鄒彬

摘 要：該文將KMV模型與我國國情相結(jié)合，在現(xiàn)有研究成果的基礎(chǔ)上對模型加以修正，利用修正之后的模型對滬深兩市24家上市公司的信用風(fēng)險進(jìn)行驗(yàn)證分析，結(jié)果表明，修正之后的KMV模型能夠在上市公司違約前預(yù)測出其信用質(zhì)量的急劇下降，能夠清晰地觀察出其信用質(zhì)量的動態(tài)變化趨勢，能夠較好地預(yù)測出信用風(fēng)險的變化。

關(guān)鍵詞：信用風(fēng)險 KMV模型 違約距離 違約概率

中圖分類號：F832 文獻(xiàn)標(biāo)識碼：A 文章編號：1674-098X（2014）01（b）-0001-04

Abstract： In this paper， the KMV model combined with our national situation，On the basis of existing research results on the model is modified，By using the revised model of credit risk on the 24 listing Corporation in Shanghai and Shenzhen two city validation analysis，The results show that，The modified KMV model can be in after listing Corporation before defaultforecast sharply its credit quality，Can clearly observe the dynamic changing trend of its credit quality，can well predict credit risk.

Key words：credit risk；KMV Model；distance to default；default frequency

隨著金融改革的政策出臺，預(yù)示著我國全面性的金融改革步伐已在各項(xiàng)政策中悄然加速。股票市場制度變革是整體金融改革的核心，改革必將加速我國股市的不斷成熟和完善，這使得商業(yè)銀行對基于股票市場的信用風(fēng)險管理工具更具可行性，其中最著名的是KMV模型。

1 KMV模型基本理論

KMV模型（又稱為預(yù)期違約率模型）是由KMV公司的三個創(chuàng)始人（Kealhoferh、McQuown、Vasicek）的第一個字母命名，該模型以莫頓的期權(quán)定價理論作為理論基礎(chǔ)，它將公司股票價值具有期權(quán)特征的思想應(yīng)用到公司信用風(fēng)險的評估中。該模型把公司權(quán)益和債務(wù)看作期權(quán)，而把公司資本作為標(biāo)的資產(chǎn)，把公司所有者權(quán)益看作看漲期權(quán)，負(fù)債看作看跌期權(quán)，如果負(fù)債到期時公司資產(chǎn)市場價值高于其負(fù)債，公司便會執(zhí)行買權(quán)償還債務(wù)；當(dāng)公司資產(chǎn)市場價值小于其債務(wù)時，公司則會執(zhí)行賣權(quán)選擇違約。在信用分析時，主要分析買權(quán)可能違約的概率。KMV模型假設(shè)市場利率和總體經(jīng)濟(jì)是可以預(yù)測的，當(dāng)公司資產(chǎn)價值低于某個臨界點(diǎn)時違約就會發(fā)生，這個臨界點(diǎn)就被定義為違約點(diǎn)，通過違約點(diǎn)與違約概率的映射關(guān)系來規(guī)避預(yù)知風(fēng)險。

2 KMV模型修正與驗(yàn)證分析

2.1 樣本選取

本文選取2011年滬深兩市六大行業(yè)24家上市公司，其中每個行業(yè)分別選取2家被ST的上市公司以及與之匹配的2家非ST的公司作為研究樣本。根據(jù)《上市規(guī)則》：最近兩個會計(jì)年度的審計(jì)結(jié)果顯示的凈利潤均為負(fù)值，每股凈資產(chǎn)低于股票面值或連續(xù)兩個會計(jì)年度虧損的上市公司將被特別處理，視為ST處理。如果公司未來一年繼續(xù)虧損，公司股票將被暫停上市交易，最終可能被終止其公司股票上市交易。樣本（見表1）的財(cái)務(wù)數(shù)據(jù)和市場數(shù)據(jù)來自和訊網(wǎng)和騰訊網(wǎng)數(shù)據(jù)庫。

2.2 參數(shù)確定

根據(jù)我國證券市場的特殊性以及近些年我國在KMV模型研究成果，本文對KMV模型中的參數(shù)做了適當(dāng)調(diào)整。

2.3 驗(yàn)證結(jié)果及其分析

（1）驗(yàn)證結(jié)果。根據(jù)上市公司的市場數(shù)據(jù)和財(cái)務(wù)數(shù)據(jù)確定出公司的股權(quán)價值、

股權(quán)價值的波動率和違約點(diǎn)，然后使用matlab編程聯(lián)立（1）和（4）求解可以求得公司資產(chǎn)的市值及其波動率，從而可以根據(jù)（5）計(jì)算求得公司的違約距離，運(yùn)算結(jié)果見表2。

（2）結(jié)果分析。

①模型較好的識別出了同行業(yè)之間非ST公司與ST公司信用風(fēng)險的差異，從總體上也可以看出非ST公司的均值較ST公司的大，非ST公司的違約距離比ST公司高。

②違約距離是一個序數(shù)值，從理論上來說，其值越大偏離違約點(diǎn)就越遠(yuǎn)，違約的概率也就越小，反之違約的可能性就越大，事實(shí)上從圖1也明顯可以看出非ST公司的違約距離比ST公司的違約距離大，這表明違約距離對于企業(yè)的信用狀況有較好的反映。

③股票價格的波動率略大于資產(chǎn)價值的波動率。

3 KMV模型的有效性檢驗(yàn)

為了檢測修正之后的KMV模型對信用風(fēng)險預(yù)測的有效性，本文主要從2個方面去檢驗(yàn)。一是采取通過T檢驗(yàn)來驗(yàn)證非ST公司與ST公司之間違約距離差異的顯著性，二是檢驗(yàn)修正之后的KMV模型的預(yù)測能力的有效性。

3.1 顯著性檢驗(yàn)

為了檢驗(yàn)非ST公司與ST公司兩樣本間違約距離差異的顯著性，本文采用T檢驗(yàn)來對兩樣本均值是否具有顯著性差異進(jìn)行推斷，檢驗(yàn)結(jié)果如表3所示。

從表3可以看出，兩組樣本的均差為0.9583，這表明整體而言，ST公司比非ST公司的違約距離要近很多，也就是說風(fēng)險要大很多。根據(jù)自由度df=n-1=11時，查t值表，，

由于實(shí)際計(jì)算出來的t=6.8>3.106，則P<0.01，故ST公司與非ST公司的違約距離均值通過了T檢驗(yàn)，表明兩組樣本違約距離均值的差異非常顯著。

3.2 預(yù)測能力檢驗(yàn)

深圳市國際企業(yè)股份有限公司是房地產(chǎn)行業(yè)的一家公司，于1995年10月30日在深圳證券交易所上市，總股本2.21億股，流通股為1.19億股。截止2011年12月31日總負(fù)債19.07億元，2010年度、2011年度連續(xù)兩年經(jīng)審計(jì)的年度凈利潤為負(fù)數(shù)，于2012年4月20日停牌一天，自2012年4月23日起實(shí)行退市風(fēng)險警示的特別處理，股票簡稱變更為“ST國商”。通過KMV模型方法得出的違約距離并結(jié)合理論EDF算法計(jì)算出違約概率對該公司前2年的信用狀況進(jìn)行分析，其信用質(zhì)量變化如圖1所示。

由圖1可以看出該公司的違約概率在2010年初逐漸上升，在2011年中由于股票利好消息違約概率有小幅回升，但之后違約概率急劇上升，可以看出在被ST處理前的10個月預(yù)測出了ST國商信用質(zhì)量的惡化。

彩虹顯示器件股份有限公司是我國顯示器件的龍頭企業(yè)之一，公司于1996年5月在上海證券交易所上市，名稱為：彩虹股份。公司總股本為7.36億，截止2011年12月31日總負(fù)債47.16億元，2011年度、2012年度連續(xù)兩年經(jīng)審計(jì)的年度凈利潤為負(fù)數(shù)，2013年4月1日公司股票被實(shí)行“退市風(fēng)險警示”股票名稱由彩虹股份變更為“ST彩虹”。通過KMV模型方法得出的違約距離并結(jié)合理論EDF算法計(jì)算出違約概率對該公司3年的信用狀況進(jìn)行分析，其信用質(zhì)量變化如圖2所示。

由圖2可以看出2011年12月份違約概率急劇上升，在15個月之前很好的預(yù)測出了ST彩虹的信用質(zhì)量變化。

從以上結(jié)論可以看出，通過KMV模型計(jì)算出的違約概率可以在企業(yè)出現(xiàn)風(fēng)險前1年左右很好的預(yù)測出信用質(zhì)量的變化，商業(yè)銀行可以參考這種方式來監(jiān)控企業(yè)的信用質(zhì)量動態(tài)的變化，商業(yè)銀行可以根據(jù)此方式來對信貸業(yè)務(wù)審核做出相應(yīng)的決策。

4 結(jié)論及政策建議

本文研究結(jié)果表明修正之后的KMV模型對于信用風(fēng)險有著很好的預(yù)測能力，違約距離可以反映出企業(yè)的信用質(zhì)量，違約距離越大信用質(zhì)量越高，反之則越低。違約距離可以作為銀行監(jiān)控上市公司貸款的預(yù)警指標(biāo)，為及時發(fā)現(xiàn)風(fēng)險從而規(guī)避或消除風(fēng)險提供有利的策略參考。

但要使KMV模型在我國商業(yè)銀行信用風(fēng)險管理中得到廣泛應(yīng)用，還需要加強(qiáng)以下三點(diǎn)。

4.1 加快建立信用數(shù)據(jù)庫

由于我國商業(yè)銀行間不共享客戶信息，這就造成同一客戶的信用風(fēng)險可能在不同商業(yè)銀行發(fā)生，信用數(shù)據(jù)庫相關(guān)數(shù)據(jù)累積較少，而KMV模型需要大量的違約數(shù)據(jù)去構(gòu)建違約距離（DD）和違約概率（EDF）之間的函數(shù)映射關(guān)系。為此，我國商業(yè)銀行應(yīng)盡快建立和完善客戶信用數(shù)據(jù)庫，構(gòu)建出我國違約距離和違約概率之間的函數(shù)映射關(guān)系，為廣泛采用KMV模型進(jìn)行信用風(fēng)險分析提供數(shù)據(jù)支撐。

4.2 加強(qiáng)緩釋技術(shù)對信用風(fēng)險的作用

長期以來，人們對信用風(fēng)險的研究主要在于交易對手的違約概率的大小，而違約概率僅代表違約的可能性，在實(shí)際應(yīng)用中商業(yè)銀行要全面的把控信用風(fēng)險還應(yīng)該借助信用風(fēng)險緩釋技術(shù)，通過信用風(fēng)險度量工具與緩釋技術(shù)交叉結(jié)合的方式來規(guī)避或消除風(fēng)險。商業(yè)銀行在面對多家企業(yè)融資時，在得出交易對手的違約概率之后，可以根據(jù)違約數(shù)據(jù)庫設(shè)定一個違約概率的臨界點(diǎn)，在違約概率合理范圍之內(nèi)的企業(yè)可以通過企業(yè)之間的違約概率大小和企業(yè)提供信用風(fēng)險緩釋技術(shù)（如：抵押、擔(dān)保）綜合分析來決策。通過這種方式一方面減少了商業(yè)銀行的風(fēng)險，另一方面還讓更多企業(yè)獲得了融資的機(jī)會，降低了融資的門檻。

4.3 進(jìn)一步完善市場監(jiān)督體制

KMV模型的輸入數(shù)據(jù)來自于上市公司的年度報(bào)表以及日間動態(tài)的股權(quán)信息，只有確保了財(cái)務(wù)數(shù)據(jù)的真實(shí)性、準(zhǔn)確性，KMV模型才能真實(shí)的反映上市公司的信用狀況。因此監(jiān)管部門需加大市場監(jiān)督力度，完善我國上市公司的治理結(jié)構(gòu)，防止公司披露虛假的財(cái)務(wù)信息，同時上市公司也必須按照規(guī)章操作，公司公布的數(shù)據(jù)必須真實(shí)、準(zhǔn)確，只有這樣KMV模型的輸出數(shù)據(jù)才準(zhǔn)確，才能發(fā)揮它動態(tài)預(yù)測信用風(fēng)險的能力。

參考文獻(xiàn)

[1] Merton，RoberC，On the pricing of Corporate Debt：The Risk structure of Interest Rstes[J].The Joumal of Finance，1974，29（2）：449-470.

[2] KMV Corporation：Credit Monitor Overview，1993.

[3] Andrew John，McQuown：A Comment on Market vs.Acc ounting-BasedMeasures of Default Risk.SANFRA NCISCO，KMV，LLC，1993.

[4] C.Michel，G.Dan and M.Robert.A Comparative Analysis of Current CreditRist Models[J].Journal of Banking and Finance，2000（24）：59-117.

[5] Oldrich Alfons Vasicek，EDF（tm） Credit Measure and Corporate Bond Pricing.2001.

[6] Matthew Kurbat，Irina Korablev.Methodology for Testing the Level of the EDF Credit Measure.2003.

[7] Jeffrey Bohn，Navneet Arora.Irina Korablev Power and LevelValidation of the EDF creditmeasure in the USMarket.KMVCorporation，2005：14.

[8] Peter Crosbie，Jeffrey Bohn，Modeling Default Risk.American Banker，2003.

[9] 魯煒，趙恒珩，方兆本，等.KMV模型在公司價值評估中的應(yīng)用[J].管理科學(xué)，2003（3）：30-33.

[10] 劉宇新，魏燦秋.EDF模型度量信用衍生工具的信用風(fēng)險研究[J].四川大學(xué)學(xué)報(bào)（自然科學(xué)版），2003（4）：65-69.

[11] 李楊，劉華，余維彬.銀行信貸風(fēng)險管理[M].經(jīng)濟(jì)管理出版社，2003.

[12] 汪其昌.銀行信貸信用風(fēng)險分析和度量[M].上海社會科學(xué)院出版社，2005.

[13] 翟東升，張娟.KMV模型在上市公司信用風(fēng)險管理中的應(yīng)用[J].工業(yè)技術(shù)經(jīng)濟(jì)，2007（1）.

[14] 唐春陽.KMV模型在商業(yè)銀行信用風(fēng)險管理中的應(yīng)用[J].財(cái)會研究，2006（2）.

[15] 張智梅.KMV模型的改進(jìn)及對上市公司信用風(fēng)險的度量[J].統(tǒng)計(jì)與決策，2006（18）.

[16] 周子元，楊永生.用違約距離判別信用風(fēng)險：一個實(shí)證研究[J].審計(jì)與經(jīng)濟(jì)研究，2007（2）.

[17] 夏紅芳.商業(yè)銀行信用風(fēng)險度量與管理研究[M].浙江大學(xué)出版社，2009.

[18] 李磊寧，張凱.KMV模型的修正及在我國上市公司信用風(fēng)險度量中的應(yīng)用[J].首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào)，2007（4）.

由圖1可以看出該公司的違約概率在2010年初逐漸上升，在2011年中由于股票利好消息違約概率有小幅回升，但之后違約概率急劇上升，可以看出在被ST處理前的10個月預(yù)測出了ST國商信用質(zhì)量的惡化。

彩虹顯示器件股份有限公司是我國顯示器件的龍頭企業(yè)之一，公司于1996年5月在上海證券交易所上市，名稱為：彩虹股份。公司總股本為7.36億，截止2011年12月31日總負(fù)債47.16億元，2011年度、2012年度連續(xù)兩年經(jīng)審計(jì)的年度凈利潤為負(fù)數(shù)，2013年4月1日公司股票被實(shí)行“退市風(fēng)險警示”股票名稱由彩虹股份變更為“ST彩虹”。通過KMV模型方法得出的違約距離并結(jié)合理論EDF算法計(jì)算出違約概率對該公司3年的信用狀況進(jìn)行分析，其信用質(zhì)量變化如圖2所示。

由圖2可以看出2011年12月份違約概率急劇上升，在15個月之前很好的預(yù)測出了ST彩虹的信用質(zhì)量變化。

從以上結(jié)論可以看出，通過KMV模型計(jì)算出的違約概率可以在企業(yè)出現(xiàn)風(fēng)險前1年左右很好的預(yù)測出信用質(zhì)量的變化，商業(yè)銀行可以參考這種方式來監(jiān)控企業(yè)的信用質(zhì)量動態(tài)的變化，商業(yè)銀行可以根據(jù)此方式來對信貸業(yè)務(wù)審核做出相應(yīng)的決策。

4 結(jié)論及政策建議

本文研究結(jié)果表明修正之后的KMV模型對于信用風(fēng)險有著很好的預(yù)測能力，違約距離可以反映出企業(yè)的信用質(zhì)量，違約距離越大信用質(zhì)量越高，反之則越低。違約距離可以作為銀行監(jiān)控上市公司貸款的預(yù)警指標(biāo)，為及時發(fā)現(xiàn)風(fēng)險從而規(guī)避或消除風(fēng)險提供有利的策略參考。

但要使KMV模型在我國商業(yè)銀行信用風(fēng)險管理中得到廣泛應(yīng)用，還需要加強(qiáng)以下三點(diǎn)。

4.1 加快建立信用數(shù)據(jù)庫

由于我國商業(yè)銀行間不共享客戶信息，這就造成同一客戶的信用風(fēng)險可能在不同商業(yè)銀行發(fā)生，信用數(shù)據(jù)庫相關(guān)數(shù)據(jù)累積較少，而KMV模型需要大量的違約數(shù)據(jù)去構(gòu)建違約距離（DD）和違約概率（EDF）之間的函數(shù)映射關(guān)系。為此，我國商業(yè)銀行應(yīng)盡快建立和完善客戶信用數(shù)據(jù)庫，構(gòu)建出我國違約距離和違約概率之間的函數(shù)映射關(guān)系，為廣泛采用KMV模型進(jìn)行信用風(fēng)險分析提供數(shù)據(jù)支撐。

4.2 加強(qiáng)緩釋技術(shù)對信用風(fēng)險的作用

長期以來，人們對信用風(fēng)險的研究主要在于交易對手的違約概率的大小，而違約概率僅代表違約的可能性，在實(shí)際應(yīng)用中商業(yè)銀行要全面的把控信用風(fēng)險還應(yīng)該借助信用風(fēng)險緩釋技術(shù)，通過信用風(fēng)險度量工具與緩釋技術(shù)交叉結(jié)合的方式來規(guī)避或消除風(fēng)險。商業(yè)銀行在面對多家企業(yè)融資時，在得出交易對手的違約概率之后，可以根據(jù)違約數(shù)據(jù)庫設(shè)定一個違約概率的臨界點(diǎn)，在違約概率合理范圍之內(nèi)的企業(yè)可以通過企業(yè)之間的違約概率大小和企業(yè)提供信用風(fēng)險緩釋技術(shù)（如：抵押、擔(dān)保）綜合分析來決策。通過這種方式一方面減少了商業(yè)銀行的風(fēng)險，另一方面還讓更多企業(yè)獲得了融資的機(jī)會，降低了融資的門檻。

4.3 進(jìn)一步完善市場監(jiān)督體制

KMV模型的輸入數(shù)據(jù)來自于上市公司的年度報(bào)表以及日間動態(tài)的股權(quán)信息，只有確保了財(cái)務(wù)數(shù)據(jù)的真實(shí)性、準(zhǔn)確性，KMV模型才能真實(shí)的反映上市公司的信用狀況。因此監(jiān)管部門需加大市場監(jiān)督力度，完善我國上市公司的治理結(jié)構(gòu)，防止公司披露虛假的財(cái)務(wù)信息，同時上市公司也必須按照規(guī)章操作，公司公布的數(shù)據(jù)必須真實(shí)、準(zhǔn)確，只有這樣KMV模型的輸出數(shù)據(jù)才準(zhǔn)確，才能發(fā)揮它動態(tài)預(yù)測信用風(fēng)險的能力。

參考文獻(xiàn)

[1] Merton，RoberC，On the pricing of Corporate Debt：The Risk structure of Interest Rstes[J].The Joumal of Finance，1974，29（2）：449-470.

[2] KMV Corporation：Credit Monitor Overview，1993.

[3] Andrew John，McQuown：A Comment on Market vs.Acc ounting-BasedMeasures of Default Risk.SANFRA NCISCO，KMV，LLC，1993.

[4] C.Michel，G.Dan and M.Robert.A Comparative Analysis of Current CreditRist Models[J].Journal of Banking and Finance，2000（24）：59-117.

[5] Oldrich Alfons Vasicek，EDF（tm） Credit Measure and Corporate Bond Pricing.2001.

[6] Matthew Kurbat，Irina Korablev.Methodology for Testing the Level of the EDF Credit Measure.2003.

[7] Jeffrey Bohn，Navneet Arora.Irina Korablev Power and LevelValidation of the EDF creditmeasure in the USMarket.KMVCorporation，2005：14.

[8] Peter Crosbie，Jeffrey Bohn，Modeling Default Risk.American Banker，2003.

[9] 魯煒，趙恒珩，方兆本，等.KMV模型在公司價值評估中的應(yīng)用[J].管理科學(xué)，2003（3）：30-33.

[10] 劉宇新，魏燦秋.EDF模型度量信用衍生工具的信用風(fēng)險研究[J].四川大學(xué)學(xué)報(bào)（自然科學(xué)版），2003（4）：65-69.

[11] 李楊，劉華，余維彬.銀行信貸風(fēng)險管理[M].經(jīng)濟(jì)管理出版社，2003.

[12] 汪其昌.銀行信貸信用風(fēng)險分析和度量[M].上海社會科學(xué)院出版社，2005.

[13] 翟東升，張娟.KMV模型在上市公司信用風(fēng)險管理中的應(yīng)用[J].工業(yè)技術(shù)經(jīng)濟(jì)，2007（1）.

[14] 唐春陽.KMV模型在商業(yè)銀行信用風(fēng)險管理中的應(yīng)用[J].財(cái)會研究，2006（2）.

[15] 張智梅.KMV模型的改進(jìn)及對上市公司信用風(fēng)險的度量[J].統(tǒng)計(jì)與決策，2006（18）.

[16] 周子元，楊永生.用違約距離判別信用風(fēng)險：一個實(shí)證研究[J].審計(jì)與經(jīng)濟(jì)研究，2007（2）.

[17] 夏紅芳.商業(yè)銀行信用風(fēng)險度量與管理研究[M].浙江大學(xué)出版社，2009.

[18] 李磊寧，張凱.KMV模型的修正及在我國上市公司信用風(fēng)險度量中的應(yīng)用[J].首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào)，2007（4）.

由圖1可以看出該公司的違約概率在2010年初逐漸上升，在2011年中由于股票利好消息違約概率有小幅回升，但之后違約概率急劇上升，可以看出在被ST處理前的10個月預(yù)測出了ST國商信用質(zhì)量的惡化。

彩虹顯示器件股份有限公司是我國顯示器件的龍頭企業(yè)之一，公司于1996年5月在上海證券交易所上市，名稱為：彩虹股份。公司總股本為7.36億，截止2011年12月31日總負(fù)債47.16億元，2011年度、2012年度連續(xù)兩年經(jīng)審計(jì)的年度凈利潤為負(fù)數(shù)，2013年4月1日公司股票被實(shí)行“退市風(fēng)險警示”股票名稱由彩虹股份變更為“ST彩虹”。通過KMV模型方法得出的違約距離并結(jié)合理論EDF算法計(jì)算出違約概率對該公司3年的信用狀況進(jìn)行分析，其信用質(zhì)量變化如圖2所示。

由圖2可以看出2011年12月份違約概率急劇上升，在15個月之前很好的預(yù)測出了ST彩虹的信用質(zhì)量變化。

從以上結(jié)論可以看出，通過KMV模型計(jì)算出的違約概率可以在企業(yè)出現(xiàn)風(fēng)險前1年左右很好的預(yù)測出信用質(zhì)量的變化，商業(yè)銀行可以參考這種方式來監(jiān)控企業(yè)的信用質(zhì)量動態(tài)的變化，商業(yè)銀行可以根據(jù)此方式來對信貸業(yè)務(wù)審核做出相應(yīng)的決策。

4 結(jié)論及政策建議

本文研究結(jié)果表明修正之后的KMV模型對于信用風(fēng)險有著很好的預(yù)測能力，違約距離可以反映出企業(yè)的信用質(zhì)量，違約距離越大信用質(zhì)量越高，反之則越低。違約距離可以作為銀行監(jiān)控上市公司貸款的預(yù)警指標(biāo)，為及時發(fā)現(xiàn)風(fēng)險從而規(guī)避或消除風(fēng)險提供有利的策略參考。

但要使KMV模型在我國商業(yè)銀行信用風(fēng)險管理中得到廣泛應(yīng)用，還需要加強(qiáng)以下三點(diǎn)。

4.1 加快建立信用數(shù)據(jù)庫

由于我國商業(yè)銀行間不共享客戶信息，這就造成同一客戶的信用風(fēng)險可能在不同商業(yè)銀行發(fā)生，信用數(shù)據(jù)庫相關(guān)數(shù)據(jù)累積較少，而KMV模型需要大量的違約數(shù)據(jù)去構(gòu)建違約距離（DD）和違約概率（EDF）之間的函數(shù)映射關(guān)系。為此，我國商業(yè)銀行應(yīng)盡快建立和完善客戶信用數(shù)據(jù)庫，構(gòu)建出我國違約距離和違約概率之間的函數(shù)映射關(guān)系，為廣泛采用KMV模型進(jìn)行信用風(fēng)險分析提供數(shù)據(jù)支撐。

4.2 加強(qiáng)緩釋技術(shù)對信用風(fēng)險的作用

長期以來，人們對信用風(fēng)險的研究主要在于交易對手的違約概率的大小，而違約概率僅代表違約的可能性，在實(shí)際應(yīng)用中商業(yè)銀行要全面的把控信用風(fēng)險還應(yīng)該借助信用風(fēng)險緩釋技術(shù)，通過信用風(fēng)險度量工具與緩釋技術(shù)交叉結(jié)合的方式來規(guī)避或消除風(fēng)險。商業(yè)銀行在面對多家企業(yè)融資時，在得出交易對手的違約概率之后，可以根據(jù)違約數(shù)據(jù)庫設(shè)定一個違約概率的臨界點(diǎn)，在違約概率合理范圍之內(nèi)的企業(yè)可以通過企業(yè)之間的違約概率大小和企業(yè)提供信用風(fēng)險緩釋技術(shù)（如：抵押、擔(dān)保）綜合分析來決策。通過這種方式一方面減少了商業(yè)銀行的風(fēng)險，另一方面還讓更多企業(yè)獲得了融資的機(jī)會，降低了融資的門檻。

4.3 進(jìn)一步完善市場監(jiān)督體制

KMV模型的輸入數(shù)據(jù)來自于上市公司的年度報(bào)表以及日間動態(tài)的股權(quán)信息，只有確保了財(cái)務(wù)數(shù)據(jù)的真實(shí)性、準(zhǔn)確性，KMV模型才能真實(shí)的反映上市公司的信用狀況。因此監(jiān)管部門需加大市場監(jiān)督力度，完善我國上市公司的治理結(jié)構(gòu)，防止公司披露虛假的財(cái)務(wù)信息，同時上市公司也必須按照規(guī)章操作，公司公布的數(shù)據(jù)必須真實(shí)、準(zhǔn)確，只有這樣KMV模型的輸出數(shù)據(jù)才準(zhǔn)確，才能發(fā)揮它動態(tài)預(yù)測信用風(fēng)險的能力。

參考文獻(xiàn)

[1] Merton，RoberC，On the pricing of Corporate Debt：The Risk structure of Interest Rstes[J].The Joumal of Finance，1974，29（2）：449-470.

[2] KMV Corporation：Credit Monitor Overview，1993.

[3] Andrew John，McQuown：A Comment on Market vs.Acc ounting-BasedMeasures of Default Risk.SANFRA NCISCO，KMV，LLC，1993.

[4] C.Michel，G.Dan and M.Robert.A Comparative Analysis of Current CreditRist Models[J].Journal of Banking and Finance，2000（24）：59-117.

[5] Oldrich Alfons Vasicek，EDF（tm） Credit Measure and Corporate Bond Pricing.2001.

[6] Matthew Kurbat，Irina Korablev.Methodology for Testing the Level of the EDF Credit Measure.2003.

[7] Jeffrey Bohn，Navneet Arora.Irina Korablev Power and LevelValidation of the EDF creditmeasure in the USMarket.KMVCorporation，2005：14.

[8] Peter Crosbie，Jeffrey Bohn，Modeling Default Risk.American Banker，2003.

[9] 魯煒，趙恒珩，方兆本，等.KMV模型在公司價值評估中的應(yīng)用[J].管理科學(xué)，2003（3）：30-33.

[10] 劉宇新，魏燦秋.EDF模型度量信用衍生工具的信用風(fēng)險研究[J].四川大學(xué)學(xué)報(bào)（自然科學(xué)版），2003（4）：65-69.

[11] 李楊，劉華，余維彬.銀行信貸風(fēng)險管理[M].經(jīng)濟(jì)管理出版社，2003.

[12] 汪其昌.銀行信貸信用風(fēng)險分析和度量[M].上海社會科學(xué)院出版社，2005.

[13] 翟東升，張娟.KMV模型在上市公司信用風(fēng)險管理中的應(yīng)用[J].工業(yè)技術(shù)經(jīng)濟(jì)，2007（1）.

[14] 唐春陽.KMV模型在商業(yè)銀行信用風(fēng)險管理中的應(yīng)用[J].財(cái)會研究，2006（2）.

[15] 張智梅.KMV模型的改進(jìn)及對上市公司信用風(fēng)險的度量[J].統(tǒng)計(jì)與決策，2006（18）.

[16] 周子元，楊永生.用違約距離判別信用風(fēng)險：一個實(shí)證研究[J].審計(jì)與經(jīng)濟(jì)研究，2007（2）.

[17] 夏紅芳.商業(yè)銀行信用風(fēng)險度量與管理研究[M].浙江大學(xué)出版社，2009.

[18] 李磊寧，張凱.KMV模型的修正及在我國上市公司信用風(fēng)險度量中的應(yīng)用[J].首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào)，2007（4）.