第9卷 第2期
2007年3月
哈尔滨工业大学学报(社会科学版)
JOURNALOFHIT(SOCIALSCIENCESEDITION)
Vol.9No.2Mar.,2007
商业银行信用风险评估模型比较研究
闫晓莉,徐建中
(哈尔滨工程大学经济管理学院,哈尔滨150001)
摘 要:信用风险评估是商业银行信用风险管理的首要工作和关键环节,信用风险的量化和模型化是现今信用风险研究的主要趋势,随着对信用风险评估模型领域的探索研究不断地深入,建立适合我国国情的商业银行信用风险评估模型刻不容缓。通过对西方商业银行信用风险评估模型的比较研究,指出其特征和优缺点,以期为我国商业银行信用风险评估模型的建立提供借鉴和参考。 关键词:商业银行;信用风险;评估模型
中图分类号:F830.33 文献标志码:A 2-04
=
1+e
yn
一、 1.判别分析
信用风险评估中,判别分析(DiscriminateA2
nalysis,DA)方法根据已知的违约、非违约(或多个等级)的企业进行分类,构成若干个母体,从多个母体的特征中找出一个或多个判别函数(或准则),用于判别任一个已观察的向量应判属哪一母体;检验两个或多个母体,在所测量的指标变量上是否有显著差异,如有则需指出为哪些指标。DA包括线性判别分析(LinearDA)和二次判别分析(QuadraticDA)。
在DA方法中FisherLDA广为应用,该方法通过最大化组变量/组内变量建立判别式函数。该方法产生的线性函数,将一系列独立变量与信用评分D(X)结合起来,以一个超平面,将变量空间分为与样本组相对应的两部分。该函数在满足以下三个条件时,期望错分成本最小化:样本为多元正态分布;样本等协方差;平均向量、协方差
[1～3]
y=co+
∑cx
i
i=1
i
。
其中,xi是信用风险评定中的影响变量,通常
有资产净值/总资产、净收入/总资产、净营运收入/营运收入、流动收入/总资产等;ci是技术系数,可以通过回归或极大似然估计获得;y是贷款申请人的财务状况及打分值;P为违约概率,且P∈[0,1]。
Logistic回归不要求LDA的假设,但在满足LDA的假设时,二者等效或优于LDA;Logit函数可以对每个变量进行显著性检验,特别是计算相对风险(这里是指当信用变量发生变化后,信用风险与原状态下信用风险比值),这是Logistic回归的主要优点。而其不足之处在于:模型本身的不合理性,即相对风险估计中整体相对风险为每个变量相对风险的乘积,这与一般希望的“可加模型”相矛盾;对线性可分的样本不可能采用极大似然估计法估计参数;样本的数量不宜少于
[4～5]
200,否则需要考虑参数估计的有偏性。 3.非参数方法(Non-parametricMethod) 聚类分析(ClusterAnalysis)属于非参数统计方法。信用风险分析中,它根据由借款人的指标所计算出的样本空间的距离作为分类标准。这种方法的主要优点是不要求具体分布,可对变量采用名义尺度、次序尺度,因此该方法可用于定量研
2.Logistic回归
Logistic回归是一种非线性分类的统计方法,适用于分析因变量为定性指标的问题,如因变量
(则为1)或“(则为0)。方法表述如下:为“是”非”
收稿日期:2006-10-16
基金项目:黑龙江省博士后基金资助
作者简介:闫晓莉(1973-),黑龙江哈尔滨人,博士后,从事金融工程研究;徐建中(1959-),黑龙江哈尔滨人,教授,博士生导师,
从事金融工程研究。
・120・哈尔滨工业大学学报(社会科学版) 第9卷
究,也可对现实中的无法用数值精确表述的属性
进行分析。该方法很适用于信用风险分析中按照定量指标(盈利比、速动比)和定性指标(管理水平、信用等级)对并不服从一定分布特性的数据信息进行分类。
K近邻判别(KNearestNeighbor,KNN)是另一种非参数方法,它在一定距离下,按照若干变量从样本中选取与确定向量距离最短的k个样本为一组,适用于初始分布和数据采集范围限制较少的情况,减小了以函数形式表达内容的要求。另外,KNN通过将变量在样本整体范围内分为任意多决策区间,而近似样本分布。 商业银行信用风险评估统计方法除以上讨论的三种以外,还有许多模型,如聚类分析、分析、邻近法、分类树等。行业的大中型企业,。然、行业经济情况的变化,不断地调整参数、甚至变量。而对于那些规模较小且处于变动较大的行业中的企业,这些方法就显得无能为力了。 4.专家系统 专家系统是一种使用知识和推理的智能计算机程序,其目的是将专家解决问题的推理过程再现而成为专家的决策工具或为非专业决策者提供专业性建议。它的功能表现在解释功能、灵活性、学习功能三方面。 在开发专家系统的过程中,知识的获取始终是—个瓶颈,而推理方式的研究决定着专家系统的智能化水平,这两个方面的进展都极大地影响着专家系统在信用分析领域的应用前景。 5.遗传算法 遗传算法(GeneticAlgorithm,GA)是一种新型、高效的优化技术,它采用进化方式通过遗传算子对群体的网络集合进行不断改进,并且能够把优良结构保持到下一代,通过结合产生新的优良结构。GA的核心是对问题可能解(个体)表达方式的设计,即树形结构生成方式的选择,是对用于评价个体优劣程度的适值函数的设计。
GA应用于商业银行信用风险评估问题的基本思路是:根据已知的样本与相对应的信用状态(违约与否),运用GP发现借款人信用状态与其某些特征属性(如某些财务比率指标)之间的关系,通过对借款人金融指标的具体观察值,对借款人的违约可能性进行预测。从技术角度看,该方
[6～7]
法力求发现能够最佳拟和样本数据的函数关系形式,以及确定函数关系式中相应的系数。函数关系中的因变量为借款人违约的可能性,自变量为影响借款人信用状况的某些属性特征。该方法的特点是未预选确定最终结果的函数关系形式,而直接通过样本数据来寻找合理的函数关系,同时确定关系式中相应的系数。 6.投影寻踪分析法 最近有人提出了将投影寻踪与判别相结合建立了投影寻踪判别法。投影寻踪法是用来处理高维观察数据,,寻找出能反,以达到研究。
国内学者将投影寻踪分析法用于我国的商业银行信用风险评估,研究表明对于非正态、高维数据,投影寻踪分析法比传统的统计方法更有效。 7.神经网络 神经网络(NeuralNetworks,NN)是一种具有模式识别能力、自组织、自适应、自学习特点的计算机制,它的知识编码用于整个权值网络,呈分布式存储且具有一定容错能力。神经网络对数据的分布要求不严,也不必要详细表述自变量与因变量之间的函数关系。NN的这些特性使之成为信用风险分析方法的一个热点。NN在信用风险分析的作用是通过NN的分类功能进行的,即首先找出影响分类的一组因素,作为NN的输入,然后通过有导师或无导师的训练形成NN信用风险分析模型。对于新的样本输入(即一组影响因素值),该模型可产生信用风险的判别。
目前NN应用于信用风险分析的研究仍处于探索阶段,客观上信用分析样本的采集范围不同、规模不同,所用分析指标由于各国会计体系的差异而不同,加之,各NN构件均有所差别,所用参照方法的精确程度都有可能影响结果。 8.信用计量模型(CreditMetrics)
美国J.P.摩根财团继1994年推出著名的以Var为基础的市场风险计量模型后,连同其他几家国际大银行(德意志摩根建富、美国银行、瑞士银行、瑞士联合银行和BZW等),于1997年4月初又推出了信用风险管理模型。 信用计量和信用受险价值都是以信用评级迁移为基础的,信用风险管理模型计算贷款组合价值的远期分布,根据已知历史数据估计转移概率,
第2期闫晓莉,等:商业银行信用风险评估模型比较研究
・121・
用公司的股票市场数据替代公司资产价值直接导出评级分类的相关性,而且假设利率为定常。最后,直接估计一般信用损失分布对应某个置信水平的分位数作为信用受险价值。 其缺点在于第一信用计量方法本身并不回答关于信用风险的定价问题及其基本建模;这个模型第二个主要缺陷是假设在信用评级内具有信用同一性;第三由于信用计量模型的应用需要具有强大计算能力的计算机支持,这也限制了人们接受信用计量方法。
9.信贷监测模型 1993年,美国KMV公司应用期权思想提出了信贷监测模型(CreditMonitorModel),即KMV模型。KMV是一个卖权,,业则是卖权的买方,,损失,贷款信用风险的大小可以用未预期损失来衡量,商业银行可以根据未预期损失做出合适的资本储备,进行信贷管理。 KMV是基于对违约概率与转移概率随时间变化的观察值。KMV采用的是微观经济学的方法,把违约概率与债务人的违约概率、与债务人资产的市场价值联系起来。这个模型的校正必须有每个国家内每一个行业可能的违约数据;这个模型的另外的限制就是调整转移矩阵的特别程序。现在还不清楚所提出的方法的性能是否好于简单的贝叶斯模型,后者是基于银行内部累积的经验修正转移概率。
10.信贷风险+模型 信用风险+模型(CreditRiskPlus)是由CS2FP公司(CreditSuisseFinancialProducts)在1997年提出的。该模型以贷款组合中破产贷款的数量服从泊松分布的假设为基础,根据每笔贷款的破产概率和破产情况发生时的损失程度,确定贷款组合整体的未来损失分布函数,得到贷款组合的预期损失和未预期损失,并以未预期损失为基础确定贷款组合的风险资本比例。
尽管CreditRisk+和信用计量(CreditMet2rics)等其他模型具有共同基础,生成具有偏峰厚尾的损失分布,计算期望损失、意外损失和经济资本,目的是计算包括贷款、贷款承诺、债券和衍生产品等多种资产的信用风险。CreditRisk+的突出优点是:首先,CreditRisk+借鉴保险业计算小
概率极端事件的数学方法,推导出债券和贷款组合损失概率的封闭形式,使CreditRisk+模型具有便于计算的优势;此外,利用CreditRisk+模型容易计算债务人的边际风险贡献;其次,CreditRisk+只考虑每一评级上的平均违约率,可用内部与外部的评级信息,要求的输入估计较少。在违约率及违约波动性中镶嵌相关的信息,对每种工具只要求违约概率和暴露,而且CreditRisk+更关注贷款损失准备金的管理情况,与管理流动性低情况的资本要求目标一致。银行的多数贷款都是持有至到期日, 长期以来,对商业银行信用风险评估的研究不断深入,评估理论不断发展,评估方法不断推陈出新,但其中仍存在一些不足和尚需完善的地方,具体表现如下。
1.信用风险评估指标体系不够科学全面 在对信用风险评估进行实证研究的文献中,其评估指标体系往往只含有数个指标(一般为5～6个指标),而且绝大多数为财务指标,忽略了一些影响信用风险评估的定性因素。这些评估指标中有一部分不能有效地反映风险要素的内涵,而且有一些影响信用风险评估的重要指标被遗漏,在此基础上进行的信用风险评估,其结果令人难以信服。构建更为科学全面的信用风险评估指标体系的关键在于,深入分析各风险要素之间的作用机理,进一步完善信用风险的评估理论,选取更为准确的信用风险评估指标。 2.缺乏客观、科学的信用风险衡量标准 传统信用风险衡量标准中企业“违约与否”一直占据主导地位,这种衡量标准很难对信贷资金安全系数的不确定性进行准确刻画,依此建立的评估模型和方法更适合作为企业违约风险的风险识别工具,而非商业银行信用风险的风险衡量工具。要建立实用高效的风险评估系统,不仅要以科学全面的风险评估指标体系为基础,还需要确立客观、科学的信用风险衡量标准,以便能够充分、准确地反映信用风险信息。
3.信用风险评估模型缺乏实用性和拓展性 传统的分类评估模式在特定的历史条件下,起到了一定的积极作用。但随着信用风险的迅速膨胀,传统的分类评估模式所反映的、有限的经济
・122・哈尔滨工业大学学报(社会科学版) 第9卷
信息已经远远不能满足信贷风险决策的需求,以
管理信息技术和计量技术为特点的信用风险评估方法迅速发展起来。国内学者在国外研究的基础上,创建了一些信用风险评估的新方法,建立了一系列模型,但这些模型不完全符合国内实际情况;同时,由于其模型样本采集的局限性,影响了其研究成果的拓展和应用。
4.缺乏组合预测方法的研究 目前大部分研究只针对某一信用风险评估模型的预测精度和优缺点,缺乏组合预测方法的研究。实际上各种评估方法都有各自的优缺点和适用条件,组合预测是将各种预测组合加权重组而得到的结果。由于组合预测方法利用了更多的信息,立起全面强大的企业征信数据库,为运用模型进行信用风险评估创立信息平台。其次,由于有关数据和资料难以获得,我国相关学者只进行了小样本数据研究,对现行的商业银行信用风险理论与经济计量模型缺乏全面性、系统性和整体性的研究,还没有开发出适合中国国情的信用风险模型,从而不能对我国商业银行信用风险的管理提供有价值的指导。在建立我国商业银行信用风险评估模型时,其研究方向应是朝着非参数方法和人工智能进展,或是将各种评估方法组合应用;模型应具有解释能力,,,,。参考文献:
[1]ALTMANE,MARCOGETAL.CorporateDistressDiag2
nosis:ComparisonsUsingLinearDiscriminateAnalysisandNeuralNetworks[J].BankingandFinance,1994,18:505-529.
[2]HEDEMA.PatternRecognitionUsingBoltzmannMa2
chine.VisualizetheFuture[Z].ProceedingsIEEE,1998:23-29.[3]DIDIERCOSSIN,HUGUESPIROTTE.AdvancedCredit
Riskanalysis:FinancialApproachesandMathe-maticalModelstoAssess,Price,andManageCreditRisk[M].Chichester:JohnWiley&SonsLtd.,2001:257-312.[4]ALTMANEI,SAUNDERSA.CreditRiskMeasurement:
DevelopmentsOrertheLast20Years[J].Banking&Fi2nance,1998,21:1721-1742.
[5]MICHELCROUHY,DANGALAI,ROBERTMARK.A
ComparativeAnalysisofCurrentCreditRiskModels[J].Banking&Finance,2000,24:59-117.[6]GORDYMICHAEL.AComparativeAnatomyofCreditRisk
Models[J].Banking&Finance,2000,24:119-149.
[7]王春峰,李汶华.商业银行信用风险评估:投影寻踪判别分析模型[J].管理工程学报,2000,14(2):43-46.
三、 综观国际上对信用风险评估领域的研究和实际应用,信用风险评估方法从主观判断法和财务比率法转向以多变量、依赖于资本市场理论和计算机信息科学的计量分析方法为主的发展趋势。目前我国在进行商业银行信用风险评估方面的研究取得了一定的进展,但仍然存在着一些亟须解决的问题。 首先,在我国运用信用风险评估模型进行计量时缺乏有效的数据库。评价信用风险,需要大量的各类企业的数据资料,但是由于我国在信息披露、管理等方面与发达国家尚有很大差距,不少企业(特别是中小企业)的财务资料无法收集,已公开的一些大企业的财务数据存在着失真现象,因此我国应加强对贷款企业历史数据的积累,建
ResearchonCreditRiskAssessmentModelofCommercialBank
YANXiaoΟli,XUJianΟzhong
(SchoolofEconomics&Management,HarbinEngineeringUniversity,Harbin150001,China)
Abstract:Thecreditriskassessmentistheinitialworkandthekeyinacommercialbankcreditriskmanagement.The
quantizationandmodelofthecreditriskisthemaintrendofthepresentcreditriskresearch.ItisurgenttoestablishcreditriskassessmentmodelofcommercialbankwhichissuitedtoChina.Bydothecomparativeresearchonthecreditriskassessmentmodelofwestcommercialbank,thispaperpointsoutitscharacteristicsandmeritsandshortcomingswhichareusedforreferenceintheestablishmentofcreditriskassessmentmodelofcommercialbankinChina. Keywords:commercialbank;creditrisk;assessmentmodel
[责任编辑 张大勇]