商业银行个人房屋抵押贷款的信用风险KMV模型实证分析
基于KMV模型我国上市公司信用风险测度实证分析
基于KMV模型我国上市公司信用风险测度实证分析基于KMV模型我国上市公司信用风险测度实证分析近年来，随着我国资本市场的不断发展，上市公司的信用风险成为了重要的研究方向。
有效测度上市公司的信用风险对于金融机构和投资者具有重要意义。
本文基于KMV模型，通过对我国上市公司的实证分析，探讨了其在信用风险测度中的应用和不足之处。
首先，我们回顾了KMV模型的基本原理。
KMV模型是一种流行的结构性模型，通过衡量公司的资本结构、资产负债率、波动率等关键因素来估计公司的违约概率。
其基本公式为违约距离（Distance to Default，DD）= ln(资产价值/债务价值) / 标准差。
通过计算违约距离，我们可以得到上市公司的违约概率，并进一步测度其信用风险。
接着，我们利用KMV模型进行了我国上市公司信用风险的实证分析。
我们选取了2018年度财务数据作为样本，计算了一批在上交所和深交所上市的公司的违约距离。
我们发现，根据KMV模型计算的违约距离，大部分公司的违约概率较低，说明其信用风险相对较小。
然而，仍有少数公司的违约概率较高，这些公司是上市公司信用风险值得关注的对象。
此外，我们还发现，在行业之间存在一定的信用风险差异，一些行业的上市公司信用风险较高。
接下来，我们分析了KMV模型在我国上市公司信用风险测度中的不足之处。
首先，KMV模型基于违约距离的测度方法对数据的敏感性较高，数据质量的问题可能会导致结果的误差。
其次，模型没有考虑到宏观经济环境的变化对公司违约概率的影响，这可能限制了模型的准确性和适用性。
此外，模型的参数估计也具有一定的主观性，不同的参数估计可能会导致不同的信用风险测度结果。
最后，我们提出了一些建议来改进KMV模型在我国上市公司信用风险测度中的应用。
首先，我们应该加强对财务数据的核查和质量管理，确保数据的准确性和可靠性。
其次，我们可以结合宏观经济因素，如利率、失业率等，来进一步完善模型，以更好地反映公司的信用风险。
商业银行个人房屋抵押贷款的信用风险KMV模型实证分析
一
、
Ｋ ＭＶ模 型 的基础 结构
［ Ｅ （ Ｖ Ａ － Ｄ Ｐ Ｔ Ｔ ） ］
—
（ ４ ）
ｏＡ
为方便后文对 Ｋ ＭＶ模型的改进 ， 在此对 Ｋ Ｍ Ｖ模型的基 础理论做 出说 明。假设 Ａ表示 资产价值 ， Ｉ Ｊ ＂ 表示 资产 波动
问题 ， 解决 了依托历史数据的模型产生的历史因素的 自相关
性 。Ｋ Ｍ Ｖ模 型 是 完 全 数 据 型模 型 ， 不 需要 过 多 的对 于 金 融市
场 和应用性方 面的假 设 ， 使得 其更加适用 于不完善 的、 弱 市 场性 的市场 ， 因而对于我国商业银行 个人房屋抵押 贷款 的信
做 出了定量分析 。依据修改后 的 Ｋ Ｍ Ｖ模 型分析所得的结果 ， 针对 国内现存个人房屋抵押 贷款信 用风险评估的不确定
因素 提 出 了相 关 的政 策建 议 。 关键词 ： 个 人 房屋 抵 押 贷款 ； Ｋ ＭＶ模 型 ； 信 用 风 险 中 图分 类号 ： Ｆ ８ ３ ２ ． ４ ５ 文 献标 志码 ： Ａ 文章编号 ： １ ６ ７ ３ — ２ ９ １ Ｘ （ ２ ０ １ ３ ） ２ ３ — ０ ２ １ ０ — ０ ３
益 的标 准 差 ， 如公式 ４
ＤＤ ：—
与其他模 型比较 ， Ｋ ＭＶ模型 的理论基础 坚实 ， 对信用风 险中违约预期 的表述有很强 的说服力 。 同时 ， 由于 Ｋ Ｍ Ｖ模型 是实时动态的模型 ， 建立在 时时变化 的市场价值之上 ， 将股
票价值的波动性加 入模型之 中使 得模型摆脱 了传统 的时滞
引言
２ ０ ０ ７年至 ２ ０ １ ０年上半年 ， 以北京 、 上海 、 广州 等城 市为 代表的一线城市房价集体上涨 ， 新一轮 的房产泡沫也随之形 成 ，个人 房屋抵押贷 款 占商业银行 总贷款 的比例 也逐步攀 升 。白 ２ ０ １ ０年下半年开始的新一轮宏观调控 ， 使全国整体房 ， ｘ表示 账面价 值， Ｅ表示公司权益价值 ， ｒ 为无风 险利率 ，账 面价值和实际 价值之问的关系为 ：
基于KMV模型的信用风险度量实证研究
基于KMV模型的信用风险度量实证研究信用风险度量是银行和金融机构日常业务中必不可少的一项工作，它能够帮助机构有效地衡量和管理借款人的信用风险，降低可能的损失。
KMV模型是一种经典的信用风险度量模型，它被广泛应用于金融机构的信用风险管理中。
本文将对基于KMV模型的信用风险度量进行实证研究，旨在探究KMV模型在实际应用中的有效性和适用性。
首先，我们需要简要介绍KMV模型的基本原理。
KMV模型的核心思想是建立一个反映借款人违约概率的准确度量模型，通过衡量借款人违约的概率来评估其信用风险水平。
KMV模型通常采用随机过程的方法，假设借款人的资产价格服从一定的随机演化规律，基于借款人资产价格的变动，利用概率论和统计模型进行信用风险度量计算。
在实证研究中，我们可以选择一家银行作为研究对象，收集该银行的信用风险数据以及相关的财务数据。
然后，基于KMV模型中的信用风险度量公式，计算出每个借款人的预期违约概率，并将结果与实际违约情况进行比较。
通过计算预测准确度指标，如准确率、召回率、F1-Score等，可以评估KMV模型的预测能力和信用风险度量的准确性。
此外，我们还可以通过引入其他因素来改进KMV模型的预测能力。
例如，可以将宏观经济因素、行业周期等因素纳入模型，以更全面地考虑借款人的信用风险。
同时，可以采用机器学习算法来优化KMV模型的预测结果，如支持向量机、随机森林等。
通过与传统的评级模型进行比较，可以评估不同模型在信用风险度量上的差异和优劣。
最后，我们可以利用实证研究的结果，对KMV模型的应用进行优化和改进。
比如，可以根据具体情况调整模型中的参数，以提高模型的适应性和准确性。
可以采用动态追踪方法对借款人的信用风险进行监测，及时调整信用风险度量结果。
此外，还可以将KMV模型与其他风险度量模型进行组合使用，以综合评估借款人的信用风险水平。
综上所述，基于KMV模型的信用风险度量实证研究可以为金融机构提供有力的决策支持和风险管理手段。
基于KMV模型的商业银行贷款定价实证研究
金融 辍 ２２第 期 ０年 ５ １
基于 Ｋ ＭＶ模型 的商业银行贷款定价实证研究
孟 慧 燕
摘 要 ： 商 业银 行 的 贷款 进行 合 理 的定 价 是 商业 银行 管 理 贷款 风 险 ， 对 实现 盈利 性 、 安 全性 和 流动 性协 调 统一 的重 要手 段 。本 文 以布 莱克 一舒 尔 斯 期权 定价 模 型理 论 为 基础 ， 运 用 ＫＭＶ模 型 ， 首先 利用 上 市公 司财 务 数据 评估 贷 款 的信用 风 险 ， 然后 根据 计 算 出 的企
力， 防范 金融风 险 。另一 方面 ， 也意 味着 商业 银行
Ｓ ｏｔ Ｌ ｒ （ ９ ８ ｃｔ与 ａｒ １９ ）构建 了贷 款 分 析 系统 ｙ
（ ｏ ｎ ｎ ｌ ｉ ｙｔ ，Ａ Ｌ ａ Ａ ａ ｓ Ｓ ｓ ｍ）Ｌ Ｓ是 以 净 现 值 为 基 ｙｓ ｅ 础 ， 过 运 用具 体 的 风险 级别 移 动行 为对 信 用风 通
在 国外 这些 定 价 方法 的基 础上 ， 国内学 者 综
Ｍｅｔｎ １７ ） 现 ， 行 放 出一 笔贷 款 的 收 ｒ （９４ 发 ｏ 银 益 状 况 与 卖 出一 个 以借 款 企 业 资 产 为标 的 的 看 跌 期 权 类 似 ，在 一 定 的假 设 条 件 下 ，可 以用
合各 种贷 款 价格 的影 响 因 素并 结 合 中 国 的 实 际 情况 提 出 了 自己有 代 表性 的见解 。王 化 峰 、 丽 秦 军 和赵 向东 （０ ２ 提 出贷 款 价 格 由核 心 价格 、 ２０ ） 风
贷款 作 为商 业 银行 最 主要 的业 务 ， 其定 价方
式 与策 略 不仅 会影 响 银行 的收 益水 平 ， 会影 响 更
中国工商银行XX分行个人住房抵押贷款风险分析
摘要我国房地产业快速发展促使住房抵押贷款规模不断扩大,个人住房抵押贷款已经成为商业银行贷款发放的重要组成部分,由此对贷款的风险管理提出了很高的要求。
住房抵押贷款业务的开展具有极为重要的意义：就微观层面言之，它使购房人的支付能力增强，住房需求提前得到满足，居住条件得到改善，银行和房地产开发商也从中获得巨大的经济利益；就宏观层面言之，一方面，它推进了我国的住房制度改革，另一方面，扩大了内需，促进了房地产业及相关产业的发展，拉动了国民经济增长。
文章分析了个人住房抵押贷款作为一种主要的住房金融工具在银行信贷总额中占有很大的比重，且具有贷款额大、还款期长的特点。
关键词: 中国工商银行xx分行 ;住房抵押贷款; 风险Abstractthe rapid development of real estate industry in our country to housing mortgage continues to expand the scale of individual housing mortgage has become a commercial bank loans, which is an important part of the risk management of loans raised very tall requirement. Housing mortgage loan business development has a very important significance: just say for micro level of the person that buy a house, it makes pay ability strengthens, housing needs met, ahead of living conditions improved, Banks and property developers also gain enormous economic interests; Will the macroscopic level of words, on the one hand, it boosted our housing system reform, on the other hand, expanding domestic demand and promoting the real estate industry and the related industries, pull up the national economic growth. This paper analyzes the individual housing mortgages as a major housing finance tools in bank credit has a large proportion in the total, and has the characteristic with long, bitter payments.Key words: icbc Inner Mongolia branch; Housing mortgage loan; risk目录1.引言 (1)1.1研究目的 (1)1.2研究综述 (1)1.2.1国外的研究 (1)1.2.2国内的研究 (2)2. 中国工商银行XX分行个人住房抵押贷款业务发展现状 (3)2.1中国工商银行XX分行的基本概况 (3)2.2中国工商银行XX分行个人住房抵押贷款业务发展的基本现状 32.3经济效益的分析 (4)3. 中国工商银行XX分行个人住房抵押贷款风险分析 (4)3.1中国工商银行XX分行个人住房抵押贷款风险分析的基本状况 4 3.2中国工商银行XX分行的风控管理水平 (5)3.3应用期权理论研究个人住房抵押贷款违约风险 (6)3.4个人住房抵押贷款违约风险微观因素研究 (6)4.个人住房抵押贷款风险防范的对策和建议 (7)4.1制度建设及风险意识方面 (7)4.2操作环节方面 (8)5.结论 (9)致谢 (10)参考文献 (11)1.引言1.1研究目的近年来,我国经济的快速发展,城市化进程的加快,居民收入水平的提高以及居民对改善居住条件的渴望,促使我国房地产业迅速发展。
KMV模型在商业银行风险管理中的应用研究
KMV模型在商业银行风险管理中的应用研究KMV模型在商业银行风险管理中的应用研究一、引言风险管理在商业银行中占据着重要的位置。
作为金融机构，商业银行面临着各种各样的风险，包括信用风险、市场风险、流动性风险等。
一个高效的风险管理系统对于商业银行的稳定运营至关重要。
在风险管理领域中，KMV模型作为一种经典的风险评估工具，在商业银行风险管理中具有广泛的应用。
二、KMV模型的基本原理KMV模型是由Kealhofer, McQuown and Vasicek三位学者提出的，是一种基于结构化金融工具的风险评估模型。
“K”代表Kealhofer，“M”代表McQuown，“V”代表Vasicek。
KMV 模型的基本原理是通过估计企业资产价值和债务价值之间的距离，来衡量企业的违约风险。
其核心思想是借助市场数据、股价波动率和债券价值等信息，对企业的违约概率进行预测和量化。
三、KMV模型在商业银行风险管理中的应用1. 信用风险管理信用风险是商业银行面临的主要风险之一。
KMV模型可以通过评估企业的违约概率来帮助商业银行管理信用风险。
通过收集和分析市场数据，以及结合债券定价模型等方法，KMV模型可以对企业的违约概率进行有效的预测和量化。
商业银行可以根据模型结果来制定风险管理策略，及时调整信贷政策，降低不良贷款风险。
2. 市场风险管理市场风险是商业银行面临的另一个重要风险。
KMV模型通过结合股价波动率和市场信息等指标，可以对企业在市场波动下的价值变化进行预测和评估。
商业银行可以通过该模型来计算其投资组合的市场风险，制定合理的风险控制和资产配置策略。
3. 流动性风险管理流动性风险是商业银行面临的另一个重要风险。
KMV模型可以通过估计企业的债务价值以及偿债能力等指标，来评估企业面临的流动性风险。
商业银行可以通过该模型来预测自身的流动性需求，制定合理的流动性管理策略，确保资金的充足性和安全性。
四、KMV模型的优缺点KMV模型作为一种风险评估模型，具有以下几个优点：首先，模型基于市场数据，能够较为准确地预测企业的违约概率；其次，模型简单易懂，应用范围广泛；第三，模型能够对不同类型的风险进行综合评估和管理。
我国商业银行信用风险度量模型的实证研究——基于KMV模型的实证分析
该 模 型 以 Ｍｅｔ ｌ ｎ期 权定 价 理 论 为 依 据 ， 用 输人 变 量 来 ｏ 采 估 算 出 企 业 股 权 的 市 场 价 值及 其波 动性 ，并 根 据 公 司 负 债 计 算 出公 司 的 违 约 实施 点 ， 算 出借 款 人 的违 约 距 离 ， 计 最 后 使 用 企 业 的 违 约 距 离 与 预 期 违 约 率 之 间 的 对 应 关
一
１７ ） 出在 将 股 权 视 为 复 合期 权 的 情 况 下 ， 以 适 用 于 ９ ９指 可
各 种 类 型 的债 务 ； ｌｃ Ｂ ａ ｋ和 Ｃ ｘ （９ ７ 考 虑 了 财 务 约束 、 ｏ １７ ）
次 革 命 。其 局 限性 在 于 对 非 上 市 公 司 因使 用 资 料 的可
附 属 条款 和再 融 资 限 制 ；ｕ ｕｌ１７ ） 虑 了 税 和 破 产 Ｔ ｍｂ ｌ（９ ９ 考
成 本 ； ｉ ，Ｒ ｍａｗ ｍ 和 Ｓ ｎ ａｅ ａ （ ９ ３ 以 及 Ｋｍ ａ ｓａ ｙ ｕ ｄ ｒｓｎ １９ ） Ｌ ｎ ｓ ｆ 和 Ｓ ｈ ａｔ（ ９ ５ 都 假 设 了无 风 险 利 率 遵 循 维 ｏ ｇｔ ａ ｃ ｗ ｒ １９ ） ｚ
适 合 我 国 实 际 的信 用 风 险模 型 ， 以提 高 我 国 商业 银 行 的竞 争 力 。 通 过 研 究 ， 文得 出 Ｋ 本 ＭＶ模 型 在 我 国 目 前 比较 适 用 ， 对 该 模 型 进行 了实 证分 析 ． 提 出该模 型运 用 于 我 国 应该 采取 的对 策 建 议 。 并 并 【 关键 词】 用 风 险 ； ＭＶ模 型 ； 证 分 析 信 Ｋ 实
Ｋ Ｖ 模 型 在 我 国 的广 泛 应 用 。 Ｍ
Ｊ —Ｊ ７ ＲＹ ３ Ｊ —
商业银行个人住房抵押贷款存在的风险及防范研究
商业银行个人住房抵押贷款存在的风险及防范研究作者：徐茵来源：《经营者》2018年第19期摘要随着现代社会经济的快速发展，我国的房地产行业也在不断优化市场环境，个人住房贷款抵押受到越来越多的人的关注。
本文以此为论点，阐述个人住房贷款抵押在我国的发展情况、产生的问题，并提出解决措施，希望能够对相关企业产生一定的参考作用。
关键词个人住房抵押贷款商业银行风险一、个人住房抵押贷款的含义简单来说，个人住房贷款抵押就是指有购房需求的个人，因资金短缺等情况而向商业银行借款，以期获得相应购房资金;但与此同时，商业银行要以购房者的房屋作为抵押品，作为银行放贷的保障。
这种业务分成两大类型，一种是使用个人住房公积金来缴款，另一种是个人商业贷款。
前者作为个人的基本社会保障，其公积金一般需要企业每月为个人缴纳一部分，从而降低人们日后的购房资金压力;后者的商业贷款是纯粹向银行贷款，一般利率较高。
无论是哪一种模式，都需要购房者具有一定的资金存量，因为对商品房的支出占据个人支出非常大的一部分，只有在资金较充足且考虑到未来有足够偿还能力的情况下，才能考虑个人住房贷款。
二、个人住房抵押贷款的发展现状目前，我国的个人住房消费贷款抵押在持续增长，许多人通过抵押贷款购入商品房。
其发展现状主要表现在以下几个方面：（一）住房消费快速增长由于生活水平的提高，人们的经济水平在不断上升，住房消费需求也不断扩大。
目前，我国房产开发的投资增速在逐年提高。
近三年来，房地产开发投资增速虽低于全社会固定资产投资增速，但增速在逐年提升。
国家统计局的数据显示：从2015年至2017年，全社会固定资产投资增速分别为10%、8.1%、7.2%，增速在下降;国内的房地产开发投资增速分别为6.0%、6.9%、7.0%，增速在上升。
房产开发的投资增速提高源于我国住房消费需求的扩大，它会对上游的钢铁、建材需求产生较大影响，会增加上游产品价格上涨的需求动力，甚至使相关的上游产品价格出现上升。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
商业银行个人房屋抵押贷款的信用风险KMV模型实证分析作者：王露溪来源：《经济研究导刊》2013年第23期摘要：房屋抵押贷款作为商业银行重要贷款种类之一，其信用风险的评估一直备受关注。
依据我国商业银行个人房屋抵押贷款信用风险的特点，重新设定了KMV模型中相关参数，选取修改后的KMV模型对所选定的研究对象做出了定量分析。
依据修改后的KMV模型分析所得的结果，针对国内现存个人房屋抵押贷款信用风险评估的不确定因素提出了相关的政策建议。
关键词：个人房屋抵押贷款；KMV模型；信用风险中图分类号：F832.45 文献标志码：A 文章编号：1673-291X（2013）23-0210-03引言2007年至2010年上半年，以北京、上海、广州等城市为代表的一线城市房价集体上涨，新一轮的房产泡沫也随之形成，个人房屋抵押贷款占商业银行总贷款的比例也逐步攀升。
自2010年下半年开始的新一轮宏观调控，使全国整体房价出现回落趋势；同年9月出台的Basel Ⅲ国际资本协议亦对银行内信用风险的控制提出了新的要求。
这无疑使得银行内部个人房屋抵押贷款存量的信用风险分析成为了一个非常紧迫的议题。
针对金融业的国际发展前沿和我国商业银行业务实践中的现存问题，开发实用性强、应用范围广、操作简便可行的个人房屋抵押贷款信用风险评估模型有着非常重要的意义。
与其他模型比较，KMV模型的理论基础坚实，对信用风险中违约预期的表述有很强的说服力。
同时，由于KMV模型是实时动态的模型，建立在时时变化的市场价值之上，将股票价值的波动性加入模型之中使得模型摆脱了传统的时滞问题，解决了依托历史数据的模型产生的历史因素的自相关性。
KMV模型是完全数据型模型，不需要过多的对于金融市场和应用性方面的假设，使得其更加适用于不完善的、弱市场性的市场，因而对于我国商业银行个人房屋抵押贷款的信用风险的分析，KMV模型显然更加合适。
一、KMV模型的基础结构为方便后文对KMV模型的改进，在此对KMV模型的基础理论做出说明。
假设A表示资产价值，σA表示资产波动率，用dVA表示价值的变化，用μVAdt表示dVA的平均值，其中μ是价值变化的移动项，那么，则有公式1。
dVA=μdVAdt +σAdz （1）如公式2，到T时刻，用N表示正态分布，X表示账面价值，E表示公司权益价值，r为无风险利率，账面价值和实际价值之间的关系为：（2）其中，（3）在模型建立之初，开发该模型的KMV公司发现，在大多数信用违约的情况出现时，标的资产的价值总会落在短期债务值和债务总值之间的某一水平上，因此，通过债务总额直接和资产价值比较的方法不能准确体现实际的违约概率。
同时，由于市场经营主体在出现经营困难时还有其他的融资方式渡过难关继续经营，这无疑会影响违约点的准确厘定。
因而，开发者在KMV模型中采取违约距离来表示违约概率。
在这里我们将长期债务用LTD表示，将短期债务用STD表示，同时用DPT表示违约临界，在对长期市场违约情况的严重中，KMV模型的开发者发现如下规律，即，DPT=STD+1/2LTD，用DD表示违约距离，即，资产的违约临界点和资产未来收益的标准差，如公式4DD = （4）将公式1—3带入其中，得到公式5DD = （5）同时，针对每一笔融资贷款的违约率，KMV模型用EDF表示预期违约率。
假定其为风险中性，则有公式6。
EDF =EDF = （6）在KMV公式对大量数据进行研究后发现，尽管从纯理论角度，EDF是服从正态分布的，但是，实际上远非如此，依据大量数据分析后的经验公式，可知：EDF=综上述，应用KMV模型进行分析的过程有如下几个步骤：首先，将信用评估主体标的资产的权益市场价值的波动性、市场价值以及负债账面价值带入公式1—3得出VA和σA。
然后，依据公式4和5得出DD，计算所得数值越大则表示违约点里信用评估主体的标的资产越远，违约风险越小。
最后，依据公式6计算EDF，并用该数据表示贷款到期时，违约点价值小于贷款到期价值的概率。
二、KMV模型的参数修正本文假设融资人在违约决策中始终是以自身经济利益出发点，那么在我国商业银行的实践中，银行在向融资人发放个人房屋抵押贷款后，通常会遇到这样的情况：如果融资人对房屋价格预期是乐观的，即其认为房屋价格在未来是会维持稳定或者继续上涨的，融资人通常会按照约定还清本期；如果融资人对房屋价格的预期是悲观的，即其认为在未来一段时间，房屋价格会大幅下跌，同时偿还贷款会影响自己现金流，那么其不会选择按照约定偿还本息，银行会收回抵押物来弥补损失。
虽然影响融资人决策的因素很多，但是主要有两种：一是融资人对未来一段时间房产价格走势的预期；二是融资人对未来本人收入走势的预期。
假设用k表示贷款比例，用V表示房屋初始价值，首付款为V（1—k），用L表示贷款额，则有L=（V·k）；同时，用T和r分别表示贷款期限和利率，假设按月偿，等本息偿还，用X表示还款额，则有公式7和公式8。
X= （7）t个月后，可得出余额贷款量为：Lt= （8）假如房产价值大于Lt，融资人不会选择违约；假如房产价值小于Lt，融资人即选择违约来保护自己的经济利益。
设定Lt为t时刻的临界违约点DPT，将房屋价格波动率用σ表示，无风险收益率用μ表示，Wt表示标准布朗运动，假设房产价值符合几何布朗运动，对于房产未来价值，则有公式9。
（9）由于Wt～（0，t），Wt/～（0，1），有Ito公式可知公式10（10）那么，在Vt≤Lt时，违约发生，其EDF据KMV模型可得公式11。
EDF=EDF= （11）其中φ表示标准正态分布，这样可得到公式12。
DD= （12）三、修正的KMV模型分析商业银行个人房屋抵押贷款的信用风险依据公式11、12我们可知，决定DD和EDF的主要因素为利率、贷款乘数、房价波动率和贷款期限。
假设恒定为0.06，5年以上贷款，年利率为7.05%，同时，我们将EDF用百分数表示，其余数据用小数表示，在融资人向银行还款3年后，依据上一节公式可得出表1。
表1 模拟模型中的数据数据来源：由作者根据模型计算整理得到的。
表1中的百分数即为EDF，其中显而易见的是，在k和T一定的情况下，随着σ的增大，EDF增速明显，当房价波动值达到0.24时，违约率高达35.70%。
这无疑增大了商业银行个人房屋抵押贷款的信用风险。
同时，反观我国商业银行内部房屋抵押贷款存量占总贷款比例，如表2。
表2 个人房屋抵押贷款占总贷款的比例数据来源：各银行年度报表计算整理所得从中可以看出，截至2012年，各大主要银行的贷款比例中，个人房屋抵押贷款仍然占相当大的比例，其中最高的是建设银行，高达20.35%。
除了民生银行近几年改比例逐年下降至个位数之外，其余的几家银行无一例外的在改比例上呈现两位数的百分比。
国家从2010年初开始逐步加强了房产调控的力度，房价开始下滑，房价波动开始逐步放大。
在这种情况下，由于房屋抵押贷款的还款期限一般在3年以上，我国主要商业银行难以在短期内消化个人房屋抵押贷款的存量。
假如房价波动扩大到20%以上，我国商业银行面临的个人房屋抵押贷款的理论违约率就会达到30%以上，虽然融资人出于多种因素，并不见得完全从自身经济利于出发进行决策，但是如此高的理论违约值，无疑会让不良贷款比率也快速攀升。
四、商业银行个人房屋抵押贷款信用风险的政策建议针对以上研究结果和我国商业银行个人房屋抵押贷款的实际问题，本文提出如下政策建议。
1.开辟多元化的房屋抵押贷款融资渠道，做到广泛分担风险。
长期以来，由于计划经济向市场经济转轨过程中的历史遗留问题，我国金融业的从业主体呈现出严重的单一性，即，各大商业银行控制着主要的融资渠道。
对于个人房屋抵押贷款来说，其大部分的融资来源均为商业银行。
这种极度单一的融资渠道造成风险严重集中在商业银行内部，这不仅不利于风险的分散，同时是对个人融资渠道多元化的严重挑战。
鉴于此种情况，当下政府应大力扶持民间融资渠道，引导民营资本进入金融业，通过民营企业和民间资本的介入，丰富个人房屋抵押贷款的融资渠道，做到合理分散风险，将原本集中在商业银行内部的风险，通过结构分散的形式进行稀释，从而做到提升商业银行资产优良率，提升社会整体的抗风险能力。
2.尽快完善贷款保险制度，最大限度降低房屋抵押贷款的信用风险。
贷款保险作为一种合理分担风险的保险业务已经广泛应用在国际金融市场，而在我国，贷款保险，特别是个人房屋抵押贷款保险才刚刚起步。
当前，金融市场的监管者应着手建立由保险公司进行承保、以个人房屋抵押贷款为标的的个人房屋抵押贷款保险。
个人房屋抵押贷款保险制度的完善有着重要的意义，其不仅可以把违约的风险损失大幅降低，也可以在极大程度上完善我国金融市场的多样性，并为其他类型的贷款提供相应借鉴。
3.建立健全完善的个人房屋抵押贷款二级市场，从而提高房屋抵押贷款的流动性。
由于房屋抵押贷款的还款期长、抵押物单一且不易流通，因而商业银行很难在预期风险存在的情况下及时稀释个人房屋抵押贷款占总贷款量的比例，这无疑降低了商业银行风险处理的灵活性。
据此，目前亟须建立以房屋抵押贷款为交易品的二级市场，通过提高房屋抵押贷款的短期流动性，来丰富商业银行抗风险的手段和抗风险的能力。
参考文献：[1] Lee，Wo-Chiang.Redefinition of the KMV model's optimal default point based on genetic algorithms - Evidence from Taiwan.ExpertSystems with Applications，2011.[2] Gou，Xiao-Ju.Applying KMV model to credit risk assessment of Chinese listed firms.2009 International Conference on Information Man-agement，Innovation Management and Industrial Engineering，2009，553-557.[3] Zhang Shengzhong.Global financial crisis's impact on the credit risk of logistics companies：Comparative analysis between China andus with KMV model.Proceedings - 2010 International Conference on Management of e-Commerce and e-Government，2010，116-121.[4] Li Hong，Chen Jun.Analysis in credit risk of listed company based on KMV model.2010 International Conference on Management andService Science，2010.[5] Grzybowska，Karwanski M.Examples of migration matrices models and their performance in credit risk analysis.Acta Physica PolonicaA，2012 121（2）：40-46.[6] 杨慧.KMV模型在中国上市公司信用风险度量中的实证研究[J].中南财经政法大学研究生学报，2006，（6）.[7] 丁东洋，刘希阳.信用风险建模中的随机过程[J].广西财经学院学报，2012，（1）.[8] 韩艳艳，王波.基于logistic回归-KMV模型的上市公司信用风险评价研究[J].科技与管理，2010，（1）.[9] 陈浩，夏红芳.我国上市公司信用风险度量及其影响因素的实证研究[J].金融教育研究，2010，（1）.。