1月7日，中国社会科学院金融所举办“金融论坛”，刘煜辉博士以“现代信用风险模型回顾及在中国的尝试”为题，介绍了传统信用风险分析法、现代信用风险度量模型、KMV模型的演进、KMV模型在中国的尝试等方面研究情况。
刘煜辉着重介绍了KMV模型的原理基础、理论框架及应用前景。KMV模型以现代金融理论———风险中性定价或无套利定价为背景，将现代期权定价理论应用于信用度量中，是对传统信用风险度量方法的一次重要革命。KMV模型把公司资产作为标的，把公司所有者权益看作看涨期权，负债看作看跌期权，公司价值遵循几何布朗运动。资本结构与公司价值密切相关，而违约概率是与债务额和债务人公司资产结构相关的内生变量。当公司资产价值低于某个水平时，违约才会发生，在这个水平上的公司资产价值被定义为违约点(DefaultPointDP)。KMV模型充分利用资本市场上的信息，对已上市公司的信用风险进行量化度量和分析，通过获取来自股票市场的数据，而非企业的历史账面资料，更能够反映企业当前的信用状况，其预测能力更及时、更强、更准确。
刘煜辉认为，建设中国的信用风险的度量体系，对国外现有模型的借鉴及其中国化十分必要。但是目前我国信用建设的一个突出问题就是信用数据匮乏，中国股票市场经过2001~2002长达两年的持续下跌，巨大的市场泡沫得到有效地清洗，投资理念开始朝着价值发现与价值投资方向转变，也就是说上市公司的市场价格逐步在向其内在基本价值回归，市场有效性的提高给KMV模型在中国的实践创造了条件。在一个缺少足够信用数据的新兴市场，基于企业信用评级的风险度量方法目前尚不具备应用的现实基础。但KMV模型直接利用股票市场的数据进行信用管理，具有现实的应用前景。因此，对KMV模型在中国市场的研究，具有理论和实践意义。
刘煜辉指出，数据有效性是一切高级分析方法的前提。KMV模型的应用有赖于资本市场的有效性，即资产的市场价格的变化能反映其内在基本价值的变化。KMV模型仅仅是在国内现有数据条件下的一种尝试，数据处理需要斟酌地方还很多，并不代表现实实用性。中国银行业在建立自己的IRB（内部评级法）体系的过程中，核心问题是建立全社会所共享的信用数据仓库，80%以上的工作应该集中于数据清洗与数据结构整合，这将是一项长期而艰巨的工作。
