我國城市商業(yè)銀行信用風險度量與授信管理

沈悅 張文

（南昌大學經(jīng)濟管理學院 江西南昌 330013）

引言

2019年以來，世界經(jīng)濟形勢愈加復(fù)雜嚴峻，以城市商業(yè)銀行為代表的中小商業(yè)銀行在不良貸款率和不良貸款規(guī)模的控制上面臨顯著壓力。隨著信用風險度量與管理方面的問題日漸凸顯，學者們也開始關(guān)注城市商業(yè)銀行信用風險。謝太峰等（2020）基于我國45家城市商業(yè)銀行六年的財務(wù)數(shù)據(jù)，研究了城市商業(yè)銀行信用風險的影響因素。梁夕言、陳真子（2021）運用收益模型法對城市商業(yè)銀行風險現(xiàn)狀及貸款選擇進行分析，提出了完善城市商業(yè)銀行貸款管理的建議。

城市商業(yè)銀行是我國銀行體系當中最為活躍的部分，加強信用風險度量研究、提出建設(shè)性意見，對促進中小商業(yè)銀行健康發(fā)展具有重要的現(xiàn)實意義。本文將選取長三角地區(qū)規(guī)模較大、客戶資源相對豐富、近五年不良貸款率較高的N城商行為研究對象，引入KMV模型對其進行信用風險度量實證研究，并根據(jù)實證分析結(jié)果提出N城商行提升信用風險度量水平、完善授信管理的政策建議。

KMV模型相關(guān)理論

（一）KMV模型參數(shù)與修正

1. 股權(quán)市場價值。經(jīng)歷股權(quán)分置改革后，我國上市公司的流通股與非流通股并存，為精確計算股權(quán)市場價值，應(yīng)分別計算流通股價值與非流通股價值，然后兩者求和得到總的股權(quán)市場價值，其計算公式可表示為：

式（1）中：V為股東權(quán)益的市場價值，S為流通股股數(shù)，S為非流通股股數(shù)，A為總股數(shù)，M為流通股的價格，B為每股凈資產(chǎn)。

2. 股權(quán)價值波動率。采用歷史波動率法計算股權(quán)價值波動率，具體如（2）所示：

式（2）中，μ表示股票每天的收益率，S、S分別表示第i天、第i+1天的股票收盤價，μ表示給定時間段股票的平均收益率，σ表示給定時間段股票收益的日波動率，σ表示股票價值的年波動率，N為該股票給定時間段內(nèi)實際交易天數(shù)。

3. 債務(wù)賬面價值及違約點。在KMV模型中，公司債務(wù)賬面價值V表示為：

式（3）中，LD為長期負債，SD為短期負債。

由于樣本與實驗的差異，目前在最佳違約點的選取上仍存在較大分歧。王雅楠（2019）在運用KMV模型進行實證分析過程中得出：最佳違約點設(shè)置為0.75時，度量我國上市公司信用風險效果最佳。本文充分參考上述結(jié)論，將最佳違約點設(shè)置為0.75，即：

DPT=STD+0.75LTD （4）

式（4）中：DPT表示違約點，STD和LTD分別表示短期負債與長期負債。

4. 債務(wù)期限與無風險利率。為方便數(shù)據(jù)的查找和計算，本文將債務(wù)期限設(shè)為一年期，即T=1。選取2019年中國人民銀行公布的金融機構(gòu)一年期定期整存整取的存款利率作為無風險利率，即r=1.5%。

5. 資產(chǎn)價值與資產(chǎn)價值波動率。通過對Black-Scholes期權(quán)定價公式的函數(shù)形式進行推導(dǎo)，可以得出包含資產(chǎn)價值和資產(chǎn)價值波動率的方程組：

式（5）中，V為資產(chǎn)價值，σ為資產(chǎn)價值波動率。

（二）違約距離與違約概率

1. 違約距離。違約距離DD是預(yù)期資產(chǎn)價值與違約點之間的距離。一般地，違約距離DD數(shù)值越大，則說明公司違約風險越小、信用狀況良好。簡化后的違約距離DD可根據(jù)公式（6）計算：

N城商行信用風險度量實證研究

（一）樣本與數(shù)據(jù)選取

本文選取N城商行8家代表性客戶作為實驗組公司，相對應(yīng)地，本文還選取了16家公司作為對比組公司，包括8家經(jīng)營狀況正常的公司，以及8家由“ST”公司和“*ST”公司組成的經(jīng)營情況較差的公司。

為避免不同的會計準則可能會干擾實證結(jié)果，本文在選取樣本時，實驗組和對比組共24家公司均在滬深市場上市。所選樣本公司及所屬行業(yè)類別詳見表1。

表1 樣本公司及所屬行業(yè)類別

以上24家上市公司2019年1月1日至2019年12月31日共計244個交易日的相關(guān)股票交易數(shù)據(jù)將被選作本次KMV模型實證分析的樣本數(shù)據(jù)，所有原始數(shù)據(jù)都來源于萬德數(shù)據(jù)庫、同花順交易軟件以及上市公司披露的年報。

（二）樣本公司違約距離與違約概率

根據(jù)式（1）-（5）對KMV模型所需的七個模型參數(shù)進行計算，并結(jié)合式（6）與式（7），借助MATLAB軟件計算出24家樣本公司的違約距離和違約概率，其結(jié)果如表2所示。

表2 樣本公司違約距離與違約概率

（三）度量模型有效性檢驗

從表2結(jié)果可以看出，ST公司和*ST公司的違約距離和違約概率與非ST公司存在較為明顯的差異。為了進一步檢驗實證結(jié)果的準確性，采取Mann-Whitney U以及Kolmogorov-Smirnov兩種非參數(shù)檢驗方式對違約距離進行顯著性檢驗在原假設(shè)為ST或*ST公司（8家公司）違約距離與非ST公司（16家公司）兩者不存在顯著性差異的情況下，兩種檢驗方式中樣本Z統(tǒng)計量對應(yīng)的概率均小于0.05的顯著性水平，拒絕原假設(shè)。因此，KMV模型可以有效區(qū)分ST/*ST公司和非ST公司的違約距離，本次實證度量結(jié)果具有一定的可靠性。

實證結(jié)果分析

（一）總體情況分析

將實驗組8家公司違約距離與對比組中8家ST股和8家非ST股進行比較，對比結(jié)果如圖1所示。從圖中可以看出ST股違約距離小于非ST股，*ST股違約距離小于ST股，結(jié)果與客觀經(jīng)濟規(guī)律相符合。因此，KMV模型能夠較好地區(qū)分經(jīng)營情況不同的公司信用違約概率，度量商業(yè)銀行信用風險，具有一定的可行性。

圖1 實驗組公司與對比組公司違約距對比圖

此外，N城商行8家代表性客戶的違約距離均比該行業(yè)ST公司違約距離大，說明KMV模型能較好地區(qū)分ST公司與非ST公司，N城商行可以引進此方法對其客戶企業(yè)進行信用風險度量。

（二）不同行業(yè)間的違約情況分析

1.行業(yè)平均值之間的比較。將制造業(yè)、批發(fā)零售業(yè)、房地產(chǎn)業(yè)、農(nóng)林牧漁業(yè)四個行業(yè)中的ST公司和非ST公司的違約距離分別取平均值進行比較，結(jié)果如圖2所示。參考王佳等（2018）的相關(guān)研究，同一行業(yè)中的不同上市公司股票違約距離間的垂直距離越大，則該行業(yè)越景氣，說明該行業(yè)中的上市公司經(jīng)營管理狀況較好，發(fā)生違約的可能性相對較低。從圖2中違約距離間的垂直距離可以看出，房地產(chǎn)行業(yè)與農(nóng)林牧漁業(yè)的行業(yè)景氣度相對較高，制造業(yè)和批發(fā)零售業(yè)行業(yè)景氣度相對較低。此次實證當中，房地產(chǎn)業(yè)和農(nóng)林牧漁業(yè)的上市公司違約概率較低，制造業(yè)和批發(fā)零售業(yè)的違約概率較高，這與N城商行2019年不良貸款按照貸款投放行業(yè)分布情況相匹配。

圖2 行業(yè)平均違約距離對比圖

因此，N城商行在授信放貸、度量企業(yè)違約風險時，應(yīng)將此因素充分考慮，有選擇地對所屬行業(yè)景氣、盈利能力較強的企業(yè)發(fā)放貸款，優(yōu)化貸款行業(yè)結(jié)構(gòu)，降低信用風險。

2. 實驗組公司之間的比較。將實驗組8家N城商行代表客戶的違約距離按所屬行業(yè)兩兩求出平均值，如圖3所示。從圖3中可以看出，違約距離從大到小依次是房地產(chǎn)業(yè)、批發(fā)零售業(yè)、農(nóng)林牧漁業(yè)、制造業(yè)，即房地產(chǎn)業(yè)的上市公司違約概率較小。這與N城商行貸款行業(yè)不良率表現(xiàn)出的信用風險略有出入，原因主要是所選實驗組代表性客戶較少，N城商行房地產(chǎn)業(yè)代表客戶是綠地控股和中南建設(shè)，這兩家企業(yè)資產(chǎn)規(guī)模較大，經(jīng)營情況很好，屬于行業(yè)領(lǐng)軍企業(yè)，所以違約距離較大，違約概率較小。

圖3 行業(yè)平均違約距離對比圖

（三）行業(yè)內(nèi)的違約情況分析

剔除行業(yè)因素，觀察各行業(yè)內(nèi)實驗組公司與對比組公司的資產(chǎn)價值和違約距離的關(guān)系，比較結(jié)果如圖4所示。可以看出，資產(chǎn)規(guī)模較大的公司的違約距離基本都大于資產(chǎn)規(guī)模較小的公司，符合實際情況，其原因主要有以下幾點：第一，資產(chǎn)規(guī)模較大的公司資金雄厚，有充足的資金來源來應(yīng)對債務(wù)償還或突發(fā)事件；而規(guī)模較小的企業(yè)，資金周轉(zhuǎn)不靈、資金鏈中斷的可能性更大；第二，資產(chǎn)規(guī)模較大的公司核心競爭力更大、企業(yè)信譽較高，從銀行獲得的貸款利率較低，形成良性循環(huán)，進而商業(yè)銀行更傾向于授信給大型企業(yè)。

圖4 資產(chǎn)價值和違約距離關(guān)系

結(jié)論與建議

本文選取了8家N城商行代表性客戶作為實驗組，16家不同行業(yè)的上市公司作為對比組進行信用風險度量實證研究，結(jié)果表明：KMV模型能較為有效地度量不同行業(yè)上市公司的違約風險，對經(jīng)營績效較好公司與經(jīng)營績效較差公司的違約風險具有不錯的識別度；同時，通過對N城商行客戶樣本的分析發(fā)現(xiàn)，KMV模型能有效度量N城商行代表性客戶的違約風險。一般而言，行業(yè)景氣度高、資產(chǎn)規(guī)模較大的公司的違約距離基本都大于行業(yè)景氣度低、資產(chǎn)規(guī)模較小的公司，發(fā)生信用風險的可能性更低。

基于以上結(jié)論，本研究對N城商行運用KMV模型進行信用風險度量以及授信管理提出以下幾點建議：

加強對KMV模型的適用性研究。由于KMV模型是以美國上市公司為研究對象，其假設(shè)條件和參數(shù)的確定都具有美國市場的特點，N城商行在使用該模型進行信用風險的度量時，應(yīng)當充分考慮模型度量的假設(shè)條件與我國上市公司所處的經(jīng)營環(huán)境，結(jié)合不同行業(yè)上市公司的歷史違約數(shù)據(jù)對KMV模型進行合理的修正，加強模型的適用性研究。

優(yōu)化人才隊伍建設(shè)。KMV模型的修正與應(yīng)用對人才水平提出了較高的要求。N城商行應(yīng)高度重視人才隊伍建設(shè)，健全員工學習培訓管理機制模式，通過聘請高校學者教授授訓的方式，來提高員工培訓的針對性與規(guī)范性，為構(gòu)建一支成熟穩(wěn)定、專業(yè)化程度高的人才隊伍奠定良好的基礎(chǔ)。

根據(jù)行業(yè)特點對企業(yè)進行授信管理。不同的行業(yè)發(fā)展模式、經(jīng)營環(huán)境和特點不同，信用風險往往也存在較大差距。因此，N城商行對上市公司信貸風險度量時，應(yīng)將行業(yè)公司所屬行業(yè)信用風險納入考慮范圍。N城商行在對企業(yè)客戶授信前充分關(guān)注制造業(yè)、批發(fā)和零售業(yè)等不良貸款率較高的公司；此外，在對企業(yè)授信管理過程中N城商行可以對行業(yè)類別進行更細致的劃分，以更精準地比較各行業(yè)的信用風險。

建立企業(yè)客戶違約數(shù)據(jù)庫。N城商行應(yīng)通過將搜集大量信息與模型計算的違約概率相結(jié)合，加快建立企業(yè)違約數(shù)據(jù)庫，為授信業(yè)務(wù)提供潛在信用風險參考指標。在前期客戶選擇方面，堅持“一對一”的原則，詳細記錄該客戶過去信用風險方面相關(guān)違約信息和違約概率。在中后期客戶管理方面，嚴格跟蹤資金用途，控制支付路徑，全程記錄資金流向，并建議客戶企業(yè)開立資金監(jiān)管賬戶，確保資金實際流向與申報用途相符。此外，N城商行還應(yīng)促進科技與業(yè)務(wù)深度融合，踐行科技與數(shù)據(jù)雙輪驅(qū)動理念，不斷完善信用違約數(shù)據(jù)體系。