基于KMV模型的商业银行信用风险度量及管理研究

基于KMV模型的商业银⾏信⽤风险度量及管理研究
1 导⾔（论⽂中不能出现截图）
1.1 研究背景及意义
在新巴塞尔协议的背景下，商业银⾏所⾯临的风险可明确分类为：信⽤风险、市场风险、操作风险、流动性风险、清算风险、法律风险和信誉风险等七种类型。

McKinney（麦肯锡）公司以国际银⾏业为例进⾏的研究表明，以银⾏实际的风险资本配置为参照，信⽤风险占银⾏总体风险暴露的60％，⽽市场风险和操作风险仅各占20％。

因此，在商业银⾏所⾯临的众多风险中，信⽤风险占有特殊的地位，且信⽤风险已经成为国际上许多商业银⾏破产的主要原因。

对于我国商业银⾏来说，企业贷款是其主要业务，银⾏⼤部分的⾦融资产为企业贷款，因此贷款的信⽤风险是商业银⾏信⽤风险的最主要组成部分。

截⾄2014年底，商业银⾏的不良贷款余额为5921亿元，不良贷款率1％，⽐年初增加993亿元；2014年我国银⾏业⾦融机构不良贷款率达1.64%，较2013年提⾼了0.15%；商业银⾏2014年末不良贷款率1.29%，提⾼了0.29%，2014年商业银⾏不良贷款率创2009年来新⾼,2013年和2014年我国商业银⾏不良贷款率也不断上升。

以上数据都表明我国商业银⾏的信⽤风险形势还相当严峻。

信⽤风险问题俨然成为阻碍我国⾦融业的持续发展的重要原因。

因此，研究信⽤风险的特点，收集信⽤相关数据，建⽴度量信⽤风险的信⽤风险模型，定量分析信⽤风险数据，以及如何将信⽤风险管理措施运⽤到各项业务当中，已经是商业银⾏提⾼经营管理⽔平，降低信⽤风险的最基础、最迫切的要求。

本论⽂的选题就是在这样的前提和背景下进⾏的。

在西⽅发达国家，其商业银⾏的信⽤风险管理⽐较成熟，在实践和理论上都已形成相应的体系，表现出⼀种从定性到定量、从简单到复杂、从个别资产信⽤风险评级到资产组合信⽤风险评级的趋势。

信⽤风险度量的⽅法和模型也不断推陈出新。

相较⽽⾔，我国的商业银⾏信⽤风险管理系统体系尚不健全，
信⽤评级⽔平较低，对信⽤风险的分析任然处于传统的⽐例分析以及专家经验判断阶段，远不能有效满⾜商业银⾏对贷款安全性的度量要求。

因此如何加强我国商业银⾏的信⽤风险管理能⼒，提⾼我国银⾏业的风险管理⽔平，保证银⾏稳健经营，并使我国商业银⾏逐渐达到国际资本监管标准⼰是我国银⾏业发展的重要趋势，⽽研究和借鉴国外⼤银⾏先进的度量⽅法和管理措施，根据我国的具体情况探索、开发出适⽤我国商业银⾏的信⽤风险量化模型，提升我国银⾏的竞争⼒，确保我国银⾏在全球化的⼤环境下稳健经营⼰是当务之急。

1.2 相关研究现状
KMV模型⾃推出以来，受到国外学术界⼴泛关注，并对其可⾏性进⾏诸多实证分析，来验证其是否有效。

⾸先对该模型进⾏有效性验证的是KMV公司，它对IBM公司跨越5年信⽤质量恶化期间得出其EDF值在00%---20%之间变化，在其机构信⽤评级恶化之前，IBM的EDF值已经开始上升，⽐标准普尔信⽤评级的违约预测能⼒强[1]。

KMV公司还收集了包括3400家上市公司和40000家⾮上市公司⾃1973年以来的资料，建⽴了庞⼤的债券及企业信⽤资料数据库，结果在评价公司债券等⽅⾯具有显著成效，尤其在对上市公司的信⽤评价中尤为突出，它考虑到企业的财务变动、股价及其浮动情形，⽐单靠公司内外财务分析所得结论更准确。

Mark Carey(2001)通过重新定义参数，发现参数修正后KMV模型的预测能⼒有较⼤提⾼[2]。

Roger M．Stein(2002)在对原KMV模型进⾏分析后，通过与现实情况因素进⾏对⽐，提出了模型⾃⾝存在的⼀些预测问题和模型相关的改进意[3]。

Matthew Kurbat和Irina Korablev(2002)则使⽤⽔平确认(Level Validation)和校准(Calibration)⽅法对KMV进⾏了验证，研究结果证实KMV模型的输出结果EDF值实际上是偏态分布，并且样本规模的⼤⼩、样本公司的资产相关性的⼤⼩和EDF的偏态分布对EDF的预测结果有很⼤的影响[4]。

他们选1991年⾄2001年间上千家美国公司的数据作为样
本，计算出的样本公司资产相关性在0.1⾄0.2之间，⽤中位数EDF替代均值EDF，并以中位数EDF⼩于20和⼤于20将样本公司分为两类，所描绘出的两类样本公司的预期违约率轨迹与⼗年间实际发⽣的违约率轨迹匹配性很好，证明KMV模型是⼗分有效的。

1998年后，我国学者开始关注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：张玲、张佳林(2000)，王琼、陈⾦贤(2002)先后对KMV模型与其它模型进⾏了理论上的⽐较研究，认为KMV模型⽐其它只注重财务数据的信⽤风险模型更适合于评价上市公司的信⽤风险，并初步探讨了在中国市场上的适⽤性[5]。

杜本峰(2002)根据KMV 公司信⽤风险评估模型，介绍了如何使⽤实值期权理论来评估信⽤风险[6]。

鲁炜、赵恒衍和刘翼云（2003）⾸先利⽤GARCH族模型对KMV输⼊变量——股权价值波动率进⾏评估，并得出与输出变量资产价值波动率的函数关系式，初步实现了运⽤期权理论对我国上市公司的信⽤风险进⾏评估，发表了⽂章《KMV模型关系函数推测及其在中国股市的验证》[7]。

彭⾮远(2006)，选取17家上市公司实证⽐较了中国股市进⾏股权市场化前后的违约距离，结果发现股改后的违约距离显著增⼤，表明股权分置问题的解决，释放了中国股票市场的信⽤风险，有利于其健康发展。

随着我国证券市场上市公司股权分置改⾰接近尾声，⾮流通股的定价问题难以解决不再是阻碍KMV模型在我国应⽤的主要问题[8]。

从我国⽬前对风险管理的情况来看，从国家⾦融机构到银⾏企业都意识到其重要性并逐步建⽴起信⽤风险管理体系，但与发达国家相⽐，数据库数据不完善，信⽤⽂化的缺失，风险管理⼯具与技术与国际同业较⼤差距、风险管理体制差距等⼏个⽅⾯，都消弱了我国信⽤风险管理系统的风险揭⽰和控制作⽤。

所以我国在风险管理的道路上依旧任重道远
融为⼀体。

具体的研究⽅法有以下⼏个⽅⾯。

(1)⽐较分析与模型分析相结合。

深⼊分析现代商业银⾏信⽤风险管理的四种定量模型：Crcdit Mctrics模型、KMV模型、Crcdit Risk+模型和Credit Portfolio View模型，⽐较这些模型风险度量的思想和技术基础以及在我国的适⽤性。

(2)理论分析与实证分析相结合。

深⼊剖析KMV模型度量⽅法、理论和模型，通过上市公司的股票交易价格求出上市公司的股权价值波动率，通过上市公司年度报告中的流动负债、长期负债的得出公司债务⾯值，将股权价值波动率、股权市场价值和公司债务⾯值作为输⼊变量，运⽤期权定价模型(⾮线性微分⽅程组)求出资产价值和资产价值的波动率，运⽤修正后的KMV模型求出违约距离，对配对样本进⾏对⽐分析，验证模型有效性。

1.4预期的创新点
(1)不⾜之处
本⽂还存在着如下不⾜之处以期后续研究能够有所拓展。

①没有研究⾮上市公司。

由于KMV模型依赖于市场价格来预测违约，所以它不能直接运⽤到⾮上市公司。

对这些公司，KMV 利⽤上市公司的数据开发了⼀个资产市场价值资产波动性的模型。

该模型需要时常地更新参数，以这种⽅法来将⽬前的市场信息和⾮上市公司联系起来。

然⽽，这些模型仍需依赖于财务报表数据，⽽这些数据可能不是及时、准确的。

鉴于我国才刚刚引⼊KMV模型，对该模型的应⽤仍然处于起步阶段，所以本⽂只研究了KMV模型对上市公司的信⽤评价。

但是，不论是⾦融机构贷款客户，还是⼀般⽣产企业的赊销客户，都存在相当⼀部分⾮上市公司，所以研究对象仅为上市公司显然会影响KMV模型的应⽤范围。

②没有研究EDF的计算。

由于违约距离DD与预期违约概率EDF之间是⼀⼀对应的关系，所以本⽂实证过程中，在检验参数修正效果和检验模型预测效果时，研究对象均选择了DD。

根据KMV模型的假设，违约距离是评价企业违约风险的⼀个度量指标，可⽤其作为不同企业之间的⽐较。

但该值是个序数指标，⽽⾮基数或者概率指标，也即我们⽆法直接从违约距离中得知企业违约概率到底是多少。

因此在评价⼀个企业的信⽤风险时，最好是算出该企业的EDF，这样才是完整地应⽤了KMV模型。

(2)进⼀步研究的问题
针对上述的不⾜，在后续研究中可以从以下⼏个⽅⾯进⾏改进。

①加强对⾮上市公司的PFM模型实证研究以及对KMV模型中关键点在我国银⾏业的确定，认真学习和研究国际上已有的Credit Metrics模型等其它模型；
②利⽤上市公司的历史违约记录建⽴违约距离到预期违约概率的映射关系，提⾼违约距离的可操作性和现实意义。

2商业银⾏信⽤风险及其度量模型
现代的信⽤风险管理⽅法主要以定量分析为主，它的研究起源于20世纪80年代。

⾃1998年巴塞尔协议修正案正式许可⾦融机构可以选择内部模型度量其⾯临的信⽤风险后，各⼤银⾏或咨询公司纷纷推出了⽤于度量信⽤风险的内部模型并得到迅速发展。

信⽤风险度量⽅法的发展⼤致经历了四个阶段：专家分析⽅法、基于财务报表信息的多元统计模型判别模型、神经⽹络⽅法、以及信⽤风险内部度量模型，⼀般将专家分析⽅法、基于财务报表信息的多元统计模型判别模型、神经⽹络⽅法称为传统的⽅法。

本章的研究内容主要包括：
传统信⽤风险度量的⽅法、现代信⽤风险管理的计量模型以及现代信⽤风险计量模型⽐较研究三部分内容。

2.1 信⽤风险及其量化因⼦
信⽤风险作为商业银⾏所⾯临主要⾦融风险，并且作为⾦融风险的⼀种主要形式，信⽤风险也具有⾦融风险的⼀般特性，如具有不确定性、传递性和扩散性、隐蔽性和突发性等等。

同时，信⽤风险⼜具有与其他形式⾦融风险不同的⼀些特性。

因此对于信⽤风险的度量有具体研究，信⽤风险的量化因⼦主要有:（1）违约概率，对违约概率进⾏量化，需要我们对违约进⾏具体的界定；（2）违约损失率，银⾏对损失的界定缺乏统⼀定义，往往根据具体⽬的和需要确定；（3）违约风险暴露，关于违约风险暴露，最重要的⼀点是它未来的敞⼝，记载奖励⾯临信⽤风险的头⼨规模；（4）有效期限，银⾏贷款这⼀投资的收益受其时间价值的影响，期限越长，债务在到期前⾯临的不确定性越⼤，风险也越⼤。

2.2信⽤风险度量⽅法
2.2.1传统⽅法
2.2.1.15C信⽤评分法
（condition），即所在⾏业的整个经营状况及发展趋势。

在专家⽅法下，需要银⾏员⼯针对某⼀⾏业或某类客户范围进⾏长时期的有效分析和研究，积累经验，并成为具有⼀定⽔准的⼈才，但他们在选择客户是就会有强烈的偏好性，
因此他们的选择也给银⾏带来了潜在风险，原因就在于他们选择的客户相关性⾼，加剧银⾏贷款集中程度。

2.2.2.2信⽤评级法
贷款内部评级系统(Internal Rating Systems)是在美国货币管理署(Office of the Controller of Currency)最早开发的评级系统基础上由⼀些⾦融机构拓展开发⽽来的，⽤这⼀⽅法评估贷款损失准备⾦的充分性。

OCC最早将贷款分为正常、关注、次级、可疑、损失5级，损失准备⾦根据不同等级有不同要求。

另外国际上也⼜将其分为九级或者⼗级。

⽬前我国商业银⾏业已开始⼴泛推⾏贷款5级分类办法。

2.2.2.3信⽤评分法
该类⽅法以企业各项财务指标为数据变量，运⽤数理统计⽅法建⽴模型，根据模型输出的信⽤分值或违约概率与基准值相⽐较，对信⽤风险进⾏有效预测并进⾏资信评级。

因此类模型在实际运⽤中较为有效，所以也成为国际⾦融机构及学术研究机构的主流⽅法。

根据模型构建⽅法不同，主要可以分为多元线性判别分析模型、Logistic模型和Probit模型，线性判别分析模型等。

著名的Zeta判别模型建⽴在Z-score模型的基础之上，并将该模型应⽤于商业银⾏的贷款评价上，取得极⼤的反响。

2.2.2现代⽅法
在1998年巴塞尔协议对新资本充⾜率要求的推动下，⽤于信⽤风险度量的新⽅法也开始兴起，各银⾏可以使⽤内部模型评估与市场风险和信⽤风险相关的监管资本，⽽开发出的较为成熟的模型有：(1)J．P摩根公司的Credit Metrics模型；
(2)CSFP(Credit Suisse Financial Products)开发的Credit Risk+模型；(3)Mckinsey公司的Credit Portfolio View模型；(4)KMV 公司开发的KMV 模型。

2.3现代信⽤风险度量⽅法的分析⽐较
为了让读者更加清晰得了解四种现代评分模型各⾃有优劣，特此以表格形式进⾏对⽐，需要强调的是，这并不是说明各模型孰优孰劣，⽽是让我们更加全⾯的理解各模型的特点及其运⽤。

表1：现代信⽤风险度量模型⽐较
违约概率度量的⽅法优点缺点适⽤条件及范
围
Credit Metrics 模型讲VAR⽅法引⼊到信
⽤风险管理中来。

对组合价值的分布有
正态分布假设下的解
析⽅法；
对违约的概念进⾏了
拓展
它是⼀种盯市场信⽤
风险度量模型，能将
债务价值的⾼端和低
端考虑到
模型本⾝并没有回答关于
信⽤风险定价及其基础模
占⽤⼤量计算资源
模型计算的基础是对企业
的信⽤进⾏评级，⽬前我
国的信⽤评价体制还尚未
健全
信⽤等级体系
完善的⾦融机
构和企业：可
获得完备的内
外部信⽤评级
数据
Credit Risk+模型它可以推导出完善的
债券、贷款资产组合
的损失分布;
Credit Risk+计算相对
简单
它忽略了信⽤转移风险的
因素；
每⼀个债务⼈的信⽤暴露
都是固定的；
在处理诸如期权和外汇互
换等⾮线性产品上也部令
⼈满意。

⼤样本贷款组
合：可利⽤区
间划分的⽅法
对贷款进⾏分
类进⽽应⽤精
算模型。

CPV较充分的考虑了宏观
经济环境对信⽤等级模型的数据依赖于⼀国的很多宏观经济数据；
信⽤等级转移概率具有盯市性；
它既可以适⽤于单个债务⼈，也可以适⽤于群体债务⼈。

模型使⽤经调整后的信⽤
等级转移概率矩阵的特殊
程序，⽽调整则基于银⾏
信贷部门积累的经验和信
贷周期的主观判断。

信贷组合与宏
观经济指标的
敏感度分析构
建回归模型。

拥有强有⼒的理论⽀持；
KMV模型是以股票市场数据为基础的，具有前瞻性；
动态模型；
部要求有效市场假设。

参数设计存在争议；
对数据库要求⾼。

上市公司：可
获得准确及时
的企业财务数
据。

3我国商业银⾏信⽤风险度量模型研究——KMV模型
⾸先要说明为什么要选择KMV作为我国商业银⾏信⽤风险的度量模型，顺便谈谈我国信⽤风险的状况。

KMV模型是KMV公司于1993年创⽴的⼀种度量预期违约率(Expected Default Frequency，EDF)的模型，是以经典的莫顿模型为理论基础将期权定价理论应⽤于贷款和债券估值⽽开发出的⼀种信⽤监控模型，它通过对上市公司股价波动的分析，来预测股权公开交易公司发⽣违约的可能性。

对⽐国内外对KMV模型的研究成果，发现我国还有很⼤的进步空间。

3.1 KMV模型介绍
KMV模型由世界著名的信⽤风险咨询管理公司KMV公司(现⼰被世界著名的信⽤评级机构——穆迪投资服务公司收购)创⽴并商品化。

该公司位于美国旧⾦⼭，成⽴于1989年，公司取其三位创办者Kealhofer、McQuow和
Vasicek⾸字母(KMV)为名。

1993年,McQuown与Vasicek发展和改进了Fisher Black Myron Scholes(1973)和Robert
Merton(1974)创⽴的期权定价理论，在此基础上提出了著名的Credit Monitor Model(即KMV模型)，并给出借款⼈的违约率测量⽅法[9][10]。

随后，Longstaff和Schwarz(1995)、Zhou(1997)对此作了进⼀步的发展[11][12]。

3.2 KMV模型的理论分析
KMV模型是在企业负债⼀定的情况下，由负债⼈资产的市场价值来决定的违约风险。

假如⼀个公司的资产市场价值为V具有负债D，负债D须在合同约定时间T时还清，否则该公司违约。

如果该公司资产市场价值V在时间T时⼤于D，则该公司可以偿还负债，不违约；反之，如果⼩于D，则公司只能将股权转让给债权⼈。

由于KMV模型研究基于期权的理论基础，因此可以将企业向银⾏贷款看做⼀个欧式看涨期权的交易过程。

企业相当于期权多头（买⽅），银⾏可看做期权空头（卖⽅），企业的资产V为期权的基础资产，企业的贷款为D看做执⾏价格，初始投资为期权费S。

由于受到市场及各⽅⾯因素影响企业资产价值V不断变化，当V＝V1D时，企业将会偿还贷款，企业股东获得V2-D的剩余利益，且股东的收益将随着企业资产市值的增多⽽增
（1）满⾜期权定价模型的基本假设；
（2）当债务⼈资产的市场价值⼤于贷款时，债务⼈将偿还贷款，反之会选择违约；
（3）债务⼈资产价值服从⼏何布朗运动，债务⼈收益服从正态分布；
（4）债务⼈资本只包括所有者权益，短期债务、长期债务可转化优先股。

3.2.2求解步骤
（1）计算公司资产价值V A和资产价值波动率δA
由B-S期权定价模型，可以得到债务到期⽇资产价值和股权价值之间的关系：
其中V E 表⽰公司股权的市场价值，V A表⽰公司的资产价值，δE表⽰股权价值波动率，δA表⽰资产价值波动率，D表⽰负债，t表⽰债务到期时间，以下的实证中假设t=1，r表⽰市场⽆风险利率，本⽂采⽤中国⼈民银⾏制定的⼀年期定期存款利息率来估计r。

N(d)为标准正态累计概率函数。

根据式（1），（4）可计算出V A和δA
（2）计算违约点DP和违约距离DD
根据对KMV模型的多次分析验证，发现违约最频繁的临界点是：
DP=CL+0.5LL（5）
其中CL和LL分别表⽰流动负债和长期负债。

当违约距离DD越⼩时，表明公司违约概率越⼤，反之，则越⼩。

4基于KMV模型的我国商业银⾏信⽤风险度量实证
KMV模型由于数据获取相对容易，计算操作简便，通过对KMV模型的实证研究，发现其违约距离可以很好的度量出上市公司信⽤状况的好坏，进⽽对银⾏业的信⽤风险的管理起到了很好的指导作⽤，⽐较适⽤于我国现阶段的信⽤风险量化管理⽔平，实⽤性强，虽然模型还不能全⾯应⽤于我国银⾏业的信⽤风险度量，但在我国银⾏业信⽤风险度量中也具有很好的适⽤性。

4.1样本选取
根据《上市规则》：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，即被ST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[13]。

相较⽽⾔，ST公司⽐⼀般正常的上市公司具有较⾼的信⽤风险。

因此，本⽂选择ST公司和⾮ST公司作为样本对⽐组。

截⽌到2014年底，在我国境内上市的2605家上市公司中选取10家ST上市公司(剔除数据不全)作为ST样本组，并选出10家与之配对的⾮ST公司样本组，共20家上市公司为研究对象。

考虑到样本公司之间的可⽐性并且能够最⼤限度避免交易场所、⾏业及规模对实证结论的⼲扰，配对⾮ST公司主要依据以下三个条件：(1)与配对ST公司同属⼀个⾏业；(2)与配对ST公司同在⼀个证券交易所；(3)与配对ST公司具有相近的总资产规模。

所选取的上市公司均为只发⾏A股的企业，并且在2014年底前完成股改。

以下为所选取的两个样本组：
表2：配对样本公司
⾏业股票代码名称股票代码名称
信息技术业000008.SZ *ST宝投000021.SZ 长城开发
制造业000605.SZ *ST四环000989.SZ 九芝堂
电⼒煤⽓及⽔000692.SZ *ST惠天000899.SZ 赣能股份
的⽣产和供应
农业牧渔000735.SZ *ST罗⽜000998.SZ 隆平⾼科
制造业000920.SZ *ST汇通000800.SZ ⼀汽轿车
制造业600080.SH *ST⾦花600636.SH 三爱富
批发与零售业600084.SH *ST新天600655.SH 豫园商城
信息技术业600198.SH *ST⼤唐600271.SH 航天信息研究基准⽇为2014年12⽉28⽇这⼀天的以上两组样本上市公司的信⽤风险状况，并进⾏评估。

本⽂采⽤以上两组上市公司2014年公开的年报的财务数据和来⾃上海证券交易所、深圳证券交易所的每⽇交易价格信息作为市场数据。

4.2模型的计算过程及结果
4.2.1 参数假定
如上⽂所诉，由于我国利率没有⾃由化，本⽂中市场⽆风险利率r选取为⼀年期银⾏定期存款利率2.75% 最为替代；假定股票价格服从对数正态分布，则股票⽇收益率为：
µn=ln(Sn+1/Sn), （7）
其中，Sn表⽰第n天股票的收盘价格。

（8）将两样本组各股票价格数据代⼊上式，可得出各股⽇收益波动率。

⽇收益波动率与年收益波动率的关系如下（2014年⼀年的交易天数为242天）：
（9）
4.2.2计算股权价值波动率
计算出股票⽇收益率(2014年8⽉6⽇⾄12⽉26⽇)后，在Excel中，利⽤STDEVP函数，算出股票价值的波动率，如下表所⽰。

表3：样本公司股票价值的波动率
股票代码波动率股票代码波动率000008.SZ 0.380 000021.SZ 0.337 000048.SZ 0.397 000729.SZ 0.378 000100.SZ 0.402 000823.SZ 0.463 000605.SZ 0.557 000989.SZ 0.324 000692.SZ 0.347 000899.SZ 0.367 000735.SZ 0.393 000998.SZ
根据上⽂所求出的股票波动率，先算出违约点(DPT，即D值)和公司股权价值V E (％)，再利⽤公式(1)和(4)运⽤多微分数插值解法求解⼆元⾮线性⽅程组就可以求得公司资产价值V A和资产价值波动率δA。

计算过程借助数学软件Matlab进⾏的，计算的程序见附录1，计算结果如下表所⽰。

表4：样本公司的资产价值和资产价值波动率
股票代码V E D V AδA股票代码V E D V AδA
000008.S Z 2．
643
2.63
3.67
2
0.42
1
000021.S
Z
0.77
4
2.936 0.894 0.28
000048.S Z 9.6
73
2.53 0.18
9
0.26
5
000729.S
Z
0.85
3
2.034
8
1.651 0.25
3
000100.S Z 0.8
79
2.48
2
0.12
7
000823.S
Z
0.10
6
2.434 0.366 0.16 4
000605.S Z 0.0 62
1.82
3
6.74
3
0.38
2
000989.S
Z
0.19
2
2.101 0.165 0.30 2
000692.S Z 7.9 54
3.02
7
0.17
5
0.14
9
000899.S
Z
2.978 0.277 0.26 9
000735.S Z 0.9 53
3.38
7
0.26
6
0.26
7
000998.S
Z
0.08
6
2.722 0．25
4
0.17
6
000920.S Z 0.4 84
2.36
3
0.83
2
0.38
5
000800.S
Z
0.47
3
3.134 0.864 0.22 9
600080.S H 0.0
5
0.14
3
600636.S
H
0.19
5
2.555 0.276 0.22 5
600084.S H 0.2 86
1.64
8
0.58
1
0.19
3
600655.S
H
0.47
7
2.597 0.621 0.19 7
600198.S H 0.3 67
1.85
9
0.68
2
0.31
5
600271.S
H
2.890 0．99
2
0.28
1
4.2.4计算违约距离
在计算出以上结果之后，利⽤公式（6）计算样两组样本公司的违约距离。

结果如下表。

表5：样本公司的违约距离
股票代码ST*违约距离股票代码⾮ST*违约距离000008.SZ 1.186 000021.SZ 2.392 000048.SZ 1.921 000729.SZ 1.891 000100.SZ 2.367 000823.SZ 1.660
000605.SZ 1.136 000989.SZ 1.489 000692.SZ 1.765 000899.SZ 1.839 000735.SZ 1.831 000998.SZ 1.869 000920.SZ 1.479 000800.SZ 1.952 600080.SH 1.741 600636.SH 2.009 600084.SH 1.360 600655.SH 1.839 600198.SH 0.579 600271.SH 1.869
4.3实证结果及分析
根据表结果绘制出两样本组（ST和⾮ST）的违约距离折线图。

如图1：
图1：ST公司和⾮ST公司违约距离折线图
通过分析模型应⽤结果和以上折线图可知：
(1)与根据经验分析的结果基本⼀致，模型对⾮ST公司和ST公司的信⽤风险有较强的识别能⼒。

(2)公司的股票价值普遍低于其资产价值，且股票市值对公司资产价值影响较⼤。

(3)违约距离作为区别两样本组违约风险的度量指标，数值越⼩其违约率越⼤，反之则越⼩。

从上图可以看出，⾮ST公司违约距离的均值为 1.8809，ST公司违约距离的均值为1．5365，违约距离均值中也能体现出⾮ST公司与
ST公司在违约距离上的区别，这说明违约距离在⼀定程度上反映了⽬前我国上市公司真实的信⽤状况。

5结论及建议
5.1研究结论
本⽂，⾸先介绍了我国商业银⾏所⾯临的信⽤风险问题，以及国际上的发展进程，确定了KMV模型等风险管理⽅法的迫切需求；通过回顾信⽤风险度量的发展历程，将信⽤风险度量模型划分为古典度量模式和现代度量模式两类；随后简单介绍了⼏种⽐较有代表性的古典信⽤风险度量模型和现代信⽤风险度量模型，并对四种现代信⽤风险度量模型进⾏了⽐较；然后在沪深两市中的上市公司选取股改后的20家上市公司，接着对KMV模型在我国银⾏业的应⽤进⾏实证分析，得出结论，我国上市公司信⽤状况可以在违约距离上的到较好体现。

通过上述定性和定量的分析分析，以及解决了股权分置的问题使得股价能够反映上市公司股权价值，可以说KMV模型在中国证券市场适⽤条件进⼀步成熟了，使得⽤KMV模型来评价我国上市公司信⽤风险的效果具有了可瞻性，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。

5.2 KMV模型的应⽤建议
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，定性且定量地得出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。

为使KMV模型在我国能够⼴泛应⽤，建议如下：
(1)提⾼证券市场的有效性
在运⽤KMV模型来计算违约概率时需要⼤量来⾃公司年报的数据，因此数据的可靠性及完整性对于计算的结果⾄关重要。

正因为KMV模型对于数据的要求，证券市场的有效性才体现的尤为重要，因为只有上市公司及时、真实、可靠地进⾏信息公布，KMV模型的计算结果才能真实的反应上市公司的信⽤状况。

(2)完善相关的法律法规
配合证券监管体制的要求，建⽴和完善相关的法律法规，对违约操作及欺骗误导投资者的上市公司，不但进⾏经济处罚，还要其承担相应的法律责任，这样有利于上市公司管理者的重视，起到威慑作⽤。

(3)加快建⽴信⽤数据库：
鉴于庞⼤数量的上市企业，及对这些企业数据的要求，建⽴信⽤数据库成为必不可少的⼀环，只有在强⼤的数据⽀撑下，才能有效的对信⽤风险进⾏预测及监控。

投资者将可以⾃主估算投资风险，有效的降低了投资成本。

(4)加快建⽴信⽤预警系统
在建⽴信⽤数据库之后，通过观察和统计，可以得出出上市公司信⽤风险⼤⼩并找出其违约⾏为发⽣之间的关系，找到同⼀⾏业的信⽤风险临界值，并根据这些临界值建⽴⾏业信⽤风险预警系统，及时提醒投资者。

总之，KMV模型在我国的应⽤已具备了成熟的条件，特别是当前违约数据缺乏的情况下，银⾏可以分析上市公司违约距离与他们信⽤等级评估值之间的关系，建⽴两者之间的转换关系式。

为使KMV模型能够更加的本⼟化，适应我国的基本情况，相关部门应加强对数据收集等基础⼯作。

参考⽂献
[1]John Andrew Mcquown．A comment on market VS．Accounting—based measures of default risk[J]．Moodys KMV Corporation．1993．
[2]Mark Carey,Mark Hryeay．Parameterizing credit risk models with rating data[J]．Journal
of Banking and Finance．2001．25：1 97—270_
[3]Roger M．Stein．Benchmarking Default Prediction Models：Pitfalls and Remedies in Model Validation[J]．Moodys
l@ⅣCorporation．2002(7)．
[4]Matthew Kurbat,Irina Korablev．Methodology for Testing the Level of the EDF Credit Measure[J]．Moodys KMV Corporation．2002(8)．
[5]张玲，张佳林．信⽤风险评估⽅法发展趋势阴，预测，2000(4)：72-75．
[6]杜本峰．实值期权理论在信⽤风险评估中的应⽤阴，经济经纬，2002(3)：80·82．
[7]鲁炜，赵恒珩等．KMV模型在公司价值评估中的应⽤川，管理科学，2003，(3)：30·33．
[8]彭⾮远．KMV模型对中国上市公司股权市场后的信⽤风险实证分析川，中⼭⼤学学报论丛，2006，(8)：109．112．。