王金平 李嘉瑜

（廣東金融學(xué)院信用管理系　廣東廣州　510520）

我國房地產(chǎn)行業(yè)上市公司信用風(fēng)險(xiǎn)分析
——基于KMV模型

王金平 李嘉瑜

（廣東金融學(xué)院信用管理系廣東廣州510520）

房地產(chǎn)行業(yè)對推動(dòng)我國國民經(jīng)濟(jì)的發(fā)展有著重要作用，但其投資高風(fēng)險(xiǎn)、高收益的特性不容忽視。文章基于前人的理論和實(shí)證研究，結(jié)合我國情況對KMV模型修正并進(jìn)行實(shí)證分析，旨在提出應(yīng)對我國房地產(chǎn)行業(yè)信用風(fēng)險(xiǎn)的對策和房地產(chǎn)上市公司的發(fā)展意見，并為我國商業(yè)銀行對房地產(chǎn)貸款信用風(fēng)險(xiǎn)控制提出合理建議。

房地產(chǎn)；信用風(fēng)險(xiǎn)；KMV模型

房地產(chǎn)行業(yè)帶動(dòng)著各行各業(yè)的發(fā)展，是我國經(jīng)濟(jì)發(fā)展的主要力量。據(jù)中國人民銀行網(wǎng)站發(fā)布的數(shù)據(jù)顯示：2015年末在個(gè)人購房貸款方面全國個(gè)人購房貸款余額比2014年末為23.2%，增速比2014年末高5.7個(gè)百分點(diǎn)，比各項(xiàng)貸款高8.9個(gè)百分點(diǎn)；在房產(chǎn)開發(fā)方面，全國房產(chǎn)開發(fā)貸款余額5.04萬億元，同比增長17.9%，增速比上年末低3.8個(gè)百分點(diǎn)；在地產(chǎn)開發(fā)貸款方面，我國房地產(chǎn)開發(fā)貸款余額1.52萬億元，同比增長12.8%，增速比上年末低12.9個(gè)百分點(diǎn)。但在房貸市場不斷擴(kuò)大的同時(shí)，我國信用風(fēng)險(xiǎn)也越來越明顯，不良貸款率飆升，引發(fā)一系列經(jīng)濟(jì)問題，遏制了我國經(jīng)濟(jì)的發(fā)展。對我國房地產(chǎn)行業(yè)信用風(fēng)險(xiǎn)進(jìn)行分析，提出有針對性的建議對于國民經(jīng)濟(jì)健康發(fā)展有著重要意義。

一、KMV模型理論和修正

（一）KMV模型理論。KMV模型認(rèn)為在債務(wù)到期日，如果上市公司資產(chǎn)的市場價(jià)值高于公司債務(wù)值，則公司股權(quán)價(jià)值為公司資產(chǎn)市場價(jià)值與債務(wù)值之間的差額，公司履行債務(wù)；反之，則公司變賣所有資產(chǎn)用以償還債務(wù)，股權(quán)價(jià)值變?yōu)榱?，?dāng)公司資產(chǎn)價(jià)值下降至一定水平時(shí)，企業(yè)就會對其債務(wù)違約。

基于KMV模型的基本思路，KMV模型度量信用風(fēng)險(xiǎn)的步驟如下。

第一步，估算公司資產(chǎn)價(jià)值和資產(chǎn)波動(dòng)性。

計(jì)算公式如下：

公式中：

VE為企業(yè)股權(quán)市場價(jià)值；

VA為企業(yè)資產(chǎn)市場價(jià)值；

σE為企業(yè)股權(quán)價(jià)值的波動(dòng)率；

σA為企業(yè)資產(chǎn)價(jià)值的波動(dòng)率；

D為負(fù)債的賬面價(jià)值；

t為債務(wù)期限；

r為無風(fēng)險(xiǎn)利率；

N(d)為標(biāo)準(zhǔn)正態(tài)分布累積分布函數(shù)。

第二步，計(jì)算違約點(diǎn)DPT和違約距離DD。

其中，E（V'A）=VA（1+g'）

公式中：

LTD為企業(yè)長期負(fù)債；

STD為企業(yè)短期負(fù)債；

E（V'A）為企業(yè)資產(chǎn)的預(yù)期期望價(jià)值；

g'為企業(yè)資產(chǎn)的年增長率，一般情況下取值為0。

第三步，計(jì)算預(yù)期違約概率EDF。計(jì)算EDF的方有兩種。

一是理論計(jì)算，計(jì)算公式如下：

二是計(jì)算EDF采用經(jīng)驗(yàn)EDF，計(jì)算公式如下：

由于經(jīng)驗(yàn)EDF的計(jì)算公式是KMV公司基于西方國家上市公司的歷史數(shù)據(jù)得出的，并不適用與我國，因此本論文采取理論方式計(jì)算EDF。

（二）修正KMV模型。

1.股權(quán)價(jià)值VE的確定。傳統(tǒng)的KMV模型中所計(jì)算的VE沒有考慮非流通股這一特殊因素，因此無法直接運(yùn)用到我國股權(quán)定價(jià)上。針對現(xiàn)階段我國上市公司中仍有較多公司存在非流通股這一情形，為避免高估公司股權(quán)價(jià)值，參考已有文獻(xiàn)普遍的修正方法，對VE做出以下修正：

VE=P+M

其中，P=Pi×Ni

非流通股市場價(jià)值M有兩種計(jì)算方式：

第一種，M=Mj×Nj，該方法也應(yīng)用于Z模型。但是，每股凈資產(chǎn)遠(yuǎn)低于每股的市場價(jià)格，容易造成公司的市場價(jià)值被低估。

第二種，構(gòu)造回歸模型，即：M=（0.0489+0.3824Mi+ 0.062P+3.003E）×Nj，該方法綜合考慮了每股凈資產(chǎn)，每股收益和流通股價(jià)格對非流通股價(jià)格的相關(guān)性影響，計(jì)算結(jié)果更為準(zhǔn)確。

公式中：

P為流通股市場價(jià)值；

M為非流通股市場價(jià)值；

Pi為流通股收盤價(jià)；

Mi為每股凈資產(chǎn)；

Ni為流通股股數(shù)；

Nj為非流通股股數(shù)；

E為每股收益。

綜上所述，本論文中對M的計(jì)算采用第二種方法，即VE的計(jì)算公式為：

2.股權(quán)價(jià)值波動(dòng)率σE的估計(jì)。目前計(jì)算股權(quán)波動(dòng)率的方法有兩種，靜態(tài)波動(dòng)率和動(dòng)態(tài)波動(dòng)率。靜態(tài)模型中假設(shè)股權(quán)波動(dòng)率的方差是穩(wěn)定的，不存在異方差現(xiàn)象；動(dòng)態(tài)模型則認(rèn)為波動(dòng)率的方差是不穩(wěn)定的，動(dòng)態(tài)模型這一假設(shè)更符合我國股票市場的實(shí)際情況，而傳統(tǒng)KMV模型中計(jì)算股權(quán)價(jià)值波動(dòng)率采用的是靜態(tài)波動(dòng)率。

動(dòng)態(tài)模型主要有ARCH模型、EWMA模型、GARCH模型等，國內(nèi)實(shí)證研究表明GARCH模型對σE的估算具有良好效果。本論文為簡便起見，仍采用歷史波動(dòng)率法來估計(jì)σE。即σE的計(jì)算方法如下：

公式中：

σ0為日波動(dòng)率；

n為一年內(nèi)交易日的天數(shù)；

u為股票收益率；

Si為股票第i個(gè)交易日的收盤價(jià)格。

3.違約點(diǎn)DPT的設(shè)定。KMV公司通過對上百家公司數(shù)據(jù)統(tǒng)計(jì)分析，將DPT設(shè)定為短期負(fù)債加50%長期負(fù)債。長期負(fù)債前系數(shù)的設(shè)定在我國存在著較大的爭論，原因有二：一是，KMV公司分析的數(shù)據(jù)是基于國外公司得出的，對于我國并不適用，而我國的信用體系建設(shè)滯后，樣本數(shù)據(jù)非常有限，使得我們難以像KMV公司那樣通過大量數(shù)據(jù)的分析得出比較權(quán)威的結(jié)論。二是，在理論上，當(dāng)公司資產(chǎn)價(jià)值下降到債務(wù)總額的時(shí)候，違約將發(fā)生；在實(shí)際中，債務(wù)總額中的長期負(fù)債可以緩解公司的還款壓力，令公司有足夠的時(shí)間籌措資金來償還債務(wù)，使得公司資產(chǎn)價(jià)值降至債務(wù)總額時(shí)并不發(fā)生違約。

我國學(xué)者進(jìn)行實(shí)證分析師對DPT的設(shè)置通常有5種，分別是：

本論文研究的是我國房地產(chǎn)行業(yè)的信用風(fēng)險(xiǎn)，房地產(chǎn)行業(yè)對貸款具有大量需求，再加上房地產(chǎn)行業(yè)固定資產(chǎn)占比大，資產(chǎn)流通時(shí)間長，固房地產(chǎn)公司的負(fù)債中，長期負(fù)債比短期負(fù)債占總負(fù)債的比重大，長期負(fù)債可以緩解公司的還款壓力，因此，本論文設(shè)定長期負(fù)債前系數(shù)為0.25。即修正后DPT的計(jì)算公式為：

4.無風(fēng)險(xiǎn)利率r的確定。無風(fēng)險(xiǎn)利率是指將資金投入到某項(xiàng)無風(fēng)險(xiǎn)資產(chǎn)中所能獲得的收益率。在國外，市場經(jīng)濟(jì)體制成熟的國家常用短期國債的利率作為無風(fēng)險(xiǎn)利率；在我國，由于債券市場尚不成熟，且利率的確定沒有完全市場化，從嚴(yán)格意義上來說，我國并不存在無風(fēng)險(xiǎn)利率。因此，本文選用由中國人民銀行規(guī)定的一年期定期存款利率為無風(fēng)險(xiǎn)利率（r）。中國人民銀行會根據(jù)國內(nèi)外經(jīng)濟(jì)情況在一年內(nèi)多次對存款利率進(jìn)行調(diào)整，為使數(shù)據(jù)更符合實(shí)際，本文采用天數(shù)對定期存款利率進(jìn)行加權(quán)平均，最終確定各年的無風(fēng)險(xiǎn)利率。

二、我國房地產(chǎn)上市公司信用風(fēng)險(xiǎn)實(shí)證分析

（一）房地產(chǎn)上市公司的選擇。為得到真實(shí)可靠的數(shù)據(jù)，本論文以在上海證券交易所掛牌上市的10家房地產(chǎn)上市公司作為研究對象，對其2012年、2013年和2014年股票數(shù)據(jù)進(jìn)行分析。為保證股權(quán)市場價(jià)值計(jì)算的準(zhǔn)確性，選取的樣本公司股票僅發(fā)行A股；為確保股票數(shù)據(jù)的連續(xù)性，選取的樣本公司在所分析年限中無停復(fù)牌記錄。樣本公司選取情況如表1。

表1　樣本公司基本情況表

（二）房地產(chǎn)上市公司數(shù)據(jù)分析和相關(guān)變量的確定。

1.計(jì)算參數(shù)股權(quán)價(jià)值VE。2012～2014年股權(quán)價(jià)值（VE）的計(jì)算結(jié)果見表2、表3、表4。

表2　10家上市公司2012年股權(quán)價(jià)值的計(jì)算

表3　10家上市公司2013年股權(quán)價(jià)值的計(jì)算

表4　10家上市公司2014年股權(quán)價(jià)值的計(jì)算

2.計(jì)算參數(shù)股權(quán)價(jià)值波動(dòng)率。2012～2014年股權(quán)價(jià)值波動(dòng)率（σE）的計(jì)算結(jié)果見表5、表6、表7。

表5　10家上市公司2012年股權(quán)價(jià)值波動(dòng)率σE的計(jì)算

表6　10家上市公司2013年股權(quán)價(jià)值波動(dòng)率σE的計(jì)算

表7　10家上市公司2014年股權(quán)價(jià)值波動(dòng)率σE的計(jì)算

3.計(jì)算參數(shù)違約觸發(fā)點(diǎn)DPT。2012～2014年違約觸發(fā)點(diǎn)（DPT）計(jì)算結(jié)果見表8、表9、表10。

表8　10家上市公司2012年違約觸發(fā)點(diǎn)DPT的計(jì)算

表9　10家上市公司2013年違約觸發(fā)點(diǎn)DPT的計(jì)算

表10　10家上市公司2014年違約觸發(fā)點(diǎn)DPT的計(jì)算

4.債務(wù)期限t的確定。根據(jù)國內(nèi)學(xué)者研究KMV模型時(shí)對這一參數(shù)的確定和我國大部分債務(wù)期限，本論文將債務(wù)期限設(shè)定為1年。

5.無風(fēng)險(xiǎn)利率r的確定。2011～2014年加權(quán)無風(fēng)險(xiǎn)利率（r）的計(jì)算結(jié)果如表11。

表11　2012-2014年加權(quán)無風(fēng)險(xiǎn)利率r

（三）實(shí)證分析。

1.計(jì)算公司資產(chǎn)價(jià)值和資產(chǎn)波動(dòng)率。本論文使用MATLAB軟件進(jìn)行計(jì)算，VA和σA的計(jì)算結(jié)果如表12、表13、表14。

表12　10家上市公司2012年資產(chǎn)價(jià)值及其波動(dòng)率

表13　10家上市公司2013年資產(chǎn)價(jià)值及其波動(dòng)率

表14　10家上市公司2014年資產(chǎn)價(jià)值及其波動(dòng)率

2.計(jì)算違約距離DD和違約概率EDF。2012～2014年10家上市公司違約距離DD和違約概率EDF的計(jì)算結(jié)果如表15、表16、表17。

表15　10家上市公司2012年違約距離及其違約概率

表16　10家上市公司2013年違約距離及其違約概率

表17　10家上市公司2014年違約距離及其違約概率

（四）結(jié)果分析。為更好地對結(jié)果進(jìn)行比較分析，將違約距離和違約概率的值作圖，如圖3、圖4、圖5。

圖3　10家上市公司2012年違約距離和違約概率

圖4　10家上市公司2013年違約距離和違約概率

圖5　10家上市公司2014年違約距離和違約概率

由圖3、4、5可以得出規(guī)律，違約距離（DD）越大，預(yù)期違約概率（EDF）則越小。通過對以上以30組數(shù)據(jù)進(jìn)行比較，可以發(fā)現(xiàn)，在橫向和縱向比較中，KMV模型的判斷準(zhǔn)確性均為100%，由此可證明修正后的KMV模型具有一定的信用是識別能力。

根據(jù)中商情報(bào)網(wǎng)數(shù)據(jù)顯示，保利地產(chǎn)、魯商置業(yè)、世茂股份、金地集團(tuán)和寧波富達(dá)位列中國房地產(chǎn)行業(yè)百強(qiáng)排行。在2012、2013、2014三年中，保利地產(chǎn)、魯商置業(yè)、世茂股份、金地集團(tuán)和寧波富達(dá)的違約距離分別為0.9778、0.8136、1.3515、1.0254、1.6795；0. 8271、0.7644、1.1593、0.5831、1.4641和1.2576、0.2924、1.0451、1. 1337、1.7417，違約概率分別為16.41%、20.79%、8.83%、15.26%、4. 65%；20.41%、22.23%、12.32%、27.99%、7.16%和10.43%、38.50%、14. 80%、12.85%、4.08%。而為列入中國百強(qiáng)房地產(chǎn)上市公司的南京高科、珠江實(shí)業(yè)大龍地產(chǎn)、天房發(fā)展和新黃浦三年的違約距離分別為1.9169、2.4042、4.0137、1.1138、3.9326；1.6420、3.5157、4.6120、0.

5338、2.7353和1.2576、0.2924、1.0451、1.1337、1.7417，違約概率為2.76%、0.81%、0.00%、13.27%、0.00%；5.03%、0.02%、0.00%、29.67%、0. 31%和1.87%、0.00%、1.29%、19.21%、0.05%。由上述數(shù)據(jù)可以發(fā)現(xiàn)，從總體上看，位列中國房地產(chǎn)行業(yè)百強(qiáng)排行榜的房地產(chǎn)公司的違約風(fēng)險(xiǎn)遠(yuǎn)大于其他房地產(chǎn)公司，這與KMV模型的理論預(yù)測不符，筆者認(rèn)為，這是因?yàn)?，中國?jīng)濟(jì)的增長從2011年上班年開始進(jìn)入下行周期，至2014年經(jīng)濟(jì)仍未復(fù)蘇，綜合能力強(qiáng)的公司背負(fù)更多的債務(wù)，在經(jīng)濟(jì)低迷時(shí)期，百強(qiáng)公司比其他公司面臨著更大的風(fēng)險(xiǎn)?；诜康禺a(chǎn)行業(yè)自身高負(fù)債的特性，在債務(wù)危機(jī)和國家經(jīng)濟(jì)政策面前，房地產(chǎn)公司承受著巨大的壓力，綜合能力強(qiáng)的房地產(chǎn)公司因?yàn)槠滟J款規(guī)模和自身負(fù)債率均處于較高水平，所以在危機(jī)面前容易出現(xiàn)資金鏈斷裂的情況，但這種風(fēng)險(xiǎn)只是暫時(shí)的，隨著經(jīng)濟(jì)形勢好轉(zhuǎn)，位列百強(qiáng)排行榜的上市公司的信用水平會高于其他上市公司的信用水平。

綜上所述，用修正后的KMV模型對我國房地產(chǎn)行業(yè)上市公司進(jìn)行實(shí)證分析得出的結(jié)果與預(yù)期是較符合實(shí)際情況的。

三、對策與建議

（一）對我國房地產(chǎn)上市公司的發(fā)展建議。

第一，注入優(yōu)質(zhì)資產(chǎn)，提高公司資產(chǎn)市場價(jià)值。公司可用過重組或者聯(lián)營等方式，利用優(yōu)勢互補(bǔ)、規(guī)模經(jīng)濟(jì)擴(kuò)展融資渠道、財(cái)務(wù)協(xié)同等，增加營利能力，改善經(jīng)營狀況，實(shí)現(xiàn)產(chǎn)業(yè)升級，完善產(chǎn)業(yè)鏈。

第二，利用股指期貨，維持公司股票的平穩(wěn)，減小波動(dòng)性。股指期貨即股票價(jià)格指數(shù)期貨，是指以股價(jià)指數(shù)為標(biāo)的物的標(biāo)準(zhǔn)化期貨合約，雙方約定在未來的某個(gè)特定日期，可以按照事先確定的股價(jià)指數(shù)的大小，進(jìn)行標(biāo)的指數(shù)的買賣，到期后通過現(xiàn)金結(jié)算差價(jià)來進(jìn)行交割。公司進(jìn)入期貨市場，通過套期保值，從而更有效地把握市場方向，增強(qiáng)股指期貨發(fā)現(xiàn)價(jià)格的功能，從而穩(wěn)定公司的股票價(jià)格，從而減小股票價(jià)值波動(dòng)率，降低資產(chǎn)價(jià)值波動(dòng)率。

第三，善于利用財(cái)務(wù)杠桿，加大公司投資。利用財(cái)務(wù)杠桿可以使得資產(chǎn)最大化，加大投資，增加公司負(fù)債，提高資產(chǎn)負(fù)債率，使得公司資產(chǎn)負(fù)債率處于行業(yè)平均水平，提高資金利用率。

（二）對我國商業(yè)銀行發(fā)放房地產(chǎn)貸款的建議。

第一，實(shí)施差別化信貸政策，調(diào)整貸款結(jié)構(gòu)，提高資金利用率。銀行可通過對不同公司的資產(chǎn)價(jià)值，資產(chǎn)價(jià)值波動(dòng)率，公司同期投資項(xiàng)目規(guī)模、數(shù)量等來衡量放貸金額，實(shí)施差別信貸政策，從而調(diào)整對不同公司不同領(lǐng)域的貸款分布，減少資金占有成本，提高資金利用率。

第二，設(shè)置銀行內(nèi)部模型來計(jì)量風(fēng)險(xiǎn)，設(shè)定銀行內(nèi)部信用等級標(biāo)準(zhǔn)，減少壞賬的發(fā)生，降低不良貸款率。

（三）控制我國房地產(chǎn)行業(yè)信用風(fēng)險(xiǎn)的對策與建議。

基于本論文修正的KMV模型，為控制我國房地產(chǎn)行業(yè)信用風(fēng)險(xiǎn)提出以下對策和建議。

第一，加快我國上市公司非流通股、有限售條件流通股向無限售條件流通股的轉(zhuǎn)換，使得股權(quán)市場價(jià)值衡量標(biāo)準(zhǔn)一致，數(shù)據(jù)準(zhǔn)確。

第二，觀察我國具有不同違約距離的上市公司的違約歷史數(shù)據(jù)，擬合一條符合我國實(shí)際情況的經(jīng)驗(yàn)預(yù)期違約率曲線，增強(qiáng)對上市公司預(yù)期違約情況的判斷。

第三，根據(jù)各年的經(jīng)濟(jì)情況，針對各個(gè)行業(yè)，每年對信用等級劃分進(jìn)行修改，使得等級判斷更加準(zhǔn)確。

[1]陳則明,吳光偉.住房抵押貸款中業(yè)主違約現(xiàn)象的分析[J].中國房地產(chǎn),2011(11).

[2]王瓊,陳金賢.信用風(fēng)險(xiǎn)定價(jià)方法與模型研究[J].現(xiàn)代財(cái)經(jīng),2002(4).

[3]王福林.個(gè)人住房抵押違約貸款風(fēng)險(xiǎn)影響因素實(shí)證研究[D].杭州：浙江大學(xué),2004.

[4]楊星,張義強(qiáng).中國上市公司信用風(fēng)險(xiǎn)管理實(shí)證研究——EDF模型在信用評估中的應(yīng)用[J].經(jīng)濟(jì)論壇,2004,(1):43-47.

[5]章林.房地產(chǎn)企業(yè)信用風(fēng)險(xiǎn)評估研究[D].湖南:中南大學(xué),2006.

[6]李睿.中國商業(yè)銀行房地產(chǎn)貸款信用風(fēng)險(xiǎn)研究[D].上海:華東師范大學(xué),2006.

[7]彭非遠(yuǎn).KMV模型對中國上市公司股權(quán)市場后的信用風(fēng)險(xiǎn)實(shí)證分析[J].中山大學(xué)學(xué)報(bào)論叢，2006(8):109-112.

[8]易佳欣.房地產(chǎn)信貸信用風(fēng)險(xiǎn)的度量與預(yù)測研究[D].西安:西安理工大學(xué),2007.

[9]李鈺,朱衛(wèi)兵.KMV模型在我國的實(shí)務(wù)化[J].統(tǒng)計(jì)與決策,2009(3):116-124.

[10]張?zhí)鹛?KMN模型的修正及應(yīng)用[D].蘭州:蘭州商學(xué)院,2012.

[11]劉君紅.我國房地產(chǎn)行業(yè)信用風(fēng)險(xiǎn)評價(jià)研究[D].北京:北京交通大學(xué),2012.

[12]任珊珊.KMV模型對房地產(chǎn)行業(yè)信用風(fēng)險(xiǎn)的應(yīng)用[D].貴陽:貴州財(cái)經(jīng)大學(xué),2013.

[13]孫江濤.基于修正KMV模型的我國上市公司信用風(fēng)險(xiǎn)度量研究[D].無錫:江南大學(xué),2013.

[14]李國香,朱正萱.應(yīng)用KMV模型分析房地產(chǎn)行業(yè)信用風(fēng)險(xiǎn)[J].中國房地產(chǎn),2015(11):28-33.

[15]MertonR.On thepricingofcorporatedebt:Theriskstructureof interestrates[J].JournalofFinance,1974(29):449-470.

[16]Black F,Scholes L.The pricing ofoptionsand corporate liabilities[J].JournalofPoliticalEconomy,1973(81):637-654.

[17]Stefan Blochwitz,Thilo Liebig,Mikael Nyberg.Benchmarking deutschebundesbank’sdefaultriskmodel,theKMVprivate firmmodel and common finacial rations for german corporations[J].Supervision, 2000(11):1-55.

[18]Jorge Sobeha,Sean Keenan,Roger Stein.Benchmarking quantitative default risk models:A validation methodology[J]. JournalofBankingand Finance,2001(4):57-72.

[19]KMV S.A Markov for the Them Structure of Credit Spreads[J].ReviewofFinancialStu-dues,2001:481-523.

[20]PeterCrodbie,JeffBohn.ModelingDefaultRisk[M].Moody’s KMVCorporation,2003.

[21]Peter Crosbie,Jeffrey Bohn.Modeling Default Risk[J]. American Banker,2003(7):98-106.

[22]Duffie,Darrell,KeWang.multi-Period corporate.Failure predictionwith stochastic covariate Bureau of Economic Research [M].2004：21-30.

[23]Korablev,Dwyer.Power and level validation ofmoody’s KMVEDFcreditmeasures in North America,Europe,and Asia[J]. Economicnotes,2007,9-17.

[責(zé)任編輯楊賀]

F740

A

2095-0438（2016）11-0005-07

2016-06-25

王金平（1964-），女，黑龍江肇州人，廣東金融學(xué)院信用管理系統(tǒng)教授，碩士。研究方向：信用管理，資產(chǎn)評估。

2015年度廣東省高等教育教學(xué)改革項(xiàng)目（166）。