商业银行信用风险管理及实证研究

体上做出准确判断；权重的确定缺乏客观依据；缺乏对现金流量指标的预测和应用；缺乏对具体行业的分析。其二，在评估的组织和程序方面，存在分工不明确，人员素质不高的问题：评级人员和信贷人员在职责上缺乏必要的分工和制衡，影响评级的客观性和公正性；评级人员素质不高直接影响评级的准确性；我国评级制度还缺乏行业专家，这将会进一步影响评级的准确性。

2、贷款分类

贷款分类就是贷款评级。目前我国商业银行中全面推行的是贷款风险分类管理。贷款风险分类21也称贷款五级分类，指银行主要根据借款人的还款能力，即最终偿还贷款本息的实际能力，确定贷款遭受损失的风险程度，将贷款质量分为“正常”、“关注”、“次级”、“可疑”和“损失”五类的一种管理方法。它以动态监测为基础，通过对借款人的财务实力、现金流量、抵押品价值等因素的连续监测和分析，判断贷款的实际损失程度，对银行的信贷管理水平和信贷人员的素质要求较高。这种方法有利于银行及时发现放贷后出现的问题，能更准确地识别贷款内在风险、有效追踪贷款质量，便于银行及时采取措施。但也存在不足：

第一、信息不对称和滞后问题。该方法需要企业提供大量财务信息和非财务信息，而银行往往难以及时准确地获得这些信息。

第二、分类标准粗化，缺乏统一性。该方法只对五个类别进行了核心定义，内涵和外延不清晰，损失比例判断存在较大的主观性，不便于准确掌握和执行。

第三、会计基础信息薄弱、科技支撑能力不强，影响了分类工作的时效性和真实性。

综上所述,银行内部信用评级和贷款五级分类这两种方法都不涉及贷款组合信用风险的量化测定与分析，导致商业银行无法准确了解贷款信用风险的大小，在决策和使用环节由于缺乏科学的信用风险度量，使得银行在科学的信贷决策和银行贷款组合管理上存在很大困难。因此，参考国外银行的经验做法，结合我国的实际情况，在我国商业银行的信贷管理过程中引入信用风险模型方法，是很有必要的。

21

詹原瑞：《银行信用风险的现代度量与管理》，北京，经济科学出版社，2004年版。

17

第四章 构建我国的商业银行信用风险度量模型

4.1 前述四种信用风险度量模型对我国商业银行的适用性

通过对现代信用风险度量模型的分析与一般比较，可以看出不同模型在一些方面存在差异。而且由于历史环境和经济方面的原因，对于上述不同模型是否适用于我国信用风险管理实践，尚需进一步探讨。下面就对模型的在我国的适用性进行比较分析。

1、利率市场化

以上四个模型的建立都不同程度依赖利率的市场化，尤其是Credit Metrics模型，在其运用中需要适用信用风险价差。然而目前我国国债市场的长短期收益率分布过于平滑，利差过小，并未形成真正的合理的信用风险价差。另外无风险利率的确定对KMV等模型的建立起到了关键性作用，但是目前我国在无风险利率的选择上还没有形成一个统一的观点。

2.证券市场的有效性

KMV模型、Credit Metrics模型和Credit Portfolio View模型在计算过程中都在不同程度上依赖于证券市场的数据，特别是KMV模型，其应用的主要对象是上市公司，上市公司数据的真实性将在很大程度上影响到模型输出结果的有效性。好在目前股票市场各项改革正在稳步进，各项法律监管措施不断推出，股权公开交易制度业已形成，这为一些模型的应用奠定了扎实的基础。

3. 信用评级

Credit Metrics模型和Credit Portfolio View模型的建立都直接依赖于信用评级机制。但是在我国缺乏真正独立意义上的信用评级机构，信用评级机构多隶属于行政单位或事业单位，在开展信用评级过程中行政干预多，缺乏客观性，而且评估指标体系混乱，信用评级的相关立法工作滞后。因此Credit Metrics和Credit Portfolio View两个模型在我国的应用受到很大制约。

4. 数据要求

Credit Metrics模型需要大量长期的企业历史违约数据、长期跨行业数据组以及特殊行业指数等，而我国目前正处于经济转轨时期，获得这些数据相对

18

困难；Credit Portfolio View模型是Credit Metrics模型的延伸，它不但需要历史违约等数据，同时需要依赖于很多的宏观经济数据，所以该模型在我国的应用存在一定困难；Credit Risk+模型只要求风险暴露水平和债务人违约概率等数据，这些因子可以被银行估计出来，相对来说输入的数据较少，该模型对数据要求不是很高；KMV模型在应用时也需要历史违约数据，它需要建立违约距离和预期违约率的映射关系，不过KMV模型中违约距离本身就是评价公司信用质量的很好指标，而且依据模型可以计算理论违约率。

综合上述分析可知，鉴于我国市场经济体制不够完善，现代企业制度没有普遍建立以及商业银行信用风险管理的不规范现状，尤其是基础信用数据匾乏，再加之我国银行信贷还存在选择约束和其他制度因素影响(这些因素在西方商业银行几乎不存在影响)，与现代信用风险计量模型所要求的应用假设和具体适用条件是无法完全配合的。所以总的来说，我们不能照搬西方信用风险计量模型，必须有选择地借鉴这些模型，结合我国市场经济和商业银行信用风险管理的现状，开发符合自身特点的信用计量模型。

在可借鉴模型的选择上，首先我们可以看到，在一个缺少足够信用数据的新兴市场，基于企业信用评级的风险度量方法(Credit Metrics，Credit Portfolio View)不具备应用的现实基础。且Credit Metrics模型由于缺乏信用等级转移矩阵（这需要经过长期的实践过程才能建立），目前在我国运用并不现实，Credit Risk+模型虽然对数据要求比较低，但是其风险驱动因素是债务人的违约率，这个模型的基本输入因子需要事先估计，在我国目前银行风险管理水平低下的情况下，估计参数比较困难，而且该模型还假设债务之间相互独立也与我国目前实际不符。Credit Portfolio View模型除了存在与Credit Metrics模型类似的困难外，它还考虑了宏观经济因素，然而对于宏观因素的数目、经济含义以及它们与信用等级迁移的具体函数关系都难以确定和检验，并且这种具体的函数关系也缺乏稳定性，这些导致该模型在我国运用困难较大。但与此同时，我国股票市场在经过2008年金融危机的大幅下跌后，巨大的市场泡沫得到较为有效地清洗，投资理念开始朝着价值发现与价值投资方向转变，上市公司的市场价格正在逐步向其内在基本价值回归。KMV模型通过充分利用资本市场上的信息，对已上市公司的信用风险进行量化度量和分析，通过获取主要来自股票市场的数据，而非企业的历史账面数据，通过计算核心指标..违约距离来反映企业当前的信用状况。正是由于国内股市日趋有效，使得在四个

19

主流模型中，以对企业股票市场价格变化的有关数据为分析基础的KMV模型成为我国商业银行相对较为现实的一种借鉴选择。

4.2 KMV模型实证研究

4.2.1 KMV模型的理论基础和计算过程

KMV模型类属于期权定价模型，是期权理论在贷款信用风险管理领域的创新性运用。它将银行的放款问题倒转过来，从借款企业股权持有者的角度进行考虑。借款人将公司股权看作是买入一份欧式看涨期权,即公司所有者持有一份以公司债务面值为执行价格,以公司资产市场价值为标的欧式看涨期权。如果负债到期时公司资产市场价值高于其债务,公司偿还债务；当公司资产市场价值小于其债务时,公司选择违约。因此,KMV模型评价公司信用风险的基本思路是:以违约距离（DD，Default Distance）表示公司资产市场价值期望值距离违约点(DPT, Default Point)的远近,距离越远,公司发生违约的可能性越小,反之越大。违约距离通常以资产市场价值标准差的倍数表示。违约点DPT通常处于流动负债与总负债面值之间的某一点。基于公司违约数据库,模型可依据公司的违约距离得出一个期望违约频率EDF,这个期望违约频率是公司未来某一时期的违约概率。

KMV模型的计算有两个关键步骤,一是根据公司股票价值的期权特征,利用期权定价模型可以倒推出公司资产的市场价值V及其波动率σ；二是依据公司的违约距离得出一个期望违约频率EDF。为了求出V和σ这两个不可观测的变量，KMV模型采用了如下两种途径:(1)企业股票的市场价值和企业资产的市场价值的“结构”关系；(2)企业资产波动性与企业股票价值波动性之间的关系。一旦计算出这两个派生变量的值，借款者的预期违约率(EDF)便可计算出来。

图4.1表明了从借款者(企业资产的拥有者)的角度来看待的贷款偿还问题。现假设某上市公司的负债为0B，期末的企业资产价值为OA2，且OA2>0B。那么该企业将会偿还这笔贷款，并且资产所有者将会保有企业资产的剩余价值(0A2-0B)。期末的企业资产越大，留给资产所有者的资产剩余价值也越大，企业的偿债能力就越强.如果期末时企业的资产低于0B，如OA1< 0B，则公司将要违约，公司即用企业的剩余资产还债。该公司的股权的收益状况和购买以该公司的股票为标的的看涨期权的损益状况相一致。

20