商业银行信贷风险度量与管理.ppt

商业银行信贷风险度量与管理,信贷风险是金融市场中最古老的也是最重要的金融风险形式之一，也是现代社会经济实体（尤其是金融机构）、投资者和消费者所面临的重大问题，只有对信贷风险进行准确的度量并据以实施相应的管理，才能保证金融机构乃至整个经济社会的安全性和稳定性。本章将从商业银行信贷风险的概念和成因入手，介绍单笔信贷风险的度量和管理。,第一节 信贷风险的概念及成因,信贷风险的概念,商业银行的信贷风险主要指在信贷过程中，由于各种不确定性，使借款人不能按时偿还贷款，造成银行贷款本金、利息损失的可能性。,信贷风险的成因 不确定性,第二节 信贷风险的度量与管理,主要方法,古典信贷风险度量方法：专家制度古典信贷风险度量方法：Z评分模型和ZETA评分模型现代信贷风险度量和管理方法：信用度量制模型,一、古典信贷风险度量方法：专家制度,专家制度是一种最古老的信贷风险分析方法，它是商业银行在长期的信贷活动中所形成的一种行之有效的信贷风险分析和管理制度。这种方法的最大特征就是：银行信贷的决策权是由该机构那些经过长期训练、具有丰富经验的信贷官所掌握，并由他们做出是否贷款的决定。因此，在信贷决策过程中，信贷官的专业知识、主观判断以及某些要考虑的关键要素权重均为最重要的决定因素。,1、专家制度的主要内容 在专家制度下，由于各商业银行自身条件不同，因而在对贷款申请人进行信贷分析所涉及的内容上也不尽相同。但是绝大多数银行都将重点集中在借款人的“5C”上，也有些银行将信贷分析的内容归纳为“5W”或“5P”。“5W”系指借款人（Who）、借款用途（Why）、还款期限（When）、担保物（What）、如何还款（How）；“5P”系指个人因素（personal）、目的因素（purpose）、偿还因素（payment）、保障因素（protection）、前景因素（perspective）。在传统的信贷分析过程中，信贷官常常要借助于一些标准的分析技术来对借款人清偿债务能力进行评估。表13.1例举了银行专家在信贷分析中所经常使用的财务比率指标。,2、专家制度存在的缺陷与不足,尽管古典信贷分析法专家制度在银行的信贷分析中发挥着积极的重要作用，然而实践却证明它存在许多难以克服的缺点和不足。首先要维持这样的专家制度需要相当数量的专门信贷分析人员，随着银行业务量的不断增加，其所需要的相应信贷分析人员就会越来越多。因此，对于银行来说，对新老信贷分析人员进行不间断的培训和教育就成为银行的一项长期重要的工作。在这样的制度下，必然会带来银行冗员、效率低下，成本居高不下等诸多问题。其次，专家制度实施的效果很不稳定。这是因为专家制度所依靠的是具有专门知识的信贷官，而这些人员本身的素质高低和经验大小将会直接影响该项制度的实施效果。例如，对于银行客户（公司）所提供的一套财务报表和文件，五位不同的信贷官对其进行分析会得出五种不同的分析结果，差异很大。第三，专家制度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，影响了银行未来的发展。,第四，专家制度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。造成银行贷款组合过度集中的原因是多方面的，但是这其中专家制度的作用是一个重要因素。在专家制度下，银行员工都热衷于成为专家，这就需要他们在某一行业或某类客户范围进行较长时期的分析研究，积累经验，成为这个行业的专才，因此这些人在选择客户时都有着强烈的偏好，他们所注重的客户都具有较高的相关性，这就加剧了银行贷款的集中程度，必然给银行带来潜在的风险。第五，专家制度在对借款人进行信贷分析时，难以确定共同要遵循的标准，造成信贷评估的主观性、随意性和不一致性。例如，信贷官在对不同借款人的“5C”进行评估时，他们所确定的每一个“C”权重都有很大差异，既便在同一家银行，信贷官对同类型借款人的“5C”评估也存在差异。综上所述，古典信贷风险度量方法专家制度有着许多难以克服的弊病，这就不得不促使人们去寻求更加客观，更为有效的度量信贷风险的方法和手段，来提高银行信贷评估的准确性。,二、古典信贷风险度量方法：Z评分模型和ZETA评分模型,Z评分模型（Z-score model）是美国纽约大学斯特商学院教授爱德华阿尔特曼（Edward I.Altman）在1968年提出的。1977年他又对该模型进行了修正和扩展，建立了第二代模型ZETA模型（ZETA credit risk model）。,1、Z评分模型的主要内容,Z评分模型（Z-score model）是美国纽约大学斯特商学院教授爱德华阿尔特曼（Edward I.Altman）在1968年提出的。1977年他又对该模型进行了修正和扩展，建立了第二代模型ZETA模型（ZETA credit risk model）。阿尔特曼的Z评分模型是一种多变量的分辨模型，他是根据数理统计中的辨别分析技术，对银行过去的贷款案例进行统计分析，选择一部分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贷风险及资信评估。,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）,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Z2.675，借款人被划入违约组；反之，如果Z2.675，则借款人被划为非违约组。当1.81Z2.99，阿尔特曼发现此时的判断失误较大，称该重叠区域为“未知区”（Zone of Ignorance）或称“灰色区域”(gray area)。,2、第二代Z评分模型ZETA信贷风险模型,1977年，阿尔特曼（Altman）、赫尔德门（Haldeman）和纳内亚南（Narayanan）对原始的Z评分模型进行了重大修正和提升，推出了第二代信用评分模型ZETA信贷风险模型（ZETA Credit Risk Model）。新模型的变量由原始模型的五个增加到了7个，它的适应范围更宽了，对不良借款人的辨认精度也大大提高了。,我们可以将ZETA模型写成下列式子,其中模型中的a、b、c、d、e、f、g，分别是作者无法获得ZETA模型中七变量各自的系数。ZETA=aX1+bX2+cX3+dX4+eX5+fX6+gX7,为了凸现新模型的有效性，阿尔特曼等人对ZETA模型和原始Z评分模型在分辩的准确性方面进行了认真的比较，表13.2就是这一比较的结果。由于新模型无论在变量的选择、变量的稳定性方面，还是在样本的开发和统计技术方面都比以前有了很大的改进，所以ZETA模型要比原模型更加准确有效，特别是在破产前预测的年限越长，其预测的准确性相对也就越高。,表13.2 ZETA模型与Z评分模型分辩准确性之比较,Z评分模型和ZETA模型均为一种以会计资料为基础的多变量信用评分模型。由这两个模型所计算出的Z值可以较为明确地反映借款人（企业或公司）在一定时期内的信用状况（违约或不违约、破产或不破产），因此，它可以作为借款人经营前景好坏的早期预警系统。由于Z评分模型和ZETA模型具有较强的操作性、适应性以及较强的预测能力，所以它们一经推出便在许多国家和地区得到推广和使用并取得显著效果，成为当代预测企业违约或破产的核心分析方法之一。,然而，在实践中，人们发现无论是Z评分模型还是ZETA模型都存在着很多先天不足，使模型的预测能力大打折扣，限制了模型功效的发挥。Z评分模型和ZETA模型存在的主要问题有以下几个方面：首先，两个模型都依赖于财务报表的帐面数据，而忽视日益重要的各项资本市场指标，这就必然削弱模型预测结果的可靠性和及时性；其次，由于模型缺乏对违约和违约风险的系统认识，理论基础比较薄弱，从而难以令人信服；再次，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；最后，两个模型都无法计量企业的表外信贷风险，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。针对这两个模型所存在的上述问题，人们一直在努力寻求许多新的方法和模型来替代传统的专家制度和借款人（企业）违约预测模型。,三、现代信贷风险度量和管理方法：信用度量制模型,近年来，现代信贷风险量化管理模型在国际金融界得到了很高的重视和相当大的发展。J.P.摩根继1994年推出著名的以VaR为基础的市场风险度量制(RiskMetrics)后，1997年又推出了信贷风险量化度量和管理模型-信贷风险度量制(Credit Metrics)，随后瑞士信用银行又推出另一类型的信贷风险量化模型CreditRisk+都在银行业引起很大的影响。同样为银行业所重视的其他一些信贷风险模型，还有KMV公司的以EDF为核心手段的KMV模型，Mckinsey公司的CreditPortfolioView模型等。信贷风险管理模型在金融领域的发展也引起了监管当局的高度重视，1999年4月，巴塞尔银行监管委员会提出名为“信贷风险模型化：当前的实践和应用”的研究报告，开始研究这些风险管理模型的应用对国际金融领域风险管理的影响，以及这些模型在金融监管，尤其是在风险资本监管方面应用的可能性。毫无疑问，这些信贷风险管理模型的发展正在对传统的信贷风险管理模式产生革命性的影响，一个现代信贷风险管理的新模式正在形成。,自1993年国际清算银行(BIS)宣布引入对市场风险的资本充足要求以来，人们对受险价值(VaR)方法产生了极大兴趣，并在对它的开发和试验方面取得了很大进展。受险价值(Value at Risk)作为一个概念，最先起源于80年代末交易商对金融资产风险测量的需要；作为一种市场风险测量和管理的新工具，则是由J.P.摩根银行最早在1994年提出，其标志性产品为“风险度量制”模型(RiskMetrics model).由于VaR方法能够简单清晰地表示市场风险的大小，又有严谨系统的概率统计理论作为依托，因而得到了国际金融界的广泛支持和认可。国际性研究机构30人小组(group of 30)和国际掉期交易协会(ISDA)等团体一致推荐，将VaR方法作为市场风险测量的最佳方法。目前，越来越多的金融机构纷纷采用VaR方法来测量、控制其市场风险，尤其在衍生工具投资领域，VaR方法的应用更加广泛。,1、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(如95%、97.5%、99%等)其价值最大的损失额。由此可见，计算可交易金融资产受险价值的关键输入变量是该项金融资产的市值(P)和它的市值变动率或标准差()；在给定的风险时段和所要求的置信水平下(如99%)，一项金融资产的受险价值(VaR)便可以直接计算出来。VaR方法特别适用于对可交易的金融资产受险价值的计量，因为人们可以很容易地从资本市场中获取这类资产的市值和它们的标准差。,以一家上市公司的股票为例描述受险价值(VaR)方法,现在，我们假定该上市公司股票今天的市值P为80美元/股，它被估计的每天的价值变动标准差为10美元。对于任何一家金融机构的股票交易员或风险管理者来说，都会提出这样的问题：明天的股票市场若是一个坏天气，那么我所负责的股票受险价值(在一定的置信水平下股票价值遭受的最大损失额)是多大呢?如果该股票价格今后每天都是围绕着今天80美元的价格呈正态分布，并且平均来看每100天会出现一天的坏天气的话，那么我们用统计学的语言来讲明天就有1%出现坏天气的概率。,正态分布下的那片区域包含着各种概率发生的信息：通过观察我们知道大约有68.26%的股票价格观察值处于均值正负1个标准差之间，95%的股票价格观察值处于均值正负1.96个标准差之间，99%的股票价格观察值处于均值正负2.58个标准差之间。就后者而言，若用美元来计量，该股票价格明天有1%机会升至80美元+2.58的水平。同时也有1%的机会降至80美元-2.58的水平。前面我们曾假定为10美元，因此该股票价格有1%的机会降至54.2美元或者更低的水平。换言之，该股票持有人价值损失少于80美元-54.2美元=25.8美元的概率为99%。就是说在置信水平99%的情况下，25.8美元可以视为该股票的受险价值量(VaR)。同时这里还隐含着这样一个事实：明天有1%的机会股票价格的损失额可达25.8美元甚至更大的金额。由于我们假定股票价格是呈正态分布状，因此，每一百天所出现的那个坏天气均会使股票价格处于图13.1中54.2美元线以下那片阴影区域内的某一点，并会造成相应的股价损失额。,由此可见，计算可交易金融资产受险价值的关键输入变量是该项金融资产的市值(P)和它的市值变动率或标准差()；在给定的风险时段和所要求的置信水平下(如99%)，一项金融资产的受险价值(VaR)便可以直接计算出来。,VaR方法特别适用于对可交易的金融资产受险价值的计量，因为人们可以很容易地从资本市场中获取这类资产的市值和它们的标准差。但是，若将这种方法直接用于度量非交易性金融资产如贷款的受险价值时则会遇到如下问题：,首先，一笔贷款当前的市值P不能够直接观察到，因为绝大多数贷款是不能直接进行交易的。第二，由于贷款的市值不能够观察，因而也就没有一个时间序列来计算出贷款的方差,即贷款市值的变动率。第三，在VaR方法上，人们假定可交易性金融资产的收益分布是呈正态分布状的，这与它们的实际分布是大体吻合的。但是对于贷款而言，它的价值分布离正态分布状偏差较大，正如我们曾在前面所讨论过的贷款的收益是固定在一定水平之下，而它的风险则很大。因此，即使我们能够测定出贷款的市值和它的变动率，我们仍然需要考虑贷款收益的非对称性问题。,2、“信用度量制”方法(CreditMetrics),“信用度量制”(CreditMetrics)是由J.P.摩根与其它合作者(美洲银行、KMV公司、瑞士联合银行等)在已有的“风险度量制”方法基础上，创立的一种专门用于对非交易性金融资产如贷款和私募债券的价值和风险进行度量的模型。风险度量制方法(RiskMetrics)所要解决的问题是：“如果明天是一个坏天气的话，我所拥有的可交易性金融资产如股票、债券和其它证券的价值将会有多大的损失?”。而信用度量制方法(CreditMetrics)则是要解决这样的问题：“如果下一个年度是一个坏年头的话，我的贷款及贷款组合的价值将会遭受多大的损失呢?”。,我们在前面曾谈及，由于贷款是不能够公开进行交易的，所以我们既无法观察到贷款的市值(P)，也不能够获得贷款市值的变动率()。但是人们仍然可以通过掌握借款企业的以下资料来解决这个问题。这些资料包括：借款人的信用等级资料在下一年度里该信用级别水平转换为其它信用级别的概率违约贷款的收复率,一旦人们获得了这些资料，他们便可以计算出任何一项非交易性的贷款和债券的P值和值，从而最终可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。,