運(yùn)用CreditMetrics模型進(jìn)行銀行貸款信用風(fēng)險管理

運(yùn)用CreditMetrics模型進(jìn)行銀行貸款信用風(fēng)險管理運(yùn)用CreditMetrics模型進(jìn)行銀行貸款信用風(fēng)險管理

信用風(fēng)險是指在金融市場中由于交易對手信用質(zhì)量改變或違約而導(dǎo)致經(jīng)濟(jì)損失的風(fēng)險，它是商業(yè)銀行所面對的最重要的風(fēng)險，且主要存在于銀行信貸業(yè)務(wù)之中。目前，國內(nèi)很多商業(yè)銀行對于貸款信用風(fēng)險的管理伎倆還相對落后，不能很好地應(yīng)對損失的不確定性，也無法有效地評估出貸款違約概率及損失水平。而1997年由J.P摩根推出的CreditMetrics模型即能在這一方面給出答案，并可以通過一系列經(jīng)濟(jì)指標(biāo)為銀行管理者的信用決策提供依據(jù)。下面我們就將對CreditMetrics模型度量與管理銀行貸款組合信用風(fēng)險的各個步驟進(jìn)行介紹分析。

一、計算組合中各筆貸款期末的價值分布

CreditMetrics模型認(rèn)為貸款的信用風(fēng)險不僅是指債務(wù)人違約的可能性，還表現(xiàn)為債務(wù)人信用品質(zhì)改變所可能帶來的潛在損失。因此，為了計算組合中貸款期末的價值分布，我們須首先引入信用轉(zhuǎn)移矩陣，它反映了某信用等級之企業(yè)一年后轉(zhuǎn)移到其他等級的概率。信用轉(zhuǎn)移矩陣是建立在大量歷史數(shù)據(jù)之上的。表1所示即是規(guī)范普爾公司在1981-2022間20年的歷史數(shù)據(jù)上建立的對于BB級企業(yè)1年期的信用轉(zhuǎn)移矩陣。

當(dāng)確定信用轉(zhuǎn)移矩陣之后，我們再配合不同等級所對應(yīng)的貼現(xiàn)率即能求得某企業(yè)貸款在各等級下期末的價值〔期限習(xí)慣上取一年〕。根據(jù)CreditMetrics模型，貼現(xiàn)率等于未來零利率收益曲線〔通常取對應(yīng)期限的國債利率〕加上用以彌補(bǔ)銀行風(fēng)險以及各類營運(yùn)本錢的信用價差。

若銀行年初向某BB級企業(yè)發(fā)放五年期貸款，本金100，年利率為7.2%，還款形式為每年固定付息，到期一次還本。那么當(dāng)其年末信用等級下降至B時，結(jié)合對應(yīng)的貼現(xiàn)率〔見表2〕并通過公式1可以計算出一年后該企業(yè)貸款價值V為103.28。而參照前面的信用轉(zhuǎn)移矩陣，該情況對于BB級企業(yè)來說發(fā)生的概率為8.01%。

運(yùn)用以上的辦法，我們即可以求得組合中各筆貸款期末在任一信用等級下的價值，結(jié)合相關(guān)的信用轉(zhuǎn)移概率，我們便得到了其期末價值的分布。特別的，當(dāng)處于違約情況時，我們可以根據(jù)歷史資料中關(guān)于違約回收率的數(shù)據(jù)估計貸款期末的殘余價值。

二、設(shè)置資產(chǎn)回報率〔R〕門檻值

接下來，我們需要解決的問題是我們依據(jù)什么來評定貸款企業(yè)信用等級的改變。CreditMetrics模型針對貸款企業(yè)的資產(chǎn)回報率設(shè)置了一系列對應(yīng)等級的門檻值〔Z〕，當(dāng)企業(yè)一定時段的資產(chǎn)回報率落入某段門檻值區(qū)間時，期末即被歸入對應(yīng)的信用等級。其背后的原理為：CreditMetrics模型認(rèn)為貸款企業(yè)的資產(chǎn)價值反映了其償債能力，因此企業(yè)資產(chǎn)回報率的變化會影響到其信用水平，該原理基于莫頓〔1974〕之公司價值模型。CreditMetrics模型若企業(yè)的資產(chǎn)回報服從規(guī)范正態(tài)分布，那么某信用等級與相應(yīng)的資產(chǎn)回報率門檻值的關(guān)系可以由圖1表示。參照圖1，如當(dāng)ZCCC

在上述公式中-1〔《〕代表規(guī)范正態(tài)分布函數(shù)的反函數(shù)，《滓為資產(chǎn)回報的波動率，此處P〔《〕代表BB級企業(yè)期末轉(zhuǎn)移到某等級的概率，因此我們可以看到門檻值的設(shè)置也建立在信用轉(zhuǎn)移矩陣之上。其他信用等級之資產(chǎn)回報率門檻值的設(shè)立可以參照上述辦法依此類推。

三、建立貸款企業(yè)相關(guān)性矩陣

CreditMetrics模型認(rèn)為企業(yè)之間信用品質(zhì)的變化是存在內(nèi)在聯(lián)系的。示例，一家企業(yè)的違約行為可能導(dǎo)致其上游供給商的違約，從而在經(jīng)濟(jì)中造成違約的連鎖反饋。因此，在估計貸款組合信用風(fēng)險時，我們還須確定貸款企業(yè)之間的相關(guān)性。CreditMetrics模型運(yùn)用“資產(chǎn)相關(guān)系數(shù)〞來量化貸款企業(yè)之間的相關(guān)性，其敘述式為：

四、模擬貸款組合期末價值

在以上三步驟的根底上，接下來我們就將反復(fù)大量地模擬整個貸款組合的期末價值。模擬的次數(shù)決定了結(jié)果的精確性，我們倡議模擬的次數(shù)不應(yīng)少于10000次，而這樣龐大的工作量我們可以運(yùn)用蒙特卡羅模擬技術(shù)并借由計算機(jī)編程來完成，其整體思路如下。

五、度量并管理貸款組合的信用風(fēng)險

通過上述反復(fù)模擬，我們即可以獲得m個貸款組合在期末價值，在此根底上我們便能對貸款的信用風(fēng)險進(jìn)行度量和管理。如通過統(tǒng)計學(xué)中相應(yīng)的公式，我們可以求得這m個數(shù)據(jù)的平均值《滋p及規(guī)范差《滓p，而規(guī)范差正反映了貸款組合價值的波動幅度，亦即顯示了其信用風(fēng)險。

但由于企業(yè)貸款組合的價值并不是正態(tài)分布的，因此平均值和規(guī)范差可能并不是度量風(fēng)險的最好指標(biāo)。根據(jù)CreditMetrics模型，我們還可以使用百等分法來評估信用風(fēng)險。如若我們通過模擬獲得了10000個貸款組合價值的數(shù)據(jù)，將其降序排列，那么倒數(shù)第100個數(shù)據(jù)的值就代表了有1%的概率貸款組合的期末價值會下降到這一水平甚至下列，將其與貸款組合的本錢相比擬，其差額即反映了貸款損失的金額。應(yīng)用這樣的辦法，我們便能求得在任一置信水平上的貸款組合的信用損失程度。

在上述數(shù)據(jù)的根底之上，還可以運(yùn)用CreditMetrics模型求得貸款組合的經(jīng)濟(jì)資本以及各筆貸款的邊際風(fēng)險等經(jīng)濟(jì)指標(biāo)。經(jīng)濟(jì)資本是銀行為了預(yù)防貸款發(fā)生極端損失所可能引發(fā)銀行破產(chǎn)的風(fēng)險準(zhǔn)備金，而邊際風(fēng)險那么衡量了單筆貸款的風(fēng)險對組合整體的影響。

以上這些經(jīng)濟(jì)指標(biāo)都能為銀行工作人員的貸款管理決策提供依據(jù)。但這里由于篇幅的限制，不作具體的展開。

綜上所述，CreditMetrics模型能夠較好地度量貸款的信用風(fēng)險，對于國內(nèi)商業(yè)銀行在完善自身信用管理體系的過程中具有較強(qiáng)的借鑒作用。不過由于下列的因素，使得CreditMetrics模型的應(yīng)用也存在著一定的限制：需要大量的歷史信用數(shù)據(jù)，而我國的信用評級制度正處于初期階段，關(guān)于企業(yè)的信用資料也比擬不足，因此可能會影響CreditMetrics模型在我國的應(yīng)用。模型本身的局限。

CreditMetrics模型本身的一些若條件如：認(rèn)為只要處于同一