商业银行信用风险度量模型的演进及实践研究

苏州大学 王英姿 王光伟

商业银行信用风险是指由于借款人或市场交易对方违约而导致损失的可能性，以及由于借款人的信用评级的变动和履约能力的变化导致其债务的市场价值变动而引起损失的可能性。本文讨论的借款人现定于一般工商企业。商业银行信用风险由两部分组成：一是违约风险，指交易一方不愿或无力支付约定款项致使商业银行遭受损失的可能性；二是信用价差风险，指由于信用品质的变化引起信用价差的变化而导致的损失。信用风险是商业银行面临的最大风险，占银行总体风险的60%左右，如何对信用风险度量成为了一项非常重要的课题。

在西方发达国家，度量信用风险的模型和方法已经由传统模型阶段发展到了创新模型阶段，信用风险度量的创新模型是指应用创新的金融理论、统计技术、数学方法以及计算机数据库等科学技术，能判别出借款人精确的信用等级，或者是借款人的预期违约率或损失率。随着我国金融业的不断开放，国内银行将面临更激烈的竞争，因此，了解和借鉴国外的信用风险度量模型，改善信用风险管理制度，对于缩小与国外银行的差距，控制我国商业银行的信用风险，具有重要的现实意义。

一、国外商业银行信用风险度量传统方法

商业银行信用风险度量的传统方法有很多，它们都是银行长期经营管理实践的经验总结，主要以定性分析为主。

第一，专家方法。专家方法是由银行的信贷管理人员根据自己

的专业技能、经验、判断做出信贷决策的方法。专家方法有很多种，其中最有代表性的是信贷的“5c”方法。专家对贷款人的品德（character）、资本（capital）、偿付能力（capacity）、抵押品（collateral）和经济周期（cycle conditions）进行分析，然后做出是否贷款的决定。

除了以“5C”来概括信用风险分析的要素以外，还有“5W”、“5P”法。

“5W”即借款人类别（who）、借款用途（why）、还款期限（when）、担保物（what）、如何还款（how）。

“5P”指个人因素（person）、用途因素（purpose）、偿还因素（payment）、保障因素（protection）和前景因素（perspective）。

该方法的优点是简便易行，易于操作。其缺点是可靠性难以得到保证，也难以在银行内部得到良好的复制，因为专家系统的有效运转高度依赖于专家的个人素质和经验；此外，也难以确定各影响因素的优先次序及权重，而且针对相似的借款人，不同的专家可能运用不同的标准，得出不同的结论。

第二，信用评级方法。信用评级即对公司就某一债务或相关责

任在债务工具的有效期内及时偿付的意愿及相对能力的评判。最早的信用评级方法是美国货币监理署（OCC）开发的，它将现有贷款组合归入5类，其中4类为低质量级别的，1类为高质量级别的。具体的贷款级别见表1：

表1 OCC贷款级别及损失准备要求

第三，信用评分方法。信用评分方法是将反映借款人经济状况

或影响信用状况的若干指标赋予一定的权重，用特定的方法计算出综合分值或违约概率值，将其与基准值相比来预测其信用风险的高低，并据此决定是否给予贷款以及贷款的条件。

信用评分方法中，由Altman于1968年提出的Z值模型最具有代表性，他采用多变量分析法对66家美国上市制造公司的经营状况进行了判别研究，并建立了由5个参数（财务指标）组成的z值模型，对美国制造企业的破产进行了判别分析。

Z计分模型的判别函数如下：

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

X1=（期末流动资产-期末流动负债）／期末总资产

X2=期末留存收益／期末总资产

X3=息税前利润／期末总资产

X4=期末股东权益的市场价值／期末总负债

X5=本期销售收入／总资产

Altman教授通过对Z分数模型的长期研究提出了判断企业破产的临界值（z-score）。研究发现，Z值越低，该企业遭受财务失败的可能性就越大；Z值越高，该企业遭受财务失败的可能性就越小。Altman对66家企业进行分析测算，其准确程度达95%左右。根据Altman的样本，Z值大于3.3的基本无违约风险，小于1.81的违约风险极大。

为了给非上市公司评分，Altman（1995）修改了Z值模型，计算X4时用账面价值代替市场价值，得到Z'计分模型：

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

Z'的临界值为1.23。

对于非制造业企业，Z'计分模型修改为：

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

1977年，Altman、Haldeman和Narayanan对原始的Z计分模型进行了拓展，建立了主要针对大型公司的7变量ZETA模型。

Z及Z'模型、ZETA模型都是线性模型，但是各个Xi之间可能是非线性关系，此外，采用的财务数据通常以账面价值为准，时效性及可靠性较差，削弱了模型的预测效力。

为了解决上述问题，Ohlson（1980）假设判别参数服从对数线性分布，以财务比率作为输入变量，运用LOGIT回归方法对企业违约预测进行了研究。线性概率模型、LOGIT模型、PROBIT模型和判别分析模型已被广泛应用于信用风险理论研究和实际应用。随着计算机技术的发展，许多非参数、非线性模型得以开发，如神经网络在信用违约预测方面得到了充分研究。

Odom（1990）首先运用神经网络技术进行企业违约预测研究，同类研究的其他代表性文献还包括Brniv等，Mood's公司的违约率预测主要依赖神经网络模型。

这些以Z值模型为代表的信用评分模型都属于简单的定量模型，评分的依据是公司的历史资料，在公司的经营环境和经验状况是按当前的趋势稳定发展时有较高的预测效力；但是一旦公司经营环境发生变化，预测效力就会降低。

二、国外现代信用风险度量模型基本指标解析

根据《巴塞尔协议Ⅱ》的规定，商业银行信用风险的度量指标，主要有六个，它们分别是违约概率（Probability of default，PD）、违约损失率（Loss given default，LGD）、违约风险敞口（Exposure at default，EAD）、信用在险价值（Credit Value at Risk，CVaR）、预期损失（expected loss，EL）以及非预期损失（unexpected loss，UL）。现对以上六个指标的内涵及适用性作出分析：

第一，违约概率（PD）。即特定时间段内借款人违约的可能性，

是贷款发放前银行的预先估计。巴塞尔银行监管委员会认为，如果银行认为借款人不可能全部偿还对银行的债务，银行对清算抵押品（如果有抵押品）的行为没有追索权，就被认为是违约。同一借款人在不同时间段的违约概率会发生变化，一般而言，期限越长，违约的可能性越大。

第二，违约损失率（LGD）。即违约发生时风险暴露的损失程度，即预期损失占风险敞口总额的比例。预期损失由三部分构成：即损失的本金、不良贷款的持有成本（如损失的利息收入）和清偿成本。违约损失率的对立面就是贷款清偿率，学术界的研究和国际银行业的内部经验证明，贷款清偿率的分布是较为典型的双峰分布，因此，取贷款清偿率或违约损失率的平均数不具有统计意义。一般认为，决定贷款清偿率高低的主要因素包括是否有抵押及该笔贷款的还款顺序，另外，也受到宏观经济运行状况以及借款人所处行业的密切影响。

第三，违约风险敞口（EAD）。即债务人违约导致的可能承受风险的信贷业务余额。按照巴塞尔银行监管委员会的监管规则，所有风险敞口均按扣除专项准备和特别准备金后的净值计算。对于表内业务而言，风险敞口就等于名义贷款额。

第四，信用在险价值（CVaR）。即资产组合在一个目标时间段内，给定的置信水平下，由信用风险引起的可能的最大损失。其优点在于用统一的尺度度量各种不同信用资产的信用风险状况，使得对各种不同信用资产和业务部门的信用风险进行比较成为可能；其缺点是假设未来与历史存在惊人的相似性，这显然不符合现实。

第五，预期损失（EL）与非预期损失（UL）。预期损失是信用风险损失分布的数学期望值，是商业银行在信贷活动中已经预计到将会发生的损失。银行可以提前在事前提取损失准备金进行抵补，或者是在贷款定价中将预期损失列入成本予以考虑。

非预期损失是指由于经济波动等原因造成的信用风险损失偏离预期损失的程度。非预期损失一般用资本来弥补，是商业银行配置经济资本的基础。

从上述分析可知，PD、LGD、EL不能反映损失的波动性，而CVaR和UL可以反映损失的波动性。

此外，PD、LGD适合于度量单个资产的信用风险，而EL、UL、CVaR不但可以度量单个资产的信用风险，也可以度量资产组合的信用风险。

PD、LGD、CVaR适用于金融机构日常的信用风险度量和管理，而EL、UL适用于经济资本的配置和监管资本的计算。

上述几个指标间存在着密切的关系：

EL=PD×LGD×EAD

当置信度给定时：

UL=CVaR

三、国外现代信用风险度量模型

近二十年来，现代金融理论的发展和新的信用工具的创新，给开发新的信用风险计量模型提供了可能。与过去的信用管理相对滞后和难以适应市场变化的特点相比，新一代金融工程专家将建模技术和分析方法应用到这一领域，在传统信用评级的基础上提出了一批信用风险模型。现代信用风险度量模型主要有KMV模型、CreditMetrics模型、麦肯锡模型和CSFP信用风险附加计量模型等四类。

第一，计量PD的模型。具体如下：

KMV公司的CreditMonitor模型。KMV模型是估计借款企业违约概率的方法。首先，它利用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账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1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。

麦肯锡公司的Credit Portfolio View模型。麦肯锡模型则在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。

第二，计量LGD的LOSSCALC模型。LGD的确定非常困难，原因在于破产过程的复杂性，KMV公司的LOSSCALC模型根据违约资产的LGD历史数据，应用统计回归分析和模拟方法建立起预测模型，然后将相关经济变量的数据输入预测模型中，得出债务的LGD预测值。该模型利用美国过去20多年1800多个违约观测数据，覆盖了各个行业中900多个违约上市和非上市企业，对美国债券、贷款和优先股LGD建立了立即违约LGD和两年后违约LGD两种版本的预测模型。该模型对LGD的解释变量包括四大类，即项目、公司、行业和宏观经济因子，它对LGD的预测效果优于传统历史数据平均值法。

第三，计量CVaR的模型。具体包括：

CreditMetrics模型。CreditMetrics模型是由J.P.摩根公司等1997年开发出的模型，运用VAR框架，对贷款和非交易资产进行估价和风险计算。该方法是基于借款人的信用评级、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计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。

CSFP信用风险附加计量模型。CSFP信用风险附加计量模型与作为盯市模型（MTM）的CreditMetrics不同，它是一个违约模型（DM），它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CSFP信用风险附加计量模型中，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。每一笔贷款被视作小概率违约事件，并且每笔贷款的违约概率都独立于其它贷款，这样，贷款组合违约概率的分布接近泊松分布。CSFP信用风险附加计量模型考虑违约概率的不确定性和损失大小的不确定性，并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。

四、国内商业银行信用风险度量的实践与研究进展

从商业银行风险管理实践来看，我国目前仍处在对信用风险进行定性分析及管理阶段。在1998年以前，我国是采用“一逾两呆”的贷款分类方法来度量银行信用风险，即将贷款分为正常、逾期、呆滞、呆账四类。这种分类方法非常简单，但是对信贷资产质量的识别滞后，不能随时跟踪，此外，过期一天就算不良贷款，不符合国际惯例的标准（一般过期90天才划分为不良贷款）。1998年，中国人民银行制定了《贷款分类指导原则》，根据风险，贷款被分为正常、关注、次级、可疑、损失5类。但由于缺乏具体的操作指标，实施比较困难。所以，目前一部分银行实施五级分类法，一部分银行实行“一逾两呆”的老贷款分类办法。

从国内已出版的或已发表的有关商业银行信用风险度量的著作和论文来看，主要是引进或介绍国外各种现代信用风险度量模型以及实证检验。宋秋萍（2000）直接采用Z值计分模型对我国6家公司进行预测分析。王海斌等运用了Z值法对新疆23家上市公司进行了实证分析，结果发现与实际情况相差较大。方洪全、曾勇以银行实际贷款数据样本为分析对象，运用多元统计技术建立起4变量的线性判别模型。陈晓和陈治鸿（2000）采用ST和非ST工司财务数据运用LOGIT模型对上市公司进行了预测，判别准确率为86.5%。王春峰（1999）研究了神经网络在商业银行信用风险评估中的应用，结论是神经网络的误判率为18.18%，而判别法的误判率为25.45%。任若恩对常用的几种现代信用风险度量模型进行比较研究。石晓军对信用风险度量和组合管理的理论基础与模型的研究。吴世农在分析CreditMetrics技术基础上，提出了信用风险动态测量方法。梁琪利用期权定价方法对企业预测违约概率进行了研究，并分析了信用风险度量管理与宏观经济环境的关系。

综上所述，在我国运用现代信用风险模型度量信用风险尚缺乏足够的前提条件，比如运用模型进行计量时面临着数据库的制约、技术专家的匮乏等。

所以，现阶段，我国商业银行的信用风险管理应以传统方法为主，建立完善的信用风险管理制度和健全的组织架构，运用有关传统模型度量信用风险，分析信用风险产生的原因，控制不良贷款率，此外，可根据数据库建设的进展及时采用现代化的信用风险管理模型计量信用风险，加强对商业银行信用风险管理人员的培训，实现信用风险管理和控制手段的不断更新。

［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］安东尼：《桑德斯信用风险度量——风险估价的新方法与其它范式》，机械工业出版社2001年版。

［4］宋秋萍：《开展财务预警分析，增强经营者忧患意识》，《生产力研究》2000年第2期。

［5］王海斌、俞军：《运用“Z计分法”对新疆上市公司经营风险的实证分析》，《新疆财经》2004年第1期。

［6］方洪全、曾勇：《运用多元判别法评估企业信用风险的实例》，《预测》2004年第4期。

［7］陈晓、陈治鸿：《企业财务理论、方法及应用》，《投资研究》2000年第2期。