论文部分内容阅读
商业银行在经营活动过程中，主要面临着信用风险、市场风险、利率风险、流动性风险和操作风险等。长期以来，信用风险是银行业最主要也是最重要的风险。信用风险一般定义为银行的借款人或交易对象不能按事先达成的协议履行义务的潜在可能性。有关研究表明，以银行实际的风险资本配置为参考，信用风险占银行总体风险暴露的60％，而市场风险和操作风险则仅各占20％。我国商业银行，特别是国有独资商业银行，不良贷款规模巨大，信用风险过度集中，严重威胁着我国商业银行的生存、发展以及整个社会金融系统的安全。另外，商业银行的信用风险管理也会影响到社会实体经济部门的正常运行，影响到国家货币政策、财政政策的有效制定和执行，加强信用风险管理和分析，对我国商业银行具有重要的意义。
一、信用风险计量和分析的现代方法
信用风险计量和分析评价方法的研究始于20世纪30年代，在60年代后成为热点。信用风险分析方法经历了从定性到定量、从简单到复杂、从个别资产到资产组合的发展历程。1996年，巴塞尔协议规定，用于确定风险的资本充足率内部模型必须是以VaR为基础的模型，基于VaR的信用风险计量模型成为目前最为流行的模型。
目前，国际上通行的基于VaR的信用风险计量模型主要有以下几种：
1、CreditMetrics模型。CreditMetrics模型是以JP摩根公司为代表的几家著名金融机构于1997联合开发出的模型，以资产组合理论为依据，运用VaR框架，对贷款和非交易资产进行估价和风险计算。该模型基于借款人或交易对手的信用评级、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等资料，估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。CreditMetrics模型依据一些基本的数理统计方法，将借款人或交易对手的信用等级与风险资产的预期价值联系起来，对资产组合的信用风险进行量化和分析，目前已成为最具国际代表性的内部风险管理模型。
2、麦肯锡模型。麦肯易模型则在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（a structured Monte Carlo simulation approach）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、CreditRisk模型。CreditRisk模型是由CSFP（Credit Suisse Financial Product）开发并于1997年年底推出的一个基于精算方法的信息风险计量模型。该模型是与作为盯市模型（MTM）的CreditMetrics不同，它是一个违约模型（DM），其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，而不象在CreditMetrics中度量预期到的价值和未预期到的价值变化。在CreditRisk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。其将每一笔贷款被视作小概率违约事件，假定每笔贷款的违约概率都是相同的，且独立于其它贷款。由此可以得出给定期间内，违约次数的概率分布服从泊松分布。这样，贷款组合违约概率的分布接近泊松分布。CreditRisk模型考虑违约概率的不确定性和损失大小的不确定性，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。
4、KMV模型。KMV模型是估计借款企业违约概率的方法。KMV模型把贷款看作期权，股份公司的资产价值是公司股票和债务价值之和，当公司资产价值低于债务面值时，就发生违约，因此债权人相当于卖空一个基于公司资产价值的看涨期权。它首先利用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帐面价值估计出企业股权的市场价值及其波动性，再根据公司的负债计算出公司的违约实施点（default exercise point，为企业一年以下短期债务的价值加上未清偿长期债务帐面价值的一半），然后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。
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MTM（盯市）模型；CreditRisk模型属于DM模型；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CreditRisk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CreditRisk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CreditRisk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CreditRisk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；在KMV模型的最新版中，回收率是随机的；在CreditMetrics和麦肯锡模型中，回收率也是随机的。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CreditRisk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。
二、目前我国商业信用风险分析和管理的主要方法
1、健全信用风险管理组织架构，完善信用风险管理制度。目前，我国有商业银行信用风险管理体系还不十分健全，突出表现为风险管理条块分割严重，全面风险管理框架不完善，各种风险管理政策的综合协调程度不高，难以从总体上计量和把握风险状况。为进一步提高银行信用风险防范和管理能力，应当在组织架构和管理制度上先行一步。一方面，应当加快组织架构改革，首先要建立信用风险管理委员会作为管理全行信用风险的中枢机构，负责确定全行信用风险管理战略、制定信用风险管理总体政策和制度框架。其次，要设置独立的风险控制部门，负责建立和管理内部评级系统、风险监测系统、风险预警系统，并定期向决策部门提供分析报告。第三，在业务前台部门明晰执行管理风险的职责，明确经营管理责任，做到责权利有机结合。
另一方面，要强化信用风险管理制度，首先完善商业银行内部制度基础，应深化国有银行的股份制改革，优化股权结构，建立良好的公司治理机制，完善经理人市场，从而完善银行的内部治理机制，确立真正的风险承担主体。其次，在银行内部建立独立风险管理机构的基础上，确立风险防范的经营理念，在经营管理过程中把风险防范放在首位，配合业务流程和组织架构制定一系列相应的风险控制制度。
2、充分利用已有数据和传统模型，严格控制不良贷款。①加强贷款质量监测，提高监测信息的科学性。②从多个角度和层面加强贷款质量分析工作。上年同期相比的变化情况；二是贷款质量变化的总体特点，包括行业、贷款品种、实际投向、分布机构等方面的特点和变化状况；三是贷款质量的迁徙情况，分析贷款在贷款五级之间、科目之间的迁徙变动情况及原因，并着重对新发生不良贷款的原因作重点分析，对典型案例进行深入分析，揭示规律；四是综合各类数据，对不良贷款的变化趋势进行预测，逐步建立贷款变动量化模型；五是按照现金清收、以物抵债、呆账核销和其他方式对不良贷款的清收情况进行分析，为贷款的清收管理提供依据。③加强对重点机构和客户的直接监测。结合国家宏观经济政策和产业政策，对重点机构、大客户经营情况和财务状况进行监测预警，对其履约能力进行适时监控，防止“黄金客户”褪色后造成的重大损失。④运用经济资本控制风险，提高盈利水平。不少商业银行已经实施和正在实施经济资本管理，以降低业务风险，提高回报率水平。在信用风险管理和分析中，可以充分借鉴经济资本管理理念，对商业银行每类业务（资产）确定不同的“经济资本系数”，即资本需求比率，通过建立经济资本计划分配和回报约束的配置机制，引导各级机构积极发展风险低、回报高的业务，有效控制业务（资产）风险的增长；同时，逐步对经济资本系数细化，长期监控，不断调整经济资本系数，从而为信用风险和防范提供一种新的途径。
3、不断推进信用风险基础数据库建设，引入现代模型计量和分析信用风险。没有完整的基础数据库，就不能对不同信用级别的实际违约率和损失程度进行统计分析，现代信用风险计量模型所需的信用风险概率分布、信用转移矩阵也就无从产生，信用风险的定量分析也就无从谈起。我国商业银行开展内部评级的时间不长，相关数据积累较少，且企业有效数据缺乏连续性，数据的真实性、完整性欠缺。按巴塞尔新资本协议，实施内部评级法，进行风险量化管理的银行至少要有5年连续的违约概率数据。商业银行可在原有信贷管理息系统的基础上，抓紧建立和完善客户资产负债状况、现金流量、管理水平及经济周期的影响等方面信息的基础数据库，并进行行业比较研究，建立行业信息库，通过行业比较评估不同行业客户的信用风险水平。
商业银行应当根据自身情况特别是有关数据库建设的进展情况，及时采用现代化的信用风险管理模型计量信用风险，实现信用风险管理和控制手段的不断更新。相对而言，CreditRisk模型较为简单实用，且与我国现行使用的信用风险度量方法有一定的相近之处，对数据和技术的要求相对较低，借鉴CreditRisk模型可以为我国商业银行的信用风险模型建立和信用风险分析管理提供一个方向和思路。
（作者单位：南开大学研究生院中国农业银行总行）
一、信用风险计量和分析的现代方法
信用风险计量和分析评价方法的研究始于20世纪30年代，在60年代后成为热点。信用风险分析方法经历了从定性到定量、从简单到复杂、从个别资产到资产组合的发展历程。1996年，巴塞尔协议规定，用于确定风险的资本充足率内部模型必须是以VaR为基础的模型，基于VaR的信用风险计量模型成为目前最为流行的模型。
目前，国际上通行的基于VaR的信用风险计量模型主要有以下几种：
1、CreditMetrics模型。CreditMetrics模型是以JP摩根公司为代表的几家著名金融机构于1997联合开发出的模型，以资产组合理论为依据，运用VaR框架，对贷款和非交易资产进行估价和风险计算。该模型基于借款人或交易对手的信用评级、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等资料，估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。CreditMetrics模型依据一些基本的数理统计方法，将借款人或交易对手的信用等级与风险资产的预期价值联系起来，对资产组合的信用风险进行量化和分析，目前已成为最具国际代表性的内部风险管理模型。
2、麦肯锡模型。麦肯易模型则在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（a structured Monte Carlo simulation approach）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、CreditRisk模型。CreditRisk模型是由CSFP（Credit Suisse Financial Product）开发并于1997年年底推出的一个基于精算方法的信息风险计量模型。该模型是与作为盯市模型（MTM）的CreditMetrics不同，它是一个违约模型（DM），其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，而不象在CreditMetrics中度量预期到的价值和未预期到的价值变化。在CreditRisk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。其将每一笔贷款被视作小概率违约事件，假定每笔贷款的违约概率都是相同的，且独立于其它贷款。由此可以得出给定期间内，违约次数的概率分布服从泊松分布。这样，贷款组合违约概率的分布接近泊松分布。CreditRisk模型考虑违约概率的不确定性和损失大小的不确定性，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。
4、KMV模型。KMV模型是估计借款企业违约概率的方法。KMV模型把贷款看作期权，股份公司的资产价值是公司股票和债务价值之和，当公司资产价值低于债务面值时，就发生违约，因此债权人相当于卖空一个基于公司资产价值的看涨期权。它首先利用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帐面价值估计出企业股权的市场价值及其波动性，再根据公司的负债计算出公司的违约实施点（default exercise point，为企业一年以下短期债务的价值加上未清偿长期债务帐面价值的一半），然后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。
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MTM（盯市）模型；CreditRisk模型属于DM模型；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CreditRisk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CreditRisk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CreditRisk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CreditRisk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；在KMV模型的最新版中，回收率是随机的；在CreditMetrics和麦肯锡模型中，回收率也是随机的。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CreditRisk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。
二、目前我国商业信用风险分析和管理的主要方法
1、健全信用风险管理组织架构，完善信用风险管理制度。目前，我国有商业银行信用风险管理体系还不十分健全，突出表现为风险管理条块分割严重，全面风险管理框架不完善，各种风险管理政策的综合协调程度不高，难以从总体上计量和把握风险状况。为进一步提高银行信用风险防范和管理能力，应当在组织架构和管理制度上先行一步。一方面，应当加快组织架构改革，首先要建立信用风险管理委员会作为管理全行信用风险的中枢机构，负责确定全行信用风险管理战略、制定信用风险管理总体政策和制度框架。其次，要设置独立的风险控制部门，负责建立和管理内部评级系统、风险监测系统、风险预警系统，并定期向决策部门提供分析报告。第三，在业务前台部门明晰执行管理风险的职责，明确经营管理责任，做到责权利有机结合。
另一方面，要强化信用风险管理制度，首先完善商业银行内部制度基础，应深化国有银行的股份制改革，优化股权结构，建立良好的公司治理机制，完善经理人市场，从而完善银行的内部治理机制，确立真正的风险承担主体。其次，在银行内部建立独立风险管理机构的基础上，确立风险防范的经营理念，在经营管理过程中把风险防范放在首位，配合业务流程和组织架构制定一系列相应的风险控制制度。
2、充分利用已有数据和传统模型，严格控制不良贷款。①加强贷款质量监测，提高监测信息的科学性。②从多个角度和层面加强贷款质量分析工作。上年同期相比的变化情况；二是贷款质量变化的总体特点，包括行业、贷款品种、实际投向、分布机构等方面的特点和变化状况；三是贷款质量的迁徙情况，分析贷款在贷款五级之间、科目之间的迁徙变动情况及原因，并着重对新发生不良贷款的原因作重点分析，对典型案例进行深入分析，揭示规律；四是综合各类数据，对不良贷款的变化趋势进行预测，逐步建立贷款变动量化模型；五是按照现金清收、以物抵债、呆账核销和其他方式对不良贷款的清收情况进行分析，为贷款的清收管理提供依据。③加强对重点机构和客户的直接监测。结合国家宏观经济政策和产业政策，对重点机构、大客户经营情况和财务状况进行监测预警，对其履约能力进行适时监控，防止“黄金客户”褪色后造成的重大损失。④运用经济资本控制风险，提高盈利水平。不少商业银行已经实施和正在实施经济资本管理，以降低业务风险，提高回报率水平。在信用风险管理和分析中，可以充分借鉴经济资本管理理念，对商业银行每类业务（资产）确定不同的“经济资本系数”，即资本需求比率，通过建立经济资本计划分配和回报约束的配置机制，引导各级机构积极发展风险低、回报高的业务，有效控制业务（资产）风险的增长；同时，逐步对经济资本系数细化，长期监控，不断调整经济资本系数，从而为信用风险和防范提供一种新的途径。
3、不断推进信用风险基础数据库建设，引入现代模型计量和分析信用风险。没有完整的基础数据库，就不能对不同信用级别的实际违约率和损失程度进行统计分析，现代信用风险计量模型所需的信用风险概率分布、信用转移矩阵也就无从产生，信用风险的定量分析也就无从谈起。我国商业银行开展内部评级的时间不长，相关数据积累较少，且企业有效数据缺乏连续性，数据的真实性、完整性欠缺。按巴塞尔新资本协议，实施内部评级法，进行风险量化管理的银行至少要有5年连续的违约概率数据。商业银行可在原有信贷管理息系统的基础上，抓紧建立和完善客户资产负债状况、现金流量、管理水平及经济周期的影响等方面信息的基础数据库，并进行行业比较研究，建立行业信息库，通过行业比较评估不同行业客户的信用风险水平。
商业银行应当根据自身情况特别是有关数据库建设的进展情况，及时采用现代化的信用风险管理模型计量信用风险，实现信用风险管理和控制手段的不断更新。相对而言，CreditRisk模型较为简单实用，且与我国现行使用的信用风险度量方法有一定的相近之处，对数据和技术的要求相对较低，借鉴CreditRisk模型可以为我国商业银行的信用风险模型建立和信用风险分析管理提供一个方向和思路。
（作者单位：南开大学研究生院中国农业银行总行）