我國生源地信用助學貸款違約率的測度分析

袁懷宇 陳冬林 劉江浩

[摘 要]文章以2014—2018年的調查數據為基礎，運用KMV模型對2019—2023年我國生源地信用助學貸款的貸款違約率進行了測度。結果表明，除了甘肅、云南等個別省份、個別年份出現違約率大于8%以外，其余大部分都小于或等于8%。這表明隨著我國經濟的發展、貧困家庭數量的減少以及就業市場的相對穩定，在可預見的將來，生源地信用助學貸款違約率能夠保持相對較低的水平。中央和地方政府、教育部門和金融機構應該共同努力，采取更加有力措施，進一步降低生源地信用助學貸款違約率。

[關鍵詞]生源地信用助學貸款;違約率;KMV模型

[DOI]10.13939/j.cnki.zgsc.2020.23.043

1 引言

生源地信用助學貸款從2008年以來得到了快速發展，目前占國家助學貸款的比重已經超過95%，為解決家庭經濟困難學生就學難問題做出了巨大貢獻。生源地信用助學貸款順利發展得益于建立了風險補償機制和財政貼息制度，充分調動了金融機構、貧困家庭和教育部門的積極性。

近年來隨著違約率持續降低，風險補償金閑置比較嚴重，使用效率不高，地方財政壓力也比較大。是否需要調整15%的風險補償金提取比例？由于風險補償金的主要功能是彌補貸款損失，測度生源地信用助學貸款違約率對于完善風險補償機制則非常關鍵。本文以調查數據為基礎，運用KMV模型對我國生源地信用助學貸款違約率進行了測度。

2 信用貸款助學貸款違約率測度模型的選擇

KMV模型是美國舊金山市KMV公司于1997年建立的信用風險測度模型，該模型建立在期權定價理論和Merton 模型基礎上。早期KMV 模型在國外主要是用于度量信用風險（企業債務）的商業化模型，以Peter等（2002）、Matthew 等（2002） 、Douglas 等（2007）[1-3]為代表。該模型中，企業未來是否會違約主要受資產的價值、風險和到期債務情況等因素影響。

國內對KMV 模型的運用主要集中在兩大部分。

第一，微觀主體企業的信用違約測算。劉迎春（2011）運用KMV模型計算了樣本公司2007—2009年連續三年的違約距離和理論違約概率[4];馬若微等（2014）、蔣彧等（2015）對KMV模型進行了修正，并用以檢驗中國上市公司的信用風險[5-6];萬晏伶等（2011）、陳藝云等（2016）也運用KMV模型識別企業信用風險[7-8]。

第二，宏觀主體地方政府債務違約的測算。韓立巖等（2002）利用KMV模型建立了市政債券信用風險模型，提出了計算理論違約概率的方法。在模型中筆者用“可用于擔保的地方財政收入”替代KMV模型中的“企業資產價值”，用“到期時的市政債券價值”替代“企業到期需要償還的債務”[9]。此后學者大都沿襲該模型用于測度地方債務違約[10]。

由此可見，KMV模型既可用于測度微觀企業問題，也可用于測度宏觀債務問題。本文借鑒前人成果，運作KMV模型測度信用貸款助學貸款違約率。將“學生助學貸款”替代原模型中“企業債務”，將“到期可償還助學貸款學生數”替代“企業資產市值”，將“到期可償還助學貸款學生數的波動性和增長率的均值”替代“資產市值的波動性和收益率均值”，將“到期助學貸款金額”替代“企業到期時的債務”，就可以運用改進后的KMV模型對生源地信用助學貸款違約風險進行測度。貸款機構是債權人，債務人是獲取助學貸款的學生，債權是生源地信用助學貸款。當貸款合同到期時，貸款學生償還債務，則結束債權債務關系;倘若償還貸款學生人數低于債務到期人數，則生源地信用助學貸款違約率將提升。

3 信用貸款助學貸款違約率測度模型的建立

4 未來到期信用助學貸款違約率的測度

4.1 瞬時增長率均值g和波動率δ的確定

2019年，湖南省學生資助研究會承擔了全國學生資助管理中心2019年研究項目——《生源地信用助學貸款風險補償金使用效益研究》，2019年4月至5月，對全國各省、市、自治區的學生資助中心進行了問卷調查，并對江蘇、河南、甘肅等地的生源地信用助學貸款情況進行實地調研，獲取貸款業務開展的第一手資料。但由于各地開展這項業務的時間不一致，數據完整性也存在差異，本文最后選取了甘肅、廣西、海南、河北、湖南、吉林、江西、河南、黑龍江、內蒙古、寧夏、青海、山西、四川、云南、重慶、遼寧17個地區的2014—2018年到期學生數、到期違約學生人數、獲得生源地助學貸款學生人數等數據。

本文將以2018年作為基期，預測2019—2023年各年度各地的生源地信用助學貸款違約率，故2018年的償還貸款學生人數為式（11）中的S。然后將2014—2018年歷年到期時償還助學貸款學生人數代入式（9）和式（10），可以得到瞬時增長率均值g和波動率δ（見表1）。

4.2 未來五年貸款到期學生數的預測

根據教財〔2015〕7號文件的規定，貸款最長期限延長為20年，還款寬限期延長為3年。貸款學生在校期間享受財政貼息，學生正常學制畢業后開始按借款合同分期償還貸款本息，但3年還款寬限期內未按時還款并不算違約。學生實際上在申請生源地信用助學貸款后，6～7年后未按照貸款合作約定償還貸款才算違約。因此本文以2014—2018年數據為基礎，將當年各地助學貸款申請人數看作6～7年后貸款到期學生數DT。

5 生源地信用助學貸款違約率的確定

下面將2018年的可償還貸款學生數量S、計算出來的可償還貸款學生數量的瞬時增長率的均值g和波動率δ、估算出來的貸款到期學生數DT代入式（11）。當T取值為1時，該公式表示1年后（即2019年）的貸款到期學生數量大于可償還貸款學生數量占貸款到期學生數量的比率，該比率越大，發生貸款違約的可能性越高。當T取值分別為2、3、4和5，分別表示2020—2023年的貸款到期學生數量大于可償還貸款學生數量占貸款到期學生數量的比率。計算出的各地2019—2023年的貸款違約率P（2019）、P（2020）、P（2021）、P（2022）、P（2023），如表2所示。

從表2計算出的生源地信用助學貸款違約率測度值來看，每個年度的平均值都在6%左右;各省5個年度的平均值除甘肅外，其他省份都在8%以內;從單個省份、單個年度來看，除了甘肅、云南等個別省份、個別年份出現違約率大于8%以外，其余大部分都小于或等于8%。在貸款違約率預測的基礎上，再綜合考慮救助和促進工作績效等功能因素，課題組建議將風險補償金提取比例降至10%～12%。

21世紀初我國學生助學貸款違約率較高，甚至高過20%以上。近年來我國學生生源地信用助學貸款違約率下降得比較快，主要有以下三個方面的原因：一是隨著我國經濟快速發展，城鄉收入水平都有了較大提高，貧困家庭經濟狀況得到明顯改善;二是教育部門在貸前、貸中和貸后持續強化的誠信教育及日常精細化管理取得了明顯成效;三是國家征信體系不斷完善，履約成為大學生的自覺行動。由于我國各地之間差異較大，未來需要中央和地方政府、教育部門和金融機構共同努力，采取更加有力措施，進一步降低生源地信用助學貸款違約率。

參考文獻：

[1]PETER C，JEFF B.Modeling default risk[R].Moody s KMV Company，2002-01-14.

[2]MATTHEW K，IRINA K.Methodology for testing the level of the EDFTM Credit Measure[R].Moody s KMV Company，2002.

[3]DOUGLAS D，IRINA K.Power and level validation of moody s KMV EDF？ Credit Measures in North America，Europe，and Asia [R].Moody s KMV Company，2007.

[4]劉迎春.不同行業上市公司信用風險比較研究——KMV模型及其應用[J].廊坊師范學院學報（自然科學版），2011，11（8）：71-74.

[5]馬若微，張微，白宇坤.我國上市公司動態違約概率KMV模型改進[J].系統工程，2014（11）：28-36.

[6]蔣彧，高瑜.基于KMV模型的中國上市公司信用風險評估研究[J].中央財經大學學報， 2015 （9）：38-45.

[7]萬晏伶，楊俊.我國制造業上市公司信用風險研究——基于KMV模型[J].技術經濟，2011，30 （5）：119-123.

[8]陳藝云.中國公司債違約風險度量的理論與實證研究[J].系統工程，2016（1）：26-33.

[9]韓立巖，鄭承利，羅雯，等.中國市政債券信用風險與發債規模研究[J].金融研究，2003 （2）：85-94.

[10]王學凱，黃瑞玲.基于KMV模型的地方政府性債務違約風險分析——以長三角地區為例[J].上海經濟研究，2015（18）：62-69.