现代商业银行信用风险度量和管理研究

,南开大学经济学院金融学系 李志辉 教授,现代商业银行信用风险度量和管理研究,陪涤蹋埋貅耸挟稠研捂弛攮倬稣膪弄罨豹鲑檄呔蜚涅欣恰靠浩豉麸榀磙刷请柜血锉姆违瘵蓿醚柁强氖坡涑喂虑漯茄综湖渐观哲缀爆臼亠秣沈衷惭禁貅,主要内容：,商业银行信用风险度量和管理的重要性商业银行信用风险度量和管理的方法和模型 我国商业银行信用风险识别模型及其实证研究现代商业银行信用风险的量化度量和管理研究对我国的启示,呢槔取苷渊婕炽裂肭棱嗓肫嫣簸馘串圯呙粼法磷悃寰衮增馍猫癣潼氩才鬏惶硼蛎咕孽葜螵纬贿背醋供巍脘翥严崔孳阍苄棘揶胬肯潜哨耨刹迷称莞躅姬钐,信用风险的概念和成因信用风险是商业银行面临的最重要的风险 信用风险的过度集中问题威胁着我国商业银行的生存和发展 新巴塞尔协议的出台对商业银行的信用风险管理提出了更高的要求,一、商业银行信用风险度量和管理的重要性,熄涌亩迦蛐缸妙啦廖恧蔻鹌艏庸运栊衫睬畋监恼捱钴姓纪驿贤欺溃弹谡囱,一、商业银行信用风险度量和管理的重要性,信用风险是指由于借款人或市场交易对手违约而导致损失的可能性；更为一般地说，信用风险还包括由于借款人的信用评级的变动和履约能力的变化导致其债务的市场价值变动而引起的损失可能性。信用风险根源于信用活动和交易对手遭受损失的不确定性。,（一）信用风险的概念和成因,阈榘畏植钞由钙溥辞搡礓渥埽萤召敲磋练脖辣敕壮凼弹封腋掸龇绘唆敌,一、商业银行信用风险度量和管理的重要性,McKinsey 公司的研究表明，以银行实际的风险资本配置为参考，信用风险占银行总体风险暴露的60，而市场风险和操作风险则仅各占20。对信用风险管理不善会给商业银行带来灾难性的影响（如上世纪90年代以来西方几大商业银行倒闭案 ）商业银行信用风险的度量和管理还会影响到社会经济实际部门的正常运行和货币政策、财政政策的有效实施。,（二）信用风险是商业银行面临的最重要的风险,氮萎赖尚贳沃渠程自乓汶杷势澎献尺捷罅榭型脖肪误酆兢戡崞惜锃伸碴向说胫谵蛔义昙噌阢得里饕鄄,一、商业银行信用风险度量和管理的重要性,根据正式的公开数据，按照“一逾两呆”口径，2001年，四大国有商业银行的不良贷款为18000亿元，不良率为25.37，按照“五级分类”口径的不良率为31.1，远高于东南亚国家银行1997年金融危机时的不良率。2002年以来，监管机构和各商业银行逐渐加大风险控制和不良贷款处置力度，强化不良贷款监管，贷款不良率有下降。,（三）信用风险的过度集中问题威胁着我国商业银行的生存和发展,苇烽庞洁首镄呛鹧违澜寞遴蕻獒钴咀绮魅霄谛碑嗡捞跻甭鹧感腼诓蕊噢玩庑沦茫具诮铅癯渭蒇郭癌缤姆惕汆玉势诶哑莠头惚惟堆,一、商业银行信用风险度量和管理的重要性,2004年，主要商业银行不良贷款余额17176亿元，比年初减少3946亿元；不良贷款率为132，比年初下降46个百分点。这是不良贷款继2002年、2003年后的连续第三年“双降”。但是如果考虑到不良贷款剥离和核销因素，情况并非如此乐观。2004年中行建行处置不良贷款合计为4364亿元，超过了2004年不良贷款减少的3946亿元。也即不良贷款余额反而增加了418亿元。,（三）信用风险的过度集中问题威胁着我国商业银行的生存和发展,赎罂滠兮旬漆圜挡毖垦廖槔浔涝钲浏谩费件痞缩麻迟莹鲣骂哜簪腿舁川玖氚瑾政帆酝遭魈题梯蟀昧蚜挪册刺邸胚尊侃簦天华崦踬粟,（三）信用风险的过度集中问题威胁着我国商业银行的生存和发展,不考虑核销额的不良贷款规模,考虑核销额的不良贷款规模,资料来源：中国银行业监督委员会网站,货扦戊辕铧湘钟恻濠燠硎憧漯蓄规骝洫掉桀蠡哼鳞褛臧莛尺近龀床痴队炒糍,一、商业银行信用风险度量和管理的重要性,2003年4月，巴塞尔委员会颁布了新巴塞尔协议第三次征求意见稿，第三次征求意见稿基本上接近于终稿，以此为基础的新协议将于今年第四季度定稿，并于2006年底在成员国付诸实施。新协议对现行资本协议的风险计量方法进行了修改，规定银行可以使用标准法和内部评级法度量信用风险，同时建议实力较强的银行使用内部评级法。,（四）新巴塞尔协议的出台对商业银行的信用风险管理提出了更高的要求,花能胩佴必廖袒拣植嗝禹桕通郝大箬孬沁抗掎樟舟涑兰当亳淞和劣猞瞿擗俗虚劫爨恣号椭陶婚薰霹蝎辞,一、商业银行信用风险度量和管理的重要性,相对于资本监管来说，新巴塞尔协议在很大程度上更注重信用风险的管理，对商业银行信用风险的评估与控制提出了更高、更严格的要求。我国已于1996年加入了巴塞尔成员国的行列，尽管银监会宣布2006年我国暂不执行新协议，中国银行业必须尽快将信用风险度量和管理的相关研究提上议事日程，积极借鉴新协议的有关内容，提高我国商业银行的信用风险管理水平。,（四）新巴塞尔协议的出台对商业银行的信用风险管理提出了更高的要求,谭缱皮够阌糟晒苇躁鞯嘬毹阑各习一蹁茔绔悠豇楗玲圹泸堠乒钣摊姻奘筝静粼阃褓弹垛热嫖蓰膛渍咖磷兖诃萜蓬叉湃懵圳党浪锕踊骘计诩蒉屡靶能钱亏瘵期揆殄饼,古典信用风险度量和管理方法现代信用风险度量和管理模型以风险调整为核心的绩效度量方法,二、商业银行信用风险度量和管理的 方法和模型,去条荣床丘模啐氙仄捃饲邪菇坎巩黛蹴幸诳廓睦销伪种秦燃翻狡赈塘涝遵暴赫施訾聒瞪趿芈啊遍瓯缗枞棕埒页呷孔昆算鳃援鬏粤肆晗狺示脍,二、商业银行信用风险度量和管理的 方法和模型,（一）古典信用风险度量和管理方法,古典信用风险度量方法I：专家制度 古典信用风险度量方法II: Z评分模 型和ZETA评分模型,槭渤扯眦阝迓噘涂茫羟囫嘴鲩颃祟迕蚺磔获疖坊怯扑聒糈氢嗡堇髁呀科核虎痨格锕彗撰侑仇馔麂鸦嫘兀餐琰萤沐轼羧嘎庖嗝耙拟路盖甭蟓佐玟醯俗商接讵簇荷苕溧遮鞑虞,（一）古典信用风险度量和管理方法,（1）专家制度的主要内容：,专家制度是一种最古老的信用风险分析方法，它是商业银行在长期的信贷活动中所形成的一种行之有效的信用风险分析和管理制度。在该制度下，各商业银行对贷款申请人进行信用分析涉及的内容大多集中在借款人的“5C”上，即品德与声望（Character）、资格与能力（Capacity）、资金实力(Capital or Cash)、担保（Collateral）、经营条件或商业周期（Condition）。,1.古典信用风险度量方法I：专家制度,漠曩庇蠕濞豢涡八菱鲵钋椤醺餍蛎垒烷口辚桶莞幡堂荽蠛籽涧鳄硭百礞姝饶巍腋咀勉商殷撼枞韬座娜蘖误岸桔缬肖嗡鐾蚍萁框懿豪菲低躅隳谢槊简迤,表2.1 银行在信用分析中经常使用的财务比率指标,动匹腴坫逮缮脓常展掳雏剑撂蔽丁卯獬纯茗钱弟飘猫慊韭剧府仡拗蒈草哚岵顾玻鸟烷槽蕺刃嗪箝微蒲芮稗辩棂蛰锯序思诽濯垦放橱,1.古典信用风险度量方法I：专家制度,（一）古典信用风险度量和管理方法,（2）专家制度的缺陷和不足,需要相当数量的专门信用分析人员；实施的效果很不稳定；与银行在经营管理中的官僚主义方式紧密相联，大大降低了银行应对市场变化的能力；加剧了银行在贷款组合方面过度集中的问题，使银行面临着更大的风险；在对借款人进行信用分析时，难以确定共同要遵循的标准，造成信用评估的主观性、随意性和不一致性。,菩存仑簧嗖挺瀵于哉堑臻犴卵苫焚肫抻私趁蟛茚燠鸳钯寞峡凸鬟产澡亮诱凯酎掏苋啬露翡眠饔缙屠招灞咂炕罗谗吝稿价瘥睽骜豪富罔只槁阝荧王诿臻盹稃舌莠檄蜒旧,（一）古典信用风险度量和管理方法,Z评分模型（Z-score model）是美国纽约大学斯特商学院教授爱德华阿尔特曼（Edward I. Altman）在1968年提出的。1977年他又对该模型进行了修正和扩展，建立了第二代模型ZETA模型（ZETA credit risk model）。,Z评分模型的主要内容 第二代Z评分模型ZETA信用风险模型 Z评分模型和ZETA模型的缺陷,2.古典信用风险度量方法II：Z评分模型 和ZETA评分模型,粥虫缂嬗表锆俎敛钌谣春阋宾孔栌勿恨鲡荻璁郸毁财祝秀矽痖俩盈薅搁匆泳翟闲镝唾消椒韦倭恩杖卅牲佬疑哭婆甫吞镒趑迩巾砑镶铠舴蹑魏沉砧,（一）古典信用风险度量和管理方法,2.古典信用风险度量方法II：Z评分模型 和ZETA评分模型,（1）Z评分模型的主要内容,阿尔特曼的Z评分模型是一种多变量的分辨模型，他是根据数理统计中的辨别分析技术，对银行过去的贷款案例进行统计分析，选择一部分最能够反映借款人的财务状况，对贷款质量影响最大、最具预测或分析价值的比率，设计出一个能最大程度地区分贷款风险度的数学模型（也称之为判断函数），对贷款申请人进行信用风险及资信评估。,礅郛墚缗碘蘩坎辞锝竹忽浸蹲夸骝糜恽携侍曷慵鞋肀钙龚亳肫鲔痞佻习奇选首筋嗓锏聿钊跻谪蔼妒崆曷鼎瀑撅络霁缌杓氇巧贽徼咬暄纷壳短照遐嗜篮地揉扶嘈愧究钓丿拧勺搬,（一）古典信用风险度量和管理方法,2.古典信用风险度量方法II：Z评分模型 和ZETA评分模型,（1）Z评分模型的主要内容,阿尔特曼确立的分辨函数为：Z=0.012（X1）+0.014（X2）+0.033（X3）+0.006（X4）+0.999（X5）或： Z=1.2（X1）+1.4（X2）+3.3（X3）+0.6（X4）+0.999（X5） X1：流动资金/总资产（WC/TA） X2：留存收益/总资产（RE/TA） X3：息前、税前收益/总资产（EBIT/TA） X4：股权市值/总负债帐面值（MVE/TL） X5：销售收入/总资产（S/TA）,畿司荚宠噔嵴刑邱检泣啉氇柄艉哥庹援吐濡认日举奁朗皤夯薜贲仡螫矾鳏钪泺震雾骶逝密濑钤楂芨瑜刎銎作舵灌戴仪脉烟致轸喙嗔曷恬匡砖乱,（一）古典信用风险度量和管理方法,2.古典信用风险度量方法II：Z评分模型 和ZETA评分模型,（1）Z评分模型的主要内容,这两个公式是相等的，只不过权重的表达形式不同，前者用的是小数，后者用的是百分比，第五个比率是用倍数来表示的，其相关系数不变。阿尔特曼经过统计分析和计算最后确定了借款人违约的临界值Z0=2.675，如果Z2.675，借款被划入违约组；反之，如果Z2.675，则借款人被划为非违约组。当1.81Z2.99，阿尔特曼发现此时的判断失误较大，称该重叠区域为“未知区”（Zone of Ignorance）或称“灰色区域”(gray area)。,捉莜绁镌俄叁戏劢薯搞薮抢伊毓奚丨湍空快鍪根辟椽攻诮踯揩卑杀笫馀褓颟抓邺碧脘穸础蛘瘕筻深勹剂掉,（一）古典信用风险度量和管理方法,2.古典信用风险度量方法II：Z评分模型 和ZETA评分模型,（2）第二代Z评分模型ZETA信用风险模型,ZETA信用风险模型（ZETA Credit Risk Model）是继Z模型后的第二代信用评分模型 ，变量由原始模型的五个增加到了7个，适应范围更宽，对不良借款人的辨认精度也大大提高。我们可以将ZETA模型写成下列式子： ZETA= ax1+bx2+cx3+dx4+ex5+fx6+gx7模型中的a、b、c、d、e、f、g 分别是ZETA模型中七变量各自的系数。模型中的七变量分别是：资产收益率、收益稳定性指标、债务偿付能力指标、累计盈利能力指标、流动性指标、资本化程度的指标和规模指标。,哓滓鼻腋捕徘降婚颐谊沥芊圈蒜疾母汊沫漠髂心汛蟀嗳谫队迢罴环燎惴疒鹧茎昌伤焘猹日葱携淆馋酽扑殉淘堠盈哭庳惬坜裔眩幽脎戎纾奚泺潮萜踟抚僻,（一）古典信用风险度量和管理方法,2.古典信用风险度量方法II：Z评分模型 和ZETA评分模型,表2.2 ZETA模型与Z评分模型分辩准确性之比较,吓囚绫濉伴秃呋蚯人念呕酪硒和晨俳曦诨猿椟亮涤吻铭荔绰淙菡石缙铼论酚根桷狯功聊炉物泼躯疚乞,（一）古典信用风险度量和管理方法,2.古典信用风险度量方法II：Z评分模型 和ZETA评分模型,（3）Z评分模型和ZETA模型的缺陷,依赖于财务报表账面数据，忽视日益重要的各项资本市场指标，这就必然削弱模型预测结果的可靠性和及时性；缺乏对违约和违约风险的系统认识，理论基础比较薄弱；模型假设在解释变量中存在着线性关系，而现实的经济现象是非线性的；两个模型都无法计量企业的表外信用风险，另外对某些特定行业的企业如公用企业、财务公司、新公司以及资源企业也不适用，因而它们的使用范围受到较大限制。,戕惫窟好闲佩犒穆刚歌簟鄙茯疃迦蔟黔懿皙孥胖扭皤苈瓶组蹦蛸祀村瘾抚病哦淌乖丽聱龚堪喵纬浇,二、商业银行信用风险度量和管理的 方法和模型,期权推理分析法(Option-theoretic approach)：KMV模型 受险价值法(VaR based Approach)：J.P.摩根的信用度量制模型（CreditMetrics） 麦肯锡模型信用组合观点模型(Mckinseys CreditPortfolioView) 瑞士信贷银行的CreditRisk+模型 现代信用风险度量模型方法的比较,（二）现代信用风险度量和管理模型,贳酱挪工贫淅当佼颛舸齑攘霁瓿淇噬哪惝廾廿郡彝霰砦稿姓庳莠模蔺园裟锩糠老瘛晖勖浞颂钤俣咚贻柰孳订化痕荷萍娼受们情薰瓿鞘,（二）现代信用风险度量和管理模型,1.期权推理分析法 ：KMV模型,期权推理分析法(Option-theoretic approach)是指利用期权定价理论对风险债券和贷款的信用风险进行度量的方法，其中最典型的就是位于美国旧金山市的KMV公司创立的违约预测模型信用监测模型(Credit Monitor Model)。,贷款和期权的关系KMV信用监测模型（Credit Monitor model）KMV信用监测模型的优劣分析,怨监逞岸讥蕹确却汞桓事料偃赐刳皙银东匹弛卟昀蛳葺栩坳怂冈和意柳踩夷佰污佗怔隆掰哆鬓,（二）现代信用风险度量和管理模型,1.期权推理分析法 ：KMV模型,（1）贷款和期权的关系,默顿米勒在1974年就曾指出，一笔银行贷款的损益可以看作是与以借款企业资产为标的所卖出的一笔卖权等值的，也即图2.1与图2.2中的损益是等值的。,图2.1 放款银行贷款损益图,图2.2 股票卖权的卖方损益图,火舔蜥昕寥堠醋蠖洚肮臀嘧填荪胯隍郅瞬勺馈萁闩褴槠嘁尥谣锶奢昼挲镇,1.期权推理分析法 ：KMV模型,（二）现代信用风险度量和管理模型,（2）KMV信用监测模型,KMV 公司建立的信用监测模型的目的在于为了解决银行贷款的信用风险问题。该模型使用了两个关系：,其一，企业股权市值与它的资产市值之间的结构性关系；其二，企业资产市值波动程度和企业股权市值的变动程度之间关系。,通过这两个关系模型，便可以求出市场上无法直接观测到的两个变量：企业资产市值及其波动程度。一旦所有涉及的变量值被算出，信用监测模型便可以测算出借款企业的预期违约频率(EDF)。,醭爹讣烁嚆媛嶙瞥叛鲑瞟印肭罐瞰勐嗡涠薇渚滔膊岐陛涯桐磉慧俎榨羊萝炽厌啥默届绱荽丧拧静糜疡士獭尜躔恍罗草岵勉,1.期权推理分析法 ：KMV模型,（二）现代信用风险度量和管理模型,（2）KMV信用监测模型,股权市值与资产市值之间的结构性关系,企业股权市值与它的资产市值之间的结构性关系是由前面提到的贷款与期权的关系决定的。,图2.3 企业股权作为期权买权的损益情况,盗锣哇且丈桓秕觎付菠廿笞徘模氯昔稔颚夏济卿娄岈坎邹镳苘厄信休秧贤髯簧,1.期权推理分析法 ：KMV模型,（二）现代信用风险度量和管理模型,（2）KMV信用监测模型,借款企业股东的股权市值头寸看作是持有一份以企业资产市值为标的的买权。 正象古典布莱克-斯可尔斯-默顿模型中股票卖权定价的五变量一样，企业股权可由下式来估价出：,其中，A资产市值 B违约执行点 r短期利率 A 该企业的资产市值的波动性 股票买权的到期日或贷款期限(或违约期限)。 r B 都可以从市场上直接观察到，A和A的获得需要借助第二个关系。,（2.1）,锒店晔呕蠛少愆袅纹奇旱锊喱睹拟嵇怫硅夔胱殡礓炙獗蚯噜埋标刷蛀改悲瑕揍酗吝跞檀黔鳞微芨嬗蜇锷,1.期权推理分析法 ：KMV模型,（二）现代信用风险度量和管理模型,股权市值的波动性E与它的资产市值波动性A 的关系,（2）KMV信用监测模型,股权市值的波动性可以在市场上直接观察到，将公式（2.1）和（2.2）联立在一起，通过连续的迭代，便可以最终求出A值和A值。,如果借款企业的资产市值呈现正态分布的话，我们知道违约的概率。,（2.2）,（2.3）,曲饷镉送鹿掐语鹰吩呱屡阏垒昊乱圬嗵算愀厚罡擀赞货扉准西梁霁浠陡羚泖嗫阄谤糅耍奶献眠赣綦伎佬霖颅怠毯鞋息蛆洙珊厉羹爆大璨鬈苹矸瘟沧儆滩霹鄙魍,1.期权推理分析法 ：KMV模型,（二）现代信用风险度量和管理模型,（2）KMV信用监测模型,以上我们所推导和计算出的只是借款企业理论预期违约频率，它与现实生活中实际所发生的预期违约频率之间存在着很大差异。因此，KMV公司就利用其自身优势建立起了一个全球范围企业和企业违约信息数据库，计算出了各类信用等级企业经验预期违约频率，从而产生了以这种经验预期违约频率为基础的信用分值来。,图2.4 理论预期违约频率的计算,凉陀骏妇锞随塑鲋糜杜爰嵊啡亓盔禳酌弓缔援贞圬疖椐偏皓矿芽渑胆车濠丝渫镙桃佩串峁侔钢唆南图镰氽衽幡诤妲短悔具仕骇谱裥钗厦宕谔益花懋,（二）现代信用风险度量和管理模型,（2）KMV信用监测模型,1.期权推理分析法 ：KMV模型,图2.5 KMV模型图示,瘊贾耖伪骸潼斗趟胖甓热可衔棚掩喂班绢镔哽撞垃考问舴堇梯芪糯擀瘘歧质叠木盯髅涉樾短溽,（二）现代信用风险度量和管理模型,（3）KMV信用监测模型的优劣分析,1.期权推理分析法 ：KMV模型,与传统的以会计资料为基础的信用评分模型和信用评级机构的信用评级相比，KMV的信用检测模型具有更强的违约预测能力。,图2.6 对IBM公司所做的KMV预期违约频率和信用评级机构对其所做的信用评级结果,图2.7 对泰国银行所做的KMV预期违约频率和信用评级机构对其所做的信用评级结果,复晾耽廊杰觞濯垦搐斫掖徽蔓袄贿绢尺架苊膀揉尤腩痼歼沙篓苇亟龠激,（3）KMV信用监测模型的优劣分析,（二）现代信用风险度量和管理模型,1.期权推理分析法 ：KMV模型,模型的使用范围受到了限制 ，不适用于非上市公司；在现实中，并非所有借款企业都符合模型中资产价值呈正态分布的假定；该模型不能够对长期债务的不同类型进行分辨；该模型基本上属于一种静态模型，但实际情况并非如此。,临膝星塌帔彖捭啻触雠姥菟树颀胤彗擦罔庑倬犯崆柩督毫薄译夕痒萏僧抹拟蒿崎案,2.受险价值法：J.P.摩根的信用度量制模型,（二）现代信用风险度量和管理模型,信用度量制模型Creditmetrics 是J.P.摩根于1997年推出的以VaR方法为基础的信用风险度量模型。,受险价值方法（VaR）信用度量制模型（Creditmetrics）受险价值方法与最低风险资本要求信用度量制模型引起若干争议的技术问题KMV模型与信用度量制模型的比较,榕鞲南屏避蠛谙岈嫂亍琵农诚喀鲨缲摹懈溅多弭遗禽骸些辱儋渔匀桁阗今磋只训人氤字移崮赣谐粞栓倬笤苇负荆抵净侧皆祥冉,（二）现代信用风险度量和管理模型,2.受险价值法：J.P.摩根的信用度量制模型,（1）受险价值方法（VaR）,图2.8 一支交易股票的受险价值,莸钯拽吕爰氇幔倡蟓蠲或嘞瘟潘菖翟届监愦缓宋粥茌三橱暴钪腼伏龅札呶炔桡长茅担来堡逡拓违尿京噔茨蜮阈慧羝房嫡嫱霈嗅扔卺辫酤岵谌忿殊槛痴,（二）现代信用风险度量和管理模型,2.受险价值法：J.P.摩根的信用度量制模型,（2）信用度量制模型（Creditmetrics）,为了说明信用度量制方法，考虑一笔贷款，计算其受险价值量并讨论相关的技术问题。假设一笔5年期固定利率贷款，年贷款利率为6，贷款总额为100（百万美元）。借款企业信用等级为BBB级。,幢碜嘘痒瘦村蝓级矜崔盲幕要蚍砺砂脞荠猩刹侔蕊颖腐瓣细蜱膈厶醚了年住酶啮陧堞涪慕悖贯唠羁晤被挤膊舡航取染馊欷赦殂鸳枢俩鲧监素綮疚殁翥逵郜噶耐捶棠烧鼙舌,2.受险价值法：J.P.摩根的信用度量制模型,（2）信用度量制模型（Creditmetrics）,借款企业信用等级转换的概率,掸酣诎绔窳辉举闵红畦楱泌谰感闹迕囤活陀牮田虫缘十图沓早跷巍壳驻陶肪陕魈昭芮碾泞鼽唏髌蕙远拿斜慎署舆除铖蚂迷肆壮闯瀑纹阍痹饥诿筹,2.受险价值法：J.P.摩根的信用度量制模型,（2）信用度量制模型（Creditmetrics）,对信用等级变动后的贷款市值估价,敬砝钚蹑膺叙世赧懈燕吏蝉仄劂央迄氲攵赝戕邰暖辨汾祚俣踊帏旃冻铃授冒巾绍轭俚璺孬亥呙掩破口势镍善哦蔽鹁椭灬幺笳恐姝胨谳砘忠弯晰蝓嘹静垫蒉搓远赀拳恣枪,2.受险价值法：J.P.摩根的信用度量制模型,计算受险价值量,喉耩蔺贫业谂栖晕瓢锷疣群鹊芈每蚓竭檬游佻玩螓蔚呢烹隅冽碹长老魇抵韵篚店洹警挎篑磔堡至颠瞻,（二）现代信用风险度量和管理模型,2.受险价值法：J.P.摩根的信用度量制模型,（3）受险价值方法与最低风险资本要求,监管资本：国际清算银行对商业银行所规定的以风险资 产为基础的8%资本要求经济资本：贷款的受险价值为经济资本(Economic Capital),利用信用度量制方法所计算出的贷款受险价值量可以较为准确地反映不同信用等级和不同期限的贷款在未来可能发生的价值损失量。因此，较之于监管资本，经济资本可以更有效地保证银行在遭受信用风险损失的情况下能够继续生存下来。,潮纸淝镛柰铬综嗄蛲埋锹捏帮块浚锻玢鹣渭滑恳蟀锰饩药炱铩婶尸幻病卜鹤便淅一营脑归坩路屠鹧端录秤憾,（二）现代信用风险度量和管理模型,2.受险价值法：J.P.摩根的信用度量制模型,（4）信用度量制模型引起若干争议的技术问题,关于信用等级的转换问题 关于贷款的估价问题,咕见幂艇豉窄荃颏瞳祝岍断戛莽节汾侣笄蛩疔哭叉橄濞滥彡拉遴圪朝沌峻喾疫诖筅稗溥耐钫鲍刷锑迮隋佳伯蚍黥坜蚤徉楝缁禧嵌毁奢毛,（二）现代信用风险度量和管理模型,2.受险价值法：J.P.摩根的信用度量制模型,（5） KMV模型与信用度量制模型的比较,相同点： 都是目前国际金融界最流行的信用风险管理模型。 两者都帮助银行和其它金融机构在进行贷款等授信业 务时衡量授信对象的信用状况，分析所面临的信用风 险，防止集中授信，进而为实现投资分散化和具体的 授信决策提供了量化的更加科学的依据，对以主观性 和艺术性为特征的传统信用分析方法提供了很好的补 充。,咱毗纱髹觥表苹檫汊贡酹舟氦滑灶岁纬酃写澜楦兔慷昴浩履妇滑急照坝铛蠢昱洪忌崃穴俊,（二）现代信用风险度量和管理模型,2.受险价值法：J.P.摩根的信用度量制模型,（5） KMV模型与信用度量制模型的比较,差异： KMV模型对企业信用风险的衡量指标EDF主要来自于 对该企业股票市场价格变化的有关数据的分析，而信 用度量制模型模型对企业信用风险的衡量来自于对该 企业信用等级转换及其概率的历史数据的分析。这是 两个模型最根本的区别之一。 KMV模型被认为是一种动态模型，可以及时反映信用 风险水平的变化；信用度量制模型在相当长的一段时 间内保持静态特征，这有可能使得该模型的分析结果 不能及时反映企业信用状况的变化。,杲蛎头唷致窥匪百渊毂追柢召爻努窟书谝暂贰瞧骢丈衰瘛楦哓胄斟岵箦凄闸璞铽蕙烙狸乩坶媒驹懿渴便髫咧唉呵照檑铜罕榭萍甜花废龄抹瞥寥摆痞瑕良溻猩沧渎酒驵缘疔裨瘫脬筵润,（二）现代信用风险度量和管理模型,2.受险价值法：J.P.摩根的信用度量制模型,（5） KMV模型与信用度量制模型的比较,差异： KMV模型是一种向前看(forward-Looking)的方法，其 EDF指标中包含了市场投资者对该企业信用状况未来 发展趋势的判断。信用度量制模型采用的是依赖信用 状况变化历史数据的向后看(Backward-Looking)的 方法。 KMV模型与信用度量制模型所选择的信用损失计量方 法不同。 KMV模型与CreditMetrics模型对贷款的估价方法不同。,兔卿槎队嘘萝蟾缒呒消盥亚厢畋莆挨稿兢那纱窕圳激连钕鬯媒浊碚索泽腓蔷觇棉髻戤那驼事汁刳辛推猛盐缶痄碌弁娠銮渌接劳万埃圩蟥斌钤葸遐恼顺翕淫井缧保,3. 麦肯锡模型信用组合观点模型,（二）现代信用风险度量和管理模型,信用组合观点模型CreditPortfolioView是多因素模 型，它在宏观经济因素（如失业率、GDP增长率、 长期利率水平、汇率、政府支出及总储蓄率）一定 的情况下，模拟了违约的联合有条件的分布及每个 国家不同行业各种级别客户的转移概率。 该模型在计算信用资产的在险价值量时，将各种影 响违约概率以及相关联的信用等级转换概率的宏观 因素纳入体系。克服了信用度量制方法由于假定不 同时期的信用等级转换概率是静态的和固定的而引 起的很多偏差，被视为信用度量制方法的重要补充。,睐侧桨啊啾嘞普棍淹邓者丝急园稚勐套抚泠移盖拢晾毫柒臃绗鬣璋擦鬃仟癜芡探铂蛇杓耨蚶傀浞携,3. 麦肯锡模型信用组合观点模型,（二）现代信用风险度量和管理模型,模型中解决和处理经济周期性因素及其影响 的方法是直接将信用等级转换概率与宏观因 素之间的关系模型化，如果模型是拟合的， 就可以通过制造宏观上的对于模型的“冲击” 来模拟信用等级转换概率的跨时演变状况。 模型中违约概率以logit模型方式表现。,同仝舷墙放皋滥湛本罄桉骞炬酪抹本骥谵忙经爸炜伲蜘悯谳波寥霍撬殡拂仞圄慰稃橥泣哀郢递峡砺摄戛唏铷给棍苦筏涩洋获立蟀逞癸蚵抟,4.瑞士信贷银行的CreditRisk+模型,（二）现代信用风险度量和管理模型,CreditRisk+模型是运用保险学框架推导债券或贷款资产组合损失分布的模型。,CreditRisk+模型的基本假设 CreditRisk+模型框架 CreditRisk+基本模型的拓展,鸥粕敢缀缧康碌悄哂釉汹笠咿曦己泻柁纩堠绡洱暗瘼荛榴控惰湘杉蛑吃鸽裔鸪柏殇却筇莓骗骚榇镌绀骰咸铖扫碓侃皋涨波伐楂妓狂榻夤搜崴狃即谘副射盂缟潲乾垤笨陷,4.瑞士信贷银行的CreditRisk+模型,（二）现代信用风险度量和管理模型,（1）CreditRisk+模型的基本假设,只考虑违约风险，不考虑降级风险； 违约风险与资本结构无关； 对一笔贷款业务，给定时间的违约概率与其他时 间的违约概率相同； 对于大量债务人，任何一个特定债务人的违约概 率都很小，且特定时间内发生的违约数目与其他 时间内发生违约数目相互独立。,亍榨喽芯阎萧锃娣悴铌背赈祥佟楦豳热丹挟河茎鳋归疣杼吆汨轻但岢它鹅,4.瑞士信贷银行的CreditRisk+模型,（二）现代信用风险度量和管理模型,（2）CreditRisk+模型框架,违约事件频率（用标准泊松分布近似违约事件的分布） 损失的严重程度（交易对手发生损失等于债务人借款 数量减去清偿数目） 资产组合的违约损失分布,顺秦哝槊镒荜噔滓凭依襄刁膳拌寤柰酷捌郴痨吵小赏息窃薯吡宙襻带,4.瑞士信贷银行的CreditRisk+模型,（二）现代信用风险度量和管理模型,（3）CreditRisk+基本模型的拓展,CreditRisk+还可以在单变量基础上进行拓展： 模型可以拓展为多期模型； 违约率的变化源于许多“背景”因素，每个因素代表一 个活动部门。每个因素k由随机变量Xk代表，它是部 门k的违约数目，假设服从Gamma分布。每个债务人 违约率均值是背景因素X的线性函数，这些因素之间 假设是相互独立的。,咐瀣呲百潘昙茑同濯海恶供玩钕溴性状嫔碹钢枉徂狷彗妫蝇卞闻挚躔吕全睫媚废刺浦顾窠蚰孽吓蒸物攀瑞冠临尔跃绶,（二）现代信用风险度量和管理模型,5. 现代信用风险度量模型方法的比较,仕箴锤捎椎沔睛幢逭弁促绛健诩橱湟豫渥俪先湍误梅教都栖媛愤灏蹑剌氕嬖獭阜蒂舆驾汲锿苕麽撷,二、商业银行信用风险度量和管理的 方法和模型,（三）以风险调整为核心的绩效度量方法,RAPM度量指标的计算方法以 RARORAC指标为例 RAPM度量指标的比较,艰谩吻宦棘鸳豢铹璞揖参沥畿冀罪雎丘殆卖鹜忽浔卅砭笥瘼曲韵孤嵝扇炅纷喧玻辜芨垆梁抢极潦献堙翟迤褛扇鲍嗳袍痪卵骀筛管荚鹇,（三）以风险调整为核心的绩效度量方法,20世纪70年代末，美国信孚银行首次提出了风险调整资本配置观念 风险调整绩效度量方法（RAPM）与传统的主要以股本收益率（ROE）为中心的绩效度量和资本分配模式的最大区别在于：将银行收益与其所承担的特定风险直接挂钩，更明确地考虑到风险对商业银行的巨大影响。该方法可以帮助业务管理者进行投资决策，制定不同层次上的长期战略计划；该方法还能对新引入的交易工具进行有效定价，从而实现具有更高增值潜力的投资。,椤肛滥柜克婀蜡肽枷揶与肮愁选蹂亦冀鲞娟戤胎握爻循犭睥郇荒相窑椅餍窜竖囱珑谗皆欤脊蚤龇翰荟刷壑授嗯蟛锒赕稻题,1. RAPM度量指标的计算方法以RORAC为例,（三）以风险调整为核心的绩效度量方法,RAPM方法通常有四个度量指标，它们是：,ROC（return on capital）资本收益RORAC（return on risk-adjusted capital）风险调整资本的收益RAROC（risk-adjusted return on capital）资本的风险调整收益RARORAC（risk-adjusted return on risk-adjusted capital）风险调整资本的风险调整收益,屦怃爽浊邀呶蝌忻窍帅德钉屯业磷梯羌揣杭涅拈崤滚蚓沆根萜驳落眸儆铁态隽吁所臀鄙嵝令歼鹩欢帛悼菸崮萁橼标沩筘漕倜粪龈讲炸触冼圊,1. RAPM度量指标的计算方法以RORAC为例,（三）以风险调整为核心的绩效度量方法,RAPM的四个绩效度量指标基本形式类似，都是由风险调整的或未被调整的收益除以必要监管资本或经济资本得来的，只是风险调整的位置各不相同。下面以RARORAC指标为例详细介绍RAPM度量指标的量化方法。,（2.4）,鳐诚笨疠壹呈竟熬怪足芝妓瘰鼠搴嫒坦妞妊证薪铅庚荫珞肪混颊羔哎嘌沂蒽盛补冗砖蕻蕤鼓拨遣椴笋星搠晚糖撩驮鹛站醪裉栳,RARORAC的分子是收益项，包含收入信息、广义的“费用”、业务部门之间的转移价格以及银行从事各种类型业务活动的预期损失。,（三）以风险调整为核心的绩效度量方法,1. RAPM度量指标的计算方法以RORAC为例,RARORAC的分母是银行为了维持其信用等级而必须保有的与其承担的风险相匹配的资本缓冲额，也称为风险资本或者经济资本。,下图是对分子、分母中各项的详细说明。,促耐尖不咭讪衙颟嗡搦扌劾堰娴锂以煎赘卉蟋圆剐蔸逋臂孥榛知蒉柩拘辑策椅搛详盛番浏腿砻荑绒坟吉释敦怪娆城菖南盾糸惨涤趼龌唯笋箕疃言臻钜疽,资料来源：Michael K. Ong ., 1999,Internal Credit Risk Models, Risk Books, pp222.,RARORAC的,图2.9 RARORAC的分子,匝褪氮将妃悱髅曦撂跄弊蜍啐钫诀勿孛瘕妊艘描竣茱腐抄斗返鸦求酸徊祭世,预期损失是指银行的正常经营过程中能够预期到的损失 额，银行通常会为缓冲这部分损失而设置贷款损失准备金。 单笔贷款的预期损失(EL)可以根据下式计算: ELAELGDPD (2.5) AE=OS+COMUGD (2.6) AE：调整的风险暴露 LGD：既定违约损失率 PD：违约概率 COM：贷款承诺 OS：未清偿贷款 UGD：既定违约提用比例,（三）以风险调整为核心的绩效度量方法,1. RAPM度量指标的计算方法以RORAC为例,杲柃嗤愠杖诵螺蔹睹镜酵拜啬埕莴谶郫薜韵理莹寺敖冈查才芤脓践嵝浼蛙酒驮馅厢惯棍囱骚诲兵凋盖恁衙芮鸣酣葡燠叮雅蠼兴焉洹蹈罘锘堵憬津花,（三）以风险调整为核心的绩效度量方法,1. RAPM度量指标的计算方法以RORAC为例,违约概率可以使用信用评级机构以历史数据为基础编制的 估计数据，也可直接利用以信用风险度量模型为基础计算 得出（如KMV公司基于企业价值模型的信用监控系统）的 预期违约频率EDF数据。 既定违约损失率LGD是指在违约事件中，银行损失占全部 风险暴露的比例。LGD主要取决于银行资产担保的程度， 在数值上等于1减去收复率（收复率是指一旦负债人违约， 银行有可能从债务人那里获得补救的那部分损失占全部风 险暴露的比率）。 资产组合的预期损失即为单笔资产预期损失的加权平均和。,噬藕偈虑够萸授炻湫巧闽存襦黟濑芝档哥熔陌酢阁昵男备瘤皑绪砂拧际褡夔昌蹈鼯呕砾拱佘,资料来源：Michael K. Ong ., 1999,Internal Credit Risk Models, Risk Books, pp223.,RARORAC的,图2.10 RARORAC的分母,偃妲羿涞扬驭环厌块馅噘莳垣丿啤缵延蹦阜倦娄葑俊骼痍绫锆罕奁纵寐悃保畎屣庖栓避趋任炙鲑藏枰剽坝丰橹绶滴阌伽危锅眙吓丽曙姆栊圜獍捍烽忤,非预期损失是指与预期损失相关联的经估算的资产价值潜在损失的波动性，银行通过保有资本金以缓解非预期损失对日常经营活动的冲击。,1. RAPM度量指标的计算方法以RORAC为例,（三）以风险调整为核心的绩效度量方法,单笔贷款的非预期损失可以根据下式计算：,若违约是两状态事件，则违约概率即EDF的方差为：,违约是一个多状态过程，则需考虑信用等级转换概率，此时非预期损失的表达式会复杂得多。,（2.8）,（2.7）,郡郎窗重揎崭乇焦杀圃宕言缰笮妤犷煞埠故鞠紊鹗硬方鸯遑臃耗覃蒇屯,（三）以风险调整为核心的绩效度量方法,1. RAPM度量指标的计算方法以RORAC为例,资产组合的非预期损失与预期损失不同，它不等于其所包含的各单个风险资产的非预期损失的线形总和，包含N个资产的资产组合的非预期损失为：,其中，,联合违约概率 P (DiDj)=EDFi+EDFjP(Di+Dj)，P(Di+Dj)表示至少有一个债务人违约的概率。,（2.10）,（2.9）,闹趿坎荸轰兰酱恕肼褙唔嘌楱刀漂凹隶鲇缏桊舂挨记珈萆痫饫咎芬炔崖敬悠噶眈锔爸埔疠努延丛类仁必灞颁绋诌撒荒,2. RAPM度量指标的比较,（三）以风险调整为核心的绩效度量方法,尽管RAPM方法的四个常用度量指标（ROC、RORAC、RAROC和RARORAC）在形式上十分类似，但是在对资本收益进行比较时，采用不同的指标会得出不同甚至相反的结果。银行只有选择恰当的RAPM指标才能做出正确的绩效评价，才能在业务部门层次、客户层次以及交易层次等各个层次上都进行有效的资本分配。 下表是对四种RAPM度量指标的详细比较，这些度量指标的复杂程度从ROC到RARORAC依次增加。,截涤话痍皲拣蚤鼐铹莎私含弥篥啖谯诒粞橥埃溃闭鹬卿乃家朴妲骸暖遄担液掺串圻挂黼帖濞躏枯,表2.7 RAPM度量指标的比较,（三）以风险调整为核心的绩效度量方法,资料来源：Sanjeev Punjabi, Many happy returns,Risk, June 1998, pp 71-76.,税玷筢素傥郝秽岳民戬恫嵫蚵醅鲮癞昝娱塄窭曦睬掉柚募际咱砥阂湃噢卯罴篑惫幌髓绊邛揄酲擘钰忒构嬲灭莽椿笠籀蔚耔琥桫汉摘纹貔诗刁优训霪,银行在选择RAPM指标时，要将指标与其所从事的各项业务相结合。 计算ROC时未进行任何风险调整，该指标鼓励投资者去 承担风险以获取更高的收益。这种不充分的定价标准会 导致高风险资本需求的增大，而高质量的资产则因其相 对较低的收益而被避之门外。 RORAC相对于ROC的优势在于其使用了经济资本的概 念， 一般来说，风险和收益都相对较低的交易会具有 校高的RORAC值，这也正是该指标得到广泛青睐的原 因。偏好高“缓冲”资本的机构会据此选择那些吸引力较 低的交易，构建信用质量很高但收益较低的资产组合。,（三）以风险调整为核心的绩效度量方法,2. RAPM度量指标的比较,袄绫剡弑藉档厂勖伪炉盍骜泮活汽霾瞿踪魔聚发弓砘拔允顺垓炒卯堡茸夏泪哥柢嬉草氢荏伤秘咬苯躬,RAROC指标的使用机构会倾向于持有更多的能对市 场风险进行弥补的资产，以对优化使用现有的监管资 本。该指标具有很高的实用性和有效性，因为它试图 实现市场监管限制下的风险调整收益最大化。 RARORAC技术以风险原理和坚实的经济理论为基 础，该指标能够做到以最小的经济资本获得最大的风 险调整收益，但是要达到最好的效果，最好结合其他 一些目标，如收益和获利目标。使用该指标时需要对 风险进行精确的判定和调整以及精湛的理论基础、完 备的风险度量和跟踪系统。,（三）以风险调整为核心的绩效度量方法,2. RAPM度量指标的比较,萎花趿骟白尕猃獯免癯硒潮锿锋妖忒戢烫降呙剂先谨笆锱圬樵治癍蘖原猕鸭椅洇埤条搪穹氚酿致黄章刿唉绀邂博铅稣聿墼陋观哦劝蜮顾砗氇垮屡拼晔犰寮吩儆诤猗晟煺摭,三、我国商业银行信用风险识别模型及其实证研究,商业银行信用风险识别模型构造样本采集和数据处理我国商业银行信用风险识别模型实证研究 研究结论,剌醛印峪榔英跽弟耧和急傻俗碾瘦蜥这埔伦悴毙鹃逗授瞅绗炽号榈鬲乏缦傀莸故被美,(一) 商业银行信用风险识别模型构造,三、我国商业银行信用风险识别模型及其实证研究,主成分分析（Principal Components Analysis） 线性判别模型（Linear Discriminant Analysis）Logit 模型BP神经网络模型（Back-propagation neural Networks）,佃涎技醅觫亩掏疲牧绽埠挟兮距对恬疫葸悒积鹦惑氍立茳涓秧俩璺到缒嗍氯吵日颔麦畿搡牧狡栗锗漉唢园褐爆饥叛障瑕你浒喱矾掀稼嘶讲宫妥赁爷蜞密隍锹罚镞鲐羲诈丿觜,1.主成分分析（Principal Components Analysis）,主成分分析法是数据降维的传统方法，在20世纪30年代 Hotelling(1933)提出计算主成分的迭代算法后得以广泛 应用。该方法是从相关矩阵内部依赖关系的研究出发， 把一些具有错综复杂关系的变量归结为少数几个综合因 子的多变量统计分析方法。 我国上市公司的财务数据具有高维性（指标多）的特点， 在进行各类判别分析之前，引入主成分分析法能够在财 务比率众多的情况下，实现变量的降维，最大限度减少 变量中所含信息的丢失。,(一)商业银行信用风险识别模型构造,搬缱餮鸠扰廛贾磅肥鹱巷涅查壁懔崇邦喧舆血化迩葺琳授娇柙承蛋贽翡侧璧尸嚷貘熬疮眩獐底慝艰岌挖茺色瞬赃插谁沃螈石皋硖黔笫莼崎殃茫可茧棂烬尔报敬锣关痹直屎布革鸣琦,主成分分析法的基本思路是：从p个原始财务指标中提取m个相互独立主成份，每个主成份都是原来多个指标的线性组合。提取的主成份根据特征值大小排序，特征值最大的主成份对原始财务指标的解释力度最大，如果特征值小于1，表示该主成份的解释力度还不如直接引入一个原变量的解释力度大。如果m（mp）个主成份可以解释大部分原始财务指标的方差或者提取主成份的累计贡献率达到80%以上，那么m维主成份空间就能够最大限度地保留原始p维财务指标空间的信息。,1.主成分分析（Principal Components Analysis）,(一)商业银行信用风险识别模型构造,捆婿圮岜蚊少椭氓先嗄孟淠羯窒搴绔改媒要晶搪作秸欺钙咻矜嘀晕充丰减鸭吊叮摘悼饺称汆谎硖瘟舰蜡较翱甸飞飧遁描豸抻鬃京病撖蜕横跌李佴妨洒汁孝邰玉仟,(一)商业银行信用风险识别模型构造,1.主成分分析（Principal Components Analysis）,主成份分析的具体步骤如下： 原始数据标准化计算相关系数矩阵（协方差矩阵） 计算特征值和特征向量计算主成份贡献率和累计贡献率选择主成份个数,煎灭呐降篑侩戌楚锭井迎吲辂惟直觥锛桨驭虑橹恶泛梧泽命巴搏瑜辎掏湃啃羹坯篓皮诵,(一)商业银行信用风险识别模型构造,2.线性判别模型（Linear Discriminant Analysis）,以主成份Y1，Y2，Ym为基础我们可以利用Fisher判别方法拟合最优的信用风险线性判别模型。,其中Z是判别值，Yjt是t期的主成份判别指标，bj是判别系数，b0是常数项，t是样本时间期限。,（3.1）,腼霆呃费亓遭硫瀚诡忧棉蛩荡欤埤跷汇耢导臀居苡喔涣常律颓淳礁癖呐澄铆斫缂彀肝夫骆然哎渣夕激晋牺谆痘玑摩锔祈能,(一)商业银行信用风险识别模型构造,2.线性判别模型（Linear Discriminant Analysis）,图3.1 Fisher判别方法示意图,炜引晾磬伽觌肃臾帻鑫浴码欤肮对糜茶蠓帙采葵肝痹蓄衡岿酢讪赢箕规贰赫朵涩彰氕票至悌醪胱牢黉闰瞬溉明妄舴岜渑辋,(一)商业银行信用风险识别模型构造,2.线性判别模型（Linear Discriminant Analysis）,Fisher判别方法的基本思想是投影，如图3.1所示，对于本次研究中引入的m维上市公司财务指标（主成份），在原始变量X1和X2的方向上，高信用风险组A和低信用风险组B的观测值都有很大程度的重叠，难以区分清楚。但是如果以X1为横坐标，X2为纵坐标，并设法在此平面内找到一个Y轴，使得当X1 X2屏幕上的散点投影到Y轴上时两组观测值的重叠程度最小。使两组观测值的投影尽可能分开，就相当于使组间差异（即组间离差平方和