我國農業(yè)類上市公司信用風險實證研究——以kmv模型為例【畢業(yè)論文】

1、<p><b>　　本科畢業(yè)論文</b></p><p><b>　?。?0 屆）</b></p><p>　　我國農業(yè)類上市公司信用風險實證研究——以KMV模型為例</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>　　畢業(yè)

3、論文獨創(chuàng)性聲明</b></p><p>　　本人鄭重聲明所提交的畢業(yè)論文是本人在指導教師的指導下進行的研究工作及取得的研究成果。除文中特別加以標注的地方外，論文中不包含他人已經發(fā)表的學術成果或者他人為獲得高等院校學位而使用過的材料，論文中不涉及任何知識產權糾紛。否則，本人將承擔一切責任。</p><p>　　學生簽名：____________ </p><p

4、>　　日 期：____________ </p><p><b>　　摘 要</b></p><p>　　KMV模型是以期權定價模型為基礎衍生發(fā)展而成的現(xiàn)代信用風險評估模型，利用該模型對上市公司信用風險的評價度量是近年來國內學者研究的重點。本文以KMV模型為度量手段，對農業(yè)類上市公司進行信用風險度量的適用性研究。本文利用KMV模型的計算公式，將信用風險量

5、化，得出違約距離。進而利用違約距離與股權價值，資產價值進行相關性分析，并區(qū)分ST與非ST公司的違約距離，對農業(yè)類上市公司進行T檢驗，結果表明KMV模型在我國農業(yè)類上市公司信用風險度量中具有適用性。但是10年上半年數據表明ST與非ST公司在短期內沒有顯著性差異。通過對農業(yè)類上市公司08年上半年與10年上半年違約距離的Wilcoxon檢驗結果，發(fā)現(xiàn)農業(yè)類上市公司在次貸危機中受到的不利影響在10年已經減少。</p><p&

6、gt;　　關鍵詞：KMV模型；違約距離；股權價值；資產價值</p><p><b>　　Abstract</b></p><p>　　KMV model is based on option pricing model derived from the development of the modern credit risk assessment model, us

7、ing the model to evaluate listed companies in China of the credit risk is the focus of scholars in recent years. KMV model of this paper is measured by applicability means of the listed agricultural companies of credit r

8、isk measurement. This paper based on the formula of KMV model, to make the credit risk quantification, draw distance to default. Then use distance to default and </p><p>　　Keywords: KMV model; distance to de

9、fault; equity value; asset value</p><p><b>　　目 錄</b></p><p>　　1 KMV模型理論概述1</p><p>　　1.1 KMV模型簡介1</p><p>　　1.1.1 KMV模型理論1</p><p>　　1.1.2 KMV

10、模型假設條件2</p><p>　　1.2 KMV模型基本框架2</p><p>　　1.3 KMV模型優(yōu)缺點3</p><p>　　1.3.1 KMV模型優(yōu)點3</p><p>　　1.3.2 KMV模型缺點4</p><p>　　2 KMV模型在我國農業(yè)類上市公司應用的計算檢驗5</p>

11、<p>　　2.1 檢驗思路5</p><p>　　2.2 樣本選取5</p><p>　　2.3 參數確定6</p><p>　　2.3.1 無風險利率與債務期限的確定6</p><p>　　2.3.2 股權價值的確定6</p><p>　　2.3.3 股權價值波動率的確定7</p>

12、<p>　　2.3.4 違約點的確定9</p><p>　　2.3.5 資產價值及資產價值波動率的確定11</p><p>　　2.3.6 違約距離與違約概率的計算12</p><p>　　2.4 計算檢驗分析14</p><p>　　2.4.1 相關性分析14</p><p>　　2.4.2

13、T檢驗分析15</p><p>　　2.4.3 Wilcoxon檢驗19</p><p>　　2.5 實證檢驗結果19</p><p>　　3 研究結論與展望21</p><p>　　3.1 我國農業(yè)類上市公司信用風險現(xiàn)狀21</p><p>　　3.2 研究的不足之處22</p><p

14、>　　3.3 未來展望23</p><p><b>　　結 論24</b></p><p><b>　　參考文獻25</b></p><p><b>　　致 謝26</b></p><p>　　農業(yè)經濟是國民經濟的基礎部門，農業(yè)類上市公司作為連接農業(yè)生產和資本

15、市場的重要紐帶，對推動農業(yè)產業(yè)化生產、提高農業(yè)科技水平、促進我國農業(yè)生產力的發(fā)展具有重要作用。根據上海證券交易所與深圳證券交易所的行業(yè)分類看出，我國農業(yè)類上市公司共有才49家，僅占我國上市公司2079家總數的2.3%。被ST的公司數量與其他行業(yè)比相對較多，被投資者認為投資收益不確定，風險難以估計。</p><p>　　本文主要分為四個部分。在第一部分概述了KMV模型的理論，其中包括模型的假設條件、模型的計算步驟以

16、及模型的優(yōu)缺點。第二部分概述了我國農業(yè)類上市公司信用風險現(xiàn)狀，從而方便模型更好地運用。第三部分通過模型計算以及相關性分析與T檢驗對我國農業(yè)類上市公司進行實證分析，從而得出KMV模型在我國農業(yè)類上市公司信用風險度量的適用性。本文所使用的數據為每股收益，每周收盤價，每股凈資產，股本等均來自上海證券交易所與深圳證券交易所網站。</p><p>　　1 KMV模型理論概述</p><p>　　1.

17、1 KMV模型簡介</p><p>　　1.1.1 KMV模型理論</p><p>　　KMV模型又稱為預期違約率模型，該模型把違約債務看作企業(yè)的或有權益，把所有者權益視為看漲期權，將負債視為看跌期權，而把公司資產 (股票加債務) 作為標的資產。該模型認為企業(yè)信用風險主要決定于企業(yè)資產市場價值、波動率以及負債賬面價值。當企業(yè)資產未來市場價值低于企業(yè)所需清償的負債面值時，企業(yè)將會違約。企業(yè)資

18、產未來市場價值的期望值到違約點之間的距離就是違約距離，它以資產市場價值標準差的倍數表示，距離越遠，公司發(fā)生違約的可能性越小，反之，公司發(fā)生違約的可能性越大。基于公司違約數據庫，模型可依據公司的違約距離得出一個期望違約頻率，這個期望違約頻率就是公司未來某一時期的違約概率。</p><p>　　1.1.2 KMV模型假設條件</p><p>　　第一，資本市場無磨擦，允許賣空，無稅收和交易費用

19、，公司股票價格變動服從隨機過程，證券無限可分，證券交易具有連續(xù)性，不存在套利可能，貸款人償清債務前無風險利率固定不變。</p><p>　　第二，違約與不違約取決于公司的資產價值，假設當公司的資產價值大于貸款數額時，貸款人不會違約，反之，當公司的資產價值小于一定水平時，公司無力償還債務，將發(fā)生違約。</p><p>　　第三，企業(yè)資產收益服從正態(tài)分布，其市場價值服從Brown隨機運動。&l

20、t;/p><p>　　第四，企業(yè)資產結構有限，只有可轉換債券、短期和長期債務、所有者權</p><p><b>　　益等。</b></p><p>　　第五，企業(yè)資產價值在給定的時期所服從的分布取決于資產的期望值和標準差。</p><p>　　1.2 KMV模型基本框架</p><p>　　由于我國歷

21、史違約數據庫的缺乏，確定違約距離和實際違約頻率之間的關系仍然無法實現(xiàn)，因此，本文將利用KMV模型提出的理論違約概率來進行計算分析我國農業(yè)類上市公司的信用風險大小。該違約率的計算建立在對公司資產價值Brown運動以及資產收益正態(tài)分布假設的基礎上。其具體計算過程如下：</p><p>　　在實踐中，企業(yè)違約點并不等于負債總賬面價值，而是介于流通負債與總負債之間，即：</p><p><b

22、>　　（1.1）</b></p><p>　　公司股權的市場價值可以用Black—Scholes—Merton期權定價模型進行定價：</p><p><b>　　(1.2)</b></p><p><b>　　其中：</b></p><p><b>　　(1.3)<

23、/b></p><p><b>　　(1.4)</b></p><p><b>　　(1.5)</b></p><p>　　其中，E為公司的股權價值，B為公司負債的賬面價值，Vα為公司資產的市場價值，t為債務期限，σα為公司資產價值的波動率，r為無風險利率，σE為公司股權價值的波動率。</p><

24、p>　　根據KMV模型假設條件，企業(yè)資產價值必須服從正態(tài)分布，則我們可以得出違約距離：</p><p><b>　　(1.6)</b></p><p>　　其中DP為企業(yè)違約點，為企業(yè)未來資產價值期望值。</p><p>　　已知DD，則可以得到實際的違約概率（EDF），即確定違約距離與違約率的映射關系。</p><p

25、><b>　　(1.7)</b></p><p>　　KMV公司根據公司違約和破產頻率的歷史數據，通過比較違約距離和違約概率之間的聯(lián)系，擬合出代表違約距離的預期違約頻率函數，使預期違約概率與公司股票價格變化、債務水平和資產波動性等密切相關。</p><p>　　1.3 KMV模型優(yōu)缺點</p><p>　　1.3.1 KMV模型優(yōu)點<

26、;/p><p>　?。?） KMV模型擁有強有力的理論基礎</p><p>　　由于KMV模型是一個基于現(xiàn)代公司期權理論的信用風險度量模型，模型中的股權被視為對于公司資產的看漲期權。它克服了傳統(tǒng)的信用風險量化模型的缺陷，以Merton模型為理論基礎，利用動態(tài)的市場價格作為輸入數據。</p><p>　?。?） KMV模型是一種動態(tài)化模型</p><p

27、>　　KMV模型利用的數據是動態(tài)化的，所以可以在任何股份制公司運用度量。股市每日都會更新上市公司股票交易數據和公司財務報表，因此，模型可以時常更新數據，及時反映公司預期的違約概率，此指標對公司違約頻率的度量是連續(xù)的。</p><p>　　（3） KMV模型是一種具有前瞻性的模型</p><p>　　KMV模型利用的數據是以股票市場數據為基礎，非賬簿價值此類會計核算數據，這樣就克服了過

28、去模型利用歷史靜態(tài)數據的缺陷。由于模型利用的股票市場數據綜合反映了公司的歷史、現(xiàn)狀和未來預期狀況，因此，模型提供的違約概率較過去的信用評估等級更加敏感。</p><p>　　1.3.2 KMV模型缺點</p><p>　?。?） 適用范圍受到限制</p><p>　　KMV模型一般適用于對上市公司信用風險進行度量評估，而對非上市公司進行評估由于難以獲得市場動態(tài)數據，

29、需要借助很多相關會計資料，同時要進行對比分析，計算結果也很難達到效果</p><p>　　（2） 假定模型服從正態(tài)分布</p><p>　　KMV模型假定借款企業(yè)的資產價值呈正態(tài)分布，才能計算出違約概率（EDF）值?，F(xiàn)實中，并非所有的借款企業(yè)資產價值都是正態(tài)分布的。</p><p>　?。?） 未考慮國有股問題</p><p>　　我國上市公

30、司股份結構中絕大部分是國有股，而國有股不像流通股那樣可以在流通市場上公開交易，其價值無法從市場數據中直接觀測。因此，在我國應用KMV模型必須考慮國有股價值確定的問題。</p><p>　　（4）歷史違約數據缺乏</p><p>　　KMV模型根據不同違約距離值的公司的歷史違約數據，確定違約距離與違約率之間的映射關系，以此來估計預期違約率的大小。因此，上市公司違約歷史數據庫是必不可少的。在我

31、國，由于信用體系尚未建立，有關公司違約歷史統(tǒng)計數據嚴重缺乏，很難把理論違約距離轉化成實際違約率。</p><p>　　2 KMV模型在我國農業(yè)類上市公司應用的計算檢驗</p><p><b>　　2.1 檢驗思路</b></p><p>　　本文根據農業(yè)類上市公司現(xiàn)狀以及KMV模型理論原理對其進行信用風險度量研究。一方面依據KMV模型違約概率計

32、算步驟計算出農業(yè)類上市公司的股權價值及其波動率，根據ROC曲線確定其違約點，并利用MathCAD計算軟件計算出資產價值及其波動率，最后計算出農業(yè)類上市公司違約距離及違約概率；另一方面，本文還依據計算出的違約距離及違約概率對我國農業(yè)類ST與非ST上市公司的信用風險現(xiàn)狀進行多方面檢驗及評價，以更好地實現(xiàn)對我國農業(yè)類上市公司信用風險的度量和評價。</p><p><b>　　2.2 樣本選取</b>

33、;</p><p>　　我國目前已經在證券市場上市的有49家農業(yè)類上市公司，由于樣本計算基準日定為2010年01月08日，為保證研究數據的準確性，除去在此之后上市的海南橡膠（600118）、星河生物（300143）、西部牧業(yè)（300106）、國聯(lián)水產（300094）、荃銀高科（300087）、大康牧業(yè)（002505）、雛鷹農牧（002477）、益生股份（002458）、壹橋苗業(yè)（002447），還有已經停止上市的

34、ST中農（600313），樣本最終剩下39只股票樣本。本文將選取這39家上市公司的每周收盤價作為研究對象，同時增加2008年上半年、2009年上半年、2008年下半年、2009年下半年這4個作為預測期進行對比。具體樣本公司見表2－1：</p><p>　　表 2－1 農業(yè)類上市公司一覽表</p><p><b>　　續(xù)表</b></p><p>

35、;<b>　　2.3 參數確定</b></p><p>　　2.3.1 無風險利率與債務期限的確定</p><p>　　經濟意義上的無風險利率指的是市場普遍認為沒有違約風險的證券收益率?；贙MV模型假設條件中關于貸款人償清債務前無風險利率固定不變這一條，本文將以我國半年期存貸款利率做為無風險利率?；跀祿目蓪崿F(xiàn)性以及準確性，本文將以半年期做為定為債務期限，即t＝0

36、.5各年具體無風險利率參考表2－2</p><p>　　表2－2 半年期存款利率表</p><p>　　資料來源：中國人民銀行網站</p><p>　　2.3.2 股權價值的確定</p><p>　　我國上市公司的股權結構，長期以來一直存在著流通股和非流通股。因此，非流通股價值的計算方法對計算結果會有很大影響。本文將每股凈資產作為非流通股的價

37、格，則股權價值=流通股股數×市價+非流通股股數×每股凈資產。非ST公司計算結果見表2－3，ST公司計算結果見表2－4：</p><p>　　表2－3 非ST企業(yè)股權價值</p><p>　　表2－4 ST企業(yè)股權價值表</p><p>　　2.3.3 股權價值波動率的確定</p><p>　　由于KMV模型的假設條件要求企

38、業(yè)的資產收益服從正態(tài)分布，公司的市場價值服從Brown隨機運動，則股權價值波動率可以由歷史波動率模型來計算，歷史波動率模型就是用上市公司前一周的股價來預測本周股價，則股票的對數收益率為：</p><p><b>　?。?.1）</b></p><p>　　其中，Si表示樣本公司本交易周股票的收盤價；Si-1則表示樣本公司上一交易周股票的收盤價。則股權價值日波動率：&l

39、t;/p><p><b>　?。?.2）</b></p><p>　　股權價值年波動率的計算依賴于股票的交易天數來確定：</p><p>　　非ST企業(yè)具體計算結果見表2－5，ST企業(yè)具體計算結果見表2－6：</p><p>　　表2－5 非ST企業(yè)股權價值波動率</p><p>　　表2－6 非ST

40、企業(yè)股權價值波動率</p><p><b>　　續(xù)表</b></p><p>　　2.3.4 違約點的確定</p><p>　　當公司資產市場價值低于負債面值總額時，公司發(fā)生違約。但是，負債總額中的長期負債往往能緩解公司償還債務壓力。KMV公司研究表明，違約點值處于負債總額與流動負債之間的某一點，該點的值為流動負債加長期負債的一半。由于我國股票

41、市場的情況跟國外存在一定差異，在確定長期負債比例時，為了考察不同違約點對違約距離識別上市公司信用風險能力的影響，分別從以下三種情況進行考慮：(一)DP=STD+0.25*LTD</p><p>　　(二)DP= STD+0.5*LTD</p><p>　　(三)DP= STD+0.75*LTD。</p><p>　　其中，DP：違約點；STD：流動負債；LTD：長期

42、負債。</p><p>　　本文應用ROC曲線研究KMV模型的最優(yōu)違約點。ROC曲線反映了信用風險模型在某一臨界點時識別信用風險的能力。在圖（3－1）中，X軸依據違約距離大小把非ST公司從小到大排列，Y軸是違約距離小于或等于某一給定X值時的ST/*ST公司累積百分比。ROC曲線體現(xiàn)了模型在排除一定比例非ST公司時能夠排除多少比例ST/*ST公司的能力。該曲線離對角線越遠，模型的分辨能力越強，反之則越弱。從下圖(3

43、－1)可以看出，當模型的違約點值設定為違約點值DP=流動負債+50%長期負債時，模型對樣本公司具有最強的分辨能力；當違約點值DP=流動負債+50％長期負債以及違約點值DP=流動負債+75%長期負債時，模型對樣本公司飛兒分辨能力較弱。這一點與KMV公司推薦的違約點等于流動負債加50％長期負債時，模型的判別分辨能力最強的結論完全一致。這同時說明在中國的農業(yè)類上市公司中，ST/*ST公司比非ST公司具有較大的短期債務償還壓力。由表3－7可以看

44、出當違約點值在DP=流動負債+50%長期負債與DP＝流動負債+50%長期負債時，兩者的ROC觀測值相等，均等于0.848，這一點表明在這兩個點上，我國農業(yè)類上市公司的信用違</p><p>　　表2－7 ROC曲線分析表</p><p>　　圖2－1 ROC曲線檢驗</p><p>　　根據ROC曲線確定的最優(yōu)違約點結論：</p><p>　

45、　DP=STD+0.5*LTD </p><p>　　根據公式得出違約點計算結果，如表2－8，表2－9所示：</p><p>　　表2－8 非ST公司違約點表</p><p>　　表2－9 ST公司違約點表</p><p>　　2.3.5 資產價值及資產價值波動率的確定</p><p>　　在以上參數確定的基礎上，聯(lián)系

46、上一章提到的公式，利用MathCAD程序解方程組，可算出資產價值與資產價值波動率。計算結果如下：</p><p>　　表2－10 資產價值與資產價值波動率</p><p><b>　　續(xù)表</b></p><p>　　表2－11 ST公司資產價值與資產價值波動率</p><p>　　2.3.6 違約距離與違約概率的計算&

47、lt;/p><p>　　得出資產價值，違約點，股權價值以上參數后，根據違約距離公式，通過EXCEL很容易得出結果。</p><p>　　表2－12 非ST公司違約距離與違約概率</p><p><b>　　續(xù)表</b></p><p>　　表2－13 ST公司違約距離與違約概率</p><p>　　由

48、表2－13，表2－14可以看出違約距離與違約概率呈負相關關系。從表中得出農業(yè)類上市公司2010年上半年的平均違約距離為3.254，屬于行業(yè)內風險較低的公司有東方海洋（002086）、禾嘉股份（600093）、國投中魯（600962）、福成五豐（600965）、亞盛集團（600108）、永安林業(yè)（000663）、隆平高科（000998）、吉林森工（600189）、新五豐（600975）、順鑫農業(yè)（000860）、敦煌種業(yè)（600354）、

49、景谷林業(yè)（600254）、好當家（600467）、開創(chuàng)國際（600097）以及北大荒（600598）。獐子島（002069）、延長化建（600248）以及羅牛山（000735）的違約距離小于2，與同行業(yè)其他上市公司相比違約距離相對較小，表明其信用風險較大。延長化建（600248）信用風險相對較高可能是因為其沒有政府補助，而且除陜西地區(qū)以外，其他地區(qū)營業(yè)收入較去年同期減少了37.52%。獐子島（002069）信用風險相對較高可能與其上市不

50、久，對市場的掌控能力不足有關。羅牛山（000735）違約率上升是由于全國生豬銷售價格自2010年1月份以來持續(xù)下跌，飼</p><p>　　2.4 計算檢驗分析</p><p>　　KMV信用風險評估模型的作用是為了判斷上市公司違約的可能性，而違約的可能性不論是經驗的違約率還是理論的違約率，都是與違約距離DD一一對應的。根據前幾章的論述，我們知道ST公司相對于非ST公司是極有可能違約的，S

51、T公司總體與非ST公司總體的違約率應該有明顯的差別，所以ST公司總體與非ST公司總體的違約距離也應該有明顯的差別。本文采用多種方法用SPSS統(tǒng)計分析軟件對ST公司與非ST公司的違約距離的差異作檢驗。</p><p>　　2.4.1 相關性分析</p><p>　　通過皮爾遜相關性分析可以驗證KMV模型在我國農業(yè)類上市公司的實用性。皮爾遜相關系數又稱積矩相關系數，適用于測量定量數據之間的相關

52、程度。皮爾遜相關系數越高，說明兩樣本的相關程度越高。本文選用資產價值收益率與股權價值收益率分別與違約距離DD進行相關性分析。</p><p>　　股權價值波動率與違約距離相關性分析</p><p>　　本文應用的股權價值是考慮到農業(yè)類上市公司中大部分的非流通股進行計算得出的，本文以農業(yè)類上市公司股權價值波動率和違約距離作為樣本，在置信度為0.01%的水平上進行相關性分析。由表2－14可見，

53、違約距離與股權價值波動率在很高的置信水平上（超過99%）的相關系數為0.850，兩者之間高度相關，由于兩個變量之間高度負相關，即股權價值波動率上升時，違約距離下降。因此表明股價波動對違約距離產生影響，該模型對農業(yè)類上市公司具有較好的適用性，股價波動率上升，會導致違約距離縮小，擴大企業(yè)違約風險。</p><p>　　表2-14 違約距離與股權價值波動率相關性分析</p><p>　　資產價值

54、波動率與違約距離相關性分析</p><p>　　本文應用MathCAD軟件計算得出資產的市場價值及其波動率，故以農業(yè)類上市公司資產價值波動率和違約距離作為樣本，在置信度為0.01%的水平上進行相關性分析，以檢驗KMV模型對農業(yè)類上市公司的適用性。由表2－15可見，違約距離與資產波動率在在很高的置信水平上（超過99%）的相關系數為0.702，表明兩者顯著相關。由于兩者顯著負相關，即資產價值波動率上升，違約距離下降。

55、因此，企業(yè)資產價值波動大時，違約風險越大。</p><p>　　表2－15 資產價值波動率與違約距離相關性分析</p><p>　　2.4.2 T檢驗分析</p><p>　　（1） 5家ST公司與非ST公司2010年違約距離分析</p><p>　　本文將選出每股收益排在前五的非ST公司與5家ST公司進行T檢驗分析，以區(qū)分兩者差異。根據表2

56、－16，選出5只樣本，分別是登海種業(yè)（002041），獐子島（002069），順鑫農業(yè)（000860），豐樂種業(yè)（000713），新疆天業(yè)（600075）；</p><p>　　表2－16 非ST公司每股收益表</p><p>　　根據表2－16可見，ST農業(yè)類上市公司違約距離均值等于3.14，非ST農業(yè)類上市公司違約距離均值為2.5976，兩者的均值差為0.5424，T值為0.846，兩

57、者的標準偏差分別為0.514308和1.0209578，標準偏差差異值為1.4332595，兩者的均值標準誤差分別為0.230046和0.4565862，均指標準誤差差異為0.6409731。顯著性水平為0.445>0.05，不能拒絕原假設。表明ST農業(yè)類上市公司與非ST農業(yè)類上市公司兩者在2010年上半年信用風險違約值不存在顯著性差異。</p><p>　　表2－16 ST公司與非ST公司違約距離T值檢

58、驗</p><p><b>　　續(xù)表</b></p><p>　　表2－17 ST公司與非ST公司違約距離T值檢驗</p><p>　　（2） 3年DD均值顯著性分析</p><p>　　鑒于上一節(jié)得出結論證明ST公司與非ST公司不存在顯著性差異，本節(jié)為此進行補充論證。選取2008年上半年、2008年下半年、2009年上

59、半年、2009年下半年以及2010年上半年5個預測周期的違約距離均值進行比較分析。</p><p>　　表2－18 3年違約距離均值表</p><p>　　根據表2－18均值表可以看出非ST農業(yè)類上公司自2008年1月以來，其違約距離均值為1.700783，1.916806，2.914，3.120406和3.254324，而ST農業(yè)類上市公司的違約距離均值依次為1.239667，1.857

60、25，2.7855，2.7442和3.14。非ST農業(yè)類上市公司違約距離均值均高于ST農業(yè)類上市公司。為直觀表達，特制圖2－2，由圖2－2可以看出，農業(yè)類上市公司違約距離自2008年到2010年是不斷提高的?？梢?8年金融危機對農業(yè)類上市公司影響是顯著的，我國農業(yè)復蘇速度也很快，自2009年后，農業(yè)類上市公司違約距離均值開始穩(wěn)步提高，說明近一年我國農業(yè)類上市公司加強了信用監(jiān)管，經營狀況得到了改善。</p><p>

61、;　　圖2－2 3年違約距離均值圖</p><p>　　根據表2－18中的數據，對ST農業(yè)上市公司與非ST農業(yè)上市公司進行顯著性T檢驗分析。</p><p>　　表2－19 5個預測周期違約距離均值T檢驗</p><p>　　表2－20 5個預測周期違約距離均值T檢驗</p><p>　　根據顯著性檢驗T檢驗分析，自2008年至2010年上

62、半年，我國ST農業(yè)類上市公司違約距離均值為2.353323，非ST農業(yè)類上市公司違約距離均值為2.581266，兩者的均值差為－0.227943。兩者的標準偏差分別為0.7817834和0.7195710，他們的標準偏差差異值為0.1785419。兩者的均值標準誤差分別為0.3496242和0.3218019，他們的均指標準誤差差異值為0.0798464。T值為―2.855，顯著性水平為0.046<0.05，拒絕原假設，表明ST農

63、業(yè)類上市公司與非ST農業(yè)類上市公司存在顯著性差異，即ST類農業(yè)類上市公司的違約距離在整體上是小于非ST類公司的違約距離。通過對違約距離的分析得出，違約距離大，則償債能力強，信用風險小；反之，違約距離小，則償債能力弱，信用風險大。也就是說ST類公司的違約概率要比非ST類公司大，這也符合證券市場的現(xiàn)實情況。因此，KMV模型在對農業(yè)類上市公司信用風險的整體度量方面是比較適合的。</p><p>　　2.4.3 Wilc

64、oxon檢驗</p><p>　　在驗證KMV模型適用于農業(yè)類上市公司的基礎上，本文通過Wilcoxon非參數檢驗對農業(yè)類上市公司在08年次貸危機后信用風險的變化進行了顯著性差異分析。</p><p>　　表2－21 2010年上半年與2008年上半年非參數檢驗</p><p>　　a 2008年上半年< 2010年上半年</p><p&

65、gt;　　b 2008年上半年 > 2010年上半年</p><p>　　c 2008年上半年＝2010年上半年</p><p>　　表2－22 2010年上半年與2008年上半年非參數檢驗</p><p>　　由表2－22可以看出，Z值為－4.869，同時表示的雙尾P值為0.000<0.05，表明2010年的違約距離與2008年的違約距離具有顯著性

66、差異。因此，說明農業(yè)類上市公司在2008年次貸危機時期也受到了較大影響，而在兩年內經營管理改善，使其違約距離不斷提高，兩者差異越來越大。</p><p>　　2.5 實證檢驗結果</p><p>　　通過運用KMV模型計算度量農業(yè)類上市公司信用風險，得出以下結論。</p><p>　?。?）由于我國農業(yè)類上市公司大多為國有企業(yè)，其股本結構中除了流通股外，還有大量的非

67、流通股，所以上市公司的股權市值就不能按照股票收盤價來計算。本文在計算農業(yè)類上市公司股權市值時采用流通股和非流通股分別計算的方法，其中非流通股按照凈資產的方式進行計算。</p><p>　?。?）針對我國目前上市公司整體信用度不明確的情況，本文選取了被ST的上市公司作為研究樣本，使用ROC曲線對農業(yè)類上市公司違約點進行了最優(yōu)刪選，最后得出DP=STD+0.5*LTD最符合農業(yè)類上市公司實情，能更好地分辨農業(yè)類上市公

68、司信用風險狀況。</p><p>　　（3）本章使用KMV模型對2010年還處于ST的公司進行分析，得出80%的ST公司違約距離小于3.5，并且發(fā)現(xiàn)ST公司違約距離與非ST公司在2010年上半年不存在顯著性差異，這樣的情況可能是由于我國證券市場的整體發(fā)展情況的特定經歷以及我國上市公司公布的財務報表反映的財務但是通過對歷年違約距離均值比較分析，最后得出ST與非ST公司違約距離仍然存在顯著性差異。</p>

69、<p>　?。?）本文根據每股收益排名，選取5家ST類上市公司和5家與之配對的非ST類上市公司作為研究對象，運用修正后的KMV模型對它們的信用風險情況進行分析，并利用t檢驗對計算出的違約距離進行檢驗，結果表明調整相關參數后的KMV模型比較適用于我國上市公司，并能夠較好地反映上市公司的信用狀況，計算出的違約距離可以作為度量上市公司信用風險的指標。</p><p><b>　　3 研究結論與展

70、望</b></p><p>　　3.1 我國農業(yè)類上市公司信用風險現(xiàn)狀</p><p>　　根據實證分析的結論，可以看出我國農業(yè)類上市公司違約風險水平分布并不均勻。主要體現(xiàn)在以下幾個方面：</p><p><b>　?。?） 規(guī)模不足</b></p><p>　　在我國，農業(yè)雖說是國民經濟基礎部門，可在我國證

71、券市場上一共才49家農業(yè)類上市公司，僅占我國上市公司2079家總數的2.3%。</p><p>　　圖3－1 上市公司分布圖</p><p>　　資料來源：上海證券交易所網站</p><p><b>　?。?）政策支持</b></p><p>　　西部大開發(fā)戰(zhàn)略實施以來，國家針對“三農問題”出臺了旨在支持農業(yè)發(fā)展的一系列

72、優(yōu)惠政策,并對涉農企業(yè)給予了優(yōu)惠。特別是國家級的涉農上市公司，享受的國家優(yōu)惠政策更多，主要表現(xiàn)為減免稅收、信貸優(yōu)惠、價格補貼優(yōu)惠和資金技術支持。同時，國家對涉農產業(yè)的價格優(yōu)惠政策又在一定程度上阻礙了此類上市公司實行市場化經營。</p><p><b>　?。?）經營不善</b></p><p>　　我國上市公司平均市盈率為31.04倍，而我國農業(yè)類上市公司平均市盈率則

73、占到93. 55倍，遠遠超出市場平均水平，這說明這個行業(yè)的經營狀況是所有上市公司中最差的。</p><p>　　圖3－2 上市公司市盈率分布圖</p><p>　　資料來源：上海證券交易所</p><p>　　（4）事業(yè)穩(wěn)定性方面</p><p>　　農業(yè)類上市公司涉農項目具有比較顯著的季節(jié)性、周期性特征，從而在很大程度上對涉農上市公司生產經

74、營活動產生季節(jié)性影響。 以中水漁業(yè)(000798)和中福實業(yè)(000592)為例，中水漁業(yè)(000798)作為農業(yè)類海洋漁業(yè)生產企業(yè)，公司的主營業(yè)務是遠洋水產品的捕撈、儲運、加工、銷售和進出口等。2010年上半年公司根據南美阿根廷魷魚資源變化，加大了秘魯魷魚補充漁場開發(fā)力度，繼續(xù)著力金槍魚項目建設。但是公司601-611，618-619號金槍魚釣船老化，生產效率相對降低；南美阿根廷魷魚資源大幅下降，給全年生產帶來很大沖擊；由于美元貶值，

75、導致進口的生產資料價格上漲，加大了成本壓力。中福實業(yè)(000592)主營業(yè)務為造林、營林、林產品加工與銷售，實施“林板一體化”的發(fā)展模式。全球金融危機對我國經濟、對林業(yè)及林產品加工行業(yè)帶來的消極影響在短時期內尚不會消除，如果下游房地產裝修業(yè)、家具出口業(yè)、工藝業(yè)不景氣，會影響公司產品市場需求；此外，最近兩三年來我國中高密度纖維板產業(yè)新增生產線較多，企業(yè)市場競爭日趨激烈。公司在進一步擴大公司林業(yè)主業(yè)過程中需要大量投資資金，公司現(xiàn)有資金不能滿

76、足長遠發(fā)展需要。林業(yè)經營區(qū)有</p><p>　　3.2 研究的不足之處</p><p>　　針對中國上市公司股權結構及其所處市場環(huán)境的特殊性，本文調整了KMV模型中股權市場價值的計算方法以及討論了三種不同違約點值對違約距離識別上市公司信用風險能力的影響。實證分析證明，當模型的違約點值設定為違約點值DP=流動負債+50％長期負債時，模型對樣本公司具有較強的分辨能力。這充分說明了我國農業(yè)類上

77、市公司與大多數農業(yè)企業(yè)一樣往往依賴長期借款進行企業(yè)改革。實證結果同時表明2010年我國ST上市農業(yè)企業(yè)與非ST上市農業(yè)企業(yè)兩者的違約概率不存在顯著差異。本人認為上述兩種結果的出現(xiàn)主要有以下原因：</p><p>　　KMV模型在我國農業(yè)類上市公司的運用需要進一步完善。例如，期權定價理論近些年取得了較大的發(fā)展，到底哪一種期權定價公式對我國農業(yè)類上市公司更加合適，還需進一步明確。</p><p&g

78、t;　　我國大多數銀行開展內部評級的時間不長，各種數據庫的建立和維護都還不完善，數據缺乏連續(xù)性，限制了KMV模型在我國的運用及完善。</p><p>　　我國股市的有效性問題。中國股市尚處在規(guī)范和發(fā)展階段，股價對信息的反應不充分以及人為操縱等原因。</p><p>　　對模型參數調整的考慮不夠全面。由于時間有限，本文沒有在確定最佳違約點計算方法的時候選擇更多參數進行對比分析，僅3個參數對比

79、也許并不能正確反映模型真正的違約點。</p><p><b>　　3.3 未來展望</b></p><p>　　我國農業(yè)類上市公司在滬深股市上的數量較少，且交易金額較其他行業(yè)不多，產業(yè)盈利具有周期性。我國農業(yè)類上市公司在股權結構上更多是以非流通股為主，故無法通過短期數據應用KMV模型檢測出ST與非ST公司的差異性。所以提出以下展望：</p><p&

80、gt;　?。?）我國農業(yè)類上市公司應該加快股份制改革步伐，加大市場流通性，以便更好地運用KMV模型對其進行信用風險評價。</p><p>　?。?）我國商業(yè)銀行能夠加快內部評級機制，將信用等級制度落實到每個企業(yè)上，增加信用評級透明度。</p><p>　?。?）我國政府應當加大對農業(yè)類企業(yè)的政策扶植，幫助農業(yè)類上市公司更好的發(fā)揮基礎產業(yè)的作用，做到信用風險最低化。</p>&

81、lt;p><b>　　結 論</b></p><p>　　本文主要研究的是KMV模型在農業(yè)類上市公司信用風險度量的適用性。第一部分為具體的KMV模型的理論概述，第二部分概述了農業(yè)類上市公司信用風險現(xiàn)狀，第三部分中，本文首先利用KMV模型的計算步驟對農業(yè)類上市公司信用風險進行了量化，得出了其違約距離。本文還利用資產價值波動率、股權價值波動率與計算結果違約距離進行了相關性分析和T檢驗。檢

82、驗結果表明，資產價值波動率、股權價值波動率與違約距離具有顯著負相關，驗證了KMV模型對農業(yè)類上市公司具有適用性，同時檢驗得出農業(yè)類上市公司在08年次貸危機中受到影響，10年所受影響已明顯減弱。而10年上半年的短期數據結果卻出人意料，驗證不出農業(yè)類上市公司10年上半年ST與非ST公司之間的差異性。本文通過對滬深股市的農業(yè)類上市公司連續(xù)3年的信用風險的實證分析，證明KMV模型違約點確定在DPT=STD+0.5*LTD時，是適合我國農業(yè)上市公

83、司的計算公式,但還需要做進一步驗證。在我國現(xiàn)行條件下，違約距離和違約概率可以作為銀行監(jiān)控農業(yè)類上市公司貸款的預警指標。還可以使用參數調整后的KMV模型對農業(yè)上市公司進行信用評級，以簡單的數字直觀地表現(xiàn)農業(yè)類上市公司面臨的信用風險,方</p><p><b>　　參考文獻</b></p><p>　　[1] 陸珩瑱,張佳慧. 基于KMV模型的紡織業(yè)上市公司信用風險研究[

84、J].價值工程,2010</p><p>　　[2] 劉蓓.“Z計分法”在家族企業(yè)A股中的實證分析[J].財會通訊,2010（4）</p><p>　　[3] 周沅帆. 基于KMV模型對我國上市保險公司的信用風險度量[J].保險研究,2009（3）</p><p>　　[4]魏勇.基于Credit Risk+模型的中國銀行益陽分行信貸風險研究[D].湖南大學,200

85、9</p><p>　　[5] 楊蓬勃,張成虎,張湘. 基于Logistic回歸分析的上市公司信貸違約概率預測模型研究[J].經濟經緯,2009（2）</p><p>　　[6]Ohlson, James, Financial Ratios and the Probabilistic Prediction of Bankruptcy [J].Journal of Accounting Re

86、search, 1980</p><p>　　[7]Zavgren, Christine. The Prediction of Corporate Failure: The State of the Art [J].Journal of Accounting Literature, 1983(2)</p><p>　　[8]Zmijeski, Mark.Methodoligal issue

87、s related to the estimation of financial distress prediction models [J].Journal of Accounting Research, 1984 (22)</p><p>　　[9]Vasicek.EDF and Corporate Bond Pricing.SanFrancisco, KMV [J], LLC, 1995</p>

88、<p>　　[10]Roger M.Stein.Evidence on the Incompleteness of Merton-type Structural</p><p>　　Models for Default Prediction [J].Moodys KMV Corporation, 2005(2)</p><p>　　[11]Perter Crodbie, J

89、eff Bohn. Model in Default Risk [J].Moodys KMV Corporation, 2003(10)</p><p><b>　　致 謝</b></p><p>　　隨著論文的完稿，四年的大學生涯即將結束。在此，我想向所有曾經幫助過我的人致以最誠摯的感謝。</p><p>　　首先，我要特別感謝我的導師王老

90、師，感謝他的嚴格要求和諄諄教誨，感謝他的悉心關懷和支持鼓勵。通過參與導師的課題研究實踐，我不僅掌握了科學研究的思維和方法，更重要的是學會了處事嚴謹，做人謙遜的態(tài)度。論文的選題、寫作到定稿的整個過程以及我在學業(yè)上的每一點進步都凝聚著她的點滴心血。在百忙之中，他精心修改，悉心指導，將我步步引入學術研究的殿堂，沒有他的點撥和啟發(fā)不可能成就今日的我。導師嚴謹求實的治學態(tài)度、謙遜的學者風范、正直的處事方式與誠信的為人風格令我欽佩不已，將對我今后的

91、工作產生潛移默化的影響。在此謹致以最誠摯的敬意！</p><p>　　其次，我要感謝我的家人，你們是我的精神支柱，無論何時，無論何地，你們總是站在我背后，默默地支持我，鼓勵我，激勵我前行，你們是我前進的動力和源泉。每當我站在十字路口彷徨猶豫的時候，你們總是給我提供寶貴的意見，一路指引我前行。</p><p>　　最后，我還要感謝在論文寫作過程中給予支持的其他老師和同學，正是有你們的鼎力相助