一、引言

随着移动互联网技术的日趋成熟，共享经济逐渐成为我们身边不可或缺的一种生活方式。2016年全国两会政府工作报告就明确指出：“以体制机制创新促进共享经济发展，建设共享平台，做大高技术产业、现代服务业等新兴产业集群，打造动力强劲的新引擎。”这是共享经济概念首次进入政府的官方文件，并且引发了社会公众的高度关注。近年来共享经济在我国更是呈现出“井喷式”的增长，据中国电子商务研究中心大数据显示，2019年我国共享经济市场规模已高达81072亿元。然而共享经济这种创新经济模式在我国存在的时间尚且短暂，有许多创新经济理念还需要实践的检验，所以，共享经济企业背后所蕴含的风险也是十分巨大的。

企业信用风险作为企业生产经营过程中最重要的风险之一，一直以来都受到社会各方面的高度关注。尤其是近几年出现的共享经济企业信用违约事件，更是成为社会的热点话题。国内外学者对于企业的信用风险的研究也一直没有停止，近几年比较有代表性的研究成果包括：刘迎春和刘霄（2011）利用GARCH‑KMV模型计算了企业的预期违约概率，发现不同行业上市公司的信用状况存在一定的差异，并且上市公司信用质量的变化和宏观经济走势表现一致。王秀国和谢幽篁（2012）基于CVaR理论拓展了KMV模型，并且进行了14家ST和非ST上市公司信用风险的实证研究，结果表明扩展KMV模型对信用风险评估具有良好的效果。Rubén和Manuel(2017）提出了一种简单的多期信用风险模型，并利用泰勒展开近似估计多期损失分布，将现有的二阶泰勒展开式近似推广到三阶项的信用风险，这种新的近似得到了多周期框架下的损失分布。Mongi(2018）采用了面板数据和广义最小二乘（GLS）模型对马来西亚22家传统银行和17家伊斯兰银行的信用风险进行了评估，找到伊斯兰银行具有较高信贷风险的原因，并给出了针对性的对策建议。Viani和Jonathan(2019）则建立了变化信用风险系数的动态模型，这种模型不仅在表示信用违约的时间更加灵活规范，而且在保证参数不变的同时提高了模型的风险预测精度。

通过对国内外关于企业信用风险研究文献的梳理，不难发现大多数的研究依然针对的是传统行业和大型企业，如银行、能源企业等，而对于新兴经济模式企业的关注相对较少，而经济活动过程中一旦出现信用违约的情况，新兴经济模式企业发生的概率明显要高于传统行业。针对现有研究出现的此类问题，本文考虑采用KMV修正模型对我国共享经济企业进行信用风险度量，这不仅可以丰富现有的企业信用违约风险的理论框架，而且对于促进我国经济和谐稳定的健康发展也具有重要的现实意义。

二、KMV修正模型及相关理论

（一）基本KMV模型

KMV模型也被称为预期信用违约概率（EDF）模型，基本思想源于Merton(1974）的期权定价理论，由于企业股票价值与一份欧式看涨期权具有同构性，即企业股票价值损益情况跟欧式看涨期权的损益情况相类似。利用经典的Black‑Scholes公式（Black和Scholes,1973）可以推出基本KMV模型，即

其中：e表示自然常数；d1、d2表示中间变量；E表示企业的股权价值；σE表示企业股权价值的波动率；D表示企业负债的市场价值；Va表示企业资产的市场价值；σa表示企业资产价值的波动率；T表示债务期限；r表示市场无风险利率；N(x）表示标准正态分布的分布函数，即

为了解决Va和σa数量级相差巨大的问题，引入参数EtD=E/D，并且将Va=xE代入方程组，即方程组整理为

正在加载图片

利用牛顿迭代法可以较为精确地计算出x和σa（此时x和σa之间数量级相差不大），于是进一步可以得到企业资产市场价值Va=xE。此时可以通过Va和σa计算企业的违约距离（DD):

正在加载图片

其中：DP表示企业债务的违约点；则企业相应的信用预期违约概率（EDF）为

（二）KMV修正模型

大量研究表明我国的证券市场的收益率分布基本都不属于正态分布，都有明显的“尖峰厚尾”特征。因此，在处理KMV模型中的企业股权价值波动率（σE）时，可以利用GARCH、EGARCH、TARCH计量方程更好地拟合“尖峰厚尾”的数据，使KMV模型得以修正。其中GARCH(1,1）标准模型（Bollerslec,1986）为

其中：yt表示因变量；xt表示解释变量；α0表示截距项；α、β、γ表示回归系数；εt表示残差项；ht表示条件方差。

EGARCH模型（Nelson,1991），亦被称作指数GARCH(Exponential GARCH）模型，其标准方程为

其中：η表示回归系数。

TARCH(Threshold ARCH）模型（Glosten et al,1993;Zakoian,1994），这种模型也被称为门限ARCH模型，其标准方程为

其中：It--1表示虚拟变量。

通过上述模型所得到的条件方差（ht），就可以更加准确地计算出KMV模型中的企业股权价值波动率（σE），这样KMV修正模型所计算出的信用预期违约概率（EDF）将更加具有说服力。

三、共享经济企业信用风险度量的实证研究

（一）数据的选取及KMV模型参数的设定

考虑到我国目前共享经济的现状，在众多共享模式中我国共享单车模式发展的最为健全，行业之间的竞争也最为充分。因此，本文选取了上海证券市场中共享单车企业永安行（603776）作为研究对象，时间跨度为2018年度，即：2018年1月2日至2018年12月28日。为了获取KMV模型中重要参数的数据，详细地调研了上证交易所公布的企业年报，永安行2018年末财务报表显示：企业总股本为13440万股，其中流通A股为8613.696万股；限售A股为4826.305万股；负债合计88295.56万元，其中流动负债74475.02万元，非流动负债13820.54万元；每股净资产为12.3726元（表1）。以上数据均来自国泰安数据库（CSMAR）。

表1永安行（603776)2018年度部分财务数据

关于参数股权价值（E）的计算，考虑到流通股和限售股的影响，尽可能提高股权价值的准确程度，计算公式为

其中：Pc表示年度最后一个交易日的收盘价；EPS表示每股净资产；L表示企业流通股的数量；NL表示企业限售股的数量。

关于参数债务的违约点（DP）的计算，基于对大量国内外企业的研究，发现当企业总负债账面价值大于企业资产价值时，企业也未必违约，这是由于长期债务如果占比很大的话，可以为企业履行合约预留很长的时间，那么企业便可以利用这些时间进行多渠道融资或提升企业绩效，以偿还债务。因此，对于违约点研究过程的通用做法一般为企业一年期短期债务值加上长期债务账面价值的0.5倍，即

其中：SD表示企业的短期债务或称流动性债务；LD表示企业的长期债务或称非流动性债务。

关于参数债务期限（T）和市场无风险利率（r）的设定，债务期限为2018年度，也就是1年，即T=1，市场无风险率采用最新的中国人民银行一年期存款基准利率，即r=1.5%。

（二）收益率序列的正态性检验

企业t时期收益率序列通过下列公式计算得到：

其中：cpt表示企业股票时期t的收盘价格。将得到的收益率序列值输入Eviews 8.0软件，可以得到收益率的描述性统计量（表2）及相应的直方图和散点图（图1）。

表2收益率序列的描述性统计量

图1收益率序列的直方图和散点图

JB统计量是通常用来检验数据是否服从正态分布的重要依据，该统计量渐进地服从自由度为2的卡方分布χ2(2)，其计算公式为

其中：S表示样本数据的偏度；K表示样本数据的峰度；n表示样本容量。可以看出该收益率序列的JB统计量明显超过χ2(2)分布1%和5%的临界值[χ20.05(2)=5.991，χ20.01(2)=9.210]，表明此数据序列的分布和正态分布存在着较大的差异，另外，偏度和峰度的数值也佐证了这一观点（Eviews软件中正态分布的偏度为0，峰度为3）。

（三）修正后的股权价值波动率及ARCH LM检验

首先，对收益率序列rt运用EViews 8.0建立GARCH(1,1）回归方程，其结果为

其中：ht表示模型中的GARCH项，即条件方差。在上述方程中，Durbin‑Watson统计量为2.117356，十分接近于2，说明GARCH模型中不存在自相关性。然后对回归方程做ARCH LM检验来判断残差是否已消除了ARCH效应（条件异方差序列的序列相关性），检验结果表明在滞后1阶和滞后2阶时，F和T×R2统计量显著性概率都在0.95以上（表3）。因此接受原假设，也就是说GARCH方程中的残差序列已经不存在ARCH效应。

然后对收益率序列rt建立EGARCH回归方程，其结果为

其中：ht表示模型中的条件方差；对称项系数β为0.1157；非对称项系数γ为0.2454。当市场出现共享经济利好消息时，此时εt-1>0，则会对条件方差产生0.3611倍的冲击效果（β+γ）；当市场出现共享经济利空消息时，此时εt-1<0，则会对条件方差产生-0.1297倍的冲击效果（β-γ），即同量级的利好消息能够比利空消息会对条件方差产生更大的冲击。

上述EGARCH回归方程中，Durbin‑Watson统计量为2.077559，十分接近于2，说明EGARCH模型中不存在自相关性。然后对回归方程作ARCH LM检验来判断残差是否已消除了ARCH效应，检验结果表明在滞后1阶和滞后2阶时，F和T×R2统计量显著性概率都超过了0.8（表3）。因此接受原假设，也就是说EGARCH方程中的残差序列已经不存在ARCH效应。

表3回归方程的ARCH LM检验统计结果

除了对收益率序列rt建立GARCH、EGARCH模型以外，还可以建立TARCH模型，其结果为

其中：ht表示TARCH模型中的条件方差；“杠杆效应”系数γ为-0.0392。当市场出现共享经济利好消息时，此时εt-1>0，虚拟变量I-t-1=0，则会对条件方差产生0.0228倍的冲击效果（β）；当市场出现共享经济利空消息时，此时εt-1<0，虚拟变量I-t-1=1，则会对条件方差产生-0.0164倍的冲击效果（β+γ）。显然同量级的利好消息能够比利空消息对条件方差产生更大的冲击效果，EGARCH模型和TARCH模型相互印证了同一个结果。

上述TARCH回归方程中，Durbin‑Watson统计量为2.125869，十分接近于2，说明TARCH模型中不存在自相关性。然后对回归方程作ARCH LM检验来判断残差是否已消除了ARCH效应，检验结果表明在滞后1阶和滞后2阶时，F和T×R2统计量显著性概率甚至都超过了0.97（表3）。因此接受原假设，也就是说GARCH方程中的残差序列已经不存在ARCH效应。

利用EViews软件将已建立的三种模型中的条件方差序列ht提取出来（图2），进而可以计算出修正后的股权价值波动率，即：GARCH模型修正的股权价值波动率σE‑GARCH=0.490137;EGARCH模型修正的股权价值波动率σE‑GARCH=0.489217;TARCH模型修正的股权价值波动率σE‑GARCH=0.50452。而标准KMV模型中的股权价值波动率计算公式为

其中：n表示收益率序列rt的样本容量。

通过标准KMV模型计算出股权价值波动率为σE=0.693359，可以看出标准KMV模型计算出的股权价值波动率比修正后的股权价值波动率要大，这是由于标准KMV模型的股权价值波动率基本假设之一是收益率序列rt为正态分布，但是通过前面的检验可以看出永安行的收益率序列并不符合这一假设（JB统计量为2878.844），而通过GARCH、EGARCH、TARCH建立的模型却能够很好地处理“尖峰厚尾”这种特征的数据。因此，修正后的股权价值波动率要比标准KMV模型计算出的股权价值波动率更加准确、客观。

图2三种模型中的条件方差序列折线图  

图2三种模型中的条件方差序列折线图 

（四）企业的信用预期违约概率

利用Mathlab 7.0软件，把相应设定的参数代入到KMV模型中，运用牛顿迭代法（fsolve函数）可以解出方程组中企业资产市场价值（Va）和资产价值波动率（σa），并且可以通过Va和σa计算出企业的违约距离（DD）：标准KMV模型的违约距离DD=1.4311;GARCH模型的违约距离DD1=2.0294;EGARCH模型的违约距离DD2=2.0332;TARCH模型的违约距离DD3=1.9715。利用已计算出的违约距离，可以进一步得到企业相应的信用预期违约概率（EDF），其计算结果见表4。

表4标准KMV模型和KMV修正模型的信用预期违约概率计算结果 

在考虑到收益率序列rt并非为正态分布的条件后，无论是KMV修正模型，还是标准KMV模型计算出的资产市场价值几乎无差异。但是，KMV修正模型计算出的信用预期违约概率（EDF），却要比标准KMV模型计算出的EDF降低很多。即便如此，修正后的KMV模型计算出的共享经济企业违约率（EDF）也都在0.02以上，这也比我国其他行业企业的EDF值高出不少。因此，通过模型的计算结果可以看出我国共享经济企业背后蕴含着巨大的信用风险（万晏伶和杨俊，2011；王慧和张国君，2018）。

四、模型结论与对策建议

（一）模型结论

第一，不难发现三种KMV修正模型计算出的信用预期违约概率（EDF）都在0.021～0.024，三者之间的差异非常微小，它们之间也相互佐证了三种修正模型EDF值的准确程度。而标准KMV模型计算出来的EDF值为0.0762，比修正模型得到的EDF值都要高，其根本原因在于标准模型和修正模型股权价值波动率σE之间的差异，标准KMV模型的股权价值波动率是建立在收益率序列rt为正态分布假设之上的，但是实际情况并非如此，尤其是国内证券市场收益率分布基本都不属于正态分布，都有明显的“尖峰厚尾”特征，而KMV修正模型恰恰能够处理“尖峰厚尾”这种特征的数据。因此，相比标准KMV模型，修正模型计算出的信用预期违约概率（EDF）更加符合我国的实际情况，具有更高的参考价值。

第二，通过对永安行这家共享单车企业的研究，发现对于KMV模型中的股权价值波动率，同量级的“利好”消息比“利空”消息能够造成更大的冲击效果，而且EGARCH模型和TARCH模型也相互印证了这一结果。此外利用修正后的股权价值波动率计算出的信用预期违约概率（EDF）甚至都超过了0.02，这相对其他一些传统行业的EDF值都要高出很多（李晟和张宇航，2016），比如大多数的国有企业EDF值都低于0.01，这充分印证了“新经济也必然存在高风险”的论断。因此，共享经济这种创新经济模式的企业信用违约风险必须引起相关行业和政府有关部门的高度重视。

第三，KMV修正模型虽然能够比较准确地计算出我国共享经济企业的信用预期违约风险，但是模型本身也存在着不足之处（王莉，2017；洪源和胡争荣，2018；谢赤和凌毓秀，2018），那就是在计算股权价值波动率时，收益率序列rt特别容易受到非市场因素的影响，从而使股权价值波动率出现微小的偏差，进而影响EDF数值的准确程度。所以，针对此问题的今后研究和改进方向是可以考虑引入组合评价的方法，如Cpealand法、模糊Borda法等，利用多模型的信用风险值进行相互修正，这样能够最大限度地消除模型中非客观因素的影响，以增强模型计算结果的可信度。

（二）对策建议

通过分析针对共享单车企业永安行实证研究所得到的结论，应该从以下几个方面来防范共享经济企业中的信用违约风险。

第一，建立共享经济企业信用风险的监测机构。众所周知，风险监测一直是风险防范最重要的一环，试想如果连信用风险的来源、大小都还不清楚的话，那么相应的风险防范更是无从谈起。而我国相关企业和政府有关部门对于创新经济模式信用风险的监测重视程度还远远不够，在这方面可以借鉴一下一些发达国家的做法，例如，美国和日本早在20世纪中期就在国内建立起了比较完善的信用风险监测机构，他们对于信用风险的监测能够定期地向社会公布，从而国内各个行业能够及时地做到风险规避，与此同时这也极大地促进了本国信用体系的健全和完善。

第二，拓展创新经济模式下企业的融资渠道。共享经济作为新时代融合互联网技术的创新经济模式，其背后蕴含着各种各样的未知风险，它不像大型国有企业一样有成型的盈利模式和发展规模，这就导致一些大型金融机构不愿意为这些不稳定的企业进行融资，从而导致共享经济企业融资困难，只能期盼与一些国内外的风险投资基金合作，这样便大大增加了企业的融资成本，这也是共享经济企业信用违约概率居高不下的重要原因之一。针对此问题最有效的解决办法就是积极拓展共享经济企业的融资渠道，具体可以参照一下之前鼓励金融机构为中小民营企业进行融资的成功做法，政府相关部门可以适时地出台一些激励政策，来鼓励大型金融机构，例如，国有银行进行融资平台的改革创新，可以考虑对于符合一定条件的共享经济企业制定一些优惠的贷款利率，这样就能够降低企业的融资成本，减少共享经济企业的信用违约情况的发生。

第三，完善相关企业信用违约的法律法规。目前我国企业信用违约的相关法律法规最突出的问题主要体现在两点：一是现有的法律法规比较陈旧，跟不上新时代的发展步伐；二是依照现行的法律法规，企业主观信用违约的违法成本偏低。因此，政府相关立法部门应当树立忧患意识，加快制定适应当前经济环境的企业信用违约法律法规，用“新规矩”处理“新问题”，应该加大企业信用违约的处罚力度，一定要体现出“诚信”才是经济活动中最重要的企业财富，避免出现打着“共享经济”的旗号，实则故意违约的“老赖企业”出现。与此同时，应当对诚实守信的企业采取激励措施，鼓励企业合法、诚信地经营，用法治的手段促进我国经济社会和谐稳定的健康发展。

参考文献：

[1]洪源,胡争荣,2018.偿债能力与地方政府债务违约风险-基于KMV修正模型的实证研究I.财贸经济,39(5):21-37.

[2]李,张宇航,2016.中国上市商业银行信用风险分析及比较--基于KMV模型及面板数据[].中央财经大学学报( 10):31-38.

[3]刘迎春,刘霄,2011.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( 3):74-79.

[4]万晏伶,杨俊,2011.我国制造业上市公司信用风险研究--基于KMV模型[]技术经济,30(5):119-123.

[5]王慧,张国君,2018.KMV模型在我国上市房地产企业信用风险度量中的应用[J].经济问题( 3):36-40.

[6]王莉,2017.引入违约距离的修正KMV模型在财务危机预警中的应用[J].统计与决策( 17):88-91.

[7]王秀国,谢幽笔,2012.基于CVa R和GARCH(1,1)的扩展KMV模型1.系统工程,30(12):26-32.

[8]谢赤,凌毓秀,2018.银行信贷资产证券化信用风险度量及传染研究-基于修KMV模型和MST算法的实证.财经理论与实践,39(3):2-8.

基金：辽宁省教育厅2019年度科学研究经费项目“O2O模式下我国共享经济系统风险的组合度量及对策研究”（LQN201919）;辽宁大学2020年度本科优秀主讲教师项目“经济数学‘线上+线下’融合模式的教学研究”（MS-JG2020ZJJS14）;

文章来源：孙亮,吕丹妮.我国共享经济企业信用风险度量的案例分析——基于KMV修正模型的实证研究[J].技术经济,2021,40(06):132-139.