第九章 KMV模型_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
第九章 KMV模型
阅读已结束，下载文档到电脑
想免费下载更多文档？
定制HR最喜欢的简历
下载文档到电脑，方便使用
还剩11页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢当前位置： >>
硕士论文--KMV模型在我国上市公司财务预警中的应用
分类号：转．弓弓单位代码：１ ０４２２密级：学号：必参ｒ ｊｊＩ。●⑧Ｓｈａｎ∥蔡办孚Ｍ ａ ｓ ｔ ｅ ｒ’ＳＴ ｈｅ ｓ ｉｓ硕士学位论文ｄｏ ｎｇ Ｕｎ ｉ ｖ ｅ ｒｓ ｉｔｙ●论文题ｉｎ●作 专 导 合 作 导者 业 师 师刎ｐ年．（月Ｖ日●●●ＩＩｌｌｌ ｌ Ｉ ＬＩＩＩＩｌｌ Ｉ Ｉ ｌＵｌｌｌｌＩｌｌＩＹ１ ７９２８４５原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不●包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明 的法律责任由本人承担。论文作者签名：望差日期：讼厶：垦：丝关于学位论文使用授权的声明本人同意学校保留或向国家有关部门或机构送交论文的印刷件和 电子版，允许论文被查阅和借阅；本人授权山东大学可以将本学位论 文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印 或其他复制手段保存论文和汇编本学位论文。（保密论文在解密后应遵守此规定）论文作者签名：阻导师签名：斟日 期：上幺业●●●…自：人４；’硕Ｉｊ中何｝仑文目录中文摘要……………………………………………………ＩＡＢＳＴＲＡＣＴ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．。．．．．．．．．．．．．．ＩＩ第一章导论………………………………………………．．１ １．１研究背景及意义………………………………………．１ １．２本文的结构安排及内容概述………………………………２ １．３本文创新点…………………………………………．．２ 第二章文献综述……………………………………………．．４ ２．１财务危机研究综述……………………………………．．４２．２ＫＭＶ模型应用于财务危机研究综述…………………………５第三章模型构建……………………………………………．．８ ３．１基本理论介绍…………………………………………８３．１．１ＫＭＶ模型………………………………………．８３．１．２ Ｌｏｇｉｔ模型……………………………………．１ ２３．１．３主成分分析法…………………………………．．１ ３ ３．２模型构建……………………………………………１３ 第四章实证分析……………………………………………．１５ ４．１样本采集和数据处理…………………………………．．１５ ４．１．１企业及其财务指标样本的采集………………………１５ ４．１．２违约距离和预期违约率的求解及相关分析……………．．１７ ４．１．３财务指标的统计检验及主成分分析…………………．．２０●４．２ｌｏｇｉｔ回归及结果分析…………………………………２４ ４．２．１只考虑财务指标的主成分因子………………………２４ ４．２．２财务指标的主成分因子加入Ｍｅｒｔｏｎ期权模型的违约距离…．２５ ４．２．３财务指标的主成分因子加入传统ＫＭＶ模型的违约距离……．２６第五章结论………………………………………………．．２８ ５．１本文的基本结论………………………………………２８５．２本文的不足和进一步研究方向……………………………２８ 附录１……………………………………………………．３０ＩＩＩ自：人学硕卜学ｆ１＇，沦文２ 一 一 一 ～ 一 一 一 一 一 一 一 ～● ● ● ● ■３ 一 一 一 一 一 一 一 一 一 一 一 一● ● ● ● ●４ 一 一 一 一 一 一 一 一 一 一 一 一■ ● ● ●献 ●ｊ｛， 一●一 一 一 一 一 一 一 一 一 一● ● ● ● ●一 一 一一 一 一●Ｔ【●１１ｊ附附附参致攻靴私瓤教讯骅 文卜＿子 位 期 问 一发 一表 一的 一学 一术 一论 文 目 录ＬＪｉ●，《●●●自：人’≯ｎ贞｛‘’≯ｆ一沦文ＣｏＮＴＥＮＴＳＣｈｉｎｅｓｅ Ａｂｓｔｒａｃｔ…………………………………………．……………………………………………………ＩＥｎｇｌｉｓｈ Ａｂｓｔｒｃａｃｔ……………………………………………………………………………………………．ＩＩ Ｃｈａｐｔｅｒ １ Ｉｎｔｒｏｄｕｃｔｉｏｎ…………………………………………………………………………………１１．１ Ｒｅｓｅａｒｃｈ Ｂａｃｋｇｒｏｕｎｄ ａｎｄ Ｓｉｇｎｉｆｉｃａｎｃｅ……………………………………………………１ｔ◆１．２ Ｓｔｒｕｃｔｕｒａｌ Ａｒｒａｎｇｅｍｅｎｔｓ ａｎｄ Ｃｏｎｔｅｎｔ Ｏｖｅｒｖｉｅｗ………………………………………．２ １．３ Ｔｈｅ Ｉｎｎｏｖａｔｉｏｎ……………………………………………………………………………………．．２ ２ Ｌｉｔｅｒａｔｕｒｅ Ｒｅｖｉｅｗ…………………………………………………………………………４Ｃｈａｐｔｅｒ２．１ Ｒｅｖｉｅｗ ｏｆ Ｆｉｎａｎｃｉａｌ Ｃｒｉｓｉｓ Ｔｈｅｏｒｙ…………．………………………………………………４ ２．２ Ｒｅｖｉｅｗ ｏｆ ＫＭＶ Ｍｏｄｅｌ Ａｐｐｌｉｅｄ ｔｏ Ｆｉｎａｎｃｉａｌ Ｃｒｉｓｉｓ Ｒｅｓｅａｒｃｈ．．．．．．．．．．．．．．．．．．．．．．．．５ Ｃｈａｐｔｅｒ ３ＭｏｄｅｌＣｏｎｓｔｒｕｃｔｉｏｎ……………………………………………．……………………………．．８３．１ Ｂａｓｉｃ ＴｈｅｏｒｙＩｎｔｒｏｄｕｃｔｉｏｎ………．．…．………………………………………………………．８３．１．１ ＫＭＶ Ｍｏｄｅｌ…………………………………………………………………………………．．８ ３．１．２ Ｌｏｇｉｔ Ｍｏｄｅｌ…………………………………………………………………………………１ ２ ３．１．３ Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ………………………………………………………．１ ３ ３．２Ｍｏｄｅｌ Ｃｏｎｓｔｒｕｃｔｉｏｎ…………………………………………………………………………１ ３４ Ｐｏｓｉｔｉｖｅ Ａｎａｌｙｓｉｓ………………………………………………………………………．．１ ５Ｃｈａｐｔｅｒ４．１ Ｓａｍｐｌｅ Ｃｏｌｌｅｃｔｉｏｎ ａｎｄ Ｄａｔａ Ｐｒｏｃｅｓｓｉｎｇ…………………………………………………１ ５ ４．１．１ Ｓａｍｐｌｅ Ｃｏｌｌｅｃｔｉｏｎ ｏｆ Ｅｎｔｅｒｐｒｉｓｅ ａｎｄ Ｆｉｎａｎｃｉａｌ Ｉｎｄｉｃａｔｏｒｓ…………………．１ ５ ４．１．２ Ｄｅｆａｕｌｔ Ｄｉｓｔａｎｃｅ ａｎｄ Ｅｘｐｅｃｔｅｄ Ｄｅｆａｕｌｔ Ｆｒｅｑｕｅｎｃｙ Ｃａｃｕｌａｔｉｏｎ ａｎｄＡｎａｌｙｓｉｓ ｆｏｒ Ｒｅｓｕｌｔ………………………………………………………………………．１ ７ ４．１．３ Ｓｔａｔｉｓｔｉｃａｌ Ｔｅｓｔ●ｏｎＦｉｎａｎｃｉａｌ Ｉｎｄｉｃａｔｏｒｓ ａｎｄ Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓｏｆ Ｆｉｎａｎｃｉａｌ Ｉｎｄｉｃａｔｏｒｓ Ｃｈｏｓｅｎ………………………………………………………２０ ４．２ Ｌｏｇｉｔ Ｒｅｇｒｅｓｓｉｏｎ ａｎｄ Ｒｅｓｕｌｔｓ Ａｎａｌｙｓｉｓ…………………………………………．………．２４４．２．１ Ｏｎｌｙ Ｃｏｎｓｉｄｅｒ ｔｈｅ Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ｆａｃｔｏｒ ｏｆ Ｆｉｎａｎｃｉａｌ Ｉｎｄｉｃａｔｏｒｓ．２４４．２．２ Ｄｅｆａｕｌｔ Ｄｉｓｔａｎｃｅ ｉｎ Ｍｅｒｔｏｎ Ｏｐｔｉｏｎ Ｍｏｄｅｌ Ａｄｄｅｄ ｔｏ Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ｆａｃｔｏｒ ｏｆＦｉｎａｎｃｉａｌ Ｉｎｄｉｃａｔｏｒｓ………………………………………………．………．２５ ４．２．３ Ｄｅｆａｕｌｔ Ｄｉｓｔａｎｃｅ ＩｎＴｒａｄｉｔｉｏｎａｌ ＫＭＶＭｏｄｅｌＡｄｄｅｄｔｏＰｒｉｎｃｉｐａｌＣｏｍｐｏｎｅｎｔ ｆａｃｔｏｒｓ ｏｆＦｉｎａｎｃｉａｌ Ｉｎｄｉｃａｔｏｒｓ………………………………………２６Ｉｆ０：大学硕十’严忙沦逻Ｃｈａｐｔｅｒ５Ｃｏｎｃｌｕｓｉｏｎ．…．．…………………．………．．．．…．．．……………．．……………．．…………２８５．１ Ｂａｓｉｃ Ｃｏｎｃｌｕｓｉｏｎｓ……………………………………．．．．．……………………………．……．．．．２８ ５．２ Ｄｅｆｉｃｉｅｎｃｙ ａｎｄ Ｆｕｒｔｈｅｒ Ｒｅｓｅａｒｃｈ Ｄｉｒｅｃｔｉｏｎｓ．．……………．．．．…．…．．．．．．．……．．．．．．．．．２８ Ａｐｐｅｎｄｉｘ １…………………．．．…．……………………………………………．……………………………．．３０ Ａｐｐｅｎｄｉｘ ２……………………………………………………………………………………………………．３２ Ａｐｐｅｎｄｉｘ ３……………………………………………………………………………………………………．３４ Ａｐｐｅｎｄｉｘ ４……………………………………………………………………………………………………．３７ Ｒｅｆｅｒｅｎｃｅ…………………．．．．．………………………………………………………………………………．４０◆Ａｃｋｎｏｗｌｅｄｇｅｍｅｎｔｓ………………………………………………………………………………………一４３Ｐａｐｅｒ Ｐｕｂｌｉｓｈｅｄ………………………………………………………………………………………………４４◆｜ＩＩ自：大学硕卜学ｆ寺ｉ仑文中文摘要随着我国经济的发展和金融体系的建设，金融体系的风险防范越来越受到重 视，此次的金融海啸也再次敲响了银行业和广大投资者的警钟。因此，如何识别 和预测金融风险，尤其是信用风险，对于减少银行呆坏账，提高银行业和投资者 的风险抵抗能力都有重大意义。国内在这方面的研究分两个阶段：第?‘阶段多采―●用多变量分析法，依赖传统的财务指标进行风险识别和顸警；第二阶段主要是尝 试将近几年国际．卜新发展的信用风险计量方法和模型，女ＨＫＭＶ模型、神经网络模型、Ｃｒｅｄｉｔ ＭｅｔｒｉＣＳ模型等引入国内并进行本土化改造和应用研究。对新旧两类方法进行融合的研究，国内尚属空白，本文在前人研究的基础卜，尝试将传统的 依赖财务指标的多变量分析法和近几年在国际．卜应用比较广泛的ＫＭＶ模型进行结 合，以期提高信用风险预测的精度。文中设定两类对比模型：仅含有传统财务指 标的多变量分析模型；包含了代表ＫＭＶ模型的违约距离和预期违约率以及传统财 务指标的创新模型。通过运用自编的Ｍａｔｌａｂ程序计算出代表ＫＭＶ模型的关键变量： 违约距离ＤＤ和预期违约率ＥＤＦ，通过主成分分析法从选取的２１个传统财务指标中◆提取５个主成分因子，将以．卜这些变量作为构建模型的自变量，使用Ｌｏｇｉｔ方法对 两类模型分别进行回归检验，结果显示两者的预测精度均达到了９０％以．卜，但后 ’‘个模型的预测精度较仅依赖财务指标进行预警的传统多元线性分析模型的预 测精度提高，故这‘‘处理方法是有效的，为今后的银行信用风险预警研究开辟了 新思路。本文选取了１１４家．卜市公司作为样本，样本容量大、有代表性，对于ＫＭＶ 模型中的变量也都进行了中国化改造，这些都使得本文的结论对于中国市场更具 有应用价值。关键词：财务困境：ＫＭＶ模型：Ｌｏｇｉｔ回归：主成分分析：财务预警系统ＩＩＩ尔大学硕十学伊论文ＡＢ ＳＴＲＡＣＴＷｉｔｈｏｕｔｂｒｅａｋｆｉｎａｎｃｉａＩ ｓｙｓｔｅｍ ｃｏｎｓｔｒｕｃｔｉｏｎ ａｎｄ ｅｃｏｎｏｍｉｃ ｄｅｖｅｌｏｐｍｅｎｔ ｉｎｏｕｒｃｏｕｎｔｒｙ，ｆｉｎａｎｃｉａＩ ｓｙｓｔｅｍ ｒｉｓｋ ｐｒｅｖｅｎｔｉｏｎ ｉＳ ｍｏｒｅ ａｎｄ ｍｏｒｅ ｅｍｐｈａｓｉｚｅｄ．ｔｈｅ ｏｆ ｓｕｂｐｒｉｍｅ ｃｒｉｓｉｓ ｒｉｎｇｓ ｔｈｅ ａｌａｒｍ ａｇａｉｎ ｆｏｒ ｗｈｏｌｅ ｂａｎｋｉｎｇ ａｎｄｍａｒｋｅｔ ｉｎｖｅｓｔｏｒｓ．ＨＯＷ ｔｏ ｄｉｓｃｒｉｍｉｎａｔｅ ａｎｄ ｆｏｒｅｃａｓｔ ｆｉｎａｎｃｉａＩ ｒｉｓｋ．ｅｓｐｅｃｉａｌｌｙ ｃｒｅｄｉｔ ｒｉｓｋ．ｉＳ ｖｅｒｙ ｉｍｐｏｒｔａｎｔ ｔｏ ｄｅｃｒｅａｓｅ ｎｏｎ－ｐｅｒｆｏｒｍｉｎｇ Ｉｏａｎ ａｎｄ ｐｒｏｍｏｔｅ ｔｈｅ ｒｅｓｉｓｔａｎｃｅ ｏｆ ｂａｎｋｉｎｇ ａｎｄ ｉｎｖｅｓｔｏｒｓ，ＳＯ ｍｏｒｅ ａｎｄ ｍｏｒｅ ｓｃｈｏｌａｒｓ ｉｎｐｕｔ ｅｎｅｒｇｙ ｌｎ ｔｈｉｓ ｒｅｓｅａｒｃｈ ｆｉｅｌｄ．Ｔｈｅ ｒｅｓｅａｒｃｈ ｉｎ ｏｕｒ ｃｏｕｎｔｒｙ ｉｎｃｌｕｄｅ ｔｗｏ ｓｔａｇｅｓ．ｉｎ ｔｈｅ ｆｉｒｓｔ ｓｔａｇｅ，ｓｃｈｏｌａｒｓ ｍａｉｎｌｙｕｓｅ ●ｍｕｌｔｉｐｌｅ ｄｉｓｃｒｉｍｉｎａｎｔ ａｎａｌｙｓｉｓ ａｎｄ ｔｒａｄｉｔｉｏｎａＩ ＫＭ ｖ．ＣＭＡＣ，ＡｒｔｉｆｉｃｉａＩ ＮｅｕｒａＩｆｉｎａｎｃｉａＩ ｉｎｄｉｃａｔｏＦＳ ｔｏ ｆｏｒｅｃａｓｔ ａｎｄ ｄｉｓｃｒｉｍｉｎａｔｅ ｆｉｎａｎｃｉａＩ ｒｉｓｋ．ｉｎ ｔｈｅ ｓｅｃｏｎｄｓｔａｇｅ，ｍｏｒｅ ａｎｄ ｍｏｒｅ ｃｒｅｄｉｔ ｒｉｓｋ ｍｏｄｅｌ，ｓｕｃｈａｓＮｅｔｗｏｒｋ。Ｃｒｅｄｉｔ Ｍｅｔｒｉｃｓ，ａｒｅ ｕｓｅｄ．Ｉｎ ｔｈｉｓ ａｒｔｉｃｌｅ，Ｉ ｔｒｙ ｔｏ ｃｏｍｂｉｎｅ ｔｒａｄｉｔｉｏｎａＩ ｆｉｎａｎｃｉａＩ．ｎｄｉｃａｔｏｒｓ ｗｉｔｈ ＫＭＶ ｍｏｄｅＩ ｔｏ ｂｕｉｌｄａ ｎｅｗｅａｄｙ ｗａｒｎｉｎｇ ｓｙｓｔｅｍ ｉｎｏｒｄｅｒ ｔｏ ｐｒｏｍｏｔｅ ｔｈｅ ｆｏｒｅｃａｓｔ ｐｒｅｃｉｓｉｏｎ ｏｆ ｃｒｅｄｉｔ ｒｉｓｋ． Ｔｈｉｓ ｐａｐｅｒ ｉｎｃｌｕｄｅｓｔｗｏｍｏｄｅｌｓ．ｔｈｅ ｆｉｒｓｔ ｉＳ ｍｕｌｔｉｖａｒｉａｂｌｅ ａｎａｌｙｓｉｓ ｍｏｄｅｌａｗｈｉｃｈ ｉｎｃｌｕｄｅｓ ｔｒａｄｉｔｉｏｎａＩ ｆｉｎａｎｃｉａＩ ｉｎｄｉｃａｔｏｒｓ。ｔｈｅ ｓｅｃｏｎｄ ｉＳ ｉｎｖｅｎｔｅｄ，ｗｉｔｈ ｄｅｆａｕｌｔ ｗｈｉｃｈａｒｅｎｅｗ ｍｏｄｅＩｄｉｓｔａｎｃｅ（ＤＤ）ａｎｄｅｘｐｅｃｔｅｄ ｄｅｆａｕｌｔｕｓｅｆｒｅｑｕｅｎｃｙ（ＥＤＦ）●ｔｈｅｃｏｒｅｆａｃｔｏｒｓ ｉｎ ＫＭＶ ｍｏｄｅｌ．ＩＭａｔｌａｂ ｓｏｆｔｗａｒｅ ｔｏ ｃａｌｃｕｌａｔｅ ｐｒｉｎｃｉｐｌｅａｓＤＤ ａｎｄＥＤＦ ａｎｄｎｅｅｄ ＰＣ：Ａ ｄｉｓｃｒｉｍｉｎａｔｅ ｍｏｄｅＩ ｔｏ ｅｘｔｒａｃｔ ｆｉｖｅｃｏｍｐｏｎｅｎｔｓ ｆｒｏｍ ｔｈｅ ｉｎｄｅｐｅｎｄｅｎｔｔｗｅｎｔｙ－ｏｎｅｖａｒｉａｂｌｅｓｆｉｎａｎｃｉａＩ ｉｎｄｉｃａｔｏｒｓ．ｔｈｅｎ ｔａｋｅ ｔｈｅｓｅ ｖａｒｉａｂｌｅｓ ｉｎ ｎｅｗ ｍｏｄｅＩ ａｎｄｕｓｅＬｏｇｉｔ ｍｏｄｅＩｔｏｔａｋｅｒｅｇｒｅｓｓｉｏｎ ｔｅｓｔｉｎｇ ｏｎ ｔｈｅｔｗｏｍｏｄｅｌｓ．Ｔｈｅ ｒｅｓｕｌｔ ｓｈｏｗ ｔｈａｔ ｂｏｔｈ ｔｈｅ ｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｉｅｓａｒｅ ｏｖｅｒ９０％．ｈｏｗｅｖｅｒ，ｔｈｅ ｐｒｅｄｉｃｔｉｏｎ ａｃｃｕｒａｃｙ ｏｆ ｔｈｅ ｎｅｗ ｍｏｄｅＩ ｂａｎｋｉｎｇ ｃｒｅｄｉｔ ｒｉｓｋ ｅａｒｌｙａｓｉＳ ｈｉｇｈｅｒ ｔｈａｎ ｔｈｅ ｆｏｒｍｅｒ ｍｏｄｅｌ’Ｓ ｐｒｅｄｉｃｔｉｏｎ ａｃｃｕｒａｃｙ．Ｔｈｅｒｅｆｏｒｅ．ｔｈｉｓ ｔｒｙ ｉＳ ｅｆｆｅｃｔｉｖｅ ａｎｄ ｐｒｏｍｏｔｅａｎｅｗ ｔｈｏｕｇｈｔ ｔｏ ｒｅｓｅａｒｃｈｏｎｗａｒｎｉｎｇ ｓｙｓｔｅｍ ｉｎ ｔｈｅ ｆｕｔｕｒｅ．Ｉｎ ｔｈｉｓ ｐａｐｅｒ Ｉ ｓｅｌｅｃｔ １ １ ４ ｌｉｓｔｅｄ ｃｏｍｐａｎｉｅｓ ｓａｍｐｌｅｓ．Ｔｈｅ ｓａｍｐｌｅ ｓｉｚｅ ｉＳ Ｉａｒｇｅ ａｎｄ ｓａｍｐｌｅｓａｒｅｒｅｐｒｅｓｅｎｔａｔｉｖｅ ａｎｄ ｔｈｅｖａｒｉａｂｌｅｓ ｉｎ ＫＭＶ ｍｏｄｅＩ ｈａｖｅ ａｌｓｏ ｂｅｅｎ ｍｏｄｉｆｉｅｄ ｔｏ ｆｉｔ Ｃｈｉｎｅｓｅ ｍａｒｋｅｔ．ｗｈｉｃｈ ｍａｋｅ ｔｈｅ ｃｏｎｃｌｕｓｉｏｎｓ ｏｆ ｔｈｉｓ ｐａｐｅｒ ａｒｅｅｖｅｎｍｏｒｅ ｖａｌｕｅ ｆｏｒ Ｃｈｉｎｅｓｅ ｍａｒｋｅｔ．Ｋｅｙｗｏｒｄ：Ｆｉｎａｎｃｉａｌ Ｄｉｓｔｒｅｓｓ；ＫＭＶ Ｍｏｄｅｌ；Ｌｏｇｉｔ Ｒｅｇｒｅｓｓｉｏｎ；ＰＣＡ； Ｆｉｎａｎｃｉａｌ ｅａｒｌｙ Ｗａｍｉｎｇ Ｓｙｓｔｅｍ●Ⅱ１１Ｉ尔大学硕Ｉｊ学何ｉ仑文第一章导论１．１研究背景及意义在后金融危机时代的大背景下，如何降低金融机构的风险，具体就我国而言 如何降低银行业的风险，是’‘个引人思考的命题。银行业面临的‘‘个主要而传统 的风险，就是信用风险，它是指由于债务人或交易对手未能履行合同所规定的义 务或信用质量发生变化，影响金融产品价值，从而给债权人或金融产品持有人造 成经济损失的风险。银行信用风险主要来源于授信对象，其中又以法人（公司） 客户的财务危机为主。对此财务危机或称“财务困境”，Ｒｏｓｓ（１９９９）曾从四个 方面予以定义：第一、企业失败，即企业清算后仍无力支付债权人的债务；第二、 法定破产，即企业和债权人向法院申请企业破产；第三，技术破产，即企业无法按 期履行债务合约付息还本；第四、会计破产，即企业的账面净资产为负，资不抵●债。无论企业发生以．卜何种财务困境，往往都会导致对银行等信贷机构及其他借 款人的违约行为，故财务困境问题又往往被称为“违约风险”（Ｄｅｆａｕｌｔ Ｒｉｓｋ） 问题。因此，能否建立，‘套行之有效的系统，使得在危机发生前，预测财务危机 发生的概率，对于保护债权人利益，尤其对于银行而言加强其授信管理，减少或 防止呆坏账的ｍ现，从而降低自身风险，都具有重要意义，同时也间接有利于促 进企业建立严格有效的财务管理制度。 目前国内对于公司财务危机预警的研究，主要着眼于通过对主要财务变量的 分析，即盈利能力、偿债能力、营运能力、现金流、成长性五大类指标的分析来 预测财务危机的发生。在研究方法上，早期多采用Ｂｅａｖｅｒ（１９６６）的单变量模型■和Ａ１ ｔｍａｎ（１９６８）的多元的Ｚ值判定模型，进行风险预测，由于这些线性模型假在设．卜的局限性，致使之后的研究多采用Ｏｈｌｓｏｎ（１９８０）的条件概率模型，包括 Ｌｏｇｉｔ矛ｌＰｒｏｂｉｔＮ种常见的方法。这些方法虽较以往在预测准确性和可靠性．卜有 提高，但仍存不少缺点，其中最显著的缺点就是无法提供企业违约概率的准确数 值，而这正是信用风险管理最为关注的东西。近年来涌现的各种信用风险评估方 法和模型如信用计量法（Ｃｒｅｄｉｔ Ｍｅｔｒｉｃｓ）、ＫＭＶ模型、信用风险加成法（ＣｒｅｄｉｔＲｉｓｋＰｌｕｓ）等都能有效的解决这一问题，目前，国内学者也已开始尝试将其引入对财务预警问题的研究，但在研究时又往往与传统的依靠财务指标的财务预警尔人７≯硕士学何论文方法分离开，曾纯依赖新的方法来进行财务预警研究。本文就尝试将ＫＭＶ模型和 传统财务方法结合起来，构建‘个新的模型，来进行财务危机预测，以期提高财 务预警的效果。 另外，本文之所以重点研究．卜市公司的财务预警，是基于在我国上市公司往 往是相关行业的代表企业，企业经营比较成熟，财务制度比较健全，企业规模和 效益在行业中都处于领先地位，一‘旦此类企业发生财务危机，造成的影响和危害 也远较之于，‘般企业为大。加之对于我国…般企业的财务困境问题研究，往往受 制于无法获得企业内部的财务资料，而．卜市公司由于财务数据公开，获取所需信 息较易。综合以．｝二两个原因，选取．｝：市公司作为研究财务预警的问题为理想埘象， 其研究成果也更具代表性。?１．２本文的结构安排及内容概述本文的结构安排和主要内容如下：●第一章为导论，着重阐述本文的研究背景及意义，并提出本文的文章结构和 创新之处。 第二章为文献综述，主要回顾国内外关于财务预警的研究历史和成果。 第三章为模型构建及参数设定，首先，对于构建模型及数据处理过程中所涉 及到的模型及相关方法包括ＫＭＶ模型、Ｌｏｇｉｔ模型和主成分分析法予以介绍，对其 中的一些重要参数如违约距离和预期违约率的涵义进行解释；其次，在此基础上 构建本文的新模型。 第四章为实证分析，在这章中首先说明数据如何处理并计算与检验违约距离 与预期违约率，然后利用主成分分法从２１个选取的财务指标中提取５个主成分变 量，最后在Ｌｏｇｉｔ回归模式下，将５个主成分变量与违约距离结合建立一个新颖的 财务预警模型，并和传统的财务预警模型检验对比，以彰显其有效性。 第五章为结语。●１．３本文创新点ｌ、本文将ＫＭＶ模型和传统的财务分析模型结合起来对我国财务公司进行预 警，计量结果证明这种预警方法的预警效果较传统方法为好。２２、本文将传统ＫＭＶ模型ＳＨＭｅｒｔｏｎ期权模型结合比较，传统ＫＭＶ模型是以大量 以往公司违约的财务数据为基础来计算，但我国ＫＭＶ研究起步较晚，相应的数据 库尚未建立，若使用外国数据库数据为基础又和我国具体国情有偏误，故文中又 引入了在Ｍｅｒｔｏｎ期权理论下的数理推导结果作为模型违约距离和违约率，并对两 种模型的成效进行了比较分析。■３、本文对财务预警的对象――卜市公司进行了更加明确的定义和区别，以往的财务预警分析文章仅简单以．卜．市公司是否被特别处理（ＳＴ）作为分类对象， 而没有详细探究公司被特别处理的原因，本文中在对其成因进行详细分类的基础 ．卜选择合适、严谨的研究对象，这样就大大地高了预测的精度。 ４、本文优化了ＫＭＶ计算的程序，以往的研究文章在计算ＫＭＶ模型中的因变量――公司资产价值和资产价值波动率时，多使用Ｍａｔｌａｂ软件，采用牛顿迭代法，这。。方法的缺点是对初始值的设定要求较高，因而相应的试算成功率也就不高， 本文中采用二分法和迭代法结合的思路来编程，降低了对初始值的要求，大大提 高了计算的成功率，往往经过，‘次试算即可成功。自：大’≯硕｝ｊ中伶沦文第二章文献综述２．１财务危机研究综述Ｂｅａｖｅｒ（１９６６）是最早从事财务危机预警模型研究的，他提出了单一比率模型，即利用单一的财务比率来预测公司的财务困境。通过对１９５４年一１９６４年间７９家失败企业和相对应的７９家成功企业的比较，Ｂｅａｖｅｒ的研究表明，使用“现金 流量／债务总额”这，‘财务指标能够最好的预测企业经营的失败。 继单一变量模型之后，Ａｌｔｍａｎ（１９６８）建立了多元线性判别模型，这一模型 由资产营运资本率、资产留存收益率、资产报酬率、债务权益市价率和总资产周◆转率这５个变量组成，由这五项财务比率的加权平均数――Ｚ值的大小，来测试财务失败。Ｚ值越低，企业发生财务失败的可能性也就越大。这一模型克服了单。‘ 比率内容有限、无法全面揭示企业财务状况的缺点，因而有较强的判别能力。但●是，这＋‘模型也存在着以下缺陷：１、这一模型仅限于短期有效，Ａｌｔｍａｎ认为超 过两年以．Ｅ，模型便不适用，并且模型需根据外部环境变化不断调整参数，才能 达到较好的预测效果；２、这。’模型要求预测变量有着严格的联合正态分布且要 求协方差矩阵相等，然而实证发现大多数财务比率并不满足这一要求，且一旦出 现虚拟变量，联合正态分布的假设就完全不成立，那么产生的Ｚ值没有明确的含 义；３、此方法只能区分正常公司与经营失败公司，而无法进一步估算公司的违 约概率。 为克服这些局限性，自２０世纪７０年代末以来，Ｌｏｇｉｔ和Ｐｒｏｂｉｔ模型由于不 要求样本服从正态分布这一特点而被许多学者引进到财务困境的研究中。将●Ｌｏｇｉｔ模型应用到企业财务危机预警的第一位学者是Ｏｈｌｓｏｎ（１９８０），他选取１９７０ 至Ｕ１９７６年间的１０５家破产企业与２０５８家正常企业配组成样本，选取九项财务指 标纳入Ｌｏｇｉｔ模型造行财务危机预警研究。研究发现，至少有４个显著影响公司破 产概率的变量，即公司规模、资本结构、业绩和当前的变现能力，同畴模型的正 确率达９２．８４％至Ｕ９６．１２％之间。 除此之外，１９８８年Ｍｅｓｓｉｅｒ和Ｈａｎｓｅｎ将专家系统首次引入到财务困境预测 领域；１９９０年Ｏｄｏｍ等开始了运用人工神经元网络进行财务困境预测的探索；４尔大学硕卜节付沦文１９９８年Ｆｒａｎｃｏ不［ＪＶａｒｅｔｔｏ则进行了应用遗传算法在财务困境预测方面的尝试， 这些努力极大的拓宽了财务预警研究的视野，推动了财务预警研究的向前发展。 国内研究方面， 陈静（１９９９）以１９９８年２７家ＳＴ公司和２７家非ＳＴ公司为对象，使用１９９５－１９９７年的财务报表数据，进行了单变量和二类线性判别分析，总体正确率为９２．１６％。陈瑜（２０００）应用‘元和多元分析对１３５家卜市公司的财务状况进行了分类和 预测研究，在多元分析中又分别采用了主成分分析法、回归分析法ＳＨＮ另ＩＪ分析法。 主成分分析法的综合预测效果最好，卜市公司经营失败前３年的判别准确率分别为９３．１％、８９．６６％年ｆ１７９．３１％。吴世农等（２００１）以１４０家．卜市公司为样本，分别比较了Ｆｉ ｓｈｅｒ判别、多元 线性回归分析和多元Ｌｏｇｉｔ回归分析的预测效果，发现多元Ｌｏｇｉ Ｌ回归模型的判定能力最好。梁琪（２００３）在运用主成分分析和典型判别分析方法的基础卜，提ｍ了预测●我国．卜市公司经营失败的主成分判别模型，并对我国沪深两市２０００年至２００２年间 １４２家卜市公司进行了经营失致预测研究，结果显示企业的盈利指标、景气指标、 资本市场指标和增长性指标等４个主成分最能解释我国．卜市公司的经营失败情 况。模型方法和分析在企业内部风险控制、银行货款信用评级和资本市场投资估 价等领城具有较高的应用价值。 李萌（２００５）以不良贷款率作为信用风险衡量标准，尝试构造商业银行信用 风险评估的Ｌｏｇｉｔ模型，并结合ｔ检验和主成分分析法对模型进行实证分析。结果 表明，流动性与偿还能力对信用风险的影响作用最大，其后依次为赢利性指标、 资本结构和财务杠杆指标、资产管理效率指标、现金流指标和成长性指标，资本●市场表现和资产质量的影响并不显著。进而证明Ｌｏｇｉｔ模型具有非常可信的识别、 预测及推广能力，是商业银行信用风险评估的有效工具。２．２ＫＭＶ模型应用于财务危机研究综述２０世纪９０年代以来，信用风险量化模型在银行业得到了高度的重视和快速发展，涌现出一批能够直接计算违约概率的模型，其中具有代表性的模型穆迪的公司开发的Ｃｒｅｄｉｔ Ｍｏｎｉｔｏｒ模型、ＫＰＭＧ开发的风险中性定价模型、Ｊ．Ｐ．Ｍｏｒｇａｎ开发自：久学硕Ｊｊ学付沦文的Ｃｒｅｄｉｔ ＭｅｔｒｉＣＳ模型等等，在银行业引起了很人的反响。这‘金融领域的晕大改革也引起了监管当局的高度重视。１９９９年４月，巴塞尔委员会发布了题为《信 用风险模型化：当前的实践和应用》的研究报告，探讨了信用风险量化模型的应 用对国际金融领域风险管理的影响，以及这些模型在金融监管尤其是经济资本监 管方面应用的可能性。《巴塞尔新资本协议》也明确规定，实施内部评级法的商 业银行可采用模型估计违约概率，其中Ｃｒｅｄｉｔ Ｍｏｎｉｔｏｒ模型由于是由ＫＭＶ公司在 Ｍｅｒｔｏｎ选择权模型的基础卜发展而来，故又被称为ＫＭＶ模型，１９９７年已广泛被如 纽约银行这样的大型银行所采用。 国内于将ＫＭＶ模型应用到公司财务预警的研究包括： 马若微（２００６）将ＫＭＶ模型首次运用到财务困境顸警中，并引入功率曲线进 行对照分析，经过大量的实证研究后得出结论：ＫＭＶ模型运用到中国．卜市公司财 务困境预警中是完全可行的，而且相对基于大量数据得到的Ｌｏｇｉｔ、Ｆｉｓｈｅｒ等模 型，优势更明显。 李磊宁、张凯（２００７）对ＫＭＶ模型进行了如下的修正：不再假定公司资产价 值增长率为零，而是以净收益增长率加以表示，且引入至ＵＫＭＶ模型中。通过对沪 深两市３０家ＳＴ公司和３０家非ＳＴ公司的信用风险进行评估检验，结果表明利用修 正后的ＫＭＶ模型能较好地识别出非ＳＴ公司和ＳＴ公司之间信用风险的差别，比较准 确地把握卜市公司信用质量的变化趋势。 翟东升、张娟、曹运发（２００７）以我国２００５年１５家ＳＴ上市公司和１５家非 ＳＴ，卜市公司作为研究样本，分别在不同的非流通股定价方法和不同的违约点设 定两种情况下，通过对ＫＭＶ模型进行检验，并得出结论：在两种情况下，通过ＫＭＶ 模型输出的违约距离（ＤＤ）都能有效地识另ＩＪＳＴ公司与非ＳＴ公司，且随公司被ＳＴ 时间的临近，模型的识别能力越来越强。 夏红芳、马俊海（２００７）利用ＫＭＶ模型，对我国四家农业类上市公司６年的股 票价格进行违约距离的实证计算和分析，确定适合我国农业上市公司的预期违约 率计算公式。实证结果表明，ＫＭＶ模型的灵敏度和预测能力较好，能为银行和投资 者预测、揭示农业类上市公司信用风险。 张泽京，陈晓红，王傅强（２００７）通过研究发现经过提高股权价值波动率精确 度的ＫＭＶ模型对我国中小上市公司有很强的识别信用风险状况的能力，且可通过■■◆６ｌｆＪ力：大学硕ｆ‘学何ｆ仑芝设定两条信用预警线，来监控中小．卜市公司的信用危机。研究还指卅，公司资产规 模对信用风险有显著影响，公司资产规模与违约风险呈显著负相关，其中总资产 小于３亿元的小公司抗风险能力最差，而股权分置改革引起中小．卜市公司信用风 险短时间的波动，则是２００６年中小．卜市公司违约风险变大的重要原因。 ＯＪ，ｄ，琰，沈悦，罗璐琦（２００８）首先结合中国证券市场的实际情况，对ＫＭＶ模■型进行修正，然后利用修正后的模型对我国证券市场卜的部分样本公司进行实证 检验，表明ＫＭＶ模型适用于中国证券市场。实证研究结果表明：对非ＳＴ公司而言， 通过模型估算企业的股权资本价值和企业总价值，不仅考虑企业资产的现时价 值，还考虑企业未来获得良好发展前景的各种机会，是’个全面动态的过程；对 陷入财务困境的ＳＴ公司，传统的价值评估方法无法对这些公司的价值和较高的股 价做卜ｈ合理解释，这些公司依然可以在资不抵债的情况下有‘个可观的公司价 值，而ＫＭＶ模型能够全面反映Ｓ ｒ公司的净资产价值和虚拟价值――“壳”资源价 值，?‘定程度卜解释我国证券市场卜越是被ＳＴ的公司越被追捧的情况。 陈红伟、陈福生（２００８）经过大量的实证研究表明，经过提高公司资产价值 估值精度的ＫＭＶ模型能显著增强对我国卜市公司未来两年的信用风险识别能力， 并设立未来＋‘年与未来两年两条信用预警线，来监控．卜市公司的信用状况变化。 李钰、朱卫兵（２００９）在将ＫＭＶ模型引入信用评价体系的建立时，考虑到不 同行业间差异，在参数如违约点、资产波动率和股权价值波动率设置卜体现这种 差异，建立更符合行业特征的ＫＭＶ模型。●７ＩＩＩ力：人学硕ｆ１学伊论文第三章模型构建３．１基本理论介绍本文在模型构建中需要纳入ＫＭＶ模型的核心变量，预期违约率和违约距离， 将之和传统的财务指标结合起来共同作为模型中的解释变量。在对数据的处理 ，卜，由于考虑到较多的解释变量，可能会引发多重共线性问题，故考虑采用主成 分分析法来处理数据，以解决多重共线性的问题，在回归方法上，由于被解释变 量只有两种情况出现，即公司违约和公司不违约，故不能采用‘‘般的线性回归方 法，而要考虑采用Ｌｏｇｉｔ回归。下面就将这些涉及到的模型理论和方法进行扼要 的综合陈述。 ＫＭＶ模型． －３．１．１穆迪ＫＭＶ公司于１９９３年根据Ｍｅｒｔｏｎ将选择权定价应用到公司负债定价的做■法，发展出…个衡量违约风险的方法――预期违约率（ＥＤＦ），以衡量未来一年内公司发生违约的机率。它的基本思想是：公司违约与否决定于公司资产的市场价 值，如果债务到期时公司资产市场价值高于其债务，公司有动力还款；当公司资 产市场价值小于其债务时，公司有违约的选择权。因此对债权人来说，相当于卖 出。一份借款公司资产的看跌期权；而对公司来讲相当于向债权人买入一份看涨期 权，标的资产即为公司价值，执行价格即为公司负债的账面价值。因此，当公司 的市场价值低于负债价值时，公司就会对它的债务违约。在计算ＥＤＦ时要遵循以 下两个步骤： 第…步、计算公司资产的市场价值及波动性 首先，假设公司资产价值变化服从一随机过程，表示为：●ａｖＡ＝纵匕ｄｔ＋ａＡ匕ｄｚ其中，ｖＡ和ａｖ，：表示资产价值的市场价值与变动量， 出：为随机变数且服从常态分配，即出～ｉｉｄ Ｎ（０，ｄｔ），（１）儿和吼：为资产价值变动的瞬间飘移项与波动率。尔人学硕Ｉｊ学何论文变数转换估计公司价值时，则我们可以从（１）式得到在到期日ｆ时，公司资产市 场价值和权益市场价值之间的评价关系： ％＝ＶＡＮ（ｄ１）－ｅ一。７ＸＮ（４）（２）●舯弘堂尝：垒ｏ＾～｛ｄ―Ｊ仃．厍一州羚（。一争２ 吐：４一吼石：竺！兰竺宰二兰！二％：权益市场价■：资产市场价值 ０：无风险币ＩＪ率吼：资产标准差 ｆ：据到期日的时间Ｘ：公司负债 在卜述的方程式中， ％、Ｘ、ｆ、０为己知，其中， ■和％为未知。根据伊藤引理（Ｉｔｏ’ｓ Ｌｅｍｍａ），对（３）式两边做‘阶微分，再取期望值可得出另‘条方程式：％＝匕笪警出１可求算出公司的资产市场价值匕及公司资产波动性吼Ｉ 第二步、计算违约距离（ｄｉｓｔａｎｃｅｄｅｆａｕｌ ｔ ｆｒｅｑｕｅｎｃｙ，ＥＤＦ）■ ｔｏｏ（３）其中，％为已知，将（２）（３）两条方程式联立使）耳］Ｍａｔｌａｂ软件编程（附录１）ｄｅｆａｕｌｔ，ＤＤ）和预期违约率（ｅｘｐｅｃｔｅｄ在决定公司在一时期的违约机率前，除了计算ｍ资产价值及其波动性外，必 须计算出违约距离和预期违约率。在这’。步有两种计算方法，’‘种是传统ＫＭＶ模 型中的算法，。‘种是利用匕服从对数正态分布推导出来，我们称之为Ｍｅｒｔｏｎ期。在求解公司资，龇Ｉｆ，场价值和公司资产波动性时．?般多使＿Ｉ｛Ｊ牛顿（Ｎｅｗｔｏｎ）迭代法。该方法虽简竹但有‘个缺陷．对仞始值的要求比较高，初始值的设定直接芙系剑能否求出运锌结粜及运算的速度．在本文ｌ｜Ｉ圆 内开发的１ｓｔＯｐｔ软件虽然称可以解决初始值问题。但经过作者实际使心发现对同样的参数设定不Ｉ―Ｊ的仞始值求得的结果却往往大相径庭，本文ｌ｝Ｊ采取■分法来解该力‘样组．＿分法柏较】：牛顿迭代法的优点就是灯初始值的要求不高．试算的成功率非常高．在本文ｌＩＩ最多设定两次初始值即可求得结粜９自：大。’：’硕－｛：’ｙ伊沦文（１）传统ＫＭＶ模型违约间距和预期违约率的计算 违约事件发生在公司资产价值低于负债总额时，通常将负债总额视为公司之 违约点（ｄｅｆａｕｌｔ ｐｏｉｎｔ），但实际．卜，当公司资产价值等于负债的账面价值时， 公司一般是不会违约的，Ｂｏｈｎ（２０００）的实证发现，违约点的金额通常会位于总负债及短期负债之间――及流动负债加．ｋ－－－分之。‘的长期负债。因为负债中的长期负债部分可以给予公司财务状况。４些喘息的空间，因此当公司的资产价值跌至 负债账面价值时，仍然会继续其交易及服务，以期有能力还债，直至资产价值跌 至违约点时，才会真正发生违约。违约距离即公司资产价值与违约点的距离，以 资产价值的标准差来衡量（如图１），ＫＭＶ模型的违约足巨离计算公式为：?肋：―Ｅ（ＶＡ）―－ＤＰＥ（圪）吒 其中，￡（■）：资产价值在到期时的预期值 ＤＰ：违约点＝短期负债＋１／２长期负债（４）预期违约机率为负债到期时公司价值低于违约点的几率，穆迪ＫＭｖ公司收集 ２５００００家公司的年资料及超过４７００件的违约和破产事件，组成违约资料库，从此 资料库来计算出历史违约机率，且获得各违约机率和预期违约机率之间对应关 系。则当各公司的违约距离求出后直接对照该对应关系即可求得预期违约机率， 其计算公式为－…公司资产价值低于违约点，即公司破产的几率用数学公式表达为：ｒ．Ｃ＝ＰＩ形≤置Ｉ ｖｏ＝匕ｌ＝ｌ ｌｎ形≤Ｉｎ眩ｌ￡：到期破产的几率令Ｇ＝ｈｌｙ，又ｄ匕＝儿■破＋吒匕出，由伊藤引理可得：，ｌ，，一＝＝一．。。历史资料中ＤＤ为Ｘ且。。年之后违约的公司数历史资料中ＤＤ为瑚公司总数（２）Ｍｅｒｔｏｎ期权模型违约距离和预期违约率的计算１ｒ１ｐ形：资产在到期时的价值日：资产现在的价值ｄＧ＝篑”警衍＋ｊ１器嘶破１０ＩＩｌ自：大学硕Ｉ’’｝何沦文＝去（∥一＿冼＋吼圪沈）一互１霄１仃２吮２加＝（∥一圭一础＋毗 ＝（∥｛∽折＋盯届●其中“￣ｉ…（０，１），批器－Ｉｎ∥＿ｌｎ曰棚悔ｌｎ以＿ｌｎ贸＝（∥一圭盯２）衍＋仃届代入可得：ｅ＝吐（∥一扫新＋盯厄札叼妯一］●整理后得：ｃ＝尸ｃ形≤＿Ｉ叼＝＿，＝Ⅳ［一一］肋：竺兰。竺二型２（５）（６）●图１：违约距离、预期违约率分布图尔大学硕十学ｆ？ｉ沦文３．１．２Ｌｏｇｉｔ模型Ｌｏｇｉｔ模型２属于定性相应回归模型的‘种，我们‘般考虑的回矿Ｉ模型中都假 设因变量是定量的，而自变量是定量的、定性的或二者兼而有之，但在实际生活 中因变量是定性的情况非常多见，比如：一‘个人是处于失业状态还是就业状态， 新生儿性别是男还是女等等，在本文中企业也只出于两种状态：发生财务危机和●未发生财务危机。对于这类定性相应回归问题通常在计量中使用的方法有：线性 概率模型（１ｉｎｅｒｐｒｏｂａｂｉｌｌ。ｔｙｍｏｄｅｌ，ＬＰＭ），Ｌｏｇｉｔ模型，Ｐｒｏｂｉｔ模型，但ＬＰＭ模型无法将机率值（因变量值）设定在（０，１）之间，为此后来又开发出了Ｌｏｇｉｔ 模型和Ｐｒｏｂｉｔ模型，这两个模型都解决了这‘问题而广泛应用，本文中就使用 Ｌｏｇｉｔ模型。只＝Ｅ（ＹｚｌＩ墨）＝―――‘一一（风＋∑只置．，）’１１ｌ－Ｉ－ｅ为了易于阐明，可把卜式写成：一只＝击其中，互＝屈＋喜帆，它代表了，‘个以累计逻辑分布函数（１０９ｉｓｔｉｃｄｉｓｔｒｉｂｕｔｉｏｎ ｍｏｄｅｌ）为名的模型，这也是Ｌｏｇｉｔ模型名称的由来。只为事情发生的概率，则ｌ－Ｐ，为事情未发生的概率，因此，我们可以得到：１一只＝百≥， 土：旦曼：孑ｌ一只ｌ＋ｅ“，ｊＬ称为机会比率（ｏｄｄｓ ｒａｔｉｏ），表示事情发生概率对事情未发生概率的ｌ一只 比较强度，对其取自然对数可得：◆厶乩（高）＝ｚ：ｆ＝孱＋喜帆．，则机会比率的对数厶不仅对五，为线性，而且对参数也是线性的设违约的高２很多书中也将其称为Ｌｏｇｉｓｔｉｃ模型．但一般情况下两者为同一模型，可参见王济川和郭志刚的｛ｌｏｇｉｓｔｉｃ 回归模型――方法与应用＞（高等教育出版社）一书１２４：大学硕ｌ‘学付ｆ仑艾风险企业的个数为ｈ不违约的低风险企业样本的个数为ｋ，则似然函数为￡＝扯专］彝［击］取对数似然函数（Ｉｎ Ｌ）的最大化，就可以得到参数的估计值，与线性判别 模型不同，Ｌｏｇｉｔ模型没有理论．卜的阀值，阀值完全需要根据研究目标来选择。 此次研究选择０．５为阀值，即通过Ｌｏｇｉｔ模型计算出公司的违约概率大于或等于 ０．５，则将公司判定为高风险企业，否则判定为低风险企业。３．１．３主成分分析法早期的财务危机预警模型中均直接将各种财务变量纳入模型，由于财务变量 之间往往存在千丝万缕的联系，这就容易导致变量之间ｍ现多重共线性问题，为 了解决这。‘问题，现今的研究常采用逐步回归法和主成分分析法。本文中采用主 成分分析法对数据进行处理。 做为降维的‘种统计方法，主成分分析法的思想ｍ现于１９世纪中叶，但直到 ２０世纪３０年代Ｈｏｔｅｌｉｎｇ（１９３３）提｝ｆ｛计算主成分的迭代算法之后，这，’分析方法才 得以被应用到实践当中。主成分分析法的基本思路是：从Ｐ个相关的财务比率中 推算出Ｐ个相互独立的主成分，每‘个主成分都是原始财务比率的线性拟合。第 ?‘个主成分的特征值最大，它最大限度地解释了原始财务比率资料的方差。第二 个主成分则最大限度地解释了原始财务比率资料的剩余方差。以此类推，当Ｍ个 主成分涵盖了足够的原始信息时（ｒ‘般达到８０％），此Ｍ个成分即为主成分，这Ｍ 个新变量就替代原有的解释变量成为了新的解释变量，此时这Ｍ个解释变量之间 不存在多重共线性。◆３．２模型构建传统的财务预警分析模型可表示为：Ｙ＝ＣＩ五＋ｃ２ｔ＋Ｋ ｅＸ。，】ｅ巾Ｘ…．以分别代表传统的财务指标，如盘利能力指标、营运能力指标、流动性指标等等， 当然，如卜文所说，考虑到财务指标的相关性，一‘般使用主成分分析法从这些指 标中选却主成分因子，然后再采用Ｌｏｇｉｔ回归方法进行回归分析。尔大学硕十学何论文与传统模型不同，本文中的创新思想可用模型表示为：Ｙ＝ＣｌＥＤＦ＋Ｃ２ＤＤ＋Ｃ３Ｘｉ＋ｃ４置＋Ｋ ｅＬ ３，其中Ｊ，为解释变量他只有两的值０和ｌ，Ｏ即代表公司违约，ｌ代表公司没有违约，模型右边的变量中ＥＤＦ代表使月ｑＫＭＶ模型计算得出的预期违约率，ＤＤ代表违约距离，Ｘ１…Ｌ分别代表传统的财务指标，ＣＩ…ｑ为系数。 对于ＫＭＶ模型中计算预期违约率ＥＤＦ和违约距离ＤＤ中所涉及的参数如：股 权价值的波动率、无风险利率、违约点等的设定，在下…章实证分析中将结合具 体的样本，在计算时进行详细的说明。 本文将通过样本的实证分析结果来检验，本文创新的财务预警分析方法较原 先传统的分析方法在预警效果卜是否有所提高，如果提高则证明本文的尝试是有 益的，如果不能提高或较之前更差，则证明这一方法无效，应该开辟新的思路。●―３在后文中将看到，经过数据检验，与ＫＭＶ模型有关的两个变量ＥＤＦ和ＤＤ，只保留了ＤＤ这一变量， 舍弃了ＥＤＦ，具体原因和处理过程见第四章实证分析部分．１４…Ｉ自：大’｝硕卜学ｆ静论文第四章实证分析４．１样本采集和数据处理４．１．１企业及其财务指标样本的采集●我国对卜市公司实行特别处理制度，即终止．卜市风险的，特别处理（水ｓＴ） 和其他特别处理（ＳＴ）两种４，这‘制度本身就是｝｛｛于保护投资者利益，当卜．市 公司ｍ现９ｌｊ。务状况异常或其他异常状况时所执行的风险预警制度。故本文中把被 特别处理的．卜市公司视为发生财务危机公司，从中选取样本。我们从２００８、２００９ 年的ＳＴ矛１１＊ＳＴ公司中选取样本，但不能盲目的把他们都列为样本选择的对象，必 须满足以下条件样本选择才有意义： （１）２００８、２００９年之前三年中属于财务正常的公司。●（２）‘直“戴帽”至２００８、２００９年的公司应被剔除，因为此类公司在２００８、２００９年之前财务就已恶化。 （３）根据财务预警之概念，只有当财务状况恶化才有预警的必要，而在我 国被其他特别处理（ＳＴ）的卜市公司中有相当，‘部分属于撤销退市预警或恢复．卜 市但达不到完全摘帽要求的情况，此类情况属于财务状况好转而非恶化，故应被 剔除。 （４）２００８、２００９年之前三年中无会计师事务所为公司出具了无法表示意见 的审计报告之状况，一旦出现这种状况则意味着企业会计报表有造假的可能，对 于我们最后结果的准确性将带来直接影响。■（５）在被特别处理前，其每股净资产已经为负的．卜市公司，这种公司在会 计．卜实际早已经破产，故预测的意义不大。 另外，处于数据处理方便的需要，满足下列情况之‘‘的公司也不能作为样本： （１）除在ｈ股流通．卜市外还在Ｂ股和Ｈ股市场流通的股票。 （２）财务数据不全无法满足本文研究之需要的股票。本文从２００８－－２００９年间被特别处理的公司中选择３８家做为财务危机公司样４参见‘．卜海证交所股票交易规则（２００８．０９修订）》ｌｉｆ ｊ、大学顶十’”，付论文本并按照Ｂｅａｖｅｒ（１９６６）与Ａ１ｔｍａｎ（１９６８）的准测，每?。家危机公司选择二家在同－? 时期内，类似产业且资产规模相近的财务正常公司作为配对样本，样本总数达到 １１４家，其行业分布、名称和ＳＴ状况等情况如附录２所示，从行业分布看样本涵盖 了证监会２２个行业分类中的１６个，覆盖率达到了７３％，比较有普遍性。 财务数据方面，我们选择公司发生财务危机前两年（Ｔ－２）和前三年（Ｚ－３） 的数据，之所以不选择发生危机前一年的数据来进行预测，是因为对上市公司的 特别处理（＊ＳＴ和ＳＴ）是由上市公司Ｔ－１期的财务年报所决定的，故Ｔ－１期的预测 模型即使能够提高预测精度，在实际应用中也没有太大的价值。在考虑收集资料 的完整性和代表性后，共选择２１个财务指标，具体如表１所示。 本文所使用数据均来源于清华金融数据库、和讯网、同花顺等权威数据库。表１：选取的财务指标流动比率 速动比率 流动资产／流动负债 速动资产／流动负债 负债总额／资产总额 负债总额／股东权益 息税前利润／利息费用 净利润／股东权益 净利润／总资产 净利润／营业收入● ?偿债能力资产负债率 产权比率 利息保障倍数 净资产收益率 资产收益率盈利能力净利率 营业利润率 毛利率 现金流动负债比营业利润／营业收入（营业收入一营业成奉）／营业收入 经营活动现金净流量／流动负债现金流量现金债务总额比销售现金比率 每股经营性现金流量 总资产周转率 存货剧转率经营活动现金净流量／期负债总额 经营活动现金净流量／销售额 经营性现金流量／总股本销售收入／总资产 销售收入／存货 ３６５／存货周转率 销售收入／应收账款 ３６５／应收帐款岗转率 （当期收入一上期收入）／上期收入■营运能力存货周转天数应收账款Ｊ舂｜转率 应收账款周转天数成长性主营业务收入同比增长率 总资产同比增长率（当期总资产一上期总资产）／上期总资产资料来源：作者整理１６４．１．２违约距离和预期违约率的求解及相关分析 违约距离（ＤＤ）和预期违约率（ＥＤＦ）的计算 首先，我们需要对解由方程（２）、（３）组成的联立方程组的各种自变量参 数进行设定和计算： （１）股权价值的计算方法●ｌ、我国从２００５年开始实施股权分置改革以来，现在绝大数的股票都已完成股改 即将实施全流通，但在原来的非流通股卜市流通之前还有‘个限售期，本文选取 的样本中绝大部分已实施股改的股票的非流通股正处于此限售状态，对于限售股 和其它非流通股的定价，本文使用每股净资产做为非流通股和限售股的价格，使 用每股净资产来定价确有低估其价值之嫌，但考虑到随着股改的完成，这，‘问题 自然而然也就得到解决，故本文不准备在这里过多探讨。故卜市公司股权价值＝ 流通股收盘价格×流通股股本数＋每股净资产×非流通股股本数。 （２）股权价值的波动率■１，１、计算股权日报酬率：ｒＥ，＝Ｉｎ（軎址），ｙ毋一Ｉ其中，％：代表第ｆ天的股权价值，，￡，：代表第ｆ天的股权报酬率２、计算股权日报酬率的方差：乃２＝型■丁∑Ｔ（吃，一ｉ）２其中，％：代表平均股权报酬率，Ｔ：代表在风险衡量期间某股票的实际交易日 总数●３、计算股权年报酬率的方差，假设?‘年有２５０个交易日，则股权年报酬率的标准差：％＝乃木√２５０考虑到限售流通股和非流通股的影响和未来即将消失这??事实，本文只使用 流通股价格代替股权价值来计算股权价值波动率，即吃，＝ｌｎ（上Ｌ），ｐｔ―Ｉ其中，易代表第，日的股票收盘价，这里的股价是复权后的股价，有些文中直接使用当日交 易价格，这种做法是错误的，假设完全实现全流通以后，那么上市公司股权价值１７＝收盘价格×股本数，在除息除权日，不仅股价会有较大的波动，股本数也会有 相应的改变，假设在除权日每十股送十股红股，则理论上第二日股价应跌至前‘一 日的，一半，相应的股本扩大，‘倍，但股权价值不变，如果只考虑股价变动而未考 虑股本数的变化，会造成严重误差，使股权价值缩小了。‘半，而使用复权价格就 有效规避了这‘问题。 （３）无风险利率 本文中使用。‘年定期存款利率为无风险利率，虽然按照Ｍｅｒｔｏｎ的理论在风险 衡量期间无风险利率应该是不变的，但考虑到在２００７、２００８年国家利率政策有相 当大的变动，故这里使用加权后的一一年定期存款利率作为无风险利率，加权后 ２００６、２００７、２００８年的无风险利率分别是２．３５％、３．２ｌ％、３．９２％。 （４）违约点 如前所述，违约点以｝二。‘年度年报中的短期负债２Ｈ－－－分之一长期负债作为下 ?‘年度信用风险衡量期间的违约点。（５）时间一 ●本文的信用风险衡量期设定为一年。 将上述参数带入到作者自行编制的Ｍａｔｌａｂ程序中，即可分别求得在Ｍｅｒｔｏｎ 期权模型的违约距离、预期违约率以及传统ＫＭＶ模型的违约距离，如附录３所示， 其中违约距离ｌ、预期违约率１代表Ｍｅｒｔｏｎ期权模型的违约距离、预期违约率，违 约距离２、预期违约率２代表传统ＫＭＶ模型的违约距离、预期违约率。对于传统ＫＭＶ 模型的违约机率，若直接使用ＫＭＶ公司的数据，可能会由于国情不符而出现偏误， 而我国又没有建立相应的数据库，故在本文中将违约距离分为如表２所示的４个区 间，并统计每个区间．卜在信用风险评估期到期后（１年后）实际发生财务危机的 公司总数，将其和所在区间的样本总数进行比较，得到每个区间上的违约频率， 以此违约频率作为预期违约率。 表２：传统ＫＭＶ模型之违约距离――违约频率对照表违约距离 样本总数实际发生财务危１－１．５ ４４ ●１．５－２４８２－２．５１７２．５―３５１６１７４１机的公司总数 违约频率资料来源：作者整理Ｏ．３６３６３６３６３６４０．３５４ １６６６６６６７ ０．２３５２９４１ １７６５ ０．２１８ｌｌＪ自：大学硕ｌ’’｝ｆ－沦支将表２中绘制成图２，从中我们可以更清楚的发现实际违约频率会随着违约距 离的增加而降低。这符合ＫＭＶ模型的理论，即违约距离越大表示企、ｊｋ越安全，发 生违约的概率越低。●■图２：传统ＫＭＶ模型２、图３：Ｍｅｒｔｏｎ选择权模型违约距离和预期违约率的相关性分析 两种模型的相关系数及对相关系数的检验结果如表３、表４所示，Ｍｅｒｔｏｎ期权模型的违约距离和预期违约率的相关系数是一０．４７４，虽然系数并不是很大，但假 设检验的Ｐ值远小于０．０５，说明两者呈现负向的变动关系，即违约距离越大，预 期违约率越低。表３：Ｍｅｒｔｏｎ期权模型的违约趴离和预期违约率的相关性分析 相关性 违约距离 Ｐｅａｒｓｏｎ相关性ｌ预期违约率－０．４７４ ．０００违约距离●漫著性（双侧）Ｎ １ １４１１４ ｌＰｅａｒｓｏｎ相关性 预期违约率 显著性（双侧）Ｎ一０．４７４０．０００ １ １４１１４资料来源：作者整理传统ＫＭＶ模型的违约距离和预期违约率的相关系数是－０．８６８，相关程度非常 高，且假设检验的Ｐ值远小于０．０５，说明两者存在负向相关关系，将表４绘制成图 ３可以更清楚的发现这一关系。１９Ｉ｜Ｉ尔大学硕十’≯付论文表４：传统ＫＭＶ模型的违约距离和违约率的相关性分析 相关性 违约趴离 Ｐｅａｒｓｏｎ相关性 违约距离 显著性（双侧）Ｎ ｌ １４ 一０．８６８ ０．０００ １ １４ １１４ ● １预期违约率―０．８６８ ０．０００ １１４ １Ｐｅａｒｓｏｎ卡日关性 预期违约率 显著性（双侧）Ｎ资料来源：作者整理３、违约距离和预期违约率的非参数检验 非参数检验常被用来检验两个无联系的且分布未知的总体的均值是否有显著性差异，使用ＳＰＳＳｌ７．０软件对财务正常公司和财务危机公司两个样本总体的在 Ｍｅｒｔｏｎ期权模型和传统ＫＭＶ模型的违约距离和预期违约率使用Ｍａｎｎ―Ｗｈｉｔｈｅｙ Ｕ检 验方法进行检验，结果如下表５所示，Ｍｅｒｔｏｎ期权模型的违约距离和预期违约率 存在显著差异，传统ＫＭＶ模型的违约距离存在显著性差异，而预期违约率则不存 在显著性差异。表５：Ｍｅｒｔｏｎ期权模型和传统ＫＭＶ模型的违约距离和预期违约率非参数检验 检验统计量 违约距离１Ｍａｎｎ―Ｗｈｉｔｎｅｙ Ｕ ９９５．５００ １７３６．５００ －２．６９６ ０．００７ ◆预期违约率１９９４．５００违约距离２１１６５．５００ １９０６．５００预期违约率２１２７０．０００ ４１９６．０００ －１．１２５ Ｏ．２６１Ｗｉｌｃｏｘｏｎ ＷＺ３９２０．５００－２．７０２ ０．００７－１．６７４０．０９４渐近显著性 资料来源：作者整理由于在两种模型的违约距离和预期违约率均存在显著的相关性，若将两者都 引入预测侧模型则会导致多重共线性问题，因而只能遴选其一，由于两模型的违 约距离均存在样本总体间的显著性差异而传统ＫＭＶ模型的预期违约率不存在显著◆性差异，故我们选择仅违约距离引入预测模型。４．１．３财务指标的统计检验及主成分分析对于选取的２１个财务指标，进行独立样本的非参数检验，检验结果表明，在 两类企业间有明显差异的财务指标共有１４个，分别是：净资产收益率、资产收 益率、净利率、营业利润率、毛利率、现金流动负债比、现金债务总额比、每股 经营性现金流量、流动比率、速动比率、资产负债率、产权比率、利息保障倍数、总资产同比增长率。 由于财务指标之间可能存在相关性，如果直接使用这些数据进行Ｌｏｇｉｔ估计， 有可能ｍ现多重共线性问题，故需要使用主成分分析法来进行降维处理，首先进 行ＫＭＯ检验和Ｂａｒｔｌｅｔｔ球度检验结果如表６所示：表６：ＫＭＯ和Ｂａｒｔｌｅｔｔ的检验结果 ＫＭＯ和Ｂａｒｔｌｅｔｔ的检验◆取样足够度的Ｋａｉｓｅｔ―Ｍｅｙｅｒ―Ｏｌｋｉｎ度量 Ｂａｒｔｌｅｔｔ的球形度检验 近似卡方 自山度 品著?件 资料来源：作者整理０．６２３ １７６５．９２６ ９ｌ ０其中，ＫＭＯ值为０．６２３，大于０．６，并且Ｂａｒｔｌｅｔｔ球度检验的Ｚ２统计值的显 著性概率为０．０００，小于０．０５的显著性水平，故适合做因子分析。 提取主成分时我们遵循的。‘般原则是：因子的特征值都大ｌ，或者因子的累 计贡献率大于８０％。通过下面的表７总方差分析表可以发现，前５个因子的特征●值都大于ｌ，且累计贡献率８２．９０２，即包含了原来指标信息中的８２．９０２％，故这 五个因子应被选为主成分因子。表７：总方差分析表 初始特征值 成份１ ２ ３ ４ ５ ６ ７ ８ ９ １０ １１ １２ １３ １４提取、ｒ方和载入 累积％３４．１０９ ５２．２９３ ６５．９４５ ７５．１５６ ８２．９０２ ８８．０２３ ９２．３２２ ９５．８７７ ９８．２９４ ９９．０３５ ９９．５８４ ９９．８５５ ９９．９３３ １００合计４．７７５ ２．５４６ １．９１ｌ １．２９ １．０８４ Ｏ．７１７ ０．６０２ ０．４９８ ０．３３８ ０．１０４ ０．０７７ ０．０３８ ０．０１１ ０．００９方差的％３４．１０９ １８．１８４ １３．６５２ ９．２１２ ７．７４５ ５．１２２ ４．２９９ ３．５５４ ２．４１７ Ｏ．７４１ ０．５４９ ０．２７ ０．０７９ ０．０６７合计４．７７５ ２．５４６ １．９１１ １．２９ １．０８４方差的％３４．１０９ １８．１８４ １３．６５２ ９．２１２ ７．７４５祟秋％３４．１０９ ５２．２９３ ６５．９４５ ７５．１５６ ８２．９０２资料来源：作者整理如何解释所选取的主成分所代表的经济含义，可以通过分析下面的成份矩阵２ｌＩＩＩ尔人’≯硕ｔ＿－’≯付沦文（表８）和旋转成份矩阵（表９）得ｍ结论。旋转成份矩阵采用了方差最大化正交 旋转法，正交旋转法并不影响主成分的提取过程和结果，只是改变了信息量在不 同主成分．卜的分布，便于为主成分找到合理的经济解释。表８：成份矩阵 成份Ｚ１ Ｚ２ ０．４７６ ０．３４９ ０．６１８ ０．６１６ ０．０１８ －０．４６８ 一Ｏ．５１５ 一Ｏ．１２ －０．５５８ ―０．６３６ ０．１８８ －０．０２３ Ｚ３ ０．０５ｌ ０．１１２ Ｚ４ ０．０９ ０．４３２ －０．３７３ ―０．４２ ０．６１２ －０．１０９ ―０．０９ｌ －０．０２７ ―０．１４７ Ｚ５ 一Ｏ．１１３ －０．０３９ Ｏ．１２４ Ｏ．１６ｌ ―０．２６２ Ｏ．１１３ ０．１４ －０．２７８ ０．１４Ｉ ０．２７４ ０．２７ Ｏ．４２１ ０．３４５ ０．６２２ ◆Ｘｌ：净资产收益率 Ｘ２：资产收益率 Ｘ３：净利率 Ｘ４：营业利润率 Ｘ５：毛利率 Ｘ６：现金流动负债比 Ｘ７：现金债务总额比 Ｘ８：每股经营性现金流量 Ｘ９：流动比率 Ｘ１０：速动比率 Ｘｌｌ：资产负债率 Ｘ１２：产权比率 Ｘ１３：利息保障倍数 Ｘ１４：总资产同比增长率 资料来源：作者整理 表９：旋转成份矩阵０．７８５０．７１８０．６０７ ０．５８４ ０．４４３ Ｏ．６０ｌ ０．５９３ ０．３０７ ０．５０９ ０．５４９ －０．７６４ －０．７２９ ０．４５９ Ｏ．２１０．０３６０．０６ ―０．１６３ ０．５９２ ０．５４３ ０．７２８ 一Ｏ．５１３ －０．３５６ ０．４３３ ０．３０１ ０．０６１ 一Ｏ．１３２－０．１４９０．０８５ ０．１５１ ０．５２７ ０．１８－０．１４８０．４０４成份Ｚ１ Ｚ２ Ｚ３ ０．１５７ Ｏ．２ｌｌ ０．０５４ ０．０６９ －０．００８ ０．９３６ Ｚ４ ０．５６２ ０．７３９ ０．０５２ ―０．０１３ Ｚ５ Ｏ．０５１ ０．２２５ ０．０９８ Ｏ．１１３ ０．０２６ ０．０５７Ｘｌ：净资产收益率 Ｘ２：资产收益率 Ｘ３：净利率 Ｘ４：营业利润率 Ｘ５：毛利率０．７２２０．４４３０．０５９一Ｏ．０ｌ ０．０３４０．９４３０．９５３ 一０．０３７ ０．０８９ ０．０４５０．０２５０．１３４ ０．２５７ ０．３０７ －０．２３７ Ｏ．９３ ０．９１８ －０．７３６０．８０４０．０４９ ０．０４７ ０．１４９Ｘ６：现金流动负债比 Ｘ７：现金债务总额比Ｘ８：每股经营性现金流量 Ｘ９：流动比率 ＸＩＯ：速动比率 Ｘｌｌ：资产负债率０．９１４Ｏ．７５０．０８３－０．２５４０．１０５一０．０２７ －０．０４６ －０．３２２ －＇０．４７１ －０．０６８０．０５７０．２３８ －０．０４８０．０５７０ －０．４２８０．０５３０．１６９ ０．２３６ ０．３７８ ０．５３３Ｘ１２：产权比率Ｘ１３：利息保障倍数 Ｘ１４：总资产同比增长率－０．５１７０．１９６ －０．０１４－０．０４７０．２８３ －０．１７９．－０．４３４０．４７５０．３３８Ｏ．０８０．７０２资料来源：作者整理ＩＩｌ尔人学硕ｌｊ学何沦文通过分析可以发现：①因子Ｚ１中，Ｘ１、Ｘ３、Ｘ４的负荷量远大于其他财务指标的负荷量，故因子Ｚｌ 代表了企业的盈利能力。 ②因子Ｚ２中，Ｘ９、ＸＩＯ的负荷量远大于其他财务指标的负荷量，故因子Ｚ２代表 了企业的偿债能力。■③因子ｚ３中，Ｘ６、Ｘ７、Ｘ８的负荷量远大于其他财务指标的负荷量，故因子ｚ３ 代表了企业的现金流动能力。 ④因子Ｚ４中，Ｘ２、ｘ５的负荷量远大于其他财务指标的负荷量，故因子Ｚ４也代 表了企业的盈利能力。 ⑤因子Ｚ５Ｘ１４的负荷量远大于其他财务指标的负荷量，故因子Ｚ５代表了企业的 资产管理能力。 接下来通过主成分分析法得到成分得分系数矩阵（表１０），将其带入下面的 算式可以计算ｍ主成份因子的值，结果如附录４所示。●ＺＩ＝０．１ ８３Ｘ ｌ＋ｏ．０２２Ｘ２＋０．３７７Ｘ３＋０．３９３Ｘ４－Ｏ．１ ７６Ｘ５．０．００４Ｘ６．０．０２３Ｘ７ ＋０．００９Ｘ８．０．０３５Ｘ９．０．０４２Ｘ ｌ Ｏ．０．０５４Ｘ １１．Ｏ．１ ２５Ｘ ｌ ２．Ｏ．１ ５８Ｘ ｌ ３＋０．０９５Ｘ ｌ４ Ｚ２＝．０．０６９Ｘ １．Ｏ．１ ２Ｘ２．０．００４Ｘ３．０．０４７Ｘ５＋ｏ．０ ｌ ７Ｘ６＋０．０４ ｌ Ｘ７ －ｏ．１ ９３Ｘ８＋０．３８Ｘ９＋０．３６９Ｘ ｌ ０．０．２４３Ｘ １１．０．１ ４６Ｘ １ ２＋０．００５Ｘ １ ３＋０．００９Ｘ １ ４ Ｚ３＝０．００ ｌ Ｘ ｌ＋ｏ．０２６Ｘ２．０．００９Ｘ３＋０．００４Ｘ４．０．０７７Ｘ５＋０．３ ８９Ｘ６＋０．３７６Ｘ７ ＋０．３４ ｌ Ｘ８．０．０６３Ｘ９＋０．０２５Ｘ ｌ Ｏ＋ｏ．０８９Ｘ ｌｌ＋０．０７５Ｘ ｌ ２＋０．０７６Ｘ ｌ ３―０．０８７Ｘ １ ４ Ｚ４＝Ｏ．１９７Ｘ１＋０．３５８Ｘ２．０．１６９Ｘ３．Ｏ．２１４Ｘ４＋０．５０９Ｘ５．０．０９７Ｘ６．０．０９７Ｘ７ ＋ｏ．０６９Ｘ８．０．０８８Ｘ９．０．１ ４４Ｘ ｌ ０．０．１ ３２Ｘ １１．０．１ ４７Ｘ １ ２＋ｏ．２３ ｌ Ｘ ｌ ３―０．０５６Ｘ １ ４ Ｚ５＝．０．０３４Ｘｌ＋Ｏ．１２Ｘ２＋０．０３６Ｘ３＋０．０５４Ｘ４―０．０３７Ｘ５＋Ｏ．０５２Ｘ６＋０．０７８Ｘ７－０．２４４Ｘ８＋０．０６１Ｘ９＋Ｏ．】７Ｘ１０＋０．２４７Ｘ１１＋０．３８６Ｘ１２＋０．４４５Ｘ１３＋０．６Ｘ１４ 表１０：成份得分系数矩阵 成份●１２３Ｏ．００１４ ０．１９７ ０．３５８―０．１６９５Ｘｌ：净资产收益率 Ｘ２：资产收益率 Ｘ３：净利率 Ｘ４：营业利润率 Ｘ５：毛利率 Ｘ６：现金流动负债比０．１８３ ０．０２２ ０．３７７ ０．３９３ 一Ｏ．１７６ －０．００４ －０．０２３ ０．００９－０．０６９ ―０．１２－０．００４－０．０３４０．１２０．０２６―０．００９０．０３６ ０．０５４ －０．０３７ ０．０５２ ０．０７８ －０．２４４Ｏ －０．０４７ Ｏ．０１７ ０．０４１ －０．１９３０．００４－０．０７７―０．２１４０．５０９０．３８９ ０．３７６ Ｏ．３４１―０．０９７ －０．０９７ ０．０６９Ｘ７：现金债务总额比 Ｘ８：每股经营性现金流量ｆｆＩ自：人学『『页１．学何沦艾Ｘ９：流动比率 ＸｌＯ：速动比率 Ｘ１１：资产负债率 Ｘ１２：产权比率 Ｘ１３：利息保障倍数 Ｘ１４：总资产同比增长率 资料来源：作者整理一０．０３５ －０．０４２ 一０．０５４ 一０．１２５ 一０．１５８ ０．０９５０．３８ ０．３６９ ―０．２４３ ―０．１４６ ０．００５ ０．００９－０．０６３ ０．０２５ ０．０８９ ０．０７５ ０．０７６ －０．０８７―０．０８８ 一Ｏ．１４４ ―０．１３２ ―０．１４７ ０．２３１ ―０．０５６０．０６ｌ ０．１７ ０．２４７ ０．３８６ ０．４４５ ０．６◆４．２ｌｏｇｉｔ回归及结果分析在进行财务指标的主成分分析之后，即可进行Ｌｏｇｉｔ回归，本文构建三种模式， 分别比较它们的财务预警能力： 模式一：只考虑财务指标的主成分因子 模式二：财务指标的主成分因子加入Ｍｅｒｔｏｎ期权模型的违约距离 模式三：财务指标的主成分因子加入传统ＫＭＶ模型的违约距离４．２．１只考虑财务指标的主成分因子对于违约前二年的财务指标之主成份因子进行Ｌｏｇｉｔ回归之后，结果如表１１所示：表１１：模式一的Ｌｏｇｉｔ叫归结果 系数Ｚｌ Ｚ２ Ｚ３ Ｚ４ Ｚ５标准差１．５２４Ｗａｌｄ统计量１５．１４４ ２．６６６ ５．４１０显著性（Ｐ值）０．００００．１０２ ０．０２０ ０．０００ ０．００６－５．９３０―０．５９１ －０．７６０ －２．５０３ －１．６５９０．３６２０．３２７ Ｏ．６１２ ０．６０４１６．７０４７．５５２资料来源：作者整理在信用风险评估中，我们容易犯两种类型错误，第一类错误是将危机公司误 判为正常公司的错误，第二类错误是将正常公司误判为危机公司的错误。第一类 错误显然更加严重，因为它是将经营失败的企业误诊为经营正常的企业，这可能 导致投资者的损失。相比之下，第二类错误仅使投资者错过了一笔投资收益。实 际当中，故我们更注意控制犯第一类错误的概率。模式一预测的正确率如表１２ 所示：犯第一类错误的概率：３／３８＝７．９％；犯第二类错误的概率：５／７６＝６．６％，整 体预测准确率：９３．ｏ％。表１２：违约ｆｊ｛『二年模式一的预测准确件预测结果 正常 正常７ｌ３危机５ ３５预测正确率（％）９３．４ ９２．１ ９３．Ｏ实际结果危机 整体预测正确率资料来源：作者整理■对违约前三年的财务指标进行主成分分析，对其主成份因子进ｊＴＬｏｇｉｔ回归， 其预测的正确率如表１３所示：犯第‘。类错误的概率：３３／３８＝８６．８％；犯第二类错 误的概率：３／７６＝３．９％，整体预测准确率：６４．８％。表１３：违约ｆｊｉ『二三年模Ｊ＝℃一的预测准确性 预测结果 矿常 正常 实际结果 危机 整体预测正确率 资料来源：作者整理７３３３危机３５预测ｉＦ确率（％）９６．１ １３．２ ６８．４●４．２．２财务指标的主成分因子加入Ｍｅｒｔｏｎ期权模型的违约足巨离 对于违约前二年的财务指标之主成份因子加入Ｍｅｒｔｏｎ期权模型的违约距离 进｛ＴＬｏｇｉｔ回归之后，结果如如表１４所示：：表１４：模式二的Ｌｏｇｉｔ凹归结果 系数ＥｌＺ２标准差１．５７８Ｗａｌｄ统计量６．５０８ １．３４７ ３．５２０ １７．４７６ ７．７３３ ４．９５１显著性（Ｐ值）Ｏ．０１１－４．０２５一Ｏ．７１ １Ｏ．６１３ Ｏ．５１１ ０．６５６ ０．７０９Ｏ．１３００．２４６０．０６１Ｚ３ Ｚ４◆’－０．９６０ －２．７４２ 一１．９７２一０．２８９０．０００ ０．００５ ０．０２６Ｚ５违约距离（ＤＤｌ） 资料来源：作者整理模式二预测的正确率如表１５所示：犯第‘类错误的概率：４／３８＝１０．５％１犯第 二类错误的概率：２／７６＝２．６％，整体预测准确率：９４．７％。表１５：模式二的预测准确件 预测结果 Ｊ下常 实际结果 正常 危机７４４危机２ ３４预测矿确率（％）９７．４ ８９．５ｌ区巫匝巫［二二二二［二二二［二口资料来源：作者整理ＩｌＩ自：人学硕ｌｊ学忙沦文４．２．３财务指标的主成分因子加入传统Ｋｗ模型的违约距离 对于违约前二年的财务指标之主成份因子加入传统ＫＭＶ模型的违约距离进行 Ｌｏｇｉｔ回归之后，结果如表１６所示：◆表１７：模式三的Ｉ。ｏｇｉｔ凹归结果 系数Ｚｌ Ｚ２ 一３．４６ｌ ―１．１３３ 一１．２２３ ―３．１００ －２．２２４ 一０．８２５标准差１．４８２ ０．６２６ ０．５８０Ｗａｌｄ统计量５．４５４ ３．２８ｌ ４．４５５ １８．４０１ ８．７５４ ８．５９４显著性（Ｐ值）０．０２０ ０．０７０ ０．０３５ ０．０００ ０．００３ ０．００３Ｚ３Ｚ４ Ｚ５０．７２３０．７５２违约趴离（ＤＤ２） 资料来源：作者整理０．２８１模式三预测的正确率如表１７所示：犯第一类错误的概率：３／３８＝７．９％；犯第●二类错误的概率：２／７６：２．６％，整体预测准确率：９５．６％。表１７：模式三的预测准确件 预测结果 正常 正常 实际结果 危机 整体预测萨确率７４危机２预测正确率（％）９７．４ ９２．１ ９５．６３３５资料来源：作者整理将以，ｋ－－种模式的预测误差概率及整体预测准确率进行总结，结果如下表１８ 所示：表１８：三种模式下的预测误差概率及整体预测率 模式一（Ｔ－３） 第一类错误概率 第二类错误概率 整体预测准确率 资料来源：作者整理８６．８０％ ３．９０％ ６４．８０％模式一（Ｔ一２）７．９０％模式二１０．５０％ ２．６０％ ９４．７０％模式三７．９０％ ２．６０％ ９５．６０％６．６０％９３．００％通过对比分析，我们可以得出以下几点结论： （１）通过比较Ｔ－２和Ｔ－３时期的仅依赖财务数据的预测准确性，我们可以发 现，距离违约时点越近，模型的预测精度越高，尤其是犯第一类错误的的概率有尔大学硕ｔ‘学佾沦文了极大地下降。 （２）在添加了Ｍｅｒｔｏｎ期权模型的违约距离和预期违约率后，模型整体预测 精度较仅依赖财务指标进行预测的精度提高了，犯第‘类错误较之前有所增加但 犯第二类错误的概率较之前降低，这说明在财务指标中加入Ｍｅｒｔｏｎ期权模型的违 约距离和预期违约率后能够改善预测的精度。●（３）在添加了ＫＭＶ模型的违约距离和预期违约率后，其整体预测精度较仅依 赖财务指标进行预测的精度也提高了，犯第，。类错误和之前相同但犯第二类错误 的概率较之前降低了，这说明在财务指标中加入ＫＭＶ模型违约距离和预期违约率也是有效的。（４）比较两种模型的违约距离和预期违约率，无论从整体预测精度和犯第 ’‘类错误的概率来看，传统ＫＭＶ模型均优于Ｍｅｒｔｏｎ期权模型，但还不能就此肯定 传统ＫＭＶ模式就‘定优于Ｍｅｒｔｏｎ期权模型，因为在本例中所使用的ＫＭＶ模型的预期 违约率其实为实际违约频率，即是‘种后验性质的统计数据，这就可能造成预测■的偏误，但无论如何，两种模型较传统模型的预测精度均有提高，应该说是＋。种 进步。■２７女：大学硕十学仲沦文第五章结论５．１本文的基本结论建立企业财务预警的量化模式，能在发生危机前较准确地了解与掌握企业的■财务危机状况，无论在学术层面或实务操作面上，都为在风险管理中重要的议题。 本文引介ＫＭＶ模式，对其理论与计算公式予以扼要陈述外，最主要的工作就是 将其模式应用于中国的．｝：市公司，建立财务预警模式，进行量化分析，以提高预 测准确度。 ＫＭＶ模式的应用，主要在违约距离与预期违约率．Ｌ。本文以上市公司的ＳＴ 公司类别为基础，建构实证分析的样本群。在实证结果．卜，违约距离与预期违约 率的负向关系与理论预期相符合；在比较ＳＴ公司与非ＳＴ公司的组别差异上，统 计结果也呈现显著的差异性。ＳＴ公司已是财务发生危机的公司，在实证，卜其违◆约距离的均值低于二ＩＩＥＳＴ的正常公司，而预期违约率的均值却高于非ＳＴ的正常公 司，如此结果，不但合乎常理，也与理论的预期完全符合。 在企业财务预警模式的建立上，本文先依循既有的方式，在ＬｏｇｉｔｌＮ归模式 下，由基于财务比率的主成分分析法的因子为变量，再将ＫＭＶ模式的违约距离 变量纳入，建立一个结合传统财务比率指标与ＫＭＶ模式的新颖财务预警模式。 经由实证的比较分析，结合ＫＭＶ模式的预警系统，预测准确度提高了，犯错误 的概率降低了，显示加入ＫＭＶ模式违约距离的变量，会增强模式的预测有效性， 与ＫＭＶ模式的结合强化了以传统财务比率指标为基础的财务预警模式。５．２本文的不足和进一步研究方向（１）目前由于违约数据的缺乏，在我国违约距离叻和预期违约率ＥＤＦ值的映 射关系还没有建立，而由于宏观经济的差异，在我国又不能直接使用国外已经建 立的映射关系，故当务之急是完善我国的公司违约数据库的建设。 （２）在计算传统ＫＭＶ模型的违约距离时，需要股权价值的预期值，一般是 利用资产回报率减去公司红利及利息支付的偿付率来计算公司资产的预期上升ＩＩＩ自：大学硕ｆ‘学何沦文率，由于搜集统计数据的困难，目前我国学者的研究中均简单假定圪的增长率 为零。而公司资产价值圪的增长率确实会随着时间的推移而发生变化，对■的 增长率的简单假定为零显然会对计算结果造成误差。 （３）无风险利率ｒ，的定义，本文采用固定利率来替代无风险利率，当遇到■利率政策频繁调整时就会发生定义困难，作者建议应使用利率结构曲线中的相应 利率来替代固定利率，但由于我国尚无国家统。‘的利率结构曲线，大多是‘‘些学 者自行测算的利率结构曲线，不具代表性。 （４）样本数据规模有限，尽管本文较之前的研究在样本数据．卜有了很大的 扩容，但仍稍显不足，相信随着后续研究的深入和我国违约数据可得建立这‘问题可以得到解决。（５）本文在搜集数据时面向的是证监会的全部２２个行业分类，但不同行业 其财务数据有很大的行业类别差距，比如零售行业的其销售多采用现金，应收账■款少，故其流动比率和速动比率要较制造业低很多，故最理想的办法是分行业进 行财务困境预测，对于不同的行业选用不同的财务指标。■２９ＩＩＩ自：大学顶十学何沦文附录１ｎｅｗ．ｒｎｅｑ＝ｘｌｓｒｅａｄ（。Ｃ：＼Ｄｏｃｕｍｅｎｔｓ ａｎｄ Ｓｅｔｔｉｎｇｓ、Ａｄｍｉｎｉｓｔｒａｔｏｒ＼桌面＼ｂｏｏｋｌ＇，＇ＸＸＸ：ｙｙｙ。）：％输入日股 票价格ｆｏｒ ｋ＝２：ｌｅｎｇｔｈ（ｅｑ）ｍｕ（ｋ－１）＝ｌｏｇ（ｅｑ（ｋ）／ｅｑ（ｋ一１））：ｓｉｇ＝ｓｔｄ（ｍｕ）’ｓｑｒｔ（２５０）；％＂揪权价值的年波动率ｅｎｄ ｓｉｇ＿ｅ＝ｓｉｇ；●ｄｐ＝４２４６７０６４５０；％输入违约点数值 ｒ＝０．０２３５；％输入无风险利率 ｔ＝ｌ：％信用风险期问设为１年 ｔｏｌｅｒｅｎｃｅ＝Ｏ．００００１：％容忍度设为０．００００１ｓｉｇ＿ａ＝Ｏ；ｖｅ＝ｘｌｓｒｅａｄ（’Ｃ：＼Ｄｏｃｕｍｅｎｔｓ价值ａｎｄ Ｓｅｔｔｉｎｇｓ、Ａ，ｄｍｉｎｉｓｔｒａｔｏｒ＼桌ｉ面＼ｂｏｏｋｌ＇，＇ＺＺＺ：ＺＺＺ。）：％输入股权ｆｐｒｉｎｆｆ（’％８．３ｆ、ｎ’，Ｖｅ）； ｆｐｒｉｎｔｆ（’％８．４ｆ、ｎ。．ｓｉｇ＿ｅ）；ｗｈｉｌｅａｂｓ（ｓｉｇ＿ａ－ｓｉｇ）＞ｔｏｌｅｒｅｎｃｅ■ａ＝ｌｅ＋８：％设置求资产价值的二分法中的左起始点 ｃ＝１ｅ＋１２；％设置求资产价值的二分法中的右起始点ｙ＿ａ＝ｆｅｖａｌ（＠ｍｅｒｔｏｎｌ，ｓｉｇ，Ｍｅ，ａ，ｄｐ）；％引用ｍｅｒｔｏｎｌ函数 ｙ＿ｃ＝ｆｅｖａｌ（＠ｍｅｒｔｏｎｌ．ｓｉｇ，Ｍｅ，ｃ，ｄｐ）：ｉｆ ｙ－ａ＋ｙ＿ｃ＞０ｆｐｒ．ｎｔｆ（’＼ｎ、ｎｂｒｅａｋ ｅｎｄｓｔｏｐｅｄ ｂｅｃａｕｓｅ ｆａ＊ｆｃ＞Ｏ。）：ｗｈｉｌｅ ｙ＿ａ＋ｙ二－Ｃ＜＝０ｂ＝（ａ＋ｃ），２： ｙ＿ｂ＝ｆｅｖａｌ（＠ｍｅｒｔｏｎｌ，ｓｉｇ，ｖｅ，ｂ，ｄｐ）：ｉｆａｂｓ（ｃ－ａ）＜－－ｔｏｌｅｒｅｎｃｅｂｒｅａｋｅｎｄ ｉｆ ｙ＿ａ＋ｙ＿ｂ＜＝０●ｃ＝ｂ：ｙ二－ｃ＝ｙ二＿ｂ：ｅｌｓｅ ｅｎｄ ｅｎｄ ｖａ＝ｂ；ａ＝ｂ：ｙ二．ａ＝ｙ二－ｂ：ｄ＝０：％设置求资产波动率的二分法中的左起始点 忙１：％设置求资产波动率的二分法中的左起始点ｙ＿ｄ－－－ｆｅｖａｌ（＠ｍｅｒｔｏｎ２，ｓｉｇ＿ｅ，ｖａ，ｄｐ，ｖｅ．ｄ）： ｙ＿ｆ＝ｆｅｖａｌ（＠ｍｅｒｔｏｎ２，ｓｉｇ＿ｅ。ｖａ，ｄｐ，ｖｅ，Ｄ：ｆｆＩ自：大学硕ｌ’中付沦文ｉｆｙ＿ｄ’扎＿ｆ＞０ ｆｐｒｉｎｔｆ（。＼ｎ＼ｎｂｒｅａｋ ｓｔｏｐｅｄ ｂｅｃａｕｓｅ ｆｄ。ｆｆ＞Ｏ。）：ｅｎｄ ｗｈｉｌｅｙ＿ｄ。ｙ－ｆ＜＝０ ｅ＝（ｄ＋ｆ）／２： ｙ＿ｅ＝ｆｅｖａｌ（＠ｍｅｒｔｏｎ２，ｓｉｇ＿ｅ，ｖａ，ｄｐ，Ｍｅ，ｅ）：％引用ｍｅｎｏｎ２函数ｉｆａｂｓ（ｄ－ｆ）＜＝ｔｏｌｅｒｅｎｃｅｂｒｅａｋ●ｅｎｄ ｉｆｙ＿ｄ。ｙ．－．ｅ＜＝Ｏ：仁ｅ：ｙ＿ｆ＝ｙ－ｅ；ｅｌｓｅ ｄ＝ｅ：ｙ―ｄ＝ｙ―ｅ： ｅｎｄ ｅｎｄ ｓｉｇ＿ａ＝ｅ； ｉｆ ａｂｓ（ｓｉｇ＿ａ―ｓｉｇ）＜＝ｔｏｌｅｒｅｎｃｅｆｐｒｉｎｆｆ（。％８．３ｆ＼ｎ．。ｖａ）：％输出股权价值 ｆｐｒｉｎｔｆ（’％８．４ｆ、ｎ’，ｓｉｇ）：％输出股权波动率ｄ １＝（１０９（Ｖａ／ｄｐ）＋（ｒ＋ｓｉｇ＾２／２）‘ｔ）／（ｓｉｇ＋ｓｑｒｔ（ｔ））； ｄ２＝ｄ ｌ－ｓｉｇ＋ｓｑｒｔ（ｔ）；ｄｄ ｌ＝ｄ２：●ｆｐｒｉｎｔｆ（‘％８．３ｆ、ｎＩ，ｄｄｌ）：％输出ｍｅｒｔｏｎ选择权模式下的违约距离 ｅｄｆ＝ｎｏｒｍｃｄｆ（－ｄ２）；ｆｐｒｉｎｔｆ（’％１２．１０ｆ、ｎ‘，ｅｄｆ）：％输ｍｅｒｔｏｎ选择权模式下的预期违约率ｄｄ２＝（ｖａ－ｄｐ）／（ｓｉｇ。Ｖａ）：ｆｐｒｉｎｔｆ（％８．３ｆ＼ｎ．，ｄｄ２）；％输Ｉ出ｋｍｖ模式下的违约距离ｂｒｅａｋ ｅｌｓｅ ｚ＝ｓｉｇ＿ａ；ｓｉｇ＿ａ＝ｓｉｇ；ｓｉｇ＝ｚ； ｅｎｄ ｅｎｄｍｅｒｔｏｎｌ．ｍ ｆｕｎｃｔｉｏｎｆ＝ｍｅｒｔｏｎ２（ｓｉｇ＿ｅ。ｖａ，ｄｐ，ｖｅ．ｓｉｇ＿ａ）ｒ＝Ｏ．０２３５；ｔ＝１： ｄ ｌ＝（Ｉｏｇ（ｖａ／ｄｐ）＋（ｒ＋ｓｉｇ＿ａ＾２／２）。ｔ）／（ｓｉｇ＿ａ＋ｓｑｒｔ（ｔ））；ｆ＝ｖａ。ｎｏｒｍｃｄｆ（ｄ １）’ｓｉｇ＿ａ／ｖｅ－ｓｉｇ＿ｅ；ｅｎｄｍｅｒｔｏｎ２．ｍ ｆｕｎｃｔｉｏｎｆ＝ｍｅｒｔｏｎｌ（ｓｉｇ。Ｍｅ，ｖａ，ｄｐ）ｒ＝Ｏ．０２３５；ｔ＝１：ｄ１＝（Ｉｏｇ（Ｖａ，ｄｐ）＋（ｒ＋ｓｉｇ＾２／２）＋ｔ）／（ｓｉｇ。ｓｑｒｔ（ｔ））；ｄ２＝ｄ ｌ－ｓｉｇ’ｓｑｒｔ（ｔ）；ｆ＝ｖａ。ｎｏｒｍｃｄｆ（ｄｌ，０．１）－ｄｐ。ｅｘｐ（一ｒ。ｔ）。ｎｏｒｍｃｄｆ（ｄ２，０．１）－ｖｅ；ｅｎｄ３ｌ东人学硕Ｊｊ学伊沦乏附录２行业 代码６００６７４名称 川投能源 天富热电 ＊ＳＴ能山 长征电气 东方银星 动力源 三佳科技 拉法电子 精伦电子 ＊ＳＴ东电 ＊ＳＴ国祥 ＊ＳＴ偏转 华润锦华 华升股份 ＊ＳＴ迈业 外运发展 巾信海直 ＊ＳＴ．卜航 金岭矿业 新华光 同力水泥 狮头股份 海印股份 高鸿股份 太原刚玉 多伦股份 云铝股份 宏达股份 贵研铂业 新疆众和 ＊ＳＴ江泉 ＊ＳＴ唐陶 ＊ＳＴ锌业 ＊ＳＴ中钨足否ＳＴ０ ０ ｌｔ－ｒｑｋ代码００００９６ ６００８２６ ０００７９６名称 广聚能源 兰生股份 宝商集团 工府井 ＊ＳＴ三联 ＊ＳＴ建材 川化股份 六国化工 兴发集团 金路集团 两而针 南化股份 ＊ＳＴ鲁北 ＊ＳＴ华控 ＊ＳＴ［Ｊ猫 海南椰岛 啤酒花 燕京啤酒 金利－子酒 泸州老窖 光明乳业 ＊ＳＴ甘化 ＊ＳＴ伊利 ＊ＳＴ．争台 力合股份 华东电脑 百科集团足行ＳＴ０ Ｏ Ｏ ０ １ １ ０ ０ ０ ０ Ｏ ０ １ １ １ ■ Ｏ Ｏ Ｏ ０ ０ Ｏ １ ｌ １ Ｏ ０ Ｏ ●电力煤气供 水６００５０９ ０００７２０ ６００１１２ ６００７５３ ６００４０５ ６００５２０批发和贸易零售０ Ｏ Ｏ Ｏ Ｏ ０ １ ６００８５９ ６００８９８ ０００９０６ ０００１５５ ６００４７０ ６００１４１ ０００５１０电子６００５６３ ６００３５５ ０００５８５ ６００３４０ ０００６９７ ０００８１０石油化学塑料塑１ ｌ Ｏ ０ １ ０ Ｏ １ ０ Ｏ Ｏ Ｏ Ｏ ０ ０ ０ ０ ０ ０ ０ １ １ ｌ １ ｌ ｌ胶６００２４９ ６００３０１ ６００７２７ ００００３６ ６００６３３ ６００２３８ ６０００９０ ０００７２９ ６００１９９服装纺织业６００１５６ ０００９７１ ６００２７０交通运输仓 储００００９９ ６００５９１ ０００６５５ ６００１８４ ０００８８５ ６００５３９ ０００８６１食品饮料０００５６８ ６００５９７ ０００５７６ ６００８８７ ０００９９５ ０００５３２ ６００８５０ ６０００７７ ０００７０３ ０００６６９ ６０００５００００８５１０００７９５６００６９６０００８０７金属非金属６００３３１ ６００４５９ ６００８８８ ６００２１２ ０００８５６ ０００７５１ ０００６５７ ０００９３５ ６００７９２世纪光华领先科技 中国联通 宏图高科●０ Ｏ Ｏ Ｏ Ｏ ｌ １ １ １信息技术６００１２２ ６００４９８ ６００１８５ ６００１３０烽火通信＊ＳＴ海星 ＊ＳＴ波导 ＊ＳＴ汇源 ＊ＳＴ华光＊ＳＴ双马＊ＳＴ马龙０００５８６ ６０００７６３２尔大学硕卜学付沦文６００４６７好当家 巾水渔业 禾嘉股份 登海利一业 丰乐利，业 冠农股份 隆、Ｉ，高科 业｛｝｝｝集团 ＊ＳＴ九发 ＊ＳＴ巾农 ＊ＳＴ香梨 ＊ＳＴ昌鱼 钱江生化 科华生物 达安基因 威远尘化 三精制药 双鹤药业 ＊ＳＴ生物 ＊ＳＴ国农 ＊ＳＴ灭方Ｏ Ｏ Ｏ６００４６３ ６００７３２００００１４审港股份 卜．海新梅 沙河股份 运｛ｉ｛｝实业 ＊ＳＴ巾房 ＊ＳＴ高新 冠豪高新 凯恩股份 ＊ＳＴ宜纸 东信和、ｒ 浙江东Ｉｌ ＊ＳＴ欣龙 东湖高新 深圳华强 复旦复华 综艺股份 ＊ＳＴ金果 ＊ＳＴ工新 ｒｆｌ国宝安 巾航地产 ＊ＳＴ梅雁Ｏ ００００７９８ ６０００９３ ００２０４１ ０００７１３ ６００２５１０ ０ １１房地产Ｏ Ｏ Ｏ０ ０ １ １ ｌ ｌ６００７６７ ６００８９０ ０００６２８ ６００４３３农林牧渔０００９９８６００１０８０ ０１ Ｏ ０ １ ０ ０ ０ Ｏ ｌ ｌ Ｏ ０ ｌ印刷造纸００２０１２ ６００７９３００２０１７６００１８０ ６００３１３６０９５０６造纸业６００１１３ ０００９５５ ６００１３３ ００００６２ ６００６２４６００２７５ ６００７９６ ００２０２２００２０３０００ ＯＪｅ他制造业６００８０３０ ０ ０ １ ｌ ｌ ６００７７０ ０００７２２ ６００７０１医药生物制 品● ０００５１８ ０００００４ ６００２５３６００８２９ ６０００６２０００００９综合类００００４３ ６００８６８●３３自：人学硕Ｊｊ学何沦支附录３名称 中国宝安 巾航地产 ｊｇ，±ＪｌＩ华强 广聚能源 金岭矿业 太原刚Ｋ 中水渔业 华润锦华 海印股份 同力水泥 凯恩股份 禾嘉股份 业盛集团 东湖高新 华升股份 新华光 冠豪高新 贵研铂业 窄港股份 好当家 狮头股份 ．卜海新梅 兰生股份 新桶众和 丰乐利，业 隆、ｌ，高科 登海种业 冠农股份 燕京啤酒 金种子酒 川Ｉ化股份 金路集团 兴发集团 六国化工 云铝股份 高鸿股份 长征电气 宏达股份 资产价值６．１２４Ｅ＋０９ ２．０６７Ｅ＋０９ ２．９５Ｅ＋０９ １．８６８Ｅ＋０９ １．３０７Ｅ＋０９ １．５９９Ｅ＋０９ ８３９４４２１３４ ９１７８６７７５８ ６０２２８２２９７ ４５０６８７５６２ １．０５２Ｅ＋０９ １．０１５Ｅ＋０９ ３．９４８Ｅ＋０９ １．３６４Ｅ＋０９ １．０８６Ｅ＋０９ ８７４２５７８９ １ ９８８７６３９２９ １．４９Ｅ＋０９ １．１３８Ｅ＋０９ ２．２Ｅ＋０９ １．２７２Ｅ＋０９ １．５４Ｅ＋０９ ２．０９８Ｅ＋０９ ２．４０８Ｅ＋１２ ２．０５９Ｅ＋０９ ２．９０１Ｅ＋０９ １．６４５Ｅ＋０９ ５．４４Ｅ＋０９ １．７０６Ｅ＋１０ ２．１３２Ｅ＋０９ ４．６９ｌＥ＋０９ ５．６９１Ｅ＋０９ ４．２２４Ｅ＋０９ ３．２１６Ｅ＋０９ １．４１５Ｅ＋ＩＯ ２．４９１Ｅ＋０９ ２．４２２Ｅ＋０９资产波 动率０．２１４２ ０．１７９６ ０．２６６６ ０．３２９４ ０．２７３２ Ｏ．２１３ｌ ０．３７８３ ０．２５２２ ０．３１９３ ０．２３５７ ０．２６２６ ０．２２６５ ０．４８４１ ０．３８５３ ０．４８１９ ０．２７５２ ０．２５４ ０．４６０１ ０．２７９６ ０．３９３９ ０．２６５６ ０．２６１ｌ ０．４３０３ ０．７６３３ ０．４４８５ ０．４３５１ ０．５０１２ ０．６２５ ０．４０７８ ０．５９７３ ０．５９８６ ０．５４０２ ０．４２８６违约距离１３．０３２ ２．３２７ ３．８６３ ５．８９７ ７．