我國商業(yè)銀行不良資產(chǎn)證券化違約風(fēng)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(dá)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(yán)重的違約風(fēng)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(fēng)險、增加銀行的抗風(fēng)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(jìn)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(jī)遇，但不良資產(chǎn)本身違約風(fēng)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(fēng)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(fēng)險進(jìn)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(jī)理，以及風(fēng)險度量相關(guān)理論，尤其是風(fēng)險傳染機(jī)制進(jìn)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(fēng)險，包括基礎(chǔ)資產(chǎn)本身的風(fēng)險和不良資產(chǎn)證券化過程中的風(fēng)險。而基礎(chǔ)資產(chǎn)違

3、約是其他所有風(fēng)險產(chǎn)生的基礎(chǔ)，加之金融系統(tǒng)之間的風(fēng)險傳染機(jī)制在一定程度上提供了違約風(fēng)險蔓延和放大的通道，因此本文重點介紹違約風(fēng)險的度量。
　　本文在研究四大風(fēng)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(rèn)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(jìn)行了辯證的分析，參考前人研究，對其中的不足部分進(jìn)行了質(zhì)疑，并對模型進(jìn)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(rèn)為在度量不良資產(chǎn)支持證券違約風(fēng)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(rèn)識，本文分別運用修正前的模型和修正后的模型對違約風(fēng)險分別進(jìn)行度量，將

5、兩種模型驗證結(jié)果進(jìn)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(jìn)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(fēng)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(fēng)險，并且次級份額的違約風(fēng)險遠(yuǎn)大于優(yōu)先級份額。最后，圍繞如