1. 研究目的与意义
信用风险又称违约风险，，是指交易对手未能履行约定契约中的义务而造成经济损失的风险，即受信人不能履行还本付息的责任而使授信人的预期收益与实际收益发生偏离的可能性，它是金融风险的主要类型。目前随着经济全球化的不断深入，金融产品的开发以及交易日趋复杂，各个机构都面临着不断增加的信用风险。2014年，中国经济仍然处于一个下行通道，各家企业特别是上市企业的信用风险成为一个必须关注的话题。而对于信用风险的各项评价方法中，KMV模型作为一个成熟的信用风险评价方法被广泛采用。
上市公司作为我国国民经济发展的中坚力量，为中国经济的发展做出了巨大贡献。因此，在传统分析法的基础上发展基于计量模型与统计学理论的现代信用模型已经成为了信用风险衡量的一个必然趋势。巴塞尔委员会推荐使用的KMV模型不仅适用于商业银行对贷款者的信用风险衡量，也能够使上市公司了解自身的风险，更好地制定公司战略。
2. 研究内容和预期目标
一、研究内容
本文通过选取样本公司的股票数据及其公司财务报告数据，在国内外kmv模型研究的基础上，根据我国具体国情，使用修正过相关参数的kmv模型对样本公司的数据进行实证研究，从而而出各行业的信用违约风险的情况。
二、拟解决的关键问题
3. 国内外研究现状
JBohn和Arora (2005)检验了 KMV模型在违约风险预测的精确性与区分度,并与其他信用违约风险度量模型如Credit metrics，Credit Portfolio View等进行了比较分析,表明KMV模型在基于不同样本类型及不同时间段对违约风险的预测都比其他几类模型有更好的表现。Petr GAPKO和Martin SMID(2012)允许参数服从非正态分布，同时增加了对于违约损失率的建模，使用修正过后的动态KMV模型对美国抵押证券市场进行了研究，发现巴塞尔新资本协议信用风险的架构中PD和LGD明显偏高，表明金融危机过后，近期的监管准则高估了信用损失，将导致更高的资本要求和贷款利率。In-Sik Choi和Jae-Jun Kim(2014)使用KMV模型对韩国建筑公司金融形势的变化特征进行了分析。结果表明低信用等级的公司对于经济波动有着更高的敏感性，高信用等级公司则有着更高的稳定性。KMV模型能够对信用违约的风险提供较好的预测。 Elahi,Hehmood,Hussain Awan(2013)使用KMV模型计算巴基斯坦企业的EDF来决定宏观经济因素是否影响企业的违约概率。通过对2004到2011年307家企业预期EDF的计算分析，结果表明违约概率的趋势受到巴基斯坦经济形势的影响，KMV模型对于信用风险的判断是有效的。
国内对于KMV模型的研究开始于1998年，侧重于KMV模型的介绍。在这之后，相关实证研究开始大量涌现。刘博（2010）运用三种方法计算其未来一年的违约距离DD和预期违约频率EDF,对上市公司信用风险进行评估。同时分别采用了三种方法来计算违约距离并进行对比。实证分析结果表明,在KMV模型中引入资产连续回报率这个模型最适合中国国情,灵敏度和预测能力较好,在一定程度上可以揭示上市公司的信用风险。刘迎春和刘霄（2011）选取8家ST和8家非ST公司组成样本，利用GARCH (1,1)波动率模型估计股权价值波动率，并运用KMV模型计算16家上市公司2007 -2009年的违约距离及理论违约概率。他们的研究表明，分行业KMV模型能够很好地分辨ST公司和非ST公司信用风险的差异，不同行业上市公司的信用状况存在一定的差异，上市公司信用质量的变化趋势与宏观经济走势表现出一致性。李薇（2013）使用修正后的KMV模型对我国A股房地产市场上的32家上市公司进行了实证分析，表明修正后的KMV模型在我国的房地产市场信用风险评估中有着较强的适用性。张彬（2014）将Black-Scholes期权定价公式演化成融资租赁公司信用风险度量模型公式，对公司的股权价值做了修正，使用KMV模型对融资租赁公司的信用风险进行了评估，结果表明,KMV模型在违约距离的预测结果基本上与公司的实际信用状况变化保持着一致。基于KMV模型融资租赁公司信用风险度量模型可以主要通过违约距离有效的识别融资租赁公司、ST公司和*ST公司风险状况的差别。
4. 计划与进度安排
文章结构：
1．样本公司选择的条件
5. 参考文献
[1] Gapko P, Smid M. Dynamic Multi-Factor Credit Risk Model with Fat-Tailed Factors[J]. Czech Journal of Economics and Finance (Finance a uver), 2012, 62(2): 125-140.[2]In-Sik Choi, Jae-Jun Kim. An analysis on the characteristics of Financial condition change of Korean construction companies:Using KMV model[J].E3JournalofBusinessManagementandEconomics , 2014 , 5(1):017-025.[3] Elahi,Hehmood,Hussain Awan. Macroeconomic Covariates of Default Risk: Case of Pakistani Non-Financial Firms[J]. Zagreb International Review of Economics and Business, 2014, 17(1): 15-26.[4]Arora N, Bohn J, Korablev I. Power and Level Validation of the EDF#8482; Credit Measure in the US Market[J]. Moody#8217;s KMV, 2005.[5] 刘迎春, 刘霄. 基于 GARCH 波动模型的 KMV 信用风险度量研究[J]. 东北财经大学学报, 2011 (3): 74-79.[6] 张彬. 基于 KMV 模型的融资租赁公司信用风险度量研究[D]. 东华大学, 2014.[7] 李薇．基于KMV模型的上市公司信用风险度量研究 --A股市场房地产行业的实证研究[D].西南财经大学, 2014.[8] 公希亮. KMV 模型研究综述[J]. 合作经济与科技, 2010 (8): 56-58.[9] 张玲, 刘澄. KMV 模型在中国应用的参数修正--一个文献综述[J]. 海南金融, 2013 (10): 47-50.
