基于公司信貸的信用風險度量與管理

楊雁雁

(武夷學院數(shù)學與計算機學院， 福建武夷山 354300)

基于公司信貸的信用風險度量與管理

楊雁雁

(武夷學院數(shù)學與計算機學院， 福建武夷山 354300)

本文以公司信貸為出發(fā)點， 在對公司經(jīng)營信息、 財務信息、 歷史違約信息占有下， 研究商業(yè)銀行如何對公司信貸的信用風險進行有效的度量與管理. 它包括基于基本分析的信用風險定性分析、 基于財務報表與統(tǒng)計分析的信用風險財務預警、 基于模型的信用風險定量度量. 最后當預計到風險事故將要發(fā)生時， 利用金融工具對信用風險進行有效的分散與轉(zhuǎn)移.

公司信貸； 信用風險； 基本分析； 信用風險模型； 風險分散與轉(zhuǎn)移

信用風險包括兩個方面， 一是債務人到期沒有意愿或沒有能力還款導致的違約風險； 二是信用水平的變動導致的債務市場價值的降低給銀行造成損失的可能性. 從風險邏輯法的角度， 銀行需要找出造成信用風險發(fā)生的原因， 即還款意愿、 還款能力和信用評級等. 銀行與需要貸款的公司是博弈的雙方， 銀行只有充分的占有信息， 對信息進行充分的加工與度量， 才能在貸前控制高信用風險的公司準入， 貸中建立風險預警， 及時采取措施， 貸后分散與轉(zhuǎn)移信用風險， 全面對信用風險進行管理， 減少違約事故發(fā)生造成的損失.

與信用風險有關(guān)的公司信息， 包括公司外部的經(jīng)濟環(huán)境， 公司所處行業(yè)的發(fā)展狀況， 公司道德與公司經(jīng)營的信息， 財務報表信息， 歷史違約信息等. 針對上述信息的占有， 本文采用基于行業(yè)、 基于經(jīng)濟環(huán)境、 基于公司經(jīng)營的基本面分析法， 與傳統(tǒng)的5c分析法相比更加強調(diào)宏觀性， 行業(yè)對比性與動態(tài)性. 對財務報表信息的占有上， 在信息準確的前提下， 本文不僅介紹了傳統(tǒng)的z評分法， 而且從財務比率和統(tǒng)計分析的角度對信息進行加工， 以增強預警性. 對歷史違約信息的處理上， 本文著重從模型的角度定量度量信用風險. 由于主流的度量信用風險的四大模型各有其嚴苛的模型假設和使用條件， 針對多變且復雜的經(jīng)濟環(huán)境， 本文重點闡述不同經(jīng)濟背景與適用條件下模型的應用問題. 信息的充分占有， 數(shù)據(jù)的充分挖掘， 信用風險的準確度量， 是銀行管理信用風險成敗的關(guān)鍵.

國內(nèi)對信用風險的度量與管理研究大多從單一側(cè)面展開， 缺乏系統(tǒng)性. 例如張樂[1]從經(jīng)驗方法、 經(jīng)濟計量方法的角度描述信用風險計量方法. 胡心瀚等[2]從統(tǒng)計分析的角度描述信用風險分析中的變量選擇. 李麗麗[3]從加強內(nèi)部評級、 建立預警系統(tǒng)、 完善信息的角度對商業(yè)銀行信用風險管理提出建議， 李子玉[4]強調(diào)了建立數(shù)據(jù)驅(qū)動型信用風險的必要性. 彭建剛等[5]對creditrisk+模型的應用做了探討. 曹道勝等[6]對四大信用風險模型做了比較. 李永軍等[7]對信用衍生工具對緩釋信用風險的必要性和有利條件作了探討. 本文由風險管理的系統(tǒng)性原則出發(fā)， 分別從信息的充分占有， 信用風險模型的有效選擇， 信用風險的全過程管理三個角度對公司信貸信用風險的度量與管理進行研究.

1 外部的、 經(jīng)驗的、 定性的信用風險度量初判

外部的、 定性的信用風險的度量發(fā)生在信貸之前的資信審查階段， 充分利用所掌握的信息， 對要求貸款的公司進行初步的篩查， 防范于未然. 傳統(tǒng)的分析方法主要是基于公司經(jīng)營的5c分析法， 然此方法缺乏宏觀性與行業(yè)對比性. 本文采用基本面分析法對信用風險進行度量與管理， 它包括宏觀經(jīng)濟形勢分析、 行業(yè)發(fā)展分析、 公司經(jīng)營特性分析.

宏觀經(jīng)濟形勢分析包括整個經(jīng)濟大環(huán)境所處的經(jīng)濟周期， 是經(jīng)濟上行、 快速發(fā)展還是經(jīng)濟下行、 發(fā)展緩慢， 通貨膨脹率、 利息率、 失業(yè)率、 宏觀經(jīng)濟政策(包括財政政策和貨幣政策)， 都是銀行需要考查的變量， 它直接影響銀行信貸總量， 進而影響信貸個體的信貸額度. 同時經(jīng)濟的波動周期與波動幅度直接影響歷史數(shù)據(jù)對未來預測的準確程度.

行業(yè)發(fā)展分析. 銀行對不同公司做貸前審查時， 公司所處的行業(yè)發(fā)展狀況必須考慮在內(nèi). 公司信用風險在同一行業(yè)因素的影響下具有較強的相似性， 在所要求信貸的公司信貸數(shù)據(jù)不足的情況下， 同行業(yè)相似的公司的信貸數(shù)據(jù)可以為銀行提供參考. 公司所在行業(yè)的生命周期所處的階段， 是創(chuàng)業(yè)階段、 成長階段、 成熟階段還是衰退階段， 行業(yè)發(fā)展勢頭與國家對行業(yè)發(fā)展的支持程度都是重要的參考指標. 公司經(jīng)營特性分析， 我們主要從六個方面來描述， 包括：

1) 品質(zhì). 主要包括公司的商業(yè)道德與公司聲譽， 以往的信貸或信用銷售中的違約情況與不良記錄， 主要負責人的品德， 公司經(jīng)營方針和資金運用是否健全.

2) 能力. 從公司實力、 財務狀況、 經(jīng)營狀況、 生產(chǎn)能力、 資金運轉(zhuǎn)能力來考察其是否具有償還貸款的能力.

3) 資本. 存貨廠房、 自有資金規(guī)模等資本對債權(quán)的保障程度.

4) 環(huán)境. 公司在所處行業(yè)的競爭地位、 地理區(qū)位、 市場占有率、 市場競爭情況， 強調(diào)對比性.

5) 公司治理. 考察管理層的實力對公司發(fā)展的保障程度， 包括董事會的構(gòu)成， 成員與管理層成員的專業(yè)知識與決策管理能力， 管理層的獨立性與穩(wěn)定性， 以及信息披露情況.

6) 抵押擔保與保險. 公司所要提供的抵押品的質(zhì)量與價值， 公司是否對重要交易和資產(chǎn)進行投保.

其中品質(zhì)、 環(huán)境、 資本、 能力是靜態(tài)指標， 考察當前的資產(chǎn)狀況與還款的可能性； 公司治理是一種動態(tài)指標， 強調(diào)管理層對當前還款可能性的延續(xù)與發(fā)展； 擔保與保險表示一旦資產(chǎn)惡化或即將發(fā)生違約， 能多大程度地減少損失的額度.

與傳統(tǒng)的5c法相比， 基本分析法與5c分析法都依賴于專家的經(jīng)驗與能力， 具有很強的主觀性. 不同之處是， 基本分析法更加強調(diào)宏觀性、 行業(yè)對比性與發(fā)展性. 基本分析發(fā)生在資信審查階段， 是銀行對貸款質(zhì)量的提前預判， 成本低操作性強.

2 財務報表的信用風險再計量

假設不存在信息不對稱的情況， 財務報表真實可信. 我們有兩種方法來度量借款人的信用風險情況：

一是財務指標與違約參數(shù)呈現(xiàn)線性關(guān)系， 著名的有z評分模型與ZETA評分模型. 以z評分模型為例， 它通過統(tǒng)計方法， 選取五個財務指標作自變量， 五個財務比率分別為：

X1=營運資本/總資產(chǎn)；

X2=保留盈余/總資產(chǎn)；

X3=息稅前利潤/總資產(chǎn)；

X4=股權(quán)市值/總負債面值；

X5=銷售額/總資產(chǎn)，

則債務公司信用指標：

z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5.

根據(jù)Altman的研究結(jié)果， 當z<1.81時， 借款公司會違約； 當z≥2.99時， 則借款公司會履約； 當1.81≤z<2.99時， 為未知區(qū)域， 判斷誤差大， 需要輔以其他方法判斷. 將X4中的股權(quán)市值用賬面價值替代， 則可得到非上市公司的z評分模型

z=0.717X1+0.847X2+3.107X3+0.420X4+0.998X5.

線性模型具有較強的適應性與操作性， 在預防信用風險事故發(fā)生的資信審查階段可以很好地應用， 然而現(xiàn)實經(jīng)濟的非線性性和其理論基礎(chǔ)的薄弱性， 使其使用范圍有所限制.

另一種是基于統(tǒng)計分析的非線性方法， 主要有因子分析和logistic模型法. 其主要思想是：

1) 對財務報表中的數(shù)據(jù)構(gòu)造財務比率指標. 主要從六個方面構(gòu)造， 分別為盈利能力、 現(xiàn)金流量、 償債能力、 資金運作效率、 成長能力、 盈余能力. 以償債能力為例， 短期償債能力包括速動比率=(流動性資產(chǎn)—存貨)/流動性負債， 流動比率=流動性資產(chǎn)/流動性負債， 現(xiàn)金比率=現(xiàn)金及其現(xiàn)金等價物/流動性負債. 長期償債能力包括資產(chǎn)負債率=負債總額/資產(chǎn)總額， 利息保障倍數(shù)=息稅前利潤/利息費用[8].

2) 對照變量的選取. 為增加預測的準確度， 違約組和非違約組要在相同行業(yè)、 相近地理區(qū)域選取， 以降低誤差.

3) 剔除非顯著性變量. 由于財務指標較多， 隨機選取等量的違約樣本和非違約樣本， 對各個指標作顯著性檢驗， 剔除非顯著性變量.

4) 對剩余變量做因子分析， 并提取公因子， 得出因子得分函數(shù).

5) 對所選取的因子做logistic回歸分析， 得危機預測模型.

6) 設定臨界點， 把需要作出信貸決策的公司財務比率帶入模型作出判斷.

此方法的關(guān)鍵是違約組與非違約組財務數(shù)據(jù)的采集. 工作量大， 適合銀行在公司所在行業(yè)已建立信貸數(shù)據(jù)庫且數(shù)據(jù)充分的前提下使用. 然而要求信貸的公司提供給銀行的財務報表數(shù)據(jù)不一定準確， 且銀行并沒有建立有效的數(shù)據(jù)庫， 該方法并沒有得到很好的應用.

3 基于模型的信用風險定量分析

無論是信貸發(fā)生前對要求信貸的公司的資格審查還是信貸發(fā)生后對信用風險事故發(fā)生的有效預警， 都離不開對信用風險的定量分析. 然模型具有嚴苛的假設條件和使用條件， 現(xiàn)實經(jīng)濟環(huán)境是復雜多變的. 本文以信用風險度量的主流模型為例， 說明特定環(huán)境下的主流信用風險模型的使用問題.

現(xiàn)在主流的度量信用風險的模型有Credit Metrics模型、 Credit Risk+模型、 KMV模型和Credit Portfolio View模型. 我們根據(jù)這四個模型的不同假設條件， 結(jié)合多變的經(jīng)濟環(huán)境， 探討基于公司信貸的信用風險的模型應用問題.

3.1 Credit Metrics模型應用

Credit Metrics模型的關(guān)鍵性假設， 一是信用風險與市場風險無關(guān). 如果在所截取時間區(qū)間內(nèi)， 市場變量穩(wěn)定， 或市場變量沒有顯著的波動， 即環(huán)境變量不是造成同行業(yè)內(nèi)公司與公司違約與否顯著性差異的變量， 這時我們可以假設信用風險與市場風險無關(guān)， 只與公司經(jīng)營與公司道德有關(guān)； 二是違約， 不僅指沒有按時完全償還債務， 還包括信用等級下降導致的債務市值的下降， 這里的關(guān)鍵是信用等級轉(zhuǎn)移矩陣的獲得. 假設銀行對公司所在行業(yè)有充分的交易數(shù)據(jù)與信用數(shù)據(jù)記錄， 則銀行可以根據(jù)歷史數(shù)據(jù)得到信用等級轉(zhuǎn)換概率與違約概率， 即有信用等級轉(zhuǎn)移矩陣， 如果知道公司的信用評級情況， 那么就可以求出所求債務的經(jīng)濟資本. 具體運算過程如下：

設債券到期期限為T， 債券等級為m，Mjk表示信用等級為j時第k年的凈現(xiàn)金流，rjk表示信用等級為j時第k年的零利率收益率，cj表示信用等級為j時債務的現(xiàn)值. 則

設由當前信用等級轉(zhuǎn)移為j等級的概率為pj， 則

采用蒙特卡洛模擬方法， 累加該債務項最差的信用等級遷移概率使其等于1-σ， 此時對應的債務價值與均值之差即為VAR值.

3.2 Credit Risk+模型應用

Credit Risk+模型的核心假設是每筆債務違約概率小且相互獨立. 這一點可以在特定經(jīng)濟背景下實現(xiàn)， 例如經(jīng)濟整體繁榮且穩(wěn)定， 社會秩序好， 市場化充分， 我們可以假設每筆債務違約率小. 當銀行面向全體經(jīng)濟實體實施信貸， 且信貸充分分散化時， 可以假設每筆債務相互獨立. 采用Credit Risk+模型， 則貸款組合的違約次數(shù)服從泊松分布：

將貸款損失按其嚴重性程度進行分組， 并將各組損失匯總， 可得到貸款組合的損失分布.

Credit Risk+模型對單筆貸款并沒有詳細闡述， 而單筆貸款的違約概率與損失額度卻是模型的輸入量. 因此， Credit Risk+模型是在已知單筆貸款的違約概率、 違約波動率與損失額度， 在每筆債務違約概率小且相互獨立的前提下， 處理不同地區(qū)、 不同部門、 不同時限的貸款組合的風險暴露， 是銀行對貸款組合整體信用風險的度量.

3.3 KMV模型的應用

KMV模型的核心假設， 一是公司股票價格滿足BS模型的基本假設， 公司價值變化過程服從itoprocess， 針對的是上市公司； 二是資產(chǎn)價值大于債務價值則不違約， 反之則違約， 即不存在公司資金充足惡意欠款的可能. 把公司的股權(quán)看成一種期權(quán)， 由期權(quán)定價公式和對期權(quán)定價公式等式兩邊求微分所得式， 可得以下方程組

(1)

其中

VE表示公司股權(quán)的市場價值，σE表示公司股權(quán)市值波動率，VA表示公司資產(chǎn)的市場價值，σA表示公司資產(chǎn)市場價值波動率，X為違約邊界，T為到期日，R為無風險利率.

如果知道股權(quán)市值及其波動率， 由方程組(1)就可以求出資產(chǎn)價值及其波動率. 違約距離為

其中DPT是違約點， 它的取值為流動性負債加上50%的長期負債. 由違約距離與違約概率的映射關(guān)系， 求出違約概率. 如果知道違約損失率的分布情況， 那么就可以求出債務損失.

在KMV模型的實際應用中， 上市公司違約距離與違約概率的映射關(guān)系可由歷史的違約數(shù)據(jù)與股票數(shù)據(jù)建立. 通過實時更新的上市公司股票信息求出違約距離， 進而求出實時的違約概率與資產(chǎn)損失， 以便貸后對上市公司信貸的信用風險狀況及時監(jiān)控與預警. 也可以在貸前對上市公司違約情況進行度量， 通過拒貸信用風險高的公司來減少違約事件的發(fā)生對銀行造成的損失.

3.4 Credit Portfolio View模型應用

當宏觀經(jīng)濟變量， 例如經(jīng)濟周期、 長期利率水平、 GDP增速、 政府支出等對信用等級遷移的改變不可忽略時， 可以采用Credit Portfolio View模型. 設t時刻的條件遷移概率為pt，

Pt=f(yt)，yt=g(Xit,Vt)，i=1,…,n，Vt～N(0,σ).

其中Xit是t時刻的一組宏觀經(jīng)濟變量，Vt是隨機變量. 由于宏觀經(jīng)濟變量的經(jīng)濟含義與數(shù)量及其對條件遷移概率函數(shù)的影響難以確定與檢驗， 目前在我國應用的可能性較小.

4 公司信貸信用風險的分散與規(guī)避

無論是基于基本分析的定性分析， 還是基于公司財務報表和信用風險模型的定量計量， 都是為了對公司信貸信用風險進行有效度量， 以便貸前對要求貸款的公司進行審查， 控制風險高的公司的信貸準入， 防范于未然， 貸中對風險及時監(jiān)控， 建立有效的風險預警. 當預測到信貸資產(chǎn)惡化， 違約事件將要發(fā)生時， 及時采取措施， 對信用風險進行有效的規(guī)避與轉(zhuǎn)移. 研究表明， 信用風險暴露前180天采取措施， 平均損失為1%～2%； 信用風險暴露前30天采取措施， 平均損失為10%～20%； 不采取任何預防措施， 風險損失可達50%以上[3].

1) 持有分散的貸款組合. 銀行通過發(fā)放不同種類且相關(guān)性低的貸款以分散風險， 通過貸款種類授信方式的搭配以建立有效的資產(chǎn)組合， 控制貸款在行業(yè)、 地區(qū)等方面的集中度來減少風險損失.

2) 資信審查， 風險預警與抵押. 通過行業(yè)發(fā)展信息與公司經(jīng)營信息以及財務信息的分析， 對要求信貸的公司的信用風險進行評估， 以限制高風險的公司的信貸準入. 利用金融統(tǒng)計分析和模型定量計量的方法建立風險預警系統(tǒng)， 及時發(fā)現(xiàn)風險暴露， 采取相關(guān)措施， 防范于未然. 把信用違約造成的損失數(shù)據(jù)及時在損益表中更新， 通過貸款損失準備金的提取來降低信用違約造成的損失. 當違約發(fā)生時， 有效的擔保和抵押物可以減少損失的數(shù)額.

3) 不良貸款的核銷轉(zhuǎn)讓與衍生產(chǎn)品工具的使用. 不良貸款的核銷轉(zhuǎn)讓是傳統(tǒng)的處理不良貸款的方式. 隨著中國金融市場的進步與衍生產(chǎn)品市場的不斷發(fā)展， 信用衍生產(chǎn)品工具， 包括總收益互換、 信用違約互換、 信用聯(lián)結(jié)票據(jù)、 債務擔保憑證等， 在轉(zhuǎn)移信用風險中發(fā)揮著越來越重要的作用. 金融衍生工具通過信用風險從不同風險偏好的投資者之間的轉(zhuǎn)移， 為銀行解決不良貸款提供出路. 信用衍生產(chǎn)品工具的使用， 可以有效轉(zhuǎn)移中小公司信貸的信用風險， 擴大其融資規(guī)模， 為解決中小公司融資難提供出路.

[1] 張樂. 現(xiàn)代信用風險計量方法與我國商業(yè)銀行的信用風險管理研究[J].開發(fā)研究， 2014(5):114-118.

[2] 胡心瀚， 葉五一， 繆柏其. 上市公司信用風險分析模型中的變量選擇[J]. 數(shù)理統(tǒng)計與管理， 2012， 31(6):1117-1124.

[3] 李麗麗. 對我國商業(yè)銀行信用風險管理的思考[J]. 黑龍江對外經(jīng)貿(mào)， 2006(1):66-67.

[4] 李子玉. 數(shù)據(jù)驅(qū)動型信用風險管理[J]. 中國金融， 2017(2):74-75.

[5] 彭建剛， 張麗寒， 劉波， 屠海波.聚合信用風險模型在我國商業(yè)銀行應用的方法論探討[J]. 金融研究， 2008(8):72-85.

[6] 曹道勝， 何明升.商業(yè)銀行信用風險模型的比較及其借鑒[J]. 金融研究， 2006(10):90-97.

[7] 李永軍， 丁守海， 劉 曄. 信用衍生工具： 緩釋商業(yè)銀行信用風險的有效途徑[J]. 國際經(jīng)濟合作， 2017(2):91-95.

[8] 鄒宏元. 金融風險管理[M]. 成都： 西南財經(jīng)大學出版社， 2010:146-202.

Credit Risk Measurement and Management Based on Corporate Credit

YANG Yan-yan

(College of Mathematics and Computer, Wuyi University, Wuyishan 354300, China)

Based on company’s credit, this thesis studies how the commercial banks can effectively measure and manage the credit risk of the company’s credit under the possession of the company’s business information, financial information and historical breach information. It includes qualitative analysis of credit risk based on fundamental analysis, precaution of credit risk based on financial statements and statistical analysis, and quantitative measurement of credit risk based on model. Finally, when it is expected that the risk accident will occur, Using financial instruments to disperse and transfer the credit risk effectively.

corporate credit; credit risk; fundamental analysis; credit risk model; risk diversification and transfer

F832； F840.323

A

1009-4970(2017)11-0064-05

2017-04-12

楊雁雁(1986—)， 女， 河南汝州人， 碩士， 助教. 研究方向： 金融數(shù)學.

[責任編輯 王保玉]