我国商业银行信用风险研究
郭天龙 崔婷婷
【摘要】商业银行的发展在金融体系甚至国民经济中起着重要作用，而信用风险更是金融经济发展稳定的关键。本文以沪深两市上市的20家商业银行信用风险状况为研究对象，采用2019年的数据，使用KMV模型测算其违约距离与违约率，结果表明，大型商业银行的信用风险显然低于中小银行及城商行，并且提出了政策建议。
【关键词】KMV模型 信用风险 违约距离 违约率
一、引言
商业银行作为经营货币信用业务的企业，既具有一般企业的特性，也有其特殊性。既要保持经营活动持续盈利，又要保证金融资产的安全性和流动性。同时，商业银行的发展离不开信用风险的管控，且其业务呈多元化发展趋势，信用风险对经营活动的影响越来越大，不容忽视。由于信用风险的诸多不确定性特征，分析和研究信用风险对商业银行的影响已成为诸多学者及金融行业研究的重要课题。
二、我国商业银行信用风险管理现状
历经30年的改革开放以及近些年国内经济的高速发展，我国不断向国外先进银行学习，国内商业银行的风险管理水平与国际先进银行的风险管理水平的差距在逐渐缩小。但是，与西方先进的风险管理技术相比，我国商业银行的信用风险控制管理工作依然存在诸多问题，内部评级法在信用风险管理中没有发挥应有的作用。
不良贷款率逐年升高，贷款集中度较高。根据表1中的数据，我国商业银行的不良贷款率呈现出逐年上升的趋势，表明我国面临贷款违约的风险较高，对于信贷业务高速增长情况下隐藏的潜在信贷资产质量风险，我国商业银行仍须保持高度警惕，应始终将防范、化解信贷风险放在银行发展的首要位置。
信贷管理业务中高度重视抵押担保。我国商业银行在信用风险防范过程中，注重企业是否提供抵押担保，导致中小微企业很难获得贷款。相反，银行对大型垄断性企业或者上市公司的信贷要求比较宽松，企业的负债规模、还款能力等反而未作为重要问题考虑，盲目授信。
银行自身的风险管理体系不完善，组织架构复杂。我国商业银行自身的组织管理结构复杂，风险管理体系不健全主要表现在组织决策的链条太长，不利于授信业务的快速决策。大部分银行的组织架构为总行—分行—支行的组织结构，每一层级都有相应的管理部门。在这种组织架构下，信息传递的链条过长，银行对市场的决策敏感性就会降低，同时会造成银行控制风险能力的弱化和决策效率的降低。
风险管理系统建设相对滞后。商业银行的信用风险管理是建立在大量信息基础上的，而目前我国大多数银行在这方面是欠缺的，而且银行之间的统计口径不一致，风险敞口的把握程度以及适合我国的风险管理模型未能建立，因此很难把先进的风险管理技术应用到我国商业银行的发展过程当中。系统建设中的量化指标很难做到行业一致，增加了量化风险的难度。
信用风险管理方法主观性强。虽然我国对信用风险的管理正在向数量化的道路迈进，但是与国际标准的差距还很大。一是评级方法过分依赖专家经验，意味着进行风险测量的主观因素较多，仅凭经验判断进行贷前风险度量，会影响贷款决策的质量。二是信用风险的计量落后。我国商业银行的风险管理主要从资产负债经营管理和信贷评估两方面展开，对于信用风险——贷款违约距离及违约损失——不能准确计量。
三、基于KMV模型的实证分析
（一）KMV模型介绍
KMV模型是由美国最为著名的KMV公司开发的，该模型的理论基础来源于Black-Scholes理论、MM理论和Merton期权定价理论，KMV模型的计算研究思路为：依据公开的企业发展股票价值，利用期权定价模型分析计算企业的市场经济价值及其波动率，然后再计算违约距离和违约概率。
（二）样本选取及数据来源
本文选取在沪深两市上市的20家商业银行信用风险状况作为研究对象，20家银行包括：5家大型商业银行，即工商银行、农业银行、建设银行、中国银行、交通银行;8家股份制商业银行，即招商银行、兴业银行、浦发银行、民生银行、华夏银行、中信银行、光大银行、平安银行;7家城市商业银行，即北京银行、上海银行、宁波银行、杭州银行、南京银行、常熟银行、成都银行。本文选用的计算期为2019年1月1日至2019年12月31日，计算基准日为2019年12月31日。本文采用的数据均来自锐思数据库以及各上市银行公布的年报（见表2）。
（三）参数的选取与设定
在KMV模型的计算过程中，模型参数的选择至关重要，检验结果的准确性由以下参数决定：
1.股权价值的计算
选取的20家上市银行均已完成股权分置制度改革，不存在非流通股的情况。因此股权价值可以表示为：
股权价值=股票收盘价×流通股股数
2.无风险利率r的确定
本文采用的无风险利率为中国人民银行公布的一年期整存整取利率，2019年的利率r=2.8339%。
3.T值的确定
本文选取上市银行的财务数据以2019年12月31日为基准日，评估债务人的债务期限是2019年全年，故T=1。
4.股权市场价值波动率的计算
本文采用历史波动率法，且股票价格均服从正态分布，采用日波动率法计算年波动率。假设Si为第i天的收盘价，则股票的对数收益率为：
5.上市银行违约点的确定
违约点是关于短期负债与长期负债的比率和的一个目标函数。本文确定的违约点DPT=STD+1/2LTD。其中：STD代表短期负债，包括同业机构的存款、中央银行借款、期限在一年以下的流动负债等;LTD代表长期负债，包括期限在一年以上的长期借款等。
（四）KMV模型的实证计算
1.股权价值波动率的计算
本文采用20家上市银行2019年的股票日对数收益率进行参数估计，然后使用KMV模型得到日收益波动率，再根據日收益波动率与年收益波动率的关系得到年收益波动率（见公式1～4），即股权价值波动率。计算过程本文使用MATLAB2019软件进行模拟运算，结果见表3。
从表3可以看出，大型股份制商业银行的股票价值波动率明显低于中小型商业银行的股票价值波动率。
2.资产价值及其资产价值波动率的计算
式中：VE、δE、D和r分别是股票市值（看涨期权的价值）、股票价值波动率、负债的账面价值（执行价格）、无风险收益率;N为正态分布累计概率函数，均为已知或者可以从市场上观察数据计算得出;T是债务偿还期，是确定的值;VA资产价值和δA资产价值波动率（标准差）为未知，通过组合公式（公式5～8），利用数学软件MATLAB迭代编程求解，计算结果见表4。
3.违约距离及违约概率的计算
上市银行的违约距离DD的计算公式为，其中DPT、VA、δA已经计算求取。
上市银行的违约概率EDF的计算公式为EDF=[1-N（DD）]×100%，违约距离与违约概率呈负相关。利用数学软件MATLAB迭代编程求解，计算结果见表5。
从表5可以看出，大型商业银行的违约距离显然大于中小城市商业银行的违约距离。而违约概率与违约距离成反比，这也说明大型商业银行的抗风险能力要强于中小城市商业银行。
四、结论及启示
（一）研究结论
1.KMV模型分析能够较好地识别出我国上市公司信用风险的差别，这与经验观察值基本一致。
2.上市公司的资产价值一般大于公司股票的市值。股权投资价值的波动率高于资产价值波动率。这是因为公司的资产价值是公司股票市值和负债的总和，负债一般大于零。因此，股权价值的波动性高于资产价值的波动性。
3.违约距离作为衡量上市公司违约可能性的指标之一，从本文的计算结果来看，在一定程度上说明了我国上市公司真实的信用状况。银行的资产规模越大，其资产的波动性就越小，违约距离就会增大，相应的违约概率就会减小，信用风险就越小。反之，银行的资产规模越小，资产的波动性越大，违约距离就会减小，则违约概率就会增大，信用风险也会随之增大。
（二）政策建议
对于KMV模型的应用，需建立违约数据库，构建违约距离与违约率之间的映射对应关系。KMV模型的应用需要历史数据的累积验证，而这一历史数据在我国的信用风险管理领域严重缺失。客户信息在银行之间不共享，同一客户信息在不同银行之间重复使用甚至提供的信息不同。因此，建立大型违约数据库显得尤为重要，也为建立违约距离与违約概率之间的映射关系奠定了数据基础。
完善信用风险评级体系，借鉴先进的风险评估模型。资本市场的日渐成熟与完善，使得KMV模型也越来越符合中国的金融市场发展需求，但还需要不断深入地研究。此外，可发展专业的第三方信用评级机构。我国目前的信用评级机构较少，且国际认可度较低，与国际权威的评级机构如穆迪、标准普尔等差距较大。因此，尽快建立与完善我国的第三方信用评级机构是进一步加强信用风险管理的重要内容。
加强对信用风险评估模型的探索与应用。针对KMV模型，需要对其进行分析修正，因为我国缺乏历史数据，违约距离与违约率之间的映射关系很难准确建立。除此之外，还应注意违约点的选取、资产价值率的确定以及非流通股的定价问题。这些关键点的确定将直接影响KMV模型的测算结果在我国的实际应用。
参考文献：
1.梁世栋，李勇等.信用风险模型比较分析[R].中国管理科学，2002（2）.
2.欧阳秀子.我国商业银行信用风险度量模型的实证研究——基于KMV模型的实证分析[J].金融与经济，2009（4）.
3.胡文彬.新巴塞尔协议内部评级法探析及相关实证[M].浙江大学，2007.
4.鲁炜.KMV模型在公司价值评估中的应用[J].管理科学，2003（6）.
5.李燕.基于KMV模型的我国商业银行信用风险管理实证研究[M].武汉科技大学，2008.
（作者单位：青海银行，中信银行西宁分行）
