无追索权国内保理信用风险度量研究
Research in Credit Risk Measurement to Domestic Factoring Without Recourse

随着买方市场的形成,企业为了扩大销售份额纷纷采取赊销的方式,导致企业存在着大量的应收账款,为了弥补资金缺口与加快资金周转,企业迫切需要金融机构提供针对应收账款服务的金融产品,保理就是在这种背景下发展起来的,它是一种集贸易融资、卖方信用调查、信用风险担保、应收账款管理的综合性金融服务方案.国内目前开展保理业务金融机构主要是银行,所以本文将银行作为保理商来进行论述,而开展保理业务的最大风险便是信用风险,包括买卖双方的信用风险,买卖双方的信用风险大小直接关系到银行保理授信能否收回,无追索权保理又是保理业务中风险最大的一种,所以对银行来说如何有效度量买卖双方的信用风险是开展此类业务的关键.国内在信用风险度量方面比较落后,主要以传统的定性方法为主,导致很难对一些高信用风险业务(如无追索权保理)进行及时准确的信用风险度量,而KMV模型是基于资本市场的一种前瞻性模型,能够进行信用风险的提前预警与动态跟踪,能够很好运用于对无追索权保理业务的信用风险进行度量,所以本文将用其作为信用主体信用风险度量的工具.而在保理业务对象上,由于上市公司信息透明,信用状况好,符合无追索权保理对信用主体等级要求高的特点,所以本文将以上市公司作为开展无追索权保理的目标对象来进行分析.本文首先对无追索权保理中信用风险的类型与特点进行了介绍与分析,接着对目前信用风险度量的理论基础与模型进行了归纳,在对比信用风险度量的模型的优缺点后,发现KMV模型能够适用于无追索权保理业务中信用风险度量的特点,所以将该模型用于无追索权保理业务中信用风险的度量,同时对KMV模型信用风险度量的原理做了介绍,并对其中一些参数如何设置进行了说明,接着进行了实证分析.在实证部分,本文分为三部分:一是验证KMV模型是否适用于我国资本市场中上市公司的信用风险度量.采用的方法是选用农业、机械行业、化工行业三个行业的ST公司与正常类公司作为两类样本,验证了KMV模型对这两类样本是否具有较好的区分度,结果表明KMV模型基本能够区分这两类公司的信用风险状况,说明了KMV模型能够用于对我国上市公司信用风险的度量.二是验证不用行业中KMV模型中违约点的长期负债系数值是否不同,从而对KMV模型根据行业进行修改.在第一部分实证中,KMV模型对于机械行业中ST与非ST样本信用风险区分的效果不如农业与化工行业理想,本文认为这是由于在不同的行业,长期负债的年度分布具有不同的特点,所以需要根据行业特点对KMV模型中违约点中长期负债系数进行了修改,传统的这一系数是0.5,通过对各个行业中ST公司与非ST公司的违约距离做均值对比,用最能区分两类样本的长期负债系数点作为本行业用于KMV模型计算时的长期负债系数,从而得到农业、机械、化工三个行业的违约点长期负债系数值分别为1、0.3、0.3,农业的这一值偏高是由于中长期负债的额度较小,且长期负债分布的年限较短造成的,其它两个行业固定资产多,从而使得该值偏低.计算不同行业中违约点的长期负债系数的意义在于银行在采用该模型对不同行业上市公司进行信用风险度量时,需要对违约点的长期负债系数值根据行业进行调整,这样在反映行业特点情况下度量信用主体的信用风险精准度更高.三是验证KMV模型是否适合运用于无追索权保理业务中.通过样本计算结果发现,在公司被ST前两个季度KMV模型计算出来的违约距离,公司的违约距离就出现降低,从而信用风险增大的情况,说明KMV模型能够提前半年以上就能预测出上市公司信用状况下降的情况,而无追索权保理属于短期的贸易融资,期限都在一年以内,大部分只有半年的期限,这就说明银行对上市公司开展该项业务之前,可以用KMV模型对此类业务中买卖双方的信用风险进行预测与估计,申请该项业务的主体能达到银行要求的信用等级以上的就可以为其办理无追索权保理业务,从而为银行开展此类业务提供借鉴.本文最后利用KMV模型对两个开展了无追索权保理业务的公司进行了信用风险的度量,通过与短期偿债能力指标进行对比,发现两种方法得到结果具有较好的一致性,验证了KMV模型对无追索保理中的信用主体的信用状况具有较好的区别能力,从而能够将KMV模型运用于无追索权保理业务的信用风险度量.通过实证分析,得到本文的结论,即KMV模型是度量上市公司信用风险的有效模型,并能够运用于无追索权保理中信用主体的信用风险度量,具体运用中要根据行业特点来调整KMV模型违约点的长期负债系数,从而使得KMV模型度量的结果符合行业特点,保证度量结果的精确性.