駱麗霞

信貸風(fēng)險(xiǎn)是商業(yè)銀行業(yè)面臨的重大風(fēng)險(xiǎn)之一，但是我國(guó)對(duì)于信貸風(fēng)險(xiǎn)計(jì)量的研究尚不成熟。本文主要對(duì)信貸風(fēng)險(xiǎn)模型和KMV模型進(jìn)行了理論評(píng)述，整理并總結(jié)了國(guó)內(nèi)外的相關(guān)研究成果，對(duì)我國(guó)商業(yè)銀行管理信貸風(fēng)險(xiǎn)提出了建議。

KMV模型 信貸風(fēng)險(xiǎn) 商業(yè)銀行

引言

當(dāng)今世界的發(fā)展趨勢(shì)是經(jīng)濟(jì)全球化，隨之而來(lái)的影響是使我國(guó)金融市場(chǎng)加快了改革步伐，人民幣匯率及利率制度深化改革、資本市場(chǎng)直接融資比例增加、產(chǎn)業(yè)結(jié)構(gòu)加速調(diào)整等都促進(jìn)企業(yè)不斷擴(kuò)大規(guī)模，所需資金逐漸增加。技術(shù)的提高使得信貸風(fēng)險(xiǎn)管理水平進(jìn)一步加強(qiáng)，對(duì)其計(jì)量的準(zhǔn)確性也日益提高，定性與定量分析方法不斷壯大信貸管理體系。目前度量銀行信貸風(fēng)險(xiǎn)的方法不僅有定性的專(zhuān)家判斷法等，還有愈發(fā)精準(zhǔn)的定量模型，在定量模型中又以KMV模型應(yīng)用最為廣泛。理論體系的缺失使得我國(guó)的信貸風(fēng)險(xiǎn)度量方法比較落后，預(yù)測(cè)結(jié)果不夠準(zhǔn)確，不僅制約了商業(yè)銀行的發(fā)展還給銀行帶來(lái)了極大的損失，解決問(wèn)題的根本就是擁有成熟的方法來(lái)度量信貸風(fēng)險(xiǎn)。國(guó)內(nèi)外學(xué)者越來(lái)越重視商業(yè)銀行信貸風(fēng)險(xiǎn)問(wèn)題，期望通過(guò)研究能形成完善的信貸風(fēng)險(xiǎn)管理體系并為信貸風(fēng)險(xiǎn)度量提供工具。本文通過(guò)對(duì)國(guó)內(nèi)外專(zhuān)家的研究成果進(jìn)行綜述，有利于了解國(guó)內(nèi)外的現(xiàn)狀并進(jìn)一步提高我國(guó)商業(yè)銀行對(duì)信貸風(fēng)險(xiǎn)的管理和度量能力。

國(guó)外研究現(xiàn)狀

國(guó)外學(xué)者對(duì)于信貸風(fēng)險(xiǎn)的研究日益成熟，度量方法不僅僅局限于定性研究，更多的學(xué)者已深入研究定量方法。

由于當(dāng)時(shí)時(shí)代與經(jīng)濟(jì)的欠缺，銀行信貸風(fēng)險(xiǎn)已對(duì)經(jīng)濟(jì)產(chǎn)生了影響。為此，亞當(dāng).斯密（1776）最早對(duì)有關(guān)方面進(jìn)行了研究，旨在加強(qiáng)人們對(duì)貸款復(fù)雜性和存蓄相對(duì)穩(wěn)定性的認(rèn)識(shí)。進(jìn)入20世紀(jì)60年代，主要利用定性分析的方式對(duì)信貸風(fēng)險(xiǎn)進(jìn)行管理，即利用專(zhuān)家的經(jīng)驗(yàn)對(duì)借款者的某些指標(biāo)進(jìn)行主觀(guān)判斷，進(jìn)而決定是否給予貸款的主觀(guān)分析法。在20世紀(jì)90年代，學(xué)者們對(duì)信貸風(fēng)險(xiǎn)的投人日益增加，為了解決遇到的問(wèn)題，KMV公司最先提出了通過(guò)債務(wù)人的資產(chǎn)狀況來(lái)度量商業(yè)銀行的信貸風(fēng)險(xiǎn)的信用監(jiān)測(cè)模型，即Credit Monitor Model模型。

KMV模型實(shí)踐與改進(jìn)，Ant 6 nioCamara等（2012）對(duì)Merton（1976）破產(chǎn)期權(quán)定價(jià)模型進(jìn)行了修改，以估計(jì)股票和期權(quán)市場(chǎng)價(jià)格違約的隱含概率。為了檢驗(yàn)這個(gè)模型，作者分析了所有在美國(guó)有交易選擇的全球金融公司，并將重點(diǎn)放在次貸危機(jī)時(shí)期。通過(guò)構(gòu)建累積精度配置文件（ CAP）和接收機(jī)操作特征（ROC）來(lái)比較基于穆迪KMV模型和評(píng)級(jí)機(jī)構(gòu)信用等級(jí)的默認(rèn)違約概率的表現(xiàn)，結(jié)果表示，作者模型的違約估計(jì)概率與基于CAP和ROC的其他信用風(fēng)險(xiǎn)度量值相等或更優(yōu)；特別是在次貸危機(jī)期間，作者的模式超越了信用評(píng)級(jí)，并在預(yù)測(cè)危機(jī)的規(guī)模時(shí)達(dá)到或超過(guò)了KMV。

當(dāng)然，學(xué)者也研究了其余模型與KMV模型的不同，Boris Koll ar等（2015）以KMV、Credit Metrics、CreditRisk+等模型為代表，從風(fēng)險(xiǎn)定義、風(fēng)險(xiǎn)來(lái)源、數(shù)據(jù)要求、信用風(fēng)險(xiǎn)事件特征、信用事件波動(dòng)率、收益率、模型數(shù)值方法和危害分類(lèi)進(jìn)行比較，全面概述了這些模型的差異，并根據(jù)各模型的優(yōu)缺點(diǎn)提供使用的基本建議。Boris Koll ar等主要從基本特征方面對(duì)Merton和KMV模型進(jìn)行比較，主要關(guān)注計(jì)算過(guò)程中的差異、個(gè)人信用風(fēng)險(xiǎn)建模技術(shù)以及用于風(fēng)險(xiǎn)量化輸人參數(shù)的可變性。分析結(jié)果全面概述了這些模型的差異以及根據(jù)各模型的優(yōu)缺點(diǎn)給出了使用的基本建議；文章還將提供各種知名機(jī)構(gòu)的測(cè)試結(jié)果，反映這些模型的準(zhǔn)確性。

Allen等（2016）通過(guò)將行業(yè)因素納入轉(zhuǎn)換矩陣開(kāi)發(fā)了四種信用模型：結(jié)構(gòu)模型、轉(zhuǎn)型模型、分位數(shù)回歸模型以及作者獨(dú)特的iTransition模型；根據(jù)實(shí)證表結(jié)果發(fā)現(xiàn)結(jié)構(gòu)模型和分位數(shù)回歸模型對(duì)市場(chǎng)變化比較敏感。

Maria-Daciana RODEAN等（2016）認(rèn)為以往的信貸風(fēng)險(xiǎn)度量方法不是監(jiān)督借款人的信用風(fēng)險(xiǎn)就是有預(yù)警作用的模型。他們提出了一種適用于法律實(shí)體的信用評(píng)分模型，該模型中使用的最相關(guān)指標(biāo)被認(rèn)為是銀行業(yè)債務(wù)恢復(fù)的一項(xiàng)指標(biāo)。

國(guó)內(nèi)研究現(xiàn)狀

與西方國(guó)家相比，我國(guó)關(guān)注信貸風(fēng)險(xiǎn)的時(shí)間較短，其防范工作也不到位。隨著我國(guó)經(jīng)濟(jì)的發(fā)展，國(guó)內(nèi)學(xué)者開(kāi)始通過(guò)學(xué)習(xí)西方先進(jìn)文化，創(chuàng)建屬于我國(guó)的度量模型。

陳靜是中國(guó)最早研究違約風(fēng)險(xiǎn)的學(xué)者，她利用判別分析法度量信貸風(fēng)險(xiǎn)的大小。由于信貸風(fēng)險(xiǎn)嚴(yán)重影響了金融體系的穩(wěn)定，趙麗敏（2012）主要是從CreditMetrics模型模型的理論框架、敞口或內(nèi)部頭寸、模型技術(shù)環(huán)節(jié)、計(jì)算步驟四大方面進(jìn)行了說(shuō)明，作者為了更好的解釋技術(shù)問(wèn)題，從8個(gè)方面進(jìn)行了闡述；最后結(jié)合將模型與我國(guó)實(shí)際情況相結(jié)合，提出模型在我國(guó)運(yùn)用的優(yōu)缺點(diǎn)，對(duì)我國(guó)引用Credit Metrics模型提出了相關(guān)的政策建議。

度量信貸風(fēng)險(xiǎn)的模型日漸增多，郭玉敏和劉陽(yáng)（2013）對(duì)度量方法進(jìn)行了簡(jiǎn)單的介紹，著重對(duì)Credit Metric模型詳細(xì)說(shuō)明。作者利用基于該模型的兩種不同的資產(chǎn)組合來(lái)研究信用風(fēng)險(xiǎn)的來(lái)源，結(jié)論表明：置信水平在非常高的情況下，信貸風(fēng)險(xiǎn)來(lái)自資產(chǎn)集中度；根據(jù)實(shí)證結(jié)論對(duì)我國(guó)運(yùn)用該模型進(jìn)行信貸風(fēng)險(xiǎn)的量化管理提出建議。

由于中小企業(yè)在經(jīng)濟(jì)市場(chǎng)中的作用日益增加，張金貴和侯宇（2014）對(duì)我國(guó)的中小企業(yè)信貸風(fēng)險(xiǎn)進(jìn)行研究，在眾多方法中，他們使用因子分析方法進(jìn)行研究。他們利用2013年數(shù)據(jù)對(duì)14個(gè)指標(biāo)進(jìn)行了驗(yàn)證；借助SPSS軟件構(gòu)建了回歸模型，實(shí)證結(jié)果證明了Logit回歸方法對(duì)于信貸風(fēng)險(xiǎn)評(píng)估是可行的。

信貸風(fēng)險(xiǎn)在宏觀(guān)環(huán)境的影響下會(huì)出現(xiàn)新的特征，楊陽(yáng)（2015）介紹了新常態(tài)下信貸風(fēng)險(xiǎn)的表現(xiàn)，指出了銀行信貸風(fēng)險(xiǎn)管理的突出問(wèn)題，這種變化會(huì)給商業(yè)銀行帶來(lái)不可預(yù)計(jì)的影響，同時(shí)也會(huì)造成金融市場(chǎng)的不穩(wěn)定，給國(guó)家和商業(yè)銀行的管理工作帶來(lái)嚴(yán)峻挑戰(zhàn)，因此作者給出了相關(guān)建議。

為了找到更適用于度量我國(guó)商業(yè)銀行信貸風(fēng)險(xiǎn)的方法，楊秀云，蔣同同與段珍珍（2016）對(duì)四種度量模型進(jìn)行了簡(jiǎn)單的比較，認(rèn)為KMV模型更加符合我國(guó)實(shí)際情況。作者利用2013年和2014年兩年的數(shù)據(jù)，從橫向豎向全面進(jìn)行了實(shí)證研究，證明了KMV模型既能度量不同類(lèi)型企業(yè)的信貸風(fēng)險(xiǎn)，也能度量不同行業(yè)，不同區(qū)域企業(yè)的信貸風(fēng)險(xiǎn)；最后，對(duì)能更好的利用KMV模型提出了改進(jìn)意見(jiàn)。

為了更好的控制信貸風(fēng)險(xiǎn)，郭林海（2016）闡述了商業(yè)銀行信貸風(fēng)險(xiǎn)的內(nèi)涵，并從主要表現(xiàn)形式和對(duì)銀行的危害介紹了信貸風(fēng)險(xiǎn)的特點(diǎn)；從內(nèi)部和外部共同分析了產(chǎn)生信貸風(fēng)險(xiǎn)的原因，最后對(duì)控制商業(yè)銀行信貸風(fēng)險(xiǎn)提出建議：加快民營(yíng)化改革、加強(qiáng)內(nèi)部審計(jì)、完善內(nèi)部環(huán)境、采用科學(xué)度量方法。

黃玉（2017）對(duì)商業(yè)銀行面臨的風(fēng)險(xiǎn)進(jìn)行了詳細(xì)敘述，提出信貸風(fēng)險(xiǎn)是銀行需要迫切解決的問(wèn)題。作者將不良貸款率作為衡量信貸風(fēng)險(xiǎn)的重要指標(biāo)，利用銀監(jiān)會(huì)統(tǒng)計(jì)的2005～2016年商業(yè)銀行貸款數(shù)據(jù)進(jìn)行了對(duì)比，對(duì)我國(guó)商業(yè)銀行的不良貸款率進(jìn)行現(xiàn)狀分析，最后從管理體制、文化培育以及資源配置三個(gè)方面提出減少不良貸款率的對(duì)策。

結(jié)論與啟示

國(guó)內(nèi)國(guó)外對(duì)商業(yè)銀行信貸風(fēng)險(xiǎn)的研究成果還存在較大差距，尤其是對(duì)于信貸風(fēng)險(xiǎn)的度量體系。國(guó)內(nèi)外學(xué)者都經(jīng)歷了從主觀(guān)判斷到用數(shù)據(jù)預(yù)測(cè)的改變，度量方法也從利用經(jīng)驗(yàn)性進(jìn)行判斷的主觀(guān)分析過(guò)渡到客觀(guān)的數(shù)據(jù)計(jì)算，隨著經(jīng)濟(jì)形勢(shì)的改變，定量分析逐漸被學(xué)者提出，對(duì)信貸風(fēng)險(xiǎn)的衡量方法和控制手段也更加成熟。但是定量方法存在一定的局限性，并不適用于任何情況，還需要進(jìn)一步發(fā)展。

目前我國(guó)商業(yè)銀行信貸風(fēng)險(xiǎn)研究都是基于理論的定性研究，僅僅是參照西方學(xué)者的成就，對(duì)于定量分析的技術(shù)還沒(méi)有深入研究，如何選擇最適用于我國(guó)的模型成為關(guān)鍵。從總體來(lái)看，學(xué)者們?cè)谝欢ǔ潭壬铣姓J(rèn)了KMV模型在我國(guó)商業(yè)銀行信貸風(fēng)險(xiǎn)量化上的作用，但是該模型與我國(guó)的實(shí)際情況還存在不適用性，為了提高度量的準(zhǔn)確度，應(yīng)該對(duì)KMV模型進(jìn)一步分析，提高商業(yè)銀行信貸風(fēng)險(xiǎn)管理與度量的水平。

[1]張金貴，侯宇.基于Logit模型的中小企業(yè)信貸風(fēng)險(xiǎn)實(shí)證分析[J].會(huì)計(jì)之友.2014，（30）：40-45.

[2]郭林海.我國(guó)商業(yè)銀行信貸風(fēng)險(xiǎn)的度量及控制研究[J].金融經(jīng)濟(jì).2016，（16）：61-63.

[3] Boris Kollar， Barbora Gondzarova.Comparison of Current Credit RiskModels[J].Procedia Economics andFinance.2015， 23： 341-347.

[4] Allen， Powell， Singh.Take it to thelimit： Innovative CVaR applicationsto extreme credit risk measurement[J] .European Joumal ofOperational Research.2016， 249（2）：465-475.