2013年《風險管理》第三章考點:信用風險計量
2013年《風險管理》第三章考點:信用風險計量
3.2 信用風險計量
信用風險計量是現(xiàn)代信用風險管理的基礎和關鍵環(huán)節(jié)。信用風險計量經歷了從老師判斷法、信用評分模型到違約概率模型分析三個主要發(fā)展階段,特別是《巴塞爾新資本協(xié)議》鼓勵有條件的商業(yè)銀行使用基于內部評級體系的方法(InternaRating-Based Approach)來計量違約概率、違約損失并據(jù)此計算信用風險對應的資本要求,有力地推動了商業(yè)銀行信用風險內部評級體系和計量技術的深入發(fā)展。
商業(yè)銀行對信用風險的計量依賴于對借款人和交易風險的評估!栋腿麪栃沦Y本協(xié)議》明確要求,商業(yè)銀行的內部評級應基于二維評級體系:一維是客戶評級,另一維是債項評級。
3.2.1 客戶信用評級
1. 客戶信用評級的基本概念
客戶信用評級是商業(yè)銀行對客戶償債能力和償債意愿的計量和評價,反映客戶違約風險的大小?蛻粼u級的評價主體是商業(yè)銀行,評級目標是客戶違約風險,評價結果是信用等級和違約概率(PD)。
(1)違約的定義
根據(jù)《巴塞爾新資本協(xié)議》的定義,當下列一項或多項事件發(fā)生時,債務人即被視為違約:
①商業(yè)銀行認定,除非采取追索措施,如變現(xiàn)抵押品(如果存在的話),借款人可能無法全額償還對商業(yè)銀行的債務。
、趥鶆杖藢τ谏虡I(yè)銀行的實質性信貸債務逾期90天以上(含)。若債務人超過了規(guī)定的透支限額或新核定的限額小于目前余額,各項透支將被視作逾期。
、垡韵虑闆r將被視為可能無法全額償還債務:
銀行停止對貸款計息;
在發(fā)生信貸關系后,由于信貸質量出現(xiàn)大幅度下降,銀行沖銷了貸款或計提了專項準備金;
銀行將貸款出售并相應承擔了較大的經濟損失;
銀行同意消極債務重組,由此可能發(fā)生較大規(guī)模的減免或推遲償還本金、利息或費用,造成債務規(guī)模減少;
就借款人對銀行的債務而言,銀行將債務人列為破產企業(yè)或類似的狀況;
債務人申請破產,或已經破產,或處于類似狀態(tài),由此將不履行或延期償還銀行債務。
(2)違約概率
違約概率是指借款人在未來一定時期內發(fā)生違約的可能性。在《巴塞爾新資本協(xié)議》中,違約概率被具體定義為借款人內部評級1年期違約概率與0.03%中的較高者。巴塞爾委員會設定0.03%的下限是為了給風險權重新定下限,也是考慮到商業(yè)銀行在檢驗小概率事件時所面臨的困難。
違約概率的估計包括兩個層面:一是單一借款人的違約概率;二是某一信用等級所有借款人的違約概率。《巴塞爾新資本協(xié)議》要求實施內部評級法的商業(yè)銀行估計其各信用等級借款人所對應的違約概率,常用方法有歷史違約經驗、統(tǒng)計模型和外部評級映射三種方法。
與違約概率容易混淆的一個概念是違約頻率,即通常所說的違約率。違約頻率是事后檢驗的結果,而違約概率是分析模型作出的事前預測,兩者存在本質的區(qū)別。
與違約概率容易混淆的另一個概念是不良率,使不良債項余額在所有債項余額的占比,二者不具有可比性。
2.客戶信用評級的發(fā)展
(1)老師判斷法
即老師系統(tǒng)(Expert System),是商業(yè)銀行在長期經營信貸業(yè)務、承擔信用風險過程中逐步發(fā)展并完善起來的傳統(tǒng)信用分析方法。
、倥c借款人有關的因素:
聲譽(Reputation)
杠桿(Leverage)
收益波動性(Volatility of Earnings)
②與市場有關的因素
經濟周期(Economic Cycle)
宏觀經濟政策(Macro-Economy Policy)
利率水平(Leveof Interest Rates)
目前所使用的老師系統(tǒng),其中,對企業(yè)信用分析的5Cs系統(tǒng)使用最為廣泛。5Cs系統(tǒng)指:
品德(Character)
資本(Capital)
還款能力(Capacity)
抵押(Collateral)
經營環(huán)境(Condition)
除5Cs系統(tǒng)外,使用較為廣泛的老師系統(tǒng)還有針對企業(yè)信用分析的5Ps系統(tǒng)和針對商業(yè)銀行等金融機構的駱駝(CAMEL)分析系統(tǒng)。
5Ps包括:個人因素(PersonaFactor)、資金用途因素(Purpose Factor)、還款來源因素(Payment Factor)、保障因素(Protection Factor)、企業(yè)前景因素(Perspective Factor)。
駱駝(CAMEL)分析系統(tǒng)包括:資本充足性(CapitaAdequacy)、資產質量(Asset Quality)、管理水平(Management)、盈利水平(Earnings)流動性(Liquidity)。
老師系統(tǒng)的突出特點在于將信貸老師的經驗和判斷作為信用分析和決策的主要基礎,這種主觀性很強的方法/體系帶來的一個突出問題是對信用風險的評估缺乏一致性。此外,盡管老師系統(tǒng)在銀行業(yè)的長期發(fā)展和實踐中已經形成了較為成熟的分析框架,但老師系統(tǒng)缺乏系統(tǒng)的理論支持,尤其是對關鍵要素的選擇、權重的確定以及綜合評定等方面更顯薄弱。因此,老師系統(tǒng)更適合于對借款人進行是和否的二維決策,難以實現(xiàn)對信用風險的準確計量。
(2)信用評分法
信用評分模型是一種傳統(tǒng)的信用風險量化模型,利用可觀察到的借款人特征變量計算出一個數(shù)值(得分)來代表債務人的信用風險,并將借款人歸類于不同的風險等級。
背景知識:信用評分模型
20世紀60年代,信用卡的推出促使信用評分技術取得了極大發(fā)展,并迅速擴展到其他業(yè)務領域。奧而特曼(Altman,1968)提出了基于多元判別分析技術的Z評分模型;馬丁(Martin,1977)、奧爾森(Ohlson,1980)和威金頓(Wiginton,1980)則首次運用Logit模型分析企業(yè)破產問題。
信用評分模型的關鍵在于特征變量的選擇和各自權重的確定。基本過程是:
、偈紫龋鶕(jù)經驗或相關性分析,確定某一類別借款人的信用風險主要與哪些經濟或財務因素有關,模擬出特定形式的函數(shù)關系式;
、谄浯危鶕(jù)歷史數(shù)據(jù)進行回歸分析,得出各相關因素的權重;
③最后,將屬于此類別的潛在借款人的相關因素數(shù)值代入函數(shù)關系式計算出一個數(shù)值,根據(jù)該數(shù)值的大小衡量潛在借款人的信用風險水平,給予借款人相應評級并決定貸款與否。
存在一些突出問題:
、傩庞迷u分模型是建立在對歷史數(shù)據(jù)(而非當前市場數(shù)據(jù))模擬的基礎上,因此是一種向后看(Backward Looking)的模型。
、谛庞迷u分模型對借款人歷史數(shù)據(jù)的要求相當高。
、坌庞迷u分模型雖然可以給出客戶信用風險水平的分數(shù),卻無法提供客戶違約概率的準確數(shù)值,而后者往往是信用風險管理最為關注的。
(3)違約概率模型
違約概率模型分析屬于現(xiàn)代信用風險計量方法。其中具有代表性的模型有穆迪的RiskCalc和Credit Monitor、KPMG的風險中性定價模型和死亡率模型,在銀行業(yè)引起了很大反響。
《巴塞爾新資本協(xié)議》也明確規(guī)定,實施內部評級法的商業(yè)銀行可采用模型估計違約概率。
與傳統(tǒng)的老師判斷和信用評分法相比,違約概率模型能夠直接估計客戶的違約概率,因此對歷史數(shù)據(jù)的要求更高,需要商業(yè)銀行建立一致的、明確的違約定義,并且在此基礎上積累至少五年的數(shù)據(jù)。
3. 法人客戶評級模型
(1)Altman的Z計分模型和ZETA模型
Altman(1968)認為,影響借款人違約概率的因素主要有五個:流動性(Liquidity)、盈利性(Profitability)、杠桿比率(Leverage)、償債能力(Solvency)和活躍性(Activity)。Altman選擇了下面列舉的五個財務指標來綜合反映上述五大因素,最終得出的Z計分函數(shù)是:
X1=(流動資產-流動負債)/總資產
X2=留存收益/總資產
X3=息稅前利潤/總資產
X4=股票市場價值/債務賬面價值
X5=銷售額/總資產
作為違約風險的指標,Z值越高,違約概率越低。此外,Altman還提出了判斷企業(yè)破產的臨界值:若Z低于1.81,在企業(yè)存在很大的破產風險,應被歸入高違約風險等級。
1977年,Altman與Hardeman、Narayanan又提出了第二代Z計分模型――ZETA信用風險分析模型,主要用于公共或私有的非金融類公司,其適應范圍更廣,對違約概率的計算更精確。
ZETA模型將模型考察指標由五個增加到七個,分別為:
X1:資產收益率指標,等于息稅前利潤/總資產。
X2:收益穩(wěn)定性指標,指企業(yè)資產收益率在5~10年變動趨勢的標準差。
X3:償債能力指標,等于息稅前利潤/總利息支出。
X4:盈利積累能力指標,等于留存收益/總資產。
X5:流動性指標,即流動比率,等于流動資產/流動負債。
X6:資本化程度指標,等于普通股/總資本。該比率越大,說明企業(yè)資本實力越強,違約概率越小。
X7:規(guī)模指標,用企業(yè)總資產的對數(shù)表示。
(2)RiskCalc模型
RiskCalc模型是在傳統(tǒng)信用評分技術基礎上發(fā)展起來的一種適用于非上市公司的違約概率模型,其核心是通過嚴格的步驟從客戶信息中選擇出最能預測違約的一組變量,經過適當變換后運用Logit/Probit回歸技術預測客戶的違約概率。
①收集大量的公司數(shù)據(jù);
、趯(shù)據(jù)進行樣本選擇和異常值處理;
③逐一分析變換各風險因素的單調性、違約預測能力及彼此間的相關性,初步選擇出違約預測能力強、彼此相關性不高的20~30個風險因素;
、苓\用Logit/Probit回歸技術從初步因素中選擇出9~11個最優(yōu)的風險因素,并確保回歸系數(shù)具有明確的經濟含義,各變量間不存在多重共線性;
⑤在建模外樣本、時段外樣本中驗證基于建模樣本所構建模型的違約區(qū)分能力,確保模型的橫向適用性和縱向前瞻性;
、迣δP洼敵鼋Y果進行校正,得到最終各客戶的違約概率。
(3)Credit Monitor模型
Credit Monitor模型是在Merton模型基礎上發(fā)展起來的一種適用于上市公司的違約概率模型,其核心在于把企業(yè)與銀行的借貸關系視為期權買賣關系,借貸關系中的信用風險信息因此隱含在這種期權交易之中,從而通過應用期權定價理論求解出信用風險溢價和相應的違約率,即預期違約頻率(Expected Default Frequency,EDF)。
(4)KPMG風險中性定價模型
風險中性定價理論的核心思想是假設金融市場中的每個參與者都是風險中立者,不管是高風險資產、低風險資產或無風險資產,只要資產的期望收益是相等的,市場參與者對其的態(tài)度就是一致的,這樣的市場環(huán)境被稱為風險中性范式。KPMG公司將風險中性定價理論運用到貸款或債券的違約概率計算中,由于債券市場可以提供與不同信用等級相對應的風險溢價,根據(jù)期望收益相等的風險中性定價原則,每一筆貸款或債券的違約概率就可以相應計算出來。
(5)死亡率模型
死亡率模型是根據(jù)貸款或債券的歷史違約數(shù)據(jù),計算在未來一定持有期內不同信用等級的貸款或債券的違約概率,即死亡率,通常分為邊際死亡率(MarginaMortality Rate,MMR)和累計死亡率(Cumulated Mortality Rate,CMR)。
4. 個人客戶評分方法
按照國際慣例,對于企業(yè)的信用評定采用評級方法,而對個人客戶的信用評定采用評分方法。由于個人客戶數(shù)量眾多,歷史信息的規(guī)律性強,因此主要采用基于歷史數(shù)據(jù)統(tǒng)計的評分模型計量個人客戶的信用風險。
參照國際最佳實踐,個人客戶評分按照所采用的統(tǒng)計方法可以分為回歸分析、K臨近值、神經網(wǎng)絡模型等;按照評分的對象可以分為客戶水平、產品水平和賬戶水平,按照評分的目的可以分為風險評分、利潤評分、忠誠度評分等;按照平分的階段則可以分為拓展客戶期(信用局評分)、審批客戶期(申請評分)和管理客戶期(行為評分)。
(1)信用局評分
這一階段常用的模型有:
、亠L險評分,預測消費者違約/壞賬風險的大小;
、谑找嬖u分,預測消費者開戶后給商業(yè)銀行帶來潛在收益;
、燮飘a評分,預測消費者破產風險的大小;
、芷渌庞锰卣髟u分。
(2)申請評分
申請評分模型通過綜合考慮申請者在申請表上所填寫的各種信息,對照商業(yè)銀行類似申請者開戶后的信用表現(xiàn),以評分來預測申請者開戶后一定時期內違約概率,通過比較該客戶的違約概率和商業(yè)銀行可以接受的違約底線來作出拒絕或接受的決定。
信用局風險評分模型和收益評分模型是很有價值的決策工具,與申請評分模型具有互補性,可以組成二維或三維矩陣來進行信貸審批決策。不同的是,申請評分模型是商業(yè)銀行為特定金融產品的申請者量身定做的,能夠更準確、全面地反映商業(yè)銀行客戶的特殊性,而且可以利用更多的信息對客戶將來的信用表現(xiàn)進行預測;而信用局評分模型通常是對申請者在未來各種信貸關系中的違約概率作出預測。
(3)行為評分
行為評分被用來觀察現(xiàn)有客戶的行為,以掌握客戶及時還款的可信度。
5.客戶評級/評分的驗證(Validation)
(1)客戶違約風險區(qū)分能力的驗證
期基本原理是運用多種數(shù)理分析方法檢驗評級系統(tǒng)對客戶是否違約的判斷準確性。
(2)違約概率預測準確性的驗證(校正)
其基本原理是運用統(tǒng)計學中的假設檢驗,當實際違約發(fā)生情況超過給定閾值,則拒絕原假設,認為PD預測不準確。常用方法有:二項分布檢驗,檢驗給定年份某一等級PD預測準確性;卡方分布檢驗,檢驗給定年份不同等級PD預測準確性;正態(tài)分布檢驗,檢驗不同年份同一等級PD預測準確性;擴展的交通燈檢驗,檢驗不同年份不同等級PD預測準確性。
3.2.2 債項評級
1. 債項評級的基本概念
(1)債項評級
債項評級是對交易本身的特定風險進行計量和評價,反映客戶違約后的債項損失大小。特定風險因素包括抵押、優(yōu)先性、產品類別、地區(qū)、行業(yè)等。債項評級既可以只反映債項本身的交易風險,也可以同時反映客戶信用風險和債項交易風險。
(2)債項評級與客戶評級的關系
客戶評級與債項評級是反映信用風險水平的兩個緯度。一個債務人只能有一個客戶評級,而同一債務人的不同交易可能會有不同的債項評級。
(3)損失
客戶違約后給商業(yè)銀行帶來的債項損失包括兩個層面:一是經濟損失;二是會計損失。
(4)違約風險暴露
違約風險暴露是指債務人違約時的預期表內表外項目暴露總和。如果客戶已經違約,則違約風險暴露為其違約時的債務賬面價值;如果客戶尚未違約,則違約風險暴露對于表內項目為債務賬面價值,對于表外項目為已提取金額+信用轉換系數(shù)×已承諾未提取金額。
(5)違約損失率
違約損失率(Loss Given Default,LGD)是指給定借款人違約后貸款損失金額占違約風險暴露的比例,其估計公式為損失/違約風險暴露。
2. 債項評級的方法
(1)影響違約損失率的因素
①產品因素
包括清償優(yōu)先性(Seniority)、抵押品等。
、诠疽蛩
、坌袠I(yè)因素
、艿貐^(qū)因素
⑤宏觀經濟周期因素
(2)計量違約損失率的方法
、偈袌鰞r值法。通過市場上類似資產的信用價差(Credit Spread)和違約概率推算違約損失率,其假設前提是市場能及時有效反映債券發(fā)行企業(yè)的信用風險變化,主要適用于已經在市場上發(fā)行并且可交易的大企業(yè)、政府、銀行債券。
、诨厥宅F(xiàn)金法。根據(jù)違約歷史清收情況,預測違約貸款在清收過程中的現(xiàn)金流,并計算出LGD,即LGD=1-回收率=1-(回收金額-回收成本)/違約風險暴露。
3. 貸款分類與債項評級
信貸資產風險分類通常是指信貸分析和管理人員或監(jiān)管當局的檢查人員,綜合能夠獲得的全部信息并運用最佳判斷,根據(jù)信貸資產的風險程度對信貸資產質量作出評價。
2001年,我國監(jiān)管當局出臺了貸款風險分類的指導原則,把貸款分為正常、關注、次級、可能和損失五類(后三類合稱為不良貸款)。
在分類過程中,商業(yè)銀行必須至少做到以下六個方面:
、 建立健全內部控制機制,完善信貸規(guī)章、制度和辦法;
② 建立有效的信貸組織管理體制;
、 實行審貸分離;
④ 完善信貸檔案管理制度,保證貸款檔案的連續(xù)和完整;
⑤ 改進管理信息系統(tǒng),保證管理層能夠及時獲得有關貸款狀況的重要信息;
⑥ 督促借款人提供真實準確的財務信息。
貸款分類與債項評級是兩個容易混淆的概念,二者既區(qū)別明顯又相互聯(lián)系。
3.2.3 組合信用風險計量
1.違約相關性及其計量
相關性是描述兩個聯(lián)合事件之間的相互關系,而不僅僅是指兩個事件概率的簡單乘積。違約相關性的計量包括相關系數(shù)和連接函數(shù)兩種方法。
(1)相關系數(shù)
線性相關是最常見的一種相關,可用統(tǒng)計學中最常見的簡單相關系數(shù)來計量。
對于非線性相關,可通過秩相關系數(shù)(Spearman)和坎德爾系數(shù)(Kendall)進行計量。
上述相關性計量在數(shù)學上都具有良好的性質,目前在金融工程領域也得到了廣泛的應用,但它們共同的缺點是只能刻畫兩個變量之間的相關程度,卻無法通過各變量的邊緣分布刻畫出兩個變量的聯(lián)合分布。希望通過單比債項的不同損失分布來計算組合的損失分布,可以采用連接函數(shù)。
(2)連接函數(shù)
連接函數(shù)是一個把單變量概率密度函數(shù)連接成聯(lián)合分布函數(shù)的函數(shù)。
2.信用風險組合模型
根據(jù)原理上的差異,信用風險組合模型可以分為兩類:
解析模型。通過一些簡化假設,對信貸資產組合給出一個“準確”的解。解析模型能夠快速得到結果,但缺點是需要建立在對違約風險因素諸多苛刻的假定基礎上。
仿真模型。用大量仿真試驗(情景模擬)所產生的經驗分布來近似代替真實分布。仿真模型具有很大的靈活性,但是對信息系統(tǒng)的計算能力要求很高。
(1)CreditMetrics模型
CreditMetrics模型本質上是一個VaR模型,目的是為了計算出在一定的置信水平下,一個信用資產組合在持有期限內可能發(fā)生的最大損失。CreditMetrics模型的創(chuàng)新之處正是在于解決了計算非交易性資產組合VaR這一難題。
、傩庞蔑L險取決于債務人的信用狀況,爾債務人的信用狀況則用信用等級表示。
、谛庞霉ぞ(包括貸款、私募債券等)的市場價值取決于借款人的信用等級,即不同信用等級的信用工具有不同的市場價值,因此,信用等級的變化會帶來信用工具價值的相應變化。
③CreditMetrics模型的一個基本特點就是從資產組合而并不是單一資產的角度來看待信用風險。
④由于CreditMetrics模型將單一的信用工具放入資產組合中衡量其對整個組合風險狀況的作用,而不是孤立地衡量某一信用工具自身的風險,因而,該模型使用了信用工具邊際風險貢獻(MarginaRisk Contribution)這樣的概念來反映單一信用工具對整個組合風險狀況的作用。邊際風險貢獻是指因增加某一信用工具在組合中的持有量而增加的整個組合的風險。
(2)Credit Portfolio View模型
麥肯錫公司提出的Credit Portfolio View模型直接將將轉移概率與宏觀因素的關系模型化,然后通過不斷加入宏觀因素沖擊來模擬轉移概率的變化,得出模型中的一系列參數(shù)值。Credit Portfolio View模型可以看做是CreditMetrics模型的一個補充,因為該模型雖然在違約計量上不使用歷史數(shù)據(jù),而是根據(jù)現(xiàn)實宏觀經濟因素通過蒙特卡洛模擬計算出來,但對于那些非違約的轉移概率則還需要歷史數(shù)據(jù)來計算,只不過將這些基于歷史數(shù)據(jù)的轉移概率進行了調整而已。該模型本身并不能計量出完整的等級轉移矩陣。
(3)Credit Risk+模型
Credit Risk+模型是根據(jù)針對火災險的財險精算原理,對貸款組合違約率進行分析的,并假設在組合中,每筆貸款只有違約和不違約兩種狀態(tài)。Credit Risk+模型認為,貸款組合中不同類型的貸款同時違約的概率是很小的且相互獨立,因此,貸款組合的違約率服從泊松分布。
3. 組合損失的壓力測試
根據(jù)巴塞爾委員會2005年的定義,壓力測試是一種風險管理技術,用于評估特定事件或特定金融變量的變化對金融機構財務狀況的潛在影響。
作為商業(yè)銀行日常風險管理手段的有效補充,壓力測試早期主要用于市場風險管理,但隨著時間的推移,業(yè)界也逐漸開始利用壓力測試來補充信用風險模型的不足。
壓力測試主要采用敏感性分析的情景分析方法。敏感性分析用來測試單個風險因素或一小組密切相關的風險因素的假定運動(如收益曲線的平移)對組合價值的影響;情景分析模擬一組風險因素(如股權價格、匯率和利率)的多種情景對組合價值的影響。敏感度測試著重分析特定風險因素對組合或業(yè)務單元的影響,而情景分析評估所有風險因素變化的整體效應,更頻繁地用于機構范圍內的壓力測試。
盡管壓力測試并不困難,但過多的壓力測試并不意味著抓住了風險管理的實質和要害,也不意味著高水平的風險管理。而且,由于每次壓力測試只能說明時間的影響程度,卻并不能說明事件發(fā)生的可能性,使得管理者對眾多的壓力測試結果難以分清主次,因而對決策的幫助并不大。此外,壓力測試只是對組合短期風險狀況的一種衡量,因此屬于一種戰(zhàn)術性的風險管理方法。
3.2.4 國家風險主權評級
國際風險是指經濟主體在與非本國居民進行國際經貿與金融往來時,由于別國經濟、政治和社會等方面的變化而遭受損失的風險。國家風險不僅包括一個國家政府未能履行其債務所導致的風險(主權風險),也包括主權國家以直接或間接方式影響債務人履行償債義務的能力和意愿。對國家風險的計量可以通過主權評級來實現(xiàn)。
主權評級指各國直接或間接影響債務人履行其對外償付義務的能力和意愿的測試與排名。目前,比較通用的主權評級模型是由經濟學家坎托和帕克(Cantor & Packer,1996)提出的,CP模型回歸了標準普爾和穆迪賦予的主權風險評級,利用49個國家的橫截面數(shù)據(jù),測量出主權風險評級中作為決定因素的8個變量:
① 人均收入:人均GNP(千美元)。
、 GDP增長:年均實際GDP增長(%)。
③ 通貨膨脹:年均消費價格通脹率(%)。
④ 財政平衡:相對于GDP的中央財政年均盈余(%)。
⑤ 外部平衡:相對于GDP的資本項目年均順差(%)。
⑥ 外債:相對于出口的外幣債務(%)。
⑦ 經濟發(fā)展指標:IMF的工業(yè)化國家分類(1=工業(yè)化;0=非工業(yè)化)。
、 違約史指標:1970年以來的外幣債務違約(1=違約;0=未違約)。
朱特勒和麥卡錫(Juttner & McCarthy,2000)對上述CP模型適用亞洲金融危機之后的新興市場國家主權評級的情況進行了分析,增加了下述5個變量,并運用回歸分析對CP模型進行了擴展:
、 利差變量:某國和美國相同期限的政府債務之間的利率差。
、 金融部門潛在問題資產占GDP的百分比。
金融系統(tǒng)因政府而產生的或有負債與GDP之比。
私人部門信貸增長的變化率(用對GDP的百分率表示)。
實際匯率變量(用購買力平價作為均衡基點)。
與其他信用風險評級/評分相比,主權風險評級需要更多的經驗判斷,與其說它是一門精確的科學,不如說它是一門蘊含著不可預見性的藝術。
3.2.5 《巴塞爾新資本協(xié)議》下的信用風險量化
背景知識:《巴塞爾新資本協(xié)議》概述
《巴塞爾資本協(xié)議》將商業(yè)銀行信用風險資產分為四大類,分別以相應的權重(K)反映其風險大小:
經濟合作與發(fā)展組織(OECD)中央政府的債權風險暴露權重為0;
對于OECD的商業(yè)銀行及OECD以外的中央政府的債權風險暴露權重為20%;
抵押貸款的風險暴露權重為50%;
其他所有商業(yè)銀行、企業(yè)、個人的風險暴露權重都為100%.
符合監(jiān)管要求的商業(yè)銀行必須滿足:資本/信用風險加權資產 > 8%.其中,信用風險加權資產為商業(yè)銀行所有債項風險暴露額與對應權重乘積之和。
《巴塞爾新資本協(xié)議》,不僅構建了最低資本充足率、監(jiān)督檢查、市場約束三大支柱,明確最低資本充足率覆蓋了信用風險、市場風險、操作風險三大主要風險來源,而且對信用風險的計量提出了標準法、內部評級法初級法、內部評級法高級法三種方法。
信用風險評級分為外部評級和內部評級。外部評級是專業(yè)評級機構對特定債務人的償債能力和意愿的整體評估,主要依靠老師定性分析,評級對象主要是政府或大企業(yè);內部評級是商業(yè)銀行根據(jù)內部數(shù)據(jù)和標準(側重于定量分析),對客戶的信用風險及債項的交易風險進行評價,并據(jù)以估計違約概率及違約損失率,作為信用評級和分類管理的標準。
巴塞爾委員會針對各商業(yè)銀行風險管理水平的不同,提出了信用風險計量的兩大類方法:標準法,基于商業(yè)銀行資產的外部評級結果,以標準化方式計量信用風險;內部評級法,基于商業(yè)銀行自身健全和完備的內部評級體系計量信用風險,但必須經過監(jiān)管當局的技術檢驗和正式批準。
1.標準法
①商業(yè)銀行的信貸資產分為對主權國家的債權、對一般商業(yè)銀行的債權、對公司的債權、包括在監(jiān)管零售資產中的債權、以居民房產抵押的債權、表外債權等13類;
②對主權、商業(yè)銀行、公司的債權等非零售類信貸資產,根據(jù)債務人的外部評級結果分別確定權重,零售類資產根據(jù)是否有居民房產抵押分別給予75%、35%的權重,表外信貸資產采用信用風險轉換系數(shù)轉換為信用風險暴露;
、墼试S商業(yè)銀行通過抵押、擔保、信用衍生工具等信貸資產的風險敏感性,但缺點也很明顯:過分依賴于外部評級,對于缺乏外部評級的公司類債權統(tǒng)一給予100%的風險權重,缺乏敏感性;此外,也沒有考慮到不同資產間的相關性。
2.內部評級法
內部評級法要去商業(yè)銀行建立健全的內部評級體系,自行預測違約概率(PD)、違約損失率(LGD)、違約風險暴露(EAD)、期限(M)等信用風險因素,并根據(jù)如下權重公式計算每筆債項的信用風險資本要求(K):
(1)公司、主權及商業(yè)銀行暴露
①非違約風險暴露
、谶`約風險暴露
(2)零售暴露
根據(jù)對商業(yè)銀行內部評級體系依賴程度的不同,內部評級法又分為初級法和高級法兩種:
、俪跫壏ㄒ笊虡I(yè)銀行運用自身客戶評級估計每一等級客戶違約概率,其他風險要素采用監(jiān)管當局的估機值;
、诟呒壏ㄒ笊虡I(yè)銀行運用自身二維評級體系自行估計違約概率、違約損失率、違約風險暴露、期限。
初級法和高級法的區(qū)分只適用于非零售暴露,對于零售暴露,只要商業(yè)銀行決定實施內部評級法,就必須自行估計PD和LGD.
最新資訊
- 2021年銀行從業(yè)資格《銀行管理》知識點:銀行對消費者的主要義務2021-04-30
- 2021年銀行從業(yè)資格《公司信貸》知識點:波特五力模型2021-04-30
- 2021年銀行從業(yè)資格《個人貸款》知識點:個人貸款押品管理2021-04-30
- 2021年銀行從業(yè)資格《風險管理》知識點:融資流動性風險(負債角度)2021-04-30
- 2021年銀行從業(yè)資格《個人理財》知識點:信托計劃2021-04-30
- 2021年銀行從業(yè)資格《法律法規(guī)》知識點:銀行業(yè)消費者權益保護概況2021-04-30
- 2021年銀行從業(yè)資格《銀行管理》知識點:銀行業(yè)消費者的主要權利2021-04-29
- 2021年銀行從業(yè)資格《公司信貸》知識點:行業(yè)風險的產生2021-04-29
- 2021年銀行從業(yè)資格《個人貸款》知識點:農戶貸款2021-04-29
- 2021年銀行從業(yè)資格《風險管理》知識點:市場流動性風險(資產角度)2021-04-29