我国商业银行信用风险度量理论简述及思考

【摘要】信用风险一直是中国商业银行面临的最重要风险， 文章讨论了中国商业银行信用管理的现状，描述并评析了度量信用风险的各种理论方法和模型，最后对提升中国商业银行信用风险度量水平进行了一些思考。

【关键词】信用风险 内部评级 外部评级 债项评级 KMV模型

一、我国商业银行信用风险简介和现状

银行信用风险的是债务人或交易对手未能履行合同所规定的义务，影响金融产品价值，从而给债权人或金融产品持有人造成经济损失的风险。现代市场经济是建立在信用的基础上，信用体系在维持市场资源配置效率等方面发挥着积极作用，因此商业银行的信用风险防范至关重要。纵观我国商业银行发展历史，由于起步晚，信用管理体系存在一定的问题。例如：信用风险度量技术落后，信用管理的信息系统落后，法律和监管体系落后。

二、信用风险度量的方法和评价

站在监管者的角度来看，信用风险度量可以分为内部评级和外部评级。其中商业银行的内部评级又可以分为客户评级和债项评级两个方面。

（一）外部评级

标准普尔的排名主要参考发行人的违约可能性，而穆迪排名往往反映有关具体债务产品的预期损失，即违约概率（PD）×预期损失（EAD）。评级机构有自己多年积累的评价标准，分析因素通常包括企业历史回顾（企业竞争力）、管理及其政策的质量、业务基础、监管行为、市场、运行、成本控制和财务分析。值得注意的是发行人的信用等级不仅仅是当前状况的简要说明，更要预测长期发展趋势，因此外部评级还应把经济周期的因素考虑进去，根据随经济波动信用等级的变化概率，绘制信用等级变化的跃迁矩阵，计算经济周期效应修正信用评级。

（二）内部评级

1.客户信用评级是商业银行对客户偿债意愿的计量和评价，反映客户违约风险的大小，客户信用评级经历了从专家判断法到信用评分模型再到违约概率模型的三个发展阶段。专家判断是依靠信贷专家的自身知识、技能和丰富的经验来综合评定信用风险，其缺点是过于主观，且实际操作中常会因为专家意见不同而失去意义。信用评分模型是观察借款人的特征变量计算出一个得分来代表债务人的信用风险，这些变量包括收入、资产、年龄、职业、财务状况等历史数据，其缺点是评分结果无法给出违约概率的准确数值。违约概率模型是现代革命性的管理模式，各种模型成出不穷，例如Z-score模型、RISKCALC模型、KMV的CREDIT MONITOR模型、KPMG风险中性定价模型、死亡率模型和神经网络模型。其中KMV模型使用比较广泛，此模型是把企业与银行的借贷关系视为期权买卖关系，运用莫顿的期权定价技术，最终通过计算违约概率和违约距离的数值来测定违约风险。

2.债项评级是对交易的特定风险进行计量和评级，反映客户违约后的债项损失大小。测评因素包括抵押、优先性、产品类别、地区、行业等。银行一般计算两个指标，一是违约风险暴露（EAD），即债务人违约时预期表内项目和表外项目的风险暴露总额，包括已使用的授信余额、应收未收利息、未使用授信额度的预期提取数量。另一个是违约损失率（LGD），即损失占违约风险暴露的百分比，计算方式有市场价值法和回收现金流法。

三、提高我国银行信用风险度量水平的几点建议

在全球化的发展趋势下，我国商业银行势必要面对世界各国银行的市场竞争，当前各大银行正在着手实施巴塞尔协议Ⅲ，监管要求越发苛刻，因此我们还要进一步提升我国商业银行的风险度量的水平。

对于银行，要灵活运用各种信用风险度量方法，管理层根据银行自身特点，针对不同类别的客户使用不同的信用度量方法可以更加准确地识别风险。加强对银行风险管理人员的培训，跟进学习并且研究一些国际最新的风险度量方法，始终走在风险控制的前沿。对于监管者，要加强严格信息披露机制建设，保证信息收集和传递的通畅。建立完善全社会征信体系和银行业违约概率数据库，为风险度量研究提供有力的数据支持。构建一套完整的法律制度，不仅能更好的指导银行业识别度量信用风险，更能提升整个社会的信用水平。