我國商業(yè)銀行不良資產(chǎn)證券化違約風險度量——基于修正的KMV模型.pdf

1、我國商業(yè)銀行近年來積累了大量的不良資產(chǎn)，截至2016年底商業(yè)銀行不良貸款余額和不良貸款率分別達到15,122億元和1.75％，再創(chuàng)2008年以來新高。如此龐大的不良貸款不僅限制了商業(yè)銀行的流動性，也給商業(yè)銀行造成嚴重的違約風險,不良資產(chǎn)證券化是解決銀行不良資產(chǎn)的有效途徑。通過不良資產(chǎn)證券化,不僅可以增加商業(yè)銀行的流動性，還可以分散風險、增加銀行的抗風險能力。我國商業(yè)銀行不良資產(chǎn)證券化中止8年后于2016年3月兩會重新啟動，這將促進我國商

2、業(yè)銀行不良資產(chǎn)的結(jié)構(gòu)化調(diào)整，商業(yè)銀行不良資產(chǎn)證券化也將迎來新的發(fā)展機遇，但不良資產(chǎn)本身違約風險比較大，以不良資產(chǎn)做基礎(chǔ)資產(chǎn)的資產(chǎn)支持證券違約風險也比較大，因此對我國商業(yè)銀行不良資產(chǎn)證券化的違約風險進行度量和研究是必要的。
　　本文在對資產(chǎn)證券化的虛擬特征、運行機理，以及風險度量相關(guān)理論，尤其是風險傳染機制進行研究的基礎(chǔ)上，梳理了商業(yè)銀行不良資產(chǎn)證券化過程中產(chǎn)生的風險，包括基礎(chǔ)資產(chǎn)本身的風險和不良資產(chǎn)證券化過程中的風險。而基礎(chǔ)資產(chǎn)違

3、約是其他所有風險產(chǎn)生的基礎(chǔ)，加之金融系統(tǒng)之間的風險傳染機制在一定程度上提供了違約風險蔓延和放大的通道，因此本文重點介紹違約風險的度量。
　　本文在研究四大風險度量模型（K M V模型、C P V模型、CreditMertics模型和Credit Risk+模型）的基礎(chǔ)上，結(jié)合四大模型的優(yōu)勢劣勢和我國商業(yè)銀行不良資產(chǎn)證券化的實際操作情況，認為KMV模型更適合我國實際情況，更具有實際操作性。在具體運用KMV模型之前，我們對KMV模型的

4、運用場景，模型假定、參數(shù)選取進行了辯證的分析，參考前人研究，對其中的不足部分進行了質(zhì)疑，并對模型進行合理修正。由于不良資產(chǎn)支持證券的分層結(jié)構(gòu)，本文認為在度量不良資產(chǎn)支持證券違約風險時分別度量不同層級份額的違約概率更加合理，而不是籠統(tǒng)的計算一個唯一概率，因此在實際操作中我們分別計算不良資產(chǎn)支持證券的優(yōu)先級份額和次級份額的違約距離和違約概率。為了對模型修正效果有一個直觀的認識，本文分別運用修正前的模型和修正后的模型對違約風險分別進行度量，將

5、兩種模型驗證結(jié)果進行比較研究。
　　在數(shù)據(jù)選取上，本文選取招商銀行2016年9月19日發(fā)行的和萃2016年第三期不良資產(chǎn)支持證券（簡稱和萃2016-3)為案例進行實證分析，該產(chǎn)品信息披露比較全面，并且是新近發(fā)行的，更有實際研究價值和意義。實證結(jié)果表明，修正的KMV模型在度量不良資產(chǎn)支持證券違約風險方面更加客觀、更符合實際情況，未經(jīng)修正的KMV模型低估了不良資產(chǎn)支持證券的違約風險，并且次級份額的違約風險遠大于優(yōu)先級份額。最后，圍繞如