基于KMV模型的我国上市商业银行信用风险度量研究

基于KMV模型的我国上市商业银行信用风险度量研究摘要：信用风险会导致银行破产，会引发金融危机，甚至会导致全球经济动荡不安，因而信用风险是目前商业银行等金融机构所面临的最重要的风险。本文首先分析信用风险度量方法和模型的优缺点以及在我国金融市场上的适用性，最终选取KMV模型来对我国商业银行的信用风险进行实证研究。选取国内8家上市银行2012-2014年财务数据以及在沪深交易所中的交易数据，用MATLAB软件求出它们的违约距离和预期违约率。实证结果表明，国有商业银行的信用状况相比一般大型股份制商业银行而言要好。关键词：信用风险；KMV模型；违约距离；预期违约率TheStudyofChina’sListedCommercialBank’sCreditRiskMeasurementBasedonKMVModelAbstract:Asthemostimportantoftheoldestformsofriskinfinancialmarkets,creditrisknotonlywillleadtobankruptcyofbanks,butalsodirectlycausefinancialcrisis,evenresultinstabilityoftheglobaleconomy.Thispaperanalyzestheadvantagesanddisadvantagesofcreditriskmeasurementmethodsandmodelsandtheapplicabilityofthefinancialmarketinthecountry.Finally,IchooseKMVmodelfortheempiricalresearchofChina'scommercialbankscreditrisk.SelectingfinancialdataandtransactiondataintheShanghaiandShenzhenStockExchangein2012-2014fromeightlistedbanks,usingMATLABsoftwaretoobtaintheirdistancetodefaultandexpecteddefaultrates.Theempiricalresultsshowthatthecreditsituationofstate-ownedholdingbankisgenerallybettercomparedtolarge-scalejoint-stockcommercialbanks.Keywords:CreditRisk;KMVModel;DistancetoDefault;ExpectedDefaultRates一、引言（一）选题背景和意义1．选题背景商业银行在发展演进的过程中，面临着越来越多的风险，如信用风险、市场风险、法律风险、清算风险、操作风险、信誉风险等。无可置疑，信用风险是目前我国商业银行面临的最严重的风险。信用风险的发生不仅仅会导致银行破产，还会引起金融危机，甚至会导致全球经济动荡不安。上世纪80年代发达国家存款机构的倒闭、90年代巴林银行、大和银行等金融机构沦陷危机、2007年4月从美国开始的次贷危机以及2009年12月从希腊主权评级下调开始的欧债危机，毫无疑问都导致了实体经济的衰退，而幕后的黑手就是商业银行经营活动中所面临的信用风险。从我国商业银行的角度来看，信贷风险是信用风险中最主要的风险。我国商业银行大部分的资产都是企业的贷款，银行和企业息息相关、密不可分。截至2014年底，我国商业银行按照贷款五级分类 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 而言，不良贷款余额是8426亿元，不良贷款率是1.25%，比2014年年初增长了0.25个百分点。由此可以看出，信用风险在我国的发展形势还不容乐观、相当严峻。因此，对信用风险进行研究，建立相关的信用风险度量模型去分析目前所面临的信用风险，并采取相对有效措施去防范信用风险，以此来提高商业银行的经营管理水平，实现利益最大化。2．选题意义（1）理论意义传统的信用风险度量方法，如专家评分法中的5C法、Z评分模型以及信用评级法等，不仅简单而且粗糙，预测效果比较差，容易犯第二类错误，越来越不能顺利解决当今社会频出的问题，也无法满足商业银行对风险量化的需求。与国外发达国家的商业银行相比，我国商业银行在信用风险量化上存在的差距比较明显。新的信用工具的创新以及金融理论的深入发展，为我国新的金融风险计量模型的发展提供了更广的空间，这就要求我国商业银行不仅要广泛吸收西方优秀的信用风险管理理论，同时还要学习西方成熟的管理经验，再结合我国具体情况，商业银行应加强对信用风险进行管理研究。第一，有助于丰富我国信用风险量化管理方面的理论成果，为我国金融体制改革以及金融市场的发展提供强有力的参考；第二，有利于规范我国经济发展中的信用制度；第三，适应市场经济的健康发展的需要，实现资源的优化合理配置。（2）实际意义自1978年实行改革开放政策以来，我国对外开放的程度不断加深，并且随着2001年我国加入WTO后，对外开放更是全面升级。我国金融市场也已经实现了全面的对外开放，外资银行如花旗、恒丰、大华等不断涌入我国市场，抢占我国资源，竞争日趋激烈，形势更加严峻。想要在这样激烈的竞争中争得一席之地，就要求我国商业银行必须积极主动地学习吸收国外先进的信用风险量化管理经验以及量化技术，同时结合我国具体情况，实现自主创新。这样才有利于提高我国商业银行抵抗风险的能力以及在提升我国在国际舞台上的竞争力。金融体制改革也对商业银行信用风险量化提出了更高的要求。四大国有银行（工、农、中、建）相继在内地或者香港上市，打破了我国沿袭了多年的单一国有控股的产权结构，并且这些商业银行全部的经营活动都要以实现股东财富最大化为根本目标，由此给商业银行的风险防范提出更高的要求。因此，我国的商业银行应该借鉴国外大银行的信用风险量化管理模式，并遵守新巴塞尔 协议 离婚协议模板下载合伙人协议 下载渠道分销协议免费下载敬业协议下载授课协议下载 的有关要求从而建立一套与我国实际相符合的并同国际接轨的现代型的商业银行信用风险管理系统，这样才能促进我国金融市场健康稳定地发展。（二）研究内容与方法本文首先分析了信用风险度量方法和模型的优缺点以及在我国金融市场上的适用性，最终选取KMV模型来对商业银行信用风险进行实证研究。本文的基本框架是：第一章介绍选题的背景及意义。第二章介绍国内外对信用风险度量管理的研究现状。第三章分析信用风险度量方法和模型的优缺点并分析其在我国金融市场上的适用性。第四章选取了国内8家上市商业银行数据并运用KMV模型对我国商业银行的信用风险进行了实证分析。第五章为结论和建议。本文主要运用实证研究的方法，并结合MATLAB软件，选取上市银行财务数据以及沪深交易所中股票数据，选取KMV模型对我国商业银行的信用风险问题进行了研究分析。二、国内外文献综述信用风险作为金融市场中最重要、最古老的风险形式，不仅仅会导致银行破产，还会直接导致金融危机，甚至引起全球经济的动荡。因此，信用风险的度量和管理变得尤为重要。（一）国外研究现状国外学者对信用风险度量的研究比我国早一百多年，最初是由国际著名评级公司穆迪开始对铁路债券进行评级，将公司发行的债券予以Aaa至C等不同等级，以此来区分该债券信用品质的高低，由此揭开了信用风险度量技术研究的序幕。上世纪50年代开始，相继出现了5C模型、LAPP法、SWOT分析模型、Chesser信用评分模型、Z-计分模型、Logit模型等研究信用风险的度量方法和模型。AltmanEIandAnthonySaunders(1998)在评级对象的财务比例中引入多元统计方法，并运用Z评分模型（Z-scoremodel）计算出分值来预测企业未来是否违约，并讨论了过去20年间信用风险管理的发展演变情况。20世纪90年代以后，银行竞争的激烈以及金融机构资产的多样化促进了现代信用风险度量方法的进一步发展。主要包括：J.PMorgan(1997)年建立的以VaR为基础的CreditMetrics模型，KMV公司建立的以期权理论为基础的KMV模型，麦肯锡公司建立的以宏观模拟为基础的CreditPortfolioView模型和瑞士信贷银行建立的以保险精算方法为基础的CreditRisk+模型。国外许多学者都结合现代的金融理论以及一些风险量化的技术方法对这些模型进行了深入的研究。美联储委员会的MichaelB.（2000）对CreditMetrics和CreditRisk+进行比较剖析，结果表明两种模型虽然在表面上有所不同，但其基本的数学结构是一样的。CrouthyandMark(2000)比较了KMV模型、CreditRisk+模型、CreditMetrics模型和CreditPortfolioView四种模型对涉及13种货币的1800种债券的度量结果，结论是：计算出来的VAR的最大估计值仅比最小估计值高了50%左右。通过对上述国外文献的研究分析，可以看出：在信用风险度量方面，无论是理论研究还是实践方面，国外发展都比较迅速，许许多多的信用风险度量模型已经是现代商业银行风险管理中不可或缺的部分。（二）国内研究现状同国外信用风险度量模型以及应用的研究相比，目前我国商业银行和金融市场都正处于初级发展的阶段，信用风险方面的度量及管理方面的研究和运用也相对滞后。随着我国金融市场的全面开放以及金融体制改革步伐的不断加快，我国学术界对信用风险度量的关注也逐渐增多。许多学者将西方先进的与信用风险管理有关的模型引入到我国，并对这模型进行了一系列的探索和研究，选取了我国相应的数据加以分析，由此来判定模型的适用性，并提出了与模型相关的改进建议，借以期望这些模型能够更适合我国目前的经济和金融状况。传统的信用风险度量方法有许多，如5C模型、Z计分模型、Logit模型等。万海晖、王春峰和张维（1998）运用多元判别法对55个 样本 保单样本pdf木马病毒样本下载上虞风机样本下载直线导轨样本下载电脑病毒样本下载 的违约风险情况进行了分析，认为总体而言判别正确率达到了90%。李卫兵、胡红菊（2010）也随机抽取了20家公司并用其财务数据对Z评分模型进行了实证研究分析，对计算结果进行分析后，认为Z评分模型在我国有一定的适用性。传统的信用风险度量模型对我国信用风险的研究有过一定作用的，但是随着金融竞争的加剧、金融资产多样化的发展，传统的信用风险度量方法弊端越来越明显，对信用风险的度量越来越力不从心，准确率有待提高。张宗益、朱小宗、耿华单等（2005）一开始就介绍了传统的信用风险度量模型的一些分析方法，接下来测算了每个模型的预测结果，发现几乎所有的模型的预测效果都比较差，尤其是犯第二类错误的概率比较高，并通过实证研究说明它们在分析我国商业银行贷款违约率这个方面的适用性不是很强。由此可以看出，传统的关于信用风险度量的方法在我国适用性较差，现代信用风险度量模型呼之欲出。传统的信用风险度量方法更加注重定性分析，度量模式相对比较单一，已经难以适应如今社会频繁出现的新问题以及新情况，更加不能满足商业银行对信用风险施行科学量化以及有效管理的需求。然而，当今金融理论的不断发展、新的信用工具的不断创新，使得新的金融风险计量模型的开发成为了可能。我国学者也不断将国外先进的信用风险度量模型引入到我国，并对此进行深入的探索和研究，同时提出一些改进意见和建议。李兴法、王庆石（2006）不仅详细介绍了起源于莫顿公司期权定价公式的CreditMetrics模型，还通过选取数据建立CreditMetrics模型进行实证研究，得出结论：CreditMetrics模型对我国商业银行的信用风险管理工作具有重要的借鉴意义。刘迎春（2012）对224笔贷款中的非预期损失利用CreditRisk+模型进行计算，最后发现：CreditRisk+模型能够非常有效地对信贷组合中的非预期损失进行计量并且能使我国商业银行采取措施来提高其经济资本管理的效率。邹彬（2014）将修正后的KMV模型同我国实际结合，选择24家上市公司数据进行分析，结果表明，修正后的KMV模型能够更好地预测信用风险的变化。李建华、韩岗、韩晓普（2008）认为在CreditportfolioView模型中，关于转移矩阵的信用等级违约率不仅仅受宏观经济因素的影响，还受行业因素、地区因素和规模因素等因素的影响，这一系列的因素使得某些企业在同一个信用等级下的与之有关的历史违约率会出现差异。总体而言，国内外学者均对商业银行的信用风险度量模型做了大量的研究，国外学者大多偏重于理论上的研究，而国内学者大多结合我国实际情况，对模型进行修正，采用有关数据做实证研究。无论怎样，通过这些优秀的文献，我们不仅可以了解到我国信用风险管理的现状，还学会了很多实用的模型，如：CreditMetrics，CreditRisk+，CreditportfolioView等，并将其运用到实证研究中，解决了金融风险度量中的有关问题，为信用风险的防范作出了很大的贡献。三、商业银行的信用风险度量方法和模型（一）传统信用风险度量的方法1909年，世界著名评级公司穆迪（Moody’s）的创始人JohnMoody在其出版的《铁路投资分析年刊》中首次对铁路债券进行了评级，由此拉开了信用风险度量方法研究的序幕。上世纪50年代开始，陆续出现了5C模型、LAPP法、SWOT分析模型、Chesser信用评分模型、Z-计分模型、Probit模型等方法和模型。下面详细介绍其中几种经常使用的模型。1．5C模型5C模型是专家评分法中最典型的一个模型，也是商业银行在评价客户信用时使用频繁的一个模型，它从品格（Character）、能力（Capacity）、资本（Capital）、担保品（Collateral）以及环境（Condition）五个方面综合评价借款人的信用，由于英语中均由字母“C”开头，因而取名5C模型。但是与该模型没有完全的评价标准，仅仅是根据专家的经验以及其专业水平来进行判定，主观性比较较强，缺乏足够的说服力。2．贷款风险的五级分类法贷款风险的五级分类法出现，使得“一逾两呆”的期限分类法逐渐淡出我们的视线关注范围。我国现行的贷款五级分类法把信贷资产分为正常、关注、次级、可疑和损失五类，其核心是判断借款人在某一期限内还款的可能性有多大，主要是从借款人的财务状况、非财务状况、信用情况以及现金流状况等进行综合分析。同5C模型一样，这种方法也带有很强的主观色彩，加之非财务状况以及信用情况很难用具体数字来表示，难免会出现失真的情况，准确率有待提高。3．Z-计分模型Z-计分模型是Altman等于1968年在研究公司破产风险的情况下提出来的，他们采用资产报酬率、利息保障倍数、收入的稳定性、盈利积累、资本化率、流动比率以及规模7个指标来分别表示企业目前的盈利性、利息的保障、长期盈利性、收益的风险、流动性和规模等特征，并对若干组企业进行研究，最终得出如下的Z-计分模型：上式中，=营运资本/总资产；=留存收益/总资产；=资产报酬率；=权益市场值/总债务的账面值；=销售收入/总资产。若Z2.675，则属于破产组，公司违约的可能性较大；若Z>2.675,则属于非破产组，公司违约可能性不大。由于Z-计分模型严重依赖 财务报表 财务报表免费下载29财务报表附注模板下载小企业财务报表下载关于企业财务报表分析excel财务报表下载 中的财务数据，对财务报表之外的情况采用相对较少，预测出来的结果的可靠性和及时性都不太令人满意，结果预测的准确性也将会大大地降低。Logit模型对中间区域的差别敏感性比较强，由此导致判别结构的稳定性比较差；神经网络模型缺乏统一的数学理论基础，学习周期相对比较长；Probit模型计算过程比较复杂……总之，传统的信用风险度量方法简单而且粗糙，预测效果比较差，容易犯第二类错误，越来越不能顺利解决当今社会频出的问题，也不能满足商业银行风险量化的需求，现代的信用风险度量模型呼之欲出。（二）现代的信用风险度量模型及其比较现代的信用风险度量模型主要包括：J.PMorgan(1997)基于VaR建立的CreditMetrics模型，KMV公司基于期权理论建立的KMV模型，麦肯锡公司基于宏观模拟建立的CreditPortfolioView模型以及瑞士信贷银行基于保险精算方法建立的CreditRisk+模型。1.信用度量制模型（CreditMetrics）CreditMetrics模型是1997年4月由J.P摩根、KMV公司以及瑞士联合银行等金融机构合作开发的度量组合价值及其信用风险的模型。该模型是通过选取历史数据来构造信用转移矩阵，并计算该贷款违约时的回收率，由此得到其价值波动率，最后用VaR的方法来计算该贷款的风险暴露情况。其核心思想是：信贷资产价值的变化不仅受违约事件还受信贷资产质量变化的影响。CreditMetrics模型对信用风险的计算包括单笔贷款的计算和整个贷款组合的计算。其中单笔贷款的计算过程如下：（1）信用转移矩阵的确定，一般采用全球著名评级公司如标普、穆迪等的信用转移矩阵；（2）通过信用价差和无风险利率来计算贷款的价值。（3）根据上一步骤中所计算出来的贷款价值求解该贷款的风险价值。贷款组合的信用风险计算如下：将贷款组合的联合信用等级转换概率和新的贷款组合联合贷款的价值量矩阵不断进行扩展，最终求解出贷款组合的均值和标准差。CreditMetrics模型的优点：第一次将VaR方法运用在信用风险的量化上，使用期望和标准差来度量信贷资产在给定置信水平下的风险价值；引用了边际风险贡献这一概念，由此可以看出单个资产在组合风险中所起的作用；有利于我国的商业银行更加有效地使用经济资本。缺点：（1）只考虑了信用状态改变所带来的损失，而忽视市场风险以及潜在经济环境的改变也会影响信用风险这一事实；（2）假定处于同一个评级中的企业会拥有相同的信用转移概率，没有考虑到行业因素、国家因素或者经济周期对其的影响；（3）假定资产收益服从正态分布，与实际情况不相符，因而可能导致估计不精确。2.信用风险附加模型（CreditRisk+）CreditRisk+模型是由瑞士信贷银行金融产品部（CSFP）于1997年开发的信贷风险管理系统，是采用保险精算的方法来求解债券或者整个贷款组合损失分布的一种违约模型。只考虑债务是不是违约，认为违约风险与企业的资本结构没有任何关系，并假设违约概率近似服从Poisson分布。瑞士信贷银行公布技术文档指出，CreditRisk+模型主要包括违约文件个数的分布、违约敞口、违约损失分布。CreditRisk+模型的计算步骤：(1)贷款分级。将资产组合中的贷款分成若干段，把每一段都看作一个独立的风险敞口组合；（2）函数求解。每一段按照违约概率服从Poisson分布的假设从而求解得到相应的概率生成函数；（3）信用资产组合中违约率的计算；（4）在一定置信水平下，资产组合的损失量的计算。CreditRisk+模型的优点：该模型所需要的数据相对较少，只需要违约率和风险暴露这两个值；由于已经计算得出了组合价值损失的分布函数，那么对贷款损失的计算就相对比较简单了。缺点：（1）没有考虑市场风险，并且假设与债务人资本结构没有关系，这与实际不相符，有出入；（2）忽略了信用等级变化的一些情况，该模型在计算过程中假设信用风险暴露固定不变，但这与实际不符，信用风险暴露并不是一成不变的；（3）不能够运用到非线性的金融产品之中，有固有缺陷。3.KMV模型KMV模型是美国KMV公司在默顿的期权定价公式的基础上研究开发出来的用来估计企业违约率的一种方法。其基本原理：公司的破产概率是由公司资产相对于短期负债的价值以及股票市值的波动决定的。当公司资产的价值低于其短期负债的价值时，公司有违约的可能性。KMV模型的计算步骤：（1）计算公司的资产价值及其波动率，采用BS期权定价公式和股价服从伊藤过程的公式联立方程组，即可求解；（2）根据公司的违约点（DefaultPoint）求出公司的违约距离（DistancetoDefault）；（3）从违约距离中测算出公司的预期违约概率（ExpectedDefaultRates）。KMV模型的优点：以上市公司的财务数据和股票市场中的交易数据为基础，包含的信息量相对较大，测算出的违约率具有比较强的说服力；建立在默顿期权定价模型的基础上，理论基础比较强，容易被人接受。缺点：（1）只能用于上市公司，对非上市公司不适用，适用面相对较窄；（2）假定资产价值服从正态分布，与实际情况不符，出入较大；（3）忽视了信用等级的一些变化，预测出来的违约率适用范围将会变小。4.信用组合观点模型（CreditportfolioView）信用组合观点模型（CreditportfolioView，简称CPV模型）是由Mckinsey公司于1997年开发出来的。该模型是在CreditMetrics模型的基础上发展而来的，采用把宏观经济因素、违约概率以及信用等级联系起来的方法，将转移矩阵与宏观经济因素之间的关系用模型表示出来。并认为，当经济增强时，违约率以及信用等级转移概率都会减少；当经济疲软时，情况相反。该模型假定信用等级的迁移概率是随着时期变化的，不是一成不变的，受到经济周期、GDP增长速度、失业率、外汇汇率以及政府支出等的影响。CPV模型的计算步骤：（1）算出条件违约率；（2）计算违约概率，通过无条件违约率调整得到；（3）计算组合的损失分布。CPV模型的优点：全面考虑了宏观经济因素对信用等级的影响，并且对风险暴露采用盯市的方法，准确度相对较高，并且适用于多个国家、地区和行业。缺点：（1）过分注重宏观经济因素的影响，而忽略了微观经济因素对信用风险度量的影响；（2）数据查找相对比较复杂，涉及的面比较广，并且有些数据不容易获得，因此模型的运用会有局限性；（3）同CreditRisk+模型一样，不能运用到非线性的金融产品之中，有自身固有的缺陷。5.模型之间的比较以上所介绍的四种现代信用风险度量模型，均是目前国际上比较认可的，尽管它们对信用风险的度量都是很有效的，但它们之间也是有差异的，如下表：表1信用风险度量模型的比较现代信用风险度量模型CreditMetrics模型CreditRisk+模型KMV模型CreditportfolioView模型理论基础B-S-M理论保险精算理论B-S-M理论统计方法违约角度MTMDMDMMTM/DM风险定义市场价值变化违约损失违约损失市场价值变化风险驱动资产价值预期违约率资产价值宏观因素违约率估计信用评级法泊松分布法风险中性概率蒙特卡洛模拟转移概率不变无资产定价过程推动宏观因素影响注：表中DM表示违约模式（DefaultMode），MTM表示盯市模式（Market-to-Market）.四、我国商业银行信用风险的实证研究（一）模型的选择第三部分已经分析了信用风险度量的传统方法以及现代模型，但最终选择KMV模型来做实证研究，下面就分析KMV模型对于我国商业银行而言的适用性。信用评级。同国际著名的信用评级公司诸如标准普尔、穆迪公司等相比较，我国缺乏真正意义上独立的评级机构，都是一些依附于政府机关或者企事业单位的机构，因此对公司的信用评级缺乏客观性和一定的独立性，进而影响了结果的准确性。由表1中模型之间的比较可以看出，CreditMetrics模型和CreditportfolioView模型都会受信用矩阵中迁移概率影响，而信用矩阵迁移概率的计算需要大量的历史数据，这需要很长一段时间来收集或积累相关数据。而KMV模型是默顿期权定价模型基础上发展起来的，测算违约距离时所需要数据均可通过上市公司财务报表或者沪深交易所中获取，不仅仅保证了结果的相对公平，而且克服了我国独立的信用评级机构缺乏的问题。数据资料。CreditMetrics模型所需数据都是需要长期积累的，如企业的历史违约数据等，这些对于现阶段处于转轨经济时期的我国来说，获取相对还是比较困难的；CreditRisk+模型所需要数据虽然比较少，但是其参数估计的准确度很难把握；CreditportfolioView模型不仅仅需要历史违约数据，还需要一系列宏观经济数据，获取难度系数更大，且计算相对来说比较复杂；而KMV模型可以从上市公司财务报表以及沪深交易所中获取有关数据，相对数据资料的获取较容易，并且通过相应数学软件计算也相对简单。证券市场有效性。我国证券市场上上市公司比较多，并且证券市场的发展比较迅速，又经过了相对较长时间的股改，而KMV模型主要研究对象是上市公司，证券市场数据的有效性就使得该模型在信用风险度量中变得更加重要。（二）KMV模型的 计算方法 煤矿单位产值综合能耗的计算方法营养成分理论值计算方法电缆末端电压降计算方法初中24点计算方法与技巧答案24点计算方法与技巧下载 KMV模型，又称EDF（ExpectedDefaultFrequency）模型，是在默顿期权定价理论的基础上发展而来的，该模型把股权看做一个公司价值的看涨期权，其执行价格为公司负债总额。如果该公司负债到期的时候，而企业的资产价值比负债高，那么企业需要偿还债务；反之，则企业违约。该模型的核心是看借款企业的预期违约率EDF的大小，下面将具体介绍这种方法的计算步骤。1.估计企业资产价值及其波动率这两个数据都不能直接得到，但是根据BS公式，可以将企业的资产价值这样表示：（1）（2）（3）上式中，为企业资产的市场价值；为企业股权的市场价值；D为企业负债；r为无风险利率；t为债务到期的时间，N(d)为标准正态累积分布函数。由上式，我们可以得出资产市场价值与股权市场价值之间存在如下关系：（4）由股权价值波动率与资产价值波动率之间的关系，可以得出如下式子：（5）以上结论，都是基于以下两个假设：（1）资产价值服从对数正态分布；（2）资产收益率的波动相对比较稳定。2.违约距离和违约点的计算违约点，即企业的资产价值与负债相等的值。KMV公司经过大量实证研究发现：违约发生最多的临界点处在企业价值大约等于企业的流动负债再加上50%的长期负债时，即：DPT=STD+0.5LTD（6）上式中：STD为短期负债；LTD为长期负债。根据违约距离（DefaultDistance，DD）的定义，可以得出：（7）3.预期违约率EDF的计算违约距离和预期违约率之间存在负相关关系，即违约距离DD越大，那么企业发生违约的概率就越小，反之则越大。由此，许多学者已经推导出预期违约率的计算，即EDF=。（三）数据的选择和处理考虑到我国的实际情况，有些商业银行还没上市或者上市时间很短，数据比较缺乏，并且没有国际著名评级公司如穆迪或标准普尔公司的评级，本文选择在上海交易所上市的8家商业银行作为本次研究的对象，8家商业银行分别是工商银行、农业银行、中国银行、建设银行四家国有商业银行以及中信银行、招商银行、民生银行、浦发银行四家大型股份制银行。本次研究的时间为2012年1月1日到2014年12月31日，计算基准日是每年的12月31日。本次研究数据来自各家银行2012-2014年年报以及在上海证券交易所的每日交易价格信息（同花顺软件）。样本银行截至基准日的数据如下表所示：表22012年样本银行数据证券代码证券简称流通股（万股）非流通股（万股）基准日收盘价（元）每股净资（元）总负债D（万元）股票市值（万元）601398工商银行165005520404.153.2216413758006847729097601288农业银行31490235.23989176.472.82.31124929880090457656.29601988中国银行27914734.3302.922.95118190730081511024.24601939建设银行25001097.7504.63.771302328300115005049.7601998中信银行4678732.7104.294.2427568530020071763.33600036招商银行2521984.56013.759.2932076980034677287.7600016民生银行2836558.5207.865.7530434570022295349.97600000浦发银行1492277.71373069.439.929.5229660480018355015.86表32013年样本银行数据证券代码证券简称流通股（万股）非流通股（万股）基准日收盘价（元）每股净资（元）总负债D（万元）股票市值（万元）601398工商银行35138867.303.583.631763928900125797144.9601288农业银行31490235.23989176.472.482.6137175650080667642.19601988中国银行27936455.2402.623.31129128220073193512.73601939建设银行25001097.7504.144.261428888100103504544.7601998中信银行4678732.7103.874.8234104680018106695.59600036招商银行2521984.56010.8910.5337504430027464411.86600016民生银行2836628.2107.726.9730219230021898769.78600000浦发银行1492277.71373069.439.4310.9634728980018161019.76证券代码证券简称流通股（万股）非流通股（万股）基准日收盘价（元）每股净资（元）总负债D（万元）股票市值（万元）601398工商银行35349421.3804.874.331907264900172151682.1601288农业银行32380495.23989176.473.713.051494153300123148625.5601988中国银行28873114.804.153.71406795400119823426.4601939建设银行25001097.7506.734.971549176700168257387.9601998中信银行4678732.708.145.5538714690038084884.18600036招商银行2521984.56016.5912.4741467690041839723.85600016民生银行3415310.3010.887.0337673800037158576.06600000浦发银行1492277.71313019.4315.6913.1539326390027530042.77表42014年样本银行数据数据来源：同花顺（四）参数设定为了更好地对实证结果进行分析，我们对参数进行以下一些设定：（1）本文根据各上市公司2012-2104年度财务报表中的负债总额来估计负债面额D，由于财务报表中流动性负债和长期负债难以精确，故假设D=DPT；假设债务期限为1年，即t=1。（2）无风险利率采用2012-2014年中国人民银行对外公布的一年期整存整取利率，并假设资产收益率服从对数正态分布。（3）股权价值的确定。虽然8家样本银行均完成股改，但仍然有限售股的存在，本文为研究方便，股权价值的计算较为粗糙，即股权价值=流通股股数*基准日收盘价+非流通股股数*每股净资产。（4）股价波动率的确定。本文采用历史数据求解方差，进而求出每只证券的股价波动率。（五）实证过程及结果分析1.计算股价波动率本文选取样本银行的历史数据来求解方差，最终求出股价波动率。（1）首先根据同花顺软件找出样本银行2012-2014年的每日收盘价（复权后的），再根据公式求出相对收益率；（2）求解每日价格波动率，公式如下：；其中，；（3）求出年股价波动率，公式如下：，（其中n为每年的交易日个数）。根据以上步骤，我们可在excel软件中求出其股价波动率，如表5所示：表5样本银行股价波动率证券代码证券简称时间股价波动率601398工商银行20120.14727220130.16330820140.245669601288农业银行20120.13348320130.20711320140.269786601988中国银行20120.12420420130.18403520140.285796601939建设银行20120.15585320130.21912220140.294493601998中信银行20120.19933620130.33492720140.430702600036招商银行20120.21782420130.32740720140.264468600016民生银行20120.22299420130.39120820140.382915600000浦发银行20120.21250120130.46750020140.294537由表5数据可以看出，工、农、中、建四个国有商业银行以及中信银行在2012-2014年之间，股价波动率都在逐年增加，而招商、民生和浦发三个银行2013年的股价波动率都比较大，波动幅度也比较大，这与2013年国内外环境是分不开的，美国“财政悬崖”、欧债危机、国际大宗商品价格上涨、国内房产市场不景气等等都会对证券价格产生影响。其中，中信银行、民生银行2014年股价波动率相对较高，中信银行（601998）在北京举行2014年业绩发布会称中信银行集团不良贷款余额是284.54亿元，不良贷款率为1.30%，拨备覆盖率为181.26%，由此可以看出中信银行不良贷款率偏高，大量计提拨备覆盖率，也使得中信银行2014年的净利润增幅相对下降，这样就不难看出中信银行股价波动率过高了。民生银行（600016）股价波动率过高同该银行2014年的表现息息相关。行长的更替以及股东的变换，使得民生银行需要很长的时间调整适应；传统的优势业务shi小微金融所面临的压力逐步显示出来，新的业务还在开发培育中，这些均会对2014年民生银行的股价产生影响，外界评论称在该银行管理层没有稳定以及股东利益没有完全清理的情况下，民生银行的走势相比同行可能继续走弱。总之，股价波动很多都接近30%，有的甚至接近40%，这其实是一个比较高的数据，说明近些年我国上市商业银行股价波动大，受国际国内经济环境的影响比较大。2.计算资产价值、资产价值波动率、违约距离DD以及预期违约概率EDF。利用fsolve函数来求解KMV方程组，通过上一节KMV的计算方法中的公式，我们可以联立方程组求解出两个未知变量和。由于这两个未知变量和的数量级相差特别大，的数量级为千万、亿等，而取值范围一般是[0,10]，因而需要将标准化，引入参数EtD=E/D,将=代入KMV方程组，则方程应变为：由以上信息，根据MATLAB7.0可以求解出两个未知数。以工商银行为例，程序代码详见附录，计算结果如下：Optimizaionterminated:first-orderoptimalityislessthanoptions.TolFun.Va=2.0230e+009AssertTheta=0.0209DD=2.7377EDF=0.0031通过改变程序测试中的D、E以及，则可以求出不同样本银行的违约距离和预期违约率。计算结果如下表所示：表62012年样本银行的违约距离和预期违约率证券代码证券简称资产价值资产价值波动率违约距离DD预期违约率EDF均值601398工商银行1.4406e+0090.011956.74207.8090e-012DD=5.0114EDF=4.13863e-006601288农业银行1.3028e+0090.00934.43374.6310e-006601988中国银行1.2285e+0090.00824.60102.1024e-006601939建设银行1.3788e+0090.01304.26899.8211e-006601998中信银行2.8761e+0080.01392.98020.0014DD=3.1448EDF=0.003026600036招商银行6.5799e+0070.11484.46543.9962e-006600016民生银行3.1765e+0080.01572.67520.0037600000浦发银行3.0619e+0080.01272.45840.0070表72013年样本银行的违约距离和预期违约率证券代码证券简称资产价值资产价值波动率违约距离DD预期违约率EDF均值601398工商银行1.8376e+0090.01123.58581.6803e-004DD=2.872175EDF=0.004117601288农业银行1.4119e+0090.01182.40170.0082601988中国银行1.3263e+0090.01022.60060.0047601939建设银行1.4902e+0090.01522.70170.0034601998中信银行3.4907e+0080.01741.32190.0931DD=1.3898EDF=0.093675600036招商银行3.9142e+0080.02301.82010.0344600016民生银行3.1515e+0080.02731.50640.0660600000浦发银行3.5514e+0080.02430.91080.1812表82014年样本银行的违约距离和预期违约率证券代码证券简称资产价值资产价值波动率违约距离DD预期违约率EDF均值601398工商银行2.0230e+0090.02092.73770.0031DD=2.467725EDF=0.007425601288农业银行1.5731e+0090.02112.37740.0087601988中国银行1.4850e+0090.02312.28460.0112601939建设银行1.6716e+0090.02962.47120.0067601998中信银行4.1375e+0080.03991.60970.0537DD=2.016775EDF=0.02915600036招商银行4.4426e+0080.02492.67350.0038600016民生银行4.0275e+0080.03541.82260.0342600000浦发银行4.0917e+0080.01981.96130.0249从表6-8中数据可以看出：四个国有商业银行资产价值比较大，而四个大型股份制商业银行资产价值较国有商业银行而言要小，这和每个银行资产规模息息相关；资产价值波动率从整体来看，四个国有商业银行相对较低，但也有大型股份制商业银行资产价值波动比国有商业银行低，另外，2012-2014三年期间，资产价值波动率有明显的上升；从表5数据可以看出，资产价值波动率是受股价波动率影响的，两者之间有一定的正相关，股价波动率较高的时候，资产价值波动率也相对较高。由此可知，资产价值波动率与样本银行的资产规模、股权价值以及股价波动率息息相关。四家国有商业银行资金规模比较雄厚，资产价值波动率均在百分之二点几左右；招商银行资产价值波动率也同四家国有商业银行相差不大，说明该银行发展状况在同类型银行中相对不错，也处于稳定的阶段；浦发银行作为大型的股份制银行而言，资产价值波动率相对较小，低于百分之二，说明该行资金相对比较充裕，能应对一些相对风险状况。由表6-8违约距离以及预期违约率的数据，绘制出折线图，如下所示：图12012年样本银行违约距离和预期违约率图22013年样本银行违约距离和预期违约率图32014年样本银行违约距离和预期违约率注：上图中1-8分别代表工、农、中、建、中信、招商、民生、浦发8个银行。由以上3个图可以看出，从整体上看，2012-2014年样本银行违约距离几乎都在减小，且四个国有商业银行违约距离均比另外四个股份制商业银行要大；样本银行预期违约概率也随时间的增大而增加，工、农、中、建四个银行预期违约率波动比较平缓，数值也相对较小，而两外四个银行预期违约率波动比较大，数值也相对较大，违约可能性高。由以上3组图，也可以观察到每组图的折线有很强的互补性，因而可以看出违约距离和预期违约率存在负相关关系，即违约距离DD越高，则预期违约率EDF越低；反之，则越高。比较2012-2014年样本银行违约距离和违约率的均值，绘制折线图，如图4所示：图4样本银行违约距离和预期违约率均值由上图可以看出，四大行违约距离均值比大型商业银行要大，预期违约率比之较小。同时，四大行随着时间增加，违约距离越来越小，预期违约率越来越大；而大型商业银行2013年违约距离最小，预期违约率较大；从折线图可以看出，违约距离和预期违约率由较强的互补性，即违约距离和预期违约率是负相关关系。而2013年由于受国内外环境的影响，大型商业银行信用风险状况较差。整体而言，可以得知，四大行信用状况相对而言比四个大型股份制商业银行要好，但是由于国内外环境的影响，单个商业银行信用状况不可能完全符合这个结论。五、结论与建议（一）研究结论本文首先分析信用风险度量方法和模型的优缺点以及在我国金融市场上的适用性，最终选取KMV模型对我国商业银行得信用风险进行实证研究，选择8家上市商业银行2012-2014年的财务数据以及在沪深交易所中的交易数据计算得到样本银行的违约距离和预期违约概率。违约距离DD越大，则预期违约率EDF越小，公司的信用风险就越小。通过上述的实证分析，可以得出以下几个结论：1.理论上违约距离和预期违约概率是负相关，但由表中数据可以看出，这种关系展示得并不明显，均值上体现得比较明显。造成这种情况出现的原因主要是我国证券市场的非有效性以及本文预期违约概率EDF是根据违约距离DD求出来的，而不是根据实际的违约数据计算得到的。2.采用EDF来度量信用风险的大小，可以看出信用风险受多个因素的影响：银行的负债规模、股权波动、资产价值及其波动等。3.国有商业银行违约距离比一般大型股份制商业银行较高，但是预期违约率却相对较低，这说明国有商业银行整体而言其信用状况比一般大型的股份制商业银行要好。4.从以上图表可以看出，由于受国内外经济环境的影响，2015年对我国银行业来说，仍然是比较艰难的，预期违约概率可能会有所上升，信用风险问题也需要加强关注，认真采取有效措施防范其发生。综上所述，本文选用KMV模型对我国上市银行的信用风险做了实证分析，可以看出，由于KMV模型数据获取容易，加之其操作比较方便，比较适合我国信用风险量化管理，对我国信用风险度量的发展有一定的促进作用。（二）建议随着我国证券市场的发展以及企业的信息公开披露制度不断健全，KMV模型在我国会有更大的发展空间。为了进一步使用KMV模型，改善我国商业银行信用风险的管理现状，提出以下两个建议：1.建立违约数据库。由于历史情况以及行业发展的原因，我国商业银行之间很难实现客户信息共享，因而同一个客户容易在不同银行都发生信用风险，对商业银行的信用风险的管理造成很多不必要的麻烦。如果建立了违约数据库，实现信息共享，这样的情况将很少出现，有利于我国信用风险的管理。2.建立专业化的管理团队。相对于国外，我国信用风险的管理刚进入初级阶段，还有很长的路要走，这就更需要我国引进人才，加大对风险管理人才的培养或者高薪吸引人才，建立高素质、专业化的人才管理队伍。同时，加强同国外学者的交流，不断提高团队的管理水平。PAGE1