论文题目：基于RRV-GA-KMV模型的我国上市高新技术企业信用风险度量方案
论文类型:方案策划
专业方向：金融数据分析
摘要
摘要
2022年下半年开始，随着后疫情时代的到来，加之各国货币政策的收紧，
预期减弱和国际争端等一系列因素影响，我国的宏观经济也开始承担较大的下行
压力，经济的复苏需要一个强劲的增长点，而高新技术企业正好可以提供经济增
长的动力，自“中国制造2025”提出以来，我国在朝着科技强国的路上大步迈进。
近阶段经济发展放缓，一些处于行业头部的企业也相继暴雷，也让大众担心高新
技术企业的发展稳定性，因此，如何识别高新技术企业的信用风险，使能够更加
稳定的贯彻科技强国的政策成为了当前关注的重点。
本文从三个角度对信用风险衡量方法KMV模型进行改进。首先针对模型
的输入参数，本文使用基于5分钟高频数据的已实现极差波动率（Realized
Range-basedVariation，后称为RRV）模型来度量公司股权价值波动率。第二是
运用遗传算法对KMV模型中短期与长期债务的系数进行了调整优化，得出最优
长短期债务系数。最后本文将学术界较为常用的基于低频数据的GARCH（1，1）
模型与基于高频数据的RRV模型进行对比分析。
本文通过实证分析，选取国家高新技术企业认定工作网认定的上市高新技术
企业，使用RRV-GA-KMV模型对高新技术企业信用风险进行实证分析，数据选
取范围为2020年至2023年的所有交易日。通过研究发现：第一、学术界常用的
基于日度数据的GARCH（1，1）模型和本文选取的基于高频数据的
RRV-GA-KMV模型都表现出较高的准确率，其中本文选取的模型样本内外的准
确率分别达到了76.92%和73.33%，均高于学术界常用的基于日度数据的GARCH
（1，1）模型的准确率，且配对样本T检验的结果证实，经过参数调整的KMV
模型在区分样本外高信用风险与低信用风险企业时，计算出的违约距离存在显著
差异。第二、研究结论都体现出最优的短期负债系数α大于最优长期负债系数β，
且均大于传统KMV模型违约点参数，说明目前中国对企业违约具有更高的接受
度，且企业的短期偿债压力要高于长期偿债压力，这与后疫情时代企业所面临的
流动资金紧缩不谋而合。总体而言，对于高新技术企业信用风险度量方面，本方
案具有比较不错的实际参考价值。
关键词：高新技术企业；信用风险；高频数据；已实现极差波动率
I
Abstract
Abstract
Startingfromthesecondhalfof2022,withthearrivalofthepost-pandemicera,
coupledwiththetighteningofmonetarypoliciesinvariouscountries,weakening
expectationsandinternationaldisputes,andotherfactors,,Chinasmacro-economy
hasalsobeguntobearagreaterdownwardpressureontherecoveryoftheeconomy
needsastrongpointofgrowth,andhigh-techenterprisescanprovidetheimpetusfor
economicgrowth,sincetheChinaSmartManufacturing2025SincetheChina
SmartManufacturing2025wasproposed,thecountryisalsomakinggreatstrides
towardstheroadofscienceandtechnologypower,andtherecenteconomic
slowdown,thetraditionalpublicdoesnotthin