论文部分内容阅读
信用风险一直是商业银行面临的最为重要的金融风险形式,这一点对于利息收入占其收入总额的比例约为88%的中国银行业更是如此。银行大量的不良资产和国外银行的竞争,使得提高银行的信用风险管理水平成为我国银行业面临的重要课题。国际上,由于新巴塞尔协议的实施和衍生品交易的快速发展,信用风险的管理正经历着一场革命,涌现出了大量有代表性的信用风险量化管理模型。而我国商业银行在信用风险管理方面,最为薄弱的环节就是利用模型进行量化管理。本文致力于从量化分析角度对我国商业银行信用风险管理进行研究。根据我国主要商业银行2007年的年度报表披露的财务信息及信用风险管理度量方法,分析了我国商业银行信用风险现状和信用风险管理中存在的问题。对目前应用广泛的信用风险度量的CreditMetrics模型、CreditRisk+模型、Credit Portfolio View模型和KMV模型进行比较,分析各种信用风险管理模型在我国的适用性。本文主要研究KMV模型在我国商业银行对上市公司信用风险量化管理中的适用性。本文选取2007年末存在于我国证券市场的完成股权分置改革的67家ST上市公司和与之配对的67家非ST上市公司为研究对象,根据2007年两类样本公司的财务数据和股票交易数据,运用KMV模型衡量两类公司对商业银行的信用风险的差异。实证结果显示:运用KMV模型计算出ST公司的违约距离明显小于非ST公司的违约距离。违约距离作为一个序数度量指标,其值越大公司违约的可能性就越小;反之,违约距离越小表明公司违约的可能性就越大。可见,KMV模型较好地识别出ST公司和正常公司的信用风险差别,违约距离对上市公司的违约风险有较好的反映。KMV模型的主要优势是上市公司的违约距离可以根据股票交易数据的不断更新而即时调整,在我国现行条件下,上市公司违约距离可以作为银行监控上市公司贷款的预警指标。文章最后对如何提高我国商业银行信用风险量化管理水平提出了建议。