制造业上市企业信用风险研究

刘千 李宗拾

摘要：新冠病毒感染疫情不仅是全球公共卫生危机，经济和社会发展也面临了多重困境，给中国与全球企业带来前所未有的考验。文章应用KMV模型（一种基于期权定价度量违约概率的方法），选取沪深A股制造业12个细分领域的129家上市公司为实证样本，计算出不同公司的违约距离和预期违约概率，以此识别样本公司的信用风险水平。研究结果表明：KMV模型在度量我国制造业上市企业的信用风险水平方面具有良好的识别能力；近几年，我国制造业总体信用风险呈先升后降趋势。

关键词：制造业；信用风险；KMV模型

中图分类号：F425；F832.51；F406.7  文献标识码：A   文章编号：1674-0688（2023）03-0114-03

0 引言

制造业作为国民经济的主体，其在现代化经济体系中具有引领和支撑的重要作用。推动制造业高质量发展，是融入新一轮科技和产业革命的关键任务，也是我国迈向“智造强国”的必由之路。但是，随着新冠病毒感染疫情的暴发，众多企业面临着前所未有的危机。2020年2月，受疫情影响中国制造业采购经理指数（PMI）为35.7%，比上月下降14.3百分点，即便在3月份PMI指数在2月大幅下降的基数上，环比回升恢复到52.0%，也并不能代表我国经济运行已恢复到正常水平，企业依旧面临诸多生产经营问题。当前，客观认识制造业经营现状，准确衡量制造业信用风险并采取有效应对策略，对我国经济平稳健康的增长具有重大意义。因此，本文运用KMV模型对我国在沪深A股上市的129家制造业企业进行信用风险分析，通过度量制造业在新冠病毒感染疫情暴发前后的信用风险程度变化，以此提出相应的政策建议，促进我国制造业的高质量发展。

KMV模型最初由一家美国公司利用期权定价模型建立，旨在预测企业贷款违约的概率。随后，Blochwitz等［1］将KMV模型扩展应用到评估信用风险中，以一家德国公司为研究对象，结果表明该模型能有效地评估目标公司的信用风险水平。Tudela等［2］以英国上市公司为样本，使用KMV模型测量公司的破产概率，研究发现，KMV模型在测度上市公司的信用风险水平方面比Probit回归方法更为优越。Camara、Popova和Simkins［3］运用修正后的KMV模型对全球范围内的上市公司进行实证分析，结论显示，在考虑企业的股价波动率、资产、负债等因素时，基于市场信息的KMV模型相比依靠财务信息取得的结果更为准确。Kliestik等［4］对KMV模型进行改进，将违约距离作为变量引入模型，实证表明，在识别样本公司信用风险水平上，修正后的KMV模型有不错的识别表现。王慧等［5］使用穷举法修正了KMV模型的违约点，并验证修正后的KMV模型能够有效识别上市房地产企业的信用风险。

通过国内外学者的研究和实证，在上市企业信用风险测度中，KMV模型的有效性和适用性得到学者的一致认可。因此，本文继续选用KMV模型作为我国上市制造业企业信用风险度量的模型，探究在黑天鹅事件的影响下，该模型能否及时有效地反映信用风险变化，并通过对比疫情前后两个阶段制造业企业的信用风险特征，揭示我国上市制造业企业的信用风险状况与未来发展趋势，并提出政策建议。

1 KMV模型的相关理论和介绍

1.1 KMV模型的相关理论

KMV模型，也被称为预期违约率（EDF）模型，是基于Merton风险债务定价理论及BSM期权定价理论，用于评估公司信用风险水平及预期违约概率的风险计量模型。该模型将公司的股权视作一份看涨期权，其中公司的股权价值是标的资产，违约点值是资产的执行价格，公司根据Black-Scholes期权定价公式求出资产价值，并与公司的负债水平相比。当负债到期时，如果资产市场价值小于负债面值，公司就会选择违约；反之则会偿还债务。

基于该思想，KMV模型设置违约点（DP），即从公司的财务数据库中将短期和长期债务按一定比重加权计算获得违约点，然后根据资产价值与违约点之间的关系算出违约距离（DD）。違约距离越大，说明公司在债务到期时的违约风险越小，反之同理。

1.2 KMV模型的介绍

KMV模型的计算可以分为以下3个步骤：

（1）计算公司资产市场价值 VA和资产价值波动率[σv]。企业资产价值和股权价值的关系为

E= VAN（d1） - Be- r（T）N（d2）                 （1）

其中，[d1=tlnVA/B+r+σ2v/2TσvT]；[d2=d1-σvT]；E代表公司的股权市场价值；VA是公司的资产市场价值；B是公司负债的市场价值；T代表期权的到期时点，r是无风险利率，N（·）为正态分布下的累计分布函数。

依据伊藤引理可以得出，E同时服从几何布朗运动，并且股权波动率σE满足：

[σEE=?E/?VAVA]                             （2）

将公式（1）两端对[VA]求导：

[?E/][?VA]=N（[d1]）                              （3）

此时，可得：

[σEE]=N（d1）[σvvA]                         （4）

联立公式（1）和公式（4），即可求出公司资产市场价值VA和资产价值波动率[σv]。

（2）违约点DP和违约距离DD的计算。违约点DP可作为违约和履约之间的一个临界点，其可由短期负债和长期负债按一定加权比重计算得出，公式如下：

[DP=STD+θ×LTD                           ]（5）

其中，STD表示为短期负债，LTD表示为长期负债。

计算出违约点DP后，据此则可计算出违约距离DD，公式如下：

[DD=（VA-DP）/VAσV                         ]（6）

（3）违约概率EDF的计算。运用伊藤引理可推导样本公司资产市场价值lnVt所服从的随机过程，如下：

[dlnVA=dVA/VA-1/2dV2AV2A=μ-1/2σ2Vdt+σVdBt]（7）

可以计算出样本公司在T时点的违约概率：

[p（VT

[NlnDP/VA-μ-1/2σ2VTσVT=N]（-DD）   （8）

即EDF=1-N（DD）[×]100%。

2 基于KMV模型的实证研究

2.1 样本选取

依照证监会行业分类标准对我国制造业进行二级行业细分，并剔出缺乏关键数据的上市公司。本文共选取包括电气机械、食品、医药等12个细分领域的129家国内制造业上市公司作为实证样本。由于2020年3月份我国疫情防控形势持续向好，生产生活秩序稳步恢复，企业复工复产明显加快，而制造业作为复工复产的先行军，大部分企业集中于2020年3月复工复产，因此时的国内疫情防控已取得阶段性成效，所以时间上选择2019年第四季度、2020年第一季度和第二季度为3个重点阶段作为观测时点研究疫情对我国制造业上市公司信用风险状况的影响。

2.2 实证过程和结果分析

（1）股权价值波动率[（σE）]的计算。由于股票的价格近似服从于对数正态分布，因此可以假设[Si]和[Si+1]分别为第i和i+1天的股票收盘价，用对数表示为[μi=lnSi+1/Si]。股票收益率[μi]的标准差可得[σn=1n-1i=1n（μi-E（μ））2]。其中，E[（μ]）=[1/][ni=1n μi]。

将股票价格数据带入上述公式子，可计算出日收益波动率，据此可计算出年收益波动率[σE=σn×N]。

其中，N表示一年里股票市场的交易天数。

（2）估计公司资产市场价值（VA）与资产价值波动率（[σv]）。联立公式（1）和公式（4）可求得公司资产市场价值VA和资产价值波动率[σv]。本文采用Matlab求解方程组。

（3）无风险利率r。本文采用样本期2019年与2020年中国人民银行公布的一年期定期存款利率，按时间权重计算出加权平均数作为无风险利率。

（4）违约点（DP）与违约距离（DD）的计算。KMV公司通过大量实证研究后，分析将长期负债的违约点系数[θ]设置为0.5时，上市公司更有可能发生违约状况，即DP=STD+0.5LTD。

本文将129家制造业上市公司按证监会分类标准分为12个不同细分领域，以便观察各领域近年来发展情况。

通过违约距离的计算我们发现，制造业上市公司在2019年底的违约距离均值为3.69，中位数为3.91；2020年一季度的违约距离均值为2.10，中位数为2.10；2020年第二季度的違约距离均值为3.15，中位数为2.96。12个领域的平均违约距离一定程度上均呈明显的“U”形波动。在2020年初，受疫情暴发的影响我国制造业上市公司违约距离均值为2.10左右，蒋峰［6］的研究表明，我国制造业的信用状况趋于恶化，总体信用风险逐步上升，但我国经过严格、科学地坚持实施疫情防控政策，制造业得到良好的恢复，信用风险也有所降低。

（5）预期违约概率（EDF）的计算。根据公式EDF=1-N（DD）[×]100%，部分违约概率计算结果如下。

2020年初，制造业上市公司的违约概率均有不同程度的上升，2020年第二季度，违约概率又下降到接近疫情前的水平。不同上市公司间违约概率的波动幅度也大不相同，如恒瑞医药在疫情防控期间违约概率始终保持较低水平；“宁德时代”的违约概率从0.31%飙升到6.55%随后回落至0.68%，此信用风险的波动，从侧面反映了疫情防控期间该公司的财务状况和经营环境的变化。不难看出，KMV模型能较好地测度上市公司的信用风险，便于进行风险的预警和防范，降低风险损失。但由于我国还未有效地建立上市公司历史违约信息数据库，因此在违约距离与违约概率之间的映射关系上存在一定的偏差，所以我们在度量上市公司的信用风险时，应用违约距离是一个比较好的选择。

3 结论与政策建议

本文通过KMV模型实证研究，得出以下结论：首先，从KMV模型的计算结果来看，样本企业的违约概率呈现先升后降的趋势，说明此前疫情对我国制造业的信用风险水平造成一定程度上的影响。其次，不同领域、不同类型的上市公司受疫情的影响程度不一，如医药制造业和头部制造业上市公司受疫情冲击程度较小，信用风险保持较低水平。最后，通过KMV模型能够在一定程度上有效衡量我国上市制造业企业的信用风险，在面对信用风险出现变动的情况下，通过模型的构建，企业能够及时对信用风险进行预警与防范。

3.1 构建上市企业历史违约数据库

相较于西方国家，我国针对信用风险的研究还是比较落后的，无论是模型的构建，还是历史违约数据，我们还没有形成完整的体系。所以，我国当前需要充分披露上市公司之间的违约事件，能够尽快、尽早地通过实际行动建立上市企业的历史违约数据库，数据库要尽量做到数据精准、覆盖面广泛，只有这样，才能实现KMV模型进行数据的有效分析，达到资本市场的需求，使我国上市企业的信用风险监管更具科学性。

3.2 企业改革创新精神要适应变化

制造业企业在面对大环境的变化，需要积极地有效地进行改革。在遇到突发的自然环境的变化所引发的制造业企业困境，现提出以下几点建议：一是加强企业人员管控以及创新管理，企业应舍弃传统员工排班制度，运用软件技术，实现智能化管理。在管理模式上，在提高效率的同时，还要减少不必要的支出，从根本上降低企业的成本。二是制造业企业应该注重加强供应链的管理，针对突发公共卫生事件，在供应链管理方面做好预防措施，降低供应链的风险。企业可以采取多元化的供应链策略，建立多供应商、多地点的采购网络，减少对单一供应商和采购地点的依赖，提高对供应链风险的抵御能力。三是拓宽融资渠道，制造业企业应看准资本市场形势，抓住机会，运用各种新型融资手段，尝试多方面地将社会资本引入企业中。

4 参考文献

［1］Blochwitz S，Liebig T，Nyberg M.Benchmarking deutsche bundesbank's default risk model， the KMV private firm model and common financial ratios for German corporations［J］.Super-vision，2000（10）：1-14.

［2］Tudela M，Young G.A merton-model approach to assessing the default risk of UK public companies［J］.International Journal of Theoretical and Applied Finance，2005，8（6）：737-761.

［3］Camara，A.，Popova，I.& Simkins，B.A comparative study of the probability of default for global financial firms［J］.Journal of Banking & Finance，2012，36（3）：717-732.

［4］KLIESTIK T，MISANKOVA M，KOCISOVA K.Calculation of Distance to Default［J］.Procedia Economics and Finance，2015，23：238-243.

［5］王慧，張国君.KMV模型在我国上市房地产企业信用风险度量中的应用［J］.经济问题，2018（3）：36-40.

［6］巴曙松，蒋峰.“违约潮”背景下的信用风险测度研究［J］.湖北经济学报，2019（11）：5-13.