基于PFM改进模型对中国非上市银行的信用风险评估.docVIP

基于PFM改进模型对中国非上市银行的信用风险评估 [摘要]在介绍基本的PFM模型的基础上，根据中国的实际情况对模型进行调整和完善，并选择深、沪上市的商业银行和11家非上市银行作为研究对象，基于2013年样本银行的财务数据和股票交易数据，检验和实证该模型在中国非上市银行信用风险的适用性。实证结果表明改进的PFM模型对中国非上市银行的信用评估具有一定的预测能力。 [关键词]PFM；信用风险；非上市银行 [DOI]1013939/jcnkizgsc座机电话号码1 银行业稳定性一直备受关注，自从次贷危机以来，国外金融机构陆续倒闭和破产，仅银行破产的数量就达到了将近829家。伴随着中国银行破产法相关法规的即将出台，我国众多中小型银行破产的可能性不可否认，一旦发生经营危机，就可能陷入倒闭的深渊。最近几年，国内外已经在信用风险研究上取得了大量成果。在此大背景下，我国现面临的紧要任务就是建立适于我国中小银行的信用风险评价模型。 大量实证研究表明，KMV模型是当前国内外学术界和实业界公认的信用风险度量模型之一，尤其适用于金融类和银行违约风险监测类，但其信用风险评级主要针对上市公司 。1999年KMV公司基于KMV模型和大量各行业上市公司数据库的基础上开发出适用于非上市公司信用风险度量的模型PFM（Private Firm Model），并之后公布了该模型的部分技术信息。通过大量对PFM模型的实证研究，其在欧洲和北美地区具有较强的预测能力。 国内关于使用PFM模型进行有效的信用风险评估很少需要完善。其中一些学者研究表明，与其他只以企业账面信息为基础数据的信用风险度量模型相比，PFM模型具有一定的优越性，但其在中国的预测准确率较低，对我国金融机构的信贷决策仅具有指导意义。 本文研究的目的就是探索适用于我国中小银行违约风险评估的技术，特别是针对非上市的中小银行。近些年，适用于这类企业的信用评估研究很少，本文在PFM模型的基础上，采用随机效应历史数据拟合方法进行修改和完善，利用深沪上市的商业银行和11家非上市银行作为研究对象，使用2013年样本银行的财务数据和股票交易数据，计算中国非上市银行的违约概率，并用检测曲线对其评估进行验证。 1PFM模型介绍 PFM模型是在KMV模型计算上市公司违约距离的基础上重新开发出来的一种运用于非上市公司的模型。在KMV模型中，公司违约看作公司资产价值驱动的事件过程――即公司资产价值的波动性会在一定程度上影响到公司的违约风险，这二者之间是相关联的，其中心思想很简单：企业只有当其债务高于整体的资产价值时才会发生违约事件（见图1）。 图1KMV模型思想 1.1PFM模型 对非上市公司来说，因其并不具有公开上市的股票或者债券，模型计量所需的关键数据就难以获得，不能直接得到估算。PFM模型指出，同地区、同行业、同规模的非上市公司的资产市场价值及资产价值波动率的变化和与其类似的上市公司的这一变化具有强烈的相关性。在操作中，可以根据非上市公司的情况，找出资料库中同一地区、行业具有相近EBITDA（Earnings Before Interest，Tax，Depreciation and Amortization）的所有上市公司，用中位数法取其资产市场价值作为非上市公司资产的市场价值。由此，我们可以通过与样本非上市公司各方面相似的上市公司的股权价值和其财务报表中的部分数据来估算非上市公司违约概率所需的关键变量。 PFM模型计算步骤主要分为三步：第一，估计资产价值和资产价值波动率；第二，计算违约距离；第三，计算违约概率。主要参数计算如下： （1）估计非上市公司资产价值VA和资产价值波动率σA 第一步，用KMV模型计算公式计算上市公司资产价值（VA）、资产价值波动率（σA）。其关系采用布莱克―斯克尔斯期权定价模型定义，即： VE f（VA，σA，L，r，t） VAN（d1）-Le-rtN（d2）（1） 其中： d1 [SX（]ln（VA/Le-/rt）+[SX（]1[]2[SX）]σ2At[]σA[KF（]t[KF）][SX）]d2 d1-σA[KF（]t[KF）] 式中，VE为公司股票的市场价值；L为公司负债的账面价值；VA为公司资产市场价值；t为债务期限；σA为资产收益标准差；r为无风险利率；N（x）为标准正态分布函数。 资产的波动性与公司股票的波动性存在如下关系： σE ηE，AσA （VA/VE）ΔσA（2） 其中ηE，A表示为股票价值对公司资产的弹性；△为期权的避险比率，也就是N（d2），所以 σE g（VA，σA，L，r，t） [SX（]N（d1）VAσA[]VE[SX）]（3） 因此，结合1.1和1.3两个方程可以求解上市公司资产的市场价值VA和资产价值的波动率σA。 第二步，以中位数对比法估计非上市公司VA、σA。首先以行