基于KMV模型的商业银行信用风险度量及管理研究

11导言（论文中不能出现截图）1.1研究背景及意义在新巴塞尔协议的背景下，商业银行所面临的风险可明确分类为：信用风险、市场风险、操作风险、流动性风险、清算风险、法律风险和信誉风险等七种类型。McKinney（麦肯锡）公司以国际银行业为例进行的研究表明，以银行实际的风险资本配置为参照，信用风险占银行总体风险暴露的60％，而市场风险和操作风险仅各占20％。因此，在商业银行所面临的众多风险中，信用风险占有特殊的地位，且信用风险已经成为国际上许多商业银行破产的主要原因。对于我国商业银行来说，企业贷款是其主要业务，银行大部分的金融资产为企业贷款，因此贷款的信用风险是商业银行信用风险的最主要组成部分。截至2014年底，商业银行的不良贷款余额为5921亿元，不良贷款率1％，比年初增加993亿元；2014年我国银行业金融机构不良贷款率达1.64%，较2013年提高了0.15%；商业银行2014年末不良贷款率1.29%，提高了0.29%，2014年商业银行不良贷款率创2009年来新高,2013年和2014年我国商业银行不良贷款率也不断上升。以上数据都表明我国商业银行的信用风险形势还相当严峻。信用风险问题俨然成为阻碍我国金融业的持续发展的重要原因。因此，研究信用风险的特点，收集信用相关数据，建立度量信用风险的信用风险模型，定量分析信用风险数据，以及如何将信用风险管理措施运用到各项业务当中，已经是商业银行提高经营管理水平，降低信用风险的最基础、最迫切的要求。本论文的选题就是在这样的前提和背景下进行的。在西方发达国家，其商业银行的信用风险管理比较成熟，在实践和理论上都已形成相应的体系，表现出一种从定性到定量、从简单到复杂、从个别资产信用风险评级到资产组合信用风险评级的趋势。信用风险度量的方法和模型也不断推陈出新。相较而言，我国的商业银行信用风险管理系统体系尚不健全，2信用评级水平较低，对信用风险的分析任然处于传统的比例分析以及专家经验判断阶段，远不能有效满足商业银行对贷款安全性的度量要求。因此如何加强我国商业银行的信用风险管理能力，提高我国银行业的风险管理水平，保证银行稳健经营，并使我国商业银行逐渐达到国际资本监管标准己是我国银行业发展的重要趋势，而研究和借鉴国外大银行先进的度量方法和管理措施，根据我国的具体情况探索、开发出适用我国商业银行的信用风险量化模型，提升我国银行的竞争力，确保我国银行在全球化的大环境下稳健经营己是当务之急。1.2相关研究现状KMV模型自推出以来，受到国外学术界广泛关注，并对其可行性进行诸多实证分析，来验证其是否有效。首先对该模型进行有效性验证的是KMV公司，它对IBM公司跨越5年信用质量恶化期间得出其EDF值在00%---20%之间变化，在其机构信用评级恶化之前，IBM的EDF值已经开始上升，比标准普尔信用评级的违约预测能力强[1]。KMV公司还收集了包括3400家上市公司和40000家非上市公司自1973年以来的资料，建立了庞大的债券及企业信用资料数据库，结果在评价公司债券等方面具有显著成效，尤其在对上市公司的信用评价中尤为突出，它考虑到企业的财务变动、股价及其浮动情形，比单靠公司内外财务分析所得结论更准确。MarkCarey(2001)通过重新定义参数，发现参数修正后KMV模型的预测能力有较大提高[2]。RogerM．Stein(2002)在对原KMV模型进行分析后，通过与现实情况因素进行对比，提出了模型自身存在的一些预测问题和模型相关的改进意[3]。MatthewKurbat和IrinaKorablev(2002)则使用水平确认(LevelValidation)和校准(Calibration)方法对KMV进行了验证，研究结果证实KMV模型的输出结果EDF值实际上是偏态分布，并且样本规模的大小、样本公司的资产相关性的大小和EDF的偏态分布对EDF的预测结果有很大的影响[4]。他们选1991年至2001年间上千家美国公司的数据作为样3本，计算出的样本公司资产相关性在0.1至0.2之间，用中位数EDF替代均值EDF，并以中位数EDF小于20和大于20将样本公司分为两类，所描绘出的两类样本公司的预期违约率轨迹与十年间实际发生的违约率轨迹匹配性很好，证明KMV模型是十分有效的。1998年后，我国学者开始关注KMV模型，早期的研究仅仅局限于对KMV模型的理论基础和模型框架的介绍与分析：张玲、张佳林(2000)，王琼、陈金贤(2002)先后对KMV模型与其它模型进行了理论上的比较研究，认为KMV模型比其它只注重财务数据的信用风险模型更适合于评价上市公司的信用风险，并初步探讨了在中国市场上的适用性[5]。杜本峰(2002)根据KMV公司信用风险评估模型，介绍了如何使用实值期权理论来评估信用风险[6]。鲁炜、赵恒衍和刘翼云（2003）首先利用GARCH族模型对KMV输入变量——股权价值波动率进行评估，并得出与输出变量资产价值波动率的函数关系式，初步实现了运用期权理论对我国上市公司的信用风险进行评估，发表了文章《KMV模型关系函数推测及其在中国股市的验证》[7]。彭非远(2006)，选取17家上市公司实证比较了中国股市进行股权市场化前后的违约距离，结果发现股改后的违约距离显著增大，表明股权分置问题的解决，释放了中国股票市场的信用风险，有利于其健康发展。随着我国证券市场上市公司股权分置改革接近尾声，非流通股的定价问题难以解决不再是阻碍KMV模型在我国应用的主要问题[8]。从我国目前对风险管理的情况来看，从国家金融机构到银行企业都意识到其重要性并逐步建立起信用风险管理体系，但与发达国家相比，数据库数据不完善，信用文化的缺失，风险管理工具与技术与国际同业较大差距、风险管理体制差距等几个方面，都消弱了我国信用风险管理系统的风险揭示和控制作用。所以我国在风险管理的道路上依旧任重道远1.3研究方法4本文采用规范分析和实证分析相结合的研究方法，即在重视定性分析的同时，进行了大量的定量分析，将定性分析与定量分析融为一体。具体的研究方法有以下几个方面。(1)比较分析与模型分析相结合。深入分析现代商业银行信用风险管理的四种定量模型：CrcditMctrics模型、KMV模型、CrcditRisk+模型和CreditPortfolioView模型，比较这些模型风险度量的思想和技术基础以及在我国的适用性。(2)理论分析与实证分析相结合。深入剖析KMV模型度量方法、理论和模型，通过上市公司的股票交易价格求出上市公司的股权价值波动率，通过上市公司年度报告中的流动负债、长期负债的得出公司债务面值，将股权价值波动率、股权市场价值和公司债务面值作为输入变量，运用期权定价模型(非线性微分方程组)求出资产价值和资产价值的波动率，运用修正后的KMV模型求出违约距离，对配对样本进行对比分析，验证模型有效性。1.4预期的创新点(1)不足之处本文还存在着如下不足之处以期后续研究能够有所拓展。①没有研究非上市公司。由于KMV模型依赖于市场价格来预测违约，所以它不能直接运用到非上市公司。对这些公司，KMV利用上市公司的数据开发了一个资产市场价值资产波动性的模型。该模型需要时常地更新参数，以这种方法来将目前的市场信息和非上市公司联系起来。然而，这些模型仍需依赖于财务报表数据，而这些数据可能不是及时、准确的。鉴于我国才刚刚引入KMV模型，对该模型的应用仍然处于起步阶段，所以本文只研究了KMV模型对上市公司的信用评价。但是，不论是金融机构贷款客户，还是一般生产企业的赊销客户，都存在相当一部分非上市公司，所以研究对象仅为上市公司显然会影响KMV模型的应用范围。5②没有研究EDF的计算。由于违约距离DD与预期违约概率EDF之间是一一对应的关系，所以本文实证过程中，在检验参数修正效果和检验模型预测效果时，研究对象均选择了DD。根据KMV模型的假设，违约距离是评价企业违约风险的一个度量指标，可用其作为不同企业之间的比较。但该值是个序数指标，而非基数或者概率指标，也即我们无法直接从违约距离中得知企业违约概率到底是多少。因此在评价一个企业的信用风险时，最好是算出该企业的EDF，这样才是完整地应用了KMV模型。(2)进一步研究的问题针对上述的不足，在后续研究中可以从以下几个方面进行改进。①加强对非上市公司的PFM模型实证研究以及对KMV模型中关键点在我国银行业的确定，认真学习和研究国际上已有的CreditMetrics模型等其它模型；②利用上市公司的历史违约记录建立违约距离到预期违约概率的映射关系，提高违约距离的可操作性和现实意义。2商业银行信用风险及其度量模型现代的信用风险管理方法主要以定量分析为主，它的研究起源于20世纪80年代。自1998年巴塞尔协议修正案正式许可金融机构可以选择内部模型度量其面临的信用风险后，各大银行或咨询公司纷纷推出了用于度量信用风险的内部模型并得到迅速发展。信用风险度量方法的发展大致经历了四个阶段：专家分析方法、基于财务报表信息的多元统计模型判别模型、神经网络方法、以及信用风险内部度量模型，一般将专家分析方法、基于财务报表信息的多元统计模型判别模型、神经网络方法称为传统的方法。本章的研究内容主要包括：6传统信用风险度量的方法、现代信用风险管理的计量模型以及现代信用风险计量模型比较研究三部分内容。2.1信用风险及其量化因子信用风险作为商业银行所面临主要金融风险，并且作为金融风险的一种主要形式，信用风险也具有金融风险的一般特性，如具有不确定性、传递性和扩散性、隐蔽性和突发性等等。同时，信用风险又具有与其他形式金融风险不同的一些特性。因此对于信用风险的度量有具体研究，信用风险的量化因子主要有:（1）违约概率，对违约概率进行量化，需要我们对违约进行具体的界定；（2）违约损失率，银行对损失的界定缺乏统一定义，往往根据具体目的和需要确定；（3）违约风险暴露，关于违约风险暴露，最重要的一点是它未来的敞口，记载奖励面临信用风险的头寸规模；（4）有效期限，银行贷款这一投资的收益受其时间价值的影响，期限越长，债务在到期前面临的不确定性越大，风险也越大。2.2信用风险度量方法2.2.1传统方法2.2.1.15C信用评分法5C“评分法”是有关专家根据借款人的品格（character），即对企业信誉的一种度量；资本（capital），即借款人长期资金的数量和结构：偿付能力（capacity），即对借款人收益的变动来考察借款人的还款能力，即使在一段时间内借款企业的还贷稳定，但如果收益不稳定，借款人的还款能力也将受到影响；抵押品（collateral），即提供合适，一定的抵押品；经营环境（condition），即所在行业的整个经营状况及发展趋势。在专家方法下，需要银行员工针对某一行业或某类客户范围进行长时期的有效分析和研究，积累经验，并成为具有一定水准的人才，但他们在选择客户是就会有强烈的偏好性，7因此他们的选择也给银行带来了潜在风险，原因就在于他们选择的客户相关性高，加剧银行贷款集中程度。2.2.2.2信用评级法贷款内部评级系统(InternalRatingSystems)是在美国货币管理署(OfficeoftheControllerofCurrency)最早开发的评级系统基础上由一些金融机构拓展开发而来的，用这一方法评估贷款损失准备金的充分性。OCC最早将贷款分为正常、关注、次级、可疑、损失5级，损失准备金根据不同等级有不同要求。另外国际上也又将其分为九级或者十级。目前我国商业银行业已开始广泛推行贷款5级分类办法。2.2.2.3信用评分法该类方法以企业各项财务指标为数据变量，运用数理统计方法建立模型，根据模型输出的信用分值或违约概率与基准值相比较，对信用风险进行有效预测并进行资信评级。因此类模型在实际运用中较为有效，所以也成为国际金融机构及学术研究机构的主流方法。根据模型构建方法不同，主要可以分为多元线性判别分析模型、Logistic模型和Probit模型，线性判别分析模型等。著名的Zeta判别模型建立在Z-score模型的基础之上，并将该模型应用于商业银行的贷款评价上，取得极大的反响。