我國商行信用危機模型的國際對比及改進

導語：我國商行信用危機模型的國際對比及改進一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

一、問題的提出

現代商業銀行信用風險管理已由傳統的信用風險識別和違約評估發展到現代信用風險模型化階段，由國際活躍的銀行和金融機構創建和廣泛應用并被巴賽爾銀行業監管委員會(下稱委員會)建議使用的現代信用風險模型主要有JP.Morgan(1997)的CreditMetrics、KMV(1993)的EDF(creditmoni-tor)、CSFP(1997)的CreditRisk、Mckinsey(1998)的CreditPortfolioView等模型。2004年6月公布的巴塞爾新資本協議(下稱新協議)所推出的信用風險內部評級法(IRB)也是基于上述模型的適用性考慮后的折中產物。

國外對現代信用風險模型的有效性驗證研究結果顯示，上述模型均是有效的信用風險量化技術，并且在對不同的信用資產風險度量中具有自己獨特的優勢。委員會于2004年6月推出新協議提倡使用IRB管理信用風險，并推薦使用上述模型進行內部評級，可見現代信用風險模型已經在國外得到了廣泛的認可和使用。

目前，我國商業銀行信用風險管理水平離新協議的要求還有相當大的差距，仍停留在傳統的貸款風險度衡量階段，但銀監會表示，我國商業銀行應積極過渡到以IRB為代表的現代信用風險模型管理階段。國內理論界和銀行業已對IRB和現代信用風險模型進行了理論研究，并探討了在我國的適用性和模型選擇，但存在的主要缺陷是沒能遵循路徑依賴的原則，忽視了在我國商業銀行現有信用風險管理模型的基礎上的改進路徑選擇，從而提高了改進成本。本文將彌補既有研究的這一缺陷，在細致考察我國商業銀行現有的信用風險管理模型的貸款風險度方法存在的不足和缺陷的基礎上，將其與現代信用風險管理模型進行比較分析，從而尋找改進和構建我國商業銀行信用風險管理模型的路徑選擇。

二、我國商業銀行信用

風險管理模型：貸款風險度方法

多年來，我國商業銀行的信用風險管理方法主要以定性分析與經驗分析為主，定量分析和各種財務工具的運用處于次要位置。目前這種局面己經有了改進，我國商業銀行初步建立起由客戶信用評級法和貸款風險分類法所構成的兩維評級體系為基礎的貸款風險度方法。

(一)貸款風險度方法框架

目前，我國商業銀行的信用風險評估管理主要采用貸款風險度方法。所謂貸款風險是指發生貸款本息損失的不確定性，其主要影響因素有：貸款對象、貸款方式、貸款期限和貸款形態。在實踐中，即將交易對手企業客戶劃分為不同的信用等級，確定相應的風險權數，即企業客戶信用等級風險系數T；再給出貸款方式的風險權數，得到貸款方式風險系數S。于是，單筆貸款風險度X可表示為：

貸款風險度X＝TS由上式，貸款風險度的本質是取值在0-1之間用概率表示的貸款風險程度。上式表明，X是貸款風險的量化指標，X越大，表明此項貸款面臨的風險越大。實際工作中往往通過統計結果來確定貸款最佳風險度X(一般為0.4)和臨界風險度X(一般為0.6)。X以下的貸款質量處于良好狀態，超過X就視為高風險區。

貸款發放后就參與了企業生產資金的周轉過程，也就具備了增值或虧損的可能性。人民銀行的《貸款通則》規定：銀行已發放的貸款資產可劃分為：正常、關注、次級、可疑和損失五類，據此可確定不同貸款形態的風險系數P；再考慮不同期限貸款面臨不同的風險損失，可確定貸款期限風險轉換系數p，于是，在最終貸款審查和評估時，有：

貸款資產風險度L＝單筆貸款風險度貸款形態風險系數貸款期限風險轉換系數＝XPQ＝TSPQ單項貸款風險權重資產=單項貸款金額該筆貸款資產風險度，即：RWA＝AL＝ATSPQ全部貸款資產風險度＝貸款風險權重資產/貸款余額，即：

(二)我國銀行業貸款風險度方法的總體判斷分析

通過與國際銀行業采用的現代信用風險管理模型和新協議的1RB法比較，可得出以下判斷：

1、貸款風險度方法實際上低估了信用風險

貸款風險度的計算公式是根據概率論中全概率法則建立的，該法則的假設前提是各因素都應是獨立無關的；然而，貸款風險度L的影響因素T,S、P均是與企業相關的內部因素，三者的含義和評估標準有重復的地方。所以貸款風險度方法并不符合嚴格的條件概率定義，在實際應用中低估了信用風險。因此，可以將S和P納入，評價中去，將信用等級風險系數定義成嚴格意義下的條件違約概率。

2、評估方法簡單化，主觀性較強

貸款風險度方法以信用評級為基礎。目前，我國商業銀行的內部信用評級普遍采用打分法，這種方法的最大弊端是評級的基礎是過去的財務數據，與風險預測的關聯度不大?？蛻粜庞玫燃夛L險系數和貸款方式風險系數指標和權重的確定缺乏客觀依據，難以反映評級對象未來的真實償債能力。因此貸款風險度方法實際上是建立在主觀因素過強的信用評級基礎上的經驗公式，無嚴格的理論基礎和證明，很難有說服力。

3、無嚴格的理論基礎，其科學性和準確性沒有很強的說服力

可見，貸款風險度方法只是一個近似的加權平均，并不嚴格符合概率論的意義，從而，貸款風險度的計算公式所依據原理的科學性值得懷疑，其評估的準確性不能高。而國際高級信用風險模型則大都使用了聯合概率分布和概率母函數的辦法解決單個債務人的違約與銀行整體客戶違約的概率關系問題，以嚴格的理論為基礎，其準確程度明顯高于貸款風險度方法，并且可以推導包括多項貸款或其他銀行業務的資產組合聯合違約概率分布及損失分布，便于商業銀行進行組合多樣化管理。因而，我國在信用風險的評估方法中應引入嚴格的理論推導，以嚴格的理論為指導才能夠保證信用風險度量及管理的準確性和有效性。

4、缺乏貸款組合風險管理功能

貸款風險度方法中僅考慮單項貸款的風險，沒有考慮貸款組合和貸款集中度，缺乏貸款組合風險管理功能。事實上，集中于某一行業的貸款違約很有可能造成銀行破產，貸款組合可以降低單項貸款帶來的風險；好的風險評估模型應該關注銀行現有客戶的分布和組合貸款風險，便于商業銀行進行組合多樣化管理；并且由于貸款風險度方法不能推導出PD以及LGD分布，缺乏進行組合風險VaR分析的基礎，從而無法進行VaR分析。

5、評估結果不全面，且呈現靜態性和波動性

貸款風險度方法僅給出貸款風險的PD測量，而沒有給出LGD估計值。而在實際工作中需要對LGD進行估計。因此使得貸款風險度評估結果不全面。而且由于貸款風險度方法中所使用的指標考察期均較長，評估結果時效性差，難于應對瞬間變化的金融市場。

貸款風險度作為信用風險的評估標準本身具有波動性，即貸款風險度對信用風險的反應不固定而時大時小，具體表現為：貸款風險度對信用得分差距原本較大的貸款企業，其評估結果卻一視同仁；而有時信用得分差距微小的貸款企業，其評估結果卻差異很大。貸款風險度指標對信用風險的度量只是一種粗略的度量，對于相差很大的貸款企業可能做出正確判斷，而對相差不大的方案，該指標很有可能會掩蓋企業間的風險差異，使銀行做出錯誤的決策。形成波動性的根源在于貸款風險度自身的離散性與風險的不確定性和隨機性之間的矛盾(于立勇，2002)。

三、現代信用風險內部模型的分類

銀行內部信用風險計量是通過對客戶和債項類型風險特征的評估確定銀行可能遭受的損失，進而估計經濟資本(EC)。IRB法需要估計和確定的主要變量有違約概率(PD)、違約損失率(LGD)、風險暴露(EAD)、期限(M)、預期損失(EL)、意外損失(UL)和風險價值(VaR)。其中，PD、LGD、EAD、M是IRB的主要輸入數據，而EL、UL和VaR是主要輸出結果。新協議對信用風險資本金的確定借鑒了市場風險中計算資本金的VaR方法，而且定義VaR就是EL與UL之和。用VaR方法計算資本金時需要確定信貸資產未來價值或損失的概率密度函數(PDF)，從不同的角度考察信用風險度量模型和用不同的方法計算相關參數，就會對模型產生不同的分類，通常有如下分類方式：

1、依據模型的演繹或歸納方法

演繹模型(TopdownModels)用單個統計數據對信用風險進行分組，也就是說將許多不同來源的風險視做同質風險加總到組合的整體風險中，不考慮個別交易特征。這種方法對于所含信用筆數很多的零售信用組合比較合適，但對于公司貸款或國家貸款組合而言，就不太合適了。即使零售資產組合，演繹模型也可能隱藏著來自行業的或地理位置的特別風險。

歸納模型(Bottom-upModels)解釋了每一種資產/貸款的特征。此種方法非常類似于對具有市場VaR系統特征的頭寸進行結構分解。它適用于公司信用資產組合和資本市場組合。歸納模型對于采取糾正措施也是最有用的，因為可以按照其風險結構進行反向操作來修正風險曲線。

當今的信用風險模型中歸納方法占主導地位。只有CSFP的CreditRisk是對假設為同質的資產在整個等級的層次進行分析，可以被認為是topdown方法。

2、依據建模原理與分析方法

對于PD、等級轉移矩陣和信用質量相關性的計算，主要有三種方法。

其一是經濟計量模型方法，該方法對PD計算的根據是，PD與當前的宏觀經濟狀況、行業和公司所處的地理位置等有關，環境的差異或宏觀經濟因素的變化影響了公司的資產價值，因而影響了公司的信用質量，進而使公司之間的信用質量表現出相關性。經濟計量方法適用于簡化式模型；其二是基于精算的方法，其基本方法是只考慮KMV的預期違約概率(EDF)有關計算，假定違約遵從隨機泊松過程，應用客戶的歷史違約率數據預測具有類似特征的客戶的EDF，在此基礎上再估計相關參數，比如等級轉移矩陣和相關系數?；诰惴椒ǖ膮倒烙嬀哂泻箢櫺?backwardlooking)；其三是基于Merton期權模型的方法，把公司違約或信用質量的變化與公司資產的價值、股權、債務聯系起來進行考慮。該方法利用可獲得的關于公司的債務、權益的歷史價值和當前市場價值以及權益價值的歷史波動性估計公司資產價值的大小、變化率和波動性。進而通過期權模型確定公司的EDF和違約相關性?；跈嘁娴姆椒ň哂星罢靶?forward-looking)。

CreditMetrics依據評級的歷史數據統計和股權分析；KMV依據期權定價原理；CPV依據宏觀經濟因素調整的模擬分析；CreditRisk則依據保險精算的壽險和財險思想。

3、依據模型對風險的定義方式分類

違約模式(DefaultmodeModels，DM)與盯市模式(Market-toMarketModels，MM)是銀行業內普遍使用的兩大類信用風險模型，其分類原則是基于對資產價值和信用損失估計方式的不同考慮。所謂信用損失是指信貸資產組合當前價值與某給定時期末的未來價值的差，當前價值往往是已知的，而未來價值是不確定的但是有一概率分布。DM模型只考慮違約與不違約兩種信用狀態，即只把完全的違約視為信用事件。因此，資產組合的市場價值的任何變化或信用評級的任何變動都是無關的；而MM考慮資產組合市場價值的變化和包括違約在內的信用等級的變化，公平市場價值為模型提供了對風險更好的估計。在此意義下，MM模型是DM模型的一種推廣。

CreditMetrics屬于MM模型；CreditRisk和KMV本質上屬于DM模型，但KMV公司目前正準備提供MM版本；CPV既可被當作MM使用，也可被用做DM。

4、依據違約事件的條件概率分類

條件概率模型(ConditionalModels)中包含了宏觀經濟因素變動對PD的影響。即此類模型考慮了經濟衰退期PD會上升。

無條件概率模型(UnconditionalModels)具有固定的PD，并且因此往往關注的是貸款者或特定因素信息。但某些環境因素的改變也允許用改變模型參數的方法來實現。

CreditMetrics是基于違約歷史資料統計的結果，沒有反映宏觀經濟因素，因此屬于無條件測度；CPV、KMV以及CreditRisk分別融入了宏觀經濟因素以及市場價格等信息，因此屬于條件測度。

5、依據違約事件的結構化和簡化設定分類

這種劃分的根據主要是出于對違約相關或信用等級轉移相關性確定方法的考慮。在同一行業和地區的客戶之間，由于信用事件(違約、信用等級轉移、違約時的損失率、信用價差、風險暴露等)的變化是非獨立的，即存在著相關性，在估計信用損失確定資本金時應考慮相關性。但是，實際應用中由于數據及模擬技術的限制，通常只考慮不同客戶之間違約或等級轉移的相關性，而其它信用事件之間的相關性不予考慮。對相關性的估計，委員會選擇了兩類模型，即結構化模型(structuralmodel)與簡化式模型(reduced-formmodd)。結構模型試圖通過假定金融產品或經濟單位的微觀經濟特征來解釋單個客戶的違約或信用質量的變化，比如資產價值和負債之間的比例關系可能決定了客戶的信用質量。那些用于決定客戶風險等級變化(包含違約)的隨機變量稱為等級轉移風險因素(Migrationriskfac-tor)，在結構模型中，就是要估計或確定客戶問等級轉移風險因素的相關性。而簡化模型則不同，它不是試圖解釋違約或信用等級的轉移，而是選擇一種統計方法并建立適當的因素模型來刻畫違約或信用等級的轉移現象。在簡化模型中，特別假定了客戶的EDF或轉移矩陣與可以觀察到的宏觀經濟活動指標或不可以觀察到的隨機風險因素之間存在一種函數關系，簡化模型認為正是單個客戶的財務狀況對公共因素或相關背景因素的依賴才引起了客戶之間違約率的相關性和信用等級轉移之間的相關性。

CreditMetrics、KMV屬于結構模型；CreditRisk與CPV屬于簡化模型。

6、依據違約的驅動因素分類

CreditMetrics和KMV的違約驅動因素為企業資產價值及波動性；CPV的驅動因素為宏觀經濟因素；CreditRisk的違約驅動因素則為違約風險平均水平及其波動性。

7、依據違約概率測度的離散性與連續性

由于金融產品的價值要受到其信用質量的影響，而對信用質量的描述變量有連續與離散之分，因此依據對金融工具信用質量變化方式的不同刻畫，對金融工具在給定期限末的價值或損失的估計就有了兩種可以選擇的方法：一是，信用質量按離散的信用等級變化(信用評級)進行刻畫，基于此的估值模型稱為離散估值模型；二是，信用質量通過違約概率或違約概率密度函數按連續的方式進行刻畫，基于此的估值模型稱為連續型估值模型。

在以上幾種模型中，CreditMetrics、CPV屬于離散測度，而KMV、CreditRisk則屬于連續變量測度。

四、貸款風險度方法與

現代信用風險模型的比較

從提高我國銀行業信用風險管理的前瞻性角度思考問題，可行的方法是以現代信用風險管理模型為參考，改進我國現行的貸款風險度方法。將其方法與CreditMetrics、KMV、CPV、CreditRisk進行比較分析，主要特征比較如表1所示

。從比較中可以發現，與我國貸款奉獻度方法在諸多特征最為接近的是CreditMetrics模型，因此，我國銀行業在對此深入研究的基礎上對我國現行信用風險管理模型做一改進，使其逐步向現代信用風險管理模型靠近，并滿足IRB要求。

五、我國銀行業現代信用風險

管理模型的改進方向及其選擇

現代信用風險管理模型均具有不同的比較優勢，從而也各具有不同的適用性，即：CreditMetrics和KMV適用于對公司和大的私人客戶的信用風險度量；CreditRisk適用于對零售客戶的信用風險度量，CPV適用于對宏觀經濟因素變化敏感的投資級債務人或債項如房地產貸款的信用風險度量。而我國銀行業具有不同的類型和業務范圍，可以選擇較為適合的模型來改進自身的信用風險管理。

KMV主要用于分析發債公司的信用狀況和資本市場的信用風險，其中一個基本條件是需要大量的股票市場的有效數據，適用范圍受到了限制，特別適用于上市公司的信用風險評估，對非上市公司的EDF進行計算時，需要借助很多會計資料，同時還要通過對比分析手段最終得出企業的EDF，因而，計算過程復雜且結果未必準確。但由于我國股票市場歷史較短，上市公司信息質量不高，股權分割等因素導致上市公司的股票價格時常背離公司的實際，進而影響對上市公司價值的準確估計，即使通過上市公司股票價格來估價公司價值，其差異也非常大：模型假定借款企業資產價值呈正態分布是不合乎實際的；模型不能夠對長期債務的不同類型進行分辨。但隨著我國資本市場的不斷完善，資本市場作為重要的資源配置場所作用的日益增大，KMV在我國的應用條件會逐漸具備，而且隨著上市公司數量的不斷增加，其應用范圍也會逐漸增加，并在未來的信用風險管理中發揮重要作用。

CPV和CreditRisk都涉及到宏觀和行業因素。CPV是從宏觀經濟的角度來分析借款人的信用等級的遷移，而信用登記遷移概率在不同時期受到GDP增長率、經濟周期、失業率、匯率、產業等多因素的影響。該模型的應用是以上述數據均正確為前提。由于此類數據的完整獲取和精確計量在我國尚有一定的難度，再加上從方法論上看，從宏觀因素的個數及其經濟含意與信用等級遷移的具體函數關系尚缺乏穩定性和風險性，我國的信用風險量化處于起步階段，還沒有建立完善的數據庫，因此在使用上述模型時缺乏基礎條件，但隨著我國宏觀經濟數據的不斷完善，可以成為我國銀行業信用風險管理的重要參考模型。

CreditMetrics適合于對各類貸款資產信用風險的分析和預測，其適用的基本條件是金融機構的內部評級體系或外部評級機構的評級結果。但由于我國信用評級制度不健全，銀行內部評級制度尚處于發展階段，外部評級機構的信用評級也是剛開始，還沒有形成長期的企業評級數據庫，在此情況下，該模型的應用空間受到很大限制。但我國的信用體系建設已經得到政府的高度重視，企業信用信息征集、評價機制正在不斷完善，銀行內部評級和外部評級機構也在不斷發展，隨著各項條件的具備，該模型在我國的應用前景廣闊，可以作為一種基礎性的信用風險管理模型

相比之下，CreditMetrics具有兩個優點：一是所計算出的Vail可以較為準確地反映不同信用等級和不同時期的貸款在未來可能發生的價值損失；二是以VaR來確定最低的風險資本量可以有效地保證銀行在遭受信用風險損失的情況下能夠繼續生存下來。因此，CreditMetrics可較好地用于我國商業銀行對信用風險進行量化和管理。

國外在應用CreditMetrics評估貸款的VaR時，關于借款人信用評級的轉移概率可以從外部信用評級公司中獲取。但是，在我國，現在還沒有信用評級比較客觀、真實的外部信用評級公司，因此商業銀行在應用CreditMetrics時遇到了困難：比如沒有現成的企業信用等級轉換概率和不同信用等級企業RR數據資料。

因此，現代信用風險度量技術對我國都有一定的借鑒意義，尤其是。KMV和CreditMetrics。由于我國目前的現實性，它們的直接應用還存在一定的局限性，但隨著我國經濟體制改革和市場化進程的不斷發展，上述模型在提高我國銀行業信用風險管理水平和增強核心競爭力方面必將發揮積極作用。因此，在今后的一段時間內，努力創新各種條件，為各類信用風險量化分析技術奠定應用的基礎，是我國信用體系建設的當務之急和重要方向。