商業(yè)銀行信貸風險度量與管理.ppt

1、A,1,商業(yè)銀行信貸風險度量與管理,A,2,信貸風險是金融市場中最古老的也是最重要的金融風險形式之一，也是現代社會經濟實體（尤其是金融機構）、投資者和消費者所面臨的重大問題，只有對信貸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(wěn)定性。本章將從商業(yè)銀行信貸風險的概念和成因入手，介紹單筆信貸風險的度量和管理。,A,3,第一節(jié) 信貸風險的概念及成因,A,4,信貸風險的概念,商業(yè)銀行的信貸風險主要指在信貸過程中，由于各種不確定性，使借款人不能按時償還貸款，造成銀行貸款本金、利息損失的可能性。,A,5,信貸風險的成因 不確定性,A,6,第二節(jié) 信貸風險的度量與管理

2、,A,7,主要方法,古典信貸風險度量方法：專家制度 古典信貸風險度量方法：Z評分模型和ZETA評分模型 現代信貸風險度量和管理方法：信用度量制模型,A,8,一、古典信貸風險度量方法：專家制度,專家制度是一種最古老的信貸風險分析方法，它是商業(yè)銀行在長期的信貸活動中所形成的一種行之有效的信貸風險分析和管理制度。這種方法的最大特征就是：銀行信貸的決策權是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，并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(yè)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。,A,9,1、 專家制度的主要內容 在專家制度下，由于各商業(yè)銀行自身

3、條件不同，因而在對貸款申請人進行信貸分析所涉及的內容上也不盡相同。但是絕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”?！?W”系指借款人（Who）、借款用途（Why）、還款期限（When）、擔保物（What）、如何還款（How）；“5P”系指個人因素（personal）、目的因素（purpose）、償還因素（payment）、保障因素（protection）、前景因素（perspective）。 在傳統(tǒng)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13.1例舉了銀行專家在信貸分析中所經常使用的財務比率

4、指標。,A,10,A,11,2、 專家制度存在的缺陷與不足,盡管古典信貸分析法專家制度在銀行的信貸分析中發(fā)揮著積極的重要作用，然而實踐卻證明它存在許多難以克服的缺點和不足。 首先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(yè)務量的不斷增加，其所需要的相應信貸分析人員就會越來越多。因此，對于銀行來說，對新老信貸分析人員進行不間斷的培訓和教育就成為銀行的一項長期重要的工作。在這樣的制度下，必然會帶來銀行冗員、效率低下，成本居高不下等諸多問題。 其次，專家制度實施的效果很不穩(wěn)定。這是因為專家制度所依靠的是具有專門知識的信貸官，而這些人員本身的素質高低和經驗大小將會直接影響該項制度的實

5、施效果。例如，對于銀行客戶（公司）所提供的一套財務報表和文件，五位不同的信貸官對其進行分析會得出五種不同的分析結果，差異很大。 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(fā)展。,A,12,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。造成銀行貸款組合過度集中的原因是多方面的，但是這其中專家制度的作用是一個重要因素。在專家制度下，銀行員工都熱衷于成為專家，這就需要他們在某一行業(yè)或某類客戶范圍進行較長時期的分析研究，積累經驗，成為這個行業(yè)的專才，因此這些人在選擇客戶時都有著強烈的偏好，他們所注重的客戶都

6、具有較高的相關性，這就加劇了銀行貸款的集中程度，必然給銀行帶來潛在的風險。 第五，專家制度在對借款人進行信貸分析時，難以確定共同要遵循的標準，造成信貸評估的主觀性、隨意性和不一致性。例如，信貸官在對不同借款人的“5C”進行評估時，他們所確定的每一個“C”權重都有很大差異，既便在同一家銀行，信貸官對同類型借款人的“5C”評估也存在差異。綜上所述，古典信貸風險度量方法專家制度有著許多難以克服的弊病，這就不得不促使人們去尋求更加客觀，更為有效的度量信貸風險的方法和手段，來提高銀行信貸評估的準確性。,A,13,二、 古典信貸風險度量方法： Z評分模型和ZETA評分模型,Z評分模型（Z-score mo

7、del）是美國紐約大學斯特商學院教授愛德華阿爾特曼（Edward I.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（ZETA credit risk model）。,A,14,1、 Z評分模型的主要內容,Z評分模型（Z-score model）是美國紐約大學斯特商學院教授愛德華阿爾特曼（Edward I.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（ZETA credit risk model）。 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(tǒng)計中的辨別分析技術，對銀

8、行過去的貸款案例進行統(tǒng)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(qū)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貸風險及資信評估。,A,15,阿爾特曼確立的分辨函數為： Z=0.012（X1）+0.014（X2）+0.033（X3）+0.006（X4）+0.999（X5）,A,16,阿爾特曼經過統(tǒng)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Z2.675，借款人被劃入違約組；反之，如果Z2.675，則借款人被劃為非違約組。當1.81Z2.99，阿爾特曼發(fā)現此時的判斷失誤較大，稱該重疊區(qū)域為“

9、未知區(qū)”（Zone of Ignorance）或稱“灰色區(qū)域”(gray area)。,A,17,2、 第二代Z評分模型ZETA信貸風險模型,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信貸風險模型（ZETA Credit Risk Model）。新模型的變量由原始模型的五個增加到了7個，它的適應范圍更寬了，對不良借款人的辨認精度也大大提高了。,A,18,我們可以將ZETA模型寫成下列式子,其中模型中的a、b、c、d、e、f、g，分別是作者無法獲得ZETA模型中七變量各

10、自的系數。 ZETA=aX1+bX2+cX3+dX4+eX5+fX6+gX7,A,19,為了凸現新模型的有效性，阿爾特曼等人對ZETA模型和原始Z評分模型在分辯的準確性方面進行了認真的比較，表13.2就是這一比較的結果。由于新模型無論在變量的選擇、變量的穩(wěn)定性方面，還是在樣本的開發(fā)和統(tǒng)計技術方面都比以前有了很大的改進，所以ZETA模型要比原模型更加準確有效，特別是在破產前預測的年限越長，其預測的準確性相對也就越高。,A,20,表13.2 ZETA模型與Z評分模型分辯準確性之比較,A,21,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

11、確地反映借款人（企業(yè)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(tǒng)。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，所以它們一經推出便在許多國家和地區(qū)得到推廣和使用并取得顯著效果，成為當代預測企業(yè)違約或破產的核心分析方法之一。,A,22,然而，在實踐中，人們發(fā)現無論是Z評分模型還是ZETA模型都存在著很多先天不足，使模型的預測能力大打折扣，限制了模型功效的發(fā)揮。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帳面數據，而忽視日益重要的各項資本市場指標，這就必然削弱模型預

12、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(tǒng)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(yè)的表外信貸風險，另外對某些特定行業(yè)的企業(yè)如公用企業(yè)、財務公司、新公司以及資源企業(yè)也不適用，因而它們的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許多新的方法和模型來替代傳統(tǒng)的專家制度和借款人（企業(yè)）違約預測模型。,A,23,三、 現代信貸風險度量和管理方法：信用度量制模型,近年來，現代信貸風險

13、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(fā)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年又推出了信貸風險量化度量和管理模型-信貸風險度量制(Credit Metrics)，隨后瑞士信用銀行又推出另一類型的信貸風險量化模型CreditRisk+都在銀行業(yè)引起很大的影響。同樣為銀行業(yè)所重視的其他一些信貸風險模型，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。信貸風險管理模型在金融領域的發(fā)展也引起了監(jiān)管當局的高度重視，1999年4月，巴塞爾銀行監(jiān)管委員會提出名

14、為“信貸風險模型化：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(jiān)管，尤其是在風險資本監(jiān)管方面應用的可能性。毫無疑問，這些信貸風險管理模型的發(fā)展正在對傳統(tǒng)的信貸風險管理模式產生革命性的影響，一個現代信貸風險管理的新模式正在形成。,A,24,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，人們對受險價值(VaR)方法產生了極大興趣，并在對它的開發(fā)和試驗方面取得了很大進展。受險價值(Value at Risk)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，

15、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(RiskMetrics model). 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(tǒng)的概率統(tǒng)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(group of 30)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。,A,25,1、 受險價值（VAR）方法,受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間里和在一定的

16、置信度下(如95%、97.5%、99%等)其價值最大的損失額。 由此可見，計算可交易金融資產受險價值的關鍵輸入變量是該項金融資產的市值(P)和它的市值變動率或標準差()；在給定的風險時段和所要求的置信水平下(如99%)，一項金融資產的受險價值(VaR)便可以直接計算出來。 VaR方法特別適用于對可交易的金融資產受險價值的計量，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。,A,26,以一家上市公司的股票為例描述受險價值(VaR)方法,現在，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

17、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受險價值(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(tài)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(tǒng)計學的語言來講明天就有1%出現壞天氣的概率。,A,27,正態(tài)分布下的那片區(qū)域包含著各種概率發(fā)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1%機

18、會升至80美元+2.58的水平。同時也有1%的機會降至80美元-2.58的水平。前面我們曾假定為10美元，因此該股票價格有1%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%。就是說在置信水平99%的情況下，25.8美元可以視為該股票的受險價值量(VaR)。同時這里還隱含著這樣一個事實：明天有1%的機會股票價格的損失額可達25.8美元甚至更大的金額。由于我們假定股票價格是呈正態(tài)分布狀，因此，每一百天所出現的那個壞天氣均會使股票價格處于圖13.1中54.2美元線以下那片陰影區(qū)域內的某一點，并會造成相應的股價損失額。,A,28

19、,A,29,由此可見，計算可交易金融資產受險價值的關鍵輸入變量是該項金融資產的市值(P)和它的市值變動率或標準差()；在給定的風險時段和所要求的置信水平下(如99%)，一項金融資產的受險價值(VaR)便可以直接計算出來。,A,30,VaR方法特別適用于對可交易的金融資產受險價值的計量，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受險價值時則會遇到如下問題：,A,31,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,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(tài)分布狀的，這與它們的實際分布是大體吻合的。但是對