关键词不能为空

当前您在: 股票知识网 > 股票入门知识 >

公司股票和债券价格中的信用风险信息效率研究 股市消息

作者:股票知识库
来源:https://www.wcgjj.com
日期:2020-03-27 15:07
股市消息

Financial Markets 金融市场 公司股票和债券价格中的信用风险信息效率研究 近年来, 我国股票市场获得快速发展, 交易制度日臻完善。 我国公司债券市场也获得快速发展。 2007 年我国公司债启动发行, 后由于金融危机的原因暂停发行; 2009 年 7 月再度开闸, 进入快速 发展阶段; 近 5 年平均增速为 132.6%, 二级市场成交量年平均增速为 87.29%。 随着我国股票市场和债券市场的发展, 越来越多的企业通过发行股票和债券的方式开展直接融资, 这也为以 KMV 模型和信用价差模型实时测度我国企业的信用风险变化提供了可能。 然而, 在 我国股市和债市的当前发展阶段, 两市场在价格形成机制、 交易制度设计、 交易摩擦、 投资主体和信 息传播途径等方面存在较大差异, 两个市场对信息反应的效率可能存在较大程度的不同。 因此, 研究哪个市场上的资产价格变化对信用风险信息的反应更为及时有效是非常重要的, 它可以指导我们在不同的信用风险测度方法上做出最优选择, 或指导我们如何配套使用这些不同的方法, 以便为我国企业信用风险测度与定价提供可靠的方法和依据。 为此, 本文选取我国沪深上市公司中有公司债券发行的公司为研究样本, 基于修正的 KMV 模型和信用价差模型, 分别计算公司的违约距离和信用价差, 结合实际的信用风险水平, 评价股市和债市对公司信用风险信息的反应效率。 一、文献综述 1993 年, KMV 公司将 Black, Schole & Merton 的期权定价模型加以改进并应用到贷款组合风险管理中, 推出基于公司股票价格变化度量其信用风险的 KMV 模型。 KMV 模型推出后, 国外学者对其有效性进行了研究。 Sobehart, Keenan & Stein (2000) 提出了验证模型有效性的的技术方法, 通过比较得出 KMV 模型在对企业信用风险预测上具有较高准确性的研究结论。 Eom, Helwege & Huang (2010) 的研究表明, 度量信用风险的结构化模型 (包括 KMV 模型) 在预测公司债券的信用风险时会出现与实际情况不符的偏低预测现象。 Duffie, Saita & Wang (2007) 基于 KMV 模型生成一个违约概率的期限结构, 认为 KMV 模型对企业违约概率具有很强的预测能力。 信用价差模型基于债券价格计算信用价差, 并以此衡量公司信用风险的变化。 Jones, Mason & Rosenfeld (1984) 发现, 理论信用价差存在高估企业实际信用价差的现象, 这种高估被称为 “信用价差之谜”。 Huang & Huang (2003) 的研究发现, 信用价差除了受信用风险的影响外, 还受债券的可选择条款、 流动性和税收等因素的影响, 并指出信用价差对于期限越长、 等级越低的企业信用风险的解释力度越大。 Duffie, Saita & Wang (2007) 使用工业产品增长率这一宏观经济变量来改进对公司违约率的预测。 Huang & Cheng (2013) 以信用违约互换价差的超常变化作为信用风险传染效应的度量指标, 研究表明, 有较高信用风险的公司在其信用违约事件发生前就出现了较大的信用风险传染效应。 财富牛股票配资分析近年来, 部分文献开始关注二者关系的研究。 Denzler, Dacarogna & Müller et al. (2006) 构建了一个新模型, 该模型可以根据由 KMV 模型得出的预期违约率来计算信用价差。 Chou (2005) 考察了由 KMV 模型得到的违约距离的信息内容, 并且检验了违约距离与违约概率和信用价差之间的关系。 研究表明, 预期违约距离和信用价差皆可用违约距离的函数来表示。 Tang & Yan (2010) 研 究了宏观经济条件和股市风险对信用价差的影响, 其研究发现, 企业平均信用价差随 GDP 增长率的上升而下降, 随 GDP 增长率的波动和股市价格跳跃风险的增大而上升。 Hibbert, Pavlova & Dan-dapani (2011) 的研究表明, 债券市场和股票市场的系统性因素, 以及股市特质因素都会影响每日债券信用价差的变化, 尤其是股市波动性对公司债券信用价差的变化有显著的正向影响, 而股市收 益率与债券信用价差之间则存在负向关系。 近年来, 国内学者关于 KMV 模型的研究, 多集中于模型参数或过程的修正方面, 使之更加符合中国的市场特点 ( 鲁炜和赵恒珩等, 2003; 张兵和李晓明, 2003; 张智梅, 2006; 李亚丽,2013; 曾诗鸿, 2014; 等等)。 尽管国内学者在 KMV 参数修正方面, 没有达成统一, 但一致认为

KMV 模型能够适应中国市场, 及时准确地反映上市公司的信用风险信息 (韩岗, 2008)。

应用信用价差模型的研究方面, 张燃 (2008) 的研究发现, 股票市场回报率、 国债利率和短期利率对信用价差都有显著影响。 周荣喜和王迪 (2013) 发现, 短期无风险利率、 国内生产总值、货币购买力水平、 长期无风险利率以及股票市场收益率和波动率等因素对信用价差变化有重要的影响。 在公司债券的信息有效性方面, 高强和邹恒甫 (2010) 研究发现, 企业债和公司债的信息有效性比较低, 但相对而言, 公司债券的有效性高于企业债。 从信用风险度量角度出发, 国内学者研究股市和债市的文献较少。 周梅 (2014) 研究公司债券信用价差影响因素时发现, 股票收益波动率使信用价差升高, 股市收益率和信用价差具有联动效应。 李亚丽 (2013) 将 KMV 模型得到的违约距离对信用评级、 票面利率和债券的到期收益率进行回归分析, 结果表明违约距离与债券的到期收益率显著负相关。 理论上, 若股市和债市都是有效市场, 那么两市场对同一信用风险信息的反应应该是相同的。 然而, 由于两市场在交易制度设计和投资主体等很多方面存在较大差异, 它们对同一信用风险信息的反应效率可能是不同的。 但截至目前, 还没有相关文献就我国股市和债市在揭示债务人信用风险信息方面哪个市场更具有信息含量和更为及时有效做出研究。 与已有文献相比, 本文的贡献在于:一是首次从股市和债市反映信用风险信息效率的角度, 考察基于股票价格变化的 KMV 模型和基于 债券价格变化的信用价差模型在测度公司信用风险变化时是否具有一致性, 或者哪个更具有时效性和有用性; 二是基于中国当前股市和债券市场的现实情况, 得出两市场反映公司信用风险信息的效率, 可以为信用风险定价理论提供来自于中国资本市场的经验证据。 二、研究假说 (一) 假说 H1: 在信用风险信息反应效果方面, 股票市场优于债券市场 有效市场假说认为, 在证券市场上如果金融资产的价格变化完全反映了所有可以获得的信息, 则 该市场为有效市场。 根据反映信息强弱水平的不同, 又可以将市场分为弱式有效市场、 半强有效市场和强式有效市场。 由于股票市场和债券市场上投资者构成和投资策略不同, 导致两市场的流动性不同, 从而对信用风险信息的反应速度也不同。 流动性强意味着对信息的反应更加及时充分, 流动性差意味着对信息的反应迟缓。 股票市场投资者数量众多且以个体投资者为主, 多以低买高卖、 赚取价差为目的, 交易频繁, 流动性强, 信用风险信息通常会在股市得到较快反应。 然而, 债券市场投资者数量较少且以机构投资者为主, 多以持有到期、 赚取利息为目的, 交易不活跃, 流动性差。 信用风险较小时,债券市场对信用风险信息的反应较不明显, 但随着信用风险的披露, 债券市场的反应才会趋于灵敏。因此股票市场可能包含更多的信用风险信息, 相对于债券市场而言, 股市在信用风险信息反应方面更具有优势 。 据此, 我们提出研究假说 H1: 信用风险信息反应效果方面, 股票市场优于债券市场。 (二) 假说 H2: 长期来看, 股市和债市对同一信用风险信息的反应存在一致性国内学者邓子来和胡健 (2001) 等通过不同的方法, 证明我国的股票市场是弱式有效市场, 即 股票价格能够充分反映所有历史的信息。 同时, 宋芳秀和王梓溦 (2012) 对中国总体债券市场、 中 国银行间债券市场及中国交易所债券市场分别进行有效性检验, 结果表明, 中国债券市场已经达到弱式有效水平。 如果两市场都是弱式有效的市场, 那么长期来看, 股市和债市对同一家上市公司的历史信用风险信息的反应应该存在一致性。 据此, 我们提出研究假说 H2: 长期来看, 股市和债市对同一信用风险信息的反应存在一致性。 (三) 假说 H3: 公司的实际信用风险越大, 股市和债市对其信用风险信息的反应越一致当实际信用风险较大时, 两市场中的理性投资者都会有所警觉, 从而会倾向于卖出股票和公司 债券以规避风险, 此时股市和债市对信用风险信息的反应应该具有高度一致性。 因此, 我们提出研究假说 H3: 公司的实际信用风险越大, 股市和债市对其信用风险信息的反应越一致。 三、研究设计

(一) 研究思路首先, 我们运用日交易价格信息 (包括股票价格、 债券价格和国债价格) 和公司财务信息, 应 用 KMV 模型和信用价差理论, 计算样本公司在研究期间每天的违约距离倒数 RDD 和信用价差 CS, 以此度量公司股票和债券价格变化中反映的信用风险信息的动态变化。 然后, 我们运用事件研究法分 析 RDD 和 CS 之间的短期关系, 比较两市场对信用风险信息反应的有效性, 验证研究假说 H1。 接下来, 应用相关性分析、 协整理论等统计和计量模型方法, 研究 RDD 和 CS 之间的长期关系, 验 证研究假说 H2。 进而, 我们选择资产负债率、 总资产报酬率、 公司规模、 债券期限、 债券流动性 和股价波动率等与上市公司实际信用风险有关的指标, 分析实际信用风险大小对两市场信用风险信息反 应一致性的影响, 验证研究假说 H3。 (二) 样本选择本文关键的指标是违约距离和信用价差。 为了保证两个指标的准确性, 需要对样本进行严 格筛选。 截至 2015 年 6 月 30 日, 沪深交易所上市交易的公司债券共有 502 只, 涉及 377 家上市公司。 本文采用先确定样本公司债券, 后与国债、 股票配对的方法确定最终样本, 具体步骤如下: 之匹配的 51 只国债的数据。 (三) 数据来源 2007 年中国公司债启动发行之后, 由于金融危机的原因暂停发行, 直到 2009 年 7 月再度开闸,进入快速发展阶段。 为了保证数据的连续性, 本文选取的样本期间为 2009 年 7 月 1 日-2015 年 6 月 30 日, 数据来源于 Wind 数据库。 四、实证检验结果与分析 (一) 样本数据基本统计从行业、 公司性质、 债券期限和债券信用评级等四个方面对样本进行统计分析, 结果如图 1-图 所示。 从行业分布来看, 制造业占到样本公司的 64%; 其次是电力和交通运输业, 各占 8%; 公司性质方面, 民营企业占比最高, 其次是地方国有企业和中央国有企业, 分别占 42%、 34%和17%; 公司债券的期限以 4-5 年期债券为主, 占 57.82%; 债券信用评级大多在 AA 级以上, 占比高达 91.5%, 信用评级在 A+及以下的债券仅占 2.04%。 公众企业 图 1 样本公司行业分布图 其他企业 5% 2% 图 2 样本公司性质分布图 AA, 41.50%

由模型估计结果可以看出, 公司规模、 债券流动性、 公司属性三变量对 RDD 和 CS 的协整关系有显著的负向影响; 债项评级对二者的协整关系有显著的正向影响; 其他因素对二者之间协整关系的影响不显著。 公司规模 LNSize 与协整关系变量 Cointegration 呈负相关, 说明规模越大的公司其 RDD 和 CS 存在协整关系的概率越小, 而规模小的公司承受风险的能力弱, 同等的竞争环境中其信用风险相对较大, 其 RDD 和 CS 存在协整关系的概率越大。 债券流动性 Liquid-ity 和协整关系变量 Cointegration 呈负相关 , 说明当上市公司信用风险恶化时 , 可能存在投资者急于抛售债券, 使得债券流动性增大, 而此时 RDD 和 CS 存在协整关系的概率变大。 方红星等 (2013) 研究产权性质和公司债定价关系时指出 , 国有产权能够发挥隐性担保的作用 , 能够降低投资者面临的信用风险。 上述 Logit 回归模型结果显示, 公司属性 Nature 和协整关系变量 Coin-tegration 负相关 , 说明国有属性越强的企业 , 信用风险越低 , 其 RDD 和 CS 存在协整关系的概率越小。 但是, 评级机构的最新债项评级 Rate 和协整关系变量 Cointegration 显著正相关, 这与理论预期相反。 导致该结果可能的原因是: 样本债券的信用评级如图 4 所示基本都在 AA 级以上, 占比高达 91.5%, 信用评级在 A+及以下的样本债券仅占 2.04%, 信用评级偏低的样本占比极低导致通过该指标反映的信用风险指示性不强, 因此, 该指标对样本公司 RDD 和 CS 存在协整关系的影响不如其他指标更具有可靠性。 综合以上分析可以得出, 实际信用风险对 RDD 和 CS 协整关系的影响也说明研究假说 H3 是成立的 。 五、研究结论和政策建议 本文分别运用违约距离倒数 RDD 和信用价差 CS 刻画了同一家上市公司股票和债券价格对公司信用风险信息的反应, 并且运用事件研究、 相关性分析和协整检验等方法研究了两者之间的关系, 得出以下结论: 1.从短期来看 , 在反映信用风险信息效率方面 , 股票市场优于债券市场 。 具体来讲 , 股票市场更能及时准确地反映上市公司的信用风险信息, 而债券市场具有一定的滞后性, 随着信用风险的增加, 滞后时差缩短。 2.从长期来看 , 股市和债市在反映公司信用风险信息上具有一致性 , 多数样本公司的股票和债券价格 对其信用风险信息的反应具有长期均衡关系。 3.实际信用风险大小是影响两市场信息反应一致性的重要因素 , 信用风险越大 , 两者一致性越强。 基于以上结论, 为了建立实时准确的信用风险测量方法, 完善我国的信用风险监控和预警体系, 促进我国资本市场的健康发展, 我们提出以下政策建议: 1.改进信用风险监控指标 , 完善我国的信用评级体系 。 目前 , 我国对企业的信用评级依然主要运用财务报表进行分析。 该信用评级制度最大的缺点是具有滞后性, 不能及时反映信用风险水平。 KMV 模型和信 用价差理论已经相对成熟, 我国的股票市场和债券市场也日臻完善, 所 以我国的信用评级体系应该运用金融市场数据, 采用 KMV 等先进模型, 及时反映信用风险变化。 同时, 通过历史数据分析, 我们可以对违约距离或者信用价差设定合理的区间范围, 完善我国的信用评级体系。 2.完善信息披露制度 , 使信息有效传播 。 违约距离和信用价差是对公司信用风险的实时度量, 信息的质量直接影响结果的准确性。 监管部门需要进一步规范上市公司重大事项的信息披露, 对漏报、 迟报行为, 加大处罚力度, 并计入企业信用系统; 同时规范网络信息发布, 严打

股市消息


福田汽车股票, 赣锋锂业股票, 太钢不锈股票, 广发证券股票, 767股票学习网, 健康元股票, 华东科技股票, 兖州煤业股票, 暴风科技股票, 双汇股票, 新纶科技股票, 云天化股票, 三江购物股票, 誉衡药业股票, 顺丰股票002352, 山东药玻股票, 盐田港股票, 全聚德股票, 上海三毛股票, 长城电脑股票, 汉缆股份股票, 重庆水务股票, 纳川股份股票, 南洋股份股票, 金洲管道股票, 国电南自股票, 栖霞建设股票, 长春长生股票, 锂电池股票, 赣粤高速股票, 佳隆股份股票, 黑马股票, 延长化建股票, 002195股票, 精华制药股票, 曙光股份股票, 峨眉山股票, 徐福记股票, 百大集团股票, 首商股份股票, 网上怎么买股票, 云计算股票, 瑞泰科技股票, 中证500股票名单, 000799股票, 免费股票软件下载, 鄂武商股票, 股票a股行情, 股票交易网, 银华优选股票, 海南旅游股票, 601166股票, 绿大地股票, 同花顺股票交易软件, 600100股票, 今天复牌的股票, 国电投股票, 富迪股票, 上市股票, 股票 基金, it板块股票, 股票 税, 股票最新, 选股票, 仓 股票, 股票 大跌, 股票 黄金, 东方财富 股票, 海股票, 银股票, 股票 暴跌, 芯片股票, 教育股票, 股票qq, 什么什么股票交易, 股票 新闻, 日本股票, 股票历史数据, 股票的形态, qq股票群, 股票如何卖出, 股票r是什么意思, 次新股股票, 股票走势分析, 股票属于, 股票电视剧, 股票的除权, 股票加群, 股票的交易规则, 股票下跌的原因, 股票 除权, 韩国股票, 淘宝 股票, 股票质押风险, 现在什么股票, 股票为什么大跌, 怎样股票开户, 股票案例, 股票分红为什么, 怎样操作股票, 股票什么是量, 股票8, 300开头股票, 分析股票投资, 什么是股票概念股, 基金型股票, 股票信托, 汉能 股票, 股票分红交税, 同花顺股票开户, 短线好股票, 手机怎么买股票, 股票期权激励计划, 龙虎榜股票, 虎牙股票, 携程 股票, 股票的假, 宝什么股票, 00开头的股票, 腾讯股票什么, 新浪股票财经, 222股票, 新浪微博 股票, 股票放量什么意思, 什么是股票红利, 上海股票配资, 股票格力, 好想你 股票, 银行开户股票, 股票的绿色是什么意思, 新浪股票股票首页, 股票底部, 5月股票, 股票做配资, 股票pe是什么意思, 怎么才能买股票, 股票最高的涨多少, 途牛股票, 买股票手续, 股票获利, 期货股票开户, 新奥股票, 股票开户佣金低, 股票被做空, 利率与股票, 股票群名称, 股票技术分析方法, 股票为什么退市, gta5威皮股票, 水电的股票, 怎么看股票量, 软银股票, 股票的国家队, 申报股票, 美达股票, 买阿里的股票, 深交股票, 百度云股票, 股票sz是什么意思, 新大洲股票, 大健康的股票, 股票什么是复盘, 假股票, 股票的市盈率是什么意思, 股票中石油, 方太股票, 江阴股票, 怎么转股票, 股票跌有什么影响, 邦什么股票, 短线股票技术, 股票大数据分析, 比特币股票代码, 股票国信, 奥特佳股票, 股票煤炭, 福特股票, 怎样下载股票软件, 股票提成, 大同股票, 长春的股票, 股票执行, 股票退市是为什么, 自动交易股票软件, 股票第一创业, 盈趣科技股票, 为什么股票会涨会跌, 新凤鸣股票, 忘记股票密码, 陕国投a股票, 股票盐田港, 基金与股票债券的区别是什么, 中控股票, 东方京a股票, 拓斯达股票, 股票开户哪个证券好, 深圳市股票, 股票2008, 聚美优品 股票, 牧原股份股票, 股票交易公司, 什么是st股票, 停牌股票查询, 16年股票, 瑞斯康达股票, 猛狮科技股票, 股票2018, 买格力股票, 三江股票,
本文来自网络,不代表本网站立场,转载请注明出处:https://www.wcgjj.com/193124.html

公司股票和债券价格中的信用风险信息效率研究 股市消息的相关文章