KMV模型在我国商业银行信用风险管理中适用性分析及实证检验.docVIP

KMV模型在我国商业银行信用风险管理中适用性分析及实证检验 　　【摘要】本文在介绍KMV模型、Credit Metrics模型、Credit Risk+模型和Credit Portfolio View模型这四种国际流行的信用风险管理方法的基础上，基于定性和定量分析相结合，对这四种信用风险管理方法进行比较分析，认为KMV模型最适合我国目前的国情。以2013年45家ST公司和与之配对的45家非ST公司以及2014年20家ST公司和与之配对的20家非ST公司为样本，对样本的违约距离进行实证检验。实证结果表明KMV模型基本上能够识别上市公司的信用状况，但是也有一些企业的违约距离不符合实际情况，这也说明该模型在我国商业银行信用风险度量中的识别能力有限，究其原因可能与该模型所要求的一些假设条件在我国尚不能得到有效满足等因素有关。因此，我国商业银行在对债务企业进行信用评价时，综合利用KMV模型与债务公司的财务数据会使信用风险的度量结果更加可靠。 　　【关键词】KMV模型；商业银行信用风险；适用性分析 　　一、引言 　　信用风险是商业银行面临的核心风险，也是新巴塞尔协议中的新资本协议的核心内容。当经济状况出现波动时，人们的经济预期会逐渐改变，借款人的行为也会发生一定的变化，“羊群效应”和道德风险很可能随之产生，并影响到金融体系的稳定。2015年上半年末，我国商业银行的不良贷款余额达到10919亿元，不良贷款率为1.5%，较2014年年底上升0.25个百分点，多家银行的不良贷款率均突破1%。而且一些资产质量相对较好的银行，在2015年也出现了许多新的问题。这些数据反映，信用风险的存在会严重影响我国商业银行经营的安全性、流动性和盈利性。但我国对信用风险的控制，主要采用的是依据静态性财务数据的经验型信用风险管理方法，较少运用国际上常用的现代信用风险度量方法。这严重影响了我国信用风险定量研究的发展，不利于我国信用体系的完善和经济的健康发展。 　　西方发达国家的银行信用体系起步较早，衍生产品发展迅速，学者们和实践者对商业银行信用风险管理的研究成果积累较多。传统的信用风险管理方法主要有三类：信用评分型方法[1]、专家评级方法和评级型方法。由于信息不对称问题日益突出，导致贷款人发生逆向选择和道德风险，学者逐步将银行微观金融学、博弈论和信息经济学、委托代理、行为金融学等理论引入到对信用风险的度量和预防中，信用风险的研究逐渐走向定量化。如默顿（1974）利用布莱克―斯科尔斯期权定价原理建立了Merton模型，Fischer Black（1975）考虑到信用风险产生的衍生原因，推导出企业股票所满足的欧式期权价值。随着信用风险产生的原因日趋复杂，信用风险对经济主体的影响也迅速增大，经济学家从交叉学科理论出发，在信用风险度量中又加入了计量经济学、保险精算学、数理统计学等理论以提高信用风险度量的科学性和精确性，从而产生了许多著名的现代信用风险度量模型。KMV公司于1993年推出了一种以期权理论为基础的KMV模型。1997年，JP摩根提出了一种基于Merton期权理论的度量信用风险的新方法，这种方法又被称为Credit Metrics。同年末，瑞士信贷银行金融产品部（CSFP）推出了基于保险精算的Credit Risk+模型。麦肯锡公司考虑了宏观经济因素对信用风险的影响，根据信用组合提出了Credit Portfolio View模型。目前，KMV模型、Credit Metrics模型、Credit Risk+模型和Credit Portfolio View模型在商业银行信用风险管理中发挥着重要的作用。 　　在国内，由于我国证券市场发展时间较短，信用风险意识较为淡薄，而且缺乏大型的、连续的、完整的违约数据库和完善的信用评级体系，使得我国信用风险的定量研究与国际上的先进技术存在较大差距。国内学者的研究主要集中于以下三个方面：第一是李树杰（2006）等从理论上对国外四种先进信用风险管理方法进行探讨[2]；第二是曹道胜（2006）、陈忠阳（2009）等从不同的角度对四种信用风险管理方法进行了对比研究[3-4]；第三是梅建明，易卫民，黄世为（2013）、尹丽（2013）、段霞（2012）等利用中国的实际数据，对KMV模型进行实证检验并提出了修正建议[5-7]。 　　但以上研究文献表明，国内学者有关商业银行信用风险的研究主要集中于理论分析和对比分析，并没结合我国的实际情况讨论哪种模型最适合我国的国情，同时，有关的实证研究使用的样本数据普遍偏小，涵盖的行业范围有限。国外的银行信用体系较为发达，信用风险的定量研究水平比我国超前，四种现代信用风险管理方法与我国的实际发展情况存在较大差距，每一种方法都不能直接拿来使用。因此，对四种模型在我国的适用性进行比较分析就显得尤为重