信用风险度量模型的历史演进、发展动机与启示.doc

信用风险度量模型的历史演进、动因与启示摘要 本文首先将信用风险度量模型分成三类：古典分析模型、过渡模型和现代度量模型。接着分别描述了这三类模型典型代表并做出评论：比较了基于多元判别方法的线性模型和递归分类树模型；着重分析了几种信用等级迁移矩阵之间出现差异的原因；分析了CreditMetrics、KMV及CreditRisk+的理论基础和重要特点并进行了比较。本文指出信用风险度量模型历史演进的动力有三种：对原有模型假设、理论基础的质疑；决策需要；市场竞争结构与利润压力。对我们的有益启示是：改变传统的信用风险管理范式势在必行；要努力培育流动性好的债权资产交易市场；需要研究以信用风险衍生工具为核心的化解信用风险的金融工程方法。 关键词：信用风险度量、信用等级迁移矩阵、CreditMetrics 、KMV、CreditRisk+ The Evolution of Credit Risk Measurement Models, Incentives and Implications SHI xiao jun （Beijing University of Aeronautics and Astronautics; CCID） Abstract It is proposed that Credit risk models are classified into three categories: classic classification model, transition model, and modern measurement model. Typical models that can be representatives of these three ones and presented and analyzed. We compare DA and RPA models, analyzed differences among fours sets of rating migration matrixes, present insights of the foundation and intuitions of the three famous modern models. Incentives propel evolution are generalized as inquiry and doubts about the foundation, decision needs, competitions and profit press. The most important implications are we have to change, its important to foster a liquid market for debts, and its urgent to research on credit derivatives centered financial engineering method to deal with credit risk issues in China. Keywords: credit risk measurement/credit rating migration matrix/ CreditMetrics /KMV/CreditRisk+ 在过去20年里，信用风险的度量模型已有一个长足的发展，本文将回顾这段发展历史，揭示其背后基本哲学的演变及其对我国的启示意义。 信用风险度量模型分类 首先，我们将信用风险度量模型分成三类，即古典的信用分类模型；现代信用风险度量模型及它们之间的过渡模型。这种划分着重揭示了信用风险度量模型背后的思想的演变：古典的信用分析方法的特征可归纳为以下3点：1)古典的信用分析方法是一种按信用风险相对比较进行的分类，这个分类可以是二分法，比如Altman的Z计分系列、RPA分类、神经网络分类等，也可以是多分法，例如利用Z计分的不同大小可将信用分成类似于S&P及Moody的多个信用等级；但不论怎样，它们都只是一种序数（ordinal）的分类（更准确地说是一种排序），而并不能指出风险的大小。2)古典的信用风险分析是在单项资产基础上进行的信用风险大小分类。古典信用分析都是针对单项资产或单个受信人的，它会不可避免地导致信用风险集中问题 。3)古典信用分析通常是以会计信息作为数量分析基础，也就是说它是盯住帐面的，向后看的，假设历史在将来仍会重演。所谓的现代信用风险模型典型的代表有J.P. Morgan的CreditMetrics、KMV的EDF、CSFB的CreditRisk+等，它们的特点则与以上三点相对：1)它们都有关于信用风险大小的明确的定义，可以认为上面三种模型对风险的定义是类VaR（Value-at-risk）思想的，它们可以给出在一定定义框架下信用风险绝对大小的度量，所以可称它们是基数的（cardinal）。2)通常，关于企业有两大类数据可作分析的依据，一种是会计信息，它记录的是企业在历史上的表现；另一种则是公司的股票价格数据，它反映的是投资者（或整个市场）对该公司的未来的预期。与古典信用分析模型不同的是，现代信用风险模型要综合利用这两类信息，采用所谓盯住市场的思想。盯住市场的思想有其深刻的意义，它意味着银行在采用这样的风险度量模型时，经营战略要彻底改变。3)现代信用风险度量模型最显著地区别于古典信用分析方法的特点在于它是基于资产组合的基础之上的风险度量。这一点和盯住市场的思想一样，具有根本转变银行经营战略的深刻意义。那么，体现这两组相对思想转变过程的模型则可归入过渡类，其中最为重要的是Altman等人研究的信用等级迁移概率矩阵模型。在这个模型中明确地体现出了盯住市场的思想，并为CreditMetrics构造组合基础的度量框架奠定了基础。 在过去20年里，信用风险的度量模型的演进脉络大致可以归纳如下图1所示： 图1 信用风险度量模型演进的梗概 2古典信用分析模型：基于DA的多元线性模型与RPA方法 （1） Altman基于DA的多元线性模型 古典的多元线性模型是在Beaver（1967）开创性的研究基础上发展出来的，在学术界最为大家接受的是两类多元统计分析方法：一类是多元判别分析方法（DA），这是最为广泛接受的方法，代表人物是Altman；另外一种方法是非参数统计方法递归分类树（Recrusive Participating Tree Analysis，简称RPA），对这类方法尽管在后来的研究（Frydman 1989、张维 2000）中表明分类效率要高于DA，但它的影响并不及DA方法产生出来的Z，Z，Zeta影响大。 （2）DA与RPA的比较 关于RPA的操作步骤可参见Frydman 1989，张维 2000。这两篇文献均得出结论认为RPA分类准确度比DA要高。实际上，这个结果是由两种方法的分类过程及假设决定的。 首先，这两种方法都是贝叶斯分类过程（亦即从一个含有破产、非破产的样本总体中，抽取典型的子空间，由这个子空间的信息构建模型，然后再对总体中的其它随机事件 进行分类。亦即求 或 ，I代表破产、II代表破产）。而且在RPA中的重新代替风险和DA中的错分成本几乎是同一概念。 但是，对线性DA只有在假设样本服从正态分布及等协方差的条件下才具有最好的分类效率。这一点从下图2中可以直观地看出。 假设I：样本D（破产）及样本ND（非破产）服从正态分布、等协方差，在临界值为C时，则PND,D即将不破产的错分成破产的概率，即如图中B阴影区域的面积。如果我们改变假设，采用假设II，假定两个样本服从图中所示的偏斜分布，则PND,D变为A+B了，明显地比假设I条件下要大。不幸的是，很多情况下，假设I条件过于严格。而RPA是一种非参数方法，它对样本的分布没有任何要求，这使RPA比DA具有优势。 图 2 两种假设下的错分概率比较 第三点，RPA的分类是一种序贯的过程，也就是连续地重复分割；而DA是一次性的综合相关因素的分割过程。RPA的过程更近似于更有利于提高判断的效率。 3过渡模型：等级迁移概率矩阵 信用等级迁移矩阵(credit rating migration probability matrix)描述的是在一段时间内，债务人信用品质发生变化（上升或下降，违约仅是下降的一个极端情况，或用Markov链的术语来说违约是下降的一个吸收状态）而使它的信用等级由原始的等级转变为更好或更差的等级的概率。此时将受约于信用风险的资产因信用品质的变化而产生的结果不只简单地视为违约或不违约两种状态，而是根据市场的评价不断地确定它的信用状态，这里很显然包含了盯住市场的思想。如果说各等级的违约率的研究是出于一种很自然的想法，那么等级迁移概率矩阵这一研究则体现出信用风险管理思想的深刻改变，它意味着盯住市场观点的引入，而盯住市场思想背后意味着管理实践的变革：由对受约于信用风险的资产“购买持有”（buy-and-hold）的消极战略转向更积极的类似基金运作的交易策略，同时亦为信用衍生工具的使用奠定了基础。 关于信用等级迁移的研究的开拓性工作首先应归功于Altman等人的工作（1991a、1991b、1992a、1992b）；后来两个评级公司Moody和S&P也对此作了详细的研究（如Moodys 1997，S&P 1997），两家评级公司还会在一定时间内利用新的数据修订它们的报告。Altman的系列文章中使用的技术是Markov链模型（Altman和Kao 1991a）。 有意思的是对这3个研究结果的比较 ，表2给出了1年时期的四种（AAA, AA, A, BBB, BB, CCC）信用等级的迁移矩阵。 表2 四种信用等级迁移矩阵的比较（1年） Aaa/AAA Aa/AA A/A Baa/BBB Ba/BB B/B Caa/CCC Def. C/D RW AAA(A/K) 94.3 5.5 0.1 0.0 0.0 0.0 0.0 0.0 - Aaa(M) 88.3 6.2 1.0 0.2 0.0 0.0 0.0 0.0 4.3 AAA(S&P) 88.5 8.1 0.7 0.1 0.1 0.0 0.0 0.0 2.6 AA (A/K) 0.7 92.6 6.4 0.2 0.1 0.1 0.0 0.0 - Aa(M) 1.2 86.8 5.8 0.7 0.2 0.0 0.0 0.0 5.4 AA(S&P) 0.6 88.5 7.6 0.6 0.1 0.1 0.0 0.0 2.4 A(A/K) 0.0 2.6 92.1 4.7 0.3 0.2 0.0 0.0 - A(M) 0.7 2.3 86.1 4.7 0.6 0.1 0.0 0.0 6.0 A(S&P) 0.1 2.3 87.6 5.0 0.7 0.2 0.0 0.4 3.6 BBB(A/K) 0.0 0.0 5.5 90.0 2.8 1.0 0.1 0.3 - Baa(M) 0.0 0.3 3.9 82.5 4.7 0.6 0.1 0.3 7.7 BBB(S&P) 0.0 0.3 5.5 82.5 4.7 1.0 0.1 0.2 5.7 BB(A/K) 0.0 0.0 0.0 6.8 86.1 6.3 0.9 0.0 - Ba(M) 0.0 0.1 0.4 4.6 79.0 5.0 0.4 1.1 9.4 BB(S&P) 0.0 0.1 0.6 7.0 73.8 7.6 0.9 1.0 8.9 B(A/K) 0.0 0.0 0.2 1.6 1.7 93.7 1.7 1.1 - B(M) 0.0 0.0 0.1 0.6 5.8 3.1 3.5 10.5 7.8 B(S&P) 0.0 0.1 0.2 0.4 6.0 72.8 3.4 4.9 12.2 CCC(A/K) 0.0 0.0 0.0 0.0 0.0 2.8 92.5 4.6 - Caa(M) 0.0 0.0 0.0 0.3 1.3 5.3 71.9 12.4 8.8 CCC(S&P) 0.2 0.0 0.3 1.0 2.2 9.6 53.1 19.3 14.2 表中所有的数单位均为(%)。RW表示等级撤回率。 来源：A/KAltman and Kao1992a；b；MMoodys1996；S&PStandard and Poors1997； 我们比较两家评级公司的结果和Altman的结果，它们之间的差别是很明显的，Altman的结果相对于两个评级公司的结果而言，信用等级变迁程度更小。Altman 1998深入地分析了产生这种差异的原因，他认为这种差异产生的原因主要是由于3类研究中采用的样本及时间跨度不同引起的。表3归纳了Altman的方法及Moody、S&P的不同点。 表3 Altman方法及Moody、S&P方法的不同点 Altman和Kao Moody、S&P 时期跨度 1971-1989 Moody ：1970-1993；S&P：1981-1996 样本特点 从最初的信用等级自发行之日起追踪10年时期的的变化。 从某一时间起观察证券池在此后15年的变化，原始证券池中相同等级的证券可能有的是刚发行的，有的却是已发行多时的（seasoned）。 等级撤回* 样本中不包括信用等级撤回（Rating Withdrawm）的类型。 样本中包括了信用等级撤回的类型。 计算依据 以面值计算。 以发行人个数计算，不考虑发行额大小的计算。 *从Altman 1998a来看主要指债券赎回或回购两种情况。 （1）时期跨度不同的影响。 在不同的时期，由于宏观经济状况的不同，可能会使某一时期等级上升（或下降）的总体倾向要比另一个时期强，这就会使这两个时期评级结果的分布产生偏差。从历史记录可以看到，70年代的特点是等级上升甚于等级下降；19811995年则是每年的等级下降数比等级上升数多，自1992年开始逆转，每年上升数与下降数之比开始逐渐趋于相等，直到1996年出现相反情况，等级上升甚于等级下降。Altman的样本跨越70年代、 80年代，它们的上升、下降效果差不多刚好相抵消，所以表现出变化更积极一些（即相对于两家评级公司的结果，保持原有等级以及向更好的等级迁移的可能性更大一些）。而S&P和Moody的跨期（尤其是S&P）基本上都是处在下降趋势更强的单向周期中，则表现出的结果是向低于原始等级的等级迁移的概率更大一些。我们从表2中可以得到证实，如Moody或S&P计算的AAA级向AAA级及其以下等级迁移的概率均大于A/K的结果， AAA级向AA迁移，A/K的概率为5.5%，S&P则为8.1%，Moody的则为6.2%。其它等级均基本一致地反映出这个规律。 （2）发行年龄效应的影响 更重要的原因在于样本的不同：由于表3中2)、3)两点指出的“发行年龄效应”及“等级撤回效应”。Altman指出：对于刚发行的债券，在初始几年内由于有较宽裕的现金（发行收入），所以不大可能出现违约现象（所以发行年龄效应同样适用于违约率分析），但是从盯住市场的观点来看，在此期间并不是没有出现信用品质的迁移，从理论上来讲出现信用品质迁移就应体现为信用等级的变化，但是我们在市场中观察到的信用等级变化都是由评级公司或银行评级审查小组完成的，而不是随的信用品质的变迁而自动显示的，所以从市场观察信用等级变化要考虑到评级公司的实践。通常，在刚发行的几年内，即使等级较低的债券也能偿息，所以，评级公司通常不会改变其信用等级的。而只有到了一定时间以后，信用品质的变迁逐渐累积形成明显的市场表现，此时评级公司才会针对市场反应更改评级。所以，发行年龄的效果使刚发行的债券在最初的几年中保持原来等级的概率更大，向更差的等级迁移的概率也更小。或者说已发行多时的债券的等级变迁概率要大于刚发行的同等级债券。由前文可知Altman的样本是自债券的发行日起追踪其等级变迁的；Moody和S&P的样本中同一等级债券有一部分却是已发行多时的债券，因此Altman计算的结果就会表现为保持原等级的概率高于其它两类研究，同时，须指出的是，发行年龄效应只在刚发行后几年内起作用，5年之后这个作用就不明显了。 （3）等级撤回效应的影响 等级撤回效应是指某些债券由于种种原因（如提前偿付、公司赎回、到期偿还等）在样本的考察期从样本中消失的情况。在Moody和S&P样本中包括了这类可撤回债券，但他们对撤回效果未做必要的调整，这也是使S&P，Moody的结果中保持原等级的概率应更小一些，变动性更大一些的原因之一。Altman的样本中没有包含这类债券，他的结果保持原有等级的概率更大一些，变动性更小一些。Altman2000用跨期相同的5年期等级迁移概率对此作了验证，由于此时已经可以不考虑发行年龄效应了，将Moody或S&P的保持原等级的概率加上等级撤出率，其结果应与Altman结果中保持原等级的概率相近，通过验证，果然如此。 4现代信用风险度量模型 （1）CreditMetrics与KMV 现代信用风险度量模型的典型代表有J.P. Morgan的CreditMetrics、KMV的EDF、CSFB的CreditRisk+。CreditMetrics、KMV模型有着共同的理论基础，它们都以Robert Merton于1974年在金融学杂志上发表的关于公司债务的定价：利率的风险结构开创的从期权的角度来理解债权、债务关系的经典方法为基础。把所有者权益可以看成是一种买入期权，而债权可以看成是债权人卖出一个卖权。违约就相当于公司所有者执行卖权。这两个模型有着几乎相同的框架，见图3。这两个模型直接继承了古典信用分析和过渡模型的成果，集中地体现在CreditMetrics“关于信用风险的受险值”的模块中（见图3），不仅要用到古典信用评级的结果来确定信用利差，同时还要运用到信用等级迁移矩阵的结果来确定各个资产在一个时间范围内因为信用品质的变迁导致的资产价值的变化，这里体现出与信用等级迁移矩阵相伴随的盯住市场的思想，同时为了求出所有资产的组合的信用风险，还要考虑资产之间的相关性以及可能风险损失的大小，这就是相关性和风险暴露两个模块要解决的问题。这里体现了组合的思想而不仅仅是对单个资产的分析。 CreditMetrics与KMV的根本不同在于：CreditMetrics在求由一个信用等级（如BB）向某一个信用等级迁移的概率时，直接使用“概率迁移矩阵”的经验结果，要借助于信用评级机构的历史数据来做经验估计（如表2中M、S&P、A/K）。它需要假设所有的同一等级的债务都有相同的信用品质变迁的行为特征，这当然是一个很强的假设。而KMV的方法则是利用股票交易数据来估计信用等级的迁移矩阵、资产价值及波动性等。KMV在运算过程中有几个特殊的地方，第一，它要通过股票的价格变化数据，利用期权公式反算出公司资产的价值及波动性，因为公司的资产价值的运动规律是无法直接观察到的（这是由于公司的债务工具通常不能积极地交易，市场价值不易观察），而这种几乎完全依赖于股票价格数据的方法很显然会引出一个问题，对于非上市公司如何运用这种方法呢？第二，KMV不直接度量股票价格的波动性，而是采取一种递归算法；第三，KMV的价值计算不是采用简单的现金流折现估值模型，而是采用风险中性定价方法；第四，KMV使用一个重要的变量DD（default distance，违约距离），使之可以构建起一个完全类同于CreditMetrics的框架。 图3 CreditMetrics的框架 来源：J.P. Morgan CreditMetricsTM Technical Document，April 1997。 （2）CreditRisk+ CreditRisk+是Credit Sussie Financial Products于1993年着手开发并于1996年公开推出的信用风险度量及组合管理框架。它是一种基于保险精算技术的信用风险度量方法。CreditRisk+几乎是完全从概率论的基本方法出发推导出损失的概率分布，它完全不要对违约发生的原因作假设，这使它具有相当的一般性，也使它的假设及数据要求降到最小。 对银行而言，它们持有的债权型资产组合大致可以分成这样几类：一是诸如消费者信贷资产、公司债券等的组合，这样的资产组合的特征是资产数目大，名义值较小，单个资产违约概率较小，违约后果即损失并不严重；第二类资产组合是企业贷款资产组合，它的特征是资产数目大，单项资产违约概率小，违约损失严重；第三类资产组合是信用证、贷款承诺、互换等衍生工具的组合，它的特点是数目相对较少，单项资产的风险暴露通常较大，违约概率较小。显然，对第一类组合的违约风险，很类似于人寿保险单组合的赔偿；而第二类资产的违约风险则更象事故险单的赔偿；但对第三类资产组合而言，实际上不宜用保险的模型来类似。同时注意到，信用风险的主要对象仍是债权型工具，尽管第三类或有债权型工具的影响甚巨（如宝洁、德国金属总公司、巴林等事件），但它对信用风险的影响仍次于第一类、第二类。所以，人们很容易想到运用保险精算的方法来对信用风险建模。与保险精算最为接近的，人们会想到首先求出组合中违约资产个数的概率，即在一段时间内有多少个债务人可能会违约呢？（类似于寿险中求可能死亡人数）；对这些债务人的风险暴露是多大呢？（注意这里的风险暴露又是经过挽回率调整的值）（类似于寿险中保险单的索赔额）？综合地看，这些可能的违约事件带来的损失是多少呢？很显然，在这种基于精算方法的模型中，对违约事件的发生原因没有任何假设，只是认为它是事件的一种状态而已。这当然是CreditRisk+的一个重要的特征和优势。 在对信用资产组合的风险度量中很关键的一点是如何体现出组合中各项资产之间的违约相关？或者说如何解决这样的问题：资产组合的总的违约风险并不等于各项资产的违约风险之和，对这种差异如何处理呢？CreditRisk+中没有违约原因的假设，所以不能象CreditMetrics或KMV那样用违约原因要素之间的相关性来代替违约相关性。信用风险与宏观经济因素之间的相关性是解决这个问题的一个重要途径。实际上，宏观经济因素的个数都是有限的，两项资产的违约都会受到这些为数不多的宏观经济因素的影响，那么通过这些宏观经济因素的中间连接，可以分析出各项资产之间的违约相关性。这也是它区别于其它模型的重要特点之一。 （3）比较 （1）CreditMetrics、KMV及CreditRisk+都是在获得组合的价值分布的基础上确定信用风险大小，而不是简单的分类，它们的结果都能够清晰地反映出信用风险偏斜分布的特征。 （2）CreditRisk+由于只假设了两种状态（违约还是不违约），因而它要求的数据相对较少，但CreditMetrics、KMV则需要大量的历史数据，包括信用等级迁移矩阵、挽回率、信用利差等。 （3）CreditRisk+的框架中考虑到了违约率的波动性，明确地用部门分析方法表达了宏观因素波动是违约率波动的起因的思想。但是CreditMetrics没有能够考虑到在不同的宏观经济条件下，信用等级的迁移会出现波动，而不是一直按照由评级公司的历史数据得到的等级迁移矩阵发生等级的变迁。这是CreditMetrics最大的缺点之一，削弱了它充分体现盯住市场的特点。 （4）由于CreditRisk+假设只有两种状态，就不能表达资产处于其它信用等级时的信息，则至少不能很好地盯住市场；CreditMetric则清晰地表达了盯住市场的思路，不仅表现在多种信用等级状态之间的迁移，还表现在不同信用等级采用不同信用利差对资产价值的估计模型中。 （5）CreditMetric对组合的思想极为清晰地体现在需要将资产之间信用等级迁移相关性及违约相关性作为输入数据，CreditRisk+则不是直接要求输入相关性数据，而是认为求出条件于宏观因素的违约率，就隐含了违约相关性。 综合地看，CreditMetric是一个很完整的现代信用风险度量的框架，而CreditRisk+在技术上很好地体现出信用风险的特征，但不是一个很好的框架。因此本文建议在我国采用现代信用风险度量模型的时候，在CreditMetrics框架的基础上，吸收CreditRisk+的方法着重对CreditMetrics的缺陷进行修正，使之更加完善。 5 演进的动力 （1）对原有模型假设、理论基础的质疑 通常，人们要对已有的模型进行改进，总会先从原有模型的假设是否过于严格、理论基础是否坚实可靠入手。在古典分析中，由基于会计信息的多元判别模型向RPA或神经网络方法演变即是一例。尽管Altman提出的Z计分模型系列的判别效率较高，但人们认为它们的假设前提不合实际：第一，这些模型是线性模型，但现实世界中非线性才是更普遍的现实；第二，线性DA方法在样本服从正态分布、等协方差等严格的假设的条件下才最有效率；第三，这些模型主要依赖于会计信息，但会计信息反映的是历史信息，而信用分析考虑的是受信方未来的状况，这就要假设历史反应未来，或未来会重演历史。人们针对第一个假设提出使用神经网络方法，这是一种典型的非线性分类方法，但是Altman等 1994的研究表明基于会计信息的神经网络方法虽然从理论上讲能够非线性地反映现实世界，但它们的实际效率并不比多元线性判别模型强。甚至，Altman等在构建Zeta模型时比较了线性判别函数及二次判别函数的效率，令人奇怪的是线性的形式比二次形式分类效果要强（Altman 1995）。针对第二类假设人们提出用RPA的非参数方法，它对样本没有任何分布要求，文献表明RPA的效率的确比DA强。针对第三点假设，人们开发出基于市场信息的信用风险模型，因为股票市场的信息反映了所有投资者对该企业未来预期的综合。这就引出了以KMV模型为代表的基于期权的方法，但这在1968（Altman构建Z模型的时候）年时这是不可能的，因为那时人们还没有研究利率期限结构和期权的理论工具。所以，在信用风险模型发展演进过程中，金融理论的发展及计算机等信息技术的发展也是一个重要的推动力。 古典信用分析模型最为诟病的是它缺乏一个严格的令人信服的理论基础，在相当程度上古典信用模型是就事论事（ad hoc）的。这也是为什么神经网络模型的假设更贴近实际而效果却不比DA好的根本原因；同样，我们甚至可以断言，RPA在不同样本情形下，效果也不一定总比DA好。所以，人们在构建现代信用风险度量模型时，总会将模型放置于较为坚实的理论基础上，CreditMetric和KMVs EDF均是以Merton 1974开创性研究为基础的；CreditRisk+是以精算技术为基础的。 （2）决策需要 从固定收入证券基金投资者及商业银行管理者决策的角度来看，古典的分类结果提供的信息不足以进行量化的管理，因为这些机构利用古典模型无法确知他们持有资产在未来一段时间内的预期损失到底可能会有多大？各种等级资产的预期损失和收益的权衡怎样？机构是否能够承受预期损失以及未预期到的损失？要回答这些问题就必须要给出信用风险的绝对度量，当然这时就会涉及到风险度量的哲学了，比如是定义风险为可能的预期损失还是未预期到的损失等，但不论是哪种定义，对风险度量的基本要素都是基本相同的，这就很自然地引起人们对某个信用等级的迁移概率、预期违约率、违约时的挽回率等问题的研究，亦即本文中所谓的过渡性研究，或更直接地说，是对信用风险度量要素的研究。当这些要素研究清楚后，在一定的哲学指导下，将这些要素按不同的技术方式“组装”起来即得到不同定义下的风险度量。 （3）市场竞争结构与利润压力 信用市场参与者的结构性变化带来的影响是深刻的。在国际上的信用市场中，由单一的银行作为主要信用提供的角色正在改变，许多保险公司、养老基金等金融机构也逐渐进入这个市场，由于它们实施更为积极的资产管理，使这些金融机构的效率通常比传统的商业银行高，从而能给投资者更具吸引力的风险收益结构。因此，由于这些机构的进入使得商业银行一方面失去了一部分市场份额，另一方面由于积极管理的金融机构能在很薄的利差情况下仍赢利，使得整个信用市场的利润水平下降，而商业银行相当处于高成本的状况，在追求赢利的压力之下，商业银行必须要改变其传统的资产生成和管理方式。首先就是要改变传统的盯住帐面的信用分析方式，而是要改变为盯住市场的方式，自资产生成之后即动态的追踪该项资产的市场表现，权衡本企业的风险承受能力及风险收益比较，在恰当的时候应能将资产转移给其它投资者，这样可以避免资产一直保留在帐面上，在受信方信用品质不断下降的情况下仍承受可能损失的风险，在超过风险承受能力的时候及时地将该项资产转移给具有更大风险承受能力的投资者（他当然会因此而获得更大的收益）；第二点可以抓住市场中的套利机会获得更多的收益。盯住市场的管理当然就会要求盯住市场的信用风险度量模型，只有这样的模型才能权衡风险大小及风险收益对比。这就使人们设法克服古典模型中盯住帐面的缺陷，而综合信用历史的和市场的数据，这就带来了由古典向现代的盯住市场特点的演变。其次，我们知道“盯住帐面”的思想对应的是“贷款资产生成持有”的战略；而“盯住市场”思想对应的则是积极的组合管理。这就是说商业银行对资产的管理应更象基金那样，才能在竞争中生存5。因此，资产的组合管理则成为商业银行投资战略转变的根本取向。那么由古典的单项资产基础上的信用分析向基于组合的风险度量的演变则成为理所当然的事情6。 6 启示 （1）改变传统的信用管理范式势在必行 信用市场上竞争的局面是不可避免的，商业银行要在新的竞争中生存，从长远来看，不改变传统的资产管理策略是难乎为继的（难怪Bodie Zivi教授曾从金融市场功能的观点出发偏激地认为传统意义上的商业银行会消失，见廖理 2000）。而新的战略转变方向，首先是盯住市场，第二是组合管理。组合管理的基础在于组合的信用风险度量，所以，首先商业银行应首先建立起自身的组合风险度量模型，有了这个基础才能对资产进行积极的组合管理。这就意味着在中国，商业银行应开始着手建设组合信用风险度量模型，而不能仅仅停留在5级分类的古典分析方法上。 （2）要努力培育流动性好的债权资产交易市场 盯住市场或组合管理这两个转变的前提都需要一个流动性好的受约于信用风险资产交易市场。对债券而言，即为资本市场中的债券市场；对企业应收帐款而言，则是要有流动性好的商业票据市场；对银行贷款而言，则是需要流动性好的贷款二级市场或信用衍生工具交易市场。建设这样的市场具有很重要的战略意义：首先，缺乏这样的市场，商业银行等金融机构实则无法进行真正的信用风险管理；其次，只有建立起这样的市场才能培育出愿意并能够承载信用风险的投资主体，如果缺乏投资者或者说承载风险的人，则风险转移的策略则得不到实施；再次，更重要的是，有了这样的市场才能更有效地、快速地反映出受信企业的信用信息，流动的市场揭示的信息能大大地降低过去授信与受信方信息的不对称度，正如股市能高效地揭示企业价值一样，这是一种可能最有效的信息不对称矫正机制。信息不对称得到矫正，整体的信用风险就得到下降，银行自然能够利用这种机制降低自身资产组合的信用风险，长此以往，市场越有效率，为信用风险管理提供的信息越充分，产生不良资产的可能性也就大大地降低了，所以这个机制对不良资产增量的平抑具有着长远的决定性意义；最后一点，由于投资公众、银行利用市场机制对企业的信用信息有更多的了解，这反过来对企业本身也产生一种约束作用，激励它尽力保持信用水平，此时主观的人为的信用风险（或可视为道德风险的一种）一定可以得到最大的抑制。因此，这个市场还可以是一个全社会的信用监督机制。 （3）需要研究以信用风险衍生工具为核心的化解信用风险的金融工程方法 积极的组合管理实则无非是如何从组合的角度对某项资产的风险收益比较，如果不符合自身的偏好和能力，那就将该项资产的风险转移出资产负债表，让市场中有能力而且愿意承受该风险的投资者接受。反之，如果情况相反，则购入资产组合。对于商业银行有它自身的特点，现代商业银行的运作大部分可视为是“关系贷款”，所以银行和某个重要客户的关系同样是银行的重要资产；所以，有时银行不能象基金那样毫无顾忌地买卖资产，它必须设法维持这种关系。此时，它即使在存在流动性好的贷款二级市场的情况下，银行也不会直接将重要客户的不良贷款资产通过市场交易。此时需要采用另外一种转移风险的手段，即使用信用衍生工具，它能使客户保留在银行的资产负债表上，而仅将资产的风险剥离出来拿到市场中交易，它可使银行在保证维护客户关系的同时免受不良资产的严重损失。因此，在商业银行的组合管理中，信用衍生工具（以及其它结构化金融产品）也是一定会要使用的。另外，尤其是在二级贷款直接交易市场尚未建立的情况下，要利用资本市场的其它分块来实现信用风险的组合管理，必然要采用信用衍生工具或结构化金融等金融工程手段才能将信用风险转移到资本市场中。所以，在中国，研究不良信用资产的金融工程解决方法具有很现实的意义。 主要参考文献： 1、张维. 2000. 递归分类树在信用风险分析中的应用. 系统工程理论与实践,11 3、考欧特等著，石晓军等译. 演进着的信用风险管理金融领域面临的巨大挑战.机械工业出版社, 2001 4、廖理等著. 1999. 探求智慧之旅哈佛、麻省理工著名经济学家访谈录. 北京：北京大学出版社 CSFB. 1996. CreditRisk+. 5、Altman, E. I., et al. 1992a. Rating drift of high yield bonds. Journal of Fixed Income. (March) 1520 6、Altman, E. I., et al. 1992b. The implication of corporate bond ratings drift. Financial Analyst Journal (May/June) 6475 7、Altman, E. I. 1995. Predicting financial distress of companies: revisiting the Z-Score and Zeta models. Paper especially prepared for the Korean Institute of Finance Conference on Bank Credit Risk Management, Seoul, Korea, June 8、Altman, E. I., 1998a. The importance and subtlety of credit rating migration. Journal of Banking and Finance 22 12311247 9、Moodys 1996. Corporate bond default and default rates, 19201996, January, Solomon Brothers,Inc.,1996 10、Standard and Poors 1997. Ratings performance 1996:stability and transition, S&Ps , NY 11、J P Morgan, 1997. CreditMetrics Technical Document. 12、Crosbie, P. J. 1999. Modeling default risk. KMV Corporation 石晓军 (北京，北京航空航天大学经济管理学院优先资助领域的论证报告(一)管理科学与工程学科 5.评价的理论与方法研究本领域有三个重点支持方向 5.1 企业评价研究 研究意义我国现代企业制度的建立和规范，迫切需要一套科学完善的企业效绩评价体系，它将在企业效益评价、企业经营者业绩评估、企业人事考核、金融信贷管理、企业管理诊断等方面发挥积极作用。现代企业制度下企业的可持续发展必须解决好委托-代理的矛盾，而企业效绩评价是解决这一制约性矛盾的有效方法。随着我国市场经济体系的不断发展和完善，企业已成为市场经济的主体。如何评判经营者的经营业绩，如何有效激励和约束经营者，成为企业所有者十分关注的课题。目前我国国有企业的业绩评价制度，主要采用财政部、国家经贸委、人事部和国家计委联合颁布的效绩评价体系。该评价体系的不足之处在于：在指标体系上偏重财务指标，不能反映企业效绩的全貌，全面性差；在理论层次上，缺乏成熟理论体系支撑，对企业效绩的评价侧重事后定量分析，预警性差；在实践层次上，行业分析和实证分析不足，针对性差；在考核者主体上不够明确，主要侧重国家管理者角度，效绩评价的结果难以获得经营者的认可，权威性差。目前国际国内理论界的研究只是涉及到某一专业或某个局部问题，并没有宏观的、全方位的、多学科融合的系统化研究成果出现。与现代企业制度相适应的企业效绩评价体系，可以从所有者、债权人、工会、政府管理者多个角度进行评价。从不同的角度，利用不同的指标进行评价得出的结论服务于不同的目的。然而，从所有者角度进行效绩评价是一个最重要的方面。该角度进行的评价需要从企业组织效率、竞争能力、财务能力、创新能力、持续发展能力等全方位综合进行，以反映整个企业的运作效率，是融合财务管理、企业管理、管理科学与工程、经济学多门学科的边缘性研究课题。这一庞大的决策支持系统的研究程序要经过理论研究、方法研究、实证分析三个层次，得出的结论是以大量实证材料为基础的，具有理论性、全面性、事后分析与前瞻评估、针对性、权威性、可操作性等特点。这将需要新的理论体系支撑，如委托代理理论、组织效率理论、财务评价理论、数据包络分析(DEA)理论、价值工程理论等。该评价理论与方法的研究对我国实施市场经济战略有突出的实践指导意义，对国有资本及其它所有者资本的增值考核具有重大的指导意义，可以为国家选拨和评价经营者提供重要理论依据。对这一课题的深入研究，将取得具有重要理论意义和实践意义的研究成果，必将为管理科学拓展新的研究空间。研究现状所谓企业效绩评价，是指对企业资本运营效益和经营者业绩评估的简称。它需要综合运用数理统计学、经济计量学、经济学、会计学、财务管理学、工商管理学等多学科理论与方法，采用市场经济下通用的企业经营考核指标体系，参照预先测算的行业标准值，对企业一定经营期间资本运营效益和经营者业绩进行全面和科学的定性定量分析，作出客观、公正、权威、准确的综合评价。目前，西方国家主要运用杜邦财务分析体系和沃尔比重评分法对企业财务状况和经营成果进行综合评价，有一套较为成熟的方法体系。但杜邦财务分析体系和沃尔比重评分法侧重于财务方面，而且以事后评价为主，有一定的局限性。近年来，有学者提出用经济增加值（EVA）和平衡记分卡等办法来评价企业经营业绩，但可比性较差，而且过于强调企业短期经营业绩。在技术效率、组织效率、生产效率、创新能力、核心竞争能力评价方面也有一些研究成果，但较为分散，且指标体系不建全。在企业财务失败的预警方面，国外有立面分析、概率模型、小企业模型、范式确认等成果，其中比较有代表性的是F预警模型和Z预警模型。但是，这些成果有局限性，只能考核企业效绩的某个方面和某个环节。我国对企业效绩评价的研究自20世纪90年代以来逐步有一些成果问世，如上市公司业绩的主成份评价法、企业财务状况综合评价的层次分析法等，但企业效绩评价的综合性成果尚未见到。由于我国建立市场经济的时间尚短，企业效绩评价的重要性尚未引起理论界和企业界的足够重视，无论在研究深度还是广度上，均有待进一步深化和拓展。主要科学问题举例 企业效绩评价的基本理论与方法体系 所有者对经营者业绩评价的侧重点与数学模型 效绩评价与企业预警 效绩评价的行业差异与实证研究 效绩评价与所有者的监控制度 效绩评价与对经营者的奖惩制度 企业效绩评价的国际比较研究 企业效绩评价计算机支持系统开发5.2 信用评价的理论与方法研究意义金融管理中的一个核心问题是风险管理，其中一类最为重要的风险是信用风险。所谓信用，是指一种建立在对受信人在特定的期限内付款或还款承诺的信任基础上的能力，它使后者无须付现就可以获取商品、劳务或资金。信用是从属于商品和货币关系的一个经济范畴，从某种意义上来说，市场经济是一种建立在错综复杂的信用关系基础上的经济。为了控制信用风险，任何现代社会都需要一整套严格的信用评估体系来支撑市场经济。因此，正确评价信用以及信用等级的变化在金融风险管理中是非常重要的。信用评价理论是金融学和管理学等多学科交叉的领域，也是财会学、应用数学和计算机科学、信息技术等应用于风险管理和资产管理的实用学科。发展这一学科，推动这一学科的应用，对于如何防范、化解、控制和驾驭金融风险，无论在理论上，还是在实践中都有重要意义，是一个带有基础性的重大问题。防范和化解金融风险，是我国金融工作的首要任务。对于银行系统和证券系统而言，防范和化解金融风险的一个重要环节是依据现代金融管理理论，包括信用评价的理论和方法建立科学和实用的商业银行信贷信用管理和风险控制系统。这样的系统有利于规范信贷项目的选择过程和信贷工作人员的行为，优化信贷资产组合，追踪并监控信贷资产的质量及其变化，及时发现并处置风险因素和违规行为，防止出现不良