基于KMV模型的商業(yè)銀行信用風(fēng)險(xiǎn)度量和管理研究

1、1 導(dǎo)言 （論文中不能出現(xiàn)截圖）1.1 研究背景及意義在新巴塞爾協(xié)議的背景下，商業(yè)銀行所面臨的風(fēng)險(xiǎn)可明確分類為：信用風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)、清算風(fēng)險(xiǎn)、法律風(fēng)險(xiǎn)和信譽(yù)風(fēng)險(xiǎn)等七種類型。McKinney（麥肯錫）公司以國(guó)際銀行業(yè)為例進(jìn)行的研究表明，以銀行實(shí)際的風(fēng)險(xiǎn)資本配置為參照，信用風(fēng)險(xiǎn)占銀行總體風(fēng)險(xiǎn)暴露的60，而市場(chǎng)風(fēng)險(xiǎn)和操作風(fēng)險(xiǎn)僅各占20。因此，在商業(yè)銀行所面臨的眾多風(fēng)險(xiǎn)中，信用風(fēng)險(xiǎn)占有特殊的地位，且信用風(fēng)險(xiǎn)已經(jīng)成為國(guó)際上許多商業(yè)銀行破產(chǎn)的主要原因。對(duì)于我國(guó)商業(yè)銀行來(lái)說(shuō)，企業(yè)貸款是其主要業(yè)務(wù)，銀行大部分的金融資產(chǎn)為企業(yè)貸款，因此貸款的信用風(fēng)險(xiǎn)是商業(yè)銀行信用風(fēng)險(xiǎn)的最主要組成部分。截至

2、2014年底，商業(yè)銀行的不良貸款余額為5921億元，不良貸款率1，比年初增加993億元；2014年我國(guó)銀行業(yè)金融機(jī)構(gòu)不良貸款率達(dá)1.64%，較2013年提高了0.15%；商業(yè)銀行2014年末不良貸款率1.29%，提高了0.29%，2014年商業(yè)銀行不良貸款率創(chuàng)2009年來(lái)新高,2013年和2014年我國(guó)商業(yè)銀行不良貸款率也不斷上升。以上數(shù)據(jù)都表明我國(guó)商業(yè)銀行的信用風(fēng)險(xiǎn)形勢(shì)還相當(dāng)嚴(yán)峻。信用風(fēng)險(xiǎn)問(wèn)題儼然成為阻礙我國(guó)金融業(yè)的持續(xù)發(fā)展的重要原因。因此，研究信用風(fēng)險(xiǎn)的特點(diǎn)，收集信用相關(guān)數(shù)據(jù)，建立度量信用風(fēng)險(xiǎn)的信用風(fēng)險(xiǎn)模型，定量分析信用風(fēng)險(xiǎn)數(shù)據(jù)，以及如何將信用風(fēng)險(xiǎn)管理措施運(yùn)用到各項(xiàng)業(yè)務(wù)當(dāng)中，已經(jīng)是商業(yè)銀行

3、提高經(jīng)營(yíng)管理水平，降低信用風(fēng)險(xiǎn)的最基礎(chǔ)、最迫切的要求。本論文的選題就是在這樣的前提和背景下進(jìn)行的。在西方發(fā)達(dá)國(guó)家，其商業(yè)銀行的信用風(fēng)險(xiǎn)管理比較成熟，在實(shí)踐和理論上都已形成相應(yīng)的體系，表現(xiàn)出一種從定性到定量、從簡(jiǎn)單到復(fù)雜、從個(gè)別資產(chǎn)信用風(fēng)險(xiǎn)評(píng)級(jí)到資產(chǎn)組合信用風(fēng)險(xiǎn)評(píng)級(jí)的趨勢(shì)。信用風(fēng)險(xiǎn)度量的方法和模型也不斷推陳出新。相較而言，我國(guó)的商業(yè)銀行信用風(fēng)險(xiǎn)管理系統(tǒng)體系尚不健全，信用評(píng)級(jí)水平較低，對(duì)信用風(fēng)險(xiǎn)的分析任然處于傳統(tǒng)的比例分析以及專家經(jīng)驗(yàn)判斷階段，遠(yuǎn)不能有效滿足商業(yè)銀行對(duì)貸款安全性的度量要求。因此如何加強(qiáng)我國(guó)商業(yè)銀行的信用風(fēng)險(xiǎn)管理能力，提高我國(guó)銀行業(yè)的風(fēng)險(xiǎn)管理水平，保證銀行穩(wěn)健經(jīng)營(yíng)，并使我國(guó)商業(yè)銀行逐

4、漸達(dá)到國(guó)際資本監(jiān)管標(biāo)準(zhǔn)己是我國(guó)銀行業(yè)發(fā)展的重要趨勢(shì)，而研究和借鑒國(guó)外大銀行先進(jìn)的度量方法和管理措施，根據(jù)我國(guó)的具體情況探索、開(kāi)發(fā)出適用我國(guó)商業(yè)銀行的信用風(fēng)險(xiǎn)量化模型，提升我國(guó)銀行的競(jìng)爭(zhēng)力，確保我國(guó)銀行在全球化的大環(huán)境下穩(wěn)健經(jīng)營(yíng)己是當(dāng)務(wù)之急。1.2 KMV模型相關(guān)研究現(xiàn)狀KMV模型自推出以來(lái)，受到國(guó)外學(xué)術(shù)界廣泛關(guān)注，并對(duì)其可行性進(jìn)行諸多實(shí)證分析，來(lái)驗(yàn)證其是否有效。首先對(duì)該模型進(jìn)行有效性驗(yàn)證的是KMV公司，它對(duì)IBM公司跨越5年信用質(zhì)量惡化期間得出其EDF值在00%-20%之間變化，在其機(jī)構(gòu)信用評(píng)級(jí)惡化之前，IBM的EDF值已經(jīng)開(kāi)始上升，比標(biāo)準(zhǔn)普爾信用評(píng)級(jí)的違約預(yù)測(cè)能力強(qiáng)1。KMV公司還收集了包括

5、3400家上市公司和40000家非上市公司自1973年以來(lái)的資料，建立了龐大的債券及企業(yè)信用資料數(shù)據(jù)庫(kù)，結(jié)果在評(píng)價(jià)公司債券等方面具有顯著成效，尤其在對(duì)上市公司的信用評(píng)價(jià)中尤為突出，它考慮到企業(yè)的財(cái)務(wù)變動(dòng)、股價(jià)及其浮動(dòng)情形，比單靠公司內(nèi)外財(cái)務(wù)分析所得結(jié)論更準(zhǔn)確。Mark Carey(2001)通過(guò)重新定義參數(shù)，發(fā)現(xiàn)參數(shù)修正后KMV模型的預(yù)測(cè)能力有較大提高2。Roger MStein(2002)在對(duì)原KMV模型進(jìn)行分析后，通過(guò)與現(xiàn)實(shí)情況因素進(jìn)行對(duì)比，提出了模型自身存在的一些預(yù)測(cè)問(wèn)題和模型相關(guān)的改進(jìn)意3。Matthew Kurbat和Irina Korablev(2002)則使用水平確認(rèn)(Level

6、 Validation)和校準(zhǔn)(Calibration)方法對(duì)KMV進(jìn)行了驗(yàn)證，研究結(jié)果證實(shí)KMV模型的輸出結(jié)果EDF值實(shí)際上是偏態(tài)分布，并且樣本規(guī)模的大小、樣本公司的資產(chǎn)相關(guān)性的大小和EDF的偏態(tài)分布對(duì)EDF的預(yù)測(cè)結(jié)果有很大的影響4。他們選1991年至2001年間上千家美國(guó)公司的數(shù)據(jù)作為樣本，計(jì)算出的樣本公司資產(chǎn)相關(guān)性在0.1至0.2之間，用中位數(shù)EDF替代均值EDF，并以中位數(shù)EDF小于20和大于20將樣本公司分為兩類，所描繪出的兩類樣本公司的預(yù)期違約率軌跡與十年間實(shí)際發(fā)生的違約率軌跡匹配性很好，證明KMV模型是十分有效的。1998年后，我國(guó)學(xué)者開(kāi)始關(guān)注KMV模型，早期的研究?jī)H僅局限于對(duì)K

7、MV模型的理論基礎(chǔ)和模型框架的介紹與分析：張玲、張佳林(2000)，王瓊、陳金賢(2002)先后對(duì)KMV模型與其它模型進(jìn)行了理論上的比較研究，認(rèn)為KMV模型比其它只注重財(cái)務(wù)數(shù)據(jù)的信用風(fēng)險(xiǎn)模型更適合于評(píng)價(jià)上市公司的信用風(fēng)險(xiǎn)，并初步探討了在中國(guó)市場(chǎng)上的適用性5。杜本峰(2002)根據(jù)KMV公司信用風(fēng)險(xiǎn)評(píng)估模型，介紹了如何使用實(shí)值期權(quán)理論來(lái)評(píng)估信用風(fēng)險(xiǎn)6。魯煒、趙恒衍和劉翼云（2003）首先利用GARCH族模型對(duì)KMV輸入變量股權(quán)價(jià)值波動(dòng)率進(jìn)行評(píng)估，并得出與輸出變量資產(chǎn)價(jià)值波動(dòng)率的函數(shù)關(guān)系式，初步實(shí)現(xiàn)了運(yùn)用期權(quán)理論對(duì)我國(guó)上市公司的信用風(fēng)險(xiǎn)進(jìn)行評(píng)估，發(fā)表了文章KMV模型關(guān)系函數(shù)推測(cè)及其在中國(guó)股市的驗(yàn)證

8、7。彭非遠(yuǎn)(2006)，選取17家上市公司實(shí)證比較了中國(guó)股市進(jìn)行股權(quán)市場(chǎng)化前后的違約距離，結(jié)果發(fā)現(xiàn)股改后的違約距離顯著增大，表明股權(quán)分置問(wèn)題的解決，釋放了中國(guó)股票市場(chǎng)的信用風(fēng)險(xiǎn)，有利于其健康發(fā)展。隨著我國(guó)證券市場(chǎng)上市公司股權(quán)分置改革接近尾聲，非流通股的定價(jià)問(wèn)題難以解決不再是阻礙KMV模型在我國(guó)應(yīng)用的主要問(wèn)題8。從我國(guó)目前對(duì)風(fēng)險(xiǎn)管理的情況來(lái)看，從國(guó)家金融機(jī)構(gòu)到銀行企業(yè)都意識(shí)到其重要性并逐步建立起信用風(fēng)險(xiǎn)管理體系，但與發(fā)達(dá)國(guó)家相比，數(shù)據(jù)庫(kù)數(shù)據(jù)不完善，信用文化的缺失，風(fēng)險(xiǎn)管理工具與技術(shù)與國(guó)際同業(yè)較大差距、風(fēng)險(xiǎn)管理體制差距等幾個(gè)方面，都消弱了我國(guó)信用風(fēng)險(xiǎn)管理系統(tǒng)的風(fēng)險(xiǎn)揭示和控制作用。所以我國(guó)在風(fēng)險(xiǎn)管理

9、的道路上依舊任重道遠(yuǎn)1.3 研究方法本文采用規(guī)范分析和實(shí)證分析相結(jié)合的研究方法，即在重視定性分析的同時(shí)，進(jìn)行了大量的定量分析，將定性分析與定量分析融為一體。具體的研究方法有以下幾個(gè)方面。(1) 比較分析與模型分析相結(jié)合。深入分析現(xiàn)代商業(yè)銀行信用風(fēng)險(xiǎn)管理的四種定量模型：Crcdit Mctrics模型、KMV模型、Crcdit Risk+模型和Credit Portfolio View模型，比較這些模型風(fēng)險(xiǎn)度量的思想和技術(shù)基礎(chǔ)以及在我國(guó)的適用性。(2) 理論分析與實(shí)證分析相結(jié)合。深入剖析KMV模型度量方法、理論和模型，通過(guò)上市公司的股票交易價(jià)格求出上市公司的股權(quán)價(jià)值波動(dòng)率，通過(guò)上市公司年度報(bào)告中

10、的流動(dòng)負(fù)債、長(zhǎng)期負(fù)債的得出公司債務(wù)面值，將股權(quán)價(jià)值波動(dòng)率、股權(quán)市場(chǎng)價(jià)值和公司債務(wù)面值作為輸入變量，運(yùn)用期權(quán)定價(jià)模型(非線性微分方程組)求出資產(chǎn)價(jià)值和資產(chǎn)價(jià)值的波動(dòng)率，運(yùn)用修正后的KMV模型求出違約距離，對(duì)配對(duì)樣本進(jìn)行對(duì)比分析，驗(yàn)證模型有效性。1.4 不足之處及進(jìn)一步的研究預(yù)期的創(chuàng)新點(diǎn)(1)不足之處本文還存在著如下不足之處以期后續(xù)研究能夠有所拓展。沒(méi)有研究非上市公司。 由于KMV模型依賴于市場(chǎng)價(jià)格來(lái)預(yù)測(cè)違約，所以它不能直接運(yùn)用到非上市公司。對(duì)這些公司，KMV利用上市公司的數(shù)據(jù)開(kāi)發(fā)了一個(gè)資產(chǎn)市場(chǎng)價(jià)值資產(chǎn)波動(dòng)性的模型。該模型需要時(shí)常地更新參數(shù)，以這種方法來(lái)將目前的市場(chǎng)信息和非上市公司聯(lián)系起來(lái)。然而，

11、這些模型仍需依賴于財(cái)務(wù)報(bào)表數(shù)據(jù)，而這些數(shù)據(jù)可能不是及時(shí)、準(zhǔn)確的。鑒于我國(guó)才剛剛引入KMV模型，對(duì)該模型的應(yīng)用仍然處于起步階段，所以本文只研究了KMV模型對(duì)上市公司的信用評(píng)價(jià)。但是，不論是金融機(jī)構(gòu)貸款客戶，還是一般生產(chǎn)企業(yè)的賒銷客戶，都存在相當(dāng)一部分非上市公司，所以研究對(duì)象僅為上市公司顯然會(huì)影響KMV模型的應(yīng)用范圍。沒(méi)有研究EDF的計(jì)算。由于違約距離DD與預(yù)期違約概率EDF之間是一一對(duì)應(yīng)的關(guān)系，所以本文實(shí)證過(guò)程中，在檢驗(yàn)參數(shù)修正效果和檢驗(yàn)?zāi)Ｐ皖A(yù)測(cè)效果時(shí)，研究對(duì)象均選擇了DD。根據(jù)KMV模型的假設(shè)，違約距離是評(píng)價(jià)企業(yè)違約風(fēng)險(xiǎn)的一個(gè)度量指標(biāo)，可用其作為不同企業(yè)之間的比較。但該值是個(gè)序數(shù)指標(biāo)，而非基數(shù)

12、或者概率指標(biāo)，也即我們無(wú)法直接從違約距離中得知企業(yè)違約概率到底是多少。因此在評(píng)價(jià)一個(gè)企業(yè)的信用風(fēng)險(xiǎn)時(shí)，最好是算出該企業(yè)的EDF，這樣才是完整地應(yīng)用了KMV模型。(2)進(jìn)一步研究的問(wèn)題針對(duì)上述的不足，在后續(xù)研究中可以從以下幾個(gè)方面進(jìn)行改進(jìn)。加強(qiáng)對(duì)非上市公司的PFM模型實(shí)證研究以及對(duì)KMV模型中關(guān)鍵點(diǎn)在我國(guó)銀行業(yè)的確定，認(rèn)真學(xué)習(xí)和研究國(guó)際上已有的Credit Metrics模型等其它模型；利用上市公司的歷史違約記錄建立違約距離到預(yù)期違約概率的映射關(guān)系，提高違約距離的可操作性和現(xiàn)實(shí)意義。 2 商業(yè)銀行信用風(fēng)險(xiǎn)及其度量模型現(xiàn)代的信用風(fēng)險(xiǎn)管理方法主要以定量分析為主，它的研究起源于20世紀(jì)80年代。自19

13、98年巴塞爾協(xié)議修正案正式許可金融機(jī)構(gòu)可以選擇內(nèi)部模型度量其面臨的信用風(fēng)險(xiǎn)后，各大銀行或咨詢公司紛紛推出了用于度量信用風(fēng)險(xiǎn)的內(nèi)部模型并得到迅速發(fā)展。信用風(fēng)險(xiǎn)度量方法的發(fā)展大致經(jīng)歷了四個(gè)階段：專家分析方法、基于財(cái)務(wù)報(bào)表信息的多元統(tǒng)計(jì)模型判別模型、神經(jīng)網(wǎng)絡(luò)方法、以及信用風(fēng)險(xiǎn)內(nèi)部度量模型，一般將專家分析方法、基于財(cái)務(wù)報(bào)表信息的多元統(tǒng)計(jì)模型判別模型、神經(jīng)網(wǎng)絡(luò)方法稱為傳統(tǒng)的方法。本章的研究?jī)?nèi)容主要包括：傳統(tǒng)信用風(fēng)險(xiǎn)度量的方法、現(xiàn)代信用風(fēng)險(xiǎn)管理的計(jì)量模型以及現(xiàn)代信用風(fēng)險(xiǎn)計(jì)量模型比較研究三部分內(nèi)容。2.1 信用風(fēng)險(xiǎn)及其量化因子信用風(fēng)險(xiǎn)作為商業(yè)銀行所面臨主要金融風(fēng)險(xiǎn)，并且作為金融風(fēng)險(xiǎn)的一種主要形式，信用風(fēng)險(xiǎn)也

14、具有金融風(fēng)險(xiǎn)的一般特性，如具有不確定性、傳遞性和擴(kuò)散性、隱蔽性和突發(fā)性等等。同時(shí)，信用風(fēng)險(xiǎn)又具有與其他形式金融風(fēng)險(xiǎn)不同的一些特性。因此對(duì)于信用風(fēng)險(xiǎn)的度量有具體研究，信用風(fēng)險(xiǎn)的量化因子主要有:（1）違約概率，對(duì)違約概率進(jìn)行量化，需要我們對(duì)違約進(jìn)行具體的界定；（2）違約損失率，銀行對(duì)損失的界定缺乏統(tǒng)一定義，往往根據(jù)具體目的和需要確定；（3）違約風(fēng)險(xiǎn)暴露，關(guān)于違約風(fēng)險(xiǎn)暴露，最重要的一點(diǎn)是它未來(lái)的敞口，記載獎(jiǎng)勵(lì)面臨信用風(fēng)險(xiǎn)的頭寸規(guī)模；（4）有效期限，銀行貸款這一投資的收益受其時(shí)間價(jià)值的影響，期限越長(zhǎng)，債務(wù)在到期前面臨的不確定性越大，風(fēng)險(xiǎn)也越大。2.2 信用風(fēng)險(xiǎn)度量方法2.2.1 傳統(tǒng)方法2.2.1.1

15、 5C信用評(píng)分法5C“評(píng)分法”是有關(guān)專家根據(jù)借款人的品格（character），即對(duì)企業(yè)信譽(yù)的一種度量；資本（capital），即借款人長(zhǎng)期資金的數(shù)量和結(jié)構(gòu)：償付能力（capacity），即對(duì)借款人收益的變動(dòng)來(lái)考察借款人的還款能力，即使在一段時(shí)間內(nèi)借款企業(yè)的還貸穩(wěn)定，但如果收益不穩(wěn)定，借款人的還款能力也將受到影響；抵押品（collateral），即提供合適，一定的抵押品；經(jīng)營(yíng)環(huán)境（condition），即所在行業(yè)的整個(gè)經(jīng)營(yíng)狀況及發(fā)展趨勢(shì)。在專家方法下，需要銀行員工針對(duì)某一行業(yè)或某類客戶范圍進(jìn)行長(zhǎng)時(shí)期的有效分析和研究，積累經(jīng)驗(yàn)，并成為具有一定水準(zhǔn)的人才，但他們?cè)谶x擇客戶是就會(huì)有強(qiáng)烈的偏好性，因此

16、他們的選擇也給銀行帶來(lái)了潛在風(fēng)險(xiǎn)，原因就在于他們選擇的客戶相關(guān)性高，加劇銀行貸款集中程度。2.2.2.2 信用評(píng)級(jí)法貸款內(nèi)部評(píng)級(jí)系統(tǒng)(Internal Rating Systems)是在美國(guó)貨幣管理署(Office of the Controller of Currency)最早開(kāi)發(fā)的評(píng)級(jí)系統(tǒng)基礎(chǔ)上由一些金融機(jī)構(gòu)拓展開(kāi)發(fā)而來(lái)的，用這一方法評(píng)估貸款損失準(zhǔn)備金的充分性。OCC最早將貸款分為正常、關(guān)注、次級(jí)、可疑、損失5級(jí)，損失準(zhǔn)備金根據(jù)不同等級(jí)有不同要求。另外國(guó)際上也又將其分為九級(jí)或者十級(jí)。目前我國(guó)商業(yè)銀行業(yè)已開(kāi)始廣泛推行貸款5級(jí)分類辦法。2.2.2.3 信用評(píng)分法該類方法以企業(yè)各項(xiàng)財(cái)務(wù)指標(biāo)為數(shù)據(jù)

17、變量，運(yùn)用數(shù)理統(tǒng)計(jì)方法建立模型，根據(jù)模型輸出的信用分值或違約概率與基準(zhǔn)值相比較，對(duì)信用風(fēng)險(xiǎn)進(jìn)行有效預(yù)測(cè)并進(jìn)行資信評(píng)級(jí)。因此類模型在實(shí)際運(yùn)用中較為有效，所以也成為國(guó)際金融機(jī)構(gòu)及學(xué)術(shù)研究機(jī)構(gòu)的主流方法。根據(jù)模型構(gòu)建方法不同，主要可以分為多元線性判別分析模型、Logistic模型和Probit模型，線性判別分析模型等。著名的Zeta判別模型建立在Z-score模型的基礎(chǔ)之上，并將該模型應(yīng)用于商業(yè)銀行的貸款評(píng)價(jià)上，取得極大的反響。2.2.2 現(xiàn)代方法在1998年巴塞爾協(xié)議對(duì)新資本充足率要求的推動(dòng)下，用于信用風(fēng)險(xiǎn)度量的新方法也開(kāi)始興起，各銀行可以使用內(nèi)部模型評(píng)估與市場(chǎng)風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)相關(guān)的監(jiān)管資本，而開(kāi)發(fā)

18、出的較為成熟的模型有：(1)JP摩根公司的Credit Metrics模型；(2)CSFP(Credit Suisse Financial Products)開(kāi)發(fā)的Credit Risk+模型；(3)Mckinsey公司的Credit Portfolio View模型；(4)KMV公司開(kāi)發(fā)的KMV模型。2.3 現(xiàn)代信用風(fēng)險(xiǎn)度量方法的分析比較為了讓讀者更加清晰得了解四種現(xiàn)代評(píng)分模型各自有優(yōu)劣，特此以表格形式進(jìn)行對(duì)比，需要強(qiáng)調(diào)的是，這并不是說(shuō)明各模型孰優(yōu)孰劣，而是讓我們更加全面的理解各模型的特點(diǎn)及其運(yùn)用。表1：現(xiàn)代信用風(fēng)險(xiǎn)度量模型比較違約概率度量的方法優(yōu)點(diǎn)缺點(diǎn)適用條件及范圍Credit Metri

19、cs模型講VAR方法引入到信用風(fēng)險(xiǎn)管理中來(lái)。對(duì)組合價(jià)值的分布有正態(tài)分布假設(shè)下的解析方法；對(duì)違約的概念進(jìn)行了拓展它是一種盯市場(chǎng)信用風(fēng)險(xiǎn)度量模型，能將債務(wù)價(jià)值的高端和低端考慮到模型本身并沒(méi)有回答關(guān)于信用風(fēng)險(xiǎn)定價(jià)及其基礎(chǔ)模型的問(wèn)題；同一信用等級(jí)中的信用假設(shè)不太現(xiàn)實(shí)占用大量計(jì)算資源模型計(jì)算的基礎(chǔ)是對(duì)企業(yè)的信用進(jìn)行評(píng)級(jí)，目前我國(guó)的信用評(píng)價(jià)體制還尚未健全信用等級(jí)體系完善的金融機(jī)構(gòu)和企業(yè)：可獲得完備的內(nèi)外部信用評(píng)級(jí)數(shù)據(jù)Credit Risk+模型它可以推導(dǎo)出完善的債券、貸款資產(chǎn)組合的損失分布;Credit Risk+計(jì)算相對(duì)簡(jiǎn)單它忽略了信用轉(zhuǎn)移風(fēng)險(xiǎn)的因素；每一個(gè)債務(wù)人的信用暴露都是固定的；在處理諸如期權(quán)和外

20、匯互換等非線性產(chǎn)品上也部令人滿意。大樣本貸款組合：可利用區(qū)間劃分的方法對(duì)貸款進(jìn)行分類進(jìn)而應(yīng)用精算模型。CPV較充分的考慮了宏觀經(jīng)濟(jì)環(huán)境對(duì)信用等級(jí)轉(zhuǎn)移的影響；信用等級(jí)轉(zhuǎn)移概率具有盯市性；它既可以適用于單個(gè)債務(wù)人，也可以適用于群體債務(wù)人。模型的數(shù)據(jù)依賴于一國(guó)的很多宏觀經(jīng)濟(jì)數(shù)據(jù)；模型使用經(jīng)調(diào)整后的信用等級(jí)轉(zhuǎn)移概率矩陣的特殊程序，而調(diào)整則基于銀行信貸部門積累的經(jīng)驗(yàn)和信貸周期的主觀判斷。宏觀經(jīng)濟(jì)影響較大：可利用信貸組合與宏觀經(jīng)濟(jì)指標(biāo)的敏感度分析構(gòu)建回歸模型。KMV擁有強(qiáng)有力的理論支持；KMV模型是以股票市場(chǎng)數(shù)據(jù)為基礎(chǔ)的，具有前瞻性；動(dòng)態(tài)模型；部要求有效市場(chǎng)假設(shè)。參數(shù)設(shè)計(jì)存在爭(zhēng)議；對(duì)數(shù)據(jù)庫(kù)要求高。上市公司

21、：可獲得準(zhǔn)確及時(shí)的企業(yè)財(cái)務(wù)數(shù)據(jù)。3 我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)度量模型研究KMV模型及其理論基礎(chǔ)研究首先要說(shuō)明為什么要選擇KMV作為我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)的度量模型，順便談?wù)勎覈?guó)信用風(fēng)險(xiǎn)的狀況。KMV模型是KMV公司于1993年創(chuàng)立的一種度量預(yù)期違約率(Expected Default Frequency，EDF)的模型，是以經(jīng)典的莫頓模型為理論基礎(chǔ)將期權(quán)定價(jià)理論應(yīng)用于貸款和債券估值而開(kāi)發(fā)出的一種信用監(jiān)控模型，它通過(guò)對(duì)上市公司股價(jià)波動(dòng)的分析，來(lái)預(yù)測(cè)股權(quán)公開(kāi)交易公司發(fā)生違約的可能性。對(duì)比國(guó)內(nèi)外對(duì)KMV模型的研究成果，發(fā)現(xiàn)我國(guó)還有很大的進(jìn)步空間。3.1 KMV模型介紹KMV模型由世界著名的信用風(fēng)險(xiǎn)咨詢管理

22、公司KMV公司(現(xiàn)己被世界著名的信用評(píng)級(jí)機(jī)構(gòu)穆迪投資服務(wù)公司收購(gòu))創(chuàng)立并商品化。該公司位于美國(guó)舊金山，成立于1989年，公司取其三位創(chuàng)辦者Kealhofer、McQuow和Vasicek首字母(KMV)為名。1993年,McQuown與Vasicek發(fā)展和改進(jìn)了Fisher Black Myron Scholes(1973)和Robert Merton(1974)創(chuàng)立的期權(quán)定價(jià)理論，在此基礎(chǔ)上提出了著名的Credit Monitor Model(即KMV模型)，并給出借款人的違約率測(cè)量方法910。隨后，Longstaff和Schwarz(1995)、Zhou(1997)對(duì)此作了進(jìn)一步的發(fā)展11

23、12。3.2 KMV模型的理論分析KMV模型是在企業(yè)負(fù)債一定的情況下，由負(fù)債人資產(chǎn)的市場(chǎng)價(jià)值來(lái)決定的違約風(fēng)險(xiǎn)。假如一個(gè)公司的資產(chǎn)市場(chǎng)價(jià)值為V具有負(fù)債D，負(fù)債D須在合同約定時(shí)間T時(shí)還清，否則該公司違約。如果該公司資產(chǎn)市場(chǎng)價(jià)值V在時(shí)間T時(shí)大于D，則該公司可以償還負(fù)債，不違約；反之，如果小于D，則公司只能將股權(quán)轉(zhuǎn)讓給債權(quán)人。由于KMV模型研究基于期權(quán)的理論基礎(chǔ)，因此可以將企業(yè)向銀行貸款看做一個(gè)歐式看漲期權(quán)的交易過(guò)程。企業(yè)相當(dāng)于期權(quán)多頭（買方），銀行可看做期權(quán)空頭（賣方），企業(yè)的資產(chǎn)V為期權(quán)的基礎(chǔ)資產(chǎn)，企業(yè)的貸款為D看做執(zhí)行價(jià)格，初始投資為期權(quán)費(fèi)S。由于受到市場(chǎng)及各方面因素影響企業(yè)資產(chǎn)價(jià)值V不斷變化，

24、當(dāng)VV1<D時(shí)，企業(yè)違約，債權(quán)方銀行只能得到V1,企業(yè)股東最多只會(huì)損失S；當(dāng)VV2>D時(shí)，企業(yè)將會(huì)償還貸款，企業(yè)股東獲得V2-D的剩余利益，且股東的收益將隨著企業(yè)資產(chǎn)市值的增多而增加。3.2.1 模型假設(shè)（1）滿足期權(quán)定價(jià)模型的基本假設(shè)；（2）當(dāng)債務(wù)人資產(chǎn)的市場(chǎng)價(jià)值大于貸款時(shí)，債務(wù)人將償還貸款，反之會(huì)選擇違約；（3）債務(wù)人資產(chǎn)價(jià)值服從幾何布朗運(yùn)動(dòng)，債務(wù)人收益服從正態(tài)分布；（4）債務(wù)人資本只包括所有者權(quán)益，短期債務(wù)、長(zhǎng)期債務(wù)可轉(zhuǎn)化優(yōu)先股。3.2.2 求解步驟（1）計(jì)算公司資產(chǎn)價(jià)值VA和資產(chǎn)價(jià)值波動(dòng)率A由B-S期權(quán)定價(jià)模型，可以得到債務(wù)到期日資產(chǎn)價(jià)值和股權(quán)價(jià)值之間的關(guān)系：其中VE 表示

25、公司股權(quán)的市場(chǎng)價(jià)值，VA表示公司的資產(chǎn)價(jià)值，E表示股權(quán)價(jià)值波動(dòng)率，A表示資產(chǎn)價(jià)值波動(dòng)率，D表示負(fù)債，t表示債務(wù)到期時(shí)間，以下的實(shí)證中假設(shè)t=1，r表示市場(chǎng)無(wú)風(fēng)險(xiǎn)利率，本文采用中國(guó)人民銀行制定的一年期定期存款利息率來(lái)估計(jì)r。N(d)為標(biāo)準(zhǔn)正態(tài)累計(jì)概率函數(shù)。根據(jù)式（1），（4）可計(jì)算出VA和A（2）計(jì)算違約點(diǎn)DP和違約距離DD根據(jù)對(duì)KMV模型的多次分析驗(yàn)證，發(fā)現(xiàn)違約最頻繁的臨界點(diǎn)是： DP=CL+0.5LL （5）其中CL和LL分別表示流動(dòng)負(fù)債和長(zhǎng)期負(fù)債。當(dāng)違約距離DD越小時(shí)，表明公司違約概率越大，反之，則越小。4 基于KMV模型的我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)度量實(shí)證研究KMV模型由于數(shù)據(jù)獲取相對(duì)容易，計(jì)

26、算操作簡(jiǎn)便，通過(guò)對(duì)KMV模型的實(shí)證研究，發(fā)現(xiàn)其違約距離可以很好的度量出上市公司信用狀況的好壞，進(jìn)而對(duì)銀行業(yè)的信用風(fēng)險(xiǎn)的管理起到了很好的指導(dǎo)作用，比較適用于我國(guó)現(xiàn)階段的信用風(fēng)險(xiǎn)量化管理水平，實(shí)用性強(qiáng)，雖然模型還不能全面應(yīng)用于我國(guó)銀行業(yè)的信用風(fēng)險(xiǎn)度量，但在我國(guó)銀行業(yè)信用風(fēng)險(xiǎn)度量中也具有很好的適用性。 4.1 樣本選取根據(jù)上市規(guī)則：最近兩個(gè)會(huì)計(jì)年度的審計(jì)結(jié)果顯示的凈利潤(rùn)均為負(fù)值，每股凈資產(chǎn)低于股票面值或連續(xù)兩個(gè)會(huì)計(jì)年度虧損的上市公司將被特別處理，即被ST處理。如果公司未來(lái)一年繼續(xù)虧損，公司股票將被暫停上市交易，最終可能被終止其公司股票上市交易13。相較而言，ST公司比一般正常的上市公司具有較高的信用

27、風(fēng)險(xiǎn)。因此，本文選擇ST公司和非ST公司作為樣本對(duì)比組。截止到2014年底，在我國(guó)境內(nèi)上市的2605家上市公司中選取10家ST上市公司(剔除數(shù)據(jù)不全)作為ST樣本組，并選出10家與之配對(duì)的非ST公司樣本組，共20家上市公司為研究對(duì)象?？紤]到樣本公司之間的可比性并且能夠最大限度避免交易場(chǎng)所、行業(yè)及規(guī)模對(duì)實(shí)證結(jié)論的干擾，配對(duì)非ST公司主要依據(jù)以下三個(gè)條件：(1)與配對(duì)ST公司同屬一個(gè)行業(yè)；(2)與配對(duì)ST公司同在一個(gè)證券交易所；(3)與配對(duì)ST公司具有相近的總資產(chǎn)規(guī)模。所選取的上市公司均為只發(fā)行A股的企業(yè)，并且在2014年底前完成股改。以下為所選取的兩個(gè)樣本組：表2：配對(duì)樣本公司行業(yè)股票代碼名稱股

28、票代碼名稱信息技術(shù)業(yè)000008.SZ*ST寶投000021.SZ長(zhǎng)城開(kāi)發(fā)制造業(yè)000048.SZ*ST康達(dá)000729.SZ燕京啤酒制造業(yè)000100.SZ*STTCL000823.SZ超聲電子制造業(yè)000605.SZ*ST四環(huán)000989.SZ九芝堂電力煤氣及水的生產(chǎn)和供應(yīng)000692.SZ*ST惠天000899.SZ贛能股份農(nóng)業(yè)牧漁000735.SZ*ST羅牛000998.SZ隆平高科制造業(yè)000920.SZ*ST匯通000800.SZ一汽轎車制造業(yè)600080.SH*ST金花600636.SH三愛(ài)富批發(fā)與零售業(yè)600084.SH*ST新天600655.SH豫園商城信息技術(shù)業(yè)600198

29、.SH*ST大唐600271.SH航天信息研究基準(zhǔn)日為2014年12月28日這一天的以上兩組樣本上市公司的信用風(fēng)險(xiǎn)狀況，并進(jìn)行評(píng)估。本文采用以上兩組上市公司2014年公開(kāi)的年報(bào)的財(cái)務(wù)數(shù)據(jù)和來(lái)自上海證券交易所、深圳證券交易所的每日交易價(jià)格信息作為市場(chǎng)數(shù)據(jù)。4.2 模型的計(jì)算過(guò)程及結(jié)果4.2.1 參數(shù)假定如上文所訴，由于我國(guó)利率沒(méi)有自由化，本文中市場(chǎng)無(wú)風(fēng)險(xiǎn)利率r選取為一年期銀行定期存款利率2.75% 最為替代；假定股票價(jià)格服從對(duì)數(shù)正態(tài)分布，則股票日收益率為：n=ln(Sn+1/Sn), （7）其中，Sn表示第n天股票的收盤價(jià)格。 （8）將兩樣本組各股票價(jià)格數(shù)據(jù)代入上式，可得出各股日收益波動(dòng)率。日收

30、益波動(dòng)率與年收益波動(dòng)率的關(guān)系如下（2014年一年的交易天數(shù)為242天）： （9）4.2.2 計(jì)算股權(quán)價(jià)值波動(dòng)率計(jì)算出股票日收益率(2014年8月6日至12月26日)后，在Excel中，利用STDEVP函數(shù)，算出股票價(jià)值的波動(dòng)率，如下表所示。表3：樣本公司股票價(jià)值的波動(dòng)率股票代碼波動(dòng)率股票代碼波動(dòng)率000008.SZ0.380000021.SZ0.337000048.SZ0.397000729.SZ0.378000100.SZ0.402000823.SZ0.463000605.SZ0.557000989.SZ0.324000692.SZ0.347000899.SZ0.367000735.SZ0.

31、393000998.SZ0.369000920.SZ0.452000800.SZ0.317600080.SH0.338600636.SH0.338600084.SH0.276600655.SH0.258600198.SH0.572600271.SH0.4184.2.3 估計(jì)企業(yè)的資產(chǎn)價(jià)值和其資產(chǎn)價(jià)值的波動(dòng)性根據(jù)上文所求出的股票波動(dòng)率，先算出違約點(diǎn)(DPT，即D值)和公司股權(quán)價(jià)值VE ()，再利用公式(1)和(4)運(yùn)用多微分?jǐn)?shù)插值解法求解二元非線性方程組就可以求得公司資產(chǎn)價(jià)值VA和資產(chǎn)價(jià)值波動(dòng)率A。計(jì)算過(guò)程借助數(shù)學(xué)軟件Matlab進(jìn)行的，計(jì)算的程序見(jiàn)附錄1，計(jì)算結(jié)果如下表所示。表4：樣本公司的資

32、產(chǎn)價(jià)值和資產(chǎn)價(jià)值波動(dòng)率股票代碼VE DVAA股票代碼VE DVAA000008.SZ26432.633.6720.421000021.SZ0.7742.9360.8940.280000048.SZ9.6732.530.1890.265000729.SZ0.8532.03481.6510.253000100.SZ0.8792.4862.4620.127000823.SZ0.1062.4340.3660.164000605.SZ0.0621.8236.7430.382000989.SZ0.1922.1010.1650.302000692.SZ7.9543.0270.1750.149000899.S

33、Z0.1592.9780.2770.269000735.SZ0.9533.3870.2660.267000998.SZ0.0862.72202540.176000920.SZ0.4842.3630.8320.385000800.SZ0.4733.1340.8640.229600080.SH0.0861.8690.1950.143600636.SH0.1952.5550.2760.225600084.SH0.2861.6480.5810.193600655.SH0.4772.5970.6210.197600198.SH0.3671.8590.6820.315600271.SH0.2412.890

34、09920.2814.2.4 計(jì)算違約距離在計(jì)算出以上結(jié)果之后，利用公式（6）計(jì)算樣兩組樣本公司的違約距離。結(jié)果如下表。表5：樣本公司的違約距離股票代碼ST*違約距離股票代碼非ST*違約距離000008.SZ1.186000021.SZ2.392000048.SZ1.921000729.SZ1.891000100.SZ2.367000823.SZ1.660000605.SZ1.136000989.SZ1.489000692.SZ1.765000899.SZ1.839000735.SZ1.831000998.SZ1.869000920.SZ1.479000800.SZ1.952600080.SH

35、1.741600636.SH2.009600084.SH1.360600655.SH1.839600198.SH0.579600271.SH1.8694.3 實(shí)證結(jié)果及分析根據(jù)表結(jié)果繪制出兩樣本組（ST和非ST）的違約距離折線圖。如圖1：圖1：ST公司和非ST公司違約距離折線圖通過(guò)分析模型應(yīng)用結(jié)果和以上折線圖可知：(1)與根據(jù)經(jīng)驗(yàn)分析的結(jié)果基本一致，模型對(duì)非ST公司和ST公司的信用風(fēng)險(xiǎn)有較強(qiáng)的識(shí)別能力。(2)公司的股票價(jià)值普遍低于其資產(chǎn)價(jià)值，且股票市值對(duì)公司資產(chǎn)價(jià)值影響較大。(3)違約距離作為區(qū)別兩樣本組違約風(fēng)險(xiǎn)的度量指標(biāo)，數(shù)值越小其違約率越大，反之則越小。從上圖可以看出，非ST公司違約距離的

36、均值為1.8809，ST公司違約距離的均值為15365，違約距離均值中也能體現(xiàn)出非ST公司與ST公司在違約距離上的區(qū)別，這說(shuō)明違約距離在一定程度上反映了目前我國(guó)上市公司真實(shí)的信用狀況。5 結(jié)論及建議5.1 研究結(jié)論本文，首先介紹了我國(guó)商業(yè)銀行所面臨的信用風(fēng)險(xiǎn)問(wèn)題，以及國(guó)際上的發(fā)展進(jìn)程，確定了KMV模型等風(fēng)險(xiǎn)管理方法的迫切需求；通過(guò)回顧信用風(fēng)險(xiǎn)度量的發(fā)展歷程，將信用風(fēng)險(xiǎn)度量模型劃分為古典度量模式和現(xiàn)代度量模式兩類；隨后簡(jiǎn)單介紹了幾種比較有代表性的古典信用風(fēng)險(xiǎn)度量模型和現(xiàn)代信用風(fēng)險(xiǎn)度量模型，并對(duì)四種現(xiàn)代信用風(fēng)險(xiǎn)度量模型進(jìn)行了比較；然后在滬深兩市中的上市公司選取股改后的20家上市公司，接著對(duì)KMV模

37、型在我國(guó)銀行業(yè)的應(yīng)用進(jìn)行實(shí)證分析，得出結(jié)論，我國(guó)上市公司信用狀況可以在違約距離上的到較好體現(xiàn)。通過(guò)上述定性和定量的分析分析，以及解決了股權(quán)分置的問(wèn)題使得股價(jià)能夠反映上市公司股權(quán)價(jià)值，可以說(shuō)KMV模型在中國(guó)證券市場(chǎng)適用條件進(jìn)一步成熟了，使得用KMV模型來(lái)評(píng)價(jià)我國(guó)上市公司信用風(fēng)險(xiǎn)的效果具有了可瞻性，我們完全有理由相信，隨著KMV模型的不斷修正完善、證券市場(chǎng)違約數(shù)據(jù)的不斷充實(shí)，KMV模型最終將會(huì)在商業(yè)銀行對(duì)上市公司風(fēng)險(xiǎn)管理中得到廣泛的應(yīng)用。5.2 KMV模型的應(yīng)用建議根據(jù)上文對(duì)KMV模型在理論研究和實(shí)證分析，該模型對(duì)信用風(fēng)險(xiǎn)量化度量的有著得天獨(dú)厚的優(yōu)勢(shì)。通過(guò)KMV模型適用性分析，定性且定量地得出KM

38、V模型在我國(guó)資本市場(chǎng)上具有一定的適用性。隨著證券市場(chǎng)的逐步成熟和完善，以及企業(yè)數(shù)據(jù)庫(kù)建設(shè)和信息公開(kāi)披露制度的健全，KMV模型在我國(guó)必定具有廣闊的應(yīng)用前景。為使KMV模型在我國(guó)能夠廣泛應(yīng)用，建議如下：(1)提高證券市場(chǎng)的有效性在運(yùn)用KMV模型來(lái)計(jì)算違約概率時(shí)需要大量來(lái)自公司年報(bào)的數(shù)據(jù)，因此數(shù)據(jù)的可靠性及完整性對(duì)于計(jì)算的結(jié)果至關(guān)重要。正因?yàn)镵MV模型對(duì)于數(shù)據(jù)的要求，證券市場(chǎng)的有效性才體現(xiàn)的尤為重要，因?yàn)橹挥猩鲜泄炯皶r(shí)、真實(shí)、可靠地進(jìn)行信息公布，KMV模型的計(jì)算結(jié)果才能真實(shí)的反應(yīng)上市公司的信用狀況。 (2)完善相關(guān)的法律法規(guī)配合證券監(jiān)管體制的要求，建立和完善相關(guān)的法律法規(guī)，對(duì)違約操作及欺騙誤導(dǎo)投資

39、者的上市公司，不但進(jìn)行經(jīng)濟(jì)處罰，還要其承擔(dān)相應(yīng)的法律責(zé)任，這樣有利于上市公司管理者的重視，起到威懾作用。(3)加快建立信用數(shù)據(jù)庫(kù)：鑒于龐大數(shù)量的上市企業(yè)，及對(duì)這些企業(yè)數(shù)據(jù)的要求，建立信用數(shù)據(jù)庫(kù)成為必不可少的一環(huán)，只有在強(qiáng)大的數(shù)據(jù)支撐下，才能有效的對(duì)信用風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)及監(jiān)控。投資者將可以自主估算投資風(fēng)險(xiǎn)，有效的降低了投資成本。(4)加快建立信用預(yù)警系統(tǒng)在建立信用數(shù)據(jù)庫(kù)之后，通過(guò)觀察和統(tǒng)計(jì)，可以得出出上市公司信用風(fēng)險(xiǎn)大小并找出其違約行為發(fā)生之間的關(guān)系，找到同一行業(yè)的信用風(fēng)險(xiǎn)臨界值，并根據(jù)這些臨界值建立行業(yè)信用風(fēng)險(xiǎn)預(yù)警系統(tǒng)，及時(shí)提醒投資者?？傊?，KMV模型在我國(guó)的應(yīng)用已具備了成熟的條件，特別是當(dāng)前違約

40、數(shù)據(jù)缺乏的情況下，銀行可以分析上市公司違約距離與他們信用等級(jí)評(píng)估值之間的關(guān)系，建立兩者之間的轉(zhuǎn)換關(guān)系式。為使KMV模型能夠更加的本土化，適應(yīng)我國(guó)的基本情況，相關(guān)部門應(yīng)加強(qiáng)對(duì)數(shù)據(jù)收集等基礎(chǔ)工作。參考文獻(xiàn)1John Andrew McquownA comment on market VSAccountingbased measures of default riskJMoodys KMV Corporation19932Mark Carey,Mark HryeayParameterizing credit risk models with rating dataJJournalof Banking and Finance200125：1 97270_3Roger MSteinBenchmarking Default Prediction Models：Pitfalls and Remedies inModel ValidationJMoodys lCorporation2002(7)4Matthew Kurbat,Irina KorablevMethodology for Testing the Level of the EDF Cred