1、Credit Metrics 模型在我国商业银行信用风险度量中的应用分析【摘要】：随着金融全球化的发展，如何对商业银行的信用风险进行科学而准确的度量，显得尤为重要。Credit Metrics 模型就是综合运用数学手段、统计知识和计算机技术对历史数据进行统计分析的成功典范，若借鉴该方法并恰当运用在我国商业银行信用风险管理中，则能提高我国商业银行信用风险管理水平。因此，本文从对 Credit Metrics 方法的介绍并对于该方法用于我国商行信用分风险度量做出应用的分析，为进一步丰富了我国商行信用风险度量的方法提出了建议。【关键词】：Credit Metrics 模型；信用风险；应用A Stud
2、y on Application of Credit Metrics Model to Credit Risk Measurement of The Commercial Banks in ChinaAbstract: With the development of financial globalization and integration, how to scientifically and accurately measure credit risk is become more and more important. The Credit Metrics model is the s
3、uccessful exemplar which apply mathematics method、statistics and compute technology to analyze the historical dates. If we can use this method for reference and felicitously in domestic commercial bank in credit risk management, our risk management level will be improved greatly. So in this paper, i
4、ntroduce the Credit Metrics and analyze the application of Credit Metrics model to credit risk measurement of the commercial banks in China. Offer some suggestions to enrich the credit risk measurement. Key words：Credit Metrics model, credit risk, application一、Credit Metrics 模型的介绍Credit Metrics 模型是
5、J.P 摩根 1997 年 4 月推出的用于量化信用风险的风险管理产品，主导思想与 1994 年推出的量化市场风险的 Risk Metrics 一样，都是通过风险价值(value at Risk )来衡量风险的一种计量方法。自从 Credit Metrics 在 J.P.摩根问世以来，它采用的在险值方法得到了广泛应用，目前己经成为信用风险计算领域最为主流的方法之一。根据 Credit Metrics 模型，贷款的市值直接受借款人的信用等级及其变化情况的影响，即使是借款人并未违约，只要信用等级降低，信用资产的价值也相应降低，这样合理反映了信用资产在违约发生前其价值潜在的损失状况。这种方法被称之为
6、盯市法。Credit Metrics 模型主要应用于对债券或贷款的信用风险度量，主要包括两个组成部分：单一金融工具信用风险的在险价值和资产组合的在险价值。其基础是：在一个既定的期限内（通常是 1 年）估计一项贷款或者债券组合未来价值变动的分布，通过估计信用资产的违约敞口、违约概率和违约损失率，度量一项信用资产的在既定的时间范围内，在要求的概率下，可能发生的风险损失，即该项资产的在险价（VaR） ，从而按照 VaR 的值提取相应的经济资本，来覆盖和防范信用风险，计算该项贷款的定价，考核该项资产和相关工作人员的绩效。Credit Metrics 模型的假设:（1）模型中唯一的变量是信用，市场风险与
7、信用风险无关。（2）信用等级是离散的，而且假定在同一信用级别中的债务人具有完全相同的转移矩阵和违约概率，实际违约率等于历史统计的平均违约率。（3）风险期限是固定的，一般为一年。（4）组合中违约相关性由外部模型给出。（5）违约损失率为固定值且由模型外部给出。Credit Metrics 模型参数:一年期信用等级转移矩阵: 信用等级转移矩阵是 Credit Metrics 模型的关键，该模型认为信用风险不仅来自贷款人的违约，贷款人信用评级的下降也会给银行造成信用风险，并且将贷款人的信用分成七个等级，分别计算每一等级转移到其他等级的概率。违约回收率: 回收率是指当交易对方违约或破产时，银行所能够回收
8、的资金占整个违约资的百分比。远期零收益曲线: 为了估计贷款在一年后的风险值，需要将贷款以一定的折现率，将贷款存续期所产生的现金流折算到年初，折现率为基准收益曲线加信用风险溢价。二、Credit Metrics 模型应用于我国信用风险度量中的技术设计和模型改进。由于 J.P.摩根的 Credit Metrics 模型的技术文件对信用风险的度量，是基于美国发达的金融市场和成熟的金融机构，因此，直接将该模型应用于我国必然有较大的局限性。欲提高 Credit Metrics 模型运用于我国银行信用风险度量的精确性，要对模型进行调整。(一) 对 Credit Metrics 模型主要参数的改进：信用评级
9、转移矩阵：在构建转移矩阵参数上，一般都是通过一个比较长的历史时期或时期比较短但有大量样本数据来进行的。由于我国在 1999 年才开始对银行实行五级分类，因此目前按以年为转移矩阵比较困难，但根据中国人民银行要求各商业银行每一季度对贷款做一次分类，我们可以获得多个季度的贷款分类记录，通过巨大的客户数量，获得同一历史时期连续贷款评级数据，因此能够获得贷款在这一时期的等级转移阵 1。表一：我国贷款五级分类和 J.P.摩根分类的对应资料来源：案例银行内部资料信用等级转移矩阵是根据每一资产当前评级状况转移到下一个信用等级的概率。在 Credit Metrics 模型中，假设对任何资产，从同样的信用等级转到
10、另一等级概率是相互独立的，根据多个时期的历史数据，可以得到不同的信用等级之间相互转化的概率。信用等级转移矩阵都是建立在离散时间的基础上的。估计转移矩阵概率的方法是：假设某时间段 t0tn,均匀地经历了 n 次信用等级的变动，各个时点信用等级为 i 的企业数为A0i,A1i,.Ani, 从信用用等级 i 转移到 j 的企业数为:A 1ijA(n-1)ij, 则该时期的信用等级转移概率为： Pij=A mijA ni.(从 m-0n-1). 依次类推可以得到各个信用等级转移的矩阵。根据这种方法，通过对案例银行 19992005 年 7 年间的企业评级数据，按照贷款级分类和 J.P.摩根的分类方法，
11、整理得到该行信用等级转移矩阵，如表二所示：表二：案例银行信用等级转移矩阵：远期收益率指不同期限、不同等级贷款到特定时期的收益率，对它的估计要考虑到一个市场化的利率。国外一般作法是以短期国库券的市场利率作为无风险利率的替代，而我国目前没有公开发行的短期国库券，但银行间国债利率作为无风险利率的近似值，是一种市场化的无风险利率，它是以债券为抵押的拆借交易利率，因此选择银行间国债利率作为短期无风险利率，对于长期的无风险利率可以用国债现货的到期收益率替代 2。表三：银行间固定利率国债的远期到期收益率（%） （n 年后的一年）资料来源：国债网同时选取了美国公司债信用风险溢价数据，原因是我国债券市场尚不发达
12、，无法形成完整的风险溢价曲线而选择国外市场的研究数据可以在一定程度上反映出国际市场的平均水平 3。表四：美国公司债信用风险溢价曲线（单位:100%）资料来源：Gupton,G.C.Finger and M.Bhatia CreditMetricsTM-Technical Document,1997:29-30 整理得出.表五：我国计算贷款现值的折现率资料来源：由表三表四整理得出.违约回收率当贷款不断有利息流入时，可以采用信用价差以及相应的现金流测算资产价值，但是一旦违约现象发生，以后各期将没有现金流入，那也就不能用现金流贴现的方法来测算资产价值，这时候使用违约回复率来计算资产价值。本文采用的违
13、约损失率来自银行内部模型和监管模型风险计量与资本分配 （赵先信） 。（二）改进后的 Credit Metrics 模型对单笔贷款信用风险度量贷款本金为 100 万元，贷款利率为 6%，距离到期日还有 5 年，抵押情况为高级有担保，年初的信用评级为 BBB，计算该笔贷款一年后的信用风险值。表六：年初 BBB 等级贷款的评级转移概率资料来源：由案例银行内部资料整理得出年初评级为 BBB 级的贷款在年末转移为 AAA 级时，则其价值为：VAAA=6+6/(1+2.20%)+6/(1+2.51%)2+6/(1+2.95%)3+106/(1+3.39%)4=1151.8461考虑到该笔贷款抵押情况为高级
14、有担保，信用评级为 BBB 级，对应表为高级轻度违约，商用或居住房地产的违约损失率，为 57%，违约回收率为 43%，表六为不同等级和违约状态下贷款的现值分布表。表六：不同等级和违约时贷款的现值分布计算结果表计算贷款 VaR 值：均值：=P iVi=114.328方差： 2=P i(Vi-)2=15.5654标准差：=3.945395%置信度的 VaR=2.333.9453=9.192599%置信度的 VaR=1.653.9453=6.5225运用 Credit Metrics 模型对该笔贷款的度量结果为：该笔贷款一年后的均值为 114.328 万元，99%置信度下的在险价值（VaR）为 6.
15、5225 万元。这意味着，对一笔利率为 6%，本金为 100 万元，年初的信用评级为 BBB 的贷款，年末的平均价值为 114.328，由 5%可能性会发生 9.1925 万元的损失，有 1%的可能性会发生 6.5225 万元的风险。三、Credit Metrics 模型在我国应用的配套措施首先，要完善银行内部信用评级体系：尽快充实行业信息库和客户数据库，积极构建商业银行内部的管理信息系统、风险控制系统和决策支持系统，建立评级结果的检验系统，提高信用等级的可操作性，有效实现内部评级和外部评级相结合。第二，大力发展独立的信用评估中介机构，完善信用评估体系。第三，充分发挥监管部门的作用: 提高自身监管水平, 建立商业银行风险预警机制, 加快监管方式的转化 , 将从原来的单一的最低资本充足水平转向银行内部的风险评估体系的建设状况。【参考文献】1 肖北溟.国有商业银行信贷评级模型的构建与实证检验J.北京：金融论坛，2004(4) ：57-61 2 曾刚 .信用评级与银行信用评级 J.北京：银行家，2004(7)：42-463 赵保国，龙文征.信用评级中的违约率、违约概率研究N.北京：中央财经大学学报，2007（1）：38-434 朱霞.基于 VaR 方法的市场风险和信用风险的度量 J.北京：统计与决策，2008（3）：77-82
