论文部分内容阅读
信用风险一直是商业银行所面临的最基础最主要的风险,信用风险的范围涉及贷款发放、债券投资、表外业务等领域,其中发放贷款一直是银行最主要的业务活动,因此,信贷风险成为信用风险中最主要的组成部分。信贷风险是指在信贷过程中,由于各种不确定性,使借款人不能按时偿还贷款,造成银行贷款本金及利息损失的可能性。它包括由于借款人的信用评级的变动和履约能力的变化导致其资产的市场价值变动而引起损失的可能性。加强信贷风险管理,一直是各国金融业及其监管机构工作的重点,而信贷风险的度量又是信贷风险管理的基础。
对于我国商业银行来说,信贷风险管理占据着更为重要的地位。我国商业银行的大部分金融资产为企业贷款,利润主要来源于存贷款利差。然而目前银行存在大量的不良资产、信贷风险管理水平落后,并面临着越来越多国际银行业的竞争,这一切都使得提高信贷风险度量和管理水平成为我国银行业面临的最紧迫的问题。所以本文所探讨的信贷风险度量方法具有积极的现实意义。
我国信用建设中信用数据的匮乏,使得众多国际上流行的信用风险度量模型在我国的研究和应用都变得很困难。而KMV模型可以直接利用证券市场的统计数据和公司的财务报表对信用风险进行预测,因此具有非常好的借鉴作用。本文的研究目的就是针对我国的具体特点,从上市公司的财务报表信息和股票的市场价格信息入手,利用KMV模型,构建适合我国的信贷风险度量模型,估计贷款企业的违约概率,并对KMV模型识别我国上市公司信贷风险的能力作实证研究。
KMV模型基于期权定价理论,它的基本思想是把公司的股权看作一份欧式看涨期权,以资产的市场价值为标的资产,负债的账面价值为执行价格,负债的到期日为执行日期。当债务到期时,如果公司资产市值高于其所欠债务,就相当于期权的标的资产的市场价值高于执行价格,公司会行使期权,即偿付所欠债务,因而不会违约;如果公司资产市值低于其所欠债务,就相当于期权的标的资产的市场价值低于执行价格,公司就不会行使期权,即没有能力偿付所欠债务,因而导致违约。KMV模型认为,在现代股票市场中,公司股价的波动之中反映了有关宏观经济状况、行业以及公司内部经营成果的信息,因而蕴含着关于该公司信贷风险变化的内在证据。KMV模型通过解一个联立方程组得到公司未来某个时点的资产市值和波动率,继而求出此时公司的违约距离和期望违约概率。本文共分为四个部分进行分析:第一部分主要论述选题背景、意义以及研究目的,并对国内外研究信用风险度量模型的文献作了综述。第二部分简单介绍了信用风险度量的一些基本概念,并对信用风险度量方法的发展进行了阐述,为后面实证模型的选择作铺垫。第三部分引入KMV模型,介绍了KMV模型的理论基础、基本原理、计算步骤以及绩效评价方法,并对模型的优缺点和在我国的适用性做出评价。第四部分是实证部分,构建了适合我国上市公司的KMV模型。首先针对我国上市公司股权结构及其所处市场环境的特殊性,修正了模型中几个参数的估计方法,然后利用财务数据和市场信息估计出上市公司的违约距离和期望违约概率,最后对模型识别我国上市公司信贷风险的能力做出绩效评价。实证结果表明,当违约点等于流动负债加长期负债时,模型的区分能力最强,即模型对上市公司的信贷风险识别能力最强;运用参数调整过的KMV模型,不仅能够提前4年识别出上市公司信贷风险的变化趋势,而且在上市公司被ST前2年,KMV 模型便能有效地区分ST公司与非ST公司信贷风险的差异;同样,模型也能够较好地区分涉诉公司与非涉诉公司的信贷风险的差异;运用该模型评估特定上市公司(天发石油股份有限公司)的信贷质量变化趋势,同样表明,模型输出的违约距离能够及时准确地识别出该公司信贷质量的变化趋势,并且具有敏感性、超前性和稳定性的特征。最后一部分是本文的主要结论及后续研究的建议。
KMV模型在信用数据匮乏的中国市场具有非常重要的借鉴和实践意义,而且模型输出的违约距离和期望违约概率能随着股市数据的不断更新而实时调整,可以及时反映上市公司的信贷风险状况。因此,KMV模型是加强我国商业银行信贷风险管理的可行之选。