”类目：—— 镕‰——
#最——一
经济学硕二L学位论文
KMV模型在商业银行信用风险管理中的应用
研究
硕士研究生：洪晔
指导教师：朱咏教授
学科、专业：金融学
学位论文土审人：张玉喜教授
哈尔滨I程大学
2008年6月
哈尔滨下稗大学硕十学位论文
摘要
我国金融分业经营，利率市场化尚处于起步阶段、资本市场发展相对滞
后，在金融机构为媒介的间接融资仍为企业融资的主要方式的经济金融大背
景下，信用风险成为我国商业银行面临的主要风险之一。随着金融机制的改
革和金融开放步伐的加快，商业银行的风险管理意识明显得到加强，意识到
市场化运作、稳健经营、防范风险对于银行业的重要性，我们需要对信用风
险的度量和管理进行重新定位，建立新的适用我国信用风险管理水平的度量
模型。
本文以商业银行信用风险计量和管理为研究方向，对商业银行传统的信
用分析、评估方法和现代信用风险计量方法进行了研究与探讨。重点分析
KMV模型。论文对KMV模型等风险管理方法的运用进行了一定的理论和应
用探讨。本文回顾了信用风险的相关理论，在此基础上引出KMV理论的基本
理论并对其适用性进行分析，指出了KMV模型在风险测度中具体操作过程和
难点。结合我国的实际情况对模型在银行的应用进行分析，使之适合我国的
信用风险现状。并应用于违约率测算、内部信用评级、以及银行风险贷款定
价等诸多领域。鉴于其特别适用于上市公司的信用风险的计量，以上市公司
的数据对模型的实际效果做了实证分析，选取了4家上市公司的数据，计算出
股权价值波动率，然后计算违约点和权益的市场价值，最终得出违约距离，
通过违约距离的对比分析信用风险，对其结果加以解释分析，说明模型对信
用风险具有明显的识别功能。同时，介绍了KMV模型在非上市公司的应用。
找出了模型在我国应用过程中的主要困难，针对模型的不足提出了改进方案。
最后对本文进行了总结并对下一步的工作进行了展望，对模型的应用提出了
相应的政策建议并展望未来的应用前景，对中国商业银行风险管理具有理论
和实践的参考价值。
关键词：商业银行；信用风险：KMV模型
哈尔滨工程大学硕十学伊论文
Abstract
Under the China’S economy and finance background of financial divided
operating、interest rate marketization on its starting stage、capital market
developing slowly and indirect financing that taking financial institution as the
medium serving as the main way of enterprise financing，credit risk has become
the main risks that commercial banks facing．With the reformation of financial
mechanism and speeding up of financial opening,the commercial banks’risk
management consciousnesses are enhanced significantly,and realize the
importance of market operation、steady management、risk prevention for the
commercial banks．We need to do repositioning for the measurement and
management of credit risk，and set up new measurement model suiting for China’
S credit risk managing level．
。This dissertation takes the commercial banks’ credit risk measurement and
management as the research direction，and performs investigation and discussing
on the commercial banks’traditional credit analyses、measurement methods and
modem credit risk measurement methods，and with an emphasis on KMV model．
Some theoretical and application discussions about the execution of some risk
management methods such as KMV model are conducted．Related theories about
the credit ri．sk are first reviewed，and followed by derivation of basic theory of
KMV model and analyses its applicability．The specific steps and difficulties on
risk measuring process using KMV model are point out．In order to enable it fit
for China’S credit risk status，the KMV model’S application in banks is analyzed
w主氇a combination of present situation，and applied to many fields such as default
rate’S calculation、intemal credit rating and risk loan evaluation．
In view of its’special applicability for credit risk measurement for listed
companies，the model’S practical effect is analyzed using demonstration analysis
哈尔滨工程大学硕士学位论文
according to 4 listed companies’dates．Fluctuation rate of value of stock fight，
default point and market value of equity is calculated，and default distance is
obtained finally．By comparing default distance the credit risk is analyzed and the
result is interpreted，which shows that that model has the obvious capability of
identification．Meanwhile，the application of KMV model in no—listed companies
is also introduced．The main challenge of application for that model used in China
is pointed out，and improvement schemes are proposed．Policy suggestion for the
model’S application is proposed，the prospect is‘expected。Finally,conclusions are
drawn based above discussion，and further wo／ks are prospected．The MKV
model has theoretical and practical reference value for commercial banks’risk
management in China．
Key words：Commercial Bank；Credit Risk；KMV Model
哈尔滨工程大学
学位论文原创性声明
本人郑重声明：本论文的所有工作，是在导师的指导下，由
作者本人独立完成的。有关观点、方法、数据和文献的引用己在
文中指出，并与参考文献相对应。除文中己注明引用的内容外，
本论文不包含任何其他个人或集体已经公开发表的作品成果。对
本文的研究做出重要贡献的个人和集体，均已在文中以明确方式
标明。本人完全意识到本声明的法律结果由本人承担。
哈尔滨T程大学硕士学位论文
第1章绪论
．1论文研究的背景目的及意义
．1．1论文研究的背景
长期以来，信用风险是银行业乃至整个金融业中最重要的风险形式，它
直接影响到现代社会经济生活的各个方面，也影响到一国宏观经济决策和经．
济发展。在商业银行风险管理中，信用风险是商业银行在经营活动过程中面
临的主要风险之一，所以加强信用风险管理对商业银行具有十分重要的意义。
银行不仅需要建立一套符合国际会计准则和境内外资本市场要求的风险信息
披露制度，来接受社会监督、舆论监督和公众监督。而且，从国家金融宏观
调控角度上看，银监会必须从合规性监管向合规性、风险性监管并重转变。
这些都对商业银行风险防范工作提出了更高的要求。
随着世界经济的一体化和金融全球化、自由化进程的加快，金融创新日
新月异，资产证券化，衍生性金融产品快速成长，金融市场的竞争更加激烈，
面临的风险也日趋复杂化、多样化。由于各国中央银行监管和商业银行风险
管理水平难以适应银行业务，风险管理的问题日益凸显，金融危机频频爆发。
90年代以来，欧洲货币危机、墨西哥金融危机和亚洲金融危机，这三次大的
金融危机给世界经济带来了巨大的影响和损失，引起世界金融业对金融风险
管理的高度重视。对金融机构来说，金融风险的管理能力和水平成了提高竞
争能力和赢利水平的决定性因素，风险管理的任何疏忽都可能导致整个银行
的破产倒闭。20世纪90年代以来在我国先后发生的海南发展银行倒闭、中农
信、广国投事件频频给我们示警。信用风险已经是金融市场最主要的一种风
险，对于银行业更是如此。国际银行业面临的金融风险中，信用风险是最主
要的风险，占银行总体风险的60％。信用风险也是我国银行业所面临的各种
风险中最主要的风险，我国的银行业结构里，四大商业银行占有垄断地位，
哈尔滨工程大学硕士学位论文
其资产数占全部银行业资产总额的80％以上，但由于信用风险管理理念、技
术、手段落后，造成国有银行的不良信贷资产比率过高。传统的度量和管理
信用风险的方法已远远不能适应社会发生的新情况和新问题，更不能满足银
行对信用风险进行科学量化度量和有效管理的需要。而现代金融理论的发展
和新的信用工具的创新，为开发新的信用风险计量模型提供了可能。与西方
商业银行的信用风险管理水平相比，国内商业银行还存在着很大的差距，尤
其在风险量化方面的差距。对于我国商业银行来说，内部评级仅仅处于起步
阶段，发展时间短且不规范，我国商业银行开发的内部评级系统更多的是用
于客户的筛选和风险的预警，尚未向更深层次的风险量化管理方向发展。所
以研究信用风险度量模型在商业银行中的应用就更加迫切和重要。
2006年12月31日是中国金融业入世保护期的终止日，我国金融体制改
革的步伐进程明显加快，单一国有控股的产权结构已经被打破。股改后，银
行所有经营管理活动都要努力实现股东财富的最大化，产权制度的变革给银
行风险防范提出了更高要求。因此，随着金融业开放程度的提高以及我国金
融体制改革步伐的加快，我国商业银行必须借鉴国际上比较先进的风险管理
经验，开发使用符合自身实际情况的信用风险管理模型。由于我国商业银行
业自身的经营环境，以及历史实践具有的特殊性，在引入国外信用风险模型，
有必要结合我国的实际情况，发展适合我国风险状况的信用风险度量模型。
1．1．2论文研究的目的及意义
对信用风险的准确度量和有效管理是商业银行提高风险的识别、评估、
预警、控制能力的前提。因此，精确度量信用风险是实现信用风险有效管理
的关键环节，对于商业银行具有巨大的意义：根据银行面临的信用风险水平，
可以及时采取措施调整银行的信用风险暴露；根据信用水平风险合理定价，
使银行因承受风险而得到合理补偿；基于银行承担的信用风险水平合理地安
排资本水平，以使银行资本得到优化配置。由于我国金融体制和银行业的改
2
哈尔滨工程大学硕士学位论文
革起步较晚，对信用风险的度量与管理的研究相对落后，银行经营监管方法
和手段也滞后于经济发展的要求，研究我国商业银行信用风险度量技术方法
和模型目前尚处在起步阶段。我国商业银行基于KMV模型的公司信用风险
度量模型结合我国的实际情况，对发展适合我国银行业的信用风险度量和管
理技术有其存在必要性，有利于我国商业银行在与国外同行的竞争中获得比
较优势。进而微观上有利于我国商业银行提升风险管理水平、增强抗风险的
能力，宏观上有利于我国整个金融体系的稳定和经济的健康持续发展，具有
十分重大的现实意义。总之，本文选题紧扣当前银行业和银行监管部门最为
关心、最需要解决的风险计量和管理问题，以违约率的测算为切入点，以KlVlV
模型为具体对象考察公司信用风险的识别问题，选题具有较强的理论意义和
现实意义。
我国的金融市场与其他国家的金融市场有着很大的差别，这也反映在信
用风险中。以现代金融理论和数理统计方法为基础的模型能够非常有效的控
制内部金融风险。而我国的商业银行对信用风险的度量还基本上处于定性分
析的阶段，对风险的控制仍然非常原始。信用风险既是传统的金融风险又是
最关键、最难以计量的风险，但长期以来，我国银行信用风险管理理念、技
术、手段落后，尤其是无法准确的计量信用风险的大小，无法确定贷款的违
约概率，违约损失。由于对信用风险的研究需要有大量详细准确的数据和资
料，所以对我国金融市场中的信用风险因素进行研究，收集我国自己的相关
数据，开发符合我国自身情况的信用风险管理模型，可以大大提高我国商业
银行风险管理水平和能力。有效的信用管理体系、技术与方法不仅可以增强
整个金融界的抵抗风险的能力，在某种程度上也是当今经济获得如此迅速发
展的一个重要因素。面对跨国商业银行的强大竞争压力，中国金融业必须尽
快提高竞争力。除了需要提高从业人员素质和相对落后的物质技术基础外，
金融风险管理能力和水平的提高也非常重要。本论文构建了商业银行的信用
风险管理体系，对于提升其风险管理的能力和水平，‘提高我国商业银行的竞
争力具有重要的意义。
3
哈尔滨工程大学硕十学位论文
1．2国内外研究现状
1。2．1国外研究现状
信用风险的各种评估方法之间有着或多或少的联系，所谓的传统方法是
指发展相对较早、较成熟的一些方法，而新方法很多是对传统方法或思想的
集成和发展，新方法与传统方法之间并不存在绝对的界限。根据分析技术和
方法的不同可将信用风险分析分为传统信用风险度量技术和现代信用风险度
量技术，两者主要的区别和判断标准主要是信用风险能否被单独剥离和定价。
从时间的表现形式上，20世纪80年代中期以前为古典信用分析方法，20世
纪80年代中期以后为现代信用分析方法。自1993年KMV模型推出以来，
国外学术界对KMV模型有效性验证基本上可以划分为两个阶段：从KMV
模型推出到2000年为第一个阶段，从2000年至今为第二个阶段。在第一个
阶段，关于KMV模型有效性验证技术性文件中基本上采用的是最简单也是
最直接的验证方法，即将KMV模型的预测结果与实际中发生的违约数据相
比较，大多数文件的研究结果表明KMV模型能够准确反映信用风险的高低，
并对信用风险具有很高的敏感性。到了第二阶段，国外学术界对模型的验证
寻找到了新的角度，并开发了多种验证模型有效性的方法和技术。从国外学
术界对KMV模型的系列有效性验证结果显示，该模型是有效的信用风险度
量技术。
1．传统信用风险度量方法
在20世纪80年代以前，度量和管理信用风险的方法主要是根据会计报表
提供的财务数据，主观地分析和评价借款人的信用质量。80年代，受债务危
机的影响，国际银行业开始高度重视信用风险的防范与管理。这个时期，测
度信用风险的方法主要有专家制度法(具体分为专家判别法和评级方法)与
统计模型方法(具体分为多元判别法、Logit矛1]Probit法、人工智能法等)。
Dutta和Shekhar(1988)第一个应用神经网络于债券信用评级，研究不同
4
哈尔滨工程大学硕士学何论文
数目的自变量及网络构架对等级分辨能力的影响，其预测准确率为76％至
82％之间，自此神经网络成为研究信用风险的主要方法之一。神经网络在信
用风险分析中的作用是通过其分类功能进行的，对于新的样本输入即一组影
响因素值，该模型可产生信用风险的判别。NN在信用风险评估中的应用类型
主要包括模式神经网络(MNN)、概率神经网络(PNN)、扩展的学习向量
量化器以及多层感知机(MLP)等方法。Altman，Marconi]Varetto(1994)
在对意大利公司财务危机预测中应用了神经网络分析法，与多元判别分析模
型相比，给出了令人鼓舞的结果。Malhotra(2002)采用了人工神经模型判
别系统(Artifical Neuro-Fuzzy Inference System)和多元判别分析法，对美国
个人贷款实证检验发现前者应用效果明显优于后者，而且前者具有多种相对
优势，弹性好，对数据质量容忍度高，能给出非线性函数。Huang和Hsnchun
(2004)通过对美国和台湾银行信贷数据对信用评级分析发现，采用神经网
络对信用等级变化预测准确率达到80％，但对不同地区的样本，变量会不同。
总之，神经网络对数据的分布要求不严格，也无必要详细表述自变量与因变
量之间的函数关系。神经网络的这些特性使之成为信用风险分析方法的一个
热点，其优点在于其特定的理论基础及对预测性变量(prediction variables)
之间相关性的挖掘，并把其作为附加的解释变量。
除了以上方法外，还有非参数方法也应用到企业违约预测上，如聚类分
析和K近临判别法。Lundy(1993)运用聚类分析方法对消费贷款申请人的
典型信用进行每类评分。Tang and Kiang(1992)运用K近临判别法进行实
证分析，但实证效果不如线性判别法。
2．现代信用风险度量方法
1993年，世界著名的信用风险咨询管理公司利用布莱克一斯科尔斯一莫顿
(Black-Scholes-Merton，即BSM)模型提出了著名的Credit Monitor Model，
并给出借款人的违约率测量方法，此后，·Longstaff和Schwarz(1995)对此
作了进一步的发展。1994年J．P．Morgan在其1987年信用转换矩阵的基础上，
提出了基于受险价值(Value at Risk，即VaR)的市场风险度量模型，即Risk
5
哈尔滨工程大学硕+学位论文
Metrics，在此基础上，1997年，J．RMorgan．联合当时世界一流银行和KMV
公司共同开发出信用度量术(Credit Metrics)，采用二阶段法度量信用风险；
此后，Jones and Mingo(1999)，Nyfeler(2000)，Forest and Kpmecpeat(2000)，
对此作了进一步解释和拓展。瑞士波士顿第一银行产品部(Credit Suisse
Financial Products，即CSFP)在1997年开发了源于保险精算学思想的信用风
险附加法模型。麦肯锡公司(1997)和Wilson(1997)等人利用基本动力学
的原理开发出信贷组合观点(Credit Portfolio View)，从宏观经济环境的角度
来分析借款人的信用等级变迁，建立了麦肯锡模型。该模型建立的思想源于
宏观经济对企业信用评级变化有较大的影响。死亡率模型：Altman and Suggitt
(1997)开发出贷款和债券的边际和累计死亡率表，即死亡率模型。该模型
认为各项贷款违约相互独立，即不存在相关效应和连锁反应，相同信用等级
的贷款违约情况相同，而不同贷款类型的违约下的损失率不同且相互独立，：
但同一贷款类型的违约下的损失率基本相同，这些与信用度量术有相同之处。
事实上，该模型是用历史数据统计不同信用等级下贷款的边际死亡率和累计
死亡率，所以该方法比较容易理解。但应用也存在较大难度，主要是对数据
量要求很大，许多单个商业银行无法提供如此大的数据库，如对有7个信用
等级的损失进行比较精确测算，则样本要达到7万多个，这对一般商业银行
是不可能的。KPMG公司(1998)，Belkin(1998)和Crouhy and Mark(1998)
在借鉴Harrison and Kerp(1979)，Harrison and Plisk(1981)，Litterman and Iben
(1989)，Ginzberg and Maloney and Wilner(1994)等人研究的风险中性成果
的基础上提出了贷款分析系统(Loan Analysis System，即LAS)。Delianedias
and Geske(1998)通过期权定价模型进一步发展了LAS模型。该模型利用
的是风险中性原理，风险中性的评估框架不仅为违约预测，而且也为贷款估
值提供了有价值的工具。这种估值模型与贷款估值的多项式树状模型类似，
只是用迁移概率代替利率迁移的概率，并且也只考虑了违约和非违约两种上
市公司信用风险度量状态。以上介绍的几种信用风险度量模型即为通常所谓
的现代信用风险度量模型。
6
哈尔滨丁程大学硕士学位论文
1．2．2国内研究现状
1．传统信用风险度量技术方面
判别方法是很早的一个风险评估方法。王春峰、万海晖和张维(1998)
采用多元判别法分析了我国55个训练样本违约风险，总的判别正确率达到
90％。宋秋萍(2000)则直接采用美国Altman’的Z-score模型对中国6家公
司进行了预测分析，由于两国会计准则有一定的差距，用美国公司财务数据
建立的模型并不一定适用于对中国公司的信用风险预测，从国内企业的财务
数据中提炼出特征指标，建立判别函数则更为务实。’施锡铨、邹新月采用典
型判别法对128个训练样本(上市公司)的违约分析总的正确率达到93％。
张玲、曾维火(2004)采用Z-score模型对我国上市公司进行违约预测分析，
也收到较好的预测效果。王春峰、万海晖和张维(1998)采用对我国55个企
业样本贷款违约风险的分析表明，Logit模型优于线性判别法。马九杰、郭宇
辉、朱勇(2004)对75个中小企业训练样本违约行为采用Logit分析表明，
判断正确率超过70％，．并且认为企业财务状况和企业家个人特征对企业违约
行为有显著的解释力，而贷款条款影响很小，而且贷款担保对减轻信用风险
并无帮助。于立勇、詹捷辉(2004)采用Logit向前逐步判别法对51个企业
贷款训练样本的分析表明该方法预测准确率较高，是个较为理想的判别分析
工具。章忠志、符林、唐焕文(2003)对28个训练样本构建了人工神经网络
模型，实证的判断正确率达到90％以上。于立勇(2003)采用神经网络方法
对100个企业训练样本的违约测试表明该方法比较有效。徐佳娜、西宝(2004)
采用人工神经网络信用风险评估技术与层次分析法相结合，结果表明该方法
对提高判断正确率有一定的改善作用。张爱民、祝春山、许丹健(2001)用
主成分方法对80个训练样本(上市公司)的财务失败进行了实证研究，表明
该方法对企业经营失败前3年的判断正确率分别达到了92．5％，87．5％，
77．5％。梁琪(2003)利用主成分方法对142家上市公司训练样本经营失败
预测研究，正确率达到85％。詹原瑞、张建龙(2004)分析了VaR模型，认
7
哈尔滨丁程大学硕士学位论文
为该模型能够在减少损失的情况下，同时减少标准差、受险价值、条件受险
价值等重要风险衡量指标。
2．现代信用风险度量技术方面
梁世栋、李勇和方兆本(2002)简要地介绍了信用风险度量术、风险附
加法、信贷组合观点等模型，‘但没有分析如何使用这些模型来测算贷款损失。
沈沛龙、任若恩(2002)对现代信用风险度量模型和方法进行了5个维度的
范式比较分析。程鹏等(2002)系统分析比较了市场上主要的信用风险度量
和管理方法。张玲、张佳林(2004)分析了现代信用风险度量方法的发展趋
势。此外，国内还翻译了国外一些专著，如安东尼·桑德斯著、刘宇飞译的
《信篇风险度量——风险估值的新方法与其他范式》，该专著主要介绍了现代
信用风险度量模型；约翰·B·考埃特著、石晓军译的《演进着的信用风险
管理一金融领域面临的巨大挑战》，这两部专著除了介绍了现代信用风险度量
模型，还对模型的使用作了较为详细的介绍l¨。匿前，国内对现代信用风险
度量模型实证的文献很少，较多的是对KMV的违约分析。杨星、张义强
(2004)利用KMV模型对我国144个上市公司进行违约测试分析，表明该
模型有一定的适雳性。石晓军、陈殿左(2004)利用信用监测模型对我国72
家上市公司违约分析表明该模型应用效果并不理想，不适合我国。针对违约
率的研究，文忠桥等(2。02)对违约率进行了深入研究，张丽红(2004)结
合上海市贷款企业资信等级评估工作的实践，根据图外违约率统计的建设情
况，探讨建立国内贷款企业资信等级违约率统计的可行路径，肖北溟(2004)
在通过因子分析和聚类分析等方法构建了我匡商业银行的内部信用评级模
型，林利红(2004)介绍了基于期权定价理论违约率模型及其在中国的适用
性，并以sT厦华为例，探讨了信用风险度量的实际操作。针对违约损失率
(交易对手一旦违约可能造成的损失程度)的研究，陈忠陌(2004)从违约
损失率(LGD)的性质特点、在资本监管框架中和在银行内部评级和管理中的
作用、影响LGD的因素、量化LGD的方法以及对我国的启示等方面第一次
系统地研究-y LGD。
8
哈尔滨工程大学硕士学位论文
2002年和2003年，韩立岩和郑承利分别提出EDF违约预测模型中固定
违约点的缺陷，建议在EDF模型基础上采用模糊随机方法对公司违约预测进
行探讨，将违约点模糊化，以模糊事件表示违约，从而修改确定公司股权价
值的期权公式，进一步得到违约概率预测，并通过案例分析表明他们提出的
模糊方法是可行的。鲁炜、赵恒衍和刘冀云(2003)在研究中利用中国股市
的数据，利用固定增长模型的FCFF(自由现金流量)计算模型中的两个关
键参数：公司资产价值和资产价值波动率，并利用1986年广义条件异方差模
型GARCH(1，1)计算另一个参数：股权价值波动率，最后用一个两参数
的Weibull方程分别来描述资产波动率和股权价值波动率的关系函数。现有
的研究成果主要通过对原有模型结构的分析提出理论上的修正方案，在上市
公司资产市值和资产市值波动率计算方程方面研究出了一些新的函数关系，
但是在大部分研究中仅使用了一个样本对新建立的函数关系进行了验证，目
前并没有广泛的实证研究证明调整后的函数关系是普遍有效的，因此还需要
利用我国市场上的上市公司样本对调整后的EDF模型的风险揭示能力进行
进一步的研究和论证。
我国学者从1998年开始关注KMV模型，早期的研究仅仅局限于对KMV
模型的理论基础和模型框架的介绍与分析，对模型的实证分析则在最近几年
内才开始形成的。对模型的有效性验证可分为两类：一类是不修正的KMV
模型，直接利用国内的样本数据进行验证，通常按照KMV模型的基本框架
并利用国外研究的模型和关系函数，以我国上市公司为样本，验证该模型的
有效性。有的以一家上市公司为样本，有的以多家上市公司为样本，并将其
划分为不同的类别，如划分为绩优股、绩差股和高科技股(吴冲锋，2002)；
另一类则在修正KMV模型的基础上，再利用国内的样本数据进行验证，以
探求在我国的具体适用性。认为KMV模型已经被证明是很有效的信用风险
度量技术，并且在国外应用非常广泛，但必须根据我国上市公司的自身特性，
对KMV模型进行改进和修正以建立适合我国的模型。如陈东平，孙明(2007)
提出了贷款不良率与违约距离的函数关系。
9
啥尔滨工程大学硕士学位论文
综上所述，我圜目前对传统信用风险度量方法的研究和实践总体上是比
较多的丽且涵盖了几乎所有的传统方法，但主要是采用已有的方法对我国企
鲎进行实证分析，焉对现代信餍风险度量技术和模型研究尚处在起步阶段，
对我国商业银行信贷数据的实证研究相对匮芝。关于我囡商业银行风险管理
体系的研究也是信用风险管理的一个重要方面，李宗怡(2000)介绍了美国
大银行的内部评级体系，阐述了不同评级体系的设计和评级体系的效率之闻
的关系；梁琪、黄鹂皎(2002)从风险识别、组合量化度量、控制和绩效评
估入手，探索了我囡商业银行信用风险管理的体系；武剑(2003)从银行业
界的焦度讨论了我囡商业银行的行监风险与信用管理，’并结合国际金融枧构
的先进技术与管理理念，分析了新形势下加强银行风险管理的策略与途径。
{。3论文的研究思路及内容
1．3．1论文的研究思路
本文以商业银行对上市公司的信用风险壁化管理及KMV模型为主要研
究对象，通过分析KMV模型，试图使其适用于我国商业银行的风险管理，
并对上市公司进行信潮风险度量，并通过实毫逶研究，对英结果加以分析，说
明KMV模型适合我国信用风险管理现状，在我国将会有非常光明的发展前
途。
1．3．2论文的研究内容
在文章鲍结构安排上，本文以6章的篇幅进行阐述：
第1章为绪论，阐述了论文选题的背景、意义，国内外商业银行信用风
险防范的研究现状，以及本文的研究思路、研究内容、研究方法以及研究的
创新之处。
第2章主要对信用风险模型的基本内容进行了较为详细的讨论，包括信
10
哈尔滨工程大学硕+学位论文
用风险的定义、分类和度量方法，着重介绍了传统信用风险模型和现代信用
模型基本理论，计算步骤和优缺点。
第3章主要论述了KMV模型的理论框架和适用性。阐述了期权定价模
型、贷款与期权之间的关系，并论述KMV模型的基本框架、核心思想；KMV
模型在我匡商业银行度量上市公司信用风险中的适用性，从一般性和在我国
的适用性两方面阐述了模型的优缺点，并讨论了模型在我囡商业银行中的适
用性。
第4章主要论述模型在商业银行风险管理中的应用问题，包括应用KMV
模型的具体操作，KMV在授信风险测度中的应用及EDF计算和在商业银行
中的斑雳：包括预期违约率测算、银行内部评级违约率测算、银行贷款定价
中的应用。
第5章以KMV模型为基础，通过对上市公司和非上市公司的不同分析，
对上市公司的数据对模型傲了实证分析，计算出各留的违约距离和理论违约
率，并对计算结果进行分析；并提出了非上市公司的KMV模型。
最后，对模型的应用提出了建议并展望未来的应用前景；由于我国上市
公司违约数据不足，因丽无法构建预期违约率与违约距离的映射关系，本文
实证分析所得到预期违约率是理论上的违约率，虽然不能真实刻画上市公司
的真实违约率，但可以用于比较同一类上市公司的违约率。随着KMV模型
的不断完善，我国资本市场不断完善，股权分置改革的全面解决，上市公司
违约数据库的不断充实，最终将会在商业银行对上市公司风险管理中得到应
用。
哈尔滨工程大学硕士学位论文
二jI』二j二j二j二jIj二jIjI￡I』jjl』IjIj二二IjIjIj二I』二jjj二≥
j二：二：二：二：二：二：_二：二：二：二：二：二：二：-
图1．1论文结构图
12
哈尔滨T程大学硕士学位论文
4论文的研究方法和创新之处
4．1论文的研究方法
本文主要采用规范的理论与实证研究相结合的方法，在深入分析模型理
论的基础上，分析KMV模型在商业银行风险管理中的应用研究，并提出相应
的政策建议以及展望模型未来的应用前景。在具体研究某个问题时，运用了
实证分析与规范分析相结合、定性分析和定量分析相结合、比较分析与模型
分析相结合等多种不同的研究方法。‘
·
1j历史分析和比较分析相结合。在介绍新协议的逻辑演进时，则运用了
历史分析、比较分析相结合的方法，使我们对新协议有一个较清楚的把握；
调查国内商业银行的信用风险管理状况，并在此基础上进行与国际活跃银行
在资本充足率、不良贷款率等指标的风险管理状况进行比较，分析出我国商
业银行信用风险管理的不足及信用风险形成得特殊原因。
2．理论分析与模型分析、实证分析相结合。根据巴塞尔协议、信用风险
管理理论、标准法及内部评级法探讨我国商业银行在新巴塞尔协议下信用风
险管理，对信用风险进行计量时，则采用了模型分析的方法并通过一个实例
进行检验分析，以此增强理论分析及其结论的可信度和有效性。
3．定性分析与定量分析相结合。定性分析国内商业银行的信用风险管理
状况，并在此基础上进行与国际活跃银行在资本充足率、不良贷款率等指标
的风险管理状况进行比较，分析出我国商业银行信用风险管理的不足及信用
风险形成的独特原因。
具体的研究方法是：收集国内外文献资料，尤其是KMV模型理论架构、
核心思想以及最新的研究所取得进展和成果。在深入分析KMV模型风险度量
的思想和技术基础上，结合我国的现状，提出模型参数估计方法。定性与定
量方法相结合。数据来自于证券市场交易行情和上市公司公布的财务报表，
在研究中采取了定性与定量相结合的方法。实证研究。深入剖析KMV模型度
哈尔滨1_程大学硕士学位论文
量方法、理论和模型，采用时间序列数据计算股权波动率，采用截面数据计
算违约距离和预期违约率，验证KMV模型的有效性。
1。4，2论文的剑新之处
本文的创新之处体现在：
1．扩展了KMV模型的应用领域，如把KMV模型应用于银行贷款定价，
银行内部信用评级和预期违约率的测算，使KMV模型与商业银行的风险管
理相适应，为商业银行风险管理开拓了新的思路。
2．本文实证过程中总共选取了4个上市公司的股市数据计算各自违约距
离，并比较了KMV模型对上市公司个体信用风险的识别能力的大小。通过
实证研究，对其结果加以分析，说明KMV模型适合我国信用风险管理现状，
在我因将会有非常光明的发展前途。
14
哈尔滨工程大学硕士学位论文
第2章相关理论综述
2。{信用风险基本理论
对风险的理解有多种形式，普遍认为风险就是不可预测的结果的不确定
性，在金融风险管理中一般指资产或负债的不确定性。任何一个公司都会面
临着三种风险，即经营风险、战略风险和金融风险。而信用风险是在金融市
场中可能发生的损失。根据金融市场中不同金融变量对金融产品的不同影响，
金融风险又分为市场风险、信用风险、流动性风险、操作风险、法律风险等
等。从发生的可能性及对金融机构产生的影响来看，又以信用风险的影响最
大。
2．1。1信用风险的涵义
信用风险(Credit Risk)的一般定义是因银行交易对手未能在未来一定
时期内履行合约丽造成经济损失的风险，萁风险度是通过对方违约时重置的
现金流来衡量的。对信用风险的理解有广义和狭义之分。狭义的信用风险通
常是指信贷风险实际上是一种违约风险，一般是指借款入到期无力或或不愿
履行还本付息协议，致使银行等金融机构遭受损失的可能性。这种损失包括
预期损失、非预期损失两部分。广义的信用风险是指因所有客户质量恶化引
起的风险，如表外业务中的对手违约引致或有负债进而转化为表内负债等。
2004年6胃公布的《巴塞尔新资本协议》中，对信用风险的定义为：银行的
借款者或交易对手不能承担事先约定条款的偿还责任的一种不确定性|2J。
传统的观点认为：信用风险就是信贷风险，邵借款入或交易对手未能如
期偿还债务两造成的违约进而为经济主体经营带来的风险。传统的信用风险
主要来源于银行的贷款业务。但由于银行的贷款流动性较差，缺乏像一般的
有价证券那样活跃的二级市场，银行对贷款资产的价值主要是按历史成本焉
15
哈尔滨工程大学硕十学位论文
不是按市价的方法衡量。银行形成的一笔贷款要一直持有到贷款到期，只有
当违约实际发生后才在其资产负债表中作楣疲的调整。所以传统的信用风险
主要是指贷款到期违约的可能性。随着对信用风险研究的不断深入，信用风
险的定义也发生着相应的变化。现代意义上的信用风险是指因信用质量下降
恧导致债务价值降低或由于缔约方不愿意或不能够履行他们的合同义务丽导
致损失的风险。也就是说，应将信用风险视为由于借款者或市场交易对手违
约而导致损失的可能性，只有这样才能更好的反映现代金融风险环境发展和
变化的特点。因此，信用风险还应该包括由于借款者的信用评级的变动及履
约能力的变化致使其债务的市场价值变动而导致损失的可能性，对它的度量
是通过信用质量的变化而弓|起的金融产品的价值的变化来进行。基于信用风
险产生的影响可能会涉及到社会经济生活中的各个不同层面，信用风险所包
括的内容也应该尽可能的涵盖到这些不同层面的风险，包括贷款者本身、借
款者本身、其链借款者、其链贷款者乃至整个社会所面临的可熊导致损失的
可能性。因此，对现代意义上的信用风险的理解，应该不仅仅是指直接的风
险，也是指间接和潜在面临的风险。20世纪90年代以来，市场风险量化管
理技术飞速发展，特别是VaR法的快速发展，组合管理的观念被弓l入信用风
险管理。从组合投资的角度出发，投资组合不仅会因交易对手(包括贷款借
用入、债券发行者和其他交易合约的交易对手)的直接违约而发生损失，而
且会因交易对手履约可能性的变化影响组合投资损失的大小。一方面，许多
影响交易对手信用水平事件的发生，如信用等级降低、投资失败、盈利下降、
融资渠道栝竭等会导致箕所发行的债券或股票价格下跌，从而给投资者带来
风险损失；另一方面，现代资产估价和风险衡量技术的发展也使得贷款等流
动性差的金融产品的价值能得到更恰当和及时的衡量，因信用事件发生造成
对资产价值的影响酉以及时地在资产估价中得到及时反映。如在信用衍生产
品交易市场上，这种纯粹信用产品的市场价格是随着借款人的还款能力不断
变化的，因采取盯市的方法，借款人的还款能力和信用状况变化也会随时影
响贷款人资产翡价值，、而不仅仅只在违约实际发生的时刻。所以，现代意义
16
晗尔滨=r程大学硕士学佗论文
上的信用风险应包括由交易对手直接违约和交易对手违约可能性变化而给投
资组合造成损失的风险。本文研究豹信用风险，是指客户违约的风险，也就
是客户不能履行其现有合约义务的风险。违约造成交易对手(一般是银行)
全部载部分支付金额的损失。信用风险还包括由于借款人的信用评级变动和
履约熊力的变化导致其债务的市场价值变动蕊引起损失的可能性；在研究的
范畴上，所讨论的信用风险仅指借贷风险；信用主体们{V限于氽业，困家和
个人的信用风险不在本文研究范围之内。
2．1．2信用风险的特征
信用风险作为商业银行的主要风险，具有与其他风险不同的特征：
1．道德风险在信焉风险形成中具有重要作用。贷款等信用交易存在明显
的信息不对称现象，即交易双方掌握的信息是不对等的。～般情况下，借款
人占有更多的交易信息而处于有利地位，放款人掌握的信息较少而处于不利’
地位，从蠢会产生所谓道德风险问题。这也是信用风险形成的一个重要原因。
2．信用风险的非正态概率分布特征。通常认为市场风险的概率分布可以
被假定为正态分布，而信用风险的分布却与此不同。对于无抵押贷款，其风
险特征是在贷款安全收墨(通常可畿性较大)的情况下，放款人获褥正常的
利息收益，但一旦风险转化为实际损失(通常可能性较小)，这种损失就比利
息收益大得多。这种收益与损失不对称的风险特征使得信用风险的概率分布
发生倾斜，并在左侧出现肥尾现象。
3．信用风险的观察数据少且不易获取。首先，贷款等信用产品的流动性
差，缺乏二级交易市场；其次，信用产品一般不采取盯市法，通常在贷款违
约发生前采用账面价值，其价格数据难以及时反映信用风险的变化；最后，
贷款的持有期限一般较长，即便到期出现违约，其频率也远比市场风险的观
察数据少。
4．信用风险具有明显的非系统性风险特征。尽管借款人的还款能力也会
17
哈尔滨工程大学硕士学忙论文
受到诸如经济危机等系统性因素的影响，但多数情况下还是取决于与借款入
明确相联系的非系统性因素蕊影响，翔贷款投资方向、借款人经营管理能力、
借款人财务状况甚至借款人还款意愿等等。’
5．信用风险承担者对风险状况及其变化难以了解。信息不对称的弱一个
结果表现为授信对象信用状况的变化不如市场价格变化那样容易观察，因丽
投资者(放款银行)对信用风险的了解不如对市场风险那样及时、深入。授
信者对受信者信用状况及其变化的了解主要有两条渠道：一是通过长期业务
关系，自己掌握的有关信息；二是外部信息评级机构公布的评级信息。然而
这两条渠道都有很大的局限性，前者明显受到自身业务范围的局限，而后者
只能覆盖有限的大企业，丽对于众多中小公镒则不能提供檩应的信用评级信
息。
2。2传统信用风险度量方法与现代信用风险度量模型
2。2．1专家方法
该方法的主要特点是对信贷专家的专业能力、主观判断等因素依赖较强。
该方法是晷翦金融李凡构主要的信用风险定性分孝厅方法之一。专家方法的主要
特征就是：银行信贷的决策权是由该机构中那些经过长期训练、具有丰富经
验的信贷人员所拿握，并由他们做出是否贷款的决定。因此，在信贷决策过
程中，信贷人员的专业知识、主观判断以及对某些关键因素的权衡是决定因
素。其中具有代表性的有5C法和贷款五级分类模型。
5C法主要评价借款入的五个方面。一是借款人的品格(Character)，指
借款人的品质和信誉；二是借款能力(Capacity)，指借款人的经营能力和对
所借资金合理使用获取利润的能力；三是资本(Capital)，指借款人长期资
金的数量与结构；鋈是担保物(Collateral)，指用作还款物担保的合格抵押
品；最后是环境(Condition)，指企业自身经营状况和外部经营环境【3】。前4
18
哈尔滨二r程大学硕士学位论文
个C主要针对借款人个人微观特征而言，第5个C针对宏观经济条件即经济波
动周期瑟言。通过对企业这5个方面瓣分析来判断其信用程度并决定是黉给予
贷款。贷款五级分类模型起源于美国货币监理署(OCC)开发的评级系统，
是目前许多商业银行使用的信用风险评估方法之一。该方法将贷款分为5级：
正常、关注、次级、可疑和损失，冒前国际上有一些金融机构将贷款分得更
细，分为9级或10级。尽管现在很多银行仍然使用专家分析法，但是该类方法
面临着一致性和主观性两个重大挑战。对于相似的借款者，不同的信贷负责
人可能运用完全不同的标准得出不同的评价结果，而且他们评判时易受感情
和外界因素干扰，做出偏差较大的分析。因此近年来金融机构已经逐渐放弃
纯粹定性分析的专家分析，在此类方法中期入越来越多的客观定量分析。
尽管专家方法在银行的信用分析中发挥着积极的重要作用、然而实践却
证明它存在许多难以克服的缺点和不足，主鼗表现在： (1)要实施专家方法
需要相当数量的专f了信用分析人员，隧着银行业务量的不断增加，其所需要
的相应信用分析人员会越来越多，这必然给银行带来成本问题和冗员问题。
(2)专家方法与银行在经营管理中的官僚主义方式紧密相联，大大降低了银
行应对市场变化的能力。(3)在专家方法下，信贷决策依靠的是银行信贷专
家的经验和主观判断，因此这种方法主观性太强，实施的效果很不稳定。综
上所述，该方法只能作为～种辅助性信用分析工具。
2．2．2信用评级模型
该类方法以评价对象的财务比率为解释变量，运用数理统计方法建立回
赔模型，以模型输出的信用分值或违约概率与基准值比较，度量评价对象的
风险大小。目前这类模型的应用最为有效，也被国际金融业和学术界视为主
流方法。此类方法主要包括多元判别分析模型、线形概率模型、Logit模型和
Probit模型等。
1．多元判别分析模型
19
哈尔滨工程大学硕士学位论文
多元线性判别模型是根据观察到的一些统计数字特征，对客观事物进行
分类，来确定事物的类别。它的主要特点就是，从若干表锈评价对象特征的
财务比率中筛选出能提供较多信息的变量建立判别函数，推导出错判率最小
的判别模型，然后对研究对象所属类别进行判别。多元线性判别模型的关键
在于建立判剔函数。冒翦建立判别丞数的方法有Fisher券]别准则和Bayes判别
准则。判别分析方法的优点是可同时考虑多项财务指标作比较能够衡量企业
的整体绩效，找出具有判剐能力的财务比率，缺点是判别分析需要变量符合
正态分布假设(焉财务比率并不符合)、分析结果仅能作分值高低排列、模
型无法处理非线形情况、变量的选取没有理论基础可能导致选择偏差从而对
分类能力造成影响。
2．线性概率模型、LogitTfllProbit回归模型
线性概率模型以评判对象已知的信用状况为因变量，多个财务比率为解
释变量代入线性回归模型，透过最小二乘法圈归得斑各解释交量与企业违约
概率之间的相关关系建立预测模型，然后运用模型预测企业未来违约概率该
方法可以解决自变量不服从正态分布的问题，模型使用时不需要转换，容易
使用，但是模型预测的概率彳吉计值可能落在区闯(O，1)之乡}，不符合概率
理论，目前此方法已经很少使用。为了改进线性概率模型的预测值落在区间
(O，1)之外的缺陷。后续学者便假设事件发生的概率服从某种累积概率分
布，使模型预测值落在0与1之间。若假设事件发生的概率服从累积Logistic分
布，则称为Logit模型，若假设事件发生的概率服从累积标准正态分布，则称
为Probit模型。Probit和Logit模型采用一系列财务比率预测公司破产或违约的
概率，根据风险偏好程度设定风险警界线，以此进行信用风险定位和决策。
Probit模型的基本形式与Logit模型相同，差异仅是用于转换的累积概率函数
不同，前者为累积芷态概率函数，后者为b西stic概率函数l引。
尽管以财务数据为基础的多元信用评分模型在世界上已经得到广泛的应
用，但这些模型在商业银行风险管理中的具体应用至少存在以下缺陷： (1)、
模型主要以会计账面价值为基础，丽会计数据是离散而毒≥连续的，因此难以
哈尔滨工程大学硕士学位论文
发现信用评价对象经营状况中细微、快速的变化；(2)模型只是经验上的拟
合，缺乏严密的理论基确。
2。2。3神经网络模型
人工神经网络(Neural Networks)是一种具有模式识别能力，自组织，
鱼适旋，自学习特点的计算机制，它的知识编码于整个权值网络，呈分布式
存储且具有一定容错能力。神经网络是从神经心理学和认识科学研究成果出
发，应用数学方法发展以来的一种并行分布模式处理系统。神经网络分析试
探性地发掘出解释变变量之间的隐含关系，然后把具有解释能力的变量输入
非线性模型，从而优化模型的预测能力。人工神经网络模仿人脑和神经系统
的结构，具有类似人脑功能的若干基本特征，具有大规模并行处理、自学习，
自组织、自适应能力，能独立处理复杂的非线性问题，神经网络应用予企业
信用风险的评判包括学习和预测两个过程，不限定于严格的前提假设条件。
神经网络对数据的分布要求不严格，也不必要详细表述蜜变量与因变量
之间的函数关系。人工神经网络的这些特性使之成为信用风险分析方法的一
个热点。人工神经网络在信用风险分析的作用是通过人工神经网络的分类功
能进行的，霹首先找出影响分类的一组因素，作为入工享孛经网络的输入，然
后通过有导师或无导师的训练形成人工神经网络的信用风险分析模型。对于
新的样本输入(郎～组影响因素值)，该模型可产生信用风险的判别。主要包
括模式神经网络、概率神经网络、扩展的学习向量量化器、多层感知机等方
法。统计模型的突出优点是模型的估计和使用相对比较简单，容易得到较为
～致翡评级结果， 主要体现在：(1)不完全依据对问题盼经验知识和规则，
具有翻适应功能，对于弱化权重确定中的人为因素十分有益。(2)能够处理
有噪声或不完全的数据具有泛化功能和很强的容错能力。(3)能处理复杂的
非线性关系闯题。但存在的闻题也比较明显；(1)该模型是经验性的其中遵
循了“好用”的原则，因而很难对模型的经济意义作出解释。(2)统计模型主
21
哈尔滨：【=稃大学硕+学位论文
要采用当前时点的会计数据，因而模型所反映的统计关系有可能随着经济周
期的变化丽发生变动，因此在使用时必须加以验证。(3)寤于输入变量主要
是一些定量指标，从而未能对定性信息作出全面的评估。(4)统计模型所反
映的统计关系也可能因行业而异，因而在使用时可能需要分行业对模型作出
相应的估计。尽管存在一些遗憾，神经网络方法作为一f-】崭新的信息处理科
学方法仍然吸引着众多领域的研究者。
2。2．4基于VaR的Cred i t Metr i CS模型
Credit Metrics模型痰用VaR分析框架对信贷资产进行信用风险度量和估
价。VaR是指在给定的置信水平下一定时间内资产可能遭受的最大损失。因
此，模型的关键在于估算给定时期内，单项贷款或其组合价值变化的区域概
率分布。模型的主要输入参数是风险暴露大小、信用等级转移矩阵、资产收
益率之间相关系数、远期收益率以及违约时信贷资产的回收率，模型的输出
结果是信贷资产组合(搀VaR值。
Credit Metrics模型的主要优点有：(1)较为充分地考虑了宏观经济环境
对信用等级迁移的影响，而不是无条件用历史的信用等级迁移矩阵。(2)模
型采用了前瞻性的VaR观点，因此该模型应该被看作是信用度量术的枣}充。
(3)模型在商业银行风险管理中的应用研究它克服了由于假定不同时期的转
移概率是静态的和固定的而引起的一些偏差。主要不足之处在于：(1)模型
假设相同售髑级别中信用风险的同质性，实际上，不仅不同行业和不同国家、
地区对迁移概率产生影响，而且不同的宏观经济环境也会影响迁移矩阵。(2)
关于信用等级转换，存在很多技术困难，导致准确性降低。(3)关于贷款的
估价由于三个输入变量的不确定性而直接影响到VaR的大小和准确性。(4)
该模型假设信用等级的转换概率在不同的借款人之间以及在商业周期不同阶
段之闻都是稳定的，这与现实是不符合的。实证结果表麓，降级或违约的概
率在经济不景气时期要比经济繁荣时期明显地增大。
哈尔滨工程大学硕十学位论文
2．2．5基于宏观经济变量的Credit Portfo|iO VieW模型
麦肯锡(Mckinsey)咨询公司，于1997年开发了一个用于衡量和评价违
约风险的宏观经济模型-Credit Portfolio View。Credit Portfolio View模型主要
基于这样一个认识：信贷资产的违约概率、迁移概率是与经济周期相关联，
在经济周期的低迷期时降级和违约的概率将会变大，而在经济周期的高涨期
时降级和违约的概率将会变小。在该模型中，将违约概率看成一系列宏观经
济变量如失业率、经济增长率、。长期利率水平、．汇率、政府支出等的函数。
通过模拟和构造在不同的宏观经济形势下，该模型得到一个国家不同产业不
同信用等级的信贷资产违约的联合条件概率分布和迁移概率，进而分析不同
行业的不同信用等级的信贷资产的信用风险程度。该模型将违约及信用评级
转移概率与利率、经济增长率、失业率等宏观经济变量联系在一起。该模型
的主要思想源于保险(特别是火险)精算学，即损失决定于灾害发生的频率
和灾害发生时造成的损失或破坏程度。精算思想可用于贷款信用评价，是因
为贷款组合的损失分布可以综合反映贷款发生违约的频率和严重程度。模型
主要输入参数有信用风险暴露、债务人的违约率均值、债务人违约率的波动
率和债务回收率等。
Credit Portfolio View模型的主要优点有：(1)较为充分地考虑了宏观经
济环境对信用等级迁移的影响，而不是无条件用历史的信用等级迁移矩阵。
(2)模型采用了前瞻性的VaR观点，因此该模型应该被看作是信用度量术
的补充。(3)模型在商业银行风险管理中的应用研究它克服了由于假定不同
时期的转移概率是静态的和固定的而引起的一些偏差。主要不足之处在于：
(1)它忽视了利率的随机期限结构会在长期内影响信用风险头寸，它假定风
险头寸是事先确定的常数。(2)模型忽略了具有非线性信用风险产品，如期
权等。(3)在模型中，违约概率依赖于一些随机变量，模型未解释风险头寸
的变化与这些随机变量的关系。
哈尔滨T程大学硕十学位论文
2．3我国商业银行信用风险衡量与监测的概况
2。3。1我国商业银行信用风险管理现状
2006年底发达匿家许多大银行将开始执行《新巴塞尔协议》。我圜银监
会表示届时我国不会马上执行新协议，而是执行银监会2004年2月发布的《商
业银行资本充足率管理办法》吲。但这并不意味着我国对《新巴塞尔协议》
持拒绝态度，事实上，银监会制定的该办法借鉴了新老资本协议的内容，并
包括了新协议的第二支柱和第三支柱，构建了相对完整且符合我国实际的监
管框架。同时，各家商业银行，如工商银行、建设银行、中国银行、交通镊
行等早就开始研究新协议的相关标准，
型做了大量的准备工作。
并为建立新协议下的信用风险评估模
我国商业银行的收入结构中以贷款利息收入为主，至2006年末，中国银
行、中国建设银行、中国工商银行三家国有银行和五家上市银行的营业收入
中，传统的贷款利息收入约占66．3％，债券投资收益约占17．9％，金融企业往
来收入约占营业峻入的7。8％。三项合诗约占营业收入的92％。中间业务收入
目前在我国商业银行的营业收入中的比重仍然较小，据估计，我国商业银行
以中间业务收入为主要内容的非利息收入仅占营业收入的1l％一12％左右，
中闻业务尚处予起步探索阶段，远不是剩润的重要来源，随着金融深化和各
商业银行的重视程度的提高，中间业务收入及其在总收入中的比重将会不断
增长泌l。因此，不论从目前还是从今后相当长的一段时间内，贷款占总资产
的比重都会占相当大的比例，我国商业银行的信贷风险管理极其重要。从银
监会披露的商业银行的不良贷款情况来看，我国目前商业银行的信贷风险管
理虽有所进步，但与世界性商遭银行的差距十分明显，我国国有商业锻行的
不良贷款问题还是相对比较严重的，股份制商业银行情况要好很多，囡内银
行比外资银行的信用风险管理明显逊色很多，同期，花旗银行和汇丰银行的
不良贷款率分别只有2．4％和2。8％，国肉商业银行的信用风险管理水平鲎需提
哈尔滨工程大学硕士学位论文
高，以适应激烈的市场竞争。如果以国际流行的“不良贷款／GDP"这一指标
来衡量我国银行体系豹脆弱性，警前我星银行业的这一指标约为12％左右，
比这几年深受银行坏账困扰的日本(其不良贷款／GDP为10％左右)还高问。
2．3。2我国商业银行信用风险管理的存在的问题
这些年来，我国商业银行不断向国外先进商业银行学习。，弓|入先进的计
量模型和管理方法，如中国银行就购进了KMV模型，在信贷风险管理方面取
得了较大的进展，从今年的不良贷款的减少情况就可以一见端倪。雷前我国
大部分商业银行都形成了信贷业务的审贷分离制，弓l入了内部信用评级体系，
开始建立相关的数据库，‘越来越重视贷前风险的识别和度量，以减少发生坏
账损失的可能。这几年来，我黉的个人信贷业务不断发展，信用卡，往房、
汽车贷款等业务已经成为各商业银行利润增长的重要源泉，这就要求商业银
行加强对个人信贷的信用风险管理工作，由于我国还没有形成社会信用体系，
个人信用状况的可得数据院企业更少，这在～定程度上加大了信用风险管理
的难度，现在各商业银行也开始建立对个人信用的管理体系，同时也涌现了
一批独立机构从事这方面的工作。虽然中国大部分商业银行近些年来逐步建
立起内部信用评级系统，在信贷风险管理上取褥了～定麴进步，但与圈际性
大银行相比，中国商业银行内部评级不论是在评级方法，评级结果的检验、
运用，还是在评级工作的组织等方面都存在着相当的差距，从两极大地限制
了内部评级在揭示和控制信用风险方面的作用。主要表现在以下几个方面：
1．评级方法依然过于倚重于专家经验，风险揭示不足
西前，我国商业银行贷前风险度量技术主要以定量与定性结合的分析的
信用评级方法为主，专家的经验判断为基础，即信用评级方法和专家法两者
并重。’信用评级法为风险评估提供了统一的标准，但仍然存在着指标的选择
缺乏理论基础、风险测量的主观因素过多等阍题，从技术上来讲信贷评级方
法更适合商业银行对单个企业信贷风险的日常监测和管理，专家法的决策基
哈尔滨T程大学硕士学位论文
础是专家的专业知识结构，同时专家法在实施过程中程序繁杂，信息传递环
节多，容易造成信息失真，因此专家法存在着风险评估的主观性，随意性和
不一致性的问题。以经验判断为基础的贷前风险度量，降低了我国商业银行
贷款甄别和贷款定价能力，影响了贷款决策的质量。
2．基础数据库有待充实，评级结果有待检验
由于基础数据库的建立需要很多年的积累，这是我国商业银行信用风险
管理中的一个很大的问题，而且不是用什么方法可以迅速解决的。同时，我
国集团性关联企业众多，这些集团性客户组织结构复杂，信用状况参差不齐，
给商业银行信用风险管理带来很大的困难。我国在对集团性关联企业的贷款
的信用风险管理方面还有很大的缺陷。由于集团客户内部企业之间关系特殊，
内部关联交易的存在，使集团客户内部关联方之间有可能不按公允价格进行
关联交易，转移资产或利润。商业银行对集团客户授信风险体现为整体性风
险。因此，对集团客户授信，不仅要掌握授信对象的有关信息，而且要掌握
整个集团客户有关关联方的信息。集团客户有多个关联方，有的是跨地区甚
至是跨国经营，商业银行各分支机构在给集团客户授信时，一方面很难判断
集团客户经营与财务信息的真实性；另一方面很难全面掌握集团客户整体的
授信情况及相互之间的担保关系。同时，商业银行给集团客户贷款后，贷后
管理也有很大的困难。因此，商业银行在全系统建立健全信贷管理信息系统，
并建立与之相适应的运行机制，加强集团客户有关信息的收集和传递的同时
也要加强商业银行之间的合作和商业银行与社会咨询机构之间的合作等。另
外，根据历史数据资料对不同信用级别的实际违约率和损失程度进行统计分
析，是检验评级标准和评级结果客观性的重要手段，同时，根据检验结果来
调整现有模型，以提高模型的准确性。但由于中国大多数银行开展内部评级
的历史不长，相关数据积累不足，因此，目前所用的各信用级别的违约率是
否经得起检验是个问题，对贷款定价的准确性影响也很大。
3．局部分析多，全局分析少
我国商业银行在提供贷款测算信贷风险时，往往关注的是某一笔贷款的
26
哈尔滨工程大学硕士学位论文
信用风险，而没有从资产组合综合管理的角度和各笔贷款之间的信用风险的
相关蠖对信用风险进行测定，当然也就没有测度某一笔贷款对贷款组合带来
的边际信用风险，也就是说，我国商业银行的信贷风险评估尚处于单笔信用
风险管理模型的阶段。这也受到客观情况的约束，由于我国的基础数据库的
缺乏，相关系数等数据的可褥性就很差，就难以进行真正的贷款组合的信用
风险管理。
4．评级结果的运用有限
躁嚣，中国大多数商业银行仅将评级结果用于授信管理等少数领域，使
内部评级在信用风险管理方面的作用大打折扣。这一方面是由于银行管理层
对内部评级的必要性和重要性认识不够，另～方面也是受到市场化改革进程
和相关金融政策的影响，这就在很大程度上限制了银行根据内部评级结果和
风险大小确定贷款和其它金融工具价格，提取合理的准备金的能力，使银行
信用风险管理的霉标难以实现。这些不足都是由于我国商业银行在信用风险
分析和度量技术方丽相对落后，所以要全面提高我凋商业银行的信用风险管
理水平，这尚需我园商业银行和相关评级机构需付出长时间的艰苦努力。
2．4本章小结
本章主要对信用风险模型的基本内容进行了较为详细的讨论，包括信用
风险的定义、分类和度量方法，着重介绍了传统信用风险模型和现代信用模
型基本理论，计算步骤和优缺点并分孝厅了我国商业银行信用风险管理的现状
和存在的问题。
哈尔滨工程大学硕士学位论文
第3章KMV模型的理论架构和风险度量适用性分析
Ⅺ迭V模型是由位于美国l墨金出的KIVlV公司应用期权理论所开发的～种
违约预测模型。KMv模型的基本思想是：将公司权益视为以公司资产价值
为标的看涨期权，将违约视为公司不执行看涨期权，亦即当公司的资产价值
低于一定的水平时公司就会对债权入发生违约，这一水平对应的点就是违约
触发点(Default Point)。KMV模型通过计算违约距离DD(Distance to Default)一
即公葡价值的现值与违约触发点之差除以公司价值的标准差，并假定具有相
同违约距离赡公司具有相同的违约风险，然矮KMV公司利用自己特有的数
据库将具有相同违约距离的公司归为一类，并将该类的实际违约率作为与该
类具有相同违约距离的公司的预期违约率EDF(Expected Default Frequency)，
这样就建立了公司的违约距离与其预期违约率的对应关系。因此，KMV模
型的核心就是计算违约距离DD，违约距离表征了一个公司违约风险的大小，
违约距离越小，公司的违约风险就越大，反之，公司的违约风险就越小。随
着我豳逐步融入国际经济体系，风险的管理能力越来越成为我国商业银行综
合能力的体现形式。信用风险管理是风险管理的核心部分，现已成为世界各
国关注的焦点。商业银行作为我国金融业的主体，能否畜效的防范信用风险
造成的损失，已成为人们普遍关注的问题。
3．1 KMV模型的理论与方法
3．{。{KMV模型的发震及应溺筒贪
KMV模型由美国IrJVIV公司(现己被世界著名的信用评级机构一穆迪投
资服务公司收购)创立弗商品化。它是应用了BSM(Black-Scholes-Merton)
股票期权定价模型，基于股票价格的结构化模型(Structural Model)。事实上
KMV公司的预期违约频率模型(Expected Default Frequency，EDF Model)
哈尔滨工程大学硕士学位论文
III
堪称此类模型中的典型代表。Myron Scholes(1973)和Robert Merton(197．4)
等入所创立的期权定价理论被称为过去30年星金融界最重要的成果之～，它
使人们可以求出期权的价格，包括使用特定情况的公式。其后，默顿(Robert
Merton)等人的思想沿着许多方向发展，许多学者尝试将期权定价理论应用
于债券风险的度量颁域，KMV模型正是这样的一个成功的例子。在应用于
分析评估企业的信用风险时表现尤为突出，它考虑到企业的负债水平、股价
及其浮动情形，比单靠公司财务所做的分析更准确。
3．1．2 KMV模型的基本假设及原理
1．KMV模型的基本假设
KIVIV模型的基本假设是：当公司的资产价值低于一定水平时，公司就
会对权入和股东违约。与这一水平相对应的资产价值为违约点(Default Point)
即公司资产价值等于负债价值时的点。如果用期权的思想来看待这个假设，
企具有违约风险的债务可以通过适当的方式进行定价：郎在无风险的对冲交
易情下，当债务到期时，如果企业资产下降至低于负债，则假定持股人拥有
一个将业资产转交债务人的期权。模型假设在某个给定的未来时期，公司资
产价值服从某个分布，该分布特征由资产价值的期望值与标准差(波动率)
描述。未来资产价值的均值到所清偿公司负债的账面价值之间的距离为违约
距离(Distance to Default)。’根违约距离与预期违约率的对应性，算出预期违
约率，预期违约率即在正常的场条件下，借款公司在一定时期内发生违约的
概率，该模型认为当资产价值的值下降到所需清偿公司负债的账面价值之下
时违约发生，因为事先无法准确断借款公司是否会选择违约，所以只能估计
违约的可能性大小。
2．KMV模型的原理
按照上文所述的假设，为了更好的理解KMV模型的原理，用下面图3．1
和图3．2来说明KMV模型所包含的期权思想。以授信业务中最为常见的贷
哈尔滨工程大学硕士学位论文
款为例，图3．1表明了从借款者(企业资产的拥有者)的角度来看待的贷款
偿还问题。现假设～上市公司的负债为OB，期末的企业资产价值为∞(这
里OA2>OB)。那么该企将会偿还这笔贷款，并且资产所有者将会保持企业资
产的剩余价值(必～OB)。期末的企业资产越大，留给资产所有者的资产剩余
价值也越大，企业就越有能力违约。如果期来企业的资产低予OB，则公司
将要违约，公司即用企业的剩余产还债。该公司的股权的收益状况和以该公
司的股票为标的看涨期权的损益状一致，该看涨期权执行价格为D。时间T
后，如果该公司的资产价值大于蛰，该买权褥到执行，所得收益为A-D；否
则不执行该买权，其价值为0。所以可认为公司的股权是以公司资产为标的
的看涨期权，执行价格为公司债务的面值期限为公司债务的期限18l(参见图
3。1)。根据以上分析，对于债权人来说，他可被认为是卖出一份看跌期权，
当公司的资产价值大于D，该看跌期权得到执行；否则不执行(参见图3．2)。
O
P
8／． ：
! ／ ： 7
越；／ A2 魍
圈3．1
O
P
L
／
／ 7
／A D
矗s：
／
匿3．2
套用下面的期权定价公式，如下：
～份看跌股票期权的价值=f(s，X，，，g，t) (3一王)
一份风险贷款违约期权的价值=厂似，B，，，era，t) (3—2)
可以看斑，企业资产的市场价值及其波动性是影响违约决定的最重要因
t
哈尔滨T程大学硕士学位论文
索，然而，在公式(3—1)和(3-2)中，S，X、A和B的含义分别为股票的
毒场价格、麓投酌执季亍价格、公司价值帮负馕，它稍都是直接可以在市场上
获得数据的变量。r短期市场利率，口。是企业资产的波动率，t是看跌期权的
至到期日的时间长度，或者在此贷款模型中，是该贷款的期限。企业资产酶
市场价篷．A彝瓷产紊场价毽鹩波动率∥。不能直接彳罨到，但我可以剩翅期权
定价公式反向推导出企业资产市场价值的隐含波动率仃。，而波动率会受到公
司资产的市场价值、权益的市场价值的波动性以及负债的账面价值影响。这
个思考模式与利用可观察到的期权价格来推算期权的隐含波动类似。
银行发放的一笔贷款并且获得本息偿还时，相当于银行卖出一份以公司
资产价值蔻标酶，数公司债务价值为执行价值的一笔看跌期权(即债务可以
看作囊出一个看跌期权)。根据看涨一着跌期权平价原理，企业所有者借入一
笔贷款时，相当于持有一份以公司资产市场价值为标的，以公司债务谳值为
撬行价格的看涨麓投(觳权可以看俸买入一个看涨麓权≥。舞票债务笺麓时企
业市场价值大于债务，企业所有者执行期权，偿还到期债务并获利，如果企
业资产市场价值小于其债务时，企业所有者放弃期权，选择违约并且损失期
投费，静违约概率就是不执行期权静概率。
3。2 KMV模型的理论架构
3．2．1期权定价模型
期权是～种特定的金融合同，分为买权和卖权两种基本类型。买权其持
有者<合同的做多方)在规定的时间内，以事先预定的价格，从买权售者(徽
空方)处购买一定数量标的资产的权利。卖投合曩则赋予其持有时阗内，以
事先预定的价格，向卖权合同的做空方出售～定数量标的资产。
’西方对期权定价酶研究最早可以遣溯到路易赣～巴谢列，此震，对娩闯题
傲过很多研究。但到现今为此，较有影响的期权定价理论主要是BSM二项
31
哈尔滨下程大学硕士学位论文
式定价模型191。在对基于期权定价的信用度量中，BSM模型是网前应泛的模
型形式。
BSM模型是在一系列的假设条件下推出期权定价公式的，这些假设有：
(1)金融交易是无摩擦的，没有捐税、交易成本，也不存在卖空限存在无风
险利率f，且r在到期西前是保持不变豹。(2)标的证券具有可分割性(帮可
交易任何比率的标的证券)。(3)标的证券过程服从Ito Process。
d∥一Sdt+6Sda， (3—3)
● ●
●
其中S表示标的证券的价格，常数Ⅳ是证券瞬时期望收益，dco是标准
维纳过程。在上述假设的基础上，一份欧式看涨裁权的价值C(S，1)可以
由下式给出：
c(s，t)=SN(d1)一溉一‘卜‘’Ⅳp：) (3-4)
其中：t表示当前时刻，T表示期权的到期匿，X表示期权的执行价。根
据B-S模型假定，公司资产的价值变化可以被表示为：
d圪=uV爿dt+吒吧毖(3—5)
式中，匕是公司的资产价值，蠢t表示公司资产价值的变化；U是公司
资价值变动的瞬闻漂移项(Drift)，aM是公司资产价值变动的波动率；dt表
示标准维纳过程。
另外，同样根据B-S模型，我们可以得到在到期日T时，公司资产市场
价与公司负债的账面价值(也就是期权的执行价格)之闻的关系，见式：
圪一亿N@，)-e—XN(d：) (3—6)
式中，K是公司权益市场价值，x为负债的账面价值，r为无风险利率，
N表示为标准正态分布函数。对于公式(3—4)中的dl与d，，其含义分别为： 破。蟑，d2=d1-era、／t ∽7)
哈尔滨工程大学硕士学位论文
3．2．．幺KMV模型的基本框架
假设公司的资产由股本、债券以及银行贷款等其他债务组成，银行贷款
必须在一个规定时间(如一年)里偿还，否则，．就视为违约。在何种情况下
公司会违约呢?如果它的资产价值在一年之恁大予某个债务水平，公司就不
会违约，在这个水平上公司资产价值被定义为违约点(Default Point，DPT)，
因为它售出相应的股权就可以清偿债务，并可获得清偿后的收益，妞粟公司
的资产市值小于它的违约点，公司就选择违约，因为在这样情况下，公司宁
愿将股票资产全部转让给债权人，也不愿意去筹集新的资金抵偿债务【101。正
是基于这一点，KMV模型把公司权益看作看涨期权，郎公司的股东在借入
一笔负债时，相当于买入～个以公司资产价值作为标的资产，违约点为执行
价值的看涨期权(见预期违约率原理图3．3)。
资
产价值
DPT
资产预期增长率<，
卜
J轰的， ，—∥
．．|-?二≮■ -r——
1
f
， h髓F
清偿债务的账面价值
现在
一年之后时间
图3．3预期违约率原理
KdVIV模型简图中，在某个给定的未来时刻，预测公司的资产价值服从
某个分布，此分布的特征由资产价值的期望值和标准差(波动性)表示。图
中假定公司资产价值以资产净预期增长率增长并且服从正态分布。未来资产
33
哈尔滨T程大学硕士学能论文
价值的均值到所需清偿公司债务帐面价值之间的距离就是违约率DD
(Distance to Default)。KMV模型认为当表示资产价值的均值线下降到所需
清偿公司债务帐面价值线以下时就会发生违约，在图中一年后的资产价值分
布曲线和代表公司债务帐面价值线以下所包围形成的面积即表示公司在一年
后预期发生违约的概率(∞P)。从图中可以看出，违约概率的大小取决于负
债线的位置和资产价值分布曲线的形状。KMV模型的具体方法是依据公司
股票的市场价值及波动性等计算出一定期限盾公司资产的预期价值，依据公
司负债状况计算出违约点价值，依据公司资产价值与违约点的差值及资产的
波动性，即标准差得出公司的违约距离(DD)。再用违约距离计算出KMV
模型中的预期违约概率。在KMV模型中，衡量违约风险大小的指标是违约
距离(DD)。该僮越大，说明公司到期偿还债务的能力越强，发生违约的可
能性越小，该公司信用风险越小；反之，该值越小j说明公司到期偿还债务
的能力越弱，有清盘的可能，该公司信雳风险越大㈧。计算公式如下：
DD；—EOzA)-—DPT (3—8j
E(吃)·吼
式中，露眠)为资产的期望价值：DPT为违约点(Default Point)，酃公
司的资产价值等于负债价值时的点，∥。为公司资产的波动率计，为计算违约
距离DD，KMV公司采用了Black-Scholcs—Merton期权定价模型构建了资产市
场价值和股权市煎之问的关系。首先，使用期权的期权性质来推导公司隐含
在股权市值里的基础资产的市值和波动率。然后，从期权定价和期权定价波
动率反向求解隐含的资产价值和资产波动率。BS模型假定条件中，公司基础
资产的市值遵循随机扩敖过程，如下：
d吃一／*VA+％匕出(3—9)
这里圪，d圪是公司资产价值和资产价值的变动，∥，orA是公司资产
价值漂移率秘波动率，出是个Wiener过程。巍于公司债权可视为以公司资产
为基础资产的欧式看涨期权。所以在公司价值评估中有如下关系：
哈尔滨工程大学硕士学位论文
吃t屹N@。)一殷州Ⅳ∽：)
盔。0嚣(％7x)+p÷秽；／2汐／({％√≥) (3一lo)
d2=dl一％√f
a％；N@，)a屹尊01n％s予Jv(a1)aIn屹
‘ q (3～11)
静仃(a ln咖v老JV(a。)a(a tn匕卜．o-E m毒JV(d。h
式中，圪是公司股权的市值， 以流通股数乘以每股价格来估箅；K为公
司负债的账面价值，即买权的执行价格；圪为公司资产市场价值；T为债务
期限；￡为无风险利率；N(d，)为标准正态累积分布蘧数(即这个变量小予噍的
概率)。联立方程(3—9)和方程(3—11)即可以求出公司资产市场价值吒和
资产收益标准差盯。，根据公式(3—8>可计算出违约距离DD。
确定违约距离DD与违约率EDFZf闲的映射关系。用具有不同违约距离值
公司的违约数据库将违约距离按比例对应于预期违约概率来确定EDF。KMV
公司选取一定时期，将违约距离和预期违约率两者之间的关系映射怒来。对
于每一时段，基于～个大量的包括有违约公司样本的历史数据库，把违约数
据拟合成一条平滑曲线来表示违约距离函数(如图3．4)，以此来估计EDF值
的大小【毯。
琶DF
DD
图3。4违约距离(DD)与预期违约率(EDF)的映射关系
综上所述，风险贷款违约期权价值等式中只有3个变量(D”，r，t)的
信息可以获得，借款企业的资产价值亿和资产价值波动性％无法直接从市场
哈尔滨工程大学硕士学位论文
中观测到。如果可以直接算出公司资产价值圪和它的波动率，则一笔风险贷
款的期望违约率EDF(Expected Default Frequency)就可以计算得到。概括
计算步骤如下：
(1)计算公司资产价值圪和资产收益的波动性％。
(2)估计违约点DPT。在违约触发点处，上市公司的资产价值正好能
够抵偿其债务。KMV公司根据大量的实证分析，发现违约发生最频繁的临
界点处在公司价值大于等于流动负债(STD)加上50％的长期负债(LTD)。
即： DPT=STD+O．5I：m ． (3—12)
(3)估计违约距离(Distance to Default，DD)。违约距离可以以公司
资产价值在风险期限内由当前水平降至违约点的相对距离，可以表示为：
、矿
a％；N(d1)ova营aIn％=孑Ⅳ(d1)aIn屹h
． (3—13)
1， 1，
尊a(a lnvE)2芒Ⅳq·p(a ln圪)营％2．y"a N(dt)吼
’占。占
即DD表示单位资产在风险期限T内与DPT的背离程度。
(4)估计预期违约率EDF，KMV公司选取一定时期，将违约距离和预
期违约率两者之间的关系映射起来。对于每一时段，基于一个大量的包括有
违约公司样本的历史数据库，把违约数据拟合成一条平滑曲线来表示违约距
离函数，以此来估计EDF值的大小。
3．3 KMV模型在商业银行应用的适用性分析及评价
由于我国信用评级近几年刚刚发展起来，企业信用数据非常欠缺，评级
机构和评级方法多种多样，并没有一个统一的标准，各个机构的评级结果无
法应用在同一个信用等级的计算中。模型一方面需要大量的数据，而在我国
股票市场信用制度不健全，信用体系尚未完善，有关上市公司违约或破产的
历史统计数据严重缺失，另一方面要求贷款之间的独立性，而我国商业银行
贷款的关联性较大，这就严重影响了模型在我国的应用，所以，目前在我国
哈尔滨工程大学硕十学位论文
应用Credit Metrics模型、Credit risk模型和Credit Portfolio View模型对信用
风险进行度量还比较困难【13】。借助期权理论创立的KMV模型，根据股票市
场价格的变化，动态反映上市公司的信用状况，不仅反映了企业历史和当前
的发展状况，更重要的是及时反映了投资者对该企业未来发展的综合预期，
因此，利用KMV模型度量和管理信用风险具有得天独厚的优势。
3．3．1 KMV模型的适用性分析
KMV利用自身建立强大违约数据库，计算相同违约距离(DD)企业的
经验预期违约率(EDF)。建立违约距离(DD)与预期违约率(EDF)的映
射关系。基本步骤为：先整理一个规模庞大的企业违约与非违约数据库；然
后，依据相同违约距离企业的历史违约率，计算各违约距离与预期违约率的
映射关系。假如违约距离为26，则计算公式可表示为： 经验预期违约率=童毫攀鬈莲譬篙警笺妻蒸葛筹(3-14，
由于缺乏违约历史数据库，我们无法建立预期违约率与DD之间的函数关
系，因此无法求解EDF。为了解决这个问题，我们可以根据KMV模型提出的
违约的概念，基于模型一系列的假设，计算理论上的违约率【14】。该违约率的
计算建立在对公司资产价值几何布朗运动以及资产收益正态分布假设的基础
上。其具体计算过程如下： 依照BS模型，公司资产的市场价值服从几何布
朗运动，即有：
d圪----U圪dt+吼圪出(3—15)
其中， V，dVA分别是公司资产价值及其变化量；
U是公司资产价值的漂移率；仃。是公司资产价值的波动率；dz是一个维
纳过程(WienerProcess)；如果以圪表示O时刻公司资产的市场价值，那么t
时刻公司的资产市场价值为：
哈尔滨二r程大学硕十学位论文
ln圪=lll屹+@一t+以也(3-16)
这里，∥是公司资产的期望收益率；暑是资产受益率的随机部分。
嘲于违约率债务到期时公司资产的市场价值低于公司违约点的概率，所
以有：
EDFt—Pr【圪<DPF II V加一亿】。Pr【hl<ln(DPT)II V一。=圪】(3—17)
其中，EDF,是t时间的违约率；圪是t时间公司资产价值的市场价值；DPT
是t时间违约点。结合方程(3-15)和(3-16)可得到违约率靛表达式为；
冀2 —7
EDF,=Pr(1nE—ha匕+缸一警箩÷丸盛暑墨DPT) (3一兰8)
Black-Scholes模型假定公司资产收益的随祝部分服从标准芷态分布，即秽～N
(O，1)，从而可以得到以正态累积概率表达的违约率： EDF,。Ⅳ【业趔粤华也】(3m)
九V雾
由此我们就得到了理论上的预期违约率。
Elj于KMV模型基于资本市场的有效性建立了违约率与违约率的映射关
系，具有前瞻性和客观性。随着我国股票市场规模的不断扩大，机构投资者
不断增多，我国市场的有效性将得到进一步增强。因此，KMV模型可以为
债权入投资者和监管者提供及时、可靠的信用风险计量工具，是我国的信用
风险蠢静态管理转化为动态管理的一种可行的选择。
在KMV模型中，股本价值是通过上市公司的股票市场价格来计算的，
然而我国金融机构的大部分贷款对象是非上市公司。因此，如何计算菲上市
公司的股本价值进两计算其违约距离需进一步做深入地硬究。
3。3。2 K驸模型存在的优点
首先，KMV模型存在以下一般性优点：第一，它是～种动态模型。输
哈尔滨工程大学硕十学佗论文
入模型中的数据随着股票市场价格的变化而不同，因此随时可以更新数据计
算EDF值，及时反映上市公司的信用状况，这为商业银行信贷部fj提供了较
为可靠的信用风险评价信息。第二，KMV模型是～种具有前瞻性
(Forvy )方法，在一定程度上克服了依赖历史数据向后看
．一ard-Loking(Back Looking)的数理统计模型的缺陷ll引。它以股票市场价格的数据为基
础，而不是以历史的会计数据为基础，股票价格不仅反映了公司的历史和当
前状况，还具有对公司未来发展前景的预期，所以可以利用KMV模型对上
市公司未来可能发生的信用风险进行预测。第三，KMV模型中的预期违约
率指标在本质上是～种风险的基数衡量法．o与序数衡量法不同，以基数法来
衡量风最大的特点在于不仅可以反映不同公司风险水平的高低顺序，焉且可
以反映风险水平差异的程度，因而更加准确。
其次，KMV模型针对我国证券市场的情况也是适用的，这主要表现在：
第一，KMV模型的一个前提假设是股票全流通，在股权分置时代，对KMV
模型在商业银行风险管理中的应用研究型有效性的验证还必须考虑国有股的
市场价值，但是随着目前我国证券市场上股权分置改革的全面进行，股票二
级市场段价可以{乍为上市公司股权的市场价僮，使得KMV模型在我匿证券
市场上的适用性进～步增强。第二，KMV模型的输入数据为公司股票交易
数据和财务报表中的财务数据，因此它可以被用予股权公开交易的上市公司
信用风险度量。我国证券市场经过十多年的发展，上市公嗣的数量超过于家，
这为该模型的运用奠定了坚实的基础。第三，KMV模型不要求有效市场假
设。事实上，在某种情况下该模型在像我国这样的弱势有效市场预测效果更
好。’在该市场中，拥有信息优势的机构投资者往往利用“内幕信息’’进行交
易，引起一些公司的股价发生大幅变动，由此提供了这些企业未来前景的大
量情报信号。此外，股市的“羊群效应"倾向于夸大市场反应，从丽使得预
期违约率更具敏感性。第四，较之大量依赖财务指标的模型来讲，KMV模
型对财务指标的依赖仅限于债务的账面价值，从而在一定程度上缓解了我国
普遍存在的会计信息失囊的影响。
哈尔滨T程大学硕十学位论文
3．3．3 KMV模型存在的缺陷
尽管KJViV模型有上述的优点，但在我圈股票市场上应用也存在一定的
缺陷，表现在以下几个方面：
·1．该模型的使用范嚣受到了限制。IchMV模型一般适用于对上市公司的
信用风险进行评估，而对非上市公司进行评估则困难较多，而且结果不大准
确。
2。该模型不能够对长期债务的不同类型进行分辨。实际上，我们可以根
据长期债务的优先偿还顺序、是否担保、有磷契约、能否转换等来区别不同
的长期债务，因而可能会造成在违约点的确定上不准确，使模型的产出变量
不准。
3．该模型基本上属于一种静态模型。因为作为IcLMV模型基础的默顿模
型有个基本假设：借款企业一盈将企业的债务结构确定下来之后，该企业的
这一结构就不发生变化了，但实际情况并不是这样。
4．肥尾佝题。该模型假定借款企业的资产价值呈正态分布，正是建立在
这样的假设下，模型才能计算出理论的预期违约频率(固F)值，但现实中，
我国证券市场股价不仅波动幅度大，而且极端值出现的概率并不算小，因此
资产收益的非正态性问题也即肥尾问题应该受到重视f矧。
5．历史违约数据缺乏。IrJVIV模型根据不同违约距离值的公司的历史违
约数IcLMV模型在商业银行风险管理中的应用研究据，确定违约距离与违约率
之间的映射关系，以此来估计预期违约率的大小。因此在应用中，上市公司
违约历史数据库是必不可少豹。在我国，曲于股票市场信用制度不健全，信
用体系尚未建立，有关公司违约或破产的历史统计数据严重缺乏，很难把违
约距离转化成实际违约率。
哈尔滨下程大学硕十学佗论文
3．4本章小结
本章主要论述了KMV模型的理论框架和适用性。阐述了期权定价模型、
贷款与期权之间的关系，并论述KMV模型的基本框架、核心思想。KMV模
型在我国商业银行度量上市公司信用风险中具有较好的适用性，从一般性和
在我国的适用性两方面阐述了模型的优缺点，并讨论了模型在我国商业银行
中的适用性。
41
哈尔滨工程大学硕士学位论文
第4章KMV模型在商业银行风险管理中的应用分析
4．{KMV在信用风险测度中的应用
4．1．1信用风险的影响因素及风险测度的难点
1．信用风险的影响因素
信用风险作为风险在商业银行授信业务上的特殊表现，它具有一般风险
的特征，鄄商业银行授信业务也具有发生损失的不确定性，损失的主体是银
行的授信资产，损失的结果是授信资产的流失，损失的原因是导致各种信用
风险事件的风险因素的作用。(1)由予商业银行授信风险表现集中，影响巨
大，要求商业银行具有较强的抵御、承受、控制、以及转移风险的能力。必
须加强授信风险管理，尤其是通过风险测度一定的管理手段减少风险发生的
次数，减轻或避免风险造成的损失。尽管授信风险的管理要求很高，但由于
缺乏相应的违约数据支持以及较好的量化分析模式，风险的测度一直是授信
风险管理的关键和难点，这是本文研究并论述授信风险测度模型的主要目的
和意义所在。(2>授信风险的外部因素涉及多个方面，有政治的、经济的、
社会的、文化的，也有技术的、心理的、自然的等等。而造成授信风险的直
接原因往往是，授信客体履约能力与履约意愿方面的问题，这些因素很难综
合考察，建立适当的标准。由于无法统计相应数据，更不霹熊从历史违约率
来考察。(3)商业银行以负债经营方式经营货币资金，因此其所面临的授信
业务风险宣接表现为货币资金损失风险。授信业务渗透到社会经济生活的各
个角落，授信风险带来的损失往往金额巨大，远远超过一般企业的风险损失。
由于商业银行具有信用创造职能，其信用活动风险会通过乘数作用对整个经
济体系造成较大影响，可能形成连锁反应。
2．授信风险测度的难点
42
哈尔滨丁程大学硕十学位论文
银行授信的对象可分为金融机构、非金融机构法人、自然入这三类。每
一类授信对象的授信需求形式有所不同。对金融李凡构的授信多表现为资金拆
借、帐户透支、信用工具的保兑等：对自然人授信的主要形式为信用卡透支、
消费授信等；对非金融机构法人的(以下称工商客户)授信占目前银行授信
豹主要部分，这类授信的形式最多，业务量也最大，本文主要对此类授信对
象的授信风险测度与管理进行论述。授信活动是一项复杂的社会经济活动，
构成授信风险的外部因素涉及多个方面，这些方方面面的情况构成了授信风
险的基本嚣素。
当授信对象违背借款约定不足额偿付贷款时，银行有可能收不到或不能
全部收到应得价款，造成以交付的价款或证券的损失，这就是违约风险；在
授信期限内，由予授信对象的信用评价和履约能力的变化导致其债务的市场
价值变动而引起的损失可能性对于持有该项债券的人来说也可能带来资产减
值，这种风险即损失风险。形成授信风险的因素往往是多方面的，以最为常
见的信贷业务为例说明，其中最主要是因为借款人的履约能力出现了阀题。
贷款的偿还一般通过取得经营收入、出售某项资产，或者通过其他的途径借
入资金丽实现。不过，最主要的还是通过生产经营，由箕经营所得来偿还。
因此，衡量借款人的履约能力主要要看其生产经营能力的大小、获利情况如
何。这一点无论是对个人、企业还是圈家而言都是如此。另一个重要的因素
是借款人的履约意愿出现了阗题，这主要是借款人靛品格决定的。借款人品
格是指借款人不仅要有偿还债务的意愿，而且具备在负债期间能够主动承担
各种义务的责任感。这就要求借款人(不论是企业还是个人)必须是诚实可
信的，并且能够努力经营。对于国家焉言，一般不会存在这方瑟的闭题。两
借款个人的品格则是难以用科学方法加以计量的，一般只能根据过去的记录
和经验对借款人进行评价。如果存在完备的信用档案，那么借款人在过去时
间里违约的次数基本上还是可以反应出借款人的品格的。但是，这样的一种
判断主要依赖于银行管理者的主观经验，而且，对于所贷款的资产价值无法
实现精确的量化评估，不利于提高贷款资产的流动性。
43
哈尔滨工程大学硕士学位论文
有鉴于此，希望通过应用KMV这一风险量化模型，绕过标准化信用评
分或历史违约率统计的问题。从受信企业在资本市场的价值表现以及融资结
构，套用期权与期权定价的思想，分析受信企业在预定期间违约的可能性。
以此来解决授信风险难以测度的问题。
4．1．2 KMV应用于风险测度
‘ 针对于前文所述授信风险的影响因素及测度的难点，依据KMV模型的假
定和原理，下面以授信业务中最为常见的贷款业务来看KMV模型在风险测度
方面的应用过程。相对于其它授信风险的测度方法，KMV模型的创新之处在
于它将银行的贷款问题转换过来，从借款企业的股权所有者的角度来看待企
业借款偿还的激励问题，即把股东对公司的股权看作一种期权。为了解决套
用期权公式时圪和盯。。
这两个变量不可观测的困难，KMV模型采用了如下两种途径：
(1)企业股票的市场价值和企业资产的市场价值的“结构"关系。
‘(2)企业资产波动性与企业股票价值波动性之间的关系。一旦计算出这两
个派生变量的值，借款者的预期违约率(EDF)便可计算出来。
7 根据上面IQviV模型基本假设和原理的分析可以得出，KMV模型的基本
思想是把公司股权看作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的看涨期权，认为资产结构与公司价值密
切相关，而违约概率是与债务额和债务人公司资产结构相关的内生变量。在
这种基本思想下，KMV模型认为，假设一个公司资产的市场价值低于其总
负债时违约就会发生的假设是不精确的，它假设当公司资产价值低于某个水
平时，违约才会发生。这样，·在该水平上的公司资产价值被定义为违约点
(Default Point，即DPT)117】。同时，ICMV又假设投资组合是高度分散的，
市场利率和总体经济状况是可以预先确定的，以及在一定时间里公司债务结
构是固定不变的。
哈尔滨下程大学硕士学位论文
这样，在利用KMV模型计算EDF时，需要计算以下三个参数：DPT，
匕；％关予DPT的数据可以采用短期负债加长期负债的～般表示，它们都
是从上市公司财务报表里可得的财务数据。所以，问题的关键就集中在匕和
盯。这两个未知参数的估计上了。然而，根据Ito定律，权益的波动性与资产
的波动性存在着如下式的关系：
T／
％一等△吼(4-1)
．，￡
其中AcrA为避险比率，也鄹为N(1，d)。
●
作为商业秘密，KMV公司并没有公布他们所用的根据某种资产价值概
率分布而得出的期权定价公式，以及在实务中所用的关系函数，并且EDF值
根据基于其庞大历史违约数据库而得的DD与EDF之间的映射关系给出l蠊。
作为对模型基本原理的探讨，根据以上所示原理，本文采用计算公司价值和
隐含波动率，并利用由此计算出的DD及如下公式计算EDF：
EDF=(1-N(DD))x100(4-2)
其中，N(DD)表示标准正态分布醢数。
4。1．3风险测度中应用的参数与参数的估计方法
在KMV模型中，总共有7个变量，其中5个交量(公司权益的市场价值
攻)，权益的波动率仃#，负债的账面价值x，无风险利率r，时间T都可以
从市场信息中得到，其余两个变量(隐含的资产市场价值圪和隐含波动率叽)
剡需要利用上亟5个变量值解联立方程组褥出【捌。本文中，时间T取为～年，
无风险利率取当期整存整取一年期利率，而其他两个变量的取值就要结合上
市公司的财务报表、该公嗣股票数据等，利糟相应的方法计算得出。下文就
逐个介绍这些变量的估计方法。
1．公司权益的市场价值
一般地，某一上市公司权益的市场价值可以表示为该公司股票市场价值。
45
堕玺堡三堡奎堂堡主堂堡笙茎；
由于在交易所挂牌上市的股份公司的全部资产都以证券化的形式折合为若干
相等的股份西向社会公众公开发行，所以，股票价格的交化全部地反映了该
公司权益市场价值的变化。然而，由于在我圈上市公司实践中尚有其价值随
市值变化的流通股与其价值不随市值变化的非流通股之分，故在此采用加权
的方法计算公司权益市场价值(诈)，邸：
股权．---流通股股数+每股净资产X(总股本／流通股股数)(4-3)
2．负债的账面价值
盘前文对KMV模型的理论分析部分可知，在KMV模型中，公司的股
权相当于以为公司资产为标的资产、负债的账面价值为执行价格、负债的偿
还日期为到期目的看涨期权。这时，负债的账面价值也即违约点DPT，当
圪>DPT、邸资产的市场价值大予负债的账面价值时，企业执彳亍该期权，也
即不违约；当圪<DPT、即资产的市场价值小于负债的账面价值时，企业放
弃该期权，也即违约l鲻。在那一点上，公司的价值恰好足够偿还其债务。对
大量企业违约记录的实证分析，KMV公司发现违约发生最频繁的分界点即
在公司价值大约等于流动负债加(减)50％的长期负债值处。由此，对于DPT
的具体计算公式可表示为：
DPT=流动负债十1／2长期负馈(4-4)
3．权益的波动率
对于金融市场波动率的估计方法，国内终已有大量文献讨论，并形成了
成熟可靠的方法。由于GARCH模型比其它传统方法有更多的优点，因而被许
多金融机构所采用f2ll。大量的实证研究表明，我国股票市场波动率符合
GARCH(1．1)模型，朝：
矿≈彬+口《，+卢《， (4-5)
(‰雾筑a，声莩∞
上式中，对于每一个步长j’用己知的GARCH模型预测其瞬时j步向前波
动率，即回报的波动率，所以通过迭代可以得到下式：
彦2一舀+(西+夕)+毋三，一l (4—6)
一啥尔滨工程大学硕士学位论文
III
另外，GARCH模型的一个优点是可以从一个估计的GARCH模型能够构
造出任何水平的波动率期限结构的预测。这样，我们就可以根据估计到的
《；(jf—t 2，．．以)得到股票收益率的年波动率。由于：
‘一=Σ：以rj+， (4—7)
对上式两边求方差，得： ‘
玩，识一)2善妇‘恁+，)+磊善眺瓴妒‘+jⅪ带歹) (妒8’
在上式中，等式右边第二顼(鲁协方差的双重和)比第一项(方差的和)
小德多，且GARCH模型的条件均值方程通常为一常数，因而回报是独立的，
于是报的协方差(R04-8式等号右边第二项)为零。这样，未来n期回报波动
率就可以焉瞬时前向波动率《，(歹；L2,．．嚣)的和来估计。‘
随着期限的增加，GARCH(1，1)模型的波动率期限结构会收敛到某个
长期平均水平。其收敛速度依赖于a+B的大小，a+B的值越大，收敛速度越慢。
股票市场的收敛速度往往是吃较快的。
4．2 KMV模型在商业银行风险管理中的应用
目前，我国商业银行股份制改革刚刚完成，利用现代风险管理模型进行
信用分析还处于起步阶段。KMV模型利用资本市场上股票价格作为输入变
量，动态反映上市公司的信用状况，具有优良的分析效果，已经在国外尤其
北美及欧洲得到了广泛的应用。根据前面的分析，KMv模型在我国也具有很
好的适用性，它对我国商业银行风险度量有着较大的借鉴意义。本章首先介
绍KMV模型在预期违约测算中应用，接着进一步扩展KMV模型的应用领域，
如在银行内部评级，风险贷款定价中的应用。
47
哈尔滨丁程大学硕十学位论文
4。2．1 KMV模型在预期违约率测算中的应用
根据前面的分析，在KMV模型中，计算EDF需要三个参数，即DPT、
企业的资产价值圪及其变动程度盯。。
1。关予DPT昀估计。在期权定价框架中，违约(破产)发生在企业资
产价值低于负债价值。而在实际中违约不同于破产，破产是指公司停业整理，
通过出售公司资产获得的收益按事先约定的顺序分配给各债务人，而违约是
指公司不能支付债务的利息和本金，也就说，企业违约发生时英公司资产价
值大于企业的债务价值【22】。此外，其他一些原因也会使违约点发生偏移：如
公司债务合同中的交叉违约条款(Cross-default Clauses)规定，公司无法支付
任意一笔债务的利息和本金时，我们就宣布公司对所有债务人违约；资产价
值分布的尾部低于总债务价值时或许不是对实际违约概率的准确度量；公司
经营端现困难时，为了避免违约，往往会使用信用工具来度过难关，借新债
偿还到期的债务。因此资产价值与债务总额的直接简单比较不可能准确度量
预期违约率。KMV公司通过从几百个样本公司观察到企业资产价值达到总
负债和短期债务价值之间的菜一水平时便发生了违约。出于以上原因KMV
公司采取了一个折中的办法，假设STD表示短期债务，LTD表示长期债务，
DPT表示违约临界点，则违约临界点等于风险期内需要偿还的短期债务加上
长麓债务的一半，也就是：
DPT=STD+l／2m (4—9)
2．关于企业的资产价值圪及其变动程度∥。的估计要设法求出企业的资
产价值圪及其变动程度∥。。为此，KMV模型借用了两个关系：企业股东价
值和资产价值的关系、企业资产价值波动性和股东价值的波动性之间的关系，
从而求出所需的两个变量l翻。
根据Black—Scholes—Merton期权定价模型构建了资产市场价值和股权价
值之间的关系：
E=，(％，御z，广，畈，￡)=圪≯(盔)一卿r一Ⅳ≯(蠢：) (4—10)
哈尔滨工程大学硕士学位论文
式中参数含义与前同。
方程(4—1)有两个未知数：资产价值匕及其变动程度吼，显然依靠一
个方程无法求出两个未知数。另一方面，公司股票的波动性与资产的波动性
存在以下关系：
吒= =-警Acr／E．ACrA Acta ’(4—1。1。) ol 2 2 L4一)
式中％一为股票价值对公司资产的弹性；△吼为期权的避险比率
(hedgeratio)，也就是：妒(d1)j所以：
吒=—≯(dF,)VAaA(4-12)
联立方程(4—11)和方程(4—12)即可以求出公司资产价值圪及其变动
程度吼。
3．关于违约距离(DD)的估计
根据前面的分析，违约距离(DD)就是用资产未来收益标准差表示的
资产在一年里的预期价值与违约临界点之间的距离，表示为：
DD一[EO么)一钟丁]／乃(4—13)
根据前文假设圪服从几何布朗运动，根据期权理论，DD0--]"以表示为：
DD；．1．n．．V。彳．．／．．D——P———T．—+——，(：／a：A——．-——o—r—A——／．2—一)(4-14)
oa4T
4．估计预期违约率EDF
理论上的EDF，假定圪符合正态分布，，已知资产价值屹及其变动程度％
即可得至UEDF[241。依据Black—Scholes模型，公司资产价值的市场价值服从几
何布朗运动，如果以圪表示O时刻公司资产的市场价值，那么t时刻公司的资
产市场价值：
ln吃一hl_+0,-要y+吒√玉(4—15)
哈尔滨工程大学硕士学位论文
g市资产收益率的随机部分。
由于违约率是公司价值低于公司违约点的概率，所以有：
剧魍㈣Pr[圪DPT]1Va。lI匕】。Pr ha．cln(DPT)IIV帕t匕】(4-16)
其中，EDF,是t时间的违约率；圪是t时间公司资产价值的市场价值；DPT
是t时间违约点。结合方程(4—15)和(4．16)可得到违约率的表达式为：
EDFt：Pr(1nV：Iln匕+(∥一要y+吼也)s DPT)(4-17)
Black—Scholes模型假定公司资产收益的随机部分服从标准正态分布，即
￡～N(O，l'》，从焉可以得到以正态累积概率表达的违约率：
EDF,；N[InO：A／DPT)+(Y-d2．1
I u_一、，_／‘7
／2)t
l(4-18)
实际上，通过以上步骤计算的理论违约率与实际的违约率会有～定的偏
差。因此，KMV利用自身建立强大违约数据库，计算相同违约距离(DD)
企业的经验预期违约率(EDF)。建立违约距离(DD)与预期违约率(EDF)
的映射关系l期。基本步骤为：先整理～个规模庞大的企业违约与菲违约数据
库；然后，依据相同违约距离企业的历史违约率，计算各违约距离与预期违
约率的映射关系。
4。2．2 KMV模型在银行内部信用评级中的应用
我国商业银行内部评级刚刚起步，大多数内部评级法仍停留在对评级主
体和信用产晶的信用状况排序，对于评级结果精确性检验的返回测试方面几
乎是空白。我国商业银行内部评级法很少有公布信用等级的预期违约率，充
其量采用历史违约率，而没用精确测算信用等级的预期违约率，国外一些大
的银行将信用评级与预裳违约率对应起来，如表4．1。
哈尔滨工程大学硕士学位论文
表4．1 EDF和信用评级之间的对应关系
EDF 标准普尔穆迪花旗银行国名银行瑞士银行
O．02—0．04 童AA 兰Aa2 1 AAA C1
0．04-0．1 k～K A1 2 AA C2
0．1—0．19 A／BBB+ Baal 3 A C3
0．19一O．4 BBB+／B Baa3 4 A／BBB C4
0．4-0．72 BBB+／BBB— Bal 4．5 BBB／BB C5
0．72—1．01 BB／BB— Ba3 5 BB C6
-
1．01—1．43 BB一／B+ B1 5．5 BB C7
1．43—2．03 B+／B B2 6 BB／B C8
2．02-3．45 B／B— B3 6．5 、B C9
根据前文的分析KMV模型能及时反映资产价值变化的特征，注定该模型
相对其他模型具有更好的优势，并且能够提高测算各信用等级的预期违约率
精确度。由于我国证券市场成立时间不长，缺乏上市公司违约历史数据，并
且信用评级机构掌握的违约信息也不多，无法建立违约距离(DD)与预期违
约率(EDF)之间的函数关系。因此我国商业银行可以根据KMV模型提出的
违约的概念，假设公司资产价值服从几何布朗运动以及资产收益正态分布的
基础上，计算各信用等级的理论预期违约率【261。其计算过程可以如下进行：
第一步，收集经过信用评级的上市公司相关数据资料，计算股票收益年
标准差6，。假定年交易天数为250天。由于公司股票收益周标准差6：与年标
准差6，之间存在如下关系：
以=尘4可250(4-19)
如=
51
(4-20)
哈尔滨工程大学硕十学位论文
其中，心zlIl(妾)，妾为公司哆票每周受益的相对价格，厅为吩的均
值。
第二步，利用KMV模型以下的两个方程计算资产价值屹和资产收益变动
以。
E；厂(匕，DPz，，．，6』，t)t％妒(吐)-DPT一一≯(d2) (4—21)
屯：％一屯；告△屯(4—22)
d。血坚黑盏)!+：(，坚．：+兰§ (4哟)l／．3／'1
6 Aqt
d2一么一以4t (4—24)
第三步，依据公式(4-1．4)计算违约距离(DD)；
第三步，依据公式(4—18)计算各公司的EDF；
第四步，根据各上市公司的EDF计算各信用等级理论预期违约概率。
面=If善_EDFo(4-25)
EDF表示第i个信用等级的理论违约概率的均值，第i个信用等级具有n个
上市公司1271。实际上，这样计算出来的理论违约率与实际的违约率会有一定
的偏差，这主要是因为：(1)对于资产价值的未来变化，文中仅考虑了资产
价值的增长率，而没有考虑在债务到期前现金流的流出，如债务利息，股票
红利等的偿付。(2)对资产收益的正态分布在现实中不一定成立。(3)KMV
将违约点确定在STD+I／2LTD之处。然而在现实中违约点并非是一个固定值，
而是一个随机变量，这是因为KMV模型在商业银行风险管理中的应用研究司
的资产结构往往是动态的，会随着时间不断调整。文中所计算出来的理论违
约率虽然不能刻画公司的真实违约概率，但是可以用于不同信用等级的比较
以及同一信用等级的违约率迁徙分析【捌。
52
哈尔滨工程大学硕士学位论文
4．2．3 KMV模型在银行风险贷款定价中的应用
现在考察商业银行对一家上市公司的放款定价。设无风险利率为r(同国
债利率)，贷款利率为i，发放的贷款为F，贷款的账面价值为Ft，企业资产
价值为AV，企业的预期违约率为EDF，违约预期损失为LGD，T为贷款期限
1291
0
假定债务履行日的企业资产价值若大于贷款的账面价值，银行将能收回
价值，这个概率为(卜EDF)；若企业的资产价值小于贷款账面价值，企业
将选违约，银行将以EDF的概率遭受违约损失，此时银行只能收回部分本金(Ft-LGD)根据无套利的思想。风险贷款的收益应等手钢擒渗弦啪僦。十
按连续建立贷款模型： 一。’。
Fe7r=Fe盯0一EDF)+EDF(Fe玎一LGD) (4—26)
左边为无风险贷款的收益，凡盯为企业履约时银行的收益，Fe盯一LGD
为违约时银行能收回的贷款。因为，Fe盯，由式(4-20)有：
丘P一汀e玎一互(1一EDF)+EDF(F,一LGD) (4—27)
即： e(r-i)r：1一—EDF．—LGD (4—28)
E
式(4—28)两边取自然对数，得银行贷款的风险溢价：
f一，；一11n(1一．EOP．_LaO) (4—29)
l }
由此就可以得到银行的风险贷款定价i。可见，要准确地为银行风险贷款
定价，需要知道EDF和LGD，EDF可以通KMV模型得到，下面主要介绍违约
预期损失LGD的推导过程。当公司资产小于债务的账面价值时，企业将选择
违约。贷款损失为：
53
哈尔滨丁程大学硕十学位论文
布：
州戋疵(丁始涨鬈(4-30)
则贷款的预期损失为：
LGD=r(互一Va(t))f(V,)dVa (4_31j
式中，彤)一Vo(t)为概率密度函数。
B-S—M模型公司价值的变动遵循正态分布，并把违约概率定义成正态分
耻ⅣlI—l笋廿■．0矿．5《’沙，4—、＼
随约预期损失为：
＼—一一
LGD《pvoq)Ⅳln笋(-(-，气_o．厂56孑’沙
(4-32)
(4-33)
把(4—18)和(4—33)代入(4-29)可以获得风险贷款的溢价。
4．3本章小结
本章主要论述模型在商业银行风险管理中的应用问题，包括KMV模型
的具体操作，KMV在授信风险测度中的应用及EDF计算和在商业银行中的
应用：预期违约率测算、银行内部评级违约率测算、银行贷款定价中的应用。
54
啥尔滨T程大学硕士学位论文
第5章基于KMV模型的商业银行度量公司预期违约’
率分析
5．1基于KMV模型的上市公司预期违约率的实证分析
5．1．1上市公司的样本选取
根据上述K_MV模型的计算方法：最近两个会计年度的审计结果显示的净
利润均为负值，每股净资产低于股票面值或连续两个会计年度亏损的上市公
司将被特别处理，鼯被S誓处理。如果公司未来一年继续亏损，公司股票将被
暂停上市交易，最终可能被终止其公司股票上市交易。因此相对而言，ST公
司比～般正常的上市公司具有较高的信用风险。本节研究样本数据选取沪市
被ST豹两家上市公司及绩效楣对较好的两家非ST公司2005年2月17吕到6胃
30日共20周的市场和财务数据。未选取已参加股权分置改革的股票。来计算
它们的违约距离郎DD值，并进行比较。基本财务数据如表5．1。
表5。1 2005年6舅30基沪索四家上市公镯的资产负债表部分数据
代码’ 600053 600065 600009 600050
殿票名称ST江纸ST联谊上海机场中国联通
流动负债303913610．66 520802412．87 290267685 48315911475
(单位：元)
长期负债6277629．50 O 4086141 2225584432
(单位：元)
已上市流通股份76050000 60000000 756958448 6500000000
非上市流通股份85020000 132000000 1 170000000 14696596395
总股数161070∞0 192000000 1926958448 21 196596395
每股净资产-0．68 1．4662 4．351 2．18
(单位：元)
考虑到样本公司之间的可比性、最大限度避免行业差异及公司规模对实
证结论的干扰，选择配对的非ST公司时主要依据以下三个条件： (1)与配
55
哈尔滨工程大学硕士学位论文
对ST公司同在一个证券交易所。(2)与配对ST公司同属一个行业。(3)
与配对ST公司具有相近的总资产规模·样本公司的财务数据和市场数据来
自巨潮咨询和深圳市国泰安(GTA)信息技术有限公司中国上市公司财务数
据库。
5．1．2相关参数的估计
我国证券市场在发展过程当中，形成了较为特殊的上市公司股权结构。
上市公司股权的人为割裂导致了流通股和非流通股之间存在较大的价格差
异，如果简单地以流通股的价格乘以总股本的方式计算上市公司的资产市场
价值，必然导致对上市公司资产市场价值的高估，从而低估上市公司面临的
信用风险。另外，在中国特色的市场经济环境之下，公司违约事件的发生与
公司价值之间的关系跟发达市场经济国家的情况相比存在较大差异，因此违
约点的设定也将对模型识别上市公司信用风险的能力产生影响。考虑到这些
影响，本文KMV模型在有关参数设计上进行了调整。
1．我国上市公司股权结构中长期以来一直存在流通股和非流通股，虽然
到目前为止，股权分置改革已经接近尾声，但在计算基准日2006年12月31
日，仍然有一些样本公司未完成股改，因此，对于非流通股价值的计算方法
对计算结果会有很大影响【30】。本文将每股净资产作为非流通股的价格，则股
权价值=流通股股数×市价+非流通股股数×每股净资产。考虑到我国证券市
场中上市公司存在流通股和非流通股既不同股更不同价的特殊现象，研究所
用模型在计算上市公司股权市场价值时，对流通股和非流通股实行分别计价，
从而较为准确地估计上市公司的资产市场价值。，
2．KMV公司根据大量违约事件的实证分析，发现违约发生最频繁的临
界点处于公司价值大约等于流动负债加百分之五十的长期负债的时候13¨。由
于我国历史违约数据严重缺乏，目前尚不能通过对其进行统计分析找出我国
上市公司的违约点，因此，本文采用KMV公司推荐违约点计算方法：DP=
56
哈尔滨丁程大学硕士学位论文
流动负债+0．5×长期负债。无风险利率由于我国利率管制尚未完全放开，所以
本文采用2006年底银行的一年期定期存款利率2．25％作为无风险利率【32】。
公司违约实施点的确定。与KMV公司的处理方法一致，假设公司在资产的
价值等于到期流动负债+50％N期长期负债时，公司会违约。即：
违约实施点(DPT)=流动负债(CL)+50％长期负债(u0 (5—1)
其中：CL为公司2006年年度财务报告种的流动负债，LL为公司2006
年年度财务报告中的长期负债。发达国家的市场经济环境与我国经济环境还
存在较大差异，上市公司发生违约的情况与我国上市公司发生违约的情况同
样也可能存在较大差异。本文使用短期负债加O．75长期负债作为违约点。
3．假定公司股票价格服从对数正态分布。
4．公司资产价值的年增长耘
本文用近三年来公司净收益增长率的算术平均数表示公司资产价值的年
增长率。净收益增长率等于本年留存收益的增加除以年初净资产，而本年留
存收益的增加等于净利润乘以留存比率∥假设公司资产市场价值的回报率为
5％窈由于计算的需要和我国利率还没有自由化，所以席嘲J研究申采用-2006
年我国银征=笙趣存款利率为固定利率^且y；勰导％f
5．股票波动率用我国股票的历史数据进行估计，用2005年2月17日至
6月30日的20个周股票每周四的收盘价进行估计。本文以流通股股价的波
动率代替股权价值的波动率。流通股股价波动率可以通过历史数据进行估计，
本文首先用2006年1月1日至2006年12月31日之间的日收盘价确定出日
波动率，进而将其换算成年波动率133J。
6．本文研究数据都取白中国证券监督管理委员会关于上市公司2005上
半年年报信息披露的信息和上海证券交易所的交易价格信息。
7．时间范围，到期日(T—t)为1年，即计算1年期的违约距离和违约概率。
57
哈尔滨工程大学硕士学位论文
表5．2 2005年2月一2005年6月沪市四家上市公司股票收盘价和收益率计算
交易ST江纸收相对价格收益率ST联谊收相对价收益率
日盘价(单盘价(单格
位：元) 位：元)
2．17 4．13 3．32
2．24 4．16 1．007263923 0．007263923 3．51 1．057229 0．057229
3．3 4：2 1．009615385 0．009615385 3．56 1．014245 0．014245
3．1 4．44 1．057142857 0．057142857 3．46 0．97191 -0．02809
3．17 4．05 0．912162162 -0．087837838 3．2 0．924855 —0．075 14
3．24 3．6 0．888888889 -0．111111111 3．06 ’0．95625 -0．04375
3．31 3．27 0．908333333 -0．091666667 2．66 0．869281 -0．13072
4．7 3．05 0．932721713 -0．067278287 2．26 0．849624 -0．15038
4．14 3．23 1．059016393 0．059016393 2．23 0．986726 -0．01327
4．21 3．02 0．93498452 -0．06501548 1．77 0．793722 -0．20628
4．28 2．93 0．970198675 -0．029801 32 1．69 0．954802 —0．0452
5．9 2．7 0．921501706 -0．078498294 1．68 0．994083 -0．00592
5．12 2．31 0．855555556 -0．1 4舡拍44．44 1．64 0．97619 —0．02381
5．19 2．48 1．073593074 0．073593074 1．78 1．085366 0．085366
5．26 2．37 0．95564516l -0．044354839 1．69 0．949438 -0．05056
6．2 2．55 1．075949367 0．075949367 1．69 1 0
‘6．9 2．49 0．976470588 -0．023529412 1．81 1．71006 0．071006
6．16 2-34 O．939759036 —0．060240964 1．69 0．933702 -0．0663
6．23 2．36 1．008547009 0．008547009 1．74 1．029586 0．029586
6．30 2．32 0．983050847 -0．016949153 1．69 0．971264 0．02874
交易上海机相对价格收益率中国联通相对价收益率
日场收盘收盘价(单格
价(单位：元)
位：元)
2．17 15．89 3．21
2．24 15．86 0．99811202 m．001888 3．23 1．006231 0．006231
3．3 15．89． 1．001891551 O．00189155 3．21 0．993808 -0．00619
3．1 16．06 1．010698553 0．01069855 3．04 0．94704 -0．05296
3．17 16．65 1．036737235 0．03673724 2．94 0．967105 -0．03289
3．24 16．86 1．01261261 0．01261261 2．78 0．945578 -0．05442
3．31 16．5 O．978647687 -0．0213523 2．67 0．960432 -0．03957
4．7 17．5 1．060606061 0．06060606 2．76 1．035708 0．033708
4．14 16．89 0．965 142857 -0．0348571 2．73 0．98913 -0．01087
58
哈尔滨丁程大学硕士学位论文
4．21 16．33 0．966844287 -0．0331557 2．66 0．974359 -0．02564
4．28 17．13 1．04898959 0．04898959 2．61 0．981203 ．一0．0188
5．9 16．81 0．981319323 -0．086807 2．57 0．984674 -0．01533
5．12 15．83 0．941701368 -0．0582986 2．61 1．015564 0．0155“
5．19 15．72 0．993051169 -0．0069488 2．53 0．969349 -0．03065
5．26 15．35 0．976463104 -0．0235369 2．45 0．968379 -0．03162
6．2 13．85 0．9022基；013 -0．0977199 2．46 1．004082 0．004082
6．9 16．02 1．1566787 ，0．1566787 2．64 1．073171 0．073171
6．16 16．24 1．013732834 0．01373283 2．59 0．981061 -0．01894
6．23 17．05 1．049876847 0．04987685 2：66 1．027027 0．027027
6．30 16．9 0．991202346 -0．0087977 2．62 0．984962 -0．01504
5．1．3求解步骤和实证结果计算股权价值波动性
1．计算公司收益率
股票周收益率采用下面的计算公式：
Ui一墨IS,-1-1
其中，墨为第周的股票收盘价，S／Si4为股票周相对价格㈣。
2．计算收益率的周标准差和年标准差
az。。
其中：厅为U，的均值，az为股票价格的周波动标准差。
(5-2)
(5-3)
％。万az 2丽Crz贡5吒何(5—4)
其中：吒为股票价格的年波动标准差。
表5．3 2005年2月一2005年6月沪市四家上市公司股票价格波动计算
ST江纸ST联谊上海机场中国联通
周方差0．003945143 0．00517113 0．00269895 0．000941875
年方差0．027896375 0．03656543 0．01908446 0．006660058
周标准差0．062810375 0．07191058 0．05195143 O．030689974
年标准差0．16702208 0．19122088 0．13814653 0．081609181
59
哈尔滨丁程大学硕士学位论文
‘3．计算公司的股权市场价值和违约点
上市公司的股权市场价值由流通股市场价值和非流通股市场价值两部分
组成： ‘
E=Ec+EDC (5—5)
Ec=P×S (5—6)
EDC=A×SDC (5—7)
式(5-5)、(5-6)、(5-7)中：E为上市公司股权市场价值Ec为流
通股市场价值；EDC为非流通股市场价值；P为6月30日收盘价；S为流通股
股数；A为每股净资产；SDC为非流通股股数【351。违约点：
‘
DP=CL+75％LL (5-8)
式(5-8)中：DP为违约点{CL为流动负债；U．，为长期负债。
表5．4 2005年2月一2005年6月沪市四家上市公司股权市场价值和违约点的计算
股票名称ST江纸ST联谊上海机场中国联通
流动负债(单位：元) 30391361 0．7 520802412．9 290267685 48315911475
长期负债(单位：元) 2677629．5 O 4086141 22255844322
已上市流通股份76050000 60000000 756958448 6500000000
非上市流通股份85020000 132000000 1170000000 14696596395
总股数161070000 192000000 1926958448 21196596395
每股净资产-0．68 1．4662 4．351 2．18
(单位：元)
6．30收盘价2．32 1．69 16．9 2．62
(单位：元)
流通股市场价值176436000 101400000 12792597771 1 17030000000
(单位：元)
非流通股市场价值-57813600 193538400 5090670000 32038580141
(单位：元)
股权市场价值118622400 294938400 17883267771 4906858014l
(单位：元)
违约点305921833 520802413 293332291 650077947
4．计算公司资产价值和资产波动率
根据KMV模型对公司资产价值变化的假设所推导的公式(5-8)，运用
微分数值解法求解可得公司资产价值和资产波动率：
fE=vTV(cl，)-De州Ⅳ(d2) 1吼；掣乃好呻’
哈尔滨T程大学硕士学位论文
小兰盏二篓二垒
0Aqt
(5-10)
d2=dl—era石(5—11)
式(5—9)、(5—10)、(5—11)中：E为公司股权市场价值；v为公司
资产市场价值；D为公司债务面值；r为无风险收益率；t债务偿还期限；N(d)
为标准累积正态分布函数；吼为公司资产价值波动率；O'E为公司股权市场
价值波动率【36】。
’
表5．5 2005年2月一2005年6月沪市四家上市公司资产价值和资产价值波动率
股票名称ST江纸ST联谊上海机场中国联通
公司资产价值432770483 99121 1652 22400843665 14055118319
(单位：元)
公司资产波动率0．1450105 0．2031131 0．138132712 0．08079309
5．计算违约距离DD与期望违约频率EDF
违约距离作为一个度量信用风险的指数，指的是公司资产价值的期望值
到违约点之间距离，以资产市场价值的标准差个数表示。计算公式如下：
DD；—E(VA)-—DPT (5—12)
E(匕)·吼
KMV公司计算预期违约频率采用的是将违约距离与公司的历史违约频
率相匹配完成的。由于需要大量的历史数据，这一点在我们国家条件还不具
备，所以我们暂且采用理沦上的预期违约频率来代替。如果公司资产价值服
从对数正态分布，那么理论上的公司期望违约频率为：
EDF=0一N(DD))x100 (5—13)
式中：DD为违约距离；E(V)为公司资产未来价值的期望值；EDP为
违约点； N(DD)为累积正态分布函数【371。计算结果如表5．6。
61
哈尔滨工程大学硕士学位论文
表5．6 2005年2月-2005年6月沪市四家上市公司违约距离和期望违约率
股票名称ST江纸ST联谊上海机场中国联通
违约距离DD 0．616590716 1．414793873 7．121842959 5．464307174
N(DD) 0．268752302 0．921435481 0．98638727 0．96708392
EDF 73．1247698 7．85645 19 1．361273 3．291608
5．1．4数据结果的分析
通过分析模型的应用结果可知：
1．模型较好地识别出绩优股和ST公司的信用风险的差别，与经验观察
相一致。绩优股上市公司的违约距离较ST上市公司为高；而且计算所得的期
望违约频率，ST上市公司的均值远远高于绩优股上市公司。
2．公司的资产价值受公司的股票市值影响较大，资产价值普遍高于公司
股票市值。
3．公司资产价值的波动性略低于公司股票价格的波动率。
4．ST上市公司有较高的违约率。最高为ST江纸达73．12％，受到警告的
ST联谊达7．86％138J。
5．违约距离和期望违约频率对上市公司的信用状况有较好反映。
KMV模型的主要优势是上市公司的违约距离可以根据股市数据的不断
更新而实时调整，违约距离越大，公司贷款的信用质量越高；反之，则越低。
违约距离对上市公司的实时信用状况考察具有很好的效果。在我国现行条件
下，上市公司违约距离可以作为银行监控上市公司贷款的预警指标。但由于
我国现行相关数据库的缺乏，没有大量的数据作为支撑将上市公司的违约距
离转化为预期违约频率，同时由于没有贷款回收率数据资料，因此对上市公
司贷款的定价估值和所造成的总损失估计具有_定的困难。研究限制本研究
的主要限制为企业违约数据库的缺失和我国股票市场的不成熟对研究结论准
确性的影响。由于我国信用风险的研究起步较晚，信用体系的建设还不完备，
因此目前在国内还无法获得较大规模的企业违约数据。这就导致了不可能得
出一个基于实际违约数据的违约概率，而依照模型给出的理论违约概率对上
62
哈尔滨工程大学硕士学位论文
市公司信用评级有可能导致信用等级的分辨能力较低，也可能低估上市公司
的信用风险。此外，所选样本期间正是我国股票市场快速发展阶段，市场非
理性行为较多，坐庄操作行为较为常见，这些干扰因素，可能限制模型度量
信熏风险的准确性。绻论实例表明，。运焉参数调熬后的KMV模型评估我嚣上
市公司的信用质量变化趋势，能够敏感地识别上市公司信用质量的变化，较
好地识别出绩优股和ST公司的信用风险的差别，与经验观察相一致。即参数
调整后豹KMV模型能够及时准确地识别出我国上市公司的信用质量变化趋
势。因此，在中国证券市场完全可以利用KMV模型来及时识别上市公司的信
用风险，为投资者、债权人、‘监管机构等相关人员和部门提供较为可靠的信
用风险评价信息，为及时发现从而规避或者消除信用风险提供有益的策略参
考。而且，还可以使用参数调整后的KMV模型对上市公司进行信用评级，以
简单的数字或字母方法直接表现出上市公司面临的信用风险。另外，由于股
票价格信息除了反映公司历史状况，更为重要的是包含了市场对公司未来发
展前景的预糍。因此，投资者可以参考模型的信用风险评价结果选择低风险
高收益的投资组合，最大限度地化解信用风险，保障资金安全，实现收益最
大化。
5．2非上市公司的KMV模型
由予对EDF值的计算需要公司股票交易数据，因面前文所述模型不畿直
接运用到非上市公司。然而，7Ⅺ垤V利用上市公司的数据开发了一个资产市场
价值及资产波动性的估计模型，该模型需要经常更新参数。这样，KMV就将
磊前的市场信息和非上市公司联系起来。不过，这些模型仍需依赖于财务报
表数据等，而这些数据可能不是及时准确的。比照上市公司的EDF计算方法，
-
．
非上市公司价值的波动性被构建为公司销售规模、资产规模及公司所处行业
等指标的函数。因为对上市公司的浚产波动性已经由估计褥到，销售规模、
行业群组及资产规模的影响可通过多元统计方法来确定。这个关系被应用于
哈尔滨工稃大学硕士学位论文
非上市公司的某些特征参数，即可求得其资产波动性的估计值。利用己估计
得到的市场价值及资产波动性，根据上市公司的违约经验数据，比照上市公
司EDF的计算方法即可求出相对的违约距离对应的预期违约频率值EDF[39j。
然而，由于使用的是估计数据而不是实际的市场数据，所以会有一些信息的
丢失，它使得上市公司及非上市公司模型中的从违约距离到预期违约频率的
映射关系是有所不同的。因此，在任何时候都应该注意针对非上市公司的模
型是由上市交易股票的数据推衍出来的。这里就假定了：如果考虑了规模效
应，行业及国家等因素，非上市交易公司和上市交易公司的行为是一样的。
5．2．1 PFM模型
KMV公司利用其财务报表和同行产业上市公司的股票信息，在非上市公
司无股票资料的情况下，开发了一个资产市场价值和资产波动性的估计模型
一私人企业模型(Private Firm Model，最PPFM)，估算出个别公司的预期违
约风险。PFM模型与评价上市公司信用风险的KMV模型都为预期违约率
(EDF)框架下的应用。基本过程都为： (1)评估公司资产市价及资产报酬
标准差。(2)计算违约距离。(3)依数据库中的数据，计算出预期违约率。
PFM与KMV不同之处在于其评估公司资产市价及其标准差的方式不同。
Credit Monitor是使用选择权定价模式来倒推出公司资产市价及其标准差，而
PFM则是使用同行上市公司的财务报表与市场数据，来推测无股价之非上市
公司的资产价值及其波动度。
对于非上市公司的市场价值，PFM模型是使用上市公司的税前息前折旧
折耗前盈余(Earnings Before Interest，Tax，Depreciationand Amortization，即
EBITDA)来推算无股价非上市公司的资产价值【加1。经该公司研究，股价系
代表一家公司未来不确定现金流量之折现值，因此，股价是用来推估公司资
产价值最好的信息。但若无股价信息时，经观察，公司的税前息前折旧折耗
前盈余与公司现金流量有相当强的关系(Mikael，Martha，Jing，2001)。因
哈尔滨工程大学硕士学位论文
此，KMV选EBITDA作为预测股价之变量。在操作方面，当我们得知欲观察
公司的EBITDA后，先将其除以资产。然后数据库会依产业、地区分类，找
出数据库中所有同地区、同产业，具有同样的EBITDA资产账面价值的公开
公司，然后取中位数(Median Value)而得公司资产市价／资产账面值，只要
把这结果再乘上资产账面值，就可得到公司资产市价信息。KMV公司具有全
球100，000家公开公司之资料及300000家私人公司、3400件上市公司之破产
及违约情况、40000件私人公司破产及违约情况。因此，所得之结果算相当准
确【411： ·
．
公司资产价值(匕)一a+展(EBITDAITA)+乜In(rA) (5—14)
其中，TA为账面总资产。对于公司资产报酬率标准差(crA)的估算，
KMV认为公司资产报酬率标准差(盯。)最相关的信息为公司规模(Martha，
Alexis，1998)，在财务报表上以销售额来代表【421。在操作方面，我们将想
要观察公司的销售额取对数，然后数据库会依产业、区域分类，找出数据库
中所有同产业、同地区，+具有同样销售额取对数的上市公司，取中位数而得
公司资产报酬率标准差。不过我国上市公司数量较少，分类后样本实在太少，
所以改用回归方式。基本上，公司资产报酬标准差的变动是很小的，不过这
会随着产业而有所不同。公司资产报酬标准差的变动原因大致有四：(1)总
体经济环境改变。(2)产业前景改变。(3)折现率改变。(4)市场对个别
公司的评价改变。故我们对原模型进行修正，建立下面的回归模型：
公司资产报酬标准毒=口+肛In(sales)+展利率波动+岛营业利润率
+舭r叫成长率；蓐运动比率+成负债比率+岛总资产周转率(5—15)
然后找出与公司资产价值及资产报酬标准差具相关性的财务变量，再利
用回归式取得财务变量与资产价值信息间的关系，即可将非上市公司的财务
资料代入回归式，进而得到估计的公司资产价值与资产报酬标准差143J。
哈尔滨工程大学硕+学位论文
■■■●■■■■■■●■■■■●■■●●■■●■■■■■■■●●■■■■●■■■■■■■■●●●■■●■_●■■■■■■■■■■■■■■■■■●■●■■●■■■●■■■■■●■●■■■■■■■■■■■■___●■●●■●■■●■■一I_
5．2．2 PFM模型的评价．
PFM模型是在KMV模型的基础上应用期权理论分析法度量非上市公司；
预期违约频率的一种新方法，PFM模型既包含了反映企业历史经营状况的账
面资料信息，又包含了市场对宏观经济、行业周期、企业经营环境等因素的
预期的信息(即股票价格)；模型还可以根据市场价格的变动及时调整对非
上市公司的信用风险评价【删。与其他只以企业账面资料为基础的信用风险度
量模型相比较，PFM模型具有一定的优越性，目前在世界各得得到了广泛的
应用。但同时PFM模型自身具有一定的局限性，还存在需要进一步修正的地
方。
1．有时因次级市场的缺乏，无形资产的估计是很不容易，或是因为标的
资产的次级交易市场与价格透明度的欠缺，使价值的变异程度不易衡量。：：
2．我国股票市场有效性问题。我国股市尚处于规范和发展阶段，股价对
信息的反应不充分，非理性和人为操纵的因素较多。非上市公司的市场价值
是否与同一地区、行业，具有相近EBITDA的所有上市公司的资产市场价值
存在正相关还没有检验证到451。
3．当公司面临倒闭时，资产的价值可能会因急于脱手等因素而变少，或
者是当厂商即将违约时，可能会尽力调整负债与资产分配情形，故考虑负债
会波动的情形与厂商应付负债的财务弹性会比较切合实际。不同债务到期期
限或有不同，也可能有不同的借贷条款，使债务价值估计上比较困难。另外
很多资产负债表外的或有负债可能无法估算入违约点之中，但他们却更有可
能让公司面临更大的违约风险。
4．期权公式通常会假设资产价值变动率呈常态分配，但违约情形下资产
价值机率分配通常是非常态分配，常态分配的假设可能不实际。
5．极端事件不容易用过去历史资料推断的出来，自然对计算出的违约机
率会有影响。
6．当公司的财务杠杆变得很频繁时，股东权益的波动性会不稳定，这也
哈尔滨工程大学硕士学俄论文
会影响到模型结论的正确性。
7．KMv模型和PFM模型根据不同违约距离值的公司的历史违约数据，
确定违约距离与违约率之闻的映射关系，以此来估计与此违约率的大小。丽
我国还缺乏违约的历史数据库，很难把违约距离转化成实际违约率。
5．3 KMV模型应用建议
类似KMV模型这样的基于资本市场理论的风险测度模型要在我国应用
，
．，
和推广，必须根据我国具体实际情况，解决模型的指标选择和计量问题，如
股权市场价蕴等的衡量指标。根据我国的实际情况，进一步开发出适合我匡
的具体的受信企业风险测度模型和体系。基于资本市场理论的风险测度模型
的应用前提是有一个健康成熟的资本市场。因此，大力规范和健全我国资本
市场本身也是促进我国银行授信风险管理工作的基础。根据上文对KMV模型
在理论研究和实证分析，该模型对信用风险量化度量的有着得天独厚的优势。
通过KMV模型适用性分析，KMV模型在我国资本市场上具有一定的适用性。
随着证券市场的逐步成熟和完善，以及企业数据库建设和信息公开披露制度
的健全，KMV模型在我国必定具有广阔的应用前景。目前我国学者对该模型
在我匿应用的研究琶经取得了一定的进展，但是要使KMV模型在我国能够广
泛应用，必须采取一系列措施进行研究和改革。
1．建立违约数据库。构建我国的违约距离和预期违约概率的映射关系预
瓣违约率的测算需簧一个庞大的数据库{笮支持，我踊信用评级业经过十余年
的发展虽然初具规模，但业务量相对较小，且发展不平衡。并且股票市场建
立的时间不长，违约事件的发生总数过小，同时各评级机构自身信用数据库
代表性不强等原因导致建立违约率的测算结果无法反映信用等级的价值。数
据库的缺乏是我国信用评级机构预期违约率测算的难度之～。KMV公司应用
了累计15年的违约数据库来构建DD和EDF之间的函数映射关系，他们将具有
楱同违约距离(DD)的公司数量在一年以后实际发生违约鲶公司数量相除来
67
哈尔滨工程大学硕十学位论文
确定该映射关系，这是一个时间累计才能完成的【矧。因此，我国的商业银行
应立即着手建立大型违约数据库，为构建违约距离(DD)和预期违约概率
(EDF)的映射关系奠定数据基础。我国大多数银行开展内部评级的时间不
长，各种数据库的建立和维护都还不完善，相关数据积累较少，且数据缺乏
连续性，导致KMV模型在我国的应用面临许多困难。例如，KMV公司根据
大量违约事件的实证分析，发现违约发生最频繁的临界点处于公司价值大约
等于流动负债加百分之五十的长期负债的时候，但由于我国历史违约数据严
重缺乏，目前尚不能通过统计分析找出我国上市公司的违约点，这使得国内
学者在关于KMV模型的实证研究中基本上沿用了KMV公司的结论。此外，
由于我国历史违约数据积累工作的滞后，使得确定违约距离和实际违约频率
之间的映射关系仍然无法实现。为此，我国银行一方面要抓紧建立和完善关
于资产负债状况、现金流量、管理水平及经济周期的影响等方面信息的客户
基础数据库，另一方面要建立和完善违约损失的时间序列数据库，为采用
KMV模型进行信用风险评估提供完善的数据统计基础。
2．加强KMV模型的理论研究、开发和利用由于我国上市公司自身的经
营环境以及历史时间具有特殊性，直接照搬KMV模型并不一定适合我国上市
公司违约率的测算。但其测算的理论方法为我国商业银行预期违约率的测算
提供了重要的参考价值。商业银行必须充分借鉴KMV的度量思想、方法与过
程，结合自身积累的历史违约数据对KMV进行修正，开发符合自身实际的预
期违约概率模型(EDF)。在对KMV模型理论研究时，尤其要重视以下几个
问题的研究：
(1)KMV公司通过对几百个公司的观察和总结，将违约临界点确定在
STD+I／2LTD之处，违约点的确立对于公司资产价值和波动率的计算是至关
重要的【钥。我国企业融资还是以间接融资为主，理论上违约的可能性较金融
市场发达和信用程度较高的西方国家公司更大，直接将上市公司的违约临界
点订在STD+I／2LTD仍值得商榷，这需要做进一步的理论研究和实证分析。
(2)公司价值和波动率的测算。在对KMV模型实证分析中测算公司资
哈尔滨工程大学硕士学位论文
产价值及其波动率的测算有两种方法。一种是利用现金流折现法或相对价值
法测算公司价值，再利用B-S公司算出资产价值波动率；另一种是利用企业
股东价值和资产价值之间的关系、企业资产价值波动性和股东价值的波动性
之间的关系，从而求出所需的隐含的资产价值和波动掣481。这两种方法在理
论上都是行得通得，·但是哪种参数估计方法最适应中国企业特征还需要进一
步的理论研究和探讨。
(3)KMV模型对资产收益分布的正态性假定问题。目前对国内上市公
司资产受益的正态分布还没有一个公认的验证方法，甚至一些学者认为资产
受益不仅波动幅度大，而且极端值出现的概率也不算小，这就会影响KMV模
型的准确性【491。因此利用KMV模型是资产受益的非正态性假设应引起足够的
重视。
3．通过对KMV模型的进行修正，建立一套操作性较强、有效性很高的
预期违约率测算模型KMV模型是一个框架性的概念，并且KMV公司对其模
型的测算技术是严格保密的。虽然我国学者在KMV模型针对我国公司特征和
我国具体的国情研究相应的处理方法等方面做了很多研究，如鲁炜、赵恒衍
已经研究了适应我国市场情况的企业资产价值波动性和股东价值的波动性的
函数关系，并对该函数进行了实证研究，但是到目前为止，我国还没有一套
完整、操作性较强、有效性很高的KMV模型技术。所以我们在利用KMV模
型之前，必须对KMV模型进行适当的修正，参数的估计方法也要进行修正，
必须配合广泛的实证研究证明该模型的普遍有效性，使模型更能反映企业的
性质，从而获得一种操作简单而又准确可靠的违约率测算工具，能够在信用
等级预期违约率的测算得到广泛的应用。
4．完善和发展我国证券市场，为KMV模型的建立提供良好的外部环境。
KMV模型应用于上市公司的信用评估，要求证券市场必须是有效的，只有这
样，KMV模型才能真实地反映上市公司的信用状况。由于我国尚处于经济转
轨时期，社会主义市场经济建设还不够健全，证券市场还不完善，严重弱化
T．'KMV模型的客观基础，对KMV模型的建立和有效运行带来了一定困难。
哈尔滨工程大学硕士学位论文
所以，我国应加强证券市场的市场化建设，规范股市信：息披露，加强交易活
动监管，减少证券市场的过渡投机，使股票价格能真实反映企业经营状况，
从而为KMV模型在我国上市公司信用风险管理中的应用提供良好的金融环
境【50l。样本数据的真实性和完整性对于任何一项研究的准确性来说，都有着
至关重要的影响。而KMV模型直接应用上市公司的数据对信用风险进行评
估，这就要求资本市场必须完善，上市公司必须按照规章操作，其公布的任
何信息必须及时、准确、真实可靠，只有这样才能真正发挥KMV模型的优势。
因此，只有资本市场的不断完善和健全，才能保证样本数据的准确性和完整
性，那么研究所使用的样本数据规模就可以相应的扩大，从而增强研究的准
确性和可信性。
5．加快信用风险管理人才队伍建设，为KMV模型的应用提供有力的人
力资源支持。目前，人才短缺是我国商业银行在应用先进信用风险评估方法
上面临的一大瓶颈，因此，为了通过提高信用风险管理质量，必须尽快培养
一批高素质的专业风险管理人才。具体而言，一方面，我国商业银行应该与
高等院校展开广泛合作，创办信用风险管理专业，并借鉴欧洲的信用管理学
院和美国达特矛斯学院信用风险管理专业的先进经验，开设风险管理、资信
调查、资信评级等课程，逐步培养新型的银行信用风险管理人才；另一方面，
可以积极引进具备丰富专业知识、掌握先进风险管理技能的高级人才，努力
提升我国商业银行的信用风险管理水平，增强抵御信用风险的能力。
5．4本章小结
综上所述，本章以KMV模型为基础，对上市公司的数据对模型做了实证
分析，计算出上市公司违约距离和理论违约率，并对计算结果进行分析；同
时还提出了非上市公司的KMV模型，并对其进行了评价。实证表明违约距离
能较好地度量上市公司信用风险的好坏。最后结合我国的实际情况，对模型
的应用提出建议。
70
嗡尔滨_I稷大学硕七学能论文
结耋日论}匕
本文尝试使用KMV模型计量我国商业锻行信用风险。并根据我国资本市
场的特点，选取KMV模型的相关参数，建立股本侩僮与违约率的磁数关系。
随着我雷股票市场撬禳的不断扩大，机构投资者不断增多，KMV模型的有效
健将得到迸一步增强。
1．KMV模型中数据获取容易，方法筒便，眈较适合在我国进彳亍推广和
应用。实证袭唠，股本价值与违约距离的函数关系显著。因此，在胤V模型
中使溺上市公迢股本价僮计量信溺风险是可行的。因此，KMV模型可以为债
权入、授赘者和监管者提供及时、可靠蔚信用风险计量工兵，是我国的信用
风险壹静态管理转化为动态管理的～种可行的选择。
2。KMV模型以公司股票交爨数据翻财务报表中麓财务数搌为输入量，
及时得到反映市场预期和企监信用风险水平变化的预矮违约率，隽反映商业
银行测算上市公司风险状况嫠来了～种薪的思路和技术方法。
。3。在KMV模型中，股本价值是通过上市公霹的股票市场价格来计算的，
然而我国金融机构的大部分贷款对象是非上市公司。嚣此，如何计算非上市
公司的股本价值进而计算其违约距离和贷款不良率霈进一步做深入地研究。
综上所述，KMV模型是～群动态的、具有翦瞻性的预期违约率测算方
法，这在一定程度上克服丁依赖历史数据数理统计模型的缺陷。因此利用
KMV模型测算上市公司信用风险方面具有得天独厚的优势。令人值得兴奋
的是，股权分雹的解决使得股份能够反映上市公司股权价值，从两缓解了股
权分置时代KMV模型因为股价不能直接计量非流通股股票市场价值而大打
折扣的技术难题，可以说KMV模型在中国诞券市场适用条件进一步成熟了。
我们完全有理由相信，随着KMV模型的不断修正完善、证券市场违约数据
的不断充实，KMV模型最终将会在商业银行对上市公司风险管理中得到广
泛的应用。
哈尔滨工程大学硕士学位论文
参考文献
安东尼·桑得斯著，刘宇飞译．信用风险度量一风险估值的新方法与其
他范式[M]．机械工业出版社，2001：46-68页1
朱忠明，张淑艳．金融风险管理学[M]．中国人民大学出版社，2004：
252—258页
约翰·B·考埃特．演进着的信用风险管理[M]．机械工业出版社i 2006：
43-46页
Crouhy．M．Mark．A Comparative Analysis of Current Credit Risk
Models[J]．Joumfl of Banking and Finanee．2000(24)：134—157P
周林．商业银行贷款企业分析[M]．中国金融出版社，1998：352-353
页
洛仑兹．格利茨著，唐旭等译．金融工程学[M]．经济科学出版社，1998：
189—252页
吴晓灵，李德．金融业风险管理与信用评价[M]．中国金融出版社，
2007：161—164页
弗兰克·J·法博齐著，周刚，王化斌等译．投资管理学[M]．经济科学
出版社，2000：70-114页
弗兰克·J·法博齐，佛朗哥·莫迪利亚尼．资本市场机构与工具[M]．
经济科学出版社，2001：322-343页
殷剑锋．风险管理与衍生产品[M]．机械业出版社，2004：60-72页，
90-100页
约翰·赫尔．期权、期货与衍生证券[M]．华夏出版社，2006：32-35
页
陈国辉，刘宗业，刘丽杰．风险度量是商业银行信用风险管理的关键
[J]．金融会计．2006(7)：77—79页
们
勾．
卯
钥
卯
胡
刃
胡
明
加
n
他
广L
rL广L
rL
rL
rL
rL
rL
rL
rL
rL
rL
哈尔滨工程大学硕十学位论文
董颖颖，薛锋，关伟．KMV模型在我国证券市场的适用性分析及其改
进[J]．生产力研究．2004(8)：60--64顽
都红雯，杨威．我国对KMV模型实证研究中存在的若干问题及对策思
考[J]．国际金融研究．2004(11)：22—27页
鲁炜，赵恒珩，方兆本．刘冀云．KMV模型在公司价值评估中的应用
[J]．管理科学．2003(3)：55页
Dimitris．N．Chorafas．Credit Derivatives and the Management of Risk：
Ineluding Models for Credit Risk[J]．Prentiee Hall Direet．2002 (1)：
23—。26P
薛锋，关伟，乔卓．上市公司信用风险度量的一种新方法一KMV[J]．西
北工业大学学报(社会科学版)．2003(9)：49—50页
郑茂．基于EDF模型的上市公司信用风险实证研究[J]．管理工程学报，
2005(3)：151—154页
周小川．与适时、适度进行金融调控有关的二个数学模型[J]．金融研
究，2005(1)：1-7页
刘明康．大力推进金融法制建设努力培育良好信用文化[J]．中国金融，
2005(17)：6-9页
弓长森，信贷风险与贷款决策[J]．统计与决策，2003(5)：32—33页
程鹏等．信用风险度量与我国商业银行信用风险管理[J]．上海金融，
2000(8)： 97-99页
李勤．信用风险对冲技术与我国商业银行的信用风险管理[J]．金融论
坛，2002(7)：100-102页
Reme．M．Stulz．Risk Management and Derivatives[M】．US Thomson
Learning．2003：271—299P
王春峰，李汉华．商业银行信用风险评估：投影寻踪判别分析模型[J]．
管理工程报，2000(14)：137—143页
王春峰，李汉华．小样本数据信用风险评估研究[J]．管理科学学报，
胡
钔
列
甜
刃
刚
明
明
¨幻
胡
钔
卯
甜
n
n
n
n
n
n
H
险
眨眨
匕
b
泣
囱
哈尔滨工程大学硕士学位论文
2001(40)：100-102页．
[”] 任志华，王俊寿．金融信用风险的表现及管理模式研究[J]．南开经济研
，究，2003(5)：56—57页
[28] 刘宇新，魏灿球．EDF模型度量信用衍生工具的信用风险研究[J]．四川
大学学报，2003(8)：695—699页
[29] Alissa Sehmelkin．Credit Derivatives Get Their Change to Shine[J]．
Ameriean Banker．2001(12)：144-160P
[30] 王琼，陈金贤．信用风险定价方法与模型研究[J]i现代财经，2002(4)：
14-16’页
[31] 吴世农，卢贤义．我国上市公司财务困境的预测模型研究[J]．经济研
究，2001(3)：46-55页
[32] 杜本峰．实值期权理论在信用风险评估中的应用[J]．经济经纬，2002
(6)：80—82页
[33] 李新春．转型时期的混合式契约制度与多重交易成本[J]．学术研究，
2000(4)：19—20页
[34] 刘宇新，魏灿秋．EDF模型度量信用衍生工具的信用风险研究[J]．四川
大学学报(自然科学版)，2003(4)：213页
[35]Peter．J．Crosbie，Jeffrey．R．Bohn．Modeling default risk[J]．KMV
Teehnieal Doeument．2002(1)：32—34P
[36] 骆瑞刚，刘红．违约概率与违约损失率：信用风险管理的新工具[J]．
金融会计2005(6)：157-159页
[37] 薛锋，关伟，乔卓．上市公司信用风险度量的一种新方法-KMVIJ]．西
北工业大学学报(社会科学版)，2003(9)：391—392页
[38] 邱军．我国商业银行贷款定价问题的研究[D]．天津大学，2001：21-23
页
[39j Susan．E．Bedignfiled，Kate．A．Smith．Predieting bad credit risk：
Anevolutionary approach[J]．Working paper．2003(1)：54—57P
74
哈尔滨工程大学硕士学位论文
●
。
张瀛．信用风险管理的发展及主要新方法[J]．系统工程理论方法应用，
2004(8)：13页
林利红．期权定价理论违约率模型在中国的应用[J]．技术经济与管理
研究，2004(1)：9-17页
陈忠阳．违约损失率LGD研究[J]．国际金融研究，2004(5)：4—6页
肖北溟．商业银行信用评级模型的构建及实证检验[J]．金融论坛，2004
(4)：19—27页
魏灿秋，向朝进．商业银行整体风险量化管理方法研究和对策建议[J]．
数量经济技术经济研究，2003(2)：51—52页
罗开位，违约．概率测度：商业银行信用风险管理的关键中国金融[J]．
2005(6)：74-75页
易丹辉，吴建民．上市公司信用风险计量研究一KMV模型及其应用[J]．
统计与信息论坛，2004(11)：76-77页
鲁炜，赵恒珩，刘冀云．KMV模型关系函数推导及其在中国股市的验
证[J]．运筹与管理．2003(6)：43-48页
Haekett John．。Credit Derivatives Hit a Snag[J]．US Banker．2001(召)：
57——72P
沈沛龙，任若恩．现代信用风险管理模型和方法的比较研究[J]．经济科
学，2002(3)：32-41页
章彰．商业银行信用风险管理[M]．中国人民大学出版社，2002：13-15
页
75
啪
们
勾朝
卅．
卯
甜
力
幻
明
町
删．
伽
伽纠
删．
伽
蚓
伽
删
例
铷
rjL
—rL
rL
rL
rL
rL
rL
rL
rL
rL
rL
哈尔滨工程大学硕+学位论文
’攻读硕士学位期间发表的论文和取得的科研成果
朱咏，洪晔．我国商业银行贷款定价研究．中国科技财富．2007(10)：137页
76