基于KMV模型的锦州银行信用风险评估研究

孙友荣+张玉明

[提要] 锦州银行经过多年的经营发展，不仅成功在香港上市，而且在锦州市的市场份额远远超过四大国有银行，形成独有的现象；由于城市银行自身的特点，客户对锦州银行信用风险水平产生疑虑。对锦州银行信用风险评估无疑可以明确研究结论，同时可以帮助银行决策者提高规避信用风险水平，保持银行健康经营与发展。本文以2016年各银行财务报表数据与股票交易数据为基础，运用KMV模型，对锦州银行信用风险进行评估，研究发现锦州银行的违约距离比较小，违约概率比较大；信用级别处于穆迪A1，标准普尔处于AA/A。

关键词：信用风险；KMV模型；违约距离；违约概率

中图分类号：F83 文献标识码：A

收录日期：2017年2月17日

一、问题的提出

信用风险一直都是整个金融行业中最为主要、最为古老的风险形式，它一直影响着现代生活的方方面面，也对一国的宏观经济决策与经济发展有影响。根据银监会监管2015年的统计数据，截至2015年末，城市商业银行不良贷款余额累计达1，213亿元，不良贷款率为1.40%，较年初增长0.24个百分点；而到2016年第三季度，不良贷款继续攀升，不良贷款余额达到了1，488亿元，不良贷款率为1.51%。整个城市商业银行的信用风险居高不下并且持续上升。由此可见，我国城市商业银行在信用风险管理方面仍然存在比较大的问题。

有学者研究发现：在中国中小城市中，大型银行的市场份额已经开始逐渐下降，取而代之的则是城市商业银行。但是城市商业银行也存在风险方面的问题。首先，由于城市商业银行在全国各地区所设的分支机构比较少，并且从地域上来看其分散风险的能力也比较弱，因而它们相对更容易倒闭；其次，城市商业银行对房地产的依赖程度比较大，房地产市场放缓对于该银行的冲击会比较大。从全国范围看，五大国有银行的总资产在中国银行业中所占的比例达到了41%，股份制商业银行的比例为18%，城市商业银行占到了11%。而从局域数据来说，银行的市场份额也不尽相同，以辽宁省为例，其国有银行的市场份额为33%，低于全国平均水平，城市商业银行的份额则为26%，高于全国水平。再缩小范围，以辽宁省锦州市为例，它的国有银行市场占比仅为19.4%，不足全国水平的一半，而锦州银行的市场份额却达到了62.6%，远远高于全国水平的11%。

锦州银行于1997年成立至今，在北京、天津、沈阳、大连、哈尔滨、锦州等12个城市都设有分行，并发起设立了锦州太和益民村镇银行股份有限公司、辽宁义县祥和村镇银行股份有限公司、锦州北镇益民村镇银行股份有限公司、辽宁黑山银行村镇银行股份有限公司、辽宁喀左银行村镇银行股份有限公司五家村镇银行，同时作为控股股东发起设立了锦银金融租赁有限责任公司。截至2016年6月30日，锦州银行的机构数量合计214家。根据锦州银行2015年年报可看出锦州银行主要贷款方向为批发零售业、制造业、房地产业余租赁和商务服务业，分别占到了31.26%、22.39%、10.62%和6.16%。说明锦州银行对这四大行业的依赖程度较大。锦州银行2015年净利润为49.08056亿元，同比增长了131.2%，虽然自上市以来锦州银行的利润增长迅速，而且在锦州地区市场份额远超四大国有银行，这在国内是独有的现象，由于众所周知的城市银行固有的局限性，其面临的信用风险也受到了外界的极大关注。

由此可以看出，研究锦州银行的信用风险问题是很有必要的。而要研究锦州银行的信用风险，首先得对锦州银行进行信用风险的度量。鉴于前人的研究以及锦州银行为上市银行，因此本文准备采用KMV模型来进行研究。

二、KMV模型的应用

KMV模型是1997年由善于风险管理的KMV公司（后被穆迪公司收购）研究开发出的信用风险违约预测模型。该模型是以BSM股票期权定价模型为理论基础，通过预测违约概率（EDF）来分析企业的信用风险状况。KMV模型认为：当企业负债确定的情况下，企业得到贷款而产生的信用风险主要取决于借款人的资产市场价值。当该企业的资产市场价值与某一水平对比发现较低时，公司可能会因为无力偿还贷款而发生违约情况，而这一水平便是企业的违约点。KMV模型的计算逻辑为：收集企业财務数据和资本市场的数据，然后对企业的股票总市值和波动率进行计算，结合违约点，得到企业的资产市场价值与波动率，最终会通过方程求得违约距离与预期违约概率（EDF）。

（一）KMV模型在国外的研究应用。David Munves、David Hamilton和Allerton Smith（2010）对1996～2006年以及2007～2010年两个时段的预期违约率与实际违约率展开比较分析，最终得出KMV模型可以有效识别金融危机前后的银行信用风险状况。Lee（2011）把KMV模型与遗传算法结合在一起，将违约点的设定进行修正，然后用修正后的模型对台湾的上市公司进行研究分析，最终可得修正后的模型可以更准确地计算违约点，从而能够提升模型的预测度和商业银行的信用风险管理能力。Camara Antonio、PopavaIvilina和Slimkins Betty（2012）把商业银行的金融衍生品这一指标填入模型中，通过对KMV模型进行修正后，对金融危机中的金融类企业进行度量，发现修正后的KMV模型可以更为准确地预测企业的违约概率。

（二）KMV模型在国内的研究应用。凌江怀、刘燕媚（2013）针对10家上市的商业银行，以2012年银行的财务分析数据和股票数据为变量因素，通过建立KMV模型对银行的信用风险进行度量，检验KMV模型是否适用于我国上市的商业银行信用风险测量。李琦（2014）以10家ST上市企业和10家非ST上市企业为研究对象，建立KMV模型对这20家上市企业进行实证分析，从而证明KMV模型可以较为准确地测量我国上市企业的信用风险。李江（2015）通过对我国上市的14家商业银行财务数据进行实证分析，然后建立KMV模型对我国商业银行的信用风险进行数据度量，得出我国商业银行的总体信用风险较低，并且其波动走势与我国宏观的经济形势保持一致性；另外，KMV模型可以作为我国上市的商业银行信用风险分析的工具。

综上所述，KMV模型在国外内都有比较深入的研究，并且该模型更适用于研究上市企业，因此锦州银行可以运用该模型度量出其违约距离和违约概率（EDF）等情况。

三、基于KMV模型的银行信用风险评估

（一）界定研究对象。以锦州银行（00416）为研究对象，通过数据分析，建立KMV模型，最终可以得出违约距离与违约概率，但由于缺少对比对象，因此这两个结果没有任何意义，因此本文从港股中选出另外4家城市商业银行——盛京银行（02066）、哈尔滨银行（06138）、青岛银行（03866）和重庆银行（01963），从而将这5家银行的最终结果与穆迪、标准普尔（S&P）的风险评级进行对比，研究锦州银行的信用风险问题，然后对其进行评估。样本研究时间选择2016年1月1日至2016年12月31日，各项财务指标都选自5家银行的财务报表，基准日则定为2016年12月31日，详细情况如表1所示。（表1）

（二）参数设置

1、无风险利率r的确定。本文采用中国人民银行目前实行的2016年一年期整存整取的定期存款利率，r=1.5%。

2、时间参数T的确定。本文将研究期限设为1年，通过数据计算1年期的五大城市商业银行的违约距离和违约概率。

3、股权价值的确定。由于五家城市商业银行均在香港上市，因而股票总价值等于银行总股本与基准日的收盘价乘积，即为：股权价值=总股本×基准日的收盘价。

4、违约点的确定。由于银行的流动性负债无法统计，因此本文选取总负债为违约点，而总负债以银行的年度报表公布为准。

（三）研究假设。本文假设信用风险与违约距离、违约概率存在一定的关系，即信用风险越大，则违约距离越小，违约概率越大。

（四）实证过程

1、银行股票价值波动率的计算。计算股票价值波动率的方法有多种，本文采用移动平均模型，即对基准日之前一年的每日股票收盘价格进行多次计算求得波动率，然后求出平均值的方法。假设股票的收盘价格是服从对数正态分布的，而一年股市的交易日是242天，计算公式如下：

2、银行的股票市场价值（VE）计算。银行的股票市场价值（VE）=基准日股票收盘价×总股本。具体计算结果表2第三列所示。可以看出，锦州银行的股票价值日波动率与年波动率均为最高，分别为0.031253和0.48619，而重庆银行最低，为0.014866和0.23125。五家银行的均值为0.0218708，和0.34023。由此也可以看出，锦州银行的股票价格波动相对更剧烈，而重庆银行相对平稳。（表2）

3、银行违约点DP的计算。由于银行的流动性负债无法确实，因此本文选取财务报表中的总负债作为KMV模型的违约点（DP），结果如表3所示。可以看出：锦州银行的总负债为3，353.88599亿元；盛京银行的总负债最高，为6，599.13547亿元，而青岛银行最低，为1，706.21602亿元。由此可见，锦州银行的总负债并不算最高，单从总负债来看锦州银行面临的信用风险在这五家银行中并不是很大的。

最终的计算结果如表5所示。可以看出，锦州银行的违约距离最小，违约概率最大，所以锦州银行的信用风险最大，验证了假设成立。而重庆银行的违约距离最大，其违约概率最小，说明其信用风险最小。（表5）

结合穆迪与标准普尔（S&P）的风险评级系统与这五家银行所得的违约概率进行对照。穆迪与标准普尔两家评级公司是国际上各大银行所认可的风险评级公司，其风险评级代表着违约概率，因此将结果与其对照具有可靠性。表6为穆迪与标准普尔（S&P）的信用评级对照表，而表7为五家银行的信用评级结果。（表6、表7）

由表7可以看出，锦州银行与盛京银行处于第二级别，而哈尔滨银行、青岛银行与重庆银行都处于第一级别。这说明锦州银行的信用风险问题是相对较大的。同时，也可以看出EDF度量的信用风险受到以下5个财务因素影响：银行资产规模、银行偿债能力、银行盈利能力、银行资产稳定性与银行股价的稳定性。银行资产规模越大，盈利能力与偿债能力越强，资产波动性越小，则该银行的违约距离越大，预期违约概率就越小；反之，则其违约概率越大，信用风险问题就越大。

锦州银行虽然现在存在较大的信用风险问题，但是由2016年中报看，锦州银行的资产总额为4，224.66亿元，比上年年底增加了16.8%，净利润为37.94亿元，同比增长了164.51%。那么，锦州银行到底是以何种方法对信用风险进行防范同时又使得营业收益如此之高呢？这还需要对锦州银行的内部政策信息进行分析。

四、结论及对策建议

（一）主要研究结论。通过实证结果可以看出锦州银行的违约距离最小，违约概率最大。所以，锦州银行的信用风险相对于以上4家城市商业银行而言最大。实证也验证了信用风险与违约距离成反比，与违约概率成正比的研究假设。综上的分析表明锦州银行的决策者需要高度重视信用风险问题，趋利避害，确保锦州银行的健康发展。

（二）相关对策建议。随着银行业的越发成熟，各大银行的竞争越发激烈，而银行的信用风险问题也会越来越突出，因此锦州银行应该防患未然，对其自身的信用风险问题进行完善。而本文也提出以下建议：

1、提升锦州银行的客户资质与信用质量，实行贷款组合与差别定价的政策。通过实行该政策可以实现锦州银行在既定风险下的收益最大化或者既定收益下的风险最小化，由此可以有效地降低信用風险。

2、更多地吸收专业化风险管理人才。中国的信用风险管理目前处于起步阶段，因此锦州银行如果能够更多培养专业风险管理人才不仅可以提升其信用风险的管理水平，也可以降低目前的信用风险发生的可能性。

3、与其他银行合作，建立共同的违约数据库。目前，中国商业银行之间还没有实行客户信息共享，因此这就让信用程度比较差的客户钻了空子。如果与其他商业银行合作，建立共同违约数据库，则客户信息共享量增多，也会减少信用差客户的钻空子行为，这样也会降低锦州银行的信用风险。

主要参考文献：

[1]从锦州银行IPO遇冷看地方性银行困境.网易财经网.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]凌江怀，刘燕媚.基于KMV模型的中国商业银行信用风险实证分析——以10家上市商业银行为例[J].华南师范大学学报（社会科学版），2013.5.

[6]李琦.基于KMV模型的商业银行信用风险管理研究[D].上海：复旦大学，2014.

[7]李江，张春霖.基于KMV模型的我国商业银行信用风险探析[J].青海金融，2015.9.