基于KMV模型的商业银行信用风险测算研究

信用风险由交易对手违约所造成的既有损失,是金融市场中最古老、最重要的风险形式之一,也是中国现代商业银行面临的主要风险。通常上认为,贷款是其最主要、最明显的风险来源。实际上,它却广泛的存在于银行的所有业务之中,包括交易账户、表内外业务等。随着金融市场的不断发展,在创新、利用金融衍生工具进行避险的同时,也会引发商业银行的信用风险,如承兑、金融期货、债券、承诺和担保等。作为商业银行经营活动中最主要的风险之一,信用风险直接影响着现代社会经济生活的各个方面,也影响着一个国家的宏观经济决策和经济发展,甚至影响到整个全球经济的稳定与协调发展。商业银行作为信用风险的承载体,其信用风险管理体系的完善与否直接关系到商业银行的经营能否成功。 中国大型商业银行于2010年底开始实施新巴塞尔资本协议。作为巴塞尔委员会的成员之一,严格执行新巴塞尔协议,有助于提高抵御金融危机的能力,也是中国银行业融入金融全球化,参与国际竞争的必然要求。在巴塞尔新资本协议逐步全球化实施的今天,信用风险管理作为银行业自身管理的重要组成部分,将成为中国银行业资本管理中的重中之重。 本论文的研究工作主要是基于KMV模型在商业银行信用风险管理中的测算研究完成的。本文在分析KMV模型的基本思想、理论架构、模型计量步骤的基础上,讨论KMV模型的在实际应用中的测算情况以及研究KMV模型在中国的适用性,并利用KMV模型定量分析的研究方法,对上市公司ST公司和非ST公司的违约率进行测算,同时结合Copula函数讨论联合违约概率,找出了较为符合中国国情的结合了Copula函数的KMV模型,最后,对KMV模型在中国银行业中的风险测算和应用提出改进措施。本文相关研究成果主要概括为三点： 第一,本文以KMV模型作为切入点,从对KMV模型的理论基础、参数设计、计算方法等基本点着手进行了详尽的讨论,把KMV模型从纷繁复杂的理论框架中梳理出来,讨论KMV模型在测度中国商业银行信用风险时的实际测算过程,与过程中的局限性和改进方法,形成了较为规范、具体和实用性的研究成果,为中国商业银行提高现有的风险管理水平,逐步引入国际上先进的风险管理方法提供了具有实际意义的参考。 第二,由于组合信用风险的”厚尾”特征,为了提高商业银行中组合信用风险测算的准确率,本文构建了结合Copula函数的KMV模型。针对KMV模型的不足,将不同的Copula函数与KMV模型相结合,并采用”平方欧式距离”的方法进行模型评价。 第三,利用中国上市公司ST公司与非ST公司的相关数据进行测算,说明KMV模型能够较好的测度我国上市公司的信用风险状况。针对KMV模型自身的局限性,利用中国资本市场上市公司相关数据,通过结合了copula函数后改进了的KMV模型测算联合违约概率,并通过“距离法”评价模型,找出最符合实际情况的改进后的KMV模型,使KMV模型更适用于测算中国商业银行组合信用风险。