商業(yè)銀行信用集中風(fēng)險與經(jīng)濟(jì)資本測度模型研究

徐少君

(浙江理工大學(xué)經(jīng)濟(jì)管理學(xué)院，杭州310018)

?

商業(yè)銀行信用集中風(fēng)險與經(jīng)濟(jì)資本測度模型研究

徐少君

(浙江理工大學(xué)經(jīng)濟(jì)管理學(xué)院，杭州310018)

摘要:鑒于我國普遍存在著信用集中風(fēng)險和對信用集中風(fēng)險經(jīng)濟(jì)資本測度的研究薄弱性，文章構(gòu)建了包含信用集中風(fēng)險的名稱、部門和傳染三大維度、且與Basel II和III監(jiān)管要求相一致的信用集中風(fēng)險經(jīng)濟(jì)資本測度的綜合模型(CCRM)，并運(yùn)用CCRM法對我國商業(yè)銀行典型組合的信用集中風(fēng)險經(jīng)濟(jì)資本進(jìn)行了仿真研究。結(jié)果表明：該典型組合存在著顯著的信用集中風(fēng)險；相比較于HHI指數(shù)法、Monte-Carlo模擬法和ASRF調(diào)整模型法，CCRM法具有計算耗時少、結(jié)果穩(wěn)健的優(yōu)點(diǎn)，其較好地測度了我國商業(yè)銀行中存在的信用集中風(fēng)險程度。因此，CCRM模型改進(jìn)了傳統(tǒng)商業(yè)銀行實(shí)踐中所采用的HHI指數(shù)法和Monte-Carlo模擬法等，將在我國信用集中風(fēng)險經(jīng)濟(jì)資本測度中發(fā)揮重要作用。

關(guān)鍵詞：信用集中風(fēng)險；經(jīng)濟(jì)資本；CCRM；商業(yè)銀行；Basel監(jiān)管協(xié)議

隨著Enron、Worldcom等破產(chǎn)，國內(nèi)外學(xué)者們開始關(guān)注銀行安全和信用集中風(fēng)險問題，并將信用集中風(fēng)險視為現(xiàn)代金融的兩大新興研究主題之一[1]。所謂信用集中風(fēng)險，巴塞爾銀行監(jiān)管委員會(BCBS)對其的界定是：信用風(fēng)險內(nèi)部評級法(IRB)所刻畫的信貸組合風(fēng)險與其真實(shí)風(fēng)險之間的差距，其包括名稱信用集中風(fēng)險(name concentration risk)、部門信用集中風(fēng)險(sector concentration risk)和傳染信用集中風(fēng)險(contagion concentration risk)[2-3]。

概括而言，目前國外學(xué)者對信用集中風(fēng)險的研究主要集中于某一類信用集中風(fēng)險的測度，而較少有學(xué)者對名稱、部門和傳染這三類信用集中風(fēng)險構(gòu)建統(tǒng)一模型[4]。學(xué)者們早期運(yùn)用“無模型”的HHI指數(shù)法、“基于模型”的GA法以及基于組合投資思想的測量法[5-6]對名稱集中風(fēng)險進(jìn)行了研究；隨后由于意識到“部門集中風(fēng)險比名稱集中風(fēng)險具有更大的危害性和測量難度”[1]，從而開始關(guān)注產(chǎn)業(yè)與區(qū)域部門集中風(fēng)險，運(yùn)用“比較多因素模型類方法”[3，7]、“簡約模型擴(kuò)展類方法”[8-11](如二項(xiàng)式擴(kuò)展技術(shù)模型、傳播模型和分散化因子模型等)對部門集中風(fēng)險進(jìn)行了分析；然而，對于傳染集中風(fēng)險的單獨(dú)研究卻較少，其更多地是基于信用傳染的框架[12]。因而，“如何根據(jù)我國商業(yè)銀行實(shí)際情況構(gòu)建起包括名稱、部門和傳染信用集中風(fēng)險三大維度的分析模型”，是獲得精確經(jīng)濟(jì)資本計算的前提。

其次，Basel II和III的Pillar 1中采用了VaR(value at risk)法測度經(jīng)濟(jì)資本。該方法在ASRF框架下是成立的，然而，一旦偏離ASRF的假設(shè)條件，尤其是在非漸進(jìn)組合和多因素模型中，VaR方法則常常會因?yàn)椴粷M足“次可加性”等內(nèi)在一致性要求而受到攻擊[13]；而相反，ES(expected shortfall)方法則不存在這些問題?？v觀上述信用集中風(fēng)險的研究文獻(xiàn)發(fā)現(xiàn)，測度信用集中風(fēng)險的大多數(shù)研究仍采用了VaR方法[7，12，14-15]，因此，就需要采用ES等方法對測度進(jìn)行改進(jìn)，從而滿足風(fēng)險測度的一致性要求[16]。

目前，國內(nèi)對信用集中風(fēng)險的研究還處于定性分析階段，如楊繼光等[17]、徐少君等[2]、顏新秀等[18]、歐陽正仲[19]、巴曙松等[20]。對信用集中風(fēng)險的定量研究較少，李紅霞[21]用HHI指數(shù)法和二項(xiàng)式擴(kuò)展技術(shù)對客戶集中度風(fēng)險和部門集中度分析進(jìn)行了分析；李芳等[22]對銀行信貸集中的風(fēng)險與收益進(jìn)行了實(shí)證?？傮w上而言，國內(nèi)研究較少有對信用集中風(fēng)險的綜合測度進(jìn)行定量分析，更不用說是與Basel監(jiān)管要求一致的“信用集中風(fēng)險模型”的開發(fā)。固然，這一方面是由于數(shù)據(jù)的匱乏導(dǎo)致了定量研究無法進(jìn)行，而更重要的一方面則是由于缺乏對我國信用集中風(fēng)險的模型研究。

從實(shí)踐角度看，目前，我國銀行業(yè)普遍存在著信用集中風(fēng)險問題，尤其是信貸大客戶及貸款行業(yè)過度集中問題，往往衍生出大量信用集中風(fēng)險。信用集中風(fēng)險的急劇上升，將使銀行更容易受到宏觀經(jīng)濟(jì)波動和企業(yè)經(jīng)營周期影響，甚至可能出現(xiàn)系統(tǒng)性風(fēng)險，潛在地影響著我國銀行體系的穩(wěn)定性，所以對我國銀行信用集中風(fēng)險的研究顯得十分緊迫。

因此，針對我國商業(yè)銀行普遍存在的信用集中風(fēng)險、以及國內(nèi)對信用集中風(fēng)險定量研究的稀缺現(xiàn)狀，本文構(gòu)建了包含信用集中風(fēng)險的名稱、部門和傳染三大維度、且與Basel II和III監(jiān)管要求相一致性的我國商業(yè)銀行信用集中風(fēng)險經(jīng)濟(jì)資本測度的綜合模型(credit concentration risk model, CCRM)，并用此模型仿真研究了我國商業(yè)銀行的信用集中風(fēng)險、測度了其經(jīng)濟(jì)資本值。本研究不僅可以豐富信用集中風(fēng)險的理論研究內(nèi)容，深化對信用集中風(fēng)險的綜合刻畫，更好地與Basel監(jiān)管要求相一致；同時，也可以刻畫出我國商業(yè)銀行的真實(shí)信用集中風(fēng)險程度，提高我國商業(yè)銀行的信用風(fēng)險管理水平和管理質(zhì)量。

一、納入信用集中風(fēng)險的經(jīng)濟(jì)資本測度模型：CCRM

ASRF模型是建立在完美分散化、單一系統(tǒng)性因素和違約條件獨(dú)立性假設(shè)條件下，但這無法描述現(xiàn)實(shí)中廣泛存在的信用集中風(fēng)險。為此，本文基于ASRF模型的基本分析框架，借鑒Pykhtin[7]關(guān)于多因素調(diào)整模型方法，吸收Egloff等[12]關(guān)于信用傳染的思想，構(gòu)建起包含名稱集中風(fēng)險、部門集中風(fēng)險、傳染效應(yīng)的信用集中風(fēng)險模型。同時，考慮到Bonti[23]提出的“監(jiān)管一致性”要求，借鑒Gürtler等[16]所采用的置信度調(diào)整方法，將VaR調(diào)整為ES方法對經(jīng)濟(jì)資本進(jìn)行合理的測度，從而獲得Basel II和III框架一致條件下的信用集中風(fēng)險經(jīng)濟(jì)資本測度的綜合模型：CCRM。

(一)基礎(chǔ)分析框架

假設(shè)當(dāng)s部門中借款者i的財務(wù)狀況rsi(潛變量，可理解為資產(chǎn)收益率，其服從標(biāo)準(zhǔn)正態(tài)分布，且線性依賴于部門系統(tǒng)風(fēng)險因素和傳染因素)小于違約閾值γsi時觸發(fā)i違約，即借款者i的無條件違約概率PDsi為：PDsi=P(rsi≤γsi)，進(jìn)一步可得：

(1)

進(jìn)一步假設(shè)s部門中借款者i的LGDs i為一隨機(jī)變量，其均值為ELGDs i，標(biāo)準(zhǔn)差為VLGDs i，且各LGDs i之間、LGDs i與其他變量間均滿足相互獨(dú)立的條件。于是，可得到組合損失率L：

(2)其中:Φ-1(·)為累積正態(tài)分布函數(shù)的逆函數(shù)，Ι{·}為指示函數(shù)，當(dāng)滿足rs i≤Φ-1(PDs i)時取1，否則取0。

若組合足夠大且可被視為完美分散時，異質(zhì)風(fēng)險消失、只剩下系統(tǒng)風(fēng)險和傳染效應(yīng)，此時，式(2)的極端損失分布可表示為：

(3)

(二)未經(jīng)置信度調(diào)整的模型

借鑒Pykhtin[7]等思想，下文將提出構(gòu)建包含三維度(名稱、部門、傳染)信用集中風(fēng)險的解析方法，用ES法來測量信用集中風(fēng)險下的經(jīng)濟(jì)資本值。

(4)

于是，式(1)在ASRF調(diào)整模型(下文稱ASRF*模型)中，則變?yōu)椋?/p>

(5)

(6)

此時，在考慮三大風(fēng)險后，式(1)可轉(zhuǎn)化為：

(7)

運(yùn)用泰勒展開式，可得到考慮三大類集中風(fēng)險后的組合損失的qth分位值(即VaR)為[24]：

(8)

此時，包含三維度風(fēng)險的經(jīng)濟(jì)資本ECCCRM為：

(9)

對應(yīng)的ASRF*模型的經(jīng)濟(jì)資本EC*則為：

(10)

其中:預(yù)期損失EL為(置信度q=99.9%)，

雖然VaR法在實(shí)踐中有一定應(yīng)用，但其無法滿足風(fēng)險測度一致性要求，因此，擬采用Acerbi和Tasche[25]提出的ES法進(jìn)行計算。與VaR計算程序類似，即有：

(11)

(三)經(jīng)置信度調(diào)整后的CCRM模型

借鑒Gürtler等[16]的“調(diào)整置信度”方法，構(gòu)建Basel框架一致條件下的信用集中風(fēng)險測度模型。一方面，滿足Pillar2所提出的“要充分考慮信用集中風(fēng)險的要求”，用ES法構(gòu)建信用集中風(fēng)險模型；另一方面，也必須符合在Pillar1下的ASRF框架下“用VaR法和ES法得到的資本要求是一致的”這一條件。因此，考慮在ASRF框架中與置信度為q=99.9%的組合VaR值一致的ES值，設(shè)需設(shè)置的ES置信度為z*，其需滿足如下關(guān)系：

(12)

(13)

N2(-N-1(z*),N-1(PDi),βi)

(14)

至此，可根據(jù)與VaR99.9%置信度一致的ES計算，得到ES的置信度z*，從而運(yùn)用CCRM基本模型進(jìn)行三維度信用集中風(fēng)險存在條件下的經(jīng)濟(jì)資本綜合測量。

二、基于信用集中風(fēng)險的經(jīng)濟(jì)資本仿真測度

(一)“基準(zhǔn)組合”的分析

由于數(shù)據(jù)可獲性限制，選取了典型組合進(jìn)行仿真分析，見表1。其中“基準(zhǔn)組合”表示我國銀行系統(tǒng)中典型存在的部門累積敞口分布情況。假設(shè)組合中的各敞口同質(zhì)，組合總規(guī)模為6000000元，由6000個相同規(guī)模的信貸業(yè)務(wù)組成。根據(jù)Basel中IRB模型設(shè)定的監(jiān)管要求，每一借款者i的違約概率PDs i為2%，ELGDs i為45%、VLGDs i為20%，且設(shè)“基準(zhǔn)組合”中部門因素的依賴權(quán)重系數(shù)βis對于所有的部門s均為0.50，傳染系統(tǒng)因素設(shè)僅有一個，其負(fù)載權(quán)重系數(shù)為0.2。

表1　“基準(zhǔn)組合”的信貸敞口組成情況

注：“基準(zhǔn)組合”的部門劃分按照滬深300指數(shù)的行業(yè)分類進(jìn)行。

考慮到與Basel 監(jiān)管相一致的要求(VaR的置信度是99%)，ES的置信度調(diào)整為z*=99.68%。運(yùn)用HHI指數(shù)法、Monte-Carlo模擬法、ASRF*模型法和CCRM法分別對“基準(zhǔn)組合”進(jìn)行分析，上述四種方法的計算結(jié)果如表2所示。

表2　 4種方法下“基準(zhǔn)組合”的經(jīng)濟(jì)資本

注：VaR置信度為99%，ES置信度調(diào)整為99.68%。相對誤差=(CCRM模型解析法對應(yīng)值-Monte-Carlo模擬法對應(yīng)值)/ Monte-Carlo模擬法值。經(jīng)濟(jì)資本EC=ESz*(L)-EL，而EL=0.009。Monte-Carlo模擬法采用10000次模擬量，以獲得穩(wěn)健模擬結(jié)果。表中數(shù)值表示占組合總敞口的%。下文同。

由表2可知，CCRM模型下得到的無論是VaRq(L)值還是ESz*(L)值，均大于Monte-Carlo模擬法下的結(jié)果，對應(yīng)地，CCRM法下經(jīng)濟(jì)資本值要遠(yuǎn)遠(yuǎn)大于Monte-Carlo模擬法下的經(jīng)濟(jì)資本，其相對誤差達(dá)到了60%。這表明，目前我國銀行所采用的模擬法在一定程度上低估了信貸組合的真實(shí)風(fēng)險值，導(dǎo)致了經(jīng)濟(jì)資本準(zhǔn)備不充分。

同時，表2也顯示，用CCRM法計算ESq(L)和ESz*(L)的相對誤差分別為161%和58%，這從另一個角度說明了“為保持Basel監(jiān)管框架的一致性，必須進(jìn)行置信度調(diào)整”。

與ASRF*模型法相比，CCRM法下得到的風(fēng)險值略大，其差值分別為：Δtq=0.0003(VaRq)、ΔESq=0.0002(ESq)、ΔESz*=0.0002(ESz*)。這表明，分散化調(diào)整效應(yīng)GA和多系統(tǒng)因素效應(yīng)∞增加了信貸組合的整體風(fēng)險，顯示出信貸組合中“集中風(fēng)險”而非“分散風(fēng)險”的作用。

此外，HHI指數(shù)法得到的集中度指數(shù)明顯與其余三種方法下的信用集中度衡量結(jié)果有很大差異，這顯示出HHI指數(shù)法由于未考慮信貸組合特征而帶來的測度差異。

(二)穩(wěn)健性檢驗(yàn)

上述“基準(zhǔn)組合”反應(yīng)了真實(shí)世界中廣泛存在的信用集中風(fēng)險，為進(jìn)一步研究參數(shù)設(shè)置對信用集中風(fēng)險測量的影響，本部分內(nèi)容將在“基準(zhǔn)組合”基礎(chǔ)上，適當(dāng)改變參數(shù)設(shè)置，從而檢驗(yàn)CCRM法的穩(wěn)健性。

1.βis和PDsi變化的影響

對于βis，“基準(zhǔn)組合”采用了Basel II監(jiān)管資本所推薦的簡單設(shè)置方法，實(shí)際上，對于不同借款者i所具有的不同PDsi值，Basel II建議也可根據(jù)無條件違約概率PDsi和βis間的關(guān)系式、運(yùn)用歷史數(shù)據(jù)獲得，結(jié)果如表3所示。

表3　“組合1”各行業(yè)部門的違約率PDsi和對應(yīng)的βis

表4　“組合1”的經(jīng)濟(jì)資本計算結(jié)果

注：VaR的置信度為99.9%，ES的置信度調(diào)整為z*=99.52%。

盡管三種方法測量風(fēng)險的相對誤差較大，但一旦與“基準(zhǔn)組合”進(jìn)行比較，就可發(fā)現(xiàn)，實(shí)際上，ASRF*模型和CCRM的解析解保持了相對穩(wěn)定性，而Monte-Carlo模擬法下卻顯著地提高了對風(fēng)險值的估計，如圖1所示。所以，該結(jié)論提供了一個警示：模擬法只有在模擬次數(shù)“足夠多”的情況下才能顯示穩(wěn)健結(jié)果，否則可能會導(dǎo)致結(jié)果出現(xiàn)一定的偏差。但該“足夠多”條件對計算時間要求過高，實(shí)踐中不可能“足夠多”地運(yùn)行模擬程序。相反，ASRF*模型法和CCRM法還是較好地支持了“解析解穩(wěn)健性”這一結(jié)論。因而，在實(shí)踐中，宜采用CCRM法等解析方法來獲得信用集中風(fēng)險經(jīng)濟(jì)資本測度的穩(wěn)定結(jié)果。

圖1　基準(zhǔn)組合、組合1和組合2的經(jīng)濟(jì)資本比較

2.ρ0變化的影響

上文“基準(zhǔn)組合”中，產(chǎn)業(yè)間相關(guān)系數(shù)ρ0是由實(shí)際產(chǎn)業(yè)股指收益的相關(guān)性計算而來。為考慮ρ0對經(jīng)濟(jì)資本測度的影響，將ρ0同質(zhì)化處理，假設(shè)不同產(chǎn)業(yè)部門之間的相關(guān)系數(shù)均相同，分別設(shè)置為：0.1，0.2，0.3，0.4，0.5，0.6，0.7，0.8，0.9，1，此為“組合2”。 由于運(yùn)用Monte-Carlo模擬方法得到的結(jié)果與“基準(zhǔn)組合”一致。因此，對這10個ρ0運(yùn)用類似的計算方法進(jìn)行ASRF*模型法與CCRM法的比較，結(jié)果如表5所示。

從表5可以看出，隨著ρ0ij從0.1增加至1.0，其對應(yīng)地風(fēng)險值均不斷增加，呈現(xiàn)出單調(diào)遞增的關(guān)系；然而其變動范圍均比較平穩(wěn)，所對應(yīng)地均值與“基準(zhǔn)組合”保持了相對較高的一致性，如圖1所示。因而，ρ0ij參數(shù)的變化從整體上而言并不會顯著影響“組合2”的風(fēng)險值，也就是說，“基準(zhǔn)組合”中的ρ0采用實(shí)際產(chǎn)業(yè)間相關(guān)性數(shù)值，具有較好的穩(wěn)健性。

與“基準(zhǔn)組合”類似，“組合2”中CCRM法下的風(fēng)險值大于ASRF*模型法下的風(fēng)險值。該結(jié)果再一次顯示：分散化調(diào)整效應(yīng)GA和多系統(tǒng)因素效應(yīng)∞對“集中風(fēng)險”而非“分散風(fēng)險”的正向作用。

表5　“組合2”的經(jīng)濟(jì)資本計算結(jié)果

注：VaR的置信度為99.9%，而ES的調(diào)整置信度為99.68%。ρ0ij表示i產(chǎn)業(yè)與j產(chǎn)業(yè)間的相關(guān)系數(shù)。

綜上所述，調(diào)整各部門行業(yè)的違約率PDsi和對應(yīng)的βis(“組合1”)、以及產(chǎn)業(yè)間相關(guān)系數(shù)ρ0(“組合2”)等參數(shù)，用CCRM法計算信貸組合的經(jīng)濟(jì)資本值仍與“基準(zhǔn)組合”的經(jīng)濟(jì)資本值類似，從而顯示出CCRM解析法求解經(jīng)濟(jì)資本值具有的良好穩(wěn)健性；而且憑借著該解析法計算耗時較少等優(yōu)點(diǎn)，其將在實(shí)踐中將有一定的應(yīng)用前景。

三、結(jié)論

本文基于現(xiàn)有信用集中風(fēng)險研究文獻(xiàn)存在的“較少對名稱、部門、傳染三大維度信用風(fēng)險進(jìn)行綜合研究”、“較少考慮與Basel監(jiān)管要求相一致”這兩個問題，構(gòu)建了與Basel II和III監(jiān)管要求相一致的信用集中風(fēng)險經(jīng)濟(jì)資本測度的綜合模型：CCRM。因此，該模型的構(gòu)建具有理論上的合理性，相對完整地構(gòu)建了信用集中風(fēng)險的框架、較好地實(shí)現(xiàn)了測度的一致性原則。

從實(shí)踐角度而言，由于缺乏銀行具體的全部信貸數(shù)據(jù)而無法檢驗(yàn)我國商業(yè)銀行真實(shí)的信用集中風(fēng)險程度，基于此，選取了我國商業(yè)銀行信貸的典型組合，運(yùn)用CCRM方法對該組合的信用集中風(fēng)險程度進(jìn)行了仿真測度，并與實(shí)踐中使用的傳統(tǒng)HHI指數(shù)法和Monte-Carlo模擬法、以及Basel監(jiān)管協(xié)議下的ASRF*模型法進(jìn)行了對比研究。仿真結(jié)果表明：a)用CCRM法計算信貸組合的經(jīng)濟(jì)資本具有較強(qiáng)的穩(wěn)健性，并且所得到的經(jīng)濟(jì)資本值往往高于ASRF*模型解析法下的經(jīng)濟(jì)資本值，也就是說，分散化調(diào)整效應(yīng)GA和多系統(tǒng)因素效應(yīng)∞增加了信貸組合的整體風(fēng)險，證實(shí)了我國信貸組合中存在著“集中風(fēng)險”而非“分散風(fēng)險”；b)CCRM法憑借著其在求解經(jīng)濟(jì)資本值具有良好的穩(wěn)健性和計算耗時較少等優(yōu)點(diǎn)，在實(shí)踐中將優(yōu)于Monte-Carlo模擬法；c)傳統(tǒng)采用的HHI法既無法反映出信貸組合的質(zhì)量，也與CCRM等方法測量的真實(shí)經(jīng)濟(jì)資本值相差甚遠(yuǎn)，因此，在實(shí)踐中不宜采用HHI指標(biāo)法；d)用傳統(tǒng)的VaR法計算經(jīng)濟(jì)資本將會導(dǎo)致對我國信貸組合所需真實(shí)經(jīng)濟(jì)資本的嚴(yán)重低估，而CCRM法采用置信度調(diào)整的ES策略對信用集中風(fēng)險經(jīng)濟(jì)資本進(jìn)行測度具有良好的穩(wěn)健性。因此，CCRM模型相比較于HHI指數(shù)法、Monte-Carlo模擬法和ASRF*模型法，其具有計算耗時少、結(jié)果穩(wěn)健等優(yōu)點(diǎn)，體現(xiàn)出一定的實(shí)踐應(yīng)用合理性，將在我國信用集中風(fēng)險的衡量及經(jīng)濟(jì)資本的計算中發(fā)揮重要的作用。

參考文獻(xiàn)：

[1] LUCCHETTA M. Does the bank risk concentration freeze the interbank system[J]. The North American Journal of Economics and Finance, 2015, 17(1): 1-18.

[2] 徐少君，金雪軍．信用集中風(fēng)險研究新進(jìn)展[J]．金融理論與實(shí)踐，2010(7)：3-8．

[3] DUETTMANN K. Measuring concentration risk in credit portfolio[J]. The Analytics of Risk Model Validation, 2008(5): 59-78.

[4] GORDY M. A risk-factor model foundation for ratings-based bank capital rules[J]. Journal of Financial Intermediation, 2003, 12(3): 199-232.

[5] UBERTI P, FIGINI S. How to measure single-name credit risk concentrations[J]. European Journal of Operational Research, 2010, 202(1): 232-238.

[6] RAO P, YUE H, ZHU J. An investigation of credit borrower concentration[J]. Journal of Banking & Finance, 2015, 54(2): 208-221.

[7] PYKHTIN M. Multi-factor adjustment[J]. Risk, 2004(3): 85-90.

[8] SEMPER J, BELTRAN J. Sector concentration risk: a model for estimating capital requirements[J]. Mathematical and Computer Modelling, 2011, 54(7): 1765-1772.

[9] CHEN Y, WEI X, ZHANG L. A new measurement of sectoral concentration of credit portfolio[J]. Procedia Computer Science, 2013(17): 1231-1240.

[10] GORDY M, MARRONE J. Granularity adjustment for mark-to-market credit risk models[J]. Journal of Banking & Finance, 2012, 36(7): 1896-1910.

[11] CESPEDES G J C, DE JUNA HERRERO, KEININ A, et al. A simple multi-factor factor adjustment for the treatment of diversification in credit capital rules[J]. Journal of Credit Risk, 2006, 2(3): 57-85.

[12] EGLOFF D, LEIPPOLD M, VANINI P. A simple model of credit contagion[J]. Journal of Banking & Finance, 2007, 31(8): 2475-2492.

[13] ARTZNER P, DELBAE F, EBER J M, et al. Coherent risk measures[J]. Mathematical Finance, 1999, 9(3): 203-228.

[14] HEITFIELD S, BURTON E, CHOMSISENGPHET S. Systematic and idiosyncratic risk in syndicated loan portfolios[J]. Journal of Credit Risk, 2006, 2(3): 3-31.

[15] DüLLMAN K, MASSCHELEIN N. A tractable model to measure sector concentration risk in credit portfolios[J]. Journal of Financial Services Research, 2007, 32(1): 55-79.

[16] GüRTLER M, HIBBELN M, VOHRINGER C. Measuring concentration risk for regulatory purposes[J]. Journal of Risk, 2010, 12(3): 69-104.

[17] 楊繼光，劉海龍．商業(yè)銀行組合信用風(fēng)險經(jīng)濟(jì)資本測度方法研究[J]．金融研究，2009(4)：143-158．

[18] 顏新秀，王睿．銀行業(yè)集中度風(fēng)險的計量與監(jiān)管:國際經(jīng)驗(yàn)及對我國的啟示[J]．中國金融，2010(3)：23-25．

[19] 歐陽正仲．信用集中度風(fēng)險與經(jīng)濟(jì)資本研究[J]．金融與經(jīng)濟(jì)，2012(7)：76-78．

[20] 巴曙松，陳劍．貸款集中度風(fēng)險：當(dāng)前信貸風(fēng)險管理與監(jiān)管的關(guān)鍵因素[J]．金融管理與研究，2010(8)：8-21．

[21] 李紅霞．商業(yè)銀行貸款款集中度風(fēng)險的計量與實(shí)證研究[J]．海南金融，2010(2)：25-30．

[22] 李芳，陳德棉．中國銀行業(yè)信貸集中的風(fēng)險收益效應(yīng)分析[J]．財貿(mào)研究，2011(1)：94-98．

[23] BONTI G, KALKBRENER M, LOTZ C, et al. Credit risk concentrations under stress[J]. Journal of Credit Risk, 2006, 2(3): 115-136.

[24] MARTIN R, WILDE T. Unsystematic credit risk[J]. Risk Magazine, 2002, 15(11): 123-128.

[25] GOURIEROUX C, LAURENT J P, SCAILLET O. Sensitivity analysis of values at risk[J]. Journal of Empirical Finance, 2000, 7(3-4): 225-245.

[26] ACERBI C, TASCHE D. On the coherence of expected shortfall[J]. Journal of Banking and Finance, 2002, 26(7): 1487-1503.

(責(zé)任編輯： 陳和榜)

DOI:10.3969/j.issn.1673-3851.2016.02.004

收稿日期：2015-05-04

基金項(xiàng)目：國家自然科學(xué)基金項(xiàng)目(71103161)；浙江省高校人文社科重點(diǎn)研究基地(浙江理工大學(xué)應(yīng)用經(jīng)濟(jì)學(xué))項(xiàng)目(2014YJZD07，2014JDLXZD06)；浙江理工大學(xué)521人才培養(yǎng)計劃

作者簡介：徐少君(1979-)，女，浙江寧波人，副教授，博士，主要從事金融風(fēng)險管理等方面的研究。

中圖分類號：F832

文獻(xiàn)標(biāo)志碼：A

文章編號：1673- 3851 (2016) 01- 0020- 08 引用頁碼： 020104

Research on Credit Concentration Risk and Its Economic Capital Measurement of Chinese Commercial Banks

XUShaojun

(School of Economics and Management, Zhejiang Sci-Tech University, Hangzhou 310018, China)

Abstract：In view of the widespread credit concentration risk in China and the weak economic capital measurement of credit concentration risk, this paper constructs an integrated model to measure the economic capital of credit concentration risk (CCRM) which is consistent with the Basel II & III regulatory requirements and contains three dimensions of credit concentration risk: name concentration risk, sector concentration risk and contagion risk. Then, this paper carries out the simulation study on credit concentration risk and economic capital in Chinese commercial banks with CCRM method, and finds that there are significant credit concentration risk. Besides, CCRM method is better than HHI index, Monte-Carlo simulation and the ASRF* model with less time-consuming calculation and more robust results in Chinese credit portfolios. Hence, CCRM model well measures credit concentration risk degree in Chinese commercial banks and will play an important role in measuring the economic capital of credit concentration risk in Chinese commercial banks.

Key words：credit concentration risk; economic capital; CCRM; commercial bank; basel regulation agreement