基于ＣｒｅｄｉｔＭｅｔｒｉｃｓ模型的我國商業銀行貸款信用風險度量分析

[摘 要] 通過對CreditMetrics模型在我國商業銀行貸款信用風險度量中的應用分析，探討商業銀行在貸款信用風險度量中存在的問題，并提出了CreditMetrics模型在商業銀行貸款信用風險度量中的改進建議，以期對我國商業銀行信用風險的度量有所借鑒。

[關鍵詞] CreditMetrics模型 信用風險 度量

一、CreditMetrics模型簡介及技術環節

CreditMetrics模型（一下簡稱CM模型）強調組合價值的變化不僅要受到資產違約的影響，而且資產等級的變化也對其價值產生影響，是一種動態的信用風險的度量。該模型主要方法是以歷史數據為依據確定信用等級矩陣和違約時的資產回收率，并以此為基礎確定未來該信用資產組合的價值變化，并通過基于VAR方法來計算整個組合的風險暴露，該模型包括了以下6個方面的技術環節： (1)設定風險期長度。通常將風險期間設為1年;(2)設定信用評級系統。每個債務人在年初都被賦予一個信用評級;(3)設定信用評級轉移矩陣。轉移矩陣給出了債務人在風險期從當前評級狀態轉移到其他所有評級狀態的概率或可能性;(4)設定信貸利差溢價。信貸利差溢價等于當前債券價格與相同期限無風險利率之間的差額;(5)設定債券之間的違約損失率。模型假設不同借款人以及同一借款人不同類貸款的的違約回收率的相關性為零;(6)計算貸款的VAR值。

二、CM模型在我國銀行貸款信用風險度量中的應用分析

1.數據說明。

(1)以中國銀行某支行的單筆教育貸款為例，具體數據見表1:

(2)鑒于相關數據不完善，本文所用模型參數為J.P.摩根在1997年4月2日公布的CM模型技術文件中的數據。

(3)該行發放的絕大部分貸款都是按季結息，但是技術文件是按年公布的遠期零收益曲線，按季結算不能簡單地除以四，所以本例只按年近似的計算貸款的VAR值。

(4)模型計算的貸款的風險期應該與會計年度相一致，而本例貸款的起始期并不與會計年度吻合，而本例中由于是單筆貸款，按照貸款原本的起始期計算VAR值。

2.計算過程。

(1)確立信用等級轉移矩陣。由技術文可知年初A等級的資產在年末轉移到其他等級的概率見表2：

資料來源：CM模型技術文件， April 2， 1997

(2)確立時間段，為2007年4月1日～2008年4月1日。

(3)確立遠期定價模型。為了估計貸款在一年后的風險值，需要將貸款在存續期所產生的現金流以一定的折現率折算到年初，折現率為基準收益曲線加信用風險溢價。本文所采用的遠期零收益曲線為CM模型技術文件中公布的數據，見表3：

如果一年后貸款上升為AAA級，其折現率則為表3中的第一行，一年后的信貸資產價格為：VAAA=2000*6.48%++

。

資料來源：同表2

如果對每一級別根據表3的折現率重復同樣的計算，可以得到一年后不同級別貸款的價值；本例中高級未擔保貸款的清償率根據CM模型技術文件約為51.13%，每一級別和發生違約的一年后遠期價值計算結果見表4：

(4)計算該筆貸款的期望和標準差。假設該筆A級貸款的價值V服從正態分布，設貸款的均值為μ，標準差為σ，則：

(5)計算該筆貸款的VaR值。在正態分布下，該項資產的最大可能損失，即VAR值，為標準差的倍數:99%置信度的VaR=2.33×29.52=68.78(萬元);95%置信度的VaR=1.65×29.52=48.71(萬元)

在貸款價值為正態分布的假設條件下，該筆貸款有1%的可能性在第三年的損失超過69萬元，有5%的可能性在第二年的損失超過49萬元。

三、CreditMetrics模型在銀行貸款信用風險度量中的改進建議

目前我國學者對利用該模型度量銀行信用風險的研究還處在探索階段，而在實際應用中會遇到諸多與該技術文件不符之處，因此在介紹和引進該模型的同時，一方面要繼續規范和完善實施細節，另一方面要盡快在我國建立專業、權威、獨立和統一的評級機構，大力發展金融市場，加快利率市場化進程。

參考文獻：

[1]朱 霞:基于VAR方法的市場風險和信用風險的度量[J].統計與決策，2008（03）

[2]周 翔:基于蒙特卡羅模擬的商業銀行信用風險度量方法[J].技術經濟，2008（03）