股份制與城商行信用風(fēng)險測算
——基于KMV模型

田 新

(安徽財經(jīng)大學(xué)金融學(xué)院 安徽 蚌埠 233030)

一、引言

隨著我國金融市場越來越成熟，金融衍生產(chǎn)品的種類也更加多樣化，金融的各項創(chuàng)新給經(jīng)濟(jì)帶來增速，但是防范化解金融風(fēng)險特別是系統(tǒng)性金融風(fēng)險一直是政府重點關(guān)注的金融工作問題，股份制商業(yè)銀行和城商行在整個金融體系中的作用也愈來愈重要。在活躍的金融市場背景下，信用風(fēng)險已然成為重要的風(fēng)險防控領(lǐng)域，同時也是股份制和城商行等金融機(jī)構(gòu)必須要面對的挑戰(zhàn)。

KMV模型源自國外學(xué)者研究成果，自1993年正式模型研究推出之前，Black(1972)關(guān)于期權(quán)定價的評估方法已經(jīng)初具雛形。學(xué)者針對我國不同領(lǐng)域的特點與研究必要，對行業(yè)進(jìn)行選擇性細(xì)分，王慧和張國君(2018)對房地產(chǎn)行業(yè)等易積累資產(chǎn)泡沫，產(chǎn)生金融風(fēng)險的行業(yè)進(jìn)行探究，而后王元月、景在倫和劉偉(2019)對地方特有龍頭產(chǎn)業(yè)或具有全國普適性的行業(yè)進(jìn)行研究細(xì)分，例如山東漁業(yè)，東北林業(yè)等相關(guān)上市公司的信用債進(jìn)行調(diào)查。基于國內(nèi)外學(xué)者的研究，本文選取2017和2018年我國16家上市股份制和城商行進(jìn)行實證分析，對比分析16家銀行兩年的信用風(fēng)險變化以及同年中各銀行信用風(fēng)險的大小比較，給16家銀行在信用風(fēng)險管理方面提供相應(yīng)的建議。

二、研究設(shè)計

(一)數(shù)據(jù)選取與數(shù)據(jù)來源

本文選取了2017和2018年我國16家在滬交所上市的股份制與城商行銀行的相關(guān)數(shù)據(jù)進(jìn)行分析。采用銳思金融數(shù)據(jù)庫和中經(jīng)網(wǎng)數(shù)據(jù)庫。16家銀行分別為浦發(fā)銀行、華夏銀行、民生銀行、招商銀行、無錫銀行、江蘇銀行、杭州銀行、南京銀行、常熟銀行、興業(yè)銀行、北京銀行、上海銀行、光大銀行、貴陽銀行、中信銀行、吳江銀行。

公司股權(quán)價值(E)：采用流通市值數(shù)據(jù)，股權(quán)價值=股票收盤價×流通股股數(shù)，股票收盤價和流通股股數(shù)數(shù)據(jù)均來源于銳思金融數(shù)據(jù)庫。

財務(wù)違約點(Dt)：使用公司負(fù)債的市場價值(D)表示，上市銀行總債務(wù)使用債務(wù)總額的數(shù)據(jù)，包括短期負(fù)債和長期負(fù)債，數(shù)據(jù)均來源于銳思金融數(shù)據(jù)庫。

無風(fēng)險利率(r)：采用同業(yè)拆借利率，數(shù)據(jù)來源于中經(jīng)網(wǎng)數(shù)據(jù)庫。

(二)實證模型

1.KMV模型及其假設(shè)

KMV模型的基本思想是，債務(wù)人的資產(chǎn)價值變動是驅(qū)動信用風(fēng)險產(chǎn)生的本質(zhì)因素，只要確定了債務(wù)人資產(chǎn)價值變動所遵循的規(guī)律和模型(例如服從某個隨機(jī)方程)，就可實現(xiàn)估計違約率的目的。該模型的結(jié)構(gòu)包含兩種理論聯(lián)系：一是將股權(quán)看做以公司資產(chǎn)價值為標(biāo)的資產(chǎn)、以公司債務(wù)的賬面價值為執(zhí)行價格、以負(fù)債的還款期限為到期日的看漲期權(quán)；二是公司股票價值波動率與公司資產(chǎn)價值波動率之間存在函數(shù)關(guān)系。

KMV模型有四個假設(shè)：(1)為簡化起見，假設(shè)一個企業(yè)只通過股權(quán)價值St和一種零息債券進(jìn)行融資，其中債券當(dāng)前市場現(xiàn)值為Bt，在T時到期，到期時本息合計為D。于是，該公司的資產(chǎn)價值Vt滿足Vt=St+Bt。(2)公司的資產(chǎn)價值服從幾何Brown運動，即dVt/Vt=μdt+σVdWt。(3)沒有交易成本和賣空限制、存在無風(fēng)險資產(chǎn)，交易可以連續(xù)進(jìn)行。(4)假定公司資產(chǎn)價值大于負(fù)債面額時公司不會違約。反之，如果資不抵債，則公司會選擇違約。

2.模型求解

KMV方法比較適用于上市公司，首先由股票市場公開的數(shù)據(jù)和信息來確定公司權(quán)益的價值，再據(jù)此確定公司資產(chǎn)的價值，進(jìn)而估計違約率。因此本文使用KMV模型計算銀行上市公司的信用風(fēng)險具有堅實的理論依據(jù)。

三、實證結(jié)果及分析

(一)描述性統(tǒng)計

16家城商行2017和2018年的無風(fēng)險利率、公司股權(quán)價值、財務(wù)違約點、股權(quán)價值波動率的描述性統(tǒng)計見表1。且無風(fēng)險利率的單位是%，公司股權(quán)價值和財務(wù)違約點的單位是億元。

表1 變量的描述性統(tǒng)計

(二)實證結(jié)果

計算出違約距離和違約概率的具體數(shù)據(jù)見表2。發(fā)現(xiàn)違約概率均大于50%，這是由于本文在KMV模型中計算債務(wù)違約點的時候，對于短期債務(wù)和長期債務(wù)的比例并沒有通過CAP曲線進(jìn)行測算出最適合中國金融市場的比例。因此，本文的實證結(jié)果中額絕對值的參考意義并不太大，但是相對值還是有很大的參考意義。

表2 違約距離和違約概率(節(jié)選)

各銀行間橫向相互比較。基于2017年和2018年的違約概率計算出平均違約概率，并進(jìn)行排名算出總排名，代表著近兩年信用風(fēng)險的相對大小，排名有小到大依次招商銀行、吳江銀行、上海銀行、無錫銀行、杭州銀行、常熟銀行、貴陽銀行、浦發(fā)銀行、南京銀行、北京銀行、興業(yè)銀行、華夏銀行、江蘇銀行、民生銀行、中信銀行、光大銀行。通過對2018年違約距離進(jìn)行降序排列，排名名次越高，說明違約概率越小，信用違約風(fēng)險越小。對比2017年和2018年的排名變化發(fā)現(xiàn)，有五家銀行的排名上升(其中興業(yè)銀行的名次上升了5名，上海銀行和貴陽銀行的名次上升了4名，招生銀行和民生銀行的名次上升了3名)，屬于最具有潛力的銀行；有四家銀行的排名沒有改變(分別是杭州銀行、浦發(fā)銀行、中信銀行和光大銀行)，屬于表現(xiàn)穩(wěn)定的銀行；有7家銀行的名次發(fā)生了下降(華夏銀行下降了1名，北京銀行和吳江銀行下降了2名，南京銀行和江蘇銀行下降了3名，無錫銀行和常熟銀行下降了4名)，屬于監(jiān)管有待提高的銀行。

時間上縱向自身比較。2018年比2017年違約距離增大(違約概率減小)的銀行有四家(光大銀行增大5.46，中信銀行增大1.96，民生銀行增大1.84，興業(yè)銀行增大0.44)，違約距離不變的有一家是貴陽銀行，其他11家銀行的違約距離都發(fā)生了減小，其中江蘇銀行的減小幅度最大，招商銀行的減小幅度最小。四家違約距離增大的銀行，在2017年排名位于最后四位，這是因為我國對于銀行監(jiān)管的相關(guān)舉措發(fā)生了作用，對于排名靠后的銀行的違約概率下降的幅度空間也較大。招商銀行的違約距離減小的幅度最小，其在2017和2018年的排名都較靠前，這也說明強(qiáng)者恒強(qiáng)，違約風(fēng)險是緩慢變動的，具有一定的穩(wěn)定性，并非突變性的變化，這也說明通過相關(guān)政策進(jìn)行改善信用違約風(fēng)險是可行的。

四、結(jié)論與政策建議

本文通過測算16家股份制與城商行的違約距離和違約概率，進(jìn)行相互間比較和自身比較，得出三點主要的結(jié)論。

第一，信用風(fēng)險最低的三家銀行分別是招商銀行、吳江銀行、上海銀行，信用風(fēng)險最高的三家銀行分別是民生銀行、中信銀行、光大銀行。

第二，對于違約風(fēng)險過高的銀行，其上升空間較大，可以通過加強(qiáng)監(jiān)管力度，大幅降低其信用違約風(fēng)險。政府應(yīng)該建立健全相關(guān)法律法規(guī)以控制商業(yè)銀行的風(fēng)險，引導(dǎo)各銀行提高核心資本充足率，減少不良貸款，提高應(yīng)對惡性金融危機(jī)的能力，使其形成可持續(xù)發(fā)展的模式，在鼓勵金融創(chuàng)新的同時，更加重視風(fēng)險監(jiān)控和預(yù)警。

第三，信用違約風(fēng)險較小的銀行，其違約風(fēng)險變動相對穩(wěn)定，具有可控性。鑒于我國市場環(huán)境的特殊性，原始的KMV模型可能并不完全適合我國上市銀行預(yù)期違約頻率的測算，我們可以對模型中的參數(shù)進(jìn)行測算和修改，更好地衡量我國上市銀行的信用風(fēng)險。同時，非上市銀行缺乏股價和股價波動率等數(shù)據(jù)，無法使用該模型，我們可以學(xué)習(xí)其度量思想，替換一些變量來設(shè)計出針對非上市銀行的信用風(fēng)險測度模型。