蘇州大學 王英姿 王光偉

商業(yè)銀行信用風險是指由于借款人或市場交易對方違約而導致?lián)p失的可能性，以及由于借款人的信用評級的變動和履約能力的變化導致其債務的市場價值變動而引起損失的可能性。本文討論的借款人現(xiàn)定于一般工商企業(yè)。商業(yè)銀行信用風險由兩部分組成：一是違約風險，指交易一方不愿或無力支付約定款項致使商業(yè)銀行遭受損失的可能性；二是信用價差風險，指由于信用品質(zhì)的變化引起信用價差的變化而導致的損失。信用風險是商業(yè)銀行面臨的最大風險，占銀行總體風險的60%左右，如何對信用風險度量成為了一項非常重要的課題。

在西方發(fā)達國家，度量信用風險的模型和方法已經(jīng)由傳統(tǒng)模型階段發(fā)展到了創(chuàng)新模型階段，信用風險度量的創(chuàng)新模型是指應用創(chuàng)新的金融理論、統(tǒng)計技術(shù)、數(shù)學方法以及計算機數(shù)據(jù)庫等科學技術(shù)，能判別出借款人精確的信用等級，或者是借款人的預期違約率或損失率。隨著我國金融業(yè)的不斷開放，國內(nèi)銀行將面臨更激烈的競爭，因此，了解和借鑒國外的信用風險度量模型，改善信用風險管理制度，對于縮小與國外銀行的差距，控制我國商業(yè)銀行的信用風險，具有重要的現(xiàn)實意義。

一、國外商業(yè)銀行信用風險度量傳統(tǒng)方法

商業(yè)銀行信用風險度量的傳統(tǒng)方法有很多，它們都是銀行長期經(jīng)營管理實踐的經(jīng)驗總結(jié)，主要以定性分析為主。

第一，專家方法。專家方法是由銀行的信貸管理人員根據(jù)自己

的專業(yè)技能、經(jīng)驗、判斷做出信貸決策的方法。專家方法有很多種，其中最有代表性的是信貸的“5c”方法。專家對貸款人的品德（character）、資本（capital）、償付能力（capacity）、抵押品（collateral）和經(jīng)濟周期（cycle conditions）進行分析，然后做出是否貸款的決定。

除了以“5C”來概括信用風險分析的要素以外，還有“5W”、“5P”法。

“5W”即借款人類別（who）、借款用途（why）、還款期限（when）、擔保物（what）、如何還款（how）。

“5P”指個人因素（person）、用途因素（purpose）、償還因素（payment）、保障因素（protection）和前景因素（perspective）。

該方法的優(yōu)點是簡便易行，易于操作。其缺點是可靠性難以得到保證，也難以在銀行內(nèi)部得到良好的復制，因為專家系統(tǒng)的有效運轉(zhuǎn)高度依賴于專家的個人素質(zhì)和經(jīng)驗；此外，也難以確定各影響因素的優(yōu)先次序及權(quán)重，而且針對相似的借款人，不同的專家可能運用不同的標準，得出不同的結(jié)論。

第二，信用評級方法。信用評級即對公司就某一債務或相關(guān)責

任在債務工具的有效期內(nèi)及時償付的意愿及相對能力的評判。最早的信用評級方法是美國貨幣監(jiān)理署（OCC）開發(fā)的，它將現(xiàn)有貸款組合歸入5類，其中4類為低質(zhì)量級別的，1類為高質(zhì)量級別的。具體的貸款級別見表1：

表1 OCC貸款級別及損失準備要求

第三，信用評分方法。信用評分方法是將反映借款人經(jīng)濟狀況

或影響信用狀況的若干指標賦予一定的權(quán)重，用特定的方法計算出綜合分值或違約概率值，將其與基準值相比來預測其信用風險的高低，并據(jù)此決定是否給予貸款以及貸款的條件。

信用評分方法中，由Altman于1968年提出的Z值模型最具有代表性，他采用多變量分析法對66家美國上市制造公司的經(jīng)營狀況進行了判別研究，并建立了由5個參數(shù)（財務指標）組成的z值模型，對美國制造企業(yè)的破產(chǎn)進行了判別分析。

Z計分模型的判別函數(shù)如下：

Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5

X1=（期末流動資產(chǎn)-期末流動負債）／期末總資產(chǎn)

X2=期末留存收益／期末總資產(chǎn)

X3=息稅前利潤／期末總資產(chǎn)

X4=期末股東權(quán)益的市場價值／期末總負債

X5=本期銷售收入／總資產(chǎn)

Altman教授通過對Z分數(shù)模型的長期研究提出了判斷企業(yè)破產(chǎn)的臨界值（z-score）。研究發(fā)現(xiàn)，Z值越低，該企業(yè)遭受財務失敗的可能性就越大；Z值越高，該企業(yè)遭受財務失敗的可能性就越小。Altman對66家企業(yè)進行分析測算，其準確程度達95%左右。根據(jù)Altman的樣本，Z值大于3.3的基本無違約風險，小于1.81的違約風險極大。

為了給非上市公司評分，Altman（1995）修改了Z值模型，計算X4時用賬面價值代替市場價值，得到Z'計分模型：

Z'=0.717X1+0.847X2+3.107X3+0.420X4+0.998X5

Z'的臨界值為1.23。

對于非制造業(yè)企業(yè)，Z'計分模型修改為：

Z'=6.56X1+3.62X2+6.72X3+1.05X4

1977年，Altman、Haldeman和Narayanan對原始的Z計分模型進行了拓展，建立了主要針對大型公司的7變量ZETA模型。

Z及Z'模型、ZETA模型都是線性模型，但是各個Xi之間可能是非線性關(guān)系，此外，采用的財務數(shù)據(jù)通常以賬面價值為準，時效性及可靠性較差，削弱了模型的預測效力。

為了解決上述問題，Ohlson（1980）假設判別參數(shù)服從對數(shù)線性分布，以財務比率作為輸入變量，運用LOGIT回歸方法對企業(yè)違約預測進行了研究。線性概率模型、LOGIT模型、PROBIT模型和判別分析模型已被廣泛應用于信用風險理論研究和實際應用。隨著計算機技術(shù)的發(fā)展，許多非參數(shù)、非線性模型得以開發(fā)，如神經(jīng)網(wǎng)絡在信用違約預測方面得到了充分研究。

Odom（1990）首先運用神經(jīng)網(wǎng)絡技術(shù)進行企業(yè)違約預測研究，同類研究的其他代表性文獻還包括Brniv等，Mood's公司的違約率預測主要依賴神經(jīng)網(wǎng)絡模型。

這些以Z值模型為代表的信用評分模型都屬于簡單的定量模型，評分的依據(jù)是公司的歷史資料，在公司的經(jīng)營環(huán)境和經(jīng)驗狀況是按當前的趨勢穩(wěn)定發(fā)展時有較高的預測效力；但是一旦公司經(jīng)營環(huán)境發(fā)生變化，預測效力就會降低。

二、國外現(xiàn)代信用風險度量模型基本指標解析

根據(jù)《巴塞爾協(xié)議Ⅱ》的規(guī)定，商業(yè)銀行信用風險的度量指標，主要有六個，它們分別是違約概率（Probability of default，PD）、違約損失率（Loss given default，LGD）、違約風險敞口（Exposure at default，EAD）、信用在險價值（Credit Value at Risk，CVaR）、預期損失（expected loss，EL）以及非預期損失（unexpected loss，UL）。現(xiàn)對以上六個指標的內(nèi)涵及適用性作出分析：

第一，違約概率（PD）。即特定時間段內(nèi)借款人違約的可能性，

是貸款發(fā)放前銀行的預先估計。巴塞爾銀行監(jiān)管委員會認為，如果銀行認為借款人不可能全部償還對銀行的債務，銀行對清算抵押品（如果有抵押品）的行為沒有追索權(quán)，就被認為是違約。同一借款人在不同時間段的違約概率會發(fā)生變化，一般而言，期限越長，違約的可能性越大。

第二，違約損失率（LGD）。即違約發(fā)生時風險暴露的損失程度，即預期損失占風險敞口總額的比例。預期損失由三部分構(gòu)成：即損失的本金、不良貸款的持有成本（如損失的利息收入）和清償成本。違約損失率的對立面就是貸款清償率，學術(shù)界的研究和國際銀行業(yè)的內(nèi)部經(jīng)驗證明，貸款清償率的分布是較為典型的雙峰分布，因此，取貸款清償率或違約損失率的平均數(shù)不具有統(tǒng)計意義。一般認為，決定貸款清償率高低的主要因素包括是否有抵押及該筆貸款的還款順序，另外，也受到宏觀經(jīng)濟運行狀況以及借款人所處行業(yè)的密切影響。

第三，違約風險敞口（EAD）。即債務人違約導致的可能承受風險的信貸業(yè)務余額。按照巴塞爾銀行監(jiān)管委員會的監(jiān)管規(guī)則，所有風險敞口均按扣除專項準備和特別準備金后的凈值計算。對于表內(nèi)業(yè)務而言，風險敞口就等于名義貸款額。

第四，信用在險價值（CVaR）。即資產(chǎn)組合在一個目標時間段內(nèi)，給定的置信水平下，由信用風險引起的可能的最大損失。其優(yōu)點在于用統(tǒng)一的尺度度量各種不同信用資產(chǎn)的信用風險狀況，使得對各種不同信用資產(chǎn)和業(yè)務部門的信用風險進行比較成為可能；其缺點是假設未來與歷史存在驚人的相似性，這顯然不符合現(xiàn)實。

第五，預期損失（EL）與非預期損失（UL）。預期損失是信用風險損失分布的數(shù)學期望值，是商業(yè)銀行在信貸活動中已經(jīng)預計到將會發(fā)生的損失。銀行可以提前在事前提取損失準備金進行抵補，或者是在貸款定價中將預期損失列入成本予以考慮。

非預期損失是指由于經(jīng)濟波動等原因造成的信用風險損失偏離預期損失的程度。非預期損失一般用資本來彌補，是商業(yè)銀行配置經(jīng)濟資本的基礎。

從上述分析可知，PD、LGD、EL不能反映損失的波動性，而CVaR和UL可以反映損失的波動性。

此外，PD、LGD適合于度量單個資產(chǎn)的信用風險，而EL、UL、CVaR不但可以度量單個資產(chǎn)的信用風險，也可以度量資產(chǎn)組合的信用風險。

PD、LGD、CVaR適用于金融機構(gòu)日常的信用風險度量和管理，而EL、UL適用于經(jīng)濟資本的配置和監(jiān)管資本的計算。

上述幾個指標間存在著密切的關(guān)系：

EL=PD×LGD×EAD

當置信度給定時：

UL=CVaR

三、國外現(xiàn)代信用風險度量模型

近二十年來，現(xiàn)代金融理論的發(fā)展和新的信用工具的創(chuàng)新，給開發(fā)新的信用風險計量模型提供了可能。與過去的信用管理相對滯后和難以適應市場變化的特點相比，新一代金融工程專家將建模技術(shù)和分析方法應用到這一領域，在傳統(tǒng)信用評級的基礎上提出了一批信用風險模型?，F(xiàn)代信用風險度量模型主要有KMV模型、CreditMetrics模型、麥肯錫模型和CSFP信用風險附加計量模型等四類。

第一，計量PD的模型。具體如下：

KMV公司的CreditMonitor模型。KMV模型是估計借款企業(yè)違約概率的方法。首先，它利用Black-Scholes期權(quán)定價公式，根據(jù)企業(yè)資產(chǎn)的市場價值、資產(chǎn)價值的波動性、到期時間、無風險借貸利率及負債的賬面價值估計出企業(yè)股權(quán)的市場價值及其波動性，再根據(jù)公司的負債計算出公司的違約實施點（default exercise point，為企業(yè)1年以下短期債務的價值加上未清償長期債務帳面價值的一半），然后計算借款人的違約距離，最后根據(jù)企業(yè)的違約距離與預期違約率（EDF）之間的對應關(guān)系，求出企業(yè)的預期違約率。

麥肯錫公司的Credit Portfolio View模型。麥肯錫模型則在CreditMetrics的基礎上，對周期性因素進行了處理，將評級轉(zhuǎn)移矩陣與經(jīng)濟增長率、失業(yè)率、利率、匯率、政府支出等宏觀經(jīng)濟變量之間的關(guān)系模型化，并通過蒙地卡羅模擬技術(shù)模擬周期性因素的“沖擊”來測定評級轉(zhuǎn)移概率的變化。麥肯錫模型可以看成是對CreditMetrics的補充，它克服了CreditMetrics中不同時期的評級轉(zhuǎn)移矩陣固定不變的缺點。

第二，計量LGD的LOSSCALC模型。LGD的確定非常困難，原因在于破產(chǎn)過程的復雜性，KMV公司的LOSSCALC模型根據(jù)違約資產(chǎn)的LGD歷史數(shù)據(jù)，應用統(tǒng)計回歸分析和模擬方法建立起預測模型，然后將相關(guān)經(jīng)濟變量的數(shù)據(jù)輸入預測模型中，得出債務的LGD預測值。該模型利用美國過去20多年1800多個違約觀測數(shù)據(jù)，覆蓋了各個行業(yè)中900多個違約上市和非上市企業(yè)，對美國債券、貸款和優(yōu)先股LGD建立了立即違約LGD和兩年后違約LGD兩種版本的預測模型。該模型對LGD的解釋變量包括四大類，即項目、公司、行業(yè)和宏觀經(jīng)濟因子，它對LGD的預測效果優(yōu)于傳統(tǒng)歷史數(shù)據(jù)平均值法。

第三，計量CVaR的模型。具體包括：

CreditMetrics模型。CreditMetrics模型是由J.P.摩根公司等1997年開發(fā)出的模型，運用VAR框架，對貸款和非交易資產(chǎn)進行估價和風險計算。該方法是基于借款人的信用評級、次年評級發(fā)生變化的概率（評級轉(zhuǎn)移矩陣）、違約貸款的回收率、債券市場上的信用風險價差計算出貸款的市場價值及其波動性，進而得出個別貸款和貸款組合的VAR值。

CSFP信用風險附加計量模型。CSFP信用風險附加計量模型與作為盯市模型（MTM）的CreditMetrics不同，它是一個違約模型（DM），它不把信用評級的升降和與此相關(guān)的信用價差變化視為一筆貸款的VAR（信用風險）的一部分，而只看作是市場風險，它在任何時期只考慮違約和不違約這兩種事件狀態(tài)，計量預期到和未預期到的損失，而不象在CreditMetrics中度量預期到的價值和未預期到的價值變化。

在CSFP信用風險附加計量模型中，違約概率不再是離散的，而被模型化為具有一定概率分布的連續(xù)變量。每一筆貸款被視作小概率違約事件，并且每筆貸款的違約概率都獨立于其它貸款，這樣，貸款組合違約概率的分布接近泊松分布。CSFP信用風險附加計量模型考慮違約概率的不確定性和損失大小的不確定性，并將損失的嚴重性和貸款的風險暴露數(shù)量劃分頻段，計量違約概率和損失大小可以得出不同頻段損失的分布，對所有頻段的損失加總即為貸款組合的損失分布。

四、國內(nèi)商業(yè)銀行信用風險度量的實踐與研究進展

從商業(yè)銀行風險管理實踐來看，我國目前仍處在對信用風險進行定性分析及管理階段。在1998年以前，我國是采用“一逾兩呆”的貸款分類方法來度量銀行信用風險，即將貸款分為正常、逾期、呆滯、呆賬四類。這種分類方法非常簡單，但是對信貸資產(chǎn)質(zhì)量的識別滯后，不能隨時跟蹤，此外，過期一天就算不良貸款，不符合國際慣例的標準（一般過期90天才劃分為不良貸款）。1998年，中國人民銀行制定了《貸款分類指導原則》，根據(jù)風險，貸款被分為正常、關(guān)注、次級、可疑、損失5類。但由于缺乏具體的操作指標，實施比較困難。所以，目前一部分銀行實施五級分類法，一部分銀行實行“一逾兩呆”的老貸款分類辦法。

從國內(nèi)已出版的或已發(fā)表的有關(guān)商業(yè)銀行信用風險度量的著作和論文來看，主要是引進或介紹國外各種現(xiàn)代信用風險度量模型以及實證檢驗。宋秋萍（2000）直接采用Z值計分模型對我國6家公司進行預測分析。王海斌等運用了Z值法對新疆23家上市公司進行了實證分析，結(jié)果發(fā)現(xiàn)與實際情況相差較大。方洪全、曾勇以銀行實際貸款數(shù)據(jù)樣本為分析對象，運用多元統(tǒng)計技術(shù)建立起4變量的線性判別模型。陳曉和陳治鴻（2000）采用ST和非ST工司財務數(shù)據(jù)運用LOGIT模型對上市公司進行了預測，判別準確率為86.5%。王春峰（1999）研究了神經(jīng)網(wǎng)絡在商業(yè)銀行信用風險評估中的應用，結(jié)論是神經(jīng)網(wǎng)絡的誤判率為18.18%，而判別法的誤判率為25.45%。任若恩對常用的幾種現(xiàn)代信用風險度量模型進行比較研究。石曉軍對信用風險度量和組合管理的理論基礎與模型的研究。吳世農(nóng)在分析CreditMetrics技術(shù)基礎上，提出了信用風險動態(tài)測量方法。梁琪利用期權(quán)定價方法對企業(yè)預測違約概率進行了研究，并分析了信用風險度量管理與宏觀經(jīng)濟環(huán)境的關(guān)系。

綜上所述，在我國運用現(xiàn)代信用風險模型度量信用風險尚缺乏足夠的前提條件，比如運用模型進行計量時面臨著數(shù)據(jù)庫的制約、技術(shù)專家的匱乏等。

所以，現(xiàn)階段，我國商業(yè)銀行的信用風險管理應以傳統(tǒng)方法為主，建立完善的信用風險管理制度和健全的組織架構(gòu)，運用有關(guān)傳統(tǒng)模型度量信用風險，分析信用風險產(chǎn)生的原因，控制不良貸款率，此外，可根據(jù)數(shù)據(jù)庫建設的進展及時采用現(xiàn)代化的信用風險管理模型計量信用風險，加強對商業(yè)銀行信用風險管理人員的培訓，實現(xiàn)信用風險管理和控制手段的不斷更新。

［1］Edward I A Financial Ratios，Discrimiant Analysis and the Prediction of Corporate Bankruptcy Journal of Finance，1968，23（4）：589—609

［2］Altman E I，Thomas，P Evaluation of a Company as a Going Concern Journal of Accountancy，1974（6）：63-70

［3］安東尼：《桑德斯信用風險度量——風險估價的新方法與其它范式》，機械工業(yè)出版社2001年版。

［4］宋秋萍：《開展財務預警分析，增強經(jīng)營者憂患意識》，《生產(chǎn)力研究》2000年第2期。

［5］王海斌、俞軍：《運用“Z計分法”對新疆上市公司經(jīng)營風險的實證分析》，《新疆財經(jīng)》2004年第1期。

［6］方洪全、曾勇：《運用多元判別法評估企業(yè)信用風險的實例》，《預測》2004年第4期。

［7］陳曉、陳治鴻：《企業(yè)財務理論、方法及應用》，《投資研究》2000年第2期。