信用风险度量技术的发展文档.doc

信用风险度量技术的发展

　　信用风险，是指交易对手或债务人不能正常履行合约或信用品质发生变化而导致交易的另一方或债权人遭受损失的可能性。狭义的信用风险指交易对手或债务人到期不能履行合约义务的违约风险（default risk）；广义的信用风险还包括由于交易对手或债务人信用品质变化的不确定性所引起的信用价差风险。
　　贷款信用风险是商业银行信用风险的主要来源。为了降低信用风险，确保其利润空间，银行必须及时掌握贷款企业动态，有效评估其信用水平，防止贷款逾期或呆账的发生。而及时有效发现贷款企业的早期风险则有赖于发展一套明确、客观的信用风险评价模型，仔细评估贷款企业的信用，使其在有限可贷资金限制下，随着信用风险的降低，增加银行的贷款利润。国外银行凭借成熟的信用评级制度以及翔实的企业违约率数据，建立了众多完善的信用风险评估定量模型，为银行的信用风险管理提供了科学决策依据。本文将对商业银行信贷过程中采用的信用风险度量技术做一个较为详细的梳理。
　　一、传统的信用风险评估技术
　　（一）专家信贷
　　背景：在计算机技术不是很发达甚至没有兴起，信贷评价技术相对落后时，信贷几乎全部是依靠专家人员进行评定的，
　　特点：①6C原则：品格（character）；能力（capacity）；资本（capital）；担保品（collateral）；环境（condition连续性（continuity）。
　　②5W原则：Who（了解借款人的情况）；why（明确贷款的目的和用途）；what（确定借款人以适宜的资产作为抵押品）；when（确定合理的借款期限）；how（确定借款企业的还款来源和还款计划）。③5P原则：个人因素（personal factor）；目的因素（purpose factor）；偿还因素（payment factor）；债权保障因素（protect factor）；前景因素（prospective factor）。 ④CAMPARI贷款法则：信用品质（character）；签约能力（ability）；偿付手段（means）；借款目的（purpose）；借款金额（amount）；借款偿付来源（repayment）；借款担保（insurance）.四个原则，总体上来看，有很大的共通性。
　　优点：具有相当大的灵活性，能够使信贷更为接近实际情况
　　缺陷：1.需要相当数量的信用分析人员，而且审查程序过于繁琐；2.属于定性分析，带有很大的主观性；3.信用评价缺乏一致性；各项衡量指标的重要性排序不明确。
　　（二）、融合传统信用分析和统计分析技术的客户信用评级
　　①信用评分模型――Z积分模型
　　背景：专家法对分析人员的专业技能、从业经验和道德素质的要求非常高。即便如此，即使是经验同样丰富的分析人员，这类方法依然不可避免地存在两个问题：一是主观性问题，同一决策人员在5C上的主观权重有可能依借款人的不同而变化，这样就难以对该专家做出的分级排序和决策进行比较，结果即使对于类型近似的借款人，信贷决策人员可能会采取不同的评价标准，但却难以对其分析的和理性进行评价。另一个问题是一致性问题，显然，由于看待问题的角度具有差异，不同的分析人员对同一债务人的信用评估也可能会具有差异。此外，高成本、低效率的缺陷也使得这种方法在实际应用中受到制约。针对专家法中存在的诸多问题，许多商业银行在重视定性分析的同时，纷纷采用了辅以量化模型分析技术的信用分析方法。
　　特点：公式如下：Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5 Altman 设定了判别函数的临界值，破产上限值为1.81，此极限值一下为破产区域；非破产下限值为2.99，其上为非破产区域；中间是灰色区域。利用数理统计中的辨别分析技术，对银行过去的贷款案例进行分析，选择若干最能反映借款人财务状况、对贷款质量影响最大、最具预测或分析价值的财务比率，利用权重加以综合，设计出一个能最大程度区分贷款风险度（区分破产和非破产企业）的数学模型（判断函数）
　　优点：相对客观且量化；对借款人的信用品质进行综合评定。
　　缺点：线性判别函数描述能力有限；基于历史财务数据；未将非财务指标纳入其中；对企业信用品质的区分比较粗略。
　　②线性概率模型
　　背景：信用评分模型将解释变量设置为5个，有可能将重要的解释变量排除在外，线性概率模型描述的是在给定X取值下Y的条件概率分布，当X每变动一个单位，特定事件（如企业信用等级变化或破产）发生的概率增减多少个单位，如当财务指标为给定水平时，预测企业评级为某一特定水平的概率。
　　特点：性概率模型描述的是在给定X取值下Y的条件概率分布，由于E（YIX）=XB=P由此可以估算出给定X值（财务指标水平）的情况下，Y（信用等级）会发生的条件概率，即：P（YIX）。
　　优点：最后得出的是一个概率，比前面的分值来得更有解释力。
　　缺点：1.无法保证E（YIX）落在（0，1）之间 2.干扰项的非正态性 3.干扰项的异方差性 4.如果X和Y之间的关系呈线性，不管X值如何，其对条件概率的边际影响都是恒定的，不符合现实。
　　③累积概率模型
　　背景：为了避免线性概率模型对条件概率的估计值可能落在（0，1）之外的缺点，研究者改为指定事件发生概率服从某种累积概率分布函数，即可确保条件概率估计值落在（0，1）内，并且可以解决事件概率和解释变量之间的非线性关系问题（S）形的概率分布曲线。
　　优点：能使条件概率的估计值落在（0，1）之间，解决事件概率和解释变量之间的非线性关系问题。 　　缺点：1.须指定事件发生的概率形态，是否符合真实概率分布存在疑问。 2.模型的变量须由研究者主观决定，可能存在遗漏
　　二、现代信用风险度量模型
　　①KMV（EDF）模型
　　背景：随着Merton等提出的资产价值理论等新的先进理论的提出，可以将债权看作债权人向借款公司出售的对公司价值的看跌期权（卖权），期权标的是公司资产，执行价格是公司债务价值。企业所有者相当于持有违约或不违约的选择权，债务到期时，若企业的资产的市场价值小于负债水平，出售全部资产，企业愿意还债，并将剩余部分留作利润；如果企业资产价值小于负债水平，出售全部资产也不能完全偿债，企业会选择违约，将公司资产转移给债权人。
　　特点：根据Merton的资产价值理论，将信用风险视为由债务人资产价值驱动。整个模型是有经济学理论驱动的，和前面的线性模型不同的，它们都是经验的。创新思想：从借款企业股权持有者的角度考虑借款偿还的动力问题，并利用公开的股市信息为债务信用风险度量服务。其中违约模型考察的是违约概率，不考虑信用等级变化。
　　优点：KMV模型是一个动态模型，根据有效市场假说（EMH）理论，我们可以利用股价来对信息进行处理。突出优点在于它的动态性，基于对企业股票价格变化的分析估算EDF，因而对违约概率的预测更具有前瞻性，被视为“向前看”的方法。
　　缺点：1.技术上：利用期权定价方法求解公司资产价值和波动性，缺乏有效方法检验精确性；假定公司债务结构静态不变，对不同类型的债务缺乏细分；基于资产价值正太分布假设 2.实用中：仅着重于违约预测，忽视了企业信用品质的变化；未考虑信息不对称情况下的道德风险；模型要求股价的噪音较小，这可能使得模型无法适用于发展中国家的新兴股票市场；如何预测非上市公司的EDF的值成为一个问题。
　　②信用度量模型（creditmetrics）
　　背景：80年代的债务危机使银行普遍认识到防范和管理信贷风险的重要性，同时，信贷市场的发展和信贷风险的变化使得风险度量和管理研究领域开始出现了许多新的量化分析方法、度量模型和管理策略。Creditmetrics模型（信用计量模型）是J.P.摩根在1997年推出的用于量化信用风险的风险管理产品。

　　特点：计算信用风险的VAR值（即在给定的置信区间上、给定时段内，信贷资产可能发生的最大价值损失）计算步骤：1）预测借款人信用等级的变动，得出信用等级转移概率矩阵2）贷款估值3）得出贷款价值的实际分布4）计算贷款的VAR值。
　　优点：信用度量模型是盯住贷款理论市值变动的多状态模型，能够更为精细的计算信用风险的变化和损失值。
　　缺点：模型利用历史数据度量信用风险，仍然属于“向后看”的风险度量方法，此外，在实际应用中以债权评级等级转移概率近似代替转移概率，难免存在误差。隐含假定为转移概率在商业周期不同阶段之间是稳定的。
　　③宏观模拟模型（麦肯锡模型）
　　特点：研究信用等级转移概率和宏观因素间的关系，利用调整后的信用等级矩阵（附有宏观因素条件的转移矩阵）求出对经济周期敏感的VAR值。考虑了总体经济环境对转移概率的影响。最大特点为模型在概率转移矩阵当中引入了宏观经济因素。
　　优点：该模型将宏观因素纳入模型中，修正了信用度量术的偏差；
　　缺点：1.在技术上，该模型对转移矩阵的调整是否优越还有待验证。2.在应用上，该模型需要有国家甚至各行业的违约数据作为基础。
　　④CSFP信用风险附加法（creditrisk+）
　　特点：违约率的不确定性和违约损失的不确定性都显著，应该按风险暴露的大小将贷款组合划分若干频段，以降低不精确的程度。其后，将各频段的损失分布加总，可得到贷款组合损失分布。对违约率不确定性的描述借鉴财产火险理论。
　　优点：该模型只考虑违约事件，要估计的变量少，数据要求简单；
　　缺点：它忽略了信用等级变化；关于违约次数服从泊松分布的假定可能和实际不符；为考虑市场风险。
　　三、现代信用风险度量模型方法的总体评价和适用性分析
　　Creditmetrics模型和EDF模型的基本原理同出一源，但前者的优势是盯住贷款价值的变化，后者的优势是动态预测；Creditrisk+模型对数据的要求相对简单。

9 / 9