现代企业信用违约概率测度模型综述

吴晓

摘要：对各种现代企业违约概率测度模型进行了评述和比较，并分析了各种模型的优劣。同时结合分析我国实际情况，认为KWV理论上可以很好地适用于中国情况，并进一步概括了其在中国的发展情况。

关键词：信用违约概率；CerditMetrics模型；KMV模型；CreditRisk+模型

中图分类号：F2

文献标识码：A

文章编号：16723198（2014）02002602

银行风险中最主要的是信用风险，其中现代信用风险度量方法主要是就企业信用违约概率（PD）的测度和评估，这是信用风险评估模型中的主要输入变量之一，也是巴塞尔新资本协议内部评级法（IRB）的关键内容。近十几年来，西方商业银行探索运用现代金融理论和数学工具定量评估信用风险，开发出几种测量信用违约率的模型。第一种是以信用评级的历史资料为基础开发的信用违约概率测量模型，第二种是基于期权定价理论的基数违约率测算模型，第三种是基于保险精算违约概率的测度模型。

1现代企业信用违约概率测试模型综述

1.1以信用评级历史资料为基础的信用违约概率测量模型

这类测量模型是评级公司和商业银行以自身评级体系长期积累的历史资料为基础，从而计算出各类信用等级历史违约率的平均值。不同的平均值体现了不同信用等级企业的违约率，从而可以估算出具体企业在未来的违约概率。其中以Creditmetrics模型和信贷组合（Credit Portoflio View）模型最有代表。

CerditMetrics模型利用信用评级每年所评信用级别估计出信用级别转移概率，并在此基础上利用不同等级下贷款的远期利率折现出贷款现值。然后假设贷款的市场价值呈正态分布，计算该贷款在不同置信水平下的VAR值。再结合企业违约后的损失率即可得出贷款的预期损失。CerditMetrics模型简单，便于计算，通过对数据库中众多企业过去的评级历史数据就能简单估算出不同信用等级的各类企业的漂移概率和信用违约率。但这种方法对企业信用等级漂移概率矩阵的前提假设不符合现实情况，导致缺点也很明显。比如现实中信用等级漂移概率矩阵的稳定性受行业、国家和商业周期的影响巨大，相同信用级别漂移概率矩阵内企业其实际违约概率会相差很大等。

信贷组合（Credit Portoflio View）模型是麦肯锡公司提出的一种多因子风险测度模型，它将企业的违约概率看成一些宏观经济变量，如利率、失业率、国民收入增长率等的函数，通过蒙特卡罗模拟技术模拟周期性因素的冲击来估计一个国家某个行业内公司的违约概率和信用转移概率变化情况，进而评估信用风险。这种模型将宏观经济因素与违约概率以及信用级别转移概率联系了起来，考虑了宏观经济环境，是Creditmetrics模型的扩展与补充。但另一方面，它也存在一些缺陷，如对数据的要求，如对一些商业周期的主观判断等。

1.2以期权定价理论为基础的“基数”信用违约概率测量模型

“基数”模型中最主要的是KMV模型。这是由风险管理公司——KMV开发的一种信用风险测算模型。它以期权定价理论为基础，通过对上市公司股价波动的分析来预测股权公开交易公司的违约概率。其基本思想是：当企业资产的市场价值小于它将要偿还的负债（违约点）时，企业就发生信用违约。因为在有限责任公司制下，资不抵债的企业所有人不会用企业资产以外的资源来偿还借款。于是理论上可以利用公司股票市值、股价波动率、借贷时限、负债的账面价值以及无风险利率五个变量，借助Black-Scholes期权定价公式得出公司资产价值A和波动率A，将公司长期和短期负债按一定比例组合形成公司的违约点DPT。然后计算特定公司的违约距离DD（公司资产价值偏离违约点的概率分布），结合公司数据库中海量公司数据统计得出的经验违约率（EDF），找出二者之间的映射关系。最后通过构建这样的函数关系建立数据库来估计企业的预期违约率（EDF）。

KMV模型的优势有三点：第一，KMV模型基本数据来源于股票市场的实时数据，而对于企业过去财报记录的历史数据却需求不多。这使得KMV方法能够根据企业实时数据及时反映企业当前的信用状况，从而对违约率的预测能力更准确。第二，KMV模型的理论基础是现代公司财务理论和期权理论。通过企业资产负债率和企业市场价值得出企业的资产价值，这样计算得出的预期违约概率具有较强的说服力。第三，KMV模型对数据的要求也不苛刻，利用公开的公司财务数据和股票市场股票价值变化就可以计算得出预期违约率，这适用于大部分的上市公司。尽管如此，KMV模型也有一些缺陷。首先，KMV模型只针对上市公司预期违约率的评估，对于非上市公司却不能直接运用，其应用范围有一定局限。其次，KMV模型假设企业资产价值呈正态分布，这样的假设与现实不符，得出的预期违约率可能与实际的情况相差很大，影响了模型的准确性。

1.3基于保险精算违约概率的测度模型

信用风险附加法（CreditRisk+）模型是信贷苏黎世金融集团（Credit Suisse Financial Products）于1997年提出的一种信用VaR模型。它假设贷款组合中单项贷款的违约概率分布服从泊松分布（任何时间段发生违约的概率相同且相互独立），只考虑违约风险，将保险精算学用于贷款组合损失的概率分布计算中，然后将贷款组合分解成具有相同风险暴露的各组，计算出各组的违约概率和损失大小，从而得出不同组的损失分布，最后将所有分组的损失加总即为贷款组合的损失分布。

该模型优点是不需要运用复杂的模拟技术，需要的输入变量较少，只需要具体贷款的违约率和违约损失率（LGD），对于利率的期限结构和信用等级漂移概率等信息要求很少。因此，该模型的计算量小，速度也快，而且对贷款组合的损失概率分布容易形成闭型解。CreditRisk+模型的缺陷是违约概率依赖于一些随机变量，而模型本身却并未对信用违约率的变化与这些随机变量的关系有更多分析。

2KMV模型适用于中国现状及其发展

总结对各种违约概率测度模型的优劣，我们认为KWV理论上应该可以很好地适用于中国情况。首先，KMV模型不要求有效市场假设，即使在像中国这样新兴的弱有效市场。其次，KMV模型仅以企业的实时股票数据为基础，结合企业资产负债率等有限的财务数据，这在一定程度上克服了依赖历史数据导致的滞后的局限性，同时模型也能及时反映股票市场的信息，便于数据更新，以及建立动态模型。第三，KMV模型有着较强的理论支撑，是基于现代公司理财和期权理论的“结构性模型”，并将公司股权看作是对公司资产的一种看涨期权。

现代违约概率测度和预测理论中，KMV模型不要求有效市场假设，同时对数据的要求仅涉及一些公开的公司股价和基本财务数据。这些先天性的优势使它更适用于中国这样的新兴市场，因此在国内对于现代违约概率的研究主要着重于KMV模型。主要有：鲁炜等人利用中国股市数据，初步运用期权理论得出了适应中国市场的σA和σE的关系函数；易丹辉、吴建民将研究样本扩大到沪深30家公司，提出应根据中国实际情况对KMV模型进行修正，如违约点的选取等；马若微以沪深所有上市公司为研究对象，认为KMV模型对中国上市公司财务预警具有明显优势；孙小琰、沈悦将KMV模型对我国流通股和流通受限股的实际情况作了修正，并用修正后的模型对部分样本公司进行了实证检验，认为KMV模型适用于中国证券市场；刘博通过比较KMV模型中不同假设下不同违约距离公式找出了适合中国证券市场的违约距离修正公式。

参考文献

[1]鲁炜，赵恒衍，刘冀云.KMV模型关系函数推测及其在中国股市的验证[J].运筹与管理，2003，（06）.

[2]易丹辉，吴建民.上市公司信用风险计量研究[J].统计与信息论坛，2004，（11）.

[3]马若微.KMV模型运用于中国上市公司财务困境预警的实证检验[J].数理统计与管理，2006，（9）：593601.

[4]孙小琰，沈悦.基于KMV模型的我国上市公司价值评估实证研究[J].管理工程学报，2008，（22）：102108.

[5]刘博.基于KMV模型对中国上市公司的信用风险进行度量的实证分析[J].科学技术与工程，2010，（3）：843847.