商業(yè)銀行信用風(fēng)險成因的理論分析

摘要近年來，在中國發(fā)展戰(zhàn)略目標(biāo)的推動下，中國經(jīng)濟優(yōu)化升級面臨新趨勢，金融市場的環(huán)境正在改變。商業(yè)銀行在金融體系中占有重要地位，承擔(dān)維持國民經(jīng)濟穩(wěn)定發(fā)展的重任，外部環(huán)境的不斷變化使商業(yè)銀行面臨更多的挑戰(zhàn)。2015年是供給側(cè)結(jié)構(gòu)性改革提出的開元年，傳統(tǒng)行業(yè)發(fā)展空間開始顯著收縮，鋼鐵、煤炭資源優(yōu)勢不再，高新技術(shù)產(chǎn)業(yè)仍在孵化之中，這對商業(yè)銀行的風(fēng)險管理提出了新的挑戰(zhàn)。本文首先系統(tǒng)地介紹了商業(yè)銀行面臨信用風(fēng)險的特征和現(xiàn)狀，然后引入KMV模型作為信用度量工具，對16家上市銀行2014年-2018年的每日交易數(shù)據(jù)進行實證研究，通過R語言對非線性方程組進行求解，估測出樣本銀行的資產(chǎn)價值和資產(chǎn)波動率，計算違約距離作為信用風(fēng)險的量化數(shù)值，并從橫向和縱向時間維度進行結(jié)果分析。同時，本文也分別從宏觀經(jīng)濟層面、金融監(jiān)管層面和銀行內(nèi)部管理機制層面等方面多維度地分析了信用風(fēng)險的影響因素。關(guān)鍵詞：商業(yè)銀行；信用風(fēng)險；Black-Scholes-Merton期權(quán)定價模型；Merton-KMV，AbstractInrecentyears,drivenbyChina'sdevelopmentstrategicobjectives,China'seconomicoptimizationandupgradingarefacingnewtrends,andthefinancialmarketenvironmentischanging.Commercialbanksplayanimportantroleinthefinancialsystem.Theyundertakethetaskofmaintainingthestabledevelopmentofthenationaleconomy.Theconstantchangeoftheexternalenvironmentmakescommercialbanksfacemorechallenges.2015isthefirstyearofsupplysidestructuralreform.Thedevelopmentspaceoftraditionalindustrieshasbeguntoshrinksignificantly.Theadvantagesofsteelandcoalresourcesarenolongeravailable,andhigh-techindustriesarestillincubating,whichposesnewchallengestotheriskmanagementofcommercialbanks.Thispaperfirstintroducesthecharacteristicsandcurrentsituationofcreditriskfacedbycommercialbanks,thenintroducesKMVmodelasatoolofcreditmeasurement,andmakesanempiricalstudyonthedailytradingdataof16listedbanksfrom2014to2018,solvesthenonlinearequationsthroughRlanguage,estimatestheassetvalueandassetvolatilityofsamplebanks,andcalculatesthedefaultdistanceascreditriskTheresultsareanalyzedfromhorizontalandverticaltimedimensions.Atthesametime,thispaperanalyzestheinfluencingfactorsofcreditriskfromtheaspectsofmacro-economy,financialsupervisionandinternalmanagementmechanism.Keywords:Commercialbanks,Creditrisk,BlackScholesMertonoptionpricingmodel,MertonKMV.緒論1.1研究背景1.1.1新常態(tài)下的經(jīng)濟轉(zhuǎn)型升級經(jīng)濟轉(zhuǎn)型是指通過轉(zhuǎn)變經(jīng)濟發(fā)展方式來達到資源最優(yōu)配置的目的，我國最早提出經(jīng)濟轉(zhuǎn)型升級是在九五經(jīng)濟計劃時期。在此后的2015年11月，在中央財經(jīng)領(lǐng)導(dǎo)小組工作會指出目前我國經(jīng)濟發(fā)展動力不足不是因為需求疲軟，而是供給側(cè)的質(zhì)量和效率跟不上，因此要著力實施供給側(cè)結(jié)構(gòu)性改革，為經(jīng)濟發(fā)展注入動力。但我國“技術(shù)低、人口多、消費低”的階段性特點日益突出，經(jīng)濟增長模型仍未能擺脫粗放式增長，經(jīng)濟升級問題仍是社會各界的關(guān)注熱點。此后的三年間，我國執(zhí)行“三去一降一補”的發(fā)展方式，以供給側(cè)結(jié)構(gòu)性改革為主線，推動經(jīng)濟轉(zhuǎn)型。雖然在經(jīng)濟轉(zhuǎn)升級的試驗中我國取得了較好成績，但是經(jīng)濟轉(zhuǎn)型依舊面臨諸多困難。就國內(nèi)經(jīng)濟而言，傳統(tǒng)行業(yè)發(fā)展空間顯著收縮，鋼鐵、煤炭資源優(yōu)勢不再，高新技術(shù)產(chǎn)業(yè)還在孵化之中。就國際形勢而言，單邊霸權(quán)主義、貿(mào)易保護主義有所抬頭，經(jīng)濟全球化面臨諸多挑戰(zhàn)，直接挫傷我國貿(mào)易規(guī)模，對國內(nèi)經(jīng)濟造成巨大影響。這些因素表明，在經(jīng)濟轉(zhuǎn)型升級中，提高風(fēng)險意識，做好應(yīng)對潛在風(fēng)險發(fā)生的可能性顯得尤為重要。1.1.2商業(yè)銀行信用風(fēng)險管理根據(jù)世界銀行研究，信用風(fēng)險是導(dǎo)致國際上銀行倒閉的主要原因之一。歷史上，我國曾經(jīng)建立四大資產(chǎn)管理公司來幫助國有銀行進行高達3.2萬億不良貸款的剝離，國有銀行也因此卸下的沉重的負擔(dān)，增加了巨額資本。而如今面對過度投資引發(fā)的產(chǎn)能過剩、內(nèi)外市場商品銷售疲軟和高庫存問題，對銀行的風(fēng)險管理提出了更高的要求。因此想要實現(xiàn)低成本運營同時提高商業(yè)銀行在銀行業(yè)中的影響力，妥善防控信用風(fēng)險和降低信用風(fēng)險導(dǎo)致的損失顯得尤為重要。如何解決該問題一直是銀行業(yè)和金融業(yè)發(fā)展的重中之重，而單純地實施貸款“三查”不能預(yù)防不良貸款問題，并且以核銷和轉(zhuǎn)讓為主的不良貸款處理模式，并沒有從實質(zhì)上解決不良貸款產(chǎn)生的原因，同時也給銀行的財務(wù)狀況造成了巨大壓力。加之銀行內(nèi)部長期存在不良的信用風(fēng)險管理的習(xí)慣和風(fēng)氣，對信用風(fēng)險沒有系統(tǒng)的戰(zhàn)略布局給當(dāng)前的信用風(fēng)險管理實踐造成了諸多阻礙。針對以上問題，應(yīng)該采取更加高效徹底的信用風(fēng)險管理方案，加強風(fēng)險管理能力。1.2研究意義信用風(fēng)險是商業(yè)銀行在經(jīng)營過程當(dāng)中遇到的最常態(tài)化最基礎(chǔ)的風(fēng)險，具體是指信貸債務(wù)人缺乏充足的經(jīng)濟實力將信用貸款償還給銀行，銀行或?qū)⒚媾R損失。一旦在經(jīng)營活動中商業(yè)銀行因為有關(guān)風(fēng)險而倒閉，就會使得大眾對銀行存款失去信心，進而導(dǎo)致企業(yè)借款的資金鏈斷裂，嚴重時會危及到整個國家的經(jīng)濟運行，商業(yè)銀行“大而不能倒”的地位對維持我國經(jīng)濟健康發(fā)展十分重要。眾多學(xué)者對于商業(yè)銀行信用分析成因及影響程度做了大量研究，但是針對經(jīng)濟新常態(tài)下的研究較少。隨著我國經(jīng)濟新常態(tài)下加快了產(chǎn)業(yè)轉(zhuǎn)型的步伐，一方面給銀行商業(yè)銀行的信用風(fēng)險管理帶來了新的挑戰(zhàn)，另一方面針對銀行面臨的一系列風(fēng)險展開不同層次的分析和研究有著重要的指導(dǎo)意義。本文旨在研究經(jīng)濟進入新常態(tài)下我國上市銀行信用風(fēng)險的變化及其成因分析，來豐富新常態(tài)下信用風(fēng)險研究的內(nèi)涵。為保證當(dāng)前商業(yè)銀行的健康的運行，乃至整個國家經(jīng)濟持續(xù)健康發(fā)展，具有重要的指導(dǎo)意義和實踐意義。1.3研究現(xiàn)狀信用風(fēng)險一直是各國銀行高度關(guān)注的話題，相比之下，歐美發(fā)達國家較完善的金融市場使得他們更高效地運用金融工具來對沖各類風(fēng)險，發(fā)達國家爆發(fā)的多次金融危機也使得他們風(fēng)險管理的理念和機制更加成熟，因此歐美發(fā)達國家對于信用風(fēng)險的研究更加系統(tǒng)化。隨著我國金融市場不斷擴大對外開放，商業(yè)銀行面臨的風(fēng)險呈現(xiàn)出多樣化復(fù)雜化的趨勢，相關(guān)的研究理論更是需要不斷更新。本章主要列舉國內(nèi)外相關(guān)的研究成果。1.3.1國內(nèi)研究現(xiàn)狀王天宇、楊勇[1]（2017）指出隨著我國產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整帶來的經(jīng)濟增速下滑，同時銀行已經(jīng)將較大比例的資產(chǎn)配置到了高污染、高能耗和產(chǎn)能過剩的產(chǎn)業(yè)里，這些企業(yè)一旦出現(xiàn)信用違約行為，將給銀行帶來較大的損失。金美子（2018）[2]指出我國商業(yè)銀行分支結(jié)構(gòu)太過于繁瑣，對各分支監(jiān)管不全面，進而無法有效協(xié)調(diào)信貸業(yè)務(wù)的發(fā)展。同時商業(yè)銀行為了刺激信貸規(guī)模，只是簡單審查地客戶資料。在信用風(fēng)險影響因素方面，王曉、李佳、李夢藝[3]（2019）在分析資產(chǎn)證券化程度和政策因素對銀行不良貸款的影響中，發(fā)現(xiàn)審批制的資產(chǎn)證券化業(yè)務(wù)若向備案制或注冊制轉(zhuǎn)變，能在一定程度上起到降低信用風(fēng)險的作用。在信用風(fēng)險測度方面，劉玉潔[4]（2010）將度量市場風(fēng)險的CVaR模型代替信用風(fēng)險模型VAR，用基于修正的Credit-Metric模型來度量我國某商業(yè)銀行2006年末的10筆期限不同的貸款的信用風(fēng)險。劉悅[5]（2020）運用因子分析法度量銀行的信用風(fēng)險，所選因子分別為經(jīng)營能力因子、盈利能力因子和安全能力因子，根據(jù)各因子方差貢獻度，計算銀行綜合得分。在KMV模型運用方面，馬美蕓[6]（2015）運用KMV模型分別測度各15家ST股和非ST股的違約距離，若KMV模型中長期負債指數(shù)設(shè)定為0.2，相較于設(shè)定為0.5和0.8的情況，能更顯著地預(yù)測違約距離的差距，同時兩者的違約距離也呈現(xiàn)出顯著性差異。楊秀云、蔣園園、段珍珍[7]（2016）運用2013年和2014年多家不同的ST公司和非ST公司作為研究樣本，進行違約距離測定。實證結(jié)果表明除個別異常值之外，KMV模型整體上能較好地刻畫公司的信用風(fēng)險狀況。吳英江[8]（2019）通過多家上市企業(yè)的各類財務(wù)數(shù)據(jù)構(gòu)建回歸方程，運用行業(yè)替代法將KMV模型運用到15家已經(jīng)出現(xiàn)債務(wù)違約的非上市企業(yè)中，估計違約距離。研究指出有部分非上市企業(yè)的違約距離為負數(shù)，但受限于非上市公司的財務(wù)數(shù)據(jù)有造假的可能性，模型結(jié)果有可能出現(xiàn)誤判。1.3.2國外研究現(xiàn)狀國外最早對信用風(fēng)險的研究開始于Altman[16]（1968），他篩選出五個重要的指標(biāo)，構(gòu)建了判別正常企業(yè)和違約企業(yè)的著名的Z-Score模型，旨在測定企業(yè)違約概率與企業(yè)財務(wù)指標(biāo)的關(guān)系。Ohlson[17]（1980）在財務(wù)分析預(yù)測中首次引入多元邏輯回歸模型，得出企業(yè)破產(chǎn)概率受到企業(yè)可變現(xiàn)能力、資本構(gòu)成、公司規(guī)模和盈利情況四個方面影響較大的結(jié)論。KMV公司[18]（1993）在Black-Scholes期權(quán)定價模型在實施創(chuàng)新，運用上市銀行的財務(wù)數(shù)據(jù)和交易數(shù)據(jù)來推測違約概率，是KMV模型的先驅(qū)。SeanC.Keenan[19]（2000）等人提出了檢驗KMV模型有效性的方法。Kurbat和Korablew[20]（2008）在對KMV模型進行校對中發(fā)現(xiàn)預(yù)期違約概率受樣本公司相似性、樣本規(guī)模的影響較大，預(yù)期違約概率近似于偏態(tài)分布。WeillandPodpiera[21]（2012）選取了債務(wù)比率、每股現(xiàn)金流和股東回報率等影響因素，運用1994-2008年俄羅斯銀行數(shù)據(jù)測度不同影響因素對銀行信用違約率的影響，結(jié)果發(fā)現(xiàn)銀行盈利指標(biāo)表現(xiàn)越好，信用風(fēng)險就越低。VouldisandLouzis[21]（2013）在希臘債務(wù)危機期間分析了1990-2010年宏觀因素和微觀因素度分別對銀行違約概率的影響，選取因素包括：GDP增長率、失業(yè)率、貸款利率和經(jīng)營效率，表明這四個因素對銀行違約概率均有顯著影響。1.3.3研究現(xiàn)狀小結(jié)通過上述不同文獻的梳理，發(fā)現(xiàn)業(yè)界對于信用風(fēng)險分析已經(jīng)從傳統(tǒng)測度模型向現(xiàn)代測度模型轉(zhuǎn)化，研究對象選取廣泛，除了以不同類型的上市公司作為研究對象，也測度了同一銀行內(nèi)不同期限貸款的信用風(fēng)險，并且結(jié)合宏微觀歷史數(shù)據(jù)做實證研究，包括了GDP增長率、失業(yè)率、債務(wù)比率和每股現(xiàn)金流等。但是國內(nèi)研究當(dāng)中較少有文獻從銀行自身的信用風(fēng)險測度的角度出發(fā)，運用現(xiàn)代風(fēng)險度量模型KMV模型測算上市銀行的違約概率，并且在已有的研究中時間段選取大多集中在2015年之前，缺乏對當(dāng)前經(jīng)濟環(huán)境下商業(yè)銀行信用風(fēng)險的最新度量。針對以上不足，本文將在后續(xù)的實證研究中遵循KMV模型的構(gòu)建思路，測度截止到2018年底16家上市銀行的歷年違約距離，從橫向和縱向時間維度進行分析。1.4研究思路和方法1.4.1研究思路以經(jīng)濟轉(zhuǎn)型升級為背景，測度16家商業(yè)銀行的違約風(fēng)險，并對違約可能性進行因素分析。本文研究遵循的思路是找出問題、剖析問題和解決問題。本文的主體框架包括以下幾個方面：第一章，以經(jīng)濟轉(zhuǎn)型升級為研究背景，結(jié)合國內(nèi)外前沿研究，引出文章研究目的和意義所在。第二章，介紹信用風(fēng)險的特點，描述2006年-2018年間我國銀行業(yè)不良貸款的變動趨勢，分析銀行信用風(fēng)險的影響因素。第三章，運用KMV模型對我國16家上市銀行的信用風(fēng)險進行定量分析并得出結(jié)論。第四章，對KMV模型進行敏感性分析，探討商業(yè)銀行自身因素對其信用風(fēng)險的影響程度。第五章，總結(jié)全文，指明文章研究的不足之處，并對KMV模型進行未來展望。1.4.2研究方法本文所采取的研究方法：在前人理論研究成果之上，融入自己的想法，進一步開展研究。文章論述了在經(jīng)濟轉(zhuǎn)型升級的大背景下商業(yè)銀行發(fā)展現(xiàn)狀，通過KMV模型對風(fēng)險進行實證研究，并從銀行自身維度進行成因分析，并且找出銀行風(fēng)險控制實踐中面臨的問題和不足，提出相應(yīng)的提升措施。文章闡述的過程主要運用理論與實踐相結(jié)合、資料與分析相結(jié)合的方式，以問題為切入點，大量翻閱文獻資料，運用數(shù)據(jù)分析、例證分析和對比分析等分析方法，對相關(guān)的研究理論和觀點進行整理、收集和匯總，并開展本文的研究。1.5研究創(chuàng)新點和不足文章的研究創(chuàng)新點有兩點：一是緊扣當(dāng)前宏觀經(jīng)濟熱點，以供給側(cè)結(jié)構(gòu)性改革和高質(zhì)量發(fā)展為大背景，分析商業(yè)銀行在信用風(fēng)險管理中表現(xiàn)的新趨勢，是對以往學(xué)者研究基礎(chǔ)上的改良和優(yōu)化，具有獨特的現(xiàn)實意義。二是基于KMV理論，建立起適用于商業(yè)銀行的計量模型，結(jié)合提出供給側(cè)結(jié)構(gòu)性改革前的2014年、提出時的2015年以及提出后的三年一共五年的上市銀行數(shù)據(jù)，運用模型分析銀行信用風(fēng)險變化情況。由于本文作者學(xué)術(shù)能力和實踐能力有限，本文也存在以下缺陷：一是運用的數(shù)據(jù)僅是上市銀行的公開數(shù)據(jù)，數(shù)據(jù)支撐不夠，也缺少對數(shù)據(jù)的系統(tǒng)分析。二是由于本文研究需要對信用風(fēng)險產(chǎn)生的宏觀區(qū)域環(huán)境和經(jīng)濟周期發(fā)展，以及借貸雙方的行為等多方面進行分析，但由于本人能力有限，無法對研究問題進行全面思考和總體把握。2.商業(yè)銀行信用風(fēng)險成因的理論分析2.1商業(yè)銀行信用風(fēng)險的傳統(tǒng)與現(xiàn)代特征信用風(fēng)險在傳統(tǒng)角度上主要表現(xiàn)為銀行的信貸風(fēng)險，商業(yè)銀行通過信貸業(yè)務(wù)將資金借給貸款方，貸款方約定在一定時期內(nèi)償還銀行貸款，但由于一些不確定因素使得貸款方不能按時還本付息，使得銀行產(chǎn)生損失。經(jīng)濟結(jié)構(gòu)不斷轉(zhuǎn)型，金融環(huán)境不確定性增大，僅通過傳統(tǒng)角度定義信用風(fēng)險不能全面呈現(xiàn)出當(dāng)前經(jīng)濟環(huán)境下信用風(fēng)險的全部特征，還需要更加全面的評估?，F(xiàn)代風(fēng)險度量的方法是在傳統(tǒng)方法上增添由借款方自身信用等級下滑導(dǎo)致銀行債券價值下跌的風(fēng)險。當(dāng)前商業(yè)銀行遭遇的信用風(fēng)險的主要特點為：不確定性：商業(yè)銀行的客戶群體來源廣泛且呈現(xiàn)復(fù)雜化，這使得商業(yè)銀行對貸款客戶進行風(fēng)險評估和排查難度增大。通常來說，銀行的風(fēng)險識別和應(yīng)對能力決定著信用風(fēng)險的產(chǎn)生和影響范圍。區(qū)域性：由于商業(yè)銀行一般設(shè)立在城區(qū)，其目標(biāo)客戶為該城區(qū)的居民和企業(yè)，信貸資金受到很多區(qū)域性因素的限制，故商業(yè)銀行的所面臨的信用風(fēng)險受到區(qū)域經(jīng)濟發(fā)展水平、規(guī)模大小和政府政策等因素的影響。整體性：隨著利率市場化的推進，商業(yè)銀行經(jīng)營的全部業(yè)務(wù)包含各種風(fēng)險，并且這些風(fēng)險存在某種關(guān)聯(lián)性，其中一個環(huán)節(jié)出問題，就可能會傳染到有關(guān)聯(lián)的其他環(huán)節(jié)。與此同時，商業(yè)銀行的信貸周期與國家的宏觀經(jīng)濟周期和區(qū)域環(huán)境有很大關(guān)聯(lián)。因此，商業(yè)銀行面臨的信用風(fēng)險存在整體性的特征。傳遞性：外部環(huán)境變化無常，經(jīng)營不善的企業(yè)會出現(xiàn)資金鏈斷裂的情況，進而影響到與之相關(guān)的供貨方和收貨方，有可能出現(xiàn)大范圍的企業(yè)信用違約情況。因此，商業(yè)銀行的信用風(fēng)險存在傳遞性。識別困難性：由于存在信息不對稱問題，用于反映信用風(fēng)險相關(guān)指標(biāo)的數(shù)據(jù)難以量化，導(dǎo)致銀行很難全面識別貸款方的還款能力與還款意愿，銀行對信用風(fēng)險進行評估和預(yù)測的難度較大。2.2我國商業(yè)銀行面臨的信用風(fēng)險現(xiàn)狀隨著我國金融領(lǐng)域不斷深化外開放，各商業(yè)銀行紛紛采取放寬信貸門檻，刺激信貸規(guī)模擴張的手段來增強自身的行業(yè)競爭力。前期貸款的快速增長必然在一定程度上給不良貸款創(chuàng)造了條件，極大的影響了銀行的資產(chǎn)質(zhì)量，使得不良資產(chǎn)率及不良資產(chǎn)額均有上升。圖2-1數(shù)據(jù)來源為中國銀保監(jiān)會。圖2-12006-2018我國不良貸款與不良貸款率年度變化圖如上圖所示，從2006年到2018年的十二年間，我國不良貸款總額的變動可以分為兩個階段，2012年是一個分水嶺，在2012年之前，銀行的不良貸款呈現(xiàn)下降趨勢，這是因為銀行改革的推動使得銀行信貸風(fēng)險得到控制，資產(chǎn)效率得到提升。但是在2012年之后，兩者均呈現(xiàn)不斷上漲的態(tài)勢，僅僅經(jīng)過了十年，不良貸款就與最初值持平，并在之后不斷攀升，這一現(xiàn)象在一定程度上也限制了我國銀行業(yè)的發(fā)展。與此同時，我國信用體制發(fā)展時間較晚，發(fā)展進程中存在很多問題，我國銀行的信用管理意識不強，大多數(shù)銀行當(dāng)前主要通過計算信用風(fēng)險指標(biāo)來進行貸款風(fēng)險評估，這樣容易導(dǎo)致測量值與真實值之間存在較大差異，加上國內(nèi)風(fēng)險控制仍然處于比較被動的階段，崗位的本質(zhì)工作還是更多的集中在事中和事后的風(fēng)險處理和歸因分析，能做到風(fēng)險有效預(yù)警的銀行不是很多。因此在當(dāng)前經(jīng)濟形勢下，引進更先進的風(fēng)險管理技術(shù)和高端風(fēng)險管理人才對商業(yè)銀行未來的發(fā)展有著重大的現(xiàn)實意義。2.3商業(yè)銀行信用風(fēng)險水平影響因素分析2.3.1宏觀經(jīng)濟運行周期的影響宏觀經(jīng)濟運行狀態(tài)是銀行信用風(fēng)險的一個重要影響因素。因為宏觀經(jīng)濟影響信貸資產(chǎn)的質(zhì)量。經(jīng)濟高漲時，銀行會高估借款者的還款能力，降低信貸門檻，擴大信貸規(guī)模，進一步加速經(jīng)濟過熱。經(jīng)濟蕭條時，銀行為降低風(fēng)險敞口，縮小信貸規(guī)模，導(dǎo)致多數(shù)企業(yè)難以借到資金來擺脫困境，因此企業(yè)的相繼倒閉會進一步惡化國民經(jīng)濟，這表明經(jīng)濟周期與信用風(fēng)險有關(guān)聯(lián)。2.3.2內(nèi)部管理機制的影響由于我國商業(yè)銀行全面風(fēng)險管理進程發(fā)展時間較短，實際操作中主要借鑒西方經(jīng)驗，但是西方的管理模型與我國經(jīng)濟環(huán)境并非完全相符。起初我國對信用風(fēng)險的評估主要還是以傳統(tǒng)模式為主，表現(xiàn)為相關(guān)信息的收集和整理，雖然在此之后，商業(yè)銀行又推出了幾種新的評估方法，由于缺少相關(guān)技術(shù)手段，銀行的貸款分類始終未能與企業(yè)信用等級有效地聯(lián)系起來，所以銀行信用風(fēng)險管理中并沒有能考慮客戶信用等級的變化。商業(yè)銀行的信用風(fēng)險具有傳播性和關(guān)聯(lián)性，對貸前、貸中和貸后三個環(huán)節(jié)進行主體責(zé)任界定，建構(gòu)獎懲機制，激發(fā)各部門人員的工作效率和責(zé)任感，不僅能降低銀行信用風(fēng)險管理成本，還能從整體上把握信用事件發(fā)生。近年來，我國商業(yè)銀行陸續(xù)完成了股份制改革，從整體上提高了競爭力，但目前仍然無法構(gòu)建完整的風(fēng)險管理理念，形成全行業(yè)的風(fēng)險管理意識。比如目前銀行內(nèi)部側(cè)重于由后臺部門來進行風(fēng)險管理，而不是形成一條全行業(yè)的業(yè)務(wù)鏈，并且相關(guān)從業(yè)人員對風(fēng)險管理的意識不夠，管理水平有待加強。針對以上問題，本文第四章將采用KMV模型的參數(shù)和銀行自身的微觀因素作為解釋變量，對結(jié)果做定量和定性分析。3.基于KMV模型的實證分析3.1模型選擇國際上主流的信用評分模型有CreditRiskPlus、CreditMetric、CreditPortfolioView等，選取適合我國國情的信用風(fēng)險度量模型就顯得尤為重要。CreditRiskPlus模型是瑞士信貸產(chǎn)品小組為量化信用風(fēng)險在1997發(fā)明的模型，這一模型采用的解析近似法，假定每筆貸款在1年時間內(nèi)違約概率為q和違約事件之間相互獨立，根據(jù)泊松分布來計算出貸款違約概率。該模型需要輸入的變量少，計算簡單，但是沒有考慮到不同企業(yè)的資本結(jié)構(gòu)以及企業(yè)在相同的市場風(fēng)險經(jīng)營下風(fēng)險的相互傳導(dǎo)特性使得企業(yè)之間的違約概率并不是相互獨立的事實；不適合缺少歷史數(shù)據(jù)的新興市場。因此CreditRiskPlus不適合于我國市場當(dāng)前的信用風(fēng)險度量。CreditPortfolioView模型將包括GDP、利率水平在內(nèi)的多種宏觀因子納入企業(yè)信用風(fēng)險計量的模型中，通過模擬損失分布來描述信用風(fēng)險敞口。但是不同的人給出不同的宏觀因子影響程度判斷，評級結(jié)果具有很強的主觀性，并且宏觀經(jīng)濟數(shù)據(jù)與違約概率的關(guān)系難以全面捕捉。CreditMetric將VaR的方法用于度量信用風(fēng)險，計算過程需要用到每個信用等級的信用溢差期限結(jié)構(gòu)。但是該模型認為相同評級的債務(wù)人違約率相同并且把統(tǒng)計的歷史違約率作為實際違約率，沒有考慮到市場變化對評級結(jié)果的影響。面對此現(xiàn)狀，KMV模型理論基礎(chǔ)扎實，將借款公司的信用信息反映在股價信息當(dāng)中，能較為精確的捕捉到借款公司質(zhì)量等級的變化，是良好的動態(tài)模型。模型也反映了包括利率在內(nèi)的市場信息，有較好的前瞻性。有效市場假設(shè)不是KMV模型的強制要求，對于弱有效市場也能起到良好的預(yù)測作用。綜上可知，四種的信用風(fēng)險度量模型都有其優(yōu)點和不足，但是通過對比，KMV模型相較而言更加適合我國的證券市場信用風(fēng)險評估。3.2模型假定和基本原理3.2.1Merton模型Merton模型的假設(shè)：（1）公司的價值服從對數(shù)正態(tài)分布（2）公司只發(fā)行一種股票和一種零息債券（3）違約只會發(fā)生在到期日（4）無風(fēng)險利率是固定的（5）公司不對流動性進行調(diào)整。Merton模型將公司的資產(chǎn)看成股票價值和負債價值的總和。根據(jù)公司破產(chǎn)清算原則，股權(quán)僅具有剩余求償權(quán)，所以可以將公司的股權(quán)價值類比為看漲期權(quán)的價值，此期權(quán)以公司價值為標(biāo)的物，以負債總額為執(zhí)行價格。如果到期時，標(biāo)的物價值低于執(zhí)行價格，這就意味著資不抵債，公司選擇破產(chǎn)。根據(jù)Black-Scholes期權(quán)定價公式，將期權(quán)的行權(quán)概率N(d2)類似看作是公司不發(fā)生違約的概率。3.2.2.KMV模型KMV模型是穆迪公司開發(fā)的用于度量違約概率的模型，該模型以Merton模型為基礎(chǔ)，并且克服了Merton模型的不足。相較于Merton模型，KMV的假設(shè)有了兩方面的改進，首先KMV模型不再要求所有的負債到期日相同，它認為公司的負債可以分為短期負債和長期負債兩種，其次KMV模型不再假定公司的價值服從對數(shù)正態(tài)分布，這意味著可以通過蒙特卡洛模擬來估計違約概率。KMV模型將上市公司的股票價值看成是做多看漲期權(quán)所獲價值，將債權(quán)價值看成是做空看跌期權(quán)所獲價值。當(dāng)未來企業(yè)價值跌過某一給定價值時，企業(yè)就會發(fā)生違約，因此將企業(yè)的違約距離設(shè)定為企業(yè)的價值與某一給定價值之間的距離。企業(yè)的違約距離與企業(yè)違約的可能性呈現(xiàn)負相關(guān)關(guān)系。3.3模型設(shè)定和樣本選取3.3.1模型參數(shù)設(shè)定本文以KMV模型為依據(jù)，遵循模型步驟來估計截止2014年滬深兩地的16家上市銀行在2014-2019年的違約距離。為了方便后續(xù)研究成果的呈現(xiàn)，現(xiàn)對模型參數(shù)進行設(shè)定。（1）違約實施點由于長期債務(wù)是分期償還，因此根據(jù)KMV公司給出的通行經(jīng)驗數(shù)據(jù)，將公司的違約門檻設(shè)置為短期債務(wù)加上長期債務(wù)的一半，具體公式為：DefaultThreshold=SD+0.5*LD其中，SD——企業(yè)的短期負債，LD——企業(yè)的長期負債但是在實際的資本市場中，并非所有企業(yè)的違約距離都是短期負債加上長期負債的一半。同時難以從財報中獲取準(zhǔn)確的流動負債數(shù)值，故本文將銀行的負債總額設(shè)定為違約實施點。（2）股權(quán)價值：對于已經(jīng)完成股權(quán)分置改革的16家上市銀行而言，股權(quán)價值等于在外流通的股票數(shù)乘以每股股價。（3）股權(quán)價值波動率：假設(shè)上市銀行的股票價格服從對數(shù)正態(tài)分布，則第i天的股價收益率為：Ui其中，Si表示第i天公司股票的收盤價，股價收益率的日波動率為=1n-1i=1n(Ui-EU)再將日波動率轉(zhuǎn)化為年度波動率，公式為：σannual=×T其中，T為當(dāng)年實際交易天數(shù)。（4）無風(fēng)險利率：選取中國人民銀行官網(wǎng)公布的一年期整存整取利率。表3-1一年期整存整取利率數(shù)據(jù)表年份2014年2015年2016年2017年2018年2019年存款利率2.75%1.75%1.5%1.5%1.5%1.5%（5）測量時間間隔（T）：一年期。（6）違約距離（DD）：式（3-5）表示負債銀行的違約距離。DD=V-FVσVV為公司資產(chǎn)價值，F(xiàn)為公司負債總面值，σV為公司資產(chǎn)價值的波動率3.3.2樣本選取本章重點研究的是2015年供給側(cè)結(jié)構(gòu)性改革提出前后我國商業(yè)銀行的信用風(fēng)險的變化，受KMV模型中關(guān)于上市公司假定的約束，本文將樣本鎖定在截止2014年底滬深兩地的16家上市銀行。分別測算從2014年到2018年之間商業(yè)銀行的違約距離的變化。將上述銀行按照不同的類型進行劃分，如表3-2所示。表3-2我國上市銀行分類國有商業(yè)銀行股份制商業(yè)銀行地方商業(yè)銀行中國銀行601988.SH浦發(fā)銀行600000.SH北京銀行601169.SH農(nóng)業(yè)銀行601288.SH光大銀行601818.SH南京銀行601009.SH工商銀行601398.SH興業(yè)銀行601166.SH寧波銀行002142.SZ建設(shè)銀行601939.SH招商銀行600036.SH交通銀行601328.SH中信銀行601998.SH華夏銀行600015.SH民生銀行600016.SH平安銀行000001.SZ3.3.3數(shù)據(jù)來源和處理本文數(shù)據(jù)來源于Wind數(shù)據(jù)庫、中國人民銀行官網(wǎng)和各上市銀行公開年報，主要運用R語言進行數(shù)據(jù)處理，計算代碼詳見附錄1。3.4模型構(gòu)建3.4.1模型構(gòu)建基本步驟由BlackScholesMertonSt=σs×S=Delta×σ其中，St為t時刻公司股權(quán)市場價值，r為無風(fēng)險利率，N(?)為累積標(biāo)準(zhǔn)正態(tài)分布函數(shù)，T為債務(wù)期限，F(xiàn)為公司債務(wù)總面值，d1和dd1=ln(V在Merton的第二個方程中，描述的是公司股權(quán)波動率和價值波動率的關(guān)系，方程為：σS=(VS)Nd1=?S?V=DeltaσS=(V其中，σS為公司股權(quán)價值波動率，σV以平安銀行（000001.SZ）2014年的數(shù)據(jù)為例對計算過程進行說明。表3-3平安銀行2014年基本財務(wù)數(shù)據(jù)股票代碼股權(quán)價值負債總額（元）基準(zhǔn)日收盤價/元000001.SZ130949000000205551000000015.84通過Wind數(shù)據(jù)庫，得到2014年度共計244個交易數(shù)據(jù)，帶入公式（3-2）（3-3）和（3-4），得到其2014年度日收益率波動率為0.024096，則年收益率波動率為σ平安銀行，2014通過已知的波動率，帶入公式（3-6）、（3-7）計算出V和σ對于該方程組的求解，有多種方法，并非此文重點。本文借助R語言進行編程，具體程序見附錄（1），計算結(jié)果如下：表3-4平安銀行2014年資產(chǎn)價值情況股票代碼資產(chǎn)價值（元）資產(chǎn)價值波動率000001.SZ21303100000000.009再帶入公式（3.5）得違約距離DD=2.31743.4.2模型計算結(jié)果重復(fù)上述步驟，得到2014年-2018年各類上市銀行的違約距離。如表3-5和表3-6所示。表3-52014年-2016年上市銀行違約距離統(tǒng)計表國有商業(yè)銀行銀行名稱違約距離2014年2015年2016年中國銀行5.12084.48896.1543農(nóng)業(yè)銀行5.35224.29745.4657工商銀行5.85894.62785.8527建設(shè)銀行5.79664.77585.8109交通銀行4.82844.553155.4616股份制商業(yè)銀行浦發(fā)銀行2.04811.81033.4657光大銀行1.86421.30363.4986興業(yè)銀行2.00241.54214.0204招商銀行2.43441.60944.1403中信銀行2.31921.37983.7832華夏銀行1.71960.98093.4485民生銀行2.65541.68394.0046平安銀行2.31741.47842.9388地方商業(yè)銀行北京銀行3.57122.11165.1203南京銀行3.72841.27113.5721寧波銀行2.95342.90145.5967表3-62017年-2018年上市銀行違約距離統(tǒng)計表國有商業(yè)銀行銀行名稱違約距離2017年2018年中國銀行5.48897.1543農(nóng)業(yè)銀行5.41897.1068工商銀行5.89178.0821建設(shè)銀行6.18998.1916交通銀行5.59317.1144股份制商業(yè)銀行浦發(fā)銀行4.90434.4077光大銀行4.51534.2161興業(yè)銀行3.50174.5415招商銀行4.77594.3213中信銀行4.80824.3870華夏銀行3.44954.8020民生銀行4.04074.0573平安銀行3.80534.5088地方商業(yè)銀行北京銀行5.58145.4983南京銀行5.12324.4643寧波銀行4.07895.90183.4.3模型結(jié)果分析表3-7不同類型上市銀行違約距離統(tǒng)計表銀行類型最小值最大值平均值標(biāo)準(zhǔn)差國有銀行4.29748.19165.78711.0519股份商業(yè)銀行0.98095.50883.21231.2693地方商業(yè)銀行1.27115.90184.09831.3954違約距離越小，表明該銀行資產(chǎn)出現(xiàn)違約的可能性就越大，銀行的面臨信用風(fēng)險就越大。表3-5、表3-6中從橫向時間維度可以看出，在不同時間段內(nèi)國有大行的違約距離波動性小于其他類型的銀行，其變化范圍為4—8，而地方性商業(yè)銀行和全國性股份銀行的違約距離波動范圍分別為1—5和0—4，兩者波動率相近。從縱向時間維度來看，在同一時間內(nèi)大型國有上市銀行的違約距離明顯優(yōu)于其他兩類銀行，這反映了我國國有商業(yè)銀行的風(fēng)險抵抗能力較強，一方面是國有銀行的資本充足率較高，另一方面國有銀行有更為成熟完善的風(fēng)險管理體系，多樣化的貸款業(yè)務(wù)使得部分信用風(fēng)險不足以對其造成巨大威脅。特別的，2015年幾乎所有銀行都呈現(xiàn)出違約距離縮短的態(tài)勢，大型國有銀行與全國性股份銀行和地方性銀行幾乎處于同一水平。2015年，國內(nèi)A股市場呈現(xiàn)出暴漲暴跌的罕見態(tài)勢，滬指全年振幅高達72%，2015年中國經(jīng)濟下行壓力大，在股市上體現(xiàn)為暴漲暴跌現(xiàn)象，這使得民眾對宏觀經(jīng)濟運行狀況產(chǎn)生消極評價，對銀行的不信賴度增強。圖中上市銀行的違約距離也在2015年達到最低點。從2016年到2018年宏觀經(jīng)濟有所好轉(zhuǎn)，三類銀行的違約距離均呈現(xiàn)上揚好轉(zhuǎn)態(tài)勢。股份制商業(yè)銀行和地方性商業(yè)銀行違約距離差別不大。因為股份制商業(yè)銀行身處于激烈的市場競爭之中，為了獲取競爭優(yōu)勢，它們通常會降低信貸門檻，這也造成了客戶群體質(zhì)量參差不齊，銀行自身經(jīng)營風(fēng)險較大。但相比之下，地方性商業(yè)銀行違約距離較大，究其原因，地方性商業(yè)銀行由于其特殊的地位，在當(dāng)?shù)卣姆龀窒缕湫庞蔑L(fēng)險的抵御能力增強。4.信用風(fēng)險成因分析4.1信用風(fēng)險影響因素選擇結(jié)合第二章中對我國商業(yè)銀行信用風(fēng)險水平影響因素的分析，本章以違約距離作為被解釋變量，選取KMV模型構(gòu)建中的重要參數(shù)和商業(yè)銀行自身的微觀參數(shù)作為解釋變量，共同探究不同變量對違約距離的解釋力度。表4-1回歸模型變量變量名 符號代表變量違約距離DD模型變量股權(quán)價值Equity負債總額Debt股權(quán)波動率Vol微觀變量資本充足率CAR凈資產(chǎn)收益率ROE4.2樣本數(shù)據(jù)處理如表3-1所示，本章的研究對象為我國16家上市銀行，研究時間段為2014年到2018年。各變量的定義和數(shù)據(jù)來源如下所示：違約距離（DD）違約距離作為信用風(fēng)險的代表值，其大小與商業(yè)銀行的違約概率呈反比。具體數(shù)值參照表3-5的計算結(jié)果。股權(quán)價值(Equity)公司的股權(quán)價值是指股東在公司中所占權(quán)益的總和，在一定程度上股權(quán)價值數(shù)量越充足，公司抵御風(fēng)險的能力就強。數(shù)據(jù)來源商業(yè)銀行年度報表。負債總額(Debt)銀行的負債是指銀行對其債務(wù)人承擔(dān)的全部經(jīng)濟責(zé)任，負債數(shù)額越高越有可能觸發(fā)公司的信用違約事件的發(fā)生。數(shù)據(jù)來源商業(yè)銀行年度報表。股權(quán)波動率(Volatility)本文將股權(quán)價值波動率設(shè)定為一年內(nèi)對數(shù)股價收益率的標(biāo)準(zhǔn)差，一般來說股權(quán)波動率越小，表明公司的基本面情況越好。數(shù)據(jù)來源Wind數(shù)據(jù)終端。資本充足率（CAR）反映銀行的資本總額可用于覆蓋損失的比率，該比率越高表明銀行對信用風(fēng)險的化解吸收能力越強。數(shù)據(jù)來源于商業(yè)銀行年度報表。凈資產(chǎn)收益率(ROE)又稱為權(quán)益報酬率，具體表現(xiàn)為凈利潤比凈資產(chǎn)。該數(shù)值越大，表明商業(yè)銀行自有資本的運用效率高且獲利能力強。數(shù)據(jù)來源于商業(yè)銀行年度報表。4.3回歸模型建立設(shè)定多元線性回歸模型來檢驗不同變量對于違約距離變動的影響程度，同時運用普通最小二乘法對面板數(shù)據(jù)進行回歸，公式如下：LNDD其中εt為回歸方程擾動項，t為時間（2014-2016），i表4-3回歸結(jié)果CoefficientStd.t值Sig（常量）-5.060771.34039-3.775580.0003LNEquity0.119410.114831.039830.0031LNDebt-0.156160.12936-1.207190.0023LNVol-0.659670.08851-7.451690.0000LNCAR2.724520.398536.836320.0000LNROE0.474920.192252.470250.0158此回歸模型的擬合度優(yōu)度為0.6681，調(diào)整R方為0.6504。表明該模型的擬合優(yōu)度較好。4.4回歸結(jié)果分析由表4-3可得回歸方程如下：LN(DD)=股權(quán)價值、資本充足率和凈資產(chǎn)收益率系數(shù)均為正，且分別在1%和5%的水平上顯著。表明股權(quán)價值越高，資本充足率越高和凈資產(chǎn)收益率越高，商業(yè)銀行的違約距離就越大。而負債總額和股權(quán)波動率系數(shù)均為負，且在1%的水平上顯著，表明負債越高，股權(quán)波動率越大，銀行的違約距離就越小。等式中每個變量前的系數(shù)反映該變量對LN(DD)的影響程度，從上式可以看出，資本充足率和股權(quán)價值波動率對違約距離的影響最大。5.研究結(jié)論、不足和未來展望5.1研究相關(guān)結(jié)論本文選取截止2014年滬深兩地一共16家上市銀行為測量樣本，以KMV模型為測量工具，通過各上市銀行的歷年股價數(shù)據(jù)和財務(wù)報表數(shù)據(jù)，測算出各自的違約距離，并且對違約距離不同的影響因素作敏感性分析。除個別異常值之外，實證研究表明KMV模型在上市銀行的信用風(fēng)險管理實踐方面具有適用性?；诖?，本文研究主要得出以下結(jié)論：第一，在違約距離方面，本文為了保證測量結(jié)果具有可比性，將樣本銀行按性質(zhì)劃分為三類。從橫向維度分析，國有四大銀行的違約距離大大超過其他兩類銀行，表明國有四大銀行的信用狀況優(yōu)秀，不太可能發(fā)生信用違約現(xiàn)象。這主要是因為國有銀行的資金規(guī)模雄厚，部分信用違約事件不足以對其造成威脅，同時國有銀行的存款市場廣泛、政治信用高，在一定程度上防止信用事件發(fā)生。第二，從縱向時間維度分析，2015年幾乎所有銀行都呈現(xiàn)出違約距離縮短的態(tài)勢，大型國有銀行與全國性股份銀行和地方性銀行幾乎處于同一水平。這是因為2015年國內(nèi)股票市場出現(xiàn)大波動，同時中國經(jīng)濟下行壓力大，進一步動搖了民眾對于宏觀經(jīng)濟的信心，對銀行的信用度提出了更高的考驗，而后2016年之后宏觀經(jīng)濟有所好轉(zhuǎn)，三類銀行的違約距離均呈現(xiàn)上揚好轉(zhuǎn)態(tài)勢。第三，隨著時間的推移，我國商業(yè)銀行的信用風(fēng)險總體上有所改善。通過分析可以發(fā)現(xiàn)2015年以來我國上市銀行的風(fēng)險狀況有明顯改善，幾乎所有銀行均呈現(xiàn)出違約距離上升的態(tài)勢。相較于2008年國際金融危機，我國商業(yè)銀行在經(jīng)過一輪經(jīng)濟周期的洗禮后，信用風(fēng)險管理水平和風(fēng)險吸收能力有明顯提升。第四，對影響信用風(fēng)險的幾個因素做多元回歸敏感性分析，發(fā)現(xiàn)股權(quán)價值、資本充足率和凈資本收益率均與違約距離同向變動，而股權(quán)波動率和負債總額與違約距離反向變動，并且資本充足率和股權(quán)波動率對違約距離的影響程度最大。5.2研究不足本文作者學(xué)術(shù)能力和實踐能力有限，主要體現(xiàn)在數(shù)據(jù)收集和計算兩方面。一是運用的數(shù)據(jù)僅是上市銀行的公開數(shù)據(jù)，數(shù)據(jù)支撐不夠，也缺少對數(shù)據(jù)的系統(tǒng)分析。二對于模型的簡化計算，比如違約實施點的選取沒有按照KMV模型中的原始方法，在估測股權(quán)波動率時沒有考慮到在實操中金融時間序列存在的波動聚集效應(yīng)和異方差性。同時，本文研究需要對信用風(fēng)險產(chǎn)生的宏觀區(qū)域環(huán)境和經(jīng)濟周期發(fā)展，以及借貸雙方的行為等多方面進行分析，但由于本人能力有限，無法對研究問題進行全面思考和總體把握。5.3未來展望KMV模型相較于國內(nèi)銀行傳統(tǒng)的信用分析度量模型有很大的優(yōu)越性，但是鑒于國內(nèi)銀行目前的發(fā)展情況，完全應(yīng)用KMV模型進行違約估計仍存在實操困難。第一，KMV公司根據(jù)國外股票交易數(shù)據(jù)的歷史經(jīng)驗，將模型中的違約實施點設(shè)定為公司短期負債加上長期負債的一半，此公式是所設(shè)定的，但是對于國內(nèi)特殊股票市場結(jié)構(gòu)，此比例并不適用。為了使KMV模型更加貼合我國上市公司的情況，避免信用狀況良好的公司與信用狀況差的公司出現(xiàn)違約距離差距不顯著的情況，違約實施點公式中的比例需要進行進一步的修訂。第二，KMV模型的核心假設(shè)是企業(yè)的資產(chǎn)價值分布服從對數(shù)正態(tài)分布，并在此基礎(chǔ)上進行違約距離的計算。但是我國上市銀行的資產(chǎn)價值并不全服從對數(shù)正態(tài)分布，銀行貸款收益和損失大部分情況下呈現(xiàn)偏態(tài)分布。同時，僅靠KMV模型來估計真實世界的違約率有些牽強，比如模型中用N(-d2)來表示風(fēng)險中性下的違約概率，而風(fēng)險中性的假設(shè)在現(xiàn)實世界中不成立。因此模型中資產(chǎn)價值非正態(tài)的修正和中國股市股權(quán)結(jié)構(gòu)的優(yōu)化，對提高模型測量精度有幫助。第三，我國仍存在大量未上市的銀行，由于它們的股權(quán)價值和股權(quán)波動率不是透明公開的，在估計上存在困難，因此導(dǎo)致這些銀行的資產(chǎn)價值和資產(chǎn)波動率無法通過KMV模型來估計。在對這類銀行進行信用風(fēng)險評估時，只能其他指標(biāo)來代替，這也在一定程度上也降低了計算的精確度。參考文獻[1]王天宇、楊勇.商業(yè)銀行信用風(fēng)險宏觀壓力測試研究[J].商業(yè)經(jīng)濟與管理，2017(5):70-76.[2]金美子.我國商業(yè)銀行信用風(fēng)險管理存在的問題及監(jiān)管對策[J].金融視線，2018(28):73-74.[3]王曉、李佳、李夢藝.政策因素下資產(chǎn)證券化能否降低銀行信用風(fēng)險？—以中國銀行業(yè)為例的實證檢驗[J].商業(yè)研究，2019(09):82-95.[4]劉玉潔.基于CVaR的CreditMetric模型及其在商業(yè)銀行信用風(fēng)險管理中的應(yīng)用[D].長沙：長沙理工大學(xué)，2010.[5]劉悅.基于因子分析法的商業(yè)銀行信用風(fēng)險測度研究[J].財會學(xué)習(xí)，2020(01):198-199.[6]馬美蕓.A股中小上市公司ST風(fēng)險預(yù)警基于KMV模型的違約風(fēng)險實證研究[D].上海：華東理工大學(xué)，2015.[7]楊秀云、蔣園園、段珍珍.KMV模型在我國商業(yè)銀行信用風(fēng)險管理中的適應(yīng)性分析及實證檢驗[J].財經(jīng)理論與實踐，2016(01):34-40.[8]吳江英.我國非上市公司債券違約風(fēng)險研究——基于KMV模型的分析[D].浙江：浙江大學(xué),2019.[9]葉楠.商業(yè)銀行不良貸款處置方法探究[J].法律經(jīng)緯，2020(01):195-196.[10]劉曉慶.基于KMV模型的商業(yè)銀行信用風(fēng)險管理實證研究[D].上海：復(fù)旦大學(xué)，2013.[11]尤毅.基于隨機森林模型的某商業(yè)銀行企業(yè)信用風(fēng)險評估實證研究[D].上海：上海交通大學(xué),2017.[12]朱天涯.經(jīng)濟轉(zhuǎn)型升級中我國商業(yè)銀行的信用風(fēng)險管理問題研究——基于Merton-KMV模型[D].杭州：浙江大學(xué),2019.[13]沈宇.上市銀行信用違約風(fēng)險及影響因素研究——基于KMV模型[D].廣州：暨南大學(xué),2014.[14]李金婷.基于KMV模型的中國上市銀行信用風(fēng)險評價——以民生、招商、深發(fā)、浦發(fā)、