基于KMV模型的我国农村商业银行信用风险管理实证研究

王海荣 钱 哲 汪宁霞

基于KMV模型的我国农村商业银行信用风险管理实证研究

王海荣 钱 哲 汪宁霞

KMV模型是近年来在国际金融领域信用风险管理方面的重要模型之一，就其本身的框架而言，该方法实际上是在一定的假设前提下，通过计算违约距离与预期违约率量化信用风险，它包括了一整套的分析方法和数据库。本文主要以江苏省10家具有代表性的农村商业银行为样本进行实证调研分析，基于2013年各行的财务报告与财务数据，运用KMV模型的基本算法与思路对其信用风险进行度量，最后，根据实证分析的结果，针对江苏省农村商业银行信用风险管理提出相应的完善措施。

KMV模型 信用风险 违约距离 预期违约率

一、引 言

信用风险又称违约风险，是指交易对手未能履行约定契约的义务而造成经济损失的风险，即受信人不能履行还本付息的责任而使授信人的预期收益与实际收益发生偏离的可能性，它是金融风险的主要类型。而信用风险作为农村商业银行经营风险中的主要风险，是我国商业银行经济损失的主要原因，若不有效控制，必将给银行带来巨大的风险和不可估量的损失。因此，信用风险的有效管理显得尤为重要。信用风险管理的实质，是商业银行通过对现存信用风险进行研究分析，从而达到对风险的预防与控制，以减少或规避信用风险所带来的经济损失。由于我国对风险管理缺乏足够的认识，没有建立独立的风险管理机构，也没有配备专门的风险管理人员，因此，我国主要是引进国外的经验。迄今为止，世界著名的中介机构和金融机构向公众公布的、比较有影响力的信用风险量化模型主要有以下四个：JP摩根的信用度量术模型（Credit Metrics）、KMV公司的KMV模型、瑞士银行金融产品开发部的信用风险附加模型（Credit Risk＋）和麦肯锡公司的信用组合观点模型（Credit Portfolio View）。其中信用度量术模型和KMV模型是基于默顿的期权定价理论构建的，信用风险附加模型是应用保险经济学中的保险精算法构造的，而信用组合观点模型的构建则采用了将宏观经济变量和单个债务人的信贷质量联系在一起的计量经济学方法。根据前人的研究结果表明：KMV模型在我国适用性最强，应用条件最成熟。

因此本文简要介绍江苏省农村商业银行信用风险管理的现状，运用KMV模型，结合2013年江苏省农村商业银行的财务数据进行实证分析，根据实证分析的结果，针对现存的问题提出完善农村商业银行信用风险管理的意见。

二、文献综述

对于信用风险的研究，国外学者起步比较早，早在700多年前，如何管理信用风险就成为银行管理的核心技能，而信用风险的识别和度量又是管理好信用风险的关键技术。Edward I．A1tman（1968）提出了信用评分模型——Z评分模型（Z．score Model），该模型是基于数理统计技术来区分贷款风险程度，从而对贷款申请人进行信贷风险的评估。Ohlson（1980）利用Logit回归分析建立信用风险预测模型，并证实该模型具有很好的预测能力。Kurbat和Korablev（2002）用水平确认（Level valielation）和校准（Calibration）方法对KMV模型进行验证，数据证明KMV模型十分有效。Jeffrey Bohn，，Navneet Arora等（2005）通过与其他信用风险度量模型的比较分析，验证了KMV模型在违约预测方面的区分能力和精准性。Douglas W.Dwyer和 Irina Korablev （2007）用KMV模型对欧亚地区非金融公司信用风险进行实证分析，表明KMV模型可以为不同时段不同地区的信用风险预测提供较好的方法。

我国关于信用风险管理的研究起步比较晚，在信用风险的具体度量和管理上使用的方法还比较落后。王春峰等（1999）运用神经网络技术分析商业银行信用风险认为，较之其他传统分析方法，神经网络技术在大部分方面的预测更精确。殷克东等（2006）对国内外的商业银行信用评级上存在的问题进行分析，并运用时间序列、主成分分析、层次分析等分析法对构建我国的内部评级模型进行了尝试并进行了实证分析。刘伟（2007）提出了BP人工神经网络模型，并以某企业的财务数据为样本，进行了信用评级分析。

三、农村商业银行信用风险管理现状分析

与西方国家相比，由于我国对信用风险管理的认识比较晚，因此商业银行在信用风险管理的水平和度量上还比较落后，而且不同银行的信用风险管理水平也存在较大差异。经过30多年改革开放和经济全球化的发展，我国商业银行在信用风险管理上已经有了很大的进步，但与西方较先进的商业银行信用风险管理技术方法相比，还存在较大的差距，我国农村商业银行信用风险管理仍存在一些问题。

（1）信用风险内外部评级系统不完善。我国目前被信用评级的企业数量较少且不成熟，且服务对象单一，运作不规范，评级方法落后，商业银行无法从外部获得信用评级的参考，从内部评级来说，中国大多数商业银行对企业的信用评级采取一些定性分析法，这并不能真实反映企业未来的发展状况及偿债能力。

（2）不良贷款比例过高。不良贷款率的高低，反映了信用风险的大小。我国农村商业银行的不良贷款比例较高，在同业竞争中，处于一定的劣势，这必然会给农村商业银行的发展埋下巨大的隐患，经济环境一旦发生变化，潜在的危险随之出现，就会产生严重的信用风险。

（3）信用风险的计量和风险量化管理落后。我国商业银行目前在信用风险量化管理方面还非常薄弱，对于信用风险模型还不熟悉，基本还停留在定性分析阶段，尚未真正有意识地建立有关信用风险情况的完备数据资料库。

（4）缺乏专业的风险管理人才。信用风险是银行面临的风险中最难测量和预测的，所以这对从事风险管理人员的专业要求相当的高。我国农村商业银行在风险管理的机构和人员配备方面，重点和力度明显不足，且信贷人员的素质普遍不高，进而缺乏对信用风险管理相应的技术。

（5）银行存贷款期限配置不合理。商业银行经营的基本要求是能够根据吸收存款的期限进行合理配置自身贷款等资产的期限。但近年来，银行存贷期限错配趋势明显，严重的不合理。从存款上看，有明显的活期化趋势，银行资金来源越来越不稳定，从贷款上看，大量的中长期贷款给银行带来潜在的危险，若资金周转不灵，极易导致银行破产。

总之，我国农村商业银行现存在的问题比较严峻，而导致这些问题的关键因素是农村商业银行信用风险度量方法的落后，虽然传统的信用风险度量方法简单易操作，但由于其主观性较强，主要侧重于定性分析，导致其评价往往因不同的因素而产生的结果各不相同。本文主要是基于现代信用风险度量方法和KMV模型，来研究农村商业银行信用风险管理。

四、KMV模型

KMV模型的理论基础是Black-Scholes期权定价模型，它将信用关系视作卖方期权，银行发放贷款给借款人时，借款人拥有卖方期权，而期权实施的价格就是贷款的额度，借款人的资产则为期权标的物，当资产价值下跌，小于债务价值时，借款人可选择实施期权，即违约。

KMV模型应满足以下基本假设：

（1）企业市场价值服从布朗运动，且借款人资产收益服从正态分布；

（2）企业违约等价于企业资产价值小于债务；

（3）企业资本结构只包括所有者权益、短期负债和长期负债；

（4）违约距离是评价信用风险的合适指标；

（5）违约只在债务到期日T时刻发生（一般为1年）；

在KMV模型中，决定公司违约概率的是公司的资产价值及其风险。公司的资产价值是指公司资产的市场价值，是公司资产产生的未来现金流的现值，它包含了公司的相关市场、所在行业以及宏观经济信息，反映了投资者对公司前景的估值，具有前瞻性；资产的风险是指公司资产价值的不确定性，通常用资产价值的波动性衡量，由于公司需要在所在行业的大环境下生存，因此，其资产的风险同样也是所在行业资产风险的体现。

根据以上假设，对于卖方期权而言，其定价公式为：

E：期权初始合理价格，即公司的股权价值

P：期权交割价格，即公司的债务面值

A：所交易金融资产现价，即公司资产价值

T：期权有效期，即债务期限（一般为1年）

r：无风险利率（国际上通常采用国债收益率替代无风险利率r，由于我国没有实现利率市场化，因此我国并无真正意义上的无风险利率。国内学者多采用一年期定期存款的利率替代，本文亦采用此种处理。）

KMV模型取决于5个变量（P、A、r、T、σA）的价值，其中，P、r、T的值可直接从市场上观察到，所以要解决的问题是A和σA两个未知变量的值。

KMV公司认为当公司资产价值小于公司债务账面价值时公司不一定发生违约，因为在公司债务中长期负债具有一定的“缓冲作用”，能够给企业一定的时间继续经营从而改善自身状况并最终偿还债务。因此KMV公司将违约临界点设置为短期负债到负债总额之间的某一个点，即违约点。公式为：违约点（DP）=短期负债（STD）+0.5长期负债（LTD）

以违约距离DD表示企业资产市场价值期望值A距离违约点DP的远近，距离越大，企业发生违约的可能性越小。根据违约距离DD的定义，公司资产市场价值低于违约点的概率，即理论上发生违约的概率为1-N（DD）。而基于违约数据库，依据违约距离可以映射出公司实际的期望违约频率EDF。由于我国当前还没有公开的违约数据库可以使用，现暂以违约距离DD作为公司信用评价的依据。

五、实证分析

（一）样本选取

从2000年8月开始，江苏省农村信用社改革试点工作全面推开。截至2012年末，全省共有农村商业银行58家，江苏农村商业银行是全国最多的，具有较强的竞争力。以张家港农商行为代表，江苏省农商行不管在经营特色还是资产规模上，都处于全国领先水平。但考虑到这些农商行都没有上市，一些类似总股数、股票市值等数据无法获得，只能寻求其他的替代变量。本文选取了10家具有代表性的江苏省农村商业银行作为实证研究的对象，10家银行分别为：张家港农商行、吴江农商行、常熟农商行、紫金农商行、海安农商行、太仓农商行、高淳农商行、姜堰农商行、无锡农商行和盱眙农商行。本研究的计算期为2013年1月1日至2013年12月31日，计算基准日为2013年12月31日。

（二）参数设定

为了更好的进行实证研究，现做出如下假定：

（1）实证数据引用各农商行2013年的财务报告，准确真实、可信。

（2）为了研究方便，令债务期限T为1，无风险利率r采用2013年一年期定期存款基准利率3%。

（3）由于银行的流动性负债难以统计，本研究取总负债为违约点。总负债以计算期内的银行财务报告公布数据为准。

（4）由于农商行未上市，市场价值采用净资产来代替，即农商行最低的市值。假定其满足标准正态分布。

（5）由于农商行未上市，没有股票价格，假设股权波动率为1。

（6）假定违约距离的计算公式中，E（A）＝A，则

（三）实证过程

（1）估计资产价值和资产价值的波动程度

联立方程组：

求解得出A和σA，计算结果如下：

表1 资产价值及资产价值波动率 单位：元

（2）违约距离及预期违约率的计算

表2 违约距离和预期违约率

（四）实证结果

标准普尔和穆迪的风险评级代表了违约概率，表3给出EDF和标准普尔评级以及穆迪信用评级之间的对照表；表4给出了10家银行最新的穆迪信用等级以及标准普尔评级。

表3 标准普尔、穆迪评级与KMV模型的EDF值的映射

表4 样本银行对应的信用等级

由于农商行缺乏标普尔和穆迪的信用评级，因此无法判断KMV模型在我国农村商业银行中是否具有适用性，因此，表4只是将样本银行的预期违约率与标准普尔和穆迪信用评级的标准对应，了解该行大致的信用等级，仅此而已。当然，通过前面的实证分析，得出了以下几点结论：

（1）根据表2可以看出，违约距离越长，预期违约率越低，两者呈反向变化。并且在10家样本银行中高淳农村商业银行对信用风险的把控能力最强，而张家港农村商业银行、常熟农村商业银行、吴江农村商业银行现处于拟上市的状态，快速扩张，规模较之另外几家银行较大，因此，在运营过程中不可避免的会存在一些风险。

（2）根据EDF反映的信用风险大小，可以看出影响信用风险的因素主要有:银行的资产规模、偿债能力、盈利能力以及资产的稳定性。当银行的资产规模扩大时，盈利能力和偿债能力也变大，资产的波动性减小，违约距离增大，预期违约率减小，信用风险减小。反之，当银行的资产规模减小时，其违约概率增加，信用风险也变大。

（3）根据表4可以看出，这10家农村商业银行信用等级均处于中等以上，说明江苏省农村商业银行虽然没有上市，规模没有上市的商业银行大，但其对信用风险有一定的控制能力，在全国范围内发展较好，处于领先地位。

六、结 论

前文利用KMV模型从农村商业银行信用风险的角度，对我国农村商业银行的信用评级提供了定量分析的指标。然而由于模型的限制，在一定的假设条件的基础上才有一定的可行性，因此对于农村商业银行的信用风险分析模型还需进一步开发。现针我国农村商业银行的现状简单地提出些许建议。

（一）建立成熟的评级机构和完善内外部评级体系

银行应尽快发展和规范评级机构，提升银行业务决策的科学性，利于我国资本市场的进一步发展，根据我国具体国情和企业自身发展的条件，建立健全与银行自身相适应的信用评级标准，形成内部评级体系，以便更好地对受评对象的信用等级作出评估。我国目前资信评级发展还处于初级阶段，所以必须积极学习西方发达国家的成熟经验，引进先进的评级技术，降低我国银行的信用风险。同时也要建立健全信用评级的法律法规。一个行业的发展，完善法律法规是必不可少的。只有建立健全了相关的法律法规，才能规范银行业的信用评级。

（二）控制不良贷款率，加强监督管理

农村商业银行应该将控制不良贷款率作为经营的主要目标，加强内部管理，大幅度减少新增不良贷款，努力争取将不良贷款率控制在较小范围内，同时银行业金融机构的风险监管核心指标必须达标，对银行部分事后监督与审计要到位，贯彻“审慎监管”原则，以便银行大幅降低信用风险。

（三）量化信用风险，建立信用风险管理模型

有关部门应引进国外先进的信用风险量化工具，结合我国的实际情况进行改进研究，找到适合我国的信用风险量化工具和度量模型，同时完善基础数据库，对信用风险进行量化，形成现代信用风险评级机制。

（四）培养和引进一些具有专业技术的人才

农村商业银行信用风险的有效管理，不可缺少专门从事风险分析和评估的人员。对银行而言，可以从两方面入手。一方面，银行可以在现有的人员里进行选拔，参加相关方面专业的培训；另一方面，以有竞争力的薪酬制度来引进风险管理人才，通过内部培养和外部招聘相结合的方式，建立风险管理队伍，双方不断交流学习，不断提高队伍的风险管理水平。

（五）管理存贷款期限结构，加强流动性监管

银行应该致力于推进中长期贷款证券化和存款的稳定化，管理存贷款结构，提高农村商业银行资产管理能力和主动负债能力，同时拓宽银行长期资金来源，推进资本市场稳定发展，改善中长期融资对银行贷款过于依赖的局面，加强流动性监管，深化银行改革。

［1］Edward I.Altman.Financial Ratios，Discriminate Analysis and the Prediction Of Corporate Bankruptcy.Journal of Finance.1968（9）598-609

［2］Ohlson J.S.Financial Rates and the Probabilistic Prediction of Bankruptcy.Journal of Accounting Research，1980. 9（15）109-131

［3］Kurbat，Korablev.Methodology for Testing the Level of the EDF Credit Measure.Moody's KMV Corporation.2002（8）

［4］ Jeffrey Bohn，Navneet Arora.Modeling Defadt Risk．Moody'S KMV Corporation．2003.10

［5］ Douglas W.Dwyer，Irina Korablev.PowerandLevel Validation of Moody's KMV EDF Credit Measures in North America，Europe and Asia.Moody's KMV Corporation.2007.9

［6］王春峰，万海晖.商业银行信用风险评估及实证研究.管理科学学报.1998（1）

［7］殷克东，基于商业银行的信用评级模型研究.山东经济. 2006（3）101-103

［8］刘伟，神经网络在银行信用风险中的应用.内蒙古农业大学学报.2007（4）103-104

［9］凌江怀，刘燕媚.基于KMV模型的中国商业银行信用风险实证分析——以10家上市商业银行为例.华南师范大学学报:社会科学报.2013（5）142-148

［10］冯玉霞，廖伟.浅谈我国商业银行信用风险管理.金融天地.2012

［11］陈斌.我国商业银行信用风险的成因及对策探索.产业与科技论坛.2014（9）226-227

［12］张琳.我国商业银行信用风险管理存在的问题及对策研究.财政金融.2014（4）150-151

Empirical Analysis on Credit Risk Management of China's Rural Commercial Banks Based on KMV Model

WANG Hai-rong,QIAN Zhe,WANG Ning-xia
Nanhang Jincheng College,Nanjing 211156

KMV model is one of the most important model in credit risk management around world.This paper bases on some hypothesis and measure the credit risk by Default Distance and Expected Default Frequency,including a set of analytic methods and database.This article mainly uses 10 representative agriculture business banks in Jiangsu province as a sample for empirical analysis,based on the financial report of each bank in 2013,using the KMV model to measure its credit risk. According to the result of empirical analysis,the paper put forward some suggestions based on the current situation of credit risk management of Jiangsu agriculture business banks.

KMV Model;The Credit Risk;Default Distance;Expected Default Frequency

F830

A

大学生创新基金（201413655011Y）；江苏省教育厅高校哲学社会科学基金（2013SJD630089）；江苏省社科基金（11GLB007）

王海荣，女，汉族，安徽毫州人，博士研究生，副教授，研究方向：财务与金融；江苏南京，211156

钱哲，女，汉族，江苏南通人，研究方向：财务会计

汪宁霞，女，汉族，江苏南京人，研究方向：财务会计