2023年信用管理银行信用风险管理 Chapater103.doc

第十章 信用风险管理 一、信用风险的定义 关于信用风险的定义，有许多不同的观点。 传统的观点认为，信用风险是指债务人未能如期归还其债务造成违约而给经济主体经营带来的风险。随着现代风险环境的变化和风险管理技术的开展，传统的定义已经不能反映现代信用风险及其管理的本质。 现代意义上的信用风险是指由于借款人或市场交易对手违约而导致的损失的可能性；更为一般地讲，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。 二、现代信用风险的成因 1. 信用风险的成因是信用活动中的不确定性。 2. 不确定性包括“外在不确定性〞和“内在不确定性〞两种。 3. 信用风险也是金融市场的一种内在的推动和制约力量。 金融市场上有大量的信用风险客观存在着。谁能有效度量信用风险的大小并对其采取有效管理躲避负面影响，那么谁就能获得较好的收益，从而在剧烈的竞争中赢得胜利。 三、 风险度量的专家制度及其缺陷 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，在该制度下，尽管 各商业银行对贷款申请人进行信用分析所涉及的内容不尽相同，但大多集中在借款人的“5C〞 上即： 1. 品德与声望〔Character〕 2. 资格与能力〔Capacity〕 3. 资金实力(Capital or Cash) 4. 担保〔Collateral〕 5. 经营条件或商业周期〔Condition〕 银行在信用分析中经常使用的财务比率指标 类 型 比 率 经营业绩 息税前利润/销售收入 净收入/销售收入 实际有效税率 净收入/净值 净收入/总资产量 销售收入/固定资产 偿债保障程度 息税前利润/利息支付 活动现金流量-资本支出/利息支付 活动现金流量-资本支出-股息/利息支付 财务杠杆情况 长期债务量/资本总额 长期债务量/有形净值 总负债额/有形净值 〔总负债-长期资本〕/〔长期资本〕 长期资本=总净值+优先股+次级债务 流动负债/有形净值 流动性〔变现速度〕 流动比率 速动比率 存货占净销售收入比率 存货占净流动资本比率 流动负债占存货比率 原材料、半成品、产成品占存货总量比率 应收款状况 应收款的期限：30天、60天、90天、90天以上 应收款的平均收回期限 资料来源：Caouette, J.B., E.J. Altman, and P. Narayanan, Managing Credit Risk. John Wiley & Sons, New York,1998, pp.87. 专家制度存在的缺陷和缺乏主要表现在： 1. 需要相当数量的专门信用分析人员 2. 实施的效果很不稳定。 3. 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。 4. 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。 5. 对借款人进行信用分析时，难以确定共同遵循的标准，造成信用评估的主观性、随意性和不一致性。 四、Z评分模型和ZETA评分模型 Z评分模型的主要内容： 美国纽约大学斯特商学院教授阿尔特曼提出的Z评分模型是根据数理统计中的区分分析技术，对银行过去的贷款案例进行统计分析，选择一局部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。 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〕 其中， X1：流动资本/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〕 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Z<2.675，借款人被划入违约组；反之，如果Z≥2.675，那么借款人被划为非违约组。当1.81<Z<2.99时，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)。 ZETA评分模型的主要内容： 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，对不良借款人的识别精度也大大提高。 模型中的7个变量是：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、规模指标 。 五、Z评分模型和ZETA评分模型存在的主要问题 1. 两个模型都依赖于财务报表的帐面数据，而无视日益重要的各项资本市场指标，这就必然削弱预测结果的可靠性和及时性； 2. 由于模型缺乏对违约和违约风险的系统认识，理论根底比拟薄弱，从而难以令人信服； 3. 两个模型都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，因而也削弱了预测结果的准确程度，使得违约模型不能精确地描述经济现实； 4. 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。 六、期权推理分析法: KMV模型 期权推理分析法(Option-theoretic approach)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 。最典型的就是美国旧金山市KMV公司创立的违约预测模型——信用监测模型(Credit Monitor Model)。 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)。 企业股权市值与它的资产市值之间的结构性关系是由贷款与期权的关系决定的。 图3.1 企业股权作为期权买权的损益情况 -L O A1 B A2 资产价值〔A〕 股权价值〔E〕 〔$〕 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表示资产市值，B是向银行借款数，r指的是短期利率，σA表示该企业的资产市值的波动性，τ指的是股票卖权的到期日或在贷款的情形下指的是贷款期限(或违约期限)。 r σA τ都可以从市场上直接观察到 股权市值的波动性σE与它的资产市值波动性σA 的关系 ： 股权市值的波动性可以在市场上直接观察到，故联立(1)(2)式， 就可到出所有相关变量。代入公式： 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 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根底的信用分值来。 KMV公司信用监测模型的缺陷： 1. 模型的使用范围受到了限制 ，不适用于非上市公司 2. 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 3. 该模型不能够对长期债务的不同类型进行分辨 4. 该模型根本上属于一种静态模型，但实际情况并非如此 七、CreditMetrics模型 (一) 受险价值(VaR)方法： 受险价值模型就是为了度量一项给定的资产或负债在一定时间里和在一定的置信度下其价值最大的损失额。 一支交易股票的受险价值 VaR方法度量非交易性金融资产如贷款的受险价值时那么会遇到如下问题： 1. 因为绝大多数贷款不能直接交易，所以市值P不能够直接观察到。 2. 由于贷款的市值不能够观察，也就无法计算贷款市值的变动率σ 。 3. 贷款的价值分布离正态分布状偏差较大 〔二〕“信用度量制〞方法(CreditMetrics) 信用度量制是通过掌握借款企业的资料如〔1〕借款人的信用等级资料〔2〕下一年度该信用级别水平转换为其它信用级别的概率〔3〕违约贷款的收复率计算出非交易性的贷款和债券的市值P和市值变动率σ，从而利用受险价值方法对单笔贷款或贷款组合的受险价值量进行度量的方法。 一年期信用等级转换矩阵 年初信用等级 年底时的信用评级转换概率〔%〕 AAA AA A BBB BB B CCC 违约 AAA 90.81 8.33 0.68 0.06 0.12 0 0 0 AA 0.70 90.65 7.79 0.64 0.06 0.14 0.02 0 A 0.09 2.27 91.05 5.52 0.74 0.26 0.01 0.06 BBB 0.02 0.33 5.95 86.93 5.36 1.17 0.12 0.18 BB 0.03 0.14 0.67 7.73 80.53 8.84 1.00 1.06 B 0 0.11 0.24 0.43 6.48 83.46 4.07 5.20 CCC 0.22 0 0.22 1.30 2.38 11.24 64.86 19.79 资料来源：Introduction to CreditMetricsTM,J.P.摩根，1997 信用等级下贷款市值状况(包括第一年息票额) 一年结束时信用等级 市值金额(百万美元) AAA 109.37 AA 109.19 A 108.66 BBB 107.55 BB 102.02 B 98.10 CCC 83.64 违约 51.13 八、宏观模拟模型 宏观模拟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。 解决和处理经济周期性因素常用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。 九、死亡率模型(Mortality model) 死亡率模型最早是由阿尔特曼(Altman)和其他学者开发的贷款和债券的死亡率表而得名的，因为阿尔特曼所运用的思想和模型与保险精算师在确定寿险保险费政策时所运用的思想和模型是相似的。 该模型以贷款或债券组合以及它们在历史上违约经历为根底，开发出一张表格，用该表来对信用资产一年的或边际的死亡率(mrginal mortality rate, MMR)及信用资产多年的