第三章 信用風(fēng)險(xiǎn)管理

　　第二節(jié) 信用風(fēng)險(xiǎn)計(jì)量

　　信用風(fēng)險(xiǎn)計(jì)量是現(xiàn)代信用風(fēng)險(xiǎn)管理的基礎(chǔ)和關(guān)鍵環(huán)節(jié)。信用風(fēng)險(xiǎn)計(jì)量經(jīng)歷了從專家判斷法、信用評(píng)分模型到違約概率模型分析三個(gè)主要發(fā)展階段。巴塞爾新資本協(xié)議鼓勵(lì)有條件的商業(yè)銀行使用基于內(nèi)部評(píng)級(jí)體系的方法來(lái)計(jì)量違約概率、違約損失并據(jù)此計(jì)算信用風(fēng)險(xiǎn)監(jiān)管資本，有力地推動(dòng)了商業(yè)銀行信用風(fēng)險(xiǎn)內(nèi)部評(píng)級(jí)體系和計(jì)量技術(shù)的發(fā)展。

　　商業(yè)銀行對(duì)信用風(fēng)險(xiǎn)的計(jì)量依賴于對(duì)借款人和交易風(fēng)險(xiǎn)的評(píng)估。巴塞爾新資本協(xié)議明確要求，商業(yè)銀行的內(nèi)部評(píng)級(jí)應(yīng)基于二維評(píng)級(jí)體系：一維是客戶評(píng)級(jí)(針對(duì)客戶的違約風(fēng)險(xiǎn))，另一維是債項(xiàng)評(píng)級(jí)(反映交易本身特定的風(fēng)險(xiǎn)要素)。

　　借款人評(píng)級(jí)

　　發(fā)行人或客戶風(fēng)險(xiǎn)

　　相關(guān)的借款人排名∕客戶償還能力

　　拒絕付款或違約的風(fēng)險(xiǎn)

　　清晰的違約概率

　　債項(xiàng)評(píng)級(jí)

　　問(wèn)題風(fēng)險(xiǎn)(債券、貸款、項(xiàng)目財(cái)務(wù))

　　資歷

　　架構(gòu)一金融或非金融契約

　　安全

　　—抵質(zhì)押品

　　—保證書、證明書

　　國(guó)家和行業(yè)風(fēng)險(xiǎn)

　　一、客戶信用評(píng)級(jí)

　　概念：商業(yè)銀行對(duì)客戶償債能力和償債意愿的計(jì)量和評(píng)價(jià)，反映客戶違約風(fēng)險(xiǎn)的大小。客戶評(píng)級(jí)的評(píng)價(jià)主體是商業(yè)銀行，評(píng)價(jià)目標(biāo)是客戶違約風(fēng)險(xiǎn)，評(píng)價(jià)結(jié)果是信用等級(jí)和違約概率(PD)。

　　符合巴塞爾新資本協(xié)議要求的客戶評(píng)級(jí)必須具有兩大功能：

　　一是能夠有效區(qū)分違約客戶，即不同信用等級(jí)的客戶違約風(fēng)險(xiǎn)隨信用等級(jí)的下降而呈加速上升的趨勢(shì);

　　二是能夠準(zhǔn)確量化客戶違約風(fēng)險(xiǎn)，即能夠估計(jì)各信用等級(jí)的違約概率，并將估計(jì)的違約概率與實(shí)際違約頻率的誤差控制在一定范圍內(nèi)。

　　(1)違約：

　　定義：根據(jù)巴塞爾新資本協(xié)議的定義，當(dāng)下列一項(xiàng)或多項(xiàng)事件發(fā)生時(shí)，債務(wù)人即被視為違約：

　　債務(wù)人對(duì)于商業(yè)銀行的實(shí)質(zhì)性信貸債務(wù)逾期 90 天以上。若債務(wù)超過(guò)了規(guī)定的透支限額或新核定的限額小于目前余額，各項(xiàng)透支將被視為逾期。

　　商業(yè)銀行認(rèn)定，除非采取變現(xiàn)抵質(zhì)押品等追索措施，債務(wù)人可能無(wú)法全額償還對(duì)商業(yè)銀行的債務(wù)。

　　如果某債務(wù)人被認(rèn)定為違約，銀行應(yīng)對(duì)債務(wù)人所有關(guān)聯(lián)債務(wù)人的評(píng)級(jí)進(jìn)行檢查，評(píng)估其償還債務(wù)的能力。是否對(duì)關(guān)聯(lián)債務(wù)人實(shí)行交叉違約認(rèn)定，取決于關(guān)聯(lián)債務(wù)人在經(jīng)濟(jì)上的相互依賴和一體化程度。

　　銀行內(nèi)部評(píng)級(jí)政策應(yīng)明確對(duì)企業(yè)集團(tuán)的評(píng)級(jí)方法，并確保一致的實(shí)施：如果內(nèi)部評(píng)級(jí)基于整個(gè)企業(yè)集團(tuán)，并依據(jù)企業(yè)集團(tuán)評(píng)級(jí)進(jìn)行授信，集團(tuán)內(nèi)任一債務(wù)人違約應(yīng)被視為集團(tuán)內(nèi)所有債務(wù)人違約的觸發(fā)條件。如果內(nèi)部評(píng)級(jí)基于單個(gè)企業(yè)而不是企業(yè)集團(tuán)，集團(tuán)內(nèi)任一企業(yè)不必然導(dǎo)致其他債務(wù)人違約，銀行應(yīng)及時(shí)審查該企業(yè)的關(guān)聯(lián)債務(wù)人的評(píng)級(jí)，據(jù)此決定是否調(diào)整其評(píng)級(jí)。

　　(2)違約概率

　　定義：借款人在未來(lái)一定時(shí)期內(nèi)發(fā)生違約的可能性。在巴塞爾新資本協(xié)議中，違約概率被具體定義為借款人內(nèi)部評(píng)級(jí) 1 年期違約概率與 0.03 %中的較高者，巴塞爾委員會(huì)設(shè)定0.03 %的下限是為了給風(fēng)險(xiǎn)權(quán)重設(shè)定下限，也是考慮到商業(yè)銀行在檢驗(yàn)小概率事件時(shí)所面臨的困難。計(jì)算違約概率的 1 年期限與財(cái)務(wù)報(bào)表周期以及內(nèi)部評(píng)級(jí)的最短時(shí)間完全一致，使監(jiān)管當(dāng)局在推行內(nèi)部評(píng)級(jí)法時(shí)保持更高的一致性，而基于貸款期限就無(wú)法做到這一點(diǎn)。違約概率是實(shí)施內(nèi)部評(píng)級(jí)法的商業(yè)銀行需要準(zhǔn)確估計(jì)的重要風(fēng)險(xiǎn)要素，無(wú)論商業(yè)銀行是采用內(nèi)部評(píng)級(jí)法初級(jí)法還是內(nèi)部評(píng)級(jí)法高級(jí)法，都必須按照監(jiān)管要求估計(jì)違約概率。

　　違約概率的估計(jì)包括兩個(gè)層面：一是單一借款人的違約概率;二是某一信用等級(jí)所有借款人的違約概率。巴塞爾新資本協(xié)議要求實(shí)施內(nèi)部評(píng)級(jí)法的商業(yè)銀行估計(jì)其各信用等級(jí)借款人所對(duì)應(yīng)的違約概率，常用方法有內(nèi)部違約經(jīng)驗(yàn)、映射外部數(shù)據(jù)和統(tǒng)計(jì)違約模型等與數(shù)據(jù)基礎(chǔ)一致的技術(shù)估計(jì)平均違約概率。

　　內(nèi)部違約經(jīng)驗(yàn)。銀行可使用內(nèi)部違約經(jīng)驗(yàn)估計(jì)違約概率，前提是證明估計(jì)的違約概率反映了授信標(biāo)準(zhǔn)以及生成數(shù)據(jù)的評(píng)級(jí)體系和當(dāng)前評(píng)級(jí)體系的差異。在數(shù)據(jù)有限或授信標(biāo)準(zhǔn)、評(píng)級(jí)體系發(fā)生變化的情況下，銀行應(yīng)留出保守的、較大的調(diào)整余地。如果采用多家銀行匯集的數(shù)據(jù)，需證明風(fēng)險(xiǎn)暴露池中其他銀行的內(nèi)部評(píng)級(jí)體系和標(biāo)準(zhǔn)能夠與本行比較。

　　映射外部數(shù)據(jù)。銀行可將內(nèi)部評(píng)級(jí)映射到外部信用評(píng)級(jí)機(jī)構(gòu)或類似機(jī)構(gòu)的評(píng)級(jí)，將外部評(píng)級(jí)的違約概率作為內(nèi)部評(píng)級(jí)的違約概率。評(píng)級(jí)映射應(yīng)建立在內(nèi)部評(píng)級(jí)標(biāo)準(zhǔn)與外部機(jī)構(gòu)評(píng)級(jí)標(biāo)準(zhǔn)可比，并且對(duì)同樣的債務(wù)人內(nèi)部評(píng)級(jí)和外部評(píng)級(jí)可相互比較的基礎(chǔ)上。銀行應(yīng)避免映射方法或基礎(chǔ)數(shù)據(jù)存在偏差和不一致的情況，所使用的外部評(píng)級(jí)量化風(fēng)險(xiǎn)數(shù)據(jù)應(yīng)針對(duì)債務(wù)人的違約風(fēng)險(xiǎn)，而不反映債項(xiàng)的特征。

　　統(tǒng)計(jì)違約模型。對(duì)任一級(jí)別的債務(wù)人，銀行可以使用違約概率預(yù)測(cè)模型得到的每個(gè)債務(wù)人違約概率的簡(jiǎn)單平均值作為該級(jí)別的違約概率。

　　違約概率和違約頻率的區(qū)別：事前和事后的區(qū)別。

　　假設(shè)商業(yè)銀行當(dāng)年將100個(gè)客戶的信用等級(jí)評(píng)為BB級(jí)，該評(píng)級(jí)對(duì)應(yīng)的平均違約概率為1%;第二年觀察這組客戶，發(fā)現(xiàn)有2個(gè)客戶違約，則2∕100×100%=2%就是違約頻率�？梢�(jiàn)，違約頻率是事后檢查的結(jié)果，而違約概率是分析模型作出的事前預(yù)測(cè)，二者存在本質(zhì)的區(qū)別。違約頻率可用于對(duì)信用風(fēng)險(xiǎn)計(jì)量模型的事后檢驗(yàn)，但不能作為內(nèi)部評(píng)級(jí)的直接依據(jù)。違約概率和違約頻率通常情況下是不相等的，兩者之間的對(duì)比分析是事后檢驗(yàn)的一項(xiàng)重要內(nèi)容。

　　2.客戶信用評(píng)級(jí)的發(fā)展

　　從國(guó)際銀行業(yè)的發(fā)展歷程來(lái)看，商業(yè)銀行客戶信用評(píng)級(jí)大致經(jīng)歷了專家判斷法、信用評(píng)分法、違約概率模型分析三個(gè)主要發(fā)展階段。

　　(1)專家判斷法：是商業(yè)銀行在長(zhǎng)期經(jīng)營(yíng)信貸業(yè)務(wù)、承擔(dān)信用風(fēng)險(xiǎn)過(guò)程中逐步發(fā)展并完善起來(lái)的傳統(tǒng)信用分析方法。專家系統(tǒng)是依賴高級(jí)信貸人員和信貸專家自身的專業(yè)知識(shí)、技能和豐富經(jīng)驗(yàn)，運(yùn)用各種專業(yè)性分析工具，在分析評(píng)價(jià)各種關(guān)鍵要素基礎(chǔ)上依據(jù)主觀判斷來(lái)綜合評(píng)定信用風(fēng)險(xiǎn)的分析系統(tǒng)。一般而言，專家系統(tǒng)在分析信用風(fēng)險(xiǎn)時(shí)主要考慮兩方面因素：與借款人有關(guān)的因素、與市場(chǎng)有關(guān)的因素。

　�、倥c借款人有關(guān)的因素：

　　聲譽(yù)：借款人的聲譽(yù)是在其與商業(yè)銀行的歷史借貸關(guān)系中反映出來(lái)的，如果該借款人過(guò)去總能及時(shí)、全額地償還本金與利息，那么他就具有良好的聲譽(yù)，也就能較容易或以較低的價(jià)格從商業(yè)銀行獲得貸款。

　　杠桿：借款人的杠桿或資本結(jié)構(gòu)，即資產(chǎn)負(fù)債比率對(duì)借款人違約概率影響較大。杠桿比率較高的借款人相比杠桿比率較低的借款人，其未來(lái)面臨還本付息的壓力要大得多，其違約概率也就會(huì)高很多。如果貸款給杠桿比率較高的借款人。商業(yè)銀行就會(huì)相應(yīng)提高風(fēng)險(xiǎn)溢價(jià)。

　　收益波動(dòng)性：如果未來(lái)面臨同樣的本息還款要求，在期望收益相等的條件下，收益波動(dòng)性高的企業(yè)更容易違約，信用風(fēng)險(xiǎn)較大。因此，對(duì)于處于成長(zhǎng)期的企業(yè)或高科技企業(yè)而言，由于其收益波動(dòng)性較大，商業(yè)銀行貸款往往非常謹(jǐn)慎，即使貸款，其利率也會(huì)較高。

　　②與市場(chǎng)有關(guān)的因素：

　　經(jīng)濟(jì)周期：經(jīng)濟(jì)周期對(duì)于評(píng)價(jià)借款人的違約風(fēng)險(xiǎn)有著重要的意義。

　　宏觀經(jīng)濟(jì)政策：對(duì)行業(yè)信用風(fēng)險(xiǎn)分析具有重要作用。

　　利率水平：高利率水平表示中央銀行正在實(shí)施緊縮的貨幣政策。

　　常用的專家系統(tǒng)：

　　5Cs：品德、資本、還款能力、抵押、經(jīng)營(yíng)環(huán)境。

　　5Ps：個(gè)人因素、資金用途因素、還款來(lái)源因素、保障因素、企業(yè)前景因素。

　　(2)信用評(píng)分法

　　信用評(píng)分模型是一種傳統(tǒng)的信用風(fēng)險(xiǎn)量化模型，利用可觀察到的借款人特征變量計(jì)算出一個(gè)數(shù)值(得分)來(lái)代表債務(wù)人的信用風(fēng)險(xiǎn)。并將借款人歸類于不同的風(fēng)險(xiǎn)等級(jí)。對(duì)個(gè)人客戶而言，可觀察到的特征變量主要包括收入、資產(chǎn)年齡、職業(yè)以及居住地等;對(duì)法人客戶而言，包括現(xiàn)金流量、財(cái)務(wù)比率等。(定量與定性因素，定量主要是財(cái)務(wù)數(shù)據(jù)，定性如對(duì)行業(yè)的判斷、客戶在行業(yè)中的定位、企業(yè)經(jīng)營(yíng)管理層)

　　信用評(píng)分模型的關(guān)鍵在于特征變量的選擇和各自權(quán)重的確定。目前，應(yīng)用最廣泛的信用評(píng)分模型有：線性概率模型、Logit 模型、Probit模型和線性辨別模型。

　　信用評(píng)分模型的局限性：

　　信用評(píng)分模型是建立在對(duì)歷史數(shù)據(jù)(而非當(dāng)前市場(chǎng)數(shù)據(jù))模擬的基礎(chǔ)，因此是一種向后看的模型。

　　信用評(píng)分模型對(duì)借款人歷史數(shù)據(jù)的要求相當(dāng)高，商業(yè)銀行需要相當(dāng)長(zhǎng)的時(shí)間才能建立起一個(gè)包括大多數(shù)企業(yè)歷史數(shù)據(jù)的數(shù)據(jù)庫(kù)。

　　信用評(píng)分模型雖然可以給出客戶信用風(fēng)險(xiǎn)水平的分?jǐn)?shù)，卻無(wú)法提供客戶違約概率的準(zhǔn)確數(shù)值，而后者往往是信用風(fēng)險(xiǎn)管理最為關(guān)注的。

　　(3)違約概率模型

　　對(duì)歷史數(shù)據(jù)要求更高;需要建立一致、明確的違約定義;積累五年數(shù)據(jù)

　　3.違約概率模型

　　(1)RiSkCalc模型

　　RiSkCalc模型是在傳統(tǒng)信用評(píng)分技術(shù)基礎(chǔ)上發(fā)展起來(lái)的一種是適用于非上市公司的違約概率模型，其核心是通過(guò)嚴(yán)格的步驟從客戶信息中選擇出最能預(yù)測(cè)違約的一組變量，經(jīng)過(guò)適當(dāng)變換后運(yùn)用Logit/Probit回歸技術(shù)預(yù)測(cè)客戶的違約概率。

　　(2)KMV的Ccredit Monito模型

　　KMV的Ccredit Monito模型是一種適用于上市公司的違約概率模型，其核心在于把企業(yè)與銀行的借貸關(guān)系視為期權(quán)買賣關(guān)系。企業(yè)向銀行借款相當(dāng)于持有一個(gè)基于企業(yè)資產(chǎn)價(jià)值的看漲期權(quán)。

　　(3)KPMG風(fēng)險(xiǎn)中性定價(jià)模型

　　風(fēng)險(xiǎn)中性定價(jià)理論的核心思想是假設(shè)金融市場(chǎng)中的每個(gè)參與者都是風(fēng)險(xiǎn)中立者，不論是高風(fēng)險(xiǎn)資產(chǎn)、低風(fēng)險(xiǎn)資產(chǎn)或無(wú)風(fēng)險(xiǎn)資產(chǎn)，只要資產(chǎn)的期望收益是相等的，市場(chǎng)參與者對(duì)其的接受態(tài)度就是一致的。

　　根據(jù)風(fēng)險(xiǎn)中性定價(jià)原理，無(wú)風(fēng)險(xiǎn)資產(chǎn)的預(yù)期收益與不同等級(jí)風(fēng)險(xiǎn)資產(chǎn)的預(yù)期收益是相等的，即

　　P1(1+K1)+(1-P1)×(1+K1)×=1+i1

　　其中， P1為期限1年的風(fēng)險(xiǎn)資產(chǎn)的非違約概率，(1- P1)即其違約概率;K1為風(fēng)險(xiǎn)資產(chǎn)的承諾利息; 為風(fēng)險(xiǎn)資產(chǎn)的回收率，等于“1-違約損失率”;i1為期限1年的風(fēng)險(xiǎn)資產(chǎn)的收益率。

　　(4)死亡率模型

　　死亡率模型是根據(jù)風(fēng)險(xiǎn)資產(chǎn)的歷史違約數(shù)據(jù)，計(jì)算在未來(lái)一定持有期內(nèi)不同信用等級(jí)的客戶/債項(xiàng)的違約概率(即死亡率)。通常分為邊際死亡率和累計(jì)死亡率。

　　例如：根據(jù)歷史數(shù)據(jù)分析得知，商業(yè)銀行某信用等級(jí)的債務(wù)人在獲得貸款后的第1年、第2年、第3年出現(xiàn)違約的概率(即邊際死亡率)分別為1%、2%、3%.則根據(jù)死亡率模型，該信用等級(jí)的債務(wù)人能夠在3年到期后將本息全部歸還的概率[貸款存活率(SR)]為：

　　(1-1%)×(1-2%)×(1-3%)=94.1%

　　上述結(jié)果也意味著該信用等級(jí)的債務(wù)人在3年期間可能出現(xiàn)違約的概率(即累計(jì)死亡率)

　　為：1-94.1%=5.9%