商业银行信用风险度量论文

导语：商业银行信用风险度量论文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。

2004年6月，巴塞尔银行监管委员会正式出台了《新资本协议》，并将于2006年底付诸实施。《新资本协议》对于信用风险资本的要求更侧重于银行评级体系，并有向银行内部信用风险度量模型方向发展的趋势。因此，在当今经济、金融全球化的新形势下，我国商业银行借鉴国际上先进的信用风险管理经验，强化信用风险管理，加强商业银行的内部评级体系和风险度量模型的研究，缩小与国外银行业的差距，适应《巴塞尔协议》新框架的需要，已成为当前刻不容缓的工作。

一、商业银行信用风险度量方法与模型

(一)传统信用风险度量方法

1．“6C”信用评分法。“6C”信用评分法是商业银行传统的信用风险度量方法。它是指由有关专家根据借款人的品德(character)(借款人的作风、观念以及责任心等，借款人过去的还款记录是银行判断借款人品德的主要依据)；能力(capacity)(指借款者归还贷款的能力，包括借款企业的经营状况、投资项目的前景)、资本(capital)、抵押品(collateral)(提供一定的、合适的抵押品)、经营环境(condition)(所在行业在整个经济中的经营环境及趋势)、事业的连续性(continuity)(借款企业持续经营前景)等六个因素评定其信用程度和综合还款能力，以决定是否最终发放贷款。

2．z-score违约预测模型。z-score违约预测模型是由美国阿尔特曼教授(Altman)于1968年提出来的，他采用多变量分析法对66家美国制造企业的经营状况进行了判别研究，并建立了由5个参数(财务指标)组成的z值模型，并对美国制造企业的破产进行了判别分析。

Z分数模型的判别函数如下：

X1=(期末流动资产-期末流动负债)／期末总资产

X2=期末留存收益／期末总资产

X3=息税前利润／期末总资产

X4=期末股东权益的市场价值／期末总负债

X5=本期销售收入／总资产

Altman教授通过对Z分数模型的长期研究提出了判断企业破产的临界值(z-score)。研究发现，Z值越低，该企业遭受财务失败的可能性就越大；Z值越高，该企业遭受财务失败的可能性就越小。Altman曾经对66家企业进行分析测算，其准确程度达95％左右。Z分数模型的具体判断标准为如下所示：

(二)现代信用风险度量模型

目前国际流行的现代信用风险管理模型主要有CreditMetrics模型、麦肯锡模型、KMV模型、CSFP信用风险附加计量模型等四类。

1．CreditMetrics模型是由J．P．摩根公司等1997年开发出的模型，运用VAR(Valueatrisk)框架，对贷款和非交易资产进行估价和风险计算。该方法是基于借款人的信用评级、次年评级发生变化的概率(评级转移矩阵)、违约贷款的回收率、债券市场上的信用风险价差计算出贷款的市场价值及其波动性，进而得出个别贷款和贷款组合的VAR值。其主要优势在于通过计算信用工具在不同信用等级上的市场价值，达到用传统的期望值和标准差来度量资产信用风险的目的，并将VAR方法引入到信用风险管理中来；对组合价值的分布有正态分布假定下的解析方法和蒙特卡罗模拟法，在一定程度上避免了资产收益率正态性硬性假设，可以用资产价值分布和百分位求出资产损失；对“违约”的概念进行了拓展，认为违约也包括债务人信用等级恶化；它是一种盯市场(Market-to-Market)信用风险度量模型，能将债务价值的高端和低端考虑到。该模型提出了边际风险贡献的概念，很好地刻画新增一笔债券／贷款的风险和收益及其取舍方法。主要劣势在于：大量证据表明信用等级迁移概率并不遵循马尔可夫过程，而是跨时自相关的。该模型使用历史数据度量信用风险，属于“向后看”的风险度量方法。

2．麦肯锡模型则是在CreditMetrics的基础上，对周期性因素进行了处理，将评级转移矩阵与经济增长率、失业率、利率、汇率、政府支出等宏观经济变量之间的关系模型化，并通过蒙地卡罗模拟技术(astructuredMonteCarlosimulationapproach)模拟周期性因素的“冲击”来测定评级转移概率的变化。麦肯锡模型可以看成是对CreditMetrics的补充，它克服了CreditMetrics中不同时期的评级转移矩阵固定不变的缺点。

3．KMV模型是KMV公司1997年建立的用来估计借款企业违约概率的方法。首先，它利用Black-Scholes期权定价公式，根据企业资产的市场价值、资产价值的波动性、到期时间、无风险借贷利率及负债的账面价值估计出企业股权的市场价值及其波动性。其次根据公司的负债计算出公司的违约实施点(defaultexercisepoint，为企业1年以下短期债务的价值加上未清偿长期债务账面价值的一半)，计算借款人的违约距离。最后，根据企业的违约距离与预期违约率(EDF)之间的对应关系，求出企业的预期违约率。KMV模型的优势在于以现代期权理论基础作依托，充分利用资本市场的信息而非历史账面资料进行预测，将市场信息纳入了违约概率，更能反映上市企业当前的信用状况，是对传统方法的一次革命。KMV模型是一种动态模型，采用的主要是股票市场的数据，因此，数据和结果更新很快，具有前瞻性，是一种“向前看”的方法。在给定公司的现时资产结构的情况下，一旦确定出资产价值的随机过程，便可得到任一时间单位的实际违约概率。其劣势在于假设比较苛刻，尤其是资产收益分布实际上存在“肥尾”现象，并不满足正态分布假设；仅抓住了违约预测，忽视了企业信用品质的变化；没有考虑信息不对称情况下的道德风险；必须使用估计技术来获得资产价值、企业资产收益率的期望值和波动性；对非上市公司因使用资料的可获得性差，预测的准确性也较差；不能处理非线性产品，如期权、外币掉期等。

4．CSFP信用风险附加计量模型。它与作为盯市模型(MTM)的creditMetrics不同，它是一个违约模型(DM)，它不把信用评级的升降和与此相关的信用价差变化视为一笔贷款的VAR(信用风险)的一部分，而只看作是市场风险，它在任何时期只考虑违约和不违约这两种事件状态，计量预期到和未预期到的损失，而不像在creditMetrics中度量预期到的价值和未预期到的价值变化。在CSFP信用风险附加计量模型中，违约概率不再是离散的，而被模型化为具有一定概率分布的连续变量。每一笔贷款被视作小概率违约事件，并且每笔贷款的违约概率都独立于其他贷款，这样，贷款组合违约概率的分布接近泊松分布。CSFP信用风险附加计量模型考虑违约概率的不确定性和损失大小的不确定性，并将损失的严重性和贷款的风险暴露数量划分频段，计量违约概率和损失大小可以得出不同频段损失的分布，对所有频段的损失加总即为贷款组合的损失分布。

上述四个模型的区别可归纳为以下六个方面。第一，在风险的界定方面，creditMetrics和麦肯锡模型属于盯市模型(MTM)；CSFP信用风险附加计量模型属于违约模型(DM)；而KMV模型既可被当作MTM模型，也可被当作DM模型。第二，在风险驱动因素方面，在KMV模型和CreditMetrics中，风险驱动因素是企业资产价值及其波动性；在麦肯锡模型中，风险驱动因素是失业率等宏观因素；而在CSFP信用风险附加计量模型中，关键的风险驱动因素是经济中可变的违约率均值。第三，在信用事件的波动性方面，在CreditMetrics中，违约概率被模型化为基于历史数据的固定的或离散的值；而在KMV模型、麦肯锡模型和CSFP信用风险附加计量模型中，违约概率是可变的，但服从于不同的概率分布。第四，在信用事件的相关性方面，各模型具有不同的相关性结构，KMV模型和creditMetrics是多变量正态；麦肯锡模型是因素负载；而CSFP信用风险附加计量模型是独立假定或与预期违约率的相关性。第五，在回收率方面，在KMV模型的简单形式中，回收率是不变的常数；在CSFP信用风险附加计量模型中，损失的严重程度被凑成整数并划分为不同的频段，在频段内回收率是不变的；第六，在计量方法方面，CreditMetrics对个别贷款或贷款组合采用分析方法进行计量，对大规模贷款组合则采用蒙地卡罗模拟技术进行计量；KMV模型和CSFP信用风险附加计量模型采用分析方法进行计量；麦肯锡模型则采用模拟技术求解。

通过对上述国际银行业信用风险度量模型的考察，我们可以看出银行信用风险管理模型呈现以下八个方面的发展趋势与特点。一是从过去的定性分析逐渐转化为定量分析的趋势；二是从指标化形式向模型化形式的转化或二者结合的趋势；三是从对单个资产的分析转化为从组合角度进行的分析的趋势；四是从盯住账面价值的方法转向盯住市场的方法的趋势；五是既考虑单个贷款人的微观特征，也考虑整个宏观经济环境的影响的趋势；六是运用现代金融理论的最新研究成果的趋势，比如对期权定价理论、资本资产定价理论、资产组合理论的运用；七是汲取相关领域的最新研究成果的趋势，比如经济计量学方法、保险精算方法、最优化理论、仿真技术等；八是运用现代计算机大容量处理信息和网络化技术的趋势。

二、加强我国商业银行信用风险度量研究的几点思考

长期以来，我国商业银行在信用风险度量方面，采取主观评价色彩很浓的传统方法，主要是由信贷管理人员分析结合借款企业的财务报表和往来结算记录等情况后进行信贷决策。而且目前我国普遍存在信息披露不规范、财务数据时效性较差且可信度较低的状况、时序信用数据又相当缺乏以及在计量模型具体运用方面技术专业人才的缺乏，这些都严重制约了对信用风险度量的深入研究。因此，当前我国商业银行加强信用风险度量研究可从以下几方面着手。

一是应尽快建立起完善的银行业信用数据库和贷款违约损失的时间序列数据库，解决运用模型进行定量研究所面临的数据库缺乏的瓶颈制约问题，为我国银行业的信用风险度量研究提供有力的数据支撑，为我国银行信用风险度量研究向模型化研究过渡做好准备。

二是借鉴美国等发达国家的先进经验，积极建立健全有关社会信用的法律体系和征信评级体系。要积极借鉴国外做法，通过相关法律法规体系的建设完善，在失信的惩戒形式和制裁程度、失信惩罚机制的操作、信用信息征集、评估、披露、使用以及涉及的企业秘密、个人隐私等领域，加强立法与执法的力度，提高整个社会信用水平。

三是加强信息披露的公开性和透明性建设。尽管近年来信息披露有很大进步，但信息披露不及时、不全面、不真实的情况还依然存在。因此须尽快出台相关法律、法规及规章制度，积极采取措施，进一步规范信息披露工作，加强市场的自律，确保信息披露的公开、及时、全面、准确。

四是我国商业银行可与有关政府部门和科研机构一起，结合自身特点，对有关信用风险度量模型进行改进，或“量体裁衣式”地开发新的信用风险度量模型，以适应金融业竞争日趋激烈的新形势。

五是积极加强对商业银行信用风险管理人员的相关知识的培训力度，培养一批掌握国际先进信用风险管理方法的高素质人才队伍，为我国商业银行信用风险度量研究提供有力的智力支持。