基于ＫＭＶ模型
瞿山川
(对外经济贸易大学ꎬ北京㊀１０００２９)
摘㊀要：近年来ꎬ中国面临着 供给冲击 需求收缩 预期转弱 的三重压力ꎬ这将进一步加大商业银行的信用风险ꎮ信用风险的产生会增加交易成本㊁降低投资者投资意愿ꎬ从而影响经济的发展ꎮ公司通常会采用信用风险度量方法及时预测信用违约情况ꎬ以提高商业银行的风险控制能力ꎬ保证信用交易的正常运行ꎮ而ＫＭＶ模型具有良好的风险预测能力ꎬ可以为银行违约风险监管提供参考ꎮ
关键词:ＫＭＶ模型ꎻ信用风险ꎻ上市银行
中图分类号:Ｆ８３０.４㊀㊀㊀㊀文献标识码:Ａ㊀㊀㊀㊀文章编号:１６７１－６７２８(２０２２)１８－００８３－０４
㊀㊀随着经济增速放缓ꎬ银行增量市场减小ꎬ存量竞争激烈ꎬ银行面临净息差收窄㊁信用风险持续暴露等经营压力ꎬ净利润增速也处于低位ꎮ银行作为间接融资体系下的主要融资渠道也因此遭受了巨大冲击ꎮ因此ꎬ及时评估影响和风险并采取良好的风控措施ꎬ是银行业赢得这场金融风暴的关键ꎮ信用风险是商业银行面临的首要风险ꎮ银行业能否抵御新冠疫情对产业链与居民生活的冲击ꎬ其风险抵御能力是否会受到影响ꎬ其信用风险状况是否仍然可控ꎮ以上问题的顺利解决ꎬ在后疫情时期各地疫情持续反复的大环境下十分重要ꎮ因此ꎬ研究银行业在疫情暴发前后的信用风险变化ꎬ能使商业银行未来在应对类似突发事件时及时采取相应风控措施ꎬ有针对性地加强信用风险管理ꎬ这对银行业的未来健康㊁持续发展具有重要意义ꎮ 在相关定性分析中ꎬ钟震ꎬ郭立探讨了新冠肺炎疫情对中小银行的影响及对策ꎮ陆岷峰分析了疫情危机与信用风险叠加背景下中小商业银行的防范对策ꎮ在运用ＫＭＶ模型对企业进行信用风险的研究中ꎬ王灏威ꎬ许嘉文利用ＫＭＶ模型对新冠疫情前后上市房地产企业信用风险进行了研究并指出疫情使中小房地产企业违约概率显著增加ꎮ余钊研究了疫情对信托行业的信用风险的影响并分析疫情影响信托业信用风险的原因ꎬ分析得出有９２.８６％的信托公司的信用风险在疫情发生后上升ꎮ综合上述文献可以看出ꎬ利用ＫＭＶ模型分析疫情对整个银行业信用风险影响的相关研究较少ꎮ基于此ꎬ文章将采用Ｋ
ＭＶ模型对银行业在疫情前后所面临的信用风险进行实证分析ꎬ为银行业在后疫情时期如何进一步加强信用风险管理提供量化基础ꎮ
一㊁理论模型
ＫＭＶ模型将企业的股权看作一种看涨期权ꎬ执行价格是企业的负债ꎬ标的物为企业资产价值ꎮ当企业的资产价值小于负债时ꎬ企业将选择违约ꎬ否则不违约ꎮ
根据Ｂｌａｃｋ－Ｓｃｈｏｌｅｓ－Ｍｅｒｔｏｎ期权定价模型ꎬ企业资产价值和股权价值的关系为:
Ｅ＝ＶＮ(ｄ１)－Ｄｅ－ｒ(Ｔ－ｔ)Ｎ(ｄ２)
其中ꎬ企业的股权价值波动率与资产价值波动率的关系为:
ｄ１＝ｌｎ(Ｖ/Ｄ)＋(ｒ＋σ２ｖ/２)(Ｔ－ｔ)
σｖＴ－ｔ
ｄ２＝ｄ１－σｖＴ－ｔ成克杰案
ì
î
í
ï
ï
ï
ï
股权价值波动率(σＥ)和公司资产价值波动率(σｖ)之间的关系式为:
σＥ
σｖ
＝ＶＥ Ｎ(ｄ１)
式中ꎬＤ为负债的账面价值ꎬＴ为到期时间ꎬｔ为现在时间ꎬｒ为无风险利率ꎬＶ为资产市场价值ꎮσｖ
为资产价值波动率ꎬＥ为股权市场价值ꎬσＥ为企业股权市场价值波动率ꎮＫＭＶ模型假设公司的资产价值
３８
作者简介：瞿山川(２００１—㊀)ꎬ男ꎬ汉族ꎬ四川成都人ꎮ主要研究方向：保险学ꎮ
服从正态分布ꎬＮ(ｄ)为标准累积正态分布函数ꎬ由股权市场价值Ｅ及其波动率σＥ以及负债账面价值Ｄꎬ利用ＢＳＭ期权定价模型求出公司资产市场价值Ｖ及其波动率σｖꎮ
违约距离是企业的资产价值在风险期限内由当
前水平降至违约点的相对距离ꎬ可表示为:
ＤＤ＝
Ｅ(Ｖ)－ＤＰＥ(Ｖ)σｖ
其中ꎬＥ(Ｖ)是预期资产价值ꎬＤＰ是公司的违约点ꎮ
二㊁实证分析(一)样本选择
根据ＫＭＶ模型的计算原理及特点ꎬ研究对象数据应满足有较高公开性和时效性的特征ꎮ因此文章从ｃｈｏｉｃｅ金融终端选取１８家于２０１９年１月１日前上市的商业银行为样本ꎬ包括中国银行㊁农业银行㊁工商银行㊁建设银行㊁交通银行共５家国有控股银行ꎬ中信银行㊁光大银行㊁招商银行㊁浦发银行㊁民生银行㊁华夏银行㊁平安银行㊁兴业银行共８家全国性股份制银行ꎬ北京银行㊁江苏银行㊁上海银行㊁宁波银行㊁南京银行共５家２０２１年资产规模１.５万亿元以上的城市商
业银行ꎮ文章以其２０１９－２０２１年相关财务数据为基础ꎬ结合ＫＭＶ模型对上市商业银行进行信用风险研究ꎬ详见表１ꎮ
表１㊀样本银行股票代码及财务数据统计表
股票代码
名称
股票代码
名称ＳＨ.６０１９８８/０３９８８.ＨＫ中国银行ＳＨ.６０００１６/０１９８８.ＨＫ民生银行ＳＨ.６０１２８８/０１２８８.ＨＫ农业银行ＳＨ.６０００１５华夏银行ＳＨ.６０１３９８/０１３９８.ＨＫ工商银行ＳＺ.０００００１
平安银行ＳＨ.６０１９３９/００９３９.ＨＫ建设银行ＳＨ.６０１１６６兴业银行ＳＨ.６０１３２８/０３３２８.ＨＫ交通银行ＳＨ.６０１１６９北京银行ＳＨ.６０１９９８/００９９８.ＨＫ中信银行ＳＨ.６００９１９江苏银行ＳＨ.６０１８１８/０６８１８.ＨＫ光大银行ＳＨ.６０１２２９上海银行ＳＨ.６０００３６/０３９６８.ＨＫ招商银行
ＳＺ.００２１４２宁波银行ＳＨ.６０００００
浦发银行
ＳＨ.６０１００９南京银行
(二)参数设定
违约点值(ＤＰ):ＤＰ为商业银行短期负债与长期负债一半的和ꎮ无风险利率ｒ：选取中国银行２０１９－
２０２１年公布的一年期整存整取基准利率ꎬ即ｒ＝１.５％ꎮ时间范围Ｔ：设定为２０１９－２０２１年ꎮ负债面值Ｄ：根据上市银行２０１９－２０２１年财务报表中的负债总额分别进行估计ꎬ债务期限设定为一年ꎮ股权价值＝流通股数ˑ日收盘价＋非流通股数(限售股)ˑ每股净资产(公司若两地(Ａ＋Ｈ)上市ꎬ则两者相加)ꎮ
(三)计算过程
１.计算股权价值波动率σＥ
假定股票价格服从标准正态分布ꎬ则股票日对数
收益率为:
μｉ＝ｌｎ(Ｓｉ＋１Ｓｉ
)
其中ꎬＳｉ为第ｉ天的收盘价ꎬμｉ为第ｉ天的收益率ꎬ股票日收益率的波动率通过计算日均标准差得到:
σｎ＝１
ｎ－１ðｎ
ｉ＝１
(μｉ－Ｅ(μ))２其中Ｅ(μ)＝１ｎðｎ
ｉ＝１
μｉ将股票价格数据代入上述公式ꎬ并根据当年实际
股票交易日获取Ｎ的数据可得出日收益波动率ꎮ日收益波动率与年收益波动率关系为:
σＥ＝σｎˑＮ
２.计算资产价值和资产价值波动率
中共中央党校
通过Ｂ－Ｓ－Ｍ模型得到样本银行２０１９－２０２１年年的资产价值和资产价值波动率ꎬＭａｔｌａｂ计算结果详见表２ꎮ
表２㊀２０１９－２０２１年年样本银行股权价值与股权波动率ꎬ
资产价值与资产价值波动率
名称
２０１９年
２０２０年
２０２１年
Ａ＋Ｈ的权重波动率资产价值波动率Ａ＋Ｈ的权重波动率资产价值波动率Ａ＋Ｈ的权重波动率资产价值波动率
南京银行０.２４７３２３０.０１４０３２０.２６４１０３０.０１４９５６０.３１８５６６０.０１７４３
生命线工程
江苏银行０.１９０３４０.００８０５
０.２２６１３４０.００８３１４０.２８８２１５０.０１００８９参与式管理
北京银行０.１５６０８
０.００７７１９０.１７９７３９
０.００６７１
刘韧磊０.０９８２０１０.００３２７５
上海银行０.１８６９６４０.０１１７６６０.１８６１９４０.００８９８７０.１５１５４４０.００６２４５宁波银行０.２８６６６９
０.０３３４５
０.３６７５２９０.０４５７７４
０.３７５８１
０.０４５３１４
华夏银行０.１６６１５６０.００７７６９０.１８７１２３０.００６８６３０.１２１６９９０.００３９４９光大银行０.２２３００１０.０１０９６５０.２９４９６６０.０１１８４３０.１９７００６０.００６１６１民生银行０.１５２１３１０.００６５５３０.１８６４４３
０.００６３１
０.１４１２４９
０.００３５８
中信银行０.２０２６４８０.００９０２９０.２２８８７１０.００７５１５０.１４８８１６０.００４１２１平安银行０.３１５００９０.０２５８５３０.３４３２４０.０２９１８７０.３９１０６９０.０２６２８１浦发银行０.２０４６０１０.０１１２２５
０.２１９１２
０.００８３２４０.１７７９７５０.００５８６５
兴业银行０.２５０９０５０.０１５１４７０.２７４１７３０.０１５８３６０.３４５７１４０.０１７１７６招商银行０.２４８７０２０.０３１１５１０.３０８７５５０.０４０４０６
０.３４０１８
０.０４５７７１
裂隙制造者
交通银行０.１６６９８８０.００７３８４０.２０２６６５０.００６４７８０.１５０２３７０.００４７７８中国银行０.１３８９６９０.００６８１４０.１６２４３８０.００６３５４
０.０９２９７
０.００３２７９
４８
续表
名称
２０１９年
２０２０年
２０２１年
Ａ＋Ｈ的权重波动率资产价值波动率Ａ＋Ｈ的权重波动率资产价值波动率Ａ＋Ｈ的权重波动率资产价值波动率
农业银行０.１３５２７９０.００７４５３０.１５３２３８０.００６８１７０.１０２３１８０.００４０４１建设银行０.１７３５２２
０.０１１９３
０.２４９１７７０.０１３７０８０.１８７２２８０.００８８７２
工商银行０.１５８５３７０.０１１４６８０.１９６３３７０.０１１０１４０.１４１７２３
０.００６９９
㊀㊀３.计算违约距离与ＥＤＦ
在此模型下ꎬ决定公司预期违约概率的是违约距
离ＤＤꎮ违约距离与企业违约的可能性呈负相关关系ꎬ即当违约距离减小ꎬ违约概率就相对越高ꎮ２０１９－２０２１年样本银行数据详见表３ꎮ
表３㊀２０１９－２０２１年样本银行的违约距离与ＥＤＦ
类型
名称２０１９年２０２０年２０２１年违约距离ＥＤＦ违约距离ＥＤＦ违约距离ＥＤＦ城市商业银行
南京银行３.０２７０.００１２３４２.８３３０.００２３０６２.３１７０.０１０２４３江苏银行
３.４５６０.０００２７４２.６７１０.００３７７８２.０２３０.０２１５１７北京银行４.５４６０.０００００３３.３９５０.０００３４３５.７２３０.００００００上海银行４.１４５０.００００１７３.７７０.００００８２４.２７８０.０００００９宁波银行３.０８９０.００１００５２.４２７０.００７６２２２.３６１０.００９１１１股份制商业银行华夏银行４.１６４０.００００１６３.２２３０.０００６３５４.５１４０.０００００３光大银行３.１７４０.０００７５３２.１６４０.０１５２１８２.７０.００３４７２民生银行
４.３６６０.０００００６３.０５０.００１１４５２.９６５０.００１５１１中信银行３.３３５０.０００４２６２.４２４０.００７６７１３.１５４０.０００８０５平安银行
２.６３６０.００４１９０２.４３６０.００７４２５２.００９０.０２２２７５浦发银行３.６１５０.０００１５０２.８１７０.００２４２４３.１２７０.０００８８４兴业银行３.０４８０.００１１５２２.７４８０.００３０００２.０５２０.０２０１０４招商银行３.５９６０.０００１６１２.９１３０.００１７９１２.６５１０.００４００８国有控股
商业银行
交通银行４.０３２０.００００２８２.６７６０.００３７２７３.５９４０.０００１６３中国银行
５.０８７０.００００００３.８７１０.００００５４６.３１０.００００００农业银行
５.４７６０.００００００４.４０７０.０００００５６.１８１０.００００００建设银行
４.５８３０.０００００２２.９７１０.００１４８３３.７１８０.０００１００工商银行
５.０８５
０.００００００
３.７９８
０.００００７３
５.００１
０.００００００
(四)结果分析
８家样本银行在２０１９年疫情暴发前的资产价值
波动率ꎬ如图１所示ꎬ平均为０.０１３２１ꎬ２０２０年疫情暴发期为０.０１４１９ꎬ２０２１年后疫
情时期为０.０１２４０ꎮ２０１９－２０２１年ꎬ样本银行资产价值波动率先上升后下降的趋势一定程度表明疫情的发生对银行业的资产端有一定的影响ꎮ其中零售业务占比较大的宁波银行㊁招商银行在疫情暴发的２０２０年波动幅度最大ꎮ这可能是由于零售类消费类贷款和以批发零售㊁住宿餐饮㊁旅游为代表的对公贷款不良率抬升明显所致
ꎮ
图１㊀２０１９－２０２１年样本银行资产价值波动率情况
通过计算违约距离(如图２所示)可以发现ꎬ疫情暴发前样本银行的平均违约距离为３.９１５ꎬ疫情暴发时期的平均违约率为３.０３３ꎬ后疫情时期为３.５９３ꎮ该数据普遍高于巴曙松ꎬ蒋峰针对我国所有上市Ａ股企业提出的违约预警线２.２的水平ꎬ一方面说明我国商业银行整体风险可控ꎻ另一方面说明疫情的暴发显著降低了银行的违约距离ꎬ加剧了信用风险ꎮ
但随着新冠疫情于２０２１年得到缓和ꎬ各行各业有序复工复产ꎬ后疫情时期银行业整体违约距离有所降低ꎬ信用风险控制水平得到提升ꎮ这可能是由于前期行业拨备计提力度较大ꎬ风险抵补充足ꎬ使得上市银行具备良好的风险承受能力所致
ꎮ
图２㊀２０１９－２０２１年样本银行违约距离变化情况
通过计算ＥＤＦ(图３)可以发现ꎬ样本银行的违约距离与期望违约率成反比关系ꎮ绝大部分样本银行在疫情暴发时期的期望违约率均有一定程度的上升ꎬ其中国有控股商业银行由于其资本更为充足ꎬ在样本银行中的表现最为稳健
ꎮ
图３㊀２０１９－２０２１年样本银行ＥＤＦ变动情况
三㊁疫情对银行信贷风险的影响(一)信贷资产质量下滑
由于新冠疫情导致的停工停产负面影响波及面广ꎬ既极大冲击了制造业产业链上下游ꎬ也显著降低了餐饮㊁旅游㊁交运等行业的经济效益ꎬ对小微企业的经营能力和盈利能力产生了明显的负面冲击ꎮ因此ꎬ商业银行的信贷投放及资产驱动型负债规模与匹配
５８
受到影响ꎬ导致信用风险和流动性风险在一定程度上有所增加ꎮ
此外ꎬ由于新冠疫情后商业银行不断加大金融信贷支持力度ꎬ多措并举提升普惠金融服务质效ꎻ同时企业信用风险存在滞后性ꎬ疫情对企业的偿付能力影响存在时滞ꎬ因此疫情防控期间的大量增量贷款的潜在风险也不容忽视ꎮ
根据样本银行历年年报可知ꎬ过半数以上的样本银行不良贷款率在２０２０年呈现出较明显的上升趋势ꎬ如图４所示
ꎮ
图４㊀２０１９－２０２１年样本银行不良贷款率情况
(二)未来投资偏好将趋向保守
２０２０年ꎬ在旧挑战(全球经济减速)和新冲击(疫
情全球蔓延㊁油价暴跌和外围证券市场暴跌)的共同夹击之下ꎬ２０２０年一季度ＧＤＰ增速创改革开放以来的新低ꎮ
新冠疫情的出现将长期影响企业和居民部门的心理预期ꎬ未来宏观经济下行压力也将压制投资者的风险偏好ꎬ观望情绪加重ꎬ将最终影响金融服务有效需求和供给ꎬ从而对银行信用风险产生一定的负面影响ꎮ
(三)银行盈利指标下降
总资产收益率(ＲＯＡ)和净资产收益率(ＲＯＥ)方面ꎬ受利率下行与拨备增提的影响ꎬ大部分上市银行的ＲＯＡ与ＲＯＥ指标均有所下行ꎮ
净息差方面ꎬ受存款成本刚性㊁贷款基础利率
(ＬＰＲ)下行和金融普惠背景下利率优惠等因素影响ꎬ股份制与国有银行将面临较大的净息差收窄压力ꎮ近年来ꎬ商业银行持续加大减费让利的力度ꎬＬＰＲ也经历多次下调ꎬ银行贷款利率呈现持续下行态势ꎬ而负债端成本仍较高ꎬ在多重因素影响下银行净息差普遍收窄ꎮ银保监会披露的数据也显示出净息差收窄的趋势ꎬ商业银行２０２１年末净息差为２.０８％ꎬ较２０２０年末下降０.０２个百分点ꎮ盈利指标的下降将直接影响银行业的资产与拨备情况ꎬ一定程度上加剧信用风险ꎮ
四㊁疫情反复背景下银行业信用风险防范对策(一)宏观层面
财政政策方面ꎬ中央银行应实行宽松的货币政策ꎬ适时调低法定存款准备率ꎬ既要扶持小微企业发展ꎬ
稳定市场信心ꎬ也要保证商业银行拥有充足的资金与超额准备ꎮ
监管方面ꎬ相关部门需加强信贷部门流动性监管ꎬ利用压力测试评估信贷资产恶化程度并督促银行完善流动性风险预警机制ꎬ防止包商银行破产事件再次重现ꎮ
此外ꎬ相关部门应建立逆周期动态调节机制和差异化管理机制ꎬ在经济下行时期有序调降拨备覆盖率ꎬ提高贷款风险容忍度ꎬ缓解银行存款压力ꎮ
(二)微观层面
业务流程方面ꎬ商业银行应当加强服务流程线上
化建设ꎬ既提升金融服务便捷性与可得性ꎬ也具有良好的可追溯性ꎬ易于后续对风险资产开展数据分析ꎮ
业务结构方面ꎬ商业银行应当拓展中间业务收入规模ꎬ构筑第二增长曲线以实现轻资本及内生增长的目标ꎬ在保证收益的同时从根本上减少信用风险ꎮ
资本补充渠道方面ꎬ商业银行应采用多元化方式如发行二级资本债㊁永续债与非公开定向增发方式补充核心资本ꎬ提高资本充足率ꎬ有效应对权益端的冲击ꎮ此外ꎬ还应当合理利用衍生金融工具化解银行的不良资产ꎮ
风控方面ꎬ商业银行应当加大金融科技投入ꎬ依托大数据和模型进行风险评估从而实现科技赋能银行风控管理ꎬ利用大数据等技术手段改进风险监测体系ꎬ实现降本增效ꎬ达到对困难企业和个人的精准识别与贷后的精确追踪与管理ꎬ遏制可能出现的不良现象ꎮ
五㊁结语
综上所述ꎬ商业银行应做好中长期资本规划ꎬ密切持续关注资产质量变迁ꎬ积极应对和化解在中长期可能面临的不良压力ꎮ参考文献:
[１]钟震ꎬ郭立.新冠肺炎疫情对中小银行的影响及对
策研究[Ｊ].武汉金融ꎬ２０２０(３):３７－４１ꎬ５９.[２]陆岷峰.中小商业银行：疫情危机㊁信用风险叠加
与防范对策[Ｊ].华北金融ꎬ２０２０(６):６９－７７.
６８
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议