股票的年收益率ut，n=ut+j，对其两边求方差得

Var(ut，n)=Var(ut，n)+Var(ut+i，ut+j)(i≠j)(9)

我们进一步假设GARCH模型的条件均值方程为常数，因而回报是独立的，于是上式中，等式右边第二项(自协方差的双重和)为零。 债务期限t和无风险利率r

假设债务期限为一年，t=1。使用2008年央行公布的人民币一年期定期存款基准利率为无风险利率，r=4.14%。①

二、样本数据和实证分析

本文选择冯光普(2007)证明的具有明显差异的成对数据样本，基于审慎性原则剔除发生重大变化(如资产重组、“摘帽”等因素)的公司样本 ，选择其文中证明的违约距离具有明显差异的较好公司和较差公司各10家。数据来源于国泰安研究服务中心和上市公司年报。根据上述的参数设定方法，运用KMV模型计算这20家公司的违约距离和理论违约率。

所谓“好”公司和“坏”公司的计算结果见表1和表2;它们违约距离的对比见图1。

从以上数据中我们可以发现，除了“云南白药”和“贵州茅台”的违约距离达到了2以上，其他18家公司最小值为兰花科创1.2957，来自“好”公司;最大值为ST 建机1.8788，来自“坏”公司。与直观上的结论完全不相符。

我们通过Mann-Whitney U检验和Kolmogorov-Smirnov Z检验发现它们来自同一总体的可能性高达40%，我们无法看出它们的明显差异。如果不包括云南白药和贵州茅台这两家众所周知的好公司以外，这种统一性更是超过60%。那么，该模型区分公司违约距离的能力就值得怀疑了。

三、结论

本文中我们基于有限的样本，得出了对KMV模型区别我国上市公司违约风险能力的怀疑。我们自然想到是由于席卷全球的金融危机和其他原因，造成了2008年中国股市的单边下跌。Denis(1995)证明了违约风险与宏观经济以及经济周期密切相关。在这种系统性风险非常大的情况下，上市公司的违约距离减小是可以接受的结果。我们不能接受的是，KMV模型如果在中国是适用的话，那么，它对上市公司违约可能的辨别能力在此时应当更加明显。

事实上，KMV模型在我国的不适应性并不值得怀疑：首先，我国上市公司的财务数据并不是完全可靠;其次，我国当前的股票市场还相当地不完善，如广泛存在的非流通股问题，虽然我们通过了一定的方法加以估计，但非流通股的定价问题一直没有得到很好地解决，不排除有部分学者为了得出适应性的结论，认为的挑选数据的可能。

参考文献：

[1] Maria Vassalou and Yuhang Xing，Default Risk in Equity Returns[J]. The Journal Of Finance， April 2004.

王琼，陈金贤.信用风险定价方法与模型研究[J].现代财经，2002，(4).

鲁炜，赵恒衔，刘冀云.KMV模型关系函数推测及其在中国股市的验证[J].运筹与管理，2003，(3).

薛锋，关伟，乔卓.上市公司信用风险度量的一种新方法——KMV[J].西安工业大学学报，2003，(9).

韩立岩，郑承利.基于模糊随机方法的公司违约风险预测研究[J].金融研究，2003，(5).

张玲，杨贞柿，陈收.KMV模型在上市公司信用风险评价中的应用研究[J].管理评论，2004，(12).

赵健卫.上市公司信用风险计量研究——KMV模型及其应用[J].统计与信息论坛，2006，(8).

王沐然.MABLAB6.0与科学计算[M].北京：电子工业出版社，2001.

以上就是关于金融危机中上市公司信用风险的全部内容，希望给予大家帮助。

相关推荐：

论上市公司关联方交易信息披露的研究  

论国有控股企业的公司治理与风险管理