KMV模型的商业银行信贷风险论文范文

本站小编为你精心准备了KMV模型的商业银行信贷风险论文参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

KMV模型的商业银行信贷风险论文

1．1KMV模型的基本思想布莱克—斯科尔斯的期权定价模型（B－S模型）是KMV模型的理论基础．KMV模型将公司股权等同于一份看涨期权，该公司的股权是公司的潜在价值，执行价等于公司债务面值［1］．KMV模型通过计算公司资产市场价值期望值与违约触发点DPT的距离，即违约距离DD来测算公司违约的可能性，其数值越小，表示发生违约的可能性越大．根据DD，通过映射关系可以得出期望违约率EDF，即未来某一特定时期公司的违约概率．

1．2KMV模型的假设条件KMV模型是以B－S模型为基础，所以其假设条件应当满足B－S模型的基本假设：第一，金融交易不存在摩擦，不存在交易成本、税收允许卖空；第二，无风险利率在到期日之前保持不变，为固定值；第三，证券交易连续进行并且任何比率的标的证券都可交易；第四，该模型假设每个企业的内在价值服从布朗随机干扰运动，每个企业都有只发行零息债券．除此之外，KMV模型还应满足以下3个假设条件：第一，EDF值能充分反应公司的信用信息，且每个公司都有其特有的EDF值；第二，若负债到期时公司的资产市场价值高于债务，则公司选择偿债；若公司的市场价值小于债务，则公司选择违约；第三，借款人的资本结构包括所有者权益、短期债券、长期债券以及可转化优先股．

1．3KMV模型的计算步骤（1）计算公司的资产价值V及波动率σA．定义E为公司的股权市场价值，V为公司资产价值，D为公司债务价值，t为债务期限，r为无风险利率，σE表示股权价值波动率，N（•）为标准正态的累积分布函数．根据B－S模型有如下期权定价公式。（2）计算公司的违约距离DD．KMV模型假设资产价值的预期变化服从正态分布，违约距离DD即为公司资产市场价值期望值与公司债务账面价值的距离。

2KMV模型在商业银行的实证研究

2．1样本选取从证券交易所选取六家上市公司作为研究对象，按照公司的净利润分别选取业绩好、业绩一般、业绩较差的三类上市公司作为样本，选取的数据以各家上市公司的2011年企业财务报表为来源．六家公司包括：江山股份、沧州大化、乐通股份、彩虹精化、＊ST北磁、＊ST祥龙，且已完成股权分置改革，不存在非流通股．这样以来，通过流通股和收盘价求得的股权市场价值就能更准确反映公司的实际情况，为KMV模型的计算以及应用提供合理依据，保证验证结果的客观性．

2．2参数确定实证研究过程中，在求解公司的资产价值和其波动率之前，应当首先确定各家公司的相关参数值．六家企业的参数值均来自新浪财经网和东方财富网，计算得出的数据如表1所列．具体的，模型中的参数确定如下：（1）公司的股权市场价值E的确定．样本股票的市场价值是选取样本股票流通A股股份乘以平均收盘价作为计算基础，即公司股权市场价值E等于收盘价乘以流通A股的股份；（2）无风险利率r的确定．风险利率采用的是中国人民银行制定的一年期定期存款利率，r为2．50％；（3）公司债务面值D的确定．根据各公司2011年财务报表的负债总额来估计债务面值，设定债务期限t为一年；（4）违约点DPT的确定．研究以KMV模型的经验出发来估计违约点，即为DPT等于短期负债加上长期负债的一半；（5）公司的股权价值波动率σE求解方式为：根据2011年6家公司的日股票收盘价计算所得．

2．3实证结果与分析我们编写Matlab程序，利用式（1）、式（2），计算V及σA，根据公式（3）及违约点DPT，计算违约距离，根据公式（4）及违约点DPT，确定违约概率，计算结果见表2．根据表2数据，可见除＊ST祥龙外，其他五家公司的违约风险的大小可以通过违约距离进行区分，从整体的趋势走向来看，业绩较好的公司违约距离值会更大一些，业绩较差的公司违约概率值会偏小一些，这与KMV模型的理论结果一致：企业的业绩好或者资产波动性小，它的违约距离会相对较大，而违约概率会比较小，即违约风险就越小．我们的计算结果说明公司的违约距离越大，信用质量越高，发生信贷风险的可能性就越小．五家样本公司的违约概率趋势走向与违约距离的趋势走向呈反向关系，也符合KMV模型的理论．然而，在样本研究过程中，发现＊ST祥龙与其余五家公司的验证结果不同．该公司已经连续两年发生亏损，并且已被实施退市风险警示处理，计算出其违约距离和违约概率分别为1．002402469、0．158074625，与KMV的理论结果不一致．由此可见，KMV模型仍然存在自身的约束性．综上，KMV模型的可行性体现在以下几点：第一，它有良好的理论基础，是根据期权理论所得，有大量的数据作为支撑使其有很好的说服力，有理有据；第二，KMV模型较好地体现了数据的动态性，能根据交易数据反映不同时期公司的信用质量信息，便于信息及时、准确、全面地传递，使银行能够了解到公司的信贷风险状况；第三，KMV模型是以股票市场的交易信息作为分析依据，由于股市在一定程度上能够反映投资者对公司未来发展业绩的判断，所以通过模型求得的结果具有前瞻作用，可以作为判断公司未来风险的一项指标．然而，KMV模型也存在约束性，经分析造成某些公司不符合KMV模型实证结果的原因主要包括以下几点：第一，假设条件较多，模型的适用存在局限性；第二，模型对所有公司采用同一种计算方式，没有按照公司的信用等级、担保状况、经营规模、资产结构等具体情况进行分类，因而会产生一些个体差异现象．如＊ST祥龙，该公司的信用等级较低、担保金额较少、规模大于其他五家公司，并且在2011年到达公司发展衰退期时其债务面值与公司股权价值比例仍然居高不下，这些综合因素造成了＊ST祥龙公司与验证结果不符的特殊现象；第三，我国的资本市场发育不够完善，有些公司存在虚报信息、借机炒作的行为，造成数据采集不准确，不能够准确反映公司的风险状况，从而影响到KMV模型实证结果的客观性与精确性．因此，在对KMV模型进行有效性验证及其应用过程中，我们应该综合考虑它的优点和缺点，不仅仅是通过模型来考量，更需要了解公司不同层面的信息，包括信用等级、担保状况、经营规模、资产结构等等，以此来全面准确地判断其信贷风险状况，为利益相关者提供全面详细的信息．

3结论

在研究过程中我们发现理论与实际有时存在差异．这是由于KMV模型虽然对上市公司的信贷风险评价具有一定的实用性，但需建立在公司信息真实完整、公司状况符合诸多模型假设条件、评价者在分析时能将各公司按照一定的标准分类等前提下．因而KMV模型在实际应用过程中还存在许多需要改进之处，要求我国的商业银行应该采取措施加强规范，使其在我国得到更加长远、广阔的发展，就此提出以下建议．首先，应加强证券市场信息的监管．年报提供的数据是计算的基础，因此公司年报中的数据必须做到真实可靠、及时有效．我国的证券市场仍然存在利益驱使的市场操纵、数据信息虚假等人为现象，我国必须加大对各类公司的监管力度，通过出台相应法律以及对管理层的宣传教育，来要求上市公司按要求披露相关信息，真实反应经营状况和财务状况，为KMV模型的应用创造良好条件．其次，需建立权威的第三方信用评级机构．这样可以更加客观公正的反应公司的信用风险状况．然而我国目前还没有建立完善的评级机制，不利于相关信用评价工作的展开．所以，这是我们需要给予重视的任务［9］．最后，需建立信贷风险数据库．仅利用上市公司披露的数据信息进行测算是很片面的，由于虚假数据、投机现象等因素，会产生不准确的结果而误导投资者和银行．我国的证券市场起步较晚、信用风险体系不够完善，信用数据没有详细记录，给KMV的运用造成很大的技术困难．针对以上问题，我国要尽快建立公司信贷风险数据库，将各个公司的历史信息录入，对数据进行分析、整理，以数据库为基础检验公司财务报表的真实性，以此保证公司的信息质量，为KMV的应用提供精准的数据．通过给出以上建议，希望能为KMV模型在我国的发展进程创造改进价值，以便于KMV模型今后在我国得到广泛深远的发展．