第十章 信用风险管理教材.ppt

商业银行经营管理学 信用风险管理,杭师大国际服务工程学院 朱一鸣,本章目录,信用风险概述,1,信用风险监测,2,信用风险因子计量,3,古典信用风险计量方法,4,现代信用风险计量方法,5,信用风险概述,信用风险 定义 信用风险又称违约风险，是指债务人或交易对手未能履行合同所规定的义务，从而给债权人或金融产品持有人造成经济损失的风险。 更为一般地讲，信用风险还包括由于借款人的信用评级的变动和履约能力的变化导致其债务的市场价值变动而引起的损失可能性,信用风险概述,信用风险的特征 信用风险概率分布的有偏性。信用风险的分布不是对称的，其分布曲线的一端向左下倾斜，并在左侧出现厚尾现象 。 信用风险呈现系统性风险和非系统性风险交织的特征。信用风险的影响既取决于借款人的自身的财务状况、投资策略和经营能力等非系统性因素，也受到宏观经济环境、国家经济政策等系统性因素的影响。 信用风险存在道德风险问题。借款人掌握更多的交易信息而处于信息优势地位，在这种信息不对称的情况下，借款人为了实现自身的利益最大化，道德风险发生的可能性就会变大。 信用风险样本数据少且不易获取,贷款损失分布概率密度曲线,0,概率,肥尾,预期信用损失,最大信用损失,最小信用损失（无违约,信用风险监测,信用风险监测是指信用风险管理者通过各种监控条件，动态捕捉信用风险指标的异常变动，判断其是否已经达到引起关注的水平或已经超过阈值。 信用风险监测是一个动态、连续的过程。而在这个过程中，风险评估人员需要重点关注信用风险预警信号和信用风险指标,信用风险监测,信用风险预警信号 信用风险预警信号从某一角度反映了银行的信用风险水平和变化趋势，信贷人员通过对信用风险预警信号的辨识和分析，能够为银行的信用风险状况进行动态监测和早期预警。 客户风险预警信号贷款企业的信用状况是银行在信贷过程中的信用风险主要来源，因此对银行的信用风险的评估在一定程度上可转换成对贷款企业的信用风险状况的评估。客户风险预警信号包括企业财务状况、企业经营管理状况、与债权人关系、企业贷款方式等,信用风险监测,行业风险预警信号 企业在生产经营活动会受到行业因素的影响。作为处于同一行业的企业都面临着相同的市场结构、供求关系等等。所以，行业因素对企业的影响具有系统性的特征。行业风险预警信号包括市场结构、市场供求关系、行业的成熟度、产品替代性、对上下游行业的依赖性等等。 宏观环境预警信号 宏观经济的发展快慢及稳定性对每一个行业和企业造成不同程度的影响，进而引起信用风险的变化。宏观环境预警信号包括宏观经济运行周期性波动、国家经济政策、利率波动以及严重自然灾害或社会灾害等其他方面,信用风险监测,贷款风险指标 信用风险指标是评价、监测和预警商业银行风险的参照体系，它从一定的角度反映了商业银行风险的大小，为商业银行实施风险监管提供了一定的基准。 不良资产率包括不良资产率和不良贷款率,信用风险监测,单一集团客户授信集中度 包括单一集团客户授信集中度和单一客户贷款集中度,全部关联度,信用风险监测,正常贷款迁徙率 包括正常类贷款迁徙率和关注类贷款迁徙率,不良贷款迁徙率包括次级类贷款迁徙率和可疑类贷款 迁徙率,新巴塞尔信用风险测量的三种方法,标准法的改善和缺陷,标准法的改善 1、 增加了150的风险权重； 2、 用外部评等取代了银行内部评等； 3、 OECD的主权债务评等特权被取消； 标准法的缺陷 1、 外部评等未必好于内部评等； 2、 对直接融资体系有利但对间接融资体系不利； 3、 增加了合理规避监管的冲动,内部模型法的框架,内部模型法的基础法IRB-foundational仅考虑PD的计算，其实质也就是对PD的VAR计算过程，当然，还需要考虑风险缓释工具的运用。 内部模型法的高级法IRB-advanced必须综合考虑PD、LGD、EAD、M等因素， 信用风险所要求的资本配置PD*LGD*EAD*M,信用风险因子计量,违约概率 违约概率（Probability of Default，PD）是指债务人在未来一段时间内出现还款违约的可能性。 在巴塞尔协议II中，违约概率被具体的定义为对 公司和银行暴露，违约概率是借款人内部评级一年期违 约概率和0.03中较大的数值。对主权暴露，违约概率就 是借款人内部评级一年期的违约概率。 在实际中，银行通常只估计各个级别的违约概率， 然后对属于同一级别的贷款人采用同一个违约概率，而 不是对每个借款人的违约概率进行分别的计量,信用风险因子计量,违约概率计量的数据库要求 范围要求客户的历年信用评级，债务违约状况等 长度要求至少一数据源的历史观察期至少要有5年。如果某种数据来源有较长的观察期，且数据有意义，必须采用更长的观察期。 违约概率的计量方法 经验方法 标准普尔、穆迪等大型的信用评级公司采用 经济计量方法 期权方法,信用风险因子计量,违约损失率 违约损失率（Loss Given Default，LGD）指某一债务人违约后导致的损失金额占风险敞口总额的百分比。 （损失的严重程度，LGD1-回收率）。其估计公式为损失/ 违约风险暴露。 违约损失率估计应以历史清偿率为基础，不能仅依据对抵（质）押品市值的估计，同时应考虑到银行可能没有能力迅速控制和清算抵押品。 计量要求 应该考虑所有的相关因素，包括重要的折扣效应，以及贷款清收过程中较大的直接和间接成本等。 银行必须估计每笔贷款的长期平均违约损失率。 计量方法 市场价值法信用价差和违约概率来推算。市场法和隐含市场法。 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，并计算出LGD，即LGD1-回收率1-（回收金额-回收成本）/违约风险暴露,信用风险因子计量,违约风险暴露 违约风险暴露（Exposure at Default，EAD），也称违约敞口，是指债务人违约时预期表内和表外项目的风险暴露总额。 计量要求 风险暴露的总额都以法律意义上借款人欠银行的数量来计量，不考虑专项准备或部分冲销。 计量方法 初级法 高级的IRB法,信用风险因子计量,有效期限 有效期限（Maturity，M），是指当前与贷款或债券到期偿还日的最长剩余时间间隔。 巴塞尔协议II中对期限的处理方法采用初级法的银行，除了回购类型交易有效期限是6个月外，公司暴露的有效期限是2.5年，对于采用IRB法高级法的银行，则应该按照不同的定义计量每项工具的有效期限，并与PD、LGD一起计算出该项风险暴露的风险权重及风险加权资产,信用风险因子计量,预期损失和非预期损失 预期损失（EL）指的是银行在风险发生前预测到的或者期望的违约损失,非预期损失（UL）是偏离预期损失的损失,古典信用风险计量方法,信用风险计量方法的发展,古典分析方法 （Z-score模型、ZETA信用风险模型、特征分析模型、贷款评级分类模型,现代分析方法 （Credit Metrics模型、KMV模型、Credit Risk模型Credit Portfolio View（CPV）模型,古典信用风险计量方法,专家制度 专家制度的内容 “5C”评价原则 品德（Character） 担保（Collateral） 经营条件或商业周期（Condition） “5W”评价原则 借款人（Who） 还款期限（When） 如何还款（How,能力（Capacity） 资本（Capital or Cash,借款用途（Why） 担保物（What,古典信用风险计量方法,专家制度的评价 专家制度法实质上是一种针对企业财务比率的主观分析法，其核心是利用企业财务报表等，借助优秀的分析师的经验和判断，对某一经济实体或金融产品的信用质量作出评估。 不足 参杂了太多的主观因素，造成信用评估的主观性、随意性和不一致性 。 专家的评估结果会因为其手中的权利而缺少审核和监督。同时，这种体制会滋生官僚主义，降低了商业银行应对市场变化的能力 。 专家制度要求银行拥有相当数量的高素质专业的人员，提高了商业银行信用风险管理的成本。 专家制度加剧了银行在贷款组合方面过度集中的问题,古典信用风险计量方法,ZETA信用评分模型 Z评分模型,其中， 为流动资产总资产 为留存收益/总资产 为利息和税收之前的收益/总资产 为股权市值/总负债账面值 为销售收入/总资产,古典信用风险计量方法,Z评分模型的判断 临界值 如果 ，则认为借款人的违约可能性较大，应该拒绝为其提供贷款 如果 ，则认为借款人的违约可能性较小，可以考虑为其提供贷款 如果 ，则使用Z评分模型的判断失误较大，应该考虑选择其他的方法来判断,古典信用风险计量方法,ZETA评分模型,其中的7个变量分别是（1）资产报酬率，采用税息前收益/总资产衡量；（2）收入的稳定性指标，采用企业的资产报酬率在5-10年估计值的标准误差指标作为这个变量的度量；（3）债务偿还能力指标，用利息保障倍数即利税前收益/总利息偿付来度量；（4）积累盈利能力指标，可以用公司的留存收益（资产减负债/总资产）来度量；（5）流动性指标，即流动比率，一般采用流动资产和流动负债比率来衡量；（6）资本化程度指标，等于普通股权益/总资本；（7）规模指标，用公司总资产的对数形式来度量,古典信用风险计量方法,模型评价 Z和ZETA评分模型使用简单，操作性强，既不需要进行复杂的计算，也可以用一个评分直观的表示模型的结果，在相同的评判模板下具有一定的标准性。同时，由于Z和ZETA评分模型所选择的指标是非常灵活的，评估人员可以根据实际情况选择适当的指标从不同的角度来全面反映借款人的综合信用状况的变化。 不足 两个模型都依过度赖于财务报表的账面数据，削弱预测结果的可靠性和及时性。 两个模型都假设在解释变量中存在着线性关系，使得模型的计量结果会出现一定的偏差。 两个模型均无法计量企业的表外信用风险，其适用范围有一定的局限性。 缺乏对违约和违约风险的认识，理论基础较为薄弱。 忽略了一些难以量化的因素，难以发现借款者经营过程中更细微的变化,现代信用风险计量方法,KMV模型 KMV模型认为信用风险在本质上是由债务人资产、价值变化驱动的，而公司股权可以视为对公司资产价值的一种看涨期权，而公司债务则可以视为对公司资产价值的一种或有要求权，实际上是公司资产价值减去一个看涨期权。在借款到期日，如果公司的资产大于负债，股东则会偿还债务，企业股东权益的价值为偿还债务后的剩余；如果公司资产小于负债，公司则无法偿还贷款，股东则会选择使公司破产，将公司资产出售给债权的持有人,KMV模型,默顿米勒在1974年就曾指出，一笔银行贷款的损益可以看作是与以借款企业资产为标的所卖出的一笔卖权等值的，也即图2.1与图2.2中的损益是等值的,图2.1 放款银行贷款损益图,图2.2 股票卖权的卖方损益图,KMV模型,KMV 公司建立的信用监测模型的目的在于为了解决银行贷款的信用风险问题。该模型使用了两个关系,其一，企业股权市值与它的资产市值之间的结构性关系； 其二，企业资产市值波动程度和企业股权市值的变动程度之间关系,通过这两个关系模型，便可以求出市场上无法直接观测到的两个变量企业资产市值及其波动程度。一旦所有涉及的变量值被算出，信用监测模型便可以测算出借款企业的预期违约频率EDF,KMV模型示意图,现代信用风险计量方法,KMV模型计算步骤,估计公司的资产价值及其波动性,计算公司违约距离DD,确定EDF值,KMV 模型,银行发出一笔贷款，其得到的支付（或者报酬）类似与卖出一份借款企业资产的看跌期权。利用期权定价模型，风险贷款的价值取决于5个类似的变量价值 其中，A为资产价值，E为企业股权价值，B为向银行的借款数，r为短期利率， 为该企业的资产市值的波动性， 为贷款期限,KMV 模型,企业股权市值的波动性与它的资产市值波动性之间存在理论关系 以上两式联立，可得到资产价值A及其波动性,KMV 模型,设定 A为资产价值，B为违约点,KMV 模型,例估计意见发行债券企业的预期违约频率 资产当前市值1000 每年资产的期望净增长20 一年后资产的期望值 1200 年度资产波动性 100 违约点 800 则违约距离 DD （1200-800）/100 4,KMV 模型,假定在某一时间点具有违约距离为 4 的企业总体共有 5000个，一年后实际违约的有20个，则预期违约频率为 EDF 20/5000 0.4 根据下表可应该类企业的信用评级为 BBB,KMV 模型,标准普尔评级与的EDF值得影射,KMV信用监测模型的优劣分析,与传统的以会计资料为基础的信用评分模型和信用评级机构的信用评级相比，KMV的信用检测模型具有更强的违约预测能力,图 对IBM公司所做的KMV预期违约频率和信用评级机构对其所做的信用评级结果,图 对泰国银行所做的KMV预期违约频率和信用评级机构对其所做的信用评级结果,现代信用风险计量方法,KMV模型的优缺点 优点 KMV模型通过对该企业股票市场价格变化的有关数据的分析企业信用风险，所以KMV模型能够连续、迅速、有效地进行违约概率的计算和信用等级评定。 KMV模型假定市场有效，所有有关公司的信息都会及时反应在公司股票价格中，所以KMV模型的违约预测具有前瞻性。 缺点 KMV模型利用企业股票市场价格进行违约概率的计算，限制了模型的使用范围，只能运用在对上市企业的信用风险度量。 理论上的EDF依赖于资产正态收益的假定，但在实际中，信用风险收益并不符合正态分布，其分布是有偏和肥尾的。 没有区别不同类型的长期债券。 因为Merton模型假设，一旦管理人员采用了合适的债务结构，即使企业资产价值发生倍增，它也不会变化，所以该模型是“静态的,现代信用风险计量方法,Credit Metrics模型 Credit Metrics模型以期权理论为理论基础，利用通过分析贷款和债券类金融产品等资产组合的价值变化的远期分布得到的信贷资金的在险价值（VaR）来反映贷款或贷款组合的信贷风险的大小。 Credit Metrics模型对任一债券或贷款组合的价值建立了完全分布模型，并且认为信贷资产价值的变化不仅要受到违约的影响，而且资产等级的变化也对其价值产生影响，债券或贷款组合价值变化与债务人信用质量的最终转移相联系，这种转移既包括升级也包括降级和违约,现代信用风险计量方法,Credit Metrics模型计量信用风险的基本步骤,现代信用风险计量方法,Credit Metrics模型 利用信用迁移矩阵，了解借款企业信用等级转换的概率 对信用等级变动后的贷款市值估价 计算受险价值,信用迁移矩阵,贷款市价估计,问题5年期的固定贷款利率，年贷款利率为6，贷款总额为100百万美元, 企业的信用等级为BBB，那么现值多少 考虑信用等级变化对贷款市值估价；信用等级的上升或者下降必然影响到贷款余额的现金流量所要求的信用风险利差。如果信用等级下降，那么信用利差就会增加，因而其贷款的市值就会相应下降；信用等级上升，那就反之。 因此贷款的市值公式为,设债券远期利率期限结构 ,Credit Metrics模型,一年后为级的债券远期价格为 那么得到不同信用等级下贷款市值状况风险定价,VaR的计算步骤,计算贷款市值均值 等于每一信用等级下的贷款市值乘以借款人的转移概率，在加权即得 107.09； 计算方差得到 VaR8.9477百万美元，相应的标准差为2.99百万美元； 根据公式得到在5的受险价值VaR1.65*2.994.93百万美元； 同样1的受险价值为VaR2.33*2.996.97百万美元,VaR的计算步骤,比较表，我们得到看到信用等级下的贷款价值低于102.02百万美元的概率为6.775.31.170.120.18;意味着可能遭受的损失达到107.09-102.025.07百万美元； 同时分析贷款价值低于98.10百万美元的概率为1.471.170.120.18;意味着可能遭受的损失达到107.09-98.108.99百万美元；因此这些方法低估了VaR,VaR的计算步骤,线性插值方法1.47 对应于98.10；0.3对应于83.64；那么得到1对应于92.29百万美元；因此1的受险价值为107.90-92.2914.80百万美元,现代信用风险计量方法,Credit Metrics模型的优缺点 优点 将VaR方法引入到信用风险管理中来，通过计算信用工具在不同信用等级上的市场价值，达到用传统的期望和标准差来度量资产信用风险的目的，可以广泛地运用到全球范围内所有承担信用风险的机构。 缺点 由于存在对信用迁移概率的依赖，所以只有在假设信用等级的变迁和信用水平的变化是一样的基础上，Credit Metrics模型才能成立。但是事实上历史平均的违约率和信用迁移可能与现实有很大的偏离。造成Credit Metrics模型计算出来的结果和实际状况是有一定的偏差的,关于信用等级的迁移问题,对于贷款金融资产进行风险管理关键之一是要得到信用转移概率，从而可以计算受险价值；但是要求之一是要求数据期限比较长；二来很多假设限制； 人们假定信用等级迁移概率服从稳定的马尔科夫过程。而马氏过程的一个重要特点是目前的信用等级转换至其他信用等级的概率不依赖于过去； 信用转移矩阵是稳定的，也就是意味着不同借款人、不同时期之间的信用等级转换不变化； 人们使用的债权组合也会对矩阵的准确性产生影响；也即是债券的新旧程度对债券信用等级转换概率有着明显的影响； 人们对使用债券等级转换概率矩阵来对贷款进行估价会出现偏差。 贷款的结构； 信用转移矩阵的计算很难,现代信用风险计量方法,Credit Risk模型 Credit Risk模型是运用保险学框架推导债券或贷款资产组合损失分布的模型。 Credit Risk模型的基本假设 只考虑违约风险，不考虑降级风险； 违约风险与资本结构无关； 对一笔贷款业务，给定时间的违约概率与其他时间的违约概率相同； 对于大量债务人，任何一个特定债务人的违约概率都很小，且特定时间内发生的违约数目与其他时间内发生违约数目相互独立,现代信用风险计量方法,Credit Risk模型框架 违约事件频率（用标准泊松分布近似违约事件的分布） 损失的严重程度（交易对手发生损失等于债务人借款 数量减去清偿数目） 资产组合的违约损失分布 Credit Risk还可以在单变量基础上进行拓展 模型可以拓展为多期模型； 违约率的变化源于许多“背景”因素，每个因素代表一个活动部门。每个因素k由随机变量Xk代表，它是部门k的违约数目，假设服从Gamma分布。每个债务人违约率均值是背景因素X的线性函数，这些因素之间假设是相互独立的,现代信用风险计量方法,Credit Risk模型计算步骤,通过泊松分布模拟违约事件分布，确定违约频率,通过敞口区间划分将违约事件分布转化为违约损失分布，计算损失的严重性,利用Credit Risk模型在违约损失之间推导的关系式确定资产组合的违约损失分布,现代信用风险计量方法,Credit Risk模型的优缺点 优点 的计算只需要敞口数据和违约概率，使得模型对数据的要求很低。 模型借鉴了保险业中的思想，直接推算出了违约损失之间的递推公式，计算过程简单，操作性较强。 可以扩展到多期，而传统的模型一般都是单期、单因素模型。 缺点 忽略了现实中贷款的信用等级的变化，使得每一债务人的风险是固定的，且不依赖于信用质量的最终变化以及未来利率的变动性，影响了计算结果的精确性。 不能处理非线性信用风险的产品，如期权、货币互换等。 模型假设每笔贷款的违约概率是相互独立的，忽略了由于市场因素导致的借款人的系统性变化,现代信用风险计量方法,CPV模型 CPV模型认为决定违约概率的不是资产价格或者经验参数，而是失业率、利率、经济增长率、政府支出、汇率等一系列的宏观经济因素。系统性信用风险最终来源于经济状态，当宏观经济环境恶化时，企业信用降级和违约的数量就会增加，当宏观经济环境好转时，情况会相反,现代信用风险计量方法,CPV模型评价 优点 CPV模型能够充分考虑了贷款的信用风险评级，全面的评估了信用风险。 CPV模型将宏观经济变量引入银行贷款业务信用风险管理，能够更加准确地计算VaR值。 不足 模型的系数有赖于每个国家甚至国家内部的每个行业的大量长期数据，并且这种数据信息是很难得到的，这就造成模型在实际运用中的障碍 。 模型需要使用经调整后的信用等级转换矩阵的特殊程序，而这种调整是基于银行信贷部门积累的经验和对信贷周期的主观判断，使模型计量的准确度降低