现代信用风险管理模型的比较分析

现代信用风险管理模型的比较分析

作者：方金兵张兵刘荣茂

来源：《经济师》2009年第01期

摘要：文章对目前国际银行业信用风险管理中应用得最为广泛的四个模型——CreditMetrics模型、Cred it Risk+模型、KMV模型和CPV模型进行了介绍，分别从八个方面进行了分析比较，并进一步探讨了这四个模型在我国商业银行应用的可行性，以期为我国商业银行信用风险量化管理体系的构建提供借鉴与参考。

关键词：信用风险模型比较商业银行管理

中图分类号：F832.4 文献标识码：A

文章编号：1004-4914（2009）01-016-02

在20世纪80年代初期，受世界性的债务危机的影响，国际银行业普遍开始关注信用风险的量化管理工作。90年代以后，欧美各大银行不再满足于过去的“手工作坊”式的一般信用风险管理，开始积极开发更为有效的信用风险管理模型来计量信用风险。目前比较流行的四个高级信用风险模型为：J.P.Morgan的CreditMetrics模型、CSFP的CreditRisk+模型、KMV公司的KMV模型和麦肯锡公司的CPV模型。由于这些模型融合了众多学科的思想，所以被称为现代信用风险管理模型。

一、现代信用风险模型简介

l.CreditMetrics模型。信用度量模型已经成为信用风险计量领域最为主流的方法之一。模型的核心思想是组合价值的变化不仅受到资产违约的影响，而且资产等级的变化也对其价值产生影响。CreditMetrics模型的创新之处在于，它第一次将信用等级的转移、违约率、回收率和违约相关性纳入了一个统一的框架。模型的缺陷在于构成模型的一系列假设。首先，该模型假设等级迁移概率服从稳定的Markov过程，有悖于实际的历史数据。其次，该模型假设同一信用评级内所有的债务人都有着相同的评级转移概率，而KMV的研究认为，这条假设并不成立。再次，用来重估债券价值的无风险概率是决定性的，这将导致其对市场风险以及经济环境的变化不敏感。最后，模型用股票相关性来代替资产相关性。而所有这些都会影响到估值的结果。

2．CreditRisk+模型。信用风险附加法是瑞士波士顿第一银行产品部(CSFP)在1997年开发的。该模型是一种违约模型，只考虑债务人对债券或贷款是否违约，而不考虑评级下调风险，并假定这种违约服从泊松分布，与公司的资本结构无关。模型的优点在于，只要求有限的输入数据即可计算贷款损失。模型的缺陷在于，一是模型对于单个债务人违约率的设定似乎是任意的，而它们却是模型的基本输入因子。二是债务人没有被赋予相应的信用等级，其违约概率不取决于其风险特征，并假定每笔贷款的信用风险暴露在计算期间内固定不变，而这与实际不符。三是模型没有考虑市场风险。

3.KMV模型。1993年，KMV公司开发并公布了KMV模型。KMV模型以计算预期违约概率(ExpectedDefaultFrequency,简称EDF)而见长。KMV模型的优点在于，一是该模型所得到的EDF是前向预期的。其次，模型对债务人信用质量的变化更加敏感。KMV模型面临的最大批评是关于公司资本结构的假设过于简单。其次，该模型假设公司的资产价值服从正态分布。再次，模型的使用范围也有一定的局限性。最后，模型不能够对债务的不同类型进行区分，使得模型输出变量的计算结果不准确。

4.CreditPortfolioView模型。信用组合观点模型(CPV模型)是麦肯锡咨询公司于1997年开发。该模型实质上是通过对宏观经济周期波动的态势分析和信用周期的评价进而来评价信用风险。模型的优点是它给出了具体的损失分布，能适用于单个债务人和一组债务人，能够刻画因国家风险而带来的损失。其缺点在于，模型的应用需要国家和行业大量的长期数据，如果模型中包含的行业越多，关于违约事件的信息就会变得越少，模型的应用会受到限制。

二、现代信用风险模型的比较研究

事实上，这些模型之间的实质差异并非像表述形式的差别那么大。它们具有基本相同的信用风险构成因素，例如违约概率、信用风险暴露等。简单比较如下：

1.对信用风险的界定。CreditRisk+主要考虑违约和非违约两种情况，即违约模式(Default Mode，简称DM)；而CreditMetrics和KMV则采用盯住市场模式(MarkToMarket，简称MTM)，除了考虑违约与不违约以外，还要考虑到信用等级的升降或转移；而CPV则采用MTM模式或DM模式。

2.信用风险驱动因素。在KMV与CreditMetrics中，公司资产的价值及其波动是违约风险的关键性驱动因素，CreditRisk+中的信用风险驱动因素是违约率及其波动，CPV的信用风险驱动因素则是一些宏观因素。然而，如果从多因素的角度来考虑，这四种模型都可以看作有着类似的根源。

3.信用事件的波动性。在CreditMetrics中，违约概率被认为是相对稳定的，在其他三个模型中违约概率均被认为是变动的，只不过服从不同的概率分布。

4.信用事件的相关性。各模型具有不同的相关性结构，KMV模型和CreditMetrics模型是多变量正态；CreditRisk+模型是独立假定或与预期违约率的相关性，CPV模型则是因素负载。

5.回收率。在CreditRisk+模型中贷款回收率被看作是固定的，而在其他模型中贷款违约后的回收率被认为是随机的。

6.信用质量的变化方式。一种是离散估值模型，即信用质量按离散的信用等级变化进行刻画，如CreditMetrics和CreditRisk+模型；而KMV模型是种连续估价模型，即信用质量是通过违约概率或违约概率密度函数按连续的方式进行刻画；而CPV模型则可按这两种方式进行描述。

7.模型的数学方法。CreditMetrics对单项贷款的信用VAR的计算通过解析方法实现，但对大规模的贷款组合则往往通过蒙特卡罗模拟技术来求解；CPV也采用类似的模拟技术结构，CreditRisk+模型由于有着较少的输入变量以及严密的数学推理过程，因此，可以生成组合损失的显式解；KMV模型也可以获得损失函数的逻辑分析解。

8.适用的分析对象。CreditMetrics和KMV模型适用于对公司和大私人客户的信用风险度量；CreditRisk+模型适用于银行对零售客户的信用风险度量；而CPV模型则适用于对宏观经济因素变化敏感的投机债务人的信用风险度量。

三、现代信用风险模型在我国商业银行的应用

我国商业银行体系一直以来都面临着不良资产问题的困扰。而国有银行信用风险更是过度集中，这已对整个金融系统的稳定和国民经济的持续健康发展构成了严重的威胁。

1.我国商业银行信用风险防范的现状。目前我国商业银行主要是使用专家分析和计算贷款风险度的方法进行信用风险计量。专家分析法是种定性分析，只能从总体上提供一个大致的结论，即信用风险是大还是小，而不能进行具体量化的分析，有着很大的主观性和随意性。贷款风险度是指通过对贷款的分析，对相关因素给予不同的风险权数，进而确定各类贷款风险含量的方法。而这种方法存在许多缺陷。因此，现行的专家分析法和贷款风险度方法已经难以适应现代银行要求全面和动态风险管理的需要。

2.现代信用风险模型在我国商业银行应用的可行性。⑴CreditMetrics模型依赖于银行的内部评级系统或者著名外部评级机构的评级结果。而我国的信用评级制度不健全，银行内部的评