商业银行对中小企业信贷风险控制分析

商业银行对中小企业信贷风险控制分析摘要作为信用风险的核心，信贷风险一直困扰着诸多企业，在金融全球化的大势下，信用风险更是国内金融市场面临的一大挑战，不同于国外早已成熟的信用风险度量体系，国内有关的信用管理体系尚处发展状态。然而因为体系，生产规模的大小等多方面，中小企业相对有着较大的信用风险，商业银行也往往因为其信用风险过高而选择拒绝中小型企业的贷款，因此提升中小企业的信贷风险的管控，信用风险的度量便显得尤为重要。本文结合国内的实际情况，采用KMV模型对中小企业的违约距离和违约率展开探讨研究，并选择两组样本进行比较，通过实证分析，本文认为KMV模型在国内有足够的可行性，从而为商业银行对中小企业信用风险的度量提供理论支持。关键词商业银行度量；中小企业；KMV模型；信用风险

Analysisoncreditriskcontrolofsmallandmedium-sizedenterprisesbycommercialBanksAbstractAsthecoreofcreditrisk,creditriskhasbeentroublingmanyenterprises.Underthegeneraltrendoffiscalglobalization,theriskisamajorchallengehasfacedthedomesticfinancialmarket.However,duetothesystem,thesizeoftheproductionscaleandotheraspects,smallandmedium-sizedenterpriseshaverelativelylargecreditrisks,andcommercialBanksoftenchoosetorejectloansfromsmallandmedium-sizedenterprisesbecausetheircreditrisksaretoohigh.Therefore,itisparticularlyimportanttoelevatethecontrolofcounterpartyexposureofsmallandmedium-sizedenterprisesandmeasurecounterpartyexposure.Inthispaper,combinedwithdomesticactualsituation,byusingtheKMVmodelforsmallandmedium-sizedenterprisesdefaultdistanceanddefaultstoexploreresearch,compareandselecttwosetsofsamples,throughempiricalanalysis,thispaperholdsthatthefeasibilityofKMVmodelinChinahaveenough,forcommercialBankstoadvocetheoreticalsupportforsmallandmedium-sizedenterprisescreditriskmeasurement.KeywordsCommercialbankmeasurement;Smallandmedium-sizedenterprises;KMVmodel;Thecreditrisk

目录第1章绪论 11.1研究背景和意义 11.2文献综述 21.2.1商业银行信用风险相关理念 21.2.2商业银行信用风险管控理念 31.2.3信用风险度量及评级 41.2.4文献评述 51.3研究方法 6第2章中小企业发展状况 72.1中小企业定义划分 72.2中小企业的发展劣势 82.3中小企业的发展优势 8第3章商业银行信用风险特征 103.1信用风险的定义 103.2信用风险的特点 103.3信用风险的特殊表现 113.4商业银行信用风险度量分析 123.4.1商业银行信用风度量状况 123.4.2中小企业信用风险诱因 123.5商业银行信用风险的管控 133.5.1商业银行信用风险管控的内涵 133.5.2商业银行信用风险控制分类 133.6信用风险小结 14第4章KMV模型介绍及适用性分析 154.1KMV模型简介 154.2KMV模型基本原理 154.3KMV模型计算方法 174.4模型评价 18第5章实证分析 195.1研究假设及样本选择 195.1.1假设研究 195.1.2选取样本 195.2模型参数估计 205.2.1企业股权市场价值 205.2.2负债价值及违约点 205.2.3股权价值波动率 205.2.4其他相关参数 215.3模型实证分析 21第6章结论及建议 246.1分析结果 24致谢 25参考文献 26附录A译文 28附录B外文原文 33第1章绪论1.1研究背景和意义从2016年起，中国经济的巨大攀升之后，由于市场经济的不断开放，经济全球化的影响不断加深，我国宏观经济的不确定性愈发明显，同时，资本主义国家的快速发展为国内指出了中小企业发展经济的道路，验证了中小企业在经济发展中的相对地位。国内中小企业数量已经超过千万，数量庞大，尽管个体的经济实力较低，但联合起来拥有绝高的经济话语权。除此以外，中小企业在国内企业的整体发展中过于受到钳制，随着金融市场的完善，国有大型企业在议价能力上悠着点明显的优势，换而言之，他们对于商业银行的贷款需求，在逐步减少，其自身雄厚的财力足以支撑他们进行相关的经营管理，因此中小企业也将是未来商业银行贷款的主要利润来源。在经济转型发展过程中，我国绝大多数企业经历着从卖方市场向买方市场的转变，它需要面对更加激烈的份额争夺和无处不在的风险。作为我国重要的经济实体，这一类莫名的风险着实难以避免，在这一过程中又缺乏有效的风险控制手段。2012年底至2016年三季度，商业银行不良贷款呈现双升。根据银监会发布的有关数据显示：2016年三季度末不良贷款近1.5万亿，赶超12年数倍有余，资金坏账率也由0.95%上升至1.83%，上涨了将近一倍。除此以外，隐性的坏账比率也明显有着增长，以及相关足以偿还的却未偿还的这一类贷款数额也占了不少份额。此后，2016年四季度至2017年年中，商业银行的相关不良贷款余额上涨至1.67万亿。上海清算所发布的公告显示，2018年又增加了多只债券出现了未能到期偿付的现象，国内信用债券违约率也呈现了逐年攀升的情况，2018年，国内非金融企业信用违约概率仅为0.66%，在此对比下，中小企业毫无优势可言。为了实现中小企业资产的证券化，使其资金的快速流通，快速变现从而缓解现金的压力，政府已经做出了巨大的支持，深圳，青岛等城市均出台了相关政策鼓励中小企业的发展随着经济的持续发展，中小企业如何在现有的不断加剧的市场竞争中存活下来已经不仅仅是中小企业自身所追求的，同样也是国民经济稳定增长的必要手段，在此愿景下，我国商业银行需要对管理方式进行革新，注重宏观经济不确定下的信贷风险分析，完善信贷风险的内部控制制度，在经济全球化的大势下，商业银行面临着更为严峻的信贷风险。1.2文献综述1.2.1商业银行信用风险相关理念早在1996年，北京大学经济学家张维迎[1,2]就提出了直至如今都广为人接受的观点。他认为中小企业信贷困难与他们自身有着深切的关系，中小企业在信用上仍然缺少足够的认识，在运营过程中，并不会过于注重风险的管控，同时在财务报表、数据方面过于模糊，造成了严重的信息不对称，从而给了商业银行很大的审核难度。后来在04年的专题中指出，作为相对理性的个体，所实行的信贷配给也是理性的，银行相对于那些高利率的全部接受，他们宁愿在相对较低的利率水平上作出让步。马莉（2003）[3]指出国内社会的信用体系的漏洞和商业银行自身存在的问题共同作用下导致了商业银行目前存在的较大的坏账率的发生。纪琼骁（2003）[4]指出中国作为一个发展中国家，本身就缺少足够的资金，因此对于那些中小企业更加难以拿出足够的资金进行扶持，其次作为信贷的重要一环，中小企业缺少足够的资产信用，因此不以盈利性为目的的政策性银行需要发挥足够的作用。林毅夫和孙希芳（2005）[5]指出商业银行在某种程度上对中小企业有一定不鲜为人知的对象歧视，这主要是因为中小企业与大型企业在业务经验状况上的明显差异以及二者在进行信贷时抵押物的差距。同时，由于信息存在不对称性，商业银行对中小企业缺少核心的认知。同时，林毅夫和李永军（2001）[6]研究发现，密集型的劳动型企业可以绝大程度上促进经济发展，而为这些企业解决资金问题的重要手段是发展中小型银行尤其是地区型商业银行，使其形成市场竞争并建立完善的监管体系。鞠惠文（2011）[7]指出作为商业银行最重要的利益来源，信贷业务同样会导致商业银行所面临的最大风险，信用风险，次贷危机给每个人敲了一次警钟，因此商业银行必须格外注意信贷风险管理中的问题，分析了信贷风险的几大诱因并提出了相关的解决方法。周中胜、罗正英（2010）[8]以我国多家上市公司的五年内数据为蓝本，研究发现，中小企业的资产集中状况和企业于当地经济发展的情况都对企业本身的借款产生了显著的影响。龙正清（2015）[9]认为商业银行在信贷放款中过于依仗主管性，并且审批的决策权过于集中，信贷审核人员往往会因为操作的不规范以及一些利益因素导致中小企业的失信1.2.2商业银行信用风险管控理念由于历史原因，国外针对信贷风险的探究开展远远早于国内。早在1776年亚当斯密斯的《国富论》中便以票据论这一论点强调了在信贷中贷款流动性的绝对重要性，只有在保持贷款中资金的流动性才能在最大程度上减少信贷风险。Stiglitz和Weiss(1981)[10]同样赞同信息不对称这一理论，贷款资金的流动方向、项目的可行性、相关企业的运营管理都对商业银行造成了一定的困惑，借贷方往往因此产生冲突，商业银行为了保证自身的利益而为加大贷款的利率，而中小企业为了保证足够的利益，便会追求高收益，而选择高风险的项目，双方陷入循环，加大了信用风险。王一林（2000）[11]指出要想抓住信贷风险的根源，必须基于我国经济发展的实际情况，从本质上来讲，控制化解信贷风险即是与那些落后腐化以及背离经济运行规律的制度作斗争。庞素琳,黎荣舟（2005）[12]通过研究信贷风险中的道德问题，设计出来了信贷风险的决策合同，提出在足够的抵押物的作用下可以有效的冲击信贷风险的发生，因为银行必须在采取足够的激励机制，才可以进行有效的信贷筛选。孔艳杰（2004）[13]提出，解决信贷风险的根本在于内部控制，解决不良贷款，市场监管三者共行，商业银行信贷风险的管控需要被控制起来，而这个的前提在于资本的充足以及信贷定价。韩刚（2012）[14]通过国内交通银行的信贷风险管理的模式与美国硅谷银行的管控模式进行对比，指出，银行加强模式创新，政府对中小企业进行扶持，担保公司进行担保等多重守护下，可以显著降低商业银行对中小企业信贷风险管理的风险。魏布谊（2012）[15]从科技型的中小企业入手展开研究分析，试图以创新对策的方式来加强中小企业，支持创业投资机构和保险部门之间的联系，从而构建中小企业信贷融资完好的外部环境。卞扬在2016[16]年通过分析信贷风险理论和经济周期之间的关系，提出并总结大批中小企业信贷业务之中各类风险的成因以及相应的对策，并对如何在中小企业信贷问题中增加其信用成本问题展开研究。1.2.3信用风险度量及评级目前业内对于信用风险管理分类略有差别，其中被业内广为接受的是5C的评价原则，即从五个方面进行信用的评估，他们分别是：Character、Capacity、Capha以及Collateral和Condition。1.Capacity（能力）：指偿债能力，该种能力指企业运用信贷资金实现增值的能力。2.Character（品质）：是评估借款企业的信用品质的关键，指的是交易对手履行偿还贷款这一义务的可能性。3.Caphal（资本）：指分析债务人的财务状况，研究其偿还债务的情况。4.Collateral（抵押物）：指，债务人无法偿债使用于抵押支付的资产，一旦违约事件发生，便作抵押用于偿还债务。5.Condition(条件）：多指债务人的还款历史，分析其是否有“前科”，从而研究其还款可能性。5C原则是西方的商业银行在长时间的经营过程中总结出来的，业内还有“5W”、“5P”等因素。不难发现，在表面意思上，信用风险是指一方未能如约偿还到期的债务从而造成了另一方因此带来的经济损失。随着时代的进步，这种传统的字面意思已经无法阐述完整现有的信贷风险管理的实质，段善雨（2007）[17]认为所谓的信用风险是一种可能性，一种借方与贷方之间未能践约而导致损失的可能性。近年来，相当数量的学者从多角度进行了风险的分析研究。HameedaAbuHussain和Al-Ajmi（2010）[18]通过对部分债权人的分析结果中发现在债权企业一方中除了信用风险自身，因为员工失误和资金缺少足够的流动性也是商业银行普遍遭遇的风险，在这个研究结论上，他提出了大量关于该方面的识别方法。VasileDEDU和RoxanaNECHIF（2010）[19]则是针对巴塞尔Ⅱ中相关的风险管理的含义，并对此展开探讨。SnezanaDicevska（2010）[20]指出即使放在整个金融体系当中，信贷风险也是极其重要的一环，商业银行针对信贷风险必须采取足够的措施进行预防和削弱。爱德华·阿尔特曼[21]教授在1968年便提出了广为人知的Z评分模型，更是在1977年提出了第二代更正后的新一代ZETA模型，更大程度上完善了风险概率模型，并卓有成效。而当时间推移到80年代，一方面风险测量技术在不断发展，另一方面信贷风险本身在不断加强，简单的限额管理已经无法满足信贷风险测试的需求，因此风险管理开始了信贷风险的分析与计量阶段。换而言之，风险成了一种波动性概念，关于这一点，我们可以参考《巴塞尔新资本协议》，其中提出了三种测定信用风险的主要方法:分别是从企业自身进行识别、由外界引入的风险度量以及结合内外因素形成的风险度量体系[22]Jeffery(2000)[23]指出信用质量处在最高位时，某种程度上信用分布与标准普尔一致，而信用质量中下时，信用分布则更倾向于EDF。任向华（2003）[24]在文章中指出，分析研究得到金融的市场波动率符合garch模型，同样的我们在Kmv模型，该种计算方式同样适用于波动率的计算。马若微(2006)[25]通过对当时典型一百余家ST公司进行财务报表和交易数据的分析，结果显示，KMV模型可以显著的对信用风险进行识别分析还能有效的预警财务困厄，且，KMV模型相对于其他模型明显更适用于中国国情。此在研究中改固定违约点设定为模糊化设定来预测违约概率。Crosbie和Jeffrey(2003)[26]同样是对相关企业进行大量的样本数据进行分析，利用KMV模型进行信用分析，该模型发现，贷款方企业在违约率发生显著增加时发现其信用质量的病变。郑承利、韩立岩(2003)[27]通过使违约距离的系数的半透明化来表示违约状态，从而确定公司股权价值的期权，因而可以预测违约率，得到预期违约概率。DavidAHensher,StewartJones(2007)[28]采取了Logit的混合模型，通过大量数据的分析来确定商业银行当中最优和最差样本概率。MichaelRonnberg（2010）[29]同样的利用Logit模型，通过非线性回归变量分析企业信贷违约率。马雨生（2008）[30]通过在不同违约点下的EDF的比较，认为违约值为百分之二十五的长期负责与短期负债之和时，模型最为有效。谢邦昌(2008)[31]以置地行业与公共事业两方面的上市公司作为研究主体，显示，即使是面对跨行业，KMV同样可以在信用风险度量中发挥作用。1.2.4文献评述在整理了相关文献资料，本文方向，相关的材料主要针对中小企业的信贷现状进行分析。根据学术界之前的研究分析，本文认为，中小企业信贷风险的成因主要是来源于中小企业的经营管理的弊端，中小企业相关财务数据的模糊化以及信用风险自身体系的不完善。绝大多数的学者也是针对这几大方面提出的相关措施，因此本文也会在这几大基础上展开阐述。其次分析了诸如Logit、CreditRisk、KMV等相关模型，出于对国内具体国情以及国内股票市场相关数据的考虑，本文最终也将采取KMV模型作为理论模型进行分析。1.3研究方法(1)文献检索法。分别以商业银行、中小企业、KMV模型为关键词在相关文库和数据库中检索有关的数据分析，参考文献以及分析报告等，并整理有关本文论点研究的报告文献，结合国内外相关KMV的理论知识进行分析验证。(2)文献参考法通过相关数据库和文献资料及互联网资源等来完成论文的写作，在重新系统的梳理信贷风险的相关理论。搜集有关KMV模型的相关理论，并以此为研究方向，进行拓展分析，使得本文在研究上更有研究价值。(3)实证分析法本论文将选取一些财务出现明显异常和非异常的典型中小企业，以KMV模型分析这些企业的信贷风险，以违约率为主要评测标准。同时，加入两个优质A股，进行横向的对比，来验证中小企业信用风险的程度。

第2章中小企业发展状况2.1中小企业定义划分中小企业，相对于大型企业而言，具有较低的生产规模，即劳动力的数量、生产手段、经营方式、生产能力、产品的集中化程度较低的企业。由于各国对于中小企业的评判标准并不一致，因此，在此本文主要以中国出台的相关文件作为主要的参照标准，其具体分类，整理如下表。表2.1中小企业行业划分标准行业划分总划分中型企业小型企业微型企业农林牧渔业营收<20000万元营收>500万元营收>50万元营收<50万元工业营收<40000万元从业人员<1000人营收>2000万元从业人员>300人营收>300万元从业人员>20人营收<300万元从业人员<20人建筑业营收<80000万元/资产额<80000万元营收>6000万元资产额>5000万元营收>300万元资产额>300万元营收<300万元资产额<300万元批发业营收<40000万元从业人员<200人营收>5000万元从业人员>20人营收>1000万元从业人员>5人营收<1000万元从业人员<5人交通运输/地产营收<30000万元从业人员<1000人营收>3000万元从业人员>300人营收>200万元从业人员>20人营收<200万元从业人员<20人零售业营收<20000万元从业人员<300人营收>500万元从业人员>50人营收>100万元从业人员>10人营收<100万元从业人员<10人住宿餐饮业营收<10000万元从业人员<300人营收>2000万元从业人员>100人营收>100万元从业人员>10人营收<100万元从业人员<10人信息传输业营收<10000万元从业人员<2000人营收>1000万元从业人员>100人营收>500万元从业人员>10人营收<50万元从业人员<10人软件信息业营收<10000万元从业人员<300人营收>1000万元从业人员>100人营收>50万元从业人员>10人营收<50万元从业人员<10人仓储业营收<3000万元从业人员<200人营收>1000万元从业人员>100人营收>1000万元从业人员>100人营收<50万元从业人员<10人邮政业营收<30000万元从业人员<1000人营收>3000万元从业人员>300人营收>200万元从业人员>20人营收<200万元从业人员<20人物业管理营收<5000万元从业人员<1000人营收>1000万元从业人员>300人营收>500万元从业人员>100人营收<500万元从业人员<100人租赁商务服务从业人员<300人/资产额<12000万元从业人员>100人资产额>8000万元从业人员>10人资产额>100万元从业人员<10人资产额<100万元2.2中小企业的发展劣势(1)小，市场规模小。这一点毋庸置疑，本身也符合“中小企业”的概念定义，本身中小企业便属于各个行业的基础，无论是资产规模，还是从业人员，亦或是营业收入，均处于中低下。(2)散，行业分散。对于中小企业，无法形成完成的产业链，从而缺少所谓的“中心区”。(3)乱，主要是竞争无序，无论是同质化竞争还是恶意竞争，都会导致市场的不规范，一方面是外部的因素，国家监管不到位，市场管理缺少合理的方案，另一方面是企业自身，缺少规范，常常会出现“我弱我有理”的现状。(4)差，由于中小企业自身水平的局限，无论是产品的制造水平，质量的水平，管理的水平都较为低下。2.3中小企业的发展优势(1)贴近市场，灵活多变。需要明白的是，中小企业规模小，人员也少，在缺少市场竞争力的同时，同样带来一方面的优势，贴近市场，通俗而言便是“接地气”，这意味着他们可以获得更多的市场信息，机制也较为灵活，缺少条条框框的束缚，这些特点可以促使中小企业具有更多的应变能力，纵观市场和企业历史，许多的新产品和新技术最初都来源于中小企业。

(2)促进科技创新。中小企业由于发展门槛较低，在技术转移上更具有便利性，更容易与科研机构进行合作，能够迅速将某种创新的成果变现为现实的生产力。ofo共享单车，期初只是创始人与北京大学的一次小合作而已，通过向北京大学发放2000辆的共享单车，而使得这么一个小计划获得了北京大学的支持，不断完善相关的科技水平，逐渐走向接头。

(3)中小企业技术创新相比大企业有更高的效率。市场强大的竞争压力以及自身的生产压力，会促使中小企业会更加重视产品和技术的创新，对于开发产品他们具有更高的积极性，热衷于占领市场的各个缝隙，换而言之，相比较大企业，中小企业反而拥有更高的创新效率，是国家科研事业的重要推动力，根据国家专利局的统计数据，我国65%的发明专利来源于中小企业，80%的新产品同样来自于他们。图2.1中小企业信贷数量与信贷总数图2.2中小企业信贷数量的占比作为占据中国企业百分之九十以上的存在，仅在2016年，中国中小企业数量已经超过了五千万家，搭上市场经济发展的大潮，在政府的大比例扶持和不断完善的买卖方制度的帮助下，中小型公司在我国国民经济的比重日益加重，甚至不少中小企业随着自身的发展，成功登录A股市场，但是，中小企业的经营特点导致其具有较大的信用风险，并且具有很强的传染性，信用危机容易危及其他产业。根据图2.2的结果显示，不难发现，尤其是进入2018年之后，中小企业贷款金额占企业总金额的占比明显有着降低，一方面是由于近年来中小企业违约率相比较大型优质企业依旧居高不下而导致商业银行对大型企业青睐有加，另一方面，中小企业近年的企业规模的式微也是主要的影响因素。第3章商业银行信用风险特征3.1信用风险的定义信用风险及贷款的违约风险，是指债务人因为相关的影响，无法按照合同约定的方案履行相关的义务，致使债权人因此遭受的经济或者名誉上的损失的一种风险。信贷风险是一个由引发点逐渐发生的渐进过程，还款期限满前，由于借款人的财务状况极易发生巨大的变化，这种变化很大程度上是不利的，从而影响其自身的履约能力商业银行实行信贷管理的传统定义是指，商业银行在足够的理论支持下形成合理有效的监管手段，严格按照信用风险中贷款工作的相关标准进行准备工作，将信贷的控制的机制与风险监测部门进行协调工作，同时通过监督系统的协助，形成完备的体系。狭义的的商业银行信贷管理，更偏向于表面，指贷款发放之前的研究，贷款过程中的资料处理工作，资产转移工作，以及贷款之外有可能出现的风险监督、控制、处理工作。本文便是参照狭义的商业银行信贷管理概念，试图寻找合适的模型理论进行判别。3.2信用风险的特点信用风险具有某些特性。信用风险在违约发生时会保持相对的独立。由于企业的经营管理受控于大趋势的宏观环境，换而言之，往往在某一时期，政府的一个法令一个政策，会导致某一行业企业的整体的信用上涨或下滑，但是，信用风险又具有相对独立性，各个企业有自身的规模效应和体质，从而可以快速对市场的的经济形式作出回应，这种回应又具有速度差别，因而信用风险与自身息息相关。信用风险在风险概率的分布上呈现非正态。信用风险由于基数的贷款收益固定，但是可能遭受的意外损失却可能是五险且难以预测的，因此其分布图，具有典型的厚尾现象（偏左），同样因为这一现象，难以对信用风险进行正态分布，从而对研究和分析造成了阻碍，许多试图借用模型进行信用风险度量的企业普遍会因此现象产生偏差。图3.1信用风险概率分布信用风险的信息难获性。存在长期业务往来的双方可以通过长期的商业合作掌握较多的信用信息，但这种情况置于国内，由于收到公司自身的业务范围而无法获得全面的信息，而如果是采取依赖信用评级机构发布的报告来获取信息，又会因为国内缺少权威的信用风险评级机构而缺少真实性，因此信用风险的信息在真实性和全面性上较难保证。相应风险具有可控性。这一点比较容易理解，尽管很大因素会导致中小企业信用风险的发生，但是这种风险并非无法控制，否则，相关的研究便也失去了意义，我们需要针对这类因素，首先便是执行措施在源头上进行遏制，其次在事情已经发生时，采取合理的方式和措施加以控制，这一点也是本文所希望的，研究相关的信用风险度量模型提示控制风险的能力。3.3信用风险的特殊表现（1）信用风险往往涉及金额巨大，影响巨大。由于国内基数庞大，商业银行信贷业务参与到社会经济的方方面面，商业银行一旦发生信用风险事件，其面临的损失远超于一般企业的其他风险事故，同时鉴于商业银行这一层面牵连巨大，往往发生信用风险事故，会通过连锁效应波及其他事件乃至影响到整个经济体系。（2）其产生原因复杂多面。由于往往一笔信贷业务中风险的产生原因涉及到多个方面，或是政策的影响，或者是经济周期的波动，亦或是人员职业操守导致，甚至是某种自然灾害导致的不可抗拒力造成的。3.4商业银行信用风险度量分析3.4.1商业银行信用风度量状况自引进信用风险的评价模型通过在原有西方相对成型的模型体系的改进和完善，我国已经建立了相对完善的评价系统，但是相对于大型企业，中小企业的信用风险评价的方法过于依靠准确的财务数据，换而言之过于正视表面的风险，因此忽视了一些潜伏于企业内部的影响参数，而这些参数的信息恰恰不仅反应着财务的质量问题，还对某些信用质量产生影响，影响对信用风险的观测。随着度量技术的不断改进以及现实的不断检验，我国中小企业的信用风险度量水平已经有了巨大的进步，评价体系由期初的粗浅，逐渐涵盖多层面的指标，这些指标跨越了宏微观的界限，使结果更具有说服力。度量体系中主要存在着三个问题：（1）信用风险度量体系缺少足够的应变能力。这一点体现在市场环境变化下的体系的适用性，由于全球化的经济发展，造成了波动的经济周期，相比较大企业的稳定，中小企业更容易受到周期的影响，这主要的原因在于国内商业银行信用风险度量体系中缺少压力测试，使其缺乏危机应变能力。（2）准确性易受到主观因素影响。我国的商业银行信用风险度量体系中，仍然存在着较大比例的人工打分，因此容易受到人属的主管因素影响，合理的信用风险度量需要尽可能消除这类因素影响。（3）预测能力不尽如人意。我国由于自身国情的特殊性，因此在信用风险度量方面起步过晚，以在国外成熟完备的体系上作出修改而来，因此预测能力仍有待提高。3.4.2中小企业信用风险诱因首先便是来自于商业银行的一个问题，缺少适合中小企业的信贷风险的理论支持。本文之前有提到，国内目前较为权威的风险机构多以大型企业为研究主体，而缺少中小企业的分析。一方面在于商业银行针对中小企业信贷风险评估时多会受到评估专家的主观因素的影响，也没有根据企业所处行业的不同进行调整，同时数据库也不够完善，信息共享平台也缺少时效性，极易造成我们信用风险度量中普遍发生的信用不对称，为商业银行的信用风险度量造成了极大阻碍。其次，银行自身经营过程也带有信用缺少的问题，最普遍的的问题便是，银行相关的从业人员缺少职业操守，对企业进行虚假的财务分析，为其进行信贷工作，从而造成信用风险的发生。其次相关信贷风险审核人员的不专业性和主管性也严重影响着整体企业信用风险的评判。接着便是由于中小企业的原因。中小企业一方面由于生产规模较小，因此缺少足够的信贷抵押物，抵御市场风险的能力较弱，因此商业银行往往会拒绝对中小企业进行贷款，即使贷款也会造成较大的信用风险。中小企业在经营活动中，往往缺少大企业所拥有的完整的经营制度和经营计划，经营过程中缺少规范性。其次，在查阅了《中小企业人力资源管理白皮书》之后，资料显示，中小企业平均的存续期仅仅有两年半，过低的存续期，也是其信贷上的一大阻力。3.5商业银行信用风险的管控3.5.1商业银行信用风险管控的内涵信用风险的控制指的是债权人根据获得的信用风险的已知情况或者可知情况，结合自身所能接受的信用风险程度以及实际损失的程度，在借贷过程中进行变革和改进，达到风控管理的最佳点。其重要性在于，一方面可以减少授信人因为缺少风控而导致的投资过度在债务贷款上，而造成自身的资金短缺；另一方面是因为商业银行为了盲目扩大信贷效益，使得信用政策变得缺少足够的严谨性，而遭受的信用风险导致的现金流动性和盈利能力的减弱。3.5.2商业银行信用风险控制分类（1）事前控制。即事前预防，该操作主要考虑的应该是债权人对债务人的选择，商业银行的相关信贷工作人员，在基于业务开发的前提下，不能忽略对客户的考察和审核，更加不能缺乏对其信用状况的了解，根据银监会的相关数据显示，由于客户选择的不当而导致的不良应收账款占据了商业银行逾期款项的绝大多数。因此本文需要指出的是事前预防应该是所有商业银行核心需要考虑的事前，其具体操作包括：建立完善的信用机构、确定信用原则、制定合理有效的信用政策、建立针对性的信用体系、仔细完备的审核信贷合同等。（2）事中控制。即信贷过程中商业银行的合理监控，这一点需要侧重的是科学决策。需要指出的是，杜绝经验决策是其关键，正确的做法是，在基于业务人员做出的信息搜集和信贷部门的审核建议的前提下，商业银行建立明确的客户信用审批的程序，针对不同的类型的客户（本文所针对研究的中小企业）以及不同情况下的信用政策，作出较快的评估分析和信用的决策，实现日常的监控工作数据的采集，不断完善企业合同，避免因条款造成的漏洞而导致的损失，具体做法包括：执行信用政策、管理执行信用周期、对贷款进行适当的追踪、持续不断的监督债务人、追踪债务人的信用情况、选择合适的信用条件和结算的方式、建立关于应收账款合理的内部控制、对回款做好详细的记录等。（3）事后控制。即事后对于信用风险事件有效的处理。该阶段关键在于对监管力度的加大。一方面大量的违约事件是因为履约的纠纷造成的，另一方面是由于商业银行对债务人的监控和催款工作做的不到位，因此商业银行要做的是及时提醒债务人对款项的归还和商业银行各部门的协调工作，及时对工作过程进行改进，其具体工作包括：做好应收账款的基础资料的管理，必须要选择合理的收款方案，实行严格的监控、必要时，必须通过法律途径，通过诉讼等手段来追收债务。3.6信用风险小结国内目前缺少足够权威的信用风险评级机构，使得商业银行对于中小企业的信用风险度量缺少足够的效率，过于被动，此外双方信息的不一致也是信用风险的诱因之一，因此数据的完整性和财务的真实性也是一个关键，随着越来越多的优质中小企业的上市挂牌，相关信用风险度量的模型环境将不断完善充分。

第4章KMV模型介绍及适用性分析4.1KMV模型简介KMV模型，是旧金山KMV企业建立以用以预估企业违约率的一种方式，并以此命名的产物。根据以往的经验，公司发现，真实的资产无法通过交易显现出来，更无法简单的获得来。因此KMV模型将角度转置于债务公司，并从中考虑。合约执行的时候，将债务公司的资产价值去除其在经营过程中产生的债务，所得到的数据便是该债务公司实行这一“期权”所获得的收益，相反，一旦该期权失去足够的收益支持，债务公司便无法或者拒绝履行合约，从而导致违约事件的发生，该模型的创新之处在于有着定价理论的支持。4.2KMV模型基本原理将KMV模型视作看涨期权的购买。足够收益的支持（债务公司的资产价值去除债务后）使得债务公司实行合约完成整个的信贷过程，然而一旦公司的债务过高，远远高于资产价值之后，债务公司便会选择放弃合约，导致债券企业因违约造成损失。我们可以参考一下债权人的作为看涨期权卖方的收益图：DTDDT资产价值图4.1债权人收益当企业资产价值VT>负债价值DT，则企业无需违约，并获得股权价值，反之，DT>商业银行获取价值为：(3.1）一年价值分布资产价值资产的预期增长率E(V)违约距离资产价值标准差DPT违约率01时间图4.2KMV模型框架KMV模型前提在于为，KMV模型中存在一个距离值，而当资产价值VT低于这段距离，即发生违约，并将这一水平称为违约点DefautPoint（DPT）计算得出公司资产市场价值低于违约水平的概率，称为预期的违约率EDF。KMV预测公司资产价值将以某一数值增长并服从某种正态分布，而预期的资产价值到违约水平线的距离便称为DistanceToDefault（DD）。不同于传统的信用风险测量模型，KMV模型可以充分结合股票债券板上的已知数据，比如，财务的相关数据，以及股票的相关数据，通过将这些的公开资料利用，计算违约概率，反应企业信用的优劣，由于股票市场的数据更新的速度极快，因此KMV模型具有前瞻性和时效性。初始资产中比债较高的企业在一定时间内破产，KMV公司通过对这一类企业的研究分析，通过对测量有相同EDF企业的衡量，不同企业的历史性DD来对未来的时间估计预期违约率，可以获得一个平滑的曲线，如图所示，经过大量的实证检验后发现，预期违约率和违约距离之间有相当好的稳定性。4.3KMV模型计算方法KMV模型风险度量的实际计算过程如下：第一步，计算借款企业市场价值V和资产价值波动率σ(3.2)(3.3)(3.4)即(3.5)两大波动率之间的数量关系，本文表示为：(3.6)V为企业的资产市场价值；E为企业的股权市场价值；B为债务面值的即期期权执行价格；r为无风险收益率；t为到期期限；σ为企业资产价值波动率；σE第二步，计算企业违约距离，违约距离DD是企业未来的资产价值和触发违约点的相对距离，公式为：(3.7)(3.8)g为企业资产的增长率；T为时间的区间范围。最后，通过数据计算得到预期违约率。预期违约概率目前分为两种计算过程，分为理论相关和计算实际的违约率。为了计算实际违约率，分析了大量的公司企业以及相关的违约事件，以此来获得违约距离和违约率的相关规即在某一违约距离下，实际的违约公司与具有相同违约距离的企业总数的比值，即：(3.9)其中，Ex为发生违约事件的企业，而E则为该违约距离下的企业总数，然而，目前就国内而言，缺少足够的企业数据，且KMV(3.10)4.4模型评价（1）KMV模型具有理论性较强，KMV模型在由KMV公司正视研发出来，经历了足够时间的发展，具有完成的体系说明。（2）KMV模型针对性强。直接探究债务企业的预期违约率，可以针对性的反应出债务企业的信用指数，这使得本文的实证分析更具说服力以及条理性。（3）KMV模型的数据更新快。由于，KMV模型是通过债务企业的股市数据进行参数计算，而这类数据，又是在不断更新的，如收盘价，每股净资产等等，因此对违约的结果更为可靠。（4）对非上市企业的不友好性。KMV模型需要采用企业的相关股市数据，其大部分数据来源于公开的股市，因此，KMV模型适用于上市中小企业的违约分析，那么相反的对于非上市的中小企业，便产生了一定的研究局限性。（5）正如前文所指出的信用风险的概率分布其实是存在典型的肥尾现象，而KMV模型中所需要假设之一，便是资产价值符合正态分布，因此便导致了某些企业的不成立。

第5章实证分析5.1研究假设及样本选择5.1.1假设研究KMV模型基于期权定价理论，在此提出模型研究过程中的一些假设：无风险利率r为常数；存续期，企业的债务结构不变；交易过程中零摩擦争端，无相关产品和税收；公司价值的动态服从几何布朗运动。当资产价值高于负债价值，债务人不会违约；相反，一旦债务人负债价值高于资产价值，则会发生违约事件。债务人的资本指标仅有所有者权益，短期，长期债务，可转换债务。5.1.2选取样本本文在于通过两组企业的比较，从而来证明KMV模型的适用性，且针对中小企业的分析，因此选取中国股市中中小板块上前缀ST或*ST（特别处理）的五家中小企业以及五家未经过特别处理的企业，将前者企业视作违约对象，而后者企业作为非违约对象，分析这两种企业的实际情况，通过计算双方的违约距离和违约率来验证KMV模型对信用风险的识别情况，ST即SpecialTreatment缩写，即相关股票被交所特殊处理。出于对模型原理的考虑，本文认为选取某一年度的ST企业数据更为符合要本数据，且对时效性和数据完整性的考虑，选择2018年整股票收盘价。这些企业分别为ST百特、ST龙力、ST天马、ST尤夫、ST长生、大华股份、利尔化学、欧菲光、星网宇达和中京电子。同时，为了更好的比较中小企业与大型上市优质股的信用风险差别，我们额外选取贵州茅台和江西铜业两大优质企业进行比较。相关数据来源于通达信软件以及相关企业财务报表。5.2模型参数估计5.2.1企业股权市场价值证券市场上绝大多数上市公司包括流通股以及非流通股，流通股通过实际的收盘价而定，本文使用的是年度平均收盘价P，针对限制流通股，本文使用每股净资产S进行计算，在企业的财务报表上，获得了流通股数以M表示，非流通股股数以N表示，从而获得流通股的市场价值EM和非流通股价值En具体步骤如下：(4.1)(4.2)(4.3)5.2.2负债价值及违约点企业的债务价值，分为非流动负债LD以及短期负债SD。在多数发达国家，违约点DPT（在下文代码中以DP）表示，多直接以短期负债表示，然而国内的股市环境与国情都与发达国家有较大的不同，尤其以股票市场的内幕消息等影响因素，使得国内的违约事件现象与美国有着极大的不同，因此，在相关理论的支持下，本文决定采取国内学者支持的流动负债与百分之五十的非流动负债之和作为违约点，即：(4.4)5.2.3股权价值波动率本文处理股值波动的方法主要参考历史计算法，以前一期的收盘价的与当期收盘价的比值数据进行取对，由于国内股票环境的特殊性，本文采用的是国内的全年股票交易天数。σB表示为股票的日波动率；则年波动率σE=n*取值252计算公式为：(4.5)(4.6)Si为第i日的股票收盘价；μ1表示为股票的收益率；μ即为5.2.4其他相关参数信用风险评级期限惯用为一年，因此本文债务期限T=1；由于，我国的国债制度已经较为完善，因此，本文以美国等发达国家惯用的国债理论代替无风险利率，为了稳定性的考虑，本文最终采取五年期国债利率，r=4.27%。5.3模型实证分析根据已获得的数据，利用Excel进行相关的简单处理，可以得到股权价值和股价日波动率：表5.1违约样本相关参数企业名称股权价值E（万元）股价日波动率σST百特21979373960.037035ST龙力10852620610.034315ST天马26382729500.035403ST尤夫47271255200.039312ST长生97244894380.041297表5.2非违约样本相关参数企业名称股权价值E（万元）股价日波动率σ大华股份412652708410.033524利尔化学97960141370.030515欧菲光61173263180.03229星网宇达19884228310.03397中京电子31220594260.028286对比表5.1与5.2同为中小板上市的ST与非ST企业之间可以发现，非违约样本的股价日波动率略微低于违约样本，这主要是因为，现实情况中，由于违约样本企业公司业绩较差，而导致的股价的不稳定。在得到相关参数后，本文运用MATLAB软件对参数进行解方程组，即可计算出企业资产价值V和资产的价值波动率σA，并以此为基数，计算出违约距离DD和预期违约率EDF。相关表5.3违约距离和违约率参数企业名称市场资产价值V（万元）资产波动率σ违约距离DD违约率EDFST百特37801000000.34301.64100.0504ST龙力51116000000.11791.50180.0666ST天马51882000000.28711.69510.0450ST尤夫97751000000.30501.50820.0658ST长生102770000000.62031.52160.0641大华股份537280000000.40881.85420.0319利尔化学120220000000.39472.04390.0205欧菲光75466000000.41551.93100.0267星网宇达25186000000.42581.83270.0334中京电子152620000000.09241.83640.0331结果表明，特殊处理组企业违约距离的平均数值为1.5735，而未特殊处理组企业存在平均值1.8996。二者的比较可以明显看出，非处理组企业在违约距离更具有优势，他们在发生违约事件的出发点更高，换而言之，他们更不易发生违约事件。作为违约率触底的ST龙力对比于现实情况也相对符合，龙力于今年复牌之后出现连续的多个跌停，面临股票质押的平仓风险，近日更