金融租赁行业是近年来在我国发展最为迅速的金融服务业态之一，在国民经济中发挥着越来越大的作用。但在快速发展的同时，各类频发的信用风险事件也对金融租赁行业产生非常不利的影响，使得对信用风险管理水平己成为衡量金融租赁公司竞争力的关键要素。但由于缺乏量化分析所需要的数据基础，目前我国金融租赁公司对信用风险的管理仍主要依赖行业专家的经验判断。这是由于我国金融租赁行业发展历程相对较短，尚未经历完整的经济周期，对于客户经营数据尤其是违约客户数据的积累非常有限，远不及国际主流金融租赁公司，与国内商业银行相比也有较大的差距。
　　金融租赁公司使用专家评判法对租赁项目信用风险管理进行评价存在三方面的缺陷:一是专家的配置有限。国内金融租赁公司受到总体规模和员工数量的限制，参与项目评审的专家组通常不超过10人，但金融租赁公司所开展业务的行业包含国民经济中几乎全部重要的行业门类，即便充分汇总专家意见也无法对于所有行业项目做出完全客观判断。而不同领域的专家受制于自己专长领域的限制，容易对其不熟悉的行业信用风险做出错误评判。二是缺乏量化分析。专家对于项目评审的结果通常只有两种，同意或不同意，难以进行量化和汇总比较，导致对项目评估的结果过于刚性，不利于公司进行整体资产组合风险管理。三是评审效率低。项目评审会需要组织多名专家以实体会议的方式听取项目调查人员的解释说明，并在充分研究后给出判断结果，因此评审效率很低，期间客户经营情况已经可能发生不利变化，或者客户已经与其他竞争对手开展业务合作。
　　笔者在金融租赁行业从事风险管理工作，在实际工作中亦感觉缺乏必要的量化风险管理手段。通过研究生阶段系统化的学习，掌握了一定的金融量化分析技能。通过比较分析多种常用的风险评估模型及其优缺点，确定了KMV模型的研究思路。
　　本文探讨了将KMV模型应用于对金融租赁公司客户所在行业信用风险的评价分析，可以有效弥补专家评判法的缺点，提高风险评价的效率和效果，具体体现在以下方面:一是汇总市场整体判断数据。砌州模型运用上市公司股票在证券市场上的交易价格作为度量公司信用风险变化的基础数据，反映了整个市场对于企业股权价值的认可程度，包括了所有专业投资研究分析机构的决策，因此能够汇总体现市场对该公司及行业目前状况及未来发展的预测，从评价结构的客观性方面上远远超过有限的专家对行业信息的了解和分析能力。二是KMV模型输出的违约概率是一个量化的分析结果，可以用于不同行业的相互比较，也可以用于同一行业不同期间的相互比较。相较于专家评判法只有同意和不同意两种评判结果，KMV模型为金融租赁公司在不同行业之间调配资源提供了依据，并对其中的高风险行业提高风险定价水平提供了数据支持。三是分析效率高。通过使用计算机辅助，KMV模型可以运用金融市场的实时数据进行客户行业的信用风险的评估，极大的提高了效率。这一方面体现在通过KMV模型分析可以快速对准入项目和评审项目所在的行业进行初步分析，供评审专家进行分析决策，另一方面可以提高行业投向指引更新的频率，避免由于行业投向指引更新不及时导致的项目投向失误，再一方面可以将KMV模型用于已投放项目的贷后管理跟踪，及时发现此类项目的信用风险变化并及早采取措施避免风险。
　　在实际应用中，由于KMV模型需要使用上市公司的市场交易数据，而金融租赁公司大部分承租人非上市公司，因此运用KMV模型存在一定的困难。本文通过选取目标评价行业中与公司客户定位相匹配的上市公司，作为评价公司相关客户行业信用风险的基础数据，计算出行业平均违约概率，并与公司通过专家评判法作出的判断相比较。
　　经过分析，KMV模型对金融租赁公司客户行业信用风险的评估结果与通过专家法得出的风险等级基本匹配，KMV模型对行业风险趋势变化的评估结果与专家分析的风险等级变化结果较为匹配，可以使用该模型辅助进行客户行业信用风险的评估。