KMV模型又称Credit Monitor模型，是美国KMV公司于1997年建立的用来估计借款企业违约概率的方法，它是把Black and Scholes期权定价模式和Merton债务定价理论作为理论基础，该方法主要是从借款企业所有者的角度考虑贷款归还的问题。
摘 要：信用风险一直是金融市场面临的主要风险之一，因此，寻找一种科学合理的信用风险度量方法就显得尤为紧迫了。笔者经过长期学习实践发现，KMV模型通过量化的方式对上市公司的信用风险进行计算，其结果更加科学理性，有利于投资者及时采取措施规避相应风险。
关键词：金融类论文发表,KMV模型,信用风险,质量研究
一、KMV模型概述
KMV模型首先假定公司股权看涨，然后以公司资产为标的，以债务为执行价格。在债务到期日，如果公司资产的市场价值高于公司债务值，即违约点，此时公司股权价值就是其资产市价与债务值的差额。相反，如果公司资产市场价值低于违约点，则表明企业将发生违约，此时公司需要变卖所有资产偿债，股权价值归零。需要强调的是，该模型通过所谓“违约距离”(笔者会在下文具体论述)反应企业违约可能性大小。对于欧美等较发达的资本市场，信用体系建设较完善，长期以来收集了大量违约数据以供分析借鉴，因此，违约距离与最终的违约概率之间有着比较可靠地对应关系。然而我国资本市场开放较晚，KMV模型引入时间较短，缺乏历史数据，很难单纯依靠违约距离判断某一上市公司的违约风险。
二、我国KMV模型研究现状
我国对于KMV模型的研究时间较晚，目前主要集中在理论研究、实用性研究、参数修改。理论方面，代表论文主要是2002年王琼与陈金贤发表的《信用风险定价方法与KMV模型研究》;实用性研究方面，翟东升、张娟、曹运发等人通过对上市公司的分析得出KMV模型是可以有效的区分ST公司和非ST上市公司;参数修改方面，鲁炜、赵恒衍和刘冀云等人发现可以通过KMV模型计算股权价值波动率。虽然我国对于KMV模型研究取得了阶段性的进步，但是不可否认和欧美国家相比目前还处在初级阶段，大多缺少突破性的理论研究成果，而且在实践中仍旧缺乏应用性经验。
三、KMV模型具体操作原理
1.计算违约点(DP)
根据Black-Sholes期权定价理论，公司资产的价值就是公司债务的期权，当资产价值低于二分之一公司负债时，将视债务人违约，此时DP=CL+0.5LL(CL为短期负债，LL为长期负债)。
2.计算违约距离(DD)
违约距离是企业资产在未来市场价值的期望值到违约点间距离，需要注意的是资产市场价值通常由标准差的倍数表示。此时，DD=(V-DP)/(δV V) (V为公司资产价值，δV为资产价值波动率)。从数学公式上看，DD的值越大，说明资产的期望价值与违约边界的距离相对资产价值波动的标准差越大，即违约距离与信用安全性呈正相关关系。
3.计算违约率(EDF)
正如笔者前文所说，我国缺乏相关历史数据，单纯依靠违约距离判断某一上市公司的违约风险的可操作性一直受到业内人士质疑。在这里，笔者认为可以采用理论预期违约率替代。具体讲，首先假定上市公司的资产价值是服从正态分布的，然后可以得出EDF=1-N(DD)。
四、KMV模型存在的问题及改进策略
1.KMV模型存在的问题
第一，在实际操作过程中笔者发现KMV模型对公司资本结构假设过于简单。因为上市公司的开放性，公司的资本结构并非一成不变，它往往会随着配股、分红、再融资等等原因导致资本结构发生较大变化，进而影响KMV模型最终计算结果的可靠性。第二，由于我国资本市场目前信用体系并不健全，上市公司缺乏相关违约信息数据库，因此现阶段DD只能是约等于EDF，最终信用风险度量的精度无疑会打折扣。第三，笔者在第三部分提到，EDF的计算公式的得出是基于资产收益正态分布的假设，可操作性相对欠缺。第四，由于KMV模型中并没有考虑利率问题，换言之其隐含条件是假定利率恒定，一方面这在实际操作中是不可能的，另一方面随着上市公司的国际化或者业务拓展、投资人变更等原因，利率问题对于企业日常经营产生的影响会日益加大。
2.KMV模型改进策略
一方面我国要深化资本市场信用体系建设，加快信用数据库建设，为KMV模型提供完善的数据统计基础;另一方面通过对KMV模型本身的技术型修改使之更加适应我国资本市场发展。例如针对目前数据信息采集不全问题，可以间接通过非流通股股数乘以每股净资产得到上市公司非流通股的股权价值;针对KMV模型精度问题，可以引入了公司资产价值增长率以最大程度上减少误差;等等。
五、KMV模型与Credit Metrics模型在上市公司信用风险评估效益的比较
在国际资本市场上，KMV模型与Credit Metrics模型是比较主流的两种信用风险管理模型。二者都在在金融机构从事授信业务的过程中扮演者至关重要的角色，同时，对于其他专业投资者来说这两种模型对于上市公司的信用风险把控也有很重要的参考价值。但是，在具体操作过程中我们不难发现二者再设计支出的思路是有很大差异的，在这里笔者将进行详尽论述，帮助相关使用人员更好地认识KMV和Credit Metrics的建模本质。
1.基本分析方法的差异
KMV模型主要是上市公司在股票市场上的股价变动信息出发，通过对前程后继的信息的分析以及相关数据计算来实现对于信用风险的度量;Credit Metrics模型更加注重企业间信用状况的对比关系，采用组合投资分析法实现对于信用风险的度量。换言之， KMV模型侧重的是纵向的分析思路，以时间轴为线索但缺乏对于企业信用相关性的考量;Credit Metrics模型侧重的是横向的分析思路，以企业间的信息状况为线索但缺乏前程后继性。
2.参数性质的差异
KMV模型通过EDF指标对股票市场价格进行实时监控，因此其分析结果更多的是反应投资者对于上市公司预期收益的综合考量，因此其参数及结果是一种forward-looking即向前看的属性;相反，Credit Metrics模型通过对该企业信用评级变化及其概率的分析，即其参量主要来自非实时的历史数据，因此其参数及结果是一种backward-looking即向后看的属性。
3.动态模型与静态模型的差异
正如笔者前文所说，KMV模型的建模思路是从股票市场价格角度出发，这使得该模型可以根据股票价格实时更新，在对短的时间内反应出上市公司的信用状况，换言之，基于KMV模型的信用风险度量方法是一种动态方法;相反，Credit Metrics模型的建模思路是从企业信用评级出发，参考信息更新速度慢，具有一定的滞后性，而且Credit Metrics模型的最终分析结果会在一段时间内保持不变，因此从这一角度将，基于Credit Metrics模型的信用风险度量方法是一种静态方法。
4.衡量法的差异
KMV模型中的EDF指标本质上是一种针对市场风险的基数衡量法，它既可以从“性”上反应上市公司风险水平的高低，又可以从“量”反应这种风险差异的程度，为投资者进一步的经济决策提供更加精准可靠地数据支持;Credit Metrics模型大多采用信用评级分析法，其本质是一种序数衡量法，相较于前者，它更加侧重对于“性”即风险水平高低顺序的把控。
六、总结
通过笔者以上的分析和介绍，我们不难发现，KMV模型更适合于针对于上市公司的信用风险度量。首先，上市公司面向公众，要对广大投资者，尤其是中小投资者负责，因此对于上市公司的信用风险度量意义更大，影响更加深远。其次，上市公司的股价在股票市场可以得到实时反映，且其有义务对公众进行定期和不定期的信息公布，这也为KMV模式的信用风险度量提供了便利。当然，在这里笔者并不是否定Credit Metrics模型作用，而是说针对上市公司这一特定目标KMV模型更具优势。但是在具体操作过程中，我们还需根据具体情况将二者结合起来使用，以提高信用风险度量的可靠性。
参考文献：
[1]翟东升，曹运发.KMV模型在上市公司信用风险管理中的应用[J].工业技术经济，2011(1)：126-127.
[2]迟晨.KMV模型对中国上市公司信用风险度量的实证研究[J].海南金融，2010(2)：41-44.
[3]熊正德，孙柏.上市公司信用风险评估方法理论研究与现实思考[J].中州学刊，2010-05(3).
[4]李磊宁，张凯.KMV模型修正及在我国上市公司信用风险度量中的应用[J].证券与保险，2012(13).
