国内信用风险度量与管理模型研究进展

1.3.2　国内信用风险度量与管理模型研究进展

从商业银行风险管理实践来看，我国目前仍处在对信用风险进行定性分析及管理阶段。在1998年前，我国是用“一逾两呆”的贷款分类法来度量银行的信用风险。“一逾两呆”是把贷款划分为正常、逾期、呆滞、呆账四类。这种分类方法的局限性很明显，一是对信贷资产质量的识别滞后，未到期贷款不一定正常，尤其是期限长的项目贷款，虽未到期，但还款人可能已经丧失还款能力。二是按照国际惯例其标准宽严不一。逾期贷款的标准过严，过期一天就算不良贷款，而在国际惯例中，一般过期90天才划分为不良贷款。“两呆”的标准过于宽泛。逾期两年以上虽未满两年，但经营停止、项目下马才划为呆滞。按照国际惯例，此类贷款中至少包含了一部分损失。至于呆账贷款，其中大部分已形成应该注销的历史遗留问题。相关的会计准则规定，逾期两年的贷款才能挂账停息，从而导致银行的收益高估。

1998年，中国人民银行在比较各国信贷资产分类方法的基础上，结合我国国情，制定了《贷款分类指导原则》。其中规定，中国人民银行采用贷款风险分类方法，根据风险，贷款被分为5类，即正常、关注、次级、可疑、损失。但是，贷款的五级分类法在实践中困难重重。一方面，由于缺乏具体的操作指标，使五级分类法实行起来操作困难；另一方面由于我国商业银行的问题较大，以风险为标准的五级分类方法的实施可能会造成大规模的金融恐慌。目前，中国人民银行贷款分类处于双重标准共存的格局，即一部分银行实行五级分类法，一部分银行实行以“一逾两呆”为特征的老贷款分类办法。

目前，中国人民银行的贷款分类方法对我国商业银行信用风险测量具有指导作用。实际工作中，我国各商业银行并不完全按照中国人民银行的规定进行贷款信用风险的测量。它们总结自身实践经验，对产生信用风险因素的权重进行了具有明确的定量描述，因此具有更强的操作性。

至于有关商业银行信用风险分析的各种现代模型的探讨仅限于学术界，处在起步阶段，大都是对国外信用风险控制管理进行引进或介绍，如：陈静［29］在1999年的“上市公司财务恶化预测的实证分析”论文中，选取我国证券市场中1998年被ST处理的27家上市公司作为样本，并界定其为财务失败的公司，在方法上借鉴了奥特曼模型。宋秋萍［30］（2000）直接采用Z值计分模型对我国6家公司进行预测分析。王海斌［31］等运用Z值法对新疆23家上市公司进行了实证分析，结果发现与实际情况相差较大。

西南电子科技大学的方洪全、曾勇［32］以银行实际贷款数据样本为分析对象，运用多元统计技术建立起4变量的线性判别模型。施锡铨［33］等学者运用线性多元判别方法对上市企业信用风险进行了实证研究，建立了评价上市企业信用风险水平的线性判别模型。

我国学者陈晓和陈治鸿［34］（2000）采用ST和非ST公司财务数据运用Logit模型对上市公司进行了预测，判别准确率为86.5％。

王春峰［35］（1999）研究了神经网络在商业银行信用风险评估中的应用，结论是神经网络的误判率为18.18%，而判别法的误判率为25.45%。庞素琳［36］（2006）等利用神经网络技术建立信用风险评价模型，为我国商业银行120家贷款企业进行信用风险评价和分析，并按照贷款企业的信用等级分为“信用好”、“信用中等”和“信用差”三个小组。仿真结果表明，神经网络信用风险评价模型的分类准确率为83.34％，比传统的参数统计分类方法——线性判别分析法的分类准确率（75％）要高。

傅强、李永涛［37］（2006）认为，银行对上市公司信用评估系统是一个较为复杂的灰色系统，应用灰色聚类方法对我国上市公司进行信用风险的实证分析。把企业信用状况分为五个灰类对象，即优信用灰类、较优信用灰类、一般信用灰类、较差信用灰类和差信用灰类。第1，2个类别视同正常贷款，第3，4个类别视同逾期贷款，最后一个视同呆滞贷款。通过对20个企业的财务数据分析结果表明，和实际信用状况非常一致，是一种科学、客观、可信且操作性强的信用评估方法。特别是对信用灰类划分的更加细化，使得金融机构可以更加细致地管理和监控贷款的信用风险。但是灰色聚类评估法也有不足，其评估结果也有受限于确定白化权函数时所涉及的范围。此外，灰色聚类评估法中的白化权函数的构造和转折点的确定都是难以用一定的标准来衡量。

天津大学的郑丕谔［38］等用集对分析方法及企业的财务数据，建立了信用等级预测模型：y=0.433-0.090μ1+0.145μ2+0.069μ3-0.414μ4+0.82μ5。

信用等级的判别标准为：y={0（违约）—（y≤0.5）；1（非违约）—（y＞0.5）。

通过与判别分析法及Logit分析法的比较，证明该方法能够更好地拟合企业的信用等级，并进行更为准确的预测。集对分析方法是一种集主观与客观于一体的方法，正好符合了信用风险本身的特性，且不过多地依赖于专家的判断，也没有严格的变量分布要求。在等级分类和趋势预测这一类似确定又不确定的问题上有良好的应用效果，误判率比其他方法低。但也存在着一些不足，比如只能解决0-l的二型问题，它的更为广泛应用有待于深入的研究。

任若恩［39］对常用的几种现代信用风险度量模型进行比较研究。石晓军［40］对信用风险度量和组合管理的理论基础与模型的研究。吴世农［41］在分析Credit-Metrics技术基础上，提出了信用风险动态测量方法。梁琪［42］利用期权定价方法对企业预测违约概率进行了研究，并分析了信用风险度量管理与宏观经济环境的关系。李宗怡［43］阐述了美国银行的内部评级体系，分析了不同评级体系的设计和评级体系之间的关系。迟国泰［43］在讨论了有效边界的贷款组合优化决策模型基础上，以贷款资产收益最大化为目标，分别以法律、法规和经营管理为约束，以VAR风险限额、VAR收益率为约束，以模糊数学中的综合评判方法为约束条件，建立起贷款组合的优化模型和资产负债管理的优化模型，并结合银行贷款数据对模型进行了实证研究。国内部分学者还从信用发展与政策建议对信用风险进行了规范研究，以信用产生为逻辑起点，从社会学、伦理学、哲学、法学等层面对信用风险进行解释并对防范措施提出了制度建议，对国有商业银行的产权制度改革也提出了诸多建议。以信息经济学理论为基础，对信用管理中的逆向选择和道德风险产生根源进行分析，从信息传递机制和激励约束机制层面提出相应的制度设计。

然而，理论界的学术研究并没有引起商业银行高层管理的实质性重视，对这些定量方法的应用趋势，以及其中蕴含的经济学原理、所需数据的积累和收集等等并没能明确的思路。信用分析理论是金融学和管理学等多学科交叉的领域，也是财会学、应用数学和计算机科学、信息技术等应用于风险管理和资产管理的实用学科。发展这一学科，推动这一学科的应用，对于如何防范、化解、控制和驾驭信用风险，无论在理论上，还是在实践中都有重要意义，是一个带有基础性的重大问题。随着我国经济体制改革的深入，市场机制的建立与完善以及资本市场、银行业的迅速发展，商业银行面临的信用风险将更加复杂，作为商业银行的高层决策者，应博采众长、引入科学方法来确定有效指标，并建立准确的定量模型来解决信用风险评估问题。