商业银行贷款违约概率测算方法探讨：贷款违约表法.pdfVIP

商业银行贷款违约概率测算方法探讨：贷款违约表法1 彭建刚，易宇，李樟飞1 湖南大学金融学院，湖南大学金融管理研究中心 湖南长沙 （410079） E-mail:pengjiangang@ 摘要：结合我国商业银行贷款五级分类的实施，本文提出了贷款违约表法测算贷款的违约概 率。该测算方法建立在客户的信用等级基础上，能测算出未到期贷款在不同时间点的违约概 率，有利于我国商业银行适时测算贷款组合的预期损失和非预期损失。 关键词：违约概率；违约表法；五级分类；信用等级 中图分类号：F832.21 1 引言 2006 年底在十国集团开始执行的新巴塞尔资本协议其核心是围绕信用风险管理展开的 内部评级法。内部评级法建立在测算预期损失和非预期损失的基础上，通过确定贷款准备金 规模、配置经济资本，达到控制银行风险的目的。英国《银行家》杂志曾指出通过对采用内 部评级系统的 50 家大银行的分析，发现其综合实力平均增长率高达 6.1%，而未建立内部评 级体系的同类型银行，其综合竞争实力的平均增长率仅为 2.3%。我国于2006 年底已经全面 实现了金融业的对外开放、国外金融机构纷纷涌入，使得我国商业银行面临的竞争日趋激烈。 我国各商业银行要想在这激烈的市场竞争中保住其市场地位并不断做大做强，内部评级体系 的建设显得至关重要。2008 年 3 月中国银监会主席刘明康在实施新资本协议高层联席会议 上指出我国银行业要在实质上实施新资本协议，推进内部评级体系的应用，增强银行识别、 [1] 计量和监测信贷风险的能力 。 无论是初级的还是高级的内部评级法，都要求银行能够自行估计违约概率。违约概率作 为量化信用风险的关键参数之一，其准确度决定了银行降低信用风险的能力。 本文旨在探讨基于我国商业银行的现实条件测算违约概率的有效方法，以促进我国商业 银行实现风险管理的“日常化、细节化和可操作化”。 2 研究回顾 对违约概率的测算最早可以追溯到Fitzpatrick（1932), 他通过分析比较 19 家公司的财 务指标建立了违约概率与公司特征之间的关系[2] 。Fisher（1936）提出了判别分析的概念， 奠定了线性判别分析的基础[3] 。 线性判别模型中最具影响力的应属Altman的Z-score（1968）和ZETA（1977）模型，他认 为公司的财务状况能反映公司未来的违约情况，因而通过数理统计分析从中挑出最具解释力 的财务指标作为解释变量构造模型，然后将得到的Z值与临界值比较，低于该值的企业被归 为违约概率高、不能对其发放贷款的企业行列[4，5] 。该方法预测能力较强，能较为明确地反 映借款人一定时期内的信用状况，但由于正态分布的假定而存在局限性。 为解决上述问题，Ohlson（1980）通过对 1970-1976年 105 家破产公司和 2058 家非破产 公司的分析，发现企业规模、资本结构等对违约概率有显著影响，并在此基础上构建了 Logistic模型来反映企业的违约情况，该研究表明模型准确度高达 92%[6] 。虽然Logistic模 1本课题得到国家自然科学基金项目(编号:和教育部博士点基金项目(编号: 20060532011)资助。 1 型的估计要比线性判别模型稳健但是在使用时却不得不考虑样本配比和违约分界点问题。 Tam Kiang（1992）以美国 1985-1987 年118 家银行为样本建立了神经网络模型，通过与线 性判别和Logistic模型的比较发现其误判率最低[7] 。但是由于该模型权重分析过程十分复 杂、对异常值存在过度拟合等问题从而削弱了其对新样本违约概率的预测能力。 目前测量违约概率的模型主要有KMV模型、CreditMetrics模型、CPV模型等。KMV模型是 由KMV公司提出的一种以企业在资本市场上的价值和企业的资本结构为基础来预测违约概率 的方法[8] 。它通过公司股票的市场价值及其波动率与公司负债的账面价值来估计公司资产的 预期价值及其波动