基于商业银行信用风险Credit Metrics模型的改进

来源:用户上传      作者:

　　摘  要：我国商业银行面临的信用风险十分突出，但在信用风险量化方面却与国际先进水平差距较大。本文用信贷资产五级分类代替原有的信用评级改进Credit Metrics模型，这是我国对于现有Credit Metrics模型改进的一种全新尝试。最后，对使用新Credit Metrics模型提出建议。
　　关键词：银行;信用风险;改进
　　一、引言
　　信用风险，是指由于借款人或市场交易对手违约导致经济损失的可能性。广义的信用风险还包括由于借款人或市场交易对手信用评级降低导致资产市场价值下降而引起经济损失的可能性。我国商业银行面临的信用风险问题十分突出。长期以来，我国商业银行的利率受到央行管制，导致其一直处于存贷利差较大的局面。20世纪90年代，信用风险管理方法取得突破性进展。主要表现在以Credit Metrics模型为代表的信用风险量化模型的成功开发，信用风险管理也因此由基于财务指标的模型分析阶段跨入了现代信用风险模型分析阶段。
　　Credit Metrics模型被成功开发后，国内外学者对其展开了深入研究。Bassamboo.A（2008）使用Credit Metrics模型有效地通过蒙特卡罗模拟法计算信用风险;Anonymous（2009）构建了样本债务公司个数分别为1000、5000、10000的三种贷款组合，運用Credit Metrics模型进行信用风险的计算，实证结果较好，而且针对非交易性金融资产可以进行信用风险预测和度量;肖杰、杜子平（2010）以两笔贷款组合为例，运用Credit Metrics模型对贷款组合的信用风险进行实证分析。通过实证研究削弱Credit Metrics模型中存在的局限性，从而更准确地测算违约率;牛晓健（2012）借鉴Credit Metrics模型的思路，在国内首次计算了供应链融资的风险转移矩阵，对我国商业银行开展的供应链融资进行量化风险测度，揭示其风险程度，为商业银行如何进行供应链融资风险管理提出切实可行的建议。王宝森，梅盼盼（2016）对Credit Metrics模型进行了改进。
　　二、模型改进
　　（一）Credit Metrics模型的改进思路
　　目前，全面引入Credit Metrics模型应用于国内商业银行信用风险量化仍面临一系列的困难，主要体现在以下几个方面：1、国内商业银行未建立起有关信用资产的历史数据库。Credit Metrics模型中信用等级转移矩阵是以大量历史数据为基础的，我国商业银行目前无法提供该数据;2、国内信用评级体系尚不成熟。我国缺少权威的评级机构，银行内部信用评级体系不完善也不统一，未达到Credit Metrics模型的要求;3、我国利率市场化进程缓慢。由于缺少准确的基准贴现利率，因此估计信用资产的现值存在困难。
　　与信用评级在我国应用不够普及和不够完善不同，信贷资产五级分类法在国内商业银行已经普遍被使用，且具有以下几个方面的特点：（1）覆盖面广。信贷资产五级分类法是央行强制要求的，覆盖了公司类、机构类、个人类等所有信贷客户;（2）历史数据丰富。信贷资产五级分类法是目前我国商业银行信用风险管理的基础，因此各商业银行的信贷管理信息系统都有丰富的分类信息，历史数据完善;（3）数据更新及时。根据央行规定，信贷资产五级分类法采用实时分类，至少一个季度进行一次分类;（4）反映的风险情况更真实。在客户信用评级中，较少考虑债项的具体情况，而信贷资产五级分类法已充分考虑贷款条件及担保情况。因此对于具体债项，五级分类法更能真实反映我国商业银行所面临的信用风险。
　　（二）.新Credit Metrics模型的假设
　　1、贷款发生后，其未来的价值和风险完全由远期利率决定。模型中的唯一变量是离散的贷款风险等级，每个贷款风险等级有对应的远期利率曲线;
　　2、同一贷款风险等级的贷款是同质的。同一贷款风险等级的贷款拥有相同的转移矩阵和违约概率，转移概率遵循马尔可夫过程，且实际违约概率与历史违约概率相等;
　　3、风险期限是固定的，通常为一年;
　　4、违约不仅指借款方到期没有偿还款项，还包括贷款风险等级下降所导致的信贷资产市场价值的下跌，并且违约事件发生在债务到期时。
　　三、结论
　　基于完善商业银行的信贷资产五级分类体系可以从两方面完善信贷资产五级分类体系。一是增加贷款风险等级数目，例如在关注、次级、可疑等级里进行再分类，等级数目的增加可缩小每一等级所占的概率区间，从而得出更准确的价值变化分布曲线。二是提高贷款分类考察的全面性，考察不仅涉及贷款项，还要涉及借款方信用、品质、偿债能力和资本等情况，从而增加贷款分类的准确性。
　　参考文献：
　　[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模型下组合信用风险应用与改进研究[J].财会通讯，2010，5：150-152.
　　[4][26]牛晓健.供应链融资的风险测度与管理——基于中国银行交易数据的实证研究[J].金融研究，2012，11：138-151.
　　[5]王宝森，梅盼盼.基于改进Credit Metric模型的商业银行信用风险度量及实证研究[J].安徽农业大学学报，2016，25（2）：36-42.
　　作者简介：
　　潘仔豪（1995.6-）;性别：男;籍贯：浙江省台州市;学历：硕士研究生;研究方向：量化投资。
转载注明来源:https://www.xzbu.com/3/view-15100594.htm