商业银行信用风险评估方法论文
【摘要】数据的精确度和真实性决定了我们模型预测的准确性，统计口径的规范化还是特别有必要性的。违约数据积累的缺乏在我国风险管理领域是一个极大的缺陷，金融机构应该加快数据的积累，尽快建设一个庞大的违约数据库。
一、KMV模型提出及其思想
KMV模型是1993年由美国的KMV公司3位创办者提出来的，其仅限于对上市公司信用风险的研究。K、M、V分别是3位创办者Keal hofer、MC-Quown和Vasicek的第一个字母组成。KMV模型是基于期权定价理论的一种量化公司违约风险的高效分析方法。其用“预期违约率（EDF）”指标来度量信用风险的发生，用来计算违约事件发生概率的数据一般采取的是该公司股票市场的市场价值、账面价值等资本市场信息，一般认为公司的价值是遵循布朗运动，并且与资本结构相关性较高。KMV模型的核心思想是其把公司所有者权益看成看涨期权，把负债看成看跌期权，而把公司的资产当作标的资产。基于此，KMV模型能够将信用风险量化，并且不需要有效市场假说，比较适合我国特殊的弱市场情况，因此其的提出得到了我国广大学者的研究。KMV模型的框架图如下：
KMV模型认为：一般的信用风险主要是由该公司资产的市场价值决定，但是该公司资产的市场价值无法直接得到，所以KMV将从公司债务人的角度来考虑银行贷款风险的大小。当债务到期时，如果公司资产价值VA大于债务值（设定为公司贷款的违约点DPT），则公司的
股权价值为两者之差，公司不会违约；相反如小于，就算买光所有资产也不能偿还起债务，这时公司就会达到DPT。我们把违约距离DD定义为未来资产价值的期望值到DPT的长度，长度越大，违约的概率越小，长度越小，则公司发生违约的概率越大。
二、EDF概率的计算及修正
（一）先要从公司股票的股权价值Vε和股价的波动率σE以及负债来估计VA及波动率σA
由于KMV基于期权定价模型：则VA满足随机过程
（三）DD与EDF之间是具有稳定的函数映射关系
从第二部计算中可以看出，KMV模型定义DPT=SD+0.5LD，这是基于美国庞大的违约数据库的基础上计算出来的，但是中国信用体系数据库还不够完备，且不同行业的信用情况也对DPT计算有影响，因此KMV模型在度量我国信用风险时需要进行参数的修正。
DPT=SD+m*LD（0≤m≤1）
对于m值得选择，不同学者研究的论大都不一，但大部分结果倾向与m≥0.5以上的这个结论，由于我国公司信用体系的不完善，失信情况出现较美国发达资本市场较为严重，所以，m值一般设定为0.5以上比较符合我国的基本国情。对于DPT计算方法的选择，还有很多种方法，如：有的学者采用模糊随机方法、DEA方法中的CCG模型、回归、神经网络等等。
第三部中，计算EDF时，由于我国没有庞大的违约数据库，所以无法建立DD与EDF之间的映射关系，所以一般假定VA服从参数为μ、
σ的正态分布，则：
三、结论
（一）完善DPF计算
（二）加快风险管理体系的建设
应成立专门的研究部门，尽快建立适应中国特色的商业银行风险监控预测体系，借鉴国外的先进经验，完善我国的信用体系评级制度建设。
（三）建立精确的数据库管理系统
数据的精确度和真实性决定了我们模型预测的准确性，统计口径的规范化还是特别有必要性的。违约数据积累的缺乏在我国风险管理领域是一个极大的缺陷，金融机构应该加快数据的积累，尽快建设一个庞大的违约数据库。
参考文献
[1]潘洁，周宗放.全流通下KMV模型中的违约点修正及实证研究
[J].中国企业运筹学，2009（7）：197-204.
[2]赵建卫.基于KMV模型的我国上市公司信用风险的实证研究
[D].东北财经大学，2006.
[3]张玲.KMV模型在中国应用的参数修正——一个文献综述[J].金融监管，2013，10：47-50.
[4]孙小丽.KMV模型在中国互联网金融中的信用风险测算研究
[J].北京邮电大学校报，2013，12：57-81.
商业银行信用风险评估方法论文
【摘要】数据的精确度和真实性决定了我们模型预测的准确性，统计口径的规范化还是特别有必要性的。违约数据积累的缺乏在我国风险管理领域是一个极大的缺陷，金融机构应该加快数据的积累，尽快建设一个庞大的违约数据库。
一、KMV模型提出及其思想
KMV模型是1993年由美国的KMV公司3位创办者提出来的，其仅限于对上市公司信用风险的研究。K、M、V分别是3位创办者Keal hofer、MC-Quown和Vasicek的第一个字母组成。KMV模型是基于期权定价理论的一种量化公司违约风险的高效分析方法。其用“预期违约率（EDF）”指标来度量信用风险的发生，用来计算违约事件发生概率的数据一般采取的是该公司股票市场的市场价值、账面价值等资本市场信息，一般认为公司的价值是遵循布朗运动，并且与资本结构相关性较高。KMV模型的核心思想是其把公司所有者权益看成看涨期权，把负债看成看跌期权，而把公司的资产当作标的资产。基于此，KMV模型能够将信用风险量化，并且不需要有效市场假说，比较适合我国特殊的弱市场情况，因此其的提出得到了我国广大学者的研究。KMV模型的框架图如下：
KMV模型认为：一般的信用风险主要是由该公司资产的市场价值决定，但是该公司资产的市场价值无法直接得到，所以KMV将从公司债务人的角度来考虑银行贷款风险的大小。当债务到期时，如果公司资产价值VA大于债务值（设定为公司贷款的违约点DPT），则公司的
股权价值为两者之差，公司不会违约；相反如小于，就算买光所有资产也不能偿还起债务，这时公司就会达到DPT。我们把违约距离DD定义为未来资产价值的期望值到DPT的长度，长度越大，违约的概率越小，长度越小，则公司发生违约的概率越大。
二、EDF概率的计算及修正
（一）先要从公司股票的股权价值Vε和股价的波动率σE以及负债来估计VA及波动率σA
由于KMV基于期权定价模型：则VA满足随机过程
（三）DD与EDF之间是具有稳定的函数映射关系
从第二部计算中可以看出，KMV模型定义DPT=SD+0.5LD，这是基于美国庞大的违约数据库的基础上计算出来的，但是中国信用体系数据库还不够完备，且不同行业的信用情况也对DPT计算有影响，因此KMV模型在度量我国信用风险时需要进行参数的修正。
DPT=SD+m*LD（0≤m≤1）
对于m值得选择，不同学者研究的论大都不一，但大部分结果倾向与m≥0.5以上的这个结论，由于我国公司信用体系的不完善，失信情况出现较美国发达资本市场较为严重，所以，m值一般设定为0.5以上比较符合我国的基本国情。对于DPT计算方法的选择，还有很多种方法，如：有的学者采用模糊随机方法、DEA方法中的CCG模型、回归、神经网络等等。
第三部中，计算EDF时，由于我国没有庞大的违约数据库，所以无法建立DD与EDF之间的映射关系，所以一般假定VA服从参数为μ、
σ的正态分布，则：
三、结论
（一）完善DPF计算
（二）加快风险管理体系的建设
应成立专门的研究部门，尽快建立适应中国特色的商业银行风险监控预测体系，借鉴国外的先进经验，完善我国的信用体系评级制度建设。
（三）建立精确的数据库管理系统
数据的精确度和真实性决定了我们模型预测的准确性，统计口径的规范化还是特别有必要性的。违约数据积累的缺乏在我国风险管理领域是一个极大的缺陷，金融机构应该加快数据的积累，尽快建设一个庞大的违约数据库。
参考文献
[1]潘洁，周宗放.全流通下KMV模型中的违约点修正及实证研究
[J].中国企业运筹学，2009（7）：197-204.
[2]赵建卫.基于KMV模型的我国上市公司信用风险的实证研究
[D].东北财经大学，2006.
[3]张玲.KMV模型在中国应用的参数修正——一个文献综述[J].金融监管，2013，10：47-50.
[4]孙小丽.KMV模型在中国互联网金融中的信用风险测算研究
[J].北京邮电大学校报，2013，12：57-81.