多維度比較信用風(fēng)險(xiǎn)度量方法

文/程昊 劉祥宇 編輯/韓英彤

長期以來，信用風(fēng)險(xiǎn)度量的方法與模型層出不窮，不斷迭代。由于國內(nèi)市場尚未完全發(fā)展成熟，我國對信用風(fēng)險(xiǎn)度量與管理模型的研究及應(yīng)用也有待加強(qiáng)。

信用風(fēng)險(xiǎn)是金融風(fēng)險(xiǎn)的一種重要形式。信用風(fēng)險(xiǎn)分析的起點(diǎn)是風(fēng)險(xiǎn)識別和風(fēng)險(xiǎn)度量，雖然信用風(fēng)險(xiǎn)度量的方法一直在改良和更新，但不同于成熟市場的風(fēng)險(xiǎn)度量方法，國際上仍然沒有通用方法來刻畫信用風(fēng)險(xiǎn)。國內(nèi)市場由于發(fā)展尚未完全成熟，對信用風(fēng)險(xiǎn)度量與管理模型的研究及應(yīng)用也比較有限。本文通過梳理信用風(fēng)險(xiǎn)度量與管理方法的演化進(jìn)程，比較不同方法的異同，以期對商業(yè)銀行等國內(nèi)金融機(jī)構(gòu)信用風(fēng)險(xiǎn)管理有所啟發(fā)。

信用風(fēng)險(xiǎn)管理重要的一環(huán)就是度量風(fēng)險(xiǎn)，其度量的方法與模型層出不窮，不斷迭代。學(xué)界將信用風(fēng)險(xiǎn)度量與管理模型通過不同的方式來分類。第一個(gè)維度，所有模型可以按照傳統(tǒng)方法和現(xiàn)代方法進(jìn)行分類，區(qū)別在于傳統(tǒng)方法使用的是定性分析來對信用風(fēng)險(xiǎn)進(jìn)行度量，現(xiàn)代方法則采用的是定量方法進(jìn)行信用風(fēng)險(xiǎn)度量與管理。第二個(gè)維度，所有模型可以按照單資產(chǎn)模型與多資產(chǎn)模型進(jìn)行分類。單資產(chǎn)模型僅對單個(gè)的信貸資產(chǎn)進(jìn)行風(fēng)險(xiǎn)度量，多資產(chǎn)模型則是以單資產(chǎn)風(fēng)險(xiǎn)度量為基礎(chǔ)，結(jié)合信貸資產(chǎn)間的相關(guān)性進(jìn)行資產(chǎn)組合信用風(fēng)險(xiǎn)度量與管理。不同模型在開始設(shè)計(jì)時(shí)就有著不同的目標(biāo)以及針對之前模型的改進(jìn)，使用上有著不同的優(yōu)劣勢與特點(diǎn)（見表1）。

表1 按照不同維度分類的信用風(fēng)險(xiǎn)度量方法/模型的特點(diǎn)

在傳統(tǒng)方法與現(xiàn)代方法的分類中，傳統(tǒng)方法主要服務(wù)于傳統(tǒng)銀行信貸業(yè)務(wù)，這些業(yè)務(wù)通常會持有信貸至其到期，故傳統(tǒng)方法主要用來判斷所評對象的違約風(fēng)險(xiǎn)，通過定性分析來進(jìn)行信用風(fēng)險(xiǎn)的識別與管理。隨著數(shù)學(xué)模型以及計(jì)算機(jī)的發(fā)展，越來越多新型金融產(chǎn)品與金融模式的出現(xiàn)，現(xiàn)代方法運(yùn)用較多，其主要是使用模型進(jìn)行定量分析，信用風(fēng)險(xiǎn)模型不再局限于傳統(tǒng)方法中對所評對象違約風(fēng)險(xiǎn)的識別管理，逐漸轉(zhuǎn)變?yōu)閷Ρ辉u對象信用評分等方式。現(xiàn)代方法在前期只是針對單資產(chǎn)進(jìn)行信用風(fēng)險(xiǎn)管理，但是單項(xiàng)資產(chǎn)的信用風(fēng)險(xiǎn)由于沒有考慮資產(chǎn)之間的相關(guān)性及金融市場新發(fā)展趨勢，現(xiàn)代方法后期開始逐步運(yùn)用多資產(chǎn)模型，例如KMV模型等已成為許多金融機(jī)構(gòu)信用風(fēng)險(xiǎn)管理的基礎(chǔ)。

傳統(tǒng)分類法

早期度量信用風(fēng)險(xiǎn)的模型是基于經(jīng)驗(yàn)的專家模型。專家模型不涉及復(fù)雜的數(shù)學(xué)模型，側(cè)重于定性分析，雖然在發(fā)展過程中逐漸使用一些數(shù)學(xué)模型的思想，但仍然主要依靠信用分析人員的主觀判斷，對分析人員的經(jīng)驗(yàn)要求較高。要素分析是專家模型的基本方法，包括5C、5W、4F、LAPP等方法，雖然各種要素分析方法有不同的分析要素，且方法有不同的側(cè)重點(diǎn)。但是所有模型都包含著三個(gè)主要的變量：還款能力、抵押情況、宏觀環(huán)境。同時(shí)要素分析方法的迭代和出現(xiàn)可以看作是主要變量度量指標(biāo)的細(xì)化和新度量角度的補(bǔ)充。應(yīng)用廣泛的CAMEL評估體系可以看作為定性分析和定量分析的結(jié)合。綜合分析也是專家模型中常用的方法，主要是通過打分表的方法對指標(biāo)進(jìn)行打分，依據(jù)其綜合評級得分確定其對應(yīng)的信用級別。

專家模型的出現(xiàn)大幅降低了銀行信貸產(chǎn)生的信用風(fēng)險(xiǎn)，但由于其定性分析的特點(diǎn)導(dǎo)致在使用上也會出現(xiàn)一些問題。一是專家模型實(shí)施效果不穩(wěn)定，專家方法依賴于有專門知識的信貸專家，而不同的專家由于素質(zhì)以及背景的不同會分析出不同的結(jié)果，有些甚至是相反的，對于最終結(jié)果的確定有很大的阻礙。二是由于銀行等金融機(jī)構(gòu)的專家往往只在特定的行業(yè)中有較長時(shí)間的經(jīng)驗(yàn)積累，這就會造成專家所選擇的客戶有較高的相關(guān)性，給銀行帶來潛在的風(fēng)險(xiǎn)。傳統(tǒng)方法的這些問題也在一定程度上催生了現(xiàn)代方法的產(chǎn)生。

現(xiàn)代分類法

傳統(tǒng)方法中的信用風(fēng)險(xiǎn)度量只能對單資產(chǎn)進(jìn)行度量。在現(xiàn)代方法中，前期產(chǎn)生的模型也以單資產(chǎn)為主，但是主要采用定量的方法通過不同的方法對信用風(fēng)險(xiǎn)進(jìn)行度量。后期在單資產(chǎn)模型信用風(fēng)險(xiǎn)度量的基礎(chǔ)上將資產(chǎn)之間的風(fēng)險(xiǎn)相關(guān)性納入到模型中，形成了現(xiàn)在常用的一系列信用風(fēng)險(xiǎn)管理模型。

單資產(chǎn)模型

最早期的現(xiàn)代方法是一些以回歸為主要方法的信用評分模型。信用評分模型有效解決了專家模型的部分缺陷，通過一些賦予權(quán)重的指標(biāo)進(jìn)行計(jì)算得到綜合信用分值及違約概率值，并將其與基準(zhǔn)值相比較，度量評價(jià)對象風(fēng)險(xiǎn)的大小。這類模型成本低，應(yīng)用效果好，是主流的分析方法，包括Z評分模型、ZETA模型、線性概率模型（Logit模型、Probit模型等）。

信用評分模型的發(fā)展是對數(shù)據(jù)要求的放松以及結(jié)果精確度的不斷提升。使用較為廣泛的Z評分模型使用5個(gè)財(cái)務(wù)比例建立了多元線性回歸方程，使用加權(quán)值之和作為判別是否會破產(chǎn)的標(biāo)準(zhǔn)，解決了在多元判別法中出現(xiàn)的所選取變量沒有理論基礎(chǔ)的問題。數(shù)年后，原始Z評分被修正和提升為第二代評分模型——ZETA模型，新模型的變量由原來的5個(gè)增加到了7個(gè)，適用范圍進(jìn)一步擴(kuò)大，辨認(rèn)精度也進(jìn)一步提高。兩代Z評分模型均有較高的精度且提供了一種新的確定關(guān)鍵指標(biāo)和權(quán)重的思路，解決了其他模型沒有理論基礎(chǔ)的問題，但是兩代模型面臨著一些問題。首先是樣本的準(zhǔn)確性和可得性，財(cái)務(wù)數(shù)據(jù)更新頻率較低及準(zhǔn)確性的問題可能會造成計(jì)算結(jié)果出現(xiàn)較大的誤差；其次是模型依賴于所處的環(huán)境，模型無法從適用的地區(qū)直接遷移到其他地區(qū)，且隨著世界格局的復(fù)雜化及競爭化，模型的遷移變的更加困難；最后是模型無法體現(xiàn)出非財(cái)務(wù)因素的影響，這是以財(cái)務(wù)分析為基礎(chǔ)的方法固有的缺陷，不能以發(fā)展的視角來進(jìn)行分析。同時(shí)期出現(xiàn)的另兩個(gè)模型——Logit模型和Probit模型解決了多元判別法必須在滿足正態(tài)、等協(xié)方差等前提下才能更為嚴(yán)謹(jǐn)使用的問題，其中Logit模型在實(shí)際使用過程中預(yù)測表現(xiàn)非常優(yōu)異，所以被廣泛使用。除此之外，Logit模型還有其他優(yōu)點(diǎn)，模型本身是0到1的非線性表征，更能體現(xiàn)出不同信貸或資產(chǎn)的有效程度，且Logit模型所需要的企業(yè)財(cái)務(wù)數(shù)據(jù)搜集方便，獨(dú)立于外部評級機(jī)構(gòu)，不會受到類似于國內(nèi)信用評級機(jī)構(gòu)不完善情況的影響。

死亡率模型是在1989年使用保險(xiǎn)精算思路開發(fā)出來的方法，通過計(jì)算不同等級信用債券的死亡率來表示違約率，這是信用風(fēng)險(xiǎn)模型中第一次深入使用保險(xiǎn)精算的思想計(jì)算邊界，可以在大量樣本基礎(chǔ)上統(tǒng)計(jì)出單個(gè)和組合債券的波動率以及違約預(yù)期損失。但是債券質(zhì)量只要一經(jīng)變動就需要進(jìn)行大量的更新工作，無法處理違約概率呈非線性的情況。

20世紀(jì)90年代，神經(jīng)網(wǎng)絡(luò)模型引入銀行業(yè)用于信用風(fēng)險(xiǎn)識別和預(yù)測，其主要依賴與計(jì)算機(jī)計(jì)算速度快以及自適應(yīng)、自學(xué)習(xí)的特點(diǎn)，有效解決了其他信用評分模型中只能進(jìn)行線性求解的問題。神經(jīng)網(wǎng)絡(luò)模型在使用過程中只需要向計(jì)算機(jī)提供數(shù)據(jù)，計(jì)算機(jī)就可以自動進(jìn)行學(xué)習(xí)和運(yùn)算，找出輸入與輸出之間的內(nèi)在聯(lián)系，并不依賴于對問題的經(jīng)驗(yàn)和規(guī)則，這對弱化權(quán)重確定過程中的人為因素有重要作用。但是神經(jīng)網(wǎng)絡(luò)模型并不是十分完善的模型，主要缺陷在于學(xué)習(xí)收斂的速度太慢，簡單問題也需要大量的學(xué)習(xí)才能完成。

多資產(chǎn)模型

通過將單個(gè)資產(chǎn)的違約率和回收率結(jié)合起來，再考慮不同資產(chǎn)間的風(fēng)險(xiǎn)相關(guān)性，將這些信用風(fēng)險(xiǎn)因子結(jié)合起來就能推導(dǎo)出資產(chǎn)組合信用風(fēng)險(xiǎn)管理的模型。目前主流的信用管理模型包括Credit Metrics模型、KMV模型、CreditRisk+模型、CPV模型以及CSFP模型。這些模型在原理、方法以及范式方面都有很多不同，筆者根據(jù)不同的要點(diǎn)進(jìn)行了多種分類。

結(jié)構(gòu)模型與簡化模型。結(jié)構(gòu)模型是基于對企業(yè)資產(chǎn)結(jié)構(gòu)的分析，利用期權(quán)定價(jià)理論來對信用風(fēng)險(xiǎn)進(jìn)行定價(jià)，以解釋違約風(fēng)險(xiǎn)和資產(chǎn)結(jié)構(gòu)的直接關(guān)系，結(jié)構(gòu)模型認(rèn)為無論資產(chǎn)里包含任何風(fēng)險(xiǎn)，都應(yīng)該在價(jià)格中被體現(xiàn)出來，所以也被稱作“資產(chǎn)波動率模型”。簡化模型是將導(dǎo)致違約事件背后的經(jīng)濟(jì)背景以及原因進(jìn)行簡化。簡化模型假設(shè)公司違約是一件不可估計(jì)且無法進(jìn)行預(yù)測的事件，并不管何種原因造成了違約的發(fā)生。結(jié)構(gòu)模型典型的代表是Credit Metrics模型和KMV模型。Credit Metrics模型要求對不同的評級類別進(jìn)行評級轉(zhuǎn)移概率、回收率、收益率曲線，以資產(chǎn)相關(guān)矩陣計(jì)算的估計(jì)，適用于債券、企業(yè)信貸以及零售應(yīng)收賬款的投資組合。KMV方法則更加細(xì)化，使用歷史股票市場數(shù)據(jù)和投資組合中每個(gè)債務(wù)人的資本結(jié)構(gòu)。典型的簡化模型有CreditRisk+模型以及CSFP模型。CreditRisk+模型作為簡化模型有效解決了結(jié)構(gòu)模型中對于單個(gè)零售應(yīng)收賬款的評級遷移無法操作的問題，只需要提供個(gè)人違約概率、歷史年度違約波動率、回收率就可以進(jìn)行有效應(yīng)用。CSFP模型將違約概率從離散變量轉(zhuǎn)換成連續(xù)變量，將每一筆信貸視為小概率違約事件，且互相獨(dú)立，信貸組合違約率就接近于泊松分布，以方便計(jì)算。

盯市模型與違約模型。根據(jù)模型對信用損失的定義不同，可以將模型分為兩大類：盯市模型和違約模型。盯市模型以信貸的市場價(jià)值為基礎(chǔ)，違約模型只關(guān)注違約和不違約兩種狀態(tài)。違約模型不關(guān)注市場上有關(guān)資產(chǎn)的價(jià)值變動及信用等級變化，而盯市模型明確包括了價(jià)差風(fēng)險(xiǎn)考慮到了信用質(zhì)量升級、降級以及資產(chǎn)價(jià)值的變化。在上述的信用風(fēng)險(xiǎn)管理模型中CreditRisk+模型以及KMV模型本質(zhì)上是違約模型，Credit Metrics模型關(guān)注到了評級的變化是典型的的盯市模型。在實(shí)際操作過程中，CPV模型既可以被當(dāng)做違約模型使用，又可以當(dāng)做盯市模型來操作。根據(jù)違約率的計(jì)算方法的不同可以將模型分為兩類：違約率固定的模型和違約率可變的模型。基于股票市價(jià)格數(shù)據(jù)的違約率是可變的、連續(xù)的；基于歷史數(shù)據(jù)的違約率是固定的、離散的。只有Credit Metrics模型的違約率是固定的，其他的模型違約率均是可變的。

不同的模型使用了不同的回收率度量方法。Credit Metrics模型考慮到在實(shí)際情況下信貸價(jià)值的損失分布函數(shù)尾部的偏斜，假定回收率服從Beta分布。在KMV模型中，回收率被視作常數(shù)，但在模型最新的發(fā)展中也開始假定回收率服從Beta分布。在CPV模型中，回收率的估計(jì)是通過蒙特卡洛模擬進(jìn)行的。CreditRisk+模型較為特殊，回收率的度量被劃分為多個(gè)頻段，將每個(gè)頻段的回收率可視為一個(gè)常數(shù)。回收波動率的信息也為建模提供了便利（見表2）。

表2 信用風(fēng)險(xiǎn)組合模型的對比表

這些比較方法根據(jù)模型不同的特點(diǎn)進(jìn)行了細(xì)致的區(qū)分，將它們結(jié)合起來就可以看到每個(gè)模型的全貌，并可以分析出這些模型的適用范圍及在不同情況下的優(yōu)劣勢。KMV模型作為結(jié)構(gòu)模型將信用風(fēng)險(xiǎn)與公司資產(chǎn)結(jié)構(gòu)聯(lián)系起來，數(shù)據(jù)不斷進(jìn)行更新，具有前瞻性。同時(shí)它也是一個(gè)“自下而上”分析模型，最重要的分析工具是EDF，可以考慮每一個(gè)信用風(fēng)險(xiǎn)的特點(diǎn)，其違約損失率是通過回收率來估計(jì)，有相應(yīng)的理論基礎(chǔ)在，這些特點(diǎn)決定了KMV模型適用于對企業(yè)和大客戶的信用風(fēng)險(xiǎn)測量，同時(shí)在信用衍生品信用風(fēng)險(xiǎn)管理方面相較其他模型有很大的優(yōu)勢，但是也說明其在非上市公司信用風(fēng)險(xiǎn)度量等缺陷。Credit Metrics模型適用范圍很廣，其缺點(diǎn)在于沒有考慮市場的風(fēng)險(xiǎn)，且作為模型基礎(chǔ)的信用等級在一定時(shí)段內(nèi)是不變的，導(dǎo)致模型無法及時(shí)反映企業(yè)信用狀況的變化。CPV模型作為“自上而下”的模型更適用于零售信貸，其最具創(chuàng)新性的一點(diǎn)是考慮了宏觀經(jīng)濟(jì)因素變量對信用等級遷移的影響，因此也常被分類為“宏觀因子模型”，但也正是由于加入了宏觀因素導(dǎo)致其數(shù)據(jù)處理復(fù)雜，日常使用過程中不太方便。CreditRisk+模型通過對違約和損失的性質(zhì)作出了一些簡化假設(shè)，可以將其看作為一種因子模型，該模型使用了精算的思想，也被稱作“精算模型”。CreditRisk+模型和CSFP模型較為相似，違約概率與其他模型不同均采用了泊松分布的概率估計(jì)，其優(yōu)點(diǎn)在于計(jì)算簡便，根據(jù)歷史數(shù)據(jù)很容易求得組合的損失分布，但是其作為違約模型最大的問題在于沒有考慮市場風(fēng)險(xiǎn)，作為簡化模型也沒有將違約風(fēng)險(xiǎn)與資本結(jié)構(gòu)連結(jié)起來，存在前瞻性不足。

綜上，筆者通過回溯信用風(fēng)險(xiǎn)度量與管理模型的發(fā)展對不同模型的優(yōu)缺點(diǎn)與適用范圍進(jìn)行了比較。目前我國在信用風(fēng)險(xiǎn)模型的應(yīng)用上較西方發(fā)達(dá)國家仍有較大差距，當(dāng)然這也與我國信用制度、金融市場基礎(chǔ)設(shè)施、金融產(chǎn)品種類與結(jié)構(gòu)、信用風(fēng)險(xiǎn)承擔(dān)主體信用文化的發(fā)展階段都有關(guān)系。學(xué)界和業(yè)界對信用風(fēng)險(xiǎn)問題已逐漸關(guān)注起來，例如已有學(xué)者驗(yàn)證了KMV模型對中國上市公司有較好的適用性，同時(shí) KMV模型也已被應(yīng)用到城投債信用風(fēng)險(xiǎn)的風(fēng)險(xiǎn)識別與管理方面。在銀行間債券市場，有機(jī)構(gòu)開發(fā)了Credit Metrics信用風(fēng)險(xiǎn)度量平臺并在iDeal開放平臺上線。隨著計(jì)算機(jī)技術(shù)的發(fā)展，也有學(xué)者嘗試使用神經(jīng)網(wǎng)絡(luò)模型進(jìn)行組合信用風(fēng)險(xiǎn)的度量與管理。我們相信隨著未來我國金融制度、金融基礎(chǔ)設(shè)施、金融產(chǎn)品等逐漸完善與豐富，我國信用風(fēng)險(xiǎn)度量與管理也會得到進(jìn)一步的發(fā)展。