KMV模型在我国商业银行信用风险管理中的适用性分析及实证检验，本文主要内容关键词为：商业银行论文,适用性论文,实证论文,在我国论文,模型论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
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。据银监会公布的统计数据，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，如李树杰(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]；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]；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]。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要。本文以此为基础，从模型的数据要求、风险驱动以及各模型的应用价值和局限性等方面，对四种模型在我国商业银行信用风险管理中的适用性进行探讨，随后选取2013年90家样本公司和2014年40家涵盖多区域和多行业的公司样本，对KMV模型的适用性进行实证检验，认为KMV模型最适合我国现阶段的国情。 二、商业银行四种信用风险管理方法的适用性分析 国际上流行的现代信用风险管理方法包括Credit Metrics模型、KMV模型、Credit Risk+模型、Credit Portfolio View模型，均产生于欧美等发达国家，在信用风险管理中发挥着重要作用。但由于我国信用评级体系发展尚不完善，各个模型对数据的要求、风险驱动因素以及应用价值和局限等方面均存在明显差异，有些假设条件和参数估计与我国的实际不太相符，使得部分模型在我国运用时受到了限制。 (一)信用评级体系 Credit Metrics模型和Credit Portfolio View模型的参数估计对信用评级体系的依赖性较强，但由于我国信用评级体系起步时间较晚，发展时间较短，没有建立起大型的连续的历史违约数据库。缺乏一些大型的、权威的、独立的评级机构，信用评级体系在对公司进行信用评级时会受到一些干扰因素影响，具有一些主观性成分，导致我国提供的一些资信数据的可靠性受到影响，使得这两个模型在我国的实际应用中受到一定的局限。 (二)数据要求 KMV模型侧重于企业自身的股票交易实时信息和财务数据，这些数据易于获取，可从上市公司的财务报表中获得，对上市企业来说，KMV模型是一种比较便捷的度量信用风险的方法，不仅可以通过股票市场的变化衡量企业信用等级的变化，也可以对未来发展进行预测，具有一定的“前瞻性”。Credit Metrics模型需要企业长期的历史违约数据，Credit Risk+模型需要估计每笔贷款的违约概率和风险暴露两个变量，Credit Portfolio View模型需要有关资信的历史数据和跨行业的宏观数据，而我国数据库的不完善影响了这三个模型的实际应用。因此，我国现有的数据已经可以满足KMV模型对数据的要求。 (三)风险驱动因素 根据新巴塞尔协议，参照风险度量模型考虑的风险驱动因素不同，可把风险度量模型分为条件模型和无条件模型。条件模型不仅反映特定借款人的信息，而且还对国家的宏观经济环境因素的变动具有较强的敏感性；无条件模型仅仅反映了单个项目或者借款人的微观信息。KMV模型依赖企业的股票价格、资产与股票收益及其波动性等数据信息，由于企业处于国家的宏观经济大环境下，股票价格等信息会受到国家政策、行业发展、经济形势等系统风险的影响和自身经营状况的影响，所以KMV模型属于条件模型。在考虑宏观经济环境对模型中违约风险的影响时，Credit Portfolio View模型与KMV模型具有相似之处，两者都属于条件模型。而Credit Metrics模型和Credit Risk+模型中违约率的变动对宏观经济因素的变动敏感性不强，两模型中决定信用风险的只是债务人的具体信息，故这两个模型是无条件模型。 因此，从模型考虑的风险驱动因素全面性来看，特别是在社会主义市场经济条件下，KMV和Credit Portfolio View条件模型，更能客观地衡量信用风险，更适用于我国商业银行信用风险管理。 (四)各模型的应用价值与局限 KMV模型运用的上市公司股票交易实时信息，具有盯市性，可随时根据股票价格的波动更新数据，可实现对借款企业信用等级的连续测量，起到对信用资产所产生的信用风险的跟踪、预防、度量和控制。但是，该模型存在一些局限之处：首先，该模型中有些假设比较严格，长期债务没有对债务的优先偿还顺序、有无担保情况、流动性情况等进行区分，这可能使违约点与实际情况不符，造成结果的误差性；其次，关于公司资本结构在贷款期内的一成不变假设与事实不太相符；再次，关于利率在贷款期限内保持不变的假设，这不符合利率市场化的要求，导致信用风险中不含有利率风险；最后，模型假设企业的资产价值服从正态分布，在此基础上计算企业的违约概率，这与实际情况有很大的不同。 Credit Metrics模型在度量信用风险时运用了VAR方法，考虑了各个信用工具对投资组合风险的影响，实现了对违约概念的扩展，既可以应用于传统的信用资产，也能够用于核算金融衍生工具。但该模型存在以下局限：第一，认为信用等级的变化与信用质量的变化是统一的，这与实际情况不相符，因为违约率的调整是连续的，而信用等级的调整却是离散的；第二，由于该模型需要大量市场数据，在我国使用时需要用一些数据来近似替代，而这会影响到度量结果的准确性；第三，假定实际违约率与历史平均违约率相等，在很多情况下这与实际情况不符，因为许多证据表明信用等级迁移概率是跨时期相关的，并不遵循马尔科夫过程；第四，该模型在对资产回报进行估计时用的是股权回报，这会使计算结果存在一些误差。 Credit Risk+模型对投资组合的损失概率分布利用寿险精算中的理论，利用小概率极端事件来统计损失概率分布，得出了债券和贷款组合在一定情况下具有闭型解，该模型在进行信用风险测量时，灵活性很强。该模型的局限之处为：第一，没有考虑债务人具体特征和市场风险，只考虑了违约风险，认为违约风险与资本结构无关，并且该模型忽略了债务人信用等级的变化，这与实际情况不符；第二，对每组贷款进行风险暴露的计算时，采用了近似计算，这使得在计算投资组合损失方差时具有一定的误差。 Credit Portfolio View模型在对借款企业进行信用风险度量时考虑了宏观经济因素对信用等级迁移的影响，运用宏观模拟对信用风险进行分析，能够刻画出回收率的不确定性和由宏观经济因素带来的风险，可以运用到不同的国家和不同的行业。该模型的缺陷有：第一，在对信用等级迁移矩阵进行调整时，参杂了相关人员的主观意见，使得度量结果缺乏客观性；第二，由于我国市场经济发展时间尚短，信用数据库的建立时间还很短，不能收集到国家、行业等长期历史数据，这使得该模型在我国的使用受到限制。 综上考虑，在四种现代信用风险度量模型中，最适合我国目前国情的是KMV模型，因为：第一，KMV模型以期权理论和公司理财理论为基础，理论思路清晰，操作使用方便；第二，KMV模型所需要的数据资料会随着我国资本市场有效性的提高和证券市场的良好发展逐步得到满足，运用该模型的市场条件将逐渐完善，从而能够更加适合我国的实际情况，而其它三个模型所需要的市场条件在短期内我国仍不能满足。因此，KMV最能适合我国的经济状况，在未来发展中也最可能先达到该模型所要求的全部条件。 三、数据来源与变量选择 为了检验KMV模型在我国商业银行信用风险管理中的适用性，选取沪深两市中符合条件的部分公司进行实证检验。 (一)样本选择及数据来源 本文样本选取2013年90家沪深交易所上市公司和2014年的40家上市公司作为样本。为了便于对比分析，将这些上市公司按照ST和非ST的标准进行分类。非ST公司的选取标准是：与ST公司行业相同，规模相似的非ST公司，这有利于对结果进行对比分析和研究。为了使选取的样本更加合理，在样本的选择中剔除了一些公司：(1)财务数据不完整、主营业务不明确、未股改的公司；(2)排除了一些特殊行业，如金融保险业、房地产业、技术密集型行业等。根据我国行业分类的具体情况，除特殊行业外，样本基本涉及到了其他全部行业。 数据来源锐思数据库和万德数据库。此次分析分别以2013年12月31日和2014年12月31日为基准日，分别以2013年1月1日～2013年12月31日的日股票收盘价和2014年1月1日～2014年12月31日的周股票收盘价作为计算股票日收益率和股票价格波动率的基础。2013年和2014年的企业数据覆盖到了我国的26个省市自治区，占全国的比例为81.3%，具有较好的代表性。 (二)变量选择及参数估计 为了保证企业债务期限和实证过程中所限定的股价期限相匹配，取债务到期期限T=1。以2013年我国一年期定期存款基准利率3%作为该年的无风险利率，以2014年平均的一年期定期利率3.25%作为该年的无风险利率。 公司的违约点DPT采用短期债务STD和长期债务LTD线性组合的方式来计算，即DPT=aSTD+bLTD，一般情况下a取1，b的取值在0～1之间，本文取b=0.5。 上市公司的股权价值波动率用流通股票的股价波动率来衡量，为便于计算，在假设上市公司股票价格服从对数正态分布条件下，股票的日收益率
标签：信用风险论文; 商业银行论文; 违约概率论文; 信用评分模型论文; 企业信用论文; 股票价值论文; 风险价值论文; 风险管理论文; 商业银行风险论文; 公司价值论文; 风险模型论文; 银行论文; 信用政策论文; 模型公司论文; 股票论文; 投资论文; kmv模型论文;