骆 珣 王玲玲

内容摘要：客观评价一个公司财务经营状况的好坏，对其做出财务危机预警，对于投资者、监管机构，甚至企业经营者都格外重要。本文运用KMV模型的思想，在对KMV模型相关假设修正的基础上，通过对配对样本的适用性和具体预警能力的分析，探讨我国上市公司财务危机预警分析的方法。

关键词：KMV模型上市公司财务危机预警

作为一种计量信用风险的工具，KMV模型在风险贷款定价、信用风险分析、公司价值评估等领域得到了广泛应用，但其用于我国上市公司财务危机预警领域的研究较少。本文将违约概率值作为衡量我国上市公司财务状况的标准，不仅考虑了非流通股价值对整个公司资产价值的影响，还在适用性分析方面进行了假设检验，以探索基于KMV模型的我国上市公司财务危机预警分析方法。

KMV模型的理论基础是Black—Scholes和Merton的期权定价理论。KMV模型用于我国上市公司财务危机预警领域评价公司财务状况的基本思路是：以违约概率值作为衡量上市公司财务状况的标准，违约概率值越大，公司违约的可能性就越大，公司的财务状况越差反之亦然。通常，确定一个公司的预期违约概率的具体步骤是：第一步，依据某公司股票的市场价值、股价的波动性及负债的账面价值估计出该公司的市场价值V及波动率d；第二步，计算该公司的违约点；第三步，确定违约距离及违约概率(EDF)之间的映射。

研究假设和样本选取

本文假设ST公司违约风险高于非ST公司，且将因财务状况异常而被特别处理的上市公司(即ST公司)界定为出现财务危机公司。

本文的样本数据采用随机方式选取，即2007年一个会计年度沪深两市制造业行业2007年首次被ST处理的20家上市公司。为了研究方便，又进一步选取了与上述ST公司行业相同、资产规模相近的20家非ST公司为配对样本，其中剔除了发行H股、B股的上市公司以及上市时间不到一年的上市公司。样本总规模为40家上市公司。

参数设定

(一)违约点计算方法的选取

通过对大量违约公司的观察。KMV公司发现违约发生最频繁的临界点处在公司价值大于等于流动负债与50％的长期负债之和。由于我国历史违约数据严重缺乏，本文在此采用KMV公司推荐的违约点计算方法。

(二)股本价值的计算

在计算基准目2007年12月31日，仍然有一些样本公司未完成股改，由于股权价值=流通股股数×市价+非流通股股数×非流通股每股的价值，因此，非流通股价值的计算方法对计算结果会有很大影响。董颖颖，薛锋，关伟认为非流通股每股的价值和每股净资产之间近似服从这样的分布P=1.326+0.53X(p：非流通股每股价值，x：每股净资产)。本文对非流通股价值的计算将运用这一结果。

(三)股本价值波动率的计算

本文采用流通股股票价格波动率来代替股本价值波动率。流通股的股票价格波动率可以通过上市公司财务报表等历史数据进行估计。此外，本文中的无风险利率采用2007年调整后的金融机构一年期存款利率3.06％。在计算违约距离中用到一年后资产的期望价值，为计算方便，假设资产价值在一年内的增长率为零。

KMV模型在上市公司财务危机预警中的适用性分析

本文将所有样本从差值和频率分布两个方面，以2007年12月31日做横截面比较分析：

(一)差值比较分析

违约风险高的企业违约概率应该比较大，而违约风险低的企业违约概率应该比较小。ST公司与非ST公司的违约概率差值情况(见表1)(以制造业为例)o

从表1可以看出，在行业相似、规模相同的任意一组ST公司与非ST公司违约概率的比较中，非ST公司的违约概率总是小于ST公司的违约概率，表明违约概率越大，公司违约的可能性越大，公司的财务危机越大；反之亦然。为了比较ST公司与非ST公司两组样本之间违约概率差异的显著性，本文采用了配对样本t检验，在0 05的显著性水平下，样本的t统计量等于4.908047，大于t双边临界值2 093024，即Itl=4.908047>t(20)=2 093024，所以在置信度为0 05的情况下，ST公司与非ST公司违约概率的数据有显著差异。因此。KMV模型应用于我国制造业上市公司财务危机预警理论是完全可行的。

(二)频率分布比较分析

将所有样本得到的违约概率区间离散化后得到7个区间(见表2)。

从表2可以看出与每个区间相对应的样本公司个数及其中包含的ST公司个数。而且。在这7个违约概率的区间中，违约概率越大的区间，ST公司所占的比重越大，同时对于这个特定的20组上市公司的数据来说，在区间(43.96％。48.78％)内，ST发生的频率最大，约为78％。这与KMV的理论基础符合。

本文通过上述分析发现：违约概率越大，公司违约的可能性越大，公司的财务危机越大；反之，违约概率越小，那么公司违约的可能性越小，公司的财务危机越小。同时，违约概率越大的区间，ST公司在所有公司中所占的比重越大。这些都与KMV模型的基本理论相吻合。

KMV模型对上市公司财务危机预警的能力分析

本文选取样本公司中违约概率最大的公司。ST宝硕(违约概率为48.78％)讨论KMV模型进行上市公司财务危机预警的能力。由于。ST宝硕是在2007年首次被ST的，在2006年时，可以采用时间序列分析、计算该上市公司若干年以前的违约概率，并以此为据，事先对该公司的财务危机做出预警。

*ST宝硕2001-2005年违约距离与违约概率(见表3)。

从表3中可以看出，*ST宝硕的信用状况自2003年以来急剧恶化。从2002年的46.89％上升为2003年的49.46％，上升的百分比约为2.75％。最终由KMV模型计算得出的结论是：*ST宝硕自2003年以来由于财务状况恶化，导致其信用等级陡然降低，将来极有可能违约。

从总体趋势来看，时间越趋近ST，违约概率值越大，意味着公司破产的几率增大了。股价时时更新变动，如果能有足够多的数据支持，就可以做出一个实时变动的违约概率曲线。虽然由于资料限制，只能做到违约概率的年变动曲线，但是通过这个大致的轮廓，也能清晰看出该上市公司违约概率值的变动路径，以对其财务危机做出预警。

结论

综上所述，本文对KMV模型的适用。眭研究发现，对于这个特定的20组上市公司的数据来说，在区间(43.96％，48.78％)内。ST发生的频率最大，约为78％。因此，如果以此设置警戒线为43.96％，那么从表3中可以看出，*ST宝硕早在2001年就能被预测到2007年ST的发生，如果能够得到2001年以前的数据，那么就能够更早的对*ST宝硕的财务危机做出预警；而在2003年，*ST宝硕的财务状况陡然滑坡，财务危机迫在眉睫，这对于财务危机预警来说，是一个非常突出的标志。这样，投资者、监管机构，甚至公司自身就能够提前4年对*ST宝硕的财务危机做出预警并采取补救措施。

由此可知，将KMV模型运用到我国上市公司财务危机预警中是完全可行的。而且可以根据不同行业和不同的资产规模提前对上市公司的财务危机做出预警。

需要说明的是：

本文在实证研究部分只选取了A股制造业40家上市公司作为研究样本，而有些企业同时还发行了B股或者H股，如何根据发行主体在多个市场上市的情况修订KMV模型，将是未来的研究方向。在进行KMV模型具体的财务预警能力分析过程中，如何针对不同的行业确立不同的警戒线，将是下一步研究的重点。

本文在由违约距离计算违约概率时，假设资产未来的价值服从正态分布，从而计算出理论上的违约概率，但是在实际生活中，资产的分布状况是不确定的，因而不能简单的用正态分布来加以假定。如何设定资产价值的分布，也是以后研究的重点。