巴塞尔资本协议的主要内容

一、1988年版巴塞尔资本协议的主要内容

《关于统一银行资本计量和资本标准的国际协议》（International Convergence of Capital Measurement and Capital Standards，也称“巴塞尔资本协议Ⅰ”）于1988年出台，1992年正式实施。虽然现在看来巴塞尔资本协议Ⅰ有很多缺憾和不足，但是它首次提出了资本充足率的监管标准，为国际银行业制定了统一的量化信用风险的方法，是国际银行业监管方式的一次重大转变。

1988年巴塞尔资本协议对资本金提出了两个指标的最低标准：一是资产资本乘数，计算公式为：

协议规定资产－资本乘数不能超过20，其中特定的表外项目包括直接信用替换（含信用证和保函）、与交易相关的或有责任、与贸易相关的或有责任以及出售和回购合约

协议规定银行的资本充足率不得低于8%，该项指标侧重于考察银行与特定的表内、表外业务相关的信用风险。其中资本包括：一级资本，也称核心资本，主要包括实收资本或普通股、资本公积、盈余公积、未分配利润和少数股权；二级资本，也称为附属资本，包括重估储备、一般准备、优先股、可转换债券、混合资本债券和长期次级债务。信用风险加权资产总额的计算需要综合考虑表内项目和表外项目。表内项目的风险权重从0到100%不等，如表4-2所示：等，所有这些项目均需按本金计入。从计算公式可以看到，银行表外项目规模越大比率就越接近上限，资产－资本乘数是对银行总的资本充足情况的考察。二是资本充足率，计算公式为：

表4-2　表内资产项目的风险权数

表外项目则需先按照交易对手的信用风险状况转换为一个等价金额，然后根据相应的权重进行计算，权重设置如表4-3所示：

表4-3　按交易对手类型换算的等价金额的风险权数

因此，信用风险加权资产总额包括两个部分，一部分是表内项目的风险资产加权值，另一部分是表外项目的信用等价金额的加权值。需要进一步说明的是，关于表外项目的信用等价金额的计算，对于非衍生金融产品在计算时需要乘上一个转换因子，因为金融产品的面值并不总能真实反映其所面临的实际信用风险。这个转换因子在0～1取值，一般根据金融工具的性质来设定。而对于诸如远期合约、互换、期权等的衍生产品，由于其信用风险暴露的价值波动比较大，所以协议给出的方法是逐日盯市法，同时结合对未来风险敞口的简单测量。

普遍认为1988年版巴塞尔资本协议存在很多不足。首先，1988版巴塞尔资本协议所涵盖的风险范围相当有限，它主要针对信用风险，对日益增加的市场风险、操作风险等未予以考虑，事实上这些风险并不是单独存在的，而是相互交织相互作用在一起的。第二，协议忽视了很多与资本充足情况相关的问题，比如资产组合效应。资产组合效应是指银行通过对贷款基于产业、地域、借贷人等方面因素的考虑进行资产组合，从而达到分散风险的目的。因为，与集中于一小部分客户、某个行业或某个地区的资产组合相比，进行了风险分散的资产组合遭受巨额损失的可能性要明显减少。风险集中程度会直接影响到违约相关率，一个简单比喻，在一幢房子着火时，紧挨着这幢房子的建筑比距离稍远的建筑着火的可能性要大很多。而在1988版巴塞尔资本协议的监管标准下，对于银行来说，为一笔价值1亿美元的公司贷款所提取的资本金和为一个由100笔价值为100万美元公司贷款组成的资产组合所需提取的资本金相同，这显然是不合理的。第三，根据资产种类设定的风险权重只有0，20%，50%，100%四个级次，权数的设定级次过于简单且缺乏合理的依据。同时也没有充分认识到抵押担保品等信用缓释技术带来的好处，因而不能准确地反映银行资产面临的真实风险状况。另外，按照协议规定，其他所有银行、企业或个人的债权权重均为100%，是经济合作与发展组织（OECD）成员国国家银行的五倍，但事实上可能存在经营状况良好的企业信用评级高于部分OECD国家，这些企业贷款所需的资本金却是同等金额OECD国家贷款所需资本金的五倍。并且不考虑企业的资信状况而设置相同的权数也不合理。第四，协议对于期限小于一年的循环贷款并没有资本金要求，而期限为366天的短期贷款则需要面临和长期贷款一样的资本金要求。事实上，银行提供短期贷款也是有风险的。这种不合理性容易导致大量的364天信用便利，而这些短期便利可以通过不断循环来延长。

二、2001年巴塞尔新资本协议的主要内容与框架

针对1988年巴塞尔资本协议的众多缺陷和不足，巴塞尔委员会对协议进行了较大幅度地补充和修改，并于2004年6发布了巴塞尔新资本协议（也称“巴塞尔资本协议Ⅱ”）。新协议由三大支柱构成，基本框架如图4-1所示：

图4-1　巴塞尔新资本协议框架

（一）第一支柱：最低资本要求

巴塞尔新资本协议在第一支柱中对资本的定义与巴塞尔资本协议Ⅰ基本相同，并且沿用了1988年协议中对资本充足率的最低标准8%，但是对资本充足率的计算方法进行了重新定义。新的资本充足率的计算公式为：

新协议综合考虑了信用风险、市场风险和操作风险，并为三种风险的资本计量方法提供了几种备选方案。对于信用风险的计量，新协议给出了标准法和内部评级法（IRB法），而内部评级法又分为初级法和高级法；对于市场风险的计量，新协议给出了标准法和内部模型法；对于操作风险则提供了三种方法，分别是基本指标法、标准法和高级计量方法。

1．信用风险

巴塞尔新资本协议提出了两种计量信用风险的方法，标准法和内部评级法。

1）标准法。新协议定义的标准法在思路上与1988年巴塞尔资本协议大致相同，旧协议按照资产的性质将资产分为四类，分别是黄金或OECD国家的政府债券、OECD国家的银行、抵押贷款和其他所有银行企业或个人的债券^[1]。进一步地，巴塞尔资本协议Ⅰ对所定义的四类债权相应设置了0，20%，50%，100%的风险权重。巴塞尔新资本协议中的风险权重则是借助外部信用评级机构（如标准普尔、穆迪）的评级结果来进一步细化。按照新的计算方法，即便是OECD成员国政府，如果它的信用评级较低，银行将提高对其所发行的相关债券的风险权数。而对于信用等级较高的非OECD国家政府，银行对其债权的风险权数可相应降低，从而避免了旧协议中有关规定的武断性。以主权及其中央银行债权的风险权重为例，见表4-4所示：

表4-4　对主权及其中央银行债权的风险权重

对于未评级的主权或中央银行债券风险权重设为100%，对于已有评级结果的对象按照信用等级从高到低分别设置0，20%，50%，100%，150%的风险权重，这种设置权重的方式相比较旧协议中不加区分地设定所有OECD国家政府债券的权数均为0，以及OECD国家的银行权重为20%要更为合理。

在巴塞尔新资本协议中，还考虑到了信用风险缓释技术带来的影响。为了防范和降解风险，银行通常会采用各种信用风险缓释方法，新协议认可的信用风险缓释技术，大致有抵押交易、表内净扣、担保和信用衍生工具、期限错配等。尽管银行使用风险缓释技术可降低或转移信用风险，但同时它可能给银行带来其他风险，如流动性风险、市场风险、操作风险和法律风险等。因此，银行需采取严格的程序和步骤来控制这些风险，这包括战略、信用审查、评估、政策和程序、系统建设、后续风险的控制以及管理由于使用风险缓释技术而导致的风险集中及风险集中与总体的信用风险的相互影响等。

2）内部评级法。巴塞尔新资本协议规定，在满足某些最低条件和披露要求的前提下，部分经验丰富的银行可以根据自己对风险要素的估计值建立风险度量模型并决定对特定风险暴露的资本要求。这些风险要素包括违约风险暴露（EAD）、违约概率（PD）、违约损失率（LGD）和期限（M），这便是所谓的内部评级法。内部评级法有两种形式，初级法和高级法，两者的主要区别反映在数据要求上，如表4-5所示：

表4-5　内部评级法数据要求

国际监管机构鼓励银行开发适合自己的风险评估模型，以估算相应的经济资本。与巴塞尔新协议提出的标准化方法相比，银行开发适合自己的风险评估模型的好处在于能大大降低监管资本，并提高资本配置的效率，使之能更准确地反映银行资产所面临的真实风险。之所以如此，是因为金融机构可以通过将各种交易敞口之间的相关性纳入模型，从而获得分散投资的好处，标准化方法并未考虑这种相关性。在将巴塞尔协议标准方法和各大银行的内部评级法进行的比较中发现，两种方法计算出的资本金数额相差较大，采用巴塞尔协议标准法的银行在竞争中将处于不利的地位。

2．市场风险

1988版巴塞尔资本协议所涵盖的风险范围相当有限，它主要针对信用风险，对日益增加的市场风险并未考虑，直到1996年才发布《资本协议关于市场风险的补充规定》。市场风险是指由利率、汇率（包括黄金）、股票价格和商品价格的变动带来的风险，新协议对市场风险可能带来的巨大威胁给予了关注，并对市场风险的度量提出了标准法和内部模型法两种方法。其中标准法是类似搭积木的方法，先分别计算出每一种市场风险，如利率风险、股价风险、商品风险等所需要的资本金，再加总得到总的资本要求。内部模型法是指满足一定条件的银行，可以采用基于风险价值（VaR）理论的内部模型法。一般要求在利用历史数据计算风险价值时，观测期最短为1年且应最少包含250个样本观测点。为保证模型的可靠性，还应注重反馈检验和压力测试。

3．操作风险

巴塞尔新资本协议首次开始关注操作风险，操作风险是指在经营过程中由于不完善或有问题的内部程序、人员及系统或外部事件所造成损失的风险。由操作风险引发的事件频频出现，如1995年巴林银行的破产，日本大和银行纽约分行雇员账外交易11亿美元等。

操作风险的管理方法目前仍处在不断探索的阶段，近期内不能达到较好地量化信用风险和市场风险的程度，这种情况对新协议将操作风险纳入第一支柱提出了明确的挑战。尽管如此，委员会认为将操作风险纳入第一支柱十分必要，目的在于激发银行开发各类操作风险计量方法的积极性，确保银行为抵御操作风险持有足够的资本。对操作风险的计量，新协议提供了三种方法：基本指标法、标准法和高级计量法^[2]。

按照基本指标法的要求，需要计提的操作风险资本等于银行前三年总收入的平均值乘以委员会规定的系数0．15，银行的收入包括非利息收入和净利息收入，该计算方法比较简单。按照标准法的要求，总收入仍然作为反映银行业务规模以及与此相关的各产品线操作风险规模的一项指标，但无需按基本指标法的要求计算整个银行的资本要求。具体做法是先计算出每一条产品线的收入，将收入乘以委员会规定的几项特定的系数，银行需要抵御操作风险的总的资本就等于各产品线要求的监管资本之和。作为使用标准法的前提条件是，银行管理操作风险的体系要完善，并符合新协议中提出的各项最低标准。对于基本指标法和标准法的评价是，这两种方法都不具有风险敏感性，因为操作风险资本金只与收入相关。另外，计算方法比较简单，也没有考虑到风险分散的作用，“一刀切”的做法也不甚合理。

对于高级计量法，虽然巴塞尔新资本协议允许并鼓励银行开发适合自己的高级计量法，但是没有提供出具体方法，这将是操作风险研究的重要领域。目前常用的高级计量法有内部计量法（internal measurement approach）、损失分布法（loss distribution approach）和极值方法（extreme value approach）。

（二）第二支柱：监督检查

巴塞尔新资本协议设立第二支柱的目的在于，确保各家银行建立起有效的内部管理程序，并对银行资本金充足情况进行审查，以保证银行的资本敞口和发展战略与其总体风险状况相吻合。监管者应有能力要求银行将资本保持在规定的最低水平以上，具体还要取决于各种因素，如银行的风险管理水平和管理经验、风险管理方面的历史记录、所参与市场的性质以及收益的波动情况等。如果认为现有资本不足以应对可能发生的风险，监管者应尽早采取措施进行干预，以避免银行的资本低于抵御风险所需的最低水平。在评价资本充足性的时候，监管者必须考虑经济周期、整体宏观经济环境以及某家银行倒闭对银行体系的系统性冲击。新协议将银行和监管者之间的距离拉得更近了。监管者希望对银行开发的评估和控制风险的复杂技术有更深入的了解。甚至监管者本身也会加入到这些技术的开发中。显然，在巴塞尔新资本协议下，银行监管者的地位会受到更多的挑战。

（三）第三支柱：市场纪律

第三支柱——市场纪律，是对第一、第二支柱的重要补充，旨在建立一套规范的信息披露标准，使市场参与者能够对银行的各方重要信息进行客观评价，建造一个更加透明稳健的金融环境^[3]。

从整体上看，与1988年巴塞尔资本协议相比，2001年的巴塞尔新资本协议有了很大的创新和进步，它代表了当时国际银行业风险管理的未来方向和最新研究成果。新协议综合考虑了信用风险、市场风险和操作风险，从而对资本充足率的定义更为合理。对于不同债权风险权重的设置，新协议摒弃了简单的分级方法，进而建立在相对客观的外部信用评级的基础之上。对于三类风险的计量，在提供了标准法和内部评级法之外，协议还鼓励银行在满足最低标准的前提下建立符合自身实际情况的更为有效的内部模型。同时，新资本协议强化了各国金融监管当局的职责，以及信息披露和市场约束的重要性，并提出了较为详尽的配套措施分别纳入了第二支柱和第三支柱。

三、巴塞尔新资本协议下的内部评级模型

信用风险是指因交易对手违约或信用评级的降低而导致损失的风险，它是金融机构所面临的最古老也是最主要的风险之一。对信用风险的度量和管理得是否得当在很大程度上决定了金融机构经营的成败。

在商业银行发展的早期，对信用风险的研究还局限于定性分析和较为简单的量化分析，无论从重视程度上还是从技术方法上都很欠缺。20世纪70年代以来，银行债务危机和破产现象时有发生，其后国际银行业纷纷加强了对量化信用风险的研究和探讨。1988年巴塞尔资本协议公布，作为国际银行业广泛认可的资本协议和监管标准，巴塞尔协议的产生使国际银行业普遍开始注重对信用风险的防范与管理，同时在金融界和理论界都产生了对信用风险量化方法的研究热潮。1988年的巴塞尔协议通过对不同类型资产规定不同权数来量化信用风险，从而确定经济资本。但是协议中就信用风险量化方法定义非常笼统，因此在后来的执行过程中遇到了很多困难，受到越来越多的批评，并最终导致了对旧巴塞尔资本协议的修改和巴塞尔新资本协议的推出。新协议对银行信用风险的计量提出更高的要求，并允许各银行在满足相关最低要求的前提下使用内部模型估算与信用风险相关的监管资本。在此推动下，用于信用风险度量的新方法也开始兴起，在国际上使用较多的有四种，分别是CreditMetrics模型，KMV模型，CreditRisk＋模型以及Credit Portfolio View模型。

（一）在险价值法：CreditMetrics模型

CreditMetrics模型是J．P．Morgan公司和美国银行、瑞士银行等机构合作，于1997年推出的一种度量信用风险的方法。它的问世标志着国际金融大型机构对信用风险的管理从静态进入动态管理的全新时期，旨在提供一个进行信用风险估值的框架，用于诸如贷款这样非交易资产的估值和风险计算，并试图回答这样的问题“如果明天是个坏日子，那么在贷款和贷款组合上的损失是多少？”

1．市场风险与VaR模型

市场风险是指金融市场价格和利率等的变化会降低一种证券或一个资产组合价值的风险，按照引发市场风险的因素的不同可分为利率风险、权益资产价格风险、汇率风险和商品价格风险。20世纪70年代以来，全球金融市场发生了重大变革，以布雷顿森体系崩溃为标志的固定价格体系演变为市场价格体系，导致了各类市场价格的波动性加剧，使得市场风险成为今日金融风险的最主要形式之一。VaR方法最早是由J．P．Morgan公司提出的，当时为了满足总裁提出的每日上交一份未来一天公司总的潜在损失的研究报告的要求，风险管理人员开发出了一套度量市场风险的方法——VaR法。

VaR（Value at Risk）称为“风险价值”或“在险价值”，是指在给定的置信水平和持有期内，某一金融资产（或资产组合）可能遭受的最大损失，用公式表示为：

Pr（ΔV≤－VaR）＝1－c

其中ΔV为资产组合在持有期Δt内的损失，持有期反映资产组合的流动性，一般选为1个交易日或10个交易日。c为给定的置信水平，通常取为95%或99%，置信水平的选取反映投资主体对风险的厌恶程度，置信水平越高，风险厌恶的程度越大［1］。

设V代表某资产组合目前的价值，R为持有期内的收益率，μ为预期收益率μ＝E（R），R＊为既定置信水平c下最大可能的损失对应的收益率（R＊一般为负值）。则资产组合的最低价值为V＊＝V（1＋R＊），于是

VaR＝E（V）－V＊＝V（1＋μ）－V（1＋R＊）＝V（μ－R＊）

VaR＝V（μ－R＊）＝V（μ－ασ－μ）＝－ασV

VaR方法以严谨的概率统计理论作为基础，直观地表示出了市场风险的大小，它比传统的度量风险的方法更具有普遍适用性和科学性。另外，VaR方法之所以具有吸引力是因为它把全部资产组合的市场风险高度概括为一个数字，这为投资者、金融机构提供了简单直接地量化风险的指标，从而使投资者可以及时地判断其承受风险的能力，进而调整投资组合以分散和规避风险，提高资产运作效率。同时也极大方便了监管部门对金融机构的有效监管。

2．基于VaR方法的CreditMetrics模型

CreditMetrics模型以信用转移分析为基础，也就是考察在给定时间内（通常为1年），贷款企业从一个信用等级转移到另一个信用等级的可能性以及发生违约的概率。进而将VaR方法引入到信用风险管理中来，对贷款组合的未来价值分布进行模拟，信用风险价值就等于在未来一段时间内在给定的置信水平下未来价值的抽样分位数和均值的差额。信用在险价值的最大用途之一就是利用VaR值将已知组合中的风险转换为所需资本的量度——经济资本（CaR），经济资本是银行用于吸收未预期损失的缓冲，所谓未预期损失是指同信用等级转移或违约等信用事件有关的损失，即CaR＝VaR－期望损失。CreditMetrics模型度量信用风险的步骤如下：

1）单笔贷款的信用风险价值：

第一步，确定贷款企业的信用等级转移概率矩阵。

这需要先选定一个信用评级体系，可以采用标准普尔的评级系统，穆迪的评级系统，或是银行内部的评级系统。根据所选的体系确定贷款的信用等级以及相应的信用等级转移概率矩阵。这是CreditMetrics模型的基础和核心。标准普尔评级系统的信用等级转移概率矩阵如表4-6所示：

表4-6　一年内信用等级转移概率矩阵

资料来源：CreditMetrics，J．P．Morgan．

第二步，确定信用期限的长度。

由于信用等级转移概率矩阵的期限为1年，与之相对应的，信用期限的长度也通常设为1年。但是，期限的设定可能会受到会计数据的可获得性以及评级机构财务报表可获得性的影响。

第三步，计算贷款在各信用等级下的远期价值。

债券的远期价值可以从远期零息率曲线推导而来，然后用远期价格来计算从第一年到债券到期日之间的剩余现金流，计算公式为

其中F为本金，D为利息，rt为第t年远期零息率（无风险利率），n为贷款年限。以5年期年面值为100，利率为6%的BBB级无担保债券为例，由于标准普尔设定了七个信用等级，就需要七条价差曲线对所有可能状态下的债券进行定价，表4-7所示为每个信用等级所对应的一年期远期零息率相关信息：

根据上表所给信息，如果债务人仍然停留在BBB级，则此债券的一年期远期价格为

表4-7　一年期远期零息债券收益率

资料来源：CreditMetrics，J．P．Morgan．

采用同样的方法可以计算得到BBB债券的每一个可能的一年期远期价值，如表4-8所示。

表4-8　BBB级债券状态概率及远期价值

资料来源：CreditMetrics，J．P．Morgan．

需要说明的是，表中最后一项是债券发行人在年终违约的情况下，根据评级机构的历史数据按照债券在偿付上的优先状况推导出的预期收益。

第四步，推导贷款价值变动的远期分布，并计算贷款的信用风险价值。

计算风险价值的方法有两种，一种是基于贷款价值服从正态分布假设的计算，另一种是基于贷款价值实际分布的计算。根据上述计算结果，我们已经得到一年后贷款处于各种等级的概率p以及相应的远期价值V。进一步计算贷款价值的均值m以及标准差σ：

如果按正态分布假设来计算，置信度为95%的风险价值VaR值为2．33σ，等于6．97；但事实上，由表4-8可以看到，贷款价值的分布明显不是正态的，在该分布的图形中有一个长长的向下的尾部，如果按照实际债券价值变动情况来计算，利用线性插值法计算置信度为99%的风险价值VaR值将有所不同，根据表4-8所给数据利用插值公式得到状态概率为1%时远期价格为98．10＋［（98．10－83．64）／（1．17－0．12）］×（1－1．17），等于95．76，风险价值VaR＝107．09－95．76＝11．33。数值计算结果表明，正态分布的假设有可能低估了贷款的真实的VaR值。

2）两个贷款组合的信用风险价值

CreditMetrics模型是以定价违约风险债券的默顿模型为基础的，但CreditMetrics模型通过增加信用质量的变动因素扩展了默顿模型。根据默顿模型的假设，公司资产价值Vt服从标准的几何布朗运动，则有

其中Zt～N（0，1），μ和σ2分别为企业资产收益率的期望和方差，记PDef为公司违约的概率，VDef为企业违约时的资产临界值，于是

其中

，也称为违约距离。为正态化的收益率，N（x）为标准正态分布的累计分布。

为了得到联合转移概率，需要知道信用等级变化的门槛值。门槛值是和信贷资产的各个信用等级相对应的或者说以此来划分不同的信用等级。例如，A级贷款一年后升为AAA级的概率为0．09%，记Z～N（0，1），则由P（Z＞ZAAA）＝0．09%有N（ZAAA）＝99．91%，查表得门槛值为ZAAA＝3．12；设A级贷款一年后变为AA级的概率为2．27%，则P（ZAA＜Z＜ZAAA）＝2．27%，N（ZAAA）－N（ZAA）＝2．27%，得ZAA＝1．98。依此类推，得到贷款处在各个信用等级的概率和门槛值。

第一步，计算两笔贷款的信用等级转移概率。

如果不考虑信贷资产之间的相关性，只需要知道各个贷款和信用等级转移概率矩阵就可确定贷款组合的联合转移概率矩阵，矩阵中每一项就等于两笔贷款的转移概率的乘积。但事实上，信用等级的变动之间往往存在着相关性，如同一行业或地区内企业违约的相关度较高，在经济衰退期，大多数资产的质量都会恶化，企业同时违约的可能性就会增加，所以在此考虑具有相关性的两笔贷款的信用等级转移概率。

设两笔贷款对应的即期资产收益率分别为r1，r2，信用等级变化的相关系数为ρ。信用等级的联合转移概率密度函数为

由此可计算出两笔贷款同时处于各自特定等级的概率，如贷款1处在A级同时贷款2处在BB级的概率为

其中ZAA，ZA，ZBBB，ZBB为各信用等级的门槛值。信用等级分为8级，按照上述计算方法可以得到64种组合的联合转移概率。

第二步，计算贷款组合在各信用等级下的远期价格。贷款组合的价值由单笔贷款的价值加总即得。

第三步，推导资产组合价值变动的远期分布，并计算组合的信用在险价值。

在得到了贷款组合的联合信用等级转移概率和贷款所有可能的值的基础上，可以计算出贷款组合价值的平均值和方差，从而得到基于正态分布或实际分布的VaR值。一般地，由于资产组合具有分散非系统性风险的作用，所以计算出来的贷款组合的VaR值比各个组成部分分别计算出的VaR值加总的和要小。

3．模型优缺点

CreditMetrics模型为信用风险的度量提供了一种有效方法，增强了信用风险的透明度，从而改善了风险管理工具，同时为监管部门进行有效的监管提供了重要的参考数据。同时，作为信用风险的量化模型，它是传统定性分析方法的良好补充。CreditMetrics模型的主要缺陷就是过分依赖于信用等级转移概率，而这些概率都是基于违约和信用等级转移的平均历史概率得出的。因此，计算的精确性取决于两个关键假设：第一，具有相同信用评级的公司都有同样违约概率；第二，实际违约概率等同于历史平均违约率。对于其他转移概率也有相同的假设。也就是说，模型认为信用等级的变化与信用质量的改变是同步的。但事实上，这些假设不一定成立。因为违约率在不断变化，而信用评级是以离散形式来进行调整的，而且存在时滞。

4．市场风险与信用风险的综合度量

在分别计算出市场风险和信用风险的风险险价值之后，如何得到金融机构所面临的总的风险是需要解决的另一问题。如果只是简单地加总市场风险值和信用风险值将会大大高估银行所面临的风险程度，进而高估银行所需的资本准备金。简单地加总得到的是两类风险同时处于最不利情形下的VaR值，它忽视了市场风险和信用风险之间可能存在的相互影响和相关性。事实上，两者是有内在联系而非相互独立的。比如，利率、汇率、商品价格等因素反映出市场条件的变化，进而影响到企业的盈利能力，于是企业信用等级转移的概率和发生违约的可能性都和市场风险相关。信用风险和市场风险的相关性也经常体现在商业银行的贷款业务中，商业银行采取浮动利率贷款。对于不同信用等级的借款人银行所要求的风险溢价有所不同，信用等级越低，风险溢价就越高。

考虑综合度量市场风险和信用风险，假设两者的相关系数为ρ，根据类似于资产组合方差的计算公式得到总的风险值为

其中VaRT表示总的风险值，VaRM和VaRC分别为市场风险价值和信用风险价值。已有相关研究结果如Longstaff，Schwartz［2］和谢云山［3］表明信用风险和利率风险之间往往存在着此消彼长的负相关关系，也就是两者的相关系数ρ为负数，利用上述公式计算出的总的风险价值将比简单地将两者相加要小。

另外，可以在建模过程中综合考虑影响市场风险和信用风险的一些因素。Credit-Metrics模型基于Merton模型，它假设无风险利率是固定不变的，也没有涉及信用利差等的变动因素。而Credit Portfolio View（CPV）模型弥补了这一缺陷。CPV模型认为债务人的违约概率和信用转移概率与外部经济是有密切联系的，是由利率、汇率、失业率、GDP增长率等多因素决定的，模型假设违约概率满足一个逻辑函数

其中Pj，t是国家或行业j内投机级债务人在t时期违约的条件概率，Yj，t是国家或行业j在t时期的指数值

Yj，t＝βj，0＋βj，1Xj，1，t＋βj，2Xj，2，t＋…＋βj，mXj，m，t＋εj，t

其中Xj，1，t，…，Xj，m，t是j国家或行业在t期的宏观经济变量，βj是相关系数，εj，t是服从正态分布的独立误差项。模型中还假定每个宏观经济变量服从单变量二阶自回归模型。

在此模型中利率、汇率等变量作为了违约概率的解释变量之一，并通过系数βj刻画了信用风险与市场风险的相关性，某种程度上是对CreditMetrics模型的改进。从计算银行所需资本金的角度来看，开发出统一的综合度量金融风险的模型有着重要意义，这将成为进一步探讨的课题。

（二）期权定价法：KMV模型

KMV模型是由美国的KMV公司开发的信用风险度量模型，与CreditMetrics模型相比较，CreditMetrics的主要缺陷就是过分依赖于信用等级转移，而这些概率都是基于违约和信用等级转移的平均历史概率得出的。因此，计算的精确性取决于两个关键假设：第一，具有相同信用评级的公司都有同样违约概率；第二，实际违约概率等同于历史平均违约率。对于其他转移概率也有相同的假设。也就是说，模型认为信用等级的变化与信用质量的改变是同步的。但事实上，这些假设不一定成立。因为违约率在不断变化，而信用评级是以离散形式来进行调整的，而且存在时滞。KMV通过大量的模拟实验说明，历史平均违约率和信用等级转移概率和实际情况可能有较大偏差，同时处于同一信用等级的债务，其违约率存在明显差异而且违约概率重叠范围很大，也就是说有可能BB级和AA级债务会有相同的实际违约概率。

1．Merton模型和期权定价思想

KMV模型是运用现代定价理论建立起来的违约预测模型，该模型的理论基础是Black，Scholes［4］期权定价模型和Merton［5］模型。最早将期权定价理论运用于有风险的贷款和债券的定价的思想可以追溯到Merton进行的研究“公司债券定价：利率的风险结构”。

Merton模型的市场假设如下：

1）市场是一个无摩擦、无交易成本、无税收的可连续交易的金融市场；

2）不存在无风险套利机会；

3）利率r是常数，于是单位无风险债券的价值为B（t，T）＝exp［－r（T－t）］；

4）公司资产价值V是权益价值和负债的总和；

5）负债可以看成是面值为F，到期日为T的零息票债券。

基于以上假设有，企业仅由权益S和一种债务工具进行融资。该债券面值为F，市值为B。在债券到期日T，若公司资产价值VT≥F则履行债务；若公司的资产价值VT＜F则发生违约，那时债券持有人拥有接管公司的权利而股权持有者将一无所获。于是权益可以看成是以公司资产价值V为标的，执行价格为F，到期日为T的欧式看涨期权，而公司债务则可以看成是面值为F的无风险债券和以公司资产价值V为标的，执行价格为F的欧式看跌期权的资产组合。记权益价值为S，债券价值为B，则有：

V＝S＋B，

ST＝max（0，VT－F）＝（VT－F）＋，

BT＝min（F，VT）＝F－max（0，F－VT）＝F－（F－VT）＋

KMV模型以Merton模型为基础，把银行放款问题从借款企业股权持有者角度来考虑，公司权益价值则可以看成是以公司资产价值为标的的看涨期权。反过来，对于银行来说，贷款信用风险价值相当于以公司资产价值V为标的的看跌期权，该期权的执行价格为F，到期日为T。如果银行购买了一个这样的看跌期权，就完全可以消除与贷款有关的信用风险。根据期权定价理论，权益价值S和贷款信用风险价值P分别为：

S＝VN（d1）－Fe－r（T－t）N（d2），

P＝－VN（－d1）＋Fe－r（T－t）N（－d2）

其中为公司资产价值波动率。模型结果看到，信用风险值是公司资产波动率σV，无风险利率r以及杠杆比率Fe－r（T－t）／V的函数。

2．KMV模型

KMV模型在Merton模型的基础上，基于庞大的数据信息系统估计出了每个债务人的违约概率EDF。与CreditMetrics模型不同的是，KMV模型没有明确借助于信用等级转移概率矩阵，但事实上，信用等级转移概率矩阵的相关信息已经包含在了EDF中。KMV模型推导实际违约概率的步骤如下：

第一步，估计公司资产价值V和资产收益波动率σV。

应用KMV模型需要计算两个变量值，公司资产的市场价值V和资产收益的波动率σV。如果公司的所有负债都可以进行交易且每天按市场定价，则估计公司资产价值及其波动性就比较简单了。但事实上，只有上市公司的股票价格是可以直接观察到的，在有些情况下也只有一部分债务能实际进行交易。得到两个变量值的方法之一是建立起权益价值S和资产价值V之间的关系以及股票收益波动率σS和资产价值波动率σV之间的关系式，联立组成方程组然后求解方程组，

在上述方程组中，权益价值S和股票收益波动率σS可以直接观察得到或通过市场数据计算得到，d1，d2表达式同上，两个方程两个未知数，可以求出不可直接观测得到的V和σV的值。

第二步，计算违约距离DD。

KMV模型里沿用默顿模型的假设，公司资产价值V服从标准的几何布朗运动，即公司资产价值满足随机微分方程

dV＝μVVdt＋σVVdW

其中μV和σV分别为公司资产的预期收益率和波动率，W为标准Wiener过程，于是

其中ε～N（0，1），记PDef为公司违约的概率，当公司资产价值下降到债务面值F之下时，违约发生，于是

其中N（x）为标准正态分布的累计分布。，也称为理论违约距离。以上结果是基于资产价值遵循对数正态分布的假设，但在实际情况中，资产价值的分布难以确定，因此通常关于资产收益的正态或对数正态的假设不再适用，为了精确度量违约概率，必须考虑资产价值变化的大量不利因素。因此，KMV采用以下的违约距离。

KMV通过对几百个公司样本数据的统计观察得到，当公司资产价值下降到介于负债总值和短期债务值之间时，违约发生。模型设定违约点DPT为短期债务STD加长期债务LTD的一半，即DPT＝STD＋1／2LTD，违约距离DD设定为一年内公司资产价值期望值与违约点DPT之间的距离，通常表示为资产收益的标准差：

第三步，计算预期违约概率EDF。

在计算出违约距离DD后，就可以算出预期违约率（Expected Default Frequency，EDF）。理论上来讲，已知资产价值概率分布的情况下，可以计算出预期违约率Φ（－d3），但通常资产价值不一定服从对数正态分布。于是，KMV通过大样本企业违约的历史数据建立起违约距离DD与违约概率之间的映射关系，从而从违约距离DD判断实际违约概率，KMV模型称此概率为预期违约概率EDF。

信用等级可以代表一定的违约概率，两者的内在含义是同质的，根据EDF与信用等级之间的内在联系可以建立EDF与信用等级之间的对应关系，如表4-9所示。

表4-9　EDF与信用等级对应关系

资料来源：KMV公司

3．模型优缺点

KMV模型是运用现代期权定价理论建立起来的违约预测模型，这一模型的优点在于：第一，该模型可以充分利用资本市场上的公开信息，对上市企业进行信用风险分析和度量。第二，通过资本市场获得的公开信息并非企业的历史账面资料，相比较而言，它更能真实反映企业当前的信用状况，其预测能力更强、更及时，也更准确。第三，KMV模型理论基础非常坚实，它是建立在Merton模型和期权理论基础之上的，因此它所得出的预期违约概率值有较强的说服力。

模型的不足之处在于：第一，数据的可获取性决定了模型使用范围方面的限制性。KMV模型比较适用于对上市公司的信用风险评估，对于非上市公司，往往需要借助于相关的会计资料或其他能反映借款企业信用指标的信息来替代模型中的有关变量，同时还要通过对比分析手段最终得出该企业的预期违约频率，这个过程比较复杂而且计算出的预期违约频率还未必准确。第二，该模型假设借款企业的资产价值服从正态分布，但在现实中，借款企业资产价值的分布不是很好估计，同时也未必服从正态分布。第三，KMV模型并未对长期债务的不同类型进行分类。实际上，可以依据债券的优先级别、是否有抵押担保、能否转换等来区别不同类型的长期债务，不加区分可能会造成违约点设定的不准确性，从而使得模型的输出变量不够准确。

（三）保险精算法：CreditRisk＋模型

CreditRisk＋模型是由瑞士信贷银行金融产品部（CSFP）于1997年开发的精算模型，它把保险精算学的分析框架应用于债务资产组合的损失分布计算。在建模过程中只考虑违约风险，不考虑降级风险，所以CreditRisk＋模型不是一个盯住市场模型，而是一个典型的违约式模型［6］。不同于KMV模型的是，CreditRisk＋认为违约与公司资本结构无关并且对引发违约的原因不作任何假设，视违约事件为纯粹的外生事件。模型基于两个前提假设进行研究，第一，在贷款有效期内的任何时间，违约概率不变；第二，当同时有很多债务人存在的情形，具体到某个别债务人的违约概率非常小，而且在任何给定时期发生违约的违约数量与其他任何时间发生的违约数量不相关。基于以上假设，给定时期内的违约数量服从泊松分布：

其中μ为每年违约数量的期望值，n为实际违约数量，它服从均值为μ，方差为μ的泊松分布。

由于违约的损失额度的差异使得对于整个资产组合来说，损失分布不再服从泊松分布。CreditRisk＋模型将资产组合中的贷款按违约风险暴露EAD的大小进行分组，在四舍五入的意义下，假定组内贷款的风险敞口相同。于是每组的损失分布服从泊松分布，然后将各组损失加总得到整个资产组合的损失分布情况。将资产组合里的每笔贷款进行分组，假定违约风险暴露的单位为L，记第j组的四舍五入下的违约风险暴露为Lj单位，第j组L单位资产的期望损失为ELj，A代表一项贷款，EA为该贷款L单位期望损失，于是第j组每年发生违约数量的期望值为：

因为各分组之间是相互独立的，所以整个资产组合的概率生成函数等于所有组概率生成函数的乘积，即

由于违约数量服从泊松分布，定义第j组的概率生成函数为：

CreditRisk＋模型的优点是应用与计算起来相对容易。由于模型只考虑债务人违约事件，所需估计的参数值比较少，每项债务只需估计其违约概率和违约风险暴露。另外，债券或贷款资产组合损失概率可以被模型推导出来而不需要对历史数据的估计，这也使得该方法在计算方面有一定的优势。不足之处在于，它与CreditMetric模型和KMV一

由此，最后推导出整个资产组合的损失分布，样，都是假定利率是不变的，也就是信用风险不受市场风险因子的影响，且每个债务人的违约风险暴露固定不变，显然这种假设与实际情况不相符合，模型有待改进。

（四）宏观因素模型：Credit Portfolio View模型

在信用风险度量术CreditMetrics模型中，假定信用等级转移概率矩阵是稳定不变的，这一假定与现实不相符合。实证研究表明，违约概率和信用等级转移概率都与经济环境和商业周期有着紧密联系。在经济不景气时期，违约概率和信用等级转移概率明显比经济繁荣期有所增大，所以需要将这一重要因素考虑到模型中来。

Credit Portfolio View模型是由麦肯锡公司于1998年推出的多因素模型，模型的基本观点是违约概率和信用等级转移概率均与宏观经济环境相联系。宏观经济因素采用诸如失业率、GDP增长率、长期利率水平、外汇汇率、政府支出以及总储蓄率等经济指标来描述［7］。不同的行业和部门如金融业、建筑业、服务业、农业等对商业周期的反应会有所不同，同时不同级别的投资人也对商业周期的反应不一样，如投资级债务人的违约概率更为稳定，投机级债务人的违约概率变动较大。

与CreditMetrics模型相比，两者同是以信用等级转移概率矩阵为模型基础。不同的是在CreditMetrics模型里，违约概率和转移矩阵是以历史平均数据来估计的，而在Credit Portfolio View模型中，是以当期的经济状态为条件来计算债务人的违约概率和转移概率。与KMV模型相比较，两种方法都是以当期观察数据为基础，认为违约概率和转移概率随着时间的变化而变化。不同的是，KMV采用的是微观经济学方法，它把债务人的违约概率与公司资产价值联系在一起，而Credit Portfolio View模型将宏观经济因素与债务人违约联系在一起。

Credit Portfolio View模型的基本思路是，首先运用经济计量模型模拟宏观经济状态，再通过一个可以保证取值落在0～1的指数变换，将该经济状态转换成特定国家或行业的违约概率和转移概率，最后用类似于Credit Metrics模型的方法估计整个资产组合的损失分布及风险价值。

采用Logit函数建立宏观经济变量与违约概率之间的关系，表达式为：

这种变换可以保证概率的取值在0～1。其中Pj，t是国家或行业j内投机级债务人在t时期违约的条件概率，Yj，t是国家或行业j在t时期的指数值，通过多因素模型来决定，

Yj，t＝βj，0＋βj，1Xj，1，t＋βj，2Xj，2，t＋…＋βj，mXj，m，t＋εj，t

其中Xj，1，t，…，Xj，m，t是j国家或行业在t期的宏观经济变量，βj，0，βj，1…βj，m是债务人的相关系数，εj，t是服从正态分布的独立误差项。模型中还假定每个宏观经济变量服从单变量二阶自回归模型，

其中αj，i，0，αj，i，1，αj，i，2是待估的相关系数，Xj，i，t－1，Xj，i，t－2是宏观经济变量的滞后一期和二期的值，ηj，i，t是服从正态分布的独立误差项。

为了求得违约概率，需要求解方程组：

对于信用等级转移概率矩阵，穆迪和标准普尔给出的都是无条件马尔可夫矩阵记为ΦM，矩阵的获得是基于超过长达20年，经过几个商业周期，包含多个国家和行业的数据估算出来的历史平均数。Credit Portfolio View模型认为，债务人的违约概率在经济下行期会高于均值，信用降级事件增加，在经济上行期情况相反。

记SDPt为Credit Portfolio View模型计算出来的债务人违约概率，ΦSDP为债务人历史平均违约概率，于是在经济上行期SDPt／ΦSDP＜1，在经济下行期SDPt／ΦSDP＞1，Credit Portfolio View模型调整ΦM以生成条件信用等级转移概率矩阵的方法为：Mt＝M（Pj，t／ΦSDP），进而可以得到多期的信用等级转移概率矩阵MT＝

Credit Portfolio View模型的优点在于它充分考虑了宏观经济因素对违约概率和信用等级转移概率的影响，而不是采用历史平均值来计算，正是因为这个原因使得模型具有盯市性，因而与CreditMetrics模型相结合能更好地度量信用风险。不足之处在于，模型的计算和校验需要大量的数据输入，这需要有不同国家／行业的可靠数据，一是可获取性的难度较大，二是数据处理较为复杂。另外，模型不能处理非线性产品如期权等。同时，调整信用等级转移概率矩阵的方法并不确定在应用中，性能会好于简单的贝叶斯模型。

（五）模型在我国的适用性分析

本节集中分析讨论了目前国际上比较认可的四种内部信用风险度量模型的主要框架和内容，并分析了各个模型优势和不足之处。其中CreditMetrics模型和KMV模型是以Merton理论为基础，认为企业违约与公司的资本结构有关，也就是当公司的资产价值下降到某一临界值以下时，违约就会发生。CreditRisk＋模型则利用了保险精算行业的损失分布建模技术，把违约看成是完全外生的事件。CPV模型则是将借款企业的违约行为与宏观经济指标联系在一起。

信用风险是银行业面临的最古老也是最重要的风险之一，随着金融全球化趋势及金融市场波动的加剧，对信用风险的度量与管理越来越重要。20世纪70年代以来，信用风险度量方法不断得到发展和完善，计量经济学等数量方法的引入，使信用风险度量方法从定性分析向定量分析转变。目前，由于我国银行业对信用风险度量和管理的方式与理念与国外先进水平存在很大差距，相关数据库和信用评级体系还很不成熟，所以这些模型并不一定能够直接适用于我国商业银行的信用风险度量，例如，对于Credit Metrics模型，信用等级转移概率矩阵是模型的基础和核心。模型以信用转移分析为基础，进而将VaR方法引入到信用风险管理中来，对贷款组合的未来价值分布进行模拟，信用风险价值就等于在未来一段时间内，在给定的置信水平下，未来价值的抽样分位数和均值的差额。然而由于我国信用评级制度不健全，导致相关信用评级数据和信用等级转移概率数据极度缺乏，从而大大降低了CreditMetrics模型在我国的适用性，但是模型提供的VaR方法是值得借鉴的。对于KMV模型，其主要思想是基于Merton模型和期权定价理论，将银行放贷问题反过来看，公司权益价值可以看成是以公司资产价值为标的，以债券面值为执行价格的看涨期权。KMV模型的数据输入主要是公司资产价值及其收益波动率，权益价值及其波动率，长期债务和短期债务等，而这些数据都可以通过公开的资本市场信息获得，所以KMV模型特别适用于有效市场的上市公司信用状况的分析。中国企业所处的市场环境与西方发达国家所处的环境还存在着较大的差异，特别是我国资本市场还处于发展的初级阶段，市场发育还不成熟，包括信息披露制度在内的市场监管机制还不完善，所以在对我国上市公司的信用风险状况进行评价时，需要针对所处的具体市场环境对模型指标进行相应的修改，并对模型在我国上市企业信用风险评价中的应用能力进行检验，从而建立适合我国国情的上市公司信用风险度量模型。对于CreditRisk＋模型，其中一个重要假设是每一笔贷款相互独立，且在贷款组合中具体到某一特定贷款发生违约的可能性很小，因此才有贷款组合违约概率的分布服从泊松分布。但这一假设在我国很难成立，一是银行总是倾向于给熟悉的客户和有关系的客户提供贷款，同时在客户中间也会经常出现关联企业或客户之间的相互担保，从而很难保证贷款项目之间的独立性；二是银行总是倾向于给自己熟悉的行业或地域发放贷款，这会造成客户集中于某些行业和地域，从而也很难保证贷款项目之间的独立性。前提假设不满足，模型很难得到有效的结果。对于Credit Portfolio View，它同样具有CreditMetrics方法在我国适用的局限性。

但学习并借鉴先进的信用风险度量方法，对于研究开发适合我国国情的信用风险度量方法，提高我国商业银行信用风险管理水平具有重要的理论与现实意义。也可以在现有模型的基础上通过合理的简化与假设，作为对现有的以定性分析为主的方法的有益补充，建立适用于我国银行的较为简单的信用风险度量模型。

四、巴塞尔新资本协议的局限性

2007年始发于美国的金融危机席卷全球，使得金融系统和实体经济都遭受到了前所未有的巨大冲击，以至于全球经济形势至今依然十分严峻。危机爆发后，许多实施巴塞尔新资本协议的银行也并未经受住此次冲击，而是纷纷破产倒闭或被收购，于是人们开始重新审视新协议。目前看来，巴塞尔新资本协议的顺周期性效应是新协议最大的局限性所在，被众多研究学者广为诟病。

顺周期性（procyclicality）是指一种具有相互加强作用的机制，即正反馈机制（possible feedback mechanisms）。

马克思在《资本论》中指出“经济周期是现代工业特有的生活过程”。这种过程实质上反映了宏观经济在运行过程中反复出现的对其均衡状态偏离的调整过程。金融是现代经济的核心，经济发展过程中周期性的扩张与收缩，必然伴随着金融体系周期性的扩张与收缩，所以银行业务本身就具有先天的顺周期性。

巴塞尔新资本协议的顺周期性是指协议对银行监管资本的要求会加剧宏观经济周期的波动性。

Philip Lowe从信用评级的角度对巴塞尔新资本协议的顺周期性进行了分析。文章指出，信用评级系统在一个给定时点上可以很好地区分不同借款人的信用状况，但是由于评级系统严重依赖于当前的经济环境使得在跨期度量企业信用状况的变化时不那么有效。在经济上行期，评级系统基于良好的发展前景往往会低估风险，反之，在经济下行期则会基于恶化的现状而高估风险［8］。但事实上，风险经常是在经济繁荣期积聚起来，而在经济衰退期释放出来。

在经济繁荣期，企业经营状况、盈利能力表现良好，用于抵押的土地、房产等抵押品价值也较高。在此情况下，评级机构对借款人的信用评级级别较高，同时银行对违约概率、违约损失率等风险要素的估值较低，于是根据巴塞尔新资本协议计算出来的监管资本要求较低，与此同时，银行也会出于对宏观经济发展前景表现出的乐观从而放宽贷款标准，这些因素都会刺激银行进一步扩大信贷规模，而信贷规模的扩张又会在一定程度上对经济的持续扩张起到作用。反之，在经济衰退时期，企业经营状况差、盈利能力下降，同时用于抵押的抵押品价值也随之下降，企业信用评级调低，贷款的违约概率、违约损失率随之上升，从而银行为贷款损失所需准备的资本金增加。然而与此同时，由于外部融资环境的恶化、融资成本的提高使得金融机构无法像往常一样获得低成本融资，种种因素都会导致银行紧缩贷款甚至造成金融市场的流动性紧缩。此次爆发的金融危机就是一个典型的体现，危机爆发后，资本市场的流动性过剩一夜之间变成了流动性紧缩。