第十一章商業銀行信用風險管理南開大學經濟學院財金研究所李志輝本章知識結構圖

信用風險是金融業面臨的最古老也是最重要的金融風險之一，它直接影響著現代經濟生活中的各種活動，也影響著一個國家的宏觀決策和經濟發展，甚至影響全球經濟的穩定發展。信用風險是現代社會經濟實體（特別是金融機構）、投資者和消費者所面臨的重大問題，只有對信用風險進行準確的度量并據以實施相應的管理，才能保證金融機構乃至整個經濟社會的安全性和穩定性。

商業銀行的信用風險主要指因借款人或交易對手未按照約定履行義務從而使銀行業務發生損失的風險。信用風險的主要來源包括：貸款、資金業務（存放同業、拆放同業、買入返售、企業債券和金融債券投資等）、應收款項、表外信用業務（擔保、承諾、金融衍生品交易等）。其中，由于貸款業務份額較大，其信用風險管理是重中之重。第一節

貸款信用風險管理

一、古典信用風險度量方法Ⅰ：專家制度

專家制度是一種最古老的信用風險分析方法，它是商業銀行在長期的信貸活動中所形成的一種行之有效的信用風險分析和管理制度。這種方法的最大特征就是：銀行信貸的決策權由該機構那些經過長期訓練、具有豐富經驗的信貸官所掌握，由他們做出是否貸款的決定。因此，在信貸決策過程中，信貸官的專業知識、主觀判斷以及某些要考慮的關鍵要素權重均為最重要的決定因素。1.專家制度的主要內容

在專家制度下，由于各商業銀行自身條件不同，對貸款申請人進行信貸分析所涉及的內容也不盡相同。但是，大多數銀行都將重點集中在借款人的“5C”上，也有些銀行將信貸分析的內容歸納為“5W”或“5P”。在傳統的信貸分析過程中，信貸官常常要借助于一些標準的分析技術來對借款人清償債務能力進行評估。表11-1列舉了銀行家在信貸分析中所經常使用的財務比率指標。

2.專家制度存在的缺陷與不足

第一，要維持這樣的專家制度需要相當數量的專門信貸分析人員，隨著銀行業務量的不斷增加，其所需要的信貸分析人員就會越來越多。

第二，專家制度實施的效果很不穩定。

第三，專家制度與銀行在經營管理中的官僚主義方式緊密相聯，大大降低了銀行應對市場變化的能力，影響了銀行未來的發展。

第四，專家制度加劇了銀行在貸款組合方面過度集中的問題，使銀行面臨著更大的風險。

第五，專家制度在對借款人進行信用分析時，難以確定共同遵循的標準，造成信貸評估的主觀性、隨意性和不一致性。

二、古典信用風險度量方法Ⅱ：Z評分模型和ZETA評分模型Z評分模型（Z-scoreModel）是美國紐約大學斯特商學院教授愛德華·阿爾特曼（EdwardI.Altman）在1968年提出的。1977年他又對該模型進行了修正和擴展，建立了第二代模型ZETA模型（ZETACreditRiskModel）。1.Z評分模型的主要內容

阿爾特曼的Z評分模型是一種多變量的分辨模型，他是根據數理統計中的辨別分析技術，對銀行過去的貸款案例進行統計分析，選擇一部分最能夠反映借款人的財務狀況，對貸款質量影響最大、最具預測或分析價值的比率，設計出一個能最大程度地區分貸款風險度的數學模型（也稱之為判斷函數），對貸款申請人進行信用風險及資信評估。

阿爾特曼確立的分辨函數為：

其中，X1為流動資金/總資產（WC/TA），X2為留存收益/總資產（RE/TA），X3為息前、稅前收益/總資產（EBIT/TA），X4為股權市值/總負債賬面值（MVE/TL），X5為銷售收入/總資產（S/TA）。

阿爾特曼經過統計分析和計算最后確定了借款人違約的臨界值Z0=2.675，如果Z<2.675，借款人被劃入違約組；如果Z≥2.675，則借款人被劃為非違約組。如果1.81<Z<2.99，阿爾特曼發現此時的判斷失誤較大，稱該重疊區域為未知區（ZoneofIgnorance）或稱灰色區域(grayarea)2.第二代Z評分模型——ZETA信用風險模型1977年，阿爾特曼（Altman）、赫爾德門（Haldeman）和納內亞南（Narayanan）對原始的Z評分模型進行了重大修正和提升，推出了第二代信用評分模型——ZETA信用風險模型。新模型的變量由原始模型的五個增加到了七個，它的適應范圍更寬，對不良借款人的辨認精度也大大提高。

我們可以將ZETA模型寫成下列式子：

模型中的a、b、c、d、e、f、g，分別是作者無法獲得ZETA模型中七變量各自的系數。模型中的七變量分別是：資產收益率、收益穩定性指標、債務償付能力指標、累計盈利能力指標、流動性指標、資本化程度的指標、規模指標。3.Z評分模型和ZETA模型的缺陷Z評分模型和ZETA模型均為一種以會計資料為基礎的多變量信用評分模型。由這兩個模型所計算出的Z值可以較為明確地反映借款人（企業或公司）在一定時期內的信用狀況（違約或不違約、破產或不破產），因此，它可以作為借款人經營前景好壞的早期預警系統。由于Z評分模型和ZETA模型具有較強的操作性、適應性以及較強的預測能力，因此它們一經推出便在許多國家和地區得到推廣和使用并取得顯著效果，成為當代預測企業違約或破產的核心分析方法之一。Z評分模型和ZETA模型存在的主要問題有以下幾個方面：

首先，兩個模型都依賴于財務報表的賬面數據，忽視日益重要的各項資本市場指標，這就必然削弱模型預測結果的可靠性和及時性；

其次，由于模型缺乏對違約和違約風險的系統認識，理論基礎比較薄弱，從而難以令人信服；

再次，兩個模型都假設在解釋變量中存在著線性關系，而現實的經濟現象是非線性的，因而也削弱了預測結果的準確程度，使得違約模型不能精確地描述經濟現實；

最后，兩個模型都無法計量企業的表外信用風險，另外對某些特定行業的企業如公用企業、財務公司、新公司以及資源企業也不適用，因而其使用范圍受到較大限制。

針對這兩個模型所存在的上述問題，人們一直在努力尋求新的方法和模型來替代傳統的專家制度和借款人（企業）違約預測模型。表11-2ZETA模型與Z評分模型準確性的比較

三、現代信用風險度量方法：信用度量制模型

近年來，現代信用風險量化管理模型在國際金融界得到了很高的重視和相當大的發展。J.P.摩根繼1994年推出著名的以VaR為基礎的市場風險度量制(RiskMetrics)后，1997年又推出了信用風險量化度量和管理模型——信用度量制(CreditMetrics)，隨后瑞士信用銀行又推出另一類型的信用風險量化模型CreditRisk+，都在銀行業產生很大的影響。同樣為銀行業所重視的其他一些信用風險模型，還有KMV公司的以EDF為核心手段的KMV模型，Mckinsey公司的CreditPortfolioView模型等。

信用風險管理模型在金融領域的發展也引起了監管當局的高度重視，1999年4月，巴塞爾銀行監管委員會提出名為《信用風險模型化：當前的實踐和應用》的研究報告，開始研究這些風險管理模型的應用對國際金融領域風險管理的影響，以及這些模型在金融監管，尤其是在風險資本監管方面應用的可能性。毫無疑問，這些信用風險管理模型的發展正在對傳統的信用風險管理模式產生革命性的影響，一個現代信用風險管理的新模式正在形成。

自1993年國際清算銀行(BIS)宣布引入對市場風險的資本充足要求以來，人們對風險價值(ValueatRisk)方法產生了極大興趣，并在開發和試驗方面取得了很大進展。風險價值作為一個概念，最先起源于80年代末交易商對金融資產風險測量的需要；作為一種市場風險測量和管理的新工具，則是由J.P.摩根銀行最早在1994年提出，其標志性產品為“風險度量制”模型(RiskMetricsmodel)。

由于VaR方法能夠簡單清晰地表示市場風險的大小，又有嚴謹系統的概率統計理論作為依托，因而得到了國際金融界的廣泛支持和認可。國際性研究機構30人小組和國際掉期交易協會(ISDA)等團體一致推薦，將VaR方法作為市場風險測量的最佳方法。目前，越來越多的金融機構紛紛采用VaR方法來測量、控制其市場風險，尤其在衍生工具投資領域，VaR方法的應用更加廣泛。1.風險價值(VaR)方法

風險價值模型就是為了度量一項給定的資產或負債在一定時期和在一定的置信度下(如95%、97.5%、99%等)其價值最大的損失額。

我們可以以一家上市公司的股票為例來描述風險價值(VaR)方法?，F在，我們假定該上市公司股票今天的市值P為80美元/股，它被估計的每天的價值變動標準差σ為10美元。對于任何一家金融機構的股票交易員或風險管理者來說，都會提出這樣的問題：明天的股票市場若是一個壞天氣，那么我所負責的股票風險價值(在一定的置信水平下股票價值遭受的最大損失額)是多大呢?如果該股票價格今后每天都是圍繞著今天80美元的價格呈正態分布，并且平均來看每100天會出現一天的壞天氣的話，那么我們用統計學的語言來講明天就有1%出現壞天氣的概率。

正態分布下的那片區域包含著各種概率發生的信息：通過觀察我們知道大約有68.26%的股票價格觀察值處于均值正負1個標準差之間，95%的股票價格觀察值處于均值正負1.96個標準差之間，99%的股票價格觀察值處于均值正負2.58個標準差之間。就后者而言，若用美元來計量，該股票價格明天有0.5%機會升至80美元+2.58σ的水平。同時也有0.5%的機會降至80美元-2.58σ的水平。前面我們曾假定σ為10美元，因此該股票價格有0.5%的機會降至54.2美元或者更低的水平。換言之，該股票持有人價值損失少于80美元-54.2美元=25.8美元的概率為99.5%。就是說在置信水平99.5%的情況下，25.8美元可以視為該股票的風險價值(VaR)。

VaR方法特別適用于對可交易的金融資產風險價值的計量，因為人們可以很容易地從資本市場中獲取這類資產的市值和它們的標準差。但是，若將這種方法直接用于度量非交易性金融資產如貸款的風險價值時則會遇到如下問題：

首先，一筆貸款當前的市值P不能夠直接觀察到，因為絕大多數貸款是不能直接進行交易的。

第二，由于貸款的市值不能夠觀察，因而也就沒有一個時間序列來計算出貸款的方差σ，即貸款市值的變動率。

第三，在VaR方法上，人們假定可交易性金融資產的收益分布是呈正態分布狀的，這與它們的實際分布是大體吻合的。但是對于貸款而言，它的價值分布離正態分布狀偏差較大，正如我們曾在前面所討論過的貸款的收益是固定在一定水平之下，而它的風險則很大。因此，即使我們能夠測定出貸款的市值和它的變動率，我們仍然需要考慮貸款收益的非對稱性問題。2.信用度量制方法(CreditMetrics)

信用度量制是由J.P.摩根與其他合作者(美洲銀行、KMV公司、瑞士聯合銀行等)在已有的風險度量制方法基礎上，創立的一種專門用于對非交易性金融資產如貸款和私募債券的價值和風險進行度量的模型。該模型是歐美國家最為流行的模型。

風險度量制方法所要解決的問題是：如果明天是一個壞天氣的話，我所擁有的可交易性金融資產如股票、債券和其它證券的價值將會有多大的損失?而信用度量制方法則是要解決這樣的問題：如果下一個年度是一個壞年頭的話，我的貸款及貸款組合的價值將會遭受多大的損失呢?

由于貸款是不能夠公開進行交易的，所以我們既無法觀察到貸款的市值(P)，也不能夠獲得貸款市值的變動率(σ)。但是人們仍然可以通過掌握借款企業的以下資料來解決這個問題。這些資料包括：(1)借款人的信用等級資料；(2)在下一年度里該信用級別水平轉換為其它信用級別的概率；(3)違約貸款的收復率。一旦人們獲得了這些資料，便可以計算出任何一項非交易性的貸款和債券的P值和σ值，從而最終可利用風險價值方法對單筆貸款或貸款組合的風險價值進行度量。

為了說明信用度量制方法，我們來看一看怎樣計算一筆貸款的風險價值，并且討論一下圍繞計算風險價值所涉及到的相關技術問題。這個例子是這樣的：五年期固定利率貸款，年貸款利率為6%，貸款總額為100(百萬美元)。借款企業信用等級為BBB級。

（1）借款企業信用等級轉換的概率

信用度量制方法不僅考慮到了借款人違約所帶來的信用風險，而且還考慮了借款人由于其信用等級下降所帶來債務價值變動的信用風險。因此，對借款人違約概率的估計和對借款人信用等級變化的估計是同等重要的。關于借款人信用評級級別在未來轉換的概率情況可以從大的信用評級公司中獲取。表11-3就是由標準普爾公司所提供的一張借款人在1年期里信用等級轉換概率的矩陣表。從表11-3中可以找到BBB級借款人在下一個年度的信用級別有8種轉換的概率，其中保持BBB級的概率為86.93%，違約概率為0.18%，另外三種概率為升級，三種概率為降級。表11-3一年期信用等級轉換矩陣

（2）對信用等級變動后的貸款市值估價

信用等級的上升或下降必然會影響到一筆貸款余下的現金流量所要求的信用風險加息差(或信用風險酬金)，因此也就必然會對貸款隱含的當前市值產生影響。貸款信用等級下降，對貸款所要求的信用風險加息差就應當提高，因而其貸款的市值也就相應下降；信用等級上升，則會出現相反的效應。從技術角度來看，由于我們正在重新估價的是一筆第一年剛結束且在該年度里信用等級轉換事件已發生的5年期固定利率貸款，因此我們便可以依據下列公式計算出該筆貸款的市值(百萬美元)。

式中，P0為貸款總額，r0為年貸款利率，ri為財政零息票債券的無風險利率(也稱遠期零息票利率，可從國庫券收益率曲線中計算出來)；Si是指每年的信用加息差，它是不同期限的(零息票)貸款信用風險報酬率，這些數據可從公司債券市場相應的債券利率與國債市場相應的國債利率之差中獲得。公式中的息票額(或第一年的利息支付額)未被貼現，可以將其視為該筆貸款的應計利息收入額。

現在我們假定借款人在第一年中的信用等級從BBB級上升的A級，那么對于發放貸款的金融機構來說它所發放的這筆貸款的第一年結束時的現值或市值便是：

由上式結果可知，若借款人在第一年結束時信用等級從BBB級上升為A級，那么這100百萬美元貸款(賬面值)的市值可上升為108.66（=100+P）百萬美元。運用同樣的方法，也可以獲得借款人信用等級轉換到其它評級后的貸款市值金額。表11-4為借款人信用等級變化所導致貸款市值變化的情況。表11-4不同信用等級下貸款市值狀況(包括第一年息票額)

圖11-2向人們展示了借款人信用等級轉換后貸款市值的概率分布狀況。從該圖看，貸款市值的概率分布并不是完全呈正態分布狀的。以均值為界，分布曲線的左半部分為一固定朝上爬行線，而曲線右半部分則是一段朝下較陡的近似直線(即負斜率)。因此，在這種概率分布條件下，人們在運用信用度量制方法計算貸款風險價值時就要計算出兩種風險價值：第一，按照貸款市值呈正態分布狀時，計算出該貸款的風險價值是多少；第二，按照貸款的實際分布狀況，計算出該貸款的風險價值是多少。圖11-25年期BBB級貸款的市值實際分布狀況

（3）計算風險價值

表11-5展示了在5%和1%最壞情景下(如大的災年發生后)，如何圍繞貸款市值均值(期望值)計算出兩種概率分布情況下的貸款風險價值。計算貸款風險價值的第一步是要計算出貸款市值的均值，將每一信用等級下的貸款市值乘以借款人信用等級轉換到該等級的概率，再將八種不同的結果加總起來便可算出。這里5%的最壞情景是指每20年發生一個壞年景所造成貸款價值的最大損失額(即5%的風險價值)；1%的最壞情景是指每100年發生一個壞年景造成貸款價值的最大損失額（1%的風險價值）。這一點與市場風險下的風險價值(VaR)略有不同，市場風險下的風險價值時段是以天為計算單位，而信用風險下的風險價值時段則是以年為計算單位。表11-5信用等級BBB級貸款風險價值計算表(以貸款市值均值為基準點)

假定貸款的市值處于正態分布狀況，那么圍繞著均值的貸款市值的方差為8.9477百萬美元，相應它的標準差為2.99百萬美元。因此，根據正態分布的性質，該筆貸款5%的風險價值為1.65×2.99=4.93（百萬美元），1%的風險價值應為2.33×2.99=6.97（百萬美元）。

但是按照貸款市值分布呈正態分布狀的假設去計算該貸款的風險價值時，往往會低估其實際的風險價值，因為貸款市值分布并不完全是正態分布。從表11-5中，可以看到各信用等級下的貸款市值及其發生的概率，其中有6.77%(5.3%+1.17%+0.12%+0.18%)的概率貸款市值處于102.02百萬美元以下的水平，包含大約5%的實際風險價值即107.09-102.02=5.07（百萬美元)；同時，還有1.47%的概率(1.17%+0.12%+0.18%)貸款市值低于98.10百萬美元水平，包含大約1%的實際風險價值即107.09-98.10=8.99（百萬美元)。

為了得到較為準確的風險價值，我們可以通過線性插值法算出5%和1%情景下的實際風險價值來。例如，在表11-5的例子中，1.47百分位數等于98.10百萬美元，0.30百分位數等于83.64百萬美元，使用線性插值法，便可以算出1.00百分位數大約等于92.29百萬美元。獲得了這個數，我們便可以很容易地算出實際的1%的風險價值為107.90-92.29=14.80（百萬美元）。3.信用度量制模型若干引起爭議的技術問題

信用度量制模型(CreditMetricsmodel)一經推出，便獲得業內人士的高度評價和贊賞。但是由于它仍然處于初創階段，在許多方面還不成熟，還存在著若干需要解決的技術問題。

（1）關于信用等級的轉換問題。對貸款等金融資產進行信用風險度量的關鍵一步是要獲得不同信用等級的金融資產在某一時段(如1年)信用等級轉換的概率矩陣資料，從而依據這些資料計算出貸款等金融資產的風險價值。然而，人們在收集、整理和生成金融資產信用等級轉換概率矩陣資料時往往設定了許多假設條件，而這些假設往往與現實不符，因而也就影響了所求金融資產風險價值的準確度。表11-6不同求償級別貸款的違約收復率(面值百分比)

（2）關于貸款的估價問題

我們在前面計算貸款的風險價值時，均設定三個輸入變量(違約收復率、遠期零息票利率和信用加息差率)為非隨機性變量，如果人們將這三個變量中的某一個或三個都確定為隨機變量的話，那么據此所計算的貸款風險價值就要比在非隨機狀態下所計算出的風險價值大得多。在這三個變量中，各類貸款或債券的違約收復率和加息差率有著較大的差異。

在違約收復率方面，由于不同債務工具的求償等級不同，因而它們違約時的平均收復率不同且與之相應的變動標準差也不盡相同，這種收復率變動的標準差就會直接影響到貸款等債務工具市值變動的標準差和它們的風險價值(見表11-6)。

例如，優先未擔保貸款的平均收復率為51.13%，但它的標準差則高達為25.45%，那么在正態分布條件下，上例中BBB級貸款的市值變動標準差將可從原來的2.99百萬美元提高至3.18百萬美元，增長6.3%，該貸款1%的風險價值則從原來的6.67百萬美元提高到7.38（2.33×3.18）百萬美元。由此可見，計量貸款等債務工具的風險價值的三個輸入變量的不確定性會直接影響到風險價值的高低及其準確性。第二節

信貸資產組合信用風險管理

利用現代組合理論(MPT)對信貸資產組合信用風險進行量化度量及其管理的模型近年來涌現出不少，人們大體上將其分成兩類，一類是尋求信貸資產組合的全部風險——收益均衡的模型(如KMV組合管理人模型和Altman組合模型等)，另一類被視為主要集中于風險維度和計算貸款組合的風險價值(VaR)的模型(如信用度量制模型)。

一、信用度量制模型：正態分布條件下的組合風險價值

與單項信貸資產風險價值的度量一樣，我們首先要考察在正態分布的條件下，怎樣計算信貸資產組合風險價值(PortfolioVaR)，然后，再考察在實際分布條件下，怎樣計算出組合的風險價值，最后依據組合風險價值導出相應的組合經濟資本量。

在信用度量制正態分布模型下，我們可以用一個兩貸款組合信用風險度量方法作為其參照樣板，通過兩貸款組合風險價值的度量方法推廣至N項貸款組合情形下的計量方法。

為了計算出兩貸款組合的風險價值，我們首先需要掌握兩類資料：（1）測算出兩貸款的聯合信用等級轉換概率。在這里，我們假設這兩項貸款為：一項BBB級貸款，其面值為100(百萬美元)，一項A級貸款，其面值為100(百萬美元)。（2）兩項貸款在1年期的每一個可能的聯合信用等級轉換概率下的貸款價值量。1.聯合信用等級轉換概率

表11-7向人們展示了BBB級貸款和A級貸款各自1年的信用等級轉換概率，以及這兩項貸款在相關性為0.3條件下其聯合信用等級轉換概率狀況。對于BBB級貸款的借款人來說，他在1年中有8種可能的信用等級狀態，而對于A級貸款的借款人而言，在1年期間同樣有8種可能的信用等級狀態。同時，這兩個借款人還共同面臨著有64個可能的聯合信用等級轉換概率的狀況。表11-7相關性為0.3條件下兩貸款聯合信用等級轉換概率狀況

2.資產價值波動與信用等級轉換的關系

為了觀察借款人資產價值波動與其信用等級轉換的關系，圖11-4將BB級借款人的經過標準化的正態資產收益波動與其信用等級轉換聯系起來。如果假定企業資產價值的波動是呈正態分布的，那么我們便能計算出企業資產價值經過多少個標準差的價值波動，才能使企業從原來的BB級轉換到違約級。例如，BB級借款人歷史上的一年違約概率為1.06%，使用標準化正態分布表，我們更可很快算出該企業的資產價值只要減少2.3σ就可導致企業違約。

另外，BB級借款人一年后從他當前的信用等級轉換為C信用等級的概率為1%，換句話說，該借款人的資產價值只要降至2.04σ就可使他從BB級降至C級或更低。圖11-4將BB級借款人所有可能出現的降級概率都展現出來。我們也可以像圖11-4那樣，將BBB級借款人和A級借款人相應數據建立起來。表11-8展示了A級借款人的資產價值波動與其信用等級轉換的關系。圖11-4BB級借款人的資產價值波動(σ)與其信用等級轉換之間關系表11-8A級借款人資產價值波動(ρ)與其信用等級轉換之間關系

從圖11-4和表11-8中我們可以看到：BB級借款人若想使自己的信用等級在下一年仍然保持原來的水準，只需要使其標準化正態資產收益在-1.23σ和+1.37σ之間波動；同樣，A級借款人若想使自己信用等級保持不變，其標準化正態資產收益在-1.51σ和+1.98σ之間波動就能做到?，F在我們假定這兩家借款企業資產收益之間的相關性(ρ)為0.2，那么這兩個借款人想要在下一年度里繼續保持各自原來信用等級的聯合信用等級轉換概率(Pr)便可計算出來。

我們是通過下面這個雙變數正態密度函數進行積分，來求出這兩個借款人的聯合信用等級轉換概率，即

公式中Y1，Y2為兩個借款人的資產收益，它們是隨機的。公式中的ρ=0.02，它是指兩個借款人之間相關系數。通常在信用度量制模型方法中，相關系數是通過將單個借款人股票收益作為輸入變量的多因素模型計算出來的。3.兩貸款組合的聯合貸款價值(JointLoanValues)

除了計算出兩貸款組合的64個聯合信用等級轉換概率外，我們還需要計算出兩貸款組合情形下的64個聯合貸款價值量，這樣才能算出該組合在一定置信水平下的最大風險價值。在前面我們曾專門討論了怎樣計算出單項貸款在每一信用等級條件下市值的計算方法，因此我們便能很快計算出A級借款人貸款的8種可能的市值數和BBB級借款人的8種可能的市值數(此數我們在前面已經算出)。在這個基礎上，我們將這兩項貸款的各個不同的市值相加，便得出64個不同的聯合貸款價值量，參閱表11-9。在表11-9中，如果在一年期中，兩貸款的信用等級均升為AAA級，那么它們的組合市值將達到215.96百萬美元；同樣，如果在這一年期間，兩貸款均違約了，它們的聯合價值也就僅為102.26百萬美元。表11-9兩貸款組合價值量

我們利用兩貸款組合的64個可能的聯合信用等級轉換概率和62個可能的聯合貸款價值數，運用下面兩等式可以計算出該貸款組合的均值、方差及標準差來：

對等式進行開方求出平方根，我們便得到兩貸款組合價值的標準差(σ)為3.35百萬美元。這樣我們便能計算該組合在正態分布條件下，以及99%的置信水平情形下的1%最大風險價值：

二、信用度量制：實際分布條件下的組合風險價值

由于存在著貸款價值實際分布的非對稱性問題，因而人們按正態分布情形下計算出的99%置信水平下的最大風險價值往往低于實際的最大風險價值。我們將表11-7和表11-9放在一起來使用，就能找到那個接近1%的發生最大風險價值的概率所對應的兩貸款組合價值為204.409百萬美元，這樣我們便能求出實際分布情形下的1%的最大風險價值：

這個數也是兩貸款組合的資本需要量，它比在正態分布條件以風險價值為基礎的資本需要量要高出1.42百萬美元。但是，若與單項的BBB級貸款實際分布條件下所需資本量(即8.99百萬美元)相比，兩貸款組合的資本需要量只比單項BBB貸款的這一數額高出0.24百萬美元，顯然，這也是貸款組合風險分散功能作用的結果。

三、信用度量制：N項貸款組合的信用風險度量

對于兩個以上較大貸款數量的N項貸款組合而言，目前人們較為廣泛使用的是蒙特卡羅（MonteCarlo）模擬法。蒙特卡羅模擬法是一種金融機構經常使用的隨機模擬技術，它可以對各種金融資產及各類金融衍生工具進行定價。通常，它利用計算機隨機模擬出金融變量的隨機價格走勢，并以此來近似地揭示該金融變量的市場特性。

在金融和證券市場的研究中，人們用結構蒙特卡羅方法(簡稱SMC)模擬出投資組合在指定日期的各種不同的價格走勢，然后由這些模擬價格導出投資組合在指定日期的價格分布，最后從分布中一目了然地讀出投資組合的風險價值。因為結構蒙特卡羅模擬方法適用性強，所以它是計算投資組合風險價值的最有效的工具。

我們利用表11-10和表11-11中的一個假定的20項貸款組合及其組合中貸款間相關性資料，簡要說明信用度量制模型怎樣利用蒙特卡羅模擬法來度量該組合的風險價值。第一，人們應當選擇一個隨機過程(如幾何布朗運動)，并挑選模型參數，這是整個模擬過程最關鍵的一步；第二，依據隨機模型，依次產生相應的隨機數ε1,ε2…εn，并由此計算模擬價格Lt+1,Lt+2…Lt+n；第三，根據第二步中的模擬價格，計算目標時刻T時投資組合的價格PT；第四，重復第二步和第三步盡可能多次，比如說K=10000次，得到時刻T時的一系列投資組合的模擬價格。對每個模擬試驗K來說，我們都要計算每種資產（貸款）的價格,那么，在目標時刻T投資組合的模擬價格為：當得到投資組合在目標日期T的模擬價格的完全分布PT后，我們就能夠根據目標期的價格分布算出投資組合的風險價值。在確定隨機模擬的重復次數時，需權衡估計的精度和計算。通常，由隨機模擬方法求得的估計量，都或多或少地存在些誤差，這是由隨機抽樣的樣本變化造成的，是隨機模擬方法本身無法避免的。只有當重復次數增加時，估計量才能慢慢地向其真實值收斂，收斂的速率通常與重復次數的算術根成比例。所以一般來講，重復次數越多，估計的精確度越高，耗時也越多。

就這個20項貸款的組合而言，J.P.摩根根據組合內每筆貸款的最初信用等級，信用等級在某段時間的轉換概率，該貸款與組合內其它貸款間的相關系數以及與其它貸款之間的聯合信用等級的轉換概率等資料，利用事先確定的隨機模型，對該貸款組合的價值進行了反復的模擬，最終得出20000個貸款組合價值量分布。利用這一系列數，我們便能很快計算出該貸款組合的均值和在99%置信水平下最大的價值損失額即貸款組合的最大風險價值(VaR)。從而最終算出該貸款組合的資本需要量。

蒙特卡羅模擬法是計算VaR最有效的方法，它能說明廣泛的風險，包括非線性價格風險、波動風險，甚至模型風險，也考慮了波動時間變化、較粗的尾部以及極端情景等因素。這個方法最大的缺陷是成本太高。如果由1000個資產的投資組合產生1000種抽樣途徑，則總的估計值合計可達1000000個，當資產的完全估值較為復雜時，這個方法很快變得過于麻煩以致難以實施。另一個潛在的弱點是，由于它依賴的是基礎風險因素下的特定的隨機模型，因而面臨著模型風險。第三節

商業銀行信用風險資本計量方法

《第三版巴塞爾協議》作為國際金融危機后銀行監管改革的重要成果，確立了全球統一的銀行業資本監管新標準，提高了國際銀行業資本監管的要求。在新的監管框架下，商業銀行資本的損失吸收能力得到極大地增強。為與國際新標準接軌，中國銀監會發布了相關資本管理辦法，重構了我國銀行的資本監管體系。在信用風險管理方面，新的資本管理辦法規定商業銀行可以采用權重法或內部評級法計量信用風險加權資產。

一、權重法

權重法是指根據銀行各類資產的不同風險程度賦予不同的風險權重，并以相應權重對各類資產進行加權，得到信用風險加權資產。權重法下信用風險加權資產為銀行賬戶表內資產信用風險加權資產與表外項目信用風險加權資產之和。計量表內資產的風險加權資產時，首先從資產賬面價值中扣除相應的減值準備，然后乘以風險權重。計量表外項目的風險加權資產時，先將表外項目名義金額乘以信用轉換系數得到等值的表內資產，再按表內資產的處理方式計量風險加權資產。風險權重反映風險程度的大小，風險程度較大的資產相比風險程度較小的資產，對加權資產計算結果的貢獻更大，加權資產的數值大小反映了信用風險暴露的程度。例如，某商業銀行的總資本規模為100萬美元，表內總資產為1500萬美元，該商業銀行的資產負債表表內項目和表外項目見表11-15。11-15資產負債表表內項目和表外項目單位：萬美元首先計算表外項目的對等信貸額，將表外項目轉換為對等數量的銀行貸款，以衡量商業銀行的風險。用來支持政府發行債券的備用信用證的對等信貸額=賬面價值150*轉換系數1.00=150。對企業的長期信貸承諾的對等信貸額=賬面價值300*轉換系數0.5=150。然后將表內資產和表外資產的對等信貸額乘以相應的風險權重，見表11-16表11-16表內資產和表外資產的對等信貸額乘以相應的風險權重單位：萬美元

二、內部評級法

內部評級法（InternalRatings-BasedApproach）是一套以銀行內部風險評級為基礎的資本充足率計算及資本監管的方法。只有具備了內部評級的技術手段和制度體系，銀行才有能力運用內部評級法進行資本監管。具體地，由銀行專門的風險評估人員，運用一定的評級方法，對借款人或交易對手履行相關合同的能力和意愿進行綜合評價，并對信用風險的相對大小進行簡單評級。有效的內部評級體系包括評級維度、評級結構、評級方法、評級標準和模型檢驗等若干基本因素。表11-17有效的內部評價體系

內部評級法包括初級內部評級法（FoundationIRBApproach）和高級內部評級法（AdvancedIRBApproach）。內部評級法提出4個基本風險要素，分別是違約概率（ProbabilityofDefault）、違約損失率（LossGivenDefault）、違約敞口（ExposureatDefault）及有效期限（EffectiveMaturity）。銀行若采用初級內部評級法，只需內部估計違約概率，其他三類參數根據監管機構的規定確定；銀行若采用高級內部評級法，四類參數均需內部估計得到。表11-18內部評級法基本風險要素

銀行采用內部評級法時，將銀行賬戶信用風險敞口分為主權、金融機構、公司、零售、股權、其他共六類風險敞口，各敞口使用內部評級法都須滿足三方面的要求：風險因素、風險權重函數及一套最低技術要求。銀行對其內部評級的每一等級估計違約概率（PD)、違約損失率（LGD）、風險敞口（EAD）和有效期限(M)。內部評級法的風險權重是由這四個因素的函數確定的，該函數將四個因素轉化成監管風險權重。此外，最低資本要求還應考慮信用風險類別、評級體系、違約估計模型等多方面的因素。

表11-19商業銀行信用風險敞口

內部評級法風險權重函數根據風險敞口分類的差異、是否違約而有所不同，對于未違約的特定風險敞口，計算風險加權資產時還要考慮有效期限。以沒有違約的主權、公司信用風險敞口為例，計算風險加權資產的公式如下：相關性：期限調整因子：資本要求：風險加權資產：第四節

我國商業銀行信用風險管理實務

信用風險管理的目標是：建立與業務性質、規模和復雜程度相適應的信用風險管理流程，從而有效地識別、計量、控制和監測信用風險，將信用風險控制在可以承受的范圍內，并最終實現風險可控下的收益最大化。

為實現這一目標，我國商業銀行明確了三會一層、各職能業務部門在風險管理過程中的職責，各部門間相互監督，形成了獨立、集中、垂直的信用風險管理模式。

董事會主要負責監控信用風險管理是否有效，并承擔最終責任；高級管理層主要負責執行董事會批準的信用風險管理戰略、政策及體系；信用風險管理委員會作為信用風險管理的審議決策機構，負責審議信用風險管理的重大事項；信貸管理部門負責牽頭本級的信用風險管理工作；各業務部門按照職能分工，具體執行與其業務對應的信用風險管理政策。

商業銀行的信用風險管理流程主要包括：全面及時的風險識別、風險計量、風險監測、風險緩釋與控制、風險報告等一系列風險管理活動。

風險識別是指對銀行各項產品與業務中潛藏的信用風險進行識別，同時也關注信用風險與其他類型風險之間的相關性；

風險計量是指利用監管機構規定的方法對信用風險的程度進行計量與評估，以掌握風險的暴露狀況；

風險監測是指對債務人或交易對手的合同執行情況進行監測，動態了解信用風險狀況的變動，并整體監測投資組合，防止風險的過度集中；

風險緩釋與控制是指運用抵質押品和保證等風險緩釋工具轉移或降低信用風險；

風險報告是指編制不同層次和種類的信用風險報告，提供給各風險層級和職能部門。一、信用風險識別在信用風險識別時，需要根據商業銀行不同客戶的信貸業務特點及各自的風險特性進行。對于單一法人客戶，主要通過對基本信息（包括基本經營情況、業務范圍、盈利情況、信用狀況等）進行了解，對財務狀況（財務報表、財務比率、現金流量）進行分析，對非財務因素（管理層風險、行業風險、生產與經營風險、宏觀經濟、社會與自然環境）進行分析和判斷進行信用風險識別。對于集團法人客戶，除了參照單一法人客戶的信用風險識別內容外，還要對集團內各關聯方之間的關聯交易進行正確的分析和判斷。對于個人客戶的信用風險識別，主要從借款人的資信情況調查、借款與負債情況調查、貸款用途及還款來源的調查、擔保方式的調查等方面進行。二、信用風險計量在信用風險管理流程中，對信用風險的定量分析是非常重要的環節。目前，我國商業銀行對信用風險的定量分析，主要包括信用風險暴露、信用風險緩釋、貸款質量管理三個方面。1.信用風險暴露。目前，我國商業銀行主要采用權重法，分別計量公司、主權、金融機構、零售、股權的信用風險暴露。此外，根據監管要求，銀行還需對資產證券化業務的信用風險暴露進行計量。從表11-20可以看出該銀行內部評級法覆蓋的信用風險暴露和內部評級法未覆蓋部分的風險暴露情況表11-20我國某商業銀行信用風險暴露狀況二、信用風險計量1.信用風險暴露。從表11-21可以看出采用權重法計量內部評級法未覆蓋部分的信用風險暴露情況。表11-21我國某商業銀行按權重劃分的內部評級法未覆蓋部分風險暴露狀況二、信用風險計量2.信用風險緩釋。信用風險緩釋是商業銀行信用風險管理的重要環節，商業銀行通常以抵質押品和保證作為緩釋工具轉移或降低信用風險，當借款人或交易對手違約時，銀行可以行使質押權、抵押權，以抵質押品的價值補償其損失，或者要求保證人承擔償還義務。合格緩釋工具的風險緩釋作用，有助于降低借款人違約時銀行的損失程度。因此商業銀行在采用權重法計量信用風險加權資產時，需要考慮這種風險緩釋作用。表11-22信用風險緩釋工具表11-23列示了2019年和2020年我國某商業銀行各種類型緩釋工具所覆蓋的風險暴露情況，包括合格的金融質押、其他合格的抵質押品和保證，2019年和2020年所覆蓋的表內信用風險分別為740.69億元和827.04億元。表11-23我國某商業銀行內部評級法未覆蓋信用風險部分各類合格風險緩釋工具覆蓋情況人民幣百萬元，百分比除外表11-24顯示了內部評級法未覆蓋信用風險部分各類合格風險緩釋工具覆蓋情況。表11-24我國某商業銀行內部評級法未覆蓋信用風險部分各類合格風險緩釋工具覆蓋情況人民幣百萬元，百分比除外二、信用風險計量3.貸款質量管理。我國商業銀行實行貸款質量五級分類，監控貸款組合的風險狀況。銀行考慮借款人的還款能力等因素，將貸款劃分為正常、關注、次級、可疑和損失五類，后三類視為不良貸款。不良貸款余額除以貸款及墊款總額即為不良貸款率，不良貸款率是反映貸款質量的重要信用風險指標。一些規模較大的銀行為實行信貸資產質量精細化管理，提高風險管理水平，在五級分類的基礎上，在各分類中進一步分級，形成十二級分類體系。例如，我國某商業銀行將正常類細分為四個級別，關注類細分為三個級別，次級和可疑各細分為兩個級別，損失類保持不變，共細分為十二級，實現公司類貸款十二級分類管理。此外