基于KMV模型的我国商业银行信贷风险度量研究

基于KMV模型的我国商业银行信贷风险度量研究摘要随着经济全球化的深入，世界经济逐渐演变为一个整体。今金融市场向着信息化、国际化和自由化方向不断发展。商业银行在复杂多变的宏观经济环境中，既有着发展机会，也面临着诸多挑战。商业银行信贷风险是商业银行的传统风险，是银行诸多风险中的一个重要组成部分。我国商业银行度量信贷风险的能力的增强和合适的信贷风险度量方法不仅可以促进银行稳健经营，也对国家经济健康发展和维护社会稳定起着积极作用。本文从首先从研究的背景和意义出发，介绍了文章的主要内容和文章框架。其次，在阐述商业银行信贷风险的定义、产生的原因及识别信贷风险的方法的基础上，着重介绍了商业银行传统的和现代的信贷风险度量的模型。再次，通过对KMV模型理论基础、假设前提以及求解过程的论述，对选取的十二家上市公司的信贷风险进行实证分析，得到KMV模型可以帮助我国商业银行度量贷款公司的信贷风险；最后从信贷风险模型建立、信贷流程健全以及信贷人才培养出发方面，为提高商业银行信贷风险度量的能力提出政策和建议。关键词：信贷风险；KMV模型；违约距离；AbstractWiththedeepeningofeconomicglobalization,theworldeconomyhasbecomeawholeinchbyinch.Intoady’sworld,financialmarketisbecomingmoreandmoreinformationlized,internationalizedandliberalized.Inthecomplexandever-changingmacroeconomicenvironment,commercialbankshavebothdevelopmentopportunitiesandmanychallenges.Thecreditriskofcommercialbanksisthetraditionalriskofcommercialbanksandanimportantpartofmanyrisksofbanks.TheenhancementoftheabilityofChinesecommercialbankstomeasurecreditriskandtheappropriatemeasurementmethodsofcreditriskcannotonlypromotethesteadyoperationofbanks,butalsoplayapositiveroleinthehealthydevelopmentofnationaleconomyandthemaintenanceofsocialstability.Thispaperintroducesthemaincontentandarticleframeworkoftheessayfromthesettingandimportanceofthestudy.Secondly,onthebasisofexplainingthedefinition,causesandmethodsofidentifyingcreditriskofcommercialbanks,thispaperemphaticallyintroducesthetraditionalandmoderncreditriskmeasurementmodelsofcommercialbanks.Thirdly,bydiscussingthetheoreticalbasis,hypotheticalpremisesandsolvingprocessofKMVmodel,thispapermakesanempiricalanalysisofthecreditriskoftwelvelistedcompanies,andobtainsthatKMVmodelcanhelpChinesecommercialbankstomeasurecompany’srisk.Finally,startingfromtheestablishmentofcreditriskmodel,theimprovementofcreditprocessandthecultivationofcredittalents,thispaperaimstoimprovecommercialbanks'creditrisk.Theabilityofbankstomeasurecreditriskandputforwardpoliciesandsuggestions.Keywords:creditrisk；KMVmodel；defaultdistance；目录第一章绪论 21.1研究背景及意义 21.1.1研究背景 21.1.2研究意义 21.2论文研究的主要内容和基本框架 31.2.1主要内容 31.2.2基本框架 3第二章信贷风险度量的理论基础 52.1信贷风险的定义和产生的原因 52.1.1定义 52.1.2信贷风险产生的原因 52.2信贷风险的识别 62.3传统的与现代的信贷风险的度量方法 62.3.1传统的信贷度量方法 62.3.2现代的信贷度量方法 82.3.3三种现代信贷风险度量模型的对比 9第三章实证分析 113.1KMV模型的介绍 113.1.1理论基础 113.1.2模型的前提 113.1.3模型所需的数据 113.1.3模型的具体求解过程 123.2样本公司的选取及实证分析的数据来源 133.3实证过程 14第四章结论及政策建议 194.1结论 194.2政策及建议 22参考文献 24致谢 27第一章绪论1.1研究背景及意义1.1.1研究背景20世纪90年代以来，国际相继发生日本银行危机、亚洲金融危机、美国次贷危机和欧洲债务危机。在经济金融自由化、国际化和信息化的挑战下，商业银行虽然从中获得了许多新的发展机会，但同时面临着许多新的问题。信贷风险是银行管理风险的重点，影响着银行盈利性、流动性和安全性经营目标的实现，也影响着国家的经济发展和社会的稳定。随着经济全球化程度的不断加深，国家与地区，行业与行业之间的联系也不断加深，互相影响。各个国家都放松了对金融市场的管理，给予了金融机构更多的自由。商业银行的信贷业务不仅是银行收入的主要来源之一，也是银行面对的信贷风险的主要来源。若没有及时对信贷风险进行及时的识别和恰当的管理，就会产生无法收回的贷款呆账，影响银行的贷款资产质量，更严重的会导致银行破产，不利于金融行业的稳定和健康发展。在我国金融市场中，不仅有许多本国的商业银行，而且也有许多外资银行。随着金融行业的发展，商业银行在不断扩大规模的同时，银行间的竞争也不断加剧，信用贷款也会随之不断增加，信贷风险也会不断增大。面对复杂多变的金融环境时，商业银行要积极借鉴国外银行度量和管理信贷风险的经验，具体问题具体分析，防范和管理信贷风险，从而有利于提高银行的经营能力和构建稳定健康的金融环境。1.1.2研究意义对于商业银行来说，不管是过去、现在还是将来，风险管理的重中之重仍旧是对信贷风险的管理。对信贷风险进行研究和管理，不仅使得现有的理论体系不断完善，还为商业银行信贷风险管理提供了理论依据，提高了商业银行的经营水平和能力。增强度量信贷风险的水平既可以提高银行的核心竞争力，也可以促进国家经济的稳定和发展。商业银行信贷业务获得的经济效益是银行的重要收入来源之一，而发放给企业的贷款是银行资产的主要部分。当贷款企业没有按时归还贷款的本金和利息时，商业银行将回面临巨大的流动性风险，会引发银行的资金链断裂，银行破产的可能性也会增加，银行的信用也会随之急剧下降，引起银行的投资者和储蓄者的恐慌，造成宏观经济的动荡和社会的不稳定。因而信贷风险的度量和管理对于商业银行来说就变得尤为关键。1.2论文研究的主要内容和基本框架1.2.1主要内容本文在全球经济持续高速发展和商业银行面临的信贷风险与日俱增的大背景下，首先阐明了信贷风险的含义和论述了度量管理信贷风险的研究意义。其次，通过回顾传统的和现代的商业银行信贷风险度量的理论，具体分析了每个理论的优缺点。结果表明，KMV模型对我国商业银行的信贷风险管理有着巨大的指导意义。但是商业银行在使用KMV模型的过程中存在不足，而且我国的金融市场还不够完善，不能充分利用KMV模型来度量信贷风险。再次，本文在充分利用Excel和MATLAB语言程序的基础上，通过对KMV模型的实证分析，论证了其在我国商业银行信贷风险度量中的适用性。最后，结合我国金融市场和商业银行的现状，给我国商业银行在利用KMV模型管理度量和管理信贷风险提出了一些政策建议。1.2.2基本框架本文的基本框架如图1.1所示。绪论绪论信贷风险度量的理论基础基于KMV模型的实证分析度量信贷风险的政策建议本文研究的背景以及意义本文的的主要内容和框架信贷风险的定义、原因分析及识别方法传统和现代的信贷风险度量方法KMV模型的理论基础、前提和所需数据实证分析建立科学合理的信贷风险度量模型健全信贷流程，做好信贷风险的后续管理培养信贷风险文化和信贷风险管理人才图1.1论文的框架第二章信贷风险度量的理论基础2.1信贷风险的定义和产生的原因2.1.1定义信贷风险是指在最后的期限债务人不能按照合约规定归还本息。信贷风险是商业银行的传统风险中最常见的风险，是客观存在并且可以控制的，不易被察觉，既可能带来盈利也可能带来损失。信贷风险的发生不仅会使银行不能按时收回贷款的本金和利息，产生大量的不良贷款，也会引起银行的资产质量变差和流动性降低。情况恶劣时，将会致使银行倒闭。2.1.2信贷风险产生的原因信息不对称在博弈论中，信息不对称指交易双方所了解的信息不同，从而产生道德风险和逆向选择。在放贷之前，银行会全面了解借款企业的信息，但企业可能会隐瞒一些不利于借贷的信息，这就会导致道德风险。在银行放贷之后，银行不可能及时准确地了解和跟踪贷款的使用情况，而借款企业可能会改变贷款的用途，将贷款用于一些风险高的项目，这就会生逆向选择。道德风险和逆向选择的发生都会使银行面临较大的信贷风险。商业银行内部因素第一，商业银行解决处理信贷风险的能力和水平不足。商业银行没有相对合适的信贷风险分析工具，没有完整的企业历史信贷记录，也没有形成良好的贷款管理和监督体系。第二，商业银行工作人员信贷风险识别和度量的能力和专业知识有限。若工作人员能力不够和道德水平不高，在贷款管理过程中，不能够及时发现贷款企业存在的问题，并且有可能违背职业道德收受贿赂，从而给银行带来巨大的信贷风险。第三，商业银行本身的资产负债结构不合理。商业银行要处理好资金的安全性、资产的流动性和银行盈利性目标之间的关系。若银行侧重于安全性目标，就会持有较多的现金资产和优质的有价证券，从而银行获得的利润减少。若银行侧重于盈利性目标，就会减少现金资产和吸收更多的存款，因此银行也会面临更大的信贷风险。2.2信贷风险的识别识别信贷风险是银行进行信贷风险度量和管理的前提条件。目前，银行识别信贷风险的方法主要有三种。（1）监测企业的现金流。当商业银行贷款给公司和个人时，商业银行要及时准确的了解其的资产状况、现金流以及盈利状况，避免不良贷款的发生，而且要判断公司和个人是否有做假账，避免其掩盖真实的的财务状况。（2）信用评级。现今的金融市场上有很多的信用评级公司，如标准普尔（S&P）、穆迪（Moody）、麦肯锡（McKinsey&Company）、浙江安博尔信用评估有限公司等，他们有着完备的评估机制，对公司和个人的信用有着详细的记载和分析，为商业银行提供贷款公司的信用评级和信用报告。（3）建立和完善信用贷款风险管理模型。随着经济金融的不断发展，商业银行信贷风险度量的模型和方法也越来越多，从传统的专家评级法和信用评级法到现阶段的信贷组合模型、信用度量模型、期权定价模型和信用风险附加模型，这些模型的建立和完善都在不断提高商业银行度量信贷风险的水平和能力。除此之外，商业银行要做到具体问题具体分析，对某些行业进行信贷风险分析时，如科研公司等资金需求量大的行业，除了进行以往的信贷风险管理，还要了解它的行业特点以及公司以前贷款的情况，对那些信用状况较差的公司和个人进行多次反复信用评级，注意其贷款的流向及使用用途是否符合贷款合同规定，及时处理解决银行面对的信贷风险。2.3传统的与现代的信贷风险的度量方法2.3.1传统的信贷度量方法（1）专家分析法专家分析法是商业银行度量和管理信贷风险的最为经典的方法。专家学者根据贷款企业和个人的特征及各种信息，运用专业技能和工作经验来分析信贷风险，测算借款者违约的概率。传统的专家分析法有5Cs法、5Ws法、LAPP法等。5Cs是指商业银行专家依据借款公司品德、资本、能力、担保品、经营环境五个因素进行评分。然后，根据综合得分以及过去的信用记录，来决定是否向公司发放贷款。而且得分越高，公司的信用越好，违约的可能性就越小。5Ws法和LAPP法与5Cs法的评分过程和贷款决策类似。5CsCharacter5CsCharacterCapacityCollateralConditionCapital5WsWhorWhenWhatHowWhyLiquidityLiquidityActivityPotentialitysLAPPPotentialities图2.1专家分析法专家评级法虽然简单易懂，操作灵活，易理解。但是主观性太强了。专家评级法需要有丰富经验和专业知识过硬的专家学者。而且专家的结论都具有主观性，多个专家由于经验和年龄不同对同一个借款者的结论可能有所不一样，而且同时聘请多个专家可能造成成本增加，使得商业银行开支增加，不利于实现银行利润最大化的经营目标。（2）信用评级法信用评级法是指信用评级机构对贷款公司按时还款付息的能力进行评定，用通俗易懂的评级指标根据被评对象及经济主体所处行业不同而不同符号来表示其违约风险和违约损失的程度。信用评级机构使用多种指标对被评对象使用定量和定性分析。定量指标是用来评价贷款公司的财务状况，包括公司资产与负债的比例结构、盈利能力、现金流量是否充足以及资产的流动性等。定性指标分为两类。一是对贷款公司所在行业的风险进行评估。主要评价贷款公司所处行业的发展前景、国家产业政策、宏观经济发展形势以及技术升级的门槛和速度等。二是业务风险评估，分析贷款企业产品的市场占有率、科研投入及关键技术水平等。与专家判断法相比，信用评级法根据贷款质量进行分级，更为科学合理，为商业银行信贷风险度量与管理提供了较为适用的方法。但是，信用评级法具有一定的主观性，评级系统比较简单，所以结果不是那么精确。（3）神经网络分析法用神经网络分析法度量和管理信贷风险时，有两个过程，分别是学习和预测。首先，我们需要收集数据来训练神经网络，然后将其与预期结果进行比较。其次，经过对神经网络的不断修正，当误差率降低到可接受的范围内时，神经网络完成学习。最后，将被预测企业的数据输入神经网络，即可得到被预测企业信用状况的判断结果。度量信贷风险时，该方法不仅具有处理线性问题的能力，而且具有处理非线性问题的能力。其结果大于零小于一，在信贷风险度量中，就是借款者的违约概率。神经网络分析法的一大缺点是它的强随机性，并且如果想要得到一个更好的神经网络结构，我们不仅需要人为的随机更改和调整，而且需要耗费大量的人力、物力和财力，而且其结论还没有统计理论基础，因此得出的结果不令人信服，所以神经网络分析法带有一定的局限性。2.3.2现代的信贷度量方法（1）CreditMetrics模型Creditmetrics模型是由\o"J.P.摩根"J·P·摩根创造出来量化\o"信用风险"信用风险的产品，又称为信用计量模型。CreditMetrics模型通过整理和分析信贷历史数据，预测贷款、债券等金融工具在未来一段时间内的价值变化。模型主要通过计算VaR来测量债券投资组合的信用风险。VaR，即Valueatrisk，意思是处在风险状态下的价值，指债券资产组合在未来可能蒙受的最大损失。一般来说，VaR值越小，意味着资产组合的风险越小。Creditmetrics模型认为违约概率与宏观经济条件无关，利率期限结构固定和资产组合收益服从正态分布。Creditmetrics模型的优点是其需要搜集的信贷历史数据可以在金融市场上很容易的找到，Creditmetrics模型使用VAR原理，将原有的理论由定性分析变为定量分析，使得结果更加具有科学性。它的缺点是，模型需要采用复杂繁多的历史数据来得出信贷资产违约概率，且求解过程需要消耗大量的时间，缺乏一定的时效性。而且模型的假设条件与实际情况大都不相符，这无疑影响了结果的精确性和适用性。（2）CreditPortfolioView模型CreditPortfolioView（以下简称CPV）模型是由McKinsey&Company建立用于分析金融市场中贷款组合风险的多因素模型。CPV模型通过输入宏观经济变量，如利率、国内生产总值增长率、失业率、外汇汇率和政府支出等，应用计量经济学工具和蒙特卡洛算法对各个国家不同产业间的信用等级转移概率和违约概率的联合条件分布进行模拟。而且信用周期对债券的信用等级有很大影响。CPV模型把观察测量得到的违约概率和信用潜移概率与总体经济状况紧密关联在一起。当经济衰退时，贷款企业信用降级和违约的可能性会在一定程度上增大；反之，当经济繁荣时，贷款企业降级和违约的可能性就会相应减小。CPV模型运用计量经济学理论，将宏观经济因素考虑进来，度量信贷风险，使得分析结果不仅具有科学性而且具有全面性。但CPV模型需要大量的宏数据，有些数据不容易获取。CPV模型缺乏微观经济因素对信贷风险的影响，具有一定的局限性和片面性。（3）KMV模型KMV模型假设，贷款企业资产的市场价值很大程度上影响银行信贷风险的大小。与过去度量信贷风险模型不同的是，KMV模型没有考虑银行是否能够收回贷款，而是从贷款企业的角度出发考虑贷款能否按时归还。KMV模型是一个以现代期权理论作为理论指导，使用现有的股票市场信息和公司信息而不是过去的信息的动态模型。KMV模型需要的数据能够在股票市场上很容易地找到，所以结果更新快，具有很强的时效性。而且在知道公司资产结构的情况下，能够计算出任何一段时期的实际违约概率。KMV模型的不足之处是模型的前提条件相对严苛，尤其是贷款企业的资产价值的分布实际上并不符合对数正态分布的假定；模型不但侧重于违约预测，忽略了公司信用在一段时间内的变化，而且没有考虑信息不对称情况下的道德风险。最后KMV模型不能度量非上市公司的信贷风险，所以对没有上市的公司来说并不适用。2.3.3三种现代信贷风险度量模型的对比三种现代信贷度量风险模型的理论基础、优缺点及适用范围如表2.1所示：表2.1现代信贷模型的区别与特点模型理论基础优点缺点适用范围CreditMetrics模型基于VaR理论历史数据极易获得适用于不同类型信贷资产模型假设太过苛刻外部市场风险因素未涉及模型所得结果反映滞后公司建立完善的内部评级系统，并且容易获取具体的评级数据CreditPortfolioView模型宏观经济计量模型理论引入外部宏观因素可度量不可分散的系统性风险对宏观数据的处理较繁琐损失概率分布的设置带有主观性未考虑微观层面的影响因素当公司受宏观经济环境波动影响较大，并且能在公司的信贷组合与宏观经济环境波动性之间建立回归关系模型KMV模型基于BSM期权定价理论有强大的理论基础支撑动态模型，预测能力强违约距离可求正态分布的假定理想化股票数据多变，预测结果滞后对非上市公司的违约度量无能为力可以及时准确的获得公司的财务指标数据、上市公司第三章实证分析3.1KMV模型的介绍3.1.1理论基础布莱克—舒尔斯—默顿期权定价模型是KMV模型的基础。二十世纪七十年代，美国专家布莱克和舒尔斯提出了著名的用来确定欧式股票期权价格的B-S定价模型。在同一年，RobertMerton独立地创造了一个假设条件更为普通的默顿模型。3.1.2模型的前提在实证分析中，若想得到科学有效的分析结果，需要对模型做出一些假设前提；如表3.1所示：表3.1KMV模型的前提KMV模型的假设前提1公司的资产价值服从几何布朗运动2公司的资产价值服从对数正态分布3公司的股权价值可看做为欧式看涨期权4市场不存在任何交易费用和税收5市场不存在任何的套利机会6存在一个无风险利率而且利率为固定的常数7公司资本结构分为股权价值和债务价值两部分8公司在债务到期之前不会发生违约9公司资产价值保持不变，即预期年增长率为010标的股票的交易连续，而且股票可以被分割3.1.3模型所需的数据在实证分析过程中，需要用到上市公司表3.2中所列的数据。表3.2KMV所需数据1上市公司资产价值VA和股权价值VE2上市公司债务价值VD，包括短期（流动）负债STD和长期负债LTD3上市公司资产波动率δA和股价（年）波动率δE4上市公司股票第i天收益率μi5上公司股票日收益波动率δ6上市公司年交易天数N7无风险利率rf8债务期限T9违约点DPT10违约距离DD11预期违约概率EDF3.1.3模型的具体求解过程首先，用上市公司的股权市值、股票价格波动率、债务价值、无风险利率以及债务的期限得到上市公司的资产价值和资产波动率。然后，根据短期负债及长期负债求得该公司的出违约点。最后，求出上市公司的违约距离，进而得到预期违约概率。VEVEVDδErfTVAδADDDDEDF223STD223STD11111DPTDPTLTDLTD图3.1KMV模型求解流程图KMV模型所需求解公式：股权市值=流通股股数量*流通股价格+非流通股股数量*非流通股价格债务价值=短期流动负债+长期非流动负债股票的日收益率：Ut=LN(St/St-1)股票价格年波动收益率：年收益波动率：，N表示股票的年交易天数违约点=短期流动负债+1/2长期流动负债资产价值与波动率δE=VA*N(d1)*δA/VEVE=VA*N(d1)—e-rfT*VD*N(d2)，其中，，（8）违约距离（9）预期违约概率：EDF=1-N（DD）3.2样本公司的选取及实证分析的数据来源本文在我国A股市场上选取了六个不同行业，在每一个行业中分别选取一家非ST公司和ST公司的股票。ST就是英文词组specialtreatment的简写，翻译为特别处理。当上市公司财务状况不好或者涉嫌欺诈等非寻常的状况时，沪深交易所就会给这类上市公司的股票名称的前面加上ST两个字母，用以区分没有问题的上市公司股票。本文选择了中国A股市场六个不同行业的六家上市公司。然后，在每个行业中选择了一只非ST股和一只ST股，选取的样本公司如表3.3所示：表3.3样本公司股票股票代码股票名称股票类型所属行业000737ST南风ST股票日用化工600249两面针绩优股票日用化工000752ST西发ST股票啤酒000729燕京啤酒绩优股票啤酒000820ST节能ST股票环境保护000035中国天楹绩优股票环境保护000971ST高升ST股票互联网002127南极电商绩优股票互联网600608ST沪科ST股票钢铁600558大西洋绩优股票钢铁000670ST盈方ST股票元器件603920世运电路绩优股票元器件实证分析需要上市公司的股票数据和实证数据，主要涵盖上市公司股票在一段时间内的收盘价、流通股数量、非流通股数量、上市公司的短期负债和长期负债等。本文采用的数据来源于上市公司年报、中国人民银行网站、申宏万源官网和东方财富网。3.3实证过程在实证分析中，我们选取一只上市股票为例进行计算。其余的上市股票的计算与之相同，以股票两面针为例。股票的收盘价均值本文假设股票的流通股价和非流通股价与收盘价均值相等，收盘价均值由十二天股票收盘价的算术平均值计算。收盘价均值=（5.03+5.11+4.9+5.17+5.16+5.11+5.1+5.06+5.06+5.09+5.13+5.16）/12=5.09（计算结果保留两位小数）相应的，其他样本公司股票的收盘价均值，如表3.4所示：表3.4收盘价均值样本股票收盘价均值样本股票收盘价均值ST南风4.61两面针5.03ST西发7.58燕京啤酒7.59ST节能6.5中国天楹5.28ST高升26.1南极电商11.11ST沪科5.14大西洋4.46ST盈方4.51世运电路14.26股权市值股权市值=流通股股数量*流通股价格+非流通股股数量*非流通股价格=55000*5.09=279950万元(结果保留为整数)相应的，其他样本公司的股权市值，如表3.5所示：表3.5股权市值样本股票股权市值（万元）样本股票股权市值（万元）ST南风252978两面针366479ST西发199929燕京啤酒2139271ST节能414209中国天楹1287653ST高升2840963南极电商2727361ST沪科170953大西洋254092ST盈方134513世运电路583665债务价值债务价值=短期流动负债+长期非流动负债=66860+14970 =81830(万元)相应的，其他样本公司的债务价值，如表3.6所示：表3.6债务价值样本股票债务价值（万元）样本股票债务价值（万元）ST南风116586两面针81830ST西发25209燕京啤酒447289ST节能178940中国天楹518300ST高升26967南极电商65229ST沪科11155大西洋80109ST盈方5568世运电路78650股票价格的年收益波动率第一，日收益波动率的计算公式为：Ut=LN(St/St-1)，其中St为第t天上市公司股票的收盘价价格，St-1为第t-1天上市公司股票的收盘价价格。利用EXCEL中的LN函数计算程序，计算出两面针股票日收益率Ut，计算结果如表3.7所示：表3.7日收益率股票收盘价日收益率股票收盘价日收益率5.135.1-0.0019588645.11-0.0039062555.06-0.0078740565.160.0097371755.0605.170.0019361095.160.0195700965.09-0.0155948585.03-0.0255165955.110.0039215744.9-0.026184779第二，根据计算的股票日收益率，可以求出股票价格日收益波动率，计算公式为：，借助EXCEL软件中的STDEV函数计算，求得两面针股票在所选的数据范围之内日收益波动率的计算结果：0.014023846。相应的，其他样本公司股票的日收益波动率如表3.8所示：表3.8日收益波动率样本股票日收益波动率样本股票日收益波动率ST南风0.033224527两面针0.014023846ST西发0.030578917燕京啤酒0.022292749ST节能0.022119238中国天楹0.015770434ST高升0.033479705南极电商0.02410665ST沪科0.027035797大西洋0.012409644ST盈方0.031603494世运电路0.013606484第三，年收益波动率的计算公式为：，N表示股票的年交易天数。N=一年的总天数-（一年法定节假日数+股票市场停盘的天数）=245，故两面针股票的年收益波动率为：=0.014023846*=0.219508（结果保留六位小数）。相应的，其余的公司股票价格年收益波动率如表3.9所示：表3.9上市公司年收益波动率样本股票年收益波动率样本股票年收益波动率ST南风0.520046两面针0.219508ST西发0.478636燕京啤酒0.348937ST节能0.346221中国天楹0.246846ST高升0.524040南极电商0.377329ST沪科0.423177大西洋0.194242ST盈方0.494673世运电路0.212975债务期限本文假设上市公司的债务期限为1年，也就是说T=1。无风险利率本文将把中国人民银行所使用的一年期金融机构人民币存款基准利率作为实证分析中的无风险利率。随着我国金融市场的不断完善，在2015年中国人民银行一共进行了五次调整，调整的时间与相对应的调整结果如表3.10所示：表3.10人民币存款基准利率调整结果时间2015-03-012015-05-112015-06-292015-08-282015-10-24利率2.5%2.25%2.00%1.75%1.5%因为五次调整的结果都不一样，我们将五次调整的结果的算术平均值视为无风险利率，（2.5%+2.25%+2%+1.75%+1.5%）/5=2%，所以rf=2%。违约点违约点=STD+1/2*LTD，由公式可得两面针的违约点，计算结果为：66860+14970*0.5=74345(结果保留到整数)。相应的，其他公司的违约点的计算结果如表3.11所示：表3.11上市公司的违约点样本股票 违约点样本股票违约点ST南风113093两面针74345ST西发24954燕京啤酒445645ST节能167920中国天楹442600ST高升26409南极电商65190ST沪科10918大西洋78035ST盈方5568世运电路77760求资产价值与资产波动率根据公式δE=VA*N(d1)*δA/VEVE=VA*N(d1)-e-rfT*VD*N(d2)，其中，，将上述求得的结果带入公式，得到：0.219508=VA*N(d1)*δA/366479366479=VA*N(d1)-e-2*81830*N(d2)，借助于MATLAB软件可以得到两面针公司的资产价值VA=291024，资产波动率δA=0.211155（资产价值保留整数，资产波动率保留六位小数），MATLAB求解程序如下：function[y]=myfun(x)V_E=279950;V_D=81830;deta_E=0.219508;d1=(log(x(2)/V_D)+2.25+x(1)^2/2)/(x(1));d2=(log(x(2)/V_D)+2.25+x(1)^2/2)/(x(1))-x(1);y(1)=x(2)*normcdf(d1)*x(1)-V_E*deta_E;y(2)=x(2)*normcdf(d1)-V_D*normcdf(d2)*exp(-2)-V_E;endy=fsolve(@myfun,[0.5,500000]);相应的，其他样本公司的股票的计算结果如表3.12所示：表3.12资产价值与资产波动率样本公司资产价值（万元）资产波动率ST南风2687560.489515两面针2910240.211155ST西发2033410.470605燕京啤酒21998050.339335ST节能4384260.327097中国天楹13577970.234094ST高升28446130.523368南极电商27361890.376112ST沪科1706540.419433大西洋4113230.189122ST盈方3693930.493664世运电路5943090.209161求违约距离公式为：，根据之前所求到的违约距离、资产价值和资产波动率可以求得股票两面针的违约距离为：DD=（291024-74345）/（74345*0.211155）=3.53（结果保留两位小数），相应的，其余的公司股票的违约距离如表3.13所示：表3.13上市公司的违约距离样本股票违约距离样本股票违约距离ST南风1.18两面针3.53ST西发1.86燕京啤酒2.35ST节能1.89中国天楹2.88ST高升1.89南极电商2.60ST沪科2.23大西洋4.28ST盈方2.00世运电路4.16第四章结论及政策建议4.1结论由于目前我国技术条件和实际环境不成熟，我们无法得出预期违约概率和违约距离之间的实际关系。若我们用这个理想值来分析公司的违约情况，则会使得结果过于理想化，从而使得结果脱离实际。因此，我们只分析违约距离，通过上市公司违约距离的大小来分析违约的可能性，从而确保商业银行的财务安全。将十二家样本公司的违约距离刻画在折线图4.1上，图4.1样本公司违约距离折线图从图中，能够得到以下三个结论首先，TomasKliestik、KatarinaKocisova（2015）和MariaMisankova（2016）专家指出违约距离的经验值为1.5。也就是说，当违约距离大于1.5时，贷款公司还本付息的几率越大，商业银行面临的信贷风险越小；当贷款公司的违约距离小于1.5时，公司能足额还款的可能性越小，商业银行面临的信贷风险则更大。由实证结果我们可以看出ST南风股票的违约距离小于1.5，则该公司违约的可能性越大，而非ST股的六支股票的违约距离均大于1.5，证明非ST股公司违约可能性小。当银行分析是否贷款给某公司时，可以根据KMV模型计算出该公司的违约距离，以违约距离的经验值1.5为标准，初步判断是否放款给该公司。其次，我们可以在折线图上看到，不同行业的两个公司股票的违约距离的垂直距离不同，其中，日用化工，钢铁和元器件三个行业的ST股和非ST股违约距离的垂直距离更大，而啤酒、环境保护和互联网行业ST股与非ST股违约距离的垂直距离更小。一般来说，处于同一行业的两家上市公司的违约距离的垂直距离越大，说明了该行业的经济效益良好，公司在该行业有很强的发展势头，有着良好的收益，所以公司违约的可能性也会变小，反过来，若两家公司违约距离的垂直距离越小，违约的可能性越大。故当银行将钱借给上市公司时，要考虑该公司所处的行业发展如何，若该行业发展繁荣且强劲，则公司的经营状况良好，违约可能性越小，银行信贷风险也会降低，银行的资金越安全。最后，违约距离是指贷款公司将来的资产价值与违约点这两者之间的差值。与违约点的距离相对较长，违约的概率也就相对较小；反过来，如果距离相对较短，公司违约的概率相对较大，则银行承担的风险越大，资金安全也就越没有保障。资产波动率顾名思义，表示该公司的资产波动程度，资产波动率越小，该公司经营管理较好，发展良好，公司违约的概率低，反之，资产波动率越大，公司的违约概率大。从我们的实证结果可以看到，ST股票的资产波动率大于非ST股票，非ST股违约距离大于ST股票，因此我们可以得到ST股票违约的可能性更大，而非ST股票的违约可能性小。当银行决定是否借款给公司时，可以计算该贷款公司的资产波动率和违约距离，从而作为是否借款给公司的标志。4.2政策及建议建立科学合理的信贷风险度量模型，创建完善的信息管理系统。为了增强商业银行的信贷风险度量水平和能力，积极学习发达国家商业银行度量信贷风险的方法，需要努力做到两件事。一是对我国现有的信贷风险度量模式进行改革与创新，降低我国商业银行的经营成本。二是引进一种适合我国目前状况的商业银行信贷风险度量模型，积极探索创新。这不仅有助于我国商业银行摆脱现有的定性分析方法，而且有助于我国商业银行更有效、更科学地衡量信贷风险。同时，创建安全可信的信贷风险信息系统。我国在实践中不太注重对数据的积累，因此，历史数据没有得到很好的记载。我国商业银行信贷风险的度量在系统的数据载体方面有所欠缺，信贷风险度量模型不能正常运用，这成为了我国信贷风险量化活动中最大的阻碍。所以商业银行应积极对客户资料进行分类整理，整合历史信息，创建一个安全可信的信贷风险管理系统。健全信贷流程，做好信贷风险的后续管理。商业银行在贷款审批之前，不仅要充分了解企业的基本情况，考察企业的生产经营状况、财务状况以及历史信用，而且要了解企业所在行业的发展形势，产业政策。其次，通过建立信用评级体系，可以得到有关企业的一份信用报告，该报告包括企业的发展历史、经营业务的性质和过去的信用历史，然后利用报告再对企业进行信用分析和信用评级，最后做出贷款决策，决策包括银行对该企业的贷款利率和贷款方式等。在贷款审批之后，不能忽略后续的管理工作，要及时、准确了解企业的贷款使用情况、资产负债结构的变化情况、现金流是否充足以及资产的流动性如何，以便能够在第一时间内了解贷款的质量变化和发现企业存在的问题并及时纠正，降低和分散潜在的信贷风险，减少和减轻风险带来的损失。所以我们要实现贷款的跟踪管理，完善信贷流程保证商业银行的稳健经营和我国市场经济的茁壮成长。在贷款到期回收时，银行要提前向借款企业发出通知收回本金利息，如果企业不能按时还款，则按照贷款合同的规定来办事。培养信贷风险文化和信贷风险管理人才。文化建设好比企业的灵魂，企业要把它当作文化宗旨来看待。我国银行信贷风险同样需要培养自己的管理文化。信贷风险文化建设包括工作人员的素质、团队精神、风险规避意识、管理与控制信贷风险的能力。信贷活动的始终与信贷风险文化息息相关，要求各个部门团结合作。当前，我国信贷行业没有相关的文化建设，信贷人员同样没有形成完整的风险观念和意识，这些都将导致信贷活动出现漏洞和损失。因此，我国商业银行应建立良好的信贷文化，营造良好的信用环境，提高商业银行的信贷风险度量能力和水平。随着社会经济的快速发展，全社会对人才的需求也在不断增长，特别是金融业对人才的需求。因此，金融行业对人才培养是必然选择。就我国目前的行业现状看来，更需要加大对信贷人才的培养。分析现有情况可以看出，大多数银行都习惯聘用资历较老的专家，这些专家往往更偏向于运用经验总结而不是银行现代化定量量化技术。因此人才培养应该着重放在当代青年人上，他们善于学习，适应能力也更强。他们在商业银行信贷风险度量工作中，能够有效的度量和管理信贷风险，提高商业银行应对风险的能力。参考文献[1]陈付佳.我国商业银行中小企业信贷风险管理创新策略[J].河北企业,2019(05):35-36.[2]许宪国.论商业银行信贷风险管理[J].经济师,2019(04):148.[3]徐宁.基于KMV模型的企业信用风险研究[J].农村经济与科技,2018,29(24):124-125.[4]刘晨峰.商业银行信贷风险防控案例研究[D].华中科技大学,2018.[5]宋丽菊.基于KMV模型的商业银行信用风险评价的实证研究[D].对外经济贸易大学,2018.[6]邵翠丽.基于KMV模型的一种信用风险评估方法及其应用——以万科A为例[J].会计之友,2018(19):34-39.[7]谢远涛,罗润方,杨娟.基于修正的KMV模型的信用风险度量[J].统计与决策,2018,34(15):169-173.[8]韩娇.我国商业银行信用风险评价应用研究[D].首都经济贸易大学,2018.[9]王传鹏,李春蕾.基于修正KMV模型的上市公司信用风险测度[J].会计之友,2018(13):93-99.[10]郭敏.基于BP神经网络的商业银行信贷风险评价研究[D].安徽财经大学,2018.[11]李晗.供给侧背景下信贷配置变化及对银行信贷风险的影响[J].中国商论,2018(13):38-40.[12]汪天倩.基于KMV模型我国商业银行信用风险的管理[J].时代经贸,2018(03):15-16.[13]许翌.关于我国商业银行信贷风险度量及管理的相关研究[J].南方企业家,2018(01):50.[14]周美英.商业银行针对企业信贷的风险度量分析[J].中国市场,2016(37):115+133.[15]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.[16]贾志环.基于KMV模型我国商业银行信用风险度量与管理研究[D].河北经贸大学,2016.[17]黄婷.商业银行信贷风险研究[D].南京理工大学,2016.[18]陈新胜,李广鹏,徐凌.基于KMV模型的商业银行信贷风险度量研究[J].甘肃科学学报,2014,26(05):111-114.[19]姚泓名.商业银行信贷风险度量与管理研究[D].湘潭大学,2014.[20]李安.中国商业银行信贷风险的度量研究[D].浙江大学,2013.[21]张晓琦.我国商业银行信用风险度量及管理研究[D].哈尔滨工程大学,2011.[22]娄勇.商业银行信贷风险管理研究[D].华中师范大学,2008.[23]周婧烨.我国商业银行信贷风险度量及管理研究[D].对外经济贸易大学,2006.[24]LiangLin,TingLou,NiZhan.EmpiricalStudyonCreditRiskofOurListedCompanyBasedonKMVModel[J].AppliedMathematics,2014,05(13):2098-2106.[25]LiangLin,TingLou,NiZhan.EmpiricalStudyonCreditRiskofOurListedCompanyBasedonKMVModel[J].AppliedMathematics,2014,5(13):2098-2106.[26]NiZhan,LiangLin,TingLou.ResearchonCreditRiskMeasurement