KMV模型中EDF的度量方法及应用

基于KMV模型对我国通信行业上市公司的信用风险度量中图分类号：f832 文献标识：a 文章编号：1009-4202（2010）12-074-01摘要本文采用kmv模型对中国通信行业上市公司信用风险做了实证分析。

实证结果表明，违约距离能较好地度量上市公司的信用风险，说明该模型在我国有较好的适用性。

同时，由于我国公司缺少历史违约数据，需对kmv模型修正来确定股权市场价值。

理论上的edf虽然可用于不同公司的比较，但不能反映公司真实违约可能性的大小，所以，建立上市公司历史违约数据库显得尤为必要。

关键词信用风险 kmv信用风险模型违约距离通信行业一、引言当前，我国对通信行业的风险度量在实务中有许多问题尚处于探索之中，在技术手段方面，直接从报表中获取信息。

然而，财务指标分析有自身无法克服的局限性。

由于公司编制财务报表在时间上会有延迟，会影响该系统的时效性。

因此，在具体使用中，财务指标分析可作为评价的方法之一，而不宜作为唯一的方法。

本文旨在探讨在通信行业引入kmv模型[1]，充分利用资本市场的信息进行偿付能力预测，以违约概率作为一项评价我国上市通信公司风险的指标，这将有助于投资者判断该公司的具体情况，促进通信行业各公司的健康发展。

二、kmv模型简介1．kmv模型的基本思想kmv模型的基本思路是假设公司资产由股票和债券构成，当公司资产价值（=股票市价+债务市价）低于一定水平时，公司就会对债权人和股东违约。

这一水平点称为违约触发点dpt，即为公司资产价值等于负债价值的点。

kmv模型提出了预期违约概率（edf）的概念，认为通过公司资产预期价值的概率分布可以计算出公司的预期违约率，从而得出预期违约损失。

2．kmv模型内容kmv模型主要是根据公司资产价值的波动性来衡量公司目前市场价值降低到违约触发点水平以下的概率。

其中假定资产市价的波动等同于公司股票市价的波动性方差或标准差。

由于我国历史违约数据的积累工作滞后，确定违约距离和实际违约频率之间的映射仍然无法实现，而直接计算出来的理论违约率的结果说服力偏离很大。

论, 即发现违约发生最频繁的临界点处于公司价值 大约等于流动负债加长期负债一半的时候。
然而, 这是基于美国公司的信用状况和财务结构
得出的结论。我国的经济政策和市场环境与美国存
在很大的不同, 同时上市公司的信用情况和财务结构 也都有自身的特殊性。因此, 直接套用原 KMV 模型 中的违约点来评价我国上市公司的信用状况, 其准确 性还有待于证明。考虑到我国大多数银行开展内部
破产, 通过其实际违约概率来衡量任意具有同样违
约距离的公司的一定时期后的违约概率。由于我
国历史数据的积累工作滞后, 确定违约距离和实际
违约频率之间的映射仍然无法实现, 而直接运用国 外的对应结果, 会 因为国情不同而 导致很大的偏
差。因此, 本文将直接应用违约距离来说明上市公
司的相对违约风险大小。
# 49#
了一个基于期权理论的信用风险管理方法的分析 框架, 利用我国上市公司 1997~ 2001 年股票价格 波动的时间序列和截面数据, 发现上市公司股票价 格波动与 EDF 显著负相关, EDF 与公司信用资质 变化吻合。张玲、杨贞柿 [ 7 ] 等调整 KMV 模型中股
收稿日期: 2009- 08-11 基金项目: 广东省自然科学基金资助项目 ( 8152902001000010)
ZHANG N eng- fu, ZHANG Jia
(M anagem ent School of W uy i University, J iangm en 529020, China) Abstrac t: In the traditiona lKM V mode l the defau lt po int(DP ) is equa l to the sum of sho rt-term debt( STD ) and ha lf o f long- term debt( LTD ). But th is conclus ion is based on the level of Am er ican compan ies. c redit, w he ther it is fit to Ch-i na. s enterpr ises depends on further resea rch. So this paper am ends the param e ters o fDP and rese tsDP = a# STD + b# LTD. A cco rd ing to certa in judgm en t standard, M atlab so ftware g ives the new DP by compu ting 82 sam ple com pan ies. By compar ing the co rresponding distance of new DP and o ldDP m akes the conc lusion that the new DP can m ore re flect the credit cond itions o f China. s enterprises. K ey word s: KM V m ode;l default po int; default d istance

一年后信用等级 AAA AA A BBB BB 概率 0.02% 0.33% 5.95% 86.93% 5.3% 贷款现值 加权均值 与均值的差 加权差的平方 10.94 10.92 10.86 10.75 10.2 0.002188 0.036036 0.64617 9.344975 0.5406 0.23615 0.21615 0.15615 0.04615 -0.50385 1.11534E-05 0.000154179 0.001450788 0.001851455 0.013454836
B CCC D 违约 均值 1.17% 0.12% 0.18% 9.808 8.362 5.054 0.1147536 0.0114754 0.0090972 -0.89585 -2.34185 -5.64985 方差 标准差 0.009389803 0.006581114 0.057457449 0.09 0.3
10.7038542
V 的 均 值 为 ， 方 差 为 ， 则 piVi ； 2 pi (Vi ) 2 ； n p 1。
在假定的条件下，根据正态分布的性质，该笔贷款在 95% 的 置信水平下在险价值为 1.65*0.3=0.495 百万，在 99% 的水平下在 险价值为 2.33*0.3=0.699 百万。 （四）模型优势及不足 优势 ： 拓宽了信用风险既有违约， 也有债权人信用等级的变化 ； 适应范围更广，不仅包括传统的商业贷款等，还可以是现代金融 衍生根据；在计算资产组合价值分布时，利用正态分布假定下的 方法和 Monte Carlo 模拟法，在一定程度上解决了“资产收益率 正态性”的硬性假设；可以度量单笔资产，也可以为组合资产的 信用的 VAR 进行量化分析。 不足：假定违约率及无风险利率保持不变， 与宏观经济无关， 不符合实际情况，会造成不精确的结果；模型是以信用评级为基 础， 信用等级受到行业、 国家、 经济周期及经济状况等因素的影响， 在相当长的时间内并不是不变的。

基于KMV模型的商业银⾏信⽤风险度量及管理研究1 导⾔（论⽂中不能出现截图）1.1 研究背景及意义在新巴塞尔协议的背景下，商业银⾏所⾯临的风险可明确分类为：信⽤风险、市场风险、操作风险、流动性风险、清算风险、法律风险和信誉风险等七种类型。

McKinney（麦肯锡）公司以国际银⾏业为例进⾏的研究表明，以银⾏实际的风险资本配置为参照，信⽤风险占银⾏总体风险暴露的60％，⽽市场风险和操作风险仅各占20％。

因此，在商业银⾏所⾯临的众多风险中，信⽤风险占有特殊的地位，且信⽤风险已经成为国际上许多商业银⾏破产的主要原因。

对于我国商业银⾏来说，企业贷款是其主要业务，银⾏⼤部分的⾦融资产为企业贷款，因此贷款的信⽤风险是商业银⾏信⽤风险的最主要组成部分。

截⾄2014年底，商业银⾏的不良贷款余额为5921亿元，不良贷款率1％，⽐年初增加993亿元；2014年我国银⾏业⾦融机构不良贷款率达1.64%，较2013年提⾼了0.15%；商业银⾏2014年末不良贷款率1.29%，提⾼了0.29%，2014年商业银⾏不良贷款率创2009年来新⾼,2013年和2014年我国商业银⾏不良贷款率也不断上升。

以上数据都表明我国商业银⾏的信⽤风险形势还相当严峻。

信⽤风险问题俨然成为阻碍我国⾦融业的持续发展的重要原因。

因此，研究信⽤风险的特点，收集信⽤相关数据，建⽴度量信⽤风险的信⽤风险模型，定量分析信⽤风险数据，以及如何将信⽤风险管理措施运⽤到各项业务当中，已经是商业银⾏提⾼经营管理⽔平，降低信⽤风险的最基础、最迫切的要求。

本论⽂的选题就是在这样的前提和背景下进⾏的。

在西⽅发达国家，其商业银⾏的信⽤风险管理⽐较成熟，在实践和理论上都已形成相应的体系，表现出⼀种从定性到定量、从简单到复杂、从个别资产信⽤风险评级到资产组合信⽤风险评级的趋势。

信⽤风险度量的⽅法和模型也不断推陈出新。

相较⽽⾔，我国的商业银⾏信⽤风险管理系统体系尚不健全，信⽤评级⽔平较低，对信⽤风险的分析任然处于传统的⽐例分析以及专家经验判断阶段，远不能有效满⾜商业银⾏对贷款安全性的度量要求。

浅谈我国商业银行信用风险管理问题摘要：信用风险管理是商业银行资产管理中最重要的内容之一，也是商业银行能否持续发展的重要保障。

随着金融业的发展和金融体系的不断完善，世界各国对信用风险的测量与控制问题越来越重视。

就我国商业银行而言，对信用风险的识别、防范和控制不仅关系到商业银行自身经营成果而且关系到如何应对全球化的冲击。

本文阐述了信用风险及其成因、国外比较流行的信用风险管理模型，分析了我国商业银行在信用风险方面存在的问题，提出了建议。

关键词：信用风险管理；KMV模型；CreditMetrics模型；内外部评级美国次贷危机的爆发，暴露出其金融监管的弊端，世界各国都在极力地对金融风险进行防范和控制。

在现代商业银行的风险管理中，信用风险管理是最重要的内容。

在我国，对商业银行信用风险的管理滞后于西方发达国家。

虽然我国商业银行没有像美国那样出现银行倒闭的情形，且2008年金融危机之后，不良贷款余额的比例也有所控制，但面对国际金融环境的冲击和外资银行的涌入，提高我国商业银行信用风险管理水平仍是一项重要的课题。

一、商业银行信用风险的内涵及成因（一）信用风险的内涵。

传统的信用风险是指交易对象无力履约的风险，也是债务人未能如期偿还其债务造成违约而给经济主体经营带来的风险。

随着现代金融业的不断发展，传统的定义已经不能满足新阶段信用风险的特点，在现代的商业银行信用管理中，信用风险不仅指债务人无法偿还负债，而且还指由于债务人偿还能力和信用水平的下降使投资组合中资产价格下降，从而造成损失的风险。

对于我国商业银行而言，信用风险体现在贷款的信用风险，即违约风险，一方面指贷款人因为种种原因无法偿还全部的贷款本息而形成违约，使商业银行造成资金上的损失；另一方面指贷款到期时不能按期收回，形成商业银行的不良资产，从而影响到银行资金的周转，出现支付困难，使银行的声誉下降。

（二）信用风险的成因。

我国商业银行的信用风险主要体现为借贷双方的信息不对称所造成的道德风险。

浅析商业银行的信用风险管理中图分类号：f832 文献标识：a 文章编号：1009-4202（2010）12-070-01摘要作为金融核心的商业银行，它们的安全运行对整个经济的发展起着至关重要的作用，本文通过对商业银行信用风险的分析，给出我国在此方面的现状及对策，以促进商业银行更加稳健的发展。

关键词信用风险定量分析商业银行一、商业银行信用风险度量方法评析（一）定性分析方法1．专家分析方法。

专家评价法是一种最古老的信用风险分析方法，它是商业银行在长期的信贷活动中所形成的一种行之有效的信用风险分析和管理制度。

各银行分别采用“5c”、“5w”、“5p”的分析方法，银行的信用分析人员根据各种考量目标进行综合评估来决定是否给予发放贷款。

如“5c”法中，包括品德、担保、资格能力、资金实力、经营状况这几个考核目标。

2．评级法。

美、日等国对商业银行的信用风险评级方法有五大类指标，简称为“camel（骆驼评级法）”，即资本充足率（capital）、资产质量（asset）、管理水平（management）、盈利水平（earnings）和流动性（liquidity），以这些指标来衡量信用等级。

而我国自1998年起，实行五级分类标准，即正常类、关注类、可疑类、次级类、损失类。

（二）定量分析法和模型1．var方法的理论探讨。

var（在险价值，或风险值）指在正常的市场条件下，在给定的置信水平w%和持有期t内，某一投资组合预期可能发生的最大损失。

所谓在某投资组合95%置信度下的var，就是该投资组合收益分布中左尾5%分为点所对应的损失金额。

2．kmv模型。

该模型是从受信企业股票市场价格变化的角度来分析该企业信用状况的。

该模型把贷款看作期权，公司资产价值是公司股票和债务价值之和，当公司资产价值低于债务面值时，发生违约，债权人相当于卖空一个基于公司资产价值的看涨期权。

它首先利用 black-scholes 期权定价公式，根据企业资产市场价值、资产价值波动性、到期时间、无风险借贷利率及负债账面价值估计出企业股权市场价值及其波动性，再根据公司负债算出公司违约实施点，然后计算借款人违约距离，最后根据企业违约距离与预期违约率（edf）之间的对应关系，求出企业预期违约率。

在风险中性下，欧式看涨期权在任意t时刻的价格可以表示为：
c St ,t St N d1 KerTtN d2
d1
ln
St K
r T
2 2 t
T
t
d2 d1
T t
其中，St 为标的资产在t时刻的价格， 为标的资产价格的波动率，K
为期权合约的执行价格，T为合约到期日，r为无风险利率，N() 为标
次年，铁矿石期货价下跌至1550美元/吨， 低于执行价格。A此时可以行使权利——A 有权按1605美元/吨的价格向B卖出铁矿石 期货；B必须予以满足，此时，A可以以 1550美元/吨的市场价格买入铁矿石期货， 再以1605美元/吨的价格卖给B，即可获利 50美元/吨（1605-1550-5），B则相应地损 失50美元/吨（1550-1605+5）。
2015/9/8
15
假设公司资产价值为A、股东权益为E，负债为OB，如图5-1
所示。若负债到期时，资产价值OA 大于或等于负债OB ，
此时股东一定会选择去清偿负债而取得公司资产的剩余部分
即OA-OB。若负债到期时，资产价值OA 小于负债OB 时，
则公司不会去选择偿还负债，因此公司就会破产，公司进行
次年，铁矿石期货价上涨至1605美元/吨， 高于执行价格。A此时可以行使权利，即A 有权按1550美元/吨的价格从B手中买入铁 矿石期货；B在A提出这个行使期权的要求 后，必须予以满足，因此A可以以1605美 元/吨的市价在期货市场上抛出，获利50美 元/吨（1605-1550-5），B则损失50美元/ 吨（1550-1605+5）。
期权定价的数值方法，是在无法得到期权价值解析解的情况 下，对期权进行定价的方法，主要包括二叉树方法，蒙特卡 洛模拟和有限差分方法。

一
实践还 比较缺乏 ，基本上是 引进和借鉴 国外较为成熟的信用评估
理 论 和 方 法 ， Ｋ 模 型 、ｒｄｔ ｔｃ模 型 、 肯 锡模 型 等 。 管 如 ＭＶ Ｃｅ ｉ ｒ ｓ ｍｅ ｉ 麦 尽
每种 模 型都各 有 特点 ，而且 适用 的前 提和 条件 也各 不相 同 ， 但 Ｋ 模型 由于 以现 代期 权理论为基础 ， ＭＶ 主要从上 市公司股票市场
（） １
（） １ 计算资产价值及其 波动性。 根据Ｂａｋ Ｓ ｈｌ 的期权定 价 ｌ — ｃｏ ｓ ｃ ｅ
变量 。通过建立公司总资产市场价值及波动率与公 司股票价值及 波动率之间的关 系模 型，可 以有效地估 计公 司总 资产市场价值 的
分 布 情 况 ， 而 可 以计 算 公 司 资产 市 值 低 于 违 约 触 发 点 的概 率 。 从 若 假 定 违 约 距 离 （ Ｄ） 从 标 准 正 态 分 布 ， 么 它 与 违 约 概 率 （Ｄ ） Ｄ 服 那 Ｅ Ｆ
价 格 的变 化 来 分 析 其 信 用 风 险 ，更 能 反 映 上 市 企业 当前 的信 用 状 况 ， 有 较 强 的 前 瞻 性 和 客 观 性 。 文 在 对 Ｋ Ｖ 模 型 的求 解 过 程 具 本 Ｍ 进 行 深 刻 分 析 的 基 础 上 ， ２ ０ 年 的 Ｓ 公 司 为 样 本 ， 其 对 我 国 以 ０９ Ｔ 用 上 市 公 司 的 信 用 风 险 进 行识 别 和 评价 。
值计算方法进行调整 ， 根据确定 的各项参数 ， 通过联立方程组 求
未知的两项Ｖ 和 解 。 其次 ， 计算在三种违 约实施点 （ Ｐ 值情 况 Ｄ）
下， 样本 上市 公司 的违约 距离 （ Ｄ）从 而求 违 约概 率Ｅ Ｆ 最 Ｄ ， Ｄ。

究 导 刊 ,2007,(12):191-192.
（ 上 接 第 475页 ）
最终计算结果如下表所示：
表1 各上市公司违约距离
行业
股票代码
违 约 距 离 DD
电器行业
600690 600870
4.0154 -0.3336
通讯行业
600522 600130
1.1271 -9.4117
医药行业
600216 600385
3 结论 由以上分析可以看出，KMV模型能有效区分ST公司和非
ST公司的信用风险状况，这对商业银行贷款决策具有重要的 参考价值，因此，KMV模型在我国商业银行信用风险度量中具 有重要的应用价值。当然，在应用模型对上市公司信用风险进 行计算时，也存在很多不足和有待改进的地方，如违约点的计 算，本文直接利用KMV公司实证调查的结论进行计算，将来的 研究可以根据我国上市公司的调查结果进行设定。另外，由于 我国还没有建立大规模历史违约数据库，因此，不能确定违约 距离与违约概率之间的对应关系，也就不能计算出经验预期违 约概率，这也需要进一步改进。 参考文献： [1] 章文芳，吴丽美，崔小岩.基于KMV模型上市公司违约点的
（ 下 转 第 474页 ）
475
教育研究
TECHNOLOGY AND MARKET Vol.18,No.8,2011
旅游行业工作所必需的操作技能，并具备旅游行业所需要的专 业基本素质。体验式实训教学方式主要有两个主要特点：一是 基于真情实景，实践性强。实验教学环境是接近实际岗位的技 能训练环境，使学生在学校就能接触到并掌握本专业的新技 术、新技能，了解行业的要求。二是综合性强。强调本学科内知 识的综合运用，强调跨学科知识的综合运用，强调能力培养的 综合性。体验式实验教学可以激发学生学习兴趣，增强教学效 果，提升学生综合素质，同时不断提高旅游实验室的使用效率。 2.3 完善实验考核与评价体系

由于实际数据往往较正态分布更为厚尾，因此假定经验分 由于实际数据往往较正态分布更为厚尾， 厚尾 布为正态并非是一个优良的选择。 布为正态并非是一个优良的选择。 可供选择的分布类型包括t分布、 分布等。 可供选择的分布类型包括 分布、Pareto分布等。 分布 分布等
16/28 16/28
Simulation）。 （3）蒙特卡罗模拟法（Monte Carlo Simulation）。 蒙特卡罗模拟法（ 蒙特卡罗模拟法与历史模拟法的最大区别是资产收益率不是取历史观察 而是用计算机模拟， 值，而是用计算机模拟，即运用随机发生器获得服从正态分布的矩阵计算出 来的。 来的。 蒙特卡罗模拟法部分属于参数估计法，因为它首先要假设（ 蒙特卡罗模拟法部分属于参数估计法，因为它首先要假设（或根据历史 数据估计）变量的均值、方差及相关系数等统计特征， 数据估计）变量的均值、方差及相关系数等统计特征，根据这些特征运用随 机数发生器产生符合这些特征的数据，构成所假设的情形， 机数发生器产生符合这些特征的数据，构成所假设的情形，再分析在各种情 形下的价格变动的情况。 形下的价格变动的情况。 其目标是模拟n 其目标是模拟n个（一般是10000个）情景，以获得组合价值的10000个 一般是10000个 情景，以获得组合价值的10000个 10000 10000 数据。然后根据计算出的损益分布，扣除（９５％概率水平下）500个最差 数据。然后根据计算出的损益分布，扣除（９５％概率水平下）500个最差 的结果，就可以计算出Var的值。 Var的值 的结果，就可以计算出Var的值。
1 0.0027
(1 − 0.99 ) 0.99
500
= 1.67
如果采用历史模拟法求取的99％分位数的估计值是2500万 如果采用历史模拟法求取的99％分位数的估计值是2500万 美元，则在95％置信度下的VaR的置信区间为 美元，则在95％置信度下的VaR的置信区间为 {2500－1.96×167，2500＋1.96×167}={2170， {2500－1.96×167，2500＋1.96×167}={2170，2830}

成本分析模式成本分析模式(Cost Analysis Model)[编辑]成本分析模式成本分析模式是根据现金有关成本，分析预测其总成本最低时现金持有量的一种方法。

运用成本分析模式确定现金最佳持有量时，只考虑因持有一定量的现金而产生的机会成本及短缺成本，而不予考虑管理费用和转换成本。

这种模式下，最佳现金持有量，就是持有现金而产生的机会成本与短缺成本之和最小时的现金持有量。

在成本分析模式下应分析机会成本、管理成本、短缺成本。

[编辑]成本分析模式公式机会成本=短缺成本[编辑]成本分析模式的特点假设不存在现金和有价证券的转换。

因此不考虑交易成本。

[编辑]成本分析模式案例分析[编辑]案例一:运用成本分析模式确定某企业最佳现金持有量[1]一、某企业概况某企业现有ABCD四种现金持有方案，有关成本资料相关总成本最低，因此，企业选择持有300,000元现金，即如下表。

现金持有量备选方案表根据上表采用成本分析模式编制该企业最佳现金持有量测算表数据如下表。

最佳现金持有量测算表通过比较分析上表中各方案的总成本，由于C方案的相关总成本最低，因此，企业选择持有300，000元现金，即最佳现金持有量为300,000元。

在采用成本分析模式确定最佳现金持有量时所共用，笔者以为这一思路本身并没有什么太大问题，只是在采用数据进行过程分析时，数据设计有违数理及成本分析模式本身的内在规定，应该重新进行数据设计，以使其更加合理。

二、现金相关总成本最低时机会成本与短缺成本关系的一点看法采用成本分析模式确定最佳现金持有量时只考虑因持有一定量的现金而产生的机会成本及短缺成本，其他相关成本忽略不计。

由于机会成本和现金持有量呈正相关，而短缺成本与现金持有量呈负相关，所以，由二者构成的相关总成本具有最小值，并且当且仅当二者相等时才取最小值。

下面笔者运用图示法和数理法分别推导这一思路。

(1)图示法.下图为现金的成本同现金持有量之间的关系图。

从上图可以看出，由于各项成本同现金持有量的变动关系不同，使得总成本曲线呈抛物线型，抛物线的最低点即为成本最低点，该点所对应的现金持有量便是最佳现金持有量，此时，机会成本曲线和短缺成本曲线相交，二者取值相等。

ＫＭＶ模型对我国商业银行的适用性研究作者：柏艺益来源：《消费导刊·理论版》2008年第11期[摘要]KMV模型作为国际上信用风险管理领域应用最普遍的模型之一，对我国商业银行的信用风险管理也有一定的借鉴意义。

由于其直接利用股票市场数据来预测信用风险，比较适合于我国违约数据严重缺乏的现状。

本文介绍了KMV模型的基本思想，并讨论了它对我国现阶段的适用性。

[关键词]KMV模型信用风险管理作者简介：柏艺益（1988—），女，商学院信用管理专业，研究方向：信用管理。

一、模型的基本思想KMV模型由美国KMV公司研发，公司以三位创办者Kealhofer，MeQuow和Vasieek的名字命名。

模型以Merton（1974）的期权定价理论为基础，通过企业的财务报告及股权和债权的市场价值等数据预测企业未来违约的可能性。

KMV模型的基本思想是利用股权表现出的期权性质，通过股权市值及其波动性以及企业债务价值L等数据计算企业资产的价值及其波动性，并以此来估算未来年份内企业违约（仅指企业到期不还款的违约风险，不含企业信用等级变动的信用价差风险）的可能性，即预期违约概率EDF。

运用KMV模型预测企业违约风险包括三个步骤：（一）估算企业资产的市值及其波动性：公式如下：联立上面两个方程，其中仅有与是未知数，即可求出与的值。

（二）估算违约距离：用公式表示如下：其中与分别是企业未清偿的短期（1年以下）与长期债务的账面价值。

代入第一步求出的与，即可求出DD。

（三）估算违约概率：违约概率有两种算法：一是理论上，我们假设企业资产价值服从（对数）正态分布，当分布可知时，预期违约概率EDF即企业资产价值降至违约点DP以下的可能性。

但事实上企业资产价值分布并不严格服从于上述假定。

所以估算时我们采用KMV公司的经验公式，即：。

二、KMV模型在我国的适用性分析首先，结合我国实际来看，KMV模型是一个比较适合我国国情的信用风险度量模型。

但同时KMV模型在我国的应用还受到很多现实因素的制约：（一）历史违约数据缺乏。

２０１９－２０２１年我国上市银行信用风险度量研究基于ＫＭＶ模型瞿山川(对外经济贸易大学ꎬ北京㊀１０００２９)摘㊀要:近年来ꎬ中国面临着 供给冲击 需求收缩 预期转弱 的三重压力ꎬ这将进一步加大商业银行的信用风险ꎮ信用风险的产生会增加交易成本㊁降低投资者投资意愿ꎬ从而影响经济的发展ꎮ公司通常会采用信用风险度量方法及时预测信用违约情况ꎬ以提高商业银行的风险控制能力ꎬ保证信用交易的正常运行ꎮ而ＫＭＶ模型具有良好的风险预测能力ꎬ可以为银行违约风险监管提供参考ꎮ关键词:ＫＭＶ模型ꎻ信用风险ꎻ上市银行中图分类号:Ｆ８３０.４㊀㊀㊀㊀文献标识码:Ａ㊀㊀㊀㊀文章编号:１６７１－６７２８(２０２２)１８－００８３－０４㊀㊀随着经济增速放缓ꎬ银行增量市场减小ꎬ存量竞争激烈ꎬ银行面临净息差收窄㊁信用风险持续暴露等经营压力ꎬ净利润增速也处于低位ꎮ银行作为间接融资体系下的主要融资渠道也因此遭受了巨大冲击ꎮ因此ꎬ及时评估影响和风险并采取良好的风控措施ꎬ是银行业赢得这场金融风暴的关键ꎮ信用风险是商业银行面临的首要风险ꎮ银行业能否抵御新冠疫情对产业链与居民生活的冲击ꎬ其风险抵御能力是否会受到影响ꎬ其信用风险状况是否仍然可控ꎮ以上问题的顺利解决ꎬ在后疫情时期各地疫情持续反复的大环境下十分重要ꎮ因此ꎬ研究银行业在疫情暴发前后的信用风险变化ꎬ能使商业银行未来在应对类似突发事件时及时采取相应风控措施ꎬ有针对性地加强信用风险管理ꎬ这对银行业的未来健康㊁持续发展具有重要意义ꎮ在相关定性分析中ꎬ钟震ꎬ郭立探讨了新冠肺炎疫情对中小银行的影响及对策ꎮ陆岷峰分析了疫情危机与信用风险叠加背景下中小商业银行的防范对策ꎮ在运用ＫＭＶ模型对企业进行信用风险的研究中ꎬ王灏威ꎬ许嘉文利用ＫＭＶ模型对新冠疫情前后上市房地产企业信用风险进行了研究并指出疫情使中小房地产企业违约概率显著增加ꎮ余钊研究了疫情对信托行业的信用风险的影响并分析疫情影响信托业信用风险的原因ꎬ分析得出有９２.８６％的信托公司的信用风险在疫情发生后上升ꎮ综合上述文献可以看出ꎬ利用ＫＭＶ模型分析疫情对整个银行业信用风险影响的相关研究较少ꎮ基于此ꎬ文章将采用ＫＭＶ模型对银行业在疫情前后所面临的信用风险进行实证分析ꎬ为银行业在后疫情时期如何进一步加强信用风险管理提供量化基础ꎮ一㊁理论模型ＫＭＶ模型将企业的股权看作一种看涨期权ꎬ执行价格是企业的负债ꎬ标的物为企业资产价值ꎮ当企业的资产价值小于负债时ꎬ企业将选择违约ꎬ否则不违约ꎮ根据Ｂｌａｃｋ－Ｓｃｈｏｌｅｓ－Ｍｅｒｔｏｎ期权定价模型ꎬ企业资产价值和股权价值的关系为:Ｅ＝ＶＮ(ｄ１)－Ｄｅ－ｒ(Ｔ－ｔ)Ｎ(ｄ２)其中ꎬ企业的股权价值波动率与资产价值波动率的关系为:ｄ１＝ｌｎ(Ｖ/Ｄ)＋(ｒ＋σ２ｖ/２)(Ｔ－ｔ)σｖＴ－ｔｄ２＝ｄ１－σｖＴ－ｔìîíïïïï股权价值波动率(σＥ)和公司资产价值波动率(σｖ)之间的关系式为:σＥσｖ＝ＶＥ Ｎ(ｄ１)式中ꎬＤ为负债的账面价值ꎬＴ为到期时间ꎬｔ为现在时间ꎬｒ为无风险利率ꎬＶ为资产市场价值ꎮσｖ为资产价值波动率ꎬＥ为股权市场价值ꎬσＥ为企业股权市场价值波动率ꎮＫＭＶ模型假设公司的资产价值３８作者简介:瞿山川(２００１—㊀)ꎬ男ꎬ汉族ꎬ四川成都人ꎮ主要研究方向:保险学ꎮ服从正态分布ꎬＮ(ｄ)为标准累积正态分布函数ꎬ由股权市场价值Ｅ及其波动率σＥ以及负债账面价值Ｄꎬ利用ＢＳＭ期权定价模型求出公司资产市场价值Ｖ及其波动率σｖꎮ违约距离是企业的资产价值在风险期限内由当前水平降至违约点的相对距离ꎬ可表示为:ＤＤ＝Ｅ(Ｖ)－ＤＰＥ(Ｖ)σｖ其中ꎬＥ(Ｖ)是预期资产价值ꎬＤＰ是公司的违约点ꎮ二㊁实证分析(一)样本选择根据ＫＭＶ模型的计算原理及特点ꎬ研究对象数据应满足有较高公开性和时效性的特征ꎮ因此文章从ｃｈｏｉｃｅ金融终端选取１８家于２０１９年１月１日前上市的商业银行为样本ꎬ包括中国银行㊁农业银行㊁工商银行㊁建设银行㊁交通银行共５家国有控股银行ꎬ中信银行㊁光大银行㊁招商银行㊁浦发银行㊁民生银行㊁华夏银行㊁平安银行㊁兴业银行共８家全国性股份制银行ꎬ北京银行㊁江苏银行㊁上海银行㊁宁波银行㊁南京银行共５家２０２１年资产规模１.５万亿元以上的城市商业银行ꎮ文章以其２０１９－２０２１年相关财务数据为基础ꎬ结合ＫＭＶ模型对上市商业银行进行信用风险研究ꎬ详见表１ꎮ表１㊀样本银行股票代码及财务数据统计表股票代码名称股票代码名称ＳＨ.６０１９８８/０３９８８.ＨＫ中国银行ＳＨ.６０００１６/０１９８８.ＨＫ民生银行ＳＨ.６０１２８８/０１２８８.ＨＫ农业银行ＳＨ.６０００１５华夏银行ＳＨ.６０１３９８/０１３９８.ＨＫ工商银行ＳＺ.０００００１平安银行ＳＨ.６０１９３９/００９３９.ＨＫ建设银行ＳＨ.６０１１６６兴业银行ＳＨ.６０１３２８/０３３２８.ＨＫ交通银行ＳＨ.６０１１６９北京银行ＳＨ.６０１９９８/００９９８.ＨＫ中信银行ＳＨ.６００９１９江苏银行ＳＨ.６０１８１８/０６８１８.ＨＫ光大银行ＳＨ.６０１２２９上海银行ＳＨ.６０００３６/０３９６８.ＨＫ招商银行ＳＺ.００２１４２宁波银行ＳＨ.６０００００浦发银行ＳＨ.６０１００９南京银行(二)参数设定违约点值(ＤＰ):ＤＰ为商业银行短期负债与长期负债一半的和ꎮ无风险利率ｒ:选取中国银行２０１９－２０２１年公布的一年期整存整取基准利率ꎬ即ｒ＝１.５％ꎮ时间范围Ｔ:设定为２０１９－２０２１年ꎮ负债面值Ｄ:根据上市银行２０１９－２０２１年财务报表中的负债总额分别进行估计ꎬ债务期限设定为一年ꎮ股权价值＝流通股数ˑ日收盘价＋非流通股数(限售股)ˑ每股净资产(公司若两地(Ａ＋Ｈ)上市ꎬ则两者相加)ꎮ(三)计算过程１.计算股权价值波动率σＥ假定股票价格服从标准正态分布ꎬ则股票日对数收益率为:μｉ＝ｌｎ(Ｓｉ＋１Ｓｉ)其中ꎬＳｉ为第ｉ天的收盘价ꎬμｉ为第ｉ天的收益率ꎬ股票日收益率的波动率通过计算日均标准差得到:σｎ＝１ｎ－１ðｎｉ＝１(μｉ－Ｅ(μ))２其中Ｅ(μ)＝１ｎðｎｉ＝１μｉ将股票价格数据代入上述公式ꎬ并根据当年实际股票交易日获取Ｎ的数据可得出日收益波动率ꎮ日收益波动率与年收益波动率关系为:σＥ＝σｎˑＮ２.计算资产价值和资产价值波动率通过Ｂ－Ｓ－Ｍ模型得到样本银行２０１９－２０２１年年的资产价值和资产价值波动率ꎬＭａｔｌａｂ计算结果详见表２ꎮ表２㊀２０１９－２０２１年年样本银行股权价值与股权波动率ꎬ资产价值与资产价值波动率名称２０１９年２０２０年２０２１年Ａ＋Ｈ的权重波动率资产价值波动率Ａ＋Ｈ的权重波动率资产价值波动率Ａ＋Ｈ的权重波动率资产价值波动率南京银行０.２４７３２３０.０１４０３２０.２６４１０３０.０１４９５６０.３１８５６６０.０１７４３江苏银行０.１９０３４０.００８０５０.２２６１３４０.００８３１４０.２８８２１５０.０１００８９北京银行０.１５６０８０.００７７１９０.１７９７３９０.００６７１０.０９８２０１０.００３２７５上海银行０.１８６９６４０.０１１７６６０.１８６１９４０.００８９８７０.１５１５４４０.００６２４５宁波银行０.２８６６６９０.０３３４５０.３６７５２９０.０４５７７４０.３７５８１０.０４５３１４华夏银行０.１６６１５６０.００７７６９０.１８７１２３０.００６８６３０.１２１６９９０.００３９４９光大银行０.２２３００１０.０１０９６５０.２９４９６６０.０１１８４３０.１９７００６０.００６１６１民生银行０.１５２１３１０.００６５５３０.１８６４４３０.００６３１０.１４１２４９０.００３５８中信银行０.２０２６４８０.００９０２９０.２２８８７１０.００７５１５０.１４８８１６０.００４１２１平安银行０.３１５００９０.０２５８５３０.３４３２４０.０２９１８７０.３９１０６９０.０２６２８１浦发银行０.２０４６０１０.０１１２２５０.２１９１２０.００８３２４０.１７７９７５０.００５８６５兴业银行０.２５０９０５０.０１５１４７０.２７４１７３０.０１５８３６０.３４５７１４０.０１７１７６招商银行０.２４８７０２０.０３１１５１０.３０８７５５０.０４０４０６０.３４０１８０.０４５７７１交通银行０.１６６９８８０.００７３８４０.２０２６６５０.００６４７８０.１５０２３７０.００４７７８中国银行０.１３８９６９０.００６８１４０.１６２４３８０.００６３５４０.０９２９７０.００３２７９４８续表名称２０１９年２０２０年２０２１年Ａ＋Ｈ的权重波动率资产价值波动率Ａ＋Ｈ的权重波动率资产价值波动率Ａ＋Ｈ的权重波动率资产价值波动率农业银行０.１３５２７９０.００７４５３０.１５３２３８０.００６８１７０.１０２３１８０.００４０４１建设银行０.１７３５２２０.０１１９３０.２４９１７７０.０１３７０８０.１８７２２８０.００８８７２工商银行０.１５８５３７０.０１１４６８０.１９６３３７０.０１１０１４０.１４１７２３０.００６９９㊀㊀３.计算违约距离与ＥＤＦ在此模型下ꎬ决定公司预期违约概率的是违约距离ＤＤꎮ违约距离与企业违约的可能性呈负相关关系ꎬ即当违约距离减小ꎬ违约概率就相对越高ꎮ２０１９－２０２１年样本银行数据详见表３ꎮ表３㊀２０１９－２０２１年样本银行的违约距离与ＥＤＦ类型名称２０１９年２０２０年２０２１年违约距离ＥＤＦ违约距离ＥＤＦ违约距离ＥＤＦ城市商业银行南京银行３.０２７０.００１２３４２.８３３０.００２３０６２.３１７０.０１０２４３江苏银行３.４５６０.０００２７４２.６７１０.００３７７８２.０２３０.０２１５１７北京银行４.５４６０.０００００３３.３９５０.０００３４３５.７２３０.００００００上海银行４.１４５０.００００１７３.７７０.００００８２４.２７８０.０００００９宁波银行３.０８９０.００１００５２.４２７０.００７６２２２.３６１０.００９１１１股份制商业银行华夏银行４.１６４０.００００１６３.２２３０.０００６３５４.５１４０.０００００３光大银行３.１７４０.０００７５３２.１６４０.０１５２１８２.７０.００３４７２民生银行４.３６６０.０００００６３.０５０.００１１４５２.９６５０.００１５１１中信银行３.３３５０.０００４２６２.４２４０.００７６７１３.１５４０.０００８０５平安银行２.６３６０.００４１９０２.４３６０.００７４２５２.００９０.０２２２７５浦发银行３.６１５０.０００１５０２.８１７０.００２４２４３.１２７０.０００８８４兴业银行３.０４８０.００１１５２２.７４８０.００３０００２.０５２０.０２０１０４招商银行３.５９６０.０００１６１２.９１３０.００１７９１２.６５１０.００４００８国有控股商业银行交通银行４.０３２０.００００２８２.６７６０.００３７２７３.５９４０.０００１６３中国银行５.０８７０.００００００３.８７１０.００００５４６.３１０.００００００农业银行５.４７６０.００００００４.４０７０.０００００５６.１８１０.００００００建设银行４.５８３０.０００００２２.９７１０.００１４８３３.７１８０.０００１００工商银行５.０８５０.００００００３.７９８０.００００７３５.００１０.００００００(四)结果分析８家样本银行在２０１９年疫情暴发前的资产价值波动率ꎬ如图１所示ꎬ平均为０.０１３２１ꎬ２０２０年疫情暴发期为０.０１４１９ꎬ２０２１年后疫情时期为０.０１２４０ꎮ２０１９－２０２１年ꎬ样本银行资产价值波动率先上升后下降的趋势一定程度表明疫情的发生对银行业的资产端有一定的影响ꎮ其中零售业务占比较大的宁波银行㊁招商银行在疫情暴发的２０２０年波动幅度最大ꎮ这可能是由于零售类消费类贷款和以批发零售㊁住宿餐饮㊁旅游为代表的对公贷款不良率抬升明显所致ꎮ图１㊀２０１９－２０２１年样本银行资产价值波动率情况通过计算违约距离(如图２所示)可以发现ꎬ疫情暴发前样本银行的平均违约距离为３.９１５ꎬ疫情暴发时期的平均违约率为３.０３３ꎬ后疫情时期为３.５９３ꎮ该数据普遍高于巴曙松ꎬ蒋峰针对我国所有上市Ａ股企业提出的违约预警线２.２的水平ꎬ一方面说明我国商业银行整体风险可控ꎻ另一方面说明疫情的暴发显著降低了银行的违约距离ꎬ加剧了信用风险ꎮ但随着新冠疫情于２０２１年得到缓和ꎬ各行各业有序复工复产ꎬ后疫情时期银行业整体违约距离有所降低ꎬ信用风险控制水平得到提升ꎮ这可能是由于前期行业拨备计提力度较大ꎬ风险抵补充足ꎬ使得上市银行具备良好的风险承受能力所致ꎮ图２㊀２０１９－２０２１年样本银行违约距离变化情况通过计算ＥＤＦ(图３)可以发现ꎬ样本银行的违约距离与期望违约率成反比关系ꎮ绝大部分样本银行在疫情暴发时期的期望违约率均有一定程度的上升ꎬ其中国有控股商业银行由于其资本更为充足ꎬ在样本银行中的表现最为稳健ꎮ图３㊀２０１９－２０２１年样本银行ＥＤＦ变动情况三㊁疫情对银行信贷风险的影响(一)信贷资产质量下滑由于新冠疫情导致的停工停产负面影响波及面广ꎬ既极大冲击了制造业产业链上下游ꎬ也显著降低了餐饮㊁旅游㊁交运等行业的经济效益ꎬ对小微企业的经营能力和盈利能力产生了明显的负面冲击ꎮ因此ꎬ商业银行的信贷投放及资产驱动型负债规模与匹配５８受到影响ꎬ导致信用风险和流动性风险在一定程度上有所增加ꎮ此外ꎬ由于新冠疫情后商业银行不断加大金融信贷支持力度ꎬ多措并举提升普惠金融服务质效ꎻ同时企业信用风险存在滞后性ꎬ疫情对企业的偿付能力影响存在时滞ꎬ因此疫情防控期间的大量增量贷款的潜在风险也不容忽视ꎮ根据样本银行历年年报可知ꎬ过半数以上的样本银行不良贷款率在２０２０年呈现出较明显的上升趋势ꎬ如图４所示ꎮ图４㊀２０１９－２０２１年样本银行不良贷款率情况(二)未来投资偏好将趋向保守２０２０年ꎬ在旧挑战(全球经济减速)和新冲击(疫情全球蔓延㊁油价暴跌和外围证券市场暴跌)的共同夹击之下ꎬ２０２０年一季度ＧＤＰ增速创改革开放以来的新低ꎮ新冠疫情的出现将长期影响企业和居民部门的心理预期ꎬ未来宏观经济下行压力也将压制投资者的风险偏好ꎬ观望情绪加重ꎬ将最终影响金融服务有效需求和供给ꎬ从而对银行信用风险产生一定的负面影响ꎮ(三)银行盈利指标下降总资产收益率(ＲＯＡ)和净资产收益率(ＲＯＥ)方面ꎬ受利率下行与拨备增提的影响ꎬ大部分上市银行的ＲＯＡ与ＲＯＥ指标均有所下行ꎮ净息差方面ꎬ受存款成本刚性㊁贷款基础利率(ＬＰＲ)下行和金融普惠背景下利率优惠等因素影响ꎬ股份制与国有银行将面临较大的净息差收窄压力ꎮ近年来ꎬ商业银行持续加大减费让利的力度ꎬＬＰＲ也经历多次下调ꎬ银行贷款利率呈现持续下行态势ꎬ而负债端成本仍较高ꎬ在多重因素影响下银行净息差普遍收窄ꎮ银保监会披露的数据也显示出净息差收窄的趋势ꎬ商业银行２０２１年末净息差为２.０８％ꎬ较２０２０年末下降０.０２个百分点ꎮ盈利指标的下降将直接影响银行业的资产与拨备情况ꎬ一定程度上加剧信用风险ꎮ四㊁疫情反复背景下银行业信用风险防范对策(一)宏观层面财政政策方面ꎬ中央银行应实行宽松的货币政策ꎬ适时调低法定存款准备率ꎬ既要扶持小微企业发展ꎬ稳定市场信心ꎬ也要保证商业银行拥有充足的资金与超额准备ꎮ监管方面ꎬ相关部门需加强信贷部门流动性监管ꎬ利用压力测试评估信贷资产恶化程度并督促银行完善流动性风险预警机制ꎬ防止包商银行破产事件再次重现ꎮ此外ꎬ相关部门应建立逆周期动态调节机制和差异化管理机制ꎬ在经济下行时期有序调降拨备覆盖率ꎬ提高贷款风险容忍度ꎬ缓解银行存款压力ꎮ(二)微观层面业务流程方面ꎬ商业银行应当加强服务流程线上化建设ꎬ既提升金融服务便捷性与可得性ꎬ也具有良好的可追溯性ꎬ易于后续对风险资产开展数据分析ꎮ业务结构方面ꎬ商业银行应当拓展中间业务收入规模ꎬ构筑第二增长曲线以实现轻资本及内生增长的目标ꎬ在保证收益的同时从根本上减少信用风险ꎮ资本补充渠道方面ꎬ商业银行应采用多元化方式如发行二级资本债㊁永续债与非公开定向增发方式补充核心资本ꎬ提高资本充足率ꎬ有效应对权益端的冲击ꎮ此外ꎬ还应当合理利用衍生金融工具化解银行的不良资产ꎮ风控方面ꎬ商业银行应当加大金融科技投入ꎬ依托大数据和模型进行风险评估从而实现科技赋能银行风控管理ꎬ利用大数据等技术手段改进风险监测体系ꎬ实现降本增效ꎬ达到对困难企业和个人的精准识别与贷后的精确追踪与管理ꎬ遏制可能出现的不良现象ꎮ五㊁结语综上所述ꎬ商业银行应做好中长期资本规划ꎬ密切持续关注资产质量变迁ꎬ积极应对和化解在中长期可能面临的不良压力ꎮ参考文献:[１]钟震ꎬ郭立.新冠肺炎疫情对中小银行的影响及对策研究[Ｊ].武汉金融ꎬ２０２０(３):３７－４１ꎬ５９.[２]陆岷峰.中小商业银行:疫情危机㊁信用风险叠加与防范对策[Ｊ].华北金融ꎬ２０２０(６):６９－７７.６８。

D01:10.13546/ki.tjyjc.2022.07.004｛理论探讨)基于机器学习的地方政府隐性债务风险先导预警模型苏振兴，扈文秀,夏元婷(西安理工大学经济与管理学院，西安710054)摘要：地方政府隐性债务已经成为系统性金融风险的潜在触发点，为了防范隐性债务风险，文章构建了地方政府隐性债务风险先导预警模型。

使用修正的KMV模型测度隐性债务违约概率，依据违约概率设计预警模型输出指标，构建了包含17个指标的输入指标体系，使用多种机器学习方法对预警模型进行训练，选取最优方法构建先导预警模型。

实证结果表明：使用随机森林方法可训练出最优的地方政府隐性债务风险先导预警模型，其准确率在91.94%~99.35%,具有较强的精确性和先导预警性。

预警模型输入指标体系不仅可以预测隐性债务绝对风险等级，还可以预测隐性债务风险动态变化。

进一步分析发现，地方政府隐性债务风险主要来源于隐性债务规模的快速扩张，而非地方政府偿债能力的弱化，其中以城投债、PPP项目以及地方国有企业的相关指标对隐性债务风险的预测能力最强。

关键词：隐性债务风险;先导预警;机器学习；随机森林中图分类号:F273.2文献标识码:A文章编号:1002-6487(2022)07-0020-060引言在经济新常态背景下,我国经济增速放缓,政府为了保持经济增长实施了扩张性的财政政策,导致地方政府债务规模居高不下。

若将隐性债务纳入地方政府债务余额,那么债务风险将会急剧上升，说明地方政府隐性债务已经成为系统性金融风险的潜在触发点啊，所以亟须对地方政府隐性债务风险进行预警,在债务危机爆发之前根据监测预警结果提供防范预案,防范和化解地方政府债务风险。

现有文献大多研究地方政府债务风险预警.而对隐性债务风险预警的研究却较少。

关于地方政府债务风险预警的研究，早期学者们主要通过简单易行的方法,使用一个或几个债务风险指标,如对债务规模叭债务负担率叫赤字率网等指标进行测算,从而实现风险预警的目的。

基于KMV模型的我国上市银行信用风险度量研究作者：***来源：《经济研究导刊》2022年第08期摘要：信用風险是商业银行最主要的风险之一，信用风险的产生会增加交易成本、降低投资者投资意愿，从而影响经济的发展。

公司通常会采用信用风险度量方法及时预测信用违约情况，以提高公司风控能力，保证信用交易的正常运行。

而KMV模型具有良好的风险预测能力，可以为银行违约风险监管提供参考。

故选取我国14家上市银行为研究对象，基于2020年样本银行的财务数据及股票数据，运用KMV模型进行信用风险度量，并提出建议与总结，以期完善信用风险度量实证过程，加强上市银行防控风险能力。

关键字：KMV模型;信用风险;上市银行中图分类号：F832.33 文献标志码：A 文章编号：1673-291X（2022）08-0108-03引言商业银行在金融体系中占有很重要的地位，而整个金融体系的稳定性有赖于商业银行金融经济环境的稳健性。

然而，商业银行高负债的特征决定了其要承受高风险，这种风险主要源于信用风险。

由于信用风险的特殊性，导致商业银行对其控制难度加大。

因此，设置有效的风险度量机制预测信用风险程度、提高抵御风险能力显得十分必要。

通过阅读文献并归纳学者的实证研究，KMV模型是应用最广泛、测算结果相对准确并适用于我国上市企业信用风险度量的模型。

运用该模型，在判断银行是否真的会发生违约时，只要获取借款银行的财务数据与股票数据，计算出违约距离等指标，便能清楚预测违约风险以便及时采取对策避免损失。

一、研究综述国外不少学者运用KMV信用风险度量方法进行实证分析。

Jarrow（2000）通过理论分析和实证研究发现，KMV模型中公司资产价值及资产价值波动率是不可测的，需要用股权价值及股权价值波动率代替算出估计值，但实际值与理论值之间必然会存在差异，从而算出的违约距离与期望违约率必然存在争议[1]。

Jeffrey（1999）对比KMV模型与普尔评级的实证研究结果表明，EDF更能敏感的预测上市公司信用变化[2]。