第三章 信用风险管理

　　第二节 信用风险计量

　　信用风险计量是现代信用风险管理的基础和关键环节。信用风险计量经历了从专家判断法、信用评分模型到违约概率模型分析三个主要发展阶段。巴塞尔新资本协议鼓励有条件的商业银行使用基于内部评级体系的方法来计量违约概率、违约损失并据此计算信用风险监管资本，有力地推动了商业银行信用风险内部评级体系和计量技术的发展。

　　商业银行对信用风险的计量依赖于对借款人和交易风险的评估。巴塞尔新资本协议明确要求，商业银行的内部评级应基于二维评级体系：一维是客户评级(针对客户的违约风险)，另一维是债项评级(反映交易本身特定的风险要素)。

　　借款人评级

　　发行人或客户风险

　　相关的借款人排名∕客户偿还能力

　　拒绝付款或违约的风险

　　清晰的违约概率

　　债项评级

　　问题风险(债券、贷款、项目财务)

　　资历

　　架构一金融或非金融契约

　　安全

　　—抵质押品

　　—保证书、证明书

　　国家和行业风险

　　一、客户信用评级

　　概念：商业银行对客户偿债能力和偿债意愿的计量和评价，反映客户违约风险的大小。客户评级的评价主体是商业银行，评价目标是客户违约风险，评价结果是信用等级和违约概率(PD)。

　　符合巴塞尔新资本协议要求的客户评级必须具有两大功能：

　　一是能够有效区分违约客户，即不同信用等级的客户违约风险随信用等级的下降而呈加速上升的趋势;

　　二是能够准确量化客户违约风险，即能够估计各信用等级的违约概率，并将估计的违约概率与实际违约频率的误差控制在一定范围内。

　　(1)违约：

　　定义：根据巴塞尔新资本协议的定义，当下列一项或多项事件发生时，债务人即被视为违约：

　　债务人对于商业银行的实质性信贷债务逾期 90 天以上。若债务超过了规定的透支限额或新核定的限额小于目前余额，各项透支将被视为逾期。

　　商业银行认定，除非采取变现抵质押品等追索措施，债务人可能无法全额偿还对商业银行的债务。

　　如果某债务人被认定为违约，银行应对债务人所有关联债务人的评级进行检查，评估其偿还债务的能力。是否对关联债务人实行交叉违约认定，取决于关联债务人在经济上的相互依赖和一体化程度。

　　银行内部评级政策应明确对企业集团的评级方法，并确保一致的实施：如果内部评级基于整个企业集团，并依据企业集团评级进行授信，集团内任一债务人违约应被视为集团内所有债务人违约的触发条件。如果内部评级基于单个企业而不是企业集团，集团内任一企业不必然导致其他债务人违约，银行应及时审查该企业的关联债务人的评级，据此决定是否调整其评级。

　　(2)违约概率

　　定义：借款人在未来一定时期内发生违约的可能性。在巴塞尔新资本协议中，违约概率被具体定义为借款人内部评级 1 年期违约概率与 0.03 %中的较高者，巴塞尔委员会设定0.03 %的下限是为了给风险权重设定下限，也是考虑到商业银行在检验小概率事件时所面临的困难。计算违约概率的 1 年期限与财务报表周期以及内部评级的最短时间完全一致，使监管当局在推行内部评级法时保持更高的一致性，而基于贷款期限就无法做到这一点。违约概率是实施内部评级法的商业银行需要准确估计的重要风险要素，无论商业银行是采用内部评级法初级法还是内部评级法高级法，都必须按照监管要求估计违约概率。

　　违约概率的估计包括两个层面：一是单一借款人的违约概率;二是某一信用等级所有借款人的违约概率。巴塞尔新资本协议要求实施内部评级法的商业银行估计其各信用等级借款人所对应的违约概率，常用方法有内部违约经验、映射外部数据和统计违约模型等与数据基础一致的技术估计平均违约概率。

　　内部违约经验。银行可使用内部违约经验估计违约概率，前提是证明估计的违约概率反映了授信标准以及生成数据的评级体系和当前评级体系的差异。在数据有限或授信标准、评级体系发生变化的情况下，银行应留出保守的、较大的调整余地。如果采用多家银行汇集的数据，需证明风险暴露池中其他银行的内部评级体系和标准能够与本行比较。

　　映射外部数据。银行可将内部评级映射到外部信用评级机构或类似机构的评级，将外部评级的违约概率作为内部评级的违约概率。评级映射应建立在内部评级标准与外部机构评级标准可比，并且对同样的债务人内部评级和外部评级可相互比较的基础上。银行应避免映射方法或基础数据存在偏差和不一致的情况，所使用的外部评级量化风险数据应针对债务人的违约风险，而不反映债项的特征。

　　统计违约模型。对任一级别的债务人，银行可以使用违约概率预测模型得到的每个债务人违约概率的简单平均值作为该级别的违约概率。

　　违约概率和违约频率的区别：事前和事后的区别。

　　假设商业银行当年将100个客户的信用等级评为BB级，该评级对应的平均违约概率为1%;第二年观察这组客户，发现有2个客户违约，则2∕100×100%=2%就是违约频率。可见，违约频率是事后检查的结果，而违约概率是分析模型作出的事前预测，二者存在本质的区别。违约频率可用于对信用风险计量模型的事后检验，但不能作为内部评级的直接依据。违约概率和违约频率通常情况下是不相等的，两者之间的对比分析是事后检验的一项重要内容。

　　2.客户信用评级的发展

　　从国际银行业的发展历程来看，商业银行客户信用评级大致经历了专家判断法、信用评分法、违约概率模型分析三个主要发展阶段。

　　(1)专家判断法：是商业银行在长期经营信贷业务、承担信用风险过程中逐步发展并完善起来的传统信用分析方法。专家系统是依赖高级信贷人员和信贷专家自身的专业知识、技能和丰富经验，运用各种专业性分析工具，在分析评价各种关键要素基础上依据主观判断来综合评定信用风险的分析系统。一般而言，专家系统在分析信用风险时主要考虑两方面因素：与借款人有关的因素、与市场有关的因素。

　　①与借款人有关的因素：

　　声誉：借款人的声誉是在其与商业银行的历史借贷关系中反映出来的，如果该借款人过去总能及时、全额地偿还本金与利息，那么他就具有良好的声誉，也就能较容易或以较低的价格从商业银行获得贷款。

　　杠杆：借款人的杠杆或资本结构，即资产负债比率对借款人违约概率影响较大。杠杆比率较高的借款人相比杠杆比率较低的借款人，其未来面临还本付息的压力要大得多，其违约概率也就会高很多。如果贷款给杠杆比率较高的借款人。商业银行就会相应提高风险溢价。

　　收益波动性：如果未来面临同样的本息还款要求，在期望收益相等的条件下，收益波动性高的企业更容易违约，信用风险较大。因此，对于处于成长期的企业或高科技企业而言，由于其收益波动性较大，商业银行贷款往往非常谨慎，即使贷款，其利率也会较高。

　　②与市场有关的因素：

　　经济周期：经济周期对于评价借款人的违约风险有着重要的意义。

　　宏观经济政策：对行业信用风险分析具有重要作用。

　　利率水平：高利率水平表示中央银行正在实施紧缩的货币政策。

　　常用的专家系统：

　　5Cs：品德、资本、还款能力、抵押、经营环境。

　　5Ps：个人因素、资金用途因素、还款来源因素、保障因素、企业前景因素。

　　(2)信用评分法

　　信用评分模型是一种传统的信用风险量化模型，利用可观察到的借款人特征变量计算出一个数值(得分)来代表债务人的信用风险。并将借款人归类于不同的风险等级。对个人客户而言，可观察到的特征变量主要包括收入、资产年龄、职业以及居住地等;对法人客户而言，包括现金流量、财务比率等。(定量与定性因素，定量主要是财务数据，定性如对行业的判断、客户在行业中的定位、企业经营管理层)

　　信用评分模型的关键在于特征变量的选择和各自权重的确定。目前，应用最广泛的信用评分模型有：线性概率模型、Logit 模型、Probit模型和线性辨别模型。

　　信用评分模型的局限性：

　　信用评分模型是建立在对历史数据(而非当前市场数据)模拟的基础，因此是一种向后看的模型。

　　信用评分模型对借款人历史数据的要求相当高，商业银行需要相当长的时间才能建立起一个包括大多数企业历史数据的数据库。

　　信用评分模型虽然可以给出客户信用风险水平的分数，却无法提供客户违约概率的准确数值，而后者往往是信用风险管理最为关注的。

　　(3)违约概率模型

　　对历史数据要求更高;需要建立一致、明确的违约定义;积累五年数据

　　3.违约概率模型

　　(1)RiSkCalc模型

　　RiSkCalc模型是在传统信用评分技术基础上发展起来的一种是适用于非上市公司的违约概率模型，其核心是通过严格的步骤从客户信息中选择出最能预测违约的一组变量，经过适当变换后运用Logit/Probit回归技术预测客户的违约概率。

　　(2)KMV的Ccredit Monito模型

　　KMV的Ccredit Monito模型是一种适用于上市公司的违约概率模型，其核心在于把企业与银行的借贷关系视为期权买卖关系。企业向银行借款相当于持有一个基于企业资产价值的看涨期权。

　　(3)KPMG风险中性定价模型

　　风险中性定价理论的核心思想是假设金融市场中的每个参与者都是风险中立者，不论是高风险资产、低风险资产或无风险资产，只要资产的期望收益是相等的，市场参与者对其的接受态度就是一致的。

　　根据风险中性定价原理，无风险资产的预期收益与不同等级风险资产的预期收益是相等的，即

　　P1(1+K1)+(1-P1)×(1+K1)×=1+i1

　　其中， P1为期限1年的风险资产的非违约概率，(1- P1)即其违约概率;K1为风险资产的承诺利息; 为风险资产的回收率，等于“1-违约损失率”;i1为期限1年的风险资产的收益率。

　　(4)死亡率模型

　　死亡率模型是根据风险资产的历史违约数据，计算在未来一定持有期内不同信用等级的客户/债项的违约概率(即死亡率)。通常分为边际死亡率和累计死亡率。

　　例如：根据历史数据分析得知，商业银行某信用等级的债务人在获得贷款后的第1年、第2年、第3年出现违约的概率(即边际死亡率)分别为1%、2%、3%.则根据死亡率模型，该信用等级的债务人能够在3年到期后将本息全部归还的概率[贷款存活率(SR)]为：

　　(1-1%)×(1-2%)×(1-3%)=94.1%

　　上述结果也意味着该信用等级的债务人在3年期间可能出现违约的概率(即累计死亡率)

　　为：1-94.1%=5.9%