國內商業銀行信貸風險管控探微范文

本站小編為你精心準備了國內商業銀行信貸風險管控探微參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

一、普通參數組對于資產組合Ⅰ的模擬

這一模擬是以普通參數組為基礎，包括了一個固定的40%回收率，24%的資產相關性，表2來自轉移矩陣，利差來自Nelson-Siegel曲線（Nelson，Siegel1987），其中，零息債券的到期時間為t的利率通過公式（1）給出：在此普通參數組中，我們仍需假設其他一些個自得參數。包括一些盯市的收益或損失，模擬的次數和決定是否使用方差逐次減少的技術等。一個關鍵的參數就是如何使一個年度違約率應用到一個短期久期頭寸上。

表3顯示了在輸入普通參數組，在各種不同置信水平VAR和ES的情況下對于資產組合Ⅰ模擬的結果。分析表3的起點是運用預期損失的分析估算模型的有效性。設資產組合中評級為AAA的占80%，評級為AA的占17%，評級為A的占3%，如果這些權數分別乘以他們的違約率（分別設為1、4、10個基點）和違約損失LGD（1減回收率），就得出違約狀態下的損失，假設存款為一年期限，就得出違約狀態下的損失為（0.8*0.0001+0.17*0.0004+0.03*0.0010）*0.6=1.1。在轉移模型中，預期損失將會更高，但在此由一年期違約概率轉變為一個月的違約概率更能證明相關問題。不同的轉移技術解釋了各種預期損失的差別。例如，銀行4估計出最高的預期損失，這一點與其最保守的假設相一致。

要分析模擬結果產生的預期損失，分析由違約引起的比例和由評級轉移引起的比例是很重要的。我們假設兩個參者去模擬違約過程。他們都要運用相同的模擬系統（CreditManager）和相同的參數輸入，并且除了轉移到違約一級的概率其他轉移概率設為0，評級保持不變的概率逐漸增加。這樣，我們就可以把違約對于總體損失的貢獻獨立出來。而另一個參與者使用的違約模型和轉移模型并不是用來分解模擬結果的，而是用來測量敏感度分析的。表4展示了分解的結果。由于違約引起的預期損失3倍于因轉移而引起的預期損失，這一點即使對于由高質量資產組成的資產組合Ⅰ也成立。表中結果表明在較低的置信水平，評級的轉移是風險的重要來源，但隨著置信水平的增加，違約引起的風險變得相對重要。在99.99%的置信水平下，幾乎所有的風險都來自違約。從表4可以看出，VAR和ES在置信水平為99.9%時還是較小的，但達到99.99%后，VAR和ES顯著增加。在置信水平為99.9%時，信用的在險價值CreditVAR和市場風險相比是無關的。然而，一旦置信水平達到99.99%，信用風險就成為風險來源的主要部分。

用來計算對預期損失具有很大影響的違約概率的數學公式，幾乎對ES和VAR沒有什么影響。因為資產組合中短期信貸的權重較小，收益率分布的尾部部分很大程度上取決于大額發行者的的違約程度。這種模擬結果的相似性隨著置信水平的提升而增加。例如，在置信水平為99.99%時，ES的最高值和最低值的比率為1.04，而在置信水平為99.00%時，這種比率為2.16。這個結論對VAR也成立。隨著置信水平的增加，違約或評級降級情況就會集聚，在極端的情況下（置信水平接近100%），所有的發行者都會違約。為確定模擬結果的統計意義，模擬參與者在CreditManager輸出結果的基礎上，應該報告VAR估計的置信邊界。置信邊界就是所觀察到的觀察量超出VAR的符合二項分布的隨機變量：n×（1-α）n為模擬結果的個數；α為置信水平。

例如，如果來自100000模擬結果的置信水平為99.99%的VAR，則預期的超出VAR的數量是100000*（1-0.9999）=10。均值為n×（1-α）姨的二項分布的標準差為，二項分布的標準差隨著模擬數量n的增加而增加，但個別的模擬結果更加分散。置信邊界在置信水平為99.00%和99.90%時的VAR是非常準確的。在100000模擬后，顯示出的標準差為0%。然而隨著置信水平增加到99.99%，VAR的不確定性也在增加。模擬的離散度如圖1所示。

二、運用普通參數組對資產組合Ⅱ的模擬結果

資產組合Ⅱ中含有到期時間小于一年的資產的比例要比資產組合Ⅰ小，但這些資產的平均到期時間大于一個月，因此，這些資產由年度違約率向更短時期違約率轉變的相關性更小。模擬結果如表5和圖2所示：之前我們做過的觀察結果也可以運用在資產組合Ⅱ上，可以看出，有一些短時期資產組成的資產組合，至少有一項資產違約的概率大約為12%。這個資產組合Ⅱ包含平均違約率為0.22%的62個信貸者，假設他們之間是獨立的，則至少一項資產違約的概率估計為：1-（1-0.22%）62=12.8%銀行1、2、3、4的預期損失都在20個基點左右，銀行5較高。我們可以看出他們的尾部測量相似，表明出現這些差別并不是由于計算的錯誤，而是由于定義的差別。表6對展示了對模擬結果分解為違約和評級降級的狀況。表中結果顯示由違約原因引起的預期損失略小于50%（47.6%）。這一結果要比資產組合Ⅰ的75.6%小，主要是因為資產組合Ⅱ的久期較大。另外，即使置信水平在99.99%，由評級降級引起的VAR和ES也不能忽略不計。

不過，在置信水平為99.00%和99.90%時，資產組合Ⅱ的VAR和ES要大于資產組合Ⅰ，但是在置信水平為99.99%時，卻變小了。這都說明了相同的原因：資產集中度。在非常高的置信水平下，信用風險并不是來自平均評級級別或信用質量，而是來自資產集中度。即使有一很低的違約率，在某一置信水平下，占有很大權重的信貸資產違約發生，那么違約影響還是很嚴重的。因為資產組合Ⅰ中資產集中程度要大于資產組合Ⅱ，所以它的VAR和ES要確實高于資產組合Ⅱ，即使資產組合Ⅱ的總體評級狀況更低。從另一方面來說，一個信貸質量高的組合不定它的風險就低，在一個高置信水平下，資產的多樣化起關鍵性作用。

三、我國商業銀行使用

CreditMetrics模型的政策建議近年來，盡管我國商業銀行在信貸風險度量方面做了很大努力，但是離現代信用風險度量模型特別是CreditMetrics模型的使用要求還有一段的距離。為了使CreditMetrics模型能更好地衡量商業銀行信貸風險，我們必須做好以下準備工作。

（一）技術層面建設

1.建立信貸風險基礎數據庫，強化數據管理。CreditMetrics模型的建立需要進行大量的參數估計，包括違約率、回收率、信用等級轉換概率等，他們的估計都是以歷史數據為基礎的。缺少這些歷史統計數據，就不能對信貸違約率和損失率進行統計分析，CreditMetrics模型所需的信用風險概率分布、信用轉移矩陣就無從產生。

2.加強銀行內部評級與外部評級相結合。獲取商業銀行借款人的信用評級的級別有兩種渠道，一是通過銀行內部評級得到，另一種就是通過信用評級機構（外部評級）獲得。從外部評級機構來說，西方信用評級的數據一般都是由穆迪、標準普爾這樣的國際知名評級機構提供的，這些機構起步早，具有一整套完整的、成熟的評級系統，而我國信用評級機構雖然處于發展初期，但是在建立自己的信用風險度量模型時決不能照搬別人的數據，而是需要制定出符合中國國情的評級標準和評級方法，以使銀行內部信用評級能與之相結合。

（二）制度層面建設

1.企業制度基礎。目前我國國有銀行存在的主要問題是，內部治理結構中委托人、人責權利不明，風險承擔主體不明，從而無法建立完善的風險內控機制和激勵機制。因此，我們應繼續深化銀行的股份制改革，優化股權結構，完善內部治理機制，健全風險管理機構的獨立性，這樣，才能保證CreditMetrics模型等技術的實施。

2.監管制度基礎。目前我國銀監會對商業銀行信用風險的監管主要通過對資產負債比例指標的監控完成。為有效實施CreditMetrics模型和采用內部評級法，銀監會需調整和改進監管內容和方式，包括確立數據收集、違約概率估計方法、評級體系標準及銀行內控機制建設要求等。

3.金融市場制度基礎。CreditMetrics風險管理技術的運用需要有效的完善的金融市場環境，包括利率的市場化、增強市場的流動性、健全信用衍生產品市場等，為CreditMetrics風險管理技術的實施提供一個良好的外部環境。

（三）文化層面建設

1.提高銀行對信用風險的辨識、評估能力，對現代風險管理方法和技術的吸收、借鑒能力和風險管理模型的開發運用能力。

2.要強化銀行全體員工的風險觀念和意識，使他們不僅要意識到風險的重要性，還要以科學的態度去處理風險，具備不斷學習風險管理新知識的愿望和探索先進風險管理新方法的精神，確立現代風險觀念。

3.強化人力資源管理。商業銀行對風險的辨識、計量、分析與防范過程中，必須落實到人，責任明確?？傊?，我國商業銀行將CreditMetrics模型應用到信用風險度量正處于起步階段，在世界經濟全球化、國際銀行業競爭日趨激烈的狀況下，將先進的信用風險度量模型應用到我國商業銀行中，對于提升我國商業銀行的國際競爭力，增強我國的綜合國力具有深遠的意義。我國商業銀行風險管理任重而道遠。

作者：郭玉敏劉陽單位：國家開發銀行天津分行