張德繡，毛 宏

（上海第二工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，上海 201209）

0 引言

當(dāng)今，隨著我國(guó)金融體制改革的日益深化，我國(guó)商業(yè)銀行面臨的競(jìng)爭(zhēng)日趨激烈，面臨的金融風(fēng)險(xiǎn)也與日俱增。對(duì)于中國(guó)來(lái)說(shuō)，仍然有許多老百姓認(rèn)為銀行有國(guó)家信用作為保障，存款人在任何情況下都不會(huì)遭受損失，所以將自己畢生的積蓄都放在銀行里。但倒閉于1998年6月21日的“海南發(fā)展銀行”以及幾年前倒閉的“汕頭商業(yè)銀行”等破產(chǎn)事件，卻早已給我們敲響了警鐘。商業(yè)銀行不但具有一般企業(yè)的特征，同時(shí)其穩(wěn)定又涉及到公共利益和社會(huì)穩(wěn)定，所以一旦破產(chǎn)，必定會(huì)引發(fā)極其嚴(yán)重的社會(huì)動(dòng)蕩。本文對(duì)我國(guó)部分上市商業(yè)銀行的信用風(fēng)險(xiǎn)進(jìn)行了測(cè)定，運(yùn)用KMV模型對(duì)其違約概率、破產(chǎn)的可能性進(jìn)行分析，結(jié)合財(cái)務(wù)數(shù)據(jù)進(jìn)行分析驗(yàn)證，用定量的方法更精確地說(shuō)明我國(guó)商業(yè)銀行信用狀況。為國(guó)內(nèi)分析商業(yè)銀行違約風(fēng)險(xiǎn)提供了數(shù)據(jù)參考，對(duì)預(yù)測(cè)和防范銀行信用風(fēng)險(xiǎn)具有現(xiàn)實(shí)意義。

1 文獻(xiàn)回顧

查閱的文獻(xiàn)資料顯示，西方早在20世紀(jì)60年代就開(kāi)始研究財(cái)務(wù)比率與公司陷入危機(jī)的關(guān)聯(lián)關(guān)系，信用模型由此發(fā)展起來(lái)。1967年時(shí)任美國(guó)芝加哥大學(xué)助理教授的Willian Beaver(威廉·比弗)提出了一個(gè)財(cái)務(wù)指標(biāo)單變量的公司破產(chǎn)模型。在此基礎(chǔ)上，美國(guó)紐約大學(xué)的Edward Altman(愛(ài)德華·奧特曼)教授于1968年提出了著名的Z評(píng)分模型[1]，是一個(gè)多變量的公司破產(chǎn)模型。20世紀(jì)70年代及80年代，國(guó)際銀行監(jiān)管機(jī)構(gòu)開(kāi)發(fā)了一套銀行資本金和風(fēng)險(xiǎn)的科學(xué)計(jì)量方法，《巴塞爾協(xié)議》就此誕生。該協(xié)議通過(guò)對(duì)不同類型資產(chǎn)規(guī)定不同權(quán)數(shù)來(lái)量化風(fēng)險(xiǎn)，是一種對(duì)銀行風(fēng)險(xiǎn)的整體分析和計(jì)量方法。20世紀(jì)90年代以后隨著衍生金融工具及信用交易的迅猛增長(zhǎng)，市場(chǎng)風(fēng)險(xiǎn)日益突出。巴林銀行、大和銀行等震驚世界的銀行和金融機(jī)構(gòu)危機(jī)大案發(fā)生后，誕生了VAR(value at risk)技術(shù)，用于衡量金融機(jī)構(gòu)的市場(chǎng)交易風(fēng)險(xiǎn)，同時(shí)也誕生了RAROC模型（風(fēng)險(xiǎn)調(diào)整后的資本收益率），將利潤(rùn)和風(fēng)險(xiǎn)兩者結(jié)合起來(lái)考慮[2]。

我國(guó)金融市場(chǎng)相對(duì)落后，與國(guó)外商業(yè)銀行相比，國(guó)內(nèi)商業(yè)銀行在經(jīng)營(yíng)方式和經(jīng)營(yíng)觀念等方面存在一定的差距：信用數(shù)據(jù)庫(kù)和信用評(píng)級(jí)體系還不成熟，對(duì)模型的研究應(yīng)用方面也還比較欠缺。目前國(guó)內(nèi)論述定量分析的相關(guān)文獻(xiàn)大都是介紹、借鑒國(guó)外的新模型或論述其如何使用，而模型創(chuàng)新方面的論文相對(duì)來(lái)說(shuō)則較少。不過(guò)，從總的趨勢(shì)上看，我國(guó)的學(xué)者們也正努力朝著定量分析、模型研究的方向邁進(jìn)。根據(jù)查閱的國(guó)內(nèi)文獻(xiàn)，有關(guān)模型研究的論文主要可分為三類。

1）模型解析類

此類文章主要介紹某類模型如何測(cè)定風(fēng)險(xiǎn)并對(duì)其進(jìn)行評(píng)析或?qū)嵶C分析。比較典型的有：（1）趙丹和陳哲在文獻(xiàn)[3]中通過(guò)對(duì)KMV模型(由美國(guó)KMV公司首次提出, 故稱KMV模型)與Credit Metrics模型進(jìn)行比較，選擇KMV模型對(duì)我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)進(jìn)行度量，并在KMV模型中應(yīng)用Matlab微分方程數(shù)值解函數(shù)對(duì)我國(guó)上市公司的信用風(fēng)險(xiǎn)進(jìn)行實(shí)證計(jì)算；（2）符青林運(yùn)用違約回收率模型，基于廣東地區(qū)某商業(yè)銀行抵押貸款處置資料對(duì)違約回收率數(shù)據(jù)進(jìn)行考察，以此來(lái)揭示信用風(fēng)險(xiǎn)現(xiàn)狀[4]。

2）模型比較類

此類論文主要是將幾種模型進(jìn)行比較分析。（1）岳大洲、朱倍民和李冬來(lái)在其論文中引入三種全新的基于條件隨機(jī)變量的方法來(lái)處理信用資產(chǎn)組合分布問(wèn)題，并通過(guò)實(shí)例對(duì)三種方法以及標(biāo)準(zhǔn)隨機(jī)模擬方法加以比較分析[5]。（2）帥婧、劉偉和李文在其論文中介紹了傳統(tǒng)的與現(xiàn)代的各種信用風(fēng)險(xiǎn)模型，并對(duì)這些模型進(jìn)行了比較分析[6]。

3）模型研究類

此類論文主要通過(guò)創(chuàng)建或研究模型對(duì)企業(yè)進(jìn)行信用風(fēng)險(xiǎn)評(píng)定，如：（1）姜祿彬和呂世瑞通過(guò)選用企業(yè)償債能力、 企業(yè)盈利能力等四個(gè)方面的信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)，在灰色系統(tǒng)理論的基礎(chǔ)上，建立了商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)價(jià)的灰色關(guān)聯(lián)度模型，并通過(guò)實(shí)證檢驗(yàn)證明了該方法在風(fēng)險(xiǎn)評(píng)價(jià)方面的可行性[7]；（2）顧乾屏、王濤、唐寧、劉明在其文章中借助KMV模型框架，運(yùn)用統(tǒng)計(jì)方法對(duì)大量的公司財(cái)務(wù)報(bào)表數(shù)據(jù)進(jìn)行模型參數(shù)估計(jì)，計(jì)算得到了非上市公司的違約距離和經(jīng)驗(yàn)EDF函數(shù)，實(shí)現(xiàn)違約概率的模型估計(jì)[8]。

2 商業(yè)銀行違約概率估計(jì)

2.1 模型簡(jiǎn)述

本文運(yùn)用KMV模型的原理，結(jié)合Matlab軟件工具對(duì)我國(guó)部分上市商業(yè)銀行進(jìn)行違約概率與違約距離的測(cè)算。

1997年，美國(guó)舊金山市KMV公司建立了一種基于股票價(jià)格的信用風(fēng)險(xiǎn)模型——KMV模型，該模型被用來(lái)估計(jì)借款企業(yè)的違約概率。其確定違約概率的思想方法很容易理解：試想當(dāng)某企業(yè)資產(chǎn)總市值低于負(fù)債總額的時(shí)候，企業(yè)處于一種資不抵債的境況中，這時(shí)就可能違約（由于債務(wù)構(gòu)成中的那部分長(zhǎng)期債務(wù)為公司提供了一定的緩息空間，所以現(xiàn)實(shí)中企業(yè)的資產(chǎn)市值跌至企業(yè)的總負(fù)債時(shí)，并非一定會(huì)出現(xiàn)違約的情況）。此外，由于上市公司經(jīng)營(yíng)狀況的好壞最終都會(huì)體現(xiàn)在其股票價(jià)格的波動(dòng)上，故上市公司股價(jià)變化的信息中蘊(yùn)藏其信用度變化的可靠證據(jù)。為此，該模型利用股價(jià)的波動(dòng)來(lái)評(píng)價(jià)上市公司的信用風(fēng)險(xiǎn)，根據(jù)企業(yè)資產(chǎn)價(jià)值的波動(dòng)情況來(lái)衡量企業(yè)的資產(chǎn)降低到總負(fù)債額或違約觸發(fā)點(diǎn)的概率，將其作為客戶的違約概率。

以下簡(jiǎn)單論述根據(jù)模型公式推導(dǎo)違約概率和違約距離的運(yùn)算步驟。根據(jù)期權(quán)定價(jià)模型可知，股權(quán)價(jià)值的計(jì)算公式為

股價(jià)的標(biāo)準(zhǔn)差為

聯(lián)立解方程組(1)，（2）可以求得資產(chǎn)市價(jià)和標(biāo)準(zhǔn)差VA，σA，進(jìn)而求得違約距離DD以及違約概率Q（μ為公司資產(chǎn)年收益的預(yù)期值），即

2.2 實(shí)證分析

估計(jì)一家公司違約風(fēng)險(xiǎn)的大小，目前國(guó)內(nèi)最常用的方法是對(duì)財(cái)務(wù)指標(biāo)和一些相關(guān)的非財(cái)務(wù)指標(biāo)進(jìn)行比較分析、劃分等級(jí)。然而，由于這樣的方法過(guò)于粗糙，主觀意識(shí)干擾較強(qiáng)，故無(wú)法對(duì)公司違約風(fēng)險(xiǎn)的大小給出一個(gè)更精確、更客觀的結(jié)論。本文所運(yùn)用的模型分析方法則能有效地地彌補(bǔ)這一缺陷，其結(jié)果可以反映企業(yè)違約概率的大小，從而可以客觀地反映企業(yè)的信用風(fēng)險(xiǎn)。

下面運(yùn)用模型分析方法對(duì)14家上市商業(yè)銀行進(jìn)行違約概率和違約距離的測(cè)算。根據(jù)KMV模型，搜集數(shù)據(jù)可獲得以下指標(biāo)：股權(quán)價(jià)格VE，即該銀行的總市值；負(fù)債D，即該銀行一年的總負(fù)債；無(wú)風(fēng)險(xiǎn)利率r，則選取三年期銀行基準(zhǔn)貸款利率；距離債務(wù)到期的時(shí)間T，則設(shè)定為一年。通過(guò)Matlab計(jì)算5年的數(shù)據(jù)，得出的結(jié)果見(jiàn)表1。

表1 2004年至2008年14家商業(yè)銀行違約概率和違約距離Tab.1 The default probability and distance of fourteen commercial banks form 2004 to 2008

表 1中的違約距離和違約概率是相對(duì)應(yīng)的，違約概率低的銀行其違約距離相對(duì)較高；反之，違約概率高的銀行其違約距離則相對(duì)較低。比如，2008年招商銀行的違約概率最低為0.028，其對(duì)應(yīng)的違約距離則高于其他13家銀行，為1.918。表1的數(shù)據(jù)十分清晰地顯示了這14家上市銀行的違約風(fēng)險(xiǎn)的大小。我們可以根據(jù)一年中每家銀行的數(shù)據(jù)大小，將其進(jìn)行排序，從而更直觀地看出每家銀行的排位和相互間的差距。

表2 14家商業(yè)銀行2007年和2008年違約概率的排位順序Tab.2 The ranking list about the default probability of fourteen commercial banks from 2007 to 2008

從表2中可以看出：2007年違約概率最低的是興業(yè)銀行，其次是招商銀行和建設(shè)銀行；違約概率最高的是華夏銀行。而2008年的排序發(fā)生了一些變化，招商銀行成為違約概率最低的銀行，興業(yè)銀行則下滑一位居于第二，浦發(fā)銀行上升到第三位，而違約概率最高的仍然是華夏銀行。此外，2007年排名第三的建設(shè)銀行在2008年的排名一落千丈，成為倒數(shù)第四?？偟膩?lái)看，商業(yè)銀行在2008年的違約概率都高于2007年的違約概率。顯然我國(guó)銀行業(yè)在2008年爆發(fā)的金融危機(jī)中受到了不同程度的影響。

為了進(jìn)一步了解銀行違約概率的縱向變動(dòng)情況，現(xiàn)抽取2004年到2008年間數(shù)據(jù)比較完整的五家銀行：深發(fā)展A、浦發(fā)銀行、華夏銀行、民生銀行和招商銀行的違約概率，觀察其5年內(nèi)的波動(dòng)情況。

圖1 5年間5家銀行違約概率波動(dòng)情況Fig.1 The default probability of the five banks volatility in the past five years

如圖 1所示，五家上市銀行的違約概率在五年間都有不同程度的波動(dòng)，其中華夏銀行的違約概率的趨勢(shì)很明顯與其他四家銀行有所不同。華夏銀行在2005年的違約概率仍然是5家銀行中最低的，但是從2006年開(kāi)始，華夏銀行的違約概率直線上升。為了進(jìn)一步分析其違約概率上升的原因，我們列出了華夏銀行2004年至2008年財(cái)務(wù)指標(biāo)并進(jìn)行相應(yīng)的分析。

表3 2004年至2008年華夏銀行部分財(cái)務(wù)指標(biāo)Tab.3 Part of the Hua Xia bank financial indicator from 2004 to 2008

以上財(cái)務(wù)數(shù)據(jù)從不同側(cè)面分別反映了華夏銀行償債能力、經(jīng)營(yíng)效率以及獲利能力等狀況。首先，先看前兩個(gè)指標(biāo)，其反映的是償債能力。從表3中可以看出華夏銀行的資產(chǎn)負(fù)債率一直在96 %～97 %之間波動(dòng)，而本文中的14家商業(yè)銀行資產(chǎn)負(fù)債率的平均數(shù)基本呈一種逐年遞減的趨勢(shì)， 即2004年97.45 % ，2005年96.07%，2006年95.46 %，2007年93.56 %以及2008年的93.77 %。可以發(fā)現(xiàn)華夏銀行的資產(chǎn)負(fù)債率較行業(yè)平均水平有些許偏高?，F(xiàn)金流動(dòng)負(fù)債比是經(jīng)營(yíng)活動(dòng)凈現(xiàn)金流量與期末流動(dòng)負(fù)債的比率，反映了企業(yè)的經(jīng)營(yíng)現(xiàn)金流量對(duì)于企業(yè)短期負(fù)債償還能力的影響。華夏銀行2005年和2007年該指標(biāo)為負(fù)數(shù)，這是由于對(duì)應(yīng)的經(jīng)營(yíng)活動(dòng)凈現(xiàn)金流量為負(fù)，這表明華夏銀行對(duì)于負(fù)債的償還，完全無(wú)法依靠經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量，只能依靠其自有資金的周轉(zhuǎn)，這大大增加了企業(yè)的短期資金風(fēng)險(xiǎn)。可見(jiàn)，華夏銀行的償債能力并不樂(lè)觀。

現(xiàn)在，我們來(lái)看其營(yíng)運(yùn)能力?？傎Y產(chǎn)周轉(zhuǎn)率體現(xiàn)了資產(chǎn)的流轉(zhuǎn)速度，反映全部資產(chǎn)的管理質(zhì)量和利用效率。表3中華夏銀行的總資產(chǎn)周轉(zhuǎn)率表現(xiàn)得很不穩(wěn)定。從2006年開(kāi)始一直處于比較低的水平，都低于行業(yè)平均數(shù)據(jù)0.0280，0.0318和0.0344，說(shuō)明其經(jīng)營(yíng)效率降低。凈利潤(rùn)現(xiàn)金含量是生產(chǎn)經(jīng)營(yíng)中產(chǎn)生的現(xiàn)金凈流量與凈利潤(rùn)的比值，反映銷售回款能力的強(qiáng)弱。從表 3中可以看出，這一指標(biāo)波動(dòng)很厲害，并且其經(jīng)營(yíng)活動(dòng)凈現(xiàn)金流量甚至兩次出現(xiàn)了負(fù)數(shù)，導(dǎo)致凈利潤(rùn)現(xiàn)金含量也為負(fù)，所以我們有理由懷疑華夏銀行的經(jīng)營(yíng)狀況。

接下來(lái)，我們分析華夏銀行的獲利能力。表 3中華夏銀行的資產(chǎn)凈利率和凈資產(chǎn)收益率除了個(gè)別的波動(dòng)，從總的趨勢(shì)來(lái)看還是逐漸增長(zhǎng)的。這兩個(gè)指標(biāo)都與凈利潤(rùn)是正相關(guān)的，而凈利潤(rùn)的大小與主營(yíng)業(yè)務(wù)收入息息相關(guān)。仔細(xì)觀察表 3中的應(yīng)收利息、凈利潤(rùn)和主營(yíng)業(yè)務(wù)收入及其增長(zhǎng)率這四個(gè)指標(biāo)可以發(fā)現(xiàn)，主營(yíng)業(yè)務(wù)收入在 5年間有過(guò)上下的波動(dòng)，但凈利潤(rùn)和應(yīng)收利息都是逐年增長(zhǎng)的，而且每當(dāng)凈利潤(rùn)有較大幅度增加，應(yīng)收利息也相應(yīng)有較大增長(zhǎng)，因此不能排除其利潤(rùn)虛增的可能。尤其是2006年，在主營(yíng)業(yè)務(wù)收入下降37億之多的情況下，還能保持凈利潤(rùn)穩(wěn)步增長(zhǎng)，即便不是靠應(yīng)收利息提升利潤(rùn)，也是由于其他業(yè)務(wù)所得的收益來(lái)增長(zhǎng)其利潤(rùn)額，所以沒(méi)有合理的證據(jù)表明華夏銀行的盈利能力是完全沒(méi)有問(wèn)題的。

最后來(lái)看商業(yè)銀行的專項(xiàng)指標(biāo)。不良貸款率是評(píng)價(jià)金融機(jī)構(gòu)信貸資產(chǎn)安全狀況的重要指標(biāo)，直接反應(yīng)了銀行業(yè)務(wù)狀況好壞，可作為判斷銀行違約風(fēng)險(xiǎn)的一個(gè)參考依據(jù)。用13家商業(yè)銀行不良貸款率的平均數(shù)作為行業(yè)數(shù)（由于深發(fā)展A的數(shù)據(jù)與其他銀行相差太大，故將其剔除），可分別得到2004年至2008年的行業(yè)平均水平：2.65 %，2.7 %，2.16 %，1.81 %，1.59 %，雖然華夏銀行的不良貸款率也是每年在降低，但仍然高于行業(yè)平均水平，說(shuō)明其收回貸款的風(fēng)險(xiǎn)還是比較大的。此外，華夏銀行的資本充足率和核心資本充足率從2006年開(kāi)始有所下降，2004年至2008年資本充足率的行業(yè)數(shù)分別為：7.42 %，7.95 %，8.57 %，14.05 %，13.37 %，核心資本充足率的行業(yè)數(shù)分別為：4.51 %，5.45 %，5.66 %，11.39 %，10.37 %。由此可見(jiàn)，雖然華夏銀行達(dá)到了的資本充足率不低于8 %和核心資本充足率不低于4 %的標(biāo)準(zhǔn)，但2006年之后這兩個(gè)指標(biāo)都是低于行業(yè)水平的。

根據(jù)以上對(duì)華夏銀行財(cái)務(wù)數(shù)據(jù)的分析，可以發(fā)現(xiàn)雖然看似其每年利潤(rùn)都在穩(wěn)步增長(zhǎng)，可是將其他財(cái)務(wù)指標(biāo)對(duì)比分析后，就能看出從2006年開(kāi)始華夏銀行的財(cái)務(wù)指標(biāo)出現(xiàn)了異常的波動(dòng)，其經(jīng)營(yíng)效率有下降的痕跡，指標(biāo)數(shù)值也一直低于行業(yè)平均水平，這與我們測(cè)算華夏銀行在2004年至2008年的違約概率趨勢(shì)也是比較吻合的。

3 結(jié)論

本文運(yùn)用我國(guó)14家上市銀行的數(shù)據(jù)，用KMV 信用風(fēng)險(xiǎn)測(cè)定模型對(duì)它們的違約概率進(jìn)行了測(cè)定，從而確定其信用風(fēng)險(xiǎn)，并對(duì)一家違約概率較低的銀行進(jìn)行了財(cái)務(wù)指標(biāo)分析。從分析結(jié)果看，多項(xiàng)財(cái)務(wù)指標(biāo)表明，這家銀行經(jīng)營(yíng)效率有下降的跡象，指標(biāo)數(shù)值一直低于行業(yè)平均水平，這與我們所測(cè)算的違約概率呈上升趨勢(shì)是相吻合的。

[1]EDWARD I, ALTMAN.Predicting Financial Distress of Companies:Revisiting the Z-Score and ZETA?Models [M].New York:New York University, 2000.

[2]孫毅.信用管理概論[M].北京:中國(guó)廣播電視大學(xué)出版社, 2004.

[3]趙丹, 陳哲.基于Matlab計(jì)算的KMV模型在商業(yè)銀行信用風(fēng)險(xiǎn)管理中的應(yīng)用[J].管理現(xiàn)代化, 2008(4):56-58.

[4]符青林.信用風(fēng)險(xiǎn)模型回收率的實(shí)證分析[J].沿海企業(yè)與科技, 2009(6):18-21.

[5]岳大洲, 朱倍民, 李冬來(lái).運(yùn)用條件隨機(jī)變量方法處理信用資產(chǎn)組合分布[J].內(nèi)蒙古大學(xué)學(xué)報(bào):自然科學(xué)版, 2007(5):507-513.

[6]帥婧, 劉偉, 李文.信用風(fēng)險(xiǎn)模型研究——Credit Met rics模型[J].湖北工業(yè)大學(xué)學(xué)報(bào), 2007(1):60-62.

[7]姜祿彬, 呂世瑞.基于灰色關(guān)聯(lián)度模型的信用風(fēng)險(xiǎn)評(píng)價(jià)[J].現(xiàn)代經(jīng)濟(jì)(現(xiàn)代物業(yè)下半月刊), 2008(1):24-27.

[8]顧乾屏, 王濤, 唐寧, 等.基于會(huì)計(jì)信息的KMV模型實(shí)證研究[J].金融發(fā)展研究, 2009(8):22-25.

[9]BHARATH S T, SHUMWAY T .Forecasting default with the KMV-merton Model[C]// AFA 2006 Boston Meetings Paper, Boston, 2006.

[10]CHANDRASEKHAR M, JORGE L.Urrutia.deposit insurance subsidies, moral hazard, and bank regulation[J].Journal of Economics and Finance,1995(19):63- 74.

[11]毛一鵬.新巴塞爾協(xié)議下VaR方法在銀行信用風(fēng)險(xiǎn)管理中的應(yīng)用[J].中國(guó)農(nóng)業(yè)銀行武漢培訓(xùn)學(xué)院學(xué)報(bào), 2009(4):25- 27.