商業(yè)銀行信貸風(fēng)險(xiǎn)度量與管理.ppt

1、A,1,商業(yè)銀行信貸風(fēng)險(xiǎn)度量與管理,A,2,信貸風(fēng)險(xiǎn)是金融市場(chǎng)中最古老的也是最重要的金融風(fēng)險(xiǎn)形式之一，也是現(xiàn)代社會(huì)經(jīng)濟(jì)實(shí)體（尤其是金融機(jī)構(gòu)）、投資者和消費(fèi)者所面臨的重大問題，只有對(duì)信貸風(fēng)險(xiǎn)進(jìn)行準(zhǔn)確的度量并據(jù)以實(shí)施相應(yīng)的管理，才能保證金融機(jī)構(gòu)乃至整個(gè)經(jīng)濟(jì)社會(huì)的安全性和穩(wěn)定性。本章將從商業(yè)銀行信貸風(fēng)險(xiǎn)的概念和成因入手，介紹單筆信貸風(fēng)險(xiǎn)的度量和管理。,A,3,第一節(jié) 信貸風(fēng)險(xiǎn)的概念及成因,A,4,信貸風(fēng)險(xiǎn)的概念,商業(yè)銀行的信貸風(fēng)險(xiǎn)主要指在信貸過程中，由于各種不確定性，使借款人不能按時(shí)償還貸款，造成銀行貸款本金、利息損失的可能性。,A,5,信貸風(fēng)險(xiǎn)的成因 不確定性,A,6,第二節(jié) 信貸風(fēng)險(xiǎn)的度量與管理

2、,A,7,主要方法,古典信貸風(fēng)險(xiǎn)度量方法：專家制度 古典信貸風(fēng)險(xiǎn)度量方法：Z評(píng)分模型和ZETA評(píng)分模型 現(xiàn)代信貸風(fēng)險(xiǎn)度量和管理方法：信用度量制模型,A,8,一、古典信貸風(fēng)險(xiǎn)度量方法：專家制度,專家制度是一種最古老的信貸風(fēng)險(xiǎn)分析方法，它是商業(yè)銀行在長(zhǎng)期的信貸活動(dòng)中所形成的一種行之有效的信貸風(fēng)險(xiǎn)分析和管理制度。這種方法的最大特征就是：銀行信貸的決策權(quán)是由該機(jī)構(gòu)那些經(jīng)過長(zhǎng)期訓(xùn)練、具有豐富經(jīng)驗(yàn)的信貸官所掌握，并由他們做出是否貸款的決定。因此，在信貸決策過程中，信貸官的專業(yè)知識(shí)、主觀判斷以及某些要考慮的關(guān)鍵要素權(quán)重均為最重要的決定因素。,A,9,1、 專家制度的主要內(nèi)容 在專家制度下，由于各商業(yè)銀行自身

3、條件不同，因而在對(duì)貸款申請(qǐng)人進(jìn)行信貸分析所涉及的內(nèi)容上也不盡相同。但是絕大多數(shù)銀行都將重點(diǎn)集中在借款人的“5C”上，也有些銀行將信貸分析的內(nèi)容歸納為“5W”或“5P”?！?W”系指借款人（Who）、借款用途（Why）、還款期限（When）、擔(dān)保物（What）、如何還款（How）；“5P”系指?jìng)€(gè)人因素（personal）、目的因素（purpose）、償還因素（payment）、保障因素（protection）、前景因素（perspective）。 在傳統(tǒng)的信貸分析過程中，信貸官常常要借助于一些標(biāo)準(zhǔn)的分析技術(shù)來對(duì)借款人清償債務(wù)能力進(jìn)行評(píng)估。 表13.1例舉了銀行專家在信貸分析中所經(jīng)常使用的財(cái)務(wù)比率

4、指標(biāo)。,A,10,A,11,2、 專家制度存在的缺陷與不足,盡管古典信貸分析法專家制度在銀行的信貸分析中發(fā)揮著積極的重要作用，然而實(shí)踐卻證明它存在許多難以克服的缺點(diǎn)和不足。 首先要維持這樣的專家制度需要相當(dāng)數(shù)量的專門信貸分析人員，隨著銀行業(yè)務(wù)量的不斷增加，其所需要的相應(yīng)信貸分析人員就會(huì)越來越多。因此，對(duì)于銀行來說，對(duì)新老信貸分析人員進(jìn)行不間斷的培訓(xùn)和教育就成為銀行的一項(xiàng)長(zhǎng)期重要的工作。在這樣的制度下，必然會(huì)帶來銀行冗員、效率低下，成本居高不下等諸多問題。 其次，專家制度實(shí)施的效果很不穩(wěn)定。這是因?yàn)閷＜抑贫人揽康氖蔷哂袑ｉT知識(shí)的信貸官，而這些人員本身的素質(zhì)高低和經(jīng)驗(yàn)大小將會(huì)直接影響該項(xiàng)制度的實(shí)

5、施效果。例如，對(duì)于銀行客戶（公司）所提供的一套財(cái)務(wù)報(bào)表和文件，五位不同的信貸官對(duì)其進(jìn)行分析會(huì)得出五種不同的分析結(jié)果，差異很大。 第三，專家制度與銀行在經(jīng)營(yíng)管理中的官僚主義方式緊密相聯(lián)，大大降低了銀行應(yīng)對(duì)市場(chǎng)變化的能力，影響了銀行未來的發(fā)展。,A,12,第四，專家制度加劇了銀行在貸款組合方面過度集中的問題，使銀行面臨著更大的風(fēng)險(xiǎn)。造成銀行貸款組合過度集中的原因是多方面的，但是這其中專家制度的作用是一個(gè)重要因素。在專家制度下，銀行員工都熱衷于成為專家，這就需要他們?cè)谀骋恍袠I(yè)或某類客戶范圍進(jìn)行較長(zhǎng)時(shí)期的分析研究，積累經(jīng)驗(yàn)，成為這個(gè)行業(yè)的專才，因此這些人在選擇客戶時(shí)都有著強(qiáng)烈的偏好，他們所注重的客戶都

6、具有較高的相關(guān)性，這就加劇了銀行貸款的集中程度，必然給銀行帶來潛在的風(fēng)險(xiǎn)。 第五，專家制度在對(duì)借款人進(jìn)行信貸分析時(shí)，難以確定共同要遵循的標(biāo)準(zhǔn)，造成信貸評(píng)估的主觀性、隨意性和不一致性。例如，信貸官在對(duì)不同借款人的“5C”進(jìn)行評(píng)估時(shí)，他們所確定的每一個(gè)“C”權(quán)重都有很大差異，既便在同一家銀行，信貸官對(duì)同類型借款人的“5C”評(píng)估也存在差異。綜上所述，古典信貸風(fēng)險(xiǎn)度量方法專家制度有著許多難以克服的弊病，這就不得不促使人們?nèi)で蟾涌陀^，更為有效的度量信貸風(fēng)險(xiǎn)的方法和手段，來提高銀行信貸評(píng)估的準(zhǔn)確性。,A,13,二、 古典信貸風(fēng)險(xiǎn)度量方法： Z評(píng)分模型和ZETA評(píng)分模型,Z評(píng)分模型（Z-score mo

7、del）是美國紐約大學(xué)斯特商學(xué)院教授愛德華阿爾特曼（Edward I.Altman）在1968年提出的。1977年他又對(duì)該模型進(jìn)行了修正和擴(kuò)展，建立了第二代模型ZETA模型（ZETA credit risk model）。,A,14,1、 Z評(píng)分模型的主要內(nèi)容,Z評(píng)分模型（Z-score model）是美國紐約大學(xué)斯特商學(xué)院教授愛德華阿爾特曼（Edward I.Altman）在1968年提出的。1977年他又對(duì)該模型進(jìn)行了修正和擴(kuò)展，建立了第二代模型ZETA模型（ZETA credit risk model）。 阿爾特曼的Z評(píng)分模型是一種多變量的分辨模型，他是根據(jù)數(shù)理統(tǒng)計(jì)中的辨別分析技術(shù)，對(duì)銀

8、行過去的貸款案例進(jìn)行統(tǒng)計(jì)分析，選擇一部分最能夠反映借款人的財(cái)務(wù)狀況，對(duì)貸款質(zhì)量影響最大、最具預(yù)測(cè)或分析價(jià)值的比率，設(shè)計(jì)出一個(gè)能最大程度地區(qū)分貸款風(fēng)險(xiǎn)度的數(shù)學(xué)模型（也稱之為判斷函數(shù)），對(duì)貸款申請(qǐng)人進(jìn)行信貸風(fēng)險(xiǎn)及資信評(píng)估。,A,15,阿爾特曼確立的分辨函數(shù)為： Z=0.012（X1）+0.014（X2）+0.033（X3）+0.006（X4）+0.999（X5）,A,16,阿爾特曼經(jīng)過統(tǒng)計(jì)分析和計(jì)算最后確定了借款人違約的臨界值Z0=2.675，如果Z2.675，借款人被劃入違約組；反之，如果Z2.675，則借款人被劃為非違約組。當(dāng)1.81Z2.99，阿爾特曼發(fā)現(xiàn)此時(shí)的判斷失誤較大，稱該重疊區(qū)域?yàn)椤?/p>

9、未知區(qū)”（Zone of Ignorance）或稱“灰色區(qū)域”(gray area)。,A,17,2、 第二代Z評(píng)分模型ZETA信貸風(fēng)險(xiǎn)模型,1977年，阿爾特曼（Altman）、赫爾德門（Haldeman）和納內(nèi)亞南（Narayanan）對(duì)原始的Z評(píng)分模型進(jìn)行了重大修正和提升，推出了第二代信用評(píng)分模型ZETA信貸風(fēng)險(xiǎn)模型（ZETA Credit Risk Model）。新模型的變量由原始模型的五個(gè)增加到了7個(gè)，它的適應(yīng)范圍更寬了，對(duì)不良借款人的辨認(rèn)精度也大大提高了。,A,18,我們可以將ZETA模型寫成下列式子,其中模型中的a、b、c、d、e、f、g，分別是作者無法獲得ZETA模型中七變量各

10、自的系數(shù)。 ZETA=aX1+bX2+cX3+dX4+eX5+fX6+gX7,A,19,為了凸現(xiàn)新模型的有效性，阿爾特曼等人對(duì)ZETA模型和原始Z評(píng)分模型在分辯的準(zhǔn)確性方面進(jìn)行了認(rèn)真的比較，表13.2就是這一比較的結(jié)果。由于新模型無論在變量的選擇、變量的穩(wěn)定性方面，還是在樣本的開發(fā)和統(tǒng)計(jì)技術(shù)方面都比以前有了很大的改進(jìn)，所以ZETA模型要比原模型更加準(zhǔn)確有效，特別是在破產(chǎn)前預(yù)測(cè)的年限越長(zhǎng)，其預(yù)測(cè)的準(zhǔn)確性相對(duì)也就越高。,A,20,表13.2 ZETA模型與Z評(píng)分模型分辯準(zhǔn)確性之比較,A,21,Z評(píng)分模型和ZETA模型均為一種以會(huì)計(jì)資料為基礎(chǔ)的多變量信用評(píng)分模型。由這兩個(gè)模型所計(jì)算出的Z值可以較為明

11、確地反映借款人（企業(yè)或公司）在一定時(shí)期內(nèi)的信用狀況（違約或不違約、破產(chǎn)或不破產(chǎn)），因此，它可以作為借款人經(jīng)營(yíng)前景好壞的早期預(yù)警系統(tǒng)。由于Z評(píng)分模型和ZETA模型具有較強(qiáng)的操作性、適應(yīng)性以及較強(qiáng)的預(yù)測(cè)能力，所以它們一經(jīng)推出便在許多國家和地區(qū)得到推廣和使用并取得顯著效果，成為當(dāng)代預(yù)測(cè)企業(yè)違約或破產(chǎn)的核心分析方法之一。,A,22,然而，在實(shí)踐中，人們發(fā)現(xiàn)無論是Z評(píng)分模型還是ZETA模型都存在著很多先天不足，使模型的預(yù)測(cè)能力大打折扣，限制了模型功效的發(fā)揮。Z評(píng)分模型和ZETA模型存在的主要問題有以下幾個(gè)方面：首先，兩個(gè)模型都依賴于財(cái)務(wù)報(bào)表的帳面數(shù)據(jù)，而忽視日益重要的各項(xiàng)資本市場(chǎng)指標(biāo)，這就必然削弱模型預(yù)

12、測(cè)結(jié)果的可靠性和及時(shí)性；其次，由于模型缺乏對(duì)違約和違約風(fēng)險(xiǎn)的系統(tǒng)認(rèn)識(shí)，理論基礎(chǔ)比較薄弱，從而難以令人信服；再次，兩個(gè)模型都假設(shè)在解釋變量中存在著線性關(guān)系，而現(xiàn)實(shí)的經(jīng)濟(jì)現(xiàn)象是非線性的，因而也削弱了預(yù)測(cè)結(jié)果的準(zhǔn)確程度，使得違約模型不能精確地描述經(jīng)濟(jì)現(xiàn)實(shí)；最后，兩個(gè)模型都無法計(jì)量企業(yè)的表外信貸風(fēng)險(xiǎn)，另外對(duì)某些特定行業(yè)的企業(yè)如公用企業(yè)、財(cái)務(wù)公司、新公司以及資源企業(yè)也不適用，因而它們的使用范圍受到較大限制。針對(duì)這兩個(gè)模型所存在的上述問題，人們一直在努力尋求許多新的方法和模型來替代傳統(tǒng)的專家制度和借款人（企業(yè)）違約預(yù)測(cè)模型。,A,23,三、 現(xiàn)代信貸風(fēng)險(xiǎn)度量和管理方法：信用度量制模型,近年來，現(xiàn)代信貸風(fēng)險(xiǎn)

13、量化管理模型在國際金融界得到了很高的重視和相當(dāng)大的發(fā)展。J.P.摩根繼1994年推出著名的以VaR為基礎(chǔ)的市場(chǎng)風(fēng)險(xiǎn)度量制(RiskMetrics)后，1997年又推出了信貸風(fēng)險(xiǎn)量化度量和管理模型-信貸風(fēng)險(xiǎn)度量制(Credit Metrics)，隨后瑞士信用銀行又推出另一類型的信貸風(fēng)險(xiǎn)量化模型CreditRisk+都在銀行業(yè)引起很大的影響。同樣為銀行業(yè)所重視的其他一些信貸風(fēng)險(xiǎn)模型，還有KMV公司的以EDF為核心手段的KMV模型，Mckinsey公司的CreditPortfolioView模型等。信貸風(fēng)險(xiǎn)管理模型在金融領(lǐng)域的發(fā)展也引起了監(jiān)管當(dāng)局的高度重視，1999年4月，巴塞爾銀行監(jiān)管委員會(huì)提出名

14、為“信貸風(fēng)險(xiǎn)模型化：當(dāng)前的實(shí)踐和應(yīng)用”的研究報(bào)告，開始研究這些風(fēng)險(xiǎn)管理模型的應(yīng)用對(duì)國際金融領(lǐng)域風(fēng)險(xiǎn)管理的影響，以及這些模型在金融監(jiān)管，尤其是在風(fēng)險(xiǎn)資本監(jiān)管方面應(yīng)用的可能性。毫無疑問，這些信貸風(fēng)險(xiǎn)管理模型的發(fā)展正在對(duì)傳統(tǒng)的信貸風(fēng)險(xiǎn)管理模式產(chǎn)生革命性的影響，一個(gè)現(xiàn)代信貸風(fēng)險(xiǎn)管理的新模式正在形成。,A,24,自1993年國際清算銀行(BIS)宣布引入對(duì)市場(chǎng)風(fēng)險(xiǎn)的資本充足要求以來，人們對(duì)受險(xiǎn)價(jià)值(VaR)方法產(chǎn)生了極大興趣，并在對(duì)它的開發(fā)和試驗(yàn)方面取得了很大進(jìn)展。受險(xiǎn)價(jià)值(Value at Risk)作為一個(gè)概念，最先起源于80年代末交易商對(duì)金融資產(chǎn)風(fēng)險(xiǎn)測(cè)量的需要；作為一種市場(chǎng)風(fēng)險(xiǎn)測(cè)量和管理的新工具，

15、則是由J.P.摩根銀行最早在1994年提出，其標(biāo)志性產(chǎn)品為“風(fēng)險(xiǎn)度量制”模型(RiskMetrics model). 由于VaR方法能夠簡(jiǎn)單清晰地表示市場(chǎng)風(fēng)險(xiǎn)的大小，又有嚴(yán)謹(jǐn)系統(tǒng)的概率統(tǒng)計(jì)理論作為依托，因而得到了國際金融界的廣泛支持和認(rèn)可。國際性研究機(jī)構(gòu)30人小組(group of 30)和國際掉期交易協(xié)會(huì)(ISDA)等團(tuán)體一致推薦，將VaR方法作為市場(chǎng)風(fēng)險(xiǎn)測(cè)量的最佳方法。目前，越來越多的金融機(jī)構(gòu)紛紛采用VaR方法來測(cè)量、控制其市場(chǎng)風(fēng)險(xiǎn)，尤其在衍生工具投資領(lǐng)域，VaR方法的應(yīng)用更加廣泛。,A,25,1、 受險(xiǎn)價(jià)值（VAR）方法,受險(xiǎn)價(jià)值模型就是為了度量一項(xiàng)給定的資產(chǎn)或負(fù)債在一定時(shí)間里和在一定的

16、置信度下(如95%、97.5%、99%等)其價(jià)值最大的損失額。 由此可見，計(jì)算可交易金融資產(chǎn)受險(xiǎn)價(jià)值的關(guān)鍵輸入變量是該項(xiàng)金融資產(chǎn)的市值(P)和它的市值變動(dòng)率或標(biāo)準(zhǔn)差()；在給定的風(fēng)險(xiǎn)時(shí)段和所要求的置信水平下(如99%)，一項(xiàng)金融資產(chǎn)的受險(xiǎn)價(jià)值(VaR)便可以直接計(jì)算出來。 VaR方法特別適用于對(duì)可交易的金融資產(chǎn)受險(xiǎn)價(jià)值的計(jì)量，因?yàn)槿藗兛梢院苋菀椎貜馁Y本市場(chǎng)中獲取這類資產(chǎn)的市值和它們的標(biāo)準(zhǔn)差。,A,26,以一家上市公司的股票為例描述受險(xiǎn)價(jià)值(VaR)方法,現(xiàn)在，我們假定該上市公司股票今天的市值P為80美元/股，它被估計(jì)的每天的價(jià)值變動(dòng)標(biāo)準(zhǔn)差為10美元。對(duì)于任何一家金融機(jī)構(gòu)的股票交易員或風(fēng)險(xiǎn)管理者

17、來說，都會(huì)提出這樣的問題：明天的股票市場(chǎng)若是一個(gè)壞天氣，那么我所負(fù)責(zé)的股票受險(xiǎn)價(jià)值(在一定的置信水平下股票價(jià)值遭受的最大損失額)是多大呢?如果該股票價(jià)格今后每天都是圍繞著今天80美元的價(jià)格呈正態(tài)分布，并且平均來看每100天會(huì)出現(xiàn)一天的壞天氣的話，那么我們用統(tǒng)計(jì)學(xué)的語言來講明天就有1%出現(xiàn)壞天氣的概率。,A,27,正態(tài)分布下的那片區(qū)域包含著各種概率發(fā)生的信息：通過觀察我們知道大約有68.26%的股票價(jià)格觀察值處于均值正負(fù)1個(gè)標(biāo)準(zhǔn)差之間，95%的股票價(jià)格觀察值處于均值正負(fù)1.96個(gè)標(biāo)準(zhǔn)差之間，99%的股票價(jià)格觀察值處于均值正負(fù)2.58個(gè)標(biāo)準(zhǔn)差之間。就后者而言，若用美元來計(jì)量，該股票價(jià)格明天有1%機(jī)

18、會(huì)升至80美元+2.58的水平。同時(shí)也有1%的機(jī)會(huì)降至80美元-2.58的水平。前面我們?cè)俣?0美元，因此該股票價(jià)格有1%的機(jī)會(huì)降至54.2美元或者更低的水平。換言之，該股票持有人價(jià)值損失少于80美元-54.2美元=25.8美元的概率為99%。就是說在置信水平99%的情況下，25.8美元可以視為該股票的受險(xiǎn)價(jià)值量(VaR)。同時(shí)這里還隱含著這樣一個(gè)事實(shí)：明天有1%的機(jī)會(huì)股票價(jià)格的損失額可達(dá)25.8美元甚至更大的金額。由于我們假定股票價(jià)格是呈正態(tài)分布狀，因此，每一百天所出現(xiàn)的那個(gè)壞天氣均會(huì)使股票價(jià)格處于圖13.1中54.2美元線以下那片陰影區(qū)域內(nèi)的某一點(diǎn)，并會(huì)造成相應(yīng)的股價(jià)損失額。,A,28

19、,A,29,由此可見，計(jì)算可交易金融資產(chǎn)受險(xiǎn)價(jià)值的關(guān)鍵輸入變量是該項(xiàng)金融資產(chǎn)的市值(P)和它的市值變動(dòng)率或標(biāo)準(zhǔn)差()；在給定的風(fēng)險(xiǎn)時(shí)段和所要求的置信水平下(如99%)，一項(xiàng)金融資產(chǎn)的受險(xiǎn)價(jià)值(VaR)便可以直接計(jì)算出來。,A,30,VaR方法特別適用于對(duì)可交易的金融資產(chǎn)受險(xiǎn)價(jià)值的計(jì)量，因?yàn)槿藗兛梢院苋菀椎貜馁Y本市場(chǎng)中獲取這類資產(chǎn)的市值和它們的標(biāo)準(zhǔn)差。 但是，若將這種方法直接用于度量非交易性金融資產(chǎn)如貸款的受險(xiǎn)價(jià)值時(shí)則會(huì)遇到如下問題：,A,31,首先，一筆貸款當(dāng)前的市值P不能夠直接觀察到，因?yàn)榻^大多數(shù)貸款是不能直接進(jìn)行交易的。 第二，由于貸款的市值不能夠觀察，因而也就沒有一個(gè)時(shí)間序列來計(jì)算出貸款的方差,即貸款市值的變動(dòng)率。 第三，在VaR方法上，人們假定可交易性金融資產(chǎn)的收益分布是呈正態(tài)分布狀的，這與它們的實(shí)際分布是大體吻合的。但是對(duì)