目前,无论是在国内还是国外,信用风险度量都是人们讨论和研究的热门话题之一,其也是入世后我国金融市场所面临的重大挑战。而传统的信用度量方法和手段(如财务因素分析)已经滞后于当今社会日新月异的新形势,也不能满足商业银行等对信用风险水平进行科学量化和有效管理的需要。因此研究新的适用我国国情的信用风险度量模型具有重要的理论和现实意义。我国对传统信用风险度量方法的研究和实践总体上是比较多的,而且涵盖了几乎所有传统的方法,但基本上都是采用已有的方法对我国企业进行实证分析,而对现代信用风险度量技术和模型研究尚处在起步阶段,并且主要集中在信用监测模型(KMV Model)的违约分析,同时针对我国商业银行信贷数据的实证研究相对匮乏。而在对KMV模型的违约分析中,大部分的研究者和相关文献认为KMV模型,特别是经过结合中国国情改进的KMV模型在中国有普遍的适应性。本文从KMV模型在商业银行风险管理中的应用角度出发,根据国内KMV模型被理论界广泛认同但是被银行等实务部门束之高阁的现状,以其客户群体中的上市公司的市场数据(即股票价格和相关财务数据、股本结构等)为基础,应用MATLAB、SPSS等数学工具,参考国内外学者先前的研究,特别是国内学者关于KMV模型在我的适应性的实证研究,并根据中国资本市场的特点对信用风险度量的KMV模型进行一定程度的修正,最后验证该模型在我国是否具有普遍的适应性,并对实证的结果加以分析,论证了就算是改进后的KMV模型,在我国目前的情况下仍然不具有普遍适应性。本文拟从六个部分阐述笔者的观点：第一章绪论在本章中,首先论述了信用风险作为银行业面临的最主要的风险,加强信用风险管理是我国商业银行增强自身竞争力,迎接外资银行挑战急待解决的问题之一。根据巴塞尔委员会2004年公布的第三次修订的《巴塞尔新资本协议》,其要求经合组织(OECD)国家必须在2006年开始正式实施该协议,其他会员国要逐步推行。而我国银行业风险管理水平普遍较差,与国际接轨尚需时间,所以获得一定宽限期,在宽限期内可以实施“标准法”来计量和管理风险,然后在2010年后过渡到内部评级法。而今已经是2009年,我国的商业银行的风险度量方法是否已经做好过渡到内部评级法的准备了呢,答案是否定的。我们的理论界通过对多种现代信用风险度量方法的比较,得出了KMV模型是相对来说,可能更适合中国的结论,一些学者并通过实证研究验证了KMV模型在中国的适应性,但是我认为仅从国内商业银行并没有广泛使用KMV模型等内部评级法这一点来看,KMV模型在中国的普遍适应性有待继续研究。接着本章又分别从信用的道德属性、经济属性的角度以及信用风险和信用损失两者之间的关系角度诠释了我们对信用风险的理解；在介绍了信用风险和诸如市场风险等的共性之后,还介绍了信用风险概率分布的可偏行、信息不对称性、非系统性以及量化数据缺乏的特点；结合上面的分析,笔者认为商业银行的信用风险应该包括信贷风险、自身的信用风险以及商业银行在证券投资中由于证券发行人不能按期还本付息而使银行遭受损失的可能性。本章最后介绍了本文的研究内容和基本框架第二章文献综述本章遵循两条主线进行回顾。其中国外文献回顾部分,按照方法论的演进,即按照通常所谓的传统信用风险度量方法与现代信用风险度量方法之分,着重对信用风险度量的各种技术方法的演进做一个综述；国内部分,由于我国从20世纪90年代中后期才开始研究信用风险度量模型,所以说现阶段对信用风险计量的研究还处于起步阶段,绝大多数方法还处于对外国已有方法进行模仿学习阶段,所以该部分按照信用风险管理通常包括的三个环节(即：风险识别；风险测定和量化；风险监控和报告)在中国的实践为主线展开,其中,重点阐述风险测定和量化环节中关键参数的求法,简要概括了国内目前相关研究的水平及现状。第三章现代信用风险度量模型分析及比较本章首先介绍了巴塞尔新资本协议提供的两种处理信用风险的的方法：标准法和内部评级法,在此基础上介绍了内部评级法提出的四个主要参数：违约概率(Probability of Default, PD)、违约损失率(Loss of Given Default,LGD)、违约风险暴露(Exposure at Default, EAD)以及有效期限(Maturity,M)。接着本章从模型假设和模型设定两个方面介绍和评价了如下四种主要现代信用风险度量模型：(1)瑞士波士顿第一银行金融产品开发部开发的信用风险附加模型(CreditRisk+); (2) J.P Morgan公司开发的信用度量术(CreditMetrics); (3) Mckinsey公司开发的信贷组合模型(Credit Portfolio View); (4) Moody旗下KMV公司开发的KMV模型。本章最后从模型的一般比较和模型在中国的适应性两个方面,对四个主要的现代信用风险度量模型进行了横向的对比分析研究,得出KMV模型相对来说更有可能适合中国国内现状的结论。第四章KMV模型的理论基础和基本框架；本章首先介绍了作为KMV模型理论基础的期权定价理论和BSM模型以及相关理论,然后着重介绍了KMV模型的框架：(1)从模型的假设条件来看,KMV模型基本满足Merton模型的基本假设。(2)从公司预期违约率EDF的计算过程来看,公司EDF的计算可以分3个模块来进行,分别是：模块1：从公司股票的市场价值和股价的波动性及负债的账面价值中,估计公司资产价值VA及其波动性σA。模块2：根据公司的负债计算出公司的违约触发点DPT及违约距离DD。模块3：估计违约率(Expected Default Frequency, EDF),即确定违约距离与违约率的映射关系。(3)从非流通股定价、历史违约数据缺乏、方程的求解方面等方面对KMV模型进行了修正、参数设定和计算。(4)还简单介绍了用于度量非上市公司信用风险的PFM模型(Private Firm Model),该模型在本质上和KMV模型是相同的。第五章KMV模型普遍适应性实证分析从上面一章我们可以了解到在欧美有较强预测能力的PFM模型和KMV模型在本质上是一致的,因此本文仅基于银行客户中上市公司的数据,对KMV模型在我国银行业风险管理中是否具有普遍适应性做实证分析。石晓军、陈殿左(2004)利用我国72家上市公司组成的样本对基于Merton方法的违约模型揭示的关于债权结构、资产波动与信用风险关系的两条结论进行了检验,由此分析该模型对我国的适用性。而本章将采用目前国内最为广泛使用的一些假设和处理方法,分别从资产价值波动率σA和违约距离DD(t-2)、预期违约率EDF的关系角度以及利用违约距离DD来区分ST公司和非ST公司的角度来进行检验,以期验证KMV模型在商业银行客户信用风险度量应用中是否具有普遍适应性。首先我们采取样本。因为我们把上市公司被“ST”作为公司违约的标志,并且测算上市公司被ST前2年(t-2)的违约距离DD(t-2)。所以选取沪深两市2008年和2009年被证监会认定为ST的公司,对应的我们的研究数据即为ST公司被ST以前如2006年和2007年的数据。每个样本公司的数据分为截面数据和时间序列数据。其中,截面数据包含的指标有非流通股股数、流通股股数、非流通股市值、长短期负债、违约距离DD等；时间序列数据包含的指标有每天的流通股每股价格和股权市场价值,其中流通股每股价格可以从每天股市交易的数据中获取,而股权市场价值=非流通股市值+流通股每股价格*流通股股数。接着我们求资产价值波动率和违约距离。由于上市公司的资产价值VA和波动率σA不能从证券市场上直接观察到,但是我们知道上市公司股权的市场价值VE及其波动率σE,因此我们可以通过BSM模型用MATLAB编程来解非线性方程组得到VA和σA再根据运算出的结果,对资产波动率、违约距离、预期违约概率的关系进行相关的分析。在分析的过程中,笔者先介绍了国内基于上市公司数据的KMV模型实证分析的经典结论；然后将资产波动率、违约距离、预期违约概率的数据进行统计分析,得到了一些统计指标；再用这些得到的统计指标对比前面介绍的经典结论分析KMV模型在我国的普遍适应性,得出KMV模型在中国不具有普遍适应性的结论。最后因为少数先前的研究者也意识到了预期违约概率EDF不具有现实解释能力,所以其采取用违约距离判别方法来区分ST公司和非ST公司的方法,但是通过实证的数据的分析,笔者发现这种办法因为违约距离本身存在的问题而同样验证了KMV模型在中国不具有普遍适应性。第六章结论和展望。纵观全文,窃以为本文有如下特点：(1)先前的许多关于KMV模型的实证研究,绝大部分都认为KMV模型在中国具有较强的适应性,但是我们可以从KMV模型并没有被中国的各大商业银行广泛使用的角度出发,推断KMV模型在我国不具有普遍适应性,并通过实证研究验证了这个推断。(2)对各种度量方法和度量模型研究水平以及在我国的实践做了详细的回顾,力求清晰概括国内外相关研究的现状。(3)在KMV模型实证分析结果的基础上,验证了利用违约距离DD不能很好的区分ST公司和非ST公司。