我国商业银行信用风险管理的实证研究.docVIP

我国商业银行信用风险管理的实证研究 张勇 周琼 （深圳中诚信信用管理有限公司 中国 深圳 518034） 内容摘要：随着几大股改海外上市怎样。Credit Metrics组合模型，利用中国诚信信用管理有限公司和国泰君安的有关数据，对我国商业银行的信用风险管理进行了实证研究。 自20世纪80年代以来,随着金融全球化及金融市场波动性的加剧,世界各国的银行、投资者和监管部门都受到了前所未有的金融风险挑战，作为商业银行最主要金融风险之一的信用风险的管理和研究正备受人们的关注。 当前，随着几大股改和海外上市信用风险管理理论和计算机技术，现代信用风险管理Altman1968年提出的以财务比率为基础的Z记分法模型，该模型运用多元判别分析法，通过分析一组变量，使其在组内差异最小化的同时实现组间差异最大化；同时对于非上市公司，Altman对Z模型进行了修改，得到Z′计分模型。Crouhy和Mark(2000)比较了KMV模型、Credit Risk+模型、信用度量制模型和Credit Metrics组合模型对贷款组合的度量结果，得出Credit Metrics组合模型更适合美国的实际情况。Gordy(2002)使用最近的One-factor模型对美洲银行的贷款组合的信用风险进行了测算，并进行了压力测试。在国内，赵玉旭（2003）在其硕士学位论文中运用上市公司的实证数据对KMV模型在我国的应用进行了实证分析。石晓军等（2004）利用我国72家上市公司组成的样本，对基于Merton方法的违约模型揭示的关于债权结构、资产波动与信用风险关系的两条结论并进行了检验。惠晓峰，孙嘉鹏（2004）使用了信用矩阵模型，对选自某商业银行的贷款的样本组合进行了风险测度，确定了模型的基本参数，建立起符合该银行实际情况的信用矩阵模型，得到了样本组合1年期市场价值的分布，建立并计算出分布的方差、标准差和7个不同置信度下的百分位水平值，以及所有单笔贷款的风险值。 通过分析我们发现，国内学者的研究许多都停留在介绍理论方法的层次上，使用现代信用风险管理模型进行实证分析的不多，在已有的实证分析中，几乎没有考虑贷款资产的相关性这一非常重要因素，而且在实证分析中使用的数据太少，其信用等级迁移矩阵和回收率不具有实际的意义。因此，本文采用了国际上使用最广泛的Credit Metrics组合模型，使用了中国诚信信用管理有限公司和国泰君安的有关数据，对我国商业银行的信用风险管理进行了实证研究。 二、Credit Metrics组合模型简介 Credit Metrics模型是由J.P在1997年提出的，估计一定期限内，债务及其它信用类产品构成的组合价值变化的远期分布。该模型是基于这样的假设：即某一特定时间内贷款组合价值的分布与将来债务人的信用等级变化相关，而债务人的信用等级在未来可能上升、下降，也可能维持不变。同时在该模型中，信用等级的变动过程稳定的马尔科夫过程，即贷款本期信用等级变动与以前信用等级变动情况无关。 使用者的信用资产组合 信用等级 信用资产求偿等级 信用加息差 信用等级股权序列 市场波动状况 信用等级转换概率 违约收回率 贷款重估现值 模型 暴露分布状况 个体信用资产由于信用质量变化引发其价值波动的标准差 联合信用等级 源自于信用资产组合的VAR 资料来源：J.P .Morgan Credit Metrics Technical Document，April 1995 （二）资产的VaRCredit Metrics组合模型按以下步骤计算VaR：确定度量信用风险的期限，通常情况下为一年；5年期的固定贷款利率，利率为6%，贷款总额为100，目前信用等级为BBB级。则该笔贷款的市值为： 其中：零息债券的无风险利率；信用价差假设债务人在第一年末，信用等级由BBB升至A级，则对于发放贷款的金融机构来说，这笔贷款在第一年结束时的市值是： 迁移到其信用等级的情形，可以以此类推。可以计算出该笔贷款的均值以及标准差，如下表：VaR值。假设市值服从正态分布，则根据正态分布的性质，1%置信水平下的VaR为2.33×=6.97；假设市值为实际分布，则可使用线性差值的方法来计算1%置信水平下的VaR1.47%概率的市值为98.10元，0.3%概率的市值为83.64，利用线性插值，可以计算1%概率下的市值为92.29元，则1%置信水平下的实际VaR为107.90-