基于KMV模型度量我国商业银行信用风险的应用性研究

商业银行在市场经济中发挥着重要的杠杆作用，是直接参与市场经济活动的主体，同时也是货币流通的中介，对控制市场经济发展、汇率、资金流通、货币政策等至关重要。同时，商业银行自身面临许多风险，其中，由于借贷业务是商业银行的核心业务，而借款人经常由于自身或者外部的原因导致到期时无法偿还贷款加利息，所以商业银行经常面临很高的信用风险。信用风险与各个市场经济主体的活动都息息相关，不仅影响着经济社会发展，也成为风险分散的焦点，信用风险在识别、度量和管理等方面具有更高的难度，所以信用风险的识别和度量成为风险管理的重中之重，因此本文对更好的度量商业银行的信用风险具有十分重要参考价值。

首先，本文详细阐述了我国商业银行信用风险的定义及分类，并结合我国商业银行信用风险的现状，通过大量的数据分析得出目前我国商业银行信用违约事件频发，发生违约风险的可能性很大。再次详细系统的介绍KMV模型的理论基础，并给出了该模型中各个指标的计算框架。最后，通过选取沪深证券交易所15个行业的30家上市公司作为研究对象，利用KMV模型展实证研究并给出了实证结论。文末，根据之前的研究实证结论，给出了如何有效降低信用风险可能性的方法。

关键字：商业银行;信用风险;KMV模型;违约距离

商业银行是一国金融体系的核心，在国家经济发展中占有十分重要的地位。经过40年的发展，我国银行业信用风险管理取得了巨大的进步，但是与英美等发达国家相比，我国商业银行度量信用风险的举措还不够到位，信用风险数据库也不够全面，信用违约事件频发，这些直接影响商业银行的生存与发展，所以研究我国商业银行信用风险管理具有十分重要的意义。

信用风险，是指借款人，债券发行人没有能力在规定的时间内还本付息，而导致授信方必须承担由此产生的全部经济损失。商业银行的信用风险有广义和狭义之分，广义的信用风险是指商业银行由于一切信用活动的不确定性而使经济蒙受损失的可能性。而狭义的信用风险是指商业银行的借款人无法定期偿还贷款的风险。

最初的商业银行的信用风险的定义比较狭义，主要指债务人不能及时偿还债务。金融市场的不断发展，金融工具的不断涌现，出现了一系列其他影响商业银行信用风险的因素，例如期货，期权等金融衍生性工具、证券类投资等表内或者表外业务。目前为止，商业银行的主要业务仍然是是借贷业务，所以本文主要研究的是狭义的商业银行的信用风险，即有关信贷业务的风险的实证研究。

从我国商业银行信用风险的管理现状来看，2017年相较于2016年来看，无论是大型商业银行，股份制银行，城市商业银行以及农村商业银行，不良贷款余额都大幅度增加了，就商业银行合计来说， 2017年的不良贷款余额为17057亿元，相较于2016年的15122.5亿元，增加了1934.5亿元，增幅为12.7%。总体来说，商业银行不良贷款余额和不良贷款率均呈现上涨趋势。通过大量数据表明，我国商行的机构分布中，农商银行的不良贷款率最高，外资银行的不良贷款率最低。在我国商业银行中不良贷款率比例最低的是城市商业银行任是外资银行的两倍。这说明，与外资银行相比，我国商业银行的风险管理还有许多缺陷，信用风险管理水平还有待提升，商业银行应当采取积极的措施来度量信用风险，降低商业银行信贷风险。由此可见，对我国商业银行进行信用风险管理变得极为重要。

本文选用KMV模型来度量我国商业银行的信用风险，对我国商业银行的信贷风险进行实证研究。该模型的基本思想是将上市股东持有的股权看做是看涨期权，标的资产为公司的资产价值，执行价格为公司的债务价值。当公司的债务到期时，通断比较公司的资产价值和债务价值的大小来判断该上市公司是否会违约。如果该公司的资产价值大于债务价值，那么该上市公司就不会违约，定期会对债权人还本付息，反之相反。由于该模型的关键指标是违约距离。如果该距离越大，说明公司的资产价值离违约点远，违约的概率小，商业银行面临的信用风险也低;反之，相反。本文在运用KMV模型计算违约距离时，选取的样本是在沪深两市上市的30个公司，并分成ST公司、*ST公司 和非ST公司两组。选择了15个行业中的15家ST公司，并且同时选择15家与ST公司同一行业的非ST公司进行比较。

运用KMV度量出了我国30家上市公司的违约距离和违约概率后，结果发现

非ST公司的违约距离要比ST公司的违约距离大，而违约距离越大，说明该上市公司的资产价值距离违约点距离远，违约风险小，商业银行面临的信用风险低，商业银行遭受经济损失的可能性也就越小。ST公司或者*ST公司的违约距离与违约概率要大于非ST公司，更容易违约，这些公司的违约会在更大程度上加大商业银行的信用风险。

由于信贷业务是商业银行的核心业务，因此成功的度量信用风险是对商业银行的发展至关重要，尽管度量信用风险的方法有多种，但根据我国国情，KMV模型是度量信用风险的最优模型。但是目前我国还未拥有一套完善的，系统的KMV模型度量信用风险体系。因此我国商业银行应该重视对KMV模型的研究，以便能够更精准的度量商业银行的信用风险。

商业银行可以从完善度量信用风险方法、完善外部应用环境和商业银行角度三方面来降低其所面臨的信用风险。从度量信用风险方法和外部应用环境两个角度来看，商业银行可通过改进内部评级法、建立全面的违约数据库来更好地度量信用风险;并逐步完善我国信贷行业的法律环境和监管环境。从商业角度看，商业银行可以完善信用风险管理体系、加大风险管理人才的培养和完善内部数据库。

参考文献：

[1] 李锦. 基于KMV模型的我国商业银行信贷风险度量研究[D].山西财经大学，2016

[2] 林秀秀. 基于KMV模型对我国商业银行信用风险的研究[D]. 天津财经大学，2016.

[3] 韩娇.我国商业银行信用风险评价应用研究--基于KMV模型分析[D].首都经济与贸易大学，2018

[4] 钱玖琳. 基于修正KMV模型的我国商业银行信用风险测度[D].南京财经大学，2015

[5] 孙伟， 王宇. KMV模型在商业银行信用风险管理下的实证研究[J]. 科技与管理， 2016（3）：40-46.

[6]杨秀云， 杨秀云， 蒋园园， et al. KMV 模型在我国商业银行信用风险管理中的适用性分析及实证检验[J]. 财经理论与实践， 2016（1）：34-40.

[7] 王宇.基于KMV模型下我国商业银行信用风险管理研究[D].哈尔滨理工大学.2016 [9]

[8] 万丹丹. KMV模型在我国商业银行度量上市公司信用风险中的适用性研究[D]，2016.

[9] Crouhy M ， Galai D ， Mark R . A Comparative Analysis of Current Credit Risk Models[J]. Journal of Banking & Finance， 2000， 24（1-2）：59-117.

[10] Kanak Patel.An Empirical Estimation of Default Risk of the UK Real RstateCompanies[J].The Journal of Real Estate Finaneeand Economics，2006（1）：21-40.

[11] Rehm F ， Rudolf M . KMV Credit Risk Modeling[M]// Risk Management. Springer Berlin Heidelberg， 2000.

作者简介：

蔡源（1996—），女，山西吕梁人，山西财经大学（金融工程）学术硕士研究生，研究方向：金融风险管理.