范文一：信用风险管理的重要方法

信用风险管理的重要方法 2010-06-24 清华领导力培训 林清泉等

现代经济从本质上而言就是信用经济，信用管理在现代社会生活、生产的各个方面扮演着越来越重要的作用。随之信用的日益发展，信用风险管理也越来越引起人们的注意。本文介绍了信用风险管理的重要方法。

一、信用风险的界定

20世纪90年代，在全球经济、政治、技术快速变化的背景下，信用风险正以指数方式增长着。从居民个人来看，消费信贷的发展使得居民个人作为一个重要的信用提供者出现。万事达卡的一份报道这样写道：“1995年，万事达信用卡的发行增长率（以美元为记价单位）为：欧洲25%，亚洲22%，拉美36%，中东和非洲22%。”从公司企业的角度来看，几乎所有的公司帐户上都有应收、应付款项，还有很多企业发行大量的公司债券。从国家的角度来看，各国的债务都在不断的上升。这一切都说明了信用的巨大发展。

毋庸质疑，信用管理的可获得性以及人们从观念上对信用的接纳促进了现代社会的发展。信用管理使得一个人即使收入菲薄也能买得起房子、汽车和其他消费品。这样反过来又创造出新的就业机会，促进经济增长。信用管理能促使企业快速地增长，如果没有信用的存在，企业仅凭自有资金的积累很难发展成国际性的大企业。信用管理还使得国家和地方政府能够满足公众对一些公共产品的需求。

但另一方面，随着信用的迅速发展，各种信用风险管理也越来越引起人们的注意。从借款人个人不能按时还钱，到银行呆帐、坏帐的增多，一直到债务国不能偿还债务本息。信用风险管理已经影响到了社会的正常经济秩序。

信用风险指的是因交易一方不能履行或不能全部履行交收责任而造成的风险，这种无力履行交收责任的原因往往是破产或其他严重的财务问题。信用风险管理可进一步分为本金风险和重置风险。如当一方不足额交收时，另一方有可能收不到或不能全部收到应得证券或价款，造成以交付的价款或证券的损失，这就是本金风险管理；违约方违约造成交易不能实现，未违约方为购得股票或变现需再次交易，因此可能遭受因市场价格变化不利而带来的损失，这就是重置风险管理。

信用风险的来源是多方面的，主要分为两大类：第一类是借款人的履约能力出现了问题。贷款的偿还一般通过取得经营收入、出售某项资产，或者通过其他的途径借入资金而实现。不过，最主要的还是通过生产经营，由其经营所得来偿还。因此，衡量借款人的履约能力最主要还要看其生产经营能力的大小、获利情况如何。这一点无论是对个人、企业还是国家而

言都是如此。第二类是借款人的履约意愿出现了问题，这主要是借款人的品格决定的。借款人品格是指借款人不仅要有偿还债务的意愿，而且具备在负债期间能够主动承担各种义务的责任感。这就要求借款人（不论是企业还是个人）必须是诚实可信的，并且能够努力经营。对于国家而言，一般不存在这方面的问题。不过，借款人品格是难以用科学方法加以计量的，一般只能根据过去的记录和经验对借款人进行评价。如果存在完备的信用风险管理档案，那么借款人在过去时间里违约的次数基本上可以反应出借款人的品格。

二、信用风险管理方法的演变

近20年来，国际银行业信用风险管理的发展历程，大致经历了以下几个阶段：

⒈ 80年代初因受债务危机影响，银行普遍开始注重对信用风险管理与信用风险的防范，其结果是《巴塞尔协议》的诞生。该协议通过对不同类型资产规定不同权数来量化风险管理，是对银行风险管理比较笼统的一种分析方法。 1999年6月3日，巴塞尔银行委员会发布关于修改1988年《巴塞尔协议》的征求意见稿，该协议对银行进行信用风险管理提供更为现实的选择。一方面，对现有方法进行修改，将其作为大多数银行计算资本的标准方法，并且对于某些高风险的资产，允许采用高于 100％的权重。另一方面，巴塞尔银行委员会在一定程度上肯定了目前摩根等国际大银行使用的计量信用风险管理模型。但是由于数据的可获得性以及模型的有效性，信用风险管理模型目前还不能在最低资本限额的制定中发挥明显作用。委员会希望在经过进一步的研究和实验后，使用信用风险管理模型将成为可能。

⒉ 九十年代以来一些大银行认识到信用风险管理仍然是关键的金融风险，并开始关注信用风险管理测量方面的问题，试图建立测量信用风险管理的内部方法与模型。其中以J．P．摩根的Credit Metrics信用风险管理系统最为引人注目。 1997年4月初，美国J．P摩根财团与其他几个国际银行——德意志摩根建富、美国银行、瑞士银行、瑞士联合银行和BZW共同研究，推出了世界上第一个评估银行信贷风险的证券组合模型Credit Metrics。该模型以信用风险管理评级为基础，计算某项贷款或某组贷款违约的概率，然后计算上述贷款同时转变为坏账的概率。该模型覆盖了几乎所有的信贷产品，包括传统的商业贷款；信用证和承付书；固定收入证券；商业合同如贸易信贷和应收账款；以及由市场驱动的信贷产品如掉期合同、期货合同和其他衍生产品等。

⒊ 1997年亚洲金融危机爆发以来，世界金融业风险出现了新特点，即损失不再是由单一风险所造成，而是由信用风险管理和市场风险管理等联合造成。金融危机促使人们更加重视市场风险管理与信用风险管理thldl.org.cn的综合模型以及操作风险的量化问题，由此全面风险管理模式引起人们的重视。

所谓全面风险管理是指对整个机构内各个层次的业务单位，各种类型风险的通盘管理。这种管理要求将信用风险管理、市场风险及各种其他风险以及包含这些风险的各种金融资产

与资产组合，承担这些风险管理的各个业务单位纳入到统一的体系中，对各类风险管理再依据统一的标准进行测量并加总，且依据全部业务的相关性对风险进行控制和管理。这种方法不仅是银行业务多元化后，银行机构本身产生的一种需求，也是当今国际监管机构对各大金融机构提出的一种要求。在新的监管措施得到落实后，这类新的风险管理方法会更广泛地得到应用。

继摩根银行推出Credit Metrics之后，许多大银行和信用风险管理咨询及软件公司已开始尝试建立新一代的信用风险管理测量模型，即一体化的测量模型，其中有些公司已经推出自己的完整模型和软件（如 AXIOM软件公司建立的风险监测模型），并开始在市场上向金融机构出售。全面风险管理的优点是可以大大改进风险——收益分析的质量。银行需要测量整体风险，但只有在具有全面风险承受的管理体系以后，才有可能真正从事这一测量。

⒋ 随着全球金融市场的迅猛发展，一种用于管理信用风险管理的新技术——信用衍生产品逐渐成为金融界人们关注的对象。简单地说，信用衍生产品是用来交易信用风险管理的金融工具，在使用信用衍生工具交易信用风险管理的过程中，信用风险被从标的金融工具中剥离，使信用风险和该金融工具的其他特征分离开来。虽然最早的信用衍生产品早在1993年就已产生，当时日本的信孚银行（Bankers Trust）为了防止其向日本金融界的贷款遭受损失，开始出售一种兑付金额取决于特定违约事件的债券。投资者可以从债券中获得收益，但是当贷款不能按时清偿时，投资者就必须向信孚银行赔款。但只有最近几年，信用衍生产品才取得突飞猛进的发展。1997年底，全球信用衍生产品未平仓合约金额只有1700亿美元，1998年底的这一数字为3500亿美元。而到了2000年底，这一数字更是增加到了7400亿美元。

三、利用衍生金融工具防范信用风险管理，加强信用风险管理

1. 利用期权对冲信用风险管理

利用期权对冲信用风险管理的原理是：银行在发放贷款时，收取一种类似于贷款者资产看跌期权的出售者可以得到的报酬。这是因为，银行发放贷款时，其风险等价于出售该贷款企业资产看跌期权的风险。这样，银行就会寻求买入该企业资产的看跌期权来对冲这一风险。 对这种信用风险管理对冲方式的最早运用是美国中西部的农业贷款。为保证偿还贷款，小麦农场主被要求从芝加哥期权交易所购买看跌期权，以这一期权作为向银行贷款的抵押。如果小麦价格下降，那么小麦农场主偿还全部贷款的可能性下降，从而贷款的市场价值下降；与此同时，小麦看跌期权的市场价格上升，从而抵消贷款市场价值的下降。图1显示了小麦看跌期权具有的抵消性效应。

如图所示，当小麦价格为 时，农场主的资产（小麦）价值恰好保证能偿还银行贷款，同时小麦看跌期权的价值为零；当小麦价格从 下降时，银行贷款的报酬下降，但是同时小麦看跌期权的价值上升；当小麦价格从 上升时，银行贷款的报酬保持不变，同时小麦看跌期权的价值进一步下降。但是，小麦看跌期权是由农场主购买的，作为贷款的抵押，因此银行贷款的报酬并不发生变化。此时，农场主的最大借贷成本是购买小麦看跌期权的价格。 这种信用风险管理的对冲方法看上去很完美，但是存在着下列两个问题：

⑴ 农场主可能由于个人的原因，而不是因为小麦价格的下降而违约。也就是说，这种方法只保证了贷款者的还款能力，但是对于贷款者的还款意愿却没有任何的保证。可是从前面我们知道，信用风险的产生是还款能力和还款意愿这两者共同作用的结果。

⑵ 农场主要想获得贷款必须购买看跌期权，从而必须支付一定的期权费，使得农场主贷款的成本上升。从农场主的角度来看，他肯定不愿意这样做。如果银行强迫农场主购买期权就有可能会损害银行和农场主的关系，农场主也可以不选择这家银行贷款。 现在，我们可以考虑一种更直接的对冲信用风险的方法——违约期权。这种期权在贷款违约事件发生时支付确定的金额给期权购买者，从而对银行予以一定补偿的期权。如图2所示，银行可以在发放贷款的时候购买一个违约期权，与该笔贷款的面值相对应。当贷款违约事件发生时，期权出售者向银行支付违约贷款的面值；如果贷款按照贷款协议得以清偿，那么违约期权就自动终止。因此，银行的最大损失就是从期权出售者那里购买违约期权所支付的价格。这类期权还可以出现一些变体，比如，可以把某种关卡性的特点写入该期权合约中。如果交易对手的信用质量有所改善，比如说从B级上升到A级，那么该违约期权就自动中止。作为回报，这种期权的出售价格应该更低。

2. 利用互换对冲信用风险管理

信用互换是银行管理信贷风险的一个重要手段。信用互换主要有两类：总收益互换和违约互换。 在总收益互换中，投资者接受原先属于银行的贷款或证券（一般是债券）的全部风险管理和现金流（包括利息和手续费等），同时支付给银行一个确定的收益（比如图3中所示的LIBOR），一般情况下会在LIBOR基础上加减一定的息差。与一般互换不同的是，银行和投资者除了交换在互换期间的现金流之外，在贷款到期或者出现违约时，还要结算贷款或债券的价差，计算公式事先在签约时确定。如果到期时，贷款或债券的市场价格出现升值，银行将向投资者支付价差；反之，如果出现减值，则由投资者向银行支付价差。 举例来说，假设一家银行以固定的利率15%给予某一企业1亿美元的贷款。在贷款的生命周期内，如果该企业的信用风险增加，那么贷款的市场价值就会下降。在这种情况下，银行可以同其他金融机构达成一笔交易。在该交易中，银行以年利率r向作为交易对手的金融机构支付，该年利率r等于贷款承诺的利率。作为回报，银行每年从该金融机构收到按可变的市场利率支付的利息（比如反映其资金成本的1年期的LIBOR）。在贷款到期的时候，银行还要同其交易对手结算价差。

很显然，总收益互换可以对冲信用风险暴露，但是这种互换又使银行面对着利率风险。如图3所示，即使基础贷款的信用风险没有发生变化，只要LIBOR发生变化，那么整个总收益互换的现金流也要发生变化。

为了剥离出总收益互换中的利率敏感性因素，需要开发另外一种信用互换合约。这就是违约互换，或者可以叫做“纯粹的”信用互换。

如图4所示，银行在每一互换时期向作为交易对手的某一金融机构支付一笔固定的费用（类似于违约期权价格）。如果银行的贷款并未违约，那么他从互换合约的交易对手那里就什么都得不到；如果该笔贷款发生违约的情况，那么互换合约的交易对手就要向其支付违约损失，支付的数额等于贷款的初始面值减去违约贷款在二级市场上的现值。在这里，一项纯粹的信用互换就如同购入了一份信用保险，或者是一种多期的违约期权。

四、信用衍生产品的作用

1. 分散信用风险的信用风险管理

商业银行主要是通过发放贷款并提供相关的其他配套服务来获取利润的。这一点使其不可避免地处于信用风险持有者的地位。一家银行贷款组合的收益—风险管理特征可以由下面两个参数表示：⑴ 预期收益，根据利差和预期贷款损失计算；⑵ 意外损失，根据最大可能损失计算。 预期收益依赖于利差和信用损失，而信用损失则是根据违约概率和挽回率计算的。意外损失的计算要基于许多贷款同时损失的假设。意外损失还常常和贷款的违约相关性有关。预期收益和意外损失的比是一个类似于股票基金夏普比率的指标。这一比率的增加可以提高贷款组合的预期业绩。这可以通过下面的两种策略来实现： ⑴ 减少具有较高意外损失，较低预期收益的贷款； ⑵ 添加新的资产，这些资产能对贷款组合的“夏普比率”产生正的贡献。 在以前，银行只能通过购买或出售贷款资产才能实施这两种策略，而且这种贷款出售规模很小，缺乏流动性。然而，利用信用衍生工具，这些策略就能够很容易地实现。分散信用风险，这是信用衍生产品最基本的一个作用。

2. 具有保密性的信用风险管理

以前，银行主要通过贷款出售来管理信用风险管理，但这往往是银行客户所不愿看到的事情。这种方法会对银行和客户的关系造成损害，银行可能会因此丧失以后对该客户的贷款机会以及其他一些业务，如获利颇丰的咨询业务等。利用信用衍生工具则可以避免这种不利影响。通过与信用保护者签订信用衍生合同，银行可以在客户不知道的情况下将信用风险转移。 3. 提高资本回报率 按照巴塞尔协议的规定，一家银行的总资本不能低于风险管理资产总额的8%。银行持有的低违约风险管理资产，如银行之间的贷款，其风险权重为20%；

银

行持有的高风险资产，如对企业的贷款，其风险权重为100%。这样，一家持有商业贷款的银行可以通过向另一家银行购买信用保护的方法来达到降低信用风险的目的，同时还能提高资本回报率。 假设有A、B两家银行，A银行的信用等级较B银行高。A银行的资金成本是LIBOR-0.20%，B银行的资金成本是LIBOR+0.25%。现在，A银行向企业发放利率为LIBOR+0.375%的1000万美元的贷款，它必须为该笔贷款保持800000美元的资本来满足8%的资本充足率要求，假设LIBOR为5.625%，则： A银行净收益：10000000×6%－（10000000－800000）×5.425%=100900美元 A银行资本回报率：100900/800000=12.6% 如果A银行不愿意承担该笔贷款的风险，则与B银行签订一个信用互换协议，B银行每年从A银行收取37.5个基点的费用，同时在合同违约后承担向A银行赔偿损失的义务。这样，贷款违约的风险全部转移给B银行，A银行只承担B银行违约的风险。A银行1000万美元贷款的风险权重变为20%，即A银行只要为该笔贷款维持160000美元的资本就能达到资本充足的要求，此时： A银行净收益：10000000×（6－0.375）%－（10000000－160000）×5.425%=28680美元 A银行资本回报率：28680/160000=17.9% 从以上的分析中，我们可以看出，A银行通过签订信用互换协议不仅避免了该笔贷款的违约风险，同时还使其资本回报率增加了（17.9%－12.6%）/12.6%=42%。

范文二：信用风险的计量方法

信用风险的计量方法

为了确定信用风险的资本要求，需要计算信用风险加权资产总额。巴塞尔委员会认为旧协议中计算信用风险资本要求的方法不够精确，而且金融创新与金融交易的复杂性降低了原方法的适用性。为此，巴塞尔委员会提出多种方法以使协议对于信用风险的度量更加精确，其中提出对信用风险进行度量的主要方法有三个:标准化方法，银行内部评级法(IRB法)，资产组合信用风险模型。

1(标准法是对1988年协议中处理信用风险方法的修改。首先是风险权重确定标准的变化。银行资产按其是否有外部评级以及外部评级机构对资产的评级结果给予一定的风险加权比。新协议规定，银行对国家及央行的债权风险不再按是否属0ECD成员国划分，而采用出口信贷机构对外公开的信用等级;对银行、金融机构的债权风险，既可以按实际外部评级结果而定，又可按国家信用风险权重提高一档的简便方法处理;对非金融企业债权风险权重，按外部评级结果确定。在标准法下，长期信用评级适用于长期债权和短期债权，而短期信用评级只能用于短期债权;如果一家机构同时拥有多个外部机构评定的信用等级，则选出两个最高者，若两个基本点最高者级次相同，则使用这一级次的信用等级作参考，若

[20] 不同，则取次级作参考。

巴塞尔委员会对外部评级提出了操作规定，建议各国监管当局不要允许银行机械地套用外部评级机构的结果。正确的做法是，只有当银行及其监管部门对评级机构的评估资料的质量和方法感到满意时才去使用，并且银行在评估机制的选择上应保持方法的一致性，而不能拼凑不同机构的评估方法，这是因为不同的外部评级机构所使用的信用分析方法与等级术语不尽相同。同时要注意所用评级机构的评估体系应与确定法定资本充足率的要求保持一致。对外部信用评级机构的选择还要注意其评估的客观性、独立性、透明性、可靠性、通用性和信息资源的充分性，而且监管当局要注意对上述标准的识别。

其次，风险权重具有了较高的弹性。银行对其他银行的短期债权享受优惠风险权重，但条件是债权是以本币计值并以本币作为资金来源。银行对企业的风险暴露增加50%风险档，没有评信企业的风险暴露的下线是100%的风险权重。明确了150%风险档内的一些资产:对于银行持有的风险投资和股本投资，如果总体来说其信用风险损失的波动性大大高于低权重暴露的损失波动性，各国监管当局可采用150%或更高的风险权重。另外，银行对资信极低的国家、银行和企业的风险暴露以及剔除特别准备金后逾期超过90天且未获得担保部分的资产，也涵盖在150%风险权重下。这种灵活的风险权重制度在一定程度上提高了银行资

产的风险敏感性，从而体现出资产实际上存在的多样性差别。

2(鉴于标准法在信息充足性、时效性、方法的科学性及信用评级的客观公正性等方面存在的问题，巴塞尔委员会鼓励有条件的大银行提升自己的风险评估水平，打造更精确的风险评估体系，并创造性地提出了一整套精致的基于内部信用评级的资本金计算方法即内部评级法，其目的在于确保对单个银行法定资本的要求能够反映该银行的特殊风险。为巴塞尔委员会提供决策支持的美国国际金融学院甚至认为，通过这套计算方法促进银行建立完善的内部风险评级体系，是新

[21] 协议的一大核心内容。

在内部评级法中，计算信用风险加权资产时有四个主要输入参数需要确定:违约概率PD、特定违约损失LGD、违约风险暴露EAD、有效期限M。如果LGD、EAD、M由监管机构确定，则称为基本法或初级法(The Fundamental Method)，如果LGD、EAD、M由银行采用内部评级系统确定，则被称为高级法(The Advanced Method)。为便于这些参数的确定和风险加权资产的计算，巴塞尔委员会把银行的风险暴露分为公司风险暴露、主权风险暴露、银行同业风险暴露、零售风险暴露、项目融资风险暴露、股权风险暴露等6大类，并对不同类型的风险暴露给出了具体的计算风险加权资产的方法，但对这些风险暴露处理的范式大致

LGD、EAD、相同。内部评级法对每一类风险都考虑了三方面因素:一是PD、M四个风险要素，各银行可以使用自己的估计数或标准的监管参数;二是风险权重函数(RW函数)，将上述LGD、EAD、M三个风险要素转化成计算风险资产的风险权重;三是最低资本要求，根据各类资产的风险权重，计算各类资产的加权风险资产，以及银行总信用风险加权资产，从而求出信用风险监管资本要求。与标准法一样，风险加权资产也是风险权重与风险暴露的乘积。但IRB法下的风险权重是以PD、LGD、EAD的连续函数来表示的，并不依赖于标准法下监管当局确定的风险权重档次，能在更大程度上辨别风险，并可满足银行不同评级体系的要求。而且IRB法下的风险暴露的计算方法是违约风险暴露。

新协议对银行内部评级系统的要求主要有如下几点:

(1)银行的内部评级系统必须是两维的，一维针对客户的信用情况，用以测量违约率PD，另外一维反映债项的一些特殊性质，用以测量清偿率LGD。

(2)数据质量和时间的要求。对于使用基本法的银行，新协议要求银行必须有5年以上的历史数据来估计违约率;对于使用高级法的银行，必须有7年以上的历史数据来估计违约率。新协议同时要求银行评级的历史数据必须保留，作为系统完善的基础。

(3)新协议要求银行内部评级法经过严格的统计检验，不仅仅要求样本内一致，而且要求样本外预测精度高，并最终经中央银行监管机构批准才能使用。

(4)新协议要求银行对自己的内部评级系统必须进行经常的检查和更新，并作出评估，以保证系统的实时性和正确性。

内部评级法的优点在于:加入了外部评级机构通常不能得到的客户信息，比如银行可以监督客户的帐目，了解信贷的保证与抵押情况等等;有利于银行提高自身的内部风险管理水平，使监管资本和经济资本趋于一致，防止银行进行监管资本套利。因此，内部评级法可以很好地实现银行风险管理的两个主要目标:更高的风险敏感性和激励相容性，即基于内部评级的资本要求对信用风险的产生因素和银行资本的经济损失具有更高的敏感性，而且一个设计合理的内部评级法能够鼓励银行不断提高内部风险管理水平，并能为最终采用资产组合信用风险模型估计资本充足率奠定良好的基础。当然，为确保评级体系、程序和测定风险要素的正确性和可信度，银行必须满足一整套最低标准才能获得使用IRB法的资格。

3(资产组合信用风险模型。从巴塞尔委员会的观点及世界银行业信用风险管理的趋势来看，内部评级法是风险管理发展的主流和趋向。事实上，目前国际上著名的大银行机构所开发和应用的风险管理系统是更高级的“组合风险管理模型”。新协议认为这是国际银行风险管理的最终发展目标。这种模型的关键在于用到了组合的思想，考虑到银行对风险的厌恶和欲望，这在仅仅依靠外部信用评级或内部信用评级中是不存在的。该模型所确定的资本要求是指在一定的容忍度或置信水平下，银行为了抵御由于客户或资产信用质量的恶化所产生的潜在信用损失应当保持的最低资本。目前国际上通用的组合信用风险管理模型主要有两类:违约模型(Default Mode即DM模型)和市场模型(Mark-T0-Market即MTM模

1型)。这两种模型对资本要求的决定都是基于对信用损失(Credit Loss)的预测。两者的区别在于对信用损失估计方法的不同考虑。DM模型中，信用损失是由债务人在计划期内违约造成的，它只考虑违约与不违约两种信用状态。而在MTM模型中，信用损失的产生是由于信用工具的等级质量的变化引起的，这种变化包括信用等级的上升、下降与违约。瑞士信贷银行金融产品部(CSFP)开发出的信用风险附加模型(Credit Risk +)属于DM模型，J.P.摩根的“信用度量技术”(Credit Metrics)和麦肯锡公司的信贷组合观点模型(Credit Portfolio View)属于MTM 模型,美国KMV公司的Credit Monitor模型则具有DM和MTM 两种形式

1 信用损失是资产组合在给定的期限内，期初价值与期末价值的差。由于期末价值通常未知，所以信用损失是一种潜在的信用损失，由预期损失和意外损失组成。

[22] 。

对资产组合信用风险模型的正确使用能够产生更好的内部风险管理效果，而且对银行监管具有更大的应用潜力。这种模型的优点在于，能够给银行提供一个度量不同地区、不同部门的信用风险的框架，有助于银行识别风险、测量风险和管理风险，能够更精确地估计单个资产组合的信用风险，特别是集中风险，能够对商业部门信用质量、市场变量及经济环境的变化作出迅速的反映。因为该方法对于风险管理可以提供及时有效的信息，该模型还有助于风险管理系统的改进、数据的收集、风险额度的设定、更准确的风险绩效定价及更好的经济资本配置。从监管的观点看，由于该种模型把资本要求与标的资产的风险及组合的集中风险紧密联系起来，因而更能全面地综合测量对信用风险的资本要求，并改进金融系统中资本的分配。模型还可以削弱利用法定资本从事套利交易的行为。但由于一系列困难的存在，包括数据资料的可用性、参数的规范化和估计以及模型的确认等，组合信用风险模型目前还不能在最低资本的制定中发挥明显作用。因此现阶段，巴塞尔委员会不允许银行使用自己的资产组合信用风险模型计算资本金要求。但委员会对改进风险管理方法和模型的工作表示欢迎，这可能为今后过渡到采用资产组合信用风险模型铺平道路。

另外，新协议还提出了对信用风险缓解技术的处理办法。信用风险缓解是指

[23]以某种手段如通过使用抵押、担保、信用衍生产品等做法来降低信用风险。对此类技术，在新协议的标准法和初级IRB法中，按照同样的方法予以处理。在高级IRB法中，则更多地依赖于内部确定的信用等级及相应的处理技术。考虑到降低信用风险的方法可能引起操作风险和其他风险，新协议还制定了具体的操作准则。

2.1.1.2 市场风险的计量方法

新协议充分肯定了1996年计算市场风险的方法，只是对定义交易帐户的一些概念做了阐述，以防止在某些情况下，本应放在银行帐户的项目被挪到了交易帐户。有关市场风险之前已有阐述，在此不再说明。

范文三：信用风险的度量方法

一、信用风险度量方法与模型

１．传统的信用风险评价方法

（１）要素分析法。

要素分析法是通过定性分析有关指标来评价客户信用风险时所采用的专家分析法。 常用的要素分析法是５Ｃ要素分析法，它主要集中在借款人的道德品质（Ｃｈａｒａｃｔｅｒ）、还款能力（Ｃａｐａｃｉｔｙ）、资本实力（Ｃａｐｉｔａｌ）、担保（Ｃｏｌｌａｔｅｒａｌ）和经营环境条件（Ｃｏｎｄｉｔｉｏｎ）五个方面进行全面的定性分析，以判别借款人的还款意愿和还款能力。

根据不同的角度，有的将分析要素归纳为“５Ｗ”因素，即借款人（Ｗｈｏ）、借款用途（Ｗｈｙ）、还款期限（Ｗｈｅｎ）、担保物（Ｗｈａｔ）及如何还款（Ｈｏｗ）。

还有的归纳为“５Ｐ”因素，即个人因素（Ｐｅｒｓｏｎａｌ）、借款目的（Ｐｕｒｐｏｓｅ）、偿还（Ｐａｙｍｅｎｔ）、保障（Ｐｒｏｔｅｃｔｉｏｎ）和前景（Ｐｅｒｓｐｅｃｔｉｖｅ）。

无论是“５Ｃ”、“５Ｗ”还是“５Ｐ”，其共同之处都是先选取一定特征目标要素，然后对每一要素评分，使信用数量化，从而确定其信用等级，以其作为其销售、贷款等行为的标准和随后跟踪监测期间的政策调整依据。

（２）特征分析法。

特征分析法是目前在国外企业信用管理工作中应用较为普遍的一种信用分析工具。它是从客户的种种特征中选择出对信用分析意义最大、直接与客户信用状况相联系的若干因素，将其编为几组，分别对这些因素评分并综合分析，最后得到一个较为全面的分析结果。

一般所分析的特征包括客户自身特征、客户优先性特征、信用及财务特征等。特征分析法的主要用途是对客户的资信状况做出综合性的评价，它涵盖了反映客户经营实力和发展潜力的所有重要指标，这种信用风险分析方法主要由信用调查机构和企业内部信用管理部门使用。

（３）财务比率分析法。

信用风险往往是由财务危机导致的，因此，可以通过及早发现和找出一些特征财务指标，判断评价对象的财务状况和确定其信用等级，从而为信贷和投资提供决策依据。

财务比率综合分析法就是将各项财务分析指标作为一个整体，系统、全面、综合地对企业财务状况和经营情况进行剖析、解释和评价。这类方法的主要代表有杜邦财务分析体系和沃尔比重评分法。

杜邦财务分析体系是由美国杜邦公司创立的，它以净值报酬率为龙头，以资产净利润率为核心，重点揭示企业获利能力及其前因后果，通过对某项综合性较强的财务比率的逐层分解，将相关财务指标联系起来，形成一个综合体系，以便清楚地反映各项财务指标的相互关系。

沃尔比重评分法是由财务综合评价领域的著名先驱者之一亚历山大·沃尔创立的，他把若干个财务比率用线性关系结合起来，以此评价企业的信用水平。他选择了七种财务比率，即流动比率、产权比率、固定资产比率、存货周转率、应收账款周转率、固定资产周转率和自有资金周转率，分别给定各自的分数比重，通过与标准比率（行业平均比率）进行比较，确定各项指标的得分及总体指标的累计分数，从而得出企业财务状况的综合评价，继而确定其信用等级。

２．多变量信用风险判别模型

多变量信用风险判别模型是以财务会计信息为基础，以特征财务比率为解释变量，运用数量统计方法建模。多变量信用风险判别模型主要包括以下几种：

（１）多元线性判定模型（Ｚ－Ｓｃｏｒｅ模型）。

其是财务失败预警模型，最早是由Ａｌｔｍａｎ（１９６８）开始研究的。该模型通过五个变量（五种财务比率）将反映企业偿债能力的指标、获利能力指标和营运能力指标有机联系起来，综合分析预测企业财务失败或破产的可能性。一般地，Ｚ值越低，企业越有可能发生破产。

具体模型为：

Ｚ＝Ｖ１Ｘ１＋Ｖ２Ｘ２＋?＋ＶｎＸｎ

其中，Ｖ１、Ｖ２?Ｖｎ是权数，Ｘ１、Ｘ２?Ｘｎ是各种财务比率。根据Ｚ值的大小，可将企业分为“破产”或“非破产”两类。在实际运用时，需要将企业样本分为预测样本和

测试样本，先根据预测样本构建多元线性判定模型，确定判别Ｚ值（Ｚ值的大小可以作为判定企业财务状况的综合标准），然后将测试样本的数据代入判别方程，得出企业的Ｚ值，并根据判别标准进行判定。此方法还可以用于债券评级、投资决策、银行对贷款申请的评估及子公司业绩考核等。

（２）多元逻辑模型（Ｌｏｇｉｔ模型）。

其采用一系列财务比率变量来预测公司破产或违约的概率，然后根据银行、投资者的风险偏好程度设定风险警界线，以此对分析对象进行风险定位和决策。

Ｌｏｇｉｔ模型建立在累计概率函数的基础上，不需要自变量服从多元正态分布和两组间协方差相等的条件。Ｌｏｇｉｔ模型判别方法先根据多元线性判定模型确定企业破产的Ｚ值，然后推导出企业破产的条件概率。其判别规则是：如果概率大于０．５，表明企业破产的概率比较大；如果概率低于０．５，可以判定企业为财务正常。

（３）多元概率比回归模型（Ｐｒｏｂｉｔ回归模型）。

其假定企业破产的概率为ｐ，并假设企业样本服从标准正态分布，其概率函数的ｐ分位数可以用财务指标线性解释。其计算方法是先确定企业样本的极大似然函数，通过求似然函数的极大值得到参数ａ、ｂ，然后利用公式，求出企业破产的概率；其判别规则与Ｌｏｇｉｔ模型判别规则相同。

（４）联合预测模型。

联合预测模型是运用企业模型来模拟企业的运作过程，动态地描述财务正常企业和财务困境企业的特征，然后根据不同特征和判别规则，对企业样本进行分类。这一模型运作的关键是准确模拟企业的运作过程，因此，它要求有一个基本的理论框架，通过这一框架来有效模拟企业的运作过程，从而能够有效反映和识别不同企业的行为特征、财务特征，并据此区分企业样本。

３．现代金融工程模型

２０世纪８０年代以来，受债务危机的影响，各国银行普遍重视对信用风险的管理和防范，新一代金融工程专家利用工程化的思维和数学建模技术，在传统信用风险度量的基础上提出了一系列成功的信用风险量化模型。

（１）神经网络分析法。

神经网络是从神经心理学和认识科学研究成果出发，应用数学方法发展起来的一种并行分布模式处理系统，具有高度并行计算能力、自学能力和容错能力。

神经网络方法克服了传统分析过程的复杂性及选择适当模型函数形式的困难，它是一种自然的非线性建模过程，无须分清存在何种非线性关系，给建模与分析带来极大的方便。

该方法用于企业财务状况研究时，一方面利用其映射能力，另一方面主要利用其泛化能力，即在经过一定数量的带噪声的样本的训练之后，网络可以抽取样本所隐含的特征关系，并对新情况下的数据进行内插和外推以推断其属性。

（２）衍生工具信用风险的度量方法。

２０世纪８０年代以来，作为一种有效的避险工具，衍生工具因其在金融、投资、套期保值和利率行为中的巨大作用而获得了飞速发展。然而，这些旨在规避市场风险应运而生的衍生工具又蕴藏着新的信用风险。

研究者相继提出许多方法来度量衍生工具的信用风险，最具代表性的有下列三种： 一是风险敞口等值法，这种方法是以估测信用风险敞口价值为目标，考虑了衍生工具的内在价值和时间价值，并以特殊方法处理的风险系数建立了一系列ＲＥＥ计算模型。

二是模拟法，这种计算机集约型的统计方法采用蒙特卡罗模拟过程，模拟影响衍生工具价值的关键随机变量的可能路径和交易过程中各时间点或到期时的衍生工具价值，最终经过反复计算得出一个均值。

三是敏感度分析法，就是利用这些比较值通过方案分析或应用风险系数来估测衍生工具价值。

（３）集中风险的评估系统。

前述方法绝大多数是度量单项贷款或投资项目的信用风险，而很少注重信用集中风险的评估。信用集中风险是所有单一项目信用风险的总和。金融机构和投资者采用贷款组合、投资组合来达到分散和化解风险的目的。

１９９７年，ＪＰ摩根推出的“信用计量法”和瑞士信贷金融产品的“信用风险法”，均可以用来评估信用风险敞口亏损分布以及计算用以弥补风险所需的资本。“信用计量法”是以风险值为核心的动态量化风险管理系统，它集计算机技术、计量经济学、统计学和管理工程系统知识于一体，从证券组合、贷款组合的角度，全方位衡量信用风险。该方法应用的范围比较广，诸如证券、贷款、信用证、贷款承诺、衍生工具、应收账款等领域的信用风险都可用此方法进行估测。

“信用风险法”是在信用评级框架下，计算每一级别或分数下的平均违约率及违约波动，并将这些因素与风险敞口综合考虑，从而算出亏损分布与所需资本预测数。

二、分析与评价

１．传统信用风险评价方法的分析与评价

传统的信用评价方法必须根据经济环境和风险因素的变化不断调整自己分析和调查的重点，才能做出准确的决策。虽然其有成熟的经验可资借鉴，但在实际估测某个企业的信用风险时，必须重新设定工作程序，而且企业信用调查与评价工作必须通过自己的实践来积累经验。

一般认为，传统的信用评价方法突出的问题是：风险因素的评价是定性的，主观性的分析有时不令人信服。比如“沃尔比重评分法”在理论上存在一定的缺陷：至今未能证明为什么要选择这７个指标，而不是更多或更少些，或者选择别的财务比率，以及未能证明每个指标所占比重的合理性。从技术上看，当某一个指标严重异常时，“沃尔比重评分法”会对总评分值产生不合逻辑的重大影响。尽管沃尔的方法在理论上还有待证明，在技术上也不完善，但它还是在实践中被应用。

２．多变量信用风险判别模型的分析与评价

多变量信用风险判别模型几种模型的优缺点主要体现在以下几个方面：

（１）Ｚ－Ｓｃｏｒｅ模型具有较高的判别精度，但存在着几处不足：一是该模型要求的工作量比较大。二是在前一年的预测中，Ｚ－Ｓｃｏｒｅ模型的预测精度比较高，但在前两年、前三年的预测中，其预测精度都大幅下降，甚至低于一元判别模型。三是Ｚ－Ｓｃｏ

ｒｅ模型有一个很严格的假设，即假定自变量是呈正态分布的，两组样本要求等协方差，而现实中的样本数据往往并不能满足这一要求。

（２）Ｌｏｇｉｔ模型的最大优点是，不需要严格的假设条件，克服了线性方程受统计假设约束的局限性，具有了更广泛的适用范围。目前这种模型的使用较为普遍，但其计算过程比较复杂，而且在计算过程中有很多的近似处理，这不可避免地会影响到预测精度。

（３）Ｐｒｏｂｉｔ模型和Ｌｏｇｉｔ模型的思路很相似，都采用极大化似然函数，但在具体的计算方法和假设前提上又有一定的差异，主要体现在三个方面：一是假设前提不同，Ｌｏｇｉｔ不需要严格的假设条件，而Ｐｒｏｂｉｔ则假设企业样本服从标准正态分布，其概率函数的ｐ分位数可以用财务指标线性解释。二是参数ａ、ｂ的求解方法不同，Ｌｏｇｉｔ采用线性回归方法求解，而Ｐｒｏｂｉｔ采用极大似然函数求极值的方法求解。三是求破产概率的方法不同，Ｌｏｇｉｔ采用取对数方法，而Ｐｒｏｂｉｔ采用积分的方法。

（４）与其他多变量信用风险判别模型相比，联合预测模型克服了其他模型只运用财务指标的片面性，能够动态模拟和反映企业的综合情况，但其仍存在着操作性较差的缺陷。

３．现代金融工程模型的分析与评价

现代金融工程模型的几种信用风险度量模型的优缺点主要是：

（１）神经网络分析方法应用于信用风险评估的优点在于其无严格的假设限制，且具有处理非线性问题的能力。它能有效解决非正态分布、非线性的信用评估问题，其结果介于０与１之间，在信用风险的衡量下，即为违约概率。神经网络法的最大缺点是其工作的随机性较强。因为要得到一个较好的神经网络结构，需要人为地去调试，非常耗费人力与时间，因此，使该模型的应用受到了限制。Ａｌｔｍａｎ（１９９５）在对神经网络法和判别分析法的比较研究中得出结论认为，神经网络分析方法在信用风险识别和预测中的应用，并没有实质性的优于线性判别模型。

（２）衍生工具信用风险模型的优点是具有较强的严谨性，该模型力图以数量化的、严谨的逻辑识别信用风险。从缺点和不足来看，衍生工具信用风险模型的严密的前提假设（当一个变量发生改变，则原有的结论需要全部推翻重新进行论证）限制了它的使用范围。而且从大量的实证研究结果来看，衍生工具信用风险模型没有得到足够的支持。例如Ｄｕｆｆｉｅ（１９９９）发现简约模型无法解释观测到的不同信用等级横截面之间的信用差期限结构。

衍生工具信用风险模型虽然是最新的科学化方法，但其要发挥作用，还必须与金融风险管理的理念和主观判断结合起来。

（３）集中风险评估系统的目的是综合反映评价对象的风险，更接近于风险分析的本源目的，但过多的变量因素又使其陷入浩繁的考察与计量之中，过于繁密的信息造成“噪音”过大，这又使结论容易发生偏离。

三、发展趋势与我国的现状

１．信用风险度量方法与模型的发展趋势

从目前国际金融与财务学界的主流观点来看，信用风险度量方法与模型的未来发展趋势主要包括以下几个：

（１）对信用风险的度量从过去的定性分析转化为定量分析。

（２）从指标化形式向模型化形式的转化，或二者的结合。

（３）信用风险度量模型涵盖的因素和条件越来越全面：从对单个角度的分析向组合角度进行分析、从账面价值转向市场价值、变量从离散向连续扩展、从单个对象的微观特征扩散到经济环境、从单一的风险度量模式向多样化的和个性化的风险度量模式转化。

（４）在理论上，信用风险度量方法与模型开始大量运用现代金融理论的最新研究成果，比如期权定价理论、资本资产定价理论、资产组合理论等，并且汲取相关领域的最新研究成果，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。

（５）信用风险度量方法与模型越来越需要现代计算机的大容量信息处理技术和网络化技术。

２．信用风险度量方法与模型在我国的现状

从信用风险度量方法和模型的改进方向上看，这一领域的研究和应用已从传统的主观判断分析法发展到以多变量判别模型，再到现代金融工程下的动态计量分析方法，已经向科学的纵深发展。而目前我国信用风险的分析主要是以单一投资项目、贷款和证券为主，衍生工具、表外资产的信用风险以及信用集中风险的评估尚属空白。更没有集多种技术于一体的动态量化的信用风险管理技术。

随着我国经济体制改革的深入、市场机制的建立与完善以及资本市场、银行业的迅速发展，现行的信用风险评估体制与方法已不能满足经济改革与发展的需要。因此，我国在信用风险度量方法的发展上，应博采众长、引入科学方法来确定有效指标，并建立准确的定量模型来解决信用评估问题。

范文四：企业信用风险的度量方法

企业信用风险的度量方法

王

芳

（中国人民大学财政金融学院，北京100872）

摘要：文章结合我国实际提出基于支持向量机的企业信用风险度量方法，并和神经网络等多

种方法进行了实证对比分析，结果显示支持向量机具有较好的预测效果。

关键词：信用风险；支持向量机；交叉检验中图分类号：F830.9

文献标识码：A

文章编号：1002-6487（2009）08-0159-02

·(ωx)-b=0

（1）（2）

0引言

目前用于企业信用风险度量的方法很多，包括传统方法

使得当yi=1时，(ω··xi)-b≥1，当yi=-1时，(ωxi)-b≤-1，即：·yi[(ωxi)-b]≥1，i=1，2，…，n

容易验证，最优超平面就是满足条件（2）式并且使得：

中的专家法和信用评分法以及现代信用风险度量模型中的

CreditMetrics、KMV、CreditRisk+和CPV等方法，但由于多

种原因，这些方法在我国的适用性不强。相比而言，在这些方法中，信用评分法在我国比较受欢迎，比如有学者把多元判别分析和人工神经网络方法用到企业信用度量中去，但多元判别分析属于线性模型，用来预测非线性的现实世界有点勉强，而人工神经网络虽然说能解决复杂的非线性问题，但其主要是用来解决大样本问题，在我国借款企业积累数据有限的情况下实际结果不尽如人意，并且人工神经网络是基于经验风险最小化准则之上，存在着难以解决的过学习以及局部极值现象。

而支持向量机是一种基于结构风险最小化准则的学习方法，其不仅可以较好地解决过学习和局部极值现象，也适合于解决小样本学习，并且具有良好的泛化能力，成为神经网络之后，机器学习领域中新的研究热点。所以，在此我们可以考虑将支持向量机用到企业的风险判别方面。

Φ(ω)=1|ω2|

（3）

最小的的超平面，如图1所示，其中H为最优超平面。

图1支持向量机分类示意图

实际上这是一个二次规划问题，存在唯一解，可由下面的拉格朗日泛函：

·L(ω,b,λ)=1||ω2||-Σλi{[(ωxi)]-b}yi-1}

i=1

n

（4）

的鞍点求出（其中，λi为拉格朗日乘子）。令其解为(ω0，

1支持向量机简介

支持向量机（SupportVectorMachine）是建立在统计学

b0，λ0)，则根据Kühn-Tucker定理可知，最优超平面的充分必

要条件是分类超平面满足等式：

λi{[(x·iω0)-b0]yi-1}=0，i=1，2，…，n

（5）

习理论和结构风险最小化原理的基础上，其基本思想是把输入空间的样本通过非线性变换映射到高维特征空间,然后在特征空间中构造出最优超平面，使得超平面与不同类样本集之间的距离最大，而使结构风险最小。另外，在实际应用中，可以使用不同的核函数变换到不同的特征空间,避免了在高维的特征空间中直接计算。

假设Zn{(xi，yi)}，xi∈R，y∈{-1}，i=1，2，…，n为训练样本

n

显然，只有在λi>0时，其对应的向量才为支持向量，而其它大部分向量都不起作用，所以相对于神经网络等其它方法来说，支持向量机在小样本时也会有较好的预测效果。

而对于非线性可分样本集，根据Hilbert-Schmidt理论，·Hilbert空间中的内积(准u准v)可以等价表达为K(u,v)，即：

（准u·准v）=

∞

集，支持向量机的目标就是构造一个最优分类超平面，在结构风险最小化原则下尽可能正确地将训练样本分成两类。

假设样本集是线性可分的，即存在超平面：

k=1

Σa准(u)准(v)=K(u,v)

k

（6）

其中K(u,v)可以是满足Mercer定理的任意对称函数，称之为核函数。

所以可以使用核函数技巧将非线性可分问题转

统计与决策2009年第8期（总第284期）

159

化为某一高维特征空间的线性可分问题，这样，只需在规化和决策问题中使用核函数代替内积即可。

常用的核函数有：

多项式函数：K(x,xi)=[1+(x·xi)]d

·x||2)径向基函数：K(x,xi)=exp(-γ||x

神经网络核函数：K(x,xi)=Sigmoid[v(x·xi)+c]

（7）（8）（9）

表2

企业信用风险度量四种模型分类精确度统计表

以AA和A违约以A和BBB违率均值为界

约率均值为界

平均分类精确度

模型类别多元判别分析

决策树人工神经网络支持向量机

72.22%

71.11%75.56%81.11%66.67%68.89%73.34%83.33%69.45%70.00%74.45%82.22%

2.3实证结果的对比分析

在度量企业信用风险时，不失一般性，我们分别采用了

22.1

实证研究

样本数据的选取和处理

根据民生银行历史借款人数据库，我们在信用等级分别

多元判别分析、决策树、人工神经网络等常用于分类的传统方法对经过整理的样本集进行回归分析或训练，并采用

Matlab语言编程对这些方法进行计算机处理。为了观察比较

全面的预测效果，我们分别以AA和的违约率均值、A和

为AA、A和BBB的借款人中各随机选取了30家企业2007年的相关财务数据作为样本的输入变量，并找出相应信用等级的历史违约率数据作为输出变量。

在借款企业信用风险评价指标选取中，我们以即能全面反映借款企业风险状况而彼此相关性又较小的指标作为输入变量，结合现有资料，我们最终选取了反映借款企业盈利性、成长性、营运性以及偿债能力的四大类共计9项指标作为输入变量，而以借款企业同期所对应的信用等级的违约率作为输出变量。具体指标及其含义如表1所示。

表1指标体系盈利性指标成长性指标营运性指标

借款企业综合信用风险评价指标体系

指标名称净资产收益率总资产报酬率利润增长率营业增长率存货周转率资产负债率

偿债能力指标利息保障倍数

指标含义

净利润总额/平均净资产总额×100%（利润总额+利息支出）/平均总资产×100%本期利润总额/上期利润总额×100%-100%本年销售收入增长额/上年销售收入×l00％销货成本/存货平均余额×100％负债总额/资产总额×100％息税前利润/利息支出

BBB的违约率均值为界对样本进行两次预测。在这两种情况

下，我们经过反复交叉检验和调整，使各模型达到相对最优状态，由此得出四种模型对样本的分类精确度，如表2所示。

从表2可以看出，在两种分类情况下，支持向量机方法都显示出较其它三种方法更高的预测精度，平均分类正确率达到了82%以上且比较稳定。

3结论

从上面支持向量机理论分析和实证结果可以看出，由于支持向量机本质上求解的是一个凸二次优化问题，得到的解将是全局最优点，并且支持向量机是基于结构风险最小化准则之上，不存在过学习和欠学习现象，特别是其只需要少量样本(支持向量)就可构成较优分类器，目前是统计学习理论中最活跃的研究内容，也是最实用的部分。因此，支持向量机能够有效地避免经典学习方法中出现的过学习、欠学习、“维数灾难”以及陷入局部极小点等诸多问题，在解决小样本、非线性

应收账款周转率销货净额/（平均应收账款余额＋应收票据平均余额）×100%

长期资产适合率（所有者权益+长期负债）/（固定资产+长期投资）×100%

为了使目标借款企业和样本借款企业尽量服从同一分布以提高预测精度，我们在进行数据处理时是把两者放在一起按照式（10）对样本指标进行标准化处理：

'

及高维模式识别问题中表现出许多特有的优势，在国外，已被成功地应用于模式识别、回归估计、密度估计等领域，在国内，最近也被应用于模式识别等领域，而本文将其用于企业的风险度量方面，实证结果显示较多元判别分析、决策树和人工神经网络等方法具有明显的分类结果。

参考文献：

xij=

x-min(x)，i=1，2，…，90；j=1，2，…，9.j.j（10）

其中，max(x.j)和min(x.j)分别表示第j个指标90个观测值的最大值和最小值。

这样，我们就得到了样本数据的输入变量，而输出变量则为2007年各企业信用等级所对应的违约率数据。

[1]熊志斌，李荣钧.现代信用风险管理度量模型比较[J].科技管理研究，2007，(2).

2

2.2训练和调试预测模型

·xi||)来在这里，我们使用径向基函数K(x,xi)=exp(-γ||x[2]陈静，市公司财务恶化预测的实证分析[J].会计研究，1999，（4）.[3]张玲，曾维火.基于Z值模型的上市公司信用等级转移矩阵实证研究[A].2004年中国管理科学学术会议论文集[C]，2004.

构造支持向量机模型，对参数γ我们则以步长0.05从0.1到

1反复取值，直到精度最高。

由于样本有限，为了充分利用样本信息，我们采用了交叉检验的方法来检验和调整模型参数，以尽可能地提高模型的预测精度，即我们每次取90个样本中的89个作为训练样本，余下的一个作为测试样本，这样不重复的训练和测试90遍，使预测精度最高时的模型即为最优模型。

[4]陈雄华，林成德，叶武，基于神经网络的企业信用等级评估[J].系统工程学报，2002，17（6）.

[5]章忠志，符林，唐焕文，基于人工神经网络的商业银行信用风险模型[J].经济数学，2003，20（3）.

（责任编辑/亦民）

160

统计与决策2009年第8期（总第284期）

范文五：信用风险的各种度量方法

第30卷第9期

2004年9月财经研究

JournalofFinanceandEconomicsVol130No19

Sep12004

现代信用风险度量模型

剖析与综合比较分析

朱小宗,张宗益,耿华丹

(重庆大学经济与工商管理学院,重庆400044)

摘 要:文章首先从多方面剖析了当前比较著名的现代信用风险度量模型,并进行范式比较和实证比较,发现建模方法的不同,预测的效果也相差较大,最后对这些模型作出了较为客观的评价。

关键词:现代信用风险度量模型;剖析;范式比较;实证比较;评价

中图分类号:F22417;F83015文献标识码:A文章编号:1001-9952(2004)09-0033-14

一、引 言

在信用风险测量方面,5新巴塞尔资本协议6推荐使用内部评级法(Innerratings-basedapproach,IRB),它有两个版本,一是基础内部评级法(Founda-tionIRBapproach);二是高级内部评级法(AdvancedIRBapproach)。内部评级法提出4个主要参数,分别是违约概率(ProbabilityofDefault,PD)、违约下的损失率(LossofGivenDefault,LGD)、违约暴露(ExposureatDefault,EAD)及期限(Maturity,M);基础内部评级法要求比较简单,银行只需计算违约概率,其余只要依照监管机构的指引即可,实施比较容易。高级内部评级法相对复杂得多,银行需要自行计算上述4项参数。在确定了主要参数以后,就可以计算预期损失(ExpectedLoss,EL)、非预期损失(UnexpectedLoss,UL)、经济资本(EconomicCapital,EC)。

在这种对风险资本的严格要求下,同时由于1990年代里,公司倒闭的结构性增加、脱媒效应的显现、竞争的白热化、担保能力的下降、金融衍生品的急剧膨胀、信息技术的飞速发展等因素促使人们加强对信用风险的研究。正是收稿日期:2004-06-23

作者简介:朱小宗(1974-),男,湖北随州人,重庆大学经济与工商管理学院博士生;

张宗益(1964-),男,贵州松桃人,重庆大学经济与工商管理学院教授,博士生导师;

耿华丹(1979-),女,辽宁复兴人,重庆大学经济与工商管理学院。#

财经研究2004年第9期

在这个时期,涌现出信用监测模型、信用度量术、死亡率模型、信用风险附加法模型、信贷组合观点、贷款分析系统等现代信用风险度量模型。这些模型在国际上大型商业银行得到广泛应用,其中一些重要思想和方法已写入5新巴塞尔协议6,突出了这些模型对国际银行业信用风险度量与管理的重要性,而有些模型尚未完全/解密0,它们的建模方法有何不同,在我国实际应用效果如何等等问题尚需深入研究,这正是本文研究的问题,以此希冀能够为建模度量我国借款人的信用风险提供理论和方法上的重要参考。

二、现代信用风险度量模型剖析

(一)信用监测模型(CreditMonitorModel)。1993年,KMV公司利用布莱克)斯科尔斯)莫顿模型(BSMModel)提出了著名的信用监测模型(CreditMonitorModel),并经Longstaff和Schwarz(1995)、Dsa(1995)和Zhou(1997)作了进一步的发展,现已基本成熟并成为当今世界最为著名的信用风险度量模型之一。

11模型假设。(1)满足BSM模型的基本假设,即公司股票价格是个随机过程、允许卖空、没有交易费用和税收、证券可分性、不存在套利机会、证券交易的连续性、无风险利率在借款人还清债务前保持不变;(2)借款人资产价值大于其债务价值时,借款人不会违约;反之,借款人资产价值小于其债务价值时,借款人就会违约;(3)企业市场价值服从布朗(Brown)运动,并且借款人资产收益服从正态分布;(4)假设借款人资本结构只有所有者权益、短期债务、长期债务和可转化的优先股。

21模型设定与参数估计。根据企业市场价值服从布朗(Brown)运动的假设有:

VT=VtLdt+VtRVdzt(1)

其中:V为借款人资产市场价值;L为借款人资产期望回报率;RV为借款人资产市场价值比例变化的波动率,实际上也是资产回报率的波动率;t,T为债务现在时点和到期日,且有S=T-t;zt~N(0,t)。

KMV模型主要分析违约概率,PD是建立在违约距离DD(DistancetoDe-fault)基础之上的,违约距离是企业资产市场价值的预期值与违约点DP(De-faultPoint)的差值对企业资产市场价值回报率波动率与资产市场价值乘积的倍数,并定义:

DP=企业短期债务价值+015@企业长期债务价值

由于假设企业市场价值服从布朗运动,即有:

VT=Vtexp[(L-0.5R2V)S+RVS#zS]

(3) 由于该模型假设借款人资产价值小于债务价值就算违约,所以违约率为:(2)

朱小宗、张宗益、耿华丹:现代信用风险度量模型剖析与综合比较分析

PD=Pr[VT<>

=N(-d)

2(4)ln[Vt/(DP)]+(L-0.5RV)S 其中,d=;N(#)为正态分布下的累计概率,RV其反函数表示为N(#)。

对历史数据统计可以得出债券/贷款违约下的平均损失率E(LGD)及其方差R2LGD,由于该模型的高级版假设LGD服从贝塔(Beta)分布,根据损失率的均值和方差可以计算出贝塔分布的参数,这样就可以用式(5~7)计算在一定置信水平A(如99%)下的某一债务/贷款损失。

EL=EAD#PD#E(LGD)(5)

EC=EAD#PD#B-1(A)(6)

UL=EC-EL(7)

B(#)为贝塔分布函数的反函数。

31监测模型的优势和缺陷。优势:(1)它拥有强大的理论基础,即现代公司理财和期权理论的/结构性模型0;(2)它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;(3)它可以用于任何公开招股公司。 缺点:(1)假设比较苛刻,尤其是资产收益分布实际上存在/肥尾0(fat-tailedness)现象,并不满足正态分布假设;(2)对于非上市公司,不得不采用历史财务数据,数据的时效性大打折扣;(3)没有根据借款人信用品质、担保情况、可转换性等区分长期债券;(4)它是违约式(Default-Mode,DM)模型,对企业的杠杆比率捕捉钝化,具有静态性;(5)不能处理非线性产品,如期权、外币掉期。

(二)信用度量术(CreditMetries)。1997年,J1P1摩根联合当时世界一流银行和KMV公司共同开发出信用度量术(CreditMetrics),采用二阶段法度量信用风险,此后,A.Nyfeler(2000)、LawreceR.Forest和KpmecpeatMarwick(2000),DavidJones和JohnMingo(2001)对此作了进一步解释和拓展,现已基本成熟并成为当今世界最为著名的信用风险度量模型之一。

11模型假设。(1)债券未来市场价值和风险完全由其远期利率分布曲线决定,在模型中,惟一的变量是信用等级;(2)信用等级是离散的,在同一级别的债券具有相同的迁移距阵和违约概率,迁移概率遵循马尔可夫过程,同时迁移概率具有稳定性,且实际违约概率等于历史违约概率;(3)风险期限是固定的,一般为一年;(4)不同债务人的信用等级的联合分布是用两者资产回报率联合分布来估计的,资产回报率的联合分布又用所有者权益收益率的联合分布来代替;(5)每个信用等级对应一条零息票收益率曲线;(6)违约的含义不仅指债务人到期没有偿还债务,还可指债务人信用等级的下降所导致的债券市场价值下跌,并且违约事件发生在债务到期。

21模型设定与参数估计。为了阐述方便,本文仅对单一债券的违约概率#-1-1

财经研究2004年第9期

进行分析,假定债券持续期限为n(用k表示期限),债券等级划分为m等(用j表示信用等级),且计算第一年的信用风险值。根据不同信用等级的历史违约概率和利率预期理论,计算出信用等级为j的债券第k年零利率收益率yjk,这样就可以将债券的票息和本金折算为债券现值Pj,就是:

Pj=k=1E[Mjk/(1+

mnyjk)]k(8) Mjk为债券j第k年净现金流量。根据历史信用等级迁移概率计算出该信用等级的迁移概率cj,则债券第一年末的期望价值和方差分别为:

E(P)=

mj=1EPjcj

[E(P)]2(9)(10)2RP=EPjcj-2

j=1

该模型计算债券价值的损失有两种方法:(1)基于债券价值服从正态分布的假设。在这种情况下,信用等级为j的债券的预期损失就是债券现值Pj与债券的期望价值E(P)的差额;再根据债券价值变化的标准差RLGD,用式(11)计算债券在置信水平为A下的非预期损失,从而得出经济资本。

UL=N-1(A)#RP(11)

(2)基于债券价值的实际分布。在这种情况下,需要采用蒙特卡罗方法和VaR技术,即要累加该债券向最差的信用等级迁移的概率,直到等于或者近似等于给定的(1-A),此时可以得到与此对应的债券价值,该值与债券的期望价值之差就是VaR值,即可求出该债券应该所需的经济资本。

31信用度量术的优势与劣势。优势:(1)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(MonteCarloSimulation),在一定程度上避免了资产收益率正态性的硬性假设,可以用资产价值分布和百分位求出资产损失;(2)对/违约0的概念进行了拓展,认为违约也包括债务人信用等级恶化;(3)它是一种盯市(Market-to-Market,MTM)信用风险度量模型,能将债务价值的高端和低端考虑到;(4)该模型适用范围非常广泛,包括传统的商业贷款、信用证和承付书、固定收益证券、贸易融资和应收账款等商业合同,而其高级版的信用风险度量术还能够处理掉期合同、期货合同及其他衍生产品;(5)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。

劣势:(1)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;(2)信用等级迁移矩阵未必是稳定的,它受到行业、国家因素、周期因素等影响;(3)贷款合约与债券在担保、合约条件上有很大不同,对此评价贷款的损失有一定的困难。

(三)死亡模型(MortalityModel)。EwardI.Altman和Suggitt、Kishore

朱小宗、张宗益、耿华丹:现代信用风险度量模型剖析与综合比较分析

在1997年开发出债券的边际和累计死亡率表,俗称死亡率模型。

11模型假设。(1)各债券违约相互独立,即不存在相关效应和连锁反应,但相同信用等级的债券违约情况相同;(2)不同债券类型的违约下的损失率不同且相互独立,但同一债券类型的违约下的损失率基本相同;(3)不考虑宏观经济环境对死亡率的影响。

21模型设定与参数估计。定义:边际死亡率MMR(MarginMortalityRate)。MMR(t)=在t年违约债券的总值/第t年初样本中债券的总值,则:

CMR(S)=1-t=1F(1-SMMR(t)]=1-t=1FSR(t)S(12)

(13)RMMR=MMRt(1-MMRt)/N

其中:CMR(S)为在S时间段内的累计死亡率(CumulativeMortalityRate);RMMR为边际死亡率的波动率;N为统计计算MMRt所用的数据样本;SR(t)为第t年的样本存活率(SurvivalRate),SR(t)=1-MMR(t)。

在此模型中,累计死亡率相当于违约概率PD,再根据历史数据统计出的不同信用等级的债券的LGD及其方差,采用蒙特卡罗方法和VaR技术计算债券损失。由于该模型假设LGD服从贝塔分布,所以在实际应用中为了简化,可以用式(5~7)计算债券近似的预期损失、经济资本和非预期损失。

31死亡模型的优势与劣势。优势:(1)比较容易利用死亡率表来计算单个债券和债券组合的预期损失及其波动率,特别是计算债券组合很方便;(2)死亡模型是从大量样本中统计出来的一个模型,所以采用的参数比较少。 劣势:(1)没有考虑不同债券的相关性对计算结果的影响;(2)没有考虑宏观经济环境对死亡率的影响,因而需要时时更新死亡率表;(3)要求的数据量很大,许多单个商业银行无法提供如此之大的数据库,如对有7个信用等级的债券,R=01001,MMR=0101,则样本需要达到69300个,这对一般商业银行是不可能的;(4)数据更新和计算量很大;(5)不能处理非线性产品,如期权、外币掉期。

(四)信用风险附加法(CreditRisk+Model)。信用风险附加法是瑞士波士顿第一银行产品部在1997年源于保险精算学思想开发的。

11模型假设。(1)债务/贷款偿还只有两种状态:违约与不违约;(2)在债务人较多的条件下,在相同时间段内违约概率相同;(3)在不重叠的时间段内违约人数相互独立。

21模型设定与参数估计。由于以上假设,则用泊松(Poisson)分布比较好满足以上假设,设:

n-KPr(n)=Ke/n!(14)

n Pr(n)为计算期内发生n个债务人违约事件的概率;K为单位时间段内平

均违约人数,它服从Gamma分布,并且有K=k=E1Pr(k)#k。根据Poisson分布#

财经研究2004年第9期

可知,n是均值为K的一个随机变量。

CreditSuisse在处理模型时,将债券/贷款分为m个频段,设基础单位金额为L(例如100万元),则可以根据债务人风险暴露划为某一频段(取大于相对比例的最小整数,如435万元的频段为5),频段j的风险暴露vj用L作单位,则有vj=j,则在频段j内的期望违约人数为:

Kj=ELj/vj=

]]kI8EELk/vkj(15)] 则频段j的资产组合分布的概率密度函数为:

Gj(z)=n=0EPr(EL=

=nL)Z=mnn=0EPr(n)Z

vjnvj=n=0E(Kjemn-Kj/n!)Znvj(16)mv=exp(-Kj+KjZj)G(z)=FGj(z)j=1mj=1

mFexp(-

vjKj+Kjz)=exp(-j=1vj+EKjz)EKjj=1=exp(-K+EKjzj=1)(17)

则损失n#L的资产的概率函数为:

nPr(EL=n#L)=n!|dzZ=0,n=0,1,2,,,(18)

有了资产损失的概率密度函数,就可以直接利用VaR方法求出债券/贷款的经济资本要求,即在一定的置信水平下,可以计算出最大可能违约数N,这样经济资本就为N#L。

31信用风险附加法的优势和劣势。优势:(1)易于求出债券/贷款及其组合的损失概率和边际风险分布;(2)模型集中于违约分析,所需估计变量很少,只需要违约和风险暴露的分布即可;(3)该模型处理能力很强,可以处理数万个不同地区、不同部门、不同时限等不同类型的风险暴露;(4)根据组合价值的损失分布函数可以直接计算组合的预期损失和非预期损失的值,比较简便。 劣势:(1)与KMV模型一样,只将违约风险纳入模型,没有考虑市场风险,而且认为违约风险与资本结构无关。(2)没有考虑信用等级迁移,因而任意债权人的债务价值是固定不变的,它不依赖于债务发放人信用品质和远期利率的变化与波动。尽管违约概率受到一些随机因素的影响,但风险暴露并不受这些因素的影响。(3)Kj的方差并不完全相同,否则会低估违约率。(4)不能处理非线性金融产品,如期权、外币掉期。

(五)信贷组合观点(CreditPortfolioView)。1998年,麦肯锡(McKinsey)公司Saunders和Wilson等人利用基本动力学的原理,从宏观经济经济环境的角度来分析借款人的信用等级迁移,建立了信贷组合观点,有时也称麦肯锡模型。

11模型假设。(1)信用等级在不同时期的迁移概率不是固定不变的,而

朱小宗、张宗益、耿华丹:现代信用风险度量模型剖析与综合比较分析

受到诸如国别、经济周期、失业率、GDP增长速度、长期利率水平、外汇汇率、政府支出、总储蓄率、产业等因素的影响;(2)宏观经济变量服从AR(2)过程。 21模型设定与参数估计,即:

Pri,t=1/(1+e-

Fi,t所表示的宏观指数,即:

Yi,t=Ai,0+Ai,1Fi,1,t+Ai,2Fi,2,t+,+Ai,mFi,m,t+Ei,t

~N(0,ME),ME是因素指数协方差矩阵。由第2个假设可知:

Fi,k,t=Bi,k,0+Bi,k,1Fi,k,t-1+Bi,k,2Fi,k,t-2+ei,k,t

ei,t~N(0,Ri),et~N(0,Me),Me是误差项矩阵。

设定矩阵Et=[vt et]~N(0,M),其中M=TYi,t)(19) 其中:Pri,t为债务人i在时刻t的有条件违约概率;Yi,t为由以上m个因素(20) Ai,k为Fi,k,t对Yi,t的影响系数;Fi,k,t为因素k的相对指数;Ei,t~N(0,Ri),Et(21)Mv,v Mv,e

Me,v Me,,Mv,e是相关

系数矩阵。将矩阵M分解为M=AAT,并设Zt~N(0,I),则债务人数量足够多时有:

Mt=ATZt(22)

根据历史的投资级债券的违约概率Pt与穆迪(Moody)或者标准普尔(Standard&Poor)的历史上(无条件)投资级债券的基期违约概率P0的比值可以看出,比值大于1则说明经济膨胀,小于1则说明经济衰退。利用Pi,t来调整P0,从而得到一个转换矩阵TM:

TMt=TM(Pi,t/P0),TMT=FTM(Pi,t/P0)t=1T(23)

由式(23)可以得到任何信用等级在任何时刻的向任何信用等级迁移的瞬间迁移概率和累计迁移概率。事实上,信贷组合观点是对信用度量术的延伸和深化,因为在信用度量术中,信用等级迁移的概率和累计概率是通过历史数据统计出来的,存在一定的时滞,所以,该模型在利用信用度量术的有关处理方法和VaR方法的基础上,可以求出债券/贷款及其组合的违约概率、预期损失、非预期损失和经济资本。

31信贷组合观点的优势和劣势。优势:(1)较为充分地考虑了宏观经济环境对信用等级迁移的影响,而不是无条件用历史上违约概率的平均值来代替;(2)信用等级迁移概率具有盯市性,因而它与信用度量术结合起来可以提高信用风险度量的准确性;(3)它清晰地给出了实际的离散的损失分布模型,这个损失分布依赖于子组合中信用头寸的个数和大小;(4)它既可以适用单个债务人,也可以适用于群体债务人,如零售组合。

劣势:(1)模型的数据依赖于一国很多宏观经济数据,因而数据处理与计#

财经研究2004年第9期

算较为繁杂;(2)不能处理非线性产品,如期权、外币掉期。

(六)贷款分析系统(LAS)。1998年KPMG公司Belkin(1998)和Crouhy及Mark(1998)等人在风险中性理论的基础上提出了贷款分析系统。Deliane-dias和Geske(1998)通过期权定价模型进一步发展了LAS模型,基于期权思想的LAS模型与信贷监测模型基本相同,只是将企业资产价值的期望回报率换成无风险利率,将贷款的面值当作违约实施点来处理,所以在此不作赘述,下面就只剖析前一种LAS模型。

11模型假设。(1)贷款利率大于无风险利率时,借款人存在违约的风险;

(2)贷款价值服从正态分布。

21模型设定与参数估计。根据利率期限结构理论中的利率预期理论,有: (1+rn)n=(1+r0)(1+r0,1)(1+r0,2),,(1+r0,k),,(1+r0,n)

n(24) (1+Rn)=(1+R0)(1+R0,1)(1+R0,2),,(1+R0,k),,(1+R0,n)

(25)

rn,Rn为n年期限无风险利率和风险利率,并认为n年期限无风险利率在n年内不变;r0,k,R0,k为第k年远期无风险利率和风险利率。则第k年远期风险违约率(中性概率)为:

NP0,k=1-(1+r0,k)/(1+R0,k)(26)

在确定了k年内各年远期风险违约率后可以计算贷款在k年内累计违约的概率PDk,即:

PDk=1-k=1F(1-kNP0,k)=1-k=1F1+k1+r0,k

R0,k(27)

在无违约风险下可以计算贷款的现值V0,在违约风险下可以求出贷款的违约现值V,即:

V0=

V=k=1nEnMk(1+rn)kMk#(1+rn)kk=1(28)k=1En(1-PDk)Mk=(1+rn)k=1EFk1+r0,k1+R0,(29)

在借款人信用等级迁移的情况下,将式(29)得出的V代替式(9~10)中的P就可以计算出贷款在信用等级迁移后的期望值E(V)和方差R2V,在贷款价值服从正态分布的假设下,贷款预期损失就是贷款的现值V0与信用等级迁移后的期望价值E(V)的差额,在置信水平为A下的非预期损失可以用式

(11)来计算,从而得到贷款的经济资本要求。

31贷款分析系统的优势和缺陷。优势:(1)数据要求较简单,不复杂;(2)它采用了利率期限结构理论,因此,可以求出远期违约率,具有前瞻性。

缺点:(1)假设贷款价值分布具有正态性,但实际上存在/肥尾0现象,并不满足正态分布假设;(2)对构建多期无套利的组合贷款没有很好的方法保证;

朱小宗、张宗益、耿华丹:现代信用风险度量模型剖析与综合比较分析

(3)它只考虑违约和不违约两种状态,但贷款期限较长时贷款可能移到这两者之外的状态;(4)不能处理非线性产品,如期权、外币掉期。

三、范式比较

(一)违约的定义。根据对违约定义的不同,可分为盯市模型(MTM)与违约模型(DM),MTM模型和DM模型是银行业普遍使用的两大类信用风险度量模型。盯市模型是以资产市场价值变化为基础计算VaR的模型;而违约模型则是集中于预测违约损失,它只考虑了两种情形:违约和不违约。盯市模型相对违约模型的一个显著差异是前者包括了价差风险,因为它除了考虑违约与不违约两种信用状态以外,还要考虑到信用质量的变化,比如信用等级的上升或下降,在此意义下MTM模型是DM模型的一种推广。据此分析,信用度量术是典型的MTM模型;死亡模型、信用风险附加法、贷款分析系统和信用监测模型本质是DM模型,但高级版的信用监测模型也是MTM模型;而信贷组合观点既是MTM模型,也是DM模型。

(二)风险驱动因素。根据风险驱动因素的不同可将信用风险度量模型分为条件模型和无条件模型。按照巴塞尔委员会的定义,无条件模型反映相对有限的特定借款者或特定信用项目的信息;而条件模型除此之外还综合考虑了一国或国际的总体经济环境,比如GDP增长率、通货膨胀率、失业率、股票价格指数、利率等宏观经济因素,模型的结果对这些因素的变化往往具有比较强的敏感性。因此,信用监测模型的风险驱动因素是受宏观因素影响的借款人资产价值,信用度量术的风险驱动因素是借款人资产价值,信用风险附加法和死亡模型的驱动因素是违约率,信贷组合观点的风险驱动因素是宏观因素,而贷款分析系统的驱动因素则是受宏观因素影响的利率或借款人资产价值。

(三)信用事件的相关性。巴塞尔委员会根据对诸如违约、信用等级、违约下的损失率、信用价差、风险暴露等信用事件的相关性的不同考虑方法将信用风险度量模型划分为结构化模型与简化式模型。结构模型试图通过假定金融产品或经济单位的微观经济特征来解释单个借款人的违约或信用质量的变化,比如资产价值和负债之间的比例关系可能决定了借款人的信用质量。那些用于决定借款人风险等级变化(包含违约)的随机变量称为等级迁移风险因素,在结构模型中就是要估计或确定借款人间等级迁移风险因素的相关性。而简化式模型则不同,它不是试图解释违约或信用等级的迁移,而是选择一种统计方法并建立适当的因素模型来刻画违约或信用等级的迁移现象。在简化模型中,特别假定了借款人的违约率或迁移矩阵与可以观察到的宏观经济活动指标或不可以观察到的随机风险因素之间存在一种函数关系,简化模型认为正是单个借款人的财务状况对公共因素或相关背景因素的依赖才引起了借款人之间违约率的相关性和信用等级之间迁移的相关性。#

财经研究2004年第9期

(四)违约概率的波动性。以上信用风险度量模型的一个重要差别是违约概率的波动性。在信用监测模型中,违约率随着借款人股票市价变化而变化;在信用度量术和死亡率模型中,违约概率是基于历史数据统计出来的固定的、离散的值;在信用风险附加法中,每笔贷款的违约率是可变的,违约率均值被模型化为一个有着伽马分布(Gammadistribution)的变量;在信贷组合观点中,违约概率是一套正态分布的受到宏观因素冲击的一个对数函数;贷款分析系统的违约率随利率或者借款人资产价值变化而变化。

(五)资产价值。由于借款人的信用等级直接影响到债务价值,而人们通常用信用等级的变化来刻画债务价值的变化,所以按信用等级的刻画方式可以将模型分为离散估值模型与连续估值模型。离散估值模型中的信用质量按离散的信用等级变化进行刻画;而连续型估值模型中的信用质量通过连续的违约概率或违约概率密度函数来刻画。因此,信用监测模型是典型的连续型模型,而信用度量术、死亡模型、信用风险附加法是离散模型,而信贷组合观点既是连续型模型,也可能是离散型模型;在传统的贷款分析系统中,资产价值是离散的,但在基于期权思想的模型中,资产价值变化又是连续的。

(六)回收率。损失的分布和VaR的计算不仅取决于违约的概率,而且也取决于损失的严重程度或违约下的损失率。经验证据表明违约严重程度和贷款回收情况随时间演变而有相当大的波动性,进而,将变化的回收率包括进去有可能增加VaR或未预期的损失率。信用监测模型假设回收率为一个常数,但高级版的信用监测模型允许回收率遵循贝塔分布;在信用度量术模型和死亡模型中,回收率假定服从贝塔分布;在信用风险附加法中,损失被凑成频段得到亚级贷款组合,而任何级别贷款组合损失严重程度视为一个常数;在信贷组合观点中,回收率的估计是通过蒙特卡罗模拟法进行的,是变化的;在贷款分析系统中,回收率是变化的。

(七)现金流折现因子。根据现金流折现因子选择方法不同可以将信用风险度量模型分为现金流折现法(DCCF)与风险中性定价法(RNV)。DCCF方法的折现因子采用非参数方法估计,比如用同一信用等级的贷款或债务的信用价差的均值作为该等级的统一价差,这种方法虽然很少应用模拟假设,但是当数据缺乏或出现噪声的时候则无能为力。RNV方法的折现因子是通过无风险利率期限结构和风险中性定价方法确定的,其理论基础是套利定价理论,这种方法可以充分利用可获得的数据,但是对模型有许多假设条件。一般来讲,两种方法得到的结果是不同的,但是当市场是充分有效的,而且RNV的假设条件比较接近现实时,两种方法对于分散化的组合会产生的结果是几乎相同的。采用DCCF方法的有信用度量术、死亡模型;采用RNV方法有信用监测模型、信贷组合观点、信用风险附加法和贷款分析系统。

对采用DCCF而言,如果借款人在观察期内只有信用等级的变化而没有

朱小宗、张宗益、耿华丹:现代信用风险度量模型剖析与综合比较分析

违约,仅仅考虑信用等级影响的贴现率是无法准确反映借款人在将来可能违约的损失率;由于同一信用等级的债券赋予相同的贴现率,这就体现不出相同信用等级的优先债券和次级债券的信用价差,而且认为贴现率只与信用等级

有关而与市场无关,这不符合资产收益率与整个市场收益率相关的基本观点,由此,这种贴现方法不太符合现代金融理论。而采用RNV的贴现率是无风险利率,不受信用等级的影响,比较符合现代金融理论。

(八)建模的主要理论根基。根据建模时对违约概率、信用等级迁移矩阵和信用质量相关性的计算的理论基础不同,可以将信用风险度量模型分为基于股权的方法、基于精算的方法与经济计量方法三种。

经济计量模型方法对违约概率计算的根据是:违约概率与当前的宏观经济状况、行业和公司所处的地理位置等有关,环境的差异或宏观经济因素与公司的信用质量表现出相关性。

基于精算的基本方法是只考虑违约概率的有关计算,假定违约概率服从随机分析中的泊松过程,应用历史的信用评级模型预测借款人未来的违约概率和迁移矩阵,后者将借款人划分为不同的/风险段0,在每一个风险段里所有的借款人及其等级迁移的风险因素的随机性质都假定为统计一致的,在同一风险段中的所有借款人将具有相同的违约率、迁移矩阵和相关性。基于精算方法的参数估计具有/后顾性0。

基于股权的方法是专门用来估计大中型借款人的违约率、迁移矩阵和相关性的方法,它是基于BSM模型,把公司违约或信用质量的变化与公司资产的价值、股权、债务联系起来进行考虑,通过期权模型确定公司的违约率和违约相关性。基于权益的方法具/前瞻性0。

(九)组合分析方法。对于单个债券或者贷款的损失测度是可以通过以上模型较为容易解决的,但是对债券或者贷款组合的处理,就没有那么容易了,并且随着组合的数量增加而变得十分复杂。在信用度量术和死亡模型中。需要使用蒙特卡罗模拟技术产生一个组合贷款价值的近似的总体分布,并由此得出一个VaR值;在信贷组合观点中,重复使用蒙特卡罗模拟方法来生成宏观冲击和贷款组合价值或损失的分布;在信用风险附加法中,假定单个债券或者贷款的违约率服从泊松分布,这样可以得到组合的损失的概率密度函数的分析解;信用监测模型和基于期权思想的贷款分析系统可以得到逻辑分析解。通过对以上模型各维度的分析,我们可以大致汇成表1。

通过对以上维度的比较分析,发现现代信用风险度量模型具有这些特点和发展趋势:(1)从过去的定性分析转化为定量分析;(2)从指标化形式转向模型化形式,或二者结合;(3)从对单个资产分析转化为资产组合分析;(4)从盯住账面价值的方法转向盯住市场的方法;(5)描述风险变量从离散形式向连续形式转化;(6)既考虑单个借款人的微观特征,也考虑整个宏观经济环境的影

#

财经研究2004年第9期

响;(7)运用了现代金融理论和其他学科的最新研究成果,比如期权定价理论、资本资产定价理论、资产组合理论、经济计量学方法、保险精算方法、最优化理论、仿真技术等;(8)仍将大量采用VaR技术。

表1 现代信用风险度量模型综合比较表

型

信用监

测模型KKK

K

K

K

K

K

KKKKK

KK

KKK

KKK

K

K

K

K

KK

KK

K

KK

K

KK

KKK

KKK

KKK

K

K

K

K

信用度量术KK

死亡模型KK

信用风险附加法

KK

K

K

信贷组合观点KK

贷款分析系统K

类违约DM模型定义MTM模型风险驱无条件模型动因素条件模型信用事件结构式模型相关性简化式模型违约概率不变波动性可变

离散型

资产价值

连续型相对不变

回收率

随机变化

现金流折DCCF现因子RNV

莫顿模型

建模的理

精算模型

论根基

经济计量型

组合分析模拟法方法解析法

备注:信用监测模型考虑了高级版的模型;LAS模型包括基于期权思想的LAS模型。

四、实证比较

迄今为止,从实证角度对以上各个信用风险度量模型进行系统比较分析的文章还很少。Crouhy(2000)在对各模型进行模拟的基础上指出,不同的模型对在同一时点的相同资产组合进行评估时得出的结果是相近的。Gordy(2000)的研究集中于对CreditRisk+模型和Creditmetric模型的比较,其研究表明,处理相同的数据时,不同的衡量方法具有广泛可比性。Nickell(1998)等人对信用风险度量模型的实证研究表明,不同的模型给出的结果和实际情况大相径庭,这些模型在对美国之外的债务人和金融机构的评估效果较差。 本文实证所用的数据是重庆市813个样本企业(集团)在1999~2002年取得且到期的贷款;有些模型的计算十分繁杂,本文进行了适当的简化处理;此外,(含贴现)假设企业违约相互独立。用以上模型测算的贷款损失见表2。

从对贷款最终损失预测结果来看,与实际值相差最为接近的是信用风险附加法,相差3115%,其他的模型相差都超过8%,相差较大,这一点与Nickell(2000)等人实证的结果是相同的。从贷款的经济资本配置的比例来看,与实

朱小宗、张宗益、耿华丹:现代信用风险度量模型剖析与综合比较分析

际值相差最为接近的也是信用风险附加法,相差0126个百分点;其他模型相差都超过了0165个百分点。

表2 各模型测算的贷款最终损失(万元)

模型/信用

等级信用监测模型度量术死亡模型信用风险附加法贷款分析实际值

14281252

157445560

174098275805

228292147390

321765235283

507767540020

307070196193

AAA332748720

AA27395253752278

A11944226566023731

BBB15099431294798952

BB301364393537180528

B704184541101406277

D211752116006244992

合计15184581659474956759144563015561651401504

REC8.91%9.74%5.62%8.49%9.14%8.23%

备注:(1)最终损失等于预期损失与非预期损失之和,一般认为它就是应该配置的经济资本;REC是贷款最终损失与贷款本息之比,实际上也就是贷款经济资本应该配置的比例。(2)不同信用等级下的贷款最终损失之和不等于表列的合计数,原因在于数据进行了四舍五入。(3)在计算非预期损失时,选用的置信度为99%,也就是说还有1%的概率发生灾难性损失。

信用度量术、死亡模型所采用的PD是历史数据统计出来的,信用风险附加法、贷款分析系统是利用历史信贷数据来测算PD的。信用监测模型、死亡模型、信用风险度量术所采用的LGD也是历史数据统计出来的。事实上,这些模型并不能满足巴塞尔新协议的高级内部评级法的要求。

此外,前4个模型明确假设或间接认为违约率与违约后的损失率是相互独立的,但通过对样本统计发现两者并不是完全独立的,两者存在正相关的关系,即违约率越高,违约后的损失率也越高,符合实际统计结果。

五、综合评价

对信用风险度量模型的实证研究表明,不同的模型给出的结果和实际情况有一定的差距,预测效果也相差较大。而且,以上各模型还存在一些不切实

际的假设和缺陷,这些模型显著的共同假设是利率和风险暴露不变,这不符合实际情况,除了高级版的信用风险度量术假设利率是个随机过程,这样可以较为容易处理期权和互换等衍生产品外,其他模型尚不能很好地处理非线性的衍生产品;任何一个信用风险度量模型还没有全面考虑到信用借款人的具体情况,如银行授信、信用等级迁移、贷款合同担保能力、债务期限,以及价格、破产法、税收、行业性、经济周期和国家政策等宏观因素,尤其是没有考虑到借款人的道德风险,这恰好在我国曾经是个较为普遍的现象。这些模型事实上并不能完全满足高级内部评级法的要求,也不能有效地对单一贷款进行损失测算,它们本身是用于测算贷款组合的。此外,国际上还没有出台一个通用的评价信用风险度量模型的方法,模型评价仍常常忽视建模的方法、数据和检验统

#

财经研究2004年第9期

计方法的有效性,因此,我们在应用现有的这些模型时要保持慎重的态度,不能盲目地照搬使用。

在我国商业银行,信用风险量化管理比较薄弱,基本上处在资产负债指标管理和头寸匹配管理水平上,金融监管方法也比较落后,缺乏专门的信息收集、加工处理和分析系统,导致信用风险管理相对滞后。但我们可以在总结这些现代信用风险度量模型缺陷的基础上,结合现代信用风险模型发展趋势,建立适合于我国商业银行的现代信用风险度量模型。

参考文献:

[1]安东尼#桑德斯(刘宇飞译)1信用风险度量)))风险估值的新方法与其他范式[M]1北

京:机械出版社,20011

[2]约翰#B1考埃特,爱德华#I1爱特曼,保罗#纳拉亚南(石晓军,张振霞译)1演进着的信

用风险管理)))金融领域面临的巨大挑战[M]1北京:机械出版社,20011

[3]BasleCommitteeonBankingSupervision.Creditriskmodeling:Currentpracticeandappl-i

cations[R].ConsultativePaper,Basle,1999.

[4]MichaelCrouhy,DanGalai,RobertMark.Acomparativeanalysisofcurrentcreditrisk

models[J].JournalofBankingandFinance,2000,24,59~117.

[5]Patricia,J.,William,P.Regulatoryimplicationofcreditriskmodeling[J].Journalof

BankingandFinance,2000,24,1~24.

[6]SuleymanBasakandAlexanderShapiro.Value-at-Risk-Basedriskmanagement:Optimal

policiesandassetprices[J].ReviewofFinancialStudies,2001,14(2),371~405.

AnAnatomyandComprehensiveComparison

AnalysisofCurrentCreditRisk

MeasurementModels

ZHUXiao-zhong,ZHANGZhong-yi,GENHua-dan

(SchoolofEconomicsandBusinessAdministration,ChongqingUniversity,Chongqing400044,China)

Abstract:Thepapergivesadetailedanatomyofthecomparativelyfamouscurrentcreditriskmeasurementmodelsfrommanyaspects.Thenthepapermakesmodecomparisonandempiricalcomparison,andfindsthattheirforecastoutcomesdifferwiththeirmodesofmodeling.Finally,thepapermakesobjec-tiveevaluationsonthesemodels.

Keywords:Currentcreditriskmeasurementmodels;anatomy;modecom-parison;empiricalcomparison;evaluation.

转载请注明出处范文大全网 » 信用风险管理的重要方法