发帖
雷达卡
本文采用Bharath和Shumway（2008）提出的Naive模型估计违约概率（EDF）作为违约风险的代理变量，具体如式（1）：
式（1）中
DDit表示违约距离
Equityit表示公司总市值，为股票发行总数与年末市场价格的乘积
Debtit是公司债务的面值，是公司年末短期负债与年末长期负债的二分之一的加总
rit-1是企业滞后一年的年度收益率
Tit在公式中被设置为1年
σVit是公司资产波动率的估计量，通过σEit（股票收益率的波动率）计算得出。
σEit是股票收益率的波动率，利用公司上一年度的月度收益率数据取标准差求得。
σVit的计算如式(2):
在式(1)、(2)的基础上，计算出违约风险距离DDit，然后通过标准累计正态分布函数Normal（.）求出企业违约概率，如式(3)：
企业债务违约风险指标（EDF)取值范围在0至1之间，其值越大，代表企业的违约风险越高。
同时，参考孙铮等(2006)、许红梅和李春涛(2020)的做法用事后债务违约概率来进行稳健性检验，即以企业上年度短期借款(包括一年内到期的长期借款) 与当期偿还借款额度(对应现金流量表中“偿还债务所支付的现金”) 的差额来衡量公司是否按期偿还了借款。我们设置虚拟变量VIOLATE表示企业事后违约概率。当该差额大于0时，表示企业没有按期偿还借款，变量VIOLATE取1，表示企业违约；否则取0，表示企业没有违约。
2.数据说明
样本选择：全部A股1998-2022年数据（“一年到期长期负债”在数据库中是从1998年开始，所以数据起点为1998年）
对最终结果进行了1%和99%分位数的缩尾处理
行业参照证监会2012年行业分类标准
每个压缩包都附有初始数据，计算代码，参考文献和最终数据
最终数据分为两个版本：
版本1：仅做了上述剔除处理，文件名为“计算结果”
版本2：在做了上述剔除处理的基础之上，同时剔除了金融行业的样本和当年年末被ST、*ST或PT的上市公司，文件名为“计算结果剔除版本”
3.参考文献
[1]翟淑萍,韩贤,张晓琳,陈曦.数字金融能降低企业债务违约风险吗[J].会计研究,2022(02):117-131.
[2]许红梅,李春涛.劳动保护、社保压力与企业违约风险——基于《社会保险法》实施的研究[J].金融研究,2020(03):115-133.
压缩包所含文件：
数据样例：
分年份数据量统计：
缩尾后的描述性统计结果：
2022违约风险.rar
(56.72 MB, 需要: RMB 39 元)
京公网安备 11010802022788号
