信用风险量化研究综述

摘 要:当前西方金融界常用的信用风险量化模型包括多元统计模型、结构模型和简化模型三类,随着金融理论与技术的发展,信用风险量化研究取得了长足的进步。信用风险量化是发达国家商业银行进行风险管理的基础,也是我国商业银行风险管理的发展方向,应从方法、技术及制度方面进行改进和完善,建立符合我国信用风险特征和规律的量化模型。

关键词:信用风险量化;统计模型;结构模型;简化模型

中图分类号:F830.5文献标识码:A文章编号:1006-3544(2009)04-0035-03

广义的信用风险是指由于借款人或交易对手违约导致损失的可能性,以及由于借款人信用评级的变动和履约能力的变化导致其债务的市场价值变动而引起损失的可能性;狭义的信用风险是指由于借款人或交易对手违约导致损失的可能性,即违约风险。信用风险是商业银行面临的主要风险之一, 信用风险量化是发达国家商业银行进行风险管理的基础,也是我国商业银行面临的重大课题。

一、国外信用风险计量研究回顾

20世纪70年代以前,信用风险评估主要借助于财务报表提供的静态财务数据, 并结合定性分析进行。20世纪80年代以后,现代信用风险计量方法开始出现并被应用。西方金融界常用的信用风险量化模型有三类:基于企业财务信息的多元统计模型、基于期权理论的结构模型,以及基于外生违约过程的简化模型。

(一)多元统计模型

多元统计模型通过对样本数据分析寻找违约公司的若干特征指标(通常是财务指标),并建立这些特征指标与违约之间的数量关系。Altman(1968)建立了包含5个财务指标的Z值模型。1977年,Altman与其合作者拓展了Z值模型, 得到了包含7个财务指标的ZETA模型。Z值模型适用于中型企业。Edmister(1972)专门针对小企业建立了模型,并且采用了现金流量指标作为预测变量。Aziz等(1989)比较了Z值模型、ZETA模型、现金流量模型预测企业发生财务困境的准确率,发现现金流量模型的预测效果较好。Kim等(2007) 以美国1996~2001年间的破产公司为样本,考察Z值模型在不同预测期限、不同时期、不同行业的预测能力,发现随着预测期限的增加,预测准确率下降很快,并且5个财务指标并非一直都显著。模型对制造业、服务业和零售业的企业破产都有显著的预测能力。Ohlson(1980)以1970~1976年间105家破产企业及2058家非破产企业为样本,选择9个解释变量构建了企业违约率的Logistic模型,模型判别准确率达92%以上。

多元统计模型的优点在于技术简单,操作性强;缺点在于变量选择缺少理论依据,依赖于数据特征,不能对信用风险产生的原因进行分析,仅仅是表征推断,而非因果分析。

(二)结构模型

结构模型的基本思想是:公司资产未来价值的不确定性是违约风险的内在驱动因素。当公司资产的未来价值下降到一定水平之下时,就会引发违约。该类模型以Merton(1974)为代表,包括后续的改进模型。

Merton假定公司具有简单的债务结构,只有一笔负债,存续期间不支付利息,违约只能在债务到期日发生,并且假定无风险利率是常数。Ingersoll(1987)研究了公司存在偿还等级不同的债务的情形, 用复合期权解释了不同优先级的债务,每一级别负债的末端支付等同于一个牛市差价买入期权,因此可用构造该差价期权的两个买入期权价值之差来给该级别的债务定价。Geske(1977)研究了付息债券的情形。Black和Cox(1976)研究了安全条款对违约时间的影响。所谓安全条款是指一种在合约中赋予债权人迫使公司进行清算或重组的权利的安排,其主要形式是:一旦公司价值在债务的有效期限内低于预先指定的水平,那么债权人将有权迫使公司破产。因此,对于具有安全条款的债务,违约时间是不确定的,是资产价值第一次到达某个水平值的时间,即首达时,违约概率不是由某个时点上资产价值的分布决定,而是在一段时间区间上的首达时的累积概率。Longstaff和Schwartz(1995) 研究了随机的无风险利率服从Vasicek模型的情形。Leland和Toft(1996)讨论了破产边界的内生确定机制,以及税收和清算成本对公司信用风险的影响。Eom(2003)对上述几个模型进行了实证检验, 以1986~1997年间的182只公司债券为样本, 检验结果发现,Merton模型倾向于低估违约风险;Leland和Toft模型经常高估违约风险; 其他几个模型则高估杠杆率高的公司的违约风险, 而低估相对安全的公司的违约风险。1997年, 位于美国旧金山的KMV公司推出了基于改进后的结构模型的信用风险度量方法, 即KMV模型。Jorge(2000)对包括KMV模型在内的6个信用风险计量模型进行了实证检验,结果发现KMV模型的判别能力最强。

结构模型的优点是对风险驱动机制做了清晰的描述,经济直观,缺点是由于资产价值不能直接观测,需要通过公开发行的证券,比如股票的价格数据推算资产价值,其有效性受到股票市场信息有效性的制约。

(三)简化模型

简化模型认为违约是不可预测的,是由外生的随机强度过程决定的。Jarrow和Turnbull(1995)首先将强度概念引入信用风险定价方法中,他们假设违约时间是由违约强度确定的泊松过程,在很短的时间段上,公司发生违约的概率则是强度参数和时间长度乘积的函数。Lando(1998)发展了违约强度的概念,进一步将强度看做随机变量,违约计数过程可用带有强度的非齐次泊松过程描述。Duffie和Singleton(1998)提出了另一类简化模型,该模型将无风险利率替换为带有违约强度过程调整的短期利率, 可以按无风险债券的特点,对有信用风险的债券进行定价分析。简化模型的优点是可以描述现实中由突发事件引起的违约,而且对信用利差的估计也比结构模型更接近实际,但缺点和多元统计模型一样,不能说明信用风险产生的经济根源。

二、国内信用风险计量研究成果概述

国内对多元统计模型的研究文献较为丰富。张玲(2000)以深、 沪两市交易所的120家上市公司为样本建立了多元线性判别模型进行研究, 发现该模型对公司发生财务困境前1~5年的预测准确率分别为100%、87%、70%、60%、22%。 韩东平(2006) 以2003~2006年被ST的制造业上市公司为研究对象,构造了基于现金流量指标的多元判别模型,发现财务危机发生前两年的判别准确率为83.7%, 前一年的判别准确率为93.3%。在基于Logistic模型进行的研究中,马九杰等(2004)对我国县域中小企业贷款违约率进行了实证分析,结果表明企业的资本结构、资产周转状况、股权状况对企业违约有显著影响,企业家个人特征对企业信用风险有较大影响。石晓军等(2005)研究了样本配比和分界点的选取对Logistic模型判别准确率的影响, 发现1:3的样本配比和0.674的临界点最适合我国的情况。管七海(2004)以全国金融机构贷款数据库中的制造业企业短期贷款数据为样本,对东部中、小型企业,中部、西部小型企业分别用线性判别模型和Logistic模型进行研究,发现对于东部中小型企业,多元线性判别模型优于Logistic模型;对于中部小型企业,两种方法的预测准确率都不高;对于西部小型企业,Logistic模型比多元线性判别模型的预测准确率稍好。

国内对结构模型的实证研究主要有:张智梅(2006)用Merton模型测算了ST公司与对照公司的违约概率, 发现ST公司的违约距离明显小于对照公司的违约距离。周昭雄(2006)选择了30家国内的上市公司作为实证分析对象,并将其分为三种类型:优良业绩、中等业绩和较差业绩,其中每类公司各10家。通过对三类上市公司违约距离与理论违约概率的计算分析,发现违约距离对三类公司有较好的区分能力,但理论违约概率低于实际的违约概率。马若薇(2006)选择了2004年底以前在沪深两市挂牌的所有上市公司作为总体考察对象,计算样本公司在2002年末的违约距离,发现违约距离越小的组,ST公司出现的频率越高,与KMV模型的理论基础相符。对模型的判别能力进行检验发现:当被排除公司占公司总体的百分数为10%时,KMV的被排除ST数目占总ST公司数目比例为37%,Logistic为25%,线性判别为24%。就判别能力而言,KMV模型在大部分情况下, 都优于其他两个模型。翟东升(2007) 选取2005年沪深两市被ST的15家上市公司及与之配对的15家非ST公司共30家上市公司为研究样本,计算基准日为2002至2005年每年的6月30号。 研究发现, 在被ST的前三年,目标公司和对照公司的违约距离差异不显著;而在被ST前两年,目标公司的违约距离均值显著低于对照公司的违约距离均值,无论用折算法计算非流通股价格,还是让非流通股价格等于每股净资产,该结果不变。

受国内的信用数据难以获得的限制,对简化模型的实证研究较少。王琼(2006)基于违约强度模型,用蒙特卡罗模拟研究了5个信用级别的企业债券的价格。谢赤(2006)基于Duffie-Singleton模型研究了3只样本企业债券的定价问题。

三、国内信用风险计量研究中存在的问题

1. 多元统计模型研究中的不足。 就多元统计模型而言,无论是线性判别模型还是Logistic模型,都有把财务指标和违约率之间的关系过度简单化的倾向。事实上,Moody公司的研究表明,有些财务指标与违约率的关系是非线性、非单调的。因此,把若干财务指标简单地进行线性加总来判断信用风险是不符合实际的。此外,对国内的实证研究而言,还缺少对模型及模型中变量的跨行业、跨时期有效性的验证。

2. 对结构模型的研究存在的问题。(1) 缺少基于多个结构模型进行的实证研究。国内研究的现状是缺少对扩展的结构模型的实证检验,除王小华(2005)对Leland-Toft模型做了实证研究之外,大多数的研究都是基于Merton模型进行的。从经济背景看,我国的资本市场不发达,上市公司治理结构不完善, 信息披露不充分, 与企业破产有关的法规不健全,而Merton模型并没有考虑这些因素。 前面所述的扩展模型可以成为考察这些影响因素的基准, 有必要对它们进行验证,但至今鲜见这方面的研究。(2)未估计资产价值增长率。公司资产价值的增长率是一个重要的因素,由于国内的研究采用解联立方程组的方法估计结构模型,而该方法估计不了资产价值的增长率,因此只好假定公司资产价值的增长率为0,这与实际不相符合。(3)研究对象的局限性。一是研究的信用事件是公司被“ST”或“PT”,虽然与结构模型中定义的违约事件之间有一定联系,但是并不完全等同;二是目前的研究对象仅限于上市公司, 而商业银行的大部分借款企业是非上市公司,特别是中小企业,有必要把研究的对象扩大到广大的非上市公司。

四、改进建议

对于研究中存在的上述问题,有的属于数据可获得性的问题,需要靠信用市场和信用体系的发展来解决。有的属于方法和技术上的问题,可以通过技术改进来克服。

对于多元统计模型, 在处理非线性关系上, 可借鉴Riskcalc模型的方法进行变量转化。Eric(2000)的研究发现:销售增长率和财务杠杆增长率与违约率存在U型关系,因此这两个变量进入模型的方式不应该是线性的。Eric(2000)还报告了用于建模的其他财务指标与违约率的关系曲线。RiskCalc在所选择的解释变量用于最终模型之前, 基于各个变量自身与违约的关系,将这些变量进行转化,并将转化后的变量用于模型的参数估计过程。进行这种转化,一方面可以处理很多变量与违约的非线性关系,充分利用单个变量对违约的解释能力;另一方面可以防止数据不够平滑会扭曲参数估计的结论。

对公司价值增长率的估计, 可通过极大似然法来实现,Duna(1994)对此有详细的论述。将结构模型扩展到非上市公司,可借鉴KMV公司于1997年开发出的PFM模型(用结构模型估计私人企业违约风险)。其核心思想是:对于同行业、同地区的上市和非上市公司,其资产价值和资产价值波动率具有可比性,因为它们面临相同的市场、客户和政策。KMV公司研究发现: 和公司资产价值最相关的是公司的盈利能力。 息税折旧摊销前利润与公司资产价值呈正向关系;和公司资产价值波动率最相关的是公司规模,大公司的抗风险能力高于小公司,因此波动率与公司规模呈反向关系。因此,可以通过以上两个财务指标套算出非上市公司的资产价值和波动率,进而可以计算违约距离和预期违约频率。

五、结论和展望

随着金融理论与技术的发展,信用风险量化研究取得了长足的进步,其中的一些成果已成为国际先进银行信用风险管理核心技术的构成部分。在巴塞尔新资本协议的推动下,信用风险量化也是我国商业银行风险管理的未来发展方向。由于国家经济发展所处的阶段、工业化程度以及社会和文化背景等不同, 信用风险的影响因素和表现形式也不一样,信用分析的具体内容和侧重点必然也有所不同。在学习国外方法的同时,一方面应当注意与我国的实际相结合,仔细考察我国信用风险的特征和规律;另一方面,现代信用风险模型的建立需要大量的参数估计,如违约频率、违约损失率等等,当务之急是建立一个足够大规模的信用数据库作为支撑。最后值得注意的是,没有一个模型是成熟完美的,均存在着这样或那样的弱点,尚须进一步改进和完善。

参考文献:

[1]Altman. Financial Ratio,Discriminant Analysis and the Prediction of Corporate Bankruptcy[J]. Journal of Finance,1968,23:589-609.

[2]B. J. Kim,C. Kangwon. Bankruptcy Prediction:Book value or Market Value?[R]. working paper,2007.

[3]Edmister,R. An empirical test of financial ratio analysis for small business failure prediction[J]. Journal of Financial and Quantitative Analysis,1972,7(2):1477-1493.

[4]Eom. Structural Models of Corporate Bond Pricing:An Empirical Analysis[J]. Review of Financial Studies,2004(17):499-544.

[5]Eric. Falkenstein. Riskcalc for Private Companies[R]. Moody’s Investor Service,2000(5):50-66.

[6]Jorge. Benchmarking Quantitative Default Risk Models:A Validation Methodology[R]. Moody’s Investor Service,2000:10-15.

[7]Leland H. & Toft K. B. Optimal capital structure,endogenous bankruptcy and the term structure of credit spreads[J]. The Journal of Finance,1996,51(3):987-1019.

[8]Longstaff,F. A. & Schwartz,E. S. A simple approach to valuing risky fixed and floating rate debt[J]. The Journal of Finance,1995, 50(3):789-819.

[9]Martha Sellers. Modeling Default Risk: Private Firm Model[R]. KMV. LLC,1998(10):311.

[10]Merton,R. C. On the pricing of corporate debt:the risk structure of interest rates[J]. The Journal of Finance,1974,29(2):449-470.

[11]Ohlson. Financial Ratios and the Probabilistic Prediction of bankruptcy[J]. Journal of Accounting search,1980,18:109-131.

[12]Duan,J. 1994. Maximum likelihood estimation using price data of the derivatives contract. Mathematical Finance 4:155-167.

[13]韩东平. 基于现金流测量标准的财务预警实证研究[J]. 财会通讯,2006(12).

[14]管七海. 我国制造业企业短期贷款信用违约判别研究[J]. 经济科学,2004(5).

[15]李晓庆,郑垂勇. 违约率:理论方法及实证研究综述[J]. 经济评论,2006 (5) .

[16]马若薇. KMV模型运用于中国上市公司财务困境预警的实证检验[J]. 数理统计与管理,2006(5).

[17]石晓军. Logistic违约率模型的最优样本配比与分界点研究[J]. 财经研究,2005(9):38-48.

[18]谢赤,陈歆,禹湘. 基于信用利差期限结构的企业债券定价研究[J]. 湘潭大学学报,2006(6).

[19]王琼,袁泽沛,冯宗宪. 基于违约过程的企业债券定价模型研究[J]. 武汉理工大学学报,2006(2):104-107.

[20]王小华. 基于Leland-Toft模型的我国上市公司信用风险研究[J]. 财经研究,2005(8):38-48.

[21]张玲. 财务危机预警分析判别模型及其应用[J]. 预测,2000(6).

[22]张智梅,章仁俊. KMV模型的改进及对上市公司信用风险的度量[J]. 统计与决策,2006(18).

[23]周昭雄. 基于我国上市公司的KMV模型研究[J]. 工业技术经济,2006(7):142-146.