商业银行信用风险度量模型简介及思考(1)

2004年6月，巴塞尔银行监管委员会正式出台了《新资本协议》，并将于2006年底付诸实施。《新资本协议》对于信用风险资本的要求更侧重于银行评级体系，并有向银行内部信用风险度量模型方向发展的趋势。因此，在当今经济、金融全球化的新形势下，我国商业银行借鉴国际上先进的信用风险管理经验，强化信用风险管理，加强商业银行的内部评级体系和风险度量模型的研究，缩小与国外银行业的差距，适应《巴塞尔协议》新框架的需要，已成为当前刻不容缓的工作。

　　
　　一、商业银行信用风险度量方法与模型
　　
　　(一)传统信用风险度量方法
　　1．“6C”信用评分法。“6C”信用评分法是商业银行传统的信用风险度量方法。它是指由有关专家根据借款人的品德(character)(借款人的作风、观念以及责任心等，借款人过去的还款记录是银行判断借款人品德的主要依据)；能力(capacit y)(指借款者归还贷款的能力，包括借款企业的经营状况、投资项目的前景)、资本(capital)、抵押品(collateral)(提供一定的、合适的抵押品)、经营环境(condition)(所在行业在整个经济中的经营环境及趋势)、事业的连续性(continuity)(借款企业持续经营前景)等六个因素评定其信用程度和综合还款能力，以决定是否最终发放贷款。
　　
　　2．z-score违约预测模型。z-score违约预测模型是由美国阿尔特曼教授(Altman)于1968年提出来的，他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，并建立了由5个参数(财务指标)组成的z值模型，并对美国制造企业的破产进行了判别分析。
　　Z分数模型的判别函数如下：
　　
　　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曾经对66家企业进行分析测算，其准确程度达95％左右。Z分数模型的具体判断标准为如下所示：
　　
　　(二)现代信用风险度量模型
　　目前国际流行的现代信用风险管理模型主要有Credit Metrics模型、麦肯锡模型、KMV模型、CSFP信用风险附加计量模型等四类。
　　1．Credit Metrics模型是由J．P．摩根公司等1997年开发出的模型，运用VAR(Value at risk)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。其主要优势在于通过计算信用工具在不同信用等级上的市场价值，达到用传统的期望值和标准差来度量资产信用风险的目的，并将VAR方法引入到信用风险管理中来；对组合价值的分布有正态分布假定下的解析方法和蒙特卡罗模拟法，在一定程度上避免了资产收益率正态性硬性假设，可以用资产价值分布和百分位求出资产损失；对“违约”的概念进行了拓展，认为违约也包括债务人信用等级恶化；它是一种盯市场(Market-to-Market)信用风险度量模型，能将债务价值的高端和低端考虑到。该模型提出了边际风险贡献的概念，很好地刻画新增一笔债券／贷款的风险和收益及其取舍方法。主要劣势在于：大量证据表明信用等级迁移概率并不遵循马尔可夫过程，而是跨时自相关的。该模型使用历史数据度量信用风险，属于“向后看”的风险度量方法。
　　2．麦肯锡模型则是在Credit Metrics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。麦肯锡模型可以看成是对Credit Metrics的补充，它克服了Credit Metrics中不同时期的评级转移矩阵固定不变的缺点。
　　3．KMV模型是KMV公司1997年建立的用来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。其次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账面价值的一半)，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。KMV模型的优势在于以现代期权理论基础作依托，充分利用资本市场的信息而非历史账面资料进行预测，将市场信息纳入了违约概率，更能反映上市企业当前的信用状况，是对传统方法的一次革命。KMV模型是一种动态模型，采用的主要是股票市场的数据，因此，数据和结果更新很快，具有前瞻性，是一种“向前看”的方法。在给定公司的现时资产结构的情况下，一旦确定出资产价值的随机过程，便可得到任一时间单位的实际违约概率。其劣势在于假设比较苛刻，尤其是资产收益分布实际上存在“肥尾”现象，并不满足正态分布假设；仅抓住了违约预测，忽视了企业信用品质的变化；没有考虑信息不对称情况下的道德风险；必须使用估计技术来获得资产价值、企业资产收益率的期望值和波动性；对非上市公司因使用资料的可获得性差，预测的准确性也较差；不能处理非线性产品，如期权、外币掉期等。