基于Fisher-KMV模型的商业银行信用风险评估——以上市公司为例

• 作 者: 于晓静
• 机 构: 山东财经大学
• 出 处: 山东财经大学
• 发表日期: 2012年期
• 关键词: Fisher-KMV模型 商业银行 信用风险评估 上市公司

现代商业银行的经营本质上是以信用为基础和保证的，如何有效管理银行的信用风险，始终是商业银行面对的重要问题。我国金融市场和商业银行尚处于转轨和新兴发展阶段，信用风险管理技术较为落后，并且我国信用体系的建设尚处于起步阶段，缺乏有效可行的采集、整合信用的手段，因此根据我国现有的信息和资源，开发适合我国国情的信用风险管理方法，具有重要的理论和现实意义。　　目前，国际上进行风险评估的方法包括传统信用风险评估方法与现代信用风险评估方法。传统信用风险评估方法类似于手工作坊的工作，效率低，成本高，主要靠主观判断和历史数据，因此往往具有“后顾性（backward-looking）”的特征。现代信用评估方法的评估结果更加精准，将工程化的思维和技术运用到风险管理中，引入市场数据，往往具有“前瞻性（forward-looking）”的特征。信用风险管理的工程化趋势已经越来越明显。而我国应用的的信用风险评估方法主要在传统信用评估方法上。　　本论文首先对信用风险的基本理论进行了阐述，并比较了传统的信用风险评估方法和现代信用风险评估方法各种模型的优势和不足，进一步指出我国信用风险分析中的问题所在:商业银行信用风险评估的文献大多是将财务比率作为自变量建立模型，判别信息存在一定的滞后性，基于这样的背景，本论文在实证部分将财务比率与证券市场数据结合起来，增加了基于KMV模型，利用证券市场数据计算的违约距离作为Fisher判别函数新的自变量，建立Fisher判别函数，然后运用模型对总样本和检验样本进行实证分析，结果表明加入违约距离，将财务比率与证券市场结合的信用风险判别模型既能反映上市公司的历史财务状况，亦能反映现实市场变化情况，从而提高了商业银行预测信用风险的准确度。　　论文最后给出了政策建议，阐述了论文的不足和完善的方向。作为金融服务企业的现代商业银行，更应该把风险作为重要的资源，从风险管理中寻找自身成长发展的空间。