基于銀行間交易對手風險疊加的項目風險評價

遲國泰,徐占東,2,黨均章

(1.大連理工大學工商管理學院,遼寧大連116025; 2.東北財經大學數學與數量經濟學院,遼寧大連116025; 3.中國郵政儲蓄銀行風險管理部,北京100001)

基于銀行間交易對手風險疊加的項目風險評價

遲國泰1,徐占東1,2,黨均章3

(1.大連理工大學工商管理學院,遼寧大連116025; 2.東北財經大學數學與數量經濟學院,遼寧大連116025; 3.中國郵政儲蓄銀行風險管理部,北京100001)

根據有交易對手銀行參與的投資項目特點,基于信息熵方法,利用政府支持力度,行業景氣指數等風險要素指標評價項目風險.通過證明交易對手風險與剔除交易對手風險相關性影響后的項目風險相關性為零,建立基于銀行間交易對手風險疊加的項目總體風險評價模型,評價有交易對手銀行參與的企業項目總體風險.穩健性分析結果表明,基于銀行間交易對手風險疊加的項目總體風險評價模型的評價結果具有統計一致性.

銀行間交易對手;交易對手風險;企業項目風險;銀–企風險疊加;風險評價

1 引 言

銀行間交易對手或交易伙伴系指對同一個企業、項目、債券進行貸款或投資的不同銀行.這類交易中的銀行,既可能是銀團貸款中的合作伙伴,也可能是分享市場中的競爭對手.

對于有交易對手參與的企業項目,商業銀行對貸款和投資對象信息不能或不便完全了解,需要以先介入的交易對手銀行為參照物評價該項目的總體風險.先介入的交易對手銀行在對投資項目貸款時,要收集項目基本情況、項目工藝技術水平、項目財務評價、項目經濟評價等信息,并對擬投資項目進行風險評價[1].一般來說,若信譽卓著的大銀行介入的項目、后續銀行介入同一個項目時風險較小;反之若信譽不佳、或風格冒險的銀行介入的項目,后續銀行介入時風險較大.

對于交易對手銀行的信用風險,文獻[2?4]分別利用模糊神經網絡,改進的蟻群算法和模糊積分支持向量機對商業銀行信用風險進行評估.王犁等利用經營水平、安全可靠性、社會形象、管理水平四個變量,建立了基于因子分析的商業銀行綜合評價方法[5].

對于項目的信用風險評價,現有研究都是假設商業銀行完全掌握了項目財務信息.穆迪投資公司(ICRT)考慮發起人風險、完工風險、經營風險、市場風險、政策風險等因素構建了ICRT項目評級體系[6].標準普爾公司(Stand&Poor)利用項目本身風險、主權風險、不可抗力風險和信用變化風險等因素構建了項目融資風險度量模型[7].文獻[8,9]建立了房地產項目、BOT項目的投資風險評價指標體系，并構建項目投資風險評價模型.敖慧等應用多級模糊綜合評價方法建立項目風險評價模型[10].周泓等采用公司未償還貸款的概率作為違約風險高低的標準，利用交叉熵方法構造企業違約風險識別模型[11].林則夫等基于層次分析法建立項目融資貸款的風險評價指標體系[12].單曉麗等利用實證分析方法，指出項目融資的關鍵風險包括貸款與股本比例、投資總額、項目的預期回報率.投資總額越大，貸款規模相對較大，銀行面臨的風險相應越大[13].Yeo等指出政府對項目的支持力度越大，銀行風險越小[14].馬中華等評價了物流企業投資項目期望收益和項目風險之間的關系[15].文獻[16,17]利用VaR方法對項目融資中的違約風險進行了度量.

綜上所述,現有研究都是考慮如何對銀行信用風險或項目風險進行單獨測算.而忽略了對商業銀行不便、不能完全掌握項目具體信息的項目風險的測算的研究.

本研究考慮疊加交易對手銀行和項目風險,構建基于銀行間交易對手風險疊加的企業項目總體風險評價模型,測算商業銀行不便或不能完全掌握項目具體信息情況下的企業項目總體風險.

2 企業項目風險度量原理

2.1 利用交易對手風險推斷債項風險

交易對手風險RF和項目風險RP的相互關系如圖1所示：

圖1 交易對手風險RF和項目風險RPFig.1 Financial institutions risk RFand project risk RP

在圖1中,度量企業項目風險的模型應該包括交易對手風險RF,項目風險RP以及二者的相關部分.

2.2 利用政策風險等5個要素反映項目風險

綜合穆迪(ICRT)投資公司和標準普爾(Stand&Poor)公司等國外評級機構的項目風險評級報告[6,7]和國內外有關文獻[13,14],選取政府支持程度、行業景氣指數、行業政策導向、銀行投資額以及企業信用等級等五個可觀測指標,并利用上述五個指標測算項目的政府風險R1,行業風險R2,政策風險R3,投資風險R4,信用風險R5.具體變量選擇見表1.

根據項目的政府風險R1,行業風險R2等五個項目風險指標,項目風險

2.3 企業項目總體風險評價原理

利用交易對手風險推斷企業項目總體風險RT的銀行間交易對手風險疊加的企業項目總體風險評價模型的構建原理如圖2所示：

圖2 企業項目總體風險RT度量原理Fig.2 Measurement principle of project overall risk RT

3 單項項目風險要素的風險測算

3.1 評分公式

設yj為正向指標,正向指標打分公式為

正向指標y數值越大,風險R(j)越大.投資風險需利用正向指標打分公式測算.

設xi為負向指標變量,負向指標打分公式為

負向指標x數值越大,風險R(i)越小.交易對手風險、行業風險需利用負向指標打分公式測算.

3.2 單項風險要素打分

商業銀行信用風險評級得分反映了商業銀行信用風險的大小.銀行經營風格的穩健程度,銀行對介入業務的熟悉程度,銀行專業風險分析隊伍的水平和實力,銀行對項目信息的掌握程度,最終都通過商業銀行風險的大小反映出來.因此,交易對手風險都可以通過先行介入項目的商業銀行信用風險評級得分大小來客觀地反映.商業銀行評級得分越高,該銀行的信用風險越低,交易對手風險越小.反之則不然.

表2第2列是市場份額較大的40家商業銀行的信用風險評級得分[18].在表2第2列中,最大值為中國建設銀行的評分0.599,最小值為深圳發展銀行的評分0.290.

將第2列評價得分數據帶入負向指標打分公式(3),得到的40家商業銀行信用風險,得到表2第3列.

需要指出:如果某個項目有多個交易對手參與,則采用信用評級得分最高的交易對手風險.

表2 金融機構風險RFTable 2 The risk RFof fnancial institute

政府支持力度是影響項目風險的一個重要因素[7].政府風險R1反映項目受政府支持力度的影響的風險.政府支持力度越大,政府風險R1越小,相應的項目風險RP越小.根據政府支持力度的大小,項目可以依次分為國家重點項目、省級重點項目、市級重點項目、縣級重點項目以及其他項目.國家重點項目的政府支持力度最大,政府風險最小.省級重點項目的政府風險比國家重點項目要大.市級重點項目的政府風險更大一些.沒有政府支持項目的政府風險最大.

表3 政府風險R1Table 3 Risk R1of government support

行業景氣指數是反映項目盈利前景的一個重要指標[6,7].行業風險反映項目受所在行業的行業景氣指數影響的風險.項目所在行業的行業景氣指數越大,行業風險R2越低,商業銀行投資該項目的風險越低.

表4第2–10列前28行給出了國家統計局公布的2003年1季度到2009年4季度企業景氣指數(詳見中國國家統計局網站http://www.stats.gov.cn各相關網頁).

根據表4前28行,得到行業總體以及各行業景氣指數的歷史最大值、歷史最小值和均值,填入表4后3行.

設某行業景氣指數的歷史最大值x為樂觀值,歷史最小值y為悲觀值,均值z為最可能值,該行業景氣指數預測值

表4 行業景氣指數Table 4 Industry climate index

將表4后3行代入式(4),計算得到各行業的行業景氣指數預測值,填入表5第2列.

利用式(4)測算企業項目的行業風險的理由有二：一是利用過去的數據作為未來行業景氣指數,明顯具有滯后性,不能代表項目未來的盈利能力.利用預測的企業景氣指數作為指標,解決行業未來盈利前景的預測問題.二是對于未來行業景氣指數,僅能知道其景氣指數的可能狀態,無法確知每個狀態的概率,需采用不確定決策方法的PERT預測法進行預測.

將表5第2列1–9行數據帶入負向指標打分公式(3),計算得到各個行業的行業風險,填入表5第3列1–9行.

表5 行業風險R2Table 5 Industry risk R2

說明:對于跨兩個及兩個以上行業的項目,其行業風險根據表5第1行進行打分.

項目的行業政策導向是影響項目風險的重要要素[6,7].項目的政策風險反映項目受國家行業政策導向影響的風險.根據2005年中華人民共和國國家發展和改革委員會發布的《產業結構調整指導目錄》,行業政策導向分為三類.對于屬于第一類的高污染、高能耗的限制類和淘汰類行業的項目,受到國家政策的限制,項目的政策風險R3最高,賦值1.5.對于屬于第二類的環保,節能減排的國家鼓勵類行業的項目,受到國家政策的鼓勵,項目的政策風險R3最低,賦值為1.對于屬于第三類的其它行業的項目,沒有國家的限制和鼓勵,項目的政策風險大于第二類鼓勵類行業,小于限制類和淘汰類行業,賦值為1.2.

表6 政策風險R3Table 6 Policy-oriented risk R3

根據中華人民共和國商業銀行法第三十九條第四款規定,對同一借款人的貸款余額與商業銀行資本余額的比例不得超過百分之十.因此,定義商業銀行資本余額的百分之十為一個項目投資的最大值,0為一個項目的投資最小值.

將項目投資額的最大值,最小值0,以及銀行計劃投資項目的金額代入正向指標打分公式(2),便可以計算得到項目的投資風險.

項目所在企業的信用等級反映了項目受所在企業信用水平影響的風險[6,7,14].項目所在企業的信用等級越高,項目能夠正常建設并且出現違約的可能性越小,項目的信用風險越小.反之,企業的信用等級越低,信用風險越大,項目的信用風險越大.

對于政府投資的項目,結合政府的償債能力和信用風險,表7第1列給出了13個企業信用等級順序.根據等級差法,將信用風險在區間[1,1.5]內13等分,各個等級的信用風險得分填入表7第2列.

表7 信用風險R5Table 7 The credit risk R5

說明:1)這里的中央政府指的是交通部,信息產業部等中央政府機關開展的項目.2)對于確知信用等級的項目,可以按照表7進行風險數值的打分.對于未確知信用等級的項目,可以由銀行通過類比法估計項目的信用等級,或直接采用表7中AA級的信用風險數值.

4 企業項目總體風險RT的度量模型

4.1 項目風險RP測算模型的建立

應該指出:投資風險R4和信用風險R5僅與商業銀行本次投資行為的投資額和項目所在企業的信用等級有關.因此利用樣本數據僅能得到政府風險R1,行業風險R2,政策風險R3的權重,而無法得到投資風險R4和信用風險R5的權重.

利用歷史樣本的政府風險R1,行業風險R2,政策風險R3,根據分散化程度越高,權重越大的信息熵賦權原理,確定政府風險R1,行業風險R2,政策風險R3的權重系數

其中djk表示第j個項目對應的第k類風險Rk,k=1,2,3.

式(5)的含義為:根據單一風險指標得分的發散程度占所有風險指標得分發散程度的大小、確定該單一風險指標的權重.

式(5)與現有研究[8?14]的區別在于:通過政府風險R1,行業風險R2,政策風險R3等可觀測項目風險要素,根據單一風險指標得分的發散程度占所有風險指標得分發散程度的大小,確定該單一風險指標的權重,反映了風險指標分散程度越大,權重越大的思路.

式(5)的特色在于:在企業項目風險RP的測算中,根據政府風險R1、行業風險R2、政策風險R3、投資風險R4和信用風險R5等五個風險因素的單一指標得分的發散程度占所有五個指標得分發散程度的大小,實證定量確定企業項目風險中各個風險指標Ri的權重;反映了風險指標分散程度越大,權重越大的思路;解決了項目風險RP的測定問題.

采用德爾菲法通過對中國郵政儲蓄銀行和大連理工大學課題組的專家進行問卷并做收斂性統計處理,得到項目風險要素的重要程度排序為

政府風險R1>投資風險R4>信用風險R5>政策風險R3>行業風險R2,

權重系數從大到小的順序為a1,a4,a5,a3,a2.根據中間插值方法賦予權重系數a4,a5的數值大小.標準化權重系數

根據標準化權重系數wk,得到項目風險

式(7)的經濟學含義是項目風險可以表現為政府風險R1,行業風險R2,政策風險R3等五個風險數值的線性加權.

式(7)度量項目風險RP的合理性在于:任何一個風險要素增加,都會導致項目風險增加.通過風險要素的組合,可以有效地識別項目風險的大小.其中w1+w2+···+w5=1,w1,w2,···,w5>0.w1,w2,···,w5的大小表示對應的風險指標對項目風險的影響程度.權重大的指標對項目風險的貢獻較大.

式(7)與現有研究[8?14]差別在于:通過歷史樣本數據的分散化的信息熵原理,測算政府風險R1,行業風險R2,政策風險R3的權重,克服了現有研究中沒有說明政府風險R1,行業風險R2,政策風險R3對項目風險的重要程度問題.

4.2 企業項目總體風險RT的度量模型

當交易對手風險和項目風險無關時,基于標準化方法計算企業項目風險

式(8)的經濟意義是通過交易對手風險RF和項目風險Rp的加總,測算企業項目總體風險的大小.式(8)適用的條件是交易對手風險RF和項目風險Rp不相關.

當交易對手風險RF和項目風險Rp相關時,利用剔除相關部分的方法修正公式(8),得到剔除交易對手風險RF和項目風險Rp相關部分的企業項目總體風險測算模型.

為了得到企業項目總體風險的函數表達式,需要證明交易對手風險RF和項目風險Rp的關系.

命題 給定項目的交易對手風險RF和項目風險Rp,隨機變量RP?(ρFPσP/σF)RF與隨機變量RF線性無關,其中σP,σF,ρFP為通過樣本數據測算得到的經驗常數.ρFP表示交易對手風險RF和項目風險Rp的樣本相關系數.σF,σP分別表示交易對手風險RF和項目風險Rp樣本標準誤差.

欲證隨機變量RF與線性無關,僅需證明隨機變量RF與隨機變量的相關系數為0.

隨機變量RF與隨機變量?Rp的相關系數為

根據方差和協方差定義,由式(12)可知

式(10)中的分子為零,即隨機變量RF與?Rp的相關系數為零,表明隨機變量RP?(ρFPσP/σF)RF與RF線性無關.二者直接相加可以得到企業項目的總體風險

其中RP?(ρFPσP/σF)RF表示剔除交易對手相關性影響的項目風險.

給定企業項目投資數據,根據樣本標準誤差和樣本相關系數的計算公式,計算得到經驗常數σP,σF.

式(14)的經濟學意義是企業項目總體風險RT等于參與的交易對手風險RF加上項目風險Rp后減去二者相關部分.

式(14)與式(8)的差別在于:通過交易對手風險RF和項目風險Rp的相關性修正,改變了式(8)不考慮相關性帶來的風險高估或低估問題.

式(14)的特色在于:在銀行間交易對手風險RF和企業項目風險Rp線性相關無法直接相加的情況下,把交易對手的銀行風險RF作為第一個隨機變量,把剔除交易對手風險RF相關性影響后的項目風險RP?(ρFPσP/σF)RF作為第二個隨機變量,通過證明重組后的兩個隨機變量的相關系數為0,揭示了擬投資對象的企業項目總體風險RT=f(RF,RP)等于交易對手銀行的風險RF加上企業項目風險RP后,減去二者之間重疊部分(ρFPσP/σF)RF.從而解決了基于銀行間交易對手風險疊加的企業項目總體風險RT的測算問題.

5 結束語

本文采用了72個樣本對項目風險要素和企業項目總體風險進行了實證分析.利用bootstrap抽樣提擴充到10 000個樣本進行穩健性分析.分析結果表明:

1)測算的項目風險要素的權重具有一般穩定性.其重要性排列順序依次為政府風險R1(w1=0.282),投資風險R4(w4=0.253),信用風險R5(w5=0.225),政策風險R3(w3=0.197),行業風險R2(w2=0.043).

2)穩健性分析結果表明,盡管10 000樣本和72樣本的經驗參數存在差異,但得到的企業項目總風險的序關系是相同的.利用72樣本得到的企業項目總體風險測算模型具有一般規律性.

[1]王玲玲,強茂山.銀行固定資產貸款項目風險等級評定體系的構建[J].項目管理技術,2006,4(10):49–53.

Wang Lingling,Qiang Maoshan.The risk rating system of bank assets loan project[J].Project Management Technology,2006,4(10): 49–53.(in Chinese)

[2]吳 沖,呂靜杰,潘啟樹,等.基于模糊神經網絡的商業銀行信用風險評估模型研究[J].系統工程理論與實踐，2004,24(11): 1–8.

Wu Chong,L¨uJingjie,Pan Qishu,et al.Commercial bank credit risk evaluation model based on fuzzy neutrul networks[J].Systems Engineering:Theory and Practice,2004,24(11):1–8.(in Chinese)

[3]王春峰,趙 欣,韓 冬.基于改進蟻群算法的商業銀行信用風險評估方法[J].天津大學學報:社會科學版,2005,7(2):81–85.

Wang Chunfeng,Zhao Xin,Han Dong.Commercial credit risk assessment methods based on ant colony optimization algorithm[J]. Journal of Tianjin University:Social Sciences,2005,7(2):81–85.(in Chinese)

[4]吳 沖,郭英見,夏 晗.基于模糊積分支持向量機集成的商業銀行信用風險評估模型研究[J].運籌與管理,2009,18(2): 115–119.

Wu Chong,Guo Yingjian,Xia Han.Commercial bank credit risk evaluation model based on fuzzy support vector integrated[J]. Operations Research and Management,2009,18(2):115–119.(in Chinese)

[5]王 犁.我國商業銀行信用指標體系及綜合評價[J].河北工程大學學報,2009,26(1):25–27.

Wang Li.Commercial bank credit index system and comprehensive evaluation[J].Journal of Hebei University,2009,26(1):25–27. (in Chinese)

[6]ICRT.Rating methodology for project fnance transactions[R].ICRT Limited,2003:15–36.

[7]Stand&Poor’s.Global Project Finance Yearbook[R].New York:Stand&Poor,2008:91–96.

[8]王雪青,王 卉.BOT項目中銀行貸款的信用風險分析[J].沈陽理工大學學報,2005,24(2):57–62.

Wang Xueqing,Wang Hui.Bank loans credit risk analysis of BOT project[J].Journal of Shenyang Ligong University,2005,24(2): 57–62.(in Chinese)

[9]劉淑妮,楊茂盛.基于模糊綜合評價法的房地產投資風險研究[J].西安工程大學學報,2009,23(3):120–124.

Liu Shuni,Yang Maosheng.The study on real estate investment risk based on fuzzy comprehensive assesment[J].Journal of Xi’an Polytechnic University,2009,23(3):120–124.(in Chinese)

[10]敖 慧.信用擔保項目風險的多級模糊綜合評價[J].武漢理工大學學報,2006,28(10):121–123.

Ao Hui.Credit guarantee project risks evaluation based on multi-structure fuzzy comprehensive assement[J].Journal of Wuhan University of Technology,2006,28(10):121–123.(in Chinese)

[11]周 泓,邱 月.交叉熵算法在企業違約風險評估中的應用研究[J].計算機工程與應用,2008,44(20):13–16.

Zhou Hong,Qiu Yue.Enterprise default risk assessment using the cross entropy method[J].Computer Engineering and Application, 2008,44(20):13–16.(in Chinese)

[12]林則夫.基于巴塞爾新資本協議的項目融資貸款風險評價體系[J].中國管理科學,2008,16(S1):346–352.

Lin Zefu.The poject loan risk measure system based on the New Basel Accords[J].Chinese Journal of Management Science,2008, 16(S1):346–352.(in Chinese)

[13]單曉麗,戴大雙.項目融資中貸款銀行面臨的關鍵風險識別[J].統計與決策,2009(10):134–136.

Shan Xiaoli,Dai Dashuang.The banks key risk of project loan[J].Statistics and Decision,2009(10):134–136.(in Chinese)

[14]馬中華,朱道立.物流企業在存貨質押融資中的決策問題研究[J].系統工程學報,2011,26(03):346–351.

Ma,Zhonghua,Zhu Daoli.Research of the logistics enterprises decision-making in the inventory fnancing[J].Journal of Systems Engineering,2011,26(03):346–351.(in Chinese)

[15]Yeo K T,Tiong R L K.Positive management of differences for risk reduction in BOT projects[J].International Journal of Project Management,2000,18(4):257–265.

[16]Marrison C.Risk measurement for project fnance guarantees[J].The Journal of Project Finance,2004,summer:1–11.

[17]Gatti T.Measuring value-at-risk in project fnance transactions[J].European Financial Management,2007,13(1):135–158.

[18]遲國泰.銀行間交易對手債項信用風險管理系統[R].大連:大連理工大學,2010:183–196.

Chi Guotai.Debt credit risk evaluation system of interbank business[R].Dalian:Dalian University of Technology,2010:183–196. (in Chinese)

The project risk assessment based on cournterparty risk superposition

Chi Guotai1,Xu Zhandong1,2,Dang Junzhang3
(1.School of Business Management,Dalian University of Technology,Dalian 116025,China; 2.School of Math and Quantitative Economics,Northeast University of Finance and Economic,Dalian 116025,China; 3.Department of Risk Management,China Post Saving Bank,Beijing 100001,China)

According to the characteristics of a project which the counterparty bank has invested in,the information entropy method is applied to assessing the project risk as the weighted average of risk factor such as the degree of government support and industry climate index.By proving that the correlation coeffcient is 0 between the counterparty bank risk and the project risk after eliminating the effect of the correlation of the counterparty risk,an overall projects risk assessment model is set up to measure the project overall risk.The result of robust analysis shows that it is statistically consistent for the overall projects risk assessment model based on counterparty risk superposition.

counterparty bank;counterparty risk;project risk;risk superposition;risk assessment

F830.33;C931;O224

A

1000?5781(2015)04?0485?09

10.13383/j.cnki.jse.2015.04.006

2013?03?04;

2013?08?19.

國家自然科學基金資助項目(71171031);教育部科學技術研究資助項目(2011-10);國家自然科學基金青年科學基金資助項目(71201018);教育部人文社會科學研究青年基金資助項目(11YJC790157);河北省自然科學基金青年科學基金資助項目(G2012501013).

遲國泰(1955—),男,黑龍江海倫人,博士,教授,博士生導師,研究方向:風險管理,金融工程,Email:chigt@dlut.edu.cn;

徐占東(1971—),男,吉林磐石人,博士,講師,研究方向:風險管理,Email:xuzhandong@163.com;

黨均章(1963—),男,北京人,博士,高級經濟師,研究方向:銀行風險管理,Email:junzhangdang@163.com.