鋼鐵行業信貸風險評估分析
——基于改進的Credit Metrics模型

閆海波，胡燕青

（新疆財經大學統計與數據科學學院，新疆 烏魯木齊 830000）

引言

2020年習總書記提出“雙碳”規劃，即2030年前實現碳達峰、2060年前實現碳中和，這是可持續發展的內在要求，也體現了我國的大國擔當。鋼鐵行業作為制造業里碳排放量最大的行業，排放總量占全國總量的15%左右，因此必須加快推進產業綠色低碳轉型，力爭提前實現鋼鐵行業的碳達峰。在時代發展的新要求下，企業的可持續發展與環境因素息息相關，在此背景下，ESG（環境、社會和公司治理）評級應運而生，更符合綠色發展的新要求。本文綜合傳統信用評級和ESG評級，賦予權重均為0.5，最后給出綜合信用等級。利用Credit Metrics模型得出傳統信用評級相同的三家鋼鐵企業的新等級下的VaR值，并進行實際分析。

1 鋼鐵行業信用風險評估的發展及現狀

國外關于信貸風險評估的研究發展較早，很多經典模型如今已經使用廣泛。如1980年，Ohlson就對幾千家公司進行分析，結果表明對于一個企業的生產經營影響最大的三個因素為：資金流動性、資產報酬率和企業規模[1]。2007年，Altman和Sabato主要采取邏輯回歸分析法，從企業違規的角度預測出中小企業的違約，相比其他預測模型準確度要高許多[2]。國內有關信貸風險評估的文獻大多是對國外常見信貸風險評估方法的優缺點分析，也有部分學者對傳統的信貸風險評估進行改進。如2018年，譚文米通過對Credit Metrics模型的參數輸入和計算方法進行優化和改進，實證分析得出計算CVaR的方法相比較于傳統VaR方法更適用尾部比較厚的信用風險[3]。2019年，徐奕佳通過對Credit Metrics模型的轉移矩陣進行建模，利用Em算法處理缺失數據提高了數據的科學性，能夠有效預防尾部風險[4]。史越（2017）通過在綠色信貸、環境信息披露、環境會計信息以及其他指標進行研究的基礎上，對綠色信貸在鋼鐵行業中實施的難點進行分析和解決。具體到鋼鐵企業這類以重污染為首要特征的行業，就需要該評價指標能夠突出企業的環保能力[5]。滕云、高輝（2020）將重污染企業和非重污染企業分別作為實驗組和控制組，應用傾向得分匹配法（PSM）對樣本企業進行精確匹配，實證結果表明：綠色信貸政策的實施會使重污染企業的投資效率下降[6]。

2 Credit Metrics模型的構建和改進

2.1 VaR概述

2.1.1 VaR原理

VaR（Value at Risk）方法最先是由JP摩根提出用于度量不同市場條件下的風險，含義是一定時期內，在給定的顯著水平下的某一資產組合能夠承受最大的風險以及風險所帶來的最小損失。

由公式（1）可推導出公式（2）：

式中：L為資產在一定時期內的損失值；α為顯著水平。當α=99%時，我們可以說在一定時期內有99%的把握保證資產的損失不超過VaR。

2.1.2 V aR的計算方法

平時我們計算資產的風險值時為了簡便計算一般假定資產的波動服從正態分布。但是，實際的信用風險具有明顯的“厚尾”和“尖峰”特點，那么就會產生比較大的誤差。我們首先來計算一般分布下的VaR，而正態分布下的VaR看做是一種特殊情況。

首先假定某一資產的初始值為V0，R為資產收益率，則到期后該資產的價值為：

在給定的置信水平α下，則有：

式中：Vα為該置信水平下最小價值；Rα為最低收益率。

2.2 Credit Metrics模型

Credit Metrics模型是目前衡量風險使用最多的模型之一，該方法是一種基于VaR理論進行度量的信用風險模型,并考慮到幾種風險同時對貸款組合的影響，進而計算出該組合的在險價值。但是由于一些大型公司的資產具有一定的流動性，并且可獲取清晰明確的數據比較少等原因，這樣就造成了VaR計算的難度。

模型參數的選取和改進。一個適當的轉移矩陣是模型的基礎，對于大多數鋼鐵企業，國內的評級機構給予的信用評級大多都為AA和AAA。由于國家倡導綠色低碳發展，所以以往傳統的風險評估方式就不太貼合這個時代的要求。而相對于根據一個企業的財務狀況來衡量企業的信用狀況，為了迎合發展要求，ESG（環境、社會和公司治理）應運而生。本文給出傳統信用評級和ESG評級權重均為0.5，最后綜合給出加入ESG評分后的等級。整合之后如表1所示。

表1 鋼鐵企業整合后的綜合評級

對于轉移評級矩陣和閾值本文采取標準的普爾轉移矩陣。對于違約回收率，由于鋼鐵企業屬于重工業，故本文統一選取53.8%（高級有擔保）。根據違約回收率與到期的貸款現值，能夠計算出企業如果發生違約，銀行能夠收回的金額。我們能夠得出不同等級資產的到期價值。

式中：Vij為信用等級從i轉為j的資產現值；Ci為第i年的利息；ri為第i年的遠期無風險利率；F表示資產到期的本金值；n為資產的剩余年限。

式中：r為違約回收率；F為貸款到期后的本金；Vr為該資料發生違約時能收回的資產價值。對于遠期風險貼現期限結構的給定采取標準普爾遠期貼現率。

3 實證分析

假設某一商業銀行有一定的綠色貸款余額，分別貸款給傳統信用評級為AA級甲乙丙三家鋼鐵企業，假設貸款同時為2 000萬元。利率為6%，年限為5年，已知，甲企業目前綜合評級為BBB，乙企業目前綜合評級為A，丙企業目前綜合評級為AA，由于都是鋼鐵行業，則違約回收率統一為50.6%，計算一年期限內在置信度為99%的最大損失值。由公式可得甲企業一年到期后，信用等級由BBB升至AAA時，貸款的價值為：

同理可算出信用等級由BBB轉至AA、A、BBB、BB、B、CCC，或發生違約時，貸款的價值，進一步得出甲企業的貸款價值變化表，見表2。

表2 甲企業的貸款價值變化情況

由表2可知，對于這筆貸款，損失超過478.09萬元的概率為0.30%，損失超過188.9萬元的概率為1.47%，我們利用插值法來分別估計置信度為95%和99%的在險價值VaR：

即V甲0.01=305.06萬元，V甲0.05=136.67萬元，則表示在99%的置信水平下甲公司貸款的VaR為305.06萬元，95%的置信水平下甲公司貸款的VaR為136.67萬元。由此，我們可以說有99%的把握這筆貸款一年后的損失額不會超過305.1萬元，有95%的把握這筆貸款一年后的損失額不會超過136.7萬元。

若假設甲企業服從正態分布，則可求得甲企業貸款一年后的價值期望和方差，分別為：

因此，99%的置信水平下甲企業貸款的VaR為2.33σ甲，即135.51萬元，95%的置信水平下的VaR為1.645σ甲，即95.67萬元。

由計算結果可知，正態分布下的VaR值與實際情況下的值有一定誤差，即不完全符合正態分布。

同理，我們利用以上兩種方法計算出乙、丙企業一年后貸款的VaR值。由于計算方法和理念相同，本文不一一給出求解過程，直接給出結果。

乙企業：

插板法：V乙0.01=140.14萬元，V乙0.05=59.27萬元。正態分布下：V0.01=74.34萬元，V0.05=52.48萬元。

丙企業：

插板法：V丙0.01=32.49萬元，V丙0.05=22.92萬元。正態分布下：V0.01=28.23萬元，V0.05=19.93萬元。

由以上結果可知，在銀行同時給予綠色貸款2 000萬元時，信用級別不同風險也不同。傳統信用等級同為AA級的三家公司，在加入ESG等級后，VaR值出現了非常大的差距。如一年后丙企業發生損失不超過32.5萬元的概率為99%；乙企業發生損失不超過140.1萬元的概率為99%；甲企業發生損失不超過305.1萬元的概率為99%。由此可見，隨著ESG信用級別越低，隨之而來貸款風險越高，以銀行視角來分析，ESG級別越高的企業應給予更多的貸款額度，級別較低的企業不僅需要降低貸款額度還要重點加以關注，防止風險發生。

4 結論和展望

4.1 結論

本文通過對Credit Metrics模型進行改進，加入符合新時代要求下的ESG評級，利用綜合后的信用等級進行風險預測，分析表明信用級別越低，隨之而來貸款風險越高，因此，對于商業銀行來說，級別越高的鋼鐵企業應給予更多的貸款額度，級別較低的企業不僅需要降低貸款額度還要重點加以關注，提高違約成本，防止風險發生。對于鋼鐵企業來說，不僅需要看重財務指標，還需要順應中國國情的發展，增大污染防治，綜合環境、社會和公司治理因素，促進企業可持續發展。

4.2 展望

在國內各大銀行加大綠色信貸融資力度的背景下，鋼鐵行業環境績效逐漸完善，鋼鐵企業的環境因素應該成為風險評估重點關注的方向，也由于鋼鐵行業發展不均衡的特殊性，加入環境因素更能約束中下游水平的鋼鐵公司，為未來發展指明方向。通過鋼鐵企業間的橫向對比，使得資金的流向更符合市場的規則，進一步迎合市場的合理分配要求，加快實現“雙碳”目標的計劃。