KMV模型对中国上市公司的适用性分析(2)
(一)研究背景
在过去的二十年间，市场经济逐渐向信用经济过渡，信用风险变得越来越突出和严重，它具有不确定性、破坏性和普遍性，过去几十年已有许多案例证明了它会带来重大的经济损失。制造业在中国是以出口为导向，缺乏核心竞争力，应对风险的能力差，2008年的金融危机时，制造业因信用风险尤为突出，不少企业因此倒闭破产。
然而，国内实体企业中对信用风险管理和监控的意识和技术都比较不成熟，从国内的信用风险分析模型的使用情况来看，由于局限于分析人员的水平和资料收集的难度，传统的信用风险度量方法大多凭定性的方法和主观的判断来进行决策，信用风险的度量均以定性的分析模型为主，而且都是通过企业过去的数据资料来进行评判分析，无法实时监控交易对手的信用变化状况，例如奥特曼（Altman）的Zeta计分模型以及Logistic多因素判别模型,这类评估方法致命的缺点就是只可以用过去的数据预测未来,而忽略了公司在未来可能发生的增长和损失。显然，我国目前这些靠主观因素来进行信用风险分析的方法已经不能适应经济发展的需要了，日渐复杂的信用环境促使我们
KMV模型是基于B-S期权定价理论利用上市公司资产的市场价值、波动率和其负债账面价值来预测违约概率的，刚好弥补了上述模型的普遍缺陷，可以对上市企业的信用风险进行动态监控。因为上市公司的各项数据的获取比较容易，KMV模型已在美国得到了广泛的运用，并已经得到不错的效果。
但是，KMV模型发源于美国,是基于美国的市场环境建立的，在中国的上市公司所处的经济环境和美国的环境存在着比较大差异,最近几年来许多学者开始尝试将模型加以修正来更好地评价中国上市公司的信用风险状况，但不可否认，KMV模型在中国的研究还存在一定的缺陷和盲区。本文将在继承现有研究成果的基础上，通过扩大样本容量等方法来进一步分析KMV模型在中国的适用性。
(二)研究目的
定量的分析模型在国内被运用得较少，绝大部分的信用风险定量分析模型均是引进于国外的论文网，由于经济坏境和制度存在一定的差异，从国外引进的模型是否适用于中国上市企业的具体状况呢？是否能对中国上市公司的信用风险进行精确的度量和预测呢？本论文将以中国上市的制造业公司的数据为样本，来分析验证KMV模型在对于中国上市公司的适用性。此前，也有不少学者对KMV模型做过相似的验证性分析，本人看过不少相关的文献，大部分研究所选用的样本容量都较小，大概就只有10到30家企业的数据。通过修正模型中的参数，大部分文献得出的结论都指向KMV模型比较适合中国的情况。
本论文的研究目的主要是通过扩大KMV模型企业数据的样本容量，借助Matlab软件强大的数据分析和数学建模功能来进一步验证其在中国上市公司中的实用性，并由此得出一个说服力更强的结论。
本文将主要围绕下面三个切入点开展研究：第一，分行业研究，仅用制造业作为研究对象，通过搜集大量相关数据来计算验证KMV模型在中国的适用性。第二，通过扩大样本企业的数量来提高结论的可靠程度。第三，将样本企业分为非ST组和ST组，通过对比验证的方法分析KMV模型计算出来的违约概率是否准确。
(三)研究意义
1．理论意义
国内一些学者在本文的论题上已经取得了一些成果。但是,不可否认，现有的一些研究中仍然存在许多不足。例如,在大多数对模型中在适用性研究方面选用的样本都比较小，本人看了十几篇相关的论文，大部分取用的样本容量只有20家左右的企业，很难说明整体与样本之间的一致。为了尽量避免误差,本论文利用我国的制造业上市公司的数据，扩大数据的样本容量，对KMV模型在我国的适用性这一论题作进一步探讨。
上一篇：华为激励手段分析