毒，—一， a4T——t
d2：dl～∥而
㈨2去，引标准正态累积?稚函数)
此时的债券价值为：
n z K一互
=¨一(V,N(d1)-Fe一7‘rq’N(矗2))
=VtN(一d1)+Fe一7‘卜‘’N(a2)
丽样的道理，t时刻公司价值以F为执行价格的卖权价格P为：
恐+7《～’N(-d2)一VtN(-d1)
丽在我前分析有：
Fe州H’=口+只
从而得到：
p=Fe”‘卜‘’一只
=Fe一7‘r一’一(Fe—’‘7。外N(-d2)～Vt N(-d1))
=KN(一d1)+Fe一“～’N(d2)
由此可见，0时刻债券的风险价值为：
华东师范大学硕士学位论文
Do=VoN(-d1)+Fe”7 N(d2)
二利率的风险结构与违约利差
在上述关于债券的风险定价完成后，就可以分析债券利率的风险结构、违
约概率、违约利差以及预期回收率。一般在分析债券时都用收益率而非价格指
标，在Merton模型中，我们可以假设在连续时间下贴现债券的收益率为Y，那
么就有：
口(y，丁)=Fe一，‘r—o
v：一—In(D—'／／F) 7 T—t
那么对于公司债券和无风险债券的违约利差就是公司债券的收益率Y减去
无风险债券的收益率r：
C$t(r)一击In(N(d2)+毒岳N(训))
从上式中可以看出，公司债券的违约利差是公司准债务比p=Fe-'(r>钐的
增函数，同时，也可以看出信用风险利差也是公司价值波动率的增函数，但是
却与公司价值的预期回报率没有任何关系，这里的道理和期权定价原理是一样
的，在真实风险概率预期下，公司价值是以其预期收益率增长，但是在对金融
产品及其衍生品进行定价时，由于真实概率很难测定，所以一般通过lh融资或
无风险套利理论将其转换到风险中性概率背景下定价，而在理论上则是通过鞅
变换进行转换，转换后真实概率背景下的预期公司价值增长率∥就变为无风险
资产增长率r。
三Merton模型中的违约概率和隐含回收率
在0时刻，公司债券的价格为：
·Do=VoN(-d1)+Fe吖7 N(d2)
=．Fe-rT—U㈠2肥川一怒％)
而在不存在信用风险价差的时候，公司债券0时刻的价格应该为：艮1r
所以，信用风险的预期损失ECD为确保公司价值能够以F价格卖出所必须
持有的卖出期权的价格P：
2l
华东师范大学硕士学位论文
P=Fe一7rN(-d2)一％N(一d1)
=N(一删忍卅一雨NL(一-ddzl)J Vo)
一般说来，信用风险债券的预期损失为违约概率乘以违约损失，即：
EcD=PDxLGD
=N(一㈣(几川一而N(丽-d1)¨
所以，我们可以认为违约概率PD为：
N(-d2)
违约损失LGD为：
． Fe一，r一．N(-d1)Vo
N(-d2)
从违约损失可以看出，信用风险的贴现回收可以变相的看作为：
．堂N(-塑d2)％u
由此，可以看出信用风险债券的违约概率是由公司的财务结构、公司价值
的波动率以及债务期限决定，而违约损失率也是有上述的三个因素决定。并且，
可以看出，预期的损失率和回收率不是外生的，也不是固定的，而是随着时间
的变化而变化的，而目．违约概率和违约损失率是相关的。
第四节KIV模型
KMV公司在上世纪九十年代开发了一种基于股票价格信息的信用风险度
量模型，在世界得到了广泛的应用，在KMV模型中，将公司的风险贷款以及
风险债券看作为一种基于公司价值的期权，其理论基础是上述的Merton模型，
因此，该模型也被称为信用风险的期权定价模型，最主要的分析工具就是Merton
模型中的预期违约概率EDF，该模型又被称为EDF模型。KMV模型认为，上
市公司的股票价格变动隐含体现了公司信用程度变化的信息。
KMV模型的基本假设是：当公司的资产价值低于一定的水平时，公司就会
对债券人和股东违约，KMV假设在这一水平的相对应的资产价值为违约点，即
公司资产价值等于负债价值的点。同时假设在未来的一定时间内，公司价值服
从某一分布，这一分布由公司价值的期望和标准差描述，未来资产价值的均值
到清偿公司负债所需的价值之间的距离称为违约距离。KMV就是根据违约距离
华东师范大学硕士学位论文
和违约概率之间的函数对应性，预计出预期违约率，预期违约率是借款公司在
正常的市场条件下发生违约的概率，KMV模型认为只有当公司价值下降到违约
点以下，公司的违约时间才会发生，但是由于无法事先预期公司是否违约，所
以只能估计违约的可能性大小，所以KMV模型称为预期违约概率(EDF)模
型。．
如下图3—1所示，KMV的主要思想是根据公司价值的路径估计出当公司
债务的到期时公司价值的预期值，然后根据预期的公司价值和公司违约点之间
的距离(称为违约距离)估计出公司的预期违约率(EDF)。
所以，KMV模型估计公司预期违约概率分为三个步骤：
(1) 估计公司价值以及公司价值的波动率
(2) 估计公司的违约距离
(3) 估计公司的预期违约率
公司价值
∥≮粹⋯黼
0 T
图卜1 KMV模型示意图
一公司资产价值与资产价值的波动性
KMV模型继承了Merton模型的基本思想，将公司的股权看成为一种基于
公司价值的看涨期权，其理论基础主要是根据Modigliani以及Miller的资本结
构理论，资本结构中债权的优先偿还权和股权的后偿权在KMV理论中都被理
解为一种期权，因此Merton模型和KMV模型又被称为结构模型。
华东师范大学硕士学位论文
根据期权理论，可以根据公司价值来确定公司的股权价值和公司的债权价
值，但是公司资产价值是一个隐含变量，而公司的股权价值确是资本市场的公
开信息，所以通过股权价值确定公司价值以及公司的债券价值成为KMV最明
确的核心，也是KMV理论最大的优势。
当公司债权到期时，如果公司的资产价值小于公司的负债价值，公司就会
选择破产而不是偿还债务，构成了公司的违约风险；反之，若公司的资产价值．
大于公司的债务价值，公司股东必然选择偿还债务，因为偿还债务以后公司股
东还能取得剩余资产。所以公司价值和公司价值的波动性是影响公司是否破产
违约的重要因素。可以通过公司的股票价值及其波动性反向得到公司价值及其
隐含波动性，其过程如下：
首先，与Met'ton模型一样，公司价值依然服从几何布朗运动过程：
盟：础+odw,
圪。
公司的股权价值是公司价值的一个看涨期权，根据Balck—Scholes期权定‘
价理论，公司的股权价值为：
％=E(y，T，t，，．，F，盯)=VtN(d1)一Fel‘卜。’N(d2)
llnn((鲁古))++((，，．．+等+=)}()r(-rt)) dl=——』=_———1：：兰=．—一， a4r—．t
d2=dl一盯√再，
_=去F出c标准正态累积分布函数，
在上式中，只有公司价值K和公司价值的波动率仃是未知变量，根据It0．
Lemma，公司资产波动率仃和公司股权波动率％有以下的关系：
， 咿乏㈣盯
可以看出，杠杆越高的企业其公司股权波动性越高，以下两个方程可以解
出公司价值K和公司价值的波动率or两个未知的隐含变量。
％=V,N(d1)-Fe一7‘～’N(d2)
华东师范火学硕士学位论文
咿昙㈣矿
二违约距离
假设公司发生违约行为时所对应的公司价值是K，一般称为违约点，KMV
公司认为公司的违约点大概为公司的长期负债价值加上短期负债价值的一半。
因此，定义公司的违约距离(DD)为一段时间后公司价值的预期值与公司违约
点之间的距离，并且用公司价值在这段时间波动的标准差进行标准化，既：
DD：—E—(—V,—)7-．K一
公司价值满足几何布朗运动过程：
誓：pdt+odwt 矿
根据Ito--Lemma在风险中性的环境下，公司价值的预期增长率转化为无
风险利率，所以有：
dln(Vt)=(，一-譬)dt+仃以批
所以有：
ln(¨=ln(Vo)+(，．一等)H盯以
其中占是标准正态过程。
通过对数转化将违约距离定义为：
DD：型骘!唑：墅Vo茎：：兰。之-2
04t cr4T
三预期违约概率(EDF)
计算出违约距离DD以后，就可以从理论上计算预期违约概率：
EDF=只(形<K)=P(1n(Vt)一InK)=N(一DD)
‘很显然，这就是将违约距离从原始数据调整为对数数据的好处，可以直接
从违约距离得到违约概率。
从中可以看出，在Met'ton模型中，违约概率为N(一d2)，下面比较一下两
个模型中的违约概率：
华东师范人学硕士学位论文小噎：竺兰竺!：螳仃一T—t cr4T
DD：型型掌丝．：一ln(V。／／F)一+F(r-一专一-)T a—t 仃_T
由此可见，两个模型是一脉相承的，在在Met'ton模型中，在许多假设条件
下，根据期权理论和无套利定价理论，最后计算得到公司的违约概率和违约回
收率，这是理想的市场情况；而在KMV模型中，利用公司的资本市场的基本
信息计算出公司离违约点的距离，最终根据违约距离可以得到与Merton模型相
一致的理论违约概率和违约损失。
即便如此，以上理论上计算的预期违约概率和真实的可能有很大的差异，
为此，KMV公司通过全球的信用风险事件发生的频率和发生违约事件的公司理
论违约距离建立一个从理论违约距离到真实违约概率的映射，通过大量的数据
拟和，得到光滑的映射函数，具体计算过程如下：
经验违约概率EDF=弓娄掌等筹譬雾鼍譬甏纂盖馨簪
在计算出一个企业的违约距离时，可以根据历史信息得到的映射函数查出
企业的经验违约概率(Expected Default Frequency，EDF)
KMV违约模型充分利用资本市场上的信息资料而非企业的历史资料，来
对所有公开上市的企业进行信用风险度量和分析，因此，模型具有预测能力强、
高度的敏感性和前瞻性等优点，而且该模型是基于期权定价理论基础上的，在
理论上具有较强的说服力；另一方面，与其他现代信用度量模型相比，KMV模
型并不显得复杂，对数据的需求量也不大。因此，作为一种比较成功的信用风
险度量模型，KMV模型目前在国际上得到了广泛的应用，并取得良好的效果，
2004年推出的《巴赛尔新资本协议》推荐银行使用KMV违约模型作为内部
评级法。我国资本市场经过了十几年的发展正日趋成熟，股价也已变得相对理
性，股票价格在一定程度上能基本地反映公司的生产经营状况，也具备了模型
应用的一定基础。因此，本文选择KMV违约模型来度量我国上市公司的信用
风险，并通过我国目前的资本市场信息来研究和验证模型在我国目前情况下应
用的有效性。
26
华东师范大学硕士学位论文
第四章我国上市公司信用风险度量实证分析
第一节数据选择以及处理
一上市公司样本选择
根据中华人民共和国《上市规则》：最近两个会计年度上市公司的审计结果
显的净利润均为负值，或者上市公司的每股净资产低于股票面值或连续两个会
计年度亏损的上市公司将被特别处理，即被ST处理。如果公司未来一年继续亏
损，公司股票将被暂停上市交易，最终可能被终止其公司股票上市交易。因此
相对而言，ST公司要比一般正常的上市公司具有较高的信用风险。本文选取
2008年沪深两市被ST的20家上市公司和与其相匹配的20家非ST上市公司为
研究对象，为了最大程度的避免资产规模、行业因素和交易所的不同对本文测
定上市公司信用jxL险的干扰，选取与ST公司匹配的非ST公司的要求是：(1)
资产规模相近(2)同属于一个板块(3)同处于一个证券交易所；最终的选择
以下40家上市公司为研究对象，ST百花、ST道博、ST黑豹、ST华光、ST罗
顿、ST天龙、ST天目、ST通科、ST兴业、ST中农、ST宏盛、ST达生、ST东
海A、ST科建、ST科苑、ST派神、ST泰格、ST盐湖、sT银广夏、ST玉源、ST
远东、ST中冠A、长百集团、上海新梅、星马汽车、方正科技、工大高新、益
民商业、青海华鼎、华发股份、敦煌种业、士兰微、阳光发展、丽江旅游、
深桑达、德赛电池、湖北迈亚、博闻科技、莫高股份、渤海物流、七匹狼、
美欣达。其中ST公司20家，非ST公司20家，沪深两市各占一半。而本文研
究的样本数据选自2005年至2007年上述40家公司的财务数据和股票价格复权
每日收盘价数据。∞
二上市公司股权价值的确定
我国股票市场在发展过程中形成了比较特殊的股权结构，上市公司的股权
被分割为流通股和非流通股，并且流通股和非流通股之间有着较大的价格差异，
如果简单地将流通股价格乘以总股本作为上市公司的股权价值，必然会导致上
市公司股权价值的高估，最终导致测定的违约距离和违约概率的低估。本文采
取股权价值为非流通股价值加上流通股价值，非流通股价值为非流通股数乘以
每股净资产，流通股价值为流通股数乘以股票日收盘价的年度均值。
综上所述，得到股权价值的计算公式为：
20数据来源：Wind资讯
华东师范大学硕士学位论文
股权价值=流通股价值+非流通股价值
=股价日收盘价年均值×流通股股数+每股净资产×非流通股股数
(如果每股净资产小于零，则每股净资产取值为零：若上市公司在年内股
本结构发生变动，股本数则取其年加权平均值)
三违约点的确定
当上市公司的资产市场价值接近其债务面值总额时，公司违约风险增加；
当公司资产市场价值进一步下降，低于其负债面值总额时，公司发生违约事件：
但是，公司的负债总额中的长期负债并不需要公司立即偿还，这能够缓解公司
立即偿还债务的压力，据此KldV模型认为：违约点值处于公司负债总值与流动
负债之间的某一点，而且违约距离和违约概率的准确性对于违约点值的变动比
较敏感。因此，为了考察不同违约点值对违约距离识别以及对上市公司信用风
险的影响，本文设定了以下四种形式的违约点：
me,=CL+DL
必=CL+0．75DL
鹏=CL+0．5DL
De,=CL"4-0．25DL
．CL：公司流动负债DL公司长期负债
四股权价值波动率
在Black-Scholes(1973)期权定价模型中，变量。指股票收益率波动性
的标准差， Merton(1974)在股票期权定价理论的基础上发展出了信用风险
债务的估值模型，相应的期权标的物是公司的资产价值，所以模型中使用资产
价值变化率的标准差。而KMV模型则是用公司的股权价值和股权价值波动率来
反推出公司价值和公司价值的波动率，所以本文需要上市公司的股权价值和股
权价值的波动率，股票价值波动率仃，等于股权价值波动幅度的标准差，但是
股权价值波动率是无法直接获得的，所以文章以上市公司股票对数收益波动率
代替股权价值波动率。在假定股票价格服从对数正态分布基础上，股票收益波
动率是股票对数收益日序列的标准差来计算，假定年交易夭250天，假设股票
对数收益序列的波动标准差为仃’，有以下关系：
盯E=仃’√丽
假设股票日收盘价序列为St，则股票的对数收益率序列为：
c／
“，=In(。炊)
／Vt-I
所以股票日波动率为：
华东师范大学硕士学位论文
盯2
五无风险利率的确定
本文计算一年期公司违约距离和违约概率，所以无风险利率选择中国人民
银行规定的一年期整存整取的定期存款利率(表4-1)：
表4-1无风险利率一一年期存款利率
时间年利率
2005 2．25％
2006 2．52％
2007 3．87％
第二节KMy模型实证研究
一实证计算过程及结果
利用上述所得到的数据，根据KMV模型的计算方法，联立以下方程，可以
解除上市公司的资产市场价值形以及资产价值的波动率0-：
％=E N(d1)一乃一7‘～’N(d2)
咿毒㈣仃，P
。其牟：哇坐垒0-2dl 坠竺d2：dl一盯厉t，F为公司的违约点， (其中=—jL——声』——一， = 一盯√丁一， 为公司的违约点，
％为公司的股权价值，0-E为公司股权价值的波动率，期限为1年，r为无风险
利率)
根据KMV违约距离的计算公司，可以得出上市公司的违约距离DD：
DD=——l—n—(％——)+—(—，；一=一譬—)jrL
oqT
而公司的预期违约率为：EDF=N(-DD)
(具体的实证结果见本文的附录)
华东师范大学硕士学位论文
二实证结果统计分析
检验KMV模型是否适用于度量我国上市公司的信用风险要从两个方面来对
模型计算结果进行检验：(1)模型的计算结果是否可以明显地区分违约公司与
非违约公司；(2)如果模型适用于实际，它应当具有一定的事先判断能力，即
模型的计算结果是否可以用来反映随着违约发生日期的接近，而违约距离是否
有逐渐变小的趋势。对于第一种情况做截面分析，即检验违约公司与配对样本
公司违约距离的均值是否有显著差异；对后一种情况做时间序列分析，即分析
上市公司特别是ST公司的违约距离随着违约同期的临近是否有逐渐减小的趋
势。为此，我们作独立样本T检验。
(一)独立样本T检验
独立样本T检验21(Independent Sample T Test)是用于检验对于两组来
自独立样本，其独立样本空间的平均数或者中心位置是否一样的检验。独立样
本的方差q和口：是未知的，检验两个独立样本的均值是否一致：即检验原假设：
”I 2“2
为此，构造统计量T：
T=
X—Y 厩N2
其中，X：样本1的均值，】，：样本2的均值，Ⅳl：样本l的样本数，Ⅳ2：
样本2的样本数，s12：样本l的样本方差，簧：样本2的样本方差。
‘构造原假设和备选假设：
日。：ST公司和配对样本公司的均值不存在显著差异
日．：ST公司和配对样本公司的均值存在着显著差异
‘在确定了原假设和备选假设以后，根据计算出的ST公司和非ST公司的违
约距离，计算出不同违约点和违约距离的T统计量值，具体结果如表4—2i
从时间序列角度分析得出：在不同的违约点下，2005年到2007年，ST公
司的违约距离增加较非ST公司的快，一般说来，ST公司和非ST公司在2005
年和2006年两年独立样本T检验表明，两组样本有显著的差异，但是在2007
年两组样本数据的均值差异不是显著的，这可能和我国上市公司特别是ST公司
在2006至2007年之间发生巨大的股权结构改革有关，股票市场的整体结构变
2‘茆诗松，周纪芗。概率论与数理统计中国统计出版社1999 298．299
30
华东师范大学硕十学位论文
动导致了通过股票市场评估上市公司的信用风险的偏离，而且从原始数据可以
看出，在2006至2007年所有的样本公司的流通股股票价格都上涨了一倍以上，
而且ST公司的流通股股价上涨幅度更快，这导致了ST公司相对于非sT公司在
2007年信用风险的评估大大被降低，表现为2007ST上市公司的违约距离整体
上升，而非ST从而导致两样本的差异显著性的降低。
表4-2上市公司违约距离的独立样本检验‘
违约点时间违约距离均值T值5％临界值
sT公司非ST公司
De=CL+DL 2005 2．7569 3．2826 1．775l 1．7250
2006 2．9343 3．4289 1．6261 1．7250
2007 3．0852 3．2104 1．2241 1．7250
必=CL+0．75DL 2005 2．9088 3．3426 1．4306 1．7250
2006 3．2917 3．4329 1．6617 1．7250
2007 3．3308 3．4205 1．1017 1．7250
DP3=CL+0．5DL
2005 3．1469 3．3703 1．6530 1．7250
2006 3．3353 3．4875 1．5147 1．7250
2007 3．5496 3．3104 1．1251 1．7250
DP4=CL+0．25DL
2005 3．3805 3．5831 1．7341 1．7250
2006 3．5206 3．9554 1．7238 1．7250
2007 3．7999 4．4136 1．6716 1．7250
从不同的违约点变化的角度分析得出：当违约点为DP2=CL+0．25DL时，
独立样本T检验表明ST前2年的都能够准确的区分ST公司和非ST公司，并
且ST公司和非ST公司之间均值差异的显著性是逐渐变强的，但是在2007年
所有的违约点下计算出的违约距离都不能能够接受ST样本公司和非ST样本公
司来自不同的样本总体的原假设；当违约点是公司全部负债时，即
De=CL+DL，2005年ST和非ST公司的样本均值差异是比较显著的，而2006
年和2007年独立样本的T检验表明均值差异的显著性不大；即
鹏=CL+O．5DL，OF,=CL+0．75DL，即使排除资本市场整体结构的变化对
违约距离计算带来的影响，ST公司和非sT公司的两样本均值差异也不是显著
的，表明在此违约点下不能够通过KMV诊断区别ST公司和非ST公司。
(二)方差齐性检验
方差齐性检验就是检验两个样本是否来自于同一个样本整体，即其方差是
华东师范大学硕士学位论文
否具有齐性，其原假设是假设两样本具有方差齐性。方差齐性检验最基本的方
法是F检验22，其主要构造统计量F值：
，=要川n,-1,n2-1，
其中：n，：样本1的样本数，刀：：样本2的样本数，
砰：样本I的样本方差；簧：样本2的样本方差
对利用KMV模型度量出我国上市公司的方差齐性检验结果如表4-3：
表4-3上市公司违约距离DD的方差齐性F检验
违约点时间F检验
F P
DP,=CL+DL
2005 3． 151 0．038
2006 1．034 0．662
2007 1．303 0．585
DP2=CL+O．75DL
2005 2．866 0．462
2006 0．130 0．720
2007 0．496 0．486
DP3=CL+O．5DL
2005 1．266 0．268
2006 0．427 0．518
2007 0． 013 ·0．990
DP4=CL+0．25DL
2005 0．272 0．605
2006 0．853 0．361
2007 3．503 0．023
从方差齐性检验结果可以看出，利用KMV模型计算得出的违约距离在违约
点假设为DP3=CL+O．5DL，DP4=CL+0．75DLs时，不能够拒绝ST公司和和
非ST公司的违约距离样本来自于同一个样本总体，而当违约距离为
DP2=CL-I-0．25DL，可以看出，在2007两个样本的方差齐性假设是被拒绝的，
而且从2005到2007年，虽然前两年不能够拒绝两样本是齐性，但是其接受原
假设的概率是越来越小的，可以认为随着ST被ST的期限的接近，KMV模型
度量效果是越来越好的，得出的结论和独立样本检验是一致的。
三实证结果成因分析
22茆诗松，周纪芗．概率论与数理统计中国统计出版社1999 302．303
32
华东师范大学硕士学位论文
从上述的实证结果统计学角度分析得出，随着ST期限的临近，ST公司的
违约距离的总体均值是越来越大的，这明显和理论不符，一般说来，当时间临
近ST期限时，由于上市公司的信用质量下降，ST公司的违约距离应该是越来
越小的，表示公司的违约距离是越来越大的，这一点以前的学者在中国上市公
司的信用风险实证过程中得到了证实；另一方面，从两个样本出发，统计检验
得出的结果也不是随着ST时间的接近，两个样本的差异性是越来越大，特别
是在STq前一年即2007年，不能够接受sT样本公司和非ST样本公司的来自
不同的样本总体的假设，表示KMV模型的实证结果不能够有效地区分ST公司
和菲ST公司。
究其原因，本文认为，在中国股票市场出现重大的结构性变革时，运用KMV
模型度量上市公司的信用风险会出现紊乱现象，即不能够从时间截面角度得出
随着被ST期限的接近而上市公司信用违约距离应该是降低的，究其原因是由
于2006年和2007年我国上市公司以流通股价计算的上市公司价值得到大大的
提升，导致整体信用风险违约距离的提高；但是在排除这一变革的影响，而当
我们设定上市公司违约点为腿=CL+0．25DL时，KMV模型整体区别ST公司
和非ST公司的信用质量是有效的，并且其整体区分ST和非ST公司的作用是
越来越强的。所以本文认为，在排除股票市场结构性改革对上市公司的影响后，
KMV模型用于度量我国上市公司的信用风险是有效的，并且认为我国上市公司
的信用违约点在必=CL+0．25DL左右，即从另一个方面说明我国上市公司的
长期负债平均偿债期限大约为四年。。
第三节Logistic实证分析
利用KMV模型对我国上市公司信用风险度量分析结果表明，虽然能够有效
的度量我国上市公司的信用风险，但是其效果受到我国股票市场这两年结构性
变革的影响，造成了模型输出结果和效果的不稳定，所以本文利用传统的财务
分析和现阶段主流的Logistic方法对上述相同的样本数据做出信用风险的评
估。．-
Logistic回归模型建立的关键就是财务指标的选择。对于Logistic回归模
型财务指标体系的建立，国内外的研究者主要是根据经验和直觉以及发生财务
困境公司的严重恶化指标，作为实证研究的备选预测变量，再经过大量的统计
检验筛选出在模型中相对比较显著的变量，在此本文仍然利用独立样本T检验
来检验ST公司和非ST公司之间有显著差异的财务指标。
华东师范大学硕士学位论文
一财务指标的选择
本文选取财务指标的原则：
第一，考虑以前学者研究中采用的财务比率，以前关于财务困境的研究中
所采用的财务比率有一定的合理性和科学性，例如，经典的Airman的Z分析
模型所选用的5个财务比率是从以前研究经常采用的22个财务比率中经过大量
计算筛选得来的。
第二，可获得性原则，有关上市公司的财务指标很多，但是有些指标是很
难获得，这对研究将是有一定的局限性，所以本文采用的所用指标都能够从公
开市场中获得的。
第三，可比性原则，财务指标的选择应具有可比性。无法比较的指标将不
予考虑。
第四，体现公司偿债能力的原则，偿债能力是指公司偿还到期债务的能力，
是衡量公司信用状况好坏的重要指标，其与公司是否发生信用事件密切相关的。
第五，反映公司资产管理能力的原则。资产管理能力是指公司在生产经营
中各项资产周转速度所反映出来的公司资产运作效率，它不仅能反映公司的资
产管理水平和资产配置组合能力，而且也影响着公司的偿债能力和盈利能力。
公司的资产组合越先进越合理，资产周转速度越快，资产管理能力也就越高，
所获得的盈利就越多，公司就有足够的资金偿还到期债务，发生违约的可能性
就越低。
第六，反映公司盈利能力的原则。企业的盈利是其偿还到期债务以及维持
其自身持续经营的重要资金来源，也是公司从投资者和债权人那里获得资金的
信用保证。盈利能力越强，公司偿还到期债务就越有保证，发生违约的可能性
越小。
第七，反映公司成长能力的原则。成长能力指标是对公司的各项财务指标
与往年相比的纵向分析。通过成长能力指标的分析，能够大致判断公司经营状
况的变化趋势，从而对公司未来的发展情况做出准确预测。
‘第八，反映公司现金流量的原则。现金流量指标反映现金流量信息。按照
现行会计制度的权责发生制原则计算的财务指标难以全面反映上市公司真实财
务与盈利状况，用现金流量表示的指标能够与之相互补充。
根据以上八个原则本文确定了22个上市公司的财务指标作为实证研究的
对象，如表4-4，在选定22个财务指标以后，本文对ST和非ST上市公司的上
述22个财务指标做出差异性检验就是为了能够更好的选择得到在ST前一段时
间ST上市公司表现出的财务指标的差异性，这样就可以运用Logistic实证分析
的方法分析这些财务指标是怎样影响上市公司信用风险。
’ 华东师范人学硕士学位论文
指标标号
资产负债率Xl
保守速动比率X2
偿债能力指标速动比率X3
流动比率X4
有形净值债务率X5
总资产周转率X6
净资产周转率X7
固定资产周转率X8
经营能力指标流动资产周转率X9
应收账款周转率XlO
存货周转率． ． Xll
总资产同比增长率X12
净资产同比增长率X13
成长性指标主营业务收入同比增长率X14
净利润同比增长率X15
每股经营性现金流量同比增长率X16
资产净利率X17
资产报酬率X18
盈利性指标主营业务利润率X19
摊薄每股收益ⅪO
现金流量指标EBITDA／主营业务收入勉l
债务总额／EBITDA X22
二财务指标的差异性检验
由于上市公司的财务指标的变化不是正态分布的，在第二节中传统的方差
齐性检验将不再适用，为此本文引入Leven方差齐性检验。Leven方差齐性检
验是由H．Leven在1960年提出，N．B．Brown和A．B．Forsythe在1974年对Leven
检验进行了扩展，使对原始数据的数据转换不但可以使用数据与算术平均数的
绝对差，也可以使用数据与中位数和调整均数(trimmed mean)的绝对差，这就
使得Leven检验的用途更加广泛。Levene检验主要用于检验两个或两个以上样
本间的方差是否齐性，要求样本为随机样本且相互独立，上节中F多样本方差
齐性检验主要用于正态分布的资料，对于非正态分布的数据，检验效果不理想。
对XI——-X22做出独立样本T检验和方差齐性Lcvene检验，结果如下表4-5-
华东师范大学硕士学位论文
表描财务指标的差异性检验
指标时间T值P值Levene值Sig值
资产负债率X1 2005 2．3610 O．0235 17。1140 0。0001
2006 2．5172 0．0162 16．5566 0．0002
2007 2．3334 0．0250 15．8219 O．0003
保守速动比率X2 2005 ．0．7999 0．4287 O．0149 0．9035
2006 ．0．4921 0．6255 0．6623 0．4208
2007 —0．3362 0．7386 1．9622 O．1694
速动比率X3 2005 ．0．7999 0．4287 0．0000 0．9995
2006 ．0．492l 0．6255 1．9680 0．1688
2007 ．0．3362 0．7386 2．9002 0．0967
流动比率X4 2005 ．1．7043 0．0965 0．1010 0．7524
2006 一1．2398 0．2226 l。9256 O．1733
2007 ．1．4420 O．1575 1．8927 O．1770
有形净值债务率X5 2005 ．1．5164 0．1377 10．152l 0．0029
2006 ·1．2196 0．2301 5．3299 0．0265
2007 -1．9162 0．0629 2．3452 O．1340
总资产周转率X6 2005 ．0．9327 0．3568 O．118l 0．7330
2006 -1．7169 0．0941 0．4407 O．5108
2007 ．1．4292 0．161l 0．0605 0．8071
净资产周转率X7 2005 1．0915 O．2819 7．6149 0．0089
2006 1．3099 0．198l 9．2982 0．0042
2007 2．0606 0．0520 6．2465 O．0169
固定资产周转率X8 2005 ．0．5946 0．5556 0．0541 0．8172
2006 ．O．7133 0．4800 0．3067 0．5829
2007 ．0．9667 0．3398 2．2946 0．1381
流动资产周转率X9 2005 ．1'3131 0．1970 0．8334 0．367l
2006 ．1．6152 O．1146 2．1213 0．1535
2007 ．0．6290 0．533l 0．0036 0．9527
应收账款周转率XIO 2005 0．2409 0．8109 1．2779 0．2654
2006 ．0．7833 0．4383 0．1419 0．7085
2007 ．1．0080 0．3198 4．3130 O．0446
存货周转率X11 2005 0．7680 O．4472 2．2097 0．1454
2006 0．9790 0．3338 3．6517 0．0636
华东师范大学硕士学位论文
2007 0．8628 0．3936 2．7462 O．1057
总资产同比增长率X12 2005 ．3．1920 0．0028 1．0424 O．3137
2006 ．1．1562 0．2548 0．5875 O．4481
2007 ．3．5075 0．0012 3．9741 0．0534
净资产同比增长率X13 2005 ．2．4656 O．0183 12．7451 0．0010
2006 0．5447 0．589l 5．6780 0．0223
2007 0．4674 0．6429 3．4254 0．0720
主营业务收入同比增长率2005 ．0．9242 O．3612 1．0917 0．3027
X14 2006 ．1．0149 0．3166 3．0710 0．0878
2007 1．3189 O．1951 6．2799 O．0166
净利润同比增长率X15 2005 ．2．0477 0．0475 13．5375 0．0007
2006 2．6326 0．0308 4．4474 O．0364
2007 ．2．7176 0．0274 5．5645 0．0267
每股经营性现金流量同比增2005 0．6494 0．5200 2．2016 O．146l
长率X16
2006 -0．0323 0．9744 1．8479 O．1820
2007 0．2379 O．8132 2．8390 O．1002
资产净利率X17 2005 —2．3093 0．0265 5．124l 0．0294
2006 ．O．9212 0．3628 O．1673 0．6848
2007 ．1．6837 O．1004 2．4384 O．1267
资产报酬率X18 2005 -2．2915 0．0276 3．8435 0．0573
2006 ．1．4676 O．1504 0．0097 0．922l
2007 ．1．4821 O．1466 1．6229 O．2104
主营业务利润率X19 2005 ．1．3480 O．1857 0．6292 0．4326
2006 ．1．1089 0．2745 0．5346 0．4692
2007 0．7789 O．4409 5．8042 0．0209
摊薄每股收益X20 2005 ．2．8856 0．0064 7．9527 O．0076
2006 ．2．3922 0．0120 8．0324 0．0065
2007 ．1．855l 0．0414 8．1929 O．0030
EBITDA／主营业务收入X21 2005 ．1．6568 O．1058 7．2950 O．O103
2006 ．O．1929 0．848l 3．0577 0．0884
2007 ．0．9553 0．3455 4．3705 0．0433
债务总额／EBITDA X22
2005 2．1333 O．0442 5．2550 0．0275
2006 2．5306 0．0418 4．4399 O．0418
2007 2．9675 0．0394 5．3600 0．0221
37
华东师范大学硕士学位论文
通过对ST和非ST公司的22财务指标进行独立样本T检验和方差齐性
Lvene检验，结果表明：3年能够全部拒绝两项检验原假设的财务指标(说明有
明显的差异)有：资产负债率Xl，净利润同比增长率X15，摊薄每股收益X20。
债务总额／EBITDA X22。其中净资产周转率X7能够拒绝方差齐性检验，尽管
不能够全部拒绝独立样本T检验，但是可以明显看出其接受原假设的概率随着
ST时间的接近是越来越小的，并且在2007年几乎拒绝原假设，从上述两个方
面本文认为净资产周转率X7指标在ST和非ST公司之间有明显的差异。
综上所述，本文选取资产负债率X1、净资产周转率X7、净利润同比增长
率X15、摊薄每股收益X20、债务总额／EBITDA X22作为Logistic实证分析的
估计变量样本数据。
三Logistic实证结果
对财务指标Xl、X7、X15、X20、X22进行Logistic分析，首先要排除多重共
线性，对上述五个变量的协方差(结果如表4-6)做出检验，发现五个变量之间
的任意两个协方差都没有超过0．8，可以认为五个变量之间没有多重共线性。
表4-6财务指标的协方差矩阵
X1 X7 X1 5 )(20 )(22
X1 1 ．o．116306 0．0936 ．0．5706 O．0976
X7 1 0．1331 O．1841 -0．0176
X1 5 1 O．1023 0．0958
)(20 1 0．2068
X22 1
在检验完五个待估计变量没有严重的多重共线性后，可以将五个变量代入
模型进行参数估计。估计结果如下：
z=109(—L)：1．7384—2．3847X1一O．1 1 66X7+0．0024X1 5+1．555 IX20+0．03446X22
l一刀
模型具体参数的输出结果和Z检验结果如表4．7
表禾7中可以看出：除了X7的系数显著性比较低，其他的变量的参数估计值
都是显著的，这和我们选取的变量X7独立样本T检验不显著有关，即使如此，模
型检验表明X7系数在模型中显著为0的概率是0．2063，本文认为也是可以接受的。
下面看模型的整体性检验，采用模型Z2统计量对Logistic回归方程进行整体
检验。模型Z2统计量检验与多元线性回归的F检验十分类似，它是用来检验模
型中所包含的所有的自变量是否对因变量有显著的解释能力，可以提供关于零假
设(即“除常数项外的所有系数都等于0”的假设)的检验。一般说来可以通过
构造似然比(LR)统计量来检验模型的整体显著性。模型的输出结果(如表4-7)
38
华东师范大学硕士学位论文
表明模型的I．R检验是拒绝原假设的，可以认为回归模型整体是显著的。
表4-7 Logistic回归结果
四Logistic实证结果分析
Logistic模型Z值表明上市公司发生违约时间的机会比例，Z值越小，说明
上市公司的违约机会比越大，发生违约的概率越大，从输出结果可以分析财务
指标对信用违约概率的影响程度。
Z=log(士)=1．7384—2．3847X1—0．1 166X7+0．0024X15+1．5551X20+0．03446X22
l—p
、X1的模型输出系数为．2．3847，说明随着资产负债比的增加，上市公司发生
违约的机会比是增加的，上市公司的资产负债比例增加一个百分点，其发生违
约事件的机会比增加2．3847个百分点，资产负债指标和Merton模型的准债务
比P=Fel¨叫名有是大致一致的，而在Merton模型中公司的信用违约利差是
／7t
准债务比的增函数，这说明两个模型的结果是相对一致的；X7的模型输出系数
为．0．1166，说明随着公司的净资产周转率的增加，公司发生信用风险事件的机会
比是增加的，这和现实情况是不相符合的，但是其影响弹性不大，发生这样状况
的原因还是由于X7对于ST公司和非ST公司不是明显显著有差异的；X15、
X20和X22的模型输出系数0．0024、1．551、0．03446，说明随着净利润增长率、
每股收益以及债务总额／EBITDA的增加，公司发生信用风险事件的机会比是降
低的，其中每股收益的影响程度比较大，其他两项比较小，其中X22的输出系
数和现实状况是不相符合的，究其原因是由于这个指标和X1有其相似之处，都
39
华东师范大学硕士学位论文
是公司债务的比率，这样以来模型对于X1的输出可能影响X22的有效性，每股
收益对公司信用风险机会比的影响程度比较大，这和KMv的思想是不谋而合的，
公司的每股收益越高，公司的股权价值必然越大，由此得出的公司的资产价值
也就越大，公司发生违约的可能性也就越低。
Logistic模型作为一种定性响应模型，关键是对模型的中样本做出二分法的
判断，即通过模型的输出结果来判断样本来源的性质，在本文建立的模型中主
要是判断ST公司的样本通过模型能够得出其仍然是ST的结论，这样的判断有
很强的使用价值，如果判断成功率比较高，那说明用Logistic模型来度量我国
上市公司的信用风险是行之有效的。曲于预测是根据样本做出的，总会存在做
出错误判断的可能，所以在进行评价模型预测准确性时，应该对分类的错误率
引起注意。分类错误分为第1类错误和第1I类错误。第1类错误是指将ST
公司误判为非ST公司：第Ⅱ类错误是指将非ST公司误判为ST公司。这
两类错误带来的风险是不同的，对于第1类错误，由于将ST公司误判为非
ST公司，会误导投资者或者债权人出错误的决策，从而面临着巨大的损失，
因此犯这类错误的成本是非常高的。而第1I类错误只会令投资者或者债权人
提高警惕，决策时更为保守和慎重，而其损失的只是一个投资机会。因此相对
而言第1类错误要严重得多，应该尽量控制第1类错误，当然还要取决于模
型使用者的风险偏好。
Logistic回归模型在理论上并不存在最优的概率分割点，也就是说理论上
ST和非ST公司的概率分割点可以是【O，1】区间上的任何值。当概率分割点不同
时，模型预测结果导致模型发生第1类错误和第1I类错误的频率也不同，往
往一类错误的减少同时就意味着另一类错误的增加。本文对概率分割点分别取
0．2、0．3、O．4、0．5、0．6，以观察第1类错误和第1I类错误发生频率的趋势，
最终希望以选择适合的风险偏好的概率阀值。由上面经过检验得到的Logistic
回归方程，分别以选定的概率分割点为判定点，对原始样本进行回代，得到模
型的判断结果如表4．8所示。随着概率分割点的增大，第1类误判率逐渐增大，
相反的第1I类误判率在逐渐减小，但预测准确率却在不断地提高。当概率分
割点为0．5，0．6和O．7时，预测准确率最高，和模型的先验概率值为0．5是基本
一致的，以后预测准确率开始下降，这样所构造的Logistic回归模型对样本的预
测准确率为92．5％。
同时利用模型的样本数据可以对样本公司的来源性质进行预测，具体的预测图
形和结果如图4．1所示，从图4．1可以看出，第14家和第19家ST公司以及第9
家非sT公司出现异常值，他们分别是ST东海～sT远东，青海华鼎，下面我们
再看KMV模型输出的当违约点DP4=CL+O．25DL为上述三家公司的违约距离DD
华东师范大学硕士学位论文
值如表4-9所示。KMV的输出结果表明KMV也是对这三个公司的性质判断和
Logistic模型是一致的，其中sT东海在2005至2007期间发生了债务重组，大
股东免除债务等重大事件，并且其主要经营旅游业务，随着我国GDP的增长，
人民收入水平的不断提高，其也也出现明显好转；ST远东也因这期间公司股权
结构和公司治理层发生重大改变而导致其股价发生多次异常波动，导致了模型
的输出结果发生错误。．
概率分原始性质值预测性质值第1类第1I类预测准
割点(O．ST，1．非ST) 0 l 误判率误判率确率
0． 2 20 O 15 5 25％ O％ 87．5％
20 l 0 20
O．3 20 0 17 3 15％ 5％ 90％
20 1 l 19
0．4 20 O 17 3 15％ 5％ 90％
20 l 1 19
0． 5 20 O 18 2 10％ 5％ 92．5％
20 1 l 19
0． 6 20 0 18 2 10％ 5％ 92．5％
20 l l 19
0．7 20 0 18 2 10％ 5％ 92．5％
20 l l 19
O． 8 20 O 18 2 lO％ 20％ 85％
20 l 4 16
表4-9异常公司的违约距离值
2005 2006 2007
ST公司均值3．3805． 3．5206 3．3999
非ST均值3。5831 3．9554 4．4136
ST东海A 4．3439 6．4352 5．4448
ST远东7．6460 8．6175 9．0295
青海华鼎2．0195 2．6213 2．0670
41
华东师范大学硕士学位论文
Forecast：ZF
Actual：Z
Forecast sample：1 40
Included observations：40
Root Mean Squared Error
Mean Absolute Error
Mearl Abs．Pekent Error
111IeiI k=equality Coefficient
Bias ProoortJon
Variance Proportion
CovarJance Proportion
图4．1 Logistic模型预测图
利用2005，2006年2007年数据代入模型得出公司违约的机会比并且以
o．5．0．7为概率断点进行判断，得出的判断准确率分别为：90％，92．5％，95％．
说明随着被ST的期限接近，模型的预测准确率是上升的，模型是相对有效的。
总体来说，Logistic模型对于我国上市公司的信用风险评估是相对有效的，
这也是其成为我国现阶段主流的分析手段，特别是在KJVtV模型受到整个股票
市场发生重大变革时形成了输出结果在时问层面的不稳定性和不显著性，
Logistic模型显得十分使用，因为Logistic模型主要是从公司的主要财务指标出
发来评估公司的信用风险，。虽然公司的股权价值发生大幅度增加，但是公司的
财务指标却没有发生根本性变化，这说明了KMV过分依赖股票市场的变动的
弱点，但是Lo西sdc模型却不能相KMV模型对公司的信用风险做出动态的分析，
只能是比较静态分析，随着我国资本市场的发展，特别是债券市场的发展，必
然要求对我国上市公司的信用做出动念分析，可以这样来说，随着我国股票市
场的日益规范有效，KMV模型的评估效果必然会越来越强，而且也是我国信用
品和信用衍生品市场发展的必然要求。
42
4
O
4
5
5
7
8
3
6
1
2
2
0
6
8
4
9
3
9
9
1
6
5
3
6
0
6
2
7
6
9
O
O
2
7
2
1
6
2
O
1
8
O
O
8
O
0
O
O
华东师范大学硕士学位论文
第五章结论与建议
第一节本文的研究结论
本文以我国20家ST和与之对应的非ST上市公司为研究对象，通过实证
分析对中国上市公司信用风险进行度量，试图通过信用风险的实证度量寻找适
合我国上市公司的信用风险度量的模型，经过研究有如下结论： ．
第一，我国最近时间的股权分置改革对于我国上市公司信用风险度量的
KMV模型方法有巨大的影响，KMV模型度量的我国上市公司违约距离在2005
年和2006是能够有效的区分我国公开市场的ST公司和非ST公司，但是在2007
年不能够显著的区分ST公司和非ST公司，并且我国上市公司特别是ST的违
约距离在2005至2007是普遍上升的，现实的情况应该是随着时间接近公司被
ST的期限度量出的违约距离是越来越小的，即违约概率是越来越大的，这主要
原因是由于股权分置改革的进行，我国上市公司的股权市场价值是逐年上升的，
对KMV模型的输出结果有重大的影响。
第二，排除股权分置改革对我国上市公司违约风险的整体影响，KMV模
型度量我国上市公司的信用风险是有效的，特别是当模型违约点假设为
De,=CL+0．25DL即流动负债与四分子一的长期负债的和时，模型输出结果可
以显著的区分ST公司和非ST公司。
第三，建立了基于我国上市公司财务信息的Logistic模型，该模型对样本
数据的输出得到了92．5％的准确率，并且根据三年财务数据对我国上市公司是
否ST的判断准确率分别是：90％，92．5％，95％，说明现阶段传统的Logistic
模型对于我国上市公司的信用风险度量是有效的。
第四，选择了22个指标构造了建模的指标体系，最后留在模型的只剩下5
个指标，其中资产负债率X1、净资产周转率X7、净利润同比增长率X15、摊
薄每股收益X20、债务总额／EBITDA X22，可见在我国目前的证券市场上，当
上市公司陷入信用危机时，偿债能力、经营能力和盈利能力的恶化是其主要的
原因。因此提高上市公司的经营管理水平和获利能力是避免公司陷入信用危机
的关键。
43
华东师范大学硕士学位论文
第二节政策建议
第一，大力进行我国信用文化建设和信用体系建立的工作，纵观历史，随
着信用的出现，对信用的评估方法和模型也在日新月异的发展，但是管理信用
风险不是靠先进的方法和模型，而是健康的信用文化和完善的信用体系。
第二，尽快建立我国的上市公司的信用数据库，特别是完成我国的上市公
司的信用评级和建立从违约距离到经验违约率的函数映射，只有如此，利用资
本市场的公开信息对上市公司信用风险度量工作才能是有实际意义的。从理论
上来看，只有在准确的度量出信用风险带来的全部损失的基础上才能有效地进
行单个信用产品的信用风险管理，现在我国的信用风险度量由于信用违约事件
的披露信息不完善，只能进行到度量上市公司的信用违约距离和理论违约率，
而对于实际违约概率和违约损失的评估工作国内尚未有开展，更不用说对于信
用违约事件的信用相关性分析，所以建立我国上市公司的信用数据库，完善对
信用事件的披露制度是开展信用风险管理工作的基础，在此基础上建立适合我
国的信用转移矩阵和信用相关性矩阵，由此完成从时间角度上的动态信用评级
和从组合角度的信用组合管理。
第三，发展和完善我国资本市场的规章制度，对于股票市场要完善公开信
息的披露制度，不仅仅是对信用风险的评估工作有很大的功效，也是对证券投
资者的公平负责；大力发展债券市场，只有股权市场和债权市场的均衡发展才
能保证上市公司的公司价值的有效地反映在公开市场信息，才能隐性的实现对
我国上市公司市场价值的无套利定价，确保股权价值和债券价值的有效性。
华东师范大学硕士学位论文
附录
一违约距离计算的VBA程序
Subdd()
Sheets(1)．Select
Dim change，val_company,vol_asset，vol_enquity,val_cnquity As Range
Dim changel．change2 As Range
Dim right2 As Range
Dim iAs htegcr
SolverReset
SolvcrAdd CellRef：=”$b$1 6”，Relation：=2，formulaText：=”$b$7”
SolvetOk SetCell．-=”$B$18”，MaxMinVal：=3，ValucOf：=”0”，byChange：=”$B$3：$B$4”
solversolve
Fori=1 To 20
solversolve
Range(’'b l”)．Select
Range(Selection，Selection．End(xlDown))．Select
Selection．Copy
Sheets(”sheet2”)．Select
Cells(1，i+1)．Select
Selection．PasteSpeoal Paste：=xlPasteAll，Operation：--xlNone，SkipBlanks．---一
False，Transpose：=False
Sheets(”sheetl”)．Select
Cells(1，i+2)．Select
Range(Selection，Selection．End(xlDown))．Select
Selection．Copy
Range(”B 1”)．Select
Selection．PasteSpecial Paste：=xlPasteAll，Operation：=xlNone，SkipBlanks：=一
False，Transpose：=False
Next
EndSub
45
华东师范人学硕士学位论文
二违约距离计算结果
2005年ST公司违约距离为幽=CL+DL实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DD
st百花587404688．6559 0．293l 2．3644
st道博434076309．1701 O．08ll 1．4766
st黑豹8521 33200．3289 0．2572 3．6819
st华光1544121525．5708 O．0360 1．9975
st罗顿1441928968．4507 O．3760 3．3925
st天龙984783889．7474 0．1020 2．0145
st通科1384176596．8464 0．1840 2．6030
st兴业9354805l 8．2585 0．2024 3．1556
st中农929439734．Ol57 0．3456 3．5574
st宏盛2751241850．2942 0．2630 2．397l
st达生1 403689270．7300 0．2673 2．3164
st东海A 748508652．5995 0．3658 3．4425
st科建2314876402．6119 O．1138 1．9322
st科苑1035301580．8203 0．1920 2．1022
st派神9084 l 9800．7893 0．3729 2．5387
st盐湖1680779331．77l l 0．2955 2．2005
st银广夏2109146623．5669 0．1698 2．3204
st玉源1272508 l 67．0867 0．1715 2．8275
st远东59 1 268604．9044 O．5173 5．4533
st中冠A 1 077366004．6892 0．4665 3．3638
华东师范大学硕士学位论文
2006年ST公司违约距离为础=CL+DL实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DD
st百花545 173910．8276 0．2679 3．0194
st道博361547723．01 12 0．0424 2．4539
st黑豹889539920．969l 0．2691 3．3428
st华光1 385993201．0956 0．0287 2．2834
st罗顿1496947912．5149 0．3017 3．2296
st天龙1031053735．1449 0．0840 2．5501
st通科1493119252．2804 0．1807 2．5547
st兴业956869l 27．7753 O．1855 3．4114
st中农970151968．8976 0．4398 3．3890
st宏盛4378550930．8030 0．1719
‘
1．9693
st达生l 337062999．4 1 03 0．264l 1．9615
st东海A 922240208．0263 0．4035 3．5700
st科建2 l57865528．4309 0．0692 2．4920
st科苑9896l 8958．0195 0．3223 1．0067
st派神823907533．4602 0．2854 3．5755
st盐湖1 530625364．9388 O．2605 2．6685
st银J．．夏1 925708604．6 l 38 0．2320 3．5406
st玉源l 005308408．5873 0．2350 2．4057
st远东642738067．41 97 0．4536 6．0944
st中冠A 986416259．4017 0．555l 3．1664
47
华东师范大学硕士学位论文
2007年sT公司违约距离为础=CL+DL实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DD
st百花11 15143122．4908 0．4719 3．1035
st道博270087370．1 54 l 0．1625 2．1437
st黑豹1 779220089．5 I 70 0．4308 3．326I
st华光l344750523．2500 0．0897 ’1．8296
st罗顿3189499313．7719 O．4319 3．3385
st天龙1462237289．1l 29 0．4739 1．59lO
st通科4045309550．3 l 97 0．2436 5．9609
st兴业1637661990．913l 0．4334 3．4544
st中农2816168015．0870 0．6501 3．2588
st宏盛4263035583．2958 0．2299 1．9693
st达生1853l 15824．5772 0．366l 2．3852
st东海A l 832922629．6932 1．0367 2．7832
st科建24432147"1 1．8160 0．1416 2。4113
st科苑1318382519．955l 0．2221 2．9535
st派神1 54 l 588438．3348 0．4711 3．2796
st盐湖l 567867279．2684 0．3365 2．1069
st银广夏460330238 1．5201 O．5130 3．0730
st玉源l 7841 69298．8767 0．2887 2．9908
st远东l 333888950．3544 O．5109 6．6075
st中冠A 1518380320．6051 0．761l 3．1372
华东师范大学硕士学位论文
2005年ST公司违约距离为啦=CL+O．75DL实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DD
st百花534472886．42 O．32 2．48
st道博353827118．18 O．10 1．50
st黑豹784412536．13 O．28 3．92
st华光1 263933262．47 0．04 2．Ol
st罗顿l 348284526．91 0．40 3．69
st天龙808232762．49 0．12 2．06
st通科l 174948199．64 0．22 2．74
st兴业915947539．79 0．2l 3．18
st中农870299604．33 0．36 3．94
st宏盛‘IJ，uJ，JuJv·u7 0．30 2．56
st达生123 1093685．39 0．30 2．46
st东海A 712849695．6l 0．40 3．53
■
st科建1921765790．54 0．14 1．98
st科苑865998292．48 O．23 2．2l
st派神879155181．80 O．39 2．60
st盐湖148529728 1．39 0．33 2．34
st银J‘夏1867600685．15 0．19 2．39
st玉源l 108343875．62 O．20 2．95
st远东583684l 93．09 O．52 5．89
st中冠A 1030555834．18 O．48 3．73
华东师范大学硕士学位论文
2006年ST公司违约距离为必=CL+O．75DL实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DD
st百花501475648．79 O．29 3．18
st道博283365652．56 0．05 2．49
st黑豹‘823747924．27 0．29 3．53
st华光l 140026387．94 O．03 2．30
st罗顿1362103438．40 O．33 3．49
st天龙84491l 625．58 O．10 2．6l
st通科1264471212．56 0．2l 2．69
st兴业
‘
941926441．96 0．19 3．43
st中农925413243．13 0．35 5．01
st宏盛361 1719906．5l 0．2l 2．06
st达生l 147886905．95 0．3l 2．08
st东海A 88 l 883000．42 0．32 5．22
st科建1 773445770．5 1 O．08 2．54
st科苑823898l 12．07 O．38 1．08
st派神800465522．27 O．28 3．80
st盐湖13490431l 1．16 O．30 2．85
st银J“夏1760536132．01 O．22 4．46
st玉源87327 1 058．72 0．27 2．54
st远东633649809．65 0．46 6．59
st中冠A 955620389．27 O．5l 3．89
华东师范大学硕士学位论文
2007年ST公司违约距离为必=CL+O．75DL实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DD
st百花1072144l 18．08 0．49 3．3l
st道博242228564．1 7 0．18 2．19
st黑豹l 695699924．43 0．45 3．58
st华光ll 38288777．27 O．1l 1．86
st罗顿3017845391．47 0．46 3．64
st天龙1 329730954．69 0．52 1．71
st通科38 l 6685506．78 O．26 6．49
st兴业1624151338．13 0．45 3．37
st中农·■U82817．18 0．47 5．29
st宏盛3605734037．45 0．27 2．08
st达生l 683230644．24 0．40 2．56
st东海A l 820026363．68 O．75 4．49
st科建■⋯v1．3904．54 0．17 2．49
st科苑11517042lO．05 O．25 3．15
st派神15191 23343．09 0．48 3．36
st盐湖l 389070962．50 O．38 2．26
st银J“夏44353 14903．62 0．49 3．60
st玉源1610699582．06 0．32 3．2l
st远东1323931136．6l 0．5l 7．10
st中冠A 1 496342888．74 0．56 4．88
5l
华东师范大学硕士学位论文
2005年ST公司违约距离为鹏=C己+O．5DL实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DD
st百花481525880．1785 0．3565 2．6543
st道博273616941．443 l O．1270 1．5415
st黑豹7 1 6690927．9763 ，0．3058 4．2874
st华光983757967．26 l 5 0．0564 2．0387
st罗顿1254633823．1 200 0．432l 4．1784
st天龙631717464．2422 0．1579 2．1482
st通科965703234．4 l 93 0．263l 2．9925
st兴业89“14445．2612 0．2112 3．2121
st中农811 156848．8948 0．387l 4．3859
st宏盛2045437545．7833 0．3527 2．8314
st达生1058443335．8115 0．3532 2．6984
st东海A 677191585．0195 0．4043 3．9300
st科建1 528757552．1 582 0．1710 2．0615
st科苑696702709．7721 0．2832 2．394l
st派神849884960．O l 90 0．3983 2．6781
st盐湖1 289727467．9771 0．3833 2．5680
st银，“夏l 626060752．8408 O．2195 2．4916
st玉源944172975．8937 0．2309 3．1548
st远东57609978 1．2244 0．5309 6．5288
st中冠A 983740202．6880 0．5015 4．1623
52
华东师范大学硕士学位论文
2006年ST公司违约距离为鹏=CL+O．5DL实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DD
st百花457773552．3050 O．3189 3．4062
st道博205185797．6510 0．0745 2．5523
st黑豹757953303．6126 0．3157 3．7976
st华光894063573．2 l 79 0．0444 2．3232
st罗顿1227247936．7897 0．3679 3．9298
st天龙658775599．8380 O．1312 2．7221
st通科1035806980．8042 0．2598 2．9250
st兴业926983724．33 l 2 O．1915 3．4555
st中农880667401．1989 O．364l 5．5585
st宏盛2845070964．6290 0．2620 2．2139
st达生958672744．7593 0．3651 2．2850
st东海A 841522518．4883 0．3314 5．6956
st科建l 389039469．7430 O．1073 2．6189
st科苑65883 15 18．4565 0．4619 1．2010
st派神777020563．2296 0．3093 3．668l
st盐湖ll 67420696．3296 0．3411 3．1602
st银广夏l 595354863．7899 0．2375 4．8158
st玉源741207896．177l 0．3177 2．7807
st远东624561551．8768 0．4668 7．3210
st中冠A 924810819．9485 0．5280 4．275l
53
华东师范大学硕士学位论文
2007年ST公司违约距离为鹏=CL+O．5DL实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DD
st百花1029137180．8471 0．5112 3．5827
st道博214372181．5099 0．2039 2．2619
st黑豹1612172046．4937 0．4754 3．9532
st华光931872117．1785 0．1286 1．9049
st罗顿28461753 16．2885 0．4839 4．1258
st天龙1l 96969388．57 l 5 0．5716 1．8870
St通科3588061463．1955 O．2746 7．3260
st兴业1610647633．9513 0．4524 3．4413
st中农2688774874．1 587 0．4766 5．865l
st宏盛2948430780．0523 0．3294 2．2716
st达生l 5 l 3225992．3257 0．4473 2．8472
st东海A 1807091560．2714 O．7580 4．8656
st科建172l 123523．5578 0．2004 2．6255
st科苑9850 1 0549．8695 0．297l 3．4915
st派神149665533 1．9257 0．491l 3．4034
st盐湖1210134835．1724 0．4335 2．5150
st银广夏4267237590．9375 O．5128 3．9323
st玉源1 437205637．1 089 0．3582 3．5738
st远东l 3 l 3973322．8594 0．5186 7．7992
st中冠A 1 474289988．9002 0．5705 5．3195
华东师范大学硕士学位论文
2005年ST公司违约距离为D只=CL+O．25现实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DD
st百花428555163．2019 0．4003 2．9312
st道博193476949．1111 O．1774 1．6219
st黑豹648968856．7984 0．3377 4．9138
st华光703607688．6 1 1 2 0．0786 2．0868
st罗顿ll 60980845．0828 0．4670 5．1450
st天龙455243916．3 102 O．218l 2．3258
st通科7564 l 8377．2676 0．3357 3．5768
st兴业876881226．1602 0．2159 3．2436
st中农7520 1 3594．4503 0．4176 5．1986
st宏盛l69228709 1．5244 O．4260 3．4543
st达生885688205．3578 O．4216 3．1961
st东海A 641 53 1238．0827 0．4268 4．3439
st科建l 135866591．2733 0．2289 2．2216
st科苑527339414．3317 0．3730 2．8455
st派神820608577．42 l 4 0．4124 2．7663
st盐湖1 093988558．2033 0．4513 3．0288
st银广夏1384510417．447l 。0．2574 2．6512
st玉源779989527．1813 0．2794 3．5327
st远东56851 5369．3532 0．5380 7．㈣
st中冠A 936923355．73 1 6 0．5266 4．9320
55
华东师范大学硕士学位论文
2006年ST公司违约距离为此=CL+O．25DL实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DD
st百花414067774．1374 0．3525 3．7670
st道博356758l 96．7582 0．2334 2．1382
st黑豹692156762．0136 0．3457 4．2192
st华光648l 08294．4279 0．061l 2．3681
st罗顿1092386736．1035 0．4133 4．8462
st天龙472642888．2145 0．1826 2．958l
st通科807096706．14100 0．3332 3．4781
st兴业912040973．6967 0．1946 3．4794
st中农‘83592 1 556．8873 0．3836 6．500l
st宏盛2078286580．95 lO 0．3569 2．6008
st达生769260627．4 1 36 0．4534 2．7483
st东海A 801 l 62035．8603 0．348l 6．4352
st科建1923619289．1500 0．2338 2．4703
st科苑494074963．9055 0．5975 1．4824
st派神753575685．1088 0．3348 3．5825
st盐湖985750085．5078 。0．4039 3．834l
st银广夏1430173509．6959 0．2649 5．4142
st玉源609090629．1058 0．3862 3．2816
st远东615473294．1046 0．4737 8．6175
st中冠A 894000796．938 1 0．5462 4．8871
华东师范大学硕士学位论文
2007年ST公司违约距离为睨=CL+O．25DL实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DD
st百花986125219．5793 0．5335 3．9927
st道博l 865 1 7260．5240 0．2339 2．3605
st黑豹l 528640570．0927 0．5014 4．5702
st华光725520685．1587 O．1643 1．9825
st罗顿26744995 lO．Ol 38 O．5150 5．0694
st天龙1063691065．0635 0．6402 2．2064
st通科3359437419．6119 0．2933 8．9444
st兴业1597135332．0001 0．4758 3．3261
st中农2625066930．2076 0．4882 6．8335
st宏盛22906447 14．5727 0．4223 2．7264
st达生1343082893．3861 0．5037 3．4044
st东海A 1794156738．9095 0．7635 5．4448
st科建1 36006535 1．8 144 0．2532 2．8779
st科苑818301376．5724 0．3576 4．2603
st派神1474186235．1664 0．5085 3．4258
●
sl盐湖1 030950003．1547 0．5082 3．0656
st银广夏4099152842．9914 0．5338 4．4528
st玉源1 263693567．9344 0．4073 4．3069
st远东1304015509．1l 19 0．5226 9．0295
st中冠A 1452237085．3789 0．5791 5．992l
57
华东师范大学硕士学位论文
2005年非ST公司违约距离为oP,=CL+DL实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DD
长百集团8 1235 1034．3248 O．2990 3．6077
上海新梅1825174501．9306 0．3263 2．8196
星马汽车1 20 1 546863．4768 O．1735 3．0557
方正科技5547040470．6265 0．3351 3．3543
工人高新1634217261．3450 0．2795 3．423l
益民商业3863684699．4260 0．6344 1．9773
青海华鼎984068635．0832 ．0．2229 3．493l
华发股份3785864588．7979 O．2304 1．8968
敦煌种业l 32455298 1．8236 0．2308 2．7894
士兰微6194529649．9102 0．6580 3．319l
阳光发展86356201 8．587l 0．301l 3．4767
丽江旅游1054010654．3942 0．5057 6．1714
深桑达17599032l 1。4107 0。3338 2。8435
德赛电池1241947216．6697 0．3274 3．4757
湖北迈亚1 099307887．1 976 0．2319 3．0075
博闻科技l 258678722．7064 0．4278 3．9414
英高股份1005563870．35 10 ‘．0．2486 3．6044
渤海物流1793578689．4551 0．2284 2．6477
七匹狼875693082．7943 0．4908 4．8352
美欣达994337098．6898 0．4383 1．9119
华东师范大学硕士学位论文
2006年非ST公司违约距离为幽=CL+DL实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DE)
长百集团1094505348．5754 0．3632 3．3747
上海新梅1 997728929．59 1 5 0．2826 2．6148
星马汽车1771765414．4219 0．2603 2．1522
方正科技5717164578．3879 0．2548 3．5790
工大高新2239974698．0013 O．3511 ’4．8812
益民商业3 19209l 8 15．4720 0．3915 3．3793
青海华鼎1 375083472．0570 0．3241 2．9641
华发股份6437335894．3291 0．1720 2．3926
敦煌种业l 9553383 l 5．3765 0．2659 2．2291
士兰微4878613483．9441 0．6860 2．2793
阿I光发展1379437533．1123 0．1472 3．6133
丽江旅游l 1 07007426．9503 0．3998 7．1686
深桑达1629698495．1415 0．2473 3．4414
德赛电池1 2 1 9883299．4356 0．3003 3．9597
湖北迈亚1506026124．4913 0．2437 2．0822
博闻科技l 58804 l 429．2392 0．5182 4．1730
莫高股份1053243575．8468 ．0．3615 3．3548
渤海物流1676538483．8455 0．2091 2．8124
七匹狼139018682l-9588 0．3963 4．4922
美欣达947905902．1 875 0．2326 3．6338
华东师范大学硕士学位论文
2007年非ST公司违约距离为础=CL+DL实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DD
长百集团1 7 l 3832245．5636 0．5056 3．371l
上海新梅30208 1 6444．388 l 0．4859 2．4173
星马汽车2431212180．3882 0．4624 2．3600
方正科技l5847550754．5242 0．6774 2．9498
工人高新350 l 520778．0742 0．6601 2．4618
益民商业6292895718．5113 0．5031 3．3719
青海华鼎2386795122．1361 0．5333 2．7732
华发股份115 l 1127720．6917 0．457l 2．0670
敦煌种业2 143007350．0094 0．4460 2．3809
士兰微53138l 1969．2279 0．5033 4．2556
阳光发展1641888156．8004 0．4641 2．3864
丽江旅游2153852534．1507 0．4920 7．8420
深桑达2529526623．1 695 0．3755 3．4912
德赛电池I 75988 1 005．7937 0．4616 3．1409
湖，J匕迈亚26241 18222．41 18 0．5411 3．2875
博闻科技3281817137．019l 0．5936 4．0697
莫高股份l 804830934．4808． 0．5113 2．7378
渤海物流3173154223．6865 0．4923 2．1748
七匹狼4074057829．5758 0．6901 5．5193
美欣达ll 90305336．2430 0．3707 3．1489
华东师范大学硕士学位论文
2005年非ST公司违约距离为必=CL+0．75DL实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DD
长百集团812351034．3 0．2990ll 3．607713
上海新梅1795 127859 0．331778 2，852433
星马汽车1 191770582 O．174884 3．063625
方正科技5535444277 0．258662 4．451859
工人高新’
1618727305 0．286324 3．392848
益民商业3828310096 0．639998 2．003379
青海华鼎96582258 1．2 0．227088 3．528067
华发股份356l 186598 0．244449 1．930439
敦煌种业132243300l 0．231163 2．791 224
士兰微6151164082 。0．696518 3．203346
阳光发展853785997．8 0．30115 3．552768
丽江旅游1054010654 0．505718 6．171374
深桑达175990321 l 0．33383 l 2．843492
德赛电池1241938905 0．327442 3．475675
湖北迈亚l 057762700 0．241006 ．3．062357
博闻科技1258073149 0．427957 3．944824
莫高股份1001491965 0．253288 3．55729
渤海物流l 788497408 0．229055 2．650569
七匹狼875693082．8 0．490767 4．835207
美欣达978542097．4 0．44503 l 1．933607
61
华东师范大学硕士学位论文
2006年非ST公司违约距离为必=CL+O．75DL实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DD
长百集团1084755529．5421 0．3665 3。4069
上海新梅1927095146．1755 0．2929 2．6641
星马汽车1759604148．7776 0．2620 2．1576
方正科技5696992183．4967 0．2746 3．3223
工大高新2239974698．001 3 0．35ll 4．8812
益民商业3128∞5156．2226 ’0．4067 3．3963
青海华鼎1351504199．5788 0．3298 3．0022
华发股份5874096l24．701 8 0．1883 2．4482
敦煌种业194808775 1．2585 0．2669 2．2323
士兰微4839089706．8539 0．6915 2．3172
阳光发展l 342868272．6102 0．1570 3．5035
丽江旅游ll 06790326．2373 0．3999 7．1760
深桑达1629698495．1415 0．2473 3．4414
德赛电池1 2 1 9883299．4356 0．3003 3．9597
湖北迈亚150(M32368．4554 O。2446 2．0847
博闻科技1577084287．0068 0．5218 4．2636
莫高股份1049452852．8909 0．3546 3．4536
渤海物流1670089837．458 l O．2099 2．8164
七匹狼1390186821．9588 0．3963 4．4922
美欣达938 l 39037．7804 0．2361 3．6379
华东师范大学硕士学位论文
2007年非ST公司违约距离为啦=CL+O．75DL实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DD
长百集团1 7 1 0224692．2733 0．5085 3．3710
上海新梅2953675 1 77．7000 0．4967 2．4790
星马汽车24096387 1 9．8032 0．4665 2．3806
方正科技l 5828275492．1 093 0．6782 2．9603
工大高新3496181312．5205 0．6611 2．4695
益民商业6225 1 8050l。2768 0。5279 3．2988
青海华鼎2359334422．7275 0．5395 2．8253
华发股份10871253002．2637 0．483l 2．1721
敦煌种业2 1 39857262．5061 0．4466 2．3841
士兰微527 l 839090．2355 0．6695 3．1607
阳光发展1 58 1 938657．0690 0。4814 2A802
丽江旅游2153852534．1507 0．4920 7．8420
深桑达2529100483．8003 0．3755 3．4918
德赛电池1759881005．7937 0．4616 3．1409
湖北迈贬26185881 15．3822 0．5422 3．3024
博闻科技3272087870．9695 0．7680 3．0393
莫高股份1801093187．6583 0．5124 2．7459
渤海物流3162102296．1037 0．4940 2．1822
七匹狼4074057829．5758 0．690l 5．5193
美欣达1 l 84294370．8098 0．3725 3．1647
华东师范大学硕士学位论文
2005年非ST公司违约距离为鹏=CL+O．5DL实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DD
长百集团812351034．3248 0．2990 3．6077
上海新梅1765079918．2168 0．3374 2．8877
星马汽车1181994288．1829 O．1763 3．0717
方正科技5523793933．O006 0．2592 4．4605
工大高新1603240407．2501 0．2890 3．4183
益民商业3792917496．1364 0．6457 2．0309
青海华鼎947575273．8522 0．2352 3．5047
华发股份3336533086．6080 O．2604 1．9706
敦煌种业1320313017．4906 0．2315 2．7931
士*微6107787512．2257 0．7409 3．0769
阳光发展84400905 l。9096 0．3046 3．5876
丽江旅游1 0540 1 0654．3942 0．5057 6．1714
深桑达175990321 1．4107 0．3338 ’2．8435
德赛电池l 24 1 930592．4475 0．3274 3．4757
湖北迈亚1016216542．1963 0．2508 3．1254
博闻科技l 257467576．0094 0．4282 3．9483
莫高股份997424574．8 1 94 0．2291 3．9863
渤海物流1783416119．1204 0．2297 2．6534
七匹狼875693082．7943 0．4908 4．8352
美欣达962744364．2876 0．4520 1．9568
华东师范大学硕士学位论文
2006年非ST公司违约距离为Dg=CL+O．5DL实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DD
长百集团107500445l。1580 0．3733 3．4047
上海新梅l85645664 1．9622 。0．3039 2．7206
星马汽车1747442880．0077 0．2638 2．163l
方正科技5676925855．4856 0．2326 3．9917
工大高新2239974698．00l 3 O．35ll 4．8812
益民商业3063922857．0343 ’0．4172 3．4729
青海华鼎l327924069．3048 0．3356 3．0434
华发股份5310862954．6363 0．2080 2．521l
敦煌种业1940837 173．9688 0．2679 2．2355
十兰微479954543 1．5270 0．697l 2．3577
阳光发展l306302 l 68．2363 0．1618 3．5264
丽江旅游l 106573225．5243 0．4000 7．1834
深桑达1629698495．1415 0．2473 3．4414
德赛电池l 2 1 9883299．4356 0．3003 3．9597
湖北迈亚1 494838626．9706 0．2455 2．0872
博闻科技1566127113．8ll l 0．5255 4．3626
荧高股份1045659041．1189 0．3561 3．4637
渤海物流166364l 181．9754 0．2108 2．8203
七匹狼1390186821．9588 0．3963 4．4922
美欣达92837 1 902．928 l 0．2410 3．6208
华东师范大学硕士学位论文
2007年非ST公司违约距离为鹎=CL+O．5DL实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DD
长百集团1713832245．5636 0．5056 3．371l
上海新梅30208l 6444．388 l 0．4859 2．4173
星马汽车2431212180．3882 0．4624 2．3600
方正科技15847550754．5242 0．6774 2．9498
工人高新350 l 520778．0742 0．660l 2．4618
益民商业6292895718．5113 ‘0．503l 3．3719
青海华鼎2386795122．136l 0．5333 2．7732
华发股份11511 127720．6917 0．4571 2．0670
敦煌种业2143007350．0094 0．4460 2．3809
士兰微53138l 1969．2184 0．5033 4．2556
阳光发展1641888156．8004 0．4641 2．3864
丽江旅游2153852534．1507 0．4920 7．8420
深桑达2529526623．1 695 0．3755 3．4912
德赛电池1759881005．7937 0．4616 3．1409
湖北迈亚26241 18222．41 18 0．541l 3．2875
博闻科技3281817137．0239 0．5936 4．0697
莫高股份l 804830934．4808 0．5113 2．7378
渤海物流3173154223．6865 0．4923 2．1748
七匹狼4074057829．5758 O．6901 ． 5．5193
美欣达ll 90305336．2430 0．3707 3．1489
华东师范大学硕士学位论文
2005年非ST公司违约距离为耽=CL+O．25DL实证结果
公司资产价值v(倒推值) 公司价值的波动率(倒推值) 违约距离DD
长百集团81235 1034．3248 0．2990 3．6077
上海新梅1 735030628．6825 ：0．3432 2．9256
星马汽车l 172217982．7850 0．1778 3．0800
方正科技55 12143588．6050 0．2598 4．4692
●
工人高新l 587748349．4059 0．2990 3．3535
益民商业3757506169．3544 O．6516 2．0602
青海华鼎929328785．1 694 0．2414 3．5200
华发股份3 1 1l 897088．9908 0．2786 2．0195
敦煌种业1318193032．2636 0．2319 2．7949
士兰微6064458983．1 232 0．7550 3．1228
阳光发展834230994．4445 O．3144 3．5462
丽江旅游1054010654．3942 0．5057 6．1714
深桑达1759903211．4107 0．3338 2．8435
德赛电池1 24 1 922280．3363 0．3274 3．4757
湖北迈旺974669296．2600 0．2615 3．1987
博闻科技l256862002．4036 0．4284 3．9517
莫高股份993353487．6 1 l 3 0．2300 3．9970
渤海物流1778334822．1814 O．2304 2．6563
七匹狼875693082．7943 0．4908 4．8352
美欣达94694355 1．3083 0．4593 1．9816
67
华东师范大学硕士学位论文
2006年非ST公司违约距离为睨=CL+O．25DL实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DD
长百集团1 0652555 l 8．2843 0．3732 3．4764
上海新梅1785812581．9267 0．3158 2．7860
星马汽车1 73528 1 602．2258 0．2656 2．1687
方正科技5656797073．1 329 0．2334 4．0012
工大高新2239974698．00 1 3 O．35ll 4．8812
益民商业2999828638．6522 0．4466 3．3978
青海华鼎1 304343064．3034 0．3416 3．0879
华发股份47476 1 9640．5562 0．2325 2．6213
敦煌种业1933586582．4312 ’0．2688 2．2388
士兰微4759980527．3248 0．7027 2．4012
阳光发展1 269736930．7066 0．165l 3．5941
丽江旅游1106356124．8113 0．400l 7．1909
深桑达l 629698495．1415 0．2473 3．4414
德赛电池1 2 1 9883299．4356 O．3003 3．9597
湖北迈Ⅱ 1489244899．4877 0．2464 2．0897
博闻科技1555169917．8339 0．5292 ‘4．4717
莫高股份1041868605．5660 0．3404 3．6679
渤海物流1657192517．1588 0．2116 2．8244
七匹狼1390186821．9588 0．3963 4．4922
美欣达91 8604970．1 864 0．2452 3．6193
华东师范大学硕士学位论文
2007年非ST公司违约距离为此=CL+0．25现实证结果
公司资产价值V(倒推值) 公司价值的波动率(倒推值) 违约距离DD
长百集团17030l 1445．3745 0．5088 3．4133
上海新梅2819315767．8850 0．52∞ 2．6293
星马汽车2366483634．8 142 0．4748 2．4245
方正科技l 5789723092．2778 0．6799 2．9819
工大高新348550 1 226．5798 0．663l 2．4852
益民商业6089817817．2193 0．5198 3．6124
青海华鼎2304398790．9670 0．5523 2．9439
华发股份115ll 127720．6917 0．457l 2．0670
敦煌种业2133556923．8522 0．4479 2．3906
士兰微5 1880783 12。0502 0。5155 4．6002
阳光发展1461937017．8035 0．5204 2．7410
丽江旅游2153852534．1507 0．4920 7．8420
深桑达2528248204．7848 0．3756 3．4932
德赛电池1 75988 l 005．7937 0．4616 3．1409
湖北迈砸2607527675．1 791 O．5445 3．333l
博闻科技3252777782．4 1 47 0．5989 4．2236
莫高股份1793617368．728l 0．5145 ． 2．7623
渤海物流3139996249．9104 0．4974 2．1974
七匹狼4074057829．5758 0．6901 5．5193
美欣达“722722 l 5．9308 0．3764 3．1974
华东师范大学硕士学位论文
参考文献
【1】The rlew basel capital accord，basel committee on banking supervision may 3 1
2001
【2】2 Merton，Robert C．，1974，‘On the研cing of corporate debt：the risk structure of
mterest rates’Journal of Finance，May，449"～470
【3】Black，Fischer and John C．Cox．，1 976，Valuing corporate securities：Some
effects ofBond indenture provisions，Journal ofFinance 31，351-367．
[4】Jarrow，Robert,Smart Tumbull，1 99 1，A Unified Approach for pricing
contingent claims on multiple term structures ．The Foreign Currency
Analogy，Working Paper
[5】Jarrow，Robert，Stuart Tumbull，1992，Recent advances in the pricing of options
on financial assets with credit risk，34pp
【6】Longstaff．F．and E．Schwartz．，1 995 Valuing Credit Derivatives，Journal of Fix
income，June，6·12 ·
【7】Jarrow，Robert，and Stuart Tumbull，1 995，Pricing derivatives on financial
securities subject to credit risk Journal of Finance March 53—85
[8】Jarrow，Robert，David Lando and Stuart Turnbull，1 997，A markov model of the
term structure of credit spreads，Review of Financial Studies 1 0(2)Summer
[9】Duffle，Darrell&Kenneth J．Singleton(1 999)，Modeling term structures of
defaultable bonds，Review of Financial Studies 1 2，687—720．
[1 0]Borodin,A．&P Salminen(1 996)，Handbook of Brownian Motion：Facts and
Formulae，Birkhauser，Basel．
[1 1]Peter J．Crosbie，Jeffrey R．Bohn(2003)”Modeling Default Risk”，http：／／www．
moodyskmv．corn／
【1 2]Mauhew Kurbat＆Irina Korablev(2003)"Methodology far Testing the Level of
the EDF(tm)Credit Measure”，http．／／www．moodyskmv．com
【13]Duffle，Darrell&Kenneth J．Singleton(1999)，Modeling term structures of
defaultable bonds，Review ofFinancial Studies 1 2，687-720．
【14]Cox，John,Jonathan Ingersoll＆Stephen Ross(1 985)，A theory of the term
structure of mterest rates，Econometrics 53，385．408．
【1 5]Crouhy，Michel，Dan Galai&Robert Mark(2000)，A comparative analysis of
current credit risk models，Journal of Banking and Finance 24，59-11 7．
70
华东师范大学硕士学位论文
[16]Dai，Qiang&Kemmeth Singleton(2003)，Term stmcture dynamics in theory
and reality，Review ofFinancial Studies 1 6，63 1-678．
【1 7]Giesecke，Kay(2003)，A simple’exponential model for dependent
defaults，Journal ofFixed Income 13，74-83．
【1 8】Giesecke，Kay(2004)，Correlated default with incomplete information，Journal
ofBanking and Finance 28，521-1545．
【1 9]Giesecke，Kay&Lisa Goldberg(2003)，The market price of credit risk．Working
Paper Nell University
【20]卢世春，欧阳植．商业银行信用风险跟踪预警监测模型，数量经济技术经济研
究，1999(1)
【21]陈静．上市公司财务恶化预测的实证分析．会计研究．1999(4)[24]张玲．财务危
机预警分析判别模型及应用．预测．2000(6)
【22]陈晓，陈治鸿．中国上市公司的财务困境预测．中国会计与财务研究．2000(9)
【23】吴世农，卢贤义．我国上市公司财务困境的预测模型研究．经济研究．2001(6)
【241张玲，张佳林．信用风险评估方法发展趋势．预测．2000(4)
【25]t琼，陈金贤．信用风险定价方法与模型研究．现代财经．2002(4)
[26]陈鹏，吴冲锋上市公司信用状况分析新方法．系统工程理论方法应用．，
2002(6)
【27]杨星，张义强．中国上市公司信用风险管理实证研究．中国软件科学．2004(1)
【28]鲁炜，赵恒晰，刘冀云．KMV模型关系函数推测及其在中国股市的验证．运筹
与管理．2003(6)
【29]茆诗松，周纪芗。概率论与数理统计中国统计出版社1999
[30】李大伟，魏明，j琼， 《基于强度过程的信用风险定价模型研究》国际金
融研究，2004—2 ．
【31]熊大永， 《信用风险理论与应用研究》，复旦大学博士论文，2004．
[32】张鹏， 《债务契约理论》，上海，上海财经大学出版社，2003．
[33】《高级信用风险分析》DidierCossin&HuguesPirotte著，殷剑锋，王唯翔等
译机械工业出版社2005
[34]吴恒熠《信用风险控制理论研究》经济管理出版社2006
7l
华东师范大学硕士学位论文
后记
时光荏苒，岁月如梭，转眼三年研究生学习生涯如白驹过隙般匆匆而过，
蓦然回首，追忆往事，三年来的生活学习画面历历在目，有彷徨、有执着，有
迷茫、有坚定，有兴奋、有失落，感触体会必然在我的人生记忆中刻上浓重的
一笔。当然，三年以来，我首先要感谢我的导师陆剑清老师，他在我学习过程
中的谆谆教诲，在我人生指引的明灯高挂，必然使我受益终生；尤其感谢他三
个月以来对于我的这篇论文的指导，对于论文的选题，思路与结构提出了中肯
的意见，在论文的写作后期，陆剑清老师精心审文，对论文最后结构的完整、
内容的充实、提出了切实的修改意见，对本文的完成起了决定性作用。
在华东师范大学求学的生涯中，还得到了其他老师的悉心指导，也曾得到
和我同窗苦读的好友们的激励，帮助和关怀，在此一并感谢。特别感谢我的同
室好友刘恒志同学，感谢他在我的论文实证过程中的计算程序的支持。
最后感谢我的家人，没有他们的支持鼓励我无法坚持，他们是我最坚强的
后盾。