商業(yè)銀行信用風(fēng)險(xiǎn)管理

第十一章商業(yè)銀行信用風(fēng)險(xiǎn)管理南開大學(xué)經(jīng)濟(jì)學(xué)院財(cái)金研究所李志輝本章知識(shí)結(jié)構(gòu)圖

信用風(fēng)險(xiǎn)是金融業(yè)面臨的最古老也是最重要的金融風(fēng)險(xiǎn)之一，它直接影響著現(xiàn)代經(jīng)濟(jì)生活中的各種活動(dòng)，也影響著一個(gè)國家的宏觀決策和經(jīng)濟(jì)發(fā)展，甚至影響全球經(jīng)濟(jì)的穩(wěn)定發(fā)展。信用風(fēng)險(xiǎn)是現(xiàn)代社會(huì)經(jīng)濟(jì)實(shí)體（特別是金融機(jī)構(gòu)）、投資者和消費(fèi)者所面臨的重大問題，只有對(duì)信用風(fēng)險(xiǎn)進(jìn)行準(zhǔn)確的度量并據(jù)以實(shí)施相應(yīng)的管理，才能保證金融機(jī)構(gòu)乃至整個(gè)經(jīng)濟(jì)社會(huì)的安全性和穩(wěn)定性。

商業(yè)銀行的信用風(fēng)險(xiǎn)主要指因借款人或交易對(duì)手未按照約定履行義務(wù)從而使銀行業(yè)務(wù)發(fā)生損失的風(fēng)險(xiǎn)。信用風(fēng)險(xiǎn)的主要來源包括：貸款、資金業(yè)務(wù)（存放同業(yè)、拆放同業(yè)、買入返售、企業(yè)債券和金融債券投資等）、應(yīng)收款項(xiàng)、表外信用業(yè)務(wù)（擔(dān)保、承諾、金融衍生品交易等）。其中，由于貸款業(yè)務(wù)份額較大，其信用風(fēng)險(xiǎn)管理是重中之重。第一節(jié)

貸款信用風(fēng)險(xiǎn)管理

一、古典信用風(fēng)險(xiǎn)度量方法Ⅰ：專家制度

專家制度是一種最古老的信用風(fēng)險(xiǎn)分析方法，它是商業(yè)銀行在長期的信貸活動(dòng)中所形成的一種行之有效的信用風(fēng)險(xiǎn)分析和管理制度。這種方法的最大特征就是：銀行信貸的決策權(quán)由該機(jī)構(gòu)那些經(jīng)過長期訓(xùn)練、具有豐富經(jīng)驗(yàn)的信貸官所掌握，由他們做出是否貸款的決定。因此，在信貸決策過程中，信貸官的專業(yè)知識(shí)、主觀判斷以及某些要考慮的關(guān)鍵要素權(quán)重均為最重要的決定因素。1.專家制度的主要內(nèi)容

在專家制度下，由于各商業(yè)銀行自身?xiàng)l件不同，對(duì)貸款申請(qǐng)人進(jìn)行信貸分析所涉及的內(nèi)容也不盡相同。但是，大多數(shù)銀行都將重點(diǎn)集中在借款人的“5C”上，也有些銀行將信貸分析的內(nèi)容歸納為“5W”或“5P”。在傳統(tǒng)的信貸分析過程中，信貸官常常要借助于一些標(biāo)準(zhǔn)的分析技術(shù)來對(duì)借款人清償債務(wù)能力進(jìn)行評(píng)估。表11-1列舉了銀行家在信貸分析中所經(jīng)常使用的財(cái)務(wù)比率指標(biāo)。

2.專家制度存在的缺陷與不足

第一，要維持這樣的專家制度需要相當(dāng)數(shù)量的專門信貸分析人員，隨著銀行業(yè)務(wù)量的不斷增加，其所需要的信貸分析人員就會(huì)越來越多。

第二，專家制度實(shí)施的效果很不穩(wěn)定。

第三，專家制度與銀行在經(jīng)營管理中的官僚主義方式緊密相聯(lián)，大大降低了銀行應(yīng)對(duì)市場(chǎng)變化的能力，影響了銀行未來的發(fā)展。

第四，專家制度加劇了銀行在貸款組合方面過度集中的問題，使銀行面臨著更大的風(fēng)險(xiǎn)。

第五，專家制度在對(duì)借款人進(jìn)行信用分析時(shí)，難以確定共同遵循的標(biāo)準(zhǔn)，造成信貸評(píng)估的主觀性、隨意性和不一致性。

二、古典信用風(fēng)險(xiǎn)度量方法Ⅱ：Z評(píng)分模型和ZETA評(píng)分模型Z評(píng)分模型（Z-scoreModel）是美國紐約大學(xué)斯特商學(xué)院教授愛德華·阿爾特曼（EdwardI.Altman）在1968年提出的。1977年他又對(duì)該模型進(jìn)行了修正和擴(kuò)展，建立了第二代模型ZETA模型（ZETACreditRiskModel）。1.Z評(píng)分模型的主要內(nèi)容

阿爾特曼的Z評(píng)分模型是一種多變量的分辨模型，他是根據(jù)數(shù)理統(tǒng)計(jì)中的辨別分析技術(shù)，對(duì)銀行過去的貸款案例進(jìn)行統(tǒng)計(jì)分析，選擇一部分最能夠反映借款人的財(cái)務(wù)狀況，對(duì)貸款質(zhì)量影響最大、最具預(yù)測(cè)或分析價(jià)值的比率，設(shè)計(jì)出一個(gè)能最大程度地區(qū)分貸款風(fēng)險(xiǎn)度的數(shù)學(xué)模型（也稱之為判斷函數(shù)），對(duì)貸款申請(qǐng)人進(jìn)行信用風(fēng)險(xiǎn)及資信評(píng)估。

阿爾特曼確立的分辨函數(shù)為：

其中，X1為流動(dòng)資金/總資產(chǎn)（WC/TA），X2為留存收益/總資產(chǎn)（RE/TA），X3為息前、稅前收益/總資產(chǎn)（EBIT/TA），X4為股權(quán)市值/總負(fù)債賬面值（MVE/TL），X5為銷售收入/總資產(chǎn)（S/TA）。

阿爾特曼經(jīng)過統(tǒng)計(jì)分析和計(jì)算最后確定了借款人違約的臨界值Z0=2.675，如果Z<2.675，借款人被劃入違約組；如果Z≥2.675，則借款人被劃為非違約組。如果1.81<Z<2.99，阿爾特曼發(fā)現(xiàn)此時(shí)的判斷失誤較大，稱該重疊區(qū)域?yàn)槲粗獏^(qū)（ZoneofIgnorance）或稱灰色區(qū)域(grayarea)2.第二代Z評(píng)分模型——ZETA信用風(fēng)險(xiǎn)模型1977年，阿爾特曼（Altman）、赫爾德門（Haldeman）和納內(nèi)亞南（Narayanan）對(duì)原始的Z評(píng)分模型進(jìn)行了重大修正和提升，推出了第二代信用評(píng)分模型——ZETA信用風(fēng)險(xiǎn)模型。新模型的變量由原始模型的五個(gè)增加到了七個(gè)，它的適應(yīng)范圍更寬，對(duì)不良借款人的辨認(rèn)精度也大大提高。

我們可以將ZETA模型寫成下列式子：

模型中的a、b、c、d、e、f、g，分別是作者無法獲得ZETA模型中七變量各自的系數(shù)。模型中的七變量分別是：資產(chǎn)收益率、收益穩(wěn)定性指標(biāo)、債務(wù)償付能力指標(biāo)、累計(jì)盈利能力指標(biāo)、流動(dòng)性指標(biāo)、資本化程度的指標(biāo)、規(guī)模指標(biāo)。3.Z評(píng)分模型和ZETA模型的缺陷Z評(píng)分模型和ZETA模型均為一種以會(huì)計(jì)資料為基礎(chǔ)的多變量信用評(píng)分模型。由這兩個(gè)模型所計(jì)算出的Z值可以較為明確地反映借款人（企業(yè)或公司）在一定時(shí)期內(nèi)的信用狀況（違約或不違約、破產(chǎn)或不破產(chǎn)），因此，它可以作為借款人經(jīng)營前景好壞的早期預(yù)警系統(tǒng)。由于Z評(píng)分模型和ZETA模型具有較強(qiáng)的操作性、適應(yīng)性以及較強(qiáng)的預(yù)測(cè)能力，因此它們一經(jīng)推出便在許多國家和地區(qū)得到推廣和使用并取得顯著效果，成為當(dāng)代預(yù)測(cè)企業(yè)違約或破產(chǎn)的核心分析方法之一。Z評(píng)分模型和ZETA模型存在的主要問題有以下幾個(gè)方面：

首先，兩個(gè)模型都依賴于財(cái)務(wù)報(bào)表的賬面數(shù)據(jù)，忽視日益重要的各項(xiàng)資本市場(chǎng)指標(biāo)，這就必然削弱模型預(yù)測(cè)結(jié)果的可靠性和及時(shí)性；

其次，由于模型缺乏對(duì)違約和違約風(fēng)險(xiǎn)的系統(tǒng)認(rèn)識(shí)，理論基礎(chǔ)比較薄弱，從而難以令人信服；

再次，兩個(gè)模型都假設(shè)在解釋變量中存在著線性關(guān)系，而現(xiàn)實(shí)的經(jīng)濟(jì)現(xiàn)象是非線性的，因而也削弱了預(yù)測(cè)結(jié)果的準(zhǔn)確程度，使得違約模型不能精確地描述經(jīng)濟(jì)現(xiàn)實(shí)；

最后，兩個(gè)模型都無法計(jì)量企業(yè)的表外信用風(fēng)險(xiǎn)，另外對(duì)某些特定行業(yè)的企業(yè)如公用企業(yè)、財(cái)務(wù)公司、新公司以及資源企業(yè)也不適用，因而其使用范圍受到較大限制。

針對(duì)這兩個(gè)模型所存在的上述問題，人們一直在努力尋求新的方法和模型來替代傳統(tǒng)的專家制度和借款人（企業(yè)）違約預(yù)測(cè)模型。表11-2ZETA模型與Z評(píng)分模型準(zhǔn)確性的比較

三、現(xiàn)代信用風(fēng)險(xiǎn)度量方法：信用度量制模型

近年來，現(xiàn)代信用風(fēng)險(xiǎn)量化管理模型在國際金融界得到了很高的重視和相當(dāng)大的發(fā)展。J.P.摩根繼1994年推出著名的以VaR為基礎(chǔ)的市場(chǎng)風(fēng)險(xiǎn)度量制(RiskMetrics)后，1997年又推出了信用風(fēng)險(xiǎn)量化度量和管理模型——信用度量制(CreditMetrics)，隨后瑞士信用銀行又推出另一類型的信用風(fēng)險(xiǎn)量化模型CreditRisk+，都在銀行業(yè)產(chǎn)生很大的影響。同樣為銀行業(yè)所重視的其他一些信用風(fēng)險(xiǎn)模型，還有KMV公司的以EDF為核心手段的KMV模型，Mckinsey公司的CreditPortfolioView模型等。

信用風(fēng)險(xiǎn)管理模型在金融領(lǐng)域的發(fā)展也引起了監(jiān)管當(dāng)局的高度重視，1999年4月，巴塞爾銀行監(jiān)管委員會(huì)提出名為《信用風(fēng)險(xiǎn)模型化：當(dāng)前的實(shí)踐和應(yīng)用》的研究報(bào)告，開始研究這些風(fēng)險(xiǎn)管理模型的應(yīng)用對(duì)國際金融領(lǐng)域風(fēng)險(xiǎn)管理的影響，以及這些模型在金融監(jiān)管，尤其是在風(fēng)險(xiǎn)資本監(jiān)管方面應(yīng)用的可能性。毫無疑問，這些信用風(fēng)險(xiǎn)管理模型的發(fā)展正在對(duì)傳統(tǒng)的信用風(fēng)險(xiǎn)管理模式產(chǎn)生革命性的影響，一個(gè)現(xiàn)代信用風(fēng)險(xiǎn)管理的新模式正在形成。

自1993年國際清算銀行(BIS)宣布引入對(duì)市場(chǎng)風(fēng)險(xiǎn)的資本充足要求以來，人們對(duì)風(fēng)險(xiǎn)價(jià)值(ValueatRisk)方法產(chǎn)生了極大興趣，并在開發(fā)和試驗(yàn)方面取得了很大進(jìn)展。風(fēng)險(xiǎn)價(jià)值作為一個(gè)概念，最先起源于80年代末交易商對(duì)金融資產(chǎn)風(fēng)險(xiǎn)測(cè)量的需要；作為一種市場(chǎng)風(fēng)險(xiǎn)測(cè)量和管理的新工具，則是由J.P.摩根銀行最早在1994年提出，其標(biāo)志性產(chǎn)品為“風(fēng)險(xiǎn)度量制”模型(RiskMetricsmodel)。

由于VaR方法能夠簡單清晰地表示市場(chǎng)風(fēng)險(xiǎn)的大小，又有嚴(yán)謹(jǐn)系統(tǒng)的概率統(tǒng)計(jì)理論作為依托，因而得到了國際金融界的廣泛支持和認(rèn)可。國際性研究機(jī)構(gòu)30人小組和國際掉期交易協(xié)會(huì)(ISDA)等團(tuán)體一致推薦，將VaR方法作為市場(chǎng)風(fēng)險(xiǎn)測(cè)量的最佳方法。目前，越來越多的金融機(jī)構(gòu)紛紛采用VaR方法來測(cè)量、控制其市場(chǎng)風(fēng)險(xiǎn)，尤其在衍生工具投資領(lǐng)域，VaR方法的應(yīng)用更加廣泛。1.風(fēng)險(xiǎn)價(jià)值(VaR)方法

風(fēng)險(xiǎn)價(jià)值模型就是為了度量一項(xiàng)給定的資產(chǎn)或負(fù)債在一定時(shí)期和在一定的置信度下(如95%、97.5%、99%等)其價(jià)值最大的損失額。

我們可以以一家上市公司的股票為例來描述風(fēng)險(xiǎn)價(jià)值(VaR)方法?，F(xiàn)在，我們假定該上市公司股票今天的市值P為80美元/股，它被估計(jì)的每天的價(jià)值變動(dòng)標(biāo)準(zhǔn)差σ為10美元。對(duì)于任何一家金融機(jī)構(gòu)的股票交易員或風(fēng)險(xiǎn)管理者來說，都會(huì)提出這樣的問題：明天的股票市場(chǎng)若是一個(gè)壞天氣，那么我所負(fù)責(zé)的股票風(fēng)險(xiǎn)價(jià)值(在一定的置信水平下股票價(jià)值遭受的最大損失額)是多大呢?如果該股票價(jià)格今后每天都是圍繞著今天80美元的價(jià)格呈正態(tài)分布，并且平均來看每100天會(huì)出現(xiàn)一天的壞天氣的話，那么我們用統(tǒng)計(jì)學(xué)的語言來講明天就有1%出現(xiàn)壞天氣的概率。

正態(tài)分布下的那片區(qū)域包含著各種概率發(fā)生的信息：通過觀察我們知道大約有68.26%的股票價(jià)格觀察值處于均值正負(fù)1個(gè)標(biāo)準(zhǔn)差之間，95%的股票價(jià)格觀察值處于均值正負(fù)1.96個(gè)標(biāo)準(zhǔn)差之間，99%的股票價(jià)格觀察值處于均值正負(fù)2.58個(gè)標(biāo)準(zhǔn)差之間。就后者而言，若用美元來計(jì)量，該股票價(jià)格明天有0.5%機(jī)會(huì)升至80美元+2.58σ的水平。同時(shí)也有0.5%的機(jī)會(huì)降至80美元-2.58σ的水平。前面我們?cè)俣é覟?0美元，因此該股票價(jià)格有0.5%的機(jī)會(huì)降至54.2美元或者更低的水平。換言之，該股票持有人價(jià)值損失少于80美元-54.2美元=25.8美元的概率為99.5%。就是說在置信水平99.5%的情況下，25.8美元可以視為該股票的風(fēng)險(xiǎn)價(jià)值(VaR)。

VaR方法特別適用于對(duì)可交易的金融資產(chǎn)風(fēng)險(xiǎn)價(jià)值的計(jì)量，因?yàn)槿藗兛梢院苋菀椎貜馁Y本市場(chǎng)中獲取這類資產(chǎn)的市值和它們的標(biāo)準(zhǔn)差。但是，若將這種方法直接用于度量非交易性金融資產(chǎn)如貸款的風(fēng)險(xiǎn)價(jià)值時(shí)則會(huì)遇到如下問題：

首先，一筆貸款當(dāng)前的市值P不能夠直接觀察到，因?yàn)榻^大多數(shù)貸款是不能直接進(jìn)行交易的。

第二，由于貸款的市值不能夠觀察，因而也就沒有一個(gè)時(shí)間序列來計(jì)算出貸款的方差σ，即貸款市值的變動(dòng)率。

第三，在VaR方法上，人們假定可交易性金融資產(chǎn)的收益分布是呈正態(tài)分布狀的，這與它們的實(shí)際分布是大體吻合的。但是對(duì)于貸款而言，它的價(jià)值分布離正態(tài)分布狀偏差較大，正如我們?cè)谇懊嫠懻撨^的貸款的收益是固定在一定水平之下，而它的風(fēng)險(xiǎn)則很大。因此，即使我們能夠測(cè)定出貸款的市值和它的變動(dòng)率，我們?nèi)匀恍枰紤]貸款收益的非對(duì)稱性問題。2.信用度量制方法(CreditMetrics)

信用度量制是由J.P.摩根與其他合作者(美洲銀行、KMV公司、瑞士聯(lián)合銀行等)在已有的風(fēng)險(xiǎn)度量制方法基礎(chǔ)上，創(chuàng)立的一種專門用于對(duì)非交易性金融資產(chǎn)如貸款和私募債券的價(jià)值和風(fēng)險(xiǎn)進(jìn)行度量的模型。該模型是歐美國家最為流行的模型。

風(fēng)險(xiǎn)度量制方法所要解決的問題是：如果明天是一個(gè)壞天氣的話，我所擁有的可交易性金融資產(chǎn)如股票、債券和其它證券的價(jià)值將會(huì)有多大的損失?而信用度量制方法則是要解決這樣的問題：如果下一個(gè)年度是一個(gè)壞年頭的話，我的貸款及貸款組合的價(jià)值將會(huì)遭受多大的損失呢?

由于貸款是不能夠公開進(jìn)行交易的，所以我們既無法觀察到貸款的市值(P)，也不能夠獲得貸款市值的變動(dòng)率(σ)。但是人們?nèi)匀豢梢酝ㄟ^掌握借款企業(yè)的以下資料來解決這個(gè)問題。這些資料包括：(1)借款人的信用等級(jí)資料；(2)在下一年度里該信用級(jí)別水平轉(zhuǎn)換為其它信用級(jí)別的概率；(3)違約貸款的收復(fù)率。一旦人們獲得了這些資料，便可以計(jì)算出任何一項(xiàng)非交易性的貸款和債券的P值和σ值，從而最終可利用風(fēng)險(xiǎn)價(jià)值方法對(duì)單筆貸款或貸款組合的風(fēng)險(xiǎn)價(jià)值進(jìn)行度量。

為了說明信用度量制方法，我們來看一看怎樣計(jì)算一筆貸款的風(fēng)險(xiǎn)價(jià)值，并且討論一下圍繞計(jì)算風(fēng)險(xiǎn)價(jià)值所涉及到的相關(guān)技術(shù)問題。這個(gè)例子是這樣的：五年期固定利率貸款，年貸款利率為6%，貸款總額為100(百萬美元)。借款企業(yè)信用等級(jí)為BBB級(jí)。

（1）借款企業(yè)信用等級(jí)轉(zhuǎn)換的概率

信用度量制方法不僅考慮到了借款人違約所帶來的信用風(fēng)險(xiǎn)，而且還考慮了借款人由于其信用等級(jí)下降所帶來債務(wù)價(jià)值變動(dòng)的信用風(fēng)險(xiǎn)。因此，對(duì)借款人違約概率的估計(jì)和對(duì)借款人信用等級(jí)變化的估計(jì)是同等重要的。關(guān)于借款人信用評(píng)級(jí)級(jí)別在未來轉(zhuǎn)換的概率情況可以從大的信用評(píng)級(jí)公司中獲取。表11-3就是由標(biāo)準(zhǔn)普爾公司所提供的一張借款人在1年期里信用等級(jí)轉(zhuǎn)換概率的矩陣表。從表11-3中可以找到BBB級(jí)借款人在下一個(gè)年度的信用級(jí)別有8種轉(zhuǎn)換的概率，其中保持BBB級(jí)的概率為86.93%，違約概率為0.18%，另外三種概率為升級(jí)，三種概率為降級(jí)。表11-3一年期信用等級(jí)轉(zhuǎn)換矩陣

（2）對(duì)信用等級(jí)變動(dòng)后的貸款市值估價(jià)

信用等級(jí)的上升或下降必然會(huì)影響到一筆貸款余下的現(xiàn)金流量所要求的信用風(fēng)險(xiǎn)加息差(或信用風(fēng)險(xiǎn)酬金)，因此也就必然會(huì)對(duì)貸款隱含的當(dāng)前市值產(chǎn)生影響。貸款信用等級(jí)下降，對(duì)貸款所要求的信用風(fēng)險(xiǎn)加息差就應(yīng)當(dāng)提高，因而其貸款的市值也就相應(yīng)下降；信用等級(jí)上升，則會(huì)出現(xiàn)相反的效應(yīng)。從技術(shù)角度來看，由于我們正在重新估價(jià)的是一筆第一年剛結(jié)束且在該年度里信用等級(jí)轉(zhuǎn)換事件已發(fā)生的5年期固定利率貸款，因此我們便可以依據(jù)下列公式計(jì)算出該筆貸款的市值(百萬美元)。

式中，P0為貸款總額，r0為年貸款利率，ri為財(cái)政零息票債券的無風(fēng)險(xiǎn)利率(也稱遠(yuǎn)期零息票利率，可從國庫券收益率曲線中計(jì)算出來)；Si是指每年的信用加息差，它是不同期限的(零息票)貸款信用風(fēng)險(xiǎn)報(bào)酬率，這些數(shù)據(jù)可從公司債券市場(chǎng)相應(yīng)的債券利率與國債市場(chǎng)相應(yīng)的國債利率之差中獲得。公式中的息票額(或第一年的利息支付額)未被貼現(xiàn)，可以將其視為該筆貸款的應(yīng)計(jì)利息收入額。

現(xiàn)在我們假定借款人在第一年中的信用等級(jí)從BBB級(jí)上升的A級(jí)，那么對(duì)于發(fā)放貸款的金融機(jī)構(gòu)來說它所發(fā)放的這筆貸款的第一年結(jié)束時(shí)的現(xiàn)值或市值便是：

由上式結(jié)果可知，若借款人在第一年結(jié)束時(shí)信用等級(jí)從BBB級(jí)上升為A級(jí)，那么這100百萬美元貸款(賬面值)的市值可上升為108.66（=100+P）百萬美元。運(yùn)用同樣的方法，也可以獲得借款人信用等級(jí)轉(zhuǎn)換到其它評(píng)級(jí)后的貸款市值金額。表11-4為借款人信用等級(jí)變化所導(dǎo)致貸款市值變化的情況。表11-4不同信用等級(jí)下貸款市值狀況(包括第一年息票額)

圖11-2向人們展示了借款人信用等級(jí)轉(zhuǎn)換后貸款市值的概率分布狀況。從該圖看，貸款市值的概率分布并不是完全呈正態(tài)分布狀的。以均值為界，分布曲線的左半部分為一固定朝上爬行線，而曲線右半部分則是一段朝下較陡的近似直線(即負(fù)斜率)。因此，在這種概率分布條件下，人們?cè)谶\(yùn)用信用度量制方法計(jì)算貸款風(fēng)險(xiǎn)價(jià)值時(shí)就要計(jì)算出兩種風(fēng)險(xiǎn)價(jià)值：第一，按照貸款市值呈正態(tài)分布狀時(shí)，計(jì)算出該貸款的風(fēng)險(xiǎn)價(jià)值是多少；第二，按照貸款的實(shí)際分布狀況，計(jì)算出該貸款的風(fēng)險(xiǎn)價(jià)值是多少。圖11-25年期BBB級(jí)貸款的市值實(shí)際分布狀況

（3）計(jì)算風(fēng)險(xiǎn)價(jià)值

表11-5展示了在5%和1%最壞情景下(如大的災(zāi)年發(fā)生后)，如何圍繞貸款市值均值(期望值)計(jì)算出兩種概率分布情況下的貸款風(fēng)險(xiǎn)價(jià)值。計(jì)算貸款風(fēng)險(xiǎn)價(jià)值的第一步是要計(jì)算出貸款市值的均值，將每一信用等級(jí)下的貸款市值乘以借款人信用等級(jí)轉(zhuǎn)換到該等級(jí)的概率，再將八種不同的結(jié)果加總起來便可算出。這里5%的最壞情景是指每20年發(fā)生一個(gè)壞年景所造成貸款價(jià)值的最大損失額(即5%的風(fēng)險(xiǎn)價(jià)值)；1%的最壞情景是指每100年發(fā)生一個(gè)壞年景造成貸款價(jià)值的最大損失額（1%的風(fēng)險(xiǎn)價(jià)值）。這一點(diǎn)與市場(chǎng)風(fēng)險(xiǎn)下的風(fēng)險(xiǎn)價(jià)值(VaR)略有不同，市場(chǎng)風(fēng)險(xiǎn)下的風(fēng)險(xiǎn)價(jià)值時(shí)段是以天為計(jì)算單位，而信用風(fēng)險(xiǎn)下的風(fēng)險(xiǎn)價(jià)值時(shí)段則是以年為計(jì)算單位。表11-5信用等級(jí)BBB級(jí)貸款風(fēng)險(xiǎn)價(jià)值計(jì)算表(以貸款市值均值為基準(zhǔn)點(diǎn))

假定貸款的市值處于正態(tài)分布狀況，那么圍繞著均值的貸款市值的方差為8.9477百萬美元，相應(yīng)它的標(biāo)準(zhǔn)差為2.99百萬美元。因此，根據(jù)正態(tài)分布的性質(zhì)，該筆貸款5%的風(fēng)險(xiǎn)價(jià)值為1.65×2.99=4.93（百萬美元），1%的風(fēng)險(xiǎn)價(jià)值應(yīng)為2.33×2.99=6.97（百萬美元）。

但是按照貸款市值分布呈正態(tài)分布狀的假設(shè)去計(jì)算該貸款的風(fēng)險(xiǎn)價(jià)值時(shí)，往往會(huì)低估其實(shí)際的風(fēng)險(xiǎn)價(jià)值，因?yàn)橘J款市值分布并不完全是正態(tài)分布。從表11-5中，可以看到各信用等級(jí)下的貸款市值及其發(fā)生的概率，其中有6.77%(5.3%+1.17%+0.12%+0.18%)的概率貸款市值處于102.02百萬美元以下的水平，包含大約5%的實(shí)際風(fēng)險(xiǎn)價(jià)值即107.09-102.02=5.07（百萬美元)；同時(shí)，還有1.47%的概率(1.17%+0.12%+0.18%)貸款市值低于98.10百萬美元水平，包含大約1%的實(shí)際風(fēng)險(xiǎn)價(jià)值即107.09-98.10=8.99（百萬美元)。

為了得到較為準(zhǔn)確的風(fēng)險(xiǎn)價(jià)值，我們可以通過線性插值法算出5%和1%情景下的實(shí)際風(fēng)險(xiǎn)價(jià)值來。例如，在表11-5的例子中，1.47百分位數(shù)等于98.10百萬美元，0.30百分位數(shù)等于83.64百萬美元，使用線性插值法，便可以算出1.00百分位數(shù)大約等于92.29百萬美元。獲得了這個(gè)數(shù)，我們便可以很容易地算出實(shí)際的1%的風(fēng)險(xiǎn)價(jià)值為107.90-92.29=14.80（百萬美元）。3.信用度量制模型若干引起爭議的技術(shù)問題

信用度量制模型(CreditMetricsmodel)一經(jīng)推出，便獲得業(yè)內(nèi)人士的高度評(píng)價(jià)和贊賞。但是由于它仍然處于初創(chuàng)階段，在許多方面還不成熟，還存在著若干需要解決的技術(shù)問題。

（1）關(guān)于信用等級(jí)的轉(zhuǎn)換問題。對(duì)貸款等金融資產(chǎn)進(jìn)行信用風(fēng)險(xiǎn)度量的關(guān)鍵一步是要獲得不同信用等級(jí)的金融資產(chǎn)在某一時(shí)段(如1年)信用等級(jí)轉(zhuǎn)換的概率矩陣資料，從而依據(jù)這些資料計(jì)算出貸款等金融資產(chǎn)的風(fēng)險(xiǎn)價(jià)值。然而，人們?cè)谑占?、整理和生成金融資產(chǎn)信用等級(jí)轉(zhuǎn)換概率矩陣資料時(shí)往往設(shè)定了許多假設(shè)條件，而這些假設(shè)往往與現(xiàn)實(shí)不符，因而也就影響了所求金融資產(chǎn)風(fēng)險(xiǎn)價(jià)值的準(zhǔn)確度。表11-6不同求償級(jí)別貸款的違約收復(fù)率(面值百分比)

（2）關(guān)于貸款的估價(jià)問題

我們?cè)谇懊嬗?jì)算貸款的風(fēng)險(xiǎn)價(jià)值時(shí)，均設(shè)定三個(gè)輸入變量(違約收復(fù)率、遠(yuǎn)期零息票利率和信用加息差率)為非隨機(jī)性變量，如果人們將這三個(gè)變量中的某一個(gè)或三個(gè)都確定為隨機(jī)變量的話，那么據(jù)此所計(jì)算的貸款風(fēng)險(xiǎn)價(jià)值就要比在非隨機(jī)狀態(tài)下所計(jì)算出的風(fēng)險(xiǎn)價(jià)值大得多。在這三個(gè)變量中，各類貸款或債券的違約收復(fù)率和加息差率有著較大的差異。

在違約收復(fù)率方面，由于不同債務(wù)工具的求償?shù)燃?jí)不同，因而它們違約時(shí)的平均收復(fù)率不同且與之相應(yīng)的變動(dòng)標(biāo)準(zhǔn)差也不盡相同，這種收復(fù)率變動(dòng)的標(biāo)準(zhǔn)差就會(huì)直接影響到貸款等債務(wù)工具市值變動(dòng)的標(biāo)準(zhǔn)差和它們的風(fēng)險(xiǎn)價(jià)值(見表11-6)。

例如，優(yōu)先未擔(dān)保貸款的平均收復(fù)率為51.13%，但它的標(biāo)準(zhǔn)差則高達(dá)為25.45%，那么在正態(tài)分布條件下，上例中BBB級(jí)貸款的市值變動(dòng)標(biāo)準(zhǔn)差將可從原來的2.99百萬美元提高至3.18百萬美元，增長6.3%，該貸款1%的風(fēng)險(xiǎn)價(jià)值則從原來的6.67百萬美元提高到7.38（2.33×3.18）百萬美元。由此可見，計(jì)量貸款等債務(wù)工具的風(fēng)險(xiǎn)價(jià)值的三個(gè)輸入變量的不確定性會(huì)直接影響到風(fēng)險(xiǎn)價(jià)值的高低及其準(zhǔn)確性。第二節(jié)

信貸資產(chǎn)組合信用風(fēng)險(xiǎn)管理

利用現(xiàn)代組合理論(MPT)對(duì)信貸資產(chǎn)組合信用風(fēng)險(xiǎn)進(jìn)行量化度量及其管理的模型近年來涌現(xiàn)出不少，人們大體上將其分成兩類，一類是尋求信貸資產(chǎn)組合的全部風(fēng)險(xiǎn)——收益均衡的模型(如KMV組合管理人模型和Altman組合模型等)，另一類被視為主要集中于風(fēng)險(xiǎn)維度和計(jì)算貸款組合的風(fēng)險(xiǎn)價(jià)值(VaR)的模型(如信用度量制模型)。

一、信用度量制模型：正態(tài)分布條件下的組合風(fēng)險(xiǎn)價(jià)值

與單項(xiàng)信貸資產(chǎn)風(fēng)險(xiǎn)價(jià)值的度量一樣，我們首先要考察在正態(tài)分布的條件下，怎樣計(jì)算信貸資產(chǎn)組合風(fēng)險(xiǎn)價(jià)值(PortfolioVaR)，然后，再考察在實(shí)際分布條件下，怎樣計(jì)算出組合的風(fēng)險(xiǎn)價(jià)值，最后依據(jù)組合風(fēng)險(xiǎn)價(jià)值導(dǎo)出相應(yīng)的組合經(jīng)濟(jì)資本量。

在信用度量制正態(tài)分布模型下，我們可以用一個(gè)兩貸款組合信用風(fēng)險(xiǎn)度量方法作為其參照樣板，通過兩貸款組合風(fēng)險(xiǎn)價(jià)值的度量方法推廣至N項(xiàng)貸款組合情形下的計(jì)量方法。

為了計(jì)算出兩貸款組合的風(fēng)險(xiǎn)價(jià)值，我們首先需要掌握兩類資料：（1）測(cè)算出兩貸款的聯(lián)合信用等級(jí)轉(zhuǎn)換概率。在這里，我們假設(shè)這兩項(xiàng)貸款為：一項(xiàng)BBB級(jí)貸款，其面值為100(百萬美元)，一項(xiàng)A級(jí)貸款，其面值為100(百萬美元)。（2）兩項(xiàng)貸款在1年期的每一個(gè)可能的聯(lián)合信用等級(jí)轉(zhuǎn)換概率下的貸款價(jià)值量。1.聯(lián)合信用等級(jí)轉(zhuǎn)換概率

表11-7向人們展示了BBB級(jí)貸款和A級(jí)貸款各自1年的信用等級(jí)轉(zhuǎn)換概率，以及這兩項(xiàng)貸款在相關(guān)性為0.3條件下其聯(lián)合信用等級(jí)轉(zhuǎn)換概率狀況。對(duì)于BBB級(jí)貸款的借款人來說，他在1年中有8種可能的信用等級(jí)狀態(tài)，而對(duì)于A級(jí)貸款的借款人而言，在1年期間同樣有8種可能的信用等級(jí)狀態(tài)。同時(shí)，這兩個(gè)借款人還共同面臨著有64個(gè)可能的聯(lián)合信用等級(jí)轉(zhuǎn)換概率的狀況。表11-7相關(guān)性為0.3條件下兩貸款聯(lián)合信用等級(jí)轉(zhuǎn)換概率狀況

2.資產(chǎn)價(jià)值波動(dòng)與信用等級(jí)轉(zhuǎn)換的關(guān)系

為了觀察借款人資產(chǎn)價(jià)值波動(dòng)與其信用等級(jí)轉(zhuǎn)換的關(guān)系，圖11-4將BB級(jí)借款人的經(jīng)過標(biāo)準(zhǔn)化的正態(tài)資產(chǎn)收益波動(dòng)與其信用等級(jí)轉(zhuǎn)換聯(lián)系起來。如果假定企業(yè)資產(chǎn)價(jià)值的波動(dòng)是呈正態(tài)分布的，那么我們便能計(jì)算出企業(yè)資產(chǎn)價(jià)值經(jīng)過多少個(gè)標(biāo)準(zhǔn)差的價(jià)值波動(dòng)，才能使企業(yè)從原來的BB級(jí)轉(zhuǎn)換到違約級(jí)。例如，BB級(jí)借款人歷史上的一年違約概率為1.06%，使用標(biāo)準(zhǔn)化正態(tài)分布表，我們更可很快算出該企業(yè)的資產(chǎn)價(jià)值只要減少2.3σ就可導(dǎo)致企業(yè)違約。

另外，BB級(jí)借款人一年后從他當(dāng)前的信用等級(jí)轉(zhuǎn)換為C信用等級(jí)的概率為1%，換句話說，該借款人的資產(chǎn)價(jià)值只要降至2.04σ就可使他從BB級(jí)降至C級(jí)或更低。圖11-4將BB級(jí)借款人所有可能出現(xiàn)的降級(jí)概率都展現(xiàn)出來。我們也可以像圖11-4那樣，將BBB級(jí)借款人和A級(jí)借款人相應(yīng)數(shù)據(jù)建立起來。表11-8展示了A級(jí)借款人的資產(chǎn)價(jià)值波動(dòng)與其信用等級(jí)轉(zhuǎn)換的關(guān)系。圖11-4BB級(jí)借款人的資產(chǎn)價(jià)值波動(dòng)(σ)與其信用等級(jí)轉(zhuǎn)換之間關(guān)系表11-8A級(jí)借款人資產(chǎn)價(jià)值波動(dòng)(ρ)與其信用等級(jí)轉(zhuǎn)換之間關(guān)系

從圖11-4和表11-8中我們可以看到：BB級(jí)借款人若想使自己的信用等級(jí)在下一年仍然保持原來的水準(zhǔn)，只需要使其標(biāo)準(zhǔn)化正態(tài)資產(chǎn)收益在-1.23σ和+1.37σ之間波動(dòng)；同樣，A級(jí)借款人若想使自己信用等級(jí)保持不變，其標(biāo)準(zhǔn)化正態(tài)資產(chǎn)收益在-1.51σ和+1.98σ之間波動(dòng)就能做到?，F(xiàn)在我們假定這兩家借款企業(yè)資產(chǎn)收益之間的相關(guān)性(ρ)為0.2，那么這兩個(gè)借款人想要在下一年度里繼續(xù)保持各自原來信用等級(jí)的聯(lián)合信用等級(jí)轉(zhuǎn)換概率(Pr)便可計(jì)算出來。

我們是通過下面這個(gè)雙變數(shù)正態(tài)密度函數(shù)進(jìn)行積分，來求出這兩個(gè)借款人的聯(lián)合信用等級(jí)轉(zhuǎn)換概率，即

公式中Y1，Y2為兩個(gè)借款人的資產(chǎn)收益，它們是隨機(jī)的。公式中的ρ=0.02，它是指兩個(gè)借款人之間相關(guān)系數(shù)。通常在信用度量制模型方法中，相關(guān)系數(shù)是通過將單個(gè)借款人股票收益作為輸入變量的多因素模型計(jì)算出來的。3.兩貸款組合的聯(lián)合貸款價(jià)值(JointLoanValues)

除了計(jì)算出兩貸款組合的64個(gè)聯(lián)合信用等級(jí)轉(zhuǎn)換概率外，我們還需要計(jì)算出兩貸款組合情形下的64個(gè)聯(lián)合貸款價(jià)值量，這樣才能算出該組合在一定置信水平下的最大風(fēng)險(xiǎn)價(jià)值。在前面我們?cè)鴮ｉT討論了怎樣計(jì)算出單項(xiàng)貸款在每一信用等級(jí)條件下市值的計(jì)算方法，因此我們便能很快計(jì)算出A級(jí)借款人貸款的8種可能的市值數(shù)和BBB級(jí)借款人的8種可能的市值數(shù)(此數(shù)我們?cè)谇懊嬉呀?jīng)算出)。在這個(gè)基礎(chǔ)上，我們將這兩項(xiàng)貸款的各個(gè)不同的市值相加，便得出64個(gè)不同的聯(lián)合貸款價(jià)值量，參閱表11-9。在表11-9中，如果在一年期中，兩貸款的信用等級(jí)均升為AAA級(jí)，那么它們的組合市值將達(dá)到215.96百萬美元；同樣，如果在這一年期間，兩貸款均違約了，它們的聯(lián)合價(jià)值也就僅為102.26百萬美元。表11-9兩貸款組合價(jià)值量

我們利用兩貸款組合的64個(gè)可能的聯(lián)合信用等級(jí)轉(zhuǎn)換概率和62個(gè)可能的聯(lián)合貸款價(jià)值數(shù)，運(yùn)用下面兩等式可以計(jì)算出該貸款組合的均值、方差及標(biāo)準(zhǔn)差來：

對(duì)等式進(jìn)行開方求出平方根，我們便得到兩貸款組合價(jià)值的標(biāo)準(zhǔn)差(σ)為3.35百萬美元。這樣我們便能計(jì)算該組合在正態(tài)分布條件下，以及99%的置信水平情形下的1%最大風(fēng)險(xiǎn)價(jià)值：

二、信用度量制：實(shí)際分布條件下的組合風(fēng)險(xiǎn)價(jià)值

由于存在著貸款價(jià)值實(shí)際分布的非對(duì)稱性問題，因而人們按正態(tài)分布情形下計(jì)算出的99%置信水平下的最大風(fēng)險(xiǎn)價(jià)值往往低于實(shí)際的最大風(fēng)險(xiǎn)價(jià)值。我們將表11-7和表11-9放在一起來使用，就能找到那個(gè)接近1%的發(fā)生最大風(fēng)險(xiǎn)價(jià)值的概率所對(duì)應(yīng)的兩貸款組合價(jià)值為204.409百萬美元，這樣我們便能求出實(shí)際分布情形下的1%的最大風(fēng)險(xiǎn)價(jià)值：

這個(gè)數(shù)也是兩貸款組合的資本需要量，它比在正態(tài)分布條件以風(fēng)險(xiǎn)價(jià)值為基礎(chǔ)的資本需要量要高出1.42百萬美元。但是，若與單項(xiàng)的BBB級(jí)貸款實(shí)際分布條件下所需資本量(即8.99百萬美元)相比，兩貸款組合的資本需要量只比單項(xiàng)BBB貸款的這一數(shù)額高出0.24百萬美元，顯然，這也是貸款組合風(fēng)險(xiǎn)分散功能作用的結(jié)果。

三、信用度量制：N項(xiàng)貸款組合的信用風(fēng)險(xiǎn)度量

對(duì)于兩個(gè)以上較大貸款數(shù)量的N項(xiàng)貸款組合而言，目前人們較為廣泛使用的是蒙特卡羅（MonteCarlo）模擬法。蒙特卡羅模擬法是一種金融機(jī)構(gòu)經(jīng)常使用的隨機(jī)模擬技術(shù)，它可以對(duì)各種金融資產(chǎn)及各類金融衍生工具進(jìn)行定價(jià)。通常，它利用計(jì)算機(jī)隨機(jī)模擬出金融變量的隨機(jī)價(jià)格走勢(shì)，并以此來近似地揭示該金融變量的市場(chǎng)特性。

在金融和證券市場(chǎng)的研究中，人們用結(jié)構(gòu)蒙特卡羅方法(簡稱SMC)模擬出投資組合在指定日期的各種不同的價(jià)格走勢(shì)，然后由這些模擬價(jià)格導(dǎo)出投資組合在指定日期的價(jià)格分布，最后從分布中一目了然地讀出投資組合的風(fēng)險(xiǎn)價(jià)值。因?yàn)榻Y(jié)構(gòu)蒙特卡羅模擬方法適用性強(qiáng)，所以它是計(jì)算投資組合風(fēng)險(xiǎn)價(jià)值的最有效的工具。

我們利用表11-10和表11-11中的一個(gè)假定的20項(xiàng)貸款組合及其組合中貸款間相關(guān)性資料，簡要說明信用度量制模型怎樣利用蒙特卡羅模擬法來度量該組合的風(fēng)險(xiǎn)價(jià)值。第一，人們應(yīng)當(dāng)選擇一個(gè)隨機(jī)過程(如幾何布朗運(yùn)動(dòng))，并挑選模型參數(shù)，這是整個(gè)模擬過程最關(guān)鍵的一步；第二，依據(jù)隨機(jī)模型，依次產(chǎn)生相應(yīng)的隨機(jī)數(shù)ε1,ε2…εn，并由此計(jì)算模擬價(jià)格Lt+1,Lt+2…Lt+n；第三，根據(jù)第二步中的模擬價(jià)格，計(jì)算目標(biāo)時(shí)刻T時(shí)投資組合的價(jià)格PT；第四，重復(fù)第二步和第三步盡可能多次，比如說K=10000次，得到時(shí)刻T時(shí)的一系列投資組合的模擬價(jià)格。對(duì)每個(gè)模擬試驗(yàn)K來說，我們都要計(jì)算每種資產(chǎn)（貸款）的價(jià)格,那么，在目標(biāo)時(shí)刻T投資組合的模擬價(jià)格為：當(dāng)?shù)玫酵顿Y組合在目標(biāo)日期T的模擬價(jià)格的完全分布PT后，我們就能夠根據(jù)目標(biāo)期的價(jià)格分布算出投資組合的風(fēng)險(xiǎn)價(jià)值。在確定隨機(jī)模擬的重復(fù)次數(shù)時(shí)，需權(quán)衡估計(jì)的精度和計(jì)算。通常，由隨機(jī)模擬方法求得的估計(jì)量，都或多或少地存在些誤差，這是由隨機(jī)抽樣的樣本變化造成的，是隨機(jī)模擬方法本身無法避免的。只有當(dāng)重復(fù)次數(shù)增加時(shí)，估計(jì)量才能慢慢地向其真實(shí)值收斂，收斂的速率通常與重復(fù)次數(shù)的算術(shù)根成比例。所以一般來講，重復(fù)次數(shù)越多，估計(jì)的精確度越高，耗時(shí)也越多。

就這個(gè)20項(xiàng)貸款的組合而言，J.P.摩根根據(jù)組合內(nèi)每筆貸款的最初信用等級(jí)，信用等級(jí)在某段時(shí)間的轉(zhuǎn)換概率，該貸款與組合內(nèi)其它貸款間的相關(guān)系數(shù)以及與其它貸款之間的聯(lián)合信用等級(jí)的轉(zhuǎn)換概率等資料，利用事先確定的隨機(jī)模型，對(duì)該貸款組合的價(jià)值進(jìn)行了反復(fù)的模擬，最終得出20000個(gè)貸款組合價(jià)值量分布。利用這一系列數(shù)，我們便能很快計(jì)算出該貸款組合的均值和在99%置信水平下最大的價(jià)值損失額即貸款組合的最大風(fēng)險(xiǎn)價(jià)值(VaR)。從而最終算出該貸款組合的資本需要量。

蒙特卡羅模擬法是計(jì)算VaR最有效的方法，它能說明廣泛的風(fēng)險(xiǎn)，包括非線性價(jià)格風(fēng)險(xiǎn)、波動(dòng)風(fēng)險(xiǎn)，甚至模型風(fēng)險(xiǎn)，也考慮了波動(dòng)時(shí)間變化、較粗的尾部以及極端情景等因素。這個(gè)方法最大的缺陷是成本太高。如果由1000個(gè)資產(chǎn)的投資組合產(chǎn)生1000種抽樣途徑，則總的估計(jì)值合計(jì)可達(dá)1000000個(gè)，當(dāng)資產(chǎn)的完全估值較為復(fù)雜時(shí)，這個(gè)方法很快變得過于麻煩以致難以實(shí)施。另一個(gè)潛在的弱點(diǎn)是，由于它依賴的是基礎(chǔ)風(fēng)險(xiǎn)因素下的特定的隨機(jī)模型，因而面臨著模型風(fēng)險(xiǎn)。第三節(jié)

商業(yè)銀行信用風(fēng)險(xiǎn)資本計(jì)量方法

《第三版巴塞爾協(xié)議》作為國際金融危機(jī)后銀行監(jiān)管改革的重要成果，確立了全球統(tǒng)一的銀行業(yè)資本監(jiān)管新標(biāo)準(zhǔn)，提高了國際銀行業(yè)資本監(jiān)管的要求。在新的監(jiān)管框架下，商業(yè)銀行資本的損失吸收能力得到極大地增強(qiáng)。為與國際新標(biāo)準(zhǔn)接軌，中國銀監(jiān)會(huì)發(fā)布了相關(guān)資本管理辦法，重構(gòu)了我國銀行的資本監(jiān)管體系。在信用風(fēng)險(xiǎn)管理方面，新的資本管理辦法規(guī)定商業(yè)銀行可以采用權(quán)重法或內(nèi)部評(píng)級(jí)法計(jì)量信用風(fēng)險(xiǎn)加權(quán)資產(chǎn)。

一、權(quán)重法

權(quán)重法是指根據(jù)銀行各類資產(chǎn)的不同風(fēng)險(xiǎn)程度賦予不同的風(fēng)險(xiǎn)權(quán)重，并以相應(yīng)權(quán)重對(duì)各類資產(chǎn)進(jìn)行加權(quán)，得到信用風(fēng)險(xiǎn)加權(quán)資產(chǎn)。權(quán)重法下信用風(fēng)險(xiǎn)加權(quán)資產(chǎn)為銀行賬戶表內(nèi)資產(chǎn)信用風(fēng)險(xiǎn)加權(quán)資產(chǎn)與表外項(xiàng)目信用風(fēng)險(xiǎn)加權(quán)資產(chǎn)之和。計(jì)量表內(nèi)資產(chǎn)的風(fēng)險(xiǎn)加權(quán)資產(chǎn)時(shí)，首先從資產(chǎn)賬面價(jià)值中扣除相應(yīng)的減值準(zhǔn)備，然后乘以風(fēng)險(xiǎn)權(quán)重。計(jì)量表外項(xiàng)目的風(fēng)險(xiǎn)加權(quán)資產(chǎn)時(shí)，先將表外項(xiàng)目名義金額乘以信用轉(zhuǎn)換系數(shù)得到等值的表內(nèi)資產(chǎn)，再按表內(nèi)資產(chǎn)的處理方式計(jì)量風(fēng)險(xiǎn)加權(quán)資產(chǎn)。風(fēng)險(xiǎn)權(quán)重反映風(fēng)險(xiǎn)程度的大小，風(fēng)險(xiǎn)程度較大的資產(chǎn)相比風(fēng)險(xiǎn)程度較小的資產(chǎn)，對(duì)加權(quán)資產(chǎn)計(jì)算結(jié)果的貢獻(xiàn)更大，加權(quán)資產(chǎn)的數(shù)值大小反映了信用風(fēng)險(xiǎn)暴露的程度。例如，某商業(yè)銀行的總資本規(guī)模為100萬美元，表內(nèi)總資產(chǎn)為1500萬美元，該商業(yè)銀行的資產(chǎn)負(fù)債表表內(nèi)項(xiàng)目和表外項(xiàng)目見表11-15。11-15資產(chǎn)負(fù)債表表內(nèi)項(xiàng)目和表外項(xiàng)目單位：萬美元首先計(jì)算表外項(xiàng)目的對(duì)等信貸額，將表外項(xiàng)目轉(zhuǎn)換為對(duì)等數(shù)量的銀行貸款，以衡量商業(yè)銀行的風(fēng)險(xiǎn)。用來支持政府發(fā)行債券的備用信用證的對(duì)等信貸額=賬面價(jià)值150*轉(zhuǎn)換系數(shù)1.00=150。對(duì)企業(yè)的長期信貸承諾的對(duì)等信貸額=賬面價(jià)值300*轉(zhuǎn)換系數(shù)0.5=150。然后將表內(nèi)資產(chǎn)和表外資產(chǎn)的對(duì)等信貸額乘以相應(yīng)的風(fēng)險(xiǎn)權(quán)重，見表11-16表11-16表內(nèi)資產(chǎn)和表外資產(chǎn)的對(duì)等信貸額乘以相應(yīng)的風(fēng)險(xiǎn)權(quán)重單位：萬美元

二、內(nèi)部評(píng)級(jí)法

內(nèi)部評(píng)級(jí)法（InternalRatings-BasedApproach）是一套以銀行內(nèi)部風(fēng)險(xiǎn)評(píng)級(jí)為基礎(chǔ)的資本充足率計(jì)算及資本監(jiān)管的方法。只有具備了內(nèi)部評(píng)級(jí)的技術(shù)手段和制度體系，銀行才有能力運(yùn)用內(nèi)部評(píng)級(jí)法進(jìn)行資本監(jiān)管。具體地，由銀行專門的風(fēng)險(xiǎn)評(píng)估人員，運(yùn)用一定的評(píng)級(jí)方法，對(duì)借款人或交易對(duì)手履行相關(guān)合同的能力和意愿進(jìn)行綜合評(píng)價(jià)，并對(duì)信用風(fēng)險(xiǎn)的相對(duì)大小進(jìn)行簡單評(píng)級(jí)。有效的內(nèi)部評(píng)級(jí)體系包括評(píng)級(jí)維度、評(píng)級(jí)結(jié)構(gòu)、評(píng)級(jí)方法、評(píng)級(jí)標(biāo)準(zhǔn)和模型檢驗(yàn)等若干基本因素。表11-17有效的內(nèi)部評(píng)價(jià)體系

內(nèi)部評(píng)級(jí)法包括初級(jí)內(nèi)部評(píng)級(jí)法（FoundationIRBApproach）和高級(jí)內(nèi)部評(píng)級(jí)法（AdvancedIRBApproach）。內(nèi)部評(píng)級(jí)法提出4個(gè)基本風(fēng)險(xiǎn)要素，分別是違約概率（ProbabilityofDefault）、違約損失率（LossGivenDefault）、違約敞口（ExposureatDefault）及有效期限（EffectiveMaturity）。銀行若采用初級(jí)內(nèi)部評(píng)級(jí)法，只需內(nèi)部估計(jì)違約概率，其他三類參數(shù)根據(jù)監(jiān)管機(jī)構(gòu)的規(guī)定確定；銀行若采用高級(jí)內(nèi)部評(píng)級(jí)法，四類參數(shù)均需內(nèi)部估計(jì)得到。表11-18內(nèi)部評(píng)級(jí)法基本風(fēng)險(xiǎn)要素

銀行采用內(nèi)部評(píng)級(jí)法時(shí)，將銀行賬戶信用風(fēng)險(xiǎn)敞口分為主權(quán)、金融機(jī)構(gòu)、公司、零售、股權(quán)、其他共六類風(fēng)險(xiǎn)敞口，各敞口使用內(nèi)部評(píng)級(jí)法都須滿足三方面的要求：風(fēng)險(xiǎn)因素、風(fēng)險(xiǎn)權(quán)重函數(shù)及一套最低技術(shù)要求。銀行對(duì)其內(nèi)部評(píng)級(jí)的每一等級(jí)估計(jì)違約概率（PD)、違約損失率（LGD）、風(fēng)險(xiǎn)敞口（EAD）和有效期限(M)。內(nèi)部評(píng)級(jí)法的風(fēng)險(xiǎn)權(quán)重是由這四個(gè)因素的函數(shù)確定的，該函數(shù)將四個(gè)因素轉(zhuǎn)化成監(jiān)管風(fēng)險(xiǎn)權(quán)重。此外，最低資本要求還應(yīng)考慮信用風(fēng)險(xiǎn)類別、評(píng)級(jí)體系、違約估計(jì)模型等多方面的因素。

表11-19商業(yè)銀行信用風(fēng)險(xiǎn)敞口

內(nèi)部評(píng)級(jí)法風(fēng)險(xiǎn)權(quán)重函數(shù)根據(jù)風(fēng)險(xiǎn)敞口分類的差異、是否違約而有所不同，對(duì)于未違約的特定風(fēng)險(xiǎn)敞口，計(jì)算風(fēng)險(xiǎn)加權(quán)資產(chǎn)時(shí)還要考慮有效期限。以沒有違約的主權(quán)、公司信用風(fēng)險(xiǎn)敞口為例，計(jì)算風(fēng)險(xiǎn)加權(quán)資產(chǎn)的公式如下：相關(guān)性：期限調(diào)整因子：資本要求：風(fēng)險(xiǎn)加權(quán)資產(chǎn)：第四節(jié)

我國商業(yè)銀行信用風(fēng)險(xiǎn)管理實(shí)務(wù)

信用風(fēng)險(xiǎn)管理的目標(biāo)是：建立與業(yè)務(wù)性質(zhì)、規(guī)模和復(fù)雜程度相適應(yīng)的信用風(fēng)險(xiǎn)管理流程，從而有效地識(shí)別、計(jì)量、控制和監(jiān)測(cè)信用風(fēng)險(xiǎn)，將信用風(fēng)險(xiǎn)控制在可以承受的范圍內(nèi)，并最終實(shí)現(xiàn)風(fēng)險(xiǎn)可控下的收益最大化。

為實(shí)現(xiàn)這一目標(biāo)，我國商業(yè)銀行明確了三會(huì)一層、各職能業(yè)務(wù)部門在風(fēng)險(xiǎn)管理過程中的職責(zé)，各部門間相互監(jiān)督，形成了獨(dú)立、集中、垂直的信用風(fēng)險(xiǎn)管理模式。

董事會(huì)主要負(fù)責(zé)監(jiān)控信用風(fēng)險(xiǎn)管理是否有效，并承擔(dān)最終責(zé)任；高級(jí)管理層主要負(fù)責(zé)執(zhí)行董事會(huì)批準(zhǔn)的信用風(fēng)險(xiǎn)管理戰(zhàn)略、政策及體系；信用風(fēng)險(xiǎn)管理委員會(huì)作為信用風(fēng)險(xiǎn)管理的審議決策機(jī)構(gòu)，負(fù)責(zé)審議信用風(fēng)險(xiǎn)管理的重大事項(xiàng)；信貸管理部門負(fù)責(zé)牽頭本級(jí)的信用風(fēng)險(xiǎn)管理工作；各業(yè)務(wù)部門按照職能分工，具體執(zhí)行與其業(yè)務(wù)對(duì)應(yīng)的信用風(fēng)險(xiǎn)管理政策。

商業(yè)銀行的信用風(fēng)險(xiǎn)管理流程主要包括：全面及時(shí)的風(fēng)險(xiǎn)識(shí)別、風(fēng)險(xiǎn)計(jì)量、風(fēng)險(xiǎn)監(jiān)測(cè)、風(fēng)險(xiǎn)緩釋與控制、風(fēng)險(xiǎn)報(bào)告等一系列風(fēng)險(xiǎn)管理活動(dòng)。

風(fēng)險(xiǎn)識(shí)別是指對(duì)銀行各項(xiàng)產(chǎn)品與業(yè)務(wù)中潛藏的信用風(fēng)險(xiǎn)進(jìn)行識(shí)別，同時(shí)也關(guān)注信用風(fēng)險(xiǎn)與其他類型風(fēng)險(xiǎn)之間的相關(guān)性；

風(fēng)險(xiǎn)計(jì)量是指利用監(jiān)管機(jī)構(gòu)規(guī)定的方法對(duì)信用風(fēng)險(xiǎn)的程度進(jìn)行計(jì)量與評(píng)估，以掌握風(fēng)險(xiǎn)的暴露狀況；

風(fēng)險(xiǎn)監(jiān)測(cè)是指對(duì)債務(wù)人或交易對(duì)手的合同執(zhí)行情況進(jìn)行監(jiān)測(cè)，動(dòng)態(tài)了解信用風(fēng)險(xiǎn)狀況的變動(dòng)，并整體監(jiān)測(cè)投資組合，防止風(fēng)險(xiǎn)的過度集中；

風(fēng)險(xiǎn)緩釋與控制是指運(yùn)用抵質(zhì)押品和保證等風(fēng)險(xiǎn)緩釋工具轉(zhuǎn)移或降低信用風(fēng)險(xiǎn)；

風(fēng)險(xiǎn)報(bào)告是指編制不同層次和種類的信用風(fēng)險(xiǎn)報(bào)告，提供給各風(fēng)險(xiǎn)層級(jí)和職能部門。一、信用風(fēng)險(xiǎn)識(shí)別在信用風(fēng)險(xiǎn)識(shí)別時(shí)，需要根據(jù)商業(yè)銀行不同客戶的信貸業(yè)務(wù)特點(diǎn)及各自的風(fēng)險(xiǎn)特性進(jìn)行。對(duì)于單一法人客戶，主要通過對(duì)基本信息（包括基本經(jīng)營情況、業(yè)務(wù)范圍、盈利情況、信用狀況等）進(jìn)行了解，對(duì)財(cái)務(wù)狀況（財(cái)務(wù)報(bào)表、財(cái)務(wù)比率、現(xiàn)金流量）進(jìn)行分析，對(duì)非財(cái)務(wù)因素（管理層風(fēng)險(xiǎn)、行業(yè)風(fēng)險(xiǎn)、生產(chǎn)與經(jīng)營風(fēng)險(xiǎn)、宏觀經(jīng)濟(jì)、社會(huì)與自然環(huán)境）進(jìn)行分析和判斷進(jìn)行信用風(fēng)險(xiǎn)識(shí)別。對(duì)于集團(tuán)法人客戶，除了參照單一法人客戶的信用風(fēng)險(xiǎn)識(shí)別內(nèi)容外，還要對(duì)集團(tuán)內(nèi)各關(guān)聯(lián)方之間的關(guān)聯(lián)交易進(jìn)行正確的分析和判斷。對(duì)于個(gè)人客戶的信用風(fēng)險(xiǎn)識(shí)別，主要從借款人的資信情況調(diào)查、借款與負(fù)債情況調(diào)查、貸款用途及還款來源的調(diào)查、擔(dān)保方式的調(diào)查等方面進(jìn)行。二、信用風(fēng)險(xiǎn)計(jì)量在信用風(fēng)險(xiǎn)管理流程中，對(duì)信用風(fēng)險(xiǎn)的定量分析是非常重要的環(huán)節(jié)。目前，我國商業(yè)銀行對(duì)信用風(fēng)險(xiǎn)的定量分析，主要包括信用風(fēng)險(xiǎn)暴露、信用風(fēng)險(xiǎn)緩釋、貸款質(zhì)量管理三個(gè)方面。1.信用風(fēng)險(xiǎn)暴露。目前，我國商業(yè)銀行主要采用權(quán)重法，分別計(jì)量公司、主權(quán)、金融機(jī)構(gòu)、零售、股權(quán)的信用風(fēng)險(xiǎn)暴露。此外，根據(jù)監(jiān)管要求，銀行還需對(duì)資產(chǎn)證券化業(yè)務(wù)的信用風(fēng)險(xiǎn)暴露進(jìn)行計(jì)量。從表11-20可以看出該銀行內(nèi)部評(píng)級(jí)法覆蓋的信用風(fēng)險(xiǎn)暴露和內(nèi)部評(píng)級(jí)法未覆蓋部分的風(fēng)險(xiǎn)暴露情況表11-20我國某商業(yè)銀行信用風(fēng)險(xiǎn)暴露狀況二、信用風(fēng)險(xiǎn)計(jì)量1.信用風(fēng)險(xiǎn)暴露。從表11-21可以看出采用權(quán)重法計(jì)量內(nèi)部評(píng)級(jí)法未覆蓋部分的信用風(fēng)險(xiǎn)暴露情況。表11-21我國某商業(yè)銀行按權(quán)重劃分的內(nèi)部評(píng)級(jí)法未覆蓋部分風(fēng)險(xiǎn)暴露狀況二、信用風(fēng)險(xiǎn)計(jì)量2.信用風(fēng)險(xiǎn)緩釋。信用風(fēng)險(xiǎn)緩釋是商業(yè)銀行信用風(fēng)險(xiǎn)管理的重要環(huán)節(jié)，商業(yè)銀行通常以抵質(zhì)押品和保證作為緩釋工具轉(zhuǎn)移或降低信用風(fēng)險(xiǎn)，當(dāng)借款人或交易對(duì)手違約時(shí)，銀行可以行使質(zhì)押權(quán)、抵押權(quán)，以抵質(zhì)押品的價(jià)值補(bǔ)償其損失，或者要求保證人承擔(dān)償還義務(wù)。合格緩釋工具的風(fēng)險(xiǎn)緩釋作用，有助于降低借款人違約時(shí)銀行的損失程度。因此商業(yè)銀行在采用權(quán)重法計(jì)量信用風(fēng)險(xiǎn)加權(quán)資產(chǎn)時(shí)，需要考慮這種風(fēng)險(xiǎn)緩釋作用。表11-22信用風(fēng)險(xiǎn)緩釋工具表11-23列示了2019年和2020年我國某商業(yè)銀行各種類型緩釋工具所覆蓋的風(fēng)險(xiǎn)暴露情況，包括合格的金融質(zhì)押、其他合格的抵質(zhì)押品和保證，2019年和2020年所覆蓋的表內(nèi)信用風(fēng)險(xiǎn)分別為740.69億元和827.04億元。表11-23我國某商業(yè)銀行內(nèi)部評(píng)級(jí)法未覆蓋信用風(fēng)險(xiǎn)部分各類合格風(fēng)險(xiǎn)緩釋工具覆蓋情況人民幣百萬元，百分比除外表11-24顯示了內(nèi)部評(píng)級(jí)法未覆蓋信用風(fēng)險(xiǎn)部分各類合格風(fēng)險(xiǎn)緩釋工具覆蓋情況。表11-24我國某商業(yè)銀行內(nèi)部評(píng)級(jí)法未覆蓋信用風(fēng)險(xiǎn)部分各類合格風(fēng)險(xiǎn)緩釋工具覆蓋情況人民幣百萬元，百分比除外二、信用風(fēng)險(xiǎn)計(jì)量3.貸款質(zhì)量管理。我國商業(yè)銀行實(shí)行貸款質(zhì)量五級(jí)分類，監(jiān)控貸款組合的風(fēng)險(xiǎn)狀況。銀行考慮借款人的還款能力等因素，將貸款劃分為正常、關(guān)注、次級(jí)、可疑和損失五類，后三類視為不良貸款。不良貸款余額除以貸款及墊款總額即為不良貸款率，不良貸款率是反映貸款質(zhì)量的重要信用風(fēng)險(xiǎn)指標(biāo)。一些規(guī)模較大的銀行為實(shí)行信貸資產(chǎn)質(zhì)量精細(xì)化管理，提高風(fēng)險(xiǎn)管理水平，在五級(jí)分類的基礎(chǔ)上，在各分類中進(jìn)一步分級(jí)，形成十二級(jí)分類體系。例如，我國某商業(yè)銀行將正常類細(xì)分為四個(gè)級(jí)別，關(guān)注類細(xì)分為三個(gè)級(jí)別，次級(jí)和可疑各細(xì)分為兩個(gè)級(jí)別，損失類保持不變，共細(xì)分為十二級(jí)，實(shí)現(xiàn)公司類貸款十二級(jí)分類管理。此外