上市全國性股份制商業(yè)銀行信用風(fēng)險度量
——基于KMV模型

李 賓 覃子岳 藍勇平

一、引言

防范化解重大風(fēng)險是黨的十九大確定的三大攻堅戰(zhàn)之一。黨的二十大報告指出,建設(shè)現(xiàn)代化產(chǎn)業(yè)體系，堅持把發(fā)展經(jīng)濟的著力點放在實體經(jīng)濟上。金融是現(xiàn)代經(jīng)濟的核心，也是推動實體經(jīng)濟發(fā)展的中堅力量，打好防范化解重大風(fēng)險的攻堅戰(zhàn)，重點是防控金融風(fēng)險，尤其是防范系統(tǒng)性金融風(fēng)險。近年來，通過集中整治，我國金融風(fēng)險得到了有效遏制，防范化解重大金融風(fēng)險攻堅戰(zhàn)取得了重要的階段性成果，守住了不發(fā)生系統(tǒng)性金融風(fēng)險的安全底線。

但我們也應(yīng)看到，防范化解重大金融風(fēng)險是我國一項需要長期堅持的任務(wù)，必須居安思危。當(dāng)下和今后一段時期，國際形勢復(fù)雜多變，新冠疫情持續(xù)蔓延、氣候環(huán)境問題頻發(fā)，多國推出經(jīng)濟刺激計劃使得通脹壓力加大、資本流動加快，加之國內(nèi)經(jīng)濟仍有下行壓力，大量中小微企業(yè)經(jīng)營困難，實體經(jīng)濟發(fā)展受限。在此背景下，我國金融風(fēng)險防范仍面臨巨大的挑戰(zhàn)和壓力，需要進一步深化金融供給側(cè)改革，加大服務(wù)實體經(jīng)濟的力度。商業(yè)銀行作為我國金融體系的主體，信用風(fēng)險是其最大、最突出的風(fēng)險。對我國商業(yè)銀行的信用風(fēng)險管理進行深入研究，既能讓商業(yè)銀行更好地進行內(nèi)部管理從而服務(wù)實體經(jīng)濟，也能防止信用和支付體系的崩潰以及金融危機的發(fā)生從而遏制系統(tǒng)性風(fēng)險。因此，對商業(yè)銀行的信用風(fēng)險進行有效度量評估及預(yù)警極為必要。

本文選取了8家上市全國性股份制商業(yè)銀行為研究對象，主要基于以下原因。第一，股份制商業(yè)銀行的產(chǎn)權(quán)結(jié)構(gòu)清晰，股權(quán)結(jié)構(gòu)較為分散，經(jīng)營符合市場規(guī)律。第二,“全國性”則說明此類銀行在國內(nèi)網(wǎng)點較多，規(guī)模較大，影響范圍較廣，需兼顧全國各地的經(jīng)濟環(huán)境。第三,“上市”表明此類全國性股份制商業(yè)銀行已經(jīng)在證券交易所掛牌上市，而本文選取的8家股份制銀行都在2011年之前上市，具有豐富的上市企業(yè)管理經(jīng)驗，對證券市場較為熟悉，其信息更透明，管理更規(guī)范，數(shù)據(jù)更能反映復(fù)雜多變的市場狀況。因此，研究上市全國性股份制商業(yè)銀行信用風(fēng)險的度量和評價，對其他商業(yè)銀行的信用風(fēng)險管理具有較高的參考和借鑒價值。

二、研究綜述

(一)國外研究綜述

國外學(xué)者研究的側(cè)重點主要在信用風(fēng)險度量模型的建立，以及多個模型的對比和選擇上。20世紀(jì)90年代中期，J.P.摩根推出了CreditMetrics模型用于對信用風(fēng)險的度量和管理。該模型是在VAR模型的理論基礎(chǔ)上建立起來的，企業(yè)的信用等級是CreditMetrics模型中唯一的變量，數(shù)值呈離散型分布。CreditMetrics模型能夠測算出企業(yè)信用等級轉(zhuǎn)變的概率，并將其整理成信用等級遷移矩陣，從而預(yù)測企業(yè)的違約概率。瑞士信貸銀行于1997年推出了CreditRisk+模型。與使用資產(chǎn)價值波動作為驅(qū)動因素的CreditMetrics模型不同，CreditRisk+模型只考慮違約風(fēng)險，不對違約原因進行假設(shè)。1997年，美國舊金山KMV公司建立了KMV模型，用于評估借款企業(yè)的違約概率。該模型結(jié)合了期權(quán)定價理論，將企業(yè)股權(quán)當(dāng)作一種看漲期權(quán)，以企業(yè)資產(chǎn)作為執(zhí)行標(biāo)的，以企業(yè)負(fù)債作為執(zhí)行價格，計算出違約距離和違約概率，從而對企業(yè)信用風(fēng)險進行評估。此后，巴塞爾銀行監(jiān)管委員會(1999)、Gordy(2000)、Derbali和Hallara(2012)先后對CreditMetrics、CreditRisk+、KMV等多個信用風(fēng)險度量模型在其結(jié)果準(zhǔn)確性、有效性、適用性、實踐性等方面進行了深入的對比分析，提出KMV模型的評估結(jié)果與其他度量模型相似，且能夠反映大多數(shù)國家的現(xiàn)實市場，具有客觀性和動態(tài)性，能夠較好地與監(jiān)管相結(jié)合。

(二)國內(nèi)研究綜述

國內(nèi)學(xué)者關(guān)于KMV理論的研究則主要從模型的適用性、模型的修正和模型在商業(yè)銀行中的具體應(yīng)用這三個方面入手。在模型適用性方面，張玲等(2004)將KMV模型的理論與其他信用風(fēng)險評價模型進行了對比，認(rèn)為使用KMV模型更能反映市場情況，用于評估上市企業(yè)的信用風(fēng)險更為適用。在模型的修正方面，蔣書彬(2016)通過動態(tài)方法對最優(yōu)違約距離進行了估計，并將其結(jié)果與原始KMV模型的測量結(jié)果相比較，最終發(fā)現(xiàn)經(jīng)動態(tài)修正后的KMV模型更適用于度量商業(yè)銀行信用風(fēng)險。在商業(yè)銀行中的具體應(yīng)用方面，凌江懷和劉燕媚(2013)使用KMV模型對我國10家上市銀行進行測算后發(fā)現(xiàn)，運用KMV模型計算得出的銀行違約概率與信用評級機構(gòu)對商業(yè)銀行的信用評級相符合。李晟和張宇航(2016)將面板數(shù)據(jù)和KMV模型相結(jié)合，對違約距離的影響因素進行了回歸分析，發(fā)現(xiàn)我國國有商業(yè)銀行的抗風(fēng)險能力相對較強，信用風(fēng)險總體偏低。

(三)現(xiàn)代信用風(fēng)險度量模型在我國的適用性評價

經(jīng)過眾多學(xué)者的多年研究發(fā)現(xiàn)，修正后的KMV模型能夠克服其他信用風(fēng)險度量模型的應(yīng)用障礙和劣勢，也符合國情，因此，在我國具有較好的適用性。首先，我國應(yīng)用CreditMetrics模型存在以下障礙：第一，國內(nèi)的商業(yè)銀行體系缺乏一個完備的歷史違約數(shù)據(jù)庫；第二，國內(nèi)目前仍沒有類似穆迪公司和標(biāo)準(zhǔn)普爾公司的權(quán)威性評級機構(gòu)提供具體的信用評級數(shù)據(jù)；第三，國內(nèi)還沒有完全實現(xiàn)利率市場化，因此很難估計國內(nèi)商業(yè)銀行信貸資產(chǎn)的現(xiàn)值。由此可見，依賴銀行內(nèi)部評價系統(tǒng)的CreditMetrics模型在國內(nèi)并不適用。其次，CreditRisk+模型在我國的應(yīng)用也存在困難。CreditRisk+模型中的一個基本指標(biāo)是債務(wù)人的違約概率，但我國的信用風(fēng)險量化管理水平有待提高，難以計算違約概率的參數(shù)，因此，該模型在國內(nèi)難以實踐。

和其他模型相比，KMV模型的優(yōu)勢如下。第一，在我國股權(quán)交易制度逐漸完善的條件下，企業(yè)的股票價格能夠較好地反映其運營狀況。因此，我國基本具備KMV模型的實際應(yīng)用條件。第二，KMV模型所需數(shù)據(jù)容易獲得，模型操作簡易，較為實用。第三，修正后KMV模型的評價結(jié)果符合國情，較為客觀公正且準(zhǔn)確。全國性股份制商業(yè)銀行作為我國銀行業(yè)的上市公司，結(jié)合以上三點優(yōu)勢不難看出KMV模型對全國性股份制商業(yè)銀行的信用風(fēng)險評價具有較好的適用性。

三、我國上市全國性股份制商業(yè)銀行信用風(fēng)險度量的實證分析

(一)KMV模型的原理

KMV模型的前提假設(shè)主要包括以下四點。第一，市場無摩擦，無風(fēng)險利率不變動，股票無須支付股利，證券不存在套利的機會且證券交易具有連續(xù)性。第二，當(dāng)債務(wù)人的資產(chǎn)市場價值高于債務(wù)價值時，不發(fā)生違約；反之，則會發(fā)生違約。第三，企業(yè)的資本構(gòu)成包括所有者權(quán)益、短期負(fù)債、長期負(fù)債和可轉(zhuǎn)換優(yōu)先股。第四，借款人的資產(chǎn)收益呈現(xiàn)正態(tài)分布規(guī)律，公司的市場價值服從布朗運動。

KMV模型的基本思路：首先，可根據(jù)上市銀行的股票價格，計算股權(quán)價值和股權(quán)價值波動率；其次，根據(jù)銀行的流動性負(fù)債和非流動性負(fù)債設(shè)置違約點；然后，通過期權(quán)定價公式，將股票價值和股權(quán)價值波動率進行反推得出上市銀行所擁有的資產(chǎn)市場價值和波動率；接著，根據(jù)所獲得的銀行資產(chǎn)市場價值、資產(chǎn)價值的波動率、違約點以及無風(fēng)險利率計算銀行的違約距離；最后，根據(jù)正態(tài)分布累積函數(shù)，利用歷史違約數(shù)據(jù)庫來反映銀行的違約概率。

(二)對我國上市全國性股份制商業(yè)銀行信用風(fēng)險的度量

1.樣本數(shù)據(jù)的選取

本文選取的樣本是在2011年之前上市的8家全國性股份制商業(yè)銀行，具體包括浦發(fā)銀行、民生銀行、興業(yè)銀行、中信銀行、華夏銀行、平安銀行、招商銀行、光大銀行，對其2011～2021年的信用風(fēng)險狀況進行分析。模型計算中所運用的數(shù)據(jù)均來源于Wind數(shù)據(jù)庫以及各銀行的官方年度報告。

2.模型參數(shù)的計算

依據(jù)KMV模型，我們需要獲得的數(shù)據(jù)及其含義如表1所示。

表1 參數(shù)含義及狀態(tài)

續(xù)表

(1)股權(quán)價值VE的計算。本文通過Wind數(shù)據(jù)庫收集了8家銀行2011～2021年每年最后一個交易日A股和H股的股票收盤價、A股和H股的總股本、企業(yè)的非流通股市場價值來計算商業(yè)銀行每一年的股權(quán)價值。

(2)股權(quán)價值波動率σE的計算。本文通過Wind數(shù)據(jù)庫收集了8家上市銀行2011～2021年的每日股票價格，計算各商業(yè)銀行的日對數(shù)收益率、日收益率的波動率，最終得到各商業(yè)銀行每年的股權(quán)價值波動率。

(3)負(fù)債總額、無風(fēng)險利率和債務(wù)期限。各銀行的負(fù)債總額通過查詢企業(yè)年報數(shù)據(jù)所得。選取中國人民銀行公布的2011～2021年的一年期整存整取利率作為無風(fēng)險利率rf。根據(jù)一個會計區(qū)間等于一年，將債務(wù)期限設(shè)定為T=1。

(4)資產(chǎn)價值VA及資產(chǎn)價值波動率σA。各銀行的資產(chǎn)價值VA及資產(chǎn)價值波動率σA通過MATLAB程序求得。各銀行的資產(chǎn)價值VA如表2所示，各銀行的資產(chǎn)價值波動率σA如表3所示。

表2 2011～2021年8家上市全國性股份制商業(yè)銀行的資產(chǎn)價值 單位：億元

表3 2011～2021年8家上市全國性股份制商業(yè)銀行的資產(chǎn)價值波動率

續(xù)表

從表2可知，各銀行的資產(chǎn)價值都在逐年增加，其中招商銀行的增幅最大。根據(jù)表3得知，2011～2021年，8家銀行的資產(chǎn)價值波動率都有所增減，且不完全同步。

3.度量結(jié)果

(1)違約點的確定。本文選取企業(yè)債務(wù)總額作為違約點，即DTP=D。

(2)違約距離和違約概率的計算。通過Excel函數(shù)進行求解，得到各個銀行每年的違約距離(DD)和違約概率(EDF)，如表4和表5所示。

表4 2011～2021年8家上市全國性股份制商業(yè)銀行的違約距離

表5 2011～2021年8家上市全國性股份制商業(yè)銀行的違約概率

4.實證檢驗

本部分主要針對上文運用KMV模型對我國股份制商業(yè)銀行進行信用風(fēng)險度量的結(jié)果進行實證檢驗。首先，確定被解釋變量、核心解釋變量和控制變量，并對上文分析的8家股份制商業(yè)銀行2011～2021年的各項變量進行描述性統(tǒng)計，并討論其經(jīng)濟意義。其次，考慮到不同股權(quán)價值波動率對信用風(fēng)險影響的異質(zhì)性，將樣本進行分組回歸并做異質(zhì)性檢驗。最后，采用補充變量法、分樣本回歸法、一階滯后處理，進行穩(wěn)健性檢驗。主要變量如表6所示。

表6 主要變量及符號

(1)變量的描述性統(tǒng)計。本文選取了8家股份制商業(yè)銀行2011～2021年的數(shù)據(jù)，合計88條樣本量。主要變量的描述性統(tǒng)計如表7所示。測算結(jié)果表明，這8家銀行2011～2021年的資產(chǎn)價值、股權(quán)價值、負(fù)債總額波動較大，說明上述指標(biāo)對外界風(fēng)險影響因素變化較為敏感，從而影響了商業(yè)銀行信用風(fēng)險的穩(wěn)定性。但違約概率則相對穩(wěn)定，說明商業(yè)銀行信用風(fēng)險的波動仍在可控范圍內(nèi)。

表7 變量的描述性統(tǒng)計

(2)相關(guān)性分析。如表8所示，違約概率與違約距離的相關(guān)系數(shù)為-0.9992，呈負(fù)相關(guān)關(guān)系，絕對值接近1，除此之外，其他變量之間對應(yīng)相關(guān)系數(shù)的絕對值均小于1。從實證分析的結(jié)果看，這對模型的檢驗并無影響，可以保留。

表8 變量的相關(guān)性分析

(3)基本回歸。在模型有效的基礎(chǔ)上，本文通過Stata對面板固定效應(yīng)模型進行回歸分析，結(jié)果如表9所示。我們可從回歸結(jié)果看出，股權(quán)價值波動率對于違約概率的結(jié)果在1%的水平上顯著，且回歸系數(shù)為0.44766346，這就表明股權(quán)價值波動率對于違約概率存在著正向的顯著影響。股權(quán)價值波動率每增加1個單位，對違約概率產(chǎn)生的總效用為0.10589612。上市商業(yè)銀行的股權(quán)價值波動率越高，違約概率就越大，信用風(fēng)險越高。接下來，可以把股權(quán)價值波動率作為變量，進行分組的異質(zhì)性檢驗。

表9 基本回歸分析

(4)異質(zhì)性檢驗。(1)因篇幅所限，異質(zhì)性分析結(jié)果未能展示。若有需要，可聯(lián)系作者索取。為了防止構(gòu)建的線性模型在全樣本條件下出現(xiàn)偽回歸的情況，我們對模型進行了異質(zhì)性檢驗。結(jié)合上文，根據(jù)股權(quán)價值波動率進行分組，設(shè)置了虛擬變量hrs，以σE=0.2為界，將樣本分為兩組(即hrs=1，股權(quán)價值波動率σE在0～0.2之間；hrs=2，股權(quán)價值波動率σE在0.2～1之間)，并對這兩組樣本進行分組回歸。

從分組回歸結(jié)果來看，在股權(quán)價值波動率為0～0.2的情況下，股權(quán)價值波動率對于違約概率的影響依舊是正向顯著的；在股權(quán)價值為波動率為0.2～1的情況下，股權(quán)價值波動率對于違約概率的影響也是在1%的水平上高度顯著的，且為正向效用。由此可知，模型的異質(zhì)性檢驗通過。

(5)穩(wěn)健性檢驗。(2)因篇幅所限，穩(wěn)健性檢驗結(jié)果未能展示。若有需要，可聯(lián)系作者索取。為了防止模型存在遺漏變量，我們在模型中加入了負(fù)債總額D、資產(chǎn)價值波動率σA兩個控制變量，分別進行了混合、分樣本回歸。為了防止模型存在內(nèi)生性問題，再對核心解釋變量進行一階滯后處理并做回歸。結(jié)果表明，采用補充變量法、分樣本回歸法、一階滯后處理，核心解釋變量對于被解釋變量均顯著，穩(wěn)健性檢驗通過。說明本文采用的KMV模型對股份制商業(yè)銀行進行信用風(fēng)險度量，其結(jié)果穩(wěn)定可靠。

(三)基于樣本對我國上市全國性股份制商業(yè)銀行信用風(fēng)險的分析

1.無風(fēng)險利率與商業(yè)銀行信用風(fēng)險呈正相關(guān)關(guān)系

2011～2021年，中國人民銀行的定期存款率呈逐年下調(diào)趨勢。如果將無風(fēng)險利率從1.5%替換為3%進行計算，與原來相比，商業(yè)銀行的違約距離相對縮小，違約概率相對變大。這表明，我國無風(fēng)險利率的降低，可以有效地降低商業(yè)銀行信用風(fēng)險。

2.不同時期的違約距離呈階段性波動

2011～2021年，各銀行的違約距離仍有一定幅度的波動(見表4)。這說明商業(yè)銀行的不良貸款會階段性地出現(xiàn)一些增減，信用風(fēng)險也會階段性出現(xiàn)波動，這與外部經(jīng)濟環(huán)境變化有關(guān)，但只要把它控制在一個合理的范圍內(nèi)，市場就不用過分擔(dān)心。

3.股份制商業(yè)銀行間的違約距離存在差距

根據(jù)表4中的數(shù)據(jù)，可求出每年所有股份制商業(yè)銀行違約距離的平均值，結(jié)果如表10所示。

表10 2011～2021年違約距離的平均值

通過對比表4和表10，發(fā)現(xiàn)招商銀行、光大銀行、民生銀行和中信銀行基本每年的違約距離都大于當(dāng)年的平均違約距離，表明招商銀行、光大銀行、民生銀行和中信銀行的信用風(fēng)險處于全國性股份制商業(yè)銀行的平均水平之下，銀行的內(nèi)部風(fēng)險管理工作較為出色；而平安銀行和浦發(fā)銀行基本每年的違約距離都小于當(dāng)年的平均違約距離，說明這些銀行的信用風(fēng)險大于全國性股份制商業(yè)銀行的平均水平，銀行的風(fēng)險管理工作有待改進。

4.股份制商業(yè)銀行信用風(fēng)險高于國有商業(yè)銀行

下面將參照標(biāo)準(zhǔn)普爾公司公布的信用評級與違約概率對應(yīng)關(guān)系，對2011～2021年8家股份制商業(yè)銀行進行信用評級。由于標(biāo)準(zhǔn)普爾公司是根據(jù)美國的歷史數(shù)據(jù)計算得出的結(jié)果，年份過早，且與我國現(xiàn)狀有較大差異。因此，本文對標(biāo)準(zhǔn)普爾公司信用評級與KMV的EDF值映射關(guān)系進行了調(diào)整，使其區(qū)間范圍更廣，評級結(jié)果適用性更高。調(diào)整后如表11所示。

表11 調(diào)整后的信用評級與EDF值的映射關(guān)系

續(xù)表

結(jié)合表11，對8家股份制商業(yè)銀行從2011年至2021年進行信用評級，結(jié)果如表12所示。

表12 2011～2021年8家上市全國性股份制商業(yè)銀行的信用評級

從表12可以看出，2016～2021年8家股份制商業(yè)銀行的信用等級與2011～2015年相比總體提高，說明商業(yè)銀行的信用風(fēng)險水平整體下降，這與前文分析商業(yè)銀行的違約距離時所得出的結(jié)論相同。現(xiàn)實中，標(biāo)準(zhǔn)普爾公司僅對浦發(fā)銀行和民生銀行做出了2015～2021年的信用評級，結(jié)果發(fā)現(xiàn)，本文中對浦發(fā)銀行和民生銀行的信用評級大體上與標(biāo)準(zhǔn)普爾公司的評級一致，這也從側(cè)面體現(xiàn)了KMV模型的有效性。

表13是標(biāo)準(zhǔn)普爾公司對中國四大國有商業(yè)銀行2015～2021年的信用評級數(shù)據(jù)。

表13 2015～2021年四大國有商業(yè)銀行的信用評級

通過對比表12和表13，可明顯看出我國四大國有商業(yè)銀行的信用評級要高于8家股份制商業(yè)銀行。這也說明，國有大型商業(yè)銀行的信用風(fēng)險整體要低于股份制商業(yè)銀行，且更加穩(wěn)定。

四、結(jié)論與建議

(一)研究結(jié)論

1.多因素疊加導(dǎo)致股份制商業(yè)銀行信用風(fēng)險階段性波動

2011～2021年，股份制商業(yè)銀行信用風(fēng)險呈階段性波動，造成這一現(xiàn)象的原因可能與外部經(jīng)濟環(huán)境、我國經(jīng)濟新常態(tài)和供給側(cè)結(jié)構(gòu)性改革、新冠疫情暴發(fā)等風(fēng)險有關(guān)。在2008年的金融危機波及全球時，中國采取了積極的財政政策，實現(xiàn)了國內(nèi)經(jīng)濟的快速復(fù)蘇。由此，我國商業(yè)銀行的信用風(fēng)險呈下降趨勢。但經(jīng)濟刺激政策的不良影響開始顯現(xiàn)，國內(nèi)一些高污染、高能耗產(chǎn)業(yè)出現(xiàn)產(chǎn)能過剩的情況，由于行業(yè)不景氣，許多企業(yè)難以按時償還銀行貸款，導(dǎo)致銀行不良貸款率迅速攀高，銀行的信用風(fēng)險也持續(xù)增加。2015年末，我國政府提出實行供給側(cè)結(jié)構(gòu)性改革，控制產(chǎn)能過剩，推進國有企業(yè)從“量”高轉(zhuǎn)變?yōu)椤百|(zhì)”好。隨著改革的持續(xù)推進，2016年，我國商業(yè)銀行的不良貸款率持續(xù)下降，違約距離也在變大，這表明商業(yè)銀行的信用風(fēng)險在逐步變小。但在經(jīng)濟換擋期內(nèi)，銀行業(yè)不良貸款的壓力還將持續(xù)數(shù)年，各銀行的違約距離仍有一定幅度的波動，且每家銀行對風(fēng)險因素的敏感度不同，易導(dǎo)致波動幅度各異。但只要把它控制在一個合理的范圍內(nèi)，市場就不用過分擔(dān)心。2020年新冠肺炎疫情暴發(fā)之后，銀行業(yè)整體違約距離都有縮小的趨勢，意味著信用風(fēng)險加大。疫情之下，餐飲住宿、旅游業(yè)等多個行業(yè)均受到重創(chuàng)。大企業(yè)抗風(fēng)險的能力較強，但對于中小微企業(yè)來說，他們并沒有足夠的資金來填補疫情帶來的經(jīng)濟損失，面臨著收入銳減，資金難以周轉(zhuǎn)的情況，進而導(dǎo)致它們的經(jīng)營性貸款不良率在短期內(nèi)明顯提高。同時，為支持小微企業(yè)的發(fā)展，2020年中國人民銀行會同相關(guān)部門出臺了針對小微企業(yè)的貸款延期還本付息政策和信用貸款支持政策，客觀上加大了各商業(yè)銀行的不良貸款率控制壓力。進入2021年，在全球經(jīng)濟減速，新冠疫情不斷反復(fù)、外圍證券市場下跌、國際安全形勢復(fù)雜、國內(nèi)經(jīng)濟下行壓力加大等多重負(fù)面因素的影響下，我國商業(yè)銀行信用風(fēng)險進一步加劇。

2.不同的股份制商業(yè)銀行信用風(fēng)險和穩(wěn)定性存在差異

從上文的信用風(fēng)險度量結(jié)果可知，信用風(fēng)險相對偏高的是平安銀行和浦發(fā)銀行；信用風(fēng)險穩(wěn)定性較差的主要是興業(yè)銀行。其原因主要是各個股份制商業(yè)銀行對外界風(fēng)險因素的敏感度有所不同，加之其內(nèi)部風(fēng)險管理工作的成效各異，容易導(dǎo)致在同一經(jīng)濟環(huán)境下出現(xiàn)差異較大的風(fēng)險水平。

3.股份制商業(yè)銀行信用風(fēng)險高于國有商業(yè)銀行的原因分析

第一，國有大型商業(yè)銀行較早實施了放款審批集中化制度，通過上收基層分支行的貸款權(quán)限，集中審核落實，顯著減少了違規(guī)放貸。第二，國有大型商業(yè)銀行業(yè)務(wù)系統(tǒng)相對完善，高效的貸款審批系統(tǒng)、信息查詢系統(tǒng)和風(fēng)險預(yù)警系統(tǒng)，防止了越權(quán)審批，前瞻性地進行風(fēng)險管理，提高了放款效率。第三，國有大型商業(yè)銀行較股份制銀行規(guī)模更大，抗風(fēng)險能力更強，業(yè)務(wù)經(jīng)驗更為豐富，管理更完善。在施行寬松貨幣政策的條件下，國有商業(yè)銀行能夠合理地判斷形勢，適度控制信貸額度。但股份制商業(yè)銀行為了在短期內(nèi)增加盈利，更傾向于大幅度擴張信貸，導(dǎo)致信用風(fēng)險難以控制，銀行資產(chǎn)價值下降。

(二)相關(guān)建議

根據(jù)以上結(jié)論，本文從外部和內(nèi)部兩個方面來提出相應(yīng)建議。

1.外部政策建議

第一,完善信用評級體系。一方面要設(shè)立類似標(biāo)準(zhǔn)普爾和穆迪公司的本土權(quán)威性信用評級機構(gòu)，能夠提供符合國情的具體信用評級數(shù)據(jù)。另一方面要構(gòu)建一個龐大的歷史違約數(shù)據(jù)庫，能夠正確反映出KMV模型中的違約距離與違約概率之間的函數(shù)映射關(guān)系。此外，還要完善證券市場信息披露制度，確保上市公司股票信息和財務(wù)信息的真實準(zhǔn)確及時，提高資本市場有效性。上述舉措能為KMV模型在我國的推廣應(yīng)用奠定堅實的基礎(chǔ)。

第二,健全金融監(jiān)管體制。一方面，對違約概率較大的商業(yè)銀行進行力度更大的流動性監(jiān)管，可通過壓力測試評估信貸資產(chǎn)質(zhì)量，協(xié)助銀行建立風(fēng)險預(yù)警系統(tǒng)。另一方面，加強對商業(yè)銀行日常運營情況的監(jiān)管，尤其是要重點關(guān)注違約概率較大的股份制商業(yè)銀行及其分支機構(gòu)，謹(jǐn)防其在政策寬松的背景下為了追求業(yè)績增加盈利而降低貸款質(zhì)量和下調(diào)貸款標(biāo)準(zhǔn)，盲目擴大貸款規(guī)模，造成信用風(fēng)險的增加。

第三,建立逆周期調(diào)節(jié)機制和差異化管理機制。在當(dāng)前經(jīng)濟下行壓力加大的階段，結(jié)合各個股份制商業(yè)銀行對外界風(fēng)險因素敏感度各異的情況，有序調(diào)降撥備覆蓋率，適度提高貸款容忍度，緩解股份制商業(yè)銀行的攬儲壓力。

2.內(nèi)部管理建議

第一,優(yōu)化業(yè)務(wù)結(jié)構(gòu)。股份制商業(yè)銀行應(yīng)適時進行業(yè)務(wù)轉(zhuǎn)型，將表外業(yè)務(wù)作為新的利潤增長點。以內(nèi)生增長和輕資本為目標(biāo)，重點拓展表外業(yè)務(wù)，增加非利息收入，減少對傳統(tǒng)存貸業(yè)務(wù)的依賴性，從而降低由貸款業(yè)務(wù)帶來的信用風(fēng)險。

第二,完善業(yè)務(wù)流程。股份制商業(yè)銀行應(yīng)參考國有大型商業(yè)銀行的經(jīng)驗做法，堅持實施貸款審批集中化制度，減少違規(guī)放貸；將貸前預(yù)控、貸中審核、貸后跟蹤的流程進一步細化并落實，對信用風(fēng)險進行分階段精準(zhǔn)防控。

第三,健全風(fēng)控機制。一方面要加強風(fēng)險文化建設(shè)。轉(zhuǎn)變業(yè)績考核方式，注重對資產(chǎn)質(zhì)量和信用風(fēng)險指標(biāo)的考核，實施貸后責(zé)任制，避免出現(xiàn)為了稀釋不良貸款率而盲目擴大貸款規(guī)模的行為。進行全員風(fēng)險管理培訓(xùn)，順暢風(fēng)控部門和其他各部門之間的溝通渠道，樹立風(fēng)險管理的企業(yè)文化。另一方面要建立風(fēng)險預(yù)警機制。加大金融科技投入，運用大數(shù)據(jù)、區(qū)塊鏈、云計算、人工智能等科技賦能手段建立風(fēng)險預(yù)警機制。挖掘信用風(fēng)險數(shù)據(jù)，將貸款流程進行數(shù)字化管理，尤其是對不良貸款占比較高的地區(qū)和行業(yè)進行重點精準(zhǔn)防控，提前發(fā)現(xiàn)風(fēng)險因素，及時發(fā)布預(yù)警信號，快速采取管控措施。

第四,組建專業(yè)團隊。信用風(fēng)險管理包含著大量復(fù)雜的理論知識和操作技能，關(guān)于信用風(fēng)險的識別、度量、分析、預(yù)警、處置等一系列工作都需要由專業(yè)人士來完成。但目前我國此類人才較為稀缺。股份制商業(yè)銀行的基層信貸員工中有不少都是新人，經(jīng)驗缺乏，專業(yè)性弱、風(fēng)險意識差。為此，應(yīng)當(dāng)在加強基層專業(yè)培訓(xùn)的同時，借鑒大型國有商業(yè)銀行的經(jīng)驗，組建一個貫穿基層員工、風(fēng)控部門、高層管理的由下至上的專業(yè)信用風(fēng)險管理團隊，結(jié)合內(nèi)部培訓(xùn)和外部引進，借助風(fēng)險收益人事薪酬制度，提升股份制商業(yè)銀行信用風(fēng)險管理的內(nèi)在動力和工作效率。