银行从业资格考试《风险管理》第三章第二节考点

信用风险计量是现代信用风险管理的基础和关键环节。信用风险计量经历了从专家判断法、信用评分模型到违约概率模型分析三个主要发展阶段，特别是《巴塞尔新资本协议》鼓励有条件的商业银行使用基于内部评级体系的方法（InternaRating-Based Approach）来计量违约概率、违约损失并据此计算信用风险对应的资本要求，有力地推动了商业银行信用风险内部评级体系和计量技术的深入发展。

　　商业银行对信用风险的计量依赖于对借款人和交易风险的评估。《巴塞尔新资本协议》明确要求，商业银行的内部评级应基于二维评级体系：一维是客户评级，另一维是债项评级。

　　3.2.1 客户信用评级

　　1. 客户信用评级的基本概念

　　客户信用评级是商业银行对客户偿债能力和偿债意愿的计量和评价，反映客户违约风险的大小。客户评级的评价主体是商业银行，评级目标是客户违约风险，评价结果是信用等级和违约概率（PD）。

　　（1）违约的定义

　　根据《巴塞尔新资本协议》的定义，当下列一项或多项事件发生时，债务人即被视为违约：

　　①商业银行认定，除非采取追索措施，如变现抵押品（如果存在的话），借款人可能无法全额偿还对商业银行的债务。

　　②债务人对于商业银行的实质性信贷债务逾期90天以上（含）。若债务人超过了规定的透支限额或新核定的限额小于目前余额，各项透支将被视作逾期。

　　③以下情况将被视为可能无法全额偿还债务：

　　银行停止对贷款计息；

　　在发生信贷关系后，由于信贷质量出现大幅度下降，银行冲销了贷款或计提了专项准备金；

　　银行将贷款出售并相应承担了较大的经济损失；

　　银行同意消极债务重组，由此可能发生较大规模的减免或推迟偿还本金、利息或费用，造成债务规模减少；

　　就借款人对银行的债务而言，银行将债务人列为破产企业或类似的状况；

　　债务人申请破产，或已经破产，或处于类似状态，由此将不履行或延期偿还银行债务。

　　（2）违约概率

　　违约概率是指借款人在未来一定时期内发生违约的可能性。在《巴塞尔新资本协议》中，违约概率被具体定义为借款人内部评级1年期违约概率与0.03%中的较高者。巴塞尔委员会设定0.03%的下限是为了给风险权重新定下限，也是考虑到商业银行在检验小概率事件时所面临的困难。

　　违约概率的估计包括两个层面：一是单一借款人的违约概率；二是某一信用等级所有借款人的违约概率。《巴塞尔新资本协议》要求实施内部评级法的商业银行估计其各信用等级借款人所对应的违约概率，常用方法有历史违约经验、统计模型和外部评级映射三种方法。

　　与违约概率容易混淆的一个概念是违约频率，即通常所说的违约率。违约频率是事后检验的结果，而违约概率是分析模型作出的事前预测，两者存在本质的区别。

　　与违约概率容易混淆的另一个概念是不良率，使不良债项余额在所有债项余额的占比，二者不具有可比性。

　　2.客户信用评级的发展

　　（1）专家判断法

　　即专家系统（Expert System），是商业银行在长期经营信贷业务、承担信用风险过程中逐步发展并完善起来的传统信用分析方法。

　　①与借款人有关的因素：

　　声誉（Reputation）

　　杠杆（Leverage）

　　收益波动性（Volatility of Earnings）

　　②与市场有关的因素

　　经济周期（Economic Cycle）

　　宏观经济政策（Macro-Economy Policy）

　　利率水平（Leveof Interest Rates）

　　目前所使用的专家系统，其中，对企业信用分析的5Cs系统使用最为广泛。5Cs系统指：

　　品德（Character）

　　资本（Capital）

　　还款能力（Capacity）

　　抵押（Collateral）

　　经营环境（Condition）

　　除5Cs系统外，使用较为广泛的专家系统还有针对企业信用分析的5Ps系统和针对商业银行等金融机构的骆驼（CAMEL）分析系统。

　　5Ps包括：个人因素（PersonaFactor）、资金用途因素（Purpose Factor）、还款来源因素（Payment Factor）、保障因素（Protection Factor）、企业前景因素（Perspective Factor）。

　　骆驼（CAMEL）分析系统包括：资本充足性（CapitaAdequacy）、资产质量（Asset Quality）、管理水平（Management）、盈利水平（Earnings）流动性（Liquidity）。

　　专家系统的突出特点在于将信贷专家的经验和判断作为信用分析和决策的主要基础，这种主观性很强的方法/体系带来的一个突出问题是对信用风险的评估缺乏一致性。此外，尽管专家系统在银行业的长期发展和实践中已经形成了较为成熟的分析框架，但专家系统缺乏系统的理论支持，尤其是对关键要素的选择、权重的确定以及综合评定等方面更显薄弱。因此，专家系统更适合于对借款人进行是和否的二维决策，难以实现对信用风险的准确计量。

　　（2）信用评分法

　　信用评分模型是一种传统的信用风险量化模型，利用可观察到的借款人特征变量计算出一个数值（得分）来代表债务人的信用风险，并将借款人归类于不同的风险等级。

　　背景知识：信用评分模型

　　20世纪60年代，信用卡的推出促使信用评分技术取得了极大发展，并迅速扩展到其他业务领域。奥而特曼（Altman，1968）提出了基于多元判别分析技术的Z评分模型；马丁（Martin，1977）、奥尔森（Ohlson，1980）和威金顿（Wiginton，1980）则首次运用Logit模型分析企业破产问题。

　　信用评分模型的关键在于特征变量的选择和各自权重的确定。基本过程是：

　　①首先，根据经验或相关性分析，确定某一类别借款人的信用风险主要与哪些经济或财务因素有关，模拟出特定形式的函数关系式；

　　②其次，根据历史数据进行回归分析，得出各相关因素的权重；

　　③最后，将属于此类别的潜在借款人的相关因素数值代入函数关系式计算出一个数值，根据该数值的大小衡量潜在借款人的信用风险水平，给予借款人相应评级并决定贷款与否。

　　存在一些突出问题：

　　①信用评分模型是建立在对历史数据（而非当前市场数据）模拟的基础上，因此是一种向后看（Backward Looking）的模型。