信用評級有效性及信用評級模型改進研究
——以商業銀行為例

□ 陳灼輝

一、引言

2019年5月24日，中國人民銀行公告稱對包商銀行進行接管，監管部門經過摸查后決定對包商銀行已發行的普通債券和同業存單實施部分兌付，對包商銀行已發行的二級資本債全額減記；2020年11月12日，包商銀行進入破產程序，包商銀行成為新中國成立以來第三家破產的商業銀行，對比前兩家破產的海南發展銀行（破產時間：1998年）和河北省肅寧縣尚村農信社（破產時間：2012年），包商銀行（2010年被《亞洲銀行家》雜志評為亞洲銀行第10名）無論從資產規模、經營范圍和市場影響均遠遠大于前兩家銀行，信用風險對商業銀行的長期穩定發展帶來了挑戰。

在包商銀行被接管前，大公國際資信評估有限公司對包商銀行的信用評級已長期維持在AA+級，根據大公國際資信評估有限公司在其網站上公告的《信用等級符號及定義》中對信用等級符號的劃分：AA+級是僅次于AAA級的最高評級，代表“償還債務的能力很強，受不利經濟環境的影響不大，違約風險很低”，包商銀行被接管的事件發生以后引起了投資者對商業銀行信用風險的重新認識和對信用評級機構的不滿，部分投資者對信用評級機構從業人員的職業素質和專業能力提出了質疑，而信用評級作為投資者度量投資標的信用風險的一個重要參考工具，當信用評級無法較為準確地反映信用風險時，投資成效也容易出現偏差。投資者為了避免信用風險下沉必然會在投資前逐筆審查、在投資時謹慎開展，這也會造成整個債券市場低效率地運轉，不能更好地為企業提供直接融資的功能，因此提高信用評級的質量才能減少投資者對信息不對稱的擔憂，進一步促進債券市場壯大發展。

二、文獻綜述

現有與信用評級相關的研究主要分成三類。第一類是信用計量方法和信用模型的研究：馮光華（2019）通過從預測企業違約概率、數據獲取要求、使用的條件限制和使用的可操作性等方面對打分卡模型、KMV模型、CreditMetrics模型共14個常用的信用風險計量方法或模型進行比較，認為使用打分卡模型開展信用評級的方法易理解，結果易解釋，適用性最好；郝帥、林青和劉艷（2020）認為打分卡模型的優點在于直觀和簡單易行，可以充分利用難以量化的定性信息，有利于保障信用分析的靈活性、全面性和前瞻性，但缺點在于對專家自身業務素質要求較高，結果具有一定主觀性和隨意性；另外，張文玲、盧田和崔婉婷（2020）在對比國內外信用評級機構的商業銀行評級框架，發現所關注的要素總體相似，只在二級指標的選擇和權重稍有不同，而國外機構較大的區別是標普首先分析商業銀行所在國家的風險情況，商業銀行在此基礎上再進行個體的分析調整，穆迪是著重考量銀行所處的環境、財務情況和外部支持，惠譽主要考量銀行自身的存活能力和外部支持。第二類是研究信用評級機構的行為影響信用評級矩陣變化：金兵兵（2019）認為信用評級機構基于市場競爭的原因，在開展信用評級之前會對受評機構進行指導，從而提高信用評級；胡軒華（2020）通過統計得到信用評級機構更加偏向于基于自身信用模型下可得到的最高評級作為受評機構的信用評級；Poon W P H and Shen J F（2020）更是發現當受評機構發生負面情況時，信用評級機構通過把展望從“穩定”調整至“負面”，而不是直接下調信用評級；孫勇和趙洪進（2018）認同以上的觀點并且發現我國信用評級市場普遍使用的“發行人付費模式”更是助推這一現象的發生；而劉士達和王浩（2021）總結了以上情況，最終發現信用評級矩陣不斷上移，債券市場中的信用評級以可得的最高評級AAA級為主。第三類是研究使用信用評級優化投資行為：王維維和宋穎杰（2021）認為當前的信用評級缺少區分度，導致信用風險預警能力不強，通過對不同信用評級之間進行橫縱向的對比，提高信用評級的質量才能更好地為投資者提供參考信息；Arnaud De Servigny andOlivier Renault（2005）認為模仿經過檢驗的信用評級機構信用評級模型建立的內部信用評級系統，能夠更精確地評估信用質量和捕捉價格偏離的交易機會，使用內部信用評級模型投資者可能捉捕到價格偏離的機會；Adam Ashcraft et al.（2011）認為信用評級變化不僅影響當前證券的市場收益率，還可以反映信用評級未來變化的方向，當債券的收益率在持續上行可能代表信用評級仍會下降。

以上文獻的研究大多數是從單一角度圍繞信用評級開展論述，缺少針對商業銀行主體信用評級模型這一細分方向進行研究，把信用評級的研究與應用相結合，通過信用風險識別指導債券投資的全過程，突出信用評級的核心作用；而信用評級機構和部分投資機構雖然對商業銀行主體信用評級模型有專門的研究，但評級模型和評級有效性并不對外公布。因此，本文針對商業銀行主體信用評級這一細分方向出發，以模型研究為起點，以市場應用為終點，從投資者的角度把評級模型和應用場景關聯起來，一方面是希望通過跟蹤信用評級變化可以及時發現債券價值，賺取超額收益；另一方面是同一商業銀行不同的信用評級機構可能得到不一樣的信用評級，使用內部信用評級可以不再受限制地計量投資組合的信用風險。

三、信用評級的市場現狀

（一）債券市場信用評級矩陣結構

發行債券（含同業存單，下同）是商業銀行的一個重要負債來源，但銀行間債券市場中的商業銀行債券無論從數量上還是余額上均存在分布結構不合理的狀態。

從表1可以發現：一是信用評級矩陣分布的層級過窄，信用評級層級都只有9層，過窄的信用評級層級使得難以區分不同商業銀行信用風險的差別；二是信用評級為AAA級的商業銀行所發行的債券不管在數量上還是在余額上均占了最大的一部分，由于信息不對稱的擔憂使得AAA級的商業銀行出現“贏家通吃”的現象，債券市場仍然不是一個有效的市場；三是債券市場呈現出信用評級為AAA級的投資資產扎堆而其它信用評級的投資資產難以發行的情況，不同的信用評級出現畸形分布，當前信用評級的分布層級并不合理。

表1 2020年末商業銀行債券信用評級分布

（二）信用評級信用區分能力不足

目前，商業銀行在銀行間債券市場中所發行債券的信用評級大部分都是AAA級，投資者面對同樣是AAA級的商業銀行難以直觀的區分同信用評級商業銀行真正的信用風險。無論是大型國有銀行、股份制銀行、部分的城市商業銀行和農村商業銀行的信用評級都是AAA級，但是相同時間和相同信用評級的商業銀行在發行同一期限的同業存單時，發行的票面利率差異卻非常大（表2）；另外，因為信用評級采取的都是“發行人付費模式”，信用評級機構之間存在較大的競爭關系，信用評級機構往往在提供信用評級服務時附帶信用咨詢服務，信用評級機構偏向于在信用評級模型中采用最高評級作為商業銀行最終的信用評級，從而使得信用評級為AAA級的商業銀行數量占比偏高，部分投資者為了控制信用風險只能在實際的投資中選擇信用評級為AAA級的商業銀行所發行的商業銀行債和同業存單作為投資范圍。

表2 同業存單發行情況差異

資料來源：Wind。

（三）信用評級機構開展信用評級的結構

2021年3月末，5家信用評級機構基于2019年的經營情況對333家商業銀行首次開展所得到的信用評級（表3）呈現出偏高和不均衡的現象：即高信用評級商業銀行的數量較為集中、低信用評級商業銀行的數量較少，信用評級的層級過窄。在信用評級機構開展信用評級的過程中，評級機構的信用評級策略是長期保持保守，各家信用評級機構對同一商業銀行的信用評級基本保持不變，當發生評級變化時大多數是以上調為主；當發生負面情況時，信用評級機構也通過把展望從“穩定”調整至“負面”，協調發行人盡快扭轉不利情況而不是下調信用評級，而信用評級市場的“發行人付費模式”更是助推了這一現象，使得信用評級機構整體的信用評級矩陣不斷上移。

表3 國內商業銀行信用評級分布

（四）信用評級機構主動提高信用評級

對于同一商業銀行在多個信用評級機構開展信用評級，通常來說各個信用評級機構對同一商業銀行所評定的信用評級基本一致，但實際上允許不同的信用評級機構對同一商業銀行得到不同的信用評級。對存在多個不同信用評級的商業銀行進行統計，東方金誠國際信用評估有限公司所評定的信用評級較其他4家信用評級機構所評定的信用評級出現調高的次數較多（表4），可能存在虛高的現象。

表4 信用評級調高次數比較

從當前信用評級的市場現狀來看，雖然信用評級在債券市場具有重要的作用，但是仍存在部分問題，包括高評級過于集中、評級的矩陣較窄、相同評級但市場認可度差異較大和個別信用評級機構信用評級質量有待商榷；另外，中國人民銀行公布的《關于促進債券市場信用評級行業健康發展的通知》中提出“投資者應當完善內部評級等風險控制體系建設”。本文參考已有信用評級機構信用評級模型，建立一個具體且可模仿的信用評級模型，所得到的信用評級在一定程度上改善以上所述的問題。

四、信用評級模型構建

（一）國內信用評級機構評級方法對比

通過把評級結果可以在銀行行間債券市場使用的6家信用評級機構對商業銀行的評級方法進行比較，6家信用評級機構均是采用打分卡模型對各個商業銀行進行信用評級，綜合考慮了定性分析中的運營環境、公司治理、業務運營、風險管理、外部支持和財務分析共六大要素，總體來看評級邏輯和評級方法上的差異較小，但所采用的評價指標和評分權重略有不同，造成同一商業銀行在不同的信用評級機構所得到的主體信用評級并不相同。

從表5可以看出，各個信用評級機構的評級方法趨同，在定性分析中所關注的要素較為相似，在定量分析中采用的均是能夠反映商業銀行經營情況的各項指標，而中誠信國際信用評級有限責任公司使用的個性化指標較多，中債資信評估有限責任公司使用的指標種類最廣。

表5 6家信用評級機構的商業銀行評級方法對比

數據來源：各家信用評級機構在網站所公布的評級方法（截至2021年3月）。

以上評級方法雖然能夠反映商業銀行整體的信用風險，但是未能量化商業銀行的信用風險，同時因列出的指標較多，未有突出重點的風險指標，評級方法對于評級模型構建的指導性較弱。因此本文在信用評級模型的構建上以定量分析為主，減少定性分析對信用評級的影響，同時使用重點風險指標作為評分指標，使得信用評級能夠反映商業銀行信用風險情況。

（一）評分指標的篩選

由于商業銀行的定量分析指標數量較多，對不同的評價指標逐個進行分組和對比需要大量的人工參與，在這過程中具有一定的主觀性，因此采用最優化變量分組法，將組間方差最小化，將最大化單變量的IV值作為優化目標來分組進行計算，其中約束條件包含每個組需要有合格次數和不合格次數、最大分組數、WOE單調性約束等，最后通過IV值衡量變量組的有效性。

其中Bi表示樣本中商業銀行的某個指標判定為無效，Gi表示樣本中商業銀行的某個指標判定為有效，BT和GT分別表示所有商業銀行該指標的無效次數和所有商業銀行該指標的有效次數。

第i組下的WOEi，量化了某個指標所代表的信用風險。WOEi越大，表示商業銀行的信用風險越高；WOEi越小，表示商業銀行的信用風險越低。

WOE通過數據具體量化了單一指標所代表的信用風險，但未能量化所有評價指標的情況，因此需要引入IV值（Information Value），IV值本質上是對WOE的加權，IV值越高的指標，其有效性更強，從而建立多組備選子集，對于同種類型的指標，根據其衡量商業銀行信用風險的重要性進行篩選，從而得到選定的評分指標組合。

（二）模型指標和權重

確定商業銀行信用評級模型的評分權重，需要通過不斷地擬合盡可能的做到信用評級能夠較為準確的反映商業銀行的信用風險，對于一個n層、每層指標數分別為 的結構來說，要保證每一個子級中的所有權重之和為1，因此其內部共存在個約束條件。系數矩陣的秩等于變量個數減去約束條件個數，即而上一步求出來的變量數也為方程存在唯一解，這個唯一解就是各級指標的權重，從而得到各級指標的最終權重。

另外為了有效克服宏觀經濟波動所造成的影響，同時結合商業銀行的行業特點，信用評級模型從使用一個一級指標調整為兩個一級指標，把所有評分指標按照“經營規模”和“經營質量”進行分類分別進行評分：對“經營規?！边M行分類是因為資產負債總額較大的商業銀行往往是經營覆蓋范圍更廣、社會公眾認可度更高的商業銀行，該類商業銀行的資產分布更均衡，受宏觀經濟周期波動影響的幅度更小；對“經營質量”進行分類是因為商業銀行的資產質量和盈利能力通常是呈現負相關性的，即商業銀行的風險偏好越高，利潤收入越好，但可能實質承擔的信用風險也越高，同時其他監管指標也會有所下滑。因此，通過對采用的評分指標按照“經營規模”和“經營質量”分類后進行評分評級，可以較為全面的反映商業銀行真實的信用風險情況：一方面是資產負債規模越大的機構受經濟周期或突發情況的影響幅度更??；另一方面是商業銀行的經營成果最終反映在利潤科目可以提高資本水平，資本水平越高代表償債能力越強，同時資本水平越高的商業銀行可以經營的資產總額越多，經營利潤也會越高。“經營規模”和“經營質量”分別反映了商業銀行在日常經營中的“大”和“美”兩個方面，只有兩者兼具的商業銀行才能給予更高的信用評級。

表6 商業銀行信用評級模型指標和權重

（三）閾值設置

確定商業銀行信用評級模型的評分指標后，結合銀行業整體的財務數據和監管指標（表7、表8）對同一組的評分指標進行有序排序，降低最大值區間和最小值區間的敏感度，使得閾值區間能夠合理的分布。

表7 2019年末全國商業銀行資產負債情況

表8 近三年商業銀行主要監管指標情況

對于資產總額指標，因國內銀行的規模分化較大，大中小型銀行的數量呈現出金字塔型的分布，因此在閾值設置時需要考慮增加平均數以下的區間段。所有商業銀行的資產總額平均數為987.98億元，該數值從銀行的數量上來看已處于所有商業銀行的前50%以上，因此把該平均數設置在55分至60分這一區間；而所有農村金融機構的資產總額平均數為163.80億元，因此把該分段設置在0分至55分的中間分段，即30分至35分這一區間。

對于商業銀行主要監管指標，該類指標是所有商業銀行的加權指標，大型銀行對該公布的指標影

（四）評級映射

為了與國內信用評級機構的信用評級進行橫向對比，本文信用評級按照《中國人民銀行信用評級管理指導意見》中對信用評級符號劃分分為三等九級，每一個信用等級用“+”“-”符號進行微調，表示略高或略低于本等級，但不包括AAA+。

使用本文信用評級模型進行評分評級的流程：

1.收集各個商業銀行的三級指標；

2.結合閾值區間分布情況，使用插值法對各個三級指標進行評分；

3.通過評分權重對各個三級指標的分數重新加權計算，得出一級指標的評分；

4.根據一級指標的評分得到對應分級（表10）；

表10 一級指標對應分級

[35,40） [35,40） BB[30,35） [30,35） BB-[25,30） [25,30） B+[20,25） [20,25） B[15,20） [15,20） B-[10,15） [10,15） CCC+[5,10） [5,10） CCC[0,5） [0,5） CCC-[-10,0） [-10,0） CC+[-20,-10） [-20,-10） CC[-30,-20） [-30,-20） CC-[-40,-30） [-40,-30） C+[-50,-40） [-50,-40） C[-90,-50） [-87.5,-50） C-

5.通過評級映射矩陣（表11）的映射關系得到信用評級。響較大，同時部分商業銀行經營目標是滿足監管要求即可，因此該類指標按照監管要求進行排列，監管指標的最低值應處于中間分段（即50分至55分這一區間），然后根據每年商業銀行各項具體指標和數量的結構平均排列分布，使得能夠合理區分各家商業銀行的經營質量。

表11 評級映射矩陣

通過收集333家商業銀行在2019年經營情況中的各個評分指標進行排列，對11個評分指標分成22個區間（表9），通過較為有效合理的區間分布分別進行評分；對于其它商業銀行未有公開相關數據的，需要通過其他渠道獲取評分指標進行評分評級，驗證閾值設置的合理性和有效性。

表9 閾值區間分布情況單位：億元，%

五、信用評級有效性檢驗

（一）信用區分

商業銀行在我國的經濟運行中處于較為重要的位置，監管部門制定了較為全面和完善的監管政策引導商業銀行的日常經營，通過現場檢查或者非現場檢查的方式持續監督商業銀行的經營情況，幫助商業銀行長期穩定的發展。由于我國商業銀行債券違約的次數非常少，無法對信用評級模型的違約率進行可量化的檢驗，因此本文對2家已出現風險的商業銀行和1家市場上認為信用評級虛高的商業銀行開展信用評級進行驗證，通過對比信用評級機構對這3家商業銀行的信用評級，檢驗本文模型的信用評級是否有效區分商業銀行的信用風險，這3家商業銀行分別是恒豐銀行、錦州銀行和大連銀行。

表12 信用模型評級結果

資料來源：Wind。

從以上信用評級結果可以發現，使用本文模型得到的信用評級均低于其他信用評級機構的信用評級，以上3家商業銀行的信用評級比信用評級機構的信用評級平均低了6個子級；其中錦州銀行的評分指標較差，全年經營的凈利潤為負數，關注貸款率達到15.40%，本文模型的信用評級為BBB-級，與信用評級機構得到的信用評級為AAA級差異較大。

通過以上信用評級的對比，本文模型的信用評級在一定程度上具有區分商業銀行信用風險的效果，所得到的信用評級也更加匹配該符號所代表的信用風險，能夠下調部分弱資質和偽資質商業銀行信用評級的信用評級。

（二）評級分布

使用本文模型對333家商業銀行基于2019年的評分指標得到的信用評級，同時對比5家信用評級機構的信用評級可以發現：本文模型的信用評級主要分布在A+級、BBB+級和BBB級，5家信用評級機構的信用評級主要分布在AAA級、AA級和AA-級，本文模型的信用評級比5家信用評級機構的信用評級平均低了3.21個子級，本文模型得到的信用層級分布較為合理（表13），呈現正態分布的曲線變化；另外，本文模型得到的信用評級也更加符合正常企業經營的實際情況及其信用符號所代表的意義，依照《中國人民銀行信用評級管理指導意見》中信用評級符號的含義：A級代表償還債務能力較強、違約風險較低，BBB級代表償還債務能力一般、違約風險一般。

表13 商業銀行信用評級的分布對比

通過使用本文模型得到的信用評級和5家信用評級機構的信用評級進行對比，可以發現中小型商業銀行的信用評級下降幅度更大（表14），主要是因為本文模型把評分指標分成“經營規?！焙汀敖洜I質量”分別進行評分分級，兩個一級指標之間互不影響。對于經營情況較好的中小型商業銀行，雖然該部分商業銀行的“經營質量”分級較高但對提高信用評級的影響有限，本文模型在評級映射中的設置更加追求商業銀行能夠在“經營規?！焙汀敖洜I質量”兩個方面均衡發展，只有兩者兼優的商業銀行才能給予更高的信用評級，而中小型商業銀行受“經營規模”的限制，只能逐漸提高信用評級，而不會因“經營質量”的波動導致信用評級出現較大的變化，使得信用評級矩陣更加穩定。

表14 不同商業銀行信用評級下降情況

（三）市場驗證

使用本文模型對333家商業銀行基于2019年的評分指標得到的信用評級，通過市場真實情況驗證不同信用評級的債券利率與期限相若的國債利率（無風險利率）之間是否存在合理的利率差（信用風險溢價）。

通常來說，信用評級越低、剩余期限越長、有利于發行人條款越多的債券利率與國債之間的利率差就越大；為了驗證本文模型的有效性，對債券市場中不同信用評級商業銀行的同業存單利率與期限相若的國債利率相減，可以發現使用本文模型得到信用評級越高的商業銀行，其同業存單利率與期限相若的國債利率之間的利率差越?。ū?5），本文模型的信用評級得到市場的驗證。

表15 不同信用評級同業存單的信用利差比較

六、總結

通過分析債券市場中信用評級存在的現象和信用評級機構的信用評級方法，信用評級機構在主觀上存在為了爭奪市場份額主動提高受評商業銀行的信用評級使得AAA級商業銀行數量過多使得整個信用評級矩陣分布極不合理，個別信用評級機構甚至虛高信用評級；在客觀上存在信用評級層級過窄和評級模型受經濟波動影響較大，以上原因導致了當前債券市場信用評級的信服力不足，而包商銀行的破產更是揭露了信用評級的有效性失效的情況。

為了改進以上情況，特別是在目前監管部門對要求信用評級行業提升評級質量和區分度的情況下，信用評級機構必須加強信用評級質量，為未來信用評級行業的轉型提前做好準備，而信用評級質量的源頭來自于信用評級模型。本文通過對信用評級模型的改進提出了建議，從一個一級指標增加至兩個一級指標，降低了信用評級矩陣受宏觀經濟波動的影響，構建新的信用評級模型來驗證對信用評級模型改進建議的科學性。

有效的信用評級模型首先是能夠較為準確的反映商業銀行信用風險，然后建立具有多個信用層級使得不同商業銀行之間可以進行信用風險的橫向對比，最后在市場投資中協助投資者發現債券的價值變化；信用評級機構需要提高信用評級的質量來增強公信力，也為未來市場化轉型提前做好準備。