第一章 绪论
第一节 研究背景与意义
信用风险，在狭义上说也就是违约风险，是商业银行经营过程中需要面对的主要风险之一，信用风险可以在金融机构中肆意传染，从而可能会导致大面积违约事件的发生，进而引发严重的金融事件。2007 年美国次级债券市场危机可以看做是一种传统信用风险导致的结果：房屋贷款者违约使得银行贷款回收困难，导致以贷款为基础的衍生品包括各种产品价格下降进而导致投资基金亏损甚至破产，市场信心也随之被破坏。在我国的信用体系中，银行是国家信用的载体，是连接其与企业、个人信用的纽带。近些年，银行业的竞争随金融自由化与金融创新而日益加剧，银行为了争夺客户资源而把业务范围扩展到一些履约能力较低的客户群当中，这就为未来的风险埋下了隐患。 随着我国经济增长的放缓以及房地产市场的日趋饱和，以往的房价节节高升的时代似乎一去不复返。房地产行业作为一个关系到国计民生的基础性产业，保持其行业稳定的重要性是不言而喻的。而最新的巴塞尔协议的规定对于商业银行的限制必然会使得其对企业贷款的审核要求提高①。而房地产企业大多数是以贷款为生的，一旦资金链断裂，其极有可能会选择违约，许多中小房地产公司主要负责人跑路的例子也比比皆是。本文对房地产行业的信用风险研究是对上市房地产企业的贷款违约率的研究，因为上市房地产企业掌握着更多的土地资源，其有能力贷款大量的资金，而且银行也相对乐意贷款给大型的房地产上市公司，但是其一旦违约对银行的冲击将是巨大的，特别是对中小型银行，甚至可能引发银行倒闭。近期，银监会发布数据：银行业金融机构与商业银行的不良贷款均创 2010 年来的新高②。所以确定一个适用于我国上市房地产公司的贷款违约模型是非常重要的，它可以帮助银行评估贷款违约的可能性从而降低银行的信用风险。
........
第二节 国内外研究现状
20 世纪 80 年代以来受到信用市场发展和信用风险变化的影响，许多新的信用风险度量模型和量化分析方法在信用风险管理的研究领域开始逐渐被创造、创新出来，基于过去难以适应市场变化与信用管理相对滞后的缺点，专家们将建模技术与工程化的思维应用于这一领域，在传统信用评级的基础上提出了大量新的模型。 Gordy(2000)对 Credit Risk+模型和Credit Metrics模型进行了详细的分析和比较研究后指出：在使用同样的数据的前提下，前者对于参数的误差更加敏感，特别是在计算违约波动率的结果上显得尤其突出。此外，Gordy(2002)还用鞍点逼近法(Saddlepoint approximation)法改进了 Credit Risk+模型，解决了通常损失分布的尾部风险是厚尾的这一问题，为银行业的风险防范提供了可行的理论依据①。 McAllister 和 Mingo(1994)指出了 Mortality Rate 模型最为致命的缺陷，他们的研究表明：数据库需要 20000 条甚至更多的公司记录才能对违约概率进行稳定地估计②。 Sobehart 和 Keenan(2000)③，Stein(2000)①基于累计准确度(CAP)、条件信息平均比例(CIER)、准确比例(AR)和共享信息平均值(MIE)验证了 KMV 模型的有效性。 Bohn(1999)经过研究表明在信用质量较高的情况下，KMV 模型的信用分布与标准普尔评级相一致，而在信用质量中等或偏低的情况下，信用分布则更多地接近于预期违约率的平均值②。 Hillegeist，Keating，Cream 和 Lundstedt(2004)比较了 KMV 模型与 Altmans(1968)的 Z-Score 模型和 Ohlsons(1980)的 O-Score 模型，结果表明了 KMV 模型的优越性，他们建议学者们在他们的信用风险研究中尽量使用 KMV 模型而不要使用 Z-Score模型或 O-Score 模型③。
........
第二章 信用风险模型介绍及房地产信贷风险概述
第一节 信用风险综述
信用风险(Credit Risk)，也可以称之为违约风险，是指交易的一方（借款人）未能履行约定契约中的义务而对交易中的另一方（贷款人）造成经济损失的风险，即受信人（借款人）不能履行还本付息的责任而使授信人（贷款人）的预期收益与实际收益发生偏离的可能性，是金融风险的主要类型。信用风险有广义与狭义之分，前者指的是因为客户的不守信（违约）行为而导致的风险。例如资产业务中的借款人不按时还本付息而引起的资产质量恶化；负债业务中的存款人大量提前取款形成挤兑，支付困难加剧；表外业务中的交易对手违约引致或有债务转化为表内负债等。而狭义的信用风险通常是指信贷风险，是指由于借款人或市场交易对手违约而导致损失的可能性；更为一般地说，信用风险还包括由于借款人的履约能力的变化与信用评级的变动而导致债务的市场价值的变动而引起的损失的可能性。
............
第二节 房地产信贷风险分析
房地产信贷主要是指地产、房产和建筑业由于自身的生产经营需要向商业银行申请的借款以及银行由于居民建房或购房的需要而对其发放的的消费性贷款，属于当今全球金融界非常活跃的传统业务。许多国家的住宅建设都是使用银行信贷而不是主要依靠政府拨款。政府通常情况下鼓励银行融通资金（资金通常主要来源于储蓄存款或住宅基金存款）以此加大其对住房贷款的额度（对银行采用减税、免税以及放宽贷款条件等优惠政策）。 房地产业的贷款主要可以分为房地产开发贷款，房地产开发企业流动资金贷款，商品房建筑材料贷款，设备补偿贸易贷款，商品房建设贷款，房地产经营贷款，建筑贷款，房地产消费贷款以及房地产贴息贷款。本文所研究的房地产开发信贷是指商业银行以房地产企业为服务对象，围绕房地开发的各环节发放信用贷款的活动。这一借贷活动具体说来就是银行或者其他金融机构通过各种信用手段，把筹集起来的社会资金交由房地产商（房屋的开发经营者）支配的过程。 向商业银行借款一直是我国房地产业资金的主要来源，其在对房地产开发商在项目的一步步开发过程中提供信贷资金支持的同时，不可避免的积累了整个资金链中的各个风险，这无疑是一个非常危险的行为，因为整个资金链中一旦某一个环节出现了问题，所有积累的风险就会以排山倒海之势向银行迎面扑来，大量的坏账无法避免，违约风险之大显而易见。
.......
第三章 KMV 模型原理的介绍及修正 .. 24
第一节 KMV 模型的详细介绍 .... 24
第二节 KMV 模型的修正 ........ 29
第四章 我国 A 股上市房地产公司信用风险的实证研究 ... 35
第一节 样本选取 .... 35
第二节 对上市房地产公司贷款违约率的计算 ....... 36
第三节 我国上市房地产企业贷款违约风险差异分析 .......... 40
第四节 实证结论 .... 47
第五章 政策建议 ........ 50
第一节 加快推动 KMV 模型在我国的应用 .. 50
第二节 对我国上市房地产企业的要求 .... 51
第三节 对我国银行业的相关建议 ........ 52
第五章 政策建议
第一节 加快推动 KMV 模型在我国的应用
KMV 模型是在现代期权定价理论的基础上建立起来的一种违约预测模型，是对传统信用风险度量方法的一次重要革命。首先，KMV 模型可以资本市场上的各种违约信息进行较为充分的利用，从而可以度量所有公开上市公司的违约风险并进行分析；其次，由于该模型使用股票市场的资料代替了一般风险度量模型所采用的企业的历史数据来对某一公司进行违约风险预测，因此对于上市公司当前信用状况的反映更为准确，具有极强的前瞻性，相较于其他现代风险度量模型具有更及时的预测能力，也更为准确；此外，KMV 模型以当代公司期权定价理论为基础，在理论依托上也有较强的说服力。 然而，KMV 模型也与其他现有的模型一样，依然存在着很多的不足之处。首当其冲的是模型使用范围的局限性。一般来说，该模型对于上市公司的信用风险评估特别适用，而当其应用于非上市公司时，如果不借助某些会计信息或其他指标来对模型中的一些重要变量进行替代的话，风险预测就无法完成。同时还要经过对比分析才能最终得出目标公司的预期违约率(EDF)，这在很大程度上会降低模型预测的准确程度。其次，该模型是基于公司的资产价值服从正态分布的这个假设，而在实际的市场环境中上市公司的资产价值的波动则不一定呈现出正态分布的特征。再次，KMV 模型不能够准确判定公司债务是否属于同一类型，如偿还优先顺序、担保或契约等类型，这也是制约模型发展的另一个重要原因之一。目前我国的的资本市场尚处于过渡阶段，目前对适用于中国特色的上市公司信用度量的 KMV 模型的开发尚在探索阶段。 #p#分页标题#e#
.........
结论
商业银行应该对不同的房地产公司经营，项目开发地区等具体情况制定发放贷款的标准。比如对于在一线城市的房地产开发项目需要的贷款，可以对其设置较高的准入门槛，适当提供相对较大的贷款金额。原因是大城市拥有相对较强的住房需求，对新建商品房有着很强的消化能力，例如寸土寸金的北京、上海等。而在三四线的中小型城市或城镇，居民普遍经济能力有限，难以负担 2 套以上的住房，所以对于此类销售前景不明朗的项目的贷款申请银行应该适度降低贷款的额度。此外，对于房地产开发贷款的发放银行内部应该建立专门的问责体系，比如直接与绩效考核挂钩等，使对房地产开发贷款的数量不能成为加薪考核重要依据，这样一来“关系放贷”发生的情况就会大大减少。与国际上的大型评级机构相比，我国现有的信用评级机构规模小、实力弱，而且发展较为滞后、独立性不强。这就导致了其对各企业（特别是房地产企业）的信用评级结果可信度不高的缺点。鉴于此，各商业银行应该积极联合信用评级机构着手开发关于当地房地产企业的历史违约系统，基于互联网或银行业的信息共享机制互相交换各自关于企业的信用信息，庞大的基于历史数据的信息网一旦建成一来可以为银行的放款决策提供可靠的依据，还可以对资金进行动态监控。不仅如此，经过时间的积累系统中数据的增加也间接推动了 KMV 模型等现代信用风险度量模型在我国的发展，而模型在国内的发展又可以提高评级结果的准确性，这样的良性循环势必会对我国经济的发展带来正面的影响。
.........
参考文献(略)
