我國商業銀行信用風險研究

郭天龍 崔婷婷

【摘要】商業銀行的發展在金融體系甚至國民經濟中起著重要作用，而信用風險更是金融經濟發展穩定的關鍵。本文以滬深兩市上市的20家商業銀行信用風險狀況為研究對象，采用2019年的數據，使用KMV模型測算其違約距離與違約率，結果表明，大型商業銀行的信用風險顯然低于中小銀行及城商行，并且提出了政策建議。

【關鍵詞】KMV模型 信用風險 違約距離 違約率

一、引言

商業銀行作為經營貨幣信用業務的企業，既具有一般企業的特性，也有其特殊性。既要保持經營活動持續盈利，又要保證金融資產的安全性和流動性。同時，商業銀行的發展離不開信用風險的管控，且其業務呈多元化發展趨勢，信用風險對經營活動的影響越來越大，不容忽視。由于信用風險的諸多不確定性特征，分析和研究信用風險對商業銀行的影響已成為諸多學者及金融行業研究的重要課題。

二、我國商業銀行信用風險管理現狀

歷經30年的改革開放以及近些年國內經濟的高速發展，我國不斷向國外先進銀行學習，國內商業銀行的風險管理水平與國際先進銀行的風險管理水平的差距在逐漸縮小。但是，與西方先進的風險管理技術相比，我國商業銀行的信用風險控制管理工作依然存在諸多問題，內部評級法在信用風險管理中沒有發揮應有的作用。

不良貸款率逐年升高，貸款集中度較高。根據表1中的數據，我國商業銀行的不良貸款率呈現出逐年上升的趨勢，表明我國面臨貸款違約的風險較高，對于信貸業務高速增長情況下隱藏的潛在信貸資產質量風險，我國商業銀行仍須保持高度警惕，應始終將防范、化解信貸風險放在銀行發展的首要位置。

信貸管理業務中高度重視抵押擔保。我國商業銀行在信用風險防范過程中，注重企業是否提供抵押擔保，導致中小微企業很難獲得貸款。相反，銀行對大型壟斷性企業或者上市公司的信貸要求比較寬松，企業的負債規模、還款能力等反而未作為重要問題考慮，盲目授信。

銀行自身的風險管理體系不完善，組織架構復雜。我國商業銀行自身的組織管理結構復雜，風險管理體系不健全主要表現在組織決策的鏈條太長，不利于授信業務的快速決策。大部分銀行的組織架構為總行—分行—支行的組織結構，每一層級都有相應的管理部門。在這種組織架構下，信息傳遞的鏈條過長，銀行對市場的決策敏感性就會降低，同時會造成銀行控制風險能力的弱化和決策效率的降低。

風險管理系統建設相對滯后。商業銀行的信用風險管理是建立在大量信息基礎上的，而目前我國大多數銀行在這方面是欠缺的，而且銀行之間的統計口徑不一致，風險敞口的把握程度以及適合我國的風險管理模型未能建立，因此很難把先進的風險管理技術應用到我國商業銀行的發展過程當中。系統建設中的量化指標很難做到行業一致，增加了量化風險的難度。

信用風險管理方法主觀性強。雖然我國對信用風險的管理正在向數量化的道路邁進，但是與國際標準的差距還很大。一是評級方法過分依賴專家經驗，意味著進行風險測量的主觀因素較多，僅憑經驗判斷進行貸前風險度量，會影響貸款決策的質量。二是信用風險的計量落后。我國商業銀行的風險管理主要從資產負債經營管理和信貸評估兩方面展開，對于信用風險——貸款違約距離及違約損失——不能準確計量。

三、基于KMV模型的實證分析

（一）KMV模型介紹

KMV模型是由美國最為著名的KMV公司開發的，該模型的理論基礎來源于Black-Scholes理論、MM理論和Merton期權定價理論，KMV模型的計算研究思路為：依據公開的企業發展股票價值，利用期權定價模型分析計算企業的市場經濟價值及其波動率，然后再計算違約距離和違約概率。

（二）樣本選取及數據來源

本文選取在滬深兩市上市的20家商業銀行信用風險狀況作為研究對象，20家銀行包括：5家大型商業銀行，即工商銀行、農業銀行、建設銀行、中國銀行、交通銀行;8家股份制商業銀行，即招商銀行、興業銀行、浦發銀行、民生銀行、華夏銀行、中信銀行、光大銀行、平安銀行;7家城市商業銀行，即北京銀行、上海銀行、寧波銀行、杭州銀行、南京銀行、常熟銀行、成都銀行。本文選用的計算期為2019年1月1日至2019年12月31日，計算基準日為2019年12月31日。本文采用的數據均來自銳思數據庫以及各上市銀行公布的年報（見表2）。

（三）參數的選取與設定

在KMV模型的計算過程中，模型參數的選擇至關重要，檢驗結果的準確性由以下參數決定：

1.股權價值的計算

選取的20家上市銀行均已完成股權分置制度改革，不存在非流通股的情況。因此股權價值可以表示為：

股權價值=股票收盤價×流通股股數

2.無風險利率r的確定

本文采用的無風險利率為中國人民銀行公布的一年期整存整取利率，2019年的利率r=2.8339%。

3.T值的確定

本文選取上市銀行的財務數據以2019年12月31日為基準日，評估債務人的債務期限是2019年全年，故T=1。

4.股權市場價值波動率的計算

本文采用歷史波動率法，且股票價格均服從正態分布，采用日波動率法計算年波動率。假設Si為第i天的收盤價，則股票的對數收益率為：

5.上市銀行違約點的確定

違約點是關于短期負債與長期負債的比率和的一個目標函數。本文確定的違約點DPT=STD+1/2LTD。其中：STD代表短期負債，包括同業機構的存款、中央銀行借款、期限在一年以下的流動負債等;LTD代表長期負債，包括期限在一年以上的長期借款等。

（四）KMV模型的實證計算

1.股權價值波動率的計算

本文采用20家上市銀行2019年的股票日對數收益率進行參數估計，然后使用KMV模型得到日收益波動率，再根據日收益波動率與年收益波動率的關系得到年收益波動率（見公式1～4），即股權價值波動率。計算過程本文使用MATLAB2019軟件進行模擬運算，結果見表3。

從表3可以看出，大型股份制商業銀行的股票價值波動率明顯低于中小型商業銀行的股票價值波動率。

2.資產價值及其資產價值波動率的計算

式中：VE、δE、D和r分別是股票市值（看漲期權的價值）、股票價值波動率、負債的賬面價值（執行價格）、無風險收益率;N為正態分布累計概率函數，均為已知或者可以從市場上觀察數據計算得出;T是債務償還期，是確定的值;VA資產價值和δA資產價值波動率（標準差）為未知，通過組合公式（公式5～8），利用數學軟件MATLAB迭代編程求解，計算結果見表4。

3.違約距離及違約概率的計算

上市銀行的違約距離DD的計算公式為，其中DPT、VA、δA已經計算求取。

上市銀行的違約概率EDF的計算公式為EDF=[1-N（DD）]×100%，違約距離與違約概率呈負相關。利用數學軟件MATLAB迭代編程求解，計算結果見表5。

從表5可以看出，大型商業銀行的違約距離顯然大于中小城市商業銀行的違約距離。而違約概率與違約距離成反比，這也說明大型商業銀行的抗風險能力要強于中小城市商業銀行。

四、結論及啟示

（一）研究結論

1.KMV模型分析能夠較好地識別出我國上市公司信用風險的差別，這與經驗觀察值基本一致。

2.上市公司的資產價值一般大于公司股票的市值。股權投資價值的波動率高于資產價值波動率。這是因為公司的資產價值是公司股票市值和負債的總和，負債一般大于零。因此，股權價值的波動性高于資產價值的波動性。

3.違約距離作為衡量上市公司違約可能性的指標之一，從本文的計算結果來看，在一定程度上說明了我國上市公司真實的信用狀況。銀行的資產規模越大，其資產的波動性就越小，違約距離就會增大，相應的違約概率就會減小，信用風險就越小。反之，銀行的資產規模越小，資產的波動性越大，違約距離就會減小，則違約概率就會增大，信用風險也會隨之增大。

（二）政策建議

對于KMV模型的應用，需建立違約數據庫，構建違約距離與違約率之間的映射對應關系。KMV模型的應用需要歷史數據的累積驗證，而這一歷史數據在我國的信用風險管理領域嚴重缺失。客戶信息在銀行之間不共享，同一客戶信息在不同銀行之間重復使用甚至提供的信息不同。因此，建立大型違約數據庫顯得尤為重要，也為建立違約距離與違約概率之間的映射關系奠定了數據基礎。

完善信用風險評級體系，借鑒先進的風險評估模型。資本市場的日漸成熟與完善，使得KMV模型也越來越符合中國的金融市場發展需求，但還需要不斷深入地研究。此外，可發展專業的第三方信用評級機構。我國目前的信用評級機構較少，且國際認可度較低，與國際權威的評級機構如穆迪、標準普爾等差距較大。因此，盡快建立與完善我國的第三方信用評級機構是進一步加強信用風險管理的重要內容。

加強對信用風險評估模型的探索與應用。針對KMV模型，需要對其進行分析修正，因為我國缺乏歷史數據，違約距離與違約率之間的映射關系很難準確建立。除此之外，還應注意違約點的選取、資產價值率的確定以及非流通股的定價問題。這些關鍵點的確定將直接影響KMV模型的測算結果在我國的實際應用。

參考文獻：

1.梁世棟，李勇等.信用風險模型比較分析[R].中國管理科學，2002（2）.

2.歐陽秀子.我國商業銀行信用風險度量模型的實證研究——基于KMV模型的實證分析[J].金融與經濟，2009（4）.

3.胡文彬.新巴塞爾協議內部評級法探析及相關實證[M].浙江大學，2007.

4.魯煒.KMV模型在公司價值評估中的應用[J].管理科學，2003（6）.

5.李燕.基于KMV模型的我國商業銀行信用風險管理實證研究[M].武漢科技大學，2008.

（作者單位：青海銀行，中信銀行西寧分行）