導(dǎo)語(yǔ)：我國(guó)商行信用危機(jī)模型的國(guó)際對(duì)比及改進(jìn)一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

一、問(wèn)題的提出

現(xiàn)代商業(yè)銀行信用風(fēng)險(xiǎn)管理已由傳統(tǒng)的信用風(fēng)險(xiǎn)識(shí)別和違約評(píng)估發(fā)展到現(xiàn)代信用風(fēng)險(xiǎn)模型化階段，由國(guó)際活躍的銀行和金融機(jī)構(gòu)創(chuàng)建和廣泛應(yīng)用并被巴賽爾銀行業(yè)監(jiān)管委員會(huì)(下稱委員會(huì))建議使用的現(xiàn)代信用風(fēng)險(xiǎn)模型主要有JP.Morgan(1997)的CreditMetrics、KMV(1993)的EDF(creditmoni-tor)、CSFP(1997)的CreditRisk、Mckinsey(1998)的CreditPortfolioView等模型。2004年6月公布的巴塞爾新資本協(xié)議(下稱新協(xié)議)所推出的信用風(fēng)險(xiǎn)內(nèi)部評(píng)級(jí)法(IRB)也是基于上述模型的適用性考慮后的折中產(chǎn)物。

國(guó)外對(duì)現(xiàn)代信用風(fēng)險(xiǎn)模型的有效性驗(yàn)證研究結(jié)果顯示，上述模型均是有效的信用風(fēng)險(xiǎn)量化技術(shù)，并且在對(duì)不同的信用資產(chǎn)風(fēng)險(xiǎn)度量中具有自己獨(dú)特的優(yōu)勢(shì)。委員會(huì)于2004年6月推出新協(xié)議提倡使用IRB管理信用風(fēng)險(xiǎn)，并推薦使用上述模型進(jìn)行內(nèi)部評(píng)級(jí)，可見(jiàn)現(xiàn)代信用風(fēng)險(xiǎn)模型已經(jīng)在國(guó)外得到了廣泛的認(rèn)可和使用。

目前，我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理水平離新協(xié)議的要求還有相當(dāng)大的差距，仍停留在傳統(tǒng)的貸款風(fēng)險(xiǎn)度衡量階段，但銀監(jiān)會(huì)表示，我國(guó)商業(yè)銀行應(yīng)積極過(guò)渡到以IRB為代表的現(xiàn)代信用風(fēng)險(xiǎn)模型管理階段。國(guó)內(nèi)理論界和銀行業(yè)已對(duì)IRB和現(xiàn)代信用風(fēng)險(xiǎn)模型進(jìn)行了理論研究，并探討了在我國(guó)的適用性和模型選擇，但存在的主要缺陷是沒(méi)能遵循路徑依賴的原則，忽視了在我國(guó)商業(yè)銀行現(xiàn)有信用風(fēng)險(xiǎn)管理模型的基礎(chǔ)上的改進(jìn)路徑選擇，從而提高了改進(jìn)成本。本文將彌補(bǔ)既有研究的這一缺陷，在細(xì)致考察我國(guó)商業(yè)銀行現(xiàn)有的信用風(fēng)險(xiǎn)管理模型的貸款風(fēng)險(xiǎn)度方法存在的不足和缺陷的基礎(chǔ)上，將其與現(xiàn)代信用風(fēng)險(xiǎn)管理模型進(jìn)行比較分析，從而尋找改進(jìn)和構(gòu)建我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理模型的路徑選擇。

二、我國(guó)商業(yè)銀行信用

風(fēng)險(xiǎn)管理模型：貸款風(fēng)險(xiǎn)度方法

多年來(lái)，我國(guó)商業(yè)銀行的信用風(fēng)險(xiǎn)管理方法主要以定性分析與經(jīng)驗(yàn)分析為主，定量分析和各種財(cái)務(wù)工具的運(yùn)用處于次要位置。目前這種局面己經(jīng)有了改進(jìn)，我國(guó)商業(yè)銀行初步建立起由客戶信用評(píng)級(jí)法和貸款風(fēng)險(xiǎn)分類法所構(gòu)成的兩維評(píng)級(jí)體系為基礎(chǔ)的貸款風(fēng)險(xiǎn)度方法。

(一)貸款風(fēng)險(xiǎn)度方法框架

目前，我國(guó)商業(yè)銀行的信用風(fēng)險(xiǎn)評(píng)估管理主要采用貸款風(fēng)險(xiǎn)度方法。所謂貸款風(fēng)險(xiǎn)是指發(fā)生貸款本息損失的不確定性，其主要影響因素有：貸款對(duì)象、貸款方式、貸款期限和貸款形態(tài)。在實(shí)踐中，即將交易對(duì)手企業(yè)客戶劃分為不同的信用等級(jí)，確定相應(yīng)的風(fēng)險(xiǎn)權(quán)數(shù)，即企業(yè)客戶信用等級(jí)風(fēng)險(xiǎn)系數(shù)T；再給出貸款方式的風(fēng)險(xiǎn)權(quán)數(shù)，得到貸款方式風(fēng)險(xiǎn)系數(shù)S。于是，單筆貸款風(fēng)險(xiǎn)度X可表示為：

貸款風(fēng)險(xiǎn)度X＝TS由上式，貸款風(fēng)險(xiǎn)度的本質(zhì)是取值在0-1之間用概率表示的貸款風(fēng)險(xiǎn)程度。上式表明，X是貸款風(fēng)險(xiǎn)的量化指標(biāo)，X越大，表明此項(xiàng)貸款面臨的風(fēng)險(xiǎn)越大。實(shí)際工作中往往通過(guò)統(tǒng)計(jì)結(jié)果來(lái)確定貸款最佳風(fēng)險(xiǎn)度X(一般為0.4)和臨界風(fēng)險(xiǎn)度X(一般為0.6)。X以下的貸款質(zhì)量處于良好狀態(tài)，超過(guò)X就視為高風(fēng)險(xiǎn)區(qū)。

貸款發(fā)放后就參與了企業(yè)生產(chǎn)資金的周轉(zhuǎn)過(guò)程，也就具備了增值或虧損的可能性。人民銀行的《貸款通則》規(guī)定：銀行已發(fā)放的貸款資產(chǎn)可劃分為：正常、關(guān)注、次級(jí)、可疑和損失五類，據(jù)此可確定不同貸款形態(tài)的風(fēng)險(xiǎn)系數(shù)P；再考慮不同期限貸款面臨不同的風(fēng)險(xiǎn)損失，可確定貸款期限風(fēng)險(xiǎn)轉(zhuǎn)換系數(shù)p，于是，在最終貸款審查和評(píng)估時(shí)，有：

貸款資產(chǎn)風(fēng)險(xiǎn)度L＝單筆貸款風(fēng)險(xiǎn)度貸款形態(tài)風(fēng)險(xiǎn)系數(shù)貸款期限風(fēng)險(xiǎn)轉(zhuǎn)換系數(shù)＝XPQ＝TSPQ單項(xiàng)貸款風(fēng)險(xiǎn)權(quán)重資產(chǎn)=單項(xiàng)貸款金額該筆貸款資產(chǎn)風(fēng)險(xiǎn)度，即：RWA＝AL＝ATSPQ全部貸款資產(chǎn)風(fēng)險(xiǎn)度＝貸款風(fēng)險(xiǎn)權(quán)重資產(chǎn)/貸款余額，即：

(二)我國(guó)銀行業(yè)貸款風(fēng)險(xiǎn)度方法的總體判斷分析

通過(guò)與國(guó)際銀行業(yè)采用的現(xiàn)代信用風(fēng)險(xiǎn)管理模型和新協(xié)議的1RB法比較，可得出以下判斷：

1、貸款風(fēng)險(xiǎn)度方法實(shí)際上低估了信用風(fēng)險(xiǎn)

貸款風(fēng)險(xiǎn)度的計(jì)算公式是根據(jù)概率論中全概率法則建立的，該法則的假設(shè)前提是各因素都應(yīng)是獨(dú)立無(wú)關(guān)的；然而，貸款風(fēng)險(xiǎn)度L的影響因素T,S、P均是與企業(yè)相關(guān)的內(nèi)部因素，三者的含義和評(píng)估標(biāo)準(zhǔn)有重復(fù)的地方。所以貸款風(fēng)險(xiǎn)度方法并不符合嚴(yán)格的條件概率定義，在實(shí)際應(yīng)用中低估了信用風(fēng)險(xiǎn)。因此，可以將S和P納入，評(píng)價(jià)中去，將信用等級(jí)風(fēng)險(xiǎn)系數(shù)定義成嚴(yán)格意義下的條件違約概率。

2、評(píng)估方法簡(jiǎn)單化，主觀性較強(qiáng)

貸款風(fēng)險(xiǎn)度方法以信用評(píng)級(jí)為基礎(chǔ)。目前，我國(guó)商業(yè)銀行的內(nèi)部信用評(píng)級(jí)普遍采用打分法，這種方法的最大弊端是評(píng)級(jí)的基礎(chǔ)是過(guò)去的財(cái)務(wù)數(shù)據(jù)，與風(fēng)險(xiǎn)預(yù)測(cè)的關(guān)聯(lián)度不大?？蛻粜庞玫燃?jí)風(fēng)險(xiǎn)系數(shù)和貸款方式風(fēng)險(xiǎn)系數(shù)指標(biāo)和權(quán)重的確定缺乏客觀依據(jù)，難以反映評(píng)級(jí)對(duì)象未來(lái)的真實(shí)償債能力。因此貸款風(fēng)險(xiǎn)度方法實(shí)際上是建立在主觀因素過(guò)強(qiáng)的信用評(píng)級(jí)基礎(chǔ)上的經(jīng)驗(yàn)公式，無(wú)嚴(yán)格的理論基礎(chǔ)和證明，很難有說(shuō)服力。

3、無(wú)嚴(yán)格的理論基礎(chǔ)，其科學(xué)性和準(zhǔn)確性沒(méi)有很強(qiáng)的說(shuō)服力

可見(jiàn)，貸款風(fēng)險(xiǎn)度方法只是一個(gè)近似的加權(quán)平均，并不嚴(yán)格符合概率論的意義，從而，貸款風(fēng)險(xiǎn)度的計(jì)算公式所依據(jù)原理的科學(xué)性值得懷疑，其評(píng)估的準(zhǔn)確性不能高。而國(guó)際高級(jí)信用風(fēng)險(xiǎn)模型則大都使用了聯(lián)合概率分布和概率母函數(shù)的辦法解決單個(gè)債務(wù)人的違約與銀行整體客戶違約的概率關(guān)系問(wèn)題，以嚴(yán)格的理論為基礎(chǔ)，其準(zhǔn)確程度明顯高于貸款風(fēng)險(xiǎn)度方法，并且可以推導(dǎo)包括多項(xiàng)貸款或其他銀行業(yè)務(wù)的資產(chǎn)組合聯(lián)合違約概率分布及損失分布，便于商業(yè)銀行進(jìn)行組合多樣化管理。因而，我國(guó)在信用風(fēng)險(xiǎn)的評(píng)估方法中應(yīng)引入嚴(yán)格的理論推導(dǎo)，以嚴(yán)格的理論為指導(dǎo)才能夠保證信用風(fēng)險(xiǎn)度量及管理的準(zhǔn)確性和有效性。

4、缺乏貸款組合風(fēng)險(xiǎn)管理功能

貸款風(fēng)險(xiǎn)度方法中僅考慮單項(xiàng)貸款的風(fēng)險(xiǎn)，沒(méi)有考慮貸款組合和貸款集中度，缺乏貸款組合風(fēng)險(xiǎn)管理功能。事實(shí)上，集中于某一行業(yè)的貸款違約很有可能造成銀行破產(chǎn)，貸款組合可以降低單項(xiàng)貸款帶來(lái)的風(fēng)險(xiǎn)；好的風(fēng)險(xiǎn)評(píng)估模型應(yīng)該關(guān)注銀行現(xiàn)有客戶的分布和組合貸款風(fēng)險(xiǎn)，便于商業(yè)銀行進(jìn)行組合多樣化管理；并且由于貸款風(fēng)險(xiǎn)度方法不能推導(dǎo)出PD以及LGD分布，缺乏進(jìn)行組合風(fēng)險(xiǎn)VaR分析的基礎(chǔ)，從而無(wú)法進(jìn)行VaR分析。

5、評(píng)估結(jié)果不全面，且呈現(xiàn)靜態(tài)性和波動(dòng)性

貸款風(fēng)險(xiǎn)度方法僅給出貸款風(fēng)險(xiǎn)的PD測(cè)量，而沒(méi)有給出LGD估計(jì)值。而在實(shí)際工作中需要對(duì)LGD進(jìn)行估計(jì)。因此使得貸款風(fēng)險(xiǎn)度評(píng)估結(jié)果不全面。而且由于貸款風(fēng)險(xiǎn)度方法中所使用的指標(biāo)考察期均較長(zhǎng)，評(píng)估結(jié)果時(shí)效性差，難于應(yīng)對(duì)瞬間變化的金融市場(chǎng)。

貸款風(fēng)險(xiǎn)度作為信用風(fēng)險(xiǎn)的評(píng)估標(biāo)準(zhǔn)本身具有波動(dòng)性，即貸款風(fēng)險(xiǎn)度對(duì)信用風(fēng)險(xiǎn)的反應(yīng)不固定而時(shí)大時(shí)小，具體表現(xiàn)為：貸款風(fēng)險(xiǎn)度對(duì)信用得分差距原本較大的貸款企業(yè)，其評(píng)估結(jié)果卻一視同仁；而有時(shí)信用得分差距微小的貸款企業(yè)，其評(píng)估結(jié)果卻差異很大。貸款風(fēng)險(xiǎn)度指標(biāo)對(duì)信用風(fēng)險(xiǎn)的度量只是一種粗略的度量，對(duì)于相差很大的貸款企業(yè)可能做出正確判斷，而對(duì)相差不大的方案，該指標(biāo)很有可能會(huì)掩蓋企業(yè)間的風(fēng)險(xiǎn)差異，使銀行做出錯(cuò)誤的決策。形成波動(dòng)性的根源在于貸款風(fēng)險(xiǎn)度自身的離散性與風(fēng)險(xiǎn)的不確定性和隨機(jī)性之間的矛盾(于立勇，2002)。

三、現(xiàn)代信用風(fēng)險(xiǎn)內(nèi)部模型的分類

銀行內(nèi)部信用風(fēng)險(xiǎn)計(jì)量是通過(guò)對(duì)客戶和債項(xiàng)類型風(fēng)險(xiǎn)特征的評(píng)估確定銀行可能遭受的損失，進(jìn)而估計(jì)經(jīng)濟(jì)資本(EC)。IRB法需要估計(jì)和確定的主要變量有違約概率(PD)、違約損失率(LGD)、風(fēng)險(xiǎn)暴露(EAD)、期限(M)、預(yù)期損失(EL)、意外損失(UL)和風(fēng)險(xiǎn)價(jià)值(VaR)。其中，PD、LGD、EAD、M是IRB的主要輸入數(shù)據(jù)，而EL、UL和VaR是主要輸出結(jié)果。新協(xié)議對(duì)信用風(fēng)險(xiǎn)資本金的確定借鑒了市場(chǎng)風(fēng)險(xiǎn)中計(jì)算資本金的VaR方法，而且定義VaR就是EL與UL之和。用VaR方法計(jì)算資本金時(shí)需要確定信貸資產(chǎn)未來(lái)價(jià)值或損失的概率密度函數(shù)(PDF)，從不同的角度考察信用風(fēng)險(xiǎn)度量模型和用不同的方法計(jì)算相關(guān)參數(shù)，就會(huì)對(duì)模型產(chǎn)生不同的分類，通常有如下分類方式：

1、依據(jù)模型的演繹或歸納方法

演繹模型(TopdownModels)用單個(gè)統(tǒng)計(jì)數(shù)據(jù)對(duì)信用風(fēng)險(xiǎn)進(jìn)行分組，也就是說(shuō)將許多不同來(lái)源的風(fēng)險(xiǎn)視做同質(zhì)風(fēng)險(xiǎn)加總到組合的整體風(fēng)險(xiǎn)中，不考慮個(gè)別交易特征。這種方法對(duì)于所含信用筆數(shù)很多的零售信用組合比較合適，但對(duì)于公司貸款或國(guó)家貸款組合而言，就不太合適了。即使零售資產(chǎn)組合，演繹模型也可能隱藏著來(lái)自行業(yè)的或地理位置的特別風(fēng)險(xiǎn)。

歸納模型(Bottom-upModels)解釋了每一種資產(chǎn)/貸款的特征。此種方法非常類似于對(duì)具有市場(chǎng)VaR系統(tǒng)特征的頭寸進(jìn)行結(jié)構(gòu)分解。它適用于公司信用資產(chǎn)組合和資本市場(chǎng)組合。歸納模型對(duì)于采取糾正措施也是最有用的，因?yàn)榭梢园凑掌滹L(fēng)險(xiǎn)結(jié)構(gòu)進(jìn)行反向操作來(lái)修正風(fēng)險(xiǎn)曲線。

當(dāng)今的信用風(fēng)險(xiǎn)模型中歸納方法占主導(dǎo)地位。只有CSFP的CreditRisk是對(duì)假設(shè)為同質(zhì)的資產(chǎn)在整個(gè)等級(jí)的層次進(jìn)行分析，可以被認(rèn)為是topdown方法。

2、依據(jù)建模原理與分析方法

對(duì)于PD、等級(jí)轉(zhuǎn)移矩陣和信用質(zhì)量相關(guān)性的計(jì)算，主要有三種方法。

其一是經(jīng)濟(jì)計(jì)量模型方法，該方法對(duì)PD計(jì)算的根據(jù)是，PD與當(dāng)前的宏觀經(jīng)濟(jì)狀況、行業(yè)和公司所處的地理位置等有關(guān)，環(huán)境的差異或宏觀經(jīng)濟(jì)因素的變化影響了公司的資產(chǎn)價(jià)值，因而影響了公司的信用質(zhì)量，進(jìn)而使公司之間的信用質(zhì)量表現(xiàn)出相關(guān)性。經(jīng)濟(jì)計(jì)量方法適用于簡(jiǎn)化式模型；其二是基于精算的方法，其基本方法是只考慮KMV的預(yù)期違約概率(EDF)有關(guān)計(jì)算，假定違約遵從隨機(jī)泊松過(guò)程，應(yīng)用客戶的歷史違約率數(shù)據(jù)預(yù)測(cè)具有類似特征的客戶的EDF，在此基礎(chǔ)上再估計(jì)相關(guān)參數(shù)，比如等級(jí)轉(zhuǎn)移矩陣和相關(guān)系數(shù)?；诰惴椒ǖ膮?shù)估計(jì)具有后顧性(backwardlooking)；其三是基于Merton期權(quán)模型的方法，把公司違約或信用質(zhì)量的變化與公司資產(chǎn)的價(jià)值、股權(quán)、債務(wù)聯(lián)系起來(lái)進(jìn)行考慮。該方法利用可獲得的關(guān)于公司的債務(wù)、權(quán)益的歷史價(jià)值和當(dāng)前市場(chǎng)價(jià)值以及權(quán)益價(jià)值的歷史波動(dòng)性估計(jì)公司資產(chǎn)價(jià)值的大小、變化率和波動(dòng)性。進(jìn)而通過(guò)期權(quán)模型確定公司的EDF和違約相關(guān)性。基于權(quán)益的方法具有前瞻性(forward-looking)。

CreditMetrics依據(jù)評(píng)級(jí)的歷史數(shù)據(jù)統(tǒng)計(jì)和股權(quán)分析；KMV依據(jù)期權(quán)定價(jià)原理；CPV依據(jù)宏觀經(jīng)濟(jì)因素調(diào)整的模擬分析；CreditRisk則依據(jù)保險(xiǎn)精算的壽險(xiǎn)和財(cái)險(xiǎn)思想。

3、依據(jù)模型對(duì)風(fēng)險(xiǎn)的定義方式分類

違約模式(DefaultmodeModels，DM)與盯市模式(Market-toMarketModels，MM)是銀行業(yè)內(nèi)普遍使用的兩大類信用風(fēng)險(xiǎn)模型，其分類原則是基于對(duì)資產(chǎn)價(jià)值和信用損失估計(jì)方式的不同考慮。所謂信用損失是指信貸資產(chǎn)組合當(dāng)前價(jià)值與某給定時(shí)期末的未來(lái)價(jià)值的差，當(dāng)前價(jià)值往往是已知的，而未來(lái)價(jià)值是不確定的但是有一概率分布。DM模型只考慮違約與不違約兩種信用狀態(tài)，即只把完全的違約視為信用事件。因此，資產(chǎn)組合的市場(chǎng)價(jià)值的任何變化或信用評(píng)級(jí)的任何變動(dòng)都是無(wú)關(guān)的；而MM考慮資產(chǎn)組合市場(chǎng)價(jià)值的變化和包括違約在內(nèi)的信用等級(jí)的變化，公平市場(chǎng)價(jià)值為模型提供了對(duì)風(fēng)險(xiǎn)更好的估計(jì)。在此意義下，MM模型是DM模型的一種推廣。

CreditMetrics屬于MM模型；CreditRisk和KMV本質(zhì)上屬于DM模型，但KMV公司目前正準(zhǔn)備提供MM版本；CPV既可被當(dāng)作MM使用，也可被用做DM。

4、依據(jù)違約事件的條件概率分類

條件概率模型(ConditionalModels)中包含了宏觀經(jīng)濟(jì)因素變動(dòng)對(duì)PD的影響。即此類模型考慮了經(jīng)濟(jì)衰退期PD會(huì)上升。

無(wú)條件概率模型(UnconditionalModels)具有固定的PD，并且因此往往關(guān)注的是貸款者或特定因素信息。但某些環(huán)境因素的改變也允許用改變模型參數(shù)的方法來(lái)實(shí)現(xiàn)。

CreditMetrics是基于違約歷史資料統(tǒng)計(jì)的結(jié)果，沒(méi)有反映宏觀經(jīng)濟(jì)因素，因此屬于無(wú)條件測(cè)度；CPV、KMV以及CreditRisk分別融入了宏觀經(jīng)濟(jì)因素以及市場(chǎng)價(jià)格等信息，因此屬于條件測(cè)度。

5、依據(jù)違約事件的結(jié)構(gòu)化和簡(jiǎn)化設(shè)定分類

這種劃分的根據(jù)主要是出于對(duì)違約相關(guān)或信用等級(jí)轉(zhuǎn)移相關(guān)性確定方法的考慮。在同一行業(yè)和地區(qū)的客戶之間，由于信用事件(違約、信用等級(jí)轉(zhuǎn)移、違約時(shí)的損失率、信用價(jià)差、風(fēng)險(xiǎn)暴露等)的變化是非獨(dú)立的，即存在著相關(guān)性，在估計(jì)信用損失確定資本金時(shí)應(yīng)考慮相關(guān)性。但是，實(shí)際應(yīng)用中由于數(shù)據(jù)及模擬技術(shù)的限制，通常只考慮不同客戶之間違約或等級(jí)轉(zhuǎn)移的相關(guān)性，而其它信用事件之間的相關(guān)性不予考慮。對(duì)相關(guān)性的估計(jì)，委員會(huì)選擇了兩類模型，即結(jié)構(gòu)化模型(structuralmodel)與簡(jiǎn)化式模型(reduced-formmodd)。結(jié)構(gòu)模型試圖通過(guò)假定金融產(chǎn)品或經(jīng)濟(jì)單位的微觀經(jīng)濟(jì)特征來(lái)解釋單個(gè)客戶的違約或信用質(zhì)量的變化，比如資產(chǎn)價(jià)值和負(fù)債之間的比例關(guān)系可能決定了客戶的信用質(zhì)量。那些用于決定客戶風(fēng)險(xiǎn)等級(jí)變化(包含違約)的隨機(jī)變量稱為等級(jí)轉(zhuǎn)移風(fēng)險(xiǎn)因素(Migrationriskfac-tor)，在結(jié)構(gòu)模型中，就是要估計(jì)或確定客戶問(wèn)等級(jí)轉(zhuǎn)移風(fēng)險(xiǎn)因素的相關(guān)性。而簡(jiǎn)化模型則不同，它不是試圖解釋違約或信用等級(jí)的轉(zhuǎn)移，而是選擇一種統(tǒng)計(jì)方法并建立適當(dāng)?shù)囊蛩啬Ｐ蛠?lái)刻畫(huà)違約或信用等級(jí)的轉(zhuǎn)移現(xiàn)象。在簡(jiǎn)化模型中，特別假定了客戶的EDF或轉(zhuǎn)移矩陣與可以觀察到的宏觀經(jīng)濟(jì)活動(dòng)指標(biāo)或不可以觀察到的隨機(jī)風(fēng)險(xiǎn)因素之間存在一種函數(shù)關(guān)系，簡(jiǎn)化模型認(rèn)為正是單個(gè)客戶的財(cái)務(wù)狀況對(duì)公共因素或相關(guān)背景因素的依賴才引起了客戶之間違約率的相關(guān)性和信用等級(jí)轉(zhuǎn)移之間的相關(guān)性。

CreditMetrics、KMV屬于結(jié)構(gòu)模型；CreditRisk與CPV屬于簡(jiǎn)化模型。

6、依據(jù)違約的驅(qū)動(dòng)因素分類

CreditMetrics和KMV的違約驅(qū)動(dòng)因素為企業(yè)資產(chǎn)價(jià)值及波動(dòng)性；CPV的驅(qū)動(dòng)因素為宏觀經(jīng)濟(jì)因素；CreditRisk的違約驅(qū)動(dòng)因素則為違約風(fēng)險(xiǎn)平均水平及其波動(dòng)性。

7、依據(jù)違約概率測(cè)度的離散性與連續(xù)性

由于金融產(chǎn)品的價(jià)值要受到其信用質(zhì)量的影響，而對(duì)信用質(zhì)量的描述變量有連續(xù)與離散之分，因此依據(jù)對(duì)金融工具信用質(zhì)量變化方式的不同刻畫(huà)，對(duì)金融工具在給定期限末的價(jià)值或損失的估計(jì)就有了兩種可以選擇的方法：一是，信用質(zhì)量按離散的信用等級(jí)變化(信用評(píng)級(jí))進(jìn)行刻畫(huà)，基于此的估值模型稱為離散估值模型；二是，信用質(zhì)量通過(guò)違約概率或違約概率密度函數(shù)按連續(xù)的方式進(jìn)行刻畫(huà)，基于此的估值模型稱為連續(xù)型估值模型。

在以上幾種模型中，CreditMetrics、CPV屬于離散測(cè)度，而KMV、CreditRisk則屬于連續(xù)變量測(cè)度。

四、貸款風(fēng)險(xiǎn)度方法與

現(xiàn)代信用風(fēng)險(xiǎn)模型的比較

從提高我國(guó)銀行業(yè)信用風(fēng)險(xiǎn)管理的前瞻性角度思考問(wèn)題，可行的方法是以現(xiàn)代信用風(fēng)險(xiǎn)管理模型為參考，改進(jìn)我國(guó)現(xiàn)行的貸款風(fēng)險(xiǎn)度方法。將其方法與CreditMetrics、KMV、CPV、CreditRisk進(jìn)行比較分析，主要特征比較如表1所示

。從比較中可以發(fā)現(xiàn)，與我國(guó)貸款奉獻(xiàn)度方法在諸多特征最為接近的是CreditMetrics模型，因此，我國(guó)銀行業(yè)在對(duì)此深入研究的基礎(chǔ)上對(duì)我國(guó)現(xiàn)行信用風(fēng)險(xiǎn)管理模型做一改進(jìn)，使其逐步向現(xiàn)代信用風(fēng)險(xiǎn)管理模型靠近，并滿足IRB要求。

五、我國(guó)銀行業(yè)現(xiàn)代信用風(fēng)險(xiǎn)

管理模型的改進(jìn)方向及其選擇

現(xiàn)代信用風(fēng)險(xiǎn)管理模型均具有不同的比較優(yōu)勢(shì)，從而也各具有不同的適用性，即：CreditMetrics和KMV適用于對(duì)公司和大的私人客戶的信用風(fēng)險(xiǎn)度量；CreditRisk適用于對(duì)零售客戶的信用風(fēng)險(xiǎn)度量，CPV適用于對(duì)宏觀經(jīng)濟(jì)因素變化敏感的投資級(jí)債務(wù)人或債項(xiàng)如房地產(chǎn)貸款的信用風(fēng)險(xiǎn)度量。而我國(guó)銀行業(yè)具有不同的類型和業(yè)務(wù)范圍，可以選擇較為適合的模型來(lái)改進(jìn)自身的信用風(fēng)險(xiǎn)管理。

KMV主要用于分析發(fā)債公司的信用狀況和資本市場(chǎng)的信用風(fēng)險(xiǎn)，其中一個(gè)基本條件是需要大量的股票市場(chǎng)的有效數(shù)據(jù)，適用范圍受到了限制，特別適用于上市公司的信用風(fēng)險(xiǎn)評(píng)估，對(duì)非上市公司的EDF進(jìn)行計(jì)算時(shí)，需要借助很多會(huì)計(jì)資料，同時(shí)還要通過(guò)對(duì)比分析手段最終得出企業(yè)的EDF，因而，計(jì)算過(guò)程復(fù)雜且結(jié)果未必準(zhǔn)確。但由于我國(guó)股票市場(chǎng)歷史較短，上市公司信息質(zhì)量不高，股權(quán)分割等因素導(dǎo)致上市公司的股票價(jià)格時(shí)常背離公司的實(shí)際，進(jìn)而影響對(duì)上市公司價(jià)值的準(zhǔn)確估計(jì)，即使通過(guò)上市公司股票價(jià)格來(lái)估價(jià)公司價(jià)值，其差異也非常大：模型假定借款企業(yè)資產(chǎn)價(jià)值呈正態(tài)分布是不合乎實(shí)際的；模型不能夠?qū)﹂L(zhǎng)期債務(wù)的不同類型進(jìn)行分辨。但隨著我國(guó)資本市場(chǎng)的不斷完善，資本市場(chǎng)作為重要的資源配置場(chǎng)所作用的日益增大，KMV在我國(guó)的應(yīng)用條件會(huì)逐漸具備，而且隨著上市公司數(shù)量的不斷增加，其應(yīng)用范圍也會(huì)逐漸增加，并在未來(lái)的信用風(fēng)險(xiǎn)管理中發(fā)揮重要作用。

CPV和CreditRisk都涉及到宏觀和行業(yè)因素。CPV是從宏觀經(jīng)濟(jì)的角度來(lái)分析借款人的信用等級(jí)的遷移，而信用登記遷移概率在不同時(shí)期受到GDP增長(zhǎng)率、經(jīng)濟(jì)周期、失業(yè)率、匯率、產(chǎn)業(yè)等多因素的影響。該模型的應(yīng)用是以上述數(shù)據(jù)均正確為前提。由于此類數(shù)據(jù)的完整獲取和精確計(jì)量在我國(guó)尚有一定的難度，再加上從方法論上看，從宏觀因素的個(gè)數(shù)及其經(jīng)濟(jì)含意與信用等級(jí)遷移的具體函數(shù)關(guān)系尚缺乏穩(wěn)定性和風(fēng)險(xiǎn)性，我國(guó)的信用風(fēng)險(xiǎn)量化處于起步階段，還沒(méi)有建立完善的數(shù)據(jù)庫(kù)，因此在使用上述模型時(shí)缺乏基礎(chǔ)條件，但隨著我國(guó)宏觀經(jīng)濟(jì)數(shù)據(jù)的不斷完善，可以成為我國(guó)銀行業(yè)信用風(fēng)險(xiǎn)管理的重要參考模型。

CreditMetrics適合于對(duì)各類貸款資產(chǎn)信用風(fēng)險(xiǎn)的分析和預(yù)測(cè)，其適用的基本條件是金融機(jī)構(gòu)的內(nèi)部評(píng)級(jí)體系或外部評(píng)級(jí)機(jī)構(gòu)的評(píng)級(jí)結(jié)果。但由于我國(guó)信用評(píng)級(jí)制度不健全，銀行內(nèi)部評(píng)級(jí)制度尚處于發(fā)展階段，外部評(píng)級(jí)機(jī)構(gòu)的信用評(píng)級(jí)也是剛開(kāi)始，還沒(méi)有形成長(zhǎng)期的企業(yè)評(píng)級(jí)數(shù)據(jù)庫(kù)，在此情況下，該模型的應(yīng)用空間受到很大限制。但我國(guó)的信用體系建設(shè)已經(jīng)得到政府的高度重視，企業(yè)信用信息征集、評(píng)價(jià)機(jī)制正在不斷完善，銀行內(nèi)部評(píng)級(jí)和外部評(píng)級(jí)機(jī)構(gòu)也在不斷發(fā)展，隨著各項(xiàng)條件的具備，該模型在我國(guó)的應(yīng)用前景廣闊，可以作為一種基礎(chǔ)性的信用風(fēng)險(xiǎn)管理模型

相比之下，CreditMetrics具有兩個(gè)優(yōu)點(diǎn)：一是所計(jì)算出的Vail可以較為準(zhǔn)確地反映不同信用等級(jí)和不同時(shí)期的貸款在未來(lái)可能發(fā)生的價(jià)值損失；二是以VaR來(lái)確定最低的風(fēng)險(xiǎn)資本量可以有效地保證銀行在遭受信用風(fēng)險(xiǎn)損失的情況下能夠繼續(xù)生存下來(lái)。因此，CreditMetrics可較好地用于我國(guó)商業(yè)銀行對(duì)信用風(fēng)險(xiǎn)進(jìn)行量化和管理。

國(guó)外在應(yīng)用CreditMetrics評(píng)估貸款的VaR時(shí)，關(guān)于借款人信用評(píng)級(jí)的轉(zhuǎn)移概率可以從外部信用評(píng)級(jí)公司中獲取。但是，在我國(guó)，現(xiàn)在還沒(méi)有信用評(píng)級(jí)比較客觀、真實(shí)的外部信用評(píng)級(jí)公司，因此商業(yè)銀行在應(yīng)用CreditMetrics時(shí)遇到了困難：比如沒(méi)有現(xiàn)成的企業(yè)信用等級(jí)轉(zhuǎn)換概率和不同信用等級(jí)企業(yè)RR數(shù)據(jù)資料。

因此，現(xiàn)代信用風(fēng)險(xiǎn)度量技術(shù)對(duì)我國(guó)都有一定的借鑒意義，尤其是。KMV和CreditMetrics。由于我國(guó)目前的現(xiàn)實(shí)性，它們的直接應(yīng)用還存在一定的局限性，但隨著我國(guó)經(jīng)濟(jì)體制改革和市場(chǎng)化進(jìn)程的不斷發(fā)展，上述模型在提高我國(guó)銀行業(yè)信用風(fēng)險(xiǎn)管理水平和增強(qiáng)核心競(jìng)爭(zhēng)力方面必將發(fā)揮積極作用。因此，在今后的一段時(shí)間內(nèi)，努力創(chuàng)新各種條件，為各類信用風(fēng)險(xiǎn)量化分析技術(shù)奠定應(yīng)用的基礎(chǔ)，是我國(guó)信用體系建設(shè)的當(dāng)務(wù)之急和重要方向。