德国银行内部信用评级体系的借鉴与启示

董治

随着《巴塞尔新资本协议》的正式实施，中国银行业将逐步走向国际市场，因此，如何按照《巴塞尔新资本协议》的要求建立我国商业银行的内部评级体系，就成为我国银行业面临的首要课题。一直以来，德国银行业都堪称稳健经营的典范，其在长期的经营实践中积累的丰富经验对于正在走向国际化、市场化的我国银行业来说，无疑具有十分重要的借鉴意义。

德国银行内部评级体系概述

内部评级是银行识别、计量、监测和控制信用风险的重要手段，银行通过采集、整理、评判、保存和运用企业信用信息，对企业进行内部评级授信，因此，科学的内部评级体系是使用内部评级法进行资本管理的前提条件。在德国，由于不同的银行间拥有各不相同的贷款策略，大部分德国银行一般都拥有一套自创的对企业信用进行评级的系统，也被称为银行内部评级体系（Internal Ratings-Based Approaches，IRB）。

功能

就德国银行建立其内部评级体系，德国央行提出了一定的要求，具体而言，一个合格的银行内部信用评级体系应当使得银行具备以下几点：第一，区分贷款企业与该企业单笔贷款的风险;第二，具备有效的风险辨识能力;第三，具有至少七个非坏账信用级别和一个坏账信用级别;第四，在信用级别间合理分配信贷，避免过于集中于某一级别;第五，在贷款发放前对所有贷款企业进行全面的归类;第六，对归类于各级别内的企业进行定期复查;第七，具有对贷款企业的财务情况进行收集的适当程序;第八，完备记录信用评级流程、评级标准和评级结果等。

对于建立在统计模型基础上的银行内部评级体系，银行还应当做到：第一，评估各信用级别的一年期的违约概率;第二，依照监管机构制定的违约事件标准进行违约认定;第三，统计并存档所有内部评级的相关数据，包括所使用的时间序列及违约概率。

组成要素

德国银行在对企业进行信用评级时一般不将企业所提供的抵押品情况纳入考虑之列，而将注意力集中在确定企业的违约概率之上，并根据得出违约概率将借款企业归入不同的信用等级，需要衡量和判断的因素大概有以下几个方面：企业当前和未来的财务以及盈利状况;行业状况;企业竞争力;管理层素质;企业账户管理;企业股东身份;企业管理层及其提供的信息的可靠程度。

虽然各银行间的内部评级体系不尽相同，但综合考虑以上因素，银行内部信用评级体系一般由定量分析、定性分析、警告信号和企业信用评级的人工调整四大部分构成，其中定量分析和定性分析是评级体系的基本构成部分（图1）。

定量分析。银行在进行定量分析时会从企业的财务报表中提取企业的资本结构、流动性和盈利情况的有关指标作为风险因子，然后代入银行自身开发的模型来计算企业的违约概率（Probability of Default，PD）。风险因子一般不超过10个，比较常用的有资本收益率、权益比率、资产负债率、流动比率和盈利对利息倍数等财务指标。对违约概率进行统计的方法有判别分析、逻辑回归模型、期权定价模型和神经元网络分析等几种，但在实践中大多数银行都采用逻辑回归模型。

逻辑回归模型的优势在于其能得出一个直观的数字，并且可以和量化后的定性分析结果进行运算，从而得出一个较为准确的违约概率。德国银行的实践显示，在大多数情况下，逻辑回归模型能够达到接近95%的准确率。但经济界也不乏对其的质疑，首先，该模型是建立在单个银行的历史数据之上，其是否可以通用存在疑问;其次，逻辑回归模型忽略宏观经济因素和行业因素，对于诸如企业员工和管理层素质等至少是短期内无法反映在财务报表上的信息也难以评判;最后，中小企业，特别是小微企业和初创企业的历史数据模糊，从而极易导致评估结果不准确，或者模型根本就不可用。针对历史数据缺失的情况，银行一般会要求企业提供对其财务数据的预测值，然而实际上中小企业往往也缺乏充分的信息和必要的技术手段来准确预测其未来的财务状况。因此，在这样的情况下，德国银行往往会主要依靠定性分析来判断企业的违约概率。

定性分析。定性分析是指银行针对与企业信用有关，且难以直接量化的“软信息”进行的评估，主要有以下几个方面：企业的市场和竞争情况;企业组织结构;企业员工和管理层素质;企业对银行的信息披露情况;企业账户情况。

德国银行的定性分析所涵盖的范围实际上相当广泛，例如，在评估企业市场状况时会考虑经济周期、技术进步和行业发展前景等宏观因素，而在评估企业竞争情况时则会具体到企业市场份额、企业所在地政策、产品定位、企业形象和企业成本控制等微观方面，甚至如企业主年龄、未来继任者情况等都会纳入定性分析的范围。银行如何选择这些风险因素的主要依据是该银行关于同类型企业的历史经验，有时候也会参考咨询机构提供的数据。虽然定性分析是建立在历史数据和当前情况的基础上的，但与定量分析不同，定性分析是“预测性”的，银行综合宏、微观各方面因素对企业的优势和劣势做出判断，并以此预测企业的发展前景，然后在此基础上得出企业违约的可能性。一般而言，银行定性分析的结果数据与债券评级相类似，采取序数形式。

在完成定量分析和定性分析的步骤后，银行会将两个数据结果以一定的比例组合起来得出一个企业违约概率，定量和定性二者的比例是根据各银行自身的经验来进行确定的，没有一个统一的标准。随后银行会将此违约概率与现有的以违约概率区间进行划分的内部评级体系进行对照，并依照相应的违约概率区间将企业归类于相应的信用级别，此即为企业的基础信用评级。得出基础信用评级后，银行内部评级体系对于计算企业违约概率的程序已经全部完成。在接下来的步骤中，如果银行认为企业的违约风险有较大改变时，银行将对企业的信用等级进行直接的升级或降级处理。     警告信号。警告信号是指与企业信用有关的特定事件，该事件的出现意味着企业信用风险的明显上升，例如，违背贷款合同条款的行为、支票或商业票据的拒付、采用不合规的簿记方式等等。警告信号对于贷前的风险识别与贷后的风险监控都十分重要，对于警告信号的关注有助于银行及早地发现企业潜在的信用恶化，并能促使银行及早地采取应对措施以降低银行损失。在一般情况下，只要出现警告信号，德国银行都会对相关企业做降级处理，但将哪些特定事件视为警告信号，以及警告信号在多大程度上影响企业信用评级，则与不同银行和该银行在定量及定性分析中采用的风险因子有关。

人工调整。德国银行监管部门对德国银行内部评级体系的要求是一个合格的内部评级体系应当建立在已获取的历史数据和对未来的预测数据的基础之上，银行应当尽可能地降低主观因素对企业信用评级的影响。然而在实践中，德国银行信贷人员的主观判断仍然在很大程度上影响企业信用评级，对中小企业的信用评级尤为如此。因此，许多银行在其信用评级体系内拥有一个对企业信用级别进行人工调整的模块，称为Overruling。一般情况下，德国银行会限制可调整的范围，以一到两个级别较为常见。

结构

德国银行的内部评级体系的结构大体可归类为两大类型，即平行结构和垂直结构（图2、图3）。

在实践中，大部分银行的内部信用评级体系采用的是以平行结构为主的混合结构，也有一些银行采用的是一种所谓的Knock-Out规则与垂直结构组合而成的一种混合结构（图4）。

德国银行一般采用以下几个Knock-Out（K.O.）规则：企业被其他银行解除贷款合同;企业存在账户质押;企业有未经协商的长期透支;企业受到来自其他评级机构的负面评价。

在此模式下，只要企业满足以上任何一个条件，德国银行就会直接将其“K.O.”，而根本不会对其进行信用评级，也不会批准其相应的贷款申请。Knock-Out规则的好处就是简单明了，银行能够避免在资信不好的企业上浪费人力物力，降低了银行的成本。因此，有相当一部分中小银行都会采用此模式。

从银行的角度考虑，内部评级体系的企业信用等级对应的企业违约概率应当比较稳定，相应信用等级的企业的真实违约概率应该只能围绕模型预测值进行小范围波动，换言之，一个合格的内部信用评级体系应当能够反映企业真实的信用违约概率。因此，如何架构内部评级体系并挑选能准确预测企业未来情况的风险因子就显得尤为重要，特别是对于中小企业的信用评级，由于历史数据的缺失，银行会在很大程度上依赖定性分析。本文接下来将对德国银行体系三大支柱中的合作银行内部评级体系进行简要介绍。

图1 德国银行内部评级体系（IRB）的组成要素

图2 平行结构II-Ratings系统，见图5。

BVR-II-Ratings系统是合作银行的中小企业评级体系，该系统采用平行结构，定量分析与定性分析的权重比为60%： 40%。系统重点集中于对企业资产状况、财务状况和盈利状况进行判断，并在此基础上综合考虑企业的未来发展前景对企业进行评级。定量分析主要以反映企业盈利能力、融资能力和资本结构的财务指标作为风险因子，采用逻辑回归模型计算企业违约概率。定性分析主要集中于6个方面，见表1。

贷款决策

企业信用评级与银行的贷款决策是德国银行在其发放贷款流程中的两个不同的步骤，对于银行来说，信用评级能为银行做出贷款决策提供必要的参考，同时也是银行制定贷款条件（贷款利率）的必要依据。同时，银行能否满足监管机构制定的自有资本充足率也与其贷款企业的信用评级密切相关。然而，企业的信用评级并不是影响银行贷款决策的唯一因素（图6）。

在完成对企业的信用评级后，德国银行也需要对企业的贷款项目做出评级（债项评级），这一步骤是一个独立的环节，并不受企业信用评级的影响。对贷款项目做出评级主要分为两个方面，一是对违约损失率（Loss Given Default，LGD）的评估，二是对企业预期现金流的评估。违约损失率与企业提供的抵押品以及企业的信贷敞口相关，二者都是按可能的企业违约时点估算出的预测值。同时，德国银行还会对企业的预期现金流进行评估，评估是基于对企业未来利息和本金清偿能力的考虑，这一过程同样不受企业评级的影响。在德国，低于100万欧元的贷款申请都归类于银行的零售业务，因此，对于此类贷款申请，不论企业的预期现金流有多大，银行授予的额度一般不允许超过该企业年收入的50%。

进行贷款决策时银行也需要考虑自身的商业政策。银行的商业政策通常与银行持有的信贷组合有关，例如，信贷组合中属于某行业的企业贷款数量已接近上限时，接下来的同行业贷款申请会较难获得银行批准。同样，为分散风险，银行也会避免某一信用等级的企业贷款总额在整个银行信贷组合中的占比过高。因此，除了对来自于单个企业的风险进行识别外，信用评级体系对于银行整体的风险管控也有积极作用。

图6 德国银行发放贷款一般流程

图3 垂直结构

图4 Knock-Out 混合结构

图5 BVR-II-Ratings 系统

借鉴与启示

从中国银行业的现状来看，实行《新巴塞尔协议》还是一个任重而道远的工程。中国商业银行应充分重视内部评级法的建立和实施，同时必须认识到此项工作的艰巨性、复杂性和长期性。应在银行内部成立专业化机构，持续和深入开展内部评级体系的研究、设计和开发工作，并对相关的业务流程和决策机制进行必要的改造和完善。

从战略层面高度重视银行内部评价体系的研究和建设。要提高我国商业银行的市场竞争能力和抵御风险能力，其中一个重要环节就是在保持业务规模和市场份额稳步增长的同时，有效地提高资产质量， 降低不良贷款比重。因此我国商业银行应加快改进风险计量的方法、技术和手段，向科学化、精细化的管理模式迈进。这要求我国银行业借鉴国际先进经验，启动技术创新机制加快系统平台和工具体系的建设。体系的建立能够增强商业银行对信用风险和市场风险的鉴别分析能力，提高新增贷款质量，建立银行内部评级体系不仅仅是一个技术手段的实现问题，更关系到商业银行未来的发展战略和综合竞争能力。

夯实数据基础，重视数据质量的提升工作。银行内部评级体系是否完善可靠，与信息的采集和加工，以及体系的设计紧密相关，其中，信息的采集是基础，直接关系到内部评级的结果与风险是否相符。而采集数据的质量又是风险管理工作的基础，是建立一个有效地内部评级体系的必要条件。因此，银行应将数据质量提升列为所有工作中的重中之重。进行数据清洗和补录，并实行更加规范、严格、一致的数据标准，制定数据质量管理规章，确保业务数据的及时性、准确性和全面性。同时，要切实采取措施，加快数据仓库和信贷流程系统建设，以利内部评级体系的开发建设和全面风险管理水平的真正提高。

加强违约概率和违约损失率模型的研究、开发和应用。我国银行业所处的经营环境有别于西方发达国家，因此其所应用的违约概率和违约损失率测度模型不一定完全适合我国商业银行。但一方面可以借鉴这些模型的测度思想、方法与过程，另一方面，我们应该根据国内实际情况，开发出适合自己的模型。例如，根据已有积累的各年评级结果数据，运用信用计量模型对已有年份的每一信用等级的转移概率和违约概率进行测度，进而形成内部的信用等级转移矩阵的测度，以后随着年份数据的增加，再不断调整。这样，经过一段时间的积累，就可以建立起我们自己的内部转移矩阵模型。

优化人力资源配制， 为实行银行内部评级体系做好人才准备。内部评级体系高知识含量的特性，要求无论是银行的信贷员还是信贷后台管理人员，在正确使用这套风险管理方法时除了必须具备起码的信贷分析技术、会计原理、经济学、法律和电脑等方面的业务素质外，还应同时具备人品、敬业精神、工作作风等方面的职业道德素质。德国银行内部评级体系中的人工调整模块已经很好地说明了一个优秀的信贷人员能够弥补定量模块的缺陷。因此，提高银行人员的专业素质和责任意识是建立银行内部评级体系中至关重要的一环。

（作者单位：中国社会科学院研究生院）