KMV模型在我国商业银行信贷风险管理中的应用研究

KMV模型在我国商业银行信贷风险管理中的应用研究上传日期：2009年4月27日编辑：现代经济编辑部点击:190次刘利文1，王吉恒2（1.东北农业大学研究生学院黑龙江哈尔滨150030；2东北农业大学经济管理学院黑龙江哈尔滨150030）摘要：本文根据KMV模型，通过选取3类公司样本进行相应的参数确定，测量我国股权公开交易的上市公司在一定时期内的违约概率。通过实证分析得出KMV模型能够比较准确的反映上市公司的真实经营状况，商业银行可以通过KMV模型加强信贷风险防范，完善我国商业银行信贷风险管理体系。关键词：KMV模型违约概率实证分析信贷风险管理目前，我国的银行业已经实现全面开放，中外资银行同台竞技，我国银行业面临外资银行的严峻挑战。特别是在信贷风险管理方面，我国的商业银行远落后于西方发达国家商业银行，我国对信贷风险的分析仍处于传统的比例分析以及专家经验判断阶段，远不能有效满足商业银行对贷款安全性度量的要求。因此，应用现代的计量模型计量我国的信贷风险，更加有效的控制我国商业银行的信贷风险，具有非常重要的意义。作为国际上应用最为广泛的信用风险度量技术之一，KMV模型的原理要求的我国上市公司股票数据和基本财务数据都较容易获得，而且计算的操作也相对简单，因此，该模型在我国具有一定的适用性。一、KMV模型的介绍KMV模型是基于现代资产定价理论构建起来的，主要包括Black-Scholes期权定价公式和Merton的风险债务定价理论，该模型将公司股票价值具有的期权特征应用到公司信贷风险测量中。KMV模型的基本思想是把公司股权看作是以公司资产市场价值为标的资产、以公司债务面值为执行价格的欧式看涨期权，当公司的资产市场价值下降至公司债务面值水平时，企业违约概率增加，会对其所负债务选择违约，该模型认为公司资产结构与公司价值密切相关。KMV模型中的违约触发点DPT被设定为与公司负债水平相等的公司资产价值水平，在负债总额中，长期负债能够缓解公司的偿债压力。KMV公司研究表明，违约点值处于长期负债的一半与流动负债的和这一点。违约距离DD表示的是公司资产市场价值期望值与违约触发点DPT的距离。KMV模型预测公司信贷风险的基本思路是：用违约距离DD来测算公司违约的可能性，数值越小，公司发生违约的可能性越大。由于怀疑公司资产价值符合正态分布这一假设的合理性，KMV公司采用了经验的EDF。但由于我国违约数据库的缺乏，我国经验EDF函数还没有建立，因此，本文根据违约距离DD定义，得到理论上的EDF，以此检验其能否真实反映上市公司的运行状况，并检验DD与EDF的映射关系。KMV模型为我国商业银行对上市公司信贷风险管理提出了一个全新的量化的管理方法，如果该模型能够比较有效、准确的放映上市公司真实的经营状况，预测其发生违约概率的大小，就能够在一定程度上避免或减少信贷风险的发生，这对我国商业银行对信贷风险量化管理有着重要的意义。二、样本选择本文所采集的数据以安信证券交易系统流通A股为基础，以2008年7月4日为计算基准日期，从中选择12家具有代表性的上市公司作为研究对象，主要选取种植业、造纸业、制造业、炼钢业四个证监会行业，每个行业中分别选取业绩好、业绩一般、业绩差3类公司作为样本上市公司，所选3类公司在同一个证券交易所上市。本文所选取的样本上市公司财务数据以2008年中期公司财务数据为准，样本公司均已经完成股权分置改革，数据来源于安信证券交易系统和新浪财经网站。三、参数的确定（1）本文根据2008年各公司中期财务报表中的负债总额来估计其负债面额D，设定债务期限为一年，即=1，也就是计算1年期的违约距离和违约概率。（2）股权市场价值的确定。样本股票的流通股总市值选取的是样本股票流通A股的总市值，计算基准日复权后的股票收盘价乘以流通A股总股份为样本股票流通总市值，即股权市场价值=流通A股股份×收盘价（3）无风险利率r的确定。本文采用中国人民银行制定的2007年一年期定期存款利息率作为无风险利率，即r＝0.0414。（4）违约点DPT的确定。本文采用KMV公司的经验法来估计违约点DPT的位置，即DPT是长期负债的一半与流动负债的和。根据KMV模型基本思想并结合我国实际情况，本文在实证分析过程中做了如下的假设：（1）公司股票价格服从对数正态分布。（2）公司资产价值符合标准正态分布（3）假定公司资产价值未来一年保持不变，即预期年增长率为0，即，E(VA)=VA.。四、实证分析（一）股权价值年波动率的计算。根据John.Hull提出的历史波动率法，利用样本公司2008年2月15日至2008年6月27日20个周的股票周收益波动率来估计样本股票股权市场价值未来一年的波动率。根据假设（1），股票价格服从对数正态分布，则股票周收益率为：3—（1）在上式中，Pi为样本公司股票复权后的第i周的收盘价样本股票的周收益率的波动率为：3—（2）在上式中，i为样本股票的周收益率，为样本股票的周收益率的均值，将样本公司股票价格数据代入上述公式，可得到周收益波动率。我国证券市场每周交易5天，假定上市公司一年的交易天数为250天，则与的关系是：3—（3）样本公司股票的股权市值年波动率如下表：表1样本股票的股权市值年波动率股票名称股权市值年波动率股票名称股权市值年波动率北大荒0.6339东阿阿胶0.4735华泰股份0.576华菱钢铁0.7283新和成0.9167*ST香梨1.148鞍钢股份0.7484*ST天宏0.5665禾嘉股份1.0869ST国农0.5965银鸽投资0.8227长城股份0.4474（二）资产价值和资产价值的波动率的计算。根据Black-Scholes期权定价公式和Merton的风险债务定价理论，结合KMV模型的基本思想，根据作出的第（2）和（3）条假设，存在下列公式：3—（4）3—（5）其中，，，上述方程中，，，D已知，r=0.0414，=1，利用Eviews5.0软件，对上述公式采用迭代方法，可以求出公司的资产市场价值VA及资产的波动率。表2样本股票的资产价值和资产价值波动率股票名称资产价值(万元)资产价值波动率股票名称资产价值(万元)资产价值波动率北大荒509055.70.291569东阿阿胶37888.820.401284华泰股份602001.90.285142华菱钢铁39682430.321043新和成308714.40.301450*ST香梨16231.30.698475鞍钢股份38610450.26540*ST天宏44538.230.503080禾嘉股份71741.570.362461ST国农7263.260.545621银鸽投资231517.70.345262长城股份168836.80.485428（三）违约距离和违约概率的计算。根据违约距离的定义，违约距离的公式为3—（6）假设VA符合标准正态分布，根据违约距离DD，可得理论上的EDF理论上的3—（7），DPT，已经求出，把上述数据代入公式3—（6）和3—（7）中，可得到违约距离DD和理论上的EDF。表3样本公司的违约距离和理论EDF值股票名称违约距离理论上的EDF值股票名称违约距离理论上的EDF值北大荒2.3462010.0094829东阿阿胶2.4700680.0067544华泰股份2.9001040.0018652华菱钢铁2.4010690.0081736新和成3.0027860.0013376*ST香梨1.4811070.069289鞍钢股份2.85610.0021444*ST天宏1.6104560.0536492禾嘉股份1.9168540.0276282ST国农1.2869080.0990632银鸽投资2.1240780.0168318长城股份1.1988210.1152988五、实证结果及分析1、从表3可以计算出三类样本公司违约距离的平均值，业绩好、业绩一般、业绩差公司的违约距离分别为：2.776298、2.228017、1.394323。根据KMV模型的基本思想，资产业绩好或者资产波动性相对小的公司，其违约距离大，发生违约的可能性就小，根据这一思想，业绩好的公司的违约距离平均值最大，所以其发生违约的可能性最小，业绩一般公司次之，而业绩差公司发生违约的可能性最大。从图1我们可以更加清楚的看到，违约距离能够较好的区分3类公司的违约大小。从整体上来看，我们明显的看到业绩好的公司的违约距离大于业绩一般公司和业绩差公司的违约距离，而业绩差公司的违约距离最小，说明其信用质量最差，违约的可能性也是最大的。2、根据表3计算出三类样本公司的理论EDF值的均值，分别为0.003707534、0.014847012、0.08432504，其数值明显偏低，没有很好的反应上市公司的真实信用状况。图2为DD和EDF的关系图，基本上反映了DD与理论EDF的反向关系：违约距离越大，企业违约的可能性越小。DD值在区间[1,2.5]时，违约距离愈大，EDF值越小，说明公司违约概率越小，但在DD值大于或等于3.0时，理论EDF近似为0，DD与理论EDF近似呈水平直线关系，这说明在违约距离大于3的情况下，理论违约概率对公司信用状况的辨别能力有限。3、为了有效说明KMV模型对上市公司真实经营情况反映的客观性和准确性，本文根据*ST香梨公司进行说明。*ST香梨属于种植业，主要从事香梨、果酒和果品深加工，该公司2008年末每股收益为-0.4881元，净资产收益率为-547.52%，2007年年末公司营业收入和净利润分别为4143.36万元和-2886.79万元，而2008年年度为营业收入和净利润分别为2139.38万元和-11588.39万元，公司最近两年年度报告中披露的当年经审计净利润连续亏损，2009年3月13日起证监会对该公司实施退市风险警示特别处理，由此说明其经营状况出现了重大问题。从KMV模型计算的数据来看，*ST香梨的违约距离和资产价值波动率分别为1.481107和0.698475，说明其违约的可能性很大，对商业银行来说其贷款存在很大的信贷风险。由此可见，KMV模型对公司财务数据评价的客观性，比较准确的反映了上市公司的真实经营情况。总体来说，违约距离DD在一定程度上能够反映上市公司信用状况的优劣，KMV模型在实证中表现了很好的适用性，但是理论EDF反映上市公司信用状况的能力较差，并且违约距离和理论EDF的拟合度效果不是非常理想，理论EDF没有很好的反应上市公司的违约概率情况，究其原因是：第一，我国资本市场发展不是很完善，证券市场的有效性不足，存在很多投机性炒作，因此，股票价值没有真实反映上市公司的真实经营情况，这就降低了KMV模型在我国商业银行中应用的准确性。第二，我国还没有建立比较完善的社会信用体系，征信服务行业发展的比较缓慢，历史违约数据库的缺乏使得我国很难建立违约距离DD和预期违约概率之间的映射关系。第三，在计算过程中，本文做了诸多假设，可能导致结果的不准确性，在本文应用的计算框架，其中的合理性还需进一步的讨论。如：KMV公司根据大量违约事件的实证分析发现，公司价值大约等于流动负债加50%的长期负债的时候违约发生最频繁，这是美国的最适合情况，是否也完全适合我国，也需作进一步的实证研究；假设公司资产价值符合正态分布，需要研究论证其合理性。六、加强KMV模型在我国商业银行应用的措施（一）加强证券市场的有效性。应用KMV模型对我国上市公司数据进行评估，要求证券市场必须是有效的，但由于我国资本市场过度投机和市场操纵等人为的市场不规范因素的影响，证券市场的有效性不足，模型反映公司的资产价值和股票价值的关系不能很好成立。只有确保模型所需样本数据的可靠性和完整性，KMV模型才能真实有效的反映上市公司的信用状况。因此，必须进一步完善和发展我国证券市场，要求上市公司定期披露相关信息，加强上市公司交易活动的监管，加大对机构投资者的监管，减少证券市场的过渡投机行为，从而使股价能够真实反映公司的运营状况，这样才能更好的反映公司的资产价值和股票价值的关系，为KMV模型创造良好的金融环境，对我国上市公司信用风险进行有效的管理。（二）加快建立违约数