五、KMV模型
（一）概念
KMV模型[2]基于期权定价理论，应用股票市场实时数据，量化评估上市企业的信用风险，根据股票价值及波动率推算出企业资产价值及其波动率，进而计算企业的预期违约概率（EDF）。由于股票市场交易数据可获得性强，KMV模型也能够及时更新企业信用状况。
（二）模型设计
我国学者潘睿（2017）对KMV模型的设计提出了系统的看法。他认为KMV模型假设公司的资本结构是由股权、短期负债（相当于现金）和长期负债（类似于可持续养老金和可转换优先股）组成的。这样的假设来源于经典Black-Scholes-Merton模型，即期权股价模型。
KMV模型假设公司的资本结构是由股权、短期负债（相当于现金）和长期负债（类似于可持续养老金和可转换优先股）组成。这样的假设来源于经典Black-Scholes-Merton模型，即期权股价模型。
第一，模型假设当前公司的市场价值是由5个变量决定的：
其中
因此，公司股权价值波动率和市场价值波动率的关系如下：
其中，Va为公司资产的市场价值；E为公司的股权价值；D为公司的负债价值；r为无风险利率；σE和σa分别代表公司的股权价值波动率和市场价值波动率；τ为债务权限，一般设为1年。通过上述的方程组可见，有两个未知参数：Va和σa。因此，我们首先要联立方程组求出上述两参数。
第二步，定义违约点（default point）。KMV公司基于大量数据发现，最常见的违约点选取为短期负债和50%长期负债之和，即DP=SD+50%LD。其中，DP为公司违约点，SD为公司短期负债，LD为公司长期负债。
第三步，估算违约距离（default distance）。违约距离是一个相对概念，它是指公司的资产价值在风险期内到违约点的距离，可以作为一个比较不同公司违约风险的指标。KMV模型定义的违约距离为
其中，DD为违约距离。(https://www.daowen.com)
第四步，估算公司的预期违约概率（EDF）。在KMV模型中，预期违约概率和违约距离之间的映射关系是确定的，也就是说，确定映射关系是确定预期违约概率的先决条件。然而，由于我国信用风险体系的缺陷，企业违约或破产的统计数据缺乏，很难将预期违约概率和违约距离之间的映射在短时间内建立起来。因此，在本书中，由于这种映射的缺乏，笔者只计算理论上的预期违约概率。假设公司的资产价值是服从正态分布的，则
其中，EDF为公司的预期违约概率的理论值。
（三）应用
关于KMV模型的应用探索，国内外学者都有系统的研究。在国外学者的研究中，Tudela和Young（2003）、Dwyer和Korablev（2007）分别将KMV模型与Probit模型、Z值模型进行比较，结果证实KMV模型具有更强的预测能力。
国内学者对KMV模型的应用探索比较完善。在对模型理论进行阐述的同时，陈忠阳（2000）对该模型做了实证分析，与Credit Metrics模型进行预测能力比较。黄薇薇（2012）应用大量验证工具来验证KMV模型，结论显示在信用风险较小的样本前提下，KMV模型对公司风险判断的能力要优于Z值模型。在对模型扩展修正研究方面，我国学者也做了大量分析，比如闫海峰和华雯君（2009）修正股权价值波动率和资产价值及其波动率，使其具有更高的准确性。史小坤和陈昕（2010）应用KMV模型来修正商业银行风险的违约点。
（四）KMV模型的优势及不足
1.优势
①KMV模型融合了企业财务理论和期权理论，理论上的优势使其受到广泛的应用。因为整合了资本市场的各类信息，KMV模型在上市公司的信用风险评估中被大量应用。
2②KMV模型所需要的信息是企业当前的数据，因此能够更加准确描述企业当前的发展情况，当然，经过学者们的研究分析，KMV模型的预测能力也很强。
③如果已经知道企业风险暴露和补偿率的话，那么运用KMV模型就可以求出预期违约损失和非预期违约损失。
2.不足
①KMV模型整合了资本市场的各类信息，但由于信息的真伪并未得到检验，因此模型的精确性无法得到保障。
②KMV模型对数据必须真实的要求，使得其只能应用于上市公司，但陈磊（2014）指出，由于我国股票价格的大幅变动，往往也不能有效反映上市公司的市场价值，因此对我国而言也是有较多局限性。
③KMV模型计算的前提是企业数据能够呈现正态分布，但是在实际情况中，很难保证这一前提。