摘要：信用风险是当前我国商业银行面临的主要风险。对信用风险的准确度量和有效管理，既是商业银行进行贷款甄别、定价的关键，也是监管部门进行风险性监管的基础。随着金融全球化的趋势、金融市场波动加剧以及网络经济的迅速发展，国际上各种金融机构现在都面临着性质越来越复杂的信用风险。本文通过对西方商业银行信用风险评估模型的比较研究，指出其特点和优缺点，以期为我国商业银行加强信用风险管理提供借鉴作用。

关键词：商业银行 信用风险 度量模型

一、现代信用风险度量模型概述及分析

信用风险又称违约风险，是指借款人因种种原因不愿或无力履行合同条件而构成的违约，致使交易对方造成损失的可能性，其风险的大小是通过对方违约时的重置现金流来度量的。随着金融全球化的趋势、金融市场波动加剧以及网络经济的迅速发展，国际上各种金融机构都面临着性质越来越复杂的倍增的金融风险。因此市场上迫切需要较为成熟的风险识别、度量和防范技术手段。信用风险度量模型便是在这样的背景下快速产生和发展的，目前主要有kmv模型、credit risk+（信用风险附加）模型、credit metrics（信用度量）模型、credit portfolio view（信贷组合）模型。

kmv模型——期权定价模型

kmv模型是kmv公司1997年建立的用来估计借款企业违约概率的方法，该方法可针对所有的其股权公开交易的公司和银行对其违约的可能性做出预测。首先，它利用black—scholes期权定价公式，根据企业资产的市场价值、资产价值的波动性、到期时间、无风险借贷利率及负债的账面价值估计出企业股权的市场价值及其波动性，再根据公司的负债计算出公司的违约实施点(default exercise point，为企业1年以下短期债务的价值加上未清偿长期债务账面价值的一半)，然后计算借款人的违约距离，最后根据企业的违约距离与预期违约率(edf)之间的对应关系，求出企业的预期违约率。

从期权定价的思想出发，可以将银行放出的一笔贷款看作是一笔以借款企业的资产为标的卖出的一笔卖权，银行贷款的损益与卖权卖方的损益图非常类似。由此根据下列black—scholes模型中股票卖权的计算公式，风险贷款的现行市场价值取决于五个变量【1】：（略）

kmv模型的优势与劣势。优势在于：（1）是模型是依据受信企业的资产市值来估计其信用风险波动状况，由此将市场信息情况纳入了违约概率。（2）是该模型是一种动态模型，

可及时反映信用风险水平的变化。由于该模型采用的是企业股票市场价格分析方法，是模型可随时根据企业股票市场价格的变动情况来更新模型的输入数据，能获得及时反映预期和企业信用和企业信用状况变化的新预期违约频率值，动态反映信用风险水平的变化。（3）是该模型是一种“向前看”的模型，在一定程度上克服了依赖历史数据“向后看”的数理统计模型的“历史可以在未来复制其自身”的缺陷。即股票市场的实情行情，不仅反映了该企业历史的和当前的发展状况，还反映出市场投资者对该企业未来发展的综合预测情况。其劣势在于：（1）是该模型假定利率是事先确定的，此假设对一年期内的估计违约概率无太大影响，但其假设却限制了将该模型应用于期限超过一年以上的贷款，并限制了其他利率敏感性工具。（2）是由于企业的资产价值、企业资产收益率的期望值和波动性都无法观察到，故必须使用估计技术来获取这些数据，然而估计的准确率却无从考证。（3）是对非上市公司因使用资料的可获得性差，预测的准确性也较差。

credit risk+模型——信用风险附加模型

credit risk+系统是瑞士信贷第一波士顿银行(csfp)于1996年开发的信贷风险管理系统。它应用保险业中的精算方法来得出债券或贷款组合的损失分布，是一个运用精算方法的模型，相似于出售家庭火险的财产险承诺人在确定保险费而评估政策损失风险时所用模型。credit risk+模型假定违约率是随机的，可在信用周期内显著地波动，并且其本身是风险驱动因素。因而，credit risk+被认为是一种违约率模型的代表。它只考察违约风险，不考虑降级风险。与kmv方法不同，它并不试图建立违约风险同企业资本结构间的联系。

credit risk+的风险度量框架如下图所示【1】。

图 1（略）

由图中看到：违约频率和损失的严重性这两种情况的各自不确定性程度，为每一个风险暴露频段都带来一种损失的分布，而将这些不同风险暴露频段的损失加总（累积），则可得到贷款组合的损失分布。图中反映出两种不确定性与违约损失分布之间的关系。

信用风险附加模型的优势与劣势。优势：(1)该模型对贷款组合损失的概率分布有闭型解，所以不需要采用模拟技术，计算速度也较快;（2）模型所需的输入数据很少，只需每笔贷款的违约概率和给定违约概率下的损失，无需有关利率期限结构或信用等级转换矩阵的信息。（3）该模型处理能力很强，可以处理数万个不同地区、不同部门、不同时限等不同类型的风险暴露。（4）易于求出债券/贷款及其组合的损失概率和边际风险分布。劣势：（1）与kmv模型一样，只将违约风险纳入模型，没有考虑市场风险，而且认为违约风险与资本结构无关，这种简易性可能会与尽可能准确地模拟复杂、现实的目标相冲突。（2）该模型忽视了利率的随机期限结构会长期影响信用风险头寸问题，它只假定风险头寸是事先确定的常数。（3）能处理非线性金融产品，如期权、外币掉期、货币互换等。

credit metrics 模型——信用度量模型

credit metrics模型是一种基于风险价值var(value-at-risk)方法的信用风险管理模型。该模型用简单的期望和标准差来表征资产信用风险变化，通过计算在确定的置信水平下信用资产价值的最大损失额，将var方法引入到信用风险管理中来。该模型的核心思想是贷款或资产组合价值的变化不仅要受到资产违约的影响，而且也受到资产等级变化的影响，即信用风险不仅由债务人的违约风险引起，也会因债务人的信用等级降级而引起潜在的市场价值损失。它通过对贷款或资产组合在给定的时间单位内(通常为一年) 的未来价值变化分布进行估计，均值、标准差、分位数等参数来表征贷款或组合风险特征，利用在险价值(var)来衡量信用风险，并通过var值的大小反映出银行某个信贷或资产组合应准备的经济资本。

credit metrics模型的主要输入参数是期限、信用等级转移矩阵、资产之间的相关系数、远期收益率以及回收率。如果已知贷款或资产组合的价值和价值变动率(标准差)，则在给定的期限和置信度水平下，可以计算贷款或资产组合的var。对于贷款价值的标准差，通过建立有关贷款企业信用的数据库和分析方法，以信用评级为基础，得到企业信用等级的转换概率。

图2对credit metrics的风险衡量框架进行了概述，这个框架有两个主要组成部分：

a)单一金融工具“信用风险的在险价值”。

b)资产组合的在险价值，这说明了资产组合的分散化效应（“资产组合信用风险在险价值”）

这个框架也有两个辅助函数。通过“相关度”可以导出净资产回收的相关性，人们可以用这个相关性来计算信用等级转移的联合概率；通过“风险”可以计算诸者互换之类衍生证券的远期风险【2】。（略）

图2  credit metrics 的框架：4个支柱（资料来源：credit metrics，jp摩根）

credit metrics模型的优势与劣势。优势表现为：（1）首次将受险价值的方法运用于信用风险的量化度量和管理上。即可根据信用等级转换矩阵提供的信用工具、信用等级变化的概率分布，及不同信用等级下的贴现率，计算出信用工具市场价值在不同信用风险状态下的概率分布。（2）该方法将单一信用工具引入资产组合中，衡量其对整个组合风险状况的作用，利用了边际风险贡献的概念，即在组合中因增加某一信