基于商業銀行信用風險Credit Metrics模型的改進

摘? 要：我國商業銀行面臨的信用風險十分突出，但在信用風險量化方面卻與國際先進水平差距較大。本文用信貸資產五級分類代替原有的信用評級改進Credit Metrics模型，這是我國對于現有Credit Metrics模型改進的一種全新嘗試。最后，對使用新Credit Metrics模型提出建議。

關鍵詞：銀行;信用風險;改進

一、引言

信用風險，是指由于借款人或市場交易對手違約導致經濟損失的可能性。廣義的信用風險還包括由于借款人或市場交易對手信用評級降低導致資產市場價值下降而引起經濟損失的可能性。我國商業銀行面臨的信用風險問題十分突出。長期以來，我國商業銀行的利率受到央行管制，導致其一直處于存貸利差較大的局面。20世紀90年代，信用風險管理方法取得突破性進展。主要表現在以Credit Metrics模型為代表的信用風險量化模型的成功開發，信用風險管理也因此由基于財務指標的模型分析階段跨入了現代信用風險模型分析階段。

Credit Metrics模型被成功開發后，國內外學者對其展開了深入研究。Bassamboo.A（2008）使用Credit Metrics模型有效地通過蒙特卡羅模擬法計算信用風險;Anonymous（2009）構建了樣本債務公司個數分別為1000、5000、10000的三種貸款組合，運用Credit Metrics模型進行信用風險的計算，實證結果較好，而且針對非交易性金融資產可以進行信用風險預測和度量;肖杰、杜子平（2010）以兩筆貸款組合為例，運用Credit Metrics模型對貸款組合的信用風險進行實證分析。通過實證研究削弱Credit Metrics模型中存在的局限性，從而更準確地測算違約率;牛曉健（2012）借鑒Credit Metrics模型的思路，在國內首次計算了供應鏈融資的風險轉移矩陣，對我國商業銀行開展的供應鏈融資進行量化風險測度，揭示其風險程度，為商業銀行如何進行供應鏈融資風險管理提出切實可行的建議。王寶森，梅盼盼（2016）對Credit Metrics模型進行了改進。

二、模型改進

（一）Credit Metrics模型的改進思路

目前，全面引入Credit Metrics模型應用于國內商業銀行信用風險量化仍面臨一系列的困難，主要體現在以下幾個方面：1、國內商業銀行未建立起有關信用資產的歷史數據庫。Credit Metrics模型中信用等級轉移矩陣是以大量歷史數據為基礎的，我國商業銀行目前無法提供該數據;2、國內信用評級體系尚不成熟。我國缺少權威的評級機構，銀行內部信用評級體系不完善也不統一，未達到Credit Metrics模型的要求;3、我國利率市場化進程緩慢。由于缺少準確的基準貼現利率，因此估計信用資產的現值存在困難。

與信用評級在我國應用不夠普及和不夠完善不同，信貸資產五級分類法在國內商業銀行已經普遍被使用，且具有以下幾個方面的特點：（1）覆蓋面廣。信貸資產五級分類法是央行強制要求的，覆蓋了公司類、機構類、個人類等所有信貸客戶;（2）歷史數據豐富。信貸資產五級分類法是目前我國商業銀行信用風險管理的基礎，因此各商業銀行的信貸管理信息系統都有豐富的分類信息，歷史數據完善;（3）數據更新及時。根據央行規定，信貸資產五級分類法采用實時分類，至少一個季度進行一次分類;（4）反映的風險情況更真實。在客戶信用評級中，較少考慮債項的具體情況，而信貸資產五級分類法已充分考慮貸款條件及擔保情況。因此對于具體債項，五級分類法更能真實反映我國商業銀行所面臨的信用風險。

（二）.新Credit Metrics模型的假設

1、貸款發生后，其未來的價值和風險完全由遠期利率決定。模型中的唯一變量是離散的貸款風險等級，每個貸款風險等級有對應的遠期利率曲線;

2、同一貸款風險等級的貸款是同質的。同一貸款風險等級的貸款擁有相同的轉移矩陣和違約概率，轉移概率遵循馬爾可夫過程，且實際違約概率與歷史違約概率相等;

3、風險期限是固定的，通常為一年;

4、違約不僅指借款方到期沒有償還款項，還包括貸款風險等級下降所導致的信貸資產市場價值的下跌，并且違約事件發生在債務到期時。

三、結論

基于完善商業銀行的信貸資產五級分類體系可以從兩方面完善信貸資產五級分類體系。一是增加貸款風險等級數目，例如在關注、次級、可疑等級里進行再分類，等級數目的增加可縮小每一等級所占的概率區間，從而得出更準確的價值變化分布曲線。二是提高貸款分類考察的全面性，考察不僅涉及貸款項，還要涉及借款方信用、品質、償債能力和資本等情況，從而增加貸款分類的準確性。

參考文獻：

[1]Bassamboo A， Juneja S， Zeevi J A. Portfolio Credit Risk with Extremal Dependence： Asymptotic Analysis and Efficient Simulation[J].Operations Research，2008，56：435 -451.

[2]Anonymous.Fitch Ratings; Fitch：Declining Credit Metrics To Continue for U.S. Auto Finance Companies[J]. Journal Of Transportation， 2009，3 （2）：236-252.

[3]肖杰，杜子平. Credit Metrics模型下組合信用風險應用與改進研究[J].財會通訊，2010，5：150-152.

[4][26]牛曉健.供應鏈融資的風險測度與管理——基于中國銀行交易數據的實證研究[J].金融研究，2012，11：138-151.

[5]王寶森，梅盼盼.基于改進Credit Metric模型的商業銀行信用風險度量及實證研究[J].安徽農業大學學報，2016，25（2）：36-42.

作者簡介：

潘仔豪（1995.6-）;性別：男;籍貫：浙江省臺州市;學歷：碩士研究生;研究方向：量化投資。