（数量经济学专业论文）商业银行信用风险管理理论及实证分析.pdf

摘要 信用风险是银行等金融部门所面临的一种主要风险，对信用风险的管理一直 是各国政府金融部门及监管部门的工作重点。目前我国银行风险管理水平落后， 并没有形成一套成熟的信用风险度量技术，我国银行业信用风险度量基本上还处 在传统的信用评级初级阶段，这种信用风险分析方法主观性太强，导致了对企业 信用评估的结果与企业实际状况有较大偏差。随着中国金融业对外开放，我国商 业银行必须加强应对市场竞争的能力，开发研究适用的信用风险管理技术，完善 自身的风险管理体系，提高银行风险管理水平。 本文主要研究信用风险管理各种模型和方法，在阐述信用风险概念和其特征 的基础上，介绍了传统的专家评分法、单变量分析法、多变量分析法；随后介绍 了现代信用风险管理模型，包括：神经网络模型、j p 摩根的c r e d i t m e t r i c s 模型、 k m v 公司的k m v 模型和c s f p 的c r c d i t r i s k + 模型、c r e d i t p o r t f o l i ov i e w 模型； 然后又重点说明了k m v 模型的理论来源及原理，阐明了k m v 模型的计算过程 及其参数的估值方法，通过对k m v 模型进行适当改进，使之更适用于我国国情， 适用于上市公司的信用风险度量，并通过实证研究，对其结果加以分析说明，论 证了k m v 模型能较好反应我国信用风险管理现状；最后对本文进行了总结研究 并对信用风险领域下一步的工作进行了前景展望。 本文分为五章：第一章主要论述了研究的背景以及研究目的和意义；第二章 文献综述部分主要阐述了国内外信用风险管理状况；第三章介绍了各种信用风险 度量模型，包括传统模型和现代信用风险管理模型；第四章应用k m v 模型对我 国上市公司信用风险状况进行了实证研究；最后，第五章对信用风险管理的发展 进行了展望。 关键词：信用风险；风险管理；k m v 模型 a b s t r a c t t h ec r e d i tr i s ki st h em a i nr i s kf o rt h ef i n a n c i a lo r g a n i z a t i o n , f o re x a m p l et h e c o m m e r c i a lb a n k s s t r e n g t h e n i n gt h em a n a g e m e n to ft h ec r e d i tr i s ka l w a y si st h e w o r kk e yp o i mo ft h ef i n a n c i a li n d u s t r ya n di t ss u p e r v i s i n go r g a n i z a t i o n a tp r e s e n t , c h i n e s ec o m m e r c i a lb a n k sr i s km a n a g e m e n ti sa tl o wl e v e l w eh a v en o tg o ta p e r f e c tc r e d i tm e a s u r e m e n tt e c h n o l o g y o u rb a n k s m e a s u r e m e n ti ss t i l la tp r i m a r y s t a g eo ft r a d i t i o n a lc r e d i tr a t i n g t h ec r e d i tr i s k sa n a l y t i c a lm e t h o dh a ss t r o n g s u b j e c t i v i t y , s ot h eg r e a td e v i a t i o no f t e nl i e s a l o n gw i t hc h i n e s ef i n a n c i a lo p e n i n g , t h ec o m m e r c i a lb a n k sm u s ts t r e n g t h e nt h ec o m p e t i t i o na b i l i t yi nm a r k e t , r e s e a r c ha n d d e v e l o p s u i t a b l e t e c h n o l o g y o fc r e d i tr i s k m a n a g e m e n t , c o n s t r u c t t h er i s k m a n a g e m e n ts y s t e ma n dr a i s et h el e v e lo ft h er i s km a n a g e m e n t t l l i sp a p e rm a i n l yr e s e a r c h e st h em o d e l sa n dt h em e t h o d so ft h em a n a g e m e n to f c r e d i tr i s k o nt h eb a s i sw h i c ha n a l y z e st h ec o n c e p t sa n dc h a r a c t e r i s t i c so fc r e d i tr i s l 【 i t b r i e f l yi n t r o d u c et h et r a d i t i o n a lm e t h o d s ，i n c l u d i n g ：e x p e r tg r a d e sm e t h o d ，t h e s i n 甜ev a r i a b l ea n a l y s i sm e t h o da n dt h em u l t i v a r i a b l ea n a l y s i sm e t h o d , t h e ni t i n t r o d u c e t h em o d e mc r e d i tr i s km a n a g e m e n tm o d e l s , i n c l u d i n g ：n nm o d e l ，j p m o r g a nc o m p a n y sc r e d i t m e t r i c sm o d e l ，k m vc o r p o r a t i o n sk m vm o d e l ，c s f p s c r e d i t r i s k + m o d e la n dc r e d i t p o r f f o l i ov i e wm o d e l t h e ni ti n t r o d u c et h et h e o r y o r i g i na n dt h ep r i n c i p l eo fk m v m o d e la n de x p l a i nc o m p u t a t i o np r o c e s sa n dt h e m e t h o do ft h ep a r a m e t e re s t i m a t i o n a c c o r d i n gt ot h ef a c tt h a tk m vm o d e le s p e c i a l l y s u i t st h ec r e d i tr i s km a n a g e m e n to fl i s t e dc o m p a n y , w eu s el i s t e dc o m p a n i e s d a t at o c o n d u c tt h ee m p i r i c a lr e s e a r c ho fk m vm o d e l ，n 托p a p e ri sd i v i d e di n t of i v ep a r t st oa n a l y z e ： f i r s t ，w ed i s c u s st h ep u r p o s e ，t h es i g n i f i c a n c ea n dt h eb a c k g r o u n d s e c o n d , w ea n a l y z et h em a n a g e m e n to fc r e d i tr i s ki n s i d ea n do u t s i d eo u r c o u n t r y 1 1 l i r d ，w ee x p l a i nt h em e a s u r e m e n ta n dt h em o d e l so ft h em a n a g e m e n to fc r e d i t r i s k f o u r t h , w ei m p l e m e n te x p e r i e n t i a lr e s e a r c ho fk m v m o d e lo nt h eb a s i so ft h e l i s t e dc o m p a n yo fo u rc o u n t r y f i f t h ，t h ep r o s p e c to fc r e d i tr i s km a n a g e m e n t k e ，w o r d s ：c r e d i tr i s k ；硒s km a n a g e m e n t ；k m vm o d e l 厦门大学学位论文原创性声明 兹呈交的学位论文，是本人在导师指导下独立完成的研究成 果。本人在论文写作中参考的其他个人或集体的研究成果，均在 文中以明确方式标明。本人依法享有和承担由此论文产生的权利 和责任。 声明人( 签名) ：垄冶功 撕7 年月刁日 厦门大学学位论文著作权使用声明 本人完全了解厦门大学有关保留、使用学位论文的规定。厦 门大学有权保留并向国家主管部门或其指定机构送交论文的纸 质版和电子版，有权将学位论文用于非赢利目的的少量复制并允 许论文进入学校图书馆被查阅，有权将学位论文的内容编入有关 数据库进行检索，有权将学位论文的标题和摘要汇编出版。保密 的学位论文在解密后适用本规定。 本学位论文属于 1 、保密( ，在 年解密后适用本授权书。 2 、不保密( ) ( 请在以上相应括号内打“”) 作者签名：爹偌词日期：伽7 年月7 日 导师签名：懈 日期：尹7 年月知e l 第一章导论 1 1 问题的提出 第一章导论 风险的定义在1 8 9 5 由海恩斯给出：“风险意味着损失或损害的可能性。 某种行为能否产生有害后果因其不确定性而来，当某种行为具有不确定性时，这 种行为就反映了风险的负担。一对于一项行动，风险的严格概念为：在以特定利益 为目标的行动过程中，若存在与初衷利益相悖的可能损失( 潜在损失) ，则由该 潜在损失所引致的对行动主体造成危害的事态。 风险无时不在，无处不在，趋利避害，是普遍存在于社会各个领域的一种大 众化心理。对风险大小的度量、预测、及规避技术的研究，已成为当今社会文明 发展的主题之一。金融领域的风险度量、预测及规避的理论与技术，其开发研究 显得尤为重要，现代金融理论有三大支柱：资金的时间价值、资产定价和风险管 理，风险管理即为其一。一方面，金融业因提供服务和承担风险因而从中获得风 险回报，并以此维持自身的生存与发展：另一方面，金融业却因为提供服务而面 临着破产倒闭的风险。因此，风险管理，尤其是信用风险管理，一直是理论界、 实务界研究探讨的重要课题。 1 2 选题背景和意义 金融体系是现代经济体系的核心，而商业银行体系又是金融体系的核心。作 为经营货币的特殊企业，商业银行的风险属性是与生俱来的。西方商业银行在长 达几个世纪的发展过程中，已形成了产权清晰，目标明确，经营日益多元化、国 际化，业务不断创新，管理手段越来越先进等特点。这些都使得商业银行的经营 管理水平不断提高，商业银行也因此而成为极富活力，勇于开拓创新的金融企业， 促使其在整个经济活动中发挥着不可替代，越来越重要的作用。 由西方十国中央银行及银行监管部门所组成的巴塞尔委员会，制定了 o b ) 。那么该企业将会偿还这笔贷款， 期末的企业资产价值为o a 2 ( 这里o a 2 并且资产所有者将会保持企业资产的剩 余价值( o a 2 o b ) 。期末的企业资产越大，留给资产所有者的资产剩余价值也越 大，企业就越有能力不违约。如果期末企业的资产低于o b ，则公司将要违约， 公司即用企业的剩余资产还债。该公司的股权的收益状况和以该公司的股票为标 的看涨期权的损益状况一致，该看涨期权执行价格为d 。时间t 后，如果该公司 的资产价值大于d ，则该买权得到执行，所得收益为v m ；否则不执行该买权， 其价值为o 。所以可以认为公司的股权是以公司资产为标的的看涨期权，执行 价格为公司债务的而值，期限为公司债务的期限。根据以上分析，对于债权人来 说，他可被认为是卖出一份看跌期权，当公司的资产价值大于d ，该看跌期权得 到执行；否则不执行。参见图2 。 jl p a d 7 。 一r o a s s e 图2 套用期权定价公式： 一份看跌股票期权的价值= f ( s ，x ，r ，万j ，了) 一份风险贷款违约期权的价值= f ( a ，b ，万一，f ) 可以看出，企业资产的市场价值及其波动性是影响违约决定的最重要因素。 然而，在公式( 2 ) 中，s ，x ，a 和b 的含义分别为股票的市场价格、期权的执行 价格、公司价值和负债，它们都是直接可以在市场上获得数据的变量。r 是短期 第三章信用风险模型理论 市场利率，4 和t 分别是企业资产的净值和市场价值，7 是看跌期权的直至到 企业资产的市场价值a 和资产市场价值的波动率吒不能直接得到，但我们 可以利用期权定价公式反向推导出企业资产市场价值的隐含波动率以。而波动 d = d t + 仃彳d z 式中，匕是公司的资产价值，d 圪表示公司资产价值的变化，是公司资产 价值变动的瞬间漂移项( 嘶妨，是公司资产价值变动的波动率；d t 表示一个标 = y a n ( d 1 ) 一e - * x n ( d u ) ( 3 1 ) 表示为标准正态分布函数：n ( d ) = 疆1 万e _ x 2 2 出 西=ln(va矿)+(r+aa2)t，吨=嘶一石 商业银行信用风险管理理论及实证分析 p o i n t ，d p ) ，k m v 又假设投资组合是高度分散的，市场利率和总体经济状况是可 以预先确定的，以及在一定时间里公司债务结构是固定不变的。在模型中，预期 违约率e d f ( e x p e c t e dd e f a u l tf r e q u e n c y ) 计算如下： ( 1 ) 计算资产价值圪和资产回报的波动性吒； ( 2 ) 估计违约点d p 和违约距离( d i s t a n c et od e f a u l t ，d d ) 。违约的可能性 可以被定义为公司资产价值小于违约点的机率，如果用资产波动率的标准差衡量 及标准化公司资产价值与违约点之间的差，就得到公司的违约间距( d i s t a n c et o d e f a u l t , d d ) ，也即以公司资产价值在风险期限内由当前水平降到违约点的相对距 离。数字愈大则代表资产的价值距离违约点愈远，故公司违约的机率越小。它可 以表示为d d ：_ ； a 芦- 一d p ，即d d 表示单位资产在风险期限t 内与d p 的背离程 y 彳c r 一 度； ( 3 ) 估计预期违约率e d f ； 理论的e d f 假定圪服从正态分布，已知圪和o - a 即可得到e d f 。然而假定屹 服从正态分布在实践中井不合理。实务中，k m v 采用经验的e d f ： 经验e d f - - 塑篱鬻羔恭糍铲 k m v 公司基于一个庞大的数据库得出了d p 到e d f 之间的映射关系，并将其与 一些大的评级机构的评级标准对应，体现了它们的一致性。参见表1 ： 表1e d f 和风险评级的对应 e d f 标准普尔穆迪 花旗银行瑞士银行 0 0 2 o 0 4 = a a = a a 21c l 0 0 4 - - 0 1 入入| 入a l2c 2 0 l 0 1 9a b b bb a a l3 c 3 o 1 9 0 4 b b b + b b b b a a 34c 4 0 4 , - - o 7 2b b b ，b bb a l4 5 c 5 o 7 2 1 0 l b b b b b a 35c 6 1 0 l 1 4 3b b b +b l 5 5c 7 1 4 3 2 0 2b 怕 b 26c 8 2 0 2 3 4 5b b b 3 6 5c 9 第三章信用风险模型理论 这样，在利用k m v 模型计算e d f 时，需要计算的参数有三个：d p 、匕和 。关于d p 的数据可以采用短期负债加长期负债的一般表示，它们都是从上市 公司财务报表里可得的财务数据。根据蛔定律，权益的波动性与资产的波动性 有以下关系： = 嚣蚬( 3 - 2 ) 其中为避险比率( h e d g er a t i o ) ，也即为n ( d 1 ) 。联立方程( 1 ) 和( 2 ) ，即可解出 隐含资产市场价值圪和隐含波动率。 然而，作为商业秘密，k m v 公司井没有公布他们所用的根据某种资产价值 概率分布而得出的期权定价公式，以及在实务中所用的关系函数，并且e d f 值 根据基于其庞大历史违约数据库而得的d d 与e d f 之间的映射关系给出。作为 对模型基本原理的探讨，根据以上所示原理，本文采用公式( 1 ) 和( 2 ) 计算公司价 值和隐含波动率，并利用由此计算出的d d 及如下公式计算e d f ： e d f = ( 1 - n ( d d ) ) 木1 0 0 ( 3 3 ) 其中，n ( ) 为标准正态分布函数。 3 7 2l e & t v 模型的优缺点 k m v 模型的优势在于： ( 1 ) 理论基础强大，依据现代公司理财和期权理论的结构性模型； ( 2 ) 主要采用股票市场数据，因此数据和结果更新很快，具有前瞻性； ( 3 ) k m v 最适用于公开上市公司，它们的股票价值由市场决定，这样包含 公司股票价格和平衡表的信息便可以转化为一个暗含的违约风险。 k m v 模型的缺点在于： ( 1 ) 假设比较苛刻，尤其是资产收益分布，实际上存在“厚尾一现象，并不 满足正态分布假设； ( 2 ) 没有根据借款入信用品质、担保情况、可转换性等区分长期债券； 商业银行信用风险管理理论及实证分析 ( 3 ) 它是违约式模型，对企业的杠杆比率捕捉迟钝，具有静态性； ( 4 ) 无法处理非线性产品，如期权、外币掉期。 3 8 模型的总结与比较 巴塞尔委员会对银行开发内部风险模型一直持鼓励和欢迎态度。信用风险模 型的计量结果，诸如债务人风险权重以及组合风险集中度等，不仅满足了监管当 局的需要，也可以用于银行内部的风险管理、资本预算、险额设定、产品定价、 经济资本分配以及业绩评估等，从而显著改善银行内部的风险管理流程。 c r c d i t r i s k + 模型和k m v 模型本质上都是为了预测违约损失的风险价值，属 于违约模型；g r e d i t m e t r i c s 模型明显以贷款的市场价值变化为基础计算的风险价 值，因此也是一种盯市模型，而c r e d i t p o r t f o l i ov i e w 既可以被当做盯市模型使用， 又可以被当做违约模型使用。这些是根据模型对信用损失的小同定义来划分它 们。盯市模型在计算贷款价值的损失和收益中既考虑了违约因素，同时又考虑了 贷款信用等级上升或下降以及由此而发生的信用价差变化等因素。违约模型只考 虑了两种状态，即违约或小违约。盯市模型和违约模型之间的关键差异是盯市模 型包括了价差风险。 在关于信用事件的波动性方而，各个模型之间的关键差异在于是为违约率建 立模型，还是为违约分布函数的概率建立模型在信用度量制方法中，违约概率 和信用等级转换概率被模型化为基于历史数据的固定的或离散的值。在k m v 方 法中，预期违约频率随着新信息被纳入股票价格而发生变化。股票价格的变化以 及股票价格的波动性成为k m v 方法的预期违约频率值基础。在信用组合观点中， 违约概率是一套呈正态分布的宏观因素和冲击的一个对数函数。因此，随着宏观 经济的演变，违约概率以及信用等级转换矩阵中其余的单元或概率也会变化。在 c r e d i t r i s k + 方法中，每笔贷款违约的概率被看做是可变的，并且服从围绕某些违 约率均值的泊松分布。因此，违约率均值被模型化为一个服从伽玛分布的变量。 无论是与信用度量制相比还是与信用组合观点相比，由c r e d i t r i s k + 方法可以产 生一种可能有“更厚实的尾部 的损失分布。 贷款等信用资产的损失分布和风险价值的计算同时取决于违约的概率和损 3 0 第三章信用风险模型理论 失的严重程度或给定违约率下的损失( l g d ) 。经验证据表明，违约的严重程度和 贷款收复状况随时间的演变而有相当大的波动性。此外，将小稳定的收复率包括 进来有可能增加风险价值或提高非预期损失率。在计算风险价值的背景下，信用 度量制方法考虑可以让贷款收复情形发生变化。在该模型为正态分布的情况下， 估计的收复率的标准差被纳入了风险价值的计算。在该模型为“实际 分布的情 况下，考虑到贷款价值损失分布函数尾部的偏斜，因而假定收复率服从贝塔分布， 并且贷款的风险价值通过蒙特卡罗模拟法来计算。在k m v 方法的最简单模型中， 收复率被看做是一个常数。在该模型最新的发展中，也允许收复率遵循贝塔分布。 在信用组合观点中，收复率的估计也是通过蒙特卡罗模拟法进行的。比较而言在 c r c d i t r i s k + 方法中，损失的严重程度被凑成整数并划分频段，从而得到次级的贷 款组合，然后将任何次级贷款组合的损失的严重程度视为一个常数。 不过，同实际的风险相比，所有这些模型都还远远不是完美的。j pm o r g a n 的c r e d i t m e t r i c s 模型、k m v 公司的k m v 模型、瑞士信贷银行的c r e d i t r i s k + 模 型等采用长期的历史平均违约率来预测违约事件，没有进一步考虑到宏观经济周 期因素对信贷违约事件的影响，这将有可能高估或者低估短期的违约概率。相反； 类似m c k i n s e y 的c r c d i t p o r t f o l i ov i e w 模型一类的条件概率模型试图用宏观经济 周期来预测违约事件，但却很难保证周期开始时预测结果的准确性。此外， c r e d i t m e t r i c s 模型和k m v 模型对相关性系数高度敏感，对相关性参数估计的精 确度要求很高；而c r e d i t p o r t f o l i ov i e w 模型在选择宏观经济变量方面，仍然面临 一系列计量检验方面的难题。 由于各个模型都在不断的改进和创新，最近关于模型的理论和算法的研究成 果不断涌现。例如g o r d y ( 2 0 0 2 ) 基于损失的概率生成函数，利用鞍点逼近法近似 损失的分布，得到了一个c r e d i t r i s k + 模型的更精确的稳健算法。y a n g y i - d a n g ( 2 0 0 4 ) 等考虑了不同的违约程度，推广了g o r d y 的模型。事实上，目前还 没有一个完美的信用风险度量模型。 3 1 商业银行信用风险管理理论及实证分析 第四章信用风险计量模型实证分析 4 1 k m v 模型对我国的适用性分析 k m v 模型的计算数据相对容易获取，它主要以上市公司的股票收盘价作为 计算依据，结果相对的客观，同时d d 及e d f 的计算都是相对数据，对于不同 类型的公司也具有可比性，因此，比较适合我国目前信用机构缺乏，信用数据获 取困难的局面。 由于运用k m v 模型对上市公司的违约距离进行测算时，大量的数据都来源 于上市公司披露的年报数据以及上市公司的股票交易价格，这些信息都是公开 的，可以在证券交易所内直接获取的，这就保证了我们最后结果的客观、公正， 而且也克服了目前我国专业的评级机构缺乏的尴尬。 k m v 模型通过充分利用资本市场上的信息，对上市公司的信用风险进行量 化度量和分析，通过获取主要来自于资本市场的信息，而非企业的历史账面资料， 通过计算核心指标一违约距离来反映企业当前的信用状况。由于国内股市日趋有 效，使得在主流信用风险计量模型中，以对企业股票市场价格变化的有关数据为 分析基础的k m v 模型成为我国商业银行相对较为现实的一种借鉴选择。 4 2k m v 实证分析 4 2 1 样本的选取 本文选择l o 家沪深上市公司作为实证研究的对象，一种是绩优类型，另一 种为绩差类型，每类各5 家。基准日为2 0 0 6 年1 2 月2 9 日。基本财务和股票市 场数据见表4 1 、表4 2 。 3 2 第四章信用风险计量模型实证分析 表4 - l 绩优股数据 股票代流通股数非流通股收盘价股权价值流动负债长期负债违约实旋点 码( 万)数( 万)( 元)( 万元)( 万元) ( 万元)( 万元) 6 0 0 0 3 01 7 1 4 5 6 8 31 2 6 6 9 3 1 72 7 3 85 4 5 7 6 3 6 9 8 4 7 9 5 1 1 8 2 62 0 3 0 1 4 9 1 4 8 9 6 6 2 5 7 2 6 0 0 5 1 93 0 2 3 1 8 0 6 4 1 4 8 2 08 7 8 33 8 9 4 7 6 9 o o3 3 9 3 8 8 6 4o 0 03 3 9 3 8 8 6 4 6 0 0 0 5 08 3 2 0 0 0 0 012 8 7 6 5 9 6 44 6 75 2 0 8 3 8 1 5 15 0 5 0 8 2 2 7 31 2 0 1 2 18 8 05 6 5 1 4 3 2 1 3 6 0 0 0 1 93 7 9 7 1 3 6 41 3 7 1 4 8 6 3 68 6 6 5 9 0 1 2 7 5 9 4 4 7 2 6 6 3 0 8 216 7 7 0 9 8 9 45 5 6 5 1 8 0 2 9 6 0 0 4 2 83 2 6 7 5 9 63 2 8 4 4 0 41 0 8 74 3 3 7 3 0 9 210 4 3 2 7 6 6 4 8 8 0 6 1 21 2 8 7 3 0 7 2 资料来源：w i n d 数据库 表4 2s t 股数据 股票代流通股非流通股数收盘价股权价值流动负债长期负债违约实施点 码数( 万)( 万) ( 元)( 万元)( 万元)( 万元)( 万元) 6 0 0 7 3 41 3 2 7 3 2 l2 18 8 2 6 31 9 6 3 5 4 5 1 2 81 0 2 8 2 1 4 7o 0 01 0 2 8 2 1 4 7 6 0 0 7 4 54 6 7 5 9 4 7 4 9 8 5 51 7 8l1 2 5 9 6 12 3 6 1 0 2 5o 0 02 3 6 1 0 2 5 6 0 0 6 1 02 5 7 4 0 01 0 0 5 1 57 6 02 1 2 4 3 0 138 0 0 9 5 0o 0 03 8 0 0 9 5 0j 6 0 0 0 8 3l3 5 7 3 0 6 9 4 2 6 9 42 9 74 6 4 7 1 5 5l8 3 0 5 0 8o 0 018 3 0 5 0 8 0 0 0 9 2 53 0 0 0 0 06 0 0 0 0 04 3 218 6 6 2 4 05 0 5 8 2 0 2o 0 05 0 5 8 2 0 2 资科来源：w i n d 效据厍 为便于分析，做以下设定： ( 1 ) n 期日i f - t ) 为1 年，即计算1 年期的违约距离和违约概率； ( 2 ) 无风险利率r 为1 9 8 ； ( 3 ) 公司违约实施点的确定：借鉴k m v 公司的处理方法，假设公司在“资产 价值一到期流动负债+ 5 0 到期长期负债 时，公司会违约。即， 违约实施点= 流动负债+ 5 0 长期负债； ( 4 ) 假定公司股票价格服从对数正态分布。 4 2 2 计算过程 ( 1 ) 公司股票波动率的计算。 有关股票波动率的研究，在最近几十年得到较大的发展。概括起来，主要可 3 3 商业银行信用风险管理理论及实证分析 以分为静态模型和动态模型两大类：静态模型一般假设价格或收益率的方差是稳 定的，但是许多实证研究发现在实际的金融市场上，大部分金融变量的方差具有 一些与静态模型假设不符的特性。 本文通过将计算出的股票波动率作为资产价值波动率的初始值代入( 3 1 ) ，经 过多次迭代过程，从而求解出资产波动性的期望值。为了简化股票波动率的计算 过程，本文对股票的波动率的计算采用传统的静态模型。 由于假定股票价格满足对数正态分布，因此股票日收益率为： 鸬= 1 1 1 ( 墨s , 一1 ) ( 4 1 ) 式中，s s , 一l 为股票每天的相对价格。 股票收益日标准差为：= 舻= 去喜鸬 ( 4 2 ) ( 2 ) 公司资产波动率的计算。 k m v 公司利用一个复杂的迭代过程来求解资产波动率，该程序使用波动性 决定资产价值和资产回报的最初假设。当期资产回报的波动率作为下一过程的输 入，反复迭代，可得到一系列资产价值和资产回报，迭代过程反复进行直到它会 聚。 为了计算，本文采取一个迭代过程计算隐含波动性，以此作为资产的期 望波动性。用过去1 0 0 天的日交易数据估算股票收益的波动性，并把它作为 资产波动性。将初始估计值代入期权定价公式( 方程( 3 一1 ) ) 计算出资产价值v a ， 对于过去1 0 0 个交易日每一天的股权市场价值v e ，都可以相应计算出一个v a 。 这样，就可以获得1 0 0 个日资产市场价值，从而可以估算出一个新的资产波动性 o 接着把这个作为新的输入值，重复以上过程，直到乃收敛，即两次计算 第四章信用风险计量模型实证分析 的差值在设定的容忍度范围内。为了保证计算精度，本文设定容忍度为1 0 e 一7 。 一旦确定了值，就可以代入方程( 3 1 ) 计算出v a 。由于本文采用日交易数据， 因此计算的波动性是日波动性，带入方程( ( 4 3 ) 时需转化为年波动性，假定一年 有2 5 0 个交易日，则转换公式为： 资产年波动性= 资产日波动性木2 5 0 ( 4 - 3 ) ( 3 ) 公司资产价值的计算。 经济学家陈志武研究发现，国有股的拍卖价格平均是流通股价格的2 2 。本 文直接采用这一结论，在计算非流通股价值时，按照流通股的市场价格2 2 进行 折价，因此可得： 股权的价值= ( 流通股股数+ 非流通股股数2 2 ) x 市价。 ( 4 - 4 ) 4 2 3 实证结果分析 根据前述方法，计算结果如下： 表4 - 3 实证结果 股票代码违约距离理论违约率 6 0 0 0 3 03 9 74 6 5 e - 15 6 0 0 5 1 94 6 86 7 1 e 1 9 6 0 0 0 5 05 6 63 5 7 e - 2 2 6 0 0 0 1 93 5 27 8 l e 1 l 6 0 0 4 2 83 8 56 3 2 e 1 3 挚1 0 + ； 。i 。嘿，。，“? ”。；t ? t一”“u o 圹 r t ”：臻咄郴r 、一3 ”4 。、。 f7 一p v ?r ” i “。；麓 ； p ， ti 。 一 i1二，?，?，。 ， 巾o t 。t 。? ? 一? 翻 6 0 0 7 3 42 2 22 2 6 e 0 9 6 0 0 7 4 52 1 4 7 6 7 e 0 7 6 0 0 6 1 01 4 43 9 0 e - 4 6 0 0 0 8 31 2 3 5 1 8 e 3 0 0 0 9 2 51 8 88 9 6 e 6 3 5 商业银行信用风险管理理论及实证分析 对以上结果加以分析，可以得出如下结论： ( 1 ) 违约距离是一个较好指标，用以区分公司违约可能性。 一般来说，优良业绩上市公司的违约可能较小，较差业绩上市公司违约性较 大。作为一个序数度量指标，违约距离值越大公司违约的可能性就越小，反之， 其值越小则表明公司违约的可能性就越大。在一定程度上，违约距离能较好的反 映出我国上市公司的信用状况。 ( 2 ) 理论违约率的有效性是值得商榷。首先，作为一个衡量指标，理论违 约率虽然能从一定程度下反映出上市公司违约性的差别，但两类公司的理论违约 概率并没有表现出明显的差异，这与实际情况并不完全吻合。其次，从理论违约 概率的实际数值上看，其值明显偏低，其中优良业绩上市公司的理论违约概率非 常小。可以看出，理论违约概率对现实的信用状况反映能力有限。 综上所述，违约距离能较好的度量上市公司信用状况，而理论违约概率虽然 也能在一定程度上反映上市公司信用质量，但其识别信用风险的能力有限。其原 因可能有三：其一，中国股市的非有效性；其二，公司资产价值服从对数正态分 布的假定不成立；其三，数值估算的偏差。可以看出，应用于我国实际，为了确 定公司实际违约率就必须建立违约距离与预期违约率之间的映射关系。 通过对我国上市公司信用状况的实证分析，我们可以看出k m v 模型能比较 好地适用于中国的上市公司，并能够较好的反映上市公司的信用状况。尤其是我 们可以通过计算违约距离，来判断上市公司信用状况的好坏，现阶段，用k m v 模型中的违约距离来分析我国上市公司信用状况主要有以下两个优点： ( 1 ) 运用k m v 模型计算违约距离时，不仅使用了公司的财务数据，而且 还使用了上市公司在股票市场上的交易数据，综合了多方面信息，因而能更全面、 更好地反映公司信用状况。 ( 2 ) 由于上市公司股价每天都有交易数据，而且定期公布财务报表，因而 可以经常对公司的违约距离进行更新，及时地提供与公司实际情况相吻合的信用 状况指标。 不过，从实证分析中，我们也能够看出k m v 模型也存在着一些缺陷： ( 1 ) 由于k m v 模型主要依靠股票市场数据来预测违约率，如果股票的价 格过多地受到投机因素的影响，那么它就不能很好地反映公司资产价值及其变化 第四章信用风险计量模型实证分析 情况，模型的精确性将大打折扣。 ( 2 ) k m v 模型是在公司资产价值呈正态分布的假设条件下计算预期违约概 率的，但在现实中，并非所有的公司的资产价值都是正态分布的。 ( 3 ) k m v 模型没有对公司的长期债务结构进行区别分析，但实际上，长期 债务可以依据其优先偿还顺序、有否担保、有否合约条件等来进行区分，因此可 能会造成无法准确地确定违约点，这样计算出来的预期违约概率不一定准确。 综上所述，k m v 模型是比较适合中国上市公司信用风险评估的一种有效度 量模型。但是，k m v 模型还有许多不足之处，这在我们今后的研究中还有待于 进一步改进和提高。 3 7 商业银行信用风险管理理论及实证分析 5 1 本文结论 第五章结论与展望 风险管理是一门新兴的学科，也是现代金融学研究的热点问题。随着中国经 济的飞速发展和加入w t o 金融业对外开放的程度越来越高，金融机构数量大幅 增加，金融市场由过去的寡头垄断逐渐进入自由竞争阶段，激烈竞争的结果，固 然有利提高营运效率，促进改革与创新，改善服务品质。但是另一方面，金融机 构在经营上遭到前所未见的挑战，尤其是在风险管理方面，我国的商业银行与国 际先进水平存在巨大差距，现实的金融风险如果不能及时、有效的化解，如果不 能找到有效的风险管理方法，我国的商业银行将面临巨大的生存危机。 本论文研究了国内外商业银行风险管理理论及风险管理系统的发展过程，并 重点介绍了一些流行的风险计量模型，分析其适用性及优缺点。最后，结合我国 实际，用k m v 模型在我国商业银行金融风险管理中的应用进行了实证分析，实 证结果表明该模型是比较适合中国上市公司信用风险评估的一种有效度量模型。 5 2 问题及展望 目前，对于商业银行信用风险度量和管理的研究还处于快速发展之中，由于 时间和条件的限制，本文初步涉及这一领域。结合在实践过程中出现的问题，该 领域尚待进一步研究的问题有： ( 1 ) 尽管各个模型都在不断的改进和创新，关于模型的理论和算法的研究 成果不断涌现。但目前还没有一个完美的信用风险度量模型，采用长期的历史平 均违约率来预测违约事件的模型，并没有进一步考虑到宏观经济周期因素对信贷 违约事件的影响，这将有可能高估或者低估短期的违约概率。相反，条件概率模 型试图用宏观经济周期来预测违约事件，却很难保证周期开始时预测结果的准确 性。此外，多数的模型对相关性系数高度敏感，对相关性参数估计的精确度要求 很高，因此仍然面临一系列计量检验方面的难题。 第五章结论与展望 ( 2 ) 在我国应用现代信用风险计量模型还存在比较明显的困难：目前我国 商业银行的信用数据样本较少，而且在历史延续性和可比性方面还有待提高；信 用风险量化管理需要一个成熟的金融市场与之相匹配，由于我国金融市场过度投 机和市场操纵等人为的市场不规范因素的影响，使金融资产收益关联度的稳定性 低，对信用风险计量模型对未来风险的预测能力有很大的影响。因此在实际应用 上，还必须有针对性的发展出适合我国目前金融现状的风险管理系统。 3 9 商业银行信用风险管理理论及实证分析 参考文献 【l 】j a l o p e z , m 1 乙s a i d e n b e r g , e v a l u a t i n gc r e d i tr i s km o d e l s , j b a n k i n ga n df i n a n c e2 4 ， 2 0 0 0 【2 】c a m p b e l l ，r h u i s m a n , k k o e d i j l qo p t i m a lp o r t f o l i os e l e c t i o ni nav a l u e - a t - r i s k f r a m e w o r k , j b a n k i n ga n df i n a n c e2 5 ，2 0 0 1 【3 】k m vc o r p o r a t i o n c r e d i tm o n i t o ro v e r v i e w , s a nf r a n c i s c oc a l i s o r n i a , 1 9 9 3 【4 】m o r g e nj p c r e d i t m e t r i c sn e w y