企业信用风险管理模型的比较

何宜强

（江西财经大学 会计学院，南昌 330013）

随着经济全球化、金融一体化趋势进一步加强，传统的信用风险分析技术和模型已经很难适应新情况和新问题。西方许多金融机构开始探索运用现代金融理论、统计理论来定量评估和管理信用风险，开发出了新的现代信用风险度量模型。这些模型多以市场信息为基础，将市场对企业的评价引入模型之中。目前，在国际企业流行的信用风险管理模型主要有：J.P.摩根公司的信用计量模型（CreditMetrics）、KMV 公司的信用监控模型 （KMV）、CSFP （Credit Suisse Financial Products）开发的信用风险附加模型（CreditRisk+）、麦肯锡公司的信贷组合模型（Credit Portfolio View）等等。通过分析比较信用风险管理模型，对我国企业进行信用风险量化管理具有重要的借鉴意义。

1 传统信用风险管理模型

传统的信用风险管理模型主要有专家评价法、信用评分模型、贷款风险度法等。尽管传统的信用风险度量管理方法在解决当今社会的一些新情况、新问题时，存在一些缺陷，但是目前这些方法仍被许多金融机构继续使用，我国金融业普遍采用的是专家评价法和贷款评级法。

1.1 专家评价法

专家评价法是一种古典的信用风险分析方法，最大的特点是由信用评估专家进行信用评价并做出最后决策。该方法包含：5C,5W,5P等分析方法。5C方法是金融业评价客户信用时常用的一种专家分析方法，它主要是从借款人的道德品质（Character）、还款能力（Capacity）、资本实力（Capital）、担保品（Collateral）和经营环境条件（Condition）五个方面进行定性分析以判别借款人的还款能力和意愿；有的将其归纳为5W，即借款人（Who）、借款用途（Why）、还款期限（When）、担保物（What）和如何还款（How）；有的则归纳为 5P，即个人因素（Personal）、借款目的（Purpose）、偿还（Payment）、保障（Protection）和前影Perspective）。这三种方法在内容上基本一致，分别从不同角度使信用量化，从而作为发生信贷、信贷监测和信用政策调整的依据。虽然专家评级法在信用分析中发挥着重要的作用，但它存在许多难以克服的缺点：需要相当数量的专门信用分析人员，成本增加；而且该方法主要是定性分析，信贷决策主要依靠的是专家的经验和判断，主观性很强，实施的效果不稳定，只能作为信用分析的一种辅助性工具。

1.2 信用评分法

所谓信用评分法，就是指事先找出某些决定违约行为概率的关键因素，然后将其汇总考虑并以加权方式计算得出一个数量值。可以将该值视为借款人违约概率的预测值，也可以根据该值将借款人分为优劣两类以决定贷款与否。信用评分模型主要是Z值模型。Z值模型由美国阿尔特曼教授（Altman）于1968年提出，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，建立了由5个参数（财务指标）组成的Z值模型。后来，Altman对Z评分模型进行了修正和扩展，提出了ZETA评分模型，新模型中的变量由原来的五个变为七个，它的适用范围更广，对不良借款人的辨认精度也大大提高，比Z评分模型能更早地预测到企业的破产风险。Z评分模型推出后，商业银行纷纷采用其来度量信用风险，取得了一定的成效，基本的Z评分模型沿用至今，已经拓展应用于私人企业、非制造型企业，成为西方国家信用风险度量的重要模型之一。

Z评分模型和ZETA模型在中国的应用也存在一定的问题。一是中国资本市场的波动幅度过大，而二级市场的波动对企业的经营管理影响不大，因此，对上市公司的测量会出现偏差；二是该模型假设在解释变量中存在着线性关系，难以令人信服；三是两个模型都无法计量企业的表外信用风险，对某些特定行业的企业如公用企业、财务公司、新公司以及资源企业不适用，使用范围受到较大限制。

1.3 贷款风险度法

目前，我国商业银行主要采用这一方法。该方法首先对贷款企业进行信用等级评估，评估内容包括借款人的领导素质、履约情况、经济实力、资金结构、经济效益和发展前景等，并对借款人进行综合评价，评定借款人的信用等级。信用等级依次为AAA,AA,A,BBB,BB,B六类，并相应确定信用等级风险系数为 0.4、0.5、0.6、 0.7、 0.8、1.0。 其次，根据贷款方式的不同，如抵押贷款、保证贷款、信用贷款，分配不同的贷款方式风险系数。根据贷款形态的变化，如正常贷款、逾期贷款、呆滞贷款、呆账贷款，分配相应的贷款形态风险系数，风险系数一般在0.1～0.8之间。最后，计算贷款风险度，并根据其数值大小决定是否贷款。计算公式：本次贷款风险度=信用等级系数×贷款方式系数

一般情况下，对风险度大于0.6的企业不予贷款。但贷款风险度方法不足之处有：风险系数的确定具有很强的主观性，在0与1之间取哪一个值尚缺乏足够的依据；将贷款风险度定义为信用等级风险系数乘以贷款方式风险系数，使贷款风险度的实际意义较难解释。

2 现代信用风险度量模型

2.1 CreditMetrics模型

CreditMetrics模型是1997年美国J.P摩根与美洲银行、瑞士联合银行等数家国际著名金融机构及KMV公司在Risk Metrics的基础之上共同开发的信用风险度量模型，被称为信用度量术模型。该模型构建在资产组合、VaR等理论和方法基础之上，运用VaR框架，对贷款和非交易资产进行估价和风险计算。它依据基本的数理统计公式，将借款者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分析，不仅能够识别传统的信用风险，还可以应用于掉期、互换等金融衍生工具的风险识别，是对金融市场影响较大的信用风险模型之一。该模型在度量信用风险时，不仅考虑了借款人的违约风险，还考虑了借款人的降级风险；不仅能评估预期损失，还能评估风险价值口；在对贷款进行组合管理时，还考虑了贷款组合中借款人之间资信质量变化的相关程度。因此，该模型可以全面地衡量信用风险变化对贷款价值的影响。另外，该模型还能够估算出不能在二级市场上交易的贷款的市场价值，这为贷款定价机制的建立提供了一个良好的研究方向。西方发达国家很多金融机构已经将它应用于信贷风险管理和控制，并得到金融监管当局相当程度的认可。

2.2 麦肯锡CPV信贷组合观察模型

Credit Portfolio View模型是由麦肯锡公司的Wilson在1997年提出的一种离散化的多时期经济计量模型，是一个宏观因素驱动的多因子模型，主要用于信贷组合风险的分析。CPV模型在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。当经济状况恶化时，降级和违约概率增加；反之，当经济状况好转时，降级和违约概率则降低。

该模型与CreditMetrics模型应用的转移概率和违约率不同，它不是以历史等级转移和违约的数据来估计，而是以当期的经济状态为条件来计算债务人的等级转移概率和违约概率。为了得到转移矩阵，模型对经济衰退和扩张时期的违约概率进行了调整，是唯一用经济状态来模拟违约事件的信用风险模型，用多因素、多时期离散时间序列模型来模拟不同国家各个信用级别产品的违约概率和信用等级转换概率的联合条件分布。如果能够获得有关的数据，这个模型就可以在每个国家应用于不同的群体和各种类型的债务人，这些债务人可以来自不同行业，如金融机构、农业、建筑业、服务业等等。

2.3 信用监控模型（KMV模型）

KMV模型是美国KMV公司于1997年利用期权定价理论创立的违约预测模型——信用监测模型 （Credit Monitor Model）来计算信用风险。该模式从企业股票市场价格变化的角度分析该企业的信用状况的信用风险计量方法，并通过企业的财务结构、企业资产回报波动率以及企业资产的当前市值来推导与其违约率，全面反映上市公司的信用状况。一个公司的资产价值低于其债务总额时，只能表明其在理论上处于违约状态，而并不一定会真正发生违约行为。当公司资产价值低于某个水平时，违约才会发生，在这个水平上的公司资产价值被定义为违约点（Default Point）。该模型认为是否违约与企业的信用等级无关，是将公司权益和债务作为期权，把公司资本作为标的资产，把公司所有者权益作为看涨期权，把债务作为看跌期权。KMV快速、及时且节约成本，可以用于改进传统的信贷管理，并用作金融机构计算备付、贷款定价以及业绩评估的关键参数。KMV模型在计算违约距离时主要使用的数据是公司股票的历史交易数据和基本财务数据。目前，我国股票市场正朝着有效率的市场发展，股票价格反应的信息也将更真实，为KMV模型的应用提供了基础。与依赖大量财务指标的模型相比，KMV模型对财务指标的依赖仅限于债务的账面价值，从而在一定程度上缓解了我国普遍存在的会计信息失真的影响，能较好地反映企业目前的信用状况，其预测能力较强。因此，KMV模型在我国现阶段及未来具有一定的适用性。

2.4 Credit Risk+模型

Credit Risk+模型是由瑞士信贷金融产品公司（Credit Suisse FinancialProduct，简称CSFP）1997年借助保险精算技术，推导出债券或贷款资产组合的损失分布，是一种违约风险的统计模型。该模型将信用组合分解成不同的小板块，每个板块的债务人都被假设为受相同的系统风险因素的影响，同一个债务人可以被分解到多个板块中，通过这种分块方法来计算两两之间的违约相关性。Credit Risk+模型将违约率作为一个连续的随机变量，并认为违约频率的不确定性和损失严重性的不确定性都会影响损失的分布，不需要实证数据支持及考虑违约的具体原因，只考虑违约风险，不考虑降级风险。但由于违约率本身可能随时间而变化，损失的严重程度也会出现不确定性，所以，实际的损失函数要比模型所描述的表现出更厚实的尾部。该模型只考虑债券或贷款是否违约，并假定这种违约遵从泊松过程，与公司的资本结构无关，其目的也是为了评估信用风险敞口亏损分布以及计算弥补风险所需的资本，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，然后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。不同于信用风险计量观念的是，Credit Risk+将价差风险看作是市场风险而非信用风险的一部分。

3 分析比较

3.1 传统信用风险方法分析比较

传统的信用风险分析方法都是假定企业的信用状态是两状态（违约/不违约），并且认为影响企业信用风险状态的因素主要为企业的经营情况以及资产状况，对企业是否违约得到一个定性的分析模型。传统定性分析方法模型简单，应用方便，在实践上也得到了广泛的应用，取得了很大的经济效益。但是，传统的定性评估信用风险的方法主要分析借款人的财务杠杆比率，获利能力，流动性，以及运营能力等几个方面的指标。由于这些方法主观性比较强，并且各个国家的银行会计体系与信用风险评价指标体系的差异性，所以，存在着某些较大的局限性。第一，以“5C”法为代表的评估方法都属于经验评估方法，学习成本高，人为因素较大；对评估对象状况的变化缺乏适应性，而且无法对信用分析人员进行培训；缺少对风险的定量测量，在精确性方面存在着一定缺陷；第二，停留在信用风险管理的第一层次上，模型常常被称为违约模型，对信用风险的描述主要体现在企业是否违约的层次上，对企业信用质量的变化不能做详细的解释；第三，信用风险的大小不能用数字精确的表明，第四，仅仅描述单项资产的信用风险，对资产组合的信用风险缺乏描述，不能精确确定组合信用风险损失分布情况。

3.2 现代信用风险方法分析比较

同传统的描述信用风险的模型相比，现代风险度量模型最大的改进之处是：（1）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）从对单个资产（或贷款）的分析转化为从组合角度进行的分析；（4）传统的信用风险分析方法主要是以会计账面数据为基础，现代的信用风险分析方法主要是以市场的信息为基础；（5）既考虑单个借款人、单个贷款人的微观特征，也考虑整个宏观经济环境的影响；（6）从单一的风险度量模式向多样化的、定制的风险度量模式的转化，比如在新巴塞尔协议中对每种风险类型都给出了可供选择的多种度量方法；（7）运用了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。

表1 现在信用风险管理模型比较

从风险界定的角度分析，Credit Metrics和Credit Portfolio View模型属于盯市模型，Credit Risk+模型属于违约模型，而KMV模型既可被当作盯市模型，也可被当作违约模型。从风险驱动因素的角度分析，在KMV和Credit Metrics模型中，风险驱动因素是企业资产价值及其波动性；在Credit Portfolio View模型中，风险驱动因素是失业率等宏观经济变量；而在Credit Risk+模型中，关键的风险驱动因素是经济中可变的违约率均值。从信用事件波动性角度分析，在Credit Metrics模型中，违约概率被模型化为基于历史数据的固定的或离散的值；而在其他的三个模型中，违约概率是可变的，但服从于不同的概率分布。从回收率的角度分析，在Credit Risk+模型中，损失的严重程度被划分为不同的频段，在频段内回收率是不变的；在Credit Metrics和Credit Portfolio View模型中，回收率是随机的；在KMV模型的简单形式中，回收率是不变的常数，在KMV模型的最新版中，回收率也是随机的。从计量方法角度分析，Credit Metrics模型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特卡罗模拟技术进行计量；KMV模型和Credit Risk+模型采用分析方法进行计量；Credit Portfolio View模型是采用模拟技术求解（见表 1）。

[1]宋清华，李志辉.金融风险管理[M].北京：中国金融出版社，2003

[2]菲利普.乔瑞.VAR—金融风险管理新标准[M].北京：中信出版社，2000

[3]于研.信用风险的测定与管理[M].上海：上海财经大学出版社，2003.

[4]杨军.银行信用风险理论、模型和实证分析[M].北京：中国则政经济出版社，2004.6

[5]詹原瑞.银行信用风险的现代度量与管理[M].北京：经济科学出版社，2004.