商业银行信贷风险控制计算模型与算法优化研究.pdf

摘要 本文综合采用聚类分析、判别分析、层次分析等方法建立具有实 用价值的信贷风险控制模型，应用模糊数学方法、遗传算法等对常规 算法进行优化并予以软件实现，在组合贷款风险测量与控制、商业银 行信贷风险跟踪预警监测、贷款效益与风险评价等方面取得了较理想 的结果。具体内容如下： 第一章比较全面地介绍了目前在西方发达国家商业银行应用的 各种信用风险控制模型，对各种模型的特点、应用范围作了比较分析， 同时也介绍了信用风险控制模型的各种计算方法。在此基础上，提出 了不能简单照搬西方国家商业银行信用风险控制模型，必须研究适合 我国国情的信用风险控制模型的观点。 第二章建立了基于单位风险收益最大原则的贷款组合优化决策 模型，分析了该模型的意义和特点，该模型是一个有上下限约束的背 包问题，其目标函数为所选择企业的平均净现值和所有被选择企业狰 现值之间的协方差之比，取值与贷款数不一定呈同方向变化，是一巧 非连续、多峰的复杂问题。应用二重结构编码的遗传算法，结合贪心 算法和局部搜索算法及最优保存策略等，成功地解决了这个复杂而特 殊的背包问题，而且收敛速度非常理想。 第三章以企业寿命分布和破产概率为背景提出了商业银行贷款 风险测量与控制模型，该模型是一个约束条件有上限的线性规划问 题。设计了通过求初始允许基和允许剖分减少约束条件降低矩阵规模 以便应用单纯形法求解这类线性规划问题的算法，仿真计算的结果证 明了模型和算法的有效性和可行性。 第四章提出了结合使用遗传算法和爬山法的动态聚类算法，改进 了常规的k 一均值动态聚类法，用于我国目前1 2 0 0 个上市公司的聚类 分析，得到了准确的分类结果。应用f i s h e r 多总体判别分析，建立 博士学位论文摘要 了适合我国实际情况的商业银行信用风险跟踪预警监测模型，并构造 了分类标准，制定了企业信用等级分类办法。 第五章从银行作为债权人的角度出发，以企业的偿债能力为主要 分析对象，根据财政部2 0 0 2 年颁发的评价指标，对我国上市公司进 行分析评价，改进了e d w a r di a l t m a n 的z s t o l e 破产预测模型，建 立了符合我国国情的z s c o l e 破产预测模型。 第六章应用模糊数学理论和模糊聚类分析方法，建立了信贷风险 量化的模糊评价模型，提出了基于相似系数和检测孤立点集的算法， 提高了聚类分析中检测孤立点集的效率，将该算法应用于信贷风险量 化的模糊评价，得到了很好的结论；建立了贷款非财务因素评价模型， 结合使用层次分析法和模糊综合评判方法对借款人的非财务因素进 行评价，能比较准确地计算贷款综合风险度，为贷款决策提供支躲 第七章提出了基于模糊聚类的综合排序算法，应用该算法对银行 的贷款效益进行综合评价，其结论与实际相符，效率比其他综合谖价 方法提高了一个数量级；提出了应用m a r k o v 链预测模型预测不匙贷 款的方法；建立了基于a h p 法的商业银行贷款风险分类评价模型。 第八章对本文所研究的内容进行了全面的总结，提出了有待继续 研究的问题。 关键词信贷风险控制，计算模型，算法优化，遗传算法，聚类分析 博士学位论文 摘要 a b s t r a c t i nt h i sp a p e r ，t h ea u t h o ra p p l i e sm e t h o d ss u c ha sc l u s t e r m ga n a l y s i s ， t e c h n i q u e so fd i s c r i m i n a n ta n a l y s i sa n da n a l y t i c a lh i e r a r c h yp r o c e s si n b u i t d i n gu pp r a c t i c a lc r e d i tr i s kc o n t r o lm o d e l s ，u s e sg e n e t i ca l g o r i t h m s a n df u z z ym a t h e m a t i c sm e t h o d st oi m p r o v et h eg e n e r a la l g o r i t h m sa n d b r i n g st h e s ei n t oe f f e c tb ys o f t w a r e ，w h i c hb r i n gd e s i r a b l e c o n c l u s i o ni n m e a s u r e m e n tm a dc o n t r o l l i n gr i s k so fl o a n sc o m b i n a t i o n ，t r a c k i n g f o r e w a r n i n g m o n i t o r t e s t i n g o fc r e d i tr i s ki nc o m m e r c i a lb a n k s ， e v a l u a t i o no fl o a np r o f i t sa n dr i s k s t h ea r r a n g e m e n to ft h i st h e s i si sa s f o l l o w s ： t h ef i r s tc h a p t e ri n t r o d u c e sav a r i e t yo fc r e d i tr i s kc o n 打o lm o d e l s w h i c ha p p l i e di nc o m m e r c i a lb a n k so fd e v e l o p e dc o u n t r i e s ，a n do f f e r sa n a n a l y s i st h eu p i o nc h a r a c t e r i s t i ca n da p p l i a n c es c o d eo fa l l k i n d so f m o d e l sb yc o m p a r i s o n ，m e a n w h l l e ，r e c o m m e f i d sv a r i o u sc a l c u l a t e m e t h o d so ft h em o d e l s o nt h eb a s i so ft h e s e ，t h ea u t h o rp o i n t so u tt h a t c r e d i t r i s k c o n t r o ln o d e l so fc o m m e r c i a l b a n k sc a n n o tb e i n d i s c r i n l i n a t e l yi m i t a t e df r o mw e s t e r nc o u n t r i e s ，o u ta p p r o p r i a t et oo u r c o u n t r y t h es e c o n dc h a p t e rb u i l d su pad e c i s i o n m a k i n gm o d e lo fl o a n s p o r t f b l i oo p t i m i z a t i o nb a s e do np r i n c i p l eo fm a x i m u me a m l n g p e rt i s t , a n da n a l y s e st h em e a n i n ga n dc h a r a c t e r i s t i co f t h i sm o d e l t h i s 。m o d e li sa t v d eo fk n a p s a c kp r o b l e mw h i c hh a sr e s t r i c t i o n sb e t w e e nl o w e r ：l i m i t 、a n d u p p e r - l i m i t ，w h o s eo b j e c tf i m c t i o ni st h er a t i ob e t w e e nt l a ea v e r a g e a l e t p r e s e n tv a l u eo fs e l e c t e de n t e r p r i s ea n dt h ec o v a r i a n c eo ft h ea v e r a g en e t p r e s e n tv a l u e - - - - - t h en e tp r e s e n tv a l u ed o e sn o tc h a n g ew i t ht h en u m b e r o fl o a n si nt h es a m ed i r e c t i o n ，n l em o d e li s ad i s c o n t i n u o u sa n d m u l t i m a x i m u m c o m p l i c a t e dp r o b l e m b ym a k i n g u s eo fg e n e t i c a l g o r i t h m sw i t hd u a l - s t r u c t u r ec o d e s ，g r e e d ya l g o r i t h m s ，l o c a l s e a r c h a l g o r i t h m sa n do p t t m a ls t o r a g es t r a t e g y , t h et h e s i ss o l v e st h i sc o m p l e x a n dp a r t i c u l a rk n a p s a c kp r o b l e m , a n dt h ec o n v e r g e n c er a t e si sp e r f e c t o nt h e g r o u n d s o fc o m o r a t i o n sl i f ed i s t r i b u t i o na n dt h e p r o b a b i l i t y o fb a n k r u p t ，t h et h i r dc h a p t e rp u t sf o r w a r d am e a s u r e m e n ta n d c o n t r 0 1l o a n sr i s km o d e li 1 3c o m m e r c i a ib a n k st h a ti s al i n e a r p r o g r a m m i n gp r o b l e mw i t hu p p e rl i m i t t ou s es i m p l e xm e t h o d t os o l v e t h et y p el i n e a rp r o g r a m m i n gp r o b l e m , d e s i g n saa l g o r i t h mb yc a l c u l a t i n g t h eo r i g i n a la d m i s s i b l eb a s ea n da d m i s s i b l ep a r tt or e d u c er e s t r i c t i v e c o n d i t i o n sa n dd e c r e a s e 功es c a l eo ft h em a t r i x 动es i m u l a t i o nr e s u l t s v e r i f yt h ea v a i l a b i l i t ya n df e a s i b i t i t yo f - t h em o d e l 。a n da l g o r i t h m - t h ef o u r t hc h a p t e ri n t r o d u c e sad y n a m i cc l u s t e r i n ga n a l y s i s ， w h i c hc o m b i n e sg e n e t i ca l g o r i t h m sa n dm o u n t a i nc l i m b i n ga l g o r i t h m ， i m p r o v e st h en o r m a lk m e a nc l u s t e r i n ga n a l y s i s t h i sm e t h o do b t a i n st h e c o r r e c tr e s u l t sw h i l ea p p l i e di nt h ec l u s t e r i n ga n a l y s i so f12 0 01 i s t e d c o m p a n i e s i no u rc o u n t r y b y a p p l y i n g f i s h e r m u l t i p o p u l a t i o n d i s c r i m i n a n t a n a l y s i sm e t h o d t h ea u t h o r i n t r o d u c e sa t r a c k i n g f o r e w a r n i n gm o n i t o rt e s t i n go fc r e d i tr i s ki nc o m m e r c i a lb a n k sw h i c hi s 6 tf o ro u rf a c t s ，f r a m e st h es o r ts t a n d a r d ，a n di n s t i t u t e st h em e t h o do f e n t e r p r i s ec r e d i te v a l u a t i o ng r a d i n g b l k i n gb a n k sa sc r e d i t o r , t a k i n gt h ee n t e r p r i s e ss o l v e n c ya st h em a i n a n a l y s i so b j e c t ，a c c o r d i n gt ot h ee s t i m a t i o ni n d e xf o r c e db ym i n i s t r yo f f i n a n c ef r o m2 0 0 2 t h ef i 曲c h a p t e ri m p r o v e st h ee d w a r di a l t m a n s z s c o l e b a n k r u p tp r e d i c t i o nm o d e l ，a n db u i l d s az s c o l eb a n k r u p t p r e d i c t i o nm o d e lw h i c hs u i t so u rn a t i o n a lc o n d i t i o n s i nt h ee n do ft h i s c h a p t e r , t h ea u t h o ra n a l y s e sa n de s t i m a t e so u rl i s t e dc o m p a n i e s t h es i x t hc h a p t e ra d o p t s f u z z ym a t h e m a t i c st h e o r ya n df u z z y c l u s t e r i n ga n a l y s i sm e t h o d s ，b u i l d st h ef u z z ye v a l u a t i o nm o d e lo f q u a n t i f y i n gc r e d i tr i s k ，a n dp u t sf o r w a r dc l u s t e r i n ga l g o r i t h mt oc h e c k o u t l i e rb a s e do ns i m i l a rc o e f f i c i e n ts u m ，w h i c hc a nr a i s et h ee f f i c i e n c yo f c h e c k i n go u t l i e ri nc l u s t e r i n ga n a l y s i s i tc o m e st oap e r f e c tc o n c l u s i o n w h i l ea p p l y i n gt h i sa l g o r i t h mi nf u z z ye v a l u a t i n go fq u a n t i f y i n gc r e d i t r i s k a tt h ee n d t h ea u t h o rs e t su pan o n f i n a n c i a lf a c t o r sl o a n se v a l u a t i o n m o d e l ，w h i c he s t i m a t e st h ed e b t o r s n o n f i n a n c i a lf a c t o r sc o m b i n i n g a n a l y t i c a lh i e r a r c h yp r o c e s sw i t hf u z z yc o m p r e h e n s i v ej u d g m e n t t h i s p r e c i s em e t h o dc a nb eu s e dt oc a l c u l a t et h ec o m p r e h e n s i v er i s ko f1 0 a n ， a n di ti si nf a v o u ro fl o a nd e c i s i o n m a k i n g t h es e v e n t hc h a p t e rp o s e sac o m p r e h e n s i v es o r ta l g o r i t h mb a s e do n f u z z yc l u s t e r i n g ，a n dt h ea u t h o ro b t a i n st h er e s u l t s f i tf o rt h ef a c t sb y u s i n gt h ea l g o r i t h mt oe v a l u a t et h ep r o f t so fb a n k1 0 a n s ，t h e r e f o r ei t s e m c i e n c yc a nb e r a i s e da q u a n t i t yd e g r e et h a n o t h e re v a l u a t i o n a p p r o a c h t h e n ，t h ea u t h o rb r i n g sf o r w a r dap r e d i c t i o nm o d e lt op r e d i c t n o n p e r f o r m i n gl o a n sb yu s i n gm a r k o vc h a i n s a n ds e t su pal o a nr i s k c l a s s i f i c a t i o ne s t i m a t i o nm o d e lb a s e do na h p i nt h el a s tc h a p t e r , t h ea u t h o rs u m m a r i z e sh i ss t u d i e sa n ds p e c u l a t e s b r i n g ss o m ep r l e m sf o rf u t u r er e s e a r c h k e yw o r d sc r e d i t r i s kc o n t r o l ，c a l c u l a t i o nm o d e l ，a l g o r i t h m o p t i m i z a t i o n ，g e n e t i ca l g o r i t h m s ，c l u s t e r i n ga n a l y s i s 原创性声明 本人声明，所呈交的论文是我个人在导师指导下进行的研究工作 及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢的地 方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含 为获得中南大学或其它单位的学位或证书而使用过的材料。与我共同 工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明。 作者签名：垄堇垒圣日期：丛年上月丝日 关于学位论文使用授权说明 本人了解中南大学有关保留、使用学位论文的规定，即：学校有 权保留学位论文，允许论文被查阅和借阅；学校可以公布学位论文的 全部或部分内容，可以采用复印、缩印或其他手段保存学位论文；学 校可根据国家或湖南省有关部门规定送交学位论文。 作者签名：乏量煎导师签名：- - i 日期：坦年一z 月2 阳 第一章绪论 摘要：有关资料表明，我国国有商业银行的信贷资产占全部资产的7 0 以 上，而且信贷资产中的不良资产比重很高，有一些银行超过5 0 并且还有继续 上升的势头。研究在我国加入w t o 以后与国际经济金融迅速接轨的背景下如何控 制不良信贷资产规模，提高商业银行经营效益，对商业银行甚至对整个国民经济 的良性运行具有十分重要的意义。 1 1 商业银行信贷风险控制与评价的计算模型 信用风险是指借款人、债券发行人或金融交易对方由于各种原因不能完全短 约致使金融机构、投资人或交易对方遭受损失的可能性。信用风险涉及贷款发放、 债券投资、表外业务、金融衍生工具等多种金融活动。对于商业银行来说，信贷 风险是最主要的信用风险。 信贷风险是指银行在业务经营管理过程中，由于各种事先无法预料的不确定 因素的影响，使银行信贷资金的实际收益与预期收益发生背离，从而使银行有蒙 受损失的可能性。信贷风险产生的原因是多方面的，从自然灾害到国内外政治经 济形势变化以及借款人和贷款人的道德品质都会影响到银行贷款的偿还，西方商 业银行把信贷风险定义为： r = f ( 1 ，e ) ( 1 1 ) 其中，r 为信贷风险，i 为内部因素，e 为外部因素，即信贷风险是内部因素和 外部因素的函数。内、外部因素是针对银行而言的，银行无法控制的因素即外部 因素，如宏观经济政策、自然灾害；内部因素是指银行经营管理者对待信贷风险 的态度，它直接决定银行信贷资产质量的优劣和信贷风险韵大小，这种因素渗透 到银行贷款政策、信用分析、贷款监控的质量以及信贷管理人员的工作之中。 目前应用韵信贷风险评价方法有相对简单的定性方法，也有具有坚实理论基 础和复杂数学结构的定量方法；有基于非市场的内部信息的评价方法，也有基于 金融市场信息资料的评价方法：有针对单项贷款资产的方法，也有针对贷款资产 组合的评价方法。总的来讲，信贷风险评价方法越来越呈现出从定性到定量、从 简单到复杂、从微观层次的个别资产信贷风险评价到宏观层次的资产组合信贷风 险评价的趋势。根据信贷风险评价模型的理论基础、复杂性和应用的时间，可分 为传统的信贷风险控制模型和基于金融工程理论的新模型。 111 信贷风险控制的传统模型 传统的信贷风险控制模型主要指发展和应用较早、较成熟的一些方法，如专 家系统法、信用评分模型等。 1 1 1 1 专家系统模型与贷款评级分级模型 2 0 年前，银行主要依赖于主观分析和定量分析方法评估企业贷款的信贷风 险，其方法称为“银行家专家系统( b a n k e re x p e r ts y s t e m ) ”。其中5 c 要素分析 法是这类专家分析方法的代表。 所谓5 c 要素分析法是指银行对客户作信贷风险分析时主要集中在借款人的 道德品质( c h a r a c t e r ) 、还款能力( c a p a c i t y ) 、资本实力( c a p i t a l ) 、担保 ( c 0 1 a t e r a l ) 和经营环境条件( c o n d i t i o n ) 五个方面进行全面的定性分析以判别 借款人的还款意愿和还款能力。有些银行将其归纳为“5 w ”因素，即借款人( w h o ) 、 借款用途( w h y ) 、还款期限( w h e n ) 、担保物( w h a t ) 及如何还款( h o w ) 。还有的银行 将其归纳为“5 p ”因素，即个人因素( p e r s o n a l ) 、借款目的( p u r p o s e ) 、偿还 ( p a y m e n t ) 、保障( p r o t e c t i o n ) 和前景( p e r s p e c t jv e ) 。无论是“5 c ”、“5 w ”或是 “5 p ”要素法在内容上大同小异，他们的共同之处都是将每一要素逐进行评分， 使信用数量化，从而确定其信用等级咀作为其是否贷款、贷款标准的确定和随后 贷款跟踪监测期间的政策调整依据。这种方法的缺陷是主观性太强，只能作为一 种辅助性信用分析工具n ，。 贷款内部评级分级模型( i n t e r n a lr a t i n gs y s t e m s ) 是银行机构在美国贷币 管理办公室( o f f i c eo ft h ec o n t r 0 1 e ro f 。c u r r e n c y ，o c c ) 最早开发的评级基 础卜拓展而来的。o c c 最早将贷款分为5 级：正常贷款( p a s s p e r f o r m i n ga s s e t s ) 、 关注贷款( o t h e ra s s e t se s p e c i a l l ym e n t i o n e d ，o k e m ) 、次级贷款( s u b s t a n d a r d a s s e t s ) 、可疑贷款( d o u b t f u la s s e t s ，1 9 9 7 ) 、损失贷款( l o s sa s s e t s ) 。我国 也白1 9 9 8 年开始推广实行贷款5 级分类。 1 1 1 2 信用评分模型 信用评分模型或评分系统( c r e d i ts c o r i n gm o d e l s ) 是将反映借款人经济状 况或影响借款人信用状况的若干指标( 如消费借款人的收入、年龄、职业、资产 状况等；借款企业的财务比率等) 赋予一定的权重，通过某些特定方法得到能够 反映信用状况的信用综合分值或违约概率值，并将其与基准值( b e n c h m a r k ) 比较 来决定是否给予贷款以及贷款定价( c a o u e t t e ，a l t m a n ，n a r a y a n a n ，1 9 9 8 ) “3 。 目前，这种方法的应用仍然十分广泛。 信用评分模型实质上是一类以借款人特征指标为解释变量的计量经济模型， 主要包括多元线性概率模型、l o g i t 模型。、p r o b i t 模型、线性判别分析模型等。 而多元线性概率模型、l o g i t 模型、p r o b i t 模型是一类二元选择模型 ( b i n a r y c h o i c em o d e l ) ，这类模型假设每一个个体都面临着二者挑一的选择， 而且其选择依赖于个体特征。线性概率模型假设某个体做出特定选择的概率是该 个体特征的一个线性函数。在信用评分中，线性概率模型用借款人过去的信息资 料如财务比率等作为解释变量对过去的贷款偿还情况进行解释，其中过去的贷款 的偿还被分为两种情形：偿还或违约。通过回归方程可以预期具有某些特征借款 人的违约概率。线性概率模型的基本形式为： z ，= 屈一，+ s ， ( 1 2 ) 其中：z ，为第i 个体过去贷款的偿还情况，违约为1 ，偿还为o ；x 。为第f 个体 的第个特征值。 该模型的特点是简明直接，但其最大的弱点就是其预期违约概率值可能超出 o 一1 区间。j o g i t 模型、p r o b i t 模型等通过特定形式的累计概率函数对线性概率 模型进行变换，从而把预测的违约概率值限定在o - 1 之间。 线性判别分析模型是基于对研究对象多种类别进行判别的一种统计分析方 2 博士学位论文 第一章绪论 法。判别分析就是要从若干表明观测对象特征的变量值中筛选出能提供较多信息 的变量，并建立判别函数。线性判别模型在风险评价中是根据判别分值来确定的 临界值对研究对象进行信贷风险的定位。a l t m a n 在1 9 6 8 年对美国破产和非破产 生产企业进行观察，采用了2 2 个财务比率经过数理统计筛选建立了著名的5 变 量z - s c o l e 模型“1 。其判别函数模型是： z ，= 1 2 x l + 1 4 工2 + 3 3 x 3 + 0 6 x 4 + 1 0 x 5 ( 1 3 ) 其中，x ( j = l ，5 ) 为5 个财务指标。z 值越高，表明借款人处于较低的 违约风险组别。如果z 值低于特定临界值( a i r m a n 最初设为1 8 1 ) ，则认为借款 人属于违约类，对其贷款要慎重或拒绝贷款。 1 9 7 7 年a l t m a n 等经过改进开发了目前常用的z e t a 判剐分析模型( a 1 t m a n ， s a u n d e r s ，1 9 9 8 ) 【5 ) 。 线性判别模型本身存在一些缺陷，如：该模型只考虑了违约和不违约两种极 端情况，而忽略了中问各种可能情形；缺乏足够的解释赋予各变量权重的经济理 由：忽略了一些难于量化的因素；该模型的估计缺乏必要的数据信息，同时由于 大多数变量基于会计指标，影晌对借款人信用评价的时效性。 1 1 1 3 非线性区别模型 非线性判别分析与神经网络方法等的应用使信用评分模型得以拓展。非线性 判别模型就是用非线性判别函数取代线性判别函数，克服了解释变量的线性关系 假设。 神经网络是从神经心理学和认知科学的研究成果出发发展起来的。种并行 分布模式处理系统。神经网络的结构是由一个输入层、若干个中间隐含层和一个 输出层组成。国外研究者如a l t m a n ，m a r c o 和v a r e t t o ( 1 9 9 5 ) 对意大利公司财务 危机预测中应用了神经网络分析法。c o a t s ，f a n t ( 1 9 9 3 ) 、t r i p p i 和t u r b a n ， k e y i n 、k a r y a n t a n 和m d o d y y k i a n g ( 1 9 9 2 ) ”3 采用了神经网络分析法分别对美国 公司和银行财务危机进行了预测，取得了一定的效果。我国学者杨保安、王春峰 等( 9 9 8 ) ”1 也在此领域进行了探索。然而神经网络的最大缺点是其工作的随机性 较强。因为要得到一个较好的神经网络结构，需要人为地去调试，非常耗费人力 与时间，因此应用受到了限制。a l t m a n ( 1 9 9 5 ) 在对神经弼络法和判别分析法的比 较研究中得出结论“神经网络分析方法在信贷风险识别和预测中的应用，并没有 实质性的优于线性判别模型”。另外，c h a t f i e l d ( 1 9 9 3 ) 在国际预测杂志发表 的题为“神经网络：预测的突破还是时髦”一文中对神经网络方法也只作了一般 性的评述叫。 b p 算法理论具有依据可靠，推导过程严谨、误差精度较高、通用性较好等 优点。但是b p 模型存在以下缺点：( 1 ) 收敛速度缓慢；( 2 ) 容易陷入局部极小值； ( 3 ) 难以确定隐含层节点的数目；( 4 ) 训练值与训练迭代的终止值关系很大，且没 有什么规律可循。 此外，遗传算法、线性规划、非参数统计方法也用于信用评分系统中( 见 t h o m a s ，2 0 0 0 等) 。 1 1 2 基于金融工程的信贷风险控制新模型 1 1 2 1 期限结构模型、死亡率模型、r a r o c 模型 1 期限结构模型。期限结构( t e r ms t r u c t u r e ) 模型的基本思想是通过对有 风险企业债券与无风险债券之间的利差( s p r e a d ) 的分析推估借款人的信用风险。 期限结构模型的早期文献见j o n h a r t ( 1 9 7 9 ) “，后来，i b e n 和l i t t e r m a n ( 1 9 8 9 ) 又进行了改进和发展。 2 k p m g 贷款分析系统。k p m g 把利率期限结构方法的基本思想应用于贷款的 估价与定价方面，并开发了贷款分析系统( l o a na n a l y s i ss y s t e m ，l a s ) “。这 类方法实际上是运用风险中性行为模式的预期利率来估计有风险资产的违约概 率即信用风险程度，因而也被称为风险中性评价方法( s a u n d e r s ，1 9 9 9 ) 。 3 死亡率模型。死亡率模型( m o r t a l i t yr a t em o d e l ) 的基本思想是通过分 析某一信用级别的债券或贷款的历史违约情况来推断和测度具有同一级别的金 融工具的信用风险程度。这类模型韵文献可见a l t m a n ( 1 9 8 9 ) “”，a 1 t m a n 及 s u g g i t t ( 2 0 0 0 ) “。3 和s a u n d e r s ( 1 9 9 9 ) 等。许多信用评级机构如穆迪( m o o d y s ) 、 标准普尔( s t a n d a r da n dp o o r s ) 等都采用并改进死亡率模型来分析债券类金融 工具的信用风险。目前这类模型用来分析贷款违约情况的主要困难是缺乏必要的 历史数据( a l t m a n ，1 9 8 9 ) 。 4 r a r o c 模型。r a r o c 模型意即经过风险调整的资本收益率( r i s k a d j u s t e d r e t u r no nc a p i t a l ) 模型。这类模型基于金融市场信息资料，在欧美被广泛应用。 该模型的主导思想是通过计算单位贷款的收益率并与基准比较来决定是否发放 贷款以及贷款定价。其表达式为： r a r o c = 贷款收益( 通常1 年) 贷款风险( 或风险舞本，c a p i t a la tr 坞k ) 其中分予反映了某项贷款1 年的预期收益，包括利差收益、手续费并扣除预 期损失( e x p e c t e dl o s s ) 及运营成本等，分母则是对不可预期的损失( u n e x p e o t e d l o s s ) 或风险资本的度量，其确定韵主要方法有美国银行托拉斯( b a n k e r st r u s t ) 开发韵基于金融市场的方法和美国银行( b a n ko fa m e r i c a ) 开发的基于历史或实 验的方法。前者是通过计算在下一年的市场价格向不利方向的变化来计量不可预 期的损失，后者则是通过基于历史违约数据的试验模型 ( e x p e r i e n t i a lm o d e l ) 。 如果计算得到某颈贷款的r a r o c 大于临界风险收益率( h u r d l er a t e ) ，则可以发 放贷款，蚕则疲拒绝。 1 1 2 2 删模型 以k m v 公司开发的循矧监测模型( g r e d i tm o n i t o tm o d e l ) 为代表的一类模型 被称为k b l v 类模型。这类模型的理论依据在很多方面与b l a c k s 和 s c h o l e s ( r 9 7 3 ) “，m e r t o n ( 1 9 7 4 ) 以及h u l l 和w h i t e ( 1 9 9 5 ) “”的期权定价模型相 似。因此也称作信用风硷的期权定价模型。b l a c ks c h o l e sm e r t o n ( b s m ) 系列定 价模型表明一家公司的破产概率取决于公司资产相对于其短期负债对的初始市 场价值和资产( 股票) 市价的波动率。当公司资产的市场( 清算) 价值低_ 于：其短期负 债价值，即资不抵债时，那么该公司实质上已经破产。1 9 9 3 年k m v 公司研究提 出的期望违约率( e x p e c t e dd e f a u l tf r e q u e n c y ，e d f ，模型也是基于这一理论1 。 模型的结构包含两种理论联系。其一是将股票价值看成是建立在公司资产价值上 的一个看涨期权；其二是公司股票价值波动率与公司资产价值变化之间的关系。 在实践中，通过观察在一定标准差( 资产市价与偿债价值的标准差) 水准上的公司 ( 其初始资产高于负债) 在一年内有多少比例的公司破产；以此来衡量任一具有同 样标准差公司的违约概率。由于资产市= 疽的估算又取诀于股价波动率的估算，因 此令人质疑的是估算的股价波动率是否可作为公司资产价值估算的可信指标。 1 1 2 3c r e d i t - v a r 模型 1 9 9 7 年以j p m o r g a n 为代表的几家著名的金融机构联合推出了 c r e d i t m e t r i c s 模型1 ”j ，该模型应用v a r ( v a l h ea tr i s k ) 分析框架对一些非上市 流通的资产如贷款、私募债券等进行估价和信用风险评价。运用这个模型可以估 算在出现不利睛况下贷款和贷款组合的损失( s a u n d e r s ，1 9 9 9 ) 。 用c r e d i t m e t r i c s 模型进行信用风险评价，要搜集借款人信用评级资料、信 用移位矩阵( c r e d i tm i g r a t i o nm a t r i x ) 、违约贷款的回收率( 如变卖抵押品等) 、 债券市场不同信用级别的债券收益差等资料，以估算方差( p o s i t i o n ) 和标准差， 进而计算贷款的v a r 值。其基本步骤是：一是构造信用移位矩阵。信用级别移位 矩阵是信用评级机构根据历史数据及其它债券的分析，预测债务人的信用评级由 一个级别向其它组别( 包括违约) 转变的概率。二是在考虑信用级别转移的基础上 估算各种信用转移可能性的贷款市场价值。三是计算v a r 值。首先计算未来1 年 各种可能的贷款市场价值的均值或预期价值；然后计算在正态分布假设下方差和 标准差，进而计算在一定置信水平下的v a r 值；再次，根据贷款市场价值的实际 分布，计算基于实际分布的v a r 值。 1 1 2 4c r e d i t r i s k + 模型 c r e d i t r i s k + 模型是由c s f p ( c r e d i ts u i s s ef i n a n c i a lp r o d u c t s ) 开发并于 1 9 9 7 年底推出的一个新的信用风险评价模型。该模型的主导思想源于保险( 特 别是火险) 精算学，即损失决定于灾害发生的频率和灾害发生时造成的损失或破 坏程度。精算思想可用于贷款信用评价，因为贷款组合的损失分布可以综合反映 贷款发生违约的频率和严重程度。该模型基于这样一些假设：贷款组合中任何单 项贷款违约与否是随机的；每项贷款发生违约的可能性是独立的，即任何两项贷 款发生违约的相关性为0 ，因而这个模型假设贷款组合中单项贷款的违约概率服 从p o s s i o n 分布“。该模型特别适合于对含有大量中小规模贷款组合信用风险分 析。 运用c r e d i t r i s k + 模型，一般要对贷款组合进行分档( b a n d s ) 。对于每一档， 要确定违约率服从p o s s i o n 分布的贷款违约概率和旦贷款发生违约金融机构 承担的损失，然后确定贷款组合损失的概率分布，进而确定一定置信水平下的可 能损失数额。 l i1 2 5 宏观经济模拟模型 m c k i n s e y 咨询公司开发了一个只用于衡量、评价违约风险的宏观经济模拟模 型c r e d i t p o r t f o l i ov i e w ( w i l s o n ，1 9 9 7 a 乜2 1 ，1 9 9 7 b o 。1 ) 。该模型是一个离散型 多时期模型，其中违约概率被看成一系列宏观经济变量如失业率、利率、经济增 长率、政府支出、汇率的函数。这种方法实质上是通过对宏观经济周期波动的态 势分析判断和评价信用周期进而评价信用风险。该模型通过模拟和构造在不同的 宏观经济形势下，一个国家不同产业不同信用级别的金融工具违约的联合条件概 率分布和位移概率，分析宏观经济形势变化与信用违约概率及位移概率的关系， 进而分析不同行业或部门不同信用级别的借款人的信用风险程度。 1 1 3 贷款组合风险控制模型 银行监管部门越来越多地重视贷款组合集中风险，银行机构信用风险管理也 从注视单项贷款的管理转向单项贷款和贷款组合兼顾，甚至把重点从微观水平转 向宏观水平( t h i b e a u l t ，1 9 9 9 ) ”“，因而贷款组合集中信用风险评价模型开发和 使用也越来越受到重视。实际上，大多数贷款组合信用风险评价模型都是对现代 组合理论( m o d e r np o r t f o l i ot h