一、引言
　　信用风险可以定义为受信方拒绝或无力按时全额支付所欠债务给信用提供方带来潜在损失的可能性。它是交易对手违约风险的一种形式。因而，银行信用风险是指借款人拒绝或无力按时全额支付款项而给贷款银行带来潜在损失的可能性。银行信用风险和商业信用风险的本质是一样的，本文将要致鄣男庞梅缦眨饕敢行庞梅缦眨⑶医庞玫氖苄欧较薅ㄎ话愎ど唐笠怠Ｒ行庞梅缦展芾淼哪勘晔强刂菩庞梅缦账剑狗缦账接胍械某惺苣芰ο嗍视Γ涔芾砉淌切庞梅缦帐侗稹⑿庞梅缦掌拦馈⑿庞梅缦展芾矸椒ㄑ≡瘛⑹凳┖推兰郏取Ｐ庞梅缦掌拦溃殖菩庞梅缦斩攘俊⒉饬浚嵌孕庞梅缦沾笮〉牧炕ǘ晕ピ挤⑸脑て诟怕省⑽ピ即吹乃鹗У鹊牟馑恪Ｋ哂薪洗蟮哪讯群妥ㄒ敌浴Ｎ夜囊行庞梅缦崭性斐闪司薮蟮乃鹗В硐中问奖闶怯兄疃辔：Φ木薅畈涣即睿庥胝錾缁岬木谩⒎伞⑿庞没肪秤泄兀灿胍械男庞梅缦展芾碇贫龋绕涫切庞梅缦掌拦婪椒浜笥泻艽蠊亓?lt;FONT face=Verdana>安博尔中诚信评级倾力打造最具影响力信用品牌。我国银行信用风险评估方法还处于比较初级的阶段。而在西方发达国家，度量信用风险的模型和方法已经由传统模型阶段发展到了创新模型阶段，信用风险度量的创新模型应用创新的金融理论、统计技术、数学方法以及计算机数据库等科学技术，能判别出借款人精确的信用等级，或者是借款人的预期违约率或损失率。随着我国对外资银行的彻底开放，国内的银行将面临更激烈的竞争。实施巴塞尔协议提出的内部评级法也是国内银行业的趋势。因此，了解和借鉴国外的信用风险度量模型，改善信用风险管理制度，对于缩小与国外银行的差距，控制我国银行的信用风险，具有重要的意义。
　　本文把西方信用风险度量模型划分为传统模型和创新模型两大类，而后者又可以细分为若干类。本文将综述国外的信用风险度量模型，介绍主要模型的特点，以展示出信用风险模型发展的特点和方向，为我国银行借鉴国外先进的信用风险模型，建立适合我国实际的信用风险模型提供参考。
　　二、信用风险度量的传统模型评述
　　以下主要介绍和评论四种经典传统模型：专家方法、评级方法、Z值模型和A值模型。
　　专家方法，是由银行的信贷管理人员根据自己的专业技能、经验、判断做出信贷决策的方法。专家方法有很多种，其中最有代表性的是信贷的“5C”方法。专家分析5项因素，品德（Character ）、资本（Capital）、能力（Capacity）、抵押品（Collateral）和经济周期（Cycle Conditions），做出主观的权衡，然后做出贷款与否的决定。该方法的优点是简便易行，但难以确定因素的优先权重，于是，针对相似的借款人，不同的专家可能运用不同的标准，得出不同的结论。
　　美国货币监理署（OCC）曾开发一种贷款评级方法。多年以来，美国的银行已经扩展了OCC的评级方法，开发出了各自内部更细致的分级方法。
　　Z值模型是用来预测企业是否面临破产的模型，模型中的Z值是通过几个财务比率计算出来的，财务比率从不同角度反映了企业财务的健康程度。而计算财务比率用到的基础数据可以从企业的公开报告中获得。构建Z值模型的第一步是选择能把正常企业与破产企业区分开来的关键指标，第二步是计算每一指标的加权系数。
　　其中, R1、R2、R 3 ……是模型选用的指标； a1、a2、a3 ……是每一个指标对应的系数。
　　如果 Z值较高，那么企业就比较健康，如果 Z值较低，则企业潜在的破产可能性就较大。奥特曼教授Z值模型（Altman’s Z –Score model）是奥特曼教授在1968年分析了美国破产企业和非破产企业的22个会计变量和22个非会计变量，从中选取了5个关键指标，建立的Z值模型。此后，研究者又开发了类似的模型，区别主要在于选择了不同的财务指标和对应的系数。Z值模型的主要问题是：（1）模型是线性的，但各个比率之间的关系可能非线性。（2）财务比率基本来源于企业以账面价值为基础的数据。
　　Z值模型明显的缺陷还有财务比率要依赖企业的公开报表提供的数据来计算，而处于财务困境中的企业往往会使用“投机性会计”来粉饰企业的会计报表，以误导公众，扭曲企业的财务状况。Ａ值模型试图解决Z值模型的缺陷，是一个以更客观的判断为基础的企业破产预测模型。模型中列出了与破产有关的各种不良现象，并给每个现象规定了一个最高分值，评价时，给企业打出每一项相应的分数，然后相加，分数越高，情况越差。总分100分，如果某一企业分数超过25分，就有破产的可能。
　　从以上几种经典传统模型可以看出传统模型的一般特点：（1）以定性分析为主；（2）只分析单项贷款；（3）较少考虑宏观经济因素的影响。
　　三、信用风险度量的创新模型评述
　　信用风险度量模型创新不断，品种繁多, 创新的背景和原因大致有：（1）企业破产和违约机会的增加。（2）资本市场的发展。（3）银行利润率的下降。（4）抵押品价值下降，波动性增加。（5）资产负债表外交易量增加。（6）科技及金融工程的进步。（7）计算以风险为基础的资本。
　　按照建模应用的理论或技术的不同，创新模型主要可以分为如下几类。
　　（1）基于期权的模型。利用期权理论，可求解贷款的价值或违约率。代表性的模型是KMV公司的信用监控模型（Credit Monitor Model）。
　　（2）加入专家系统的Z模型。即德国中央银行的Z模型，它是利用计算机科学技术、人工智能、知识工程等将传统的Z模型加以改造，于是大大提高了模型的准确度、效率和实用性。德国中央银行所使用的方法实际上不是一个简单的公式，他们将Z模型与现代化手段很好地进行了融合，使模型的实用性、准确性、效率性都得到大大提高。这说明仅靠一个公式并不能解决复杂的实际问题；另一方面，一个传统的简单方法利用现代化技术和手段进行完善同样显示出解决问题的威力。
　　（3）基于在险价值的模型。代表模型是摩根公司、KMV公司、瑞士联合银行等于1997年推出的“信用度量术”（CreditMetrics），它利用借款人的信用评级、下一年评级发生变化的概率、违约贷款的回收率、债券市场上的信用风险价差和收益率，为非交易的贷款或债券计算出假想的价值和价值波动性，从而计算个别贷款和贷款组合的在险价值。
　　CreditMetrics的缺点是：信用等级迁移概率事实上是跨时自相关的；没有考虑信用评级的转移受重要的国家因素、行业因素和商业周期因素的影响；贷款的抵押品、合约条件等与债券不同，因而使用债券信用转移矩阵可能会导致某种内在的估值偏差。
　　(4) 宏观模拟方法。代表性的模型是麦肯锡公司的Credit Portfolio View，模型纳入经济周期的影响，把宏观因素对违约概率和评级转移概率的影响纳入模型，克服了一些模型把不同时期转移概率假定为固定的所带来的问题。
　　（5）基于保险思想的模型。信用风险度量和管理的新工具中也引入保险领域的思想和方法。引自寿险的代表模型是奥特曼开发的贷款和债券的死亡率表，模型的指导思想与确定寿险保险费政策时的精算思想一致。引自财产保险的代表模型是瑞士信贷银行金融产品部开发的信用风险附加法（CreditRisk+）模型, 它与出售家庭火险时为评估损失和确定保险费率而使用的模型一致。后者的主要优势是只需要相当少的数据输入，劣势在于不涉及信用等级的变化，而且假设违约与资本结构无关。
　　（6）基于神经网络的模型。有学者提出以非线性方法（例如类神经网络或模糊理论）作为信用风险分析的工具。在神经网络概念下，允许各因素之间存在复杂的关系，以解决传统计分方法的线性问题。而非线性方法面对的最大问题是：需要考虑多少个隐蔽关系？考虑太多的隐蔽关系有时会给模型产生过分拟合的问题。并且，使用神经网络来决策的一个缺陷是解释能力缺乏。当它们能产生高的预测精度时，获取结论的推理却还不存在。故需要一套明确的和可理解的规则，有人评价对比了几种神经网络的规则提取（neural network rule extraction）技术，并用决策表（decision table）来代表提取规则。他们得出结论，神经网络的规则提取和决策表是有效的和有力的管理工具，可以为信用风险评估构建先进的和友好的决策支持系统。
　　以上简要评述了信用风险度量的六类模型，实际上还有很多模型和方法，如返回测试和压力测试的方法，根据风险调整的收益对资本的比率方法，M.H.DIS （Multi-group Hierarchical DIScrimination），等。随着信用风险模型的涌现，出现了评价模型对信用损失预测的精确性的问题，有的论文提出了基于横截面模拟的评价信用风险模型的方法。
　　结合前述的各种类别的信用风险创新模型，可以发现信用风险度量的创新模型有以下共同特点：
　　（1）信用风险分析结果定量化。如KMV模型是预测违约率，在险价值方法是计算预期损失，德国中央银行的改进Z模型是将客户精确分级，并知道模型的统计错误的大小。
　　（2）及时动态地反映借款人情况的变化，即模型能随着时间的改变和借款人状况的改变而及时预测出风险的变化。
　　（3）模型背后都有积累的大量专业数据库。如KMV的违约距离与违约率关系的经验数据库，德国中央银行有企业样本数据库，以便计算公式的系数，以及判断模型的错误大小。
　　（4）模型的建立与应用，运用了先进的计算机、统计、人工智能和知识工程等技术和方法，因而模型的自动化程度和效率大大提高。
　　四、启示
　　我们已经看到，由传统模型到创新模型，国外的信用风险度量模型已经相当专业和先进。而中国的商业银行虽然在逐步建立信用风险内控机制，但信用评估的手段和方法却还处于比较初级的阶段。例如，很多商业银行的内部评级系统使用的还是简单的打分模型，虽然同时包括定性和定量指标，但对于指标的选择和权重比例的分配往往不合理，比如模型中经常忽略对关联交易的考虑，缺乏对资产质量变化趋势的考虑等。此外，信用评级人员未能充分理解模型的内涵，只是机械地对客户进行打分，结果评定出的信用等级缺乏准确性，同时银行的监察和稽核部门也难以对客户的信用等级进行复审和跟踪。再如，贷款五级分类在实际工作中量化分析不够，主观任意性还比较强，因而效果不能令人满意。
　　我国信用风险评估模型与发达国家差距较大，学习国外的先进模型，掌握其发展的特点和趋势，加以吸收和借鉴，成为我国银行信用风险管理的必然之势。关于如何吸收和借鉴，本文有如下的几点启示：
　　（1）坚持先易后难的原则，积极学习国外的先进模型，例如可先学习使用Z模型和改进Z模型，建立起企业贷款评级的数量方法。当然，同时也要加入和考虑定性因素。
　　（2）在应用Z模型和改进Z模型的基础上，建立违约、守约企业数据库，并不断完善、修正模型。近几年，国内银行的数据质量已经有了很大的提高，可以在此基础上建立数据库。
　　（3）对于其他复杂模型，金融机构、管理咨询机构可以先做前期的研究工作，并积累资料，以便应用和推广。如针对KMV模型，专门的信用机构可以整理上市公司违约的历史资料，同时积累现实的资料，最终建立我国的违约距离与违约率经验上的映射关系。
　　（4）注意国外的先进模型在中国的适用性问题。如KMV模型要用到股票的价格及其波动性，而我国的股市建立时间短，投机性较强，有的股票受到非法操纵，价格波动大。这就造成了数据的不可靠性。此外，我国缺少违约的数据库，国外违约距离与违约概率的经验曲线并不适合我国。国内学者对这一模型在中国的应用探讨得最多，取得了较大的成果，对非流通股问题、数据真实性、无风险利率、违约点、关系函数、资产价值的增长率、违约率等方面都做了处理，实证研究得出了一些结论。
　　当然，仅仅研究信用风险度量模型是不够的，要实施巴塞尔协议提出的内部评级法，对银行还有更多更高的要求。单纯地依赖模型进行信用风险的评估也是不科学的，定量方法需要与定性方法结合起来使用。
　　参考文献
　　[1]安东尼•桑德斯.信用风险度量：风险估值的新方法与其他范式[M].北京：机械工业出版社，2001
　　[2]布赖恩•科伊尔.信用风险管理[M]. 北京：中信出版社，2003
　　[3]王国林.微观金融学[M].北京：科学出版社，2005
　　[4]章彰.解读巴塞尔新资本协议[M].北京：中国经济出版社，2004
　　[5]Anthony Saunders. Loans as options and the KMV model [J].Financier，1999. 6，（1）：8-16
　　[6]Bart Baesens，Rudy Setiono，Christophe Mues， Jan Vanthienen.Using neural network rule extraction and decision tables for credit-risk evaluation[J].Management Science，2003.49，（3），312-329
　　[7] M. Doumpos，K. Kosmidou，G. Baourakis，C. Zopounidis.Credit risk assessment using a multicriteria hierarchical discrimination approach: A comparative analysis[J].European Journal of Operational Research，2002.138，392–412
　　[8] Jose A. Lopez，Marc R. Saidenberg.Evaluating credit risk models[J].Journal of Banking &Finance，2000.24，151-165