基于KMV模型的我國(guó)農(nóng)村商業(yè)銀行信用風(fēng)險(xiǎn)管理實(shí)證研究

王海榮 錢(qián) 哲 汪寧霞

基于KMV模型的我國(guó)農(nóng)村商業(yè)銀行信用風(fēng)險(xiǎn)管理實(shí)證研究

王海榮 錢(qián) 哲 汪寧霞

KMV模型是近年來(lái)在國(guó)際金融領(lǐng)域信用風(fēng)險(xiǎn)管理方面的重要模型之一，就其本身的框架而言，該方法實(shí)際上是在一定的假設(shè)前提下，通過(guò)計(jì)算違約距離與預(yù)期違約率量化信用風(fēng)險(xiǎn)，它包括了一整套的分析方法和數(shù)據(jù)庫(kù)。本文主要以江蘇省10家具有代表性的農(nóng)村商業(yè)銀行為樣本進(jìn)行實(shí)證調(diào)研分析，基于2013年各行的財(cái)務(wù)報(bào)告與財(cái)務(wù)數(shù)據(jù)，運(yùn)用KMV模型的基本算法與思路對(duì)其信用風(fēng)險(xiǎn)進(jìn)行度量，最后，根據(jù)實(shí)證分析的結(jié)果，針對(duì)江蘇省農(nóng)村商業(yè)銀行信用風(fēng)險(xiǎn)管理提出相應(yīng)的完善措施。

KMV模型 信用風(fēng)險(xiǎn) 違約距離 預(yù)期違約率

一、引 言

信用風(fēng)險(xiǎn)又稱違約風(fēng)險(xiǎn)，是指交易對(duì)手未能履行約定契約的義務(wù)而造成經(jīng)濟(jì)損失的風(fēng)險(xiǎn)，即受信人不能履行還本付息的責(zé)任而使授信人的預(yù)期收益與實(shí)際收益發(fā)生偏離的可能性，它是金融風(fēng)險(xiǎn)的主要類型。而信用風(fēng)險(xiǎn)作為農(nóng)村商業(yè)銀行經(jīng)營(yíng)風(fēng)險(xiǎn)中的主要風(fēng)險(xiǎn)，是我國(guó)商業(yè)銀行經(jīng)濟(jì)損失的主要原因，若不有效控制，必將給銀行帶來(lái)巨大的風(fēng)險(xiǎn)和不可估量的損失。因此，信用風(fēng)險(xiǎn)的有效管理顯得尤為重要。信用風(fēng)險(xiǎn)管理的實(shí)質(zhì)，是商業(yè)銀行通過(guò)對(duì)現(xiàn)存信用風(fēng)險(xiǎn)進(jìn)行研究分析，從而達(dá)到對(duì)風(fēng)險(xiǎn)的預(yù)防與控制，以減少或規(guī)避信用風(fēng)險(xiǎn)所帶來(lái)的經(jīng)濟(jì)損失。由于我國(guó)對(duì)風(fēng)險(xiǎn)管理缺乏足夠的認(rèn)識(shí)，沒(méi)有建立獨(dú)立的風(fēng)險(xiǎn)管理機(jī)構(gòu)，也沒(méi)有配備專門(mén)的風(fēng)險(xiǎn)管理人員，因此，我國(guó)主要是引進(jìn)國(guó)外的經(jīng)驗(yàn)。迄今為止，世界著名的中介機(jī)構(gòu)和金融機(jī)構(gòu)向公眾公布的、比較有影響力的信用風(fēng)險(xiǎn)量化模型主要有以下四個(gè)：JP摩根的信用度量術(shù)模型（Credit Metrics）、KMV公司的KMV模型、瑞士銀行金融產(chǎn)品開(kāi)發(fā)部的信用風(fēng)險(xiǎn)附加模型（Credit Risk＋）和麥肯錫公司的信用組合觀點(diǎn)模型（Credit Portfolio View）。其中信用度量術(shù)模型和KMV模型是基于默頓的期權(quán)定價(jià)理論構(gòu)建的，信用風(fēng)險(xiǎn)附加模型是應(yīng)用保險(xiǎn)經(jīng)濟(jì)學(xué)中的保險(xiǎn)精算法構(gòu)造的，而信用組合觀點(diǎn)模型的構(gòu)建則采用了將宏觀經(jīng)濟(jì)變量和單個(gè)債務(wù)人的信貸質(zhì)量聯(lián)系在一起的計(jì)量經(jīng)濟(jì)學(xué)方法。根據(jù)前人的研究結(jié)果表明：KMV模型在我國(guó)適用性最強(qiáng)，應(yīng)用條件最成熟。

因此本文簡(jiǎn)要介紹江蘇省農(nóng)村商業(yè)銀行信用風(fēng)險(xiǎn)管理的現(xiàn)狀，運(yùn)用KMV模型，結(jié)合2013年江蘇省農(nóng)村商業(yè)銀行的財(cái)務(wù)數(shù)據(jù)進(jìn)行實(shí)證分析，根據(jù)實(shí)證分析的結(jié)果，針對(duì)現(xiàn)存的問(wèn)題提出完善農(nóng)村商業(yè)銀行信用風(fēng)險(xiǎn)管理的意見(jiàn)。

二、文獻(xiàn)綜述

對(duì)于信用風(fēng)險(xiǎn)的研究，國(guó)外學(xué)者起步比較早，早在700多年前，如何管理信用風(fēng)險(xiǎn)就成為銀行管理的核心技能，而信用風(fēng)險(xiǎn)的識(shí)別和度量又是管理好信用風(fēng)險(xiǎn)的關(guān)鍵技術(shù)。Edward I．A1tman（1968）提出了信用評(píng)分模型——Z評(píng)分模型（Z．score Model），該模型是基于數(shù)理統(tǒng)計(jì)技術(shù)來(lái)區(qū)分貸款風(fēng)險(xiǎn)程度，從而對(duì)貸款申請(qǐng)人進(jìn)行信貸風(fēng)險(xiǎn)的評(píng)估。Ohlson（1980）利用Logit回歸分析建立信用風(fēng)險(xiǎn)預(yù)測(cè)模型，并證實(shí)該模型具有很好的預(yù)測(cè)能力。Kurbat和Korablev（2002）用水平確認(rèn)（Level valielation）和校準(zhǔn)（Calibration）方法對(duì)KMV模型進(jìn)行驗(yàn)證，數(shù)據(jù)證明KMV模型十分有效。Jeffrey Bohn，，Navneet Arora等（2005）通過(guò)與其他信用風(fēng)險(xiǎn)度量模型的比較分析，驗(yàn)證了KMV模型在違約預(yù)測(cè)方面的區(qū)分能力和精準(zhǔn)性。Douglas W.Dwyer和 Irina Korablev （2007）用KMV模型對(duì)歐亞地區(qū)非金融公司信用風(fēng)險(xiǎn)進(jìn)行實(shí)證分析，表明KMV模型可以為不同時(shí)段不同地區(qū)的信用風(fēng)險(xiǎn)預(yù)測(cè)提供較好的方法。

我國(guó)關(guān)于信用風(fēng)險(xiǎn)管理的研究起步比較晚，在信用風(fēng)險(xiǎn)的具體度量和管理上使用的方法還比較落后。王春峰等（1999）運(yùn)用神經(jīng)網(wǎng)絡(luò)技術(shù)分析商業(yè)銀行信用風(fēng)險(xiǎn)認(rèn)為，較之其他傳統(tǒng)分析方法，神經(jīng)網(wǎng)絡(luò)技術(shù)在大部分方面的預(yù)測(cè)更精確。殷克東等（2006）對(duì)國(guó)內(nèi)外的商業(yè)銀行信用評(píng)級(jí)上存在的問(wèn)題進(jìn)行分析，并運(yùn)用時(shí)間序列、主成分分析、層次分析等分析法對(duì)構(gòu)建我國(guó)的內(nèi)部評(píng)級(jí)模型進(jìn)行了嘗試并進(jìn)行了實(shí)證分析。劉偉（2007）提出了BP人工神經(jīng)網(wǎng)絡(luò)模型，并以某企業(yè)的財(cái)務(wù)數(shù)據(jù)為樣本，進(jìn)行了信用評(píng)級(jí)分析。

三、農(nóng)村商業(yè)銀行信用風(fēng)險(xiǎn)管理現(xiàn)狀分析

與西方國(guó)家相比，由于我國(guó)對(duì)信用風(fēng)險(xiǎn)管理的認(rèn)識(shí)比較晚，因此商業(yè)銀行在信用風(fēng)險(xiǎn)管理的水平和度量上還比較落后，而且不同銀行的信用風(fēng)險(xiǎn)管理水平也存在較大差異。經(jīng)過(guò)30多年改革開(kāi)放和經(jīng)濟(jì)全球化的發(fā)展，我國(guó)商業(yè)銀行在信用風(fēng)險(xiǎn)管理上已經(jīng)有了很大的進(jìn)步，但與西方較先進(jìn)的商業(yè)銀行信用風(fēng)險(xiǎn)管理技術(shù)方法相比，還存在較大的差距，我國(guó)農(nóng)村商業(yè)銀行信用風(fēng)險(xiǎn)管理仍存在一些問(wèn)題。

（1）信用風(fēng)險(xiǎn)內(nèi)外部評(píng)級(jí)系統(tǒng)不完善。我國(guó)目前被信用評(píng)級(jí)的企業(yè)數(shù)量較少且不成熟，且服務(wù)對(duì)象單一，運(yùn)作不規(guī)范，評(píng)級(jí)方法落后，商業(yè)銀行無(wú)法從外部獲得信用評(píng)級(jí)的參考，從內(nèi)部評(píng)級(jí)來(lái)說(shuō)，中國(guó)大多數(shù)商業(yè)銀行對(duì)企業(yè)的信用評(píng)級(jí)采取一些定性分析法，這并不能真實(shí)反映企業(yè)未來(lái)的發(fā)展?fàn)顩r及償債能力。

（2）不良貸款比例過(guò)高。不良貸款率的高低，反映了信用風(fēng)險(xiǎn)的大小。我國(guó)農(nóng)村商業(yè)銀行的不良貸款比例較高，在同業(yè)競(jìng)爭(zhēng)中，處于一定的劣勢(shì)，這必然會(huì)給農(nóng)村商業(yè)銀行的發(fā)展埋下巨大的隱患，經(jīng)濟(jì)環(huán)境一旦發(fā)生變化，潛在的危險(xiǎn)隨之出現(xiàn)，就會(huì)產(chǎn)生嚴(yán)重的信用風(fēng)險(xiǎn)。

（3）信用風(fēng)險(xiǎn)的計(jì)量和風(fēng)險(xiǎn)量化管理落后。我國(guó)商業(yè)銀行目前在信用風(fēng)險(xiǎn)量化管理方面還非常薄弱，對(duì)于信用風(fēng)險(xiǎn)模型還不熟悉，基本還停留在定性分析階段，尚未真正有意識(shí)地建立有關(guān)信用風(fēng)險(xiǎn)情況的完備數(shù)據(jù)資料庫(kù)。

（4）缺乏專業(yè)的風(fēng)險(xiǎn)管理人才。信用風(fēng)險(xiǎn)是銀行面臨的風(fēng)險(xiǎn)中最難測(cè)量和預(yù)測(cè)的，所以這對(duì)從事風(fēng)險(xiǎn)管理人員的專業(yè)要求相當(dāng)?shù)母摺Ｎ覈?guó)農(nóng)村商業(yè)銀行在風(fēng)險(xiǎn)管理的機(jī)構(gòu)和人員配備方面，重點(diǎn)和力度明顯不足，且信貸人員的素質(zhì)普遍不高，進(jìn)而缺乏對(duì)信用風(fēng)險(xiǎn)管理相應(yīng)的技術(shù)。

（5）銀行存貸款期限配置不合理。商業(yè)銀行經(jīng)營(yíng)的基本要求是能夠根據(jù)吸收存款的期限進(jìn)行合理配置自身貸款等資產(chǎn)的期限。但近年來(lái)，銀行存貸期限錯(cuò)配趨勢(shì)明顯，嚴(yán)重的不合理。從存款上看，有明顯的活期化趨勢(shì)，銀行資金來(lái)源越來(lái)越不穩(wěn)定，從貸款上看，大量的中長(zhǎng)期貸款給銀行帶來(lái)潛在的危險(xiǎn)，若資金周轉(zhuǎn)不靈，極易導(dǎo)致銀行破產(chǎn)。

總之，我國(guó)農(nóng)村商業(yè)銀行現(xiàn)存在的問(wèn)題比較嚴(yán)峻，而導(dǎo)致這些問(wèn)題的關(guān)鍵因素是農(nóng)村商業(yè)銀行信用風(fēng)險(xiǎn)度量方法的落后，雖然傳統(tǒng)的信用風(fēng)險(xiǎn)度量方法簡(jiǎn)單易操作，但由于其主觀性較強(qiáng)，主要側(cè)重于定性分析，導(dǎo)致其評(píng)價(jià)往往因不同的因素而產(chǎn)生的結(jié)果各不相同。本文主要是基于現(xiàn)代信用風(fēng)險(xiǎn)度量方法和KMV模型，來(lái)研究農(nóng)村商業(yè)銀行信用風(fēng)險(xiǎn)管理。

四、KMV模型

KMV模型的理論基礎(chǔ)是Black-Scholes期權(quán)定價(jià)模型，它將信用關(guān)系視作賣(mài)方期權(quán)，銀行發(fā)放貸款給借款人時(shí)，借款人擁有賣(mài)方期權(quán)，而期權(quán)實(shí)施的價(jià)格就是貸款的額度，借款人的資產(chǎn)則為期權(quán)標(biāo)的物，當(dāng)資產(chǎn)價(jià)值下跌，小于債務(wù)價(jià)值時(shí)，借款人可選擇實(shí)施期權(quán)，即違約。

KMV模型應(yīng)滿足以下基本假設(shè)：

（1）企業(yè)市場(chǎng)價(jià)值服從布朗運(yùn)動(dòng)，且借款人資產(chǎn)收益服從正態(tài)分布；

（2）企業(yè)違約等價(jià)于企業(yè)資產(chǎn)價(jià)值小于債務(wù)；

（3）企業(yè)資本結(jié)構(gòu)只包括所有者權(quán)益、短期負(fù)債和長(zhǎng)期負(fù)債；

（4）違約距離是評(píng)價(jià)信用風(fēng)險(xiǎn)的合適指標(biāo)；

（5）違約只在債務(wù)到期日T時(shí)刻發(fā)生（一般為1年）；

在KMV模型中，決定公司違約概率的是公司的資產(chǎn)價(jià)值及其風(fēng)險(xiǎn)。公司的資產(chǎn)價(jià)值是指公司資產(chǎn)的市場(chǎng)價(jià)值，是公司資產(chǎn)產(chǎn)生的未來(lái)現(xiàn)金流的現(xiàn)值，它包含了公司的相關(guān)市場(chǎng)、所在行業(yè)以及宏觀經(jīng)濟(jì)信息，反映了投資者對(duì)公司前景的估值，具有前瞻性；資產(chǎn)的風(fēng)險(xiǎn)是指公司資產(chǎn)價(jià)值的不確定性，通常用資產(chǎn)價(jià)值的波動(dòng)性衡量，由于公司需要在所在行業(yè)的大環(huán)境下生存，因此，其資產(chǎn)的風(fēng)險(xiǎn)同樣也是所在行業(yè)資產(chǎn)風(fēng)險(xiǎn)的體現(xiàn)。

根據(jù)以上假設(shè)，對(duì)于賣(mài)方期權(quán)而言，其定價(jià)公式為：

E：期權(quán)初始合理價(jià)格，即公司的股權(quán)價(jià)值

P：期權(quán)交割價(jià)格，即公司的債務(wù)面值

A：所交易金融資產(chǎn)現(xiàn)價(jià)，即公司資產(chǎn)價(jià)值

T：期權(quán)有效期，即債務(wù)期限（一般為1年）

r：無(wú)風(fēng)險(xiǎn)利率（國(guó)際上通常采用國(guó)債收益率替代無(wú)風(fēng)險(xiǎn)利率r，由于我國(guó)沒(méi)有實(shí)現(xiàn)利率市場(chǎng)化，因此我國(guó)并無(wú)真正意義上的無(wú)風(fēng)險(xiǎn)利率。國(guó)內(nèi)學(xué)者多采用一年期定期存款的利率替代，本文亦采用此種處理。）

KMV模型取決于5個(gè)變量（P、A、r、T、σA）的價(jià)值，其中，P、r、T的值可直接從市場(chǎng)上觀察到，所以要解決的問(wèn)題是A和σA兩個(gè)未知變量的值。

KMV公司認(rèn)為當(dāng)公司資產(chǎn)價(jià)值小于公司債務(wù)賬面價(jià)值時(shí)公司不一定發(fā)生違約，因?yàn)樵诠緜鶆?wù)中長(zhǎng)期負(fù)債具有一定的“緩沖作用”，能夠給企業(yè)一定的時(shí)間繼續(xù)經(jīng)營(yíng)從而改善自身狀況并最終償還債務(wù)。因此KMV公司將違約臨界點(diǎn)設(shè)置為短期負(fù)債到負(fù)債總額之間的某一個(gè)點(diǎn)，即違約點(diǎn)。公式為：違約點(diǎn)（DP）=短期負(fù)債（STD）+0.5長(zhǎng)期負(fù)債（LTD）

以違約距離DD表示企業(yè)資產(chǎn)市場(chǎng)價(jià)值期望值A(chǔ)距離違約點(diǎn)DP的遠(yuǎn)近，距離越大，企業(yè)發(fā)生違約的可能性越小。根據(jù)違約距離DD的定義，公司資產(chǎn)市場(chǎng)價(jià)值低于違約點(diǎn)的概率，即理論上發(fā)生違約的概率為1-N（DD）。而基于違約數(shù)據(jù)庫(kù)，依據(jù)違約距離可以映射出公司實(shí)際的期望違約頻率EDF。由于我國(guó)當(dāng)前還沒(méi)有公開(kāi)的違約數(shù)據(jù)庫(kù)可以使用，現(xiàn)暫以違約距離DD作為公司信用評(píng)價(jià)的依據(jù)。

五、實(shí)證分析

（一）樣本選取

從2000年8月開(kāi)始，江蘇省農(nóng)村信用社改革試點(diǎn)工作全面推開(kāi)。截至2012年末，全省共有農(nóng)村商業(yè)銀行58家，江蘇農(nóng)村商業(yè)銀行是全國(guó)最多的，具有較強(qiáng)的競(jìng)爭(zhēng)力。以張家港農(nóng)商行為代表，江蘇省農(nóng)商行不管在經(jīng)營(yíng)特色還是資產(chǎn)規(guī)模上，都處于全國(guó)領(lǐng)先水平。但考慮到這些農(nóng)商行都沒(méi)有上市，一些類似總股數(shù)、股票市值等數(shù)據(jù)無(wú)法獲得，只能尋求其他的替代變量。本文選取了10家具有代表性的江蘇省農(nóng)村商業(yè)銀行作為實(shí)證研究的對(duì)象，10家銀行分別為：張家港農(nóng)商行、吳江農(nóng)商行、常熟農(nóng)商行、紫金農(nóng)商行、海安農(nóng)商行、太倉(cāng)農(nóng)商行、高淳農(nóng)商行、姜堰農(nóng)商行、無(wú)錫農(nóng)商行和盱眙農(nóng)商行。本研究的計(jì)算期為2013年1月1日至2013年12月31日，計(jì)算基準(zhǔn)日為2013年12月31日。

（二）參數(shù)設(shè)定

為了更好的進(jìn)行實(shí)證研究，現(xiàn)做出如下假定：

（1）實(shí)證數(shù)據(jù)引用各農(nóng)商行2013年的財(cái)務(wù)報(bào)告，準(zhǔn)確真實(shí)、可信。

（2）為了研究方便，令債務(wù)期限T為1，無(wú)風(fēng)險(xiǎn)利率r采用2013年一年期定期存款基準(zhǔn)利率3%。

（3）由于銀行的流動(dòng)性負(fù)債難以統(tǒng)計(jì)，本研究取總負(fù)債為違約點(diǎn)。總負(fù)債以計(jì)算期內(nèi)的銀行財(cái)務(wù)報(bào)告公布數(shù)據(jù)為準(zhǔn)。

（4）由于農(nóng)商行未上市，市場(chǎng)價(jià)值采用凈資產(chǎn)來(lái)代替，即農(nóng)商行最低的市值。假定其滿足標(biāo)準(zhǔn)正態(tài)分布。

（5）由于農(nóng)商行未上市，沒(méi)有股票價(jià)格，假設(shè)股權(quán)波動(dòng)率為1。

（6）假定違約距離的計(jì)算公式中，E（A）＝A，則

（三）實(shí)證過(guò)程

（1）估計(jì)資產(chǎn)價(jià)值和資產(chǎn)價(jià)值的波動(dòng)程度

聯(lián)立方程組：

求解得出A和σA，計(jì)算結(jié)果如下：

表1 資產(chǎn)價(jià)值及資產(chǎn)價(jià)值波動(dòng)率 單位：元

（2）違約距離及預(yù)期違約率的計(jì)算

表2 違約距離和預(yù)期違約率

（四）實(shí)證結(jié)果

標(biāo)準(zhǔn)普爾和穆迪的風(fēng)險(xiǎn)評(píng)級(jí)代表了違約概率，表3給出EDF和標(biāo)準(zhǔn)普爾評(píng)級(jí)以及穆迪信用評(píng)級(jí)之間的對(duì)照表；表4給出了10家銀行最新的穆迪信用等級(jí)以及標(biāo)準(zhǔn)普爾評(píng)級(jí)。

表3 標(biāo)準(zhǔn)普爾、穆迪評(píng)級(jí)與KMV模型的EDF值的映射

表4 樣本銀行對(duì)應(yīng)的信用等級(jí)

由于農(nóng)商行缺乏標(biāo)普爾和穆迪的信用評(píng)級(jí)，因此無(wú)法判斷KMV模型在我國(guó)農(nóng)村商業(yè)銀行中是否具有適用性，因此，表4只是將樣本銀行的預(yù)期違約率與標(biāo)準(zhǔn)普爾和穆迪信用評(píng)級(jí)的標(biāo)準(zhǔn)對(duì)應(yīng)，了解該行大致的信用等級(jí)，僅此而已。當(dāng)然，通過(guò)前面的實(shí)證分析，得出了以下幾點(diǎn)結(jié)論：

（1）根據(jù)表2可以看出，違約距離越長(zhǎng)，預(yù)期違約率越低，兩者呈反向變化。并且在10家樣本銀行中高淳農(nóng)村商業(yè)銀行對(duì)信用風(fēng)險(xiǎn)的把控能力最強(qiáng)，而張家港農(nóng)村商業(yè)銀行、常熟農(nóng)村商業(yè)銀行、吳江農(nóng)村商業(yè)銀行現(xiàn)處于擬上市的狀態(tài)，快速擴(kuò)張，規(guī)模較之另外幾家銀行較大，因此，在運(yùn)營(yíng)過(guò)程中不可避免的會(huì)存在一些風(fēng)險(xiǎn)。

（2）根據(jù)EDF反映的信用風(fēng)險(xiǎn)大小，可以看出影響信用風(fēng)險(xiǎn)的因素主要有:銀行的資產(chǎn)規(guī)模、償債能力、盈利能力以及資產(chǎn)的穩(wěn)定性。當(dāng)銀行的資產(chǎn)規(guī)模擴(kuò)大時(shí)，盈利能力和償債能力也變大，資產(chǎn)的波動(dòng)性減小，違約距離增大，預(yù)期違約率減小，信用風(fēng)險(xiǎn)減小。反之，當(dāng)銀行的資產(chǎn)規(guī)模減小時(shí)，其違約概率增加，信用風(fēng)險(xiǎn)也變大。

（3）根據(jù)表4可以看出，這10家農(nóng)村商業(yè)銀行信用等級(jí)均處于中等以上，說(shuō)明江蘇省農(nóng)村商業(yè)銀行雖然沒(méi)有上市，規(guī)模沒(méi)有上市的商業(yè)銀行大，但其對(duì)信用風(fēng)險(xiǎn)有一定的控制能力，在全國(guó)范圍內(nèi)發(fā)展較好，處于領(lǐng)先地位。

六、結(jié) 論

前文利用KMV模型從農(nóng)村商業(yè)銀行信用風(fēng)險(xiǎn)的角度，對(duì)我國(guó)農(nóng)村商業(yè)銀行的信用評(píng)級(jí)提供了定量分析的指標(biāo)。然而由于模型的限制，在一定的假設(shè)條件的基礎(chǔ)上才有一定的可行性，因此對(duì)于農(nóng)村商業(yè)銀行的信用風(fēng)險(xiǎn)分析模型還需進(jìn)一步開(kāi)發(fā)。現(xiàn)針我國(guó)農(nóng)村商業(yè)銀行的現(xiàn)狀簡(jiǎn)單地提出些許建議。

（一）建立成熟的評(píng)級(jí)機(jī)構(gòu)和完善內(nèi)外部評(píng)級(jí)體系

銀行應(yīng)盡快發(fā)展和規(guī)范評(píng)級(jí)機(jī)構(gòu)，提升銀行業(yè)務(wù)決策的科學(xué)性，利于我國(guó)資本市場(chǎng)的進(jìn)一步發(fā)展，根據(jù)我國(guó)具體國(guó)情和企業(yè)自身發(fā)展的條件，建立健全與銀行自身相適應(yīng)的信用評(píng)級(jí)標(biāo)準(zhǔn)，形成內(nèi)部評(píng)級(jí)體系，以便更好地對(duì)受評(píng)對(duì)象的信用等級(jí)作出評(píng)估。我國(guó)目前資信評(píng)級(jí)發(fā)展還處于初級(jí)階段，所以必須積極學(xué)習(xí)西方發(fā)達(dá)國(guó)家的成熟經(jīng)驗(yàn)，引進(jìn)先進(jìn)的評(píng)級(jí)技術(shù)，降低我國(guó)銀行的信用風(fēng)險(xiǎn)。同時(shí)也要建立健全信用評(píng)級(jí)的法律法規(guī)。一個(gè)行業(yè)的發(fā)展，完善法律法規(guī)是必不可少的。只有建立健全了相關(guān)的法律法規(guī)，才能規(guī)范銀行業(yè)的信用評(píng)級(jí)。

（二）控制不良貸款率，加強(qiáng)監(jiān)督管理

農(nóng)村商業(yè)銀行應(yīng)該將控制不良貸款率作為經(jīng)營(yíng)的主要目標(biāo)，加強(qiáng)內(nèi)部管理，大幅度減少新增不良貸款，努力爭(zhēng)取將不良貸款率控制在較小范圍內(nèi)，同時(shí)銀行業(yè)金融機(jī)構(gòu)的風(fēng)險(xiǎn)監(jiān)管核心指標(biāo)必須達(dá)標(biāo)，對(duì)銀行部分事后監(jiān)督與審計(jì)要到位，貫徹“審慎監(jiān)管”原則，以便銀行大幅降低信用風(fēng)險(xiǎn)。

（三）量化信用風(fēng)險(xiǎn)，建立信用風(fēng)險(xiǎn)管理模型

有關(guān)部門(mén)應(yīng)引進(jìn)國(guó)外先進(jìn)的信用風(fēng)險(xiǎn)量化工具，結(jié)合我國(guó)的實(shí)際情況進(jìn)行改進(jìn)研究，找到適合我國(guó)的信用風(fēng)險(xiǎn)量化工具和度量模型，同時(shí)完善基礎(chǔ)數(shù)據(jù)庫(kù)，對(duì)信用風(fēng)險(xiǎn)進(jìn)行量化，形成現(xiàn)代信用風(fēng)險(xiǎn)評(píng)級(jí)機(jī)制。

（四）培養(yǎng)和引進(jìn)一些具有專業(yè)技術(shù)的人才

農(nóng)村商業(yè)銀行信用風(fēng)險(xiǎn)的有效管理，不可缺少專門(mén)從事風(fēng)險(xiǎn)分析和評(píng)估的人員。對(duì)銀行而言，可以從兩方面入手。一方面，銀行可以在現(xiàn)有的人員里進(jìn)行選拔，參加相關(guān)方面專業(yè)的培訓(xùn)；另一方面，以有競(jìng)爭(zhēng)力的薪酬制度來(lái)引進(jìn)風(fēng)險(xiǎn)管理人才，通過(guò)內(nèi)部培養(yǎng)和外部招聘相結(jié)合的方式，建立風(fēng)險(xiǎn)管理隊(duì)伍，雙方不斷交流學(xué)習(xí)，不斷提高隊(duì)伍的風(fēng)險(xiǎn)管理水平。

（五）管理存貸款期限結(jié)構(gòu)，加強(qiáng)流動(dòng)性監(jiān)管

銀行應(yīng)該致力于推進(jìn)中長(zhǎng)期貸款證券化和存款的穩(wěn)定化，管理存貸款結(jié)構(gòu)，提高農(nóng)村商業(yè)銀行資產(chǎn)管理能力和主動(dòng)負(fù)債能力，同時(shí)拓寬銀行長(zhǎng)期資金來(lái)源，推進(jìn)資本市場(chǎng)穩(wěn)定發(fā)展，改善中長(zhǎng)期融資對(duì)銀行貸款過(guò)于依賴的局面，加強(qiáng)流動(dòng)性監(jiān)管，深化銀行改革。

［1］Edward I.Altman.Financial Ratios，Discriminate Analysis and the Prediction Of Corporate Bankruptcy.Journal of Finance.1968（9）598-609

［2］Ohlson J.S.Financial Rates and the Probabilistic Prediction of Bankruptcy.Journal of Accounting Research，1980. 9（15）109-131

［3］Kurbat，Korablev.Methodology for Testing the Level of the EDF Credit Measure.Moody's KMV Corporation.2002（8）

［4］ Jeffrey Bohn，Navneet Arora.Modeling Defadt Risk．Moody'S KMV Corporation．2003.10

［5］ Douglas W.Dwyer，Irina Korablev.PowerandLevel Validation of Moody's KMV EDF Credit Measures in North America，Europe and Asia.Moody's KMV Corporation.2007.9

［6］王春峰，萬(wàn)海暉.商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估及實(shí)證研究.管理科學(xué)學(xué)報(bào).1998（1）

［7］殷克東，基于商業(yè)銀行的信用評(píng)級(jí)模型研究.山東經(jīng)濟(jì). 2006（3）101-103

［8］劉偉，神經(jīng)網(wǎng)絡(luò)在銀行信用風(fēng)險(xiǎn)中的應(yīng)用.內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào).2007（4）103-104

［9］凌江懷，劉燕媚.基于KMV模型的中國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)實(shí)證分析——以10家上市商業(yè)銀行為例.華南師范大學(xué)學(xué)報(bào):社會(huì)科學(xué)報(bào).2013（5）142-148

［10］馮玉霞，廖偉.淺談我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理.金融天地.2012

［11］陳斌.我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)的成因及對(duì)策探索.產(chǎn)業(yè)與科技論壇.2014（9）226-227

［12］張琳.我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理存在的問(wèn)題及對(duì)策研究.財(cái)政金融.2014（4）150-151

Empirical Analysis on Credit Risk Management of China's Rural Commercial Banks Based on KMV Model

WANG Hai-rong,QIAN Zhe,WANG Ning-xia
Nanhang Jincheng College,Nanjing 211156

KMV model is one of the most important model in credit risk management around world.This paper bases on some hypothesis and measure the credit risk by Default Distance and Expected Default Frequency,including a set of analytic methods and database.This article mainly uses 10 representative agriculture business banks in Jiangsu province as a sample for empirical analysis,based on the financial report of each bank in 2013,using the KMV model to measure its credit risk. According to the result of empirical analysis,the paper put forward some suggestions based on the current situation of credit risk management of Jiangsu agriculture business banks.

KMV Model;The Credit Risk;Default Distance;Expected Default Frequency

F830

A

大學(xué)生創(chuàng)新基金（201413655011Y）；江蘇省教育廳高校哲學(xué)社會(huì)科學(xué)基金（2013SJD630089）；江蘇省社科基金（11GLB007）

王海榮，女，漢族，安徽毫州人，博士研究生，副教授，研究方向：財(cái)務(wù)與金融；江蘇南京，211156

錢(qián)哲，女，漢族，江蘇南通人，研究方向：財(cái)務(wù)會(huì)計(jì)

汪寧霞，女，漢族，江蘇南京人，研究方向：財(cái)務(wù)會(huì)計(jì)