基于變結(jié)構(gòu)KMV模型的商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)度量研究

基于變結(jié)構(gòu)KMV模型的商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)度量研究

姚德權(quán)，張宏亮，黃學(xué)軍

(湖南大學(xué)工商管理學(xué)院，湖南長(zhǎng)沙，410082)

摘要：以16家在滬深股票市場(chǎng)上市交易的商業(yè)銀行為樣本，引入資產(chǎn)價(jià)格變結(jié)構(gòu)點(diǎn)非參數(shù)檢驗(yàn)方法，基于變結(jié)構(gòu)KMV模型對(duì)商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)進(jìn)行度量。實(shí)證研究結(jié)果表明，在2007-2013年，上市商業(yè)銀行的資產(chǎn)價(jià)格表現(xiàn)出顯著的變結(jié)構(gòu)特征，相對(duì)于不良貸款率、加權(quán)風(fēng)險(xiǎn)資產(chǎn)占總資產(chǎn)比例以及Z指數(shù)等風(fēng)險(xiǎn)承擔(dān)度量指標(biāo)，基于變結(jié)構(gòu)KMV模型的風(fēng)險(xiǎn)承擔(dān)度量方法有更強(qiáng)的前瞻性，其風(fēng)險(xiǎn)預(yù)警功能相對(duì)較強(qiáng)。

關(guān)鍵詞：商業(yè)銀行；風(fēng)險(xiǎn)承擔(dān)；變結(jié)構(gòu)KMV；度量模型

收稿日期：2015-05-19修回日期：2015-09-20

作者簡(jiǎn)介：姚德權(quán)(1963-)，男，湖南安鄉(xiāng)人，管理科學(xué)與工程博士后，湖南大學(xué)工商管理學(xué)院教授、博士生導(dǎo)師，研究方向：投融資規(guī)制與風(fēng)險(xiǎn)管理。

中圖分類號(hào)：F832.33

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1002-9753(2015)11-0109-14

Abstract：Taking the listed commercial banks as the research object，this paper designs the measurement method of commercial bank risk taking based on variable structure KMV models by introducing the non-parametric test of the structural break point of the asset price.The empirical study is conducted by taking the 16 commercial banks which are listed in Shanghai and Shenzhen Stock Exchange as the samples，the result shows that during the year from 2007 to 2013，the structural break characteristic of the commercial banks’ asset price is significant.Meanwhile，compared to bad loan ratio，weighted risk asset to total asset and the Z-score，the risk taking evaluation technology based on variable structure KMV models is a more forward-looking method with a better risk-warning ability.

An Study on Measurement of Commercial Bank Risk

Taking Based on Variable Structure KMV Models

YAO de-quan，ZHANG Hong-liang,HUANG Xue-jun

(CollegeofBusinessAdministration，HunanUniversity，Changsha410082,China)

Key words:commercial bank;risk taking;variable structure KMV;measurement model

一、引言

近年來(lái)，國(guó)內(nèi)銀行業(yè)正在經(jīng)歷新一輪的增長(zhǎng)，在2014年，商業(yè)銀行全年實(shí)現(xiàn)利潤(rùn)1.55萬(wàn)億元，同比增加9.7%[1]。然而，在看到商業(yè)銀行“靚麗”財(cái)務(wù)數(shù)據(jù)的同時(shí)，也不應(yīng)忽視其存在的風(fēng)險(xiǎn)隱患，據(jù)銀監(jiān)會(huì)統(tǒng)計(jì)，商業(yè)銀行不良貸款率雖然較為穩(wěn)定，但自2011年第3季度以來(lái)，不良貸款總額呈上升趨勢(shì)，截至2014年末，商業(yè)銀行不良貸款總額達(dá)8426億元，比2013年年末增加2506億元。在當(dāng)前的經(jīng)濟(jì)環(huán)境下，部分行業(yè)產(chǎn)能過(guò)剩矛盾突出，房地產(chǎn)行業(yè)形勢(shì)持續(xù)惡化，融資平臺(tái)風(fēng)險(xiǎn)不斷釋放。與此同時(shí)，商業(yè)銀行的經(jīng)營(yíng)還受到了互聯(lián)網(wǎng)金融等新興金融模式的沖擊。銀行體系作為金融市場(chǎng)的重要組成部分，其運(yùn)行狀態(tài)關(guān)系到金融市場(chǎng)、乃至整個(gè)經(jīng)濟(jì)體系的健康發(fā)展，正因如此，準(zhǔn)確度量商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)，進(jìn)而采取有效的管理措施，也就成了學(xué)界和業(yè)界共同關(guān)注的問(wèn)題之一。

近年來(lái)，一些學(xué)者將KMV模型引入到商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的管理中，該方法能夠結(jié)合商業(yè)銀行的會(huì)計(jì)信息和市場(chǎng)信息來(lái)進(jìn)行綜合評(píng)價(jià)，評(píng)價(jià)結(jié)果較準(zhǔn)確，且具較強(qiáng)的前瞻性。但已有研究大多假定(或隱含假定)商業(yè)銀行資產(chǎn)價(jià)值均值和波動(dòng)率在同一機(jī)制(regime)下變化，即不出現(xiàn)資產(chǎn)價(jià)值變結(jié)構(gòu)(variable structure)的情形。這一假定能在一定程度上簡(jiǎn)化評(píng)價(jià)模型的計(jì)算，但與商業(yè)銀行的現(xiàn)實(shí)情況有一定的偏差。受外部金融危機(jī)沖擊、宏觀政策調(diào)整以及行業(yè)突發(fā)事件等因素影響，商業(yè)銀行資產(chǎn)價(jià)值可能會(huì)出現(xiàn)結(jié)構(gòu)變點(diǎn)，這些結(jié)構(gòu)變點(diǎn)反映了股票市場(chǎng)對(duì)商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)及其預(yù)期的結(jié)構(gòu)性變化，因此包含了豐富的預(yù)警信息。有鑒于此，本文將商業(yè)銀行資產(chǎn)價(jià)值結(jié)構(gòu)變點(diǎn)信息納入到商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)度量模型中，以期使評(píng)價(jià)模型更契合現(xiàn)實(shí)經(jīng)濟(jì)情況，在此基礎(chǔ)上提高風(fēng)險(xiǎn)承擔(dān)度量模型的準(zhǔn)確性，降低風(fēng)險(xiǎn)低估的概率，為商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的管理提供更準(zhǔn)確的依據(jù)。

二、相關(guān)文獻(xiàn)綜述

商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)(risk-taking)是指商業(yè)銀行承擔(dān)風(fēng)險(xiǎn)或者風(fēng)險(xiǎn)投資的行為，風(fēng)險(xiǎn)承擔(dān)的實(shí)質(zhì)是商業(yè)銀行在經(jīng)營(yíng)管理過(guò)程中所承擔(dān)的風(fēng)險(xiǎn)總額，不少學(xué)者對(duì)其進(jìn)行了研究，并且開發(fā)出了基于不良貸款率、資本充足率以及Z指數(shù)等度量方法。自Salas和Saurina(2002)[1]，Barth等(2004)[3]以及Gonzalez(2005)[4]運(yùn)用不良貸款率度量商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)以來(lái)，大多數(shù)學(xué)者延用了該指標(biāo)來(lái)對(duì)商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)狀況進(jìn)行研究。蔣海和王麗琴(2011)采用銀行報(bào)表披露的不良貸款率作為銀行風(fēng)險(xiǎn)的衡量指標(biāo)，選擇不良貸款率(RISK)的一階差分(△RISK)作為風(fēng)險(xiǎn)變化的代理變量[5]。吳成頌，黃送欽和錢春麗(2014)以不良資產(chǎn)率作為銀行風(fēng)險(xiǎn)承擔(dān)的代理變量[6]。劉海明和許娟(2012)認(rèn)為資本充足法是最優(yōu)的風(fēng)險(xiǎn)承擔(dān)衡量方法[7]。Hannan和Hanweck(1988)提出了商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)水平度量的Z值方法[8]，后來(lái)Teresa和Dolores(2008)也采用Z指數(shù)對(duì)西班牙商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)行為進(jìn)行了度量[9]。宋清華、曲良波和陳雄兵(2011)采用Z-scoreit(高管薪酬與風(fēng)險(xiǎn)承擔(dān)代理變量)來(lái)表明銀行高管薪酬與風(fēng)險(xiǎn)承擔(dān)之間呈倒U型關(guān)系，這說(shuō)明隨著高管薪酬的增加銀行風(fēng)險(xiǎn)承擔(dān)有不斷增加的趨勢(shì)[10]。何維達(dá)和于一(2011)基于2000—2008年10家中國(guó)上市銀行數(shù)據(jù)，引入了Z指數(shù)衡量中國(guó)商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)，并對(duì)外資銀行進(jìn)入、外資參股與上市銀行Z指數(shù)的關(guān)系進(jìn)行實(shí)證研究[11]。徐明東和陳學(xué)彬(2012)也運(yùn)用Z值度量商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)水平，并基于風(fēng)險(xiǎn)承擔(dān)度量結(jié)果，分析了競(jìng)爭(zhēng)效應(yīng)等商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的影響機(jī)制[12]。

不良貸款率、資本充足率以及Z指數(shù)等均屬于商業(yè)銀行的財(cái)務(wù)信息，這一類指標(biāo)能較好地反映商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)狀況，但也具有滯后性等局限，對(duì)商業(yè)銀行當(dāng)前隱含的風(fēng)險(xiǎn)狀況不能有效識(shí)別，因此，一些學(xué)者開始嘗試運(yùn)用市場(chǎng)信息來(lái)對(duì)商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)進(jìn)行度量，其中，運(yùn)用較多的方法是KMV模型。這類方法以Merton期權(quán)定價(jià)模型為基礎(chǔ)，將資產(chǎn)價(jià)值及其波動(dòng)與破產(chǎn)風(fēng)險(xiǎn)形成映射關(guān)系，從而使評(píng)價(jià)結(jié)果具有一定的前瞻性。Kurbat 和 Korablev(2002)運(yùn)用校準(zhǔn)方法對(duì)KMV模型進(jìn)行了檢驗(yàn)，認(rèn)為其所估計(jì)出的預(yù)期違約率能較準(zhǔn)確的反映公司的信用風(fēng)險(xiǎn)狀況[13]。Siedlecki(2014)運(yùn)用S-curve方法驗(yàn)證了KMV模型的有效性[14]。Crodlbie 和 Bohn(2003)[15]，Cmara等(2012)[16]以及Chen等(2014)[17]的研究表明KMV模型同樣適用于金融類企業(yè)的信用風(fēng)險(xiǎn)評(píng)估。彭大衡和張聰宇(2009)利用KMV模型方法，借助預(yù)期違約概率(Expected Default Frequency，EDF)和違約距離(Distance to Default)兩個(gè)指標(biāo)分析在我國(guó)A股上市的五家中小商業(yè)銀行的信用風(fēng)險(xiǎn)[18]。孫潔和魏來(lái)(2009)[19]，蘇健，姬明和鐘恩庚(2012)[20]，以及吳恒煜，胡錫亮和呂江林(2013)[21]等文獻(xiàn)分別基于Merton期權(quán)定價(jià)模型，對(duì)商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的違約距離進(jìn)行了估計(jì)，其實(shí)證結(jié)果表明該方法具有較好的評(píng)價(jià)能力，能較準(zhǔn)確地描述商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的變化。資產(chǎn)市場(chǎng)價(jià)值的變化反映了市場(chǎng)的預(yù)期，并且能夠靈敏地反映基礎(chǔ)資產(chǎn)基本面的變化情況，運(yùn)用商業(yè)銀行資產(chǎn)價(jià)值及其波動(dòng)、利率等市場(chǎng)信息來(lái)對(duì)商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)進(jìn)行度量，能夠提高風(fēng)險(xiǎn)度量的前瞻性。

在已有的研究中，大多數(shù)文獻(xiàn)假定商業(yè)銀行資產(chǎn)價(jià)值和波動(dòng)率的狀態(tài)保持不變，這一假定與現(xiàn)實(shí)情況有較大的偏差，受外部金融危機(jī)沖擊、宏觀政策調(diào)整以及行業(yè)突發(fā)事件等因素影響，金融資產(chǎn)價(jià)值可能會(huì)出現(xiàn)結(jié)構(gòu)變點(diǎn)，Calmès和Théoret(2010)認(rèn)為表外活動(dòng)(off-balance-sheet activities)和政策的變化會(huì)導(dǎo)致商業(yè)銀行資產(chǎn)收益出現(xiàn)結(jié)構(gòu)性變點(diǎn)[22]。Kanas(2014)的研究表明，管理政策的變化會(huì)導(dǎo)致商業(yè)銀行權(quán)益資產(chǎn)價(jià)格出現(xiàn)變化，同時(shí)引起違約風(fēng)險(xiǎn)發(fā)生改變[23]。劉淳,劉慶和張晗(2011)以及齊培艷等(2013)分別運(yùn)用不同的方法對(duì)股票資產(chǎn)價(jià)值進(jìn)行了變結(jié)構(gòu)檢驗(yàn)，其實(shí)證研究均表明，中國(guó)股票市場(chǎng)存在顯著的資產(chǎn)價(jià)格變結(jié)構(gòu)效應(yīng)[24-25]。陸靜和胡曉紅(2014)發(fā)現(xiàn)商業(yè)銀行資產(chǎn)價(jià)值等變量會(huì)受極端事件影響而出現(xiàn)顯著變化[26]。劉曉星等(2014)基于資產(chǎn)價(jià)格度量了股票流動(dòng)性，發(fā)現(xiàn)受歐美主權(quán)債務(wù)危機(jī)的影響，英、日等發(fā)達(dá)國(guó)家以及中、印等新興國(guó)家的股票市場(chǎng)出現(xiàn)了流動(dòng)性變結(jié)構(gòu)點(diǎn)[27]。由此可見，金融資產(chǎn)價(jià)值的均值和波動(dòng)出現(xiàn)變結(jié)構(gòu)點(diǎn)是較為普遍的現(xiàn)象，而這些變結(jié)構(gòu)點(diǎn)是市場(chǎng)對(duì)金融資產(chǎn)內(nèi)在風(fēng)險(xiǎn)的一種反映和預(yù)期，是一種有效的市場(chǎng)信息，忽視這些信息將可能導(dǎo)致風(fēng)險(xiǎn)評(píng)價(jià)模型出現(xiàn)設(shè)定偏差，從而使得評(píng)價(jià)結(jié)果出現(xiàn)較大的誤差。

綜合以上考慮，本文參考已有研究，在對(duì)商業(yè)銀行資產(chǎn)價(jià)格進(jìn)行變結(jié)構(gòu)點(diǎn)檢驗(yàn)的基礎(chǔ)上，將資產(chǎn)價(jià)格變結(jié)構(gòu)點(diǎn)引入商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)度量中，設(shè)計(jì)基于變結(jié)構(gòu)KMV模型的商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)度量模型，從而實(shí)現(xiàn)對(duì)風(fēng)險(xiǎn)承擔(dān)度量模型的改進(jìn)。

三、商業(yè)銀行資產(chǎn)價(jià)格變結(jié)構(gòu)點(diǎn)的非參數(shù)檢驗(yàn)

對(duì)商業(yè)銀行資產(chǎn)價(jià)格進(jìn)行變結(jié)構(gòu)檢驗(yàn)，進(jìn)而檢測(cè)其變結(jié)構(gòu)點(diǎn)的位置是構(gòu)建變結(jié)構(gòu)KMV模型的前提。本節(jié)參考Wu和Zhao(2007)的研究[28],設(shè)計(jì)商業(yè)銀行資產(chǎn)價(jià)格均值和方差變結(jié)構(gòu)點(diǎn)的檢驗(yàn)方法，并對(duì)其進(jìn)行實(shí)證檢驗(yàn)。

(一)商業(yè)銀行資產(chǎn)價(jià)格變結(jié)構(gòu)點(diǎn)檢驗(yàn)?zāi)Ｐ偷幕驹O(shè)定

商業(yè)銀行的資產(chǎn)價(jià)格(資產(chǎn)價(jià)格為商業(yè)銀行股本與其股票流通價(jià)格之積)隨市場(chǎng)行情發(fā)生變化，設(shè)定資產(chǎn)價(jià)格的平均值在m個(gè)時(shí)刻發(fā)生突變，變化的時(shí)刻為k1,k2,…,km，同時(shí)設(shè)定資產(chǎn)價(jià)格的方差在w個(gè)時(shí)刻發(fā)生突變，時(shí)刻為s1,s2,…,sw，以Wu和Zhao(2007)的研究為基礎(chǔ)[28]，將變結(jié)構(gòu)資產(chǎn)價(jià)格模型設(shè)定為：

(1)

(2)

其中，s1,s2,…,sw為w個(gè)方差變點(diǎn)。進(jìn)一步地，可以假設(shè)數(shù)據(jù)在每?jī)蓚€(gè)變點(diǎn)之間服從具體的分布或模型，本文選取的模型為GARCH模型，然后對(duì)模型進(jìn)行估計(jì)。對(duì)于一個(gè)給定的資產(chǎn)價(jià)格和給定的區(qū)間長(zhǎng)度ln。定義相鄰區(qū)間差異：

其中

(3)

在此設(shè)定下，根據(jù)資產(chǎn)價(jià)格的時(shí)間序列數(shù)據(jù)即可得商業(yè)銀行資產(chǎn)價(jià)格均值和方差變結(jié)構(gòu)點(diǎn)。

(二)均值變結(jié)構(gòu)點(diǎn)的非參數(shù)檢驗(yàn)步驟設(shè)計(jì)

均值資產(chǎn)價(jià)格為非平穩(wěn)時(shí)間序列，隨時(shí)間變化的特征明顯。但總體來(lái)說(shuō)，在不同的時(shí)間段，其變化的規(guī)律有所差異。探測(cè)均值變結(jié)構(gòu)點(diǎn)，可更好地識(shí)別資產(chǎn)價(jià)格變化的規(guī)律。商業(yè)銀行資產(chǎn)價(jià)格均值變結(jié)構(gòu)點(diǎn)的非參數(shù)檢驗(yàn)分為以下3個(gè)主要步驟：

步驟 1：計(jì)算Di，ln≤i≤n-ln，其中l(wèi)n=[nβ]。在這一步驟中，β值決定了樣本量ln，樣本量太少，局部均值估計(jì)不準(zhǔn)確，樣本量太大，會(huì)漏掉真正的變點(diǎn)。Wu和Zhao(2007)給出了最優(yōu)的ln為nβ，其中β用來(lái)控制樣本量的大小，其范圍為 1/2<β<2/3，在實(shí)例分析中Wu和Zhao(2007)選取n0.6作為局部均值的樣本長(zhǎng)度[28]，因此本文的計(jì)算過(guò)程中也選取β=0.6。

步驟 2：找出所有滿足以下條件的區(qū)間[j1,j2]：

Di>cm,i∈[j1,j2]

(4)

并且，Dj1-1≤cm和Dj2+1≤cm，其中cm是均值檢驗(yàn)的臨界值，可以從表1中查。如果表1中沒有對(duì)應(yīng)的臨界值，可以通過(guò)線性插值的方法獲得。

表1　均值變點(diǎn)檢驗(yàn)的臨界值

表1為均值檢驗(yàn)的臨界值。對(duì)于表1的每一個(gè)值，生成n個(gè)標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)數(shù)，則可計(jì)算統(tǒng)計(jì)量D，重復(fù)做100萬(wàn)次實(shí)驗(yàn)，然后算出1-α分位數(shù)就是相應(yīng)水平的臨界值。

步驟3：對(duì)于步驟2中的每個(gè)區(qū)間[j1,j2]，找出j*使得Dj*最大，那么j*便是一個(gè)均值變結(jié)構(gòu)點(diǎn)。

(三)方差多變點(diǎn)非參數(shù)檢驗(yàn)步驟設(shè)計(jì)

商業(yè)銀行資產(chǎn)價(jià)格方差變結(jié)構(gòu)點(diǎn)的非參數(shù)檢驗(yàn)分為以下3個(gè)主要步驟：

(5)

步驟2：標(biāo)準(zhǔn)化rt，即：rest=rest/sd(res)，其中sd(res)表示rest的標(biāo)準(zhǔn)差。

表2　方差變點(diǎn)檢驗(yàn)的臨界值

表2為方差檢驗(yàn)的臨界值。與均值檢驗(yàn)的臨界值相似，對(duì)于表2的每一個(gè)值，生成n個(gè)標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)數(shù)，則可計(jì)算統(tǒng)計(jì)量D，重復(fù)做100萬(wàn)次實(shí)驗(yàn)，然后計(jì)算出1-α分位數(shù)就是相應(yīng)的水平的臨界值。

(四)商業(yè)銀行資產(chǎn)價(jià)格變結(jié)構(gòu)點(diǎn)非參數(shù)檢驗(yàn)的實(shí)證結(jié)果及分析

本節(jié)運(yùn)用國(guó)內(nèi)16家商業(yè)銀行的資產(chǎn)價(jià)格作為實(shí)證研究對(duì)象來(lái)驗(yàn)證本文方法的有效性。樣本期限為2007年第1季度至2013年第4季度。運(yùn)用本文設(shè)計(jì)的非參數(shù)方法對(duì)資產(chǎn)價(jià)格的均值和均值變點(diǎn)做出檢測(cè)，估計(jì)出變點(diǎn)的位置，結(jié)果參見圖1。

圖1　均值和方差變結(jié)構(gòu)點(diǎn)的檢驗(yàn)結(jié)果圖示

圖1描述了商業(yè)銀行權(quán)益資產(chǎn)價(jià)格變結(jié)構(gòu)點(diǎn)的位置，其中，各個(gè)子圖分別為每家樣本商業(yè)銀行的變結(jié)構(gòu)點(diǎn)估計(jì)結(jié)果，如第1行第1幅子圖為平安銀行(000001)的變結(jié)構(gòu)點(diǎn)示意圖，其余以此類推。圖1中曲線代表的是權(quán)益資產(chǎn)價(jià)值的條件波動(dòng)率，實(shí)線和虛線直線分別代表方差和均值變結(jié)構(gòu)點(diǎn)的位置。從估計(jì)結(jié)果來(lái)看，商業(yè)銀行權(quán)益資產(chǎn)價(jià)格的均值和方差變結(jié)構(gòu)點(diǎn)大多在4個(gè)以上，反映了本文所設(shè)計(jì)的方法能夠一次性檢測(cè)出時(shí)間序列的多個(gè)變結(jié)構(gòu)點(diǎn)，參數(shù)估計(jì)結(jié)果也表明商業(yè)銀行權(quán)益資產(chǎn)價(jià)并不是在單一狀態(tài)下波動(dòng)，大多數(shù)商業(yè)銀行權(quán)益資產(chǎn)價(jià)格的均值和方差均出現(xiàn)了變結(jié)構(gòu)點(diǎn)，將其假定為單一狀態(tài)進(jìn)行時(shí)間序列的建模分析可能會(huì)導(dǎo)致模型偏差。因此，本文將考慮商業(yè)銀行權(quán)益資產(chǎn)價(jià)值的變結(jié)構(gòu)點(diǎn)，來(lái)構(gòu)建變結(jié)構(gòu)KMV模型來(lái)實(shí)現(xiàn)對(duì)商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的度量。

四、商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)度量的變結(jié)構(gòu)KMV模型設(shè)計(jì)

(一)變結(jié)構(gòu)KMV模型的設(shè)計(jì)思路

在以往對(duì)KMV模型的研究過(guò)程中，大多數(shù)文獻(xiàn)假定資產(chǎn)價(jià)值在同一個(gè)狀態(tài)下波動(dòng)，即運(yùn)用一個(gè)統(tǒng)一的模型來(lái)對(duì)波動(dòng)率進(jìn)行估計(jì)。從第3節(jié)的實(shí)證研究結(jié)果來(lái)看，商業(yè)銀行資產(chǎn)價(jià)值的波動(dòng)存在變結(jié)構(gòu)點(diǎn)，在此情況下，如果不區(qū)分波動(dòng)狀態(tài)，將會(huì)降低違約距離和風(fēng)險(xiǎn)承擔(dān)估計(jì)的準(zhǔn)確度。本文考慮商業(yè)銀行資產(chǎn)價(jià)格的變結(jié)構(gòu)點(diǎn)，對(duì)基于變結(jié)構(gòu)KMV模型設(shè)定如下：

(6)

E=VN(d1)-De-rtN(d2)

(7)

其中，E為商業(yè)銀行股票市值，D為和V分別為銀行債務(wù)和資產(chǎn)市場(chǎng)價(jià)值，參數(shù)τ為其債務(wù)D的到期期限，r為無(wú)風(fēng)險(xiǎn)利率，d1和d2分別為：

(8)

(9)

其中，σv為商業(yè)銀行資產(chǎn)價(jià)值波動(dòng)率。

假定商業(yè)銀行資產(chǎn)價(jià)值Vt服從：dVt=(r-δ)Vtdt+σvVtdZt，可得：

(10)

聯(lián)立上式和式(7)，可得到隱含變量V和σv。在KMV模型框架下，銀行資產(chǎn)價(jià)值小于某臨界點(diǎn)時(shí)，商業(yè)銀行將會(huì)破產(chǎn)?？筛鶕?jù)破產(chǎn)數(shù)據(jù)，估算出商業(yè)銀行的預(yù)期違約率。KMV公司的研究表明，長(zhǎng)期債務(wù)具有一定的緩沖作用，因此違約臨界點(diǎn)位于短期債務(wù)與總負(fù)債之間。由于中國(guó)市場(chǎng)缺少相關(guān)破產(chǎn)數(shù)據(jù)，因而不能難以估計(jì)預(yù)期違約率，只能夠運(yùn)用其他指標(biāo)來(lái)替代預(yù)期違約率，參考相關(guān)研究，本文運(yùn)用違約距離來(lái)進(jìn)行替代：

(11)

違約距離越大，說(shuō)明商業(yè)銀行的違約風(fēng)險(xiǎn)越小，其風(fēng)險(xiǎn)承擔(dān)水平較低，反之，當(dāng)商業(yè)銀行違約距離較小時(shí)，其破產(chǎn)清算的可能性越高，其相應(yīng)的風(fēng)險(xiǎn)承擔(dān)水平也較高。

(二)變結(jié)構(gòu)KMV模型的參數(shù)設(shè)置

為了準(zhǔn)確的度量商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)水平，對(duì)基于變結(jié)構(gòu)KMV模型的的相關(guān)參數(shù)進(jìn)行如下設(shè)置：

(1)商業(yè)銀行股權(quán)價(jià)值(E)。考慮到股權(quán)存在流通和非流通兩種情形，商業(yè)銀行股權(quán)價(jià)值的計(jì)算方法如下：

E=P×L+EPS×NL

(13)

其中，P為商業(yè)銀行流通股的收盤價(jià)格，L為流通股股本總數(shù)，EPS為每股盈利。

(3)違約點(diǎn)DPT的確定。為了計(jì)算銀行的違約距離，需要獲取到期債務(wù)和長(zhǎng)期債務(wù)價(jià)值。銀行資產(chǎn)負(fù)債率遠(yuǎn)遠(yuǎn)高于其他非金融企業(yè)，長(zhǎng)期債務(wù)也有特殊性，定期存款(到期時(shí)間大于1年的定期存款)的到期時(shí)間雖然長(zhǎng)，但在銀行擠兌事件發(fā)生的時(shí)候，儲(chǔ)戶可能寧愿損失利息，也會(huì)將定期存款取出，此時(shí)，長(zhǎng)期債務(wù)便轉(zhuǎn)化成了短期債務(wù)，因此，本文將違約點(diǎn)設(shè)定為所有負(fù)債之和，即DPT=SD+LD，其中SD為短期債務(wù)，LD為長(zhǎng)期債務(wù)[29]，樣本銀行負(fù)債的描述性統(tǒng)計(jì)參見表4。從表4可以發(fā)現(xiàn)，受銀行規(guī)模的影響，各銀行的負(fù)債水平有較大的差異。總體來(lái)說(shuō)，國(guó)有控股商業(yè)銀行的負(fù)債水平較高，而其他股份制銀行的負(fù)債相對(duì)較小。

表3　樣本銀行股權(quán)價(jià)值波動(dòng)率的描述性統(tǒng)計(jì)

表4　樣本銀行負(fù)債的描述性統(tǒng)計(jì)　(單位：萬(wàn)元)

(4)無(wú)風(fēng)險(xiǎn)利率(r)。本文以存款利率為無(wú)風(fēng)險(xiǎn)利率，其原因在于存款利率有較大的社會(huì)影響力，是公眾投資進(jìn)行參考的主要利率之一。以央行公布的一年期存款利率為基準(zhǔn)，無(wú)風(fēng)險(xiǎn)利率的設(shè)定參見表5。

(5)債務(wù)期限(τ)。與大多數(shù)文獻(xiàn)保持一致[30-32]，本文對(duì)商業(yè)銀行債務(wù)期限設(shè)定為1年。

五、基于變結(jié)構(gòu)KMV模型的商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)度量及結(jié)果分析

(一)商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)度量結(jié)果及分析

根據(jù)以上參數(shù)設(shè)定，聯(lián)立式(7)-式(11)，可求出商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的違約距離(DD)，估計(jì)結(jié)果參見圖2。圖2中，R代表商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的違約距離(DD)，即基于變結(jié)構(gòu)KMV模型的商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)動(dòng)結(jié)果，R越大，說(shuō)明違約距離越大，表明商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)越小，R-IV為運(yùn)用灰色關(guān)聯(lián)方法，綜合了不良貸款率、資本充足率和Z值指數(shù)等財(cái)務(wù)信息的風(fēng)險(xiǎn)承擔(dān)度量結(jié)果*為了對(duì)比不同模型的度量結(jié)果，本文參考近期文獻(xiàn)，運(yùn)用不同方法對(duì)商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)進(jìn)行了度量，其中，R-I為商業(yè)銀行不良貸款率，R-II為商業(yè)銀行風(fēng)險(xiǎn)加權(quán)資產(chǎn)占總資產(chǎn)比例，R-III為根據(jù)文獻(xiàn)[8]和[9]所計(jì)算出的Z值指數(shù)，R-IV為運(yùn)用灰色關(guān)聯(lián)方法對(duì)R-I,R-II和R-III進(jìn)行綜合所得到的綜合度量結(jié)果，每一家樣本商業(yè)銀行的度量結(jié)果參見附錄A。，R與R-IV表現(xiàn)出了類似地波動(dòng)軌跡，表明變結(jié)構(gòu)KMV模型能有效地反映商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)變化趨勢(shì)。

從商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的變化趨勢(shì)來(lái)看，大多數(shù)商業(yè)銀行在2008年的風(fēng)險(xiǎn)承擔(dān)水平出現(xiàn)了明顯上升，在此期間，商業(yè)銀行不同程度受到了次債危機(jī)的影響，風(fēng)險(xiǎn)承擔(dān)水平的上升一直持續(xù)到2009年初，隨后，商業(yè)銀行的風(fēng)險(xiǎn)水平又有了一定程度的降低。商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)變化的趨勢(shì)也表明了國(guó)內(nèi)商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)并不是來(lái)源于國(guó)際金融市場(chǎng)的直接風(fēng)險(xiǎn)傳染，而是全球金融危機(jī)影響了實(shí)體經(jīng)濟(jì)的發(fā)展和國(guó)內(nèi)外消費(fèi)需求的變化，而導(dǎo)致國(guó)內(nèi)商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的增加。從圖3.9-3.10可以發(fā)現(xiàn)，在次債危機(jī)開始爆發(fā)以及傳染早期(2007年)，國(guó)內(nèi)商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)并沒有出現(xiàn)顯著增加，而在2008年，國(guó)內(nèi)企業(yè)，特別是中小企業(yè)受次債危機(jī)的沖擊逐漸顯現(xiàn)，企業(yè)景氣指數(shù)一路下滑(圖3)，此時(shí)銀行風(fēng)險(xiǎn)承擔(dān)逐漸提高，在2009年第二季度以后，隨著經(jīng)濟(jì)刺激計(jì)劃的執(zhí)行，企業(yè)景氣程度有所上升(圖3)，大多數(shù)商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)也隨之下降。但不同商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)降低的開始時(shí)間略有不同，如招商銀行調(diào)整的時(shí)間較早，這也反映出不同商業(yè)銀行風(fēng)險(xiǎn)調(diào)整能力有一定的差異。

在2013年，各商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)曲線出現(xiàn)了向下變化的趨勢(shì)，這說(shuō)明商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)又有了一定程度的上升，這可能與較為緊縮的宏觀經(jīng)濟(jì)環(huán)境有一定的關(guān)系，2011年GDP的季度同比增長(zhǎng)率分別為9.80%、9.60%、9.30%和8.70%，而2012年第1季度至2013年第4季度的GDP季度同比增長(zhǎng)率分別為7.90%、7.40%、7.30%、7.90%、7.70%、7.50%、7.80%和7.70%，經(jīng)濟(jì)增長(zhǎng)速度有所降低，商業(yè)銀行外部經(jīng)營(yíng)環(huán)境所帶來(lái)的挑戰(zhàn)增大，房地產(chǎn)行業(yè)風(fēng)險(xiǎn)、鋼貿(mào)行業(yè)風(fēng)險(xiǎn)、地方融資平臺(tái)風(fēng)險(xiǎn)等均導(dǎo)致了商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)持續(xù)上升。同時(shí)，隨著網(wǎng)絡(luò)金融的強(qiáng)勢(shì)發(fā)展，商業(yè)銀行在金融市場(chǎng)的競(jìng)爭(zhēng)壓力增大，也導(dǎo)致其承擔(dān)的風(fēng)險(xiǎn)有所上升。如2013年6月，互聯(lián)網(wǎng)金融理財(cái)產(chǎn)品余額寶上線，其后在短短1個(gè)季度的時(shí)間內(nèi)，其基金份額超過(guò)了1000億元，成為T+0貨幣基金中規(guī)模最大的一只，銀行業(yè)整體負(fù)債端的成本壓力倍增，其市場(chǎng)競(jìng)爭(zhēng)風(fēng)險(xiǎn)也隨之上升。值得關(guān)注的是，部分銀行如平安銀行和民生銀行等在2013年的風(fēng)險(xiǎn)承擔(dān)水平并沒有提高，反而出現(xiàn)了降低的現(xiàn)象，這與其經(jīng)營(yíng)策略有較大的關(guān)系。平安銀行在管理創(chuàng)新、業(yè)務(wù)模式創(chuàng)新、產(chǎn)品與服務(wù)創(chuàng)新均取得了較大突破，推出了包括貸貸平安商務(wù)卡、口袋銀行2.0、社區(qū)模式發(fā)展、互聯(lián)網(wǎng)金融、票據(jù)金融等一系列創(chuàng)新產(chǎn)品與服務(wù)，全年新增客戶10049戶，新增日均存款741元，新增日均貸款21億元，實(shí)現(xiàn)非利息凈收入6.37億元，零售貸款月較2012年增長(zhǎng)了44.20%*數(shù)據(jù)來(lái)源于《平安銀行股份有限公司2013年年報(bào)》。，增速領(lǐng)先銀行行業(yè)的平均水平，經(jīng)營(yíng)模式和業(yè)務(wù)結(jié)構(gòu)的調(diào)整使得平安銀行增強(qiáng)了市場(chǎng)競(jìng)爭(zhēng)力，并有效地降低了其風(fēng)險(xiǎn)承擔(dān)水平。民生銀行從2013年第一季度開始就確立了社區(qū)銀行概念，并在第三季度與阿里巴巴進(jìn)行互聯(lián)網(wǎng)金融合作，其經(jīng)營(yíng)模式逐漸開始突破物理網(wǎng)點(diǎn)的約束，通過(guò)滿足差異化需求與提供互聯(lián)網(wǎng)金融服務(wù)，從而有效地降低了其風(fēng)險(xiǎn)承擔(dān)水平。

表5　無(wú)風(fēng)險(xiǎn)利率的設(shè)定(2007/1/1-2013/12/31)

數(shù)據(jù)來(lái)源：中國(guó)人民銀行官方網(wǎng)站(http://www.pbc.gov.cn/)，其中，2007-1代表2007年第1季度，2007-2代表2007年第2季度，其余依次類推。

圖2　基于變結(jié)構(gòu)KMV模型的商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)度量結(jié)果

圖3　企業(yè)景氣指數(shù)(2007-1至2013-4) 注：數(shù)據(jù)來(lái)源于Wind數(shù)據(jù)庫(kù)，國(guó)家統(tǒng)計(jì)局和中國(guó)人民銀行。

(二)商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)度量結(jié)果的比較分析

基于市場(chǎng)風(fēng)險(xiǎn)的度量結(jié)果與基于財(cái)務(wù)信息的度量結(jié)果有較強(qiáng)的相似性，對(duì)于每一家樣本商業(yè)銀行，其風(fēng)險(xiǎn)承擔(dān)度量程度的時(shí)序變化趨勢(shì)大多一致，兩類方法結(jié)果差異不明顯，表明這兩類方法均具有一定的適用性。進(jìn)一步地，為了檢驗(yàn)基于市場(chǎng)信息的商業(yè)銀行風(fēng)險(xiǎn)度量方法是否具有前瞻性，本文對(duì)基于變結(jié)構(gòu)KMV模型的商業(yè)銀行風(fēng)險(xiǎn)度量結(jié)果及其滯后變量與基于財(cái)務(wù)信息的風(fēng)險(xiǎn)承擔(dān)度量結(jié)果進(jìn)行了相關(guān)分析，相關(guān)分析的結(jié)果如表6所示。

表6中，R-I，R-II和R-III分別為基于不良貸款率、資本充足率和Z指數(shù)的風(fēng)險(xiǎn)承擔(dān)水平，RT，RT-1，RT-2，RT-3和RT-4分別為當(dāng)期、滯后1期、滯后2期、滯后3期和滯后4期的基于市場(chǎng)信息的商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)水平(R)。從R與R-I,R-II,R-III和R-IV的相關(guān)性度量結(jié)果可以發(fā)現(xiàn)，除樣本數(shù)據(jù)較少的601288和601818外，對(duì)于大多數(shù)樣本銀行，滯后1期的R與基于財(cái)務(wù)信息的風(fēng)險(xiǎn)度量結(jié)果相關(guān)性最大，且相關(guān)系數(shù)在統(tǒng)計(jì)上顯著，同時(shí)，大多數(shù)銀行滯后1期的R與基于綜合財(cái)務(wù)信息的度量結(jié)果相關(guān)系數(shù)超過(guò)0.7，且比R與R-I，R-II，R-III的相關(guān)系數(shù)大，這說(shuō)明基于變結(jié)構(gòu)KMV模型的銀行風(fēng)險(xiǎn)承擔(dān)度量方法是前瞻性(Forward-looking)的技術(shù)，可以較好地度量銀行整體的風(fēng)險(xiǎn)承擔(dān)狀況，該方法將市場(chǎng)價(jià)值和波動(dòng)率映射到銀行的預(yù)期違約率與違約距離，更加全面地反映了市場(chǎng)預(yù)期，并且對(duì)市場(chǎng)變化更為敏感，因此具有更強(qiáng)的前瞻性。由此也可以發(fā)現(xiàn)，基于市場(chǎng)信息的商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)度量方法不僅能夠較好地識(shí)別商業(yè)銀行當(dāng)前的風(fēng)險(xiǎn)承擔(dān)狀況，同時(shí)還具有較好的預(yù)警功能。

表6　R與基于財(cái)務(wù)信息的商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的相關(guān)性分析

注：下劃線的數(shù)值代表R-I,R-II,R-III,R-IV分別與RT，RT-1，RT-2，RT-3，RT-4之間相關(guān)系數(shù)的最高值。

六、結(jié)論

對(duì)商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)進(jìn)行準(zhǔn)確的度量是商業(yè)銀行進(jìn)行風(fēng)險(xiǎn)管理的前提之一，本文在對(duì)商業(yè)銀行資產(chǎn)價(jià)格進(jìn)行變結(jié)構(gòu)點(diǎn)檢驗(yàn)的基礎(chǔ)上，設(shè)計(jì)了基于變結(jié)構(gòu)KMV模型的銀行風(fēng)險(xiǎn)承擔(dān)度量方法，以2007—2013年滬深兩市的上市商業(yè)銀行為樣本進(jìn)行了實(shí)證研究。研究得到了以下結(jié)論：(1)商業(yè)銀行資產(chǎn)價(jià)值具有較為顯著的變結(jié)構(gòu)特征，在樣本期間，上市商業(yè)銀行資產(chǎn)價(jià)值并不是在單一狀態(tài)下波動(dòng)，大多數(shù)商業(yè)銀行權(quán)益資產(chǎn)價(jià)格的均值和方差均出現(xiàn)了多個(gè)變結(jié)構(gòu)點(diǎn)，因此，對(duì)商業(yè)銀行資產(chǎn)價(jià)值波動(dòng)行為描述需要考慮其變結(jié)構(gòu)特征；(2)基于變結(jié)構(gòu)KMV模型的銀行風(fēng)險(xiǎn)承擔(dān)度量方法能夠有效地度量上市商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)，其度量結(jié)果能較好地契合現(xiàn)實(shí)經(jīng)濟(jì)金融情況，且相比只運(yùn)用財(cái)務(wù)信息的風(fēng)險(xiǎn)承擔(dān)度量方法，該方法將市場(chǎng)預(yù)期映射到商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)中，因而具有較強(qiáng)的前瞻性?；谝陨涎芯拷Y(jié)論，本文得到以下啟示：(1)商業(yè)銀行在風(fēng)險(xiǎn)管理過(guò)程中要更積極關(guān)注資產(chǎn)價(jià)格的變結(jié)構(gòu)點(diǎn)，變結(jié)構(gòu)點(diǎn)是其內(nèi)外因素沖擊的結(jié)果，一旦出現(xiàn)，便證明商業(yè)銀行的風(fēng)險(xiǎn)狀態(tài)出現(xiàn)了較大變化，商業(yè)銀行應(yīng)及時(shí)發(fā)現(xiàn)變結(jié)構(gòu)點(diǎn)，并深入分析產(chǎn)生的原因，進(jìn)而找到準(zhǔn)確的風(fēng)險(xiǎn)管理對(duì)策；(2)投資者在構(gòu)建投資組合時(shí)，應(yīng)根據(jù)資產(chǎn)價(jià)格變結(jié)構(gòu)情況來(lái)考慮商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)水平，并參考風(fēng)險(xiǎn)承擔(dān)的度量結(jié)果，構(gòu)建更有效的投資組合；(3)在商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的監(jiān)管過(guò)程中，監(jiān)管層可根據(jù)本文的度量方法和結(jié)果，制定更有針對(duì)性的對(duì)策，如在逆周期監(jiān)管過(guò)程中，充分運(yùn)用基于變結(jié)構(gòu)風(fēng)險(xiǎn)承擔(dān)度量方法的前瞻性優(yōu)勢(shì)，提前判斷商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)情況，為風(fēng)險(xiǎn)管理措施的實(shí)施贏得更長(zhǎng)的風(fēng)險(xiǎn)緩沖時(shí)間。

參考文獻(xiàn)：

[1]中國(guó)銀行業(yè)監(jiān)督管理委員會(huì).中國(guó)銀行業(yè)運(yùn)行報(bào)告(2014年度)[R/OL].[2015-9-22].http://www.cbrc.gov.cn.

[2]SALAS V，SAURINA J.Credit risk in two institutional regimes：Spa-nish commercial and savings banks[J].Journal of Fin-ancial Service，2002，22(3)：203-224.

[3]BARTH J R，CAPRIO G，LEVINE R.Bank supervision and regul-ation：What works best? [J].Journal of Financial Interme-diation，2004，13(2)：205-248.

[4]Gonzalez F.Bank regulation and risk-taking incentives：An international comparison of bank risk[J].Journal of Banking & Finance，2005，29：1153-1184.

[5]蔣海，王麗琴.金融危機(jī)對(duì)資本充足率監(jiān)管與銀行風(fēng)險(xiǎn)承擔(dān)激勵(lì)的影響：基于我國(guó)上市銀行的實(shí)證比較[J].產(chǎn)經(jīng)評(píng)論，2011(4)：67-76.

[6]吳成頌，黃送欽，錢春麗.高管背景特征對(duì)銀行風(fēng)險(xiǎn)承擔(dān)的影響——來(lái)自中國(guó)上市銀行的經(jīng)驗(yàn)證據(jù)[J].現(xiàn)代財(cái)經(jīng)：天津財(cái)經(jīng)大學(xué)學(xué)報(bào)，2014(5)：3-14.

[7]劉海明，許娟.商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)：指標(biāo)及其有效性[J].金融論壇，2012(11)：23-30.

[8]HANNAN T，HANWECK A.Bank insolvency risk and the mar-ket for large certificates of deposit[J].Journal of Money，Credit and Banking，1988，20(2)：203-211.

[9]TERESA G，DOLORES R.Risk-taking behavior and ownership in the banking industry：The Spanish evidence[J].Journal of Economics and Business，2008，60(4)：332-354

[10]宋清華，曲良波，陳雄兵.中國(guó)商業(yè)銀行規(guī)模、治理與風(fēng)險(xiǎn)承擔(dān)的實(shí)證研究[J].當(dāng)代財(cái)經(jīng)，2011(11)：57-70.

[11]何維達(dá)，于一.外資進(jìn)入與中國(guó)商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)[J].金融論壇，2011(1)：43-49.

[12]徐明東，陳學(xué)斌.貨幣環(huán)境、資本充足率與商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)[J].金融研究，2012(7)：48-62

[13]KURBAT M，KORABLEV I.Methodology for testing the level of the EDFTM credit measure[R].White Paper，Moody’s KMV Revised August，2002.

[14]SIEDLECKI R.Forecasting company financial distress us-ing the gradient measurement of development and S-curve[J].Procedia Economics and Finance，2014，(12)：597-606

[15]CROSBIE P，BOHN J R.Modeling default risk[R].White Paper，Moody’s KMV，2003.

[17]CHEN R，CHIDAMBARAN N，IMERMAN M，et al.Li-quidity，leverage，and Lehman：A structural analysis of financial institutions in crisis[J].Journal of Banking & Finance，2014，45(8)：117-139

[18]彭大衡，張聰宇.銀行信用風(fēng)險(xiǎn)演變的KMV模型分析——以五家中小商業(yè)銀行為例[J].經(jīng)濟(jì)數(shù)學(xué)，2009(3)：60-69.

[19]孫潔，魏來(lái).基于或有權(quán)益資產(chǎn)負(fù)債表的中國(guó)上市商業(yè)銀行風(fēng)險(xiǎn)分析[J].武漢大學(xué)學(xué)報(bào)：哲學(xué)社會(huì)科學(xué)版，2009(4)：462-466.

[20]蘇健，姬明，鐘恩庚.我國(guó)銀行業(yè)整體風(fēng)險(xiǎn)的度量——基于CCA方法的定量測(cè)算[J].金融理論與實(shí)踐，2012(10)：12-17.

[21]吳恒煜，胡錫亮，呂江林.我國(guó)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)研究——基于拓展的未定權(quán)益分析法[J].國(guó)際金融研究，2013(7)：85-96.

[23]KANAS A.Default risk and equity prices in the U.S.ban-king sector：Regime switching effects of regulatory changes[J].Journal of International Financial Markets，Institutions and Mo-ney，2014，33(11)：244-258

[24]劉淳，劉慶，張晗.使用Bayes方法識(shí)別股市變結(jié)構(gòu)模型[J].清華大學(xué)學(xué)報(bào)：自然科學(xué)版，2011(2)：245-249，254.

[25]齊培艷，田錚，段西發(fā)，等.異方差非參數(shù)回歸模型均值與方差變點(diǎn)的小波估計(jì)與應(yīng)用[J].系統(tǒng)工程理論與實(shí)踐，2013，33(4)：988-995.

[26]陸靜，胡曉紅.基于條件在險(xiǎn)價(jià)值法的商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)研究[J].中國(guó)軟科學(xué)，2014(4)：25-42

[27]劉曉星，方琳，張穎，等.歐美主權(quán)債務(wù)危機(jī)的股票市場(chǎng)流動(dòng)性變點(diǎn)檢測(cè)[J].管理科學(xué)學(xué)報(bào)，2014，17(7)：82-94.

[28]WU W B，ZHAO Z B.Inference of trends in time series[J].Journal of the Royal Statistical Society：Series B(Statis-tical Methodology)，2007，69(2)：391-410.

[29]劉海龍，楊繼光.基于銀行監(jiān)管資本的存款保險(xiǎn)定價(jià)研究[J].管理科學(xué)學(xué)報(bào)，2011，14(3)：73-82.

[30]張玲，楊貞柿，陳收.KMV模型在上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)中的應(yīng)用研究[J].系統(tǒng)工程，2004，22(11)：84-89.

[31]馬若微.KMV模型運(yùn)用于中國(guó)上市公司財(cái)務(wù)困境預(yù)警的實(shí)證檢驗(yàn)[J].數(shù)理統(tǒng)計(jì)與管理，2006，25(5)：593-601.

[32]陳曉紅，張澤京，王傅強(qiáng).基于KMV模型的我國(guó)中小上市公司信用風(fēng)險(xiǎn)研究[J].數(shù)理統(tǒng)計(jì)與管理，2008，27(1)：164-175.

(本文責(zé)編：海洋)

附錄A商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)度量結(jié)果

附錄A1　基于不良貸款率的商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)度量結(jié)果

附錄A2　樣本商業(yè)銀行加權(quán)風(fēng)險(xiǎn)資產(chǎn)占總資產(chǎn)比例的年度變化

附錄A3　基于Z值的商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)度量結(jié)果

附錄A4　基于綜合財(cái)務(wù)信息的商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)度量結(jié)果