信用风险的度量

二、信用风险的度量

信用风险与市场风险相比，除了性质不同外，还具有一些特性，主要表现为:其一，市场风险的概率分布通常可以近似假定为正态分布。然而，债务合约的信用风险有所不同，若贷款能安全收回，贷款人只可获得约定的利息收益，一旦债务人违约，则贷款人可能会损失其全部或大部分本金。由于贷款具有收益、损失不对称的特点，导致损失区域的概率密度高于相应的正态分布的概率密度，即存在所谓的“厚尾”(Fat Tail)，使得信用风险的概率分布不适合于正态分布的假设，为引入统计分析带来困难。其二，借贷双方存在显著的信息不对称。借款人较贷款人掌握了更多的信息，处于有利地位，而贷款人处于不利地位，这样就会产生道德风险问题。而在公开市场上，如果不考虑内幕交易，交易双方所拥有的信息近乎相同，因而在市场风险的形成中，道德风险所起的作用相对不突出。其三，信用风险的观察数据不易获取。贷款是非公开交易，无法观察到贷款的市场价值及其在考察期间内的波动性。由于这些特性，致使信用风险长期以来难以量化。

(一)信用风险度量的传统方法

1．专家评定

在商业银行信贷业务的操作中，信贷分析专家对贷款信用风险的评定主要依赖于个人的职业态度、专业技能、实践经验，对影响信贷质量的各种财务和非财务因素进行分析和评估，据此作出信贷决策。专家进行信用评估时通常遵循“5C原则”，即对以下五项因素进行重点分析:(1)品格(Character)，即企业的信誉;(2)资本(Capital)，即企业的资本与其债务的比率;(3)偿付能力(Capacity);(4)抵押品(Collateral);(5)经济周期的状态或形势(Conditions)。不过，利用专家评定方法对客户进行筛选带有相当强的主观性。专家在权衡各种因素时的主观权重可能会因人而异，因此，专家评定在实践中缺乏风险判别标准的一致性。

2．信用评级

这里所说的信用评级是指评级机构对公开发行证券的外部评级和银行对借款企业的内部资信评级。银行需要对首次申请贷款的客户或已经与银行建立信贷关系的客户进行信用评估，作为对客户授信的基本依据。银行对客户的资信评级一般定期进行，为此，各家银行都建立了内部的企业资信评价体系。该体系通常包括反映企业资信状况的若干关键要素，如企业的盈利能力、营运能力、偿债能力及发展前景，并对每项要素赋予标准分值和相应的权重。银行根据企业的实际情况逐项进行评分，最终得出一个总分值，据此评定企业的资信等级。

3．贷款分类

银行发放贷款后，一般会根据贷款的质量定期对贷款进行分类，以监控贷款信用风险。最为典型的贷款分类方法是由美国通货监理署(OCC)开发的五级分类法，将银行的现有贷款归为正常、关注、次级、可疑、损失五个等级，各类贷款提取不同比例的损失准备金。在实践中，大银行扩展了OCC的分类方法，开发出内部分类方法，对正常贷款作更为细致的划分。

(二)信用风险度量技术的革新

20世纪90年代以来，贷款出售和贷款证券化的推广，以及信用衍生工具的创新，对银行度量信用风险的传统方法提出了挑战。加上种种现实背景，如破产现象的大幅度增加、融资非中介化、存贷利差缩小、贷款抵押品价值的波动性等，都要求银行对信用风险进行更为准确的测度，由此激发了信用风险度量技术的革命。新型信用风险度量方法的核心特征是构建基于统计数据的数理模型。许多大银行和金融机构试图开发各种内部模型来度量信用风险，不仅评估单项信贷资产的信用风险，还在贷款组合的层面上度量风险，并将模型的应用范围扩展到表外业务。这些模型可分为两类:预测违约概率和违约损失的违约模型(DM)和考察信用等级变化对贷款价值影响的钉住市场模型(MTM)。其中，较为流行的是KMV模型和Creditmetrics模型。

1．KMV模型

KMV模型是由美国KMV公司开发的信用监控模型(Credit Monitor Model)。KMV模型的信用风险衡量指标是借款企业的EDF，即预期违约频率(Expected Default Frequency)。其基本思路是:当借款企业资产的市场价值超出企业的负债时，企业有动力偿还贷款，并将剩余部分留作利润或投资收益。如果企业资产的市场价值小于其负债水平，企业的所有者就会有动力选择违约，因为将企业所有的资产出售也不能完全偿付贷款。随着企业资产市场价值的下降，银行承受的企业违约可能带来的损失将会逐渐上升，最为极端的情况就是本息尽失。因而，企业的违约触发点(Default Point)被设定为与企业负债水平相等的企业市场价值或资产价值水平。对EDF的估算，就是根据企业资产价值的波动性来衡量企业未来市场价值或资产价值水平降低到违约触发点的概率，也即违约概率。企业资产价值的波动性通过企业股票市场价格的波动性估算得出。KMV模型的特色在于从借款企业股东的角度考虑借款偿还的动机，基于对企业股票价格变化的分析估算企业的预期违约概率EDF。

2．Creditmetrics模型

Creditmetrics模型即信用计量模型，由J.P．摩根公司于1997年推出。该模型旨在提供一个计算VaR值的框架，用于贷款、私募债券这类非公开交易性资产的估值和风险度量，进而考察资产组合的信用风险。该模型的基本理念是:信用风险取决于借款人的信用状况，而企业的信用状况可以通过其信用等级得到反映，信用等级的变化将导致资产(贷款或债券)实际价值的变化。首先，该模型估算单项资产在既定期限内由当前信用等级转移到其他所有信用等级的概率，得到一个信用等级转移概率矩阵;接下来，估算期末单项资产在所有信用等级上的(理论)市场价值，与信用等级转移的概率矩阵结合，就可以得出单项资产在期末的远期价值的概率分布;其后，估计资产组合中各项资产两两之间因信用等级变化引起其价值变化的相关系数，从而得到各项资产的信用等级转移的联合概率矩阵;同时，计算整个投资组合在所有可能的未来信用等级上对应的远期价值，结合信用等级转移的联合概率矩阵，最终得出资产组合远期价值的概率分布。在此基础上，可以在给定的置信度上求出资产组合的信用风险的VaR值。