信用风险的国际演进及启发

导语：信用风险的国际演进及启发一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

内部经济资本计量模型的发展

巴塞尔委员会在1988年出台了《国际资本计量统一框架》，要求银行必须根据债权的风险大小，准备相应的资本。1988年资本协议的出台，建立了全球统一的资本计量框架。但是其仅根据债权主体的差异，将风险权重分为0％、10％、20％、50％、100％五档，对于大多数公司借款人，均适用100％的风险权重，导致其敏感性差，难以适应商业银行内部经营管理的需要。因此，各商业银行或专业风险计量机构纷纷利用自己的研究团队，开发出了相应的风险计量模型，其中最有代表性的是KMV公司的组合管理模型、J.P.Morgan的CreditMetrics模型和CSFP的CreditRisk+模型，三类模型均以违约概率、违约损失率和违约相关性作为模型输入变量，但在信贷组合损失定义、违约概率计算等处理上存在较大差异。（一）KMV组合管理模型。KMV组合管理模型由专业信用风险计量机构——KMV公司提出，其假定信贷组合的损失分布由三个因素决定：每一资产的违约概率；每一资产违约时的预期回收率；借款人两两间的违约相关性。针对上述三个要素，KMV公司分别开发出了违约概率计量模型和违约相关性计量模型，前者基于上市公司财务结构计算违约距离，并通过违约距离映射到违约概率，后者则基于上市公司资产相关性计量违约相关性。由于模型的主要输入参数为违约概率和违约相关性，因此，KMV组合管理模型主要适用于上市公司。（二）CreditMetrics模型。CreditMetrics模型由J.P.Morgan（1997）联合美国银行等多家金融机构提出，其假定信贷资产组合一定时期内的价值变化取决于其信用等级的联合变化，其中信贷组合内每一信贷资产的价值主要由其信用等级所对应的收益率决定，而信用等级的联合变化则由借款人间的相关性及信用等级迁徙矩阵决定。CreditMetrics模型与KMV组合管理模型的相似之处在于借款人间违约相关性均通过借款人间资产相关性间接估计，不同之处在于CreditMetrics模型假定违约概率由资产的外部评级决定，而不是由违约距离决定。（三）CreditRisk+模型。CreditRisk+模型由CSFP（1997）提出，其假定违约的损失分布由组合内发生违约个数、组合内每一违约平均损失程度两个要素决定，对于违约概率相同、违约损失程度相近的资产组合，假定其一定时期内的违约个数服从泊松分布，则可基于违约个数的分布，得到违约损失的分布。CreditRisk+模型与CreditMetrics模型的相似之处在于均假定违约概率外生，不同之处在于其只考虑借款人违约导致的损失，不考虑借款人信用等级质量下降导致的损失。此外，CreditRisk+通过假定违约率可变来计量不同组合间的违约相关性，而不是通过借款人间资产相关性予以估计。综上所述，20世纪90年代是组合信用风险管理蓬勃发展的时代，组合管理模型、CreditMetrics模型、CreditRisk+模型及其他一些组合信用风险模型均在这一时期涌现。商业银行内部风险计量技术的迅速发展，也为风险敏感性更高的资本监管规则——巴塞尔新资本协议的出台奠定了基础。

监管经济资本计量模型的发展

2000年以后，组合信用风险开始向两个方向发展：一方面，KMV模型、CreditMetrics模型、CreditRisk+模型等之前的主流信用风险模型随着业务实践不断完善；另一方面，为了克服1988年资本协议风险敏感性差的问题，使监管资本更加真实地反映商业银行所面临的风险，并激励商业银行不断改进自身风险管理水平，巴塞尔委员会提出了一种以内部评级结果为输入参数、以单因子渐进模型为模型框架的监管资本计算规则，并经征求业内意见对部分参数进行调整后，在2004年正式颁布的新资本协议中作为监管资本计算的高级方法——内部评级法出现（以下简称单因子渐进模型）。（一）单因子渐进模型的框架。单因子渐进模型首先假定信贷组合的损失具有组合不变性，即信贷组合内每笔贷款的损失仅由其违约概率、违约损失率、违约风险暴露、借款人规模、期限等自身属性决定，增加或减少一笔贷款不会对其他贷款所需资本要求产生影响，信贷组合的资本要求为组合内单笔贷款资本要求的简单加总，而每笔贷款的资本要求则由（1）式①决定：（1）式中，PD、LGD为基于银行内部评级体系估计的违约概率、违约损失率，M为有效期限，R为相关系数，b为期限调整因素，分别是违约概率PD的单调函数。根据BCBS（2005），银行的损失分为预期损失和非预期损失，而单因子渐进模型是在假定损失具有组合不变性的前提下，基于银行的内部评级结果，计算覆盖99.9％置信水平下由系统性风险导致的条件非预期损失。因此，单因子渐进模型本质上是监管者提出的一种具有普适性的经济资本计量模型。（二）对单因子渐进模型计量经济资本的进一步分析。单因子渐进模型提出后，其作为监管资本的适用性得到业内肯定，但其作为银行经济资本计量模型的优劣则在学术界引起了广泛的讨论。关于单因子渐进模型的讨论主要集中于模型计量经济资本的合理性及缺陷两个方面。1、计量经济资本的合理性。单因子渐进模型最重要的假定是信贷损失的组合不变性，若该假定得到满足，则其能够较为精确的计量经济资本。事实上，当组合内任一资产均仅占组合很小份额（条件1）、组合内不同借款人间相关性仅由一个系统因子驱动（条件2）时，资产组合的VaR具有组合不变性，且既使不满足条件1也不会对模型计量的准确性产生太大影响（Gordy，2002）。单因子渐进模型的另一重要假定是影响贷款组合内借款人间的系统性因子只有一个。从CreditMetrics、KMV模型、CreditRisk+等业内常用的经济资本计量模型来看，尽管在模型假定上采用多个因子，如相关系数由行业、地区两个因素决定，但是地区因素通常取某一固定值，实质上仍是单因子模型。因此，单因子渐进模型的单因子假定与常见的组合信用风险模型是一致的（Gordy，2002）。2、单因子渐进模型的缺陷。在实际应用中，组合不变性赖以成立的两个条件并不能完全满足，其主要原因是集中度风险的普遍存在。信贷组合集中度将从两个方面破坏单因子渐进模型的组合不变性假定：资产组合规模过小或过于集中于某一借款人将导致非系统风险的不完全分散，破坏单因子模型资产足够分散的假定；资产组合过于集中于某一个或某几个行业将导致信用风险由多个系统性因子驱动，破坏单因子模型的单因子假定（BCBS，2006）。因此，单因子渐进模型所计算的资本只是对真实经济资本的一种近似，具体使用时需要结合实际情况进行修正。（三）对单因子渐进模型的修正。导致单因子渐进模型无法完全准确计量经济资本主要有两个原因：一是其仅考虑了系统性风险，没有考虑非系统性风险，当信贷组合过于集中于某一个借款人时，其计算的资本不能完全覆盖非预期损失，需要在其计算结果基础上增加集中度风险资本，即进行粒度调整（GranuarityAdjustment，GA）；二是其对信贷组合的分散化效应仅通过一个因子反映，没有考虑多个因子的影响，当信贷组合充分利用不同行业、不同地区间相关性实现分散化效应时，其计算的资本可能过于审慎，需要在其计算结果基础上适当降低资本，即考虑分散化效应（DiversificationFactor，DF）。1、粒度调整。假定信贷组合实际损失的q分位点为Yq，单因子模型。但是，由于单因子渐进模型假定信贷损失具有组合不变性，该假定与实际情况存在一定偏离，导致模型计算的资本与真实的信用风险损失存在一定偏差，主要体现为无法完全反映分散化效应和集中度风险，因此只能作为一种近似的经济资本计量模型，需要进行粒度调整和分散化效应调整。对于国内商业银行而言，新资本协议内部评级法的出现，为信用风险计量技术的提高提供了全方位的借鉴。以实施内部评级法为契机，国内商业银行或与咨询机构合作，或引进战略合作伙伴技术，纷纷致力于建立符合内部评级法要求的内部评级体系。由于风险计量基础较为薄弱，国内商业银行这一时期的主要精力是对单笔贷款违约概率、违约损失率等风险参数的计量，目前对于风险参数在经济资本计量模型中的应用，尚处于研究阶段。

组合信用风险模型演进对中国的启示

从组合信用风险模型的演进过程可以看出，单因子渐进模型的提出对信用风险经济资本计量的发展产生了重大影响。首先，该模型建立在CreditMetrics、KMV模型、CreditRisk+等20世纪90年代主流信用风险经济资本计量模型基础之上，体现了信用风险经济资本计量中最基本的原理和最核心的元素，如经济资本是计量一定置信度、一定时期内的VaR，如影响信用风险损失的主要要素是违约概率（PD）、违约损失率（LGD）、相关性（R）等，银行可以在其基础上结合本行实际适当调整，得到精度更高、适用性更强的经济资本计量模型。其次，该模型直接基于单笔贷款自身属性计量经济资本，经济资本的计量细化到信贷组合的最小粒度，有利于经济资本的配置与应用。最后，该模型直观的展示了违约概率、违约损失率、相关性等风险要素与经济资本的关系，将信用风险管理的重心从组合管理再次回到客户信用等级评定、贷款担保管理等最基本的要素。有鉴于此，对单因子渐进模型的分析和修正，成为2000年以来信用风险经济资本计量研究的热点。对于国内银行业而言，单因子渐进模型不失为一种较为理想的选择。首先，从模型适用性来看，国际性大银行信贷组合中的债权人以上市公司为主，信贷产品以市场化交易程度较高的债券、衍生产品为主，以此为基础开发的CreditMetrics、KMV模型等内部组合信用风险模型并不适用于信贷组合中债权人大多为非上市公司、信贷产品以贷款为主的国内商业银行。而单因子渐进模型作为一种国际通行的监管资本计量规则，在推出过程中着重考虑了模型的全球普适性，模型的最终确定经过了多次定量测算和意见征求，因此对中国银行业的适用性也较好。其次，从模型特点来看，单因子渐进模型引入了规模因素和期限因素，中小企业贷款、期限较短贷款的资本占用明显优于其它贷款，以单因子渐进模型为基础的经济资本计量与配置，有助于促进中小企业信贷业务发展。再次，CreditMetrics、KMV等模型及其改进版模型结构较为复杂，计算过程中往往采用蒙特卡洛方法模拟贷款组合的损失分布，计算量大，而单因子渐进模型结构简明，计算简便，且计算结果直接细化到单笔贷款，对于风险计量基础较为薄弱的中国银行业而言，后者的可接受度和推广实施难度更小。最后，随着计量模型在风险管理领域的广泛使用，复杂计量模型所带来的模型风险引起了越来越多的关注，简洁、透明正日渐成为组合信用风险模型的新标准。因此，国内商业银行在实施内部评级法过程中，可通过对单因子渐进模型进行适当调整，得到适合自身经营发展的经济资本计量模型。鉴于国内银行业的实际，对单因子渐进模型的调整可以从两个方面入手：从违约相关性来看，由于国内经济结构调整主要通过产业政策实施，违约相关性受行业的影响较大，因此可在现行单因子模型基础上，在相关系数计算中引入行业因素；从集中度情况来看，国内银行业“贷集中”现象较为明显，集中度风险对信贷组合损失影响较大，可在单因子渐进模型所基础上，引入集中度调整因素。

本文作者：吴仕建李心愉工作单位：北京大学经济学院