我國商業銀行信用風險管理實證分析
——以20家上市公司為例

文/劉愷文，中南財經政法大學 信息與安全工程學院

2016年11月28 日，中國銀監會就《衍生工具交易對手違約風險資產計量規則》公開征求意見，提出商業銀行要把對于交易對手的信用風險管理引入到全面風險管理之中，并通過大數據分析，信息的監控以及預警，從而提升數據的精度以及預警能力。2002年至今，我國銀行貸款規模增長了近10倍，有限的客戶信用風險管理與急劇擴張的客戶規模存在矛盾；并且各企業經營方式日益復雜與客戶信用管理方法單一有限存在矛盾；龐大的企業數據信息與商業銀行擁有的有限客戶資料存在矛盾。因此商業銀行無法及時分析監測越來越龐雜的客戶信用風險數據，其存在變革的內在和外在需要。

隨著金融市場的發展，金融危機的發生，全球債務規模急速擴張，商業銀行內外部經營環境的變化，商業銀行信用風險暴露的問題越來越大。作為信用主體的商業銀行的競爭也愈加劇烈，再加上金融衍生市場劇烈的擴張以及機構投資者在市場中的影響越來越大。因此，在新的形勢下，商業銀行需要從傳統以定性為主向以數據驅動的新型模式轉變，加強商業銀行的信用風險管理也日益重要。

1 文獻綜述

國外對于信用風險的研究是比較早的。Ohlson（1980）[1]采用L ogit的方法建立信用風險計分模型；Gordy（1998）[2]比較研究了Cre dit Risk+模型和Credit Metrics模型，發現二者是用不同的模型和語言說明相同的問題。

國內對于信用風險的定量分析相對于國外是比較落后的，還在不斷的研究當中。石良平、趙然、靳潔（2003）[3]從對商業銀行的信用風險進行了理論性的闡述，提出了對于量化管理的一些理論；王淳,史旭（2008）[4]更為系統的分析我國信息技術和大數據在我國商業銀行的實用現狀及改善方法；劉靜（2010）[5]利用實證分析闡述了KMV模型在我國商業銀行的具體運用；劉超（2011）[6]具體分析了商業銀行信用風險管理的幾種模型，并得出了一些有益的建議；黃婭妮（2011）[7]通過列舉實際的案例對商業銀行的信用風險進行了測度以及提出了解決方法；趙俊（2016）[8]基通過對數據倉庫的分析，度量和監測了商業銀行的客戶信用風險，同時給出了一些有益的建議。

2 研究設計

2.1 模型選取

KMV模型是通過利用期權定價理論，將其推廣商業銀行的信用監測當中，最終通過對上市公司的股價的波動性來測度和預警上市公司是否產生違約。

當企業的資產所有的價值均值低于企業需要支付的債務的時候，企業就會發生違約的行為。產生違約而形成的概率大小是和違約點以及某一時間點上企業資產價值的密度分布有關的。

2.2 數據處理

2.2.1 樣本選取和數據來源

本文選擇20家滬深交易所上市公司作為實證研究對象，按ST和非ST分為兩組，ST和*ST股可近似作為公司違約的標志，ST主要包括“企業兩年保持虧損”或“每股凈資產低于面值”，*ST公司主要是指因三年保持虧損而被給予“退市預警”的特別處理。如本文所選取的樣本中，各含有10家2016年為ST（*ST錢江000913等）、非ST（三夫戶外002780等）的股票，分別稱為樣本1、樣本2.截止計算基準日2016年11月30日，共有100家企業（數據來源：大智慧股票分析軟件）：

2.3 參數確定

2.3.1 無風險利率r和債務期限T

本文采用2016年銀行一年期的定期存款利率為無風險利率r=1.75%；債務期限=1

2.3.2 違約點DP

根據公式：DP=CL+LL得到20家上市公司違約點DP。

2.3.3 股權市場價值E

根據公式：股權價值E=總股數（流通股股數）*股價得到20家上市公司股權市場價值E。

3 實證計算過程

3.1 計算股權市場價值波動率

第一步：計算股票收益率

-股票的每周收益率-第i周股票的收盤價格-股票每周的相對價格

第二步：計算對應的收益率的周標準差和年標準差

-股票價格周變動率的標準差的均值，-股票價格年變動率的標準差

本文以*ST錢江（000913）2015年12月31日至2016年11月30日為例，計算2016年各周股票收益。

將數據代入上述③④式中，得到*ST錢江（000913）2016年股票周波動率為0.095577，年波動率為0.675829.同理，易得到選取的20家上市公司樣本周波動率和年波動率。

3.2 計算企業的資產價值V和資產市值和變動率

運用EXCEL計算得到上市企業的資產的價值V和資產市值的變動率。

3.3 計算違約距離DD

根據公式：DD=計算得出20家上市企業DD。

4 實證結果分析

DD能夠較好地衡量上市企業產生違約的大小。在此對兩個樣本組公司的DD值運用EViews進行特征檢驗，如下圖所示：

圖4 違約距離比較折線圖（ST和非ST）

圖5 違約距離比較條形圖（ST和非ST）

說明非ST公司的違約距離DD普遍比ST公司的DD大,相對應的理論預期EDF非ST公司比ST公司小，兩樣本組ST公司和非ST公司的DD的分布差異是明顯的，這些表明實證結果符合KMV模型的預期研究結果，也就證明了KMV模型在我國的有效性。

4 結論及展望

綜上所述，根據我國證券市場上的數據和上市企業的財務指標數據得出的KMV模型實證結果符合實際，說明KMV模型在我國信用風險衡量領域具有實用價值，我國的商業銀行利用該模型是有利于風險管理的。文章不足之處在于：（1）文章使用最基本最原始的K MV理論模型，未對KMV模型進行修正，只是驗證模型本身的一些特點，還是不符合我國具體實際情況（2）文章只能得出理論上的E DF值，得不出經驗上的EDF值。理論上的EDF反映的是預期違約概率，經驗上的EDF值反映的是實際違約概率，需要有強大的信息數據庫作為支撐，文章中理論上的EDF對于我國商業銀行實踐意義不大

本文對于該模型的應用啟示及建議：（1）盡量減少對前人工作的簡單重復，淡化理論上EDF的意義，減少對模型本身特點的驗證，多結合我國具體實際情況，加強修正后的KMV模型在我國的應用價值（2）建立全面統一的違約數據庫，整理上市企業違約的歷史資料，同時積累現實的資料，隨著模型各參數處理方法的不斷解決，計算每個上市企業的違約距離，在計算出在相同DD條件下的上市企業的經驗上的EDF，最終得到DD與EDF之間的函數相關關系（3）不斷提高證券市場的公開透明，上市企業要履行相應的披露義務，真實的公布其相關的信息，這樣得出的實證結果才能真實有效的反映上市企業的信用情況（4）加強商業銀行信用風險管理意識和風險管理人才隊伍建設，不斷提高商業銀行的風險管理能力。

【參考文獻】

[1]Merton Robert.C. On the pricing of Corporate Debt: the R isk Structure of Interest rates [J].Journal of Finance.1974:168-172

[2]Gordy.M.B.A Comparative Anatomy of Credit Risk Models[J].Paper present at the Bank of England Conference on Credit Ri sk Modeling and Regulatory Implications, London,September,1998:185-186

[3]石良平,趙然,靳潔.論商業銀行信用風險的量化管理[J].上海經濟研究,2003,04:44-51.

[4]王淳,史旭.信息技術在商業銀行信用風險管理中的應用[J].金融論壇,2008,08:38-42.

[5]劉靜.基于KMV模型的我國商業銀行信用風險度量的研究[D].西安電子科技大學,2010.12-15

[6]劉超.商業銀行風險管理模型的性質及啟示[J].上海金融,2011,03:60-65

[7]黃婭妮.基于KMV模型的我國商業銀行信貸風險度量和管理研究[D].暨南大學,2011.25-28

[8]趙俊,基于數據倉庫的國內商業銀行上市公司客戶信用風險管理研究[J].電子測試,2016,01:154-155