基于KMV模型的我國商業(yè)銀行信貸風(fēng)險度量研究摘要隨著經(jīng)濟(jì)全球化的深入，世界經(jīng)濟(jì)逐漸演變?yōu)橐粋€整體。今金融市場向著信息化、國際化和自由化方向不斷發(fā)展。商業(yè)銀行在復(fù)雜多變的宏觀經(jīng)濟(jì)環(huán)境中，既有著發(fā)展機(jī)會，也面臨著諸多挑戰(zhàn)。商業(yè)銀行信貸風(fēng)險是商業(yè)銀行的傳統(tǒng)風(fēng)險，是銀行諸多風(fēng)險中的一個重要組成部分。我國商業(yè)銀行度量信貸風(fēng)險的能力的增強(qiáng)和合適的信貸風(fēng)險度量方法不僅可以促進(jìn)銀行穩(wěn)健經(jīng)營，也對國家經(jīng)濟(jì)健康發(fā)展和維護(hù)社會穩(wěn)定起著積極作用。本文從首先從研究的背景和意義出發(fā)，介紹了文章的主要內(nèi)容和文章框架。其次，在闡述商業(yè)銀行信貸風(fēng)險的定義、產(chǎn)生的原因及識別信貸風(fēng)險的方法的基礎(chǔ)上，著重介紹了商業(yè)銀行傳統(tǒng)的和現(xiàn)代的信貸風(fēng)險度量的模型。再次，通過對KMV模型理論基礎(chǔ)、假設(shè)前提以及求解過程的論述，對選取的十二家上市公司的信貸風(fēng)險進(jìn)行實證分析，得到KMV模型可以幫助我國商業(yè)銀行度量貸款公司的信貸風(fēng)險；最后從信貸風(fēng)險模型建立、信貸流程健全以及信貸人才培養(yǎng)出發(fā)方面，為提高商業(yè)銀行信貸風(fēng)險度量的能力提出政策和建議。關(guān)鍵詞：信貸風(fēng)險；KMV模型；違約距離；AbstractWiththedeepeningofeconomicglobalization,theworldeconomyhasbecomeawholeinchbyinch.Intoady’sworld,financialmarketisbecomingmoreandmoreinformationlized,internationalizedandliberalized.Inthecomplexandever-changingmacroeconomicenvironment,commercialbankshavebothdevelopmentopportunitiesandmanychallenges.Thecreditriskofcommercialbanksisthetraditionalriskofcommercialbanksandanimportantpartofmanyrisksofbanks.TheenhancementoftheabilityofChinesecommercialbankstomeasurecreditriskandtheappropriatemeasurementmethodsofcreditriskcannotonlypromotethesteadyoperationofbanks,butalsoplayapositiveroleinthehealthydevelopmentofnationaleconomyandthemaintenanceofsocialstability.Thispaperintroducesthemaincontentandarticleframeworkoftheessayfromthesettingandimportanceofthestudy.Secondly,onthebasisofexplainingthedefinition,causesandmethodsofidentifyingcreditriskofcommercialbanks,thispaperemphaticallyintroducesthetraditionalandmoderncreditriskmeasurementmodelsofcommercialbanks.Thirdly,bydiscussingthetheoreticalbasis,hypotheticalpremisesandsolvingprocessofKMVmodel,thispapermakesanempiricalanalysisofthecreditriskoftwelvelistedcompanies,andobtainsthatKMVmodelcanhelpChinesecommercialbankstomeasurecompany’srisk.Finally,startingfromtheestablishmentofcreditriskmodel,theimprovementofcreditprocessandthecultivationofcredittalents,thispaperaimstoimprovecommercialbanks'creditrisk.Theabilityofbankstomeasurecreditriskandputforwardpoliciesandsuggestions.Keywords:creditrisk；KMVmodel；defaultdistance；目錄第一章緒論 21.1研究背景及意義 21.1.1研究背景 21.1.2研究意義 21.2論文研究的主要內(nèi)容和基本框架 31.2.1主要內(nèi)容 31.2.2基本框架 3第二章信貸風(fēng)險度量的理論基礎(chǔ) 52.1信貸風(fēng)險的定義和產(chǎn)生的原因 52.1.1定義 52.1.2信貸風(fēng)險產(chǎn)生的原因 52.2信貸風(fēng)險的識別 62.3傳統(tǒng)的與現(xiàn)代的信貸風(fēng)險的度量方法 62.3.1傳統(tǒng)的信貸度量方法 62.3.2現(xiàn)代的信貸度量方法 82.3.3三種現(xiàn)代信貸風(fēng)險度量模型的對比 9第三章實證分析 113.1KMV模型的介紹 113.1.1理論基礎(chǔ) 113.1.2模型的前提 113.1.3模型所需的數(shù)據(jù) 113.1.3模型的具體求解過程 123.2樣本公司的選取及實證分析的數(shù)據(jù)來源 133.3實證過程 14第四章結(jié)論及政策建議 194.1結(jié)論 194.2政策及建議 22參考文獻(xiàn) 24致謝 27第一章緒論1.1研究背景及意義1.1.1研究背景20世紀(jì)90年代以來，國際相繼發(fā)生日本銀行危機(jī)、亞洲金融危機(jī)、美國次貸危機(jī)和歐洲債務(wù)危機(jī)。在經(jīng)濟(jì)金融自由化、國際化和信息化的挑戰(zhàn)下，商業(yè)銀行雖然從中獲得了許多新的發(fā)展機(jī)會，但同時面臨著許多新的問題。信貸風(fēng)險是銀行管理風(fēng)險的重點，影響著銀行盈利性、流動性和安全性經(jīng)營目標(biāo)的實現(xiàn)，也影響著國家的經(jīng)濟(jì)發(fā)展和社會的穩(wěn)定。隨著經(jīng)濟(jì)全球化程度的不斷加深，國家與地區(qū)，行業(yè)與行業(yè)之間的聯(lián)系也不斷加深，互相影響。各個國家都放松了對金融市場的管理，給予了金融機(jī)構(gòu)更多的自由。商業(yè)銀行的信貸業(yè)務(wù)不僅是銀行收入的主要來源之一，也是銀行面對的信貸風(fēng)險的主要來源。若沒有及時對信貸風(fēng)險進(jìn)行及時的識別和恰當(dāng)?shù)墓芾恚蜁a(chǎn)生無法收回的貸款呆賬，影響銀行的貸款資產(chǎn)質(zhì)量，更嚴(yán)重的會導(dǎo)致銀行破產(chǎn)，不利于金融行業(yè)的穩(wěn)定和健康發(fā)展。在我國金融市場中，不僅有許多本國的商業(yè)銀行，而且也有許多外資銀行。隨著金融行業(yè)的發(fā)展，商業(yè)銀行在不斷擴(kuò)大規(guī)模的同時，銀行間的競爭也不斷加劇，信用貸款也會隨之不斷增加，信貸風(fēng)險也會不斷增大。面對復(fù)雜多變的金融環(huán)境時，商業(yè)銀行要積極借鑒國外銀行度量和管理信貸風(fēng)險的經(jīng)驗，具體問題具體分析，防范和管理信貸風(fēng)險，從而有利于提高銀行的經(jīng)營能力和構(gòu)建穩(wěn)定健康的金融環(huán)境。1.1.2研究意義對于商業(yè)銀行來說，不管是過去、現(xiàn)在還是將來，風(fēng)險管理的重中之重仍舊是對信貸風(fēng)險的管理。對信貸風(fēng)險進(jìn)行研究和管理，不僅使得現(xiàn)有的理論體系不斷完善，還為商業(yè)銀行信貸風(fēng)險管理提供了理論依據(jù)，提高了商業(yè)銀行的經(jīng)營水平和能力。增強(qiáng)度量信貸風(fēng)險的水平既可以提高銀行的核心競爭力，也可以促進(jìn)國家經(jīng)濟(jì)的穩(wěn)定和發(fā)展。商業(yè)銀行信貸業(yè)務(wù)獲得的經(jīng)濟(jì)效益是銀行的重要收入來源之一，而發(fā)放給企業(yè)的貸款是銀行資產(chǎn)的主要部分。當(dāng)貸款企業(yè)沒有按時歸還貸款的本金和利息時，商業(yè)銀行將回面臨巨大的流動性風(fēng)險，會引發(fā)銀行的資金鏈斷裂，銀行破產(chǎn)的可能性也會增加，銀行的信用也會隨之急劇下降，引起銀行的投資者和儲蓄者的恐慌，造成宏觀經(jīng)濟(jì)的動蕩和社會的不穩(wěn)定。因而信貸風(fēng)險的度量和管理對于商業(yè)銀行來說就變得尤為關(guān)鍵。1.2論文研究的主要內(nèi)容和基本框架1.2.1主要內(nèi)容本文在全球經(jīng)濟(jì)持續(xù)高速發(fā)展和商業(yè)銀行面臨的信貸風(fēng)險與日俱增的大背景下，首先闡明了信貸風(fēng)險的含義和論述了度量管理信貸風(fēng)險的研究意義。其次，通過回顧傳統(tǒng)的和現(xiàn)代的商業(yè)銀行信貸風(fēng)險度量的理論，具體分析了每個理論的優(yōu)缺點。結(jié)果表明，KMV模型對我國商業(yè)銀行的信貸風(fēng)險管理有著巨大的指導(dǎo)意義。但是商業(yè)銀行在使用KMV模型的過程中存在不足，而且我國的金融市場還不夠完善，不能充分利用KMV模型來度量信貸風(fēng)險。再次，本文在充分利用Excel和MATLAB語言程序的基礎(chǔ)上，通過對KMV模型的實證分析，論證了其在我國商業(yè)銀行信貸風(fēng)險度量中的適用性。最后，結(jié)合我國金融市場和商業(yè)銀行的現(xiàn)狀，給我國商業(yè)銀行在利用KMV模型管理度量和管理信貸風(fēng)險提出了一些政策建議。1.2.2基本框架本文的基本框架如圖1.1所示。緒論緒論信貸風(fēng)險度量的理論基礎(chǔ)基于KMV模型的實證分析度量信貸風(fēng)險的政策建議本文研究的背景以及意義本文的的主要內(nèi)容和框架信貸風(fēng)險的定義、原因分析及識別方法傳統(tǒng)和現(xiàn)代的信貸風(fēng)險度量方法KMV模型的理論基礎(chǔ)、前提和所需數(shù)據(jù)實證分析建立科學(xué)合理的信貸風(fēng)險度量模型健全信貸流程，做好信貸風(fēng)險的后續(xù)管理培養(yǎng)信貸風(fēng)險文化和信貸風(fēng)險管理人才圖1.1論文的框架第二章信貸風(fēng)險度量的理論基礎(chǔ)2.1信貸風(fēng)險的定義和產(chǎn)生的原因2.1.1定義信貸風(fēng)險是指在最后的期限債務(wù)人不能按照合約規(guī)定歸還本息。信貸風(fēng)險是商業(yè)銀行的傳統(tǒng)風(fēng)險中最常見的風(fēng)險，是客觀存在并且可以控制的，不易被察覺，既可能帶來盈利也可能帶來損失。信貸風(fēng)險的發(fā)生不僅會使銀行不能按時收回貸款的本金和利息，產(chǎn)生大量的不良貸款，也會引起銀行的資產(chǎn)質(zhì)量變差和流動性降低。情況惡劣時，將會致使銀行倒閉。2.1.2信貸風(fēng)險產(chǎn)生的原因信息不對稱在博弈論中，信息不對稱指交易雙方所了解的信息不同，從而產(chǎn)生道德風(fēng)險和逆向選擇。在放貸之前，銀行會全面了解借款企業(yè)的信息，但企業(yè)可能會隱瞞一些不利于借貸的信息，這就會導(dǎo)致道德風(fēng)險。在銀行放貸之后，銀行不可能及時準(zhǔn)確地了解和跟蹤貸款的使用情況，而借款企業(yè)可能會改變貸款的用途，將貸款用于一些風(fēng)險高的項目，這就會生逆向選擇。道德風(fēng)險和逆向選擇的發(fā)生都會使銀行面臨較大的信貸風(fēng)險。商業(yè)銀行內(nèi)部因素第一，商業(yè)銀行解決處理信貸風(fēng)險的能力和水平不足。商業(yè)銀行沒有相對合適的信貸風(fēng)險分析工具，沒有完整的企業(yè)歷史信貸記錄，也沒有形成良好的貸款管理和監(jiān)督體系。第二，商業(yè)銀行工作人員信貸風(fēng)險識別和度量的能力和專業(yè)知識有限。若工作人員能力不夠和道德水平不高，在貸款管理過程中，不能夠及時發(fā)現(xiàn)貸款企業(yè)存在的問題，并且有可能違背職業(yè)道德收受賄賂，從而給銀行帶來巨大的信貸風(fēng)險。第三，商業(yè)銀行本身的資產(chǎn)負(fù)債結(jié)構(gòu)不合理。商業(yè)銀行要處理好資金的安全性、資產(chǎn)的流動性和銀行盈利性目標(biāo)之間的關(guān)系。若銀行側(cè)重于安全性目標(biāo)，就會持有較多的現(xiàn)金資產(chǎn)和優(yōu)質(zhì)的有價證券，從而銀行獲得的利潤減少。若銀行側(cè)重于盈利性目標(biāo)，就會減少現(xiàn)金資產(chǎn)和吸收更多的存款，因此銀行也會面臨更大的信貸風(fēng)險。2.2信貸風(fēng)險的識別識別信貸風(fēng)險是銀行進(jìn)行信貸風(fēng)險度量和管理的前提條件。目前，銀行識別信貸風(fēng)險的方法主要有三種。（1）監(jiān)測企業(yè)的現(xiàn)金流。當(dāng)商業(yè)銀行貸款給公司和個人時，商業(yè)銀行要及時準(zhǔn)確的了解其的資產(chǎn)狀況、現(xiàn)金流以及盈利狀況，避免不良貸款的發(fā)生，而且要判斷公司和個人是否有做假賬，避免其掩蓋真實的的財務(wù)狀況。（2）信用評級。現(xiàn)今的金融市場上有很多的信用評級公司，如標(biāo)準(zhǔn)普爾（S&P）、穆迪（Moody）、麥肯錫（McKinsey&Company）、浙江安博爾信用評估有限公司等，他們有著完備的評估機(jī)制，對公司和個人的信用有著詳細(xì)的記載和分析，為商業(yè)銀行提供貸款公司的信用評級和信用報告。（3）建立和完善信用貸款風(fēng)險管理模型。隨著經(jīng)濟(jì)金融的不斷發(fā)展，商業(yè)銀行信貸風(fēng)險度量的模型和方法也越來越多，從傳統(tǒng)的專家評級法和信用評級法到現(xiàn)階段的信貸組合模型、信用度量模型、期權(quán)定價模型和信用風(fēng)險附加模型，這些模型的建立和完善都在不斷提高商業(yè)銀行度量信貸風(fēng)險的水平和能力。除此之外，商業(yè)銀行要做到具體問題具體分析，對某些行業(yè)進(jìn)行信貸風(fēng)險分析時，如科研公司等資金需求量大的行業(yè)，除了進(jìn)行以往的信貸風(fēng)險管理，還要了解它的行業(yè)特點以及公司以前貸款的情況，對那些信用狀況較差的公司和個人進(jìn)行多次反復(fù)信用評級，注意其貸款的流向及使用用途是否符合貸款合同規(guī)定，及時處理解決銀行面對的信貸風(fēng)險。2.3傳統(tǒng)的與現(xiàn)代的信貸風(fēng)險的度量方法2.3.1傳統(tǒng)的信貸度量方法（1）專家分析法專家分析法是商業(yè)銀行度量和管理信貸風(fēng)險的最為經(jīng)典的方法。專家學(xué)者根據(jù)貸款企業(yè)和個人的特征及各種信息，運用專業(yè)技能和工作經(jīng)驗來分析信貸風(fēng)險，測算借款者違約的概率。傳統(tǒng)的專家分析法有5Cs法、5Ws法、LAPP法等。5Cs是指商業(yè)銀行專家依據(jù)借款公司品德、資本、能力、擔(dān)保品、經(jīng)營環(huán)境五個因素進(jìn)行評分。然后，根據(jù)綜合得分以及過去的信用記錄，來決定是否向公司發(fā)放貸款。而且得分越高，公司的信用越好，違約的可能性就越小。5Ws法和LAPP法與5Cs法的評分過程和貸款決策類似。5CsCharacter5CsCharacterCapacityCollateralConditionCapital5WsWhorWhenWhatHowWhyLiquidityLiquidityActivityPotentialitysLAPPPotentialities圖2.1專家分析法專家評級法雖然簡單易懂，操作靈活，易理解。但是主觀性太強(qiáng)了。專家評級法需要有豐富經(jīng)驗和專業(yè)知識過硬的專家學(xué)者。而且專家的結(jié)論都具有主觀性，多個專家由于經(jīng)驗和年齡不同對同一個借款者的結(jié)論可能有所不一樣，而且同時聘請多個專家可能造成成本增加，使得商業(yè)銀行開支增加，不利于實現(xiàn)銀行利潤最大化的經(jīng)營目標(biāo)。（2）信用評級法信用評級法是指信用評級機(jī)構(gòu)對貸款公司按時還款付息的能力進(jìn)行評定，用通俗易懂的評級指標(biāo)根據(jù)被評對象及經(jīng)濟(jì)主體所處行業(yè)不同而不同符號來表示其違約風(fēng)險和違約損失的程度。信用評級機(jī)構(gòu)使用多種指標(biāo)對被評對象使用定量和定性分析。定量指標(biāo)是用來評價貸款公司的財務(wù)狀況，包括公司資產(chǎn)與負(fù)債的比例結(jié)構(gòu)、盈利能力、現(xiàn)金流量是否充足以及資產(chǎn)的流動性等。定性指標(biāo)分為兩類。一是對貸款公司所在行業(yè)的風(fēng)險進(jìn)行評估。主要評價貸款公司所處行業(yè)的發(fā)展前景、國家產(chǎn)業(yè)政策、宏觀經(jīng)濟(jì)發(fā)展形勢以及技術(shù)升級的門檻和速度等。二是業(yè)務(wù)風(fēng)險評估，分析貸款企業(yè)產(chǎn)品的市場占有率、科研投入及關(guān)鍵技術(shù)水平等。與專家判斷法相比，信用評級法根據(jù)貸款質(zhì)量進(jìn)行分級，更為科學(xué)合理，為商業(yè)銀行信貸風(fēng)險度量與管理提供了較為適用的方法。但是，信用評級法具有一定的主觀性，評級系統(tǒng)比較簡單，所以結(jié)果不是那么精確。（3）神經(jīng)網(wǎng)絡(luò)分析法用神經(jīng)網(wǎng)絡(luò)分析法度量和管理信貸風(fēng)險時，有兩個過程，分別是學(xué)習(xí)和預(yù)測。首先，我們需要收集數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，然后將其與預(yù)期結(jié)果進(jìn)行比較。其次，經(jīng)過對神經(jīng)網(wǎng)絡(luò)的不斷修正，當(dāng)誤差率降低到可接受的范圍內(nèi)時，神經(jīng)網(wǎng)絡(luò)完成學(xué)習(xí)。最后，將被預(yù)測企業(yè)的數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)，即可得到被預(yù)測企業(yè)信用狀況的判斷結(jié)果。度量信貸風(fēng)險時，該方法不僅具有處理線性問題的能力，而且具有處理非線性問題的能力。其結(jié)果大于零小于一，在信貸風(fēng)險度量中，就是借款者的違約概率。神經(jīng)網(wǎng)絡(luò)分析法的一大缺點是它的強(qiáng)隨機(jī)性，并且如果想要得到一個更好的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，我們不僅需要人為的隨機(jī)更改和調(diào)整，而且需要耗費大量的人力、物力和財力，而且其結(jié)論還沒有統(tǒng)計理論基礎(chǔ)，因此得出的結(jié)果不令人信服，所以神經(jīng)網(wǎng)絡(luò)分析法帶有一定的局限性。2.3.2現(xiàn)代的信貸度量方法（1）CreditMetrics模型Creditmetrics模型是由\o"J.P.摩根"J·P·摩根創(chuàng)造出來量化\o"信用風(fēng)險"信用風(fēng)險的產(chǎn)品，又稱為信用計量模型。CreditMetrics模型通過整理和分析信貸歷史數(shù)據(jù)，預(yù)測貸款、債券等金融工具在未來一段時間內(nèi)的價值變化。模型主要通過計算VaR來測量債券投資組合的信用風(fēng)險。VaR，即Valueatrisk，意思是處在風(fēng)險狀態(tài)下的價值，指債券資產(chǎn)組合在未來可能蒙受的最大損失。一般來說，VaR值越小，意味著資產(chǎn)組合的風(fēng)險越小。Creditmetrics模型認(rèn)為違約概率與宏觀經(jīng)濟(jì)條件無關(guān)，利率期限結(jié)構(gòu)固定和資產(chǎn)組合收益服從正態(tài)分布。Creditmetrics模型的優(yōu)點是其需要搜集的信貸歷史數(shù)據(jù)可以在金融市場上很容易的找到，Creditmetrics模型使用VAR原理，將原有的理論由定性分析變?yōu)槎糠治觯沟媒Y(jié)果更加具有科學(xué)性。它的缺點是，模型需要采用復(fù)雜繁多的歷史數(shù)據(jù)來得出信貸資產(chǎn)違約概率，且求解過程需要消耗大量的時間，缺乏一定的時效性。而且模型的假設(shè)條件與實際情況大都不相符，這無疑影響了結(jié)果的精確性和適用性。（2）CreditPortfolioView模型CreditPortfolioView（以下簡稱CPV）模型是由McKinsey&Company建立用于分析金融市場中貸款組合風(fēng)險的多因素模型。CPV模型通過輸入宏觀經(jīng)濟(jì)變量，如利率、國內(nèi)生產(chǎn)總值增長率、失業(yè)率、外匯匯率和政府支出等，應(yīng)用計量經(jīng)濟(jì)學(xué)工具和蒙特卡洛算法對各個國家不同產(chǎn)業(yè)間的信用等級轉(zhuǎn)移概率和違約概率的聯(lián)合條件分布進(jìn)行模擬。而且信用周期對債券的信用等級有很大影響。CPV模型把觀察測量得到的違約概率和信用潛移概率與總體經(jīng)濟(jì)狀況緊密關(guān)聯(lián)在一起。當(dāng)經(jīng)濟(jì)衰退時，貸款企業(yè)信用降級和違約的可能性會在一定程度上增大；反之，當(dāng)經(jīng)濟(jì)繁榮時，貸款企業(yè)降級和違約的可能性就會相應(yīng)減小。CPV模型運用計量經(jīng)濟(jì)學(xué)理論，將宏觀經(jīng)濟(jì)因素考慮進(jìn)來，度量信貸風(fēng)險，使得分析結(jié)果不僅具有科學(xué)性而且具有全面性。但CPV模型需要大量的宏數(shù)據(jù)，有些數(shù)據(jù)不容易獲取。CPV模型缺乏微觀經(jīng)濟(jì)因素對信貸風(fēng)險的影響，具有一定的局限性和片面性。（3）KMV模型KMV模型假設(shè)，貸款企業(yè)資產(chǎn)的市場價值很大程度上影響銀行信貸風(fēng)險的大小。與過去度量信貸風(fēng)險模型不同的是，KMV模型沒有考慮銀行是否能夠收回貸款，而是從貸款企業(yè)的角度出發(fā)考慮貸款能否按時歸還。KMV模型是一個以現(xiàn)代期權(quán)理論作為理論指導(dǎo)，使用現(xiàn)有的股票市場信息和公司信息而不是過去的信息的動態(tài)模型。KMV模型需要的數(shù)據(jù)能夠在股票市場上很容易地找到，所以結(jié)果更新快，具有很強(qiáng)的時效性。而且在知道公司資產(chǎn)結(jié)構(gòu)的情況下，能夠計算出任何一段時期的實際違約概率。KMV模型的不足之處是模型的前提條件相對嚴(yán)苛，尤其是貸款企業(yè)的資產(chǎn)價值的分布實際上并不符合對數(shù)正態(tài)分布的假定；模型不但側(cè)重于違約預(yù)測，忽略了公司信用在一段時間內(nèi)的變化，而且沒有考慮信息不對稱情況下的道德風(fēng)險。最后KMV模型不能度量非上市公司的信貸風(fēng)險，所以對沒有上市的公司來說并不適用。2.3.3三種現(xiàn)代信貸風(fēng)險度量模型的對比三種現(xiàn)代信貸度量風(fēng)險模型的理論基礎(chǔ)、優(yōu)缺點及適用范圍如表2.1所示：表2.1現(xiàn)代信貸模型的區(qū)別與特點模型理論基礎(chǔ)優(yōu)點缺點適用范圍CreditMetrics模型基于VaR理論歷史數(shù)據(jù)極易獲得適用于不同類型信貸資產(chǎn)模型假設(shè)太過苛刻外部市場風(fēng)險因素未涉及模型所得結(jié)果反映滯后公司建立完善的內(nèi)部評級系統(tǒng)，并且容易獲取具體的評級數(shù)據(jù)CreditPortfolioView模型宏觀經(jīng)濟(jì)計量模型理論引入外部宏觀因素可度量不可分散的系統(tǒng)性風(fēng)險對宏觀數(shù)據(jù)的處理較繁瑣損失概率分布的設(shè)置帶有主觀性未考慮微觀層面的影響因素當(dāng)公司受宏觀經(jīng)濟(jì)環(huán)境波動影響較大，并且能在公司的信貸組合與宏觀經(jīng)濟(jì)環(huán)境波動性之間建立回歸關(guān)系模型KMV模型基于BSM期權(quán)定價理論有強(qiáng)大的理論基礎(chǔ)支撐動態(tài)模型，預(yù)測能力強(qiáng)違約距離可求正態(tài)分布的假定理想化股票數(shù)據(jù)多變，預(yù)測結(jié)果滯后對非上市公司的違約度量無能為力可以及時準(zhǔn)確的獲得公司的財務(wù)指標(biāo)數(shù)據(jù)、上市公司第三章實證分析3.1KMV模型的介紹3.1.1理論基礎(chǔ)布萊克—舒爾斯—默頓期權(quán)定價模型是KMV模型的基礎(chǔ)。二十世紀(jì)七十年代，美國專家布萊克和舒爾斯提出了著名的用來確定歐式股票期權(quán)價格的B-S定價模型。在同一年，RobertMerton獨立地創(chuàng)造了一個假設(shè)條件更為普通的默頓模型。3.1.2模型的前提在實證分析中，若想得到科學(xué)有效的分析結(jié)果，需要對模型做出一些假設(shè)前提；如表3.1所示：表3.1KMV模型的前提KMV模型的假設(shè)前提1公司的資產(chǎn)價值服從幾何布朗運動2公司的資產(chǎn)價值服從對數(shù)正態(tài)分布3公司的股權(quán)價值可看做為歐式看漲期權(quán)4市場不存在任何交易費用和稅收5市場不存在任何的套利機(jī)會6存在一個無風(fēng)險利率而且利率為固定的常數(shù)7公司資本結(jié)構(gòu)分為股權(quán)價值和債務(wù)價值兩部分8公司在債務(wù)到期之前不會發(fā)生違約9公司資產(chǎn)價值保持不變，即預(yù)期年增長率為010標(biāo)的股票的交易連續(xù)，而且股票可以被分割3.1.3模型所需的數(shù)據(jù)在實證分析過程中，需要用到上市公司表3.2中所列的數(shù)據(jù)。表3.2KMV所需數(shù)據(jù)1上市公司資產(chǎn)價值VA和股權(quán)價值VE2上市公司債務(wù)價值VD，包括短期（流動）負(fù)債STD和長期負(fù)債LTD3上市公司資產(chǎn)波動率δA和股價（年）波動率δE4上市公司股票第i天收益率μi5上公司股票日收益波動率δ6上市公司年交易天數(shù)N7無風(fēng)險利率rf8債務(wù)期限T9違約點DPT10違約距離DD11預(yù)期違約概率EDF3.1.3模型的具體求解過程首先，用上市公司的股權(quán)市值、股票價格波動率、債務(wù)價值、無風(fēng)險利率以及債務(wù)的期限得到上市公司的資產(chǎn)價值和資產(chǎn)波動率。然后，根據(jù)短期負(fù)債及長期負(fù)債求得該公司的出違約點。最后，求出上市公司的違約距離，進(jìn)而得到預(yù)期違約概率。VEVEVDδErfTVAδADDDDEDF223STD223STD11111DPTDPTLTDLTD圖3.1KMV模型求解流程圖KMV模型所需求解公式：股權(quán)市值=流通股股數(shù)量*流通股價格+非流通股股數(shù)量*非流通股價格債務(wù)價值=短期流動負(fù)債+長期非流動負(fù)債股票的日收益率：Ut=LN(St/St-1)股票價格年波動收益率：年收益波動率：，N表示股票的年交易天數(shù)違約點=短期流動負(fù)債+1/2長期流動負(fù)債資產(chǎn)價值與波動率δE=VA*N(d1)*δA/VEVE=VA*N(d1)—e-rfT*VD*N(d2)，其中，，（8）違約距離（9）預(yù)期違約概率：EDF=1-N（DD）3.2樣本公司的選取及實證分析的數(shù)據(jù)來源本文在我國A股市場上選取了六個不同行業(yè)，在每一個行業(yè)中分別選取一家非ST公司和ST公司的股票。ST就是英文詞組specialtreatment的簡寫，翻譯為特別處理。當(dāng)上市公司財務(wù)狀況不好或者涉嫌欺詐等非尋常的狀況時，滬深交易所就會給這類上市公司的股票名稱的前面加上ST兩個字母，用以區(qū)分沒有問題的上市公司股票。本文選擇了中國A股市場六個不同行業(yè)的六家上市公司。然后，在每個行業(yè)中選擇了一只非ST股和一只ST股，選取的樣本公司如表3.3所示：表3.3樣本公司股票股票代碼股票名稱股票類型所屬行業(yè)000737ST南風(fēng)ST股票日用化工600249兩面針績優(yōu)股票日用化工000752ST西發(fā)ST股票啤酒000729燕京啤酒績優(yōu)股票啤酒000820ST節(jié)能ST股票環(huán)境保護(hù)000035中國天楹績優(yōu)股票環(huán)境保護(hù)000971ST高升ST股票互聯(lián)網(wǎng)002127南極電商績優(yōu)股票互聯(lián)網(wǎng)600608ST滬科ST股票鋼鐵600558大西洋績優(yōu)股票鋼鐵000670ST盈方ST股票元器件603920世運電路績優(yōu)股票元器件實證分析需要上市公司的股票數(shù)據(jù)和實證數(shù)據(jù)，主要涵蓋上市公司股票在一段時間內(nèi)的收盤價、流通股數(shù)量、非流通股數(shù)量、上市公司的短期負(fù)債和長期負(fù)債等。本文采用的數(shù)據(jù)來源于上市公司年報、中國人民銀行網(wǎng)站、申宏萬源官網(wǎng)和東方財富網(wǎng)。3.3實證過程在實證分析中，我們選取一只上市股票為例進(jìn)行計算。其余的上市股票的計算與之相同，以股票兩面針為例。股票的收盤價均值本文假設(shè)股票的流通股價和非流通股價與收盤價均值相等，收盤價均值由十二天股票收盤價的算術(shù)平均值計算。收盤價均值=（5.03+5.11+4.9+5.17+5.16+5.11+5.1+5.06+5.06+5.09+5.13+5.16）/12=5.09（計算結(jié)果保留兩位小數(shù)）相應(yīng)的，其他樣本公司股票的收盤價均值，如表3.4所示：表3.4收盤價均值樣本股票收盤價均值樣本股票收盤價均值ST南風(fēng)4.61兩面針5.03ST西發(fā)7.58燕京啤酒7.59ST節(jié)能6.5中國天楹5.28ST高升26.1南極電商11.11ST滬科5.14大西洋4.46ST盈方4.51世運電路14.26股權(quán)市值股權(quán)市值=流通股股數(shù)量*流通股價格+非流通股股數(shù)量*非流通股價格=55000*5.09=279950萬元(結(jié)果保留為整數(shù))相應(yīng)的，其他樣本公司的股權(quán)市值，如表3.5所示：表3.5股權(quán)市值樣本股票股權(quán)市值（萬元）樣本股票股權(quán)市值（萬元）ST南風(fēng)252978兩面針366479ST西發(fā)199929燕京啤酒2139271ST節(jié)能414209中國天楹1287653ST高升2840963南極電商2727361ST滬科170953大西洋254092ST盈方134513世運電路583665債務(wù)價值債務(wù)價值=短期流動負(fù)債+長期非流動負(fù)債=66860+14970 =81830(萬元)相應(yīng)的，其他樣本公司的債務(wù)價值，如表3.6所示：表3.6債務(wù)價值樣本股票債務(wù)價值（萬元）樣本股票債務(wù)價值（萬元）ST南風(fēng)116586兩面針81830ST西發(fā)25209燕京啤酒447289ST節(jié)能178940中國天楹518300ST高升26967南極電商65229ST滬科11155大西洋80109ST盈方5568世運電路78650股票價格的年收益波動率第一，日收益波動率的計算公式為：Ut=LN(St/St-1)，其中St為第t天上市公司股票的收盤價價格，St-1為第t-1天上市公司股票的收盤價價格。利用EXCEL中的LN函數(shù)計算程序，計算出兩面針股票日收益率Ut，計算結(jié)果如表3.7所示：表3.7日收益率股票收盤價日收益率股票收盤價日收益率5.135.1-0.0019588645.11-0.0039062555.06-0.0078740565.160.0097371755.0605.170.0019361095.160.0195700965.09-0.0155948585.03-0.0255165955.110.0039215744.9-0.026184779第二，根據(jù)計算的股票日收益率，可以求出股票價格日收益波動率，計算公式為：，借助EXCEL軟件中的STDEV函數(shù)計算，求得兩面針股票在所選的數(shù)據(jù)范圍之內(nèi)日收益波動率的計算結(jié)果：0.014023846。相應(yīng)的，其他樣本公司股票的日收益波動率如表3.8所示：表3.8日收益波動率樣本股票日收益波動率樣本股票日收益波動率ST南風(fēng)0.033224527兩面針0.014023846ST西發(fā)0.030578917燕京啤酒0.022292749ST節(jié)能0.022119238中國天楹0.015770434ST高升0.033479705南極電商0.02410665ST滬科0.027035797大西洋0.012409644ST盈方0.031603494世運電路0.013606484第三，年收益波動率的計算公式為：，N表示股票的年交易天數(shù)。N=一年的總天數(shù)-（一年法定節(jié)假日數(shù)+股票市場停盤的天數(shù)）=245，故兩面針股票的年收益波動率為：=0.014023846*=0.219508（結(jié)果保留六位小數(shù)）。相應(yīng)的，其余的公司股票價格年收益波動率如表3.9所示：表3.9上市公司年收益波動率樣本股票年收益波動率樣本股票年收益波動率ST南風(fēng)0.520046兩面針0.219508ST西發(fā)0.478636燕京啤酒0.348937ST節(jié)能0.346221中國天楹0.246846ST高升0.524040南極電商0.377329ST滬科0.423177大西洋0.194242ST盈方0.494673世運電路0.212975債務(wù)期限本文假設(shè)上市公司的債務(wù)期限為1年，也就是說T=1。無風(fēng)險利率本文將把中國人民銀行所使用的一年期金融機(jī)構(gòu)人民幣存款基準(zhǔn)利率作為實證分析中的無風(fēng)險利率。隨著我國金融市場的不斷完善，在2015年中國人民銀行一共進(jìn)行了五次調(diào)整，調(diào)整的時間與相對應(yīng)的調(diào)整結(jié)果如表3.10所示：表3.10人民幣存款基準(zhǔn)利率調(diào)整結(jié)果時間2015-03-012015-05-112015-06-292015-08-282015-10-24利率2.5%2.25%2.00%1.75%1.5%因為五次調(diào)整的結(jié)果都不一樣，我們將五次調(diào)整的結(jié)果的算術(shù)平均值視為無風(fēng)險利率，（2.5%+2.25%+2%+1.75%+1.5%）/5=2%，所以rf=2%。違約點違約點=STD+1/2*LTD，由公式可得兩面針的違約點，計算結(jié)果為：66860+14970*0.5=74345(結(jié)果保留到整數(shù))。相應(yīng)的，其他公司的違約點的計算結(jié)果如表3.11所示：表3.11上市公司的違約點樣本股票 違約點樣本股票違約點ST南風(fēng)113093兩面針74345ST西發(fā)24954燕京啤酒445645ST節(jié)能167920中國天楹442600ST高升26409南極電商65190ST滬科10918大西洋78035ST盈方5568世運電路77760求資產(chǎn)價值與資產(chǎn)波動率根據(jù)公式δE=VA*N(d1)*δA/VEVE=VA*N(d1)-e-rfT*VD*N(d2)，其中，，將上述求得的結(jié)果帶入公式，得到：0.219508=VA*N(d1)*δA/366479366479=VA*N(d1)-e-2*81830*N(d2)，借助于MATLAB軟件可以得到兩面針公司的資產(chǎn)價值VA=291024，資產(chǎn)波動率δA=0.211155（資產(chǎn)價值保留整數(shù)，資產(chǎn)波動率保留六位小數(shù)），MATLAB求解程序如下：function[y]=myfun(x)V_E=279950;V_D=81830;deta_E=0.219508;d1=(log(x(2)/V_D)+2.25+x(1)^2/2)/(x(1));d2=(log(x(2)/V_D)+2.25+x(1)^2/2)/(x(1))-x(1);y(1)=x(2)*normcdf(d1)*x(1)-V_E*deta_E;y(2)=x(2)*normcdf(d1)-V_D*normcdf(d2)*exp(-2)-V_E;endy=fsolve(@myfun,[0.5,500000]);相應(yīng)的，其他樣本公司的股票的計算結(jié)果如表3.12所示：表3.12資產(chǎn)價值與資產(chǎn)波動率樣本公司資產(chǎn)價值（萬元）資產(chǎn)波動率ST南風(fēng)2687560.489515兩面針2910240.211155ST西發(fā)2033410.470605燕京啤酒21998050.339335ST節(jié)能4384260.327097中國天楹13577970.234094ST高升28446130.523368南極電商27361890.376112ST滬科1706540.419433大西洋4113230.189122ST盈方3693930.493664世運電路5943090.209161求違約距離公式為：，根據(jù)之前所求到的違約距離、資產(chǎn)價值和資產(chǎn)波動率可以求得股票兩面針的違約距離為：DD=（291024-74345）/（74345*0.211155）=3.53（結(jié)果保留兩位小數(shù)），相應(yīng)的，其余的公司股票的違約距離如表3.13所示：表3.13上市公司的違約距離樣本股票違約距離樣本股票違約距離ST南風(fēng)1.18兩面針3.53ST西發(fā)1.86燕京啤酒2.35ST節(jié)能1.89中國天楹2.88ST高升1.89南極電商2.60ST滬科2.23大西洋4.28ST盈方2.00世運電路4.16第四章結(jié)論及政策建議4.1結(jié)論由于目前我國技術(shù)條件和實際環(huán)境不成熟，我們無法得出預(yù)期違約概率和違約距離之間的實際關(guān)系。若我們用這個理想值來分析公司的違約情況，則會使得結(jié)果過于理想化，從而使得結(jié)果脫離實際。因此，我們只分析違約距離，通過上市公司違約距離的大小來分析違約的可能性，從而確保商業(yè)銀行的財務(wù)安全。將十二家樣本公司的違約距離刻畫在折線圖4.1上，圖4.1樣本公司違約距離折線圖從圖中，能夠得到以下三個結(jié)論首先，TomasKliestik、KatarinaKocisova（2015）和MariaMisankova（2016）專家指出違約距離的經(jīng)驗值為1.5。也就是說，當(dāng)違約距離大于1.5時，貸款公司還本付息的幾率越大，商業(yè)銀行面臨的信貸風(fēng)險越小；當(dāng)貸款公司的違約距離小于1.5時，公司能足額還款的可能性越小，商業(yè)銀行面臨的信貸風(fēng)險則更大。由實證結(jié)果我們可以看出ST南風(fēng)股票的違約距離小于1.5，則該公司違約的可能性越大，而非ST股的六支股票的違約距離均大于1.5，證明非ST股公司違約可能性小。當(dāng)銀行分析是否貸款給某公司時，可以根據(jù)KMV模型計算出該公司的違約距離，以違約距離的經(jīng)驗值1.5為標(biāo)準(zhǔn)，初步判斷是否放款給該公司。其次，我們可以在折線圖上看到，不同行業(yè)的兩個公司股票的違約距離的垂直距離不同，其中，日用化工，鋼鐵和元器件三個行業(yè)的ST股和非ST股違約距離的垂直距離更大，而啤酒、環(huán)境保護(hù)和互聯(lián)網(wǎng)行業(yè)ST股與非ST股違約距離的垂直距離更小。一般來說，處于同一行業(yè)的兩家上市公司的違約距離的垂直距離越大，說明了該行業(yè)的經(jīng)濟(jì)效益良好，公司在該行業(yè)有很強(qiáng)的發(fā)展勢頭，有著良好的收益，所以公司違約的可能性也會變小，反過來，若兩家公司違約距離的垂直距離越小，違約的可能性越大。故當(dāng)銀行將錢借給上市公司時，要考慮該公司所處的行業(yè)發(fā)展如何，若該行業(yè)發(fā)展繁榮且強(qiáng)勁，則公司的經(jīng)營狀況良好，違約可能性越小，銀行信貸風(fēng)險也會降低，銀行的資金越安全。最后，違約距離是指貸款公司將來的資產(chǎn)價值與違約點這兩者之間的差值。與違約點的距離相對較長，違約的概率也就相對較小；反過來，如果距離相對較短，公司違約的概率相對較大，則銀行承擔(dān)的風(fēng)險越大，資金安全也就越?jīng)]有保障。資產(chǎn)波動率顧名思義，表示該公司的資產(chǎn)波動程度，資產(chǎn)波動率越小，該公司經(jīng)營管理較好，發(fā)展良好，公司違約的概率低，反之，資產(chǎn)波動率越大，公司的違約概率大。從我們的實證結(jié)果可以看到，ST股票的資產(chǎn)波動率大于非ST股票，非ST股違約距離大于ST股票，因此我們可以得到ST股票違約的可能性更大，而非ST股票的違約可能性小。當(dāng)銀行決定是否借款給公司時，可以計算該貸款公司的資產(chǎn)波動率和違約距離，從而作為是否借款給公司的標(biāo)志。4.2政策及建議建立科學(xué)合理的信貸風(fēng)險度量模型，創(chuàng)建完善的信息管理系統(tǒng)。為了增強(qiáng)商業(yè)銀行的信貸風(fēng)險度量水平和能力，積極學(xué)習(xí)發(fā)達(dá)國家商業(yè)銀行度量信貸風(fēng)險的方法，需要努力做到兩件事。一是對我國現(xiàn)有的信貸風(fēng)險度量模式進(jìn)行改革與創(chuàng)新，降低我國商業(yè)銀行的經(jīng)營成本。二是引進(jìn)一種適合我國目前狀況的商業(yè)銀行信貸風(fēng)險度量模型，積極探索創(chuàng)新。這不僅有助于我國商業(yè)銀行擺脫現(xiàn)有的定性分析方法，而且有助于我國商業(yè)銀行更有效、更科學(xué)地衡量信貸風(fēng)險。同時，創(chuàng)建安全可信的信貸風(fēng)險信息系統(tǒng)。我國在實踐中不太注重對數(shù)據(jù)的積累，因此，歷史數(shù)據(jù)沒有得到很好的記載。我國商業(yè)銀行信貸風(fēng)險的度量在系統(tǒng)的數(shù)據(jù)載體方面有所欠缺，信貸風(fēng)險度量模型不能正常運用，這成為了我國信貸風(fēng)險量化活動中最大的阻礙。所以商業(yè)銀行應(yīng)積極對客戶資料進(jìn)行分類整理，整合歷史信息，創(chuàng)建一個安全可信的信貸風(fēng)險管理系統(tǒng)。健全信貸流程，做好信貸風(fēng)險的后續(xù)管理。商業(yè)銀行在貸款審批之前，不僅要充分了解企業(yè)的基本情況，考察企業(yè)的生產(chǎn)經(jīng)營狀況、財務(wù)狀況以及歷史信用，而且要了解企業(yè)所在行業(yè)的發(fā)展形勢，產(chǎn)業(yè)政策。其次，通過建立信用評級體系，可以得到有關(guān)企業(yè)的一份信用報告，該報告包括企業(yè)的發(fā)展歷史、經(jīng)營業(yè)務(wù)的性質(zhì)和過去的信用歷史，然后利用報告再對企業(yè)進(jìn)行信用分析和信用評級，最后做出貸款決策，決策包括銀行對該企業(yè)的貸款利率和貸款方式等。在貸款審批之后，不能忽略后續(xù)的管理工作，要及時、準(zhǔn)確了解企業(yè)的貸款使用情況、資產(chǎn)負(fù)債結(jié)構(gòu)的變化情況、現(xiàn)金流是否充足以及資產(chǎn)的流動性如何，以便能夠在第一時間內(nèi)了解貸款的質(zhì)量變化和發(fā)現(xiàn)企業(yè)存在的問題并及時糾正，降低和分散潛在的信貸風(fēng)險，減少和減輕風(fēng)險帶來的損失。所以我們要實現(xiàn)貸款的跟蹤管理，完善信貸流程保證商業(yè)銀行的穩(wěn)健經(jīng)營和我國市場經(jīng)濟(jì)的茁壯成長。在貸款到期回收時，銀行要提前向借款企業(yè)發(fā)出通知收回本金利息，如果企業(yè)不能按時還款，則按照貸款合同的規(guī)定來辦事。培養(yǎng)信貸風(fēng)險文化和信貸風(fēng)險管理人才。文化建設(shè)好比企業(yè)的靈魂，企業(yè)要把它當(dāng)作文化宗旨來看待。我國銀行信貸風(fēng)險同樣需要培養(yǎng)自己的管理文化。信貸風(fēng)險文化建設(shè)包括工作人員的素質(zhì)、團(tuán)隊精神、風(fēng)險規(guī)避意識、管理與控制信貸風(fēng)險的能力。信貸活動的始終與信貸風(fēng)險文化息息相關(guān)，要求各個部門團(tuán)結(jié)合作。當(dāng)前，我國信貸行業(yè)沒有相關(guān)的文化建設(shè)，信貸人員同樣沒有形成完整的風(fēng)險觀念和意識，這些都將導(dǎo)致信貸活動出現(xiàn)漏洞和損失。因此，我國商業(yè)銀行應(yīng)建立良好的信貸文化，營造良好的信用環(huán)境，提高商業(yè)銀行的信貸風(fēng)險度量能力和水平。隨著社會經(jīng)濟(jì)的快速發(fā)展，全社會對人才的需求也在不斷增長，特別是金融業(yè)對人才的需求。因此，金融行業(yè)對人才培養(yǎng)是必然選擇。就我國目前的行業(yè)現(xiàn)狀看來，更需要加大對信貸人才的培養(yǎng)。分析現(xiàn)有情況可以看出，大多數(shù)銀行都習(xí)慣聘用資歷較老的專家，這些專家往往更偏向于運用經(jīng)驗總結(jié)而不是銀行現(xiàn)代化定量量化技術(shù)。因此人才培養(yǎng)應(yīng)該著重放在當(dāng)代青年人上，他們善于學(xué)習(xí)，適應(yīng)能力也更強(qiáng)。他們在商業(yè)銀行信貸風(fēng)險度量工作中，能夠有效的度量和管理信貸風(fēng)險，提高商業(yè)銀行應(yīng)對風(fēng)險的能力。參考文獻(xiàn)[1]陳付佳.我國商業(yè)銀行中小企業(yè)信貸風(fēng)險管理創(chuàng)新策略[J].河北企業(yè),2019(05):35-36.[2]許憲國.論商業(yè)銀行信貸風(fēng)險管理[J].經(jīng)濟(jì)師,2019(04):148.[3]徐寧.基于KMV模型的企業(yè)信用風(fēng)險研究[J].農(nóng)村經(jīng)濟(jì)與科技,2018,29(24):124-125.[4]劉晨峰.商業(yè)銀行信貸風(fēng)險防控案例研究[D].華中科技大學(xué),2018.[5]宋麗菊.基于KMV模型的商業(yè)銀行信用風(fēng)險評價的實證研究[D].對外經(jīng)濟(jì)貿(mào)易大學(xué),2018.[6]邵翠麗.基于KMV模型的一種信用風(fēng)險評估方法及其應(yīng)用——以萬科A為例[J].會計之友,2018(19):34-39.[7]謝遠(yuǎn)濤,羅潤方,楊娟.基于修正的KMV模型的信用風(fēng)險度量[J].統(tǒng)計與決策,2018,34(15):169-173.[8]韓嬌.我國商業(yè)銀行信用風(fēng)險評價應(yīng)用研究[D].首都經(jīng)濟(jì)貿(mào)易大學(xué),2018.[9]王傳鵬,李春蕾.基于修正KMV模型的上市公司信用風(fēng)險測度[J].會計之友,2018(13):93-99.[10]郭敏.基于BP神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行信貸風(fēng)險評價研究[D].安徽財經(jīng)大學(xué),2018.[11]李晗.供給側(cè)背景下信貸配置變化及對銀行信貸風(fēng)險的影響[J].中國商論,2018(13):38-40.[12]汪天倩.基于KMV模型我國商業(yè)銀行信用風(fēng)險的管理[J].時代經(jīng)貿(mào),2018(03):15-16.[13]許翌.關(guān)于我國商業(yè)銀行信貸風(fēng)險度量及管理的相關(guān)研究[J].南方企業(yè)家,2018(01):50.[14]周美英.商業(yè)銀行針對企業(yè)信貸的風(fēng)險度量分析[J].中國市場,2016(37):115+133.[15]李錦.基于KMV模型的我國商業(yè)銀行信貸風(fēng)險度量研究[D].山西財經(jīng)大學(xué),2016.[16]賈志環(huán).基于KMV模型我國商業(yè)銀行信用風(fēng)險度量與管理研究[D].河北經(jīng)貿(mào)大學(xué),2016.[17]黃婷.商業(yè)銀行信貸風(fēng)險研究[D].南京理工大學(xué),2016.[18]陳新勝,李廣鵬,徐凌.基于KMV模型的商業(yè)銀行信貸風(fēng)險度量研究[J].甘肅科學(xué)學(xué)報,2014,26(05):111-114.[19]姚泓名.商業(yè)銀行信貸風(fēng)險度量與管理研究[D].湘潭大學(xué),2014.[20]李安.中國商業(yè)銀行信貸風(fēng)險的度量研究[D].浙江大學(xué),2013.[21]張曉琦.我國商業(yè)銀行信用風(fēng)險度量及管理研究[D].哈爾濱工程大學(xué),2011.[22]婁勇.商業(yè)銀行信貸風(fēng)險管理研究[D].華中師范大學(xué),2008.[23]周婧燁.我國商業(yè)銀行信貸風(fēng)險度量及管理研究[D].對外經(jīng)濟(jì)貿(mào)易大學(xué),2006.[24]LiangLin,TingLou,NiZhan.EmpiricalStudyonCreditRiskofOurListedCompanyBasedonKMVModel[J].AppliedMathematics,2014,05(13):2098-2106.[25]LiangLin,TingLou,NiZhan.EmpiricalStudyonCreditRiskofOurListedCompanyBasedonKMVModel[J].AppliedMathematics,2014,5(13):2098-2106.[26]NiZhan,LiangLin,TingLou.ResearchonCreditRiskMeasurement