楊秀云+蔣園園+段珍珍

【摘要】本文在介紹KMV模型、Credit Metrics模型、Credit Risk+模型和Credit Portfolio View模型這四種國(guó)際流行的信用風(fēng)險(xiǎn)管理方法的基礎(chǔ)上，基于定性和定量分析相結(jié)合，對(duì)這四種信用風(fēng)險(xiǎn)管理方法進(jìn)行比較分析，認(rèn)為KMV模型最適合我國(guó)目前的國(guó)情。以2013年45家ST公司和與之配對(duì)的45家非ST公司以及2014年20家ST公司和與之配對(duì)的20家非ST公司為樣本，對(duì)樣本的違約距離進(jìn)行實(shí)證檢驗(yàn)。實(shí)證結(jié)果表明KMV模型基本上能夠識(shí)別上市公司的信用狀況，但是也有一些企業(yè)的違約距離不符合實(shí)際情況，這也說明該模型在我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)度量中的識(shí)別能力有限，究其原因可能與該模型所要求的一些假設(shè)條件在我國(guó)尚不能得到有效滿足等因素有關(guān)。因此，我國(guó)商業(yè)銀行在對(duì)債務(wù)企業(yè)進(jìn)行信用評(píng)價(jià)時(shí)，綜合利用KMV模型與債務(wù)公司的財(cái)務(wù)數(shù)據(jù)會(huì)使信用風(fēng)險(xiǎn)的度量結(jié)果更加可靠。

【關(guān)鍵詞】KMV模型；商業(yè)銀行信用風(fēng)險(xiǎn)；適用性分析

一、引言

信用風(fēng)險(xiǎn)是商業(yè)銀行面臨的核心風(fēng)險(xiǎn)，也是新巴塞爾協(xié)議中的新資本協(xié)議的核心內(nèi)容。當(dāng)經(jīng)濟(jì)狀況出現(xiàn)波動(dòng)時(shí)，人們的經(jīng)濟(jì)預(yù)期會(huì)逐漸改變，借款人的行為也會(huì)發(fā)生一定的變化，“羊群效應(yīng)”和道德風(fēng)險(xiǎn)很可能隨之產(chǎn)生，并影響到金融體系的穩(wěn)定。2015年上半年末，我國(guó)商業(yè)銀行的不良貸款余額達(dá)到10919億元，不良貸款率為1.5%，較2014年年底上升0.25個(gè)百分點(diǎn)，多家銀行的不良貸款率均突破1%。而且一些資產(chǎn)質(zhì)量相對(duì)較好的銀行，在2015年也出現(xiàn)了許多新的問題。這些數(shù)據(jù)反映，信用風(fēng)險(xiǎn)的存在會(huì)嚴(yán)重影響我國(guó)商業(yè)銀行經(jīng)營(yíng)的安全性、流動(dòng)性和盈利性。但我國(guó)對(duì)信用風(fēng)險(xiǎn)的控制，主要采用的是依據(jù)靜態(tài)性財(cái)務(wù)數(shù)據(jù)的經(jīng)驗(yàn)型信用風(fēng)險(xiǎn)管理方法，較少運(yùn)用國(guó)際上常用的現(xiàn)代信用風(fēng)險(xiǎn)度量方法。這嚴(yán)重影響了我國(guó)信用風(fēng)險(xiǎn)定量研究的發(fā)展，不利于我國(guó)信用體系的完善和經(jīng)濟(jì)的健康發(fā)展。

西方發(fā)達(dá)國(guó)家的銀行信用體系起步較早，衍生產(chǎn)品發(fā)展迅速，學(xué)者們和實(shí)踐者對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)管理的研究成果積累較多。傳統(tǒng)的信用風(fēng)險(xiǎn)管理方法主要有三類：信用評(píng)分型方法[1]、專家評(píng)級(jí)方法和評(píng)級(jí)型方法。由于信息不對(duì)稱問題日益突出，導(dǎo)致貸款人發(fā)生逆向選擇和道德風(fēng)險(xiǎn)，學(xué)者逐步將銀行微觀金融學(xué)、博弈論和信息經(jīng)濟(jì)學(xué)、委托代理、行為金融學(xué)等理論引入到對(duì)信用風(fēng)險(xiǎn)的度量和預(yù)防中，信用風(fēng)險(xiǎn)的研究逐漸走向定量化。如默頓（1974）利用布萊克—斯科爾斯期權(quán)定價(jià)原理建立了Merton模型，F(xiàn)ischer Black（1975）考慮到信用風(fēng)險(xiǎn)產(chǎn)生的衍生原因，推導(dǎo)出企業(yè)股票所滿足的歐式期權(quán)價(jià)值。隨著信用風(fēng)險(xiǎn)產(chǎn)生的原因日趨復(fù)雜，信用風(fēng)險(xiǎn)對(duì)經(jīng)濟(jì)主體的影響也迅速增大，經(jīng)濟(jì)學(xué)家從交叉學(xué)科理論出發(fā)，在信用風(fēng)險(xiǎn)度量中又加入了計(jì)量經(jīng)濟(jì)學(xué)、保險(xiǎn)精算學(xué)、數(shù)理統(tǒng)計(jì)學(xué)等理論以提高信用風(fēng)險(xiǎn)度量的科學(xué)性和精確性，從而產(chǎn)生了許多著名的現(xiàn)代信用風(fēng)險(xiǎn)度量模型。KMV公司于1993年推出了一種以期權(quán)理論為基礎(chǔ)的KMV模型。1997年，JP摩根提出了一種基于Merton期權(quán)理論的度量信用風(fēng)險(xiǎn)的新方法，這種方法又被稱為Credit Metrics。同年末，瑞士信貸銀行金融產(chǎn)品部（CSFP）推出了基于保險(xiǎn)精算的Credit Risk+模型。麥肯錫公司考慮了宏觀經(jīng)濟(jì)因素對(duì)信用風(fēng)險(xiǎn)的影響，根據(jù)信用組合提出了Credit Portfolio View模型。目前，KMV模型、Credit Metrics模型、Credit Risk+模型和Credit Portfolio View模型在商業(yè)銀行信用風(fēng)險(xiǎn)管理中發(fā)揮著重要的作用。

在國(guó)內(nèi)，由于我國(guó)證券市場(chǎng)發(fā)展時(shí)間較短，信用風(fēng)險(xiǎn)意識(shí)較為淡薄，而且缺乏大型的、連續(xù)的、完整的違約數(shù)據(jù)庫(kù)和完善的信用評(píng)級(jí)體系，使得我國(guó)信用風(fēng)險(xiǎn)的定量研究與國(guó)際上的先進(jìn)技術(shù)存在較大差距。國(guó)內(nèi)學(xué)者的研究主要集中于以下三個(gè)方面：第一是李樹杰（2006）等從理論上對(duì)國(guó)外四種先進(jìn)信用風(fēng)險(xiǎn)管理方法進(jìn)行探討[2]；第二是曹道勝（2006）、陳忠陽（2009）等從不同的角度對(duì)四種信用風(fēng)險(xiǎn)管理方法進(jìn)行了對(duì)比研究[3-4]；第三是梅建明，易衛(wèi)民，黃世為（2013）、尹麗（2013）、段霞（2012）等利用中國(guó)的實(shí)際數(shù)據(jù)，對(duì)KMV模型進(jìn)行實(shí)證檢驗(yàn)并提出了修正建議[5-7]。

但以上研究文獻(xiàn)表明，國(guó)內(nèi)學(xué)者有關(guān)商業(yè)銀行信用風(fēng)險(xiǎn)的研究主要集中于理論分析和對(duì)比分析，并沒結(jié)合我國(guó)的實(shí)際情況討論哪種模型最適合我國(guó)的國(guó)情，同時(shí)，有關(guān)的實(shí)證研究使用的樣本數(shù)據(jù)普遍偏小，涵蓋的行業(yè)范圍有限。國(guó)外的銀行信用體系較為發(fā)達(dá)，信用風(fēng)險(xiǎn)的定量研究水平比我國(guó)超前，四種現(xiàn)代信用風(fēng)險(xiǎn)管理方法與我國(guó)的實(shí)際發(fā)展情況存在較大差距，每一種方法都不能直接拿來使用。因此，對(duì)四種模型在我國(guó)的適用性進(jìn)行比較分析就顯得尤為重要。本文以此為基礎(chǔ)，從模型的數(shù)據(jù)要求、風(fēng)險(xiǎn)驅(qū)動(dòng)以及各模型的應(yīng)用價(jià)值和局限性等方面，對(duì)四種模型在我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理中的適用性進(jìn)行了探討，提出KMV模型最適合我國(guó)現(xiàn)階段的國(guó)情。隨后選取了2013年90家樣本公司和2014年40家涵蓋多區(qū)域和多行業(yè)的公司樣本，對(duì)KMV模型的適用性進(jìn)行了實(shí)證檢驗(yàn)。

二、商業(yè)銀行四種信用風(fēng)險(xiǎn)管理方法的適用性分析

國(guó)際上流行的現(xiàn)代信用風(fēng)險(xiǎn)管理方法包括Credit Metrics模型、KMV模型、Credit Risk+模型、Credit Portfolio View模型，均產(chǎn)生于歐美等發(fā)達(dá)國(guó)家，在信用風(fēng)險(xiǎn)管理中發(fā)揮著重要作用。但由于我國(guó)信用評(píng)級(jí)體系發(fā)展尚不完善，各個(gè)模型對(duì)數(shù)據(jù)的要求、風(fēng)險(xiǎn)驅(qū)動(dòng)因素以及應(yīng)用價(jià)值和局限等方面均存在明顯差異，有些假設(shè)條件和參數(shù)估計(jì)與我國(guó)的實(shí)際不太相符，使得部分模型在我國(guó)運(yùn)用時(shí)受到了限制。

（1）信用評(píng)級(jí)體系

Credit Metrics模型和Credit Portfolio View模型的參數(shù)估計(jì)對(duì)信用評(píng)級(jí)體系的依賴性較強(qiáng)，但由于我國(guó)信用評(píng)級(jí)體系起步時(shí)間較晚，發(fā)展時(shí)間較短，沒有建立起大型的連續(xù)的歷史違約數(shù)據(jù)庫(kù)。缺乏一些大型的、權(quán)威的、獨(dú)立的評(píng)級(jí)機(jī)構(gòu)，信用評(píng)級(jí)體系在對(duì)公司進(jìn)行信用評(píng)級(jí)時(shí)會(huì)受到一些干擾影響因素，具有一些主觀性成分，導(dǎo)致我國(guó)提供的一些資信數(shù)據(jù)的可靠性受到影響，使得這兩個(gè)模型在我國(guó)的實(shí)際應(yīng)用中受到一定的局限性。

（2）數(shù)據(jù)要求

KMV模型側(cè)重于企業(yè)自身的股票交易實(shí)時(shí)信息和財(cái)務(wù)數(shù)據(jù)，這些數(shù)據(jù)易于獲取，可從上市公司的財(cái)務(wù)報(bào)表中獲得，對(duì)上市企業(yè)來說，KMV模型是一種比較便捷的度量信用風(fēng)險(xiǎn)的方法，不僅可以通過股票市場(chǎng)的變化衡量企業(yè)信用等級(jí)的變化，也可以對(duì)未來發(fā)展進(jìn)行預(yù)測(cè)，具有一定的“前瞻性”。Credit Metrics模型需要企業(yè)長(zhǎng)期的歷史違約數(shù)據(jù)， Credit Risk+模型需要估計(jì)每筆貸款的違約概率和風(fēng)險(xiǎn)暴露兩個(gè)變量，Credit Portfolio View模型需要有關(guān)資信的歷史數(shù)據(jù)和跨行業(yè)的宏觀數(shù)據(jù)，而我國(guó)數(shù)據(jù)庫(kù)的不完善影響了這三個(gè)模型的實(shí)際應(yīng)用。 因此，我國(guó)現(xiàn)有的數(shù)據(jù)已經(jīng)可以滿足KMV模型對(duì)數(shù)據(jù)的要求。

（3）風(fēng)險(xiǎn)驅(qū)動(dòng)因素

根據(jù)新巴塞爾協(xié)議，參照風(fēng)險(xiǎn)度量模型考慮的風(fēng)險(xiǎn)驅(qū)動(dòng)因素不同，可把風(fēng)險(xiǎn)度量模型分為條件模型和無條件模型。條件模型不僅反映特定借款人的信息，而且還對(duì)國(guó)家的宏觀經(jīng)濟(jì)環(huán)境因素的變動(dòng)具有較強(qiáng)的敏感性；無條件模型僅僅反映了單個(gè)項(xiàng)目或者借款人的微觀信息。KMV模型依賴企業(yè)的股票價(jià)格、資產(chǎn)與股票收益及其波動(dòng)性等數(shù)據(jù)信息，由于企業(yè)處于國(guó)家的宏觀經(jīng)濟(jì)大環(huán)境下，股票價(jià)格等信息會(huì)受到國(guó)家政策、行業(yè)發(fā)展、經(jīng)濟(jì)形勢(shì)等系統(tǒng)風(fēng)險(xiǎn)的影響和自身經(jīng)營(yíng)狀況的影響，所以KMV模型屬于條件模型。在考慮宏觀經(jīng)濟(jì)環(huán)境對(duì)模型中違約風(fēng)險(xiǎn)的影響時(shí)，Credit Portfolio View模型與KMV模型具有相似之處，兩者都屬于條件模型。而Credit Metrics模型和Credit Risk+模型中違約率的變動(dòng)對(duì)宏觀經(jīng)濟(jì)因素的變動(dòng)敏感性不強(qiáng)，兩模型中決定信用風(fēng)險(xiǎn)的只是債務(wù)人的具體信息，故這兩個(gè)模型是無條件模型。

因此，從模型考慮的風(fēng)險(xiǎn)驅(qū)動(dòng)因素全面性來看，特別是在社會(huì)主義市場(chǎng)經(jīng)濟(jì)條件下，KMV和Credit Portfolio View條件模型，更能客觀地衡量信用風(fēng)險(xiǎn)，更適用于我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理。

（4）各模型的應(yīng)用價(jià)值與局限

KMV模型運(yùn)用的上市公司股票交易實(shí)時(shí)信息，具有盯市性，可隨時(shí)根據(jù)股票價(jià)格的波動(dòng)更新數(shù)據(jù)，可實(shí)現(xiàn)對(duì)借款企業(yè)信用等級(jí)的連續(xù)測(cè)量，起到對(duì)信用資產(chǎn)所產(chǎn)生的信用風(fēng)險(xiǎn)的跟蹤、預(yù)防、度量和控制。但是，該模型存在一些局限之處：首先，該模型中有些假設(shè)比較嚴(yán)格，長(zhǎng)期債務(wù)沒有對(duì)債務(wù)的優(yōu)先償還順序，有無擔(dān)保情況，流動(dòng)性情況等進(jìn)行區(qū)分，這可能使違約點(diǎn)與實(shí)際情況不符，造成結(jié)果的誤差性；其次，關(guān)于公司資本結(jié)構(gòu)在貸款期內(nèi)的一成不變假設(shè)與事實(shí)不太相符；再次，關(guān)于利率在貸款期限內(nèi)保持不變的假設(shè)，這不符合利率市場(chǎng)化的要求，導(dǎo)致信用風(fēng)險(xiǎn)中不含有利率風(fēng)險(xiǎn)；最后，模型假設(shè)企業(yè)的資產(chǎn)價(jià)值服從正態(tài)分布，在此基礎(chǔ)上計(jì)算企業(yè)的違約概率，這與實(shí)際情況有很大的不同。

Credit Metrics模型在度量信用風(fēng)險(xiǎn)時(shí)運(yùn)用了VAR方法，考慮了各個(gè)信用工具對(duì)投資組合風(fēng)險(xiǎn)的影響，實(shí)現(xiàn)了對(duì)違約概念的擴(kuò)展，既可以應(yīng)用于傳統(tǒng)的信用資產(chǎn)，也能夠用于核算金融衍生工具。但該模型存在以下局限：第一，認(rèn)為信用等級(jí)的變化與信用質(zhì)量的變化是統(tǒng)一的，這與實(shí)際情況不相符，因?yàn)檫`約率的調(diào)整是連續(xù)的，而信用等級(jí)的調(diào)整卻是離散的；第二，由于該模型需要大量市場(chǎng)數(shù)據(jù)，在我國(guó)使用時(shí)需要用一些數(shù)據(jù)來近似替代，而這會(huì)影響到度量結(jié)果的準(zhǔn)確性；第三，假定實(shí)際違約率與歷史平均違約率相等，在很多情況下這與實(shí)際情況不符，因?yàn)樵S多證據(jù)表明信用等級(jí)遷移概率是跨時(shí)期相關(guān)的，并不遵循馬爾科夫過程；第四，該模型在對(duì)資產(chǎn)回報(bào)進(jìn)行估計(jì)時(shí)用的是股權(quán)回報(bào)，這會(huì)使計(jì)算結(jié)果存在一些誤差。

Credit Risk+模型對(duì)投資組合的損失概率分布利用壽險(xiǎn)精算中的理論，利用小概率極端事件來統(tǒng)計(jì)損失概率分布，得出了債券和貸款組合在一定情況下具有閉型解，該模型在進(jìn)行信用風(fēng)險(xiǎn)測(cè)量時(shí)，靈活性很強(qiáng)。該模型的局限之處為，第一，沒有考慮債務(wù)人具體特征和市場(chǎng)風(fēng)險(xiǎn)，只考慮了違約風(fēng)險(xiǎn)，認(rèn)為違約風(fēng)險(xiǎn)與資本結(jié)構(gòu)無關(guān)，并且該模型忽略了債務(wù)人信用等級(jí)的變化，這與實(shí)際情況不符；第二，對(duì)每組貸款進(jìn)行風(fēng)險(xiǎn)暴露的計(jì)算時(shí)，采用了近似計(jì)算，這使得在計(jì)算投資組合損失方差時(shí)具有一定的誤差。

Credit Portfolio View模型在對(duì)借款企業(yè)進(jìn)行信用風(fēng)險(xiǎn)度量時(shí)考慮了宏觀經(jīng)濟(jì)因素對(duì)信用等級(jí)遷移的影響，運(yùn)用宏觀模擬對(duì)信用風(fēng)險(xiǎn)進(jìn)行分析，能夠刻畫出回收率的不確定性和由宏觀經(jīng)濟(jì)因素帶來的風(fēng)險(xiǎn)，可以運(yùn)用到不同的國(guó)家和不同的行業(yè)。該模型的缺陷有，第一，在對(duì)信用等級(jí)遷移矩陣進(jìn)行調(diào)整時(shí)，參雜了相關(guān)人員的主觀意見，使得度量結(jié)果缺乏客觀性；第二，由于我國(guó)市場(chǎng)經(jīng)濟(jì)發(fā)展時(shí)間尚短，信用數(shù)據(jù)庫(kù)的建立時(shí)間還很短，不能收集到國(guó)家、行業(yè)等長(zhǎng)期歷史數(shù)據(jù)，這使得該模型在我國(guó)的使用受到限制。

綜上考慮，在四種現(xiàn)代信用風(fēng)險(xiǎn)度量模型中，最適合我國(guó)目前國(guó)情的是KMV模型，因?yàn)椋旱谝唬琄MV模型以期權(quán)理論和公司理財(cái)理論為基礎(chǔ)，理論思路清晰，操作使用方便；第二，KMV模型所需要的數(shù)據(jù)資料會(huì)隨著我國(guó)資本市場(chǎng)有效性的提高和證券市場(chǎng)的良好發(fā)展逐步得到滿足，運(yùn)用該模型的市場(chǎng)條件將逐漸完善，從而能夠更加適合我國(guó)的實(shí)際情況，而其它三個(gè)模型所需要的市場(chǎng)條件在短期內(nèi)我國(guó)仍不能滿足。因此，KMV最能適合我國(guó)的經(jīng)濟(jì)狀況，在未來發(fā)展中也最可能先達(dá)到該模型所要求的全部條件。

三、數(shù)據(jù)來源與變量選擇

為了檢驗(yàn)KMV模型在我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理中的適用性，本文選取滬深兩市中符合條件的部分公司進(jìn)行實(shí)證檢驗(yàn)。

1.樣本選擇及數(shù)據(jù)來源

本文樣本選取了2013年90家滬深交易所上市公司和2014年的40家上市公司作為樣本。為了便于對(duì)比分析，本文將這些上市公司按照ST和非ST的標(biāo)準(zhǔn)進(jìn)行分類。非ST公司的選取標(biāo)準(zhǔn)是：與ST公司行業(yè)相同，規(guī)模相似的非ST公司，這有利于對(duì)結(jié)果進(jìn)行對(duì)比分析和研究。為了使選取的樣本更加合理，我們?cè)跇颖镜倪x擇中剔除了一些公司：（1）財(cái)務(wù)數(shù)據(jù)不完整、主營(yíng)業(yè)務(wù)不明確、未股改的公司；（2）排除了一些特殊行業(yè)，如金融保險(xiǎn)業(yè)、房地產(chǎn)業(yè)、技術(shù)密集型行業(yè)等。根據(jù)我國(guó)行業(yè)分類的具體情況，除特殊行業(yè)外，本文樣本基本涉及到了其他全部行業(yè)。

數(shù)據(jù)來源銳思數(shù)據(jù)庫(kù)和萬德數(shù)據(jù)庫(kù)。此次分析分別以2013年12月31日和2014年12月31日為基準(zhǔn)日，分別以2013年1月1日到2013年12月31日的日股票收盤價(jià)和2014年1月1日至2014年12月31日的周股票收盤價(jià)作為計(jì)算股票日收益率和股票價(jià)格波動(dòng)率的基礎(chǔ)。2013年和2014年的企業(yè)數(shù)據(jù)覆蓋到了我國(guó)的26個(gè)省市自治區(qū)，占全國(guó)的比例為81.3%，具有較好的代表性。

2.變量選擇及參數(shù)估計(jì)

為了保證企業(yè)債務(wù)期限和實(shí)證過程中所限定的股價(jià)期限相匹配，取債務(wù)到期期限T=1。以2013年我國(guó)一年期定期存款基準(zhǔn)利率3%作為該年的無風(fēng)險(xiǎn)利率，以2014年平均的一年期定期利率3.25%作為該年的無風(fēng)險(xiǎn)利率。

公司的違約點(diǎn)DPT采用短期債務(wù)STD和長(zhǎng)期債務(wù)LTD線性組合的方式來計(jì)算，即 ，一般情況下 取1， 的取值在0到1之間，本文取 。

上市公司的股權(quán)價(jià)值波動(dòng)率用流通股票的股價(jià)波動(dòng)率來衡量，為便于計(jì)算，在假設(shè)上市公司股票價(jià)格服從對(duì)數(shù)正態(tài)分布條件下，股票的日收益率 可以表示為：

（1）

其中， 表示公司第 天的股票收盤價(jià)， 代表第 日的股票收盤價(jià)， 代表股票的日相對(duì)價(jià)格。這時(shí)，公司股票的日收益率標(biāo)準(zhǔn)差 為：

（2）

其中， ， 是平均日收益率。由于每年的總交易日為250日左右，則收益率年標(biāo)準(zhǔn)差 與日標(biāo)準(zhǔn)差 之間的關(guān)系為：

（3）

所以可得出：

（4）

因此，依據(jù)收集到的樣本公司全年日收盤價(jià)數(shù)據(jù)，由上述公式可以計(jì)算出樣本公司股票的對(duì)數(shù)日收益率及其股權(quán)價(jià)值波動(dòng)率。

樣本公司股權(quán)價(jià)值等于流通股與非流通股價(jià)值之和，流通股價(jià)值等于股票價(jià)格與流通股股數(shù)的乘積，非流通股價(jià)值等于每股凈收益與非流通股股數(shù)的乘積。

四、KMV模型適用性的實(shí)證檢驗(yàn)

根據(jù)選擇的樣本和參數(shù)估計(jì)方法，并利用銳思數(shù)據(jù)庫(kù)和萬德數(shù)據(jù)庫(kù)的數(shù)據(jù)，計(jì)算得到2013年ST和非ST樣本組的違約距離見表1所示。

表1 2013年ST公司與非ST公司的違約距離

行業(yè) ST公司 非ST公司

公司

名稱 資產(chǎn)

價(jià)值 資產(chǎn)

波動(dòng)率 DD 公司

名稱 資產(chǎn)

價(jià)值 資產(chǎn)

波動(dòng)率 DD

農(nóng)林牧漁業(yè) ST景谷 14.10 1.07 0.61 益生股份 20.83 1.40 0.42

新農(nóng)開發(fā) 40.00 0.64 1.00 吉林森工 41.84 0.50 1.11

電力業(yè) 漳澤電力 302.96 0.11 3.16 桂冠電力 209.99 0.28 1.89

新能泰山 58.00 0.57 0.71 穗恒運(yùn)A 72.42 0.36 0.97

贛能股份 59.23 1.09 0.38 金山股份 144.83 0.20 1.85

*ST祥龍 19.63 1.02 0.95 銀星能源 59.14 0.32 1.75

*ST東熱 18.39 2.43 0.09 福能股份 22.03 0.62 1.35

鋼鐵業(yè) *ST韶鋼 211.13 0.11 1.85 新鋼股份 262.39 0.24 0.72

ST泰復(fù) 34.88 1.04 0.79 凌鋼股份 117.03 0.38 0.48

有色金屬業(yè) *ST株冶 70.27 0.75 0.40 金瑞科技 29.13 3.33 0.24

赤峰黃金 20.24 0.29 2.01 新華龍 23.37 1.01 0.50

中鎢高新 89.80 0.76 0.59 東方鉭業(yè) 65.15 0.76 0.90

園城黃金 24.48 0.69 1.28 西部材料 39.46 0.58 1.11

羅平鋅電 20.26 0.82 0.65 閩發(fā)鋁業(yè) 14.57 0.45 1.82

化纖化工業(yè) 山東海龍 52.36 0.50 0.94 華西股份 35.97 0.73 1.05

吉林化纖 46.94 0.18 1.56 湖北金環(huán) 19.74 0.51 1.38

川化股份 35.63 0.37 1.28 雙象股份 17.25 0.82 1.05

*ST河化 27.79 0.72 0.62 安納達(dá) 18.16 0.59 1.27

*ST亞星 27.28 0.54 0.70 安利股份 16.59 1.58 0.40

*ST國(guó)發(fā) 19.09 0.61 1.15 金浦鈦業(yè) 16.71 1.09 0.72

*ST能化 34.50 0.36 1.54 大慶華科 13.86 0.59 1.58

*ST國(guó)通 17.84 0.70 1.01 高盟新材 12.68 3.26 0.29

ST明科 23.98 0.64 1.02 硅寶科技 16.41 2.19 0.43

建材業(yè) *ST華塑 10.69 1.23 0.32 太空板業(yè) 10.70 1.45 0.55

冠福家用 24.16 1.69 0.29 兔寶寶 18.88 0.93 0.97

造紙業(yè) 石峴紙業(yè) 27.93 2.20 0.43 青山紙業(yè) 45.19 0.39 1.63

ST宜紙 22.29 0.52 1.04 安妮股份 16.08 1.06 0.77

紡織服飾業(yè) 德棉股份 17.62 0.42 1.21 夢(mèng)潔家紡 16.46 0.85 0.77

ST中冠A 10.43 1.39 0.69 浪莎股份 11.26 0.61 1.44

食品飲料釀酒業(yè) 新中基 45.72 0.97 0.38 東凌糧油 75.73 0.28 1.21

皇臺(tái)酒業(yè) 16.80 0.51 1.63 通葡股份 14.25 1.48 0.64

家電業(yè) 廈華電子 25.31 0.96 0.73 愛仕達(dá) 28.41 0.49 1.58

汽車業(yè) 中國(guó)嘉陵 45.09 0.68 0.66 星宇股份 32.41 0.85 0.84

富奧股份 71.14 0.47 1.37 中國(guó)重汽 148.15 0.39 0.74

*ST黑豹 41.04 0.47 0.85 特力A 20.87 0.38 2.11

*ST西儀 19.78 0.89 0.98 浩物股份 18.62 1.56 0.53

醫(yī)藥業(yè) *ST生化 34.47 0.89 0.89 漢森制藥 27.80 0.97 0.97

天目藥業(yè) 15.60 1.43 0.61 永安藥業(yè) 16.34 0.81 1.16

旅游業(yè) 大東海A 12.69 1.93 0.51 西安旅游 14.47 0.69 1.27

*ST聯(lián)合 22.84 1.19 0.64 北京文化 20.57 3.04 0.29

*ST九龍 43.16 0.96 0.78 峨眉山A 48.50 0.80 1.17

文教休閑業(yè) *ST傳媒 19.63 1.31 0.72 長(zhǎng)城動(dòng)漫 17.05 0.98 0.94

*ST天龍 15.19 0.49 1.66 驊威股份 9.97 0.81 1.20

其他行業(yè) 廣東甘化 33.14 0.77 1.18 中國(guó)高科 37.17 1.83 0.27

寶利來 12.62 1.40 0.68 深信泰豐 17.00 0.47 1.78

2013年45家ST公司的平均違約距離為0.944，與之對(duì)應(yīng)的非ST公司的平均違約距離為1.024，通過t檢驗(yàn)可以發(fā)現(xiàn)兩組公司的違約距離存在顯著差異，即ST公司的違約距離更小，發(fā)生違約的概率更大。

以同樣的方法，可以計(jì)算2014年樣本組的違約距離，見表2。

表2 2014年ST公司與非ST公司違約距離

行業(yè) ST公司 非ST公司

公司

名稱 資產(chǎn)

價(jià)值 資產(chǎn)

波動(dòng)率 DD 公司

名稱 資產(chǎn)

價(jià)值 資產(chǎn)

波動(dòng)率 DD

農(nóng)林牧漁業(yè) ST景谷 13.98 2.84 0.24 荃銀高科 14.74 2.35 0.34

*ST大荒 184.92 2.88 0.30 隆平高科 176.05 2.44 0.37

紡織服飾業(yè) *ST派神 17.88 1.63 0.51 金宇車城 10.48 3.78 0.18

*ST三毛 14.77 2.61 0.29 山東如意 17.28 3.23 0.10

有色金屬業(yè) 株冶集團(tuán) 100.30 0.42 1.19 新疆眾和 65.21 1.93 0.17

ST金泰 17.89 3.91 0.24 精藝股份 19.32 2.84 0.25

化纖化工業(yè) *ST霞客 23.83 2.28 0.09 德威新材 19.57 3.63 0.14

*ST?；?49.54 2.80 0.24 滄州明珠 47.09 3.70 0.22

*ST新材 47.40 5.97 0.39 四川美豐 62.54 1.80 0.42

*ST合泰 45.08 2.71 0.26 大東南 51.09 1.29 0.65

ST南化 19.91 3.18 0.14 大慶華科 19.75 3.14 0.30

建材業(yè) 華塑控股 25.72 6.52 0.12 四川雙馬 37.58 1.32 0.54

*ST國(guó)創(chuàng) 17.55 3.05 0.32 九鼎新材 21.11 2.47 0.22

汽車業(yè) *ST東安 29.49 3.54 0.19 漳州發(fā)展 29.73 3.94 0.08

西儀股份 31.40 1.87 0.49 中通客車 51.51 1.33 0.31

機(jī)械設(shè)備業(yè) *ST東數(shù) 22.60 2.54 0.21 萬里股份 21.36 1.07 0.88

*ST銳電 192.89 1.77 0.20 平高電氣 168.38 1.39 0.56

ST東力 22.93 3.91 0.18 泰勝風(fēng)能 29.67 2.28 0.28

文教休閑旅游業(yè) 國(guó)旅聯(lián)合 34.33 1.93 0.47 云南旅游 45.51 1.55 0.40

九龍山 81.62 0.98 0.88 宋城演藝 85.06 1.32 0.73

2014年20家ST公司的平均違約距離為0.307，與之配對(duì)的非ST公司的平均違約距離為0.356，ST公司違約概率更大，違約風(fēng)險(xiǎn)更大。

盡管在實(shí)證結(jié)果中，有個(gè)別ST公司的違約距離大于相應(yīng)的非ST公司，這一方面是因?yàn)樵谶x取與ST公司相配對(duì)的非ST公司時(shí)，只考慮了同一行業(yè)和資產(chǎn)規(guī)模這兩個(gè)條件，而忽略了其他的一些可能影響公司違約距離的因素；另一方面是在計(jì)算過程中，計(jì)量單位為億元，使得在對(duì)股權(quán)價(jià)值、負(fù)債、資產(chǎn)價(jià)值、違約點(diǎn)等變量進(jìn)行度量時(shí)產(chǎn)生了一定的誤差，從而對(duì)結(jié)果產(chǎn)生一定的影響。但這并不影響該模型對(duì)企業(yè)信用風(fēng)險(xiǎn)的總體判斷。

2013年和2014年樣本實(shí)證結(jié)果證明，從平均違約距離來看，2013年和2014年非ST公司的平均違約距離都比ST公司大，說明KMV模型測(cè)量出來的ST類公司的違約距離較小，違約風(fēng)險(xiǎn)較大，表明該模型識(shí)別公司信用風(fēng)險(xiǎn)的能力較強(qiáng)。

從樣本公司違約距離的行業(yè)分布來看，（1）在三次產(chǎn)業(yè)之間，在2013年樣本上市公司所涉及到的14個(gè)行業(yè)中，第一產(chǎn)業(yè)的非ST公司的平均違約距離小于ST公司，這可能與第一產(chǎn)業(yè)的上市公司數(shù)目偏少，選取的樣本數(shù)較少有關(guān)。綜合分析2013年和2014年的所有數(shù)據(jù)，可以發(fā)現(xiàn)第二產(chǎn)業(yè)和第三產(chǎn)業(yè)的非ST公司的平均違約距離均大于ST公司，說明KMV模型能較好地識(shí)別其信用風(fēng)險(xiǎn)。同時(shí)，第三產(chǎn)業(yè)的ST公司的平均違約距離低于相應(yīng)的第二產(chǎn)業(yè)，表明第三產(chǎn)業(yè)的違約風(fēng)險(xiǎn)相對(duì)較高，第二產(chǎn)業(yè)較低，這與我國(guó)第二產(chǎn)業(yè)發(fā)展相對(duì)成熟有關(guān)。（2）在第二產(chǎn)業(yè)中，電力業(yè)的違約風(fēng)險(xiǎn)最低，這與我國(guó)的經(jīng)濟(jì)發(fā)展以第二產(chǎn)業(yè)為主，許多行業(yè)的發(fā)展依靠電力有關(guān)；其次是家電業(yè)、汽車業(yè)，由于這類產(chǎn)品與人們的生活密切相關(guān)，并且隨著人們收入水平的提高，家電和汽車的需求收入彈性變大，使得企業(yè)的抗風(fēng)險(xiǎn)能力增加。（3）在第三產(chǎn)業(yè)中，醫(yī)藥業(yè)的違約風(fēng)險(xiǎn)較大，因?yàn)獒t(yī)藥行業(yè)需要大量的資金和技術(shù)投入，回收期長(zhǎng)，導(dǎo)致其違約風(fēng)險(xiǎn)增大。

從樣本公司違約距離的區(qū)域分布來看，東部地區(qū)企業(yè)的信用狀況好于中西部地區(qū)。在所有省市自治區(qū)中，信用狀況最好的是廣東省、浙江省和江蘇省，這和當(dāng)?shù)氐慕?jīng)濟(jì)發(fā)展水平較高，企業(yè)經(jīng)營(yíng)效益較好，償債能力較強(qiáng)有關(guān)。而信用風(fēng)險(xiǎn)最大的地區(qū)依次為新疆、江西省和湖南省，這主要是因?yàn)橹形鞑康貐^(qū)的經(jīng)濟(jì)相對(duì)欠發(fā)達(dá)，企業(yè)在進(jìn)入經(jīng)濟(jì)新常態(tài)后，轉(zhuǎn)型升級(jí)面臨瓶頸，從而進(jìn)一步增加其違約風(fēng)險(xiǎn)。

綜合以上分析說明，（1）KMV模型具有較強(qiáng)的信用風(fēng)險(xiǎn)識(shí)別能力。企業(yè)的平均違約距離越小，則相應(yīng)的違約風(fēng)險(xiǎn)越大。2013年和2014年所有的樣本非ST公司的平均違約距離均大于ST公司，說明非ST類公司的違約風(fēng)險(xiǎn)小于ST公司，與實(shí)際情況相符，模型識(shí)別能力較強(qiáng)。（2）KMV模型不僅能夠識(shí)別不同類型企業(yè)的信用風(fēng)險(xiǎn)，還能識(shí)別不同行業(yè)、不同地區(qū)企業(yè)的信用風(fēng)險(xiǎn)差異，進(jìn)一步證明該模型不僅適用于微觀企業(yè)分析，也適用于中觀層面分析。（3）該模型在我國(guó)的使用仍然存在一些缺陷。個(gè)別ST公司的違約距離大于相應(yīng)的非ST公司，說明由于我國(guó)資本市場(chǎng)和貨幣市場(chǎng)發(fā)展緩慢，資產(chǎn)價(jià)值服從對(duì)數(shù)正態(tài)分布的假設(shè)在我國(guó)得不到滿足，使得KMV的一些假設(shè)條件不能成立，從而導(dǎo)致該模型的應(yīng)用受到一定的限制和影響。這就要求商業(yè)銀行在運(yùn)用KMV模型進(jìn)行信用風(fēng)險(xiǎn)測(cè)量時(shí)要謹(jǐn)慎，爭(zhēng)取輔助其它信息對(duì)公司進(jìn)行綜合度量，從而使信用風(fēng)險(xiǎn)度量結(jié)果更加準(zhǔn)確，更具有可靠性和應(yīng)用價(jià)值。

五、結(jié)論與政策建議

本文通過對(duì)國(guó)際上常用KMV模型、Credit Metrics模型、Credit Risk+模型和Credit Portfolio View模型四種信用風(fēng)險(xiǎn)管理方法的優(yōu)缺點(diǎn)和適用性進(jìn)行對(duì)比分析，認(rèn)為KMV模型最適合我國(guó)的國(guó)情和金融市場(chǎng)環(huán)境。通過對(duì)2013年90家上市公司和2014年40家上市公司進(jìn)行KMV模型實(shí)證檢驗(yàn)，發(fā)現(xiàn)KMV模型具有較強(qiáng)的企業(yè)信用風(fēng)險(xiǎn)識(shí)別能力，KMV模型不僅能夠識(shí)別不同類型企業(yè)的信用風(fēng)險(xiǎn)，還能識(shí)別不同行業(yè)、不同地區(qū)企業(yè)的信用風(fēng)險(xiǎn)差異，進(jìn)一步證明該模型不僅適用于微觀企業(yè)分析，也適用于中觀層面分析，但該模型在我國(guó)的使用仍然存在一些缺陷。

因此，我國(guó)商業(yè)銀行在進(jìn)行企業(yè)信用風(fēng)險(xiǎn)度量和識(shí)別時(shí)，不僅要選擇更好的、可適用的和科學(xué)的方法，同時(shí)政府還要不斷完善以下幾個(gè)方面，為商業(yè)銀行的科學(xué)信用風(fēng)險(xiǎn)管理提供保障。首先，完善相關(guān)金融經(jīng)濟(jì)法律法規(guī)。政府應(yīng)建立健全相關(guān)法規(guī)以保證商業(yè)銀行的正常經(jīng)營(yíng)。樹立良好的權(quán)威形象，加強(qiáng)自身信用建設(shè)，提高政府行為的透明性和合法性。在鼓勵(lì)金融創(chuàng)新的同時(shí)，加強(qiáng)金融監(jiān)管。其次，發(fā)展風(fēng)險(xiǎn)數(shù)據(jù)庫(kù)技術(shù)。由于我國(guó)大型違約數(shù)據(jù)庫(kù)尚未建立，信用違約數(shù)據(jù)的連續(xù)性和完整性不能得到有效滿足，使得在運(yùn)用KMV模型時(shí)受到一定的限制。所以，我們應(yīng)更加注重信用資料的搜集，建設(shè)并維護(hù)好客戶信用檔案，利用現(xiàn)代化技術(shù)，建立并逐步完善風(fēng)險(xiǎn)基礎(chǔ)數(shù)據(jù)庫(kù)，為風(fēng)險(xiǎn)的分析和度量提供數(shù)據(jù)支持。再次，加強(qiáng)對(duì)證券市場(chǎng)的監(jiān)管，保證資本市場(chǎng)正常運(yùn)行。由于KMV模型需要一些上市公司的財(cái)務(wù)數(shù)據(jù)和股票交易信息，這就要求我們對(duì)上市公司的監(jiān)管提出嚴(yán)格的要求，促使上市公司公開真實(shí)有效的信息，提高模型結(jié)果的參考價(jià)值。最后，加強(qiáng)風(fēng)險(xiǎn)管理人員素質(zhì)培養(yǎng)。培養(yǎng)一支風(fēng)險(xiǎn)控制的專業(yè)化人才隊(duì)伍，這批隊(duì)伍應(yīng)該具有長(zhǎng)遠(yuǎn)性和專業(yè)性的職業(yè)素養(yǎng)，還需要對(duì)風(fēng)險(xiǎn)管理人員進(jìn)行信用文化的培訓(xùn)，使他們?cè)鰪?qiáng)對(duì)信用風(fēng)險(xiǎn)的敏感性和重大決策時(shí)的科學(xué)性，從而使他們?cè)阢y行風(fēng)險(xiǎn)管理中發(fā)揮更大的作用。

參考文獻(xiàn)

[1]Altman E.I. Financial Ratios， Discriminated Analysis and The Prediction of Corporate Bankrupt [J].Journal of Finance，1968， 23（9）：589一609.

[2]李樹杰.商業(yè)銀行信貸風(fēng)險(xiǎn)計(jì)量模型應(yīng)用研究[J].金融教學(xué)與研究，2006.10.

[3]曹道勝，何明升.商業(yè)銀行信用風(fēng)險(xiǎn)模型的比較及其借鑒[J].金融研究，2006.10.

[4]陳忠陽.信用風(fēng)險(xiǎn)量化管理模型發(fā)展探討[J].國(guó)際金融研究，2009（10）：14-18.

[5]梅建明，易衛(wèi)民，黃世為.基于KMV 模型的上市類融資平臺(tái)公司信用風(fēng)險(xiǎn)研究[J].財(cái)政研究，2013（10）：64-67.

[6]尹麗. 基于KMV模型的中國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估[J].統(tǒng)計(jì)與決策，2013（06）：157-159.

[7]段霞.Z模型和KMV模型在我國(guó)適用性的對(duì)比研究一一以我國(guó)制造類上市公司為例[D].西南財(cái)經(jīng)大學(xué)，2012.

KMV Model in China's Commercial Bank Credit Risk Management Analysis

and Empirical Applicability

YANG Xiuyun1，JIANG Yuanyuan1，DUAN Zhenzhen1

（1.School of Economics and Finance， Xian Jiaotong University， Xian 710061，China）

Abstract： This paper introduces four popular international credit risk management methods：the KMV model、Credit Metrics model、Credit Risk + model and Credit Portfolio View model. Based on qualitative and quantitative analysis， this paper compares these four credit risk management methods and finds out that the KMV model is the most suitable for our current situation. The sample consists of 45 ST companies and paired with 45 non-ST companies in 2013 and 20 ST companies and paired with 20 non-ST companies in 2014.We also have an empirical test to the distance to default of the sample. The empirical results show that KMV model is basically able to identify the listed company's credit situation， but there are some companies default distance is not realistic. It also shows that the model is limited in our ability to identify credit risk metrics. The reason may be related to that some assumptions of the model required in China is still not been effectively met and other factors. Therefore， China's commercial banks multipurpose use KMV model and the company's financial data will make the measure results in the credit rating of debt companies more reliable.

Key words： KMV model； Credit risk； Applicability analysis