信用風(fēng)險分析方法文檔良心出品

1、信用風(fēng)險是指在金融交易中交易對手違約或信用品質(zhì)潛在變化而導(dǎo)致發(fā)生損失的可能性.從來源看,信用風(fēng)險可以分為交易對手風(fēng)險和發(fā)行者風(fēng)險兩種類型,前者主要產(chǎn)生于商業(yè)銀行的貸款和金融衍生交易中,后者主要是和債券相聯(lián)系.從組成上看,信用風(fēng)險由兩局部組成,一局部是違約風(fēng)險,是指交易一方不愿或無力支付約定款項而致使交易另一方遭受損失 的可能性,在違約的情況下,根據(jù)合約簽定時的保護(hù)性條款的安排,一般來說,一局部債權(quán) 會得到受償,這一比率成為挽回率；另一局部是信用價差風(fēng)險,它是指由于信用品質(zhì)的變化引起信用價差的變化而導(dǎo)致的損失,具體由信用價差跳動風(fēng)險和信用價差波動風(fēng)險組成.信用風(fēng)險的分析方法,根據(jù)分析技術(shù)和方法的

2、不同可分為古典信用分析方法和現(xiàn)代信用 或工程技術(shù)分析方法.兩者主要的區(qū)別和判斷標(biāo)準(zhǔn)主要是信用風(fēng)險能否被單獨剝離和定價.從時間的表現(xiàn)形式上,20世紀(jì)80年代中期以前為古典信用分析方法,20世紀(jì)80年代中期以后為現(xiàn)代信用分析方法.一、古典信用分析方法(一) 專家制度法專家制度是一種最古老的信用風(fēng)險分析方法,其最大特征就是：銀行信貸的決策權(quán)是由該機(jī)構(gòu)那些經(jīng)過長期練習(xí)、具有豐富經(jīng)驗的信貸治理人員所掌握,并由他們做出是否貸款的決定.因此,在信貸決策過程中,信貸治理人員的專業(yè)知識、主觀判斷以及某些要考慮的 關(guān)鍵要素權(quán)重均為最重要的決定因素.在專家制度法下,絕大多數(shù)銀行都將重點集中在借款人的“5c上,即品德

3、與聲望(character)、資格與水平(capacity)、資金實力(capital or cash)、擔(dān)保(collateral)、經(jīng)營條件或 商業(yè)周期(condition).也有些銀行將信用分析的內(nèi)容歸納為"5W或"5p："5W系指借款人(who)、借款用途(why)、還款期限(when)、擔(dān)保物(what)、如何還款(how) ; "5p系指個人因 素(personal)、目的因素(purpose)、歸還因素(payment) 保證因素(protection) 前景因素 (perspective) o這種方法的缺陷是主觀性太強(qiáng),只能作為一種輔助性

4、信用分析工具.(二) 特征分析法特征分析模型是目前在國外信用治理模型中應(yīng)用較為普遍的一種新的信用分析工具,本質(zhì)上它也屬于傳統(tǒng)的信用分析和評價方法.該模型的主要用途就是對客戶的資信狀況做出綜合性的評價,并以定量化的方式,對客戶的授信做出評定.它是從客戶的種種特征中選擇出對信用分析意義最大、直接與客戶信用狀況相聯(lián)系的假設(shè)干因素,將其編為幾組,分別對這些因素評分并綜合分析,最后得到一個較為全面的分析結(jié)果.目前,特征分析方法主要由信用 調(diào)查機(jī)構(gòu)和企業(yè)內(nèi)部信用治理部門使用.三貸款評級分類模型貸款評級分類模型是金融機(jī)構(gòu)在美國貨幣監(jiān)理署occ最早開發(fā)的評級系統(tǒng)根底上拓展而來,occ對貸款組合分為正常、關(guān)注、

5、次級、可疑、損失等 5類,并要求對不同的貸款提取 不同比例的損失準(zhǔn)備金以彌補(bǔ)貸款損失.在我國,1998年以前各商業(yè)銀行貸款分類的方法一直沿用財政部金融保險企業(yè)財務(wù)制 度?的規(guī)定,把貸款分為正常、逾期、呆滯、呆賬四類,后三類合稱不良貸款,簡稱逾兩呆法.這一方法低估了不良貸款,由于它沒包括仍支付利息尚未展期的高風(fēng)險貸款.1998年我國開始借鑒國際監(jiān)管經(jīng)驗,對貸款分類進(jìn)行改革,根據(jù)風(fēng)險程度將貸款劃分為正 常、關(guān)注、次級、可疑、損失五類,即五級分類方法.2003年12月中國銀監(jiān)會發(fā)布文件決定自2004年1月1日起,我國所有經(jīng)營信貸業(yè)務(wù)的金融機(jī)構(gòu)正式實施貸款五級分類制度.四信用評分方法信用評分方法是對反

6、映借款人經(jīng)濟(jì)狀況或影響借款人信用狀況的假設(shè)干指標(biāo)賦予一定權(quán) 重,通過某些特定方法得到信用綜合分值或違約概率值,并將其與基準(zhǔn)值相比來決定是否給予貸款以及貸款定價,其代表為z計分模型.z計分模型是altman 1968年提出的以財務(wù)比率為根底的多變量模型.該模型運(yùn)用多元判別分析法,通過分析一組變量, 使其在組內(nèi)差異最小化的同時實現(xiàn)組間差異最大化,在此過程中要根據(jù)統(tǒng)計標(biāo)準(zhǔn)選入或舍去備選變量,從而得出z判別函數(shù).根據(jù) z值的大小同衡量標(biāo)準(zhǔn)相比,從而區(qū)分破產(chǎn)公司和非破產(chǎn)公司.1995年,對于非上市公司,altman對z模型進(jìn)行了修改,得到 z計分模型.altman、haldeman和narayannan

7、在1977年對原始的z計 分模型進(jìn)行擴(kuò)展,建立的第二代的zeta信用風(fēng)險模型.該模型在公司破產(chǎn)前5年即可有效劃分出將要破產(chǎn)的公司,其中破產(chǎn)前1年準(zhǔn)確度大于 90 %,破產(chǎn)前5年的準(zhǔn)確度大于70 %.新模型不僅適用于制造業(yè),而且其有效性同樣適用于零售業(yè).上述兩種模型中,zeta分類準(zhǔn)確度比z計分模型高,特別是破產(chǎn)前較長時間的預(yù)測準(zhǔn)確度相對較高.由于方法簡 便、本錢低、效果佳,上述方法應(yīng)用十分廣泛.值得注意的是該類模型構(gòu)建中的數(shù)理方法,綜合以來,主要有以下幾種：1 .判另U分析法 discriminant analysis判別分析法discriminant analysis,簡稱da 是根據(jù)觀察到

8、的一些統(tǒng)計數(shù)字特征,對客觀 事物進(jìn)行分類,以確定事物的類別.它的特點是已經(jīng)掌握了歷史上每個類別的假設(shè)干樣本,總結(jié)出分類的規(guī)律性,建立判別公式.當(dāng)遇到新的事物時, 只要根據(jù)總結(jié)出來的判別公式,就能判別事物所屬的類別.da的關(guān)鍵就在于建立判別函數(shù).目前,統(tǒng)計學(xué)建立判別函數(shù)常用方法有：一是未知總體分布情況下,根據(jù)個體到各個總體的距離進(jìn)行判別的距離判別函數(shù)；二是總體分布的前提下求得平均誤判概率最小的分類判別函數(shù),也稱距離判別函數(shù),通常稱為貝葉斯(bayes)判別函數(shù)；三是未知總體分布或未知總體分布函數(shù)前提下的根據(jù)費歇(fisher)準(zhǔn)那么得到的最優(yōu)線性判別函數(shù).2. 多元判另1J分析法 (multiv

9、ariate discriminant analysis)多元判別分析法(mda)是除美國外的其他國家使用最多的統(tǒng)計方法.多元線性判別分析法,可以具體為一般判別分析(不考慮變量篩選)和定量資料的逐步判別分析(考慮變量篩選).但應(yīng)用多元判別分析(mda)有三個主要假設(shè)：變量數(shù)據(jù)是正態(tài)分布的；各組的協(xié)方差是相同 的；每組的均值向量、協(xié)方差矩陣、先驗概率和誤判代價是的.該種方法的缺乏之處是必須建立在大量的、可靠的歷史統(tǒng)計數(shù)據(jù)的根底之上,這在開展 中國家如中國是難以具備的前提條件.3. logit分析判別方法logit分析與判別分析法的本質(zhì)差異在于前者不要求滿足正態(tài)分布或等方差,從而消除了mda模型的

10、正態(tài)分布假定的局限性.其模型主要采用了logistic函數(shù).該模型的問題在于當(dāng)樣本點存在完全別離時,模型參數(shù)的最大似然估計可能不存在,模型的有效性值得疑心,因此在正態(tài)的情況下不滿足其判別正確率高于判別分析法的結(jié)果.另外該方法對中間區(qū)域的判別敏感性較強(qiáng),導(dǎo)致判別結(jié)果的不穩(wěn)定.4. 神經(jīng)網(wǎng)絡(luò)分析法(artificial neural network,簡稱 ann)神經(jīng)網(wǎng)絡(luò)分析法是從神經(jīng)心理學(xué)和認(rèn)知科學(xué)研究成果出發(fā),應(yīng)用數(shù)學(xué)方法開展起來的一種具有高度并行計算水平、自學(xué)水平和容錯水平的處理方法.它能有效解決非正態(tài)分布、非線性的信用評估問題,其結(jié)果介于0與1之間,在信用風(fēng)險的衡量下,即為違約概率.神經(jīng)網(wǎng)

11、絡(luò)分析方法應(yīng)用于信用風(fēng)險評估的優(yōu)點在于其無嚴(yán)格的假設(shè)限制且具有處理非線性問題的水平.altman、marco和varetto (1994)在對意大利公司財務(wù)危機(jī)預(yù)測中應(yīng)用了神經(jīng)網(wǎng)絡(luò)分析法；coats及fant (1993) trippi采用神經(jīng)網(wǎng)絡(luò)分析法分別對美國公司和銀行財務(wù)危機(jī)進(jìn)行預(yù)測,取得較好效果.然而,要得到一個較好的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),需要人為隨機(jī)調(diào)試,需要消耗大量人力和時間,加之該方法結(jié)論沒有統(tǒng)計理論根底,解釋性不強(qiáng),所以應(yīng)用受到很大限制.5. 聚類分析法(cluster analysis)聚類分析(cluster analysis)屬于非參數(shù)統(tǒng)計方法.信用風(fēng)險分析中它根據(jù)由借款人的指標(biāo)

12、計算出的在樣本空間的距離,將其分類.這種方法一個主要優(yōu)點是不要求總體的具體分布;可對變量采用名義尺度,次序尺度,因此該方法可用于定量研究,也可對現(xiàn)實中的無法用數(shù)值精確表述的屬性進(jìn)行分析.這很適用于信用風(fēng)險分析中根據(jù)定量指標(biāo)(盈利比、速動比等)和定性指標(biāo)(治理水平、信用等級等)對并不服從一定分布特性的數(shù)據(jù)信息分類的要求.例 如,lundy運(yùn)用該方法對消費貸款申請者的典型信用申請數(shù)據(jù)及年齡、職業(yè)、婚否、居住條 件進(jìn)行處理分成6類并對每類回歸評分,它不僅將借款人進(jìn)行有效的分類而且?guī)椭虡I(yè)銀行 確定貸款方式策略.6. k 近鄰判別法(k nearest neighbor)k近鄰判別法在一定距離概念下根

13、據(jù)假設(shè)干定量變量從樣本中選取與確定向量距離最短k個樣本為一組,適用于初始分布和數(shù)據(jù)采集范圍限制較少時,減小了以函數(shù)形式表達(dá)內(nèi)容的要求.另外,knn通過將變量在樣本整體范圍內(nèi)分為任意多決策區(qū)間,而近似樣本分布.tametal將之用于信用風(fēng)險分析, 取馬氏距離,從流動性、盈利性、資本質(zhì)量角度選出的19個 變量指標(biāo),對樣本分類,經(jīng)比較其分類結(jié)果的準(zhǔn)確性不如lda、lg以及神經(jīng)網(wǎng)絡(luò).原因在于在同樣的樣本容量下,假設(shè)對具體問題確實存在特定的參數(shù)模型并可能找出時,非參數(shù)方法不及參數(shù)模型效率高.7. 層次分析法(ahp)該方法強(qiáng)調(diào)人的思維判斷在決策過程中的作用,通過一定模式使決策思維過程標(biāo)準(zhǔn)化,它適用于定性

14、與定量因素相結(jié)合、特別是定性因素起主導(dǎo)作用的問題,企業(yè)信用等級綜合評價就是這種定性因素起主導(dǎo)作用的問題.ahp法的根本步驟是：建立遞階層次結(jié)構(gòu),構(gòu)造判斷矩陣,求此矩陣的最大特征根及其對應(yīng)的特征向量,確定權(quán)重,并進(jìn)行一致性檢驗.8. 其他方法此外還存在著其他眾多的方法：probit法、因子logistic法、模糊數(shù)學(xué)方法、混沌法及突變級數(shù)法、灰關(guān)聯(lián)痼、 主成分分析綜合打分法、主成分分析與理想點的結(jié)合方法、原蟻群算法、數(shù)據(jù)包絡(luò)判別法等等.關(guān)于這些方法的應(yīng)用,將在后面的實證局部進(jìn)行探討.二、現(xiàn)代信用分析方法20世紀(jì)80年代以來,受債務(wù)危機(jī)的影響,各國銀行普遍重視對信用風(fēng)險的治理和防范,工程化的思維和

15、技術(shù)逐漸被運(yùn)用于信用風(fēng)險治理的領(lǐng)域,產(chǎn)生了一系列成功的信用風(fēng)險量化治理模型.現(xiàn)代信用風(fēng)險的計量模型按其計量的風(fēng)險層次分為三種類型：一是單個交易對手或發(fā)行人的計量模型,二是資產(chǎn)組合層次的計量模型,三是衍生工具的計量模型.(一) 基于期權(quán)定價技術(shù)的風(fēng)險計量模型.merton發(fā)現(xiàn)銀行以折現(xiàn)方式發(fā)放一筆面值為d的貸款所得到的支付和賣出一份執(zhí)行價格d的看跌期權(quán)所得到的支付相等.因此有風(fēng)險貸款的價值就相當(dāng)于一個面值為d的無違約風(fēng)險貸款的價值加上一個空頭賣權(quán).貸款的賣權(quán)價值取決于5個變量,即企業(yè)資產(chǎn)的市場價值、企業(yè)資產(chǎn)的市場價值的波動性、貼現(xiàn)貸款的面值、貸款的剩余期限以及無風(fēng)險利率.基于企業(yè)的市場價值和其波

16、動性的不可觀測性,1995年美國kmv公司開發(fā)了 kmv模型,該模型又稱為預(yù)期違約概率模型(expected default frequency,簡稱edf ),模型使用企業(yè)股權(quán)的市場價值和資產(chǎn)的市場價值之間的結(jié)構(gòu)性關(guān)系來計算企業(yè)資產(chǎn)的市場價值；使用企業(yè)資產(chǎn)的波動性和企業(yè)股權(quán)的波動性之間的結(jié)構(gòu)關(guān)系來計算企業(yè)資產(chǎn)的波動性,同時統(tǒng)計在一定標(biāo)準(zhǔn)差水平上的公司在一年內(nèi)破產(chǎn)的比例,以此來衡量具有同樣標(biāo)準(zhǔn)差的公司的違約概率.該模型是實際中應(yīng)用最為廣泛的信用風(fēng)險模型之一.該模型理論依據(jù)在很多方面與black-scholes (1973), merton(1974)以及hull和white (1995)的期權(quán)

17、定價方法相似.其根本思想 是,當(dāng)公司的價值下降至一定水平時,企業(yè)就會對其債務(wù)違約.根據(jù)有關(guān)分析,kmv發(fā)現(xiàn)違約最頻繁的分界點在公司價值等于流動負(fù)債土長期負(fù)債的50%時.有了公司在未來時刻的預(yù)期價值及此時的違約點,就可以確定公司價值下降百分之多少時即到達(dá)違約點.要到達(dá)違約點資產(chǎn)價值須下降的百分比對資產(chǎn)價值標(biāo)準(zhǔn)差的倍數(shù)稱為違約距離.違約距離=(資產(chǎn)的預(yù)期價值-違約點)/資產(chǎn)的預(yù)期價值 溜產(chǎn)值的波動性.該方法具有比較充分的理論根底,特 別適用于上市公司信用風(fēng)險.kmv模型的優(yōu)點在于其將違約與公司特征而不是公司的初始信用等級聯(lián)系在一起,使其 對債務(wù)人質(zhì)量的變化更加敏感；同時,它通過股票價格來測算上市公

18、司的預(yù)期違約概率,因而市場信息也能被反映在模型當(dāng)中,使其具有一定的前瞻性,模型的預(yù)測水平較強(qiáng)；并且, 由于該模型使用的變量都是市場驅(qū)動的,表現(xiàn)出更大的時變性,因此持有期的選擇比信用度量術(shù)模型更加靈活.(二) 基于風(fēng)險價值 var的信用度量模型.var是指在正常的市場條件和給定的置信水平上,用于評估和計量金融資產(chǎn)在一定時期內(nèi)可能遭受的最大價值損失.在計算金融工具的市場風(fēng)險的var時,關(guān)鍵的輸入變量是金融資產(chǎn)目前的市場價格和波動性.由于貸款缺乏流動性,因此貸款的市場價值和波動性不能觀測.jp morgan (1997)銀行開發(fā)了信用度量制(credit metrics tm)系統(tǒng),該系統(tǒng)解決了諸如

19、 貸款和私募等非交易性資產(chǎn)的估值和風(fēng)險計算.該方法基于借款人的信用評級、信用轉(zhuǎn)移矩陣、違約貸款的回收率、 債券市場上的信用風(fēng)險價差計算出貸款的市場價值及其波動性, 斷個別貸款或組合的 var,從而對貸款和非交易資產(chǎn)進(jìn)行估價和信用風(fēng)險評價.信用度量制模型的優(yōu)點在于其第一次將信用等級轉(zhuǎn)移、違約率、違約回收率、違約相關(guān)性納入了一個統(tǒng)一的框架來度量信用風(fēng)險.該模型適用于商業(yè)信用、債券、貸款、貸款承諾、信用證、以及市場工具(互換、遠(yuǎn)期等)等信貸資產(chǎn)組合的風(fēng)險計量.但該模型在應(yīng)用中存 在以下問題：違約率直接取自歷史數(shù)據(jù)平均值,但實證研究說明,違約率與宏觀經(jīng)濟(jì)狀況有直接關(guān)系,并非固定不變,假定資產(chǎn)收益服從正

20、態(tài)分布,但實證研究說明實際分布多呈現(xiàn)厚尾特征；關(guān)于企業(yè)資產(chǎn)收益之間的相關(guān)度等于公司證券收益之間的相關(guān)度的假設(shè)有待驗證方 法計算結(jié)果對于這一假定的敏感性很高.(三) 基于保險精算的creditrisk +系統(tǒng).credit suisse first boston(csfb , 1997)銀行開發(fā)的信用風(fēng)險附加(creditrisk +)系統(tǒng)的主導(dǎo)思 想源于保險精算學(xué),即損失決定于災(zāi)害發(fā)生的頻率和災(zāi)害發(fā)生時造成的損失或破壞程度,它不分析違約的原因,而且該模型也只針對違約風(fēng)險而不涉及轉(zhuǎn)移風(fēng)險,特別適于對含有大量中小規(guī)模貸款的貸款組合信用風(fēng)險分析.該方法基于這樣一些假設(shè)：貸款組合中任何單項貸款發(fā)生違約

21、與否是隨機(jī)的；每項貸款 發(fā)生違約的可能性是獨立的,因而這個方法假設(shè)貸款組合中單項貸款的違約概率分布服從 possion分布.信用風(fēng)險附加模型的優(yōu)點在于,它只要求有限的輸入數(shù)據(jù),根本上只有貸款 組合中各組的貸款違約率、違約率波動率和風(fēng)險暴露,因此貸款損失很容易計算.(四) 以宏觀模擬為根底建立的creditportfolio view系統(tǒng).該信用組合觀點系統(tǒng)由mckinsey公司開發(fā)(wilson , 1997),它是一個違約風(fēng)險的宏觀經(jīng)濟(jì)模擬系統(tǒng).由于商業(yè)周期因素影響違約的概率,麥肯錫公司將周期性的因素納入計量模型中,該系統(tǒng)在credit metrics的根底上,對周期性因素進(jìn)行了處理,將評級

22、轉(zhuǎn)移矩陣與經(jīng)濟(jì)增 長率、失業(yè)率、利率、匯率、政府支出等宏觀經(jīng)濟(jì)變量之間的關(guān)系方法化,并通過monte carlo法模擬周期性因素的沖擊來測定評級轉(zhuǎn)移概率的變化,分析宏觀經(jīng)濟(jì)形勢變化與信用違約 概率及轉(zhuǎn)移概率的關(guān)系,進(jìn)而分析不同行業(yè)或部門不同信用級別的借款人的信用風(fēng)險程度.該模型的優(yōu)點在于其將各種影響違約概率和信用等級變化的宏觀因素納入了自己的體系 之中,并且給出了具體的損失分布,能夠刻畫回收率的不確定性和因國家風(fēng)險帶來的損失； 對所有的風(fēng)險暴露都采用盯市法,更適用于對單個債務(wù)人和一組債務(wù)人進(jìn)行信用風(fēng)險度量. 其主要適用于對對宏觀經(jīng)濟(jì)因素變化敏感的投機(jī)級債務(wù)人的信用風(fēng)險度量.現(xiàn)代資產(chǎn)組合理論 mpt說明適當(dāng)?shù)乩觅Y產(chǎn)之間的相關(guān)關(guān)系可以有效地降低風(fēng)險并改善資產(chǎn)組合的風(fēng)險-收益狀況.然而流動性很差的貸款和債券組合存在著收益的非正態(tài)性、收益和相關(guān)系數(shù)的不可觀測性等問題,這使得資產(chǎn)組合理論不能簡單地運(yùn)用這些組合中去.收益的非正態(tài)性使得基于兩矩均值和方差而構(gòu)建的資產(chǎn)組合理論只有增加偏度和峰度兩矩才能較好地進(jìn)行描述.歷史價格和交易數(shù)據(jù)的缺乏造成了使用歷史的時間序列數(shù)據(jù)計算收益率、方差以及收益之間的協(xié)方差和相關(guān)系