第三章风险管理课堂笔记(2)

信用风险度量是现代信用风险管理的基础和关键环节。信用风险的度量经历了专家判断、信用评分模型和违约概率模型分析三个主要阶段。特别是新巴塞尔资本协议鼓励符合条件的商业银行使用基于内部评级体系的方法计量违约概率和违约损失，计算信用风险对应的资本要求，有力地推动了商业银行内部评级体系和信用风险计量技术的深入发展。

商业银行对信用风险的计量取决于对借款人和交易风险的评估。巴塞尔新资本协议明确要求商业银行内部评级应建立在二维评级体系基础上:一个是客户评级，一个是债务评级。

3.2.1客户信用评级

1.客户信用评级的基本概念

客户信用评级是商业银行对客户偿债能力和偿债意愿的衡量和评价，反映客户违约风险的大小。客户评级的评价主体是商业银行，评级目标是客户违约风险，评价结果是信用评级和违约概率(PD)。

关于客户信用评级，下列说法中，错误的是()。

A.评估主体为一家商业银行。

B.评估目标是客户的违约风险。

C.评估结果是信用等级和违约概率。

D.评估内容为客户违约后特定债务的损失。

答案:d

(1)违约的定义

根据新巴塞尔资本协议的定义，当下列一项或多项事件发生时，债务人被视为违约:

(1)商业银行认定，除非采取追索措施，如变现抵押物(如有)，否则借款人可能无法向商业银行全额偿还债务。

②债务人对商业银行的实质性信用债务逾期90天(含)以上。如果债务人超过规定的透支限额或新批准的限额小于当前余额，所有透支都将被视为逾期。

(3)下列情形将被视为可能无法足额偿还债务:

银行停止支付贷款利息；

发生信贷关系后，由于信贷质量急剧下降，银行核销贷款或提取专项准备金；

银行卖出贷款，相应承担较大经济损失；

银行同意负债务重组，可能导致大规模减少或延迟偿还本金、利息或费用，导致债务规模减少；

就借款人对银行的债务而言，银行将债务人列为破产企业或类似情况；

债务人申请破产，或已经破产，或处于类似状态，因而不会履行或延期偿还银行债务。

(2)违约概率

违约概率是指借款人在未来某一时期违约的可能性。在新巴塞尔资本协议中，违约概率具体定义为借款人内部评级1年违约概率和0.03%中的较高者。巴塞尔委员会设定0.03%的下限是为了重新设定风险权下限，同时也考虑了商业银行在测试小概率事件时面临的困难。

在新巴塞尔资本协议中，违约概率被具体定义为借款人内部评级1年违约概率与()中的较高者。

A.0.1%

B.0.01%

大约0.3%

D.0.03%

答案:d

违约概率的估计包括两个层面:一是单个借款人的违约概率；二是某一信用等级下所有借款人的违约概率。新巴塞尔资本协议要求实施内部评级法的商业银行对各种信用等级的借款人的违约概率进行估计。常用的方法包括历史违约经验、统计模型和外部评级映射。

一个容易与违约概率混淆的概念是违约频率，通常称为违约率。违约频率是回测的结果，而违约概率是分析模型做出的事前预测，两者有本质区别。

另一个容易与违约概率混淆的概念是不良率，这使得不良债务余额占全部债务余额的比例不具有可比性。

2.客户信用评级的发展

(1)专家判断法

专家系统是商业银行在长期信贷业务和承担信贷风险的过程中发展和完善起来的一种传统的信用分析方法。

①与借款人相关的因素:

声誉(名声)

杠杆(杠杆)

收益波动性(收益波动性)

②市场相关因素

经济周期(经济周期)

宏观经济政策

利率水平(利率杠杆)

目前，在使用的专家系统中，用于企业信用分析的5Cs系统是应用最广泛的。5Cs系统是指:

字符(字符)

资本(资本)

偿还能力

抵押品(抵押)

操作环境(条件)

除了5Cs系统，广泛使用的专家系统包括用于企业信用分析的5Ps系统和用于商业银行和其他金融机构的CAMEL分析系统。

5Ps包括:人物因素、目的因素、还款来源因素、保护因素、企业前景因素。

在客户的信用评级中，单选由个人因素、资金用途因素、还款来源因素、担保因素、企业前景因素构成。企业信用分析专家系统是()。

A.5Cs系统

B.5Ps系统

C.CAMEL分析系统

D.4Cs系统

答案:b

CAMEL分析体系包括资本充足率、资产质量、管理水平、盈利能力和流动性。

专家系统的突出特点是以信用专家的经验和判断作为信用分析和决策的主要依据。这种主观的方法/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。此外，虽然专家系统在银行业的长期发展和实践中形成了成熟的分析框架，但缺乏系统的理论支撑，尤其是在关键要素的选取、权重的确定和综合评价方面。因此，专家系统更适合借款人的二维决策，难以准确度量信用风险。

(2)信用评分法

信用评分模型是一种传统的信用风险量化模型，它利用可观测的借款人特征变量计算出一个数值(分数)来表示债务人的信用风险，并将借款人划分为不同的风险等级。

背景知识:信用评分模型

20世纪60年代，信用卡的引入促进了信用评分技术的大发展，并迅速扩展到其他业务领域。Altman (1968)提出了基于多元判别分析的Z-score模型。马丁(1977)、奥尔森(1980)、威金顿(1980)首次使用Logit模型分析企业破产。

信用评分模型的关键在于特征变量的选择及其各自权重的确定。基本流程是:

首先，根据经验或相关性分析，确定哪些经济或金融因素主要与某类借款人的信用风险相关，并模拟特定形式的函数关系；

其次，根据历史数据进行回归分析，得出各相关因素的权重；

(3)最后，将属于该类别的潜在借款人的相关因素的数值代入函数关系，计算出一个数值，根据该数值衡量潜在借款人的信用风险水平，并据此对借款人进行评级，决定是否放贷。

有一些突出的问题:

①信用评分模型是基于历史数据(而非当前市场数据)的模拟，因此是一个后视模型。

(2)信用评分模型对借款人的历史数据要求相当高。

③信用评分模型虽然可以给出客户信用风险等级的分值，但无法提供客户违约概率的准确值，而这往往是信用风险管理最为关注的。

(3)违约概率模型

违约概率模型分析属于现代信用风险度量方法。其中具有代表性的模型有穆迪的RiskCalc和Credit Monitor，毕马威的风险中性定价模型和死亡率模型，在银行业引起了较大反响。

新巴塞尔资本协议也明确规定，实施内部评级法的商业银行可以使用模型估计违约概率。

与传统的专家判断和信用评分方法相比，违约概率模型可以直接估计客户的违约概率，因此对历史数据的要求更高，要求商业银行建立一致、清晰的违约定义，并积累至少五年的数据。

3.企业客户评级模型

(1)奥特曼的Z评分模型和ZETA模型

奥特曼(1968)认为影响借款人违约概率的因素主要有五个:流动性、盈利能力、杠杆、偿付能力和活跃度。奥特曼选择了下面列出的五个财务指标来综合反映上述五个因素，最终Z得分函数为:

X1=(流动资产-流动负债)/总资产

X2=留存收益/总资产

X3=息税前利润/总资产

X4=股票市值/债务账面价值

X5=销售额/总资产

作为违约风险的指标，z值越高，违约概率越低。此外，奥特曼还提出了判断企业破产的临界值:如果z低于1.81，则企业存在很大的破产风险，应归为高违约风险水平。

在1977中，Altman、Hardeman和Narayanan提出了第二代Z-scoring模型——Zeta信用风险分析模型，主要用于公共或私人非金融公司，适用范围更广，违约概率计算更精确。

ZETA模型将模型指数的数量从五个增加到七个，即:

X1:资产回报率，等于息税前收益/总资产。

X2:收益稳定指数，指企业资产收益率在5 ~ 10年内的趋势标准差。

X3:偿付能力指数，等于息税前利润/总利息支出。

X4:盈利能力指数，等于留存收益/总资产。

X5:流动性指标，即流动比率，等于流动资产/流动负债。

X6:资本化指数，等于普通股/总资本。比率越大，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。

(2)风险计算模型

RiskCalc模型是在传统信用评分技术基础上发展起来的一种违约概率模型，适用于非上市公司。其核心是通过严格的步骤，从客户信息中筛选出一组最能预测违约的变量，然后利用Logit/Probit回归技术，经过适当的变换，预测客户的违约概率。

①收集大量公司数据；

(2)对数据进行样本选择和离群点处理；

③对各风险因素的单调性、违约预测能力、相关性进行逐一分析转化，初步筛选出20 ~ 30个违约预测能力强、相关性低的风险因素；

④利用Logit/Probit回归技术，从初步因素中筛选出9 ~ 11个风险因素，并保证回归系数具有明确的经济意义，变量之间不存在多重* * *线性关系；

⑤验证基于未建模样本和未建模样本中的建模样本区分模型违约的能力，保证模型的横向适用性和纵向预见性；

⑥修正模型的输出，得到每个客户的违约概率。

(3)信用监控模型

信用监控模型是在Merton模型的基础上发展起来的一种适用于上市公司的违约概率模型。其核心在于将企业与银行之间的借贷关系视为一种期权交易关系，因此借贷关系中的信用风险信息隐含在这种期权交易中，从而可以应用期权定价理论求解信用风险溢价和相应的违约率，即预期违约频率(EDF)。

在公司客户评级模型中，(1)应用期权定价理论求解信用风险溢价和相应的违约率。

A.奥特曼Z评分模型

B.风险计算模型

C.信用监控模型

D.死亡率模型

答案:c

(4)毕马威风险中性定价模型。

风险中性定价理论的核心思想是假设金融市场的每一个参与者都是风险中性的，无论是高风险资产、低风险资产还是无风险资产，只要资产的预期收益相等，市场参与者的态度都是一样的。这种市场环境被称为风险中性范式。毕马威将风险中性定价理论应用于贷款或债券违约概率的计算。由于债券市场可以提供不同信用等级对应的风险溢价，因此可以根据等预期收益的风险中性定价原则，相应计算每笔贷款或债券的违约概率。

某年零息票债券年收益率为16.7%。假设债务人违约，回收率为零。如果一年内无风险年收益率为5%，根据毕马威风险中性定价模型，上述债券一年内违约概率为()。

答:0.05

B.0.10

C.0.15

D.0.20

答案:b

(5)死亡率模型

死亡率模型是计算不同信用等级的贷款或债券在未来某一持有期的违约概率，即死亡率，通常分为边际死亡率(MMR)和累计死亡率(CMR)。

根据死亡率模型，假设一笔三年期银团贷款从1到第三年的边际死亡率分别为0.17%、0.60%、0.60%，则三年的累计死亡率为()。

A.0.17%

B.0.77%

C.1.36%

2.32%

答案:c

4.个人客户评分法

按照国际惯例，企业的信用评价采用评级法，个人客户的信用评价采用评分法。由于个人客户数量多，历史信息规律性强，主要采用基于历史数据统计的评分模型来衡量个人客户的信用风险。

参考国际惯例，个人客户评级按采用的统计方法可分为回归分析法、K-最近值法、神经网络模型法等。按评分对象可分为客户层、产品层和账户层，按评分目的可分为风险评分、利润评分和忠诚度评分。按照等分的阶段，可分为客户拓展期(征信局评分)、客户审批期(申请评分)、客户管理期(行为评分)。

(1)信用局评分

这一阶段常用的模型有:

①预测消费者违约/坏账风险的风险评分；

(2)收益得分，预测消费者开户后给商业银行带来的潜在收益；

③破产评分，预测消费者的破产风险；

(4)其他信用特征得分。

(2)应用评分

申请评分模型通过综合考虑申请人在申请表上填写的各种信息，比较商业银行同类申请人的信用表现，预测申请人在开户后一定时间内的违约概率，通过比较客户的违约概率与商业银行可接受的违约底线，做出拒绝或接受的决定。

征信局风险评分模型和收入评分模型是有价值的决策工具，是申请评分模型的补充，可以形成二维或三维矩阵进行授信审批决策。不同的是，申请评分模型是商业银行为特定金融产品的申请人量身定制的，可以更准确、更全面地反映商业银行客户的特殊性，可以利用更多的信息预测客户未来的信用表现；征信机构的评分模型通常预测申请人未来在各种信用关系中的违约概率。

(3)行为评分

行为评分用于观察现有客户的行为，以掌握客户及时还款的可信度。

5.客户评级/评分的验证。

(1)客户违约风险区分能力验证

期的基本原理是运用多种数学分析方法检验评级体系在判断客户是否违约方面的准确性。

(2)违约概率预测精度的验证(修正)

其基本原理是利用统计学中的假设检验。当实际违约情况超过给定阈值时，原始假设被拒绝，PD预测不准确。常用的方法有:二项分布检验，检验给定年份PD预测的准确性；卡方分布检验，检验给定年份不同等级PD预测的准确性；正态分布检验，检验不同年份同一等级PD预测的准确性；扩展红绿灯测试，测试不同年份、不同年级PD预测的准确性。