基于KMV模型的錦州銀行信用風險評估研究

孫友榮+張玉明

[提要] 錦州銀行經(jīng)過多年的經(jīng)營發(fā)展，不僅成功在香港上市，而且在錦州市的市場份額遠遠超過四大國有銀行，形成獨有的現(xiàn)象；由于城市銀行自身的特點，客戶對錦州銀行信用風險水平產(chǎn)生疑慮。對錦州銀行信用風險評估無疑可以明確研究結(jié)論，同時可以幫助銀行決策者提高規(guī)避信用風險水平，保持銀行健康經(jīng)營與發(fā)展。本文以2016年各銀行財務報表數(shù)據(jù)與股票交易數(shù)據(jù)為基礎，運用KMV模型，對錦州銀行信用風險進行評估，研究發(fā)現(xiàn)錦州銀行的違約距離比較小，違約概率比較大；信用級別處于穆迪A1，標準普爾處于AA/A。

關鍵詞：信用風險；KMV模型；違約距離；違約概率

中圖分類號：F83 文獻標識碼：A

收錄日期：2017年2月17日

一、問題的提出

信用風險一直都是整個金融行業(yè)中最為主要、最為古老的風險形式，它一直影響著現(xiàn)代生活的方方面面，也對一國的宏觀經(jīng)濟決策與經(jīng)濟發(fā)展有影響。根據(jù)銀監(jiān)會監(jiān)管2015年的統(tǒng)計數(shù)據(jù)，截至2015年末，城市商業(yè)銀行不良貸款余額累計達1，213億元，不良貸款率為1.40%，較年初增長0.24個百分點；而到2016年第三季度，不良貸款繼續(xù)攀升，不良貸款余額達到了1，488億元，不良貸款率為1.51%。整個城市商業(yè)銀行的信用風險居高不下并且持續(xù)上升。由此可見，我國城市商業(yè)銀行在信用風險管理方面仍然存在比較大的問題。

有學者研究發(fā)現(xiàn)：在中國中小城市中，大型銀行的市場份額已經(jīng)開始逐漸下降，取而代之的則是城市商業(yè)銀行。但是城市商業(yè)銀行也存在風險方面的問題。首先，由于城市商業(yè)銀行在全國各地區(qū)所設的分支機構(gòu)比較少，并且從地域上來看其分散風險的能力也比較弱，因而它們相對更容易倒閉；其次，城市商業(yè)銀行對房地產(chǎn)的依賴程度比較大，房地產(chǎn)市場放緩對于該銀行的沖擊會比較大。從全國范圍看，五大國有銀行的總資產(chǎn)在中國銀行業(yè)中所占的比例達到了41%，股份制商業(yè)銀行的比例為18%，城市商業(yè)銀行占到了11%。而從局域數(shù)據(jù)來說，銀行的市場份額也不盡相同，以遼寧省為例，其國有銀行的市場份額為33%，低于全國平均水平，城市商業(yè)銀行的份額則為26%，高于全國水平。再縮小范圍，以遼寧省錦州市為例，它的國有銀行市場占比僅為19.4%，不足全國水平的一半，而錦州銀行的市場份額卻達到了62.6%，遠遠高于全國水平的11%。

錦州銀行于1997年成立至今，在北京、天津、沈陽、大連、哈爾濱、錦州等12個城市都設有分行，并發(fā)起設立了錦州太和益民村鎮(zhèn)銀行股份有限公司、遼寧義縣祥和村鎮(zhèn)銀行股份有限公司、錦州北鎮(zhèn)益民村鎮(zhèn)銀行股份有限公司、遼寧黑山銀行村鎮(zhèn)銀行股份有限公司、遼寧喀左銀行村鎮(zhèn)銀行股份有限公司五家村鎮(zhèn)銀行，同時作為控股股東發(fā)起設立了錦銀金融租賃有限責任公司。截至2016年6月30日，錦州銀行的機構(gòu)數(shù)量合計214家。根據(jù)錦州銀行2015年年報可看出錦州銀行主要貸款方向為批發(fā)零售業(yè)、制造業(yè)、房地產(chǎn)業(yè)余租賃和商務服務業(yè)，分別占到了31.26%、22.39%、10.62%和6.16%。說明錦州銀行對這四大行業(yè)的依賴程度較大。錦州銀行2015年凈利潤為49.08056億元，同比增長了131.2%，雖然自上市以來錦州銀行的利潤增長迅速，而且在錦州地區(qū)市場份額遠超四大國有銀行，這在國內(nèi)是獨有的現(xiàn)象，由于眾所周知的城市銀行固有的局限性，其面臨的信用風險也受到了外界的極大關注。

由此可以看出，研究錦州銀行的信用風險問題是很有必要的。而要研究錦州銀行的信用風險，首先得對錦州銀行進行信用風險的度量。鑒于前人的研究以及錦州銀行為上市銀行，因此本文準備采用KMV模型來進行研究。

二、KMV模型的應用

KMV模型是1997年由善于風險管理的KMV公司（后被穆迪公司收購）研究開發(fā)出的信用風險違約預測模型。該模型是以BSM股票期權定價模型為理論基礎，通過預測違約概率（EDF）來分析企業(yè)的信用風險狀況。KMV模型認為：當企業(yè)負債確定的情況下，企業(yè)得到貸款而產(chǎn)生的信用風險主要取決于借款人的資產(chǎn)市場價值。當該企業(yè)的資產(chǎn)市場價值與某一水平對比發(fā)現(xiàn)較低時，公司可能會因為無力償還貸款而發(fā)生違約情況，而這一水平便是企業(yè)的違約點。KMV模型的計算邏輯為：收集企業(yè)財務數(shù)據(jù)和資本市場的數(shù)據(jù)，然后對企業(yè)的股票總市值和波動率進行計算，結(jié)合違約點，得到企業(yè)的資產(chǎn)市場價值與波動率，最終會通過方程求得違約距離與預期違約概率（EDF）。

（一）KMV模型在國外的研究應用。David Munves、David Hamilton和Allerton Smith（2010）對1996～2006年以及2007～2010年兩個時段的預期違約率與實際違約率展開比較分析，最終得出KMV模型可以有效識別金融危機前后的銀行信用風險狀況。Lee（2011）把KMV模型與遺傳算法結(jié)合在一起，將違約點的設定進行修正，然后用修正后的模型對臺灣的上市公司進行研究分析，最終可得修正后的模型可以更準確地計算違約點，從而能夠提升模型的預測度和商業(yè)銀行的信用風險管理能力。Camara Antonio、PopavaIvilina和Slimkins Betty（2012）把商業(yè)銀行的金融衍生品這一指標填入模型中，通過對KMV模型進行修正后，對金融危機中的金融類企業(yè)進行度量，發(fā)現(xiàn)修正后的KMV模型可以更為準確地預測企業(yè)的違約概率。

（二）KMV模型在國內(nèi)的研究應用。凌江懷、劉燕媚（2013）針對10家上市的商業(yè)銀行，以2012年銀行的財務分析數(shù)據(jù)和股票數(shù)據(jù)為變量因素，通過建立KMV模型對銀行的信用風險進行度量，檢驗KMV模型是否適用于我國上市的商業(yè)銀行信用風險測量。李琦（2014）以10家ST上市企業(yè)和10家非ST上市企業(yè)為研究對象，建立KMV模型對這20家上市企業(yè)進行實證分析，從而證明KMV模型可以較為準確地測量我國上市企業(yè)的信用風險。李江（2015）通過對我國上市的14家商業(yè)銀行財務數(shù)據(jù)進行實證分析，然后建立KMV模型對我國商業(yè)銀行的信用風險進行數(shù)據(jù)度量，得出我國商業(yè)銀行的總體信用風險較低，并且其波動走勢與我國宏觀的經(jīng)濟形勢保持一致性；另外，KMV模型可以作為我國上市的商業(yè)銀行信用風險分析的工具。

綜上所述，KMV模型在國外內(nèi)都有比較深入的研究，并且該模型更適用于研究上市企業(yè)，因此錦州銀行可以運用該模型度量出其違約距離和違約概率（EDF）等情況。

三、基于KMV模型的銀行信用風險評估

（一）界定研究對象。以錦州銀行（00416）為研究對象，通過數(shù)據(jù)分析，建立KMV模型，最終可以得出違約距離與違約概率，但由于缺少對比對象，因此這兩個結(jié)果沒有任何意義，因此本文從港股中選出另外4家城市商業(yè)銀行——盛京銀行（02066）、哈爾濱銀行（06138）、青島銀行（03866）和重慶銀行（01963），從而將這5家銀行的最終結(jié)果與穆迪、標準普爾（S&P）的風險評級進行對比，研究錦州銀行的信用風險問題，然后對其進行評估。樣本研究時間選擇2016年1月1日至2016年12月31日，各項財務指標都選自5家銀行的財務報表，基準日則定為2016年12月31日，詳細情況如表1所示。（表1）

（二）參數(shù)設置

1、無風險利率r的確定。本文采用中國人民銀行目前實行的2016年一年期整存整取的定期存款利率，r=1.5%。

2、時間參數(shù)T的確定。本文將研究期限設為1年，通過數(shù)據(jù)計算1年期的五大城市商業(yè)銀行的違約距離和違約概率。

3、股權價值的確定。由于五家城市商業(yè)銀行均在香港上市，因而股票總價值等于銀行總股本與基準日的收盤價乘積，即為：股權價值=總股本×基準日的收盤價。

4、違約點的確定。由于銀行的流動性負債無法統(tǒng)計，因此本文選取總負債為違約點，而總負債以銀行的年度報表公布為準。

（三）研究假設。本文假設信用風險與違約距離、違約概率存在一定的關系，即信用風險越大，則違約距離越小，違約概率越大。

（四）實證過程

1、銀行股票價值波動率的計算。計算股票價值波動率的方法有多種，本文采用移動平均模型，即對基準日之前一年的每日股票收盤價格進行多次計算求得波動率，然后求出平均值的方法。假設股票的收盤價格是服從對數(shù)正態(tài)分布的，而一年股市的交易日是242天，計算公式如下：

2、銀行的股票市場價值（VE）計算。銀行的股票市場價值（VE）=基準日股票收盤價×總股本。具體計算結(jié)果表2第三列所示?？梢钥闯?，錦州銀行的股票價值日波動率與年波動率均為最高，分別為0.031253和0.48619，而重慶銀行最低，為0.014866和0.23125。五家銀行的均值為0.0218708，和0.34023。由此也可以看出，錦州銀行的股票價格波動相對更劇烈，而重慶銀行相對平穩(wěn)。（表2）

3、銀行違約點DP的計算。由于銀行的流動性負債無法確實，因此本文選取財務報表中的總負債作為KMV模型的違約點（DP），結(jié)果如表3所示?？梢钥闯觯哄\州銀行的總負債為3，353.88599億元；盛京銀行的總負債最高，為6，599.13547億元，而青島銀行最低，為1，706.21602億元。由此可見，錦州銀行的總負債并不算最高，單從總負債來看錦州銀行面臨的信用風險在這五家銀行中并不是很大的。

最終的計算結(jié)果如表5所示。可以看出，錦州銀行的違約距離最小，違約概率最大，所以錦州銀行的信用風險最大，驗證了假設成立。而重慶銀行的違約距離最大，其違約概率最小，說明其信用風險最小。（表5）

結(jié)合穆迪與標準普爾（S&P）的風險評級系統(tǒng)與這五家銀行所得的違約概率進行對照。穆迪與標準普爾兩家評級公司是國際上各大銀行所認可的風險評級公司，其風險評級代表著違約概率，因此將結(jié)果與其對照具有可靠性。表6為穆迪與標準普爾（S&P）的信用評級對照表，而表7為五家銀行的信用評級結(jié)果。（表6、表7）

由表7可以看出，錦州銀行與盛京銀行處于第二級別，而哈爾濱銀行、青島銀行與重慶銀行都處于第一級別。這說明錦州銀行的信用風險問題是相對較大的。同時，也可以看出EDF度量的信用風險受到以下5個財務因素影響：銀行資產(chǎn)規(guī)模、銀行償債能力、銀行盈利能力、銀行資產(chǎn)穩(wěn)定性與銀行股價的穩(wěn)定性。銀行資產(chǎn)規(guī)模越大，盈利能力與償債能力越強，資產(chǎn)波動性越小，則該銀行的違約距離越大，預期違約概率就越小；反之，則其違約概率越大，信用風險問題就越大。

錦州銀行雖然現(xiàn)在存在較大的信用風險問題，但是由2016年中報看，錦州銀行的資產(chǎn)總額為4，224.66億元，比上年年底增加了16.8%，凈利潤為37.94億元，同比增長了164.51%。那么，錦州銀行到底是以何種方法對信用風險進行防范同時又使得營業(yè)收益如此之高呢？這還需要對錦州銀行的內(nèi)部政策信息進行分析。

四、結(jié)論及對策建議

（一）主要研究結(jié)論。通過實證結(jié)果可以看出錦州銀行的違約距離最小，違約概率最大。所以，錦州銀行的信用風險相對于以上4家城市商業(yè)銀行而言最大。實證也驗證了信用風險與違約距離成反比，與違約概率成正比的研究假設。綜上的分析表明錦州銀行的決策者需要高度重視信用風險問題，趨利避害，確保錦州銀行的健康發(fā)展。

（二）相關對策建議。隨著銀行業(yè)的越發(fā)成熟，各大銀行的競爭越發(fā)激烈，而銀行的信用風險問題也會越來越突出，因此錦州銀行應該防患未然，對其自身的信用風險問題進行完善。而本文也提出以下建議：

1、提升錦州銀行的客戶資質(zhì)與信用質(zhì)量，實行貸款組合與差別定價的政策。通過實行該政策可以實現(xiàn)錦州銀行在既定風險下的收益最大化或者既定收益下的風險最小化，由此可以有效地降低信用風險。

2、更多地吸收專業(yè)化風險管理人才。中國的信用風險管理目前處于起步階段，因此錦州銀行如果能夠更多培養(yǎng)專業(yè)風險管理人才不僅可以提升其信用風險的管理水平，也可以降低目前的信用風險發(fā)生的可能性。

3、與其他銀行合作，建立共同的違約數(shù)據(jù)庫。目前，中國商業(yè)銀行之間還沒有實行客戶信息共享，因此這就讓信用程度比較差的客戶鉆了空子。如果與其他商業(yè)銀行合作，建立共同違約數(shù)據(jù)庫，則客戶信息共享量增多，也會減少信用差客戶的鉆空子行為，這樣也會降低錦州銀行的信用風險。

主要參考文獻：

[1]從錦州銀行IPO遇冷看地方性銀行困境.網(wǎng)易財經(jīng)網(wǎng).http：//money.163.com/15/1125/16/B99HHPV800253B0H.html，2015.11.25.

[2]Lee W.Rededinition of the KMV model's optimal default point based onGenetic Algorithms-Evidence from Taiwan[J].Expert Systems with Applications，2010.8.

[3]Antonio Camara，IvilinaPopova，Betty Simkins.A comparative study of the probability of default for global financialfirms[J].Journal of Banking & Finance，2012.36.3.

[4]David W.Munves，AllertonSmith，David Hamilton.Banks and their EDF Measures NOW and Through the Credit Crisis：Too High，TooLow，or Just About Right[J].Moodys ANALYTICS，2010.11.

[5]凌江懷，劉燕媚.基于KMV模型的中國商業(yè)銀行信用風險實證分析——以10家上市商業(yè)銀行為例[J].華南師范大學學報（社會科學版），2013.5.

[6]李琦.基于KMV模型的商業(yè)銀行信用風險管理研究[D].上海：復旦大學，2014.

[7]李江，張春霖.基于KMV模型的我國商業(yè)銀行信用風險探析[J].青海金融，2015.9.