摘要：信用风险是当前我国商业银行面临的主要风险。对信用风险的准确度量和有效管理，既是商业银行进行贷款甄别、定价的关键，也是监管部门进行风险性监管的基础。随着金融全球化的趋势、金融市场波动加剧以及网络经济的迅速发展，国际上各种金融机构现在都面临着性质越来越复杂的信用风险。本文通过对西方商业银行信用风险评估模型的比较研究，指出其特点和优缺点，以期为我国商业银行加强信用风险管理提供借鉴作用。
关键词：商业银行 信用风险 度量模型
一、现代信用风险度量模型概述及分析
信用风险又称违约风险，是指借款人因种种原因不愿或无力履行合同条件而构成的违约，致使交易对方造成损失的可能性，其风险的大小是通过对方违约时的重置现金流来度量的。随着金融全球化的趋势、金融市场波动加剧以及网络经济的迅速发展，国际上各种金融机构都面临着性质越来越复杂的倍增的金融风险。因此市场上迫切需要较为成熟的风险识别、度量和防范技术手段。信用风险度量模型便是在这样的背景下快速产生和发展的，目前主要有KMV模型、Credit Risk+（信用风险附加）模型、Credit Metrics（信用度量）模型、Credit Portfolio View（信贷组合）模型。
KMV模型——期权定价模型
KMV模型是KMV公司1997年建立的用来估计借款企业违约概率的方法，该方法可针对所有的其股权公开交易的公司和银行对其违约的可能性做出预测。首先，它利用Black—Scholes期权定价公式，根据企业资产的市场价值、资产价值的波动性、到期时间、无风险借贷利率及负债的账面价值估计出企业股权的市场价值及其波动性，再根据公司的负债计算出公司的违约实施点(default exercise point，为企业1年以下短期债务的价值加上未清偿长期债务账面价值的一半)，然后计算借款人的违约距离，最后根据企业的违约距离与预期违约率(EDF)之间的对应关系，求出企业的预期违约率。
从期权定价的思想出发，可以将银行放出的一笔贷款看作是一笔以借款企业的资产为标的卖出的一笔卖权，银行贷款的损益与卖权卖方的损益图非常类似。由此根据下列Black—Scholes模型中股票卖权的计算公式，风险贷款的现行市场价值取决于五个变量【1】：（略）
KMV模型的优势与劣势。优势在于：（1）是模型是依据受信企业的资产市值来估计其信用风险波动状况，由此将市场信息情况纳入了违约概率。（2）是该模型是一种动态模型，
可及时反映信用风险水平的变化。由于该模型采用的是企业股票市场价格分析方法，是模型可随时根据企业股票市场价格的变动情况来更新模型的输入数据，能获得及时反映预期和企业信用和企业信用状况变化的新预期违约频率值，动态反映信用风险水平的变化。（3）是该模型是一种“向前看”的模型，在一定程度上克服了依赖历史数据“向后看”的数理统计模型的“历史可以在未来复制其自身”的缺陷。即股票市场的实情行情，不仅反映了该企业历史的和当前的发展状况，还反映出市场投资者对该企业未来发展的综合预测情况。其劣势在于：（1）是该模型假定利率是事先确定的，此假设对一年期内的估计违约概率无太大影响，但其假设却限制了将该模型应用于期限超过一年以上的贷款，并限制了其他利率敏感性工具。（2）是由于企业的资产价值、企业资产收益率的期望值和波动性都无法观察到，故必须使用估计技术来获取这些数据，然而估计的准确率却无从考证。（3）是对非上市公司因使用资料的可获得性差，预测的准确性也较差。
Credit Risk+模型——信用风险附加模型
Credit Risk+系统是瑞士信贷第一波士顿银行(CSFP)于1996年开发的信贷风险管理系统。它应用保险业中的精算方法来得出债券或贷款组合的损失分布，是一个运用精算方法的模型，相似于出售家庭火险的财产险承诺人在确定保险费而评估政策损失风险时所用模型。Credit Risk+模型假定违约率是随机的，可在信用周期内显著地波动，并且其本身是风险驱动因素。因而，Credit Risk+被认为是一种违约率模型的代表。它只考察违约风险，不考虑降级风险。与KMV方法不同，它并不试图建立违约风险同企业资本结构间的联系。
Credit Risk+的风险度量框架如下图所示【1】。
图 1（略）
由图中看到：违约频率和损失的严重性这两种情况的各自不确定性程度，为每一个风险暴露频段都带来一种损失的分布，而将这些不同风险暴露频段的损失加总（累积），则可得到贷款组合的损失分布。图中反映出两种不确定性与违约损失分布之间的关系。
信用风险附加模型的优势与劣势。优势：(1)该模型对贷款组合损失的概率分布有闭型解，所以不需要采用模拟技术，计算速度也较快;（2）模型所需的输入数据很少，只需每笔贷款的违约概率和给定违约概率下的损失，无需有关利率期限结构或信用等级转换矩阵的信息。（3）该模型处理能力很强，可以处理数万个不同地区、不同部门、不同时限等不同类型的风险暴露。（4）易于求出债券/贷款及其组合的损失概率和边际风险分布。劣势：（1）与KMV模型一样，只将违约风险纳入模型，没有考虑市场风险，而且认为违约风险与资本结构无关，这种简易性可能会与尽可能准确地模拟复杂、现实的目标相冲突。（2）该模型忽视了利率的随机期限结构会长期影响信用风险头寸问题，它只假定风险头寸是事先确定的常数。（3）能处理非线性金融产品，如期权、外币掉期、货币互换等。
Credit Metrics 模型——信用度量模型
Credit Metrics模型是一种基于风险价值VaR(Value-at-Risk)方法的信用风险管理模型。该模型用简单的期望和标准差来表征资产信用风险变化，通过计算在确定的置信水平下信用资产价值的最大损失额，将VaR方法引入到信用风险管理中来。该模型的核心思想是贷款或资产组合价值的变化不仅要受到资产违约的影响，而且也受到资产等级变化的影响，即信用风险不仅由债务人的违约风险引起，也会因债务人的信用等级降级而引起潜在的市场价值损失。它通过对贷款或资产组合在给定的时间单位内(通常为一年) 的未来价值变化分布进行估计，均值、标准差、分位数等参数来表征贷款或组合风险特征，利用在险价值(VaR)来衡量信用风险，并通过VaR值的大小反映出银行某个信贷或资产组合应准备的经济资本。
Credit Metrics模型的主要输入参数是期限、信用等级转移矩阵、资产之间的相关系数、远期收益率以及回收率。如果已知贷款或资产组合的价值和价值变动率(标准差)，则在给定的期限和置信度水平下，可以计算贷款或资产组合的VAR。对于贷款价值的标准差，通过建立有关贷款企业信用的数据库和分析方法，以信用评级为基础，得到企业信用等级的转换概率。
图2对Credit Metrics的风险衡量框架进行了概述，这个框架有两个主要组成部分：
a)单一金融工具“信用风险的在险价值”。
b)资产组合的在险价值，这说明了资产组合的分散化效应（“资产组合信用风险在险价值”）
这个框架也有两个辅助函数。通过“相关度”可以导出净资产回收的相关性，人们可以用这个相关性来计算信用等级转移的联合概率；通过“风险”可以计算诸者互换之类衍生证券的远期风险【2】。（略）
图2 Credit Metrics 的框架：4个支柱（资料来源：Credit Metrics，JP摩根）
Credit Metrics模型的优势与劣势。优势表现为：（1）首次将受险价值的方法运用于信用风险的量化度量和管理上。即可根据信用等级转换矩阵提供的信用工具、信用等级变化的概率分布，及不同信用等级下的贴现率，计算出信用工具市场价值在不同信用风险状态下的概率分布。（2）该方法将单一信用工具引入资产组合中，衡量其对整个组合风险状况的作用，利用了边际风险贡献的概念，即在组合中因增加某一信用工具的一定持有量而增加的整个组合的风险。（3）它是一种盯市信用风险度量模型考虑到债务价值的高端和低端。（4）适用范围广泛，可用于商业贷款、信用证和承付书、固定收益证券、贸易融资和应收账款等商业合同。劣势：（1）其假定存在局限性。即该模型假定在特定时期内存在着市场风险，利率期限结构是固定的。此假设虽然对短期浮动利率票据是合理的，但它对零息票债券和信用衍生品却不合理。（2）该模型的违约率概率与宏观经济状况无关，这就与经验事实及当前的信用风险管理实践不符。（3）该模型存在着计算复杂的问题，需要输入大量的市场数据。
Credit Portfolio View模型——信贷组合模型
1998年，麦肯锡公司Saunders和Wilson等人利用系统动力学原理，从宏观经济环境的角度分析借款人的信用等级迁移，开发出了用于分析贷款组合风险和收益的多因素模型，称为麦肯锡模型。Credit Portfloio Veiw 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，模拟了违约的联合条件分布及每个国家不同行业各种级别客户的转移概率。Credit Portfolio View 模型将违约概率、转移概率和经济状况紧密结合起来，当经济恶化时，违约和降级就会增加。经济强劲时情况就会相反。总之，信贷周期与经济周期紧密结合。由于经济状况受宏观经济因素影响，CreditPortfo11oView模型就采取一种方法将宏观经济因素与违约和转移概率结合起来。
模型基本假设:（1）信用等级在不同时期的迁移概率可变，受国别、经济周期、失业率、GDP增长速度、长期利率水平、外汇汇率、产业等因素的影响;(2)宏观经济变量服从AR (2)过程【2】。
信贷组合模型的优势与劣势。优势：（1）重点考察了宏观经济变量的影响，是一个多因素、多时期离散时间系列模型，可被用与模拟不同国家各个信用级别产品的违约概率和信用等级转换概率联合条件下的分布状况。（2）信用等级概率具有盯市性，因而它与信用度量术结合起来可以提高信用风险度量的准确性。（3）它清晰地给出了实际的离散的损失分布模型，这个损失分布依赖于子组合中信用头寸的个数和大小。劣势：（1）模型所需要的各方可靠数据难以取得，即每一国家、每一行业的违约信息不易获取，而制约了该模型的应用。（2）能处理非线性产品如期权、外币掉期。
具体的讲上述四种模型的区别可归纳为以下六个因素的比较【1】，见下表
比较因素 | KMV模型 | CreditRisk+模型 | Credit Metrics模型 | CreditPortfolio View模型 |
风险定义 | 盯市模型或违约模型 | 违约模型 | 盯市模型 | 盯市模型或违约模型 |
风险驱动因素 | 资产价值 | 预期违约率 | 资产价值 | 宏观因素 |
信用事件波动性 | 可变 | 可变 | 不变 | 可变 |
信用事件相关性 | 多变量正态资产收益 | 独立假定或与预期违约率相关 | 多变量正态资产收益 | 因素负载 |
收复率 | 不变的或随机的 | 在band内不变 | 随机 | 随机 |
数学方法 | 分析的方法 | 分析的方法 | 模拟或分析的方法 | 模拟的方法 |
二、我国商业银行信用风险管理现状与不足
目前，我国商业银行已逐步建立起信用风险管理体系，但这些系统主要用于信用信息的记录，很少涉及企业财务比率的量化分析技术，与国际性银行相比，在数据的采集、加工、度量方法的运用上都存在着相当的差距，尤其是风险的定量管理还很落后。与拥有成熟金融体系国家的商业银行相比较．我国商业银行在信用风险管理的理念、技术、体制等方面都存在着不足之处，主要表现在以下几个方面：
1、信用风险管理意识和观念淡薄。中国银行的风险在相当程度上与旧的经济体制有关。传统计划经济体制下的财政金融制度是国家大包大揽的供给制，银行只是财政的出纳，没有经营自主权，自身也无经营风险可言。改革开放以后，由于种种原因，银行商业化改革始终滞后。法人治理结构不规范、经营活动受行政干预、财务信息缺乏透明度，央行监管独立性不足、市场监督机制不完善等问题，始终不同程度地存在，并成为诱发银行风险的重要因素。
2、评级的基础是过去的财务数据，而不是对未来偿债能力的预测。一般来讲，我国的商业银行是根据三年的财务数据和相应的指标作为评级的基础，同时根据一些定性指标对评级等级进行修正。过去的数据可以作为分析的起点，但不能反映未来的发展趋势。特别是对长期贷款进行预测时，过去的数据和未来的趋势相关性较小，以过去的数据作为评级基础的可靠性较低。
3、计算机支持的管理信息系统不健全，影响风险管理决策的时效。长期以来我国商业银行尚未建立起有关信用资产的历史数据库，存在数据瓶颈制约，且缺乏对信用风险进行量化的分析能力，在短期内还无法建构出科学的风险评估系统；在信用风险管理方面表现出传统的风险管理模式的特征，即重视信贷质量的定性分析．主观性较强，重视贷款去向的合理性、贷款运行的安全性等方面的分析，但在量化分析方面的手段欠缺，在信用风险识别、度量与监测等方面的客观性、科学性不够突出。与国际上先进银行相比，在大量运用数理统计模型、金融工程等先进方法方面，我国商业银行信用风险管理方法显得相当落后【4】。
4、技术水平落后，在综合运用定量分析技术管理组合风险管理方面与国际先进银行的差距很大，缺乏专业人才【2】。我国商业银行是与先进的国际银行相比，不论是在评级方法，评级结果的检验，还是在评级组织结构、基础数据库等方面都存在着相当大的差距，从而极大地限制了内部评级在揭示和控制风险方面的作用。另外，我国商业银行也严重缺乏信用风险度量方面的专业人才，也是造成银行信用风险过高的原因之一。
三．完善我国商业银行信用风险管理的对策与建议
信用风险管理是一项复杂而庞大的工程，一方面需要国内的商业银行需要借鉴国外银行的先进经验，另一方面还需要政府、同行业和社会其他力量的积极配合，针对我国商业银行存在的问题，提出如下的几点建议：
1、培养银行员工的信用风险管理文化，增强信用风险管理意识。信用风险管理意识不止是某个管理部门的事，必须贯彻到银行的全体成员中。每一名员工在工作过程中都应当合理的兼顾效益、风险和成本，从风险管理中寻找收益点，都应当明确提高风险管理水平是创造银行核心价值的重要手段。
2、建立财务数据库的欺诈识别系统。鉴于我国的商业银行是根据三年的财务数据和相应的指标作为评级的基础，为提高建立模型的有效性，在使用数据之前应对数据质量进行检验，建立财务数据的欺诈识别系统。其主要功能包括对企业历史财务数据做多期比较分析，对选定的一些财务比率按环比变化比率来分析该企业的变化趋势是否合理。根据企业所处行业，进行企业之间的财务数据对比，分析企业的财务数据是否合理；对企业财务报表中的资产负债表、利润表、现金流量表之间是否割裂进行分析。
3、建立全国性的银行间数据库，加强信息系统建设【5】。尽管我国已经有些商业银行已经收集了一些公司财务报表、违约损失的数据，但是由于数据积累是一个长期过程，各家商业银行出于保护商业机密的原因而不愿意公开这些数据，因此必须建立全国性的银行间数据库。由于计算机网络系统和信息技术的迅猛发展，为量化度量和管理信用风险提供了强大的技术支持条件和信息条件。我国商业银行可先从相应业务及流程的信息系统优化入手，配合信用风险管理体系建设的进程，在逐步完善数据积累和学习使用先进信用风险管理工具和模型的同时，做好数据规划，再进一步开发具有前瞻性的信用风险管理信息系统。
4、引用先进的信用风险管理技术，引进和培养专业风险管理人才。我国的银行业应结合自身的特点，在借鉴国外先进技术的基础上，开发出一套适合自身情况的信用风险管理技术，提高银行风险管理水平，实施信贷组合管理，有效配置资本，增强银行的抗风险能力。目前我们可以采取人才培养与引进的方式, 派遣国内风险管理人员到国外学习先进的风险管理理念和方法, 同时聘请国外有关风险管理方面的专家来传授风险管理知识【6】。
参考文献
1、 李家军；《信用风险控制的博弈》。西安：西北工业大学出版社，2006.4
2、【美】米歇尔
3、 李志辉；《中国银行业风险控制和资本充足性管制研究》。北京：中国金融出版社，2007.3
4、张莹莹；我国商业银行风险管理存在的问题与对策。《科技情报开发与经济》，2008年，第11期
5、吴晓丹；浅谈我国商业银行的信用风险管理。《金融视线》。
6、段善雨；关于加强我国商业银行信用风险管理的思考。《金融与投资》
