商业银行信用风险度量实证分析——以16家上市银行为例

中国农业银行青岛分行 万 言 四川省中砝税务师事务所 李俐莎

一、文献回顾

商业银行的信用风险主要是指债权人因借款人由于各种原因不能还款或者不愿意还款而发生违约所产生损失的可能性。随着金融业与金融市场的不断创新和发展，金融市场的竞争日趋激烈，促使国内外的金融市场对信用风险的测量成为众多学者研究的重点内容。

信用风险度量模型包括传统测量和现代测量两种。而常见的度量模型主要有以下几种：ZETA模型、MDA模型、Z计分模型、Logit模型以及神经网络模型属于传统测量模型；而目前最流行的也是研究最多Credit Metric模型、Credit Risk+模型、KMV模型、Credit Portfolio View模型、KPM模型等模型被归类于现代测量模型。在西方，2000年就开始运用模拟的方式对信用风险的测量模型进行相关的研究和总结，Gordy和Crouhy（2000）等对相同时点即静态的资产组合进行了相应的评估测量认为，通过不同模型对数据分析结果是接近的。同时，Nickell（2004）根据对风险测量模型进行了比较分析研究，主要针对实际资产的组合数据进行实证分析，但是结果验证了模型对风险的评估的可能性不够准确。与此相同的是，张宗益（2009）等针对重庆市的1000多家家贷款企业的信用风险对传统模型和现代模型进行了相关的比较分析，数据来自重庆市的四家国有商业银行。通过对数据进行分析，张宗益得出与Nickell（2004）相接近的研究结果，研究结论也显示对风险的预测，靠模型来推导产生的效果显著性较弱。另一种观点是，1993年由美国KMV公司提出的KMV模型，即运用期权思想并且中间剔除了信贷检测模型（Credit Monitor Model），目前在我国的实践中显示，KMV模型应用范围最广，主要原因归于我国资本市场管理不断的规范以及上市公司的市场价值和其内在价值不断的接近，应用KMV模型的前提是资本市场的数据更加有效，同时对信息的对称性要求更高。

KMV模型为学界及实务界普遍接受且应用广泛，在国内新的金融发展特征出现以后，广泛研究KMV模型有较强的理论意义和实务意义。众所周知，KMV模型主要的理论依据是Merton期权定价理论，输入变量采用的是企业股权的市场价值及其波动性，同时根据目标企业的负债状况计算该企业的违约实施点，并以此计算出违约距离，接着根据违约距离和预期违约率的两者之间的关系，得出企业的违约率，将违约率作为企业的信用风险。最近，在国内许多学者也开始对KMV模型根据中国市场进行的相关的理论和实践研究，刘迎春（2004）等认同国外学者关于KMV模型的运用基础是现代期权理论，在此基础上对资本市场的相关披露信息进行预测，相关信息不包括市场中的历史账面报告，其做出的预测结果实际上更能反映资本市场中上市公司目前的的信用风险情况。但是刘迎春的研究也有其不足的地方，即对于非上市公司的应用效果非常差，主要针对上市公司。吴恒煜（2005）等认为KMV模型中的EDF指标主要是针对股票价格的实时数据的显示，对公司信用风险的度量具有连续性。同时，KMV模型向相关的监管部门和投资者提供了可中较为可靠的信用分析测量模型；该模型的局限性在于我国资本市场中缺乏企业违约以及相关的破产的历史数据，无法把违约距离和预期违约率之间进行相互转化，从而影响了KMV模型在我国的广泛运用。

综述所述，对KMV模型的理论研究的文献比较丰富，但是目前国内对KMV模型的实证研究相关文献较少。因此，本文结合当前金融行业发展特点应用KMV模型，通过对所有国内上市银行企业的股权价值及其波动性进行预测和估计，最后得出EDF指标损失的概率。

二、信用风险度量模型设定与变量选择

第一，信用风险度量模型的介绍。在20世纪90年代，国内外一些金融机构开始了对企业信用风险进行了相关的技术研究，主要研究一些新的信用风险度量模型，主要包括如KMV模型、Credit Metrics模型、Credit Rist+模型等。现代风险测量模型是以金融市场中理论风险测量为分析的基础，同时把数理统计的方法和系统工程的研究方法等加入了该模型中，主要是针对商业银行所面临的风险进行分析、识别、测量和监控。KMV模型是于1989年由KMV公司提出的，主要提供信用风险管理等服务，该模型是根据股票市场中的股票价格为基础进行信用风险的测量。KMV模型又称为信用监控模型（Credit Monitor），是根据期权定价理论对股权进行估算的一种信用监管模型，通过分析上市公司股权价值即企业内在价值的波动性，来预测上市公司发生违约的可能性，其应用对象是上市公司，上市公司的数据较容易取得。

根据KMV模型，对相关指标进行定义：公司的总价值为企业的股权价值（所有者权益）加上债务价值，根据资产负债表显示，当公司总价值大于该企业的负债时，这部分债务债权人会得到全额的偿还，而股东将得到剩余部分的价值；当公司总价值低于债务价值时，即资不抵债时，公司就无法偿还债务，即会出现违约现象，此时，股东价值为零甚至负数。所以，如果公司总资产低于一定数值，则会存在对股东、债权人违约的风险。这时，对应的公司总价值被设为公司违约点，也就是公司资产价值与负债价值相等时的点。

模型假设在某一特定的时期内，公司资产总价值服从的分布特征，通过企业总资产的期望值（E）与标准差（波动率）来描述。企业未来资产价值的均值与企业负债的账面价值之间的差额设定为违约距离（Distanceto Default）。确定预期违约率与违约距离之间的对应线性关系，即用违约距离来表示违约率，建立函数关系，估计相应的违约率。预期违约率表示在一定时期内，在正常市场环境下企业可能发生违约行为的概率。KMV模型的假设条件是，当企业未来资产价值的均值低于企业所要偿付负债的账面价值时，就会发生违约。由于无法精确判断贷款企业是否会发生违约现象，只能估计违约的风险，即违约可能性的大小。

第二，KMV模型中参数的估计。具体如下：

一是公司股票价值的估计。本文采用的是上市银行为研究对象，并假设这16家上市银行的资产价格在一定时间内是不变的。Merton的模型中，假设持有公司的股权与持有一份公司的看涨期权是等价的，那么公司债务的价值也就是最终该期权的执行价格。

看涨期权：max{Sr-x，0}

股权价值：Sr=max{Vr-Dr，0}

其中Sr为股权价值，Vr为公司价值，Dr为债务价值。

由看涨期权定价原理可估算股权价值：

二是公司资产价值V和其波动性σv的估计。对于上市公司，本文认为其所有者权益的市场价值体现为其股票市场价值。但是，由于在我国上市公司中有流通股与非流通股之分，流通股的价值时随着市场价值的变化而变化，而非流通股相对比较稳定，故需要对企业的所有者权益的市场价值进行加权，即：

公司净资产的市场价值=流通股价值+每股净资产*（总股本-流通股股数）

本文假定目标企业股票价格指数服从对数正态分布，因此使用传统静态模型对其上市银行公司股票波动率（标准差）进行估算。因此股票日收益率可表示为：

μi＝ln（Si／Si-1）其中，Si表示第i天股票的收盘价。

最后，可以通过以下方法将每日波动率换算为年波动率，即：资产年波动率＝资产日波动率×250^2

三是对违约点（Default Point，DPT）和违约距离（Default to Distance，DTD）进行估计。根据公司总资产V、波动性σv、公司长期负债、短期负债和股权价值的估算公式，以及公司股票价格和负债的账面价值来估计公司总价值。基于KMV模型相关理论，可以使用公司资产作为标的资产、负债账面价值作为执行价格、负债偿还日为到期日的看涨期权来衡量公司股权价值。这时，如果资产的市场价值大于负债的账面价值时，负债的账面价值也即违约点DP，那么企业执行该期权，即不违约；反之如果负债的账面价值大于资产的市场价值，企业选择放弃该期权（即违约），而在违约点，公司贷款债务恰好能够被公司价值抵偿。

DPT=STD+0.5LTD＝短期负债＋长期负债/2

DTD=（V-DPT）/（V*σv）表示要到达违约点，资产价值需要下降的程度（下降比率相对于标准差的倍数）

四是预期违约率的估计。确定违约距离与预期违约率之间的对应关系（将预期违约率表示成违约距离的函数，用来预测违约率）EDF=〔1-DTD〕*100%。

三、实证分析

第一，样本选取。本文以我国沪深股市的银行业作为研究样本，运用实证研究的方法对信用风险度量模型进行测量：

银行业一直是中国金融业的领先行业，中国证监会对银行业的监督严格，银行业关系着中国的国计民生。同时，中国商业银行上市的本身并不多，因此本文从沪深两市中共选取了16家上市银行，如表1所示：

表1

第二，实证分析。求出前面参数估计的基础上，将前面的数据代入Excel表，对资产价值及其波动率进行求解。并根据公式EDF=〔1-DTD〕*100%，计算出各个企业的预期违约概率。如表2所示：

表2

通过分析，得出以下结论：从EDF值的结果来看，各大银行的违约概率很大，即公司的资产99%的来源于负债，公司几乎没有权益资产。结果显示银行业整体存在较大的违约风险。如农业银行和工商银行的违约概率超过100%，预示着如果出现挤兑想象，各大银行也将面临着倒闭破产。

从表2中可以看出，股份制银行的违约概率要小于四大国有控股银行的违约概率。如果没有进行股份制改革，将不会出现各大地方性股份制银行，也不会再银行业产生竞争，国有控股银行的违约概率将更大，在此也充分体现了股份制改革取得的成效。

四、结论与建议

KMV模型是信用风险测量模型中在我国商业银行的应用效果具有较大的优越性，然而，KMV模型是建立在资本市场有效性的假设前提下的，并且估价的波动性能够反映公司的实际价值，因此，KMV模型在我国完全应用还有一定的局限性。主要表现在：

首先，由于我国的资本市场还不够完善，对于模型中所需要的指标参数存在不稳定的情况。比如对非流通股价值评估问题，我国资本市场中存在非流通股的问题，由于KMV模型在西方国家产生，并适用于该市场，而西方国家的上市公司中不存在非流通股的现象。在我国应用KMV模型确定违约点，必须根据我国的国情来确定，不能照搬西方国家市场中关于违约点设定的方式和方法。

其次，对于预期违约率的估计不够准确，而且预期违约率的估计只能在上市公司中应用，对于非上市公司的违约率不能直接预测。运用KMV模型对预期违约率进行估算，是根据违约距离与违约率之间的对应关系来估计违约产生的概率。由于中国的银行业上市较晚，对于取得银行中的历史数据具有一定的困难，而且把违约距离转换成违约率具有一定的难度。并且，宏观经济的不断变化，在我国金融市场建立相应函数关系也是不太适宜的。

最后，由于我国信用管理体系刚刚建立，还需不断的完善与改进，不能对所有企业的信用进行技术监督管理。应当加强以下方面的工作：一是加强对金融市场的强有力监督，保证所获取数据的真实和完整。对于信用测量模型而言，样本数据的真实性和有效性是至关重要的。而KMV模型的信用风险估计主要是直接利用上市公司的数据，这就要求上市公司披露的信息必须及时、准确、有效，如果不这样做，KMV模型反映上市公司的信用状况的能力就会受损。二是尽快建立信用违约风险数据库。建立违约距离与预期违约率之间的喊声关系，必须有全面而又统一的数据库。我国在信用风险管理领域的一个重大缺陷就是违约数据库的缺乏，从而无法准确完整的建立两者的函数关系，严重制约着银行业等金融领域的信用分析度量模型的准确性。由于我国市场经济发展的时间只有20年左右，并且商业银行体制也刚刚建立，而违约率的数据库的建立需要长期的积累。因此，应对现有数据和原始存在的数据进行整合，为构建我国违约距离和预期违约率之间的函数关系奠定基础。三是加大对银行业的监管。首先要发挥银监会和中国人民银行的监督管理职责。由于中国人民银行是我国银行中的银行，并且建立商业银行间客户信息数据的共享成为了人民银行的职责，特别是违约率较高的客户信息的共享，避免出现不同商业银行而同一客户的信用风险的现象。其次，各大银行间应加强各种的风险管理意识，设立相应的风险评估管理部门，对各项贷款进行评估评，并及时对企业贷款进行跟踪调查，如果发现贷款回收困难时，应及时做好应急措施，使损失降低到最小程度。

［1］吴军、张继宝：《信用风险量化模型比较分析》，《国际金融研究》2004年第8期。