第二节 信用风险计量
信用风险计量是现代信用风险管理的基础和关键环节。信用风险计量经历了从专家判断法、信用评分模型到违约概率模型分析三个主要发展阶段，特别是《巴塞尔新资本协议》鼓励有条件的商业银行使用基于内部评级体系的方法(InternalRating-BasedApproach)来计量违约概率、违约损失并据此计算信用风险对应的资本要求，有力地推动了商业银行信用风险内部评级体系和计量技术的深入发展。
商业银行对信用风险的计量依赖于对借款人和交易风险的评估。《巴塞尔新资本协议》明确要求，商业银行的内部评级应基于二维评级体系：一维是客户评级，另一维是债项评级。通过客户评级、债项评级计量单一客户／债项的违约概率和违约损失率之后，商业银行还必须构建组合计量模型，用以计量组合内各资产的相关性和组合的预期损失。内部评级不仅在授信审批、贷款定价、限额管理、风险预警等基础信贷管理中发挥决策支持作用，而且也是制定信贷政策、计提准备金、分配经济资本以及进行经风险调整的绩效考核的重要基础。
一、客户信用评级
(一)客户信用评级的基本概念
客户信用评级是商业银行对客户偿债能力和偿债意愿的计量和评价，反映客户违约风险的大小。客户评级的评价主体是商业银行，评价目标是客户违约风险，评价结果是信用等级和违约概率(PD)。符合《巴塞尔新资本协议》要求的客户评级必须具有两大功能：一是能够有效区分违约客户，即不同信用等级的客户违约风险随信用等级的下降而呈加速上升的趋势；二是能够准确量化客户违约风险，即能够估计各信用等级的违约概率，并将估计的违约概率与实际违约频率的误差控制在一定范围内。
1．违约的定义
根据《巴塞尔新资本协议》的定义，当下列一项或多项事件发生时，债务人即被视为违约：
(1)商业银行认定，除非采取追索措施，如变现抵押品(如果存在的话)，借款人可能无法全额偿还对商业银行的债务。
(2)债务人对于商业银行的实质性信贷债务逾期90天以上(含90元)。若债务超过了规定的透支限额或新核定的限额小于目前余额，各项透支将被视为逾期。
(3)以下情况将被视为可能无法全额偿还债务：银行停止对贷款计息；在发生信贷关系后，由于信贷质量出现大幅度下降，银行冲销了贷款或计提了专项准备金；银行将贷款出售并相应承担了较大的经济损失；银行同意消极债务重组，由此可能发生较大规模的减免或推迟偿还本金、利息或费用，造成债务规模减少；就借款人对银行的债务而言，银行将债务人列为破产企业或类似的状况；债务人申请破产，或已经破产，或处于类似状态，由此将不履行或延期偿还银行债务。
违约定义是《巴塞尔新资本协议》内部评级法的最重要定义，是估计违约概率、违约损失率(LGD)、违约风险暴露(EAD)等信用风险参数的基础，体现了以客户为中心的信用风险管理理念。目前，我国大多数商业银行仍然以“贷款五级分类”作为信用风险管理的主要手段，业内尚无统一的违约定义，监管当局也未出台相应的监管指引。
2．违约概率
违约概率是指借款人在未来一定时期内发生违约的可能性。在《巴塞尔新资本协议》中，违约概率被具体定义为借款人内部评级1年期违约概率与0．03％中的较高者。巴塞尔委员会设定0．03％的下限是为了给风险权重设定下限，也是考虑到商业银行在检验小概率事件时所面临的困难。计算违约概率的1年期限与财务报表周期以及内部评级的最短时间完全一致，使监管当局在推行内部评级法时保持更高的一致性，而基于贷款期限就无法做到这一点。违约概率是实施内部评级法的商业银行需要准确估计的重要风险要素，无论商业银行是采用内部评级法初级法还是内部评级法高级法，都必须按照监管要求估计违约概率。
违约概率的估计包括两个层面：一是单一借款人的违约概率；二是某一信用等级所有借款人的违约概率。《巴塞尔新资本协议》要求实施内部评级法的商业银行估计其各信用等级借款人所对应的违约概率，常用方法有历史违约经验、统计模型和外部评级映射三种方法。
(二)客户信用评级的发展历程
从国际银行业的发展历程来看，商业银行客户信用评级在过去几十年甚至上百年的时间里，大致经历了专家判断法、信用评分法、违约概率模型分析三个主要发展阶段。由于我国商业银行经营历史比较短，而且一直忽视数据积累，缺乏数据分析经验和技术，因此，大部分商业银行在积极学习和引进数量分析方法的同时，依然普遍使用比较传统的客户信用评级方法。
1．专家判断法
专家判断法即专家系统(ExpertSystem)，是商业银行在长期经营信贷业务、承担信用风险过程中逐步发展并完善起来的传统信用分析方法。专家系统是依赖高级信贷人员和信贷专家自身的专业知识、技能和丰富经验，运用各种专业性分析工具，在分析评价各种关键要素基础上依据主观判断来综合评定信用风险的分析系统。一般而言，专家系统在分析信用风险时主要考虑两方面因素：
(1)与借款人有关的因素：
声誉(Reputation)。借款人的声誉是在其与商业银行的历史借贷关系中反映出来的，如果该借款人过去总能及时、全额地偿还本金与利息，那么他就具有良好的声誉，也就能较容易或以较低的价格从商业银行获得贷款。杠杆(Leverage)。借款人的杠杆或资本结构，即资产负债比率对借款人违约概率影响较大。杠杆比率较高的借款人相比杠杆比率较低的借款人，其未来面临还本付息的压力要大得多，其违约概率也就会高很多。如果贷款给杠杆比率较高的借款人，商业银行就会相应提高风险溢价。
收益波动性(VolatilityofEarnings)。如果未来面临同样的本息还款要求，在期望收益相等的条件下，收益波动性高的企业更容易违约，信用风险较大。因此，对于处于成长期的企业或高科技企业而言，由于其收益波动性较大，商业银行贷款往往非常谨慎，即使贷款，其利率也会较高。
(2)与市场有关的因素：经济周期、宏观经济政策和利率水平。目前所使用的专家系统，虽然有各种各样的架构设计，但其选择的关键要素都基本相似，其中，对企业信用分析的5Cs系统使用最为广泛。5Cs系统是指：
品德(Character)，是对借款人声誉的衡量。
资本(Capital)，是指借款人的财务杠杆状况及资本金情况、还款能力。主要从两个方面进行分析：一方面是借款人未来现金流量的变动趋势及波动性；另一方面是借款人的管理水平，银行不仅要对借款人的公司治理机制、日常经营策略、管理的整合度和深度进行分析评价，还要对其各部门主要管理人员进行分析评价。
抵押(Collateral)，借款人应提供一定的、合适的抵押品以减少或避免商业银行贷款损失，特别是在中长期贷款中，如果没有担保品作为抵押，商业银行通常不予放款。商业银行对抵押品的要求权级别越高，抵押品的市场价值越大，变现能力越强，则贷款的风险越低。
经营环境(Condition)，主要包括商业周期所处阶段、借款人所在行业状况、利率水平等因素。商业周期是决定信用风险水平的重要因素，尤其是在周期敏感性的产业；借款人处于行业周期的不同阶段以及行业的竞争激烈程度，对借款人的偿债能力也具有重大影响；利率水平也是影响信用风险水平的重要环境因素。
除5Cs系统外，使用较为广泛的专家系统还有针对企业信用分析的5Ps系统和对商业银行等金融机构的骆驼(CAMEL)分析系统。
5Ps包括：个人因素(PersonalFactor)、资金用途因素(PurposeFactor)、还款来源因素(PaymentFactor)、保障因素(ProtectionFactor)、企业前景因素(PerspectiveFactor)。骆驼分析系统包括资本充足率(CapitalAdequacy)、资产质量(AssetQuality)、管理水平(Management)、盈利水平(Earnings)、流动个性(Liquidity)。
2．信用评分法
信用评分模型是一种传统的信用风险量化模型，利用可观察到的借款人特征变量计算出一个数值(得分)来代表债务人的信用风险，并将借款人归类于不同的风险等级。对个人客户而言，可观察到的特征变量主要包括收入、资产年龄、职业以及居住地等；对法人客户而言，包括现金流量、财务比率等。
信用评分模型的关键在于特征变量的选择和各自权重的确定。目前，应用最广泛的信用评分模型有：线性概率模型(LinearProbabilityModel)、Logit模型、Probit模型和线性辨别模型(LinearDiscriminantModel)。运用信用评分模型进行信用风险分析的基本过程是：
(1)根据经验或相关性分析，确定某一类别借款人的信用风险主要与哪些经济或财务因素有关，模拟出特定形式的函数关系式。
(2)根据历史数据进行回归分析，得出各相关因素的权重以体现其对这一类借款人违约的影响程度。
(3)将属于此类别的潜在借款人的相关因素数值代入函数关系式计算出一个数值，根据该数值的大小衡量潜在借款人的信用风险水平，给予借款人相应评级并决定贷款与否。
尽管信用评分模型是商业银行分析借款人信用风险的主要方法之一，但在使用过程中同样存在一些突出问题：
第一，信用评分模型是建立在对历史数据(而非当前市场数据)模拟的基础上，因此是一种向后看(BackwardLooking)的模型。由于历史数据更新速度比较慢，因此回归方程中各特征变量的权重在一定时间内保持不变，从而无法及时反映企业信用状况的变化。
第二，信用评分模型对借款人历史数据的要求相当高，商业银行需要相当长的时间才能建立起一个包括大多数企业历史数据的数据库。此外，对新兴企业而言，由于其成立时间不长，历史数据则更为有限，这使得信用评分模型的适用性和有效性受到影响。
第三，信用评分模型虽然可以给出客户信用风险水平的分数，却无法提供客户违约概率的准确数值，而后者往往是信用风险管理最为关注的。
3．违约概率模型
违约概率模型分析属于现代信用风险计量方法。20世纪90年代以来，信用风险量化模型在银行业得到了高度重视和快速发展，涌现出一批能够直接计算违约概率的模型，其中具有代表性的模型有穆迪的RiskCalc和CreditMonitor，KPMG的风险中性定价模型和死亡率模型(将在下一节详细介绍)，在银行业引起了很大反响。
信用风险量化模型在金融领域的发展也引起了监管当局的高度重视。1999年4月，巴塞尔委员会发布了题为《信用风险模型化：当前的实践和应用》研究报告，探讨了信用风险量化模型的应用对国际金融领域风险管理的影响，以及这些模型在金融监管尤其是在经济资本监管方面应用的可能性。《巴塞尔新资本协议》也明确规定，实施内部评级法的商业银行可采用模型估计违约概率。毫无疑问，信用风险量化模型的发展正在对传统的信用风险管理模式产生革命性的影响。
与传统的专家判断和信用评分法相比，违约概率模型能够直接估计客户的违约概率，因此对历史数据的要求更高，需要商业银行建立一致的、明确的违约定义，并且在此基础上积累至少5年的数据。针对我国银行业的发展现状，商业银行将违约概率模型和传统的信用评分法、专家系统相结合，取长补短，有助于提高信用风险评估／计量水平。
(1)RiskCalc模型。
RiskCale模型是在传统信用评分技术基础上发展起来的一种适用于非上市公司的违约概率模型，其核心是通过严格的步骤从客户信息中选择出最能预测违约的一组变量，经过适当变换后运用Logit／Probit回归技术预测客户的违约概率。
(2)CreditMonitor模型。
CreditMonitor模型是在Merton模型基础上发展起来的一种适用于上市公司的违约概率模型，其核心在于把企业与银行的借贷关系视为期权买卖关系，借贷关系中的信用风险信息因此隐含在这种期权交易之中，从而通过应用期权定价理论求解出信用风险溢价和相应的违约率，即预期违约频率(ExpectedDefaultFrequency，EDF)。
(3)KPMG风险中性定价模型。
风险中性定价理论的核心思想是假设金融市场中的每个参与者都是风险中立者，不管是高风险资产、低风险资产或无风险资产，只要资产的期望收益是相等的，市场参与者对其的接受态度就是一致的，这样的市场环境称为风险中性范式。KPMG公司将风险中性定价理论运用到贷款或债券的违约概率计算中，由于债券市场可以提供与不同信用等级相对应的风险溢价，根据期望收益相等的风险中性定价原则，每一笔贷款或债券的违约概率就可以相应计算出来。
(4)死亡率模型。
死亡率模型是根据贷款或债券的历史违约数据，计算在未来一定持有期内不同信用等级的贷款或债券的违约概率，即死亡率，通常分为边际死亡率(MarginalMortalityRate，MMR)和累计死亡率(CumulatedMortalityRate，CMR)。
二、债项评级
(一)债项评级的基本概念
1．债项评级
债项评级是对交易本身的特定风险进行计量和评价，反映客户违约后的债项损失大小。特定风险因素包括抵押、优先性、产品类别、地区、行业等。债项评级既可以只反映债项本身的交易风险，也可以同时反映客户信用风险和债项交易风险。
2．债项评级与客户评级的关系
客户评级与债项评级是反映信用风险水平的两个维度，客户评级主要针对交易主体，其等级主要由债务人的信用水平决定；而债项评级是在假设客户已经违约的情况下，针对每笔债项本身的特点预测债项可能的损失率。因此一个债务人只能有一个客户评级，而同一债务人的不同交易可能会有不同的债项评级。
3．损失
客户违约后给商业银行带来的债项损失包括两个层面：一是经济损失，考虑所有相关因素，包括折现率、贷款清收过程中较大的直接成本和间接成本；二是会计损失，也就是商业银行的账面损失，包括违约贷款未收回的贷款本金和利息两部分。
4．违约风险暴露(EAD)
违约风险暴露是指债务人违约时的预期表内表外项目暴露总和。如果客户已经违约，则违约风险暴露为其违约时的债务账面价值；如果客户尚未违约，则违约风险暴露对于表内项目为债务账面价值，对于表外项目为已提取金额+信用转换系数×已承诺未提取金额。
5．违约损失率(LGD)
违约损失率是指某一债项违约导致的损失金额占该违约债项风险暴露的比例，其估计公式为损失／违约风险暴露。(损失的严重程度，LGD=1－回收率)《巴塞尔新资本协议》要求实施内部评级法高级法的商业银行必须自行估计每笔债项的违约损失率，而实施内部评级法初级法的商业银行则由监管当局根据资产类别给定违约损失率。估计违约损失率的损失是经济损失，必须以历史回收率为基础，参考至少7年、涵盖一个经济周期的数据。
(二)债项评级的方法
对贷款的债项评级主要是通过计量借款人的违约损失率来实现的。
1．影响违约损失率的因素
影响违约损失率的因素有多方面，主要包括：
(1)产品因素。这类因素直接与债项的具体设计相关，反映了违约损失率的产品特性，也反映了商业银行在具体交易中通过交易方式的设计来管理和降低信用风险的努力，包括清偿优先性(Seniority)、抵押品等。
(2)公司因素。这类因素指与特定的借款企业相关的因素，但不包括其行业特征。影响违约损失率的公司因素主要是借款企业的资本结构，一方面表现为企业的融资杠杆率，即总资产和总负债的比率；另一方面表现为企业融资结构下的相对清偿优先性。
(3)行业因素。许多研究表明，企业所处的行业对违约损失率有明显的影响，即在其他因素相同的情况下，不同的行业往往有不同的违约损失率。例如，有形资产较少的行业(如服务业)的违约损失率往往比有形资产密集型行业(如公用事业部门)的违约损失率高。
(4)地区因素。对于国内商业银行而言，由于不同地区经济发展水平、法律环境、社会诚信文化、分行管理水平等存在较大差异，因此，企业所处的地区对违约损失率也具有明显的影响。
(5)宏观经济周期因素。宏观经济的周期性变化是影响违约损失率的重要因素。根据对穆迪评级公司债券数据的研究，经济萧条时期的债务回收率要比经济扩张时期的回收率低1／3；而且，经济体系中的总体违约率(代表经济的周期性变化)与回收率呈负相关。
上述五个方面的因素共同决定了违约损失率的水平及其变化，但其对违约损失率的影响程度是有差异的。2002年，穆迪公司在违约损失率预测模型LossCalc的技术文件中所披露的信息表明，首先是清偿优先性等产品因素对违约损失率的影响贡献度最高，为37％左右；其次是宏观经济环境因素，为26％左右；再次是行业性因素，为21％左右；最后是企业资本结构因素，为16％左右。
2．计量违约损失率的方法
计量违约损失率的方法主要有以下两种：
(1)市场价值法。通过市场上类似资产的信用价差率推算违约损失率，其假设前提是市场能及时有效反映债券发行企业的信用风险变化，主要适用于已经在市场上发行并且可交易的大企业、政府、银行债券。根据所采用的信息中是否包含违约债项，市场价值法又进一步细分为市场法(采用违约债项计量非违约债项LGD)和隐含市场法(不采用违约债项，直接根据信用价差计量LGD)。
(2)回收现金流法。根据违约历史清收情况，预测违约贷款在清收过程中的现金流。
三、信用组合风险计量
(一)违约相关性
违约的发生主要基于以下原因：债务人自身因素，如经营管理不善、出现重大项目失败等；债务人所在行业或地区因素，如整个行业受到原材料价格上涨的冲击，或某一地区发生重大事件；宏观经济因素，如GDP增长放缓、贷款利率上升、货币贬值等。其中，行业或地区因素将同时影响同一行业或地区所有债务人违约的可能性，而宏观经济因素将导致不同行业之间的违约相关性。
因此在计量单个债务人的违约概率和违约损失之后，还应当在组合层面计量不同债务人或不同债项之间的相关性。
(二)信用风险组合模型
由于存在风险分散化效应，投资组合的整体风险小于等于其所包含的单一资产风险的简单加总。尽管市场风险组合模型的广泛应用推动了信用风险组合模型的发展，但由于信用风险的收益分布与正态分布(市场风险管理的假设基础)相差甚远，信用风险组合模型的开发过程变得相当复杂。目前国际银行业应用比较广泛的组合模型包括：CreditMetrics模型、CreditPortfolioView模型(仿真模型)、CreditRisk+模型(解析模型)等。
1．CreditMetrics模型
CreditMetrics模型本质上是一个VaR模型，目的是为了计算出在一定的置信水平下，一个信用资产组合在持有期限内可能发生的最大损失。通常，非交易性资产组合(如贷款以及一些私募债券)的价格不能够像交易性资产组合(如股票)的价格一样容易获得，因此，非交易性资产组合的价格波动率(标准差)同样难以获得。CreditMetrics模型的创新之处正是在于解决了计算非交易性资产组合VaR这一难题。
2．CreditPortfolioView模型
麦肯锡公司提出的CreditPortfolioView模型直接将转移概率与宏观因素的关系模型化，然后通过不断加人宏观因素冲击来模拟转移概率的变化，得出模型中的一系列参数值。CreditPortfolioView模型可以看作是CreditMetrics模型的一个补充，因为该模型虽然在违约率计算上不使用历史数据，而是根据现实宏观经济因素通过蒙特卡洛模拟计算出来，但对于那些非违约的转移概率则还需要历史数据来计算，只不过将这些基于历史数据的转移概率进行了调整而已。该模型本身并不能计算出完整的等级转移矩阵。
CreditPortfolioView模型的基本思想是：等级转移矩阵中的每一项都表示借款人在一定期限内由一个信用等级转移到另一个信用等级的概率。该矩阵中，PCD表示借款人在期限内，信用等级由C变成违约的概率。可以说，经济衰退期的PCD比经济上升期的PCD要大。
3．CreditRisk4-模型
CreditRisk+模型是根据针对火灾险的财险精算原理，对贷款组合违约率进行分析的，并假设在组合中，每笔贷款只有违约和不违约两种状态。火灾险财险精算原理认为，投保火灾险的众多家庭同时发生火灾的概率是很小的，而且是相互独立的。与此相类似，CreditRisk+模型认为，贷款组合中不同类型的贷款同时违约的概率是很小的且相互独立，因此，贷款组合的违约率服从泊松分布。
(三)组合损失的压力测试
根据巴塞尔委员会2005年的定义，压力测试是一种风险管理技术，用于评估特定事件或特定金融变量的变化对金融机构财务状况的潜在影响。亚洲金融危机、俄罗斯货币危机、美国恐怖袭击事件等极端市场状况表明，仅基于“正常”运营条件下的风险管理是不够的。如果商业银行受到极端市场冲击的影响，将可能由于下述原因而导致实质性的损失：正常条件下的市场假设不再真实，相关性遭到破坏，流动性出现危机，对冲操作失效，极端事件迅速扩
散等。
作为商业银行日常风险管理手段的有效补充，压力测试早期主要用于市场风险管理，但随着时间的推移，业界也逐渐开始利用压力测试来补充信用风险模型的不足。压力测试主要具有如下功能：
(1)为估计商业银行在压力条件下的风险暴露提供方法，并帮助商业银行制定或选择适当的战略转移此类风险(如重组头寸，制定适当的应急计划)。
(2)提高商业银行对其自身风险特征的理解，推动其对风险特征随时间的变化情况的监控。
(3)帮助董事会和高级管理层确定该商业银行的风险暴露是否与其风险偏好一致。
(4)作为对主要基于历史数据和假设条件的风险模型的补充。
(5)压力测试帮助量化“尾部”风险(发生异常损失的风险)和重估模型假设(如关于波动性和相关性的假设)。
(6)评估商业银行在盈利性和资本充足率两方面承受压力的能力。压力测试主要采用敏感性分析和情景分析方法。敏感性分析用来测试单个风险因素或一小组密切相关的风险因素的假定运动(如收益曲线的平移)对组合价值的影响；情景分析模拟一组风险因素(如股权价格、汇率和利率)的多种情景对组合价值的影响。敏感度测试着重分析特定风险因素对组合或业务单元的影响，而情景分析评估所有风险因素变化的整体效应，更频繁地用于机构范围内的压力测试。实践中，商业银行可以对信用风险模型中的每一个变量进行压力测试。例如，对于一个具有相同风险暴露的特定信贷资产，在不同的经济周期所具有的违约概率是显著不同的，故而可以使用与经济增长期、衰退期以及平稳期相对应的平均违约率作为该资产的违约率，然后分别以三个违约率计算与其相对应的信用风险。此外，同样可以从违约损失率、无风险利率等方面进行压力测试。
四、国家风险主权评级
国家风险是指经济主体在与非本国居民进行国际经贸与金融往来时，由于别国经济、政治和社会等方面的变化而遭受损失的风险。国家风险不仅包括一个国家政府未能履行其债务所导致的风险(主权风险)，也包括主权国家以直接或间接方式影响债务人履行偿债义务的能力和意愿。从贷款角度而言，国家风险有如下几种常见的表现形式：拒付债务；延期偿付；无力偿债；重议利息；债务重组，再融资；取消债务。国家风险的评估指标包括三种：数量指标、比例指标、等级指标。
