我国商业银行信用风险管理中存在的问题及建议

朱映惠

(安徽财经大学 金融学院，安徽 蚌埠 233041)

我国商业银行信用风险管理中存在的问题及建议

朱映惠

(安徽财经大学 金融学院，安徽 蚌埠 233041)

2008年金融危机的爆发造成了国际金融市场的剧烈波动，占据金融领域主导地位的商业银行的风险管理问题变得日益突出。在对我国商业银行信用风险管理现状介绍的基础上，进一步深入分析了我国商业银行信用风险管理方面存在的问题。通过KMV模型对我国上市公司信用状况进行了实证分析，验证了KMV模型在度量我国商业银行信用风险方面的有效性。最后对如何提高我国商业银行信用风险管理水平提出了相关对策建议。

商业银行；信用风险；上市公司；KMV模型；风险度量；风险管理

随着金融的全球化和金融市场的不断发展，如何对金融风险进行监管已成为现代金融机构的核心问题。2008年美国次贷危机的爆发为全球商业银行对信用风险的监管敲响了警钟，并引发了对金融监管问题的深入讨论。我国已充分认识到对商业银行信用风险进行监管的重要性，但目前仍存在对风险的监管能力不高，信用风险的量化困难等问题。因此，有必要建立和完善我国商业银行信用风险管理体系，提高我国商业银行信用风险管理能力，实现我国银行业的稳步、协调、可持续发展。

一、信用风险的概念

有关信用风险的定义很多：传统的观点认为信用风险是指交易的对象无法履行约定的风险，也即债务人不能如期偿还债务而造成违约由此给经济主体经营带来的风险。同时，对信用风险的定义还存在广义和狭义之分，广义的信用风险是指因客户违约而引起的有关风险，狭义的信用风险通常仅指信贷风险。此外，现代经济条件下的信用风险不仅包括违约风险，还包括交易对手的信用状况和履约能力变化导致债权人资产价值变动从而遭受损失的风险。

本文以现代信用风险的定义作为建立度量信用风险模型框架的基础，从而对信用风险进行定义，即认为信用风险是由于债务人的违约或债务人信用评级降低造成债务市场价值的下降从而引发损失的可能性。

二、信用风险的特征

作为金融风险的重要形式之一的信用风险，不仅具有金融风险的一般特征，如客观性、隐蔽性、不确定性和传染性等，还具有与其他形式的金融风险不同的特征。

(一)信用风险的概率分布具有厚尾性

通常市场风险的概率被假定为正态分布，呈钟形对称。这是因为市场价格的波动以期望为中心，主要集中在期望值两侧，而远离期望值的极端情况发生的概率很小。与此相较，信用风险的分布特征具有其本身的特色。对于无抵押的贷款，在贷款安全收回的情况下，贷款人可以获取正常的利息收益，一旦利息无法回收，风险转化为实际损失，其损失就要比收益大得多。这种损失和收益不对称的情况导致了信用风险的概率分布具有向左倾斜的特征，即其在左侧呈现出厚尾现象。

(二)信用风险非系统性特征明显

信用风险和其他金融风险不同，其大小在很多情况下都取决于非系统性因素，如借款人的经营能力和财务状况、借款人的风险偏好、贷款的投资方向等。另外借款人的还款能力等因素也会受到诸如财务风险等外在非系统性因素的影响。信用风险的非系统性特征还决定了通过进行多样化投资来分散非系统性风险的风险管理原则适合于信用风险管理。

(三)信用风险产生的重要原因之一是道德风险

信息不对称引起商业银行在交易过程中的信贷风险问题日益严重。信息不对称，即为交易双方对交易信息的掌握是不同的。在信用市场上主要表现为商业银行在发放贷款后，对借款人的后续行为难以进行有效监管，如借款人从事风险较高的投资活动，而由商业银行承担该投资带来的高风险，这就是由信息不对称引发的道德风险问题。在我们的现实生活中，道德风险问题屡见不鲜，是商业银行信用风险产生的一个重要原因。

(四)信用风险的数据难以查找，缺乏量化的基础

要取得完整真实的信用风险数据十分困难，这主要是因为信用资产的流动性差，二级交易市场缺乏，交易记录少。此外，信用风险还受到一些难以量化的重要因素的影响，如借款人的还款意愿，借款人的还款能力，借款偿还的法律责任等。在社会信用体系较为成熟的发达国家，可以通过完善的信用评级制度和破产清算制度，利用信用风险量化模型从借款人的还款能力的角度建模来测定信用风险值。在我国，信用风险控制系统尚不完善，信用评级制度尚未全面落实，造成了信用风险数据难以获得，从而加大了信用风险量化的难度。

三、信用风险的成因

商业银行信用风险产生的原因可以从商业银行内部因素和外部环境因素两个方面来分析。

(一)内部因素

1.商业银行信贷管理机制不够健全

信贷管理体制是现代商业银行按照安全性、效益性和流动性原则对信贷资金进行组织管理的基本模式，其核心内容是对信贷资金管理权限的划分和资金管理方式的选择。目前大多数商业银行的信贷管理体制都实现了信贷工作岗位责任制、贷款管理责任制、审贷分离、分级批准等制度。但纵观当下我国信贷风险管理的现状，仍然存在着一些突出问题，如前台后台关系不分，横向制约缺乏；信贷决策机制不够完善，决策行为不够规范；贷款监测手段落后，电子化水平不高。

2.商业银行信息不对称

简单地说，信息不对称就是指在经济活动中，一些成员拥有其交易对手无法获得的信息，从而容易造成逆向选择问题，降低市场效率。在商业银行信贷市场中，往往会出现经济诈骗、不履行合同、缺乏诚信等违约现象。出现这些现象很多都是因为银行所拥有的信息不完全或是获得充分的信息要投入的搜集成本过高。

(二)外部因素

1.金融市场不发达

金融市场不发达是信用风险产生的重要外部因素。在我国的金融市场上，市场主体和市场工具发育缓慢，风险管理工具的作用没有得到充分发挥，商业银行无法通过利用金融衍生工具来分散风险。如果一些现代化的信用风险管理手段无法执行，商业银行只能被动接受风险。

2.法律环境状况不佳

信用风险的大小也与一国的法律环境密切相关。有关信用风险管理和制裁的法律制度是否全面，社会信用评价体系的建设是否完善，诚信教育是否普及等问题，都是形成信用风险的主要外部法律环境因素。

四、我国商业银行信用风险管理现状及存在的问题

(一)我国商业银行信用风险管理现状

在金融业飞速发展的当下，商业银行已在我国金融体系中占据主导地位，其信用风险管理问题也日益突出。债务主体的不断增加，债务规模的急剧扩张，新金融工具的不断涌现，使得对信用风险的监管成为我国商业银行和金融监管部门面临的重大难题。

自从中国加入WTO后,中国的商业银行面临着巨大的竞争压力。相较于国外先进的商业银行,中国的商业银行存在很多方面的不足,主要表现在服务种类、服务水平以及风险管理的水平上。此外,随着中国经济体制改革的不断深化以及资本市场的高速发展,大量金融衍生工具应运而生,造成风险的多元化,增加了商业银行的信用风险,从而影响到整个中国商业银行的生存和发展。

以前，中国商业银行在对企业的信用风险进行度量时大多采用的是主观性较强的传统度量方法。从2002年起,世界银行和国际货币基金组织根据风险程度的大小,将贷款进行了五级分类，即划分为正常类、关注类、次级类、可疑类和损失类，其中次级类、可疑类和损失类被统称为不良信贷资产。对贷款风险的分类,主要是银行对企业还款的可能性进行分析。同时，针对五级分类法的应用,一些银行开发出了七大可量化因素对贷款风险进行分类,其中包括:债务人的财务、经营以及资信状况，项目能力以及进展状况，银行信贷管理状况，宏观经济和市场环境，债务人的还款记录，确保还款的法律义务以及其他可量化因素。2007年随着对外资银行的全面开放，中国商业银行不仅要面临日趋严峻的国内同业的竞争，还要应对拥有先进风险管理技术和管理经验的外资银行的巨大竞争压力。我国商业银行对信用风险管理的重视较晚，信用风险管理水平和发达国家银行业相比还存在很大差距。目前，我国银行业对信用风险监管的数据指标主要有资本充足率、不良贷款率和不良贷款拨备覆盖率。近年来，中国商业银行的不良贷款及其所占比例出现下降趋势,不良贷款的拨备覆盖率也有了很大的提高。2012年我国商业银行的资本充足率为13.3%，核心资本充足率为10.6%，这两个指标同比分别提高0.5%和0.4%。不良贷款方面，2012年商业银行不良贷款余额呈上升趋势，但不良贷款率有所下降。截至2012年12月底，商业银行不良贷款余额为4 929亿元，同比上升了647亿元；不良贷款率为0.95%，同比下降0.01个百分点。

(二)我国商业银行信用风险管理中存在的问题

1.我国商业银行信用评级体系不够完善

商业银行信用评级体系主要包括外部信用评级体系和内部信用评级体系，商业银行在对企业信用评估时,需要充分了解与该企业相关的各种信息。在我国，商业银行的外部评级体系还不成熟,内部信用评级体系虽已逐步建立却仍存在着诸多问题。我国各行业的信息系统不完善，信息不完整，虚假信息难以鉴别，信用评级的操作程序不规范,没有形成一定的规模，导致信用评级体系不能正常运作。此外，由于我国各行业的信息披露水平和行业透明度不高，商业银行对大多数的企业还未能进行相应的有效信用评级，即使是已有的评级数据,其可信度也备受质疑。以上原因使得中国商业银行信用风险的管理水平与发达国家相比仍存在很大的差距。

2.商业银行信用风险的内控制度和法律制度不完善

商业银行的内部控制机制主要包括环境控制、活动控制、信息交流、风险评估和监督管理五个方面。在内部控制机制方面，我国商业银行相较于风险控制更注重业务扩张，对发生风险的重视程度不够，控制系统的更新相对滞后，总行与分支行在信息传递的过程中容易发生漏损和偏差。在法律制度方面，我国缺乏完善系统的风险防范法律体系，有关法规也只涉及授信的定义和监管等制度，单纯地停留在原则性的规定上。法律制度的空缺也为我国商业银行信用风险的管理埋下了隐患。

3.商业银行信用风险量化管理水平相对落后

商业银行对信用风险的管理主要包括对风险的识别、风险的度量、风险的缓释、风险的评估与处理。国外的银行机构在对信用风险进行识别和度量时已广泛使用 KMV模型、基于风险价值VAR的 Credit Metrics 模型和 Credit Risk+等模型，而我国商业银行对信用风险的度量多数还停留在传统的以定性分析为主的技术水平上。在量化信用风险管理的基础上，国际大银行广泛采用信用风险组合管理方法，采取了全面的风险管理体系，对银行的信用风险进行整体的分析管理，而我国商业银行所采用的一般只是简单的定量分析，例如指标分析、缺口管理，这并不能对信用风险进行准确的量化，也不具备进行全面风险管理的条件，更不能对银行资产的风险进行组合分析。

五、KMV模型在商业银行信用风险管理中的应用

KMV模型是由美国KMV公司建立的，用以估算借款企业违约概率的一种方法，它以莫顿模型为基础,将公司股东拥有的股权价值看作一个看涨期权,运用BS期权定价理论,通过股权价值及其波动率反向求出公司价值及其波动率,该模型主要目的在于估计借款人违约的概率。

1．KMV模型的理论概述

KMV模型认为，贷款的信用风险是在给定负债的前提下由债务人的资产市场价值决定的。假设公司的资产由股本、债券和银行贷款组成，银行必须在规定的时间内偿还贷款，否则视为违约。在债务到期时，如果公司资产的市场价值(V)高于公司债务值(D)，公司就不会违约，在这个水平上公司的资产价值被定义为违约点(DPT)，因为此时公司可以通过出售股权清偿债务并获得清偿后的收益；反之，如果公司资产的市场价值低于其债务值，就认为该公司必会选择违约，因为此时公司将出现资不抵债的状况。KMV模型把公司未来资产价值的期望值与发生违约的临界值之间的距离称为违约距离(DD)，违约距离越大则违约的可能性越小，反之则越大。基于此，KMV模型把公司权益看成看涨期权，利用预期违约率(EDF)的值来判断一个公司可能在未来一定时期发生违约的概率，违约概率越大说明公司的信用风险越高。

2．KMV模型的计算及操作步骤

在KMV模型中,计算违约距离(DD)和违约概率(EDF)需要四个参数,即违约点、预期价值、资产价值以及资产波动率。

在莫顿模型中假设违约在到期日T才发生，即违约发生的时间为大于T的随机变量。根据BS模型，公司资产的市值遵循：dVc=μVcdt+σcVcdw

其中：Vc表示公司的资产价值，dVc表示公司资产价值的变动，μ表示公司资产价值的漂移率，σc表示公司价值资产的波动率，dw为维纳过程。

如果在T时刻公司债务的账面价值为D，则公司股权的市场价值和公司的资产价值的关系为：VE=VcN(d1)-De-rTN(d2)

其中：VE表示股权市场价值，D表示公司债务账面价值，r表示风险利率，T表示信用期限，N(·)为正态分布的累计概率函数：

本文采取传统的静态模型来计算股票的波动率，并假定股票价格呈现对数正态分布，股票日收益率为：μi=ln(Si/Ss-1)，其中，Si为第i天股票收盘价。

在KMV模型中，公司股权相当于以公司资产为标的的资产，负债的偿还日期为到期日的看涨期权，负债的账面价值为执行价格，此时，负债的账面价值也即为违约点DPT。公司通过对大量企业的违约记录进行实证分析发现，违约可能发生的最频繁的分界点是在公司价值约等于公司短期负债(STD)加50%的长期负债(LTD)时，即：

DPT=STD+0.5LTD

EDF模型中对违约距离DD的正式定义为:公司资产的未来预期价值E(Vc)和违约点DPT间的距离相对于未来资产收益的标准差，公式如下:

假设Vc符合正态分布,已知Vc和σc根据违约距离DD定义,可得到违约概率EDF,即公司资本市场价值低于违约率DPT的概率,计算公式为：

EDF=[1-N(DD)]*100%

3. 我国上市公司违约情况的实证分析

本文根据我国股票市场的现状，分别选取了沪深证券交易所上市的分属九大板块的股票，包括钢铁业、港口运输业、房地产开发业、白色家电等。其中每个行业选取非ST股和ST股各一支，并将非ST股认作是绩优股，ST股为绩差股。为了尽量避免行业差距对实证结果的影响，在选择st公司和对应的非st公司时主要依据：(1)属于同一个行业；(2)在同一证券交易所上市。在此基础上，利用各股票的基本信息和财务报表，计算出各股票的违约距离和平均违约率，据此进行比较分析。KMV模型假设st公司的违约概率大于非st公司，违约距离小于非st公司，这种假设是符合我国上市公司发展状况和盈利水平的。

目前，沪深两市股改工作早已完成，股权结构中不存在流通股和非流通股分离现象，即本文所选的股票均已实现了全流通。因而可将股权市场价值定义为收盘价和总股本的乘积。由于我国没有严格意义上的无风险利率，本文使用2012年央行制定的一年期定期存款利率3.00%来替代无风险利率。并采用传统的BSM模型法估计上市公司股权价值未来一年的波动率。在估计预期违约率时，由于缺乏大量违约公司的历史数据，建立违约距离和违约概率之间的映射十分困难，故用理论违约率来代替。

根据各上市公司的财务数据、股票信息和KMV模型中给出的计算方法，可计算出各公司的股权市场价值、年波动率和违约点等基本数据，见表1。

表1 上市公司基本数据

数据来源：通过各上市公司财务报表和大智慧软件进行数据收集和分析的结果得到.

由表1可得出求解违约距离和违约概率的参数。通过迭代法并使用matlab软件可以计算出上市公司资产价值和资产波动率，进一步带入KMV模型中的计算公式就可算出违约距离和违约概率，见表2。

表2 实证结果

图1 非st股与st股违约距离

图2 非st股与st股违约概率

由实证结果可以看出，九大板块每支绩优股(非st股)的违约距离均大于绩差股(st股)，见图1，而相对应的绩优股的违约概率要小于绩差股，见图2。作为序数度量指标的违约距离，其值越大则上市公司违约可能性越小，反之，其值越小表明公司违约的可能性越大。这说明KMV模型的假设成立，符合我国上市公司风险度量的实际情况。由实证结果可知，KMV模型可以较好地识别绩优股与绩差股的信用风险的差距，并能够很好地度量上市公司信用状况的好坏，反映出银行该部分信用风险的状况。

六、提高我国商业银行信用风险管理的对策建议

由KMV模型实证分析的结果可以看出：KMV模型在量化信用风险大小方面具有较高的实用性，对我国商业银行加强信用风险管理具有重要的借鉴意义。在金融经济全球化的当下，为使我国能快速与国际市场接轨，提高我国商业银行的风险管理能力，尽快建立适合我国的信用风险量化模型成为我国银行业的必然之举。因此，为了加强我国商业银行对信用风险的管理，提高其抗风险能力，本文提出以下对策建议：

(一)完善商业银行信用评级体系，建立信用数据库

完善的信用评级体系和准确大量的信用数据是信用风险度量的基础，也是建立信用风险管理体系的前提。我国目前没有第三方评级机构，这会影响到评级结果的公正性，不利于信用风险的监管。因此，我国应该在细化信用评级的制度的基础上建立第三方评级机构。而企业的信用等级也是在大量信用数据基础之上建立起来的，同时，要想更好地利用KMV模型对信用风险进行监管还要充分掌握企业综合性信息，加大信息披露力度，建立各企业的信用数据库，准确把握各企业信贷、资金流向和运行情况的透明度。

(二)加强我国宏观信用环境和法制建设

我国应加快社会信用体制建设和宏观信用环境建设，为商业银行信用风险管理奠定基础。首先，应尽快建立我国宏观信用管理体系和社会信用体系，为信贷风险的防范提供社会保障，并通过完善对信用风险监管的立法提高管理的可操作性。只有从法律的角度出发建立一套严密的信用风险防范机制，才能从根本上消除引发信用风险的各种因素，为金融业的良性循环创造法治环境。其次，对宏观信用管理体系的建设可以从以下几个方面进行：建立客户资信检测和网络传播系统，实现信息资源共享；建立定期向社会公布黑名单的客户制度，使得企业在追求利益的同时也要充分考虑风险，正确处理信用关系；建立对不良客户的约束和监管制度，加强对不良信用企业和个人的监管，消除其给社会信用制度建立和完善带来的负面影响。

(三)加快实现商业银行信用风险量化管理

信用风险量化管理的实现是我国商业银行面临的一大难题，我国商业银行应该尽快着手开发适合其自身情况的信用风险量化模型。从实证分析结果来看，可以加强KMV模型在测度我国上市公司信用风险度量中的运用并逐步优化。通过对KMV模型进行修正，使其对信用风险的控制做到动态化和精确化，让商业银行能够清楚地认知其所面临的信用风险的大小和变化过程，以便及时采取措施进行监管和控制。

[1]吴世农,卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究, 2001，(6)：47-48.

[2]鲁 炜,赵恒珩,方兆本,刘冀云.KMV模型在公司价值评估中的应用[J].管理科学,2003，(6)：31-33.

[3]张 荣,陈银忠,周 勇.上市公司资产规模对公司信用风险的影响[J].统计与决策,2006,(l):61-62.

[4]陈国辉.KMV模型在商业银行风险管理中的应用研究[D].中央财经大学,2007.

[5]易丹辉，吴建民.上市公司信用风险计量研究——KMV模型及其应用[J].统计与信息论坛,2004，(6)：8-10.

[6]张新红,王瑞晓.我国上市公司信用风险预警研究[J].宏观经济研究,2011，(1)：50.

[7]管杜娟.商业银行信用风险评估指标体系的构建研究[J].经济研究导刊,2011，(10)：65-66.

[7]陈东平,孙 明.KMV模型的修正及应用研究[J].经济研究导刊,2007，(1)：45-47.

[9]刘 睿,巴曙松.我国中小银行实施巴塞尔新资本协议的问题与建议[J].金融与经济, 2011，(1)：4-5.

[10]阳文娟.商业银行基于KMV模型的上市公司信用风险度量研究[D].西南财经大学,2010.

[11]都洪雯,杨 威.我国对KMV模型实证研究中存在的若干问题及对策思考[J].国际金融研究,2004，(1)：22-23，25-26.

责任编校：张 静，罗 红

2013-05-26

朱映惠，女，安徽芜湖人，硕士，研究方向为金融学。

F832.33

A

1007-9734(2013)04-0080-06