《商业银行风险管理培训教材》由会员分享，可在线阅读，更多相关《商业银行风险管理培训教材（72页珍藏版）》请在金锄头文库上搜索。
1、,商业银行风险管理培训师,2,3,4,信用风险概述,商业银行在经营活动过程中，主要面临着信用风险、国家及转移风险、市场风险、利率风险、流动性风险和操作风险等风险。其中，信用风险无疑是最重要的风险。 信用风险可定义为银行的借款人或交易对象不能按事先达成的协议履行义务的潜在可能性。这种无力履行交收责任的原因往往是破产或其他严重的财务问题。 信用风险管理的目标是通过将信用风险限制在可以接受的范围内而获得最高的风险调整收益。,5,信用风险概述,信用风险可进一步分为本金风险和重置风险。 如当一方不足额交收时，另一方有可能收不到或不能全部收到应得证券或价款，造成以交付的价款或证券的损失，这就是本金风险；
2、违约方违约造成交易不能实现，未违约方为购得股票或变现需再次交易，因此可能遭受因市场价格变化不利而带来的损失，这就是重置风险。,6,信用风险的来源,信用风险的来源主要分为两大类： 第一类是借款人的履约能力出现了问题。贷款的偿还一般通过取得经营收入、出售某项资产，或者通过其他的途径借入资金而实现。不过，最主要的还是通过生产经营，由其经营所得来偿还。因此，衡量借款人的履约能力最主要还要看其生产经营能力的大小、获利情况如何。 第二类是借款人的履约意愿出现了问题，这主要是借款人的品格决定的。借款人品格是指借款人不仅要有偿还债务的意愿，而且具备在负债期间能够主动承担各种义务的责任感。这就要求借款人（不论是
3、企业还是个人）必须是诚实可信的，并且能够努力经营。不过，借款人品格是难以用科学方法加以计量的，一般只能根据过去的记录和经验对借款人进行评价。如果存在完备的信用档案，那么借款人在过去时间里违约的次数基本上可以反应出借款人的品格。,7,传统的信用风险度量方法,商业银行传统的信用风险度量方法有信贷决策的“6C”法/“5W”法/“5P”法和信用评分方法等。 “6C”法是指由有关专家根据借款人的品德(character)（借款人的作风、观念以及责任心等，借款人过去的还款记录是银行判断借款人品德的主要依据）；能力(capacity)（指借款者归还贷款的能力，包括借款企业的经营状况、投资项目的前景）、资本(
4、capital)、抵押品(collateral)（提供一定的、合适的抵押品）、经营环境(condition)（所在行业在整个经济中的经营环境及趋势）、事业的连续性(continuity)（借款企业持续经营前景）等六个因素评定其信用程度和综合还款能力，决定是否最终发放贷款。,8,5W法 Who：信用对象是谁 Why：它为什么需要信用 What：信用对象以什么作为担保 When：何时才能还清帐款 How：如何还清帐款，即还款的来源是什么,传统的信用风险度量方法,9,5P法 Personal Factors：信用对象的信誉、主要负责人的人格 Purpose Factors：信用对象需要这笔信用是否合
5、理 Payment Factors：偿还资金的来源是否稳定、时间安排是否合理 Protect Factors： 债权保障措施如何 Prospective Factors：发展前景如何,传统的信用风险度量方法,10,传统的信用风险度量方法,信用评分方法主要有Z值模型等。Z值模型由美国纽约大学斯特商学院教授阿尔特曼（Altman）于1968年提出，他根据数理统计中的辨别分析技术，对银行过去的贷款案例进行统计分析，选择一部分最能够反映借款人的财务状况，对贷款质量影响最大、最具预测或分析价值的比率，设计出一个能最大程度地区分贷款风险度的数学模型（也称之为判断函数），对贷款申请人进行信用风险及资信评估。
6、 模型采用五个财务指标进行加权计算，对借款企业实施信用评分，并将总分与临界值比较，低于该值的企业被归入不发放贷款的企业行列。,11,EDWARD I. ALTMAN,Dr. Altman has an international reputation as an expert on corporate bankruptcy, high yield bonds, distressed debt and credit risk analysis. He was named Laureate桂冠者 1984 by the Hautes Etudes Commerciales Foundation i
7、n Paris for his accumulated works on corporate distress prediction models and procedures for firm financial rehabilitation复原 and awarded the Graham & Dodd Scroll for 1985 by the Financial Analysts Federation for his work on Default Rates and High Yield Corporate Debt. He was elected President of the
8、 Financial Management Association (2003) and a Fellow of the FMA in 2004. In 2005, Dr. Altman was named one of the 100 Most Influential people in Finance by Treasury & Risk, Management magazine. Dr. Altman is an advisor to many financial institutions including Citigroup, Concordia Advisors, Droege &
9、 Co., Miller-Mathis, Investcorp and the New York State Common Retirement Fund, as well as on the Board of the Franklin Mutual Series Funds, the Ascend Group, and Automated Trading Desk, Inc.,12,阿尔特曼确立的分辨函数为： Z=0.012（X1）+0.014（X2）+0.033（X3）+0.006（X4）+0.999（X5） 其中，X1：流动资本/总资产（WC/TA） X2：留存收益/总资产（RE/TA）
10、 X3：息前、税前收益/总资产（EBIT/TA） X4：股权市值/总负债帐面值（MVE/TL） X5：销售收入/总资产（S/TA） 阿尔特曼经过统计分析和计算最后确定了借款人违约的临界值Z=2.675，如果Z2.675，借款人被划入违约组；反之，如果Z2.675，则借款人被划为非违约组。当1.81Z2.99时，判断失误较大，称该重叠区域为“未知区”（Zone of Ignorance）或称“灰色区域”(gray area)。,13,传统的信用风险度量方法,ZETA评分模型的主要内容： ZETA信用风险模型（ZETA Credit Risk Model）是继Z模型后的第二代信用评分模型 ，变量由
11、原始模型的五个增加到了7个，适应范围更宽，对不良借款人的辨认精度也大大提高。 模型中的7个变量是：资产收益率、收益稳定性指标 、债务偿付能力指标、累计盈利能力指标、流动性指标、资本化程度的指标、规模指标 。,14,传统的信用风险度量方法,Z评分模型和ZETA评分模型存在的主要问题 两个模型都依赖于财务报表的帐面数据，而忽视日益重要的各项资本市场指标，这就必然削弱预测结果的可靠性和及时性； 由于模型缺乏对违约和违约风险的系统认识，理论基础比较薄弱，从而难以令人信服； 两个模型都假设在解释变量中存在着线性关系，而现实的经济现象是非线性的，因而也削弱了预测结果的准确程度，使得违约模型不能精确地描述经
12、济现实； 两个模型都无法计量企业的表外信用风险，另外对某些特定行业的企业如公用企业、财务公司、新公司以及资源企业也不适用，因而它们的使用范围受到较大限制。,15,传统的信用风险度量方法,现在广泛应用的量化模型之一是统计模型，它们是在Fisher于1936年作出的启发性研究之后提出来的。常见的模型有线性概率模型、logit模型、probit模型和判别分析模型。其中以判别分析模型和logit模型应用最广。 但是，大量实证结果也发现，企业财务状况的好坏与财务比率的关系常常是非线性的，并且预测变量(财务比率)可能是高度相关的。实证结果还表明，许多指标不成正态分布。这些，都会直接影响到统计方法的预测效果
13、。,16,神经网络方法,20世纪80年代以来，随着信息科学和计算机技术的迅速发展，人工智能技术被引入到商业银行的信用风险管理中。人工智能在该领域的运用，克服了统计等方法对假设较强的要求以及静态反映信用风险的缺点。其代表方法就是神经网络分析方法。 然而，神经网络方法的最大缺点是其操作的随机性较强，以及由于它的理论基础使得其各变量的经济含义较难解释。Ahmanetal.(1995)在对神经网络方法和线性判别模型的比较研究中得出了神经网络方法并没有实质性的优于线性判别模型的结论。,17,现代信用风险度量模型,近二十年来，由于商业银行贷款利润持续下降和表外业务风险不断加大，促使银行采用更经济的方法度量
14、和控制信用风险，而现代金融理论的发展和新的信用工具的创新，给开发新的信用风险计量模型提供了可能。 与过去的信用管理相对滞后和难以适应市场变化的特点相比，新一代金融工程专家将建模技术和分析方法应用到这一领域，在传统信用评级的基础上提出了一批信用风险模型。 现代信用风险度量模型主要有KMV模型、CreditMetrics、麦肯锡模型和CSFP信用风险附加计量模型等四类。,18,CreditMetrics模型,CreditMetrics是由J.P.摩根公司等1997年开发出的模型，运用VAR框架，对贷款和非交易资产进行估价和风险计算。该方法是基于借款人的信用评级、次年评级发生变化的概率（评级转移矩阵
15、）、违约贷款的回收率、债券市场上的信用风险价差计算出贷款的市场价值及其波动性，进而得出个别贷款和贷款组合的VAR值。,19,CreditMetrics模型,CreditMetrics 图解,20,麦肯锡模型,1998年，McKinsey公司提出CreditPorffolio View方法。麦肯锡模型则在CreditMetrics的基础上，对周期性因素进行了处理，将评级转移矩阵与经济增长率、失业率、利率、汇率、政府支出等宏观经济变量之间的关系模型化，并通过蒙地卡罗模拟技术（a structured Monte Carlo simulation approach）模拟周期性因素的“冲击”来测定评级
16、转移概率的变化。 麦肯锡模型可以看成是对CreditMetrics的补充，它克服了CreditMetrics中不同时期的评级转移矩阵固定不变的缺点。,21,CSFP信用风险附加计量模型,1997年，CSFP(Credit Suisse Financial Products)公司也公开了其CreditRisk+方法。 CSFP信用风险附加计量模型是一个违约模型（DM），它不把信用评级的升降和与此相关的信用价差变化视为一笔贷款的VAR（信用风险）的一部分，而只看作是市场风险，它在任何时期只考虑违约和不违约这两种事件状态，计量预期到和未预期到的损失。 在CSFP信用风险附加计量模型中，违约概率不再是离散的，而被模型化为具有一定概率分布的连续变量。每一笔贷款被视作小概率违约事件，并且每笔贷款的违约概率都独立于其它贷款，这样，贷款组合违约概率的分布接近泊松分布。 CSFP信用风险附加计量模型考虑违约概率的不确定性和损失大小的不确定性，并将损失的严重性和贷款的风险暴露数量划分频段，计量违约概率和损失大小可以得出不同频段损失的分布，对所有频段的损失加总即为贷款组合的损失分布。,22,
