銀行管理論文-模型的修正及應(yīng)用研究摘要:根據(jù)我國資本市場(chǎng)的特點(diǎn),選取KMV模型的相關(guān)參數(shù),使用上市公司在某國有商業(yè)銀行貸款不良率替代其違約率,擬合出貸款不良率與違約距離的函數(shù)關(guān)系實(shí)證結(jié)果表明,在KMV模型使用不良率替代違約率計(jì)量上市公司的信用風(fēng)險(xiǎn)的方法是可行的關(guān)鍵詞:貸款不良率；違約率；KMV模型；信用風(fēng)險(xiǎn)Abstract:OnthebaseoftheparticularityofChinasstockmarket，selectingtheparametersoftheKMVmodelandusingthedatafromonecommercialbank，weadoptnon-performingloans(NPLs)ratiotosubstituteexpectdefaultfrequency(EDF)tofitthefunctionbetweenNPLsratioanddistancetodefault(DD).TheresultsshowthatthemethodthatusingNPLsratiotosubstituteEDFtoestimatethecreditrisksoflistedcompaniesisfeasible.Keywords:non-performingloansratio；expectdefaultfrequency；KMVmodel；creditrisks一引言商業(yè)銀行的風(fēng)險(xiǎn)管理一直是國際國內(nèi)金融界關(guān)注的焦點(diǎn),而風(fēng)險(xiǎn)計(jì)量技術(shù)則是風(fēng)險(xiǎn)管理的核心基于資本市場(chǎng)的發(fā)展和信息技術(shù)的提高,國際金融市場(chǎng)上開發(fā)了如Creditmetrics模型KMV模型CreditRisk模型和CreditPortfolioView模型其中的KMV模型基于Black-Scholes和Merton期權(quán)定價(jià)理論,主要采用股票市場(chǎng)數(shù)據(jù),因此數(shù)據(jù)和結(jié)果更新速度快,具有前瞻性,現(xiàn)已成為當(dāng)今世界著名的信用風(fēng)險(xiǎn)計(jì)量工具之一KMV模型自1993年推出以來,國外學(xué)術(shù)界對(duì)KMV模型的研究經(jīng)歷了兩個(gè)階段:第一階段是將KMV模型的預(yù)測(cè)結(jié)果與實(shí)際的違約數(shù)據(jù)相比較,大多數(shù)研究結(jié)果表明,KMV模型能夠反映信用風(fēng)險(xiǎn)的高低,并對(duì)信用風(fēng)險(xiǎn)具有很高的敏感性第二階段,國外學(xué)術(shù)界對(duì)模型的驗(yàn)證尋找到新的角度,并開發(fā)出多種驗(yàn)證模型有效性的方法和技術(shù)我國學(xué)者主要對(duì)模型在我國適應(yīng)性和參數(shù)調(diào)整方面進(jìn)行了許多探討,取得了一定的成果張林張佳林(2000)王瓊陳金賢(2002)先后對(duì)KMV模型與其他模型進(jìn)行理論上比較,認(rèn)為更適合于評(píng)價(jià)上市公司的信用風(fēng)險(xiǎn)薛鋒,魯煒,趙恒街,劉冀云(2003)利用中國股市的數(shù)據(jù),得出了應(yīng)中市場(chǎng)的v和E的關(guān)系函數(shù),并以一只股票為樣本進(jìn)行了實(shí)證分析喬卓等(2003)介紹了KMV模型的基本內(nèi)容,以及國外的應(yīng)用經(jīng)驗(yàn),但是并沒有進(jìn)行實(shí)證研究易丹輝,吳建民(2004年)對(duì)深市和滬市隨機(jī)抽取30家公司分行業(yè)計(jì)算違約距離和違約率并作比較,認(rèn)為借助違約距離衡量上市公司的信用風(fēng)險(xiǎn)是可行的由于缺少大量違約公司樣本的歷史數(shù)據(jù)庫,因此,我國目前無法通過比較違約距離和破產(chǎn)頻率的歷史,擬合出代表公司違約距離的預(yù)期違約率函數(shù)本文嘗試使用上市公司在某國有商業(yè)銀行貸款不良率替代其違約率,并根據(jù)我國資本市場(chǎng)的特點(diǎn),選取KMV模型的相關(guān)參數(shù),同時(shí)采用某國有商業(yè)銀行2001年12月31日的235家貸款客戶的不良率來替代上市公司的違約率進(jìn)行實(shí)證分析,建立違約距離與不良率的函數(shù)關(guān)系二樣本選擇與參數(shù)的確定(一)KMV模型的計(jì)算步驟1.估計(jì)公司資產(chǎn)的價(jià)值及其波動(dòng)性根據(jù)Black-Scholes的期權(quán)定價(jià)公式,我們可以得到以下表達(dá)式:E:期權(quán)的市場(chǎng)價(jià)值D:負(fù)債的賬面價(jià)值V:企業(yè)資產(chǎn)的市場(chǎng)價(jià)值:時(shí)間范圍r:無風(fēng)險(xiǎn)利率3.估計(jì)違約率(ExpectedDefaultFrequency,EDF)即確定違約距離與違約率的映射關(guān)系根據(jù)模型的假設(shè),違約距離即是評(píng)價(jià)企業(yè)違約風(fēng)險(xiǎn)的一個(gè)度量指標(biāo),用其作為不同企業(yè)之間的比較(二)參數(shù)的確定1.違約率(EDF)的選取預(yù)期違約率有兩種類型:一種是經(jīng)驗(yàn)的EDF；一種是理論的EDFKMV公司使用了前者它是在年初公司資產(chǎn)價(jià)值距違約點(diǎn)的距離都是其標(biāo)準(zhǔn)差的某一個(gè)常數(shù)倍到期時(shí)有多少公司違約,即EDF=違約數(shù)目(時(shí)間T)/N(N:年初資產(chǎn)價(jià)值距違約點(diǎn)為其標(biāo)準(zhǔn)差的某一個(gè)常數(shù)倍的一組公司的數(shù)目)根據(jù)中國人民銀行1998年4月制定貸款風(fēng)險(xiǎn)分類指導(dǎo)原則(試行)推行的貸款質(zhì)量五級(jí)分類管理辦法貸款風(fēng)險(xiǎn)分類指導(dǎo)原則(試行)把貸款分為正常關(guān)注次級(jí)可疑和損失五類；后三類合稱為不良貸款五級(jí)分類法下的不良貸款率=(次級(jí)+可疑+損失)/貸款總額五級(jí)貸款分類方法的實(shí)質(zhì)是通過深入客觀地分析借款企業(yè)的生產(chǎn)經(jīng)營活動(dòng),看它的流動(dòng)性資產(chǎn)負(fù)債表擔(dān)保單位的實(shí)力,來判斷貸款本息收回的可能性,然后確定貸款質(zhì)量等級(jí)因此,貸款不良率與違約率在計(jì)量對(duì)象和計(jì)量內(nèi)容本質(zhì)上是一致的在我國,由于缺少樣本歷史數(shù)據(jù),故本文使用資產(chǎn)不良率來代替違約率2.違約點(diǎn)(DP)的選取在確定違約實(shí)施點(diǎn)時(shí),應(yīng)該考慮到公司債務(wù)的結(jié)構(gòu),即要從債務(wù)求償權(quán)等級(jí)和到期期限兩個(gè)角度來分析本文采用KMV公司推薦違約點(diǎn)計(jì)算方法:DP=流動(dòng)負(fù)債+0.5長期負(fù)債3.無風(fēng)險(xiǎn)利率r以銀行一年期存款利率1.98%作為替代,為了簡化計(jì)算,本文將r定義為2%4.股本價(jià)值的計(jì)算我國上市公司股權(quán)結(jié)構(gòu)中含有流通股和非流通股,因此,對(duì)于非流通股價(jià)值的計(jì)算方法對(duì)計(jì)算結(jié)果會(huì)有很大影響董穎穎,薛鋒,關(guān)偉(2004)對(duì)于非流通股價(jià)值的計(jì)算選取了2000年和2001年協(xié)議轉(zhuǎn)讓的38只國有股的相關(guān)數(shù)據(jù)進(jìn)行回歸分析的研究結(jié)果是P=1.326+0.53X(P:非流通股每股價(jià)值,X:每股凈資產(chǎn)),參數(shù)t檢驗(yàn)以及模型可靠性F檢驗(yàn)均在0.01顯著水平上,且相應(yīng)的D-W值介于1和2之間,從而可以認(rèn)為序列不相關(guān),因此參數(shù)本身以及方程總體都是合適的本文對(duì)非流通股價(jià)值的計(jì)算將運(yùn)用這一結(jié)果5.時(shí)間范圍為一年6.以流通股股價(jià)波動(dòng)率代替股本價(jià)值波動(dòng)率(三)樣本選取本文選取某國有商業(yè)銀行在滬深股市235家的貸款客戶為樣本,由于貸款不良率數(shù)據(jù)來源的限制,故本文計(jì)算樣本以2000年12月31日為基準(zhǔn)點(diǎn),期限為一年的違約距離,并與2001年末的樣本貸款不良率建立函數(shù)關(guān)系三實(shí)證結(jié)果及分析(一)實(shí)證結(jié)果1.數(shù)據(jù)處理結(jié)果本文運(yùn)用Excel軟件對(duì)原始數(shù)據(jù)進(jìn)行處理,并運(yùn)用Matlab軟件對(duì)模型中的二元非線性方程組求解,處理結(jié)果如下:(處理過程與Matlab求解程序略,依股票代碼列舉前30個(gè)樣本相關(guān)數(shù)據(jù))2.回歸分析本文運(yùn)用Eviews軟件對(duì)資產(chǎn)不良率(自變量:Y)和違約距離(因變量:DD)進(jìn)行回歸分析,所得結(jié)果如下:(1)回歸的相關(guān)參數(shù)為:R-squared0.058349F-statistic14.62371Prob(F-statistic)0.000168(2)回歸方程可表示為:Y=66.98%-20.19%DD(二)實(shí)證結(jié)果分析1.使用不良率替代其違約率的方法可行回歸方程F檢驗(yàn)C值和DD值的t檢驗(yàn)在99%置信水平顯著R平方的檢驗(yàn)不顯著的主要原因是因變量Y資產(chǎn)不良率取值的離散程度不高(Y=0.00%樣本為153個(gè),占樣本總數(shù)的64%,Y=100.00%的樣本為29個(gè),占樣本總數(shù)的12%,Y的標(biāo)準(zhǔn)差達(dá)到35.35%),因此,參數(shù)選取合適且回歸方程總體顯著2.由于違約距離(DD)=f(E,E,r,),且不良率Y=g(DD),在本文中影響不良率的因素有:E,E,r和等,E和E取值由上市公司的經(jīng)營狀況決定因此,影響本文的不良率因素是上市公司的經(jīng)營成果和財(cái)務(wù)狀況3.通過樣本回歸方程,我們可以得知,違約距離與不良率呈負(fù)相關(guān)關(guān)系,違約距離每下降一個(gè)單位,貸款不良率上升20.19%資本市場(chǎng)瞬息萬變,上市公司的經(jīng)營成果和財(cái)務(wù)狀況會(huì)即時(shí)反映在股價(jià)上,我們可以隨時(shí)根據(jù)更新的違約距離來計(jì)量出上市公司的信用風(fēng)險(xiǎn)四、結(jié)論1.本文嘗試使用上市公司在某國有商業(yè)銀行貸款不良率替代其違約率,并根據(jù)我國資本市場(chǎng)的特點(diǎn),選取KMV模型的相關(guān)參數(shù),建立貸款不良率與違約率的函數(shù)關(guān)系用貸款不良率替代違約率后,KMV模型中數(shù)據(jù)獲取更容易,方法簡便,比較適合在我國進(jìn)行推廣和應(yīng)用實(shí)證表明,貸款不良率與違約距離的函數(shù)關(guān)系顯著因此,在KMV模型中使用上市公司貸款不良率替代其違約率計(jì)量信用風(fēng)險(xiǎn)是可行的2.由于KMV模型基于資本市場(chǎng)的有效性建立了違約率與違約率的映射關(guān)系,具有前瞻性和客觀性隨著我國股票市場(chǎng)規(guī)模的不斷擴(kuò)大,機(jī)構(gòu)投資者不斷增多,我國市場(chǎng)的有效性將得到進(jìn)一步增強(qiáng)因此,經(jīng)改進(jìn)后的KMV模型可以為債權(quán)人投資者和監(jiān)管者提供及時(shí)可靠的信用風(fēng)險(xiǎn)計(jì)量工具,是我國的信用風(fēng)險(xiǎn)由靜態(tài)管理轉(zhuǎn)化為動(dòng)態(tài)管理的一種可行的選擇3.在KMV模型中,股本價(jià)值是通過上市公司每日的股票市場(chǎng)價(jià)格來計(jì)算的,然而我國金融機(jī)構(gòu)的大部分貸款對(duì)象是非上市公司因此,如何計(jì)算非上市公司的股本價(jià)值進(jìn)而計(jì)算其違約距離和貸款不良率需進(jìn)一步做深入地研究參考文獻(xiàn):1John.B.Caouettee，EdwardIAltman，PaulNarayanan.ManagingCreditRisk-TheNextGreatFinancialChallengeM.NewYork:JohnWiley&SonsInc,1998:139-153.2BlackF，ScholesM.ThepricingofoptionsandcorporateliabilitiesJ.JournalofPoliticalEconomy,1973,(8):637-659.3MertonR.Onthepricingofcorporatedebt:theriskstructureofinterestratesJ.JournalofFinance,1974,(28):449-470.3DidierCossin，HuguesPirotte.AdvancedCreditRiskAnalysisM.NewYork:JohnWiley&Sons，1td.2001:9-33.4張玲,張佳林.信用風(fēng)險(xiǎn)評(píng)估方法發(fā)展趨勢(shì)J.預(yù)測(cè),2000,(4):72-75.5王瓊,陳金賢.信用風(fēng)險(xiǎn)定價(jià)方法與模型研究J.現(xiàn)代財(cái)經(jīng)-天津財(cái)經(jīng)學(xué)院學(xué)報(bào),2002,22(4):14-16.6薛鋒,關(guān)偉,喬卓.上市公司信用風(fēng)險(xiǎn)度量的一種新方法KMVJ.西北工業(yè)大學(xué)學(xué)報(bào):社會(huì)科學(xué)版,2003,23(3):38-41.7張玲,楊貞柿,陳收.KMV模型在上市公司信用風(fēng)險(xiǎn)中應(yīng)用研究J.系統(tǒng)工程,2004,22(11