信用风险管理培训学习资料教案教义.doc

《信用风险管理培训学习资料教案教义.doc》由会员分享，可在线阅读，更多相关《信用风险管理培训学习资料教案教义.doc（64页珍藏版）》请在三一办公上搜索。

1、第六章 信用风险管理信用风险是金融机构面临的最古老的风险。这不仅是因为在市场经济中，金融机构和其它企业一样，从事任何交易都面临交钱不给货或给货不付钱的交易对手风险，更加重要的是金融机构，尤其是商业银行，从一开始其最基本的职能之一就是向市场提供信用，是经营信用风险的企业。然而，尽管以银行为代表的金融机构在数百年的发展过程中形成了一套经典的信用风险分析和管理的流程、制度和方法，但相对于20世纪七八十年代以来市场风险管理在计量、定价和对冲等现代方法日新月异的发展，信用风险管理显得相当传统而难以跟上金融市场和现代金融理论发展的步伐。代表现代风险管理的衍生产品和金融工程技术在七八十年代的市场风险管理中获

2、得爆炸式的发展，代表现代金融理论开端的资产组合管理理论长期以来也只是在股票和债券等交易性资产管理中得到应用，标志着现代风险计量突破性发展的VaR分析方法也是首先在市场风险计量领域出现。不过，这一切从90年代开始发生根本性的变化。以1992年信用衍生产品的诞生和1997年CreditMetrics信用计量模型的出现为标志，金融机构信用风险管理在经历了数百年以制度和流程建设为中心的渐进式发展之后，进入了几乎可以体现所有现代风险管理理念和技术的快速发展轨道，尤其是以风险计量、定价、对冲和资本配置为中心的现代信用组合管理正在各大金融机构迅速兴起。在市场上信用风险管理产品和技术迅猛发展的同时，人们对信用

3、风险的性质和特征的看法也在发生很大变化，而这种现代信用风险理念反过来又促进了信用风险管理技术的进一步发展。第一节 信用风险管理的性质一、信用风险的概念分析和发展信用风险（Credit Risk）在银行管理中通常被定义为借款人不能按合同规定按期还本付息而给贷款人造成损失的风险。在传统的意义上，损失被理解为只有当违约实际发生时才会产生，因此，信用风险又被称为违约风险(Default Risk)。然而，随着现代银行业务的变化和风险管理技术的发展，这一定义已经不能充分反映现代信用风险及其管理的性质与特点，其主要原因是传统的信用风险主要来自于商业银行的贷款业务，而贷款的流动性差，缺乏如同一般有价证券那样

4、活跃的二级市场，因而银行对贷款资产的价值通常按历史成本（即账面价值）而不是采用盯市的方法用贷款的市场价值衡量，只有当违约实际发生后才在其资产负债表上进行相应的调整，而在此之前，银行资产的价值与借款人的还款能力和可能性并无太大的关系。而从现代信用组合投资的角度出发，投资者的投资组合不仅可能会有信贷资产，也可能会有债券和信用衍生产品等交易性信用产品，因此价值损失不仅会因为交易对手(包括贷款借用人、债券发行者和其他交易合约的交易对手)的直接违约而发生损失，而且，交易对手履约可能性的变化也会给组合带来损失。一方面这是因为，一些影响交易对手信用水平事件的发生，如信用等级被降低、投资失败、盈利下降、融资渠

5、道枯竭等，其所发行的债券或股票就会跌价，从而给投资者带来损失，具有所谓信用事件风险(Credit Event Risk)或信用等级变化风险(Credit Migrating Risk) 信用事件风险是反映信用风险概念外延最广的一种说法，因为，包括违约、信用等级变化风险和所有其他影响企业信用质量的事件都被包含在内。；另一方面，现代资产估价和风险衡量技术的发展也使得贷款等流动性差的金融产品的价值能得到更恰当和及时的衡量，上述信用事件发生对资产价值的影响可以及时地在资产估价中得到反映。如在信用衍生产品交易市场上，这种纯粹信用产品的市场价格是随着借款人的还款能力不断变化的，而且采取盯市的方法，借款人的

6、还款能力和信用状况也会随时影响贷款人资产的价值，而不仅仅是在违约实际发生的时刻。因此，现代意义上的信用风险应包括由交易对手直接违约和交易对手违约可能性变化而给投资组合造成损失的风险。传统上,谈到银行信用风险管理，焦点一般在信贷业务上，其主要原因是贷款是最大、最明显的信用风险来源,但事实上，信用风险存在于银行的所有业务中,包括银行账户业务、交易账户业务及表内外业务。银行正越来越多地面临着除贷款之外的其他金融工具中所包含的信用风险,包括承兑、同业交易、贸易融资、外汇交易、金融期货、掉期、债券、股权、期权、承诺和担保以及交易的结算等。对于银行账户业务以外的这些交易账户业务中的信用风险，业界通常将它称

7、为交易对手风险（Counter Party Risk）。此外，谈到信用风险管理，人们往往想到的是银行，而对于保险公司和证券公司等非银行金融机构，信用风险似乎并不重要，而事实上，由于上述交易对手风险的原因，信用风险管理和市场风险管理一样也是重要的管理内容。显然，传统银行业的信用风险定义难以适应现代信用风险管理的发展，不能反映信用产品的多样化和信用风险管理由传统的银行信贷业务向银行或非银行金融机构交易类业务的发展，也不能反映信用风险管理的关注点由违约向违约前信用质量变化转移的发展。因此，信用风险概念的发展是金融市场和信用风险管理技术发展的必然结果。以下的定义目前被越来越多的人采用，即信用风险是指债

8、务人或交易对手未能履行金融工具的义务或者信用质量发生变化，影响金融工具的价值，从而给债权人或金融工具持有人带来损失的风险。在这种定义下，信用风险可以表现为以下几种形式：违约风险、交易对手风险、信用迁移风险、信用事件风险、可归因于信用风险的结算风险等。 如前所述，结算风险是按照风险业务来源，而不是按照风险因子来源分类而产生的风险类别，因此，从风险因子看，结算风险中由于交易对手不履约而造成结算过程中的损失当属信用风险（交易对手风险），而如果是由于结算系统的问题而导致的结算损失则属操作风险。同时，信用风险的承担主体也从传统的放贷者发展到更加广泛的市场交易者。对于贷款人来说，主要承担借款人违约风险和贷

9、款价值重估风险；对于债券持有人，主要承担评级变化（信用迁移）风险；对于衍生工具、股票及其他金融工具交易者，则主要是交易对手风险和结算风险。在传统的信用风险的定义下，由于信用风险只涉及交易对手违约造成的损失，信用风险与被定义为由各种市场价格因素变动而造成损失可能的市场风险具有明显的差异。然而，现代意义上的信用风险包括了交易对手信用水平和履约能力变化而使投资组合中资产价格下降进而造成损失的风险，这种风险显然也是一种市场风险，因此，现代意义上的信用风险与市场风险有重叠的部分。一般将这种由特定的违约事件或其他信用事件而引发的市场风险称为特定风险(Specific Risk)，而将其他市场一般性原因引发

10、的风险称为一般市场风险(General Market Risk)或系统性风险(Systemic Risk)。最后，信用风险从借款人或交易对手违约的具体原因看可以分为信用能力因素和信用意愿因素。前者受借款人资本金、投资的资产质量盈利能力以及行业和宏观经济因素的影响，是现代信用风险分析方法所考虑的主要内容。后者受政策、体制、法律和道德等因素的影响，往往难以在现代信用风险分析方法中直接反映出来。我国由于体制转换和与市场经济相适应的法律制度尚不健全等原因，信用意愿成为金融机构管理实践中面临的重要问题，由信用意愿因素导致的信用风险在我国往往被称为政策风险、体制风险或道德风险。二、信用风险的特征分析和传统

11、信用风险管理的困境同市场风险不同，信用风险具有截然不同的特征，这主要体现在以下几个方面。（一）信用风险的概率分布为非正态分布。对于无抵押贷款,其风险特征是在贷款安全收回(通常可能性较大)的情况下,放款人获得正常的利息收益,但一旦风险转化为实际损失(通常可能性较小),这种损失要比利息收益大很多。这种收益和损失不对称的风险特征使得信用风险的概率分布向左倾斜,并在左侧出现肥尾现象。这一特征使得我们难以对信用风险进行正态分布的假设,从而加大了信用风险统计分析的难度。（二）道德风险在信用风险的形成中起重要作用。贷款等信用交易存在明显的信息不对称现象,即交易双方对交易的信息是不对等的。一般情况下,借款人掌

12、握更多的交易信息而处于有利地位，放款人所拥有的信息较少而处于不利地位,从而会产生所谓道德风险（Moral Hazard）的问题。道德风险成为信用风险的一个重要原因。（三）信息不对称使得对信用风险状况及其变化的了解更加困难。信息不对称的另外一个结果表现为授信对象信用状况不容易观察和掌握,因而贷款者对信用风险的了解就可能不及时和深入。授信者对受信者信用状况及其变化的了解主要有两条渠道:一是通过长期业务关系自己掌握的有关信息；二是外部信用评级机构公布的评级信息。然而这两条渠道都有很大的局限性,前者明显受到自身业务范围的局限，而后者只能覆盖有限的大企业,对于众多的中小公司则不能提供相应的信用信息。这一

13、特点导致计算两个或更多企业间信用风险相关系数的难度加大。（四）信用风险具有明显的非系统性风险的特征。尽管借款人的还款能力也会受到诸如经济危机等系统性因素的影响,但多数情况下还是取决于与借款人明确相联系的非系统性因素的影响,如贷款投资方向、借款人经营管理能力、借款人财务状况甚至借款人还款意愿等。因此,多样化投资分散非系统性风险的风险管理原则更适用于信用风险管理,尤其是在信用风险管理缺乏类似于市场风险管理中那些对冲手段的情况下,多样化成为信用风险管理的主要手段。（五）信用风险的观察数据少,且不易获取。造成这一局限性的主要原因一是在于贷款等信用产品流动性差,缺乏二级交易市场,信用风险的变化因而得不到

14、及时反映；二是信用产品一般不采取盯市法,而通常在贷款违约发生前采用账面价值,因而其价格数据难以反映信用风险的变化;三是由于上述信息不对称的原因,直接观察信用风险的变化也较为困难;四是贷款的持有期限一般都较长,即便到期出现违约，能观察到的数据也较少。（六）信用风险的构成要素分析以违约为中心。尽管现代信用风险概念已经从单纯的违约风险发展到包括信用等级变化的更加全面的信用风险，但在信用风险分析中，违约依然是最为重要的信用事件，对信用风险的描述和量化仍然是以违约为中心，主要包括违约概率（Probability of Default, PD）、违约损失率（Loss Given Default, LGD）

15、和违约时的风险暴露（Exposure at Default, EAD）。 根据新巴塞尔资本协议针对信用风险基于银行内部评级的监管资本计算公式，信用风险的特征变量有四个，除上述违约概率（PD）、违约损失率（LGD）和违约时的风险暴露（EAD）外，还包括贷款期限（M）。基础内部评级法下，银行只能对违约率采用内部评级结果，而其它三者由监管机构给定，而在高级内部评级法下，四个风险变量都可以由银行内部评级体系给出。这些要素决定了信用产品的预期损失（Expected Loss, EL）和非预期损失（Unexpected Loss, UL）。三、信用风险分析和量化技术的发展风险量化是现代风险管理的基础和关键

16、环节，在当今国际知名大银行从事风险管理工作的专家甚至认为“不能量化的风险就无法管理”，“没有量化就没有（现代）风险管理”。客观上看，现代信用风险管理在九十年的迅速发展，的确在很大程度上依赖于信用风险量化技术的进步，这种计量方法上的发展已经成为标志传统和现代信用管理重要的分水岭。当然，传统的信用分析中并非没有量化的成分和量化工具的应用，即便是最传统的5C专家分析法，其大量的企业财务数据、市场数据和经济运行数据以及企业还款历史数据的利用仍然是专家良好判断的重要保障，以Z值打分模型和线形辨别模型为代表的信用打分分析法更是充分利用线形回归分析等计量工具对客户财务信息和还款记录进行数据挖掘，拥有近百年历

17、史的信用评级技术，无论是从独立的外部评级还是近些年被银行开发的内部评级，正在借鉴不断发展的现代信用模型分析技术。当然，现代信用风险计量技术之所以被称为现代技术是因为这些计量技术的发展有着与上述传统计量方法不同的特征。这些特征主要表现如下：（一）主要以信用风险的构成要素为分析对象。如前所述，信用风险的构成要素包括违约率 （PD）、违约损失率（LGD）、预期损失（EL）、非预期损失（UL）以及违约相关度等。对这些信用风险要素的量化是以损失的概率分布科学描述风险的基础。现代风险计量方法的中心工作就是以各种模型准确量化这些风险要素，如通过债券期限结构或死亡率来推导违约率，CreditMetrics模型

18、通过信用评级变化数据推导违约率和以信用VaR表示的非预期损失等等。而对于传统的信用风险分析而言，这些风险构成要素是难以直接量化的，甚至不是主要的直接关注对象。构成传统信用风险分析的主要对象是贷款的可行性（如专家系统法和信用打分）和信用质量的整体差异（如信用评级）。（二）基于市场价值。传统的信用分析对于贷款或流动性较差的债券通常采用历史成本法，按照贷款发放或债券购买时的账面价值计值，即所谓盯账法（Mark to Book）。现代信用分析通常采用根据贷款或债券的市场价值，即所谓盯市法（Mark to Market）。对于缺乏市场交易的贷款则采用基于市场价值理念的贷款估值模型进行价值测算，即采用盯模

19、（Mark to Model）的方法，尽可能准确客观地反映贷款的实际价值。（三）动态分析成为为主流。由于传统的基于违约的信用风险理念、购买持有的投资策略和缺乏动态估值方法，传统的信用分析不仅通常基于贷款的账面价值进行，而且大多是静态的贷前信用分析。现代的信用风险管理由关注违约转变为关注信用质量和等级的变化，随着贷款销售市场和资产证券化的发展信贷资产的流动性大大增强，基于市场价值变化的现代信用计量和估值模型的发展，灵敏反映市场变化和信用质量的动态的信用量化分析成为现代信用风险计量分析的重要特征。（四）信息来源多样化。传统的信用风险分析主要依赖企业自身提供的信息（包括其财务信息、管理信息、相关市场

20、和行业信息）和评级机构提供的信息，而现代信用风险分析将信息来源由拓展到更加广泛的债券市场信息和股票市场信息，如债券期限结构推导模型就是利用债券市场上信用风险水平不同的公司债券交易价格和收益率的差异推导出公司的违约概率，而Credit Monitor模型则是利用股票市场上公司股票价格波动推导违约率。因此，企业、评级机构（以及其他信息咨询机构）、债券市场和股票市场成为现代信用分析的四大信息来源。（五）以现代金融理论为基础。现代金融理论在20世纪50年代以来获得了很大的发展，具有代表性的是资产组合管理理论、资产定价理论、MM定理和期权定价理论。然而，传统的信用分析主要依赖经验判断和相对简单的财务分析

21、和回归分析，这些现代金融理论并没有很大的用武之地。而90年代发展起来的现代信用计量分析却充分利用了现代金融理论的发展，如利用资产组合管理理论中反映收益和风险平衡关系的中值方差模型和基于相关性分析的多样化降低非系统性风险的理论来进行信用组合风险分析，利用期权定价理论来进行贷款价值估计和违约率分析，利用风险溢价和期限结构理论来分析公司信用风险的变化等。（六）采用更多和更加复杂的数理统计和其它科学分析工具。传统的信用分析在数量分析工具上往往比较简单，尤其是传统的专家系统和评级系统，主要是基于经验的主观判断，而现代信用分析充分利用数理统计和其他学科分析技术的发展，蒙特卡洛模拟、网络神经理论、极值理论等

22、各种科学，同时借助现代计算技术的进步，如从企业、评级机构和市场价格各种信息来源中萃取所需要的信用风险信息。正是由于现代风险管理中大量科学技术方法的应用，风险管理被认为正在由艺术走向科学。四、信用风险管理策略和工具的发展现代信用风险管理兴起的另外一个重要表现是管理策略和工具的现代化。这与上述信用风险计量技术的现代化是相辅相成的，管理策略和工具的现代化需要现代化的风险计量技术作为前提和基础，风险计量技术的现代化又进一步推动了管理策略和工具的发展。（一）新的信用风险管理工具和手段。传统的信用产品主要有贷款和公司债券，传统的信用风险管理工具主要有担保、抵押、备用信用证等。90年代以来，信用互换和信用关

23、联票据等信用衍生产品的迅速发展使得现代信用风险管理工具突然丰富起来，同时，贷款销售和资产证券化也获得了很大的发展，并促进了CDO等更加复杂的结构性融资产品的出现（见本章第六节）。这些新型信用产品和信用风险管理工具的出现，使得信用风险管理一改90年代以前与衍生产品层出不穷的市场风险管理相比产品创新匮乏的传统面貌，信用产品的创新也日新月异，金融工程也不再是市场风险管理的专利，甚至“信用工程”的概念也开始在市场中出现。 参见Managing Bank Risk, -An Introduction to Broad-Base Credit Engineering, by Morton Glantz,

24、Academic Press, 2002（二）现代风险管理策略。新的信用风险量化方法和管理工具的出现，使得一些从前难以实施的管理策略现在变得越来越容易。一个突出的表现就是市场化的信用对冲。由于在传统的信用风险管理中信用风险难以动态衡量，同时缺乏有效的交易工具，在市场风险对冲迅速发展的七八十年代，信用风险对冲仅仅局限在担保和少量的信用保险等市场性非常有限的传统交易的范围内，因而市场对冲被许多人认为是难以实现的理论策略。显然，信用衍生产品的发展从根本上改变了这种状况，市场对冲成为越来越多的金融机构所青睐的现代信用风险管理策略。此外，随着信用风险计量技术的发展，信用风险的价值可以被有效地计量出来，这

25、促进了信用风险定价和信用产品业务资本配置策略的有效应用。（三）传统贷款多样化管理上升到现代信用组合管理。多样化分散风险是传统信用风险管理的重要策略之一，主要表现为避免贷款过于集中于某一地区、某一类型客户。由于以下两个方面的原因，传统贷款的多样化管理往往陷入困境，失去有效性。一是信用风险难以准确计量，贷款限额的确定往往非常主观，二是缺乏调整风险的工具，往往陷入信用分散和集中的两难境地，出现所谓的“信用悖论（Credit Paradox）”现象。 这种现象是指，一方面理论上要求银行在管理信用风险时应遵循投资分散化多元化原则，防止授信集中化；另一方面，银行在信贷业务的实践中由于受到业务专长、贷款规模

26、经济和客户关系等因素的制约往往很难贯彻执行该原则，许多银行贷款业务的分散程度不高。显然，现代信用风险管理的发展对这两个方面的问题都提出了较好的解决方法，从而使得基于经验和主观判断的传统贷款多样化管理上升到基于现代资产组合的管理理论，并有良好的风险计量方法和风险调整工具支持的现代信用组合管理（见本章第五节）。（四）从基于客户和产品的信用风险管理发展到基于市场的管理。从风险管理的措施和工具看，传统的信用风险管理主要是基于客户和产品自身的管理，其具体表现为在通过信用产品合同中的限制性条款和风险缓释条款来降低风险或将风险转嫁给客户或第三方。而现代风险管理越来越依赖与市场进行风险的转嫁。无论是信用衍生产

27、品还是贷款销售或资产证券化，信用风险的转移是通过市场进行的，风险被转嫁到与原信用产品客户没有直接关系的第三方。这种发展是金融市场，主要是信用市场不断深化的结果。第二节 信用风险分析与衡量的方法体系信用风险分析和衡量方法的发展可谓源远流长。相对于传统上偏于主观的信用分析而言，现代方法更加重视数据和计量模型等客观性较强的方法。然而，正如Saunders(1999)所言，“将传统和新的方法区分开来是困难的，尤其是因为新的模型中也运用了许多传统模型中更好的思想。” 参见Anthony Sunders (1999), Credit Risk Measurement-New Approaches to V

28、alue at Risk and Other Paradigms, John Wiley & Sons. Inc. p7.专家系统、信用打分模型和内部评方法在西方银行体系中都有较长的历史，被Saunders视为传统的方法。但是各种现代风险计量模型显然已经与这些方法相结合，完全融入其中，尤其是现代的内部评级已经离不开各种针对违约率（PD）和违约损失率（LGD）的计量模型。因此，本节将这三种方法视为金融机构信用风险分析和衡量的方法体系的主要内容，而关于PD和LGD的各种计量模型被视为支持这些方法体系，尤其是内部评级的现代技术工具。鉴于PD和LGD计量模型的内容复杂，随后的第三节和第四节将予以专门论

29、述。一、专家系统（一）基本方法专家系统（Expert System）是银行在长期经营信贷业务承担信用风险过程中逐步发展并完善起来的传统信用分析方法。专家系统是依赖高级信贷人员和信贷专家自身的专业知识技能和丰富的经验，运用各种专业性分析工具，在分析评价各种关键要素基础上依据主观判断来综合评定信用风险的分析系统。一般而言，专家系统在分析信用风险时主要考虑两方面因素：一是与借款人有关的因素；二是与市场有关的因素。1.与借款人有关的因素(1) 声誉（Reputation）。借款人的声誉是在其与银行的历史借贷关系中反映出来的，如果该借款人过去总能及时、全额地偿还本金与利息，那么他就具有很好的声誉，也就能

30、较容易或以较低的价格从银行获得贷款或发售债券。比如，首次公开发行的公司债券，其收益率要明显高于已多次发行债券且本息偿还纪录较好的同规模公司发行的债券所提供的收益率。(2) 杠杆（Leverage）。借款人的杠杆或资本结构，即资产负债比率对借款人违约概率影响较大。杠杆比率较高的借款人相比较杠杆比率较低的借款人，其未来面临还本付息的压力要大得多，其违约概率也就会高很多。如果贷款给杠杆比率较高的借款人，银行就会相应收取一定的风险溢价。比如，银行在为进行杠杆收购的企业融资时往往要求一个较高的收益率。(3)收益波动性（Volatility of Earnings）。如果未来面临同样的本息还款要求，在期望

31、收益相等的条件下，收益波动性高的企业更容易违约，信用风险较大。因此，对于处于成长期的企业或高科技企业而言，由于其收益波动性较大，银行贷款往往非常谨慎，即使贷款其收益率要求也会比较高。(4) 抵押（Collateral）。在分析贷款或债券的信用风险时，抵押品的质量与数量是一个关键因素。如果借款人提供的抵押品流动性较强、价值较高，那么即使借款人到期违约，银行也可以很快将抵押品变现而收回本息，因此信用风险较小，风险溢价要求较低。债券市场中，抵押债券（Mortgage Bonds）的收益率就低于普通债券（Debenture），而普通债券的收益率又低于次级债（Subordinated Debenture

32、），其原因就在于抵押或担保的程度不同。2.与市场有关的因素(1) 经济周期（Business Cycle）。经济周期对于评价借款人的违约风险有着重要的意义。如果经济处于萧条时期，那么人们就会明显削减对于汽车、家电、房产等耐用消费品的消费，但对于食品、水电等生活必需品的消费则不会有明显的下降。因此，在萧条时期，耐用消费品行业的企业更容易出现违约，对于该类企业的贷款要相对谨慎，且应要求较高的风险溢价。 (2) 宏观经济政策（Macro-Economy Policy）。政府宏观经济政策对于行业信用风险分析具有很重要的作用，尤其是对于市场经济不发达或正处于转型经济中的国家和地区而言，其影响尤为突出。如

33、果政府对某些行业采取限制发展的措施，比如高能源消耗行业，那么这些行业的企业信用风险就会比较高。(3)利率水平（Level of Interest Rates）。高的利率水平表示中央银行正在实施紧缩的货币政策，从宏观角度看，在该货币政策下，所有企业的违约风险都有一定程度的提高。此外，在不完全信息条件下，银行在向企业要求较高利率的同时也使其面临的风险增加，由于逆向选择效应与激励效应的作用，高利率不仅使得潜在借款人的风险程度提高，而且会促使借款人承担更高的风险。 关于高利率所导致的逆向选择效应与激励效应的详细论述，见“Credit Rationing in Markets with Imperfec

34、t Information”（Stiglitz and Weiss, 1983）。(二)典型系统 目前被采用的专家系统中，虽然有各种各样的架构设计，但其所选择的关键要素都是相似的。在诸多专家分析系统中，对企业信用分析的5Cs系统使用最为广泛。具体而言，5Cs系统指：1品德（Character）。这是对借款人声誉的衡量。如果借款人是个人，则主要指其工作作风、生活方式和品德；如果借款人是企业，则指其负责人的品德、经营管理水平、资金运用状况、经营稳健性以及偿还愿望等。不论借款人是个人还是企业，履行合约条款的历史纪录对其品德的判断都有重要意义。2资本（Capital）。这是指借款人的财务杠杆状况及资本

35、金情况。资本金是经济实力的重要标志，也是企业承担信用风险的最终资源。财务杠杆高就意味着资本金较少，债务负担和违约概率较大。3还款能力（Capacity）。这主要从两个方面进行分析，一方面是借款人未来现金流量的变动趋势及波动性；另一方面是借款人的管理水平，其不仅要对公司治理机制、日常经营策略、管理的整合度和深度进行分析评价，也要对各部门主要管理人员进行分析评价。4.抵押（Collateral）。借款人应提供一定的、合适的抵押品以减少或避免银行贷款的风险。特别是在中长期贷款中，如果没有担保品作为抵押，银行通常不予放款。银行对抵押品的要求权的级别越高，抵押品的市场价值越大，变现能力越强，则贷款的风险

36、越低。5.经营环境（Condition）。这主要包括商业周期所处阶段，借款人所在行业状况，利率水平等因素。商业周期是决定信用风险暴露的重要因素，尤其是对于周期敏感性的产业；借款人所在行业所处行业周期的不同阶段以及行业的竞争激烈程度对于借款人的偿债能力也具有重大影响；此外，利率水平也是影响银行承担的信用风险的重要环境因素。除5Cs系统外，使用也较为广泛的专家系统还包括对企业信用进行分析的5Ps系统与针对银行等金融机构的骆驼（CAMEL）分析系统。5Ps包括个人因素（Personal Factor）、资金用途因素（Purpose Factor）、还款来源因素（Payment Factor）、保障因

37、素（Protection Factor）与企业前景因素（Perspective Factor）。骆驼分析系统包括资本充足性（Capital Adequacy）、资产质量（Asset Quality）、管理水平（Management）、盈利水平（Earnings）与流动性（Liquidity）。（三）主要问题专家系统的突出特点在于该系统主要依赖信贷专家的经验和判断作为信用分析和决策的基础。这种主观性很强的方法体系带来的一个突出问题是对信用风险的评估缺乏一致性。尽管专家系统法在银行业长期的发展和应用中已经形成了上述较为成熟的分析框架，但是，专家系统基于专家实践，缺乏系统的理论支持，尤其是对于关键要

38、素的选择、权重的确定以及综合评定等方面更是如此。在实际运用中，对于同一笔信贷业务主要受到哪些因素的影响，以及这些影响因素的重要程度有什么差异，不同的信贷人员由于其经验、习惯和偏好的差异往往有不同的选择，因而可能出现不同的风险评估结果和授信决策建议。专家系统这一局限性对于大银行而言显得尤为突出，它会使得银行统一的信贷政策在实际操作过程中因为专家意见的不一致而失去意义。实践中，银行往往通过颁布统一的信贷评估指引和操作流程，并采用众多专家组成的专家委员会的综合意见等措施，在一定程度上来弥补专家系统的这一局限性。此外，较为客观的现代信用风险计量方法和银行统一的内部信用评级与专家系统相结合，能够获得取长

39、补短的效果，使得传统的专家系统在银行信用风险分析中发挥更加积极的作用。二、信用打分模型（Credit Scoring Models）信用打分模型是一种传统的信用风险量化模型，它用可观察到的债务人特征变量计算出一个数值（即打分）来代表债务人的违约概率或者将贷款人归类于不同的违约风险类别。对个人客户而言，这些可观察到的特征主要包括收入、资产、年龄、职业以及居住地，对企业客户而言，则包括现金流量、财务比率等。运用信用打分模型进行信用风险分析的基本过程是，首先根据经验或相关性分析确定特定债务人或头寸暴露的违约风险主要与哪些经济或财务因素有关，模拟出特定形式的函数关系式；然后根据历史数据进行回归分析，得

40、出各相关因素的权重以体现其对于借款人违约作用的大小；最后将潜在借款人相关因素的数值代入函数关系式计算出一个数值，根据该数值的大小衡量潜在借款人的信用风险水平，从而决定贷款与否。信用打分模型的关键在于关键变量的选择和各自权重的确定。目前，应用较为广泛的模型有线性概率模型（Linear Probability Model）、Logit模型和线性辨别分析模型（Linear Discriminant Model）。（一）线性概率模型（Linear Probability Model）线性概率模型使用贷款偿付情况历史数据来分析影响信用风险的主要因素及其重要性，其数据的重要组成部分是各种财务比率。但各个银

41、行根据自身的经验及业务类别的不同特点，所使用的输入变量也各有不同，甚至在同一个银行内部，针对不同的资产类别也往往采用不同的输入变量。 线性概率模型将以往贷款划分成可观测的两组：违约与非违约，违约时令Zi=1，非违约时令Zi=0。然后使用Zi数值（违约为1，非违约为0）与所使用的各种财务比率的历史数据进行线性回归，得出每一种财务比率在回归方程中所占的比重，即权数。银行一般使用下面这种线性回归方程：Zi = Xij+e （6.1）其中，表示第j个变量Xij在拟合回归方程中的作用，即该变量所适用的权数，e表示误差项。在做信用风险分析时，可以将潜在借款人可观测到的Xij的数值代入该回归方程，从而计算出

42、一个介于01的Zi数值，这就代表该借款人的违约概率。Zi数值越大，违约风险越大，即Zi可以解释借款人违约风险的大小。例如，假设有三个因素影响借款人以往的还款纪录：负债权益比率(X1)、收入资产比率(X2)与流动比率(X3)。根据以往还款纪录得出回归方程为：Zi=0.5X1+0.1X2+0.2X3。假设一借款人三个财务比率分别为0.5、1.5与0.8，则可以计算出其违约概率Zi为0.56。只要有关财务比率的数据充分，这种方法计算违约概率并不困难，但该模型具有一个重要缺陷，即有时根据回归方程计算的违约概率会超过1，这对于解释借款人违约风险是很困难的。克服这一缺陷的方法是采用Logit模型。Logi

43、t模型与一般线性概率模型的基本原理是一致的，只是通过Logit转换使得表示违约概率的数值始终在01之间，其转换公式是：F(Zi)= (6.2)其中，F(Zi)为经Logit转化后的Zi值。（二）线性辨别模型(Linear Discriminant Model)线性辨别模型是一种多变量线性分析模型。该模型将借款人分为高风险与低风险两种，利用数理统计中的辨别分析技术，对各类借款人进行统计分析，选择一部分最能够反映借款人财务状况、对贷款质量影响较大、最具预测和分析价值的比率，通过回归分析等手段得出每一个比率对分析贷款质量的重要性，从而对贷款申请人进行信用风险评估。线性辨别模型中最著名的是Altman

44、的Z计分模型以及ZETA模型。Altman(1968)认为，影响借款人违约概率的因素主要有五个，分别为流动性（Liquidity）、盈利性（Profitability）、杠杆比率（Leverage）、偿债能力（Solvency）和活跃性（Activity）。在对美国公开上市交易的制造业企业借款人的分析中，Altman选择了下面列举的五个财务指标来综合反映上述五大因素，最终得出的Z计分函数是：Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5 (6.3)其中：X1=（流动资产-流动负债）/总资产。它用来衡量在一定总资产下营运资本所占的比重。Altman通过对该指标

45、的考察来反映企业的流动性状况，一般而言，如果企业持续发生损失，那么相对于总资产而言，其营运资本一定会处于萎缩状态。 X2=留存收益/总资产。该指标一方面反映了企业的盈利积累能力，积累越多，企业越安全；此外，该指标也反映了企业的杠杆比率，相对于一定的总资产，留存收益越高，其债务规模也往往越小，企业也就越安全。 X3=息税前利润/总资产。该指标被用来反映企业的盈利水平，由于是息税前的利润，所以该指标不受税收与财务杠杆的约束。盈利能力是决定一个企业能否长期稳健发展的关键因素，因此，选择该指标来预测企业的违约概率应该是非常有效的。X4=股票市场价值/债务账面价值。该比率反映了企业在破产（负债大于总资产

46、）之前公司资产价值能够下降的程度，该比率越高，企业破产概率越小。X5=销售额/总资产。这是一个反映企业经营活跃程度的指标，该比率越高，相对于同样的总资产，企业产生的总收入就越高，这说明企业产品有竞争力，企业管理层具备应对市场竞争的能力，因此企业发展前景就会越好，违约概率也就会越小。Z作为违约风险的指标，Z值越高，违约概率越低。此外，Altman还提出了判断企业破产的临界值：若Z低于1.81，则企业存在很大的破产风险，应被归为高违约风险等级。在Altman提出针对美国上市制造业的Z计分模型后，又有学者提出了针对美国非上市制造业、非制造业的Z计分模型，Altman与Haldeman以及Naraya

47、nan于1977年又提出了第二代Z计分模型，ZETA信用风险分析模型。它主要用于公共或私有的非金融类公司，其适应范围更宽，对违约概率的计算更精确。ZETA模型将模型考察指标由五个增加到七个，分别为：X1：资产收益率指标，等于息税前利润/总资产。X2：收益稳定性指标，指企业资产收益率在510年间变动趋势的标准差。X3：偿债能力指标，等于息税前利润/总利息支出。X4：盈利积累能力指标，等于留存收益/总资产。该指标能够反映企业经营寿命长短、股利政策、盈利历史等信息，因此在对企业信用评估中非常重要。X5：流动性指标，即流动比率，等于流动资产/流动负债。X6：资本化程度指标，等于普通股/总资本，其中普通

48、股一般用五年间市场价值的平均值代入，总资本除了普通股之外，还包括优先股、长期债务以及融资性租赁资产。该比率越大，说明企业资本实力越强，违约概率越小。X7：规模指标，用企业总资产的对数表示。（三）信用打分模型存在的问题信用打分模型在信用风险管理过程中发挥着重要作用，尤其是在新兴国家与经济欠发达国家，直到现在它还是银行分析借款企业信用风险的主要方法之一，但信用打分模型在使用过程中也存在一些问题。首先，信用打分模型仅仅考虑借款人行为的两个极端例子：违约与不违约或高违约与低违约。但现实中的违约分很多层次，包括延期支付利息、部分支付本息、完全不支付本息等等。因此，如果要得到更加准确反映信用风险水平的打分

49、就必须在打分模型分析中将借款人分为更多层次，而不仅仅是分为违约与不违约或高违约与低违约两个层次。其次，信用打分模型是建立在对历史数据而非金融市场数据的模拟的基础上的，因此是一种向后看（Backward Looking）的模型。由于历史数据更新速度是比较慢的，因此回归方程中各财务指标的权重在一定时间内是不变的，这无法反映企业信用状况变化的现实。此外，信用打分模型假设各财务指标之间是不相关的，而这显然是不符合现实情况的。再次，信用打分模型忽略了一些重要的但又难以量化的因素，比如借款人名誉、长期稳定的借贷关系、经济周期所处阶段等，这些因素对于借款人违约概率而言具有重要的意义。最后，信用打分模型对借款人历史数据的要求相当高，而银行需要相当长时间才能建立一个包括大多数企业历史数据的数据库，此外，对于一些新兴企业