电子科技大学 UNIVERSITY OF ELECTRONIC SCIENCE AND TECHNOLOGY OF CHINA 专业学位硕士学位论文 MASTER THESIS FOR PROFESSIONAL DEGREE 论文题目 基于 KMV模型的新能源汽车行业 上市公司违约风险度量研究 专业学位类别 工商管理硕士 202132150616 郭秋婧 学 号 作者姓名 指导教师 赵洪江副教授 经济与管理学院 学 院 分类号 密级 公开 UDC 注 1 学 位 论 文 基于 KMV模型的新能源汽车行业 上市公司违约风险度量研究 （题名和副题名） 郭秋婧 （作者姓名） 赵洪江 副教授 成都 指导教师 电子科技大学 硕士 工商管理硕士 申请学位级别 提交论文日期 专业学位类别 论文答辩日期 2023年 3月 28日 2023年 5月 17日 2023年 06月 电子科技大学 学位授予单位和日期 答辩委员会主席 评阅人 注 1：注明《国际十进分类法 UDC》的类号。 Research on default risk measurement of listed companies in new energy automobile industry based on KMV model A Master Thesis Submitted to University of Electronic Science and Technology of China Discipline Student ID Author Master of Business Administration 202132150616 Guo Qiujing Supervisor School Associate Prof. Zhao Hongjiang School of Management and Economics 摘要 摘要 新能源汽车产业链上游包括三电（电池、电机、电控）企业和部分矿企、中 游包括零部件生产和整车制造企业、下游包括充电桩和配套的服务企业。近年来， 受惠于国家产业政策的支持，新能源汽车产业得到了快速发展。但随着持续了 13 年的“国补”政策在 2022年底退出历史舞台，新能源汽车产业的企业经营风险逐 渐增大。对向这些企业提供资金的金融机构来说，所承担的违约风险也在日益加 大，如何准确评估它们的违约风险成为相关金融机构的当务之急。 在各类信用风险评估模型中，Logistic模型、Probit模型、Z-score指数模型采 用财务分析数据判断企业金融违约风险，存在一定的滞后性。神经网络模型需要 采取大量历史数据，模型解释能力较弱。Credit Metrics模型和 Credit Risk+模型依 赖信用评级机制，存在一定的滞后性，并且模型不能反映不同信用等级的借款人 之间的信用差异。相比之下，KMV模型的优点在于：不依赖财务数据，模型能够 实时更新，能够反映不同借款人之间违约风险的差异。因此用模型度量违约风险 的准确性更高。为此本文采取 KMV模型来计算新能源汽车行业的违约风险。 首先运用该模型计算了新能源汽车行业上游、中游和下游共 656家上市公司 在 2019年至 2021年的相对违约距离。其次，通过两种方式对模型有效性进行检 验。第一种方式采取 T检验和 Wilcoxon符号秩检验验证了该模型是否能够区分ST （*ST）企业和非 ST（*ST）企业。第二种方式通过 Kruskal-Wallis检验，比较产 业链不同位置的违约距离是否存在显著差异性，之后验证结果是否符合企业产业 阶段和竞争程度。研究发现，锂电池企业违约风险高于充电桩类企业违约风险。 结果表明：锂电池企业处于新能源汽车产业上游，属于成长期，企业竞争程度大； 而充电桩类企业处于新能源汽车产业下游，属于成熟期，竞争程度相对较小。符 合企业产业阶段和竞争程度。最后，解释产业链不同位置的违约距离之间的差异 性，并预测未来行业违约风险情况。 关键词：新能源汽车行业，KMV模型，相对违约距离，T检验，Wilcoxon符号秩 检验 I ABSTRACT ABSTRACT The upstream of the new energy vehicle industry chain includes three electric (battery, motor, electroniccontrol) enterprises and somemining enter