商业银行信用风险管理及实证研究

学校代码：10036

硕士学位论文

商业银行信用风险管理及实证研究

培养单位：国际经济贸易学院

专业名称：金融学

研究方向：商业银行业务

*****

指导教师：***

论文日期：二〇一〇年五月

Credit Risk Management and Empirical Study of Commercial Bank

学位论文原创性声明

本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文所涉及的研究工作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责任由本人承担。

特此声明

学位论文作者签名：年月日

学位论文版权使用授权书

本人完全了解对外经济贸易大学关于收集、保存、使用学位论文的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提供目录检索以及提供本学位论文全文或部分的阅览服务；学校有权按照有关规定向国家有关部门或者机构送交论文；在以不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。保密的学位论文在解密后遵守此规定。

学位论文作者签名：年月日导师签名：年月日

摘要

商业银行信用风险管理是关系到银行体系乃至整个国民经济稳定的大问题，加强对信用风险的研究具有重要的理论和现实意义。

本文在分析我国商业银行信用风险现状和形成原因的基础之上，对于当下主流的信用风险度量模型进行了比较，对于他们是否适合中国的实际情况进行了分析。在上述分析的基础之上，本文认为KMV模型比较合理且进行实证分析的条件相对成熟。由于上市公司的数据容易获得且准确度高，文章选取了沪深两市纺织服装行业2009年被ST的5家公司，并选取了5家相对应的非ST公司进行比较。由于历史违约数据的积累工作滞后，确定违约距离和实际预期违约率之间的映射目前尚无法实现，因此本文采用违约距离作为度量指标。研究表明，套用KMV已有的违约距离并不能很好地解释ST公司比非ST公司具有更高的信用风险，故而本文假设资产价值服从对数正态分布而不是一般正态分布，对KMV模型的违约距离进行了修正，实证结果表明修正的KMV模型能够较好地区别纺织服装行业内ST公司和非ST公司的信用风险。

在分析信用风险形成原因和各种风险度量模型的基础上，文章在最后有针对性地提出了一些建议。

关键词：商业银行，信用风险，KMV模型，纺织服装业上市公司

Abstract

Commercial bank's credit risk management is a major issue that is related to the stability of the banking system and even the entire national economy. Researches on such issue are helpful both in theoretical and realistic aspects.

Based on the analysis of credit risk status and reasons of Chinese commercial banks, we compare a series of risk assessment models and come to the conclusion of whether they are feasible in China .After discussion, we think KMV model is reasonable and can do the empirical analysis in China. As listed companies are easily accessed and they have high accuracy, We choose 5 listed companies in China textile and apparel industry that are special treated in 2009, and choose 5 normal companies that of same size with ST companies. Due to the historical lag in the accumulation of data, the foundation between the default distance and the actual expected default probabilities cannot be established yet. So we use the default distance as a metric. Researches prove that that the existed default distance of KMV model cannot properly explain the ST companies have a higher credit risk than non-ST companies. Therefore we assume that the value of assets is subject to the log-normal distribution rather than the general normal distribution and modify the default distance of the KMV model. Empirical results show that the modified KMV model can distinguish the credit risk between ST companies and non-ST companies better in textile and apparel industry.

Based on the analysis of reasons and assessment models of credit risk，we put up some suggestions for the credit risk management of commercial banks.

Keywords: Commercial bank, Credit risk, KMV model, Listed companies in textile and apparel industry