摘要：在银行信贷经营过程中，信用风险是导致银行破产的主要原因，评估信用风险模型和方法不断推陈出新。建立信用风险模型有助于银行提高风险管理能力，进行与信贷本身匹配的经济资本配置，符合银行监管者的要求。不同于现有文献对模型本身和评估方法的讨论，本文更多的是从信用风险模型的基本风险因素入手，详细论述信用风险建模的动态过程，对模型进行评估和检验，对建模过程中存在的潜在风险进行分析，以完善信用风险模型体系，使得国内的商业银行在建立信用风险模型时不再盲目照搬国外的经典模型，而从自身具体情况出发，建立适用的信用风险模型，对我国各大银行的信用风险衡量有一定的借鉴作用。
关键词：信用风险 动态建模 风险分析

建立信用风险模型有助于银行提高全面的识别、测量和管理风险的能力，更好的反映风险集中度，为风险管理提供更多的信息工具。信用风险模型还为银行提供更精确的基于风险的定价，有助于银行管理层的决策过程透明化以及更一致的经济资本配置，其风险集中性可以迅速改进银行的谨慎政策，提高风险透明度。目前我们使用最频繁的现代信用风险衡量和管理模型主要有KMV公司的KMV模型、瑞士信贷银行的Credit Risk+模型、麦肯锡公司的Credit Portfolio View模型和J.P.摩根的信用度量制模型（Credit Metrics Model），而这些格式化的经典模型并不一定适用于国内商业银行，我们应借鉴外来资源，建立符合自身特点的信用风险模型，才能真正实现全面的信用风险管理。

一、信用风险模型的基本风险因素
适用、有效的信用风险模型应该满足三个条件：1、理论分析完备；2、通过时间数据检验和强度测试；3、与银行的管理决策程序合为一体。在此基础上，信用风险模型一般由7个基本风险因素构成。

1．内部信用评级体系
内部信用评级体系作为对信贷客户违约概率的统计模型，一般通过建立内部评级部门与外部评级机构对客户活动评级而得到 。通常的评级程序包括：
（1）根据客户的财务状况和贷款方式作出客观判断，评定客户的基本信用级别；
（2）使用商业信用评分模型，委托外部评级机构如标准普尔、穆迪公司等运用通用的商业信用评分模型对客户进行信用评级；
（3）使用内部信用评级模型对客户进行信用评级，为保证评级的一致性和准确性，一般由银行内部独立于经营的部门对该信用评级进行复核。

2．信用损失
信用损失的定义通常使用两种定义：
（1）违约模式（DM）。这种模式仅产生两种相关结果：不违约和违约，用以衡量商业银行传统借贷业务。如果所有信贷风险头寸期限都不超过一年，DM模式可以衡量所有的潜在信用损失；如果信贷工具的到期日超过一年，则DM模式在很大程度上将忽略超过计划期的潜在损失。
（2）盯住市场模式（MTM）。这种模式考虑了信贷工具在多种状态下的信用损失，即使对方未正式违约，信贷工具的经济价值在MTM模式下也可能下降，违约仅是造成信贷工具在计划期价值损失的原因之一。MTM实际上将信贷资产盯住市场，信用损失被定义为信贷资产组合价值在计划期由于基础贷款的信用等级恶化或在金融市场上信用风险扩大造成未预期的下跌。目前发展趋势是MTM逐渐取代DM。
例如，考虑一笔处于等级3的贷款，如果贷款在计划期限内违约，在DM和MTM模式下都认为贷款遭受了价值损失；而在MTM模式下，如果贷款由于客户财务状况恶化等因素而被降级，或如果所有处于等级3的贷款所面临的信用风险在计划期限内普遍上升，那么也认为贷款遭受了信用损失。

3．贷款价值衡量
假设银行的信贷资产组合仅包括固定利率贷款，且每一客户仅借一笔贷款。在MTM下，贷款价值衡量包括以下几个方面：
（1）贷款的现值。贷款现值由计划期限内所有现金流贴现得出，贴现率反映国库券收益曲线的无风险利率期限结构和对每一信用等级的信用风险期限结构，我们假设除了特殊的随机效应之外，信用风险只取决于信贷工具的信用评级。
（2）未违约贷款的未来价值。即剩余现金流的贴现值，这里的贴现率与计算贷款现值的贴现率不同，因为贷款的信用评级或特定信用等级的信用风险期限结构已发生变化，根据我们的假设，反映信用风险的贴现率也随之变化。在DM下，未违约贷款的未来价值等于其账面价值。
（3）违约贷款的未来价值。贷款的违约损失率（LGD）由合同现金流和实际净现金流贴现值之差来衡量，在DM下，违约贷款的未来价值等于贷款账面价值乘以LGD。LGD依赖于信贷工具等级、抵押品种类和随机风险因素。

4．信贷选择权
许多信贷工具的信用风险头寸是不确定的，对信贷选择权的处理，取决于客户未来随机事件的影响。在DM下，将未使用的信用额度转为贷款等价风险头寸（LEQ），使其与期限贷款可比；在MTM下，建立计划期信用额度占用费与客户期末信用等级之间的函数，以此确定信用风险头寸的大小。

5．模型参数的定值与估计
在MTM下，三种类型的事件会导致贷款价值的变化：贷款内部信用评级的变化、金融市场上信用风险分布的变化以及贷款的违约损失率(LGD)，影响每种事件的随机风险因素也可以分为3类：
（1）影响信用评级的风险因素。每一客户在计划期末的信用评级由转移风险因素的未来实现情况来衡量，通常转移风险因素满足标准联合分布。例如，一个客户目前的信用等级是B，如果转移风险因素的一个大的正值实现，使评级升为A；一个极大的负值实现则会造成评级降至违约级。
（2）影响信用风险分布的风险因素。银行一般使用非参数估计方法例如样本蒙特卡洛模拟过程，估计信用风险分布未来变化的联合概率分布，并对每一信用等级建立信用风险分布的期限结构数据库。
（3）影响给定LGD的风险因素。LGD是由预期风险导致的可预期损失得到，然而小概率事件导致的不可预见损失将影响LGD水平，因此在模型中假设LGD在所有借款者之间服从独立分布，概率分布通过银行贷款损失的历史数据得出。

6．信用损失概率密度函数（PDF）的计算公式
我们通过蒙特卡洛模拟或均值方差估计的方法来估计贷款资产组合的PDF。在DM模式下，均值方差方法对一项贷款的信用风险配置的经济资本 依赖于这一贷款在总体资产组合信用风险损失标准差 中的份额。
进一步假设：影响客户违约和LGD的随机风险因素相互独立，各借款者的LGD相互独立，则第i笔贷款的信用风险损失标准差可表示为：

其中 是第 种贷款工具的贷款等价风险头寸， 是该笔贷款的违约概率， 是给定的预期违约损失率， 是该贷款违约损失率的标准差。

7．资本配置法则
信用风险估计出来以后，银行应确定配置经济资本以弥补风险损失的法则。经济资本的计算方法通常是风险资本的PD乘上组合信用风险损失估计标准差的某个参数，参数依目标非流动率的不同从3到7不等。

二、信用风险建模的动态过程
从着手建立信用风险模型开始，银行必须对自身具体状况作详细调查，包括资产组合中各种信贷工具的动态信用过程、固定利率和浮动利率信贷的结构比例和两者的缺口、历史损失数据等，根据已有数据资料确定模型的种类和预采纳的因素，按步骤建模。

1．信用风险建模的过程主要包括以下四个步骤：
（1）计算每一个风险头寸和资产组合在给定时期内的预期损失水平；
（2）计算每一个风险头寸预期损失的波动额，即意外损失水平；
（3）计算资产组合预期损失的波动额；
（4）计算整个资产组合信用损失的概率分布，并测定每一个风险头寸在给定置信度和时间范围之内，需要多少资本来吸收风险。

2．选择模型：默认模式模型和市场计价模型
信用风险建模有两种模型可供选择：默认模式模型和市场计价模型。在信用风险模型中必须明确定义持有期，即观测损失可能性的这一段期间，通常采用一年的持有期。
默认模式模型假设银行拥有很完善的信用控制体系，仅关注贷款能否及时偿还，而关于贷款市场价值的任何改变都忽略不计，此模型常用于计算到期还本付息贷款的利息。
市场计价模型相比更加严谨，它不仅估计贷款到期不能支付的风险，还估计中期潜在的价值损失，该模型主要用于不一定持有直到到期日的投资组合，JP摩根公司的信贷矩阵模型（Credit MetricsTM）就是市场计价模型的一个典型例子。如果假设一个信贷演变过程从“好”到“坏”，市场计价模型和默认模式模型的原理完全相同。

3．是否考虑经济状况：无条件模型和有条件模型
银行风险头寸的信用风险水平还受到经济周期的影响，建立模型时需要选择是否考虑当前和预期的经济状况，选择无条件模型还是有条件模型。
无条件模型，也叫特定周期模型，它明确考虑了在预期损失和意外损失估计下的现有经济状况，良性经济状况下的信用损失比经济衰退时的损失低得多。对于经济周期变化所产生的影响，无条件模型的反映较为滞后。
有条件模型，也称周期中和模型，模型中包含信用评级要素，在一定程度上反映了当前的经济状况和借款者的财务状况，并将根据经济周期改变的预期影响对模型进行调整。

4．定义“违约”
违约是指债务人不能到期偿还债务而给银行造成损失的可能性，由在到期时无法支付利息或本金引起，但是也可能不导致银行的损失 。模型中规定超过期限多少天，或者以超过了改正借款条款的时间限额来衡量违约的标准。

5．计算预期损失（EL）
预期损失不是风险，而是银行运营成本的一部分。EL是指在给定时段内可预计的任何一种风险或一系列风险的信用损失的平均水平，即风险概率分布的平均值。此外银行还必须持有一定的自有资本来预防意外损失，即不可预期损失，它是指预期损失水平上下的损失波动性，是风险概率分布的标准差。评估EL包括以下三个部分：
（1）预期违约频率（EDF），是指在既定时期内借款人可能违约的概率，由客户在内部或外部评级机构的信用评级和风险头寸的余期所决定，通常以百分比来表示。
信用风险建模的步骤之一就是进行历史分析，以便获得模型所需要的统计数据。在一些国家，银行使用内部信息和一些外部资源，例如违约信息商提供的违约数据、公布的破产报告和独立的信贷评级机构等，建立一个违约情况数据库来得到比较准确的违约概率。这个数据库中包括客户历年的信用评级、信贷积分工具、经济周期的波动性和每一个信贷评级内的信贷余额对比数据，银行根据数据比较违约客户在违约之前固定时间间隔内的信用评级，并将每一个信用级别的所有客户进行比较，用来确定不同时段内不同级别客户的违约概率。而对于个人信贷，可使用一些外部信息而不必建立历史数据库。另外，不同地域和市场板块下的贷款组合具有不同的特点，应该分别建立信用风险模型。
（2）违约损失率（LGD），是指借款者违约所造成的信用风险头寸损失数额。LGD主要是由信贷产品的类型和持有的抵押品来决定，不仅包括贷款本金的损失，而且包括回收账款的费用，以及在贷款重组完成或核销之前无利息收入情况下的融资成本，通常以信用风险头寸的百分比表示。
建立LGD的函数，自变量包括抵押品的价值、扣除抵押品之后回收的本金、用来弥补损失的时间和资本回收成本。大多数公司贷款组合本金部分的LGD约为 30％～40％，但据统计表明，资产回收成本可能和本金的损失相等，LGD可能高达60％～80％。穆迪评级公司公布的回收率数据表明，本金和利息的平均损失从高等级债务的20％到次级债务的70％不等，充分担保的金融产品的LGD很低。
（3）潜在信用风险（PCE），是指客户发生违约时授信余额的可能金额，这是由还款计划或使用率来决定的，以风险头寸名义价值的百分比表示。
信贷组合中每一风险头寸的预期损失为：
（1）
总的预期损失为每一组成部分的预期损失之和：
（2）
其中 表示的是第 种信贷工具的预期损失。

三、信用风险建模的评估与检验
银行根据自身特点选定信用风险模型之后，还必须对模型进行有效性检测，即通常的返回测试。对信用风险模型进行整体评估，首先考虑模型的稳定性和抗干扰性，还要考虑到模型的局限性，使得银行在其他工作中有所防范。

1．对信用风险模型稳定性的评估
模型稳定性是指没有发生实质性变化时，信用评级的短期剧烈波动导致噪音（Noise）而给信用风险模型带来影响的程度。某类投资者的倾向对其他投资者仅是噪音，这将削弱定价过程及信用许可过程的可信度。理想的模型是只有当公司的关键变量发生变化，信用风险模型的变量和因素才随之变化，其中噪音测试是核心步骤 ，因此，信用评级机构要么将噪音最小化，要么准确辨识模型得出的结果是有用的信号还是无用的噪音。
信用风险模型应至少以不同信用等级违约的1－2个信用周期的数据为基础，用户估计每个信用等级类型的破产概率。一个违约概率产生，可通过处于相同概率区间的公司群组，利用已产生的违约概率对比预测结果和实际情况的差异，从而检验这个违约概率的可靠性，预测准确率达到80％～90％。通过这些测试，判断信用风险模型是否有效率，从而衡量模型的精确度和稳定性。

表1 计算累计违约率的方法与数据
Altman和Kishore 穆迪和标准普尔
1．以面值为权重 1．以发行者数目为基准，无权重和市场价值
2．国内一般债券 2．国内一般债券、可转换债券和外国债券
3．基于发行时的信用等级，考虑发行后1－10年 3．基于隐含的优先无担保债券的信用等级，综合20年的所有发行年龄的债券
4．死亡违约计算适用于赎回到期及违约等情形 4．根据原始群组计算违约率，对边际违约率中的撤销信用等级进行调整
5．基于所有的信用等级类型，从AAA到CCC 5．基于所有信用等级（包括次要等级），从Aaa到Caa；标准普尔无次要等级
6．样本期间为1971－1996年 6．穆迪主要等级期间为1970－1996年，次要等级为1983－1996年；标准普尔样本期间为1981－1996年

2．对信用风险模型的整体评估
将信贷损失的预测累计密度函数记为 ，其中 =1,…R， =1,…T。为了模型整体评估的精确性，用三种假设检验方法来检验。
（1）评估预测期望损失。在重新抽样资产组合中，通过比较预测损失和实际观察损失，来评估模型预测其预期损失的精确性。假定在信用风险模型 中，年度预测资产组合 在 +1年的期望损失记为 ，这是 的期望值。令 代表重新抽样组合 在 +1年的观察损失，则整个模拟样本中预测的观察损失与期望损失的误差满足：
（3）
如果模型精确，误差均值应为0。验证这个假设的大数检验统计是可能的，用最小二乘法对下式进行回归分析：
（4）
参数值应为 ＝0, ＝1，暗示预测误差均值为0，说明指定的信用风险模型是精确的。
（2）评估预测临界值。信用风险模型的输出通常是预测损失分布指定的临界值，即一个给定概率下不超过多少损失的总值，记为 ，它是对于 的上端％水平的临界值，可以沿用市场风险模型中的VaR方法产生。假定 是精确的，可以应用可能性比率统计方法检验观察的例外情况百分比 是否等于，当实际信用损失超过预测临界值时，模型化为概率等于 ％的独立二次自由变量的抽样：
（5）
其中LR( )是服从自由变量 的渐进分布， 是样本例外情况的数量。令 ＝5％，在LR( )＞6.64的情况下可以拒绝原假设，否则零假设 ＝ 成立，这说明信用风险模型输出的预测临界值是精确的。
（3）评估预测损失分布。只要信用风险模型 能产生信贷损失的所有分布，就可以评估T×R个分布预测的精确性。假设检验目标是观察损失分布的百分点 与观察信贷损失 相对应的 的百分点，那么
（6）
若上式成立，则预测损失分布是精确的。这些假设检验百分点显示了精确分布的预测观察百分点的属性，来自同一分布的独立抽样百分点在单位区间内是一致的，因此在信用风险模型m中观察的百分点也应为独立和一致分布的。