黄云飞

CGA模型违约距离违约概率信用风险

引言

《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》指出：“必须把创新摆在国家发展全局的核心位置，不断推进理论创新、制度创新、科技创新、文化创新等”，并强调发挥科技创新在全面创新中的引领作用。在当前经济去杠杆及产业转型升级的宏观背景下，作为科技创新成果实现的核心主体部门，高新技术企业的资产及负债需要以面向未来的视角进行整体分析与管理。

目前，国内外并没有直接针对（中国）高新技术企业风险负债评估的研究，以下只就与之相关CCA模型在企业及国家金融风险管理中的应用研究现状和趋势予以述评。

（1）CCA模型的微观应用研究。Merton（1974）为考察公司风险负债的价值建立了公司的风险资产负债表，发展出未定权益分析法（CCA），实现了公司负债管理研究由面向过去到面向未来视角的转型。CCA模型早期主要应用于公司金融中的证券定价，如Merton（1974）研究对公司风险负债的定价，Ingersoll（1977）、Brennan等（1977）研究公司可转债的定价；至上世纪80年代，CCA在公司资本预算决定的研究方面取得进展。作为对决定资本预算的传统净现值法的研究拓展，CCA在被策略制定者称为项目“灵活性”或“柔性”的估价任务中特别适用（Hayes和Garvin（1982））。至上世纪90年代，CCA在现代信用风险计量模型开发方面取得进展。被2004版《巴塞尔新资本协议》推荐使用的CCA模型承袭CCA的思想，在四类主要的现代信用风险计量模型中表现出前瞻性强、灵敏度高的重要特征。

（2）CCA模型的宏观应用研究。1997年亚洲金融危机和2008年美国次贷危机引发了人们对系绕性金融风险的关注，也使CCA在宏观金融风险研究中获得了重要进展。Gray（2004）、Gapen，Gray，Lim和Xiao（2005）、Gray，Me～on和Bodie（2006）、Gray和Malone（2008）等将CCA模型应用于主权风险测度方面，产生了较好的应用效果。叶永刚等（2007）从宏观金融工程视角指出CCA在宏观经济与金融风险分析中的重要作用。叶永刚等（2008）在宏观金融工程框架下评估我国非金融企业部门的信用风险，核心方法就是CCA。李景峰等（2011）借助CCA的思想探讨了我国地方政府债券信用风险问题。宫晓琳（2012）利用CCA研究了中国宏观金融风险的测度问题。宫晓琳等（2013）利用CCA深入探讨了我国宏观金融风险的非线性演变速度和机制。

综观CCA模型的应用研究，微观应用主要往企业信用风险监测与评估方向发展，宏观应用主要集中在系统性金融风险测度及其分析方面，对我国高新技术企业部门的风险负债尚未展开专门的研究，这与我国当前对高新技术企业部门去杠杆政策选择的管理需求是不相称的。同时，Meaon（1974）发展CCA模型的理论源头，即传统的风险资产负债表，因其完全忽略了市场参与主体的心理与行为特征而使模型对“违约”概念的理论界定与管理实践存在一定差异。本论文将针对前述研究中的不足，从理论源头扩展CCA模型，将其应用于中国高新技术企业部门风险负债评估，为保障我国科技创新在全面创新中发挥引领作用提出合理的政策选择。

扩展CGA模型的思想与内容框架

（1）扩展CCA模型的基本思想

传统CCA模型把公司权益价值看作是当期公司资产市场价值的欧式看涨期权。当公司资产市场价值低于账面负债时，就视同违约。

但事实上，从行为金融学的角度看，人们习惯把原生资产价格的历史表现纳入对衍生资产价值的评估中。因此，公司的权益价值具有市场偏好，它不僅受到当期公司资产市场价值的影响，还受到公司历史市场价值的影响。另外，在公司的实际管理工作中，由于“监管宽容”，从“公司资产市场价值低于账面负债”到“违约”的成立往往会有一个确认期，这推迟了基本表式中“违约”的发生时间。综上，有必要对传统CCA模型进行扩展，应当把公司的权益价值看成是公司资产加权市场价值的看涨期权，其执行价为公司的账面负债。这即与实证研究中反映出来的证券价格具有历史记忆性相吻合，又能反映人们的市场偏好，并符合“监管宽容”的实际管理工作要求。

扩展的CCA模型的资产负债表形式为：

其中，V_t为公司资产的市场价值，V^*_t为公司的加权平均资产价值。

公司资产加权市场价值的波动遵循几何布朗运动过程：

其中μ_V^*t为资产价值的预期增长率，σ_V^*t为资产价值的波动率。

（三）利用公司资产价值和波动率计算违约距离、违约概率与杆杠率

当期末资产价值不足以偿付到期债务时，财务危机乃至违约状况便相应发生。预期违约概率，即V≤D的概率为：

在实际应用中，往往首先建立违约距离的概念，再利用违约距离和历史违约概率的映射，确定公司的经验违约概率，违约距离DD定义为：

基于修正的CCA模型对高新技术企业进行的实证分析

（1）筛选高新技术企业

2016年1月29日，科技部、财政部、国家税务总局新修订印发了《高新技术企业认定管理办法》。根据新修订的《高新技术企业认定管理办法》，按以下准则对沪深两市的所有上市公司进行筛选：

企业近三个会计年度（实际经营期不满三年的按实际经营时间计算，下同）的研究开发费用总额占同期销售收入总额的比例符合如下要求：

第一，最近一年销售收入小于5，000万元（含）的企业，比例不低于5%；

第二，最近一年销售收入在5，000万元至2亿元（含）的企业，比例不低于4%；

第三，最近一年销售收入在2亿元以上的企业，比例不低于3%。

其中，企业在中国境内发生的研究开发费用总额占全部研究开发费用总额的比例不低于60%。

最终筛选到323间符合《高新技术企业认定管理办法》要求的高新技术企业。取2007年到2015年时间段，以季度为计算期，利用修正的CCA模型对这323间高新技术企业进行实证分析。

（2）模型参数的确定

1.股权价值计算

A股的股权结构分为流通股和非流通股，对流通股和非流通股需要分别计价。流通股部分的股权价值市场价格计算。非流通股部分主要的计算方法有两种：一是用每股净资产来计算；二是根据非流通股的交易的历史价格进行回归分析，得出回归方程，通过方程得出每股价格。本文选用每股净资产作为非流通股的价格，即：

2.计算加权平均价格

在2007年至2015年时间段内，利用323间高新技术企业的日复权股价，以单个企业各季度平均所有者权益占所有企业的平均所有者权益和的比例为各自的权重，计算出323间高新技术企业的加权平均价格。

3.计算股权波动率

取计算基期前100天的日加权平均价格，计算其对数收益率，根据对数收益率计算目标准差，再将目标准差换算成年标准差作为股权波动率。

收益率取对数收益率：

4.设置违约点（DD）

实践中发现，违约点并不等于企业全部债务的总和，而是介于流动负债与长期负债中的某个值，即：其中，CL为323间高新技术企业的流动负债总和。LL为323间高新技术企业的流动负债总和。KMV公司发现当λ=0.5时是比较适合的。本文沿用这一方法，违约点为短期流动负债加上长期负债的一半。

5.计算期间与无风险利率的选择

以季度为计算期间计算违约距离。无风险利率选择一年期的企业存款定期利率。

计算账面价值

以股权价值与账面负债之和作为公司资产的账面市场价值：

（3）实证统计结果及分析

运用扩展的CCA模型，结合已确定的模型参数，计算出当经验参数（）取0.96时，均方误差MES达到最小。在最优经验参数条件下，计算出2007年至2015年间各季度高新技术企业总体的企业价值和企业价值波动率见表1，总体违约距离和违约概率的计算结果，见表2。

由上述结果可以看出：

1.高新技术企业总体的资产价值在2007年到2015年间呈上升趋势，在2015年三季度有一个明显的下调，这是由于2015年三季度股票价格崩盘以及其波动率急剧增加引起的。

2.高新技术企业总体的资产波动率在2007到2014年上半年都呈现减少的趋势，但是在2014年下半年开始大幅增加，2015年三季度达到最高点0.0234。

3.高新技术企业在2007年到2015年期间的平均违約距离为4.76，平均违约距离对应的违约概率为9.92009E-07，表明高新技术企业长期的风险较低。违约距离在2007年至2015年间，先高后低，呈“n”字型。但是在2014年下半年到2015年三季度期间违约距离的减少的速度十分快，2015年三季度降到最低点2.12。

4.高新技术企业总体的违约概率与违约距离呈现负相关，与资产波动率呈正相关，分别在2008年二季度和2015年三季度出现了突升，其中2015年三季度变化程度尤为突出，违约概率达到1.7%。在其余时间，高新技术企业总体的违约概率都比较小。表示在市场稳定时，沪深两市的高新技术企业总体的信用风险较低，但当市场处于崩盘阶段，违约概率会随着波动率增加而迅速增大。

结论与建议

本文扩展了CCA模型，并利用其考察了中国高新技术企业的信用风险与杆杠率问题。结果显示高新技术企业总体的杠杠率不高，且保持稳定，总体的违约距离比较大，因此高新技术企业总体的信用风险是比较低的。但在其当中，还是存在个别信用风险比较高的高新技术企业。当2015年三季度发生股灾时，高新技术企业的违约距离急剧下降，这导致了信用风险快速上升。综上，本文给出了以下几点建议：

（1）对于债权人，应该充分分散其在高新技术企业上的债务，这样能够很大程度地降低信用风险。

（2）对于政府，可以对高新技术企业实施低利率的扶持政策，鼓励其增加科技研发和节能环保的费用。同时，政府需要防止金融市场大幅度波动，为高新技术企业发展提供稳定的金融环境。

（3）对于高新技术企业自身，可以通过适量地增加当前债务，提高短期杠杆率的办法来获得更多的研发费用，进行高新技术研发和创新。技术的提升能提高未来的资本回报率，将分子做大，从而降低长期杠杆率。