摘要
自利率市场化以来，银行业竞争急剧加大，特别是中小商业银行发展面临巨大压力。中小商业银行贷款多投向小微企业和“三农”，且多为地方性银行，经营区域高度集中、风险较难分散，因而资产质量整体较国有银行、股份制银行等中大型银行偏弱，突出表现为不良率波动更大、不良贷款见顶持续时间更长。近年来，随着监管部门“强监管”的高压态势，严厉打击银行业乱收费，坚决整治银行业市场乱象的决心凸显，中小商业银行的盈利能力和利润空间急剧下降，中小商业银行发展面临巨大难题和挑战。KMV模型利用大量的历史违约数据将违约距离转化为企业的经验预期违约概率，从而构建了以经验预期违约概率为基础的信用分值来评估企业的信用风险等级。通过不断检验和测试，基于不同行业、不同规模企业的违约距离与预期违约概率之间有着相对稳定的映射关系。 本文以区域性中小商业银行G银行为信用风险管理的研究对象，在对G银行信用风险管理现状和存在的问题进行深入分析后，选取了G银行的40家授信客户作为样本企业进行信用风险度量的实证研究，基于KMV模型计量G银行信用风险管理工作中最核心的违约距离和预期违约概率，来评定授信客户信用风险等级。通过第三方信用评级结果与G银行内部评级主标尺进行对比分析，为G银行选择客户和做出授信决策提供依据。同时，在模型验证的基础上确定信用风险偏好，通过对G银行的信用风险计量等实证研究得出的结果，旨在为G银行等中小商业银行提供信用风险管理架构优化以及信用风险识别、评估、计量、监测、缓释和控制的实施建议。通过总结全文，KMV模型能够为G银行等中小商业银行的客户评级和准入等信用风险管理工作提供一定的参考和建议，但仍需要G银行积累长时间的、大量的客户数据持续对内部评级模型进行优化，才能搭建起与G银行等中小商业银行发展战略、区域特点、资产质量、风险文化等特色相适应的信用风险管理方法。
NETL