论文部分内容阅读
随着“十二五”规划聚焦国内经济结构转型问题,以及近年来坚持推进供给侧结构性改革主线任务,我国金融市场经历了阶段性的高风险时期。2014年3月“11超日债”率先突破兑付底线,成为我国首例违约债券。截至2018年末,信用债券市场共发生245起违约事件,涉及违约金额2058.36亿元。特别是2018年,信用债券违约事件井喷,全年共发生123只信用债券违约,违约金额达到1198.51亿元,占据了近年来违约信用债券的一半数量和规模。在我国债券违约现象渐趋常态化的背景下,研究信用债券违约风险的影响因素、优化违约风险的量化方法,对于发行债券的公司本身、投资者及监管机构识别和防范信用风险都具有实际意义。本文基于我国2018年度发生实质违约的信用债券样本和对照样本,从市场化指标、盈利能力、偿债能力、运营能力、现金流水平、成长能力多角度考察,构建信用债券违约风险影响因素量化模型——KMV-LOGIT混合模型。同时利用KMV模型和经典LOGIT模型对相同数据集进行实证研究,对比分析三个不同模型的结果,结果表明:(1)违约公司和正常公司的信用风险可以通过KMV模型输出的违约距离指标初步区分。同时发现公司资产价值不服从标准正态分布,证实了现实中公司资产价值存在尖峰厚尾现象,不适合继续采用KMV模型对理论预期违约率进行计算。(2)利用真实违约结果和财务数据构建的经典LOGIT模型可以较好地拟合我国上市公司财务状况,模型总体判别率达97.2%,总资产报酬率、长期资本负债率、经营性现金收入比率是影响信用债主体违约风险的重要因素。(3)本文构建的KMV-LOGIT混合模型结合了KMV模型输出的市场化指标——违约距离和经典LOGIT模型的财务指标解释变量,实证结果表明违约距离、总资产报酬率、长期资本负债率、经营性现金收入比率是影响违约风险的因素。此外,混合模型拟合优度高于经典LOGIT模型,模型总体判别率提高至98.1%,该混合模型实现了对信用债券违约风险之影响因素的全面有效度量。