李國香++朱正萱

摘要：信用風(fēng)險一直以來都是金融機構(gòu)及其監(jiān)管部門風(fēng)險管理的主要對象和核心內(nèi)容。房地產(chǎn)行業(yè)是國民經(jīng)濟的支柱行業(yè)，其最為典型的特征就是資金密集性。從我國房地產(chǎn)行業(yè)發(fā)展的實際情況出發(fā)，旨在通過應(yīng)用KMV模型比較得出績優(yōu)類和績差類上市公司風(fēng)險狀況，度量我國房地產(chǎn)行業(yè)的信用風(fēng)險水平。

關(guān)鍵詞：KMV模型，房地產(chǎn)，信用風(fēng)險

中圖分類號：F293.3 文獻標(biāo)識碼：B

文章編號：1001-9138-（2015）11-0028-34 收稿日期：2015-10-13

1 引言

信用風(fēng)險是指債務(wù)人不能按時償還債務(wù)或履行合約導(dǎo)致債權(quán)人遭受損失的可能性。一直以來，信用風(fēng)險計量都是商業(yè)銀行信用風(fēng)險管理中的重要環(huán)節(jié)。房地產(chǎn)行業(yè)作為我國經(jīng)濟發(fā)展的支柱行業(yè)之一，具有資金投入巨大和資金回收時滯的特點，傳統(tǒng)的房地產(chǎn)行業(yè)更傾向于商業(yè)銀行貸款。近年來，我國房地產(chǎn)價格不斷上漲，在國家持續(xù)宏觀調(diào)控的背景下，房地產(chǎn)銷售在2010年以后開始萎縮，房地產(chǎn)行業(yè)集聚的信用風(fēng)險逐漸暴露。因此，如何應(yīng)對和管理房地產(chǎn)信用風(fēng)險已成為我國目前亟需解決的重要課題。

由于房地產(chǎn)行業(yè)舉足輕重的地位，國內(nèi)外都非常重視對房地產(chǎn)行業(yè)信用風(fēng)險的研究。目前，主要的學(xué)術(shù)研究集中圍繞在宏觀因素對房地產(chǎn)信用風(fēng)險的影響研究。在信用風(fēng)險的度量方面，國外發(fā)達國家的評級機構(gòu)和評級方法較為先進和科學(xué)，對KMV模型的研究也相對比較成熟。在我國，風(fēng)險度量分析方法應(yīng)用于房地產(chǎn)行業(yè)的研究較少，更多的是圍繞經(jīng)濟指標(biāo)和財務(wù)數(shù)據(jù)進行分析。因此，本文將KMV模型作為一種風(fēng)險計量工具對目前房地產(chǎn)行業(yè)的信用風(fēng)險水平進行評估。

本文旨在通過KMV模型將我國房地產(chǎn)上市公司的實際數(shù)據(jù)研究與我國房地產(chǎn)上市公司現(xiàn)狀相結(jié)合，量化績優(yōu)類和績差類上市公司風(fēng)險狀況，識別我國目前面臨的房地產(chǎn)信用風(fēng)險，以更好地防范和規(guī)避風(fēng)險，并提出相關(guān)建議。

2 理論分析和模型修正

2.1 KMV理論模型分析

KMV模型把企業(yè)權(quán)益和負債看作是買入一份標(biāo)準(zhǔn)歐式看漲期權(quán)，若負債到期時公司資產(chǎn)市場價值高于其債務(wù)，公司償還債務(wù)；反之違約?；谶@個假設(shè)，KMV模型運用Merton的期權(quán)定價公式，得出公司的違約距離，違約距離越大，公司發(fā)生違約的可能性越小，反之越大。

但是由于國情的差異，我國不能直接借鑒國外的做法，因此本文還會對KMV模型進行修正，以符合我國實際國情。

基于KMV模型的思想，計算預(yù)期違約概率EDF主要有四步：

第一步，確定違約點DP。KMV公司根據(jù)大量的實證分析發(fā)現(xiàn)，違約發(fā)生最頻繁的臨界點等于公司的短期債務(wù)（STD）加上長期債務(wù)（LTD）的一半，即DP=STD+0.5LTD。

第二步，從上市公司股票的數(shù)據(jù)和負債的賬面價值中計算出上市公司股權(quán)市場價值和股權(quán)價值波動率，根據(jù)Merton模型推導(dǎo)出的計算公式，用matlab7.0進行編程計算，得到所選公司的資產(chǎn)市場價值和資產(chǎn)市場價值波動率。

計算公式如下：

（1）

（2）

其中，

是股權(quán)市場價值，是股權(quán)價值波動率，r為無風(fēng)險利率，表示債務(wù)償還期限，D表示違約點。

第三步，計算違約距離DD。其計算公式如下：

第四步，計算預(yù)期違約概率EDF。計算EDF有兩種方法：一種是理論計算，即：EDF=N（-DD）。另一種是KMV公司采用的經(jīng)驗違約率，即KMV公司選取一定時期，將違約距離和預(yù)期違約率之間的關(guān)系映射起來。由于我國尚未建立違約距離和違約率之間的映射關(guān)系，因此本文采用理論計算方法。

2.2 KMV模型的修正

現(xiàn)代信用風(fēng)險度量模型建立在大量歷史數(shù)據(jù)的基礎(chǔ)上，參數(shù)眾多。由于我國定量評估風(fēng)險手段落后，尤其是模型參數(shù)的設(shè)定方面缺乏足夠的實證檢驗，因此本文將對模型做出修正。

2.2.1 股權(quán)價值的修正

考慮到我國部分上市公司尚未實現(xiàn)全流通，從審慎原則出發(fā)，將流通股的部分采用基準(zhǔn)日股價與流通股股本總數(shù)的乘積來表示，而非流通部分（包括高管股和限售A股）的股權(quán)價值則采用基準(zhǔn)日每股凈資產(chǎn)與非流通股股本的乘積，兩部分之和即為該上市公司總的股權(quán)價值。即：股權(quán)價值=流通股股本*基準(zhǔn)日的股價+非流通股股本*每股凈資產(chǎn)。

2.2.2 股權(quán)價值波動率的計算方法

眾多學(xué)者的實證研究表明，GARCH（1）模型在預(yù)測中國金融市場時間序列數(shù)據(jù)波動率時具有很高的有效性，故采用GARCH（1）模型計算房地產(chǎn)上市公司的股權(quán)價值波動率。為了保證GARCH模型的有效性，此次研究分別以近3年每年12月31日為計算基準(zhǔn)日，選取上一年12月31日至當(dāng)年12月31日的日收盤價格作為計算股票價格波動率的基礎(chǔ)。

第一步，計算股票的日收益率。

日收益率，為第i日的股票收

盤價格，為股票日相對價格。

第二步，使用Eviews6.0建立GARCH（1.1）模型，得到股票日波動率。

第三步，股票年波動率=日波動率*有效天數(shù)。

3 實證研究

3.1 樣本選擇

本文選取上深證券交易所掛牌上市的10家房地產(chǎn)上市公司（5家績優(yōu)類股票且實力雄厚盈利良好，5家績差類ST股，見表1）。

為了進行對比分析， 選取績優(yōu)類和績差類公司2012年、2013年和2014年進行實證研究，利用KMV模型來估算這10家公司每年的違約距離和違約概率。

3.2 參數(shù)處理

3.2.1 無風(fēng)險利率r

本文采用中國人民銀行發(fā)布一年期整存整取定期存款利率，2012、2013、2014年的利率分別為3.0%、3.0%、2.75%。

3.2.2 時間參數(shù)T

令債務(wù)期限T=1，以便與實證分析所指定的股票價格期限相對應(yīng)。

3.2.3 短期債務(wù)和長期債務(wù)

在房地產(chǎn)上市公司資產(chǎn)負債表中，取流動負債為短期債務(wù)，取長期借款、應(yīng)付債券和長期應(yīng)付款總和為長期負債。

3.3 實證計算結(jié)果

通過樣本房地產(chǎn)上市的公司股票和賬面數(shù)據(jù)計算違約距離和預(yù)期違約率，計算結(jié)果如表2所示（數(shù)據(jù)來源于新浪財經(jīng)和銳思數(shù)據(jù)庫）。

3.4 對比分析

將績優(yōu)組和績差組的違約距離和預(yù)期違約率進行對比分析，結(jié)果如表3所示。

從績優(yōu)類房地產(chǎn)上市公司的數(shù)據(jù)變化來看，在2012、2013、2014的三年中，違約距離從2012年的2.667下降到2013年的2.417，2014年再降至2.297，而預(yù)期違約率從2012年的0.007開至2013年的0.0139，2014年再開至0.0153，違約距離逐年減小，相應(yīng)的預(yù)期違約率在逐年增加。

從績差類房地產(chǎn)上市公司的數(shù)據(jù)變化來看，這三年中，違約距離從2012年的1.875上升到2.322再降到2014年的2.298，相應(yīng)的預(yù)期違約率從2012年的0.0914降到2013年的0.0120再增至2014年的0.0132，整體的信用風(fēng)險也有了惡化的趨勢。

其中，2012年和2013年，績優(yōu)類房地產(chǎn)上市公司的違約距離要大于ST類房地產(chǎn)上市公司，預(yù)期違約率小于ST類房地產(chǎn)上市公司，符合理論預(yù)期。而在2014年，績優(yōu)類房地產(chǎn)上市公司的違約距離要大于ST類房地產(chǎn)上市公司，預(yù)期違約率小于ST類房地產(chǎn)上市公司，風(fēng)險狀況水平較差。

4 結(jié)論

根據(jù)KMV模型理論，績優(yōu)類的一組預(yù)期違約率應(yīng)該較小，違約距離應(yīng)該較大，反之，績差類的一組預(yù)期違約率應(yīng)該較大，違約距離應(yīng)該較小。而通過兩組數(shù)據(jù)對比得知，績優(yōu)類房地產(chǎn)上市公司在2012年至2014年信用水平呈現(xiàn)逐年下降的趨勢，到2014年甚至比績差類房地產(chǎn)上市公司信用風(fēng)險水平還要低。造成這種差異的原因主要跟當(dāng)時的經(jīng)濟形勢有關(guān)。基于房地產(chǎn)行業(yè)自身高負債的行業(yè)特性，在經(jīng)濟不景氣的情況下，績優(yōu)類房地產(chǎn)上市公司比績差類房地產(chǎn)上市公司背負更多的債務(wù)，在危機面前更容易出現(xiàn)資金鏈斷裂的情況，因此績優(yōu)類房地產(chǎn)上市公司可能會面臨更高程度信用風(fēng)險的情況。

事實上，在2013年初，中央政府最后一次出臺嚴(yán)厲措施調(diào)控房地產(chǎn)市場之后，針對房地產(chǎn)市場的全局性調(diào)控政策就再未出現(xiàn)過。在看似寬松的政策環(huán)境下，房地產(chǎn)行業(yè)在2013年觸底反彈之后，2014年初便開始掉頭向下，房價下跌和成交量緊縮使得房地產(chǎn)資金周轉(zhuǎn)困難，導(dǎo)致出現(xiàn)了一些大中房地產(chǎn)公司暫時無力支付巨額房地產(chǎn)信貸利息的情況，2014年房地產(chǎn)行業(yè)整體都面臨較高的信貸風(fēng)險。究其根源，還是中國經(jīng)濟整體發(fā)展思路的變化，我國房地產(chǎn)行業(yè)目前步入了調(diào)整期，進入了此輪房地產(chǎn)周期的下行階段。但是，這個“拐點”只是此輪周期的拐點，而不是我國房地產(chǎn)長周期的“拐點”，出現(xiàn)這種現(xiàn)象是暫時性的，隨著經(jīng)濟的好轉(zhuǎn)，績優(yōu)類房地產(chǎn)上市公司的信用水平會開始高過績差類房地產(chǎn)上市公司的信用水平。

5 建議

從目前資本市場和房地產(chǎn)實際市場的形勢來看，對于績優(yōu)類房地產(chǎn)上市公司來說，應(yīng)該利用自身現(xiàn)有的良好信用優(yōu)勢，建立起完善的融資平臺，從而在宏觀經(jīng)濟的調(diào)控下盡量避免資金鏈斷裂等惡性緊急情況的出現(xiàn)，降低信用風(fēng)險水平。對于績差類房地產(chǎn)上市公司，本來自身的經(jīng)濟情況和違約風(fēng)險就低于行業(yè)水平，在新的房地產(chǎn)政策調(diào)控下，應(yīng)該有側(cè)重點地清算和退出無盈利甚至虧損的房地產(chǎn)項目和地區(qū)，實現(xiàn)產(chǎn)業(yè)轉(zhuǎn)移，或通過重組和并購，借助大型房地產(chǎn)企業(yè)抵抗信用風(fēng)險的能力，減小違約的可能性。

總體來說，KMV模型比較適合于我國房地產(chǎn)上市公司用于信用風(fēng)險的度量，但是由于本文進行實證研究時所選樣本較小，容易產(chǎn)生較大的誤差，同時，KMV模型在我國資本市場的使用也受到了多方面的限制，比如國內(nèi)并沒有建立起違約距離和違約率之間的映射關(guān)系，只能使用預(yù)期違約率作分析比較，模型中的參數(shù)和公式也是使用國外的方法，這都會使檢驗結(jié)果的置信程度不夠高。因此，進一步改進模型，使其符合我國的實際國情，應(yīng)該是下一步的研究方向。

參考文獻：

1.李希雯 劉立新 周子元.KMV模型的修正及其應(yīng)用.第五屆中國金融學(xué)年會論文集.中國金融出版社.2008

2.王賽.基于KMV模型的我國房地產(chǎn)行業(yè)信用風(fēng)險度量.知識經(jīng)濟.2010.8

3.張學(xué)明.基于修正的KMV模型對我國上市公司信用風(fēng)險的度量和適應(yīng)性分析.商界論壇.2012.2

4.韓崗.國外信用風(fēng)險度量方法及其適用性研究.國際金融研究.2008.2

5.劉洋.中國房地產(chǎn)行業(yè)上市公司信用風(fēng)險度量.中小企業(yè)管理與科技.2011.33

6.任珊珊.KMV模型對房地產(chǎn)行業(yè)信用風(fēng)險的應(yīng)用.商.2012.24

7.張躍松 張婧 王曉陽.房地產(chǎn)行業(yè)信用滿意度相關(guān)因素灰色關(guān)聯(lián)性分析.工程管理學(xué)報.2010.2

8.姜洪濤 牛曉帆.我國房地產(chǎn)信用風(fēng)險形成機制問題研究——兼析信貸政策的選擇.當(dāng)代經(jīng)濟.2010.11

9.汪成豪 黎建強 董紀(jì)昌.從美國次貸危機透視房地產(chǎn)信用風(fēng)險防范.系統(tǒng)工程理論與實踐.2010.3

10.張云爽.中國房地產(chǎn)上市公司信用風(fēng)險預(yù)測——基于KMV模型的分析.中國城市經(jīng)濟.2011.20

作者簡介：

李國香，南京理工大學(xué)經(jīng)濟管理學(xué)院金融碩士研究生，研究方向為風(fēng)險管理。

朱正萱，南京理工大學(xué)教授，研究方向為風(fēng)險管理。