摘 要：在我国银行体系中，城市商业银行有着独特且重要的地位，对推动社会经济发展发挥了重要作用。城市商业银行是由城市信用社演变而来的，因此在其发展过程中为了支持区域经济，缓解就业、小微企业贷款难等问题，不可避免地背负了许多不良资产，导致信用风险不断积累，给银行的平稳健康运行和发展带来一定的挑战。本文以我国Ａ股上市城商行2019年至2022年9月的股票数据为基础，利用KMV模型分析我国城商行信用风险问题，探讨我国城商行如何对风险进行识别、防控与规避，并从微观、宏观两方面提出合理的建议。
关键词：城市商业银行；信用风险；风险管理
一、引言
商业银行是金融体系的重要组成部分，在金融服务实体经济的过程中发挥着重要作用。由于它是以货币和货币资本作为主要经营对象的特殊企业，因此相较于一般企业存在着更大的信用风险。党的二十大报告提出，“深化金融体制改革，建设现代中央银行制度，加强和完善现代金融监管，强化金融稳定保障体系，依法将各类金融活动全部纳入监管，守住不发生系统性风险底线”。我国城商行是银行体系里最活跃的部分，其健康发展不仅有利于整个银行体系的健康运行，还能够推动地方经济发展，促进经济增长。但如果发生严重的信用风险事件，也可能会产生“蝴蝶效应”，危及整个银行体系。因此本文着力研究城商行的信用风险问题，并提出相应的对策建议。
二、城市商业银行信用风险现状
多年来，我国城市商业银行虽得到了较大发展，但与其他商业银行相比仍存在一些问题。这不仅体现在资产规模、管理体制等方面，城商行在抵御信用风险方面也相对较弱。近年来，我国城商行出现了不良贷款率偏高、公司治理不够完善等问题，并且由于新冠疫情的影响，宏观经济低迷，城商行还要面临宏观经济因素引起的信用风险加大的挑战。据此，本文为进行对比分析，整理了2012—2021年各类商业银行的不良贷款率，如表1：
总体上看，我国各类商业银行的不良贷款率在近些年较之前有所上升，但还没有到达5%的警戒线，仍处于较安全的范围内。此外，城商行的不良贷款率较高，2017年后在各类商业银行中位居第二。为进一步分析城商行信用违约风险，进行更精准的风险识别和预警，以下将结合KMV模型进行实证分析。
三、基于KMV模型的信用风险度量实证研究
在现代银行信用风险评价模型中，KMV模型因具备可操作性强、数据时效性强且易获取、结果较为准确等多种优势而被广泛运用。因此，本文运用KVM模型选取截至沪深Ａ股中上市的城市商业银行（共计17家）2019—2022年第三季度的违约距离和违约概率，其中厦门银行、齐鲁银行、兰州银行、重庆银行上市时间较晚，测算的是上市之后的数值。
（一）参数设定
1.时间跨度T：令债务期限T＝1。债务到期日假设为1年，即每年年末进行一次清算。
2.无风险利率r：以人民银行公布的一年期定期存款利率（整存整取）为无风险利率，r=1.5%。
3.违约点DPT：选取城商行银行的总负债（D）作为违约点。
4.股权价值年波动率σE：采用历史波动率法来计算公司股权价值的波动率，假设股票价格满足对数正态分布。
5.股权价值VE：VE=总股本基准日收盘价，股权价值＝总股本×基准日每股收盘价。
（二）实证过程及结果
由于本文用以估测的基础数据均来源于股市的历史数据，因此为克服异方差问题，以下将采取对数收益率来计算。
假设某上市公司第ｉ天的每股收盘价为Si，则股票的对数收益率为：
股票收益的平均值为：
股票收益μi的收益标准差估计值为：
在此基础上，年收益波动率σE可以根据日收益波动率σN计算得出：
，n为交易天数。
根据KMV模型，公司资产价值VA和资产价值波动率σA计算公式为：
其中，
利用MATLAB进行KMV模型的建模编程，得到每家银行的资产价值和资产价值波动率。
之后，再根据资产价值VA、资产价值波动率σA和违约点DPT，计算违约距离DD和违约概率EDF。计算公式为：
最后，再依据各城商行股票市值占所有城商行总市值的比例，可得出我国上市城商行各年度整体的加权平均违约概率。
计算公式如下：
2019—2022年第三季度城市商业银行信用风险违约距离及违约概率现状如表2所示：
（三）实证结果分析
通过以上结果对比，发现违约距离和违约概率之间存在反向关系，违约距离值越小，违约的概率就越大，信用风险也就越大。总的来说，我国城商行违约概率有所上升，在企业投资减少、宏观经济低迷的情况下，2021年的违约概率受疫情影响最为明显，但违约概率依然控制在1%以下，我国城商行的信用风险依然处于可控状态下，但是未上市的银行吸收存款、获得资金来源更为困难，其信用违约风险不可小觑，应加强监管和防范。
四、城市商业银行信用风险影响因素分析
（一）外部因素
宏观经济波动是影响银行信用风险的一大因素。当宏观经济处于下行周期时，债务人的债务负担加重，债务违约概率加大，银行的信用风险增加。但从另一方面来看，银行为规避风险可能会在风险选择上保持较为谨慎态度，从而降低其风险承担水平。反之，当宏观经济处于上行周期时，企业具有较好的盈利能力和偿债能力，因此会使银行信用风险降低，但同时银行追求高收益的行为也可能会使其风险增加。
（二）内部因素
内部因素产生于银行自身，如银行的总资产规模、经营能力、发展策略等都属于影响银行信用风险的内部微观因素。银行的资产价值波动率、收益率（Pro）是研究内部因素影响违约概率EDF的重要代表性数据。EDF与银行的收益率有显著的负相关关系，与资产价值波动率有正相关关系，即银行资产价值波动越大，银行违约的可能性越高，信用风险越高；银行收益率越高，违约的概率越小，信用风险越低。这是由于银行本身资产价值波动会影响银行资金缺口管理能力，放大或缩小不良贷款的影响，并且银行会对业务的风险评估作出调整，从而影响整体的信用风险水平。
五、我国城市商业银行信用风险防范的对策建议
（一）宏观层面
第一，把深化金融体制改革放在重要位置，加强和完善现代金融监管，推动健全金融稳定发展协调机制的形成。为适应新时代金融发展变化和需求，由分业监管向综合监管不断过渡。另外，为了金融体系的稳定，必须高度重视金融风险的防范和化解，强化金融稳定保障体系，理顺金融监管和风险处置的关系。完善“风险为本”的审慎监管框架，实现风险早识别、早预警、早发现、早处置。
第二，加快社会信用体系建设，完善全社会征信体系和评级体系。要实现从政策、制度、法规方面减少消极情况发生的可能性，推崇数据公开化、透明化，并保证其真实性，严惩造假行为，不仅要加快步伐建设高质量的全社会征信体系，还要加强信用评级体系建设，在保护一定隐私的前提下，鼓励监督信用评级机构加强信息披露。
（二）微观层面
第一，完善银行内部评级系统，运用更加科学有效的风险监测手段。我国城市商业银行现在的评级系统中，评级技术方法不够成熟，应该加强构建适合信贷业务发展的评级模型，将评级体系贯穿城商行信贷业务的全流程，完善城商行内部信用评级数据库，在现有信用评级体系中增加债项分析、信用风险计量及风险排序、监控贷款组合集中度是否超限等功能。
第二，建立完整数据和信息共享平台，紧密结合金融科技提高城商行信用风险识别、预警智能化。各个城商行应顺应金融科技的潮流，借助大数据、云计算等先进技术不断创新信用风险管理模式，建立风险防控长效机制，模拟各种突发情景的风险冲击，将风险识别、防控、事后方案贯穿信贷业务全程。
第三，加强银行内部管理，改进授信管理，加强风险管理人才培养。一方面，城商行应该完善集中度风险管理框架，使之能够涵盖各类风险源，覆盖全部表内外风险暴露，并在体现穿透性管理原则的基础上建立集中度风险管理信息系统。另一方面，可以将风险管理的先进理论和技术与我国国情以及银行自身情况相结合，成立高效的信用风险管理团队。（文 / 张溪 陈阳）
（作者单位：河北经贸大学）
参考文献
[1]郭立仑,周升起.商业银行信用风险主要影响因素来自内部还是外部？——基于KMV及随机森林模型的实证研究[J].会计与经济研究,2022,36(01):105-124.
[2]傅顺,裴平,孙杰.数字金融发展与商业银行信用风险——来自中国37家上市银行的经验证据[J].北京理工大学学报(社会科学版),2023,25(01):145-155.
[3]辛怡萱.我国城市商业银行信用风险问题研究[D].吉林大学,2021.
[4]孙玉康.2020年我国城商行信用风险研究[D].苏州大学,2021.
[5]巫耀. 基于KMV模型的我国上市公司信用风险度量研究[D].中南财经政法大学,2021.
- 本文固定链接: http://www.dlqsyzz.com/8041.html
- 转载请注明: 《大陆桥视野》 于 大陆桥视野 发表
