3.2 信用风险测度的发展
3.2.1 信用风险测度的重要性
信用风险识别、信用风险度量和信用风险监控是信用风险管理体系的三个主要构成要素。信用风险识别环节所要解决的问题是充分认识风险，通过对影响信用风险的因素和机制进行分析，为信用风险度量提供依据。信用风险度量是信用风险管理体系的核心内容，主要是对信用风险的成因及影响因素进行分析和量化，来测度借款人的违约率，并利用违约率进行信用评估。信用风险监控是在信用风险识别和度量的基础上，对客户的财务状况进行及时跟踪和分析，当客户的财务状况恶化或信用状况出现问题后，及时做出相应的信用风险管理决策。
在测度信用风险时，首先需要确定信用风险度量的对象，每个客户的情况都存在差异，我们需要掌握客户的信息，确定客户的信用风险类型；其次是建立信用风险度量模型，信用风险度量模型需要契合金融环境和金融复杂程度以及客户的状况；最后是要获取市场信息，确定模型中的参数。很多情况下我们很难获取数据或获取的数据存在较大误差，容易造成估计结果准确度较低，此时需要采取替代措施以改善模型估计；最后是结果的输出，一般情况下，违约结果是不同情况下的违约率。
进行信用风险评估在防范市场信用风险和维护市场经济的有序运行方面越来越重要，主要体现在：
（1）有利于企业防范违约风险。任何一个企业的发展都离不开客户，客户是企业实现利益的载体，更是企业的重要风险来源。在市场竞争日趋激烈的条件下，一些企业会采用扩大授信额度、现金折扣等授信政策来扩大销售规模。这些信用政策离不开对客户信用状况的有效评估，只有科学地度量客户的信用风险，才能使得从客户的交易中获得最大收益的同时，把风险控制在最低程度。此外，在同其他企业进行业务来往时，对其进行全面的风险评估有助于企业制定合理的信用政策，降低经营风险。
（2）有利于资本市场的稳健运行。在广大投资者认购公司有价证券时，信用测度可以科学评估发行主体的风险状况，为投资者实现安全投资、取得可靠收益提供依据。同时，优质企业可以以低成本筹集资金，当企业的经营状况得到合理分析和恰当评价时，投资者会对企业的经营给予资金支持。可见，信用评估有助于实现供需双方的信息对称，提高投资的安全性，降低筹资成本。
（3）商业银行确定贷款风险程度的依据。作为银行的主营业务，贷款可以为企业和个人提供重要的资金支持。对于借款人的获利能力和偿债能力进行有效的评价有助于商业银行最大限度地防范贷款风险，提高银行信贷资金的使用效率。
3.2.2 信用测度的兴起原因
近些年来，一场关于信用测度的革命已经在酝酿，新的技术和理念已经出现在新一代的金融人士之间，他们正在运用建立模型的技能来分析这一领域。对于信用风险测度兴起的原因主要有以下几点：
（1）结构性破产的增加。尽管在不同时期各个国家遭受过经济衰退，但是从统计数据来看，最近经济衰退所导致的银行破产数量相较以往有大幅度的增加。由于全球竞争程度的提高，银行破产在一定程度上有结构性增长的趋势，因而准确的信用风险分析显得至关重要。
（2）低质量客户的竞争。尽管银行等金融机构贷款的平均质量在不断下降，从信贷市场所能获得的利差却越来越少。金融机构贷款所能收到的风险补偿也在不断减少，这种贷款的风险收益不对称现象源于众多因素，其中一个比较重要的因素就是由于客户减少，金融机构对低质量借款客户存在激烈争夺。很多金融公司的贷款活动甚至都集中在高风险低质量的借贷市场。
（3）抵押物价值降低。作为银行贷款最常用的抵押物之一，房地产的价格波动对违约风险有重要的影响。例如，上文介绍的日本、美国和香港房地产泡沫的破裂导致房价大跌的情况，对经济的冲击极大增加了银行所能承受的信用风险。可见，房地产等不动产的价格很难去预测，其清算价格也与市场价格紧密相关，一旦企业无法偿还贷款，银行也将难以避免损失。
（4）表外衍生品规模扩大。近年来，衍生品市场快速增长，金融机构的信用风险与衍生品的风险敞口息息相关。在很多美国的大银行里，金融工具（例如，利率互换、远期合约等）的账面价值是贷款价值的十倍以上，这些衍生品的信用风险也随着衍生品的规模不断增长而增加，需要引起我们的重视。例如，国际清算银行的清算系统会在盯住衍生品市场价格的基础上考虑其潜在的风险敞口来确定资本充足率。
（5）技术发展。计算机系统和信息处理技术的进步使得金融机构检测高性能建模技术成为可能。2000年，国际互换和衍生品协会（ISDA）与国际金融协会（IIF）发现，使用商业数据库和内部资料可以有效评估分级与未分级的商业贷款、零售贷款及抵押贷款等。
（6）资本要求。《巴塞尔协议Ⅲ》于2013年在中国如期实施，但是中国版《巴塞尔协议Ⅲ》，也就是《商业资本管理办法》的要求更为严格，其中，国内商业银行核心一级资本充足率下限为5%，一级资本充足率下限为6%，资本充足率为8%；正常情况下系统重要性银行和非系统重要性银行的资本充足率分别不低于11.5%和10.5%。同时，《巴塞尔协议Ⅲ》对于资本约束的机制也更加严格，并扩大了风险资本的覆盖范围。风险资本的计算要求对风险进行准确的测量，因而对信用风险的度量自然是必需的。
3.2.3 信用风险度量模型发展历程
信用风险度量是信用风险管理体系的中心环节，按照其发展脉络主要分为两个阶段，即传统的信用风险度量理论和现代高级风险度量理论。传统的信用风险分析方法是按信用风险相对比较进行分类，如专家评判法、信用评分法、人工神经网络分类等，主要是针对单项资产或者单个借款人的信用风险分析，没有考虑众多资产间的风险相互关系，不利于投资组合管理；而且传统的信用风险度量通常是以会计信息为测量基础，盯住已发生的账面值分析风险大小，缺少时效性。现代的信用风险分析方法针对以往的不足加以改进，如KMV模型、CreditMetrics模型等，它们都有关于信用风险大小的明确定义，在定义的框架下对信用风险的绝对大小进行度量。对于企业可有两类数据进行信用分析，一是会计信息，记录企业历史数据表现；二是公司股票价格数据，表示投资者对该公司未来的预期。与传统信用风险分析不同，现代信用风险度量要结合这两类信息，更准确地度量所面临的信用风险。
1.传统信用风险度量模型
信用风险度量模型的起源是为了寻求一种度量信用风险的方式，而且既要客观、准确、稳定，又要简洁且易于理解、实用性强，众多学者基于以上目标不断地研究，将市场信息和企业信息基本相结合，希望将企业的财务报表信息和股价信息相结合，找到可度量的信用风险的模型。所以最先应用公司财务报表和贷款者资质情况相结合的方法来判断信用风险的主观模型应运而生。
（1）基于专家判断的信用风险评估。信用风险评估专家对信用风险进行了较多的研究，具有较丰富的实践经验和专业技能。在信用风险评估初期，一般依赖于专家进行风险判断和决策，比较典型的有专家评判法。专家评判法是指信用风险的判断和决策主要依靠信用风险管理的专业人员。专家利用自身的专业技能、主观判断和对某些关键因素的权衡来对信用风险做出评价，主要参考企业偿债能力的因素——资本充足性、资产质量、管理能力、盈利能力、资金流动性等，是一种定性和主观的方法。最常见的专家法是“5C模型”，“5C模型”主要是指品德与声望、资格与能力、资金实力、担保、经营条件或商业周期。专家掌握这五个关键因素后，对企业的信用品质进行综合评判，然后决定是否对企业进行信用贷款。
类似专家法的这些模型方法需要根据企业所处的经济环境和面临的风险因素变化，不断地调整分析、调查的重点，紧密结合企业具体的实际情况进行信用风险评价，具有较强的针对性。信用评级的专家通常是经过专业培训或是经验丰富的、有权威的信用评级师，每个分析师都有自己的分析和评价体系，通过自己的实践来积累经验，进而进行企业的信用风险调查与评价工作。
而这类模型的不足之处在于其结果带有很大程度的主观性。专家法属于定性分析法，各个专家的经验、专业技能、思维方式等均存在较大差异，即使是对同一家企业的信用品质进行评估，不同专家给出的结论也可能存在较大的不一致。可见信用风险评估结果的准确度存在不确定性，需要进一步提高。此外，专家练就专业性的信用风险评价能力需要很长的时间，由于人数有限，因此聘用专家的成本也比较高。在企业规模、数量、复杂性不断提升的时代趋势下，专家法的准确性和工作效率越来越无法满足信用市场的要求，亟须开发一种新的信用评估方法。
（2）基于财务指标加权的信用评估。专家判别法的思想为后来的基于财务信息的信用评分法奠定了基础。为了解决专家评判法主观性较强、定量分析不够的问题，学者们从企业财务指标的角度出发，通过分析企业的偿债能力来进行信用风险度量。比较著名的有信用评分法。
信用评分法也是一种传统的信用风险度量模型，利用可得到的借款人的特征变量，来计算出一个数值用以代表借款人的信用风险大小，并将借款人归类于不同的风险等级。这类模型的依据是企业的财务报表，借款人的特征变量主要有资本负债比率、现金流量、各项财务比率等。其关键在于特征变量的选择及其权重的确定。
类似信用评分法的模型在一定程度上弥补了专家法的较强的主观性和定性分析的不足，更加充分地利用了信用风险来度量企业的相关数据，对其历史数据进行信用风险分析，更加准确地给出信用风险度量的结果。这些模型的缺点在于它是建立在历史数据上的，更新速度慢，回归方程中各变量权重在一定时间内保持不变，从而无法及时反映企业当前的信用状况。此外，它对企业的历史数据要求较高，而企业需要很长时间才能建立起数据库，新企业难以达到要求，模型使用受限，准确度也大减。评分模型虽然给出了企业信用风险水平的评分结果，但无法准确反映企业的违约率和违约损失，需要进一步完善。
2.现代高级信用风险度量模型
随着经济和资本市场的不断发展，一方面，企业的融资需求逐渐增大，特别是众多的中小型企业，很难从股票市场和债券市场中进行融资，其发展主要依赖于银行等金融机构的贷款。如何对借款人的信用风险进行快速准确地评估是迫切需要解决的问题。另一方面，由于银行对资产存在较高的安全性要求，信用评级较低的企业难以从传统的金融机构中进行贷款，而资本市场中去中介化的发展使得中小企业寻找的不同渠道来筹集资金，很多贷款活动集中在风险较高、质量较低的市场。此外，抵押品价值的波动、资产负债表以外业务的增长、技术的快速更新以及国际清算银行基于风险的资本要求等经济环境的变化，都促使了新的信用风险度量方法的产生。
传统的信用风险度量模型在定性分析和定量分析方面缺乏强有力的理论和数据支撑，金融学家很难解释这些模型的经济意义，也使得它们有别于后来发展起来的、建立在现代信用风险理论基础之上的现代信用风险度量模型。这一阶段的信用风险度量模型大都是建立在期权定价模型（black-scholes-merton model）的基础上，企业的破产在一定程度上取决于企业资产的市场价值与对外债务的相对大小，以及资产价值的波动率。
（1）基于资产负债的信用风险评估。基于财务指标的分析方法不能满足现代的信用风险测度，因而随之出现了很多建立在期权定价模型基础上的现代信用风险度量模型，这些模型将公司股票价值的期权特征运用到了信用风险度量中，把股权视为基于企业资产的看涨期权，债务额相当于期权的执行价格，资产的市场价值相当于期权的市场价格，当市场价格高于执行价格时，期权持有人会选择执行期权。这类模型中有的以借款公司的股票市场数据为基础，估计企业资产的当前市值和波动率，再根据企业的负债计算出企业的违约点，然后计算出借款人的违约距离，最后根据企业的违约距离与预期违约率之间的对应关系，求出企业的预期违约率。其中较为著名的就有KMV模型。KMV模型的主要思路是，当企业资产价值超过企业负债时，企业有能力偿还贷款；而当企业资产价值低于负债时，企业就会行使期权而选择违约。贷款的信用风险是在给定负债的情况下由债务人的资产市场价值决定的。
这些模型将借款企业的股价信息转换成信用信息，不断变化的股票市场价格更新了模型的输入数据，及时反映了市场预期和企业的信用资产变化，是一种动态模型；对公司的资产质量变化较为敏感，股价信息被应用在模型当中，具有较强的预测能力。但此类模型在应用中也存在不足，首先，模型侧重利用股票价格预测企业资产价值，而且要求股市是一个有效的市场，但现实中股市价格经常背离公司的实际价值，且影响模型预测的精确性。其次，该类模型还假设企业资产价值服从正态分布，而实际中企业的资产价值并非呈现正态分布。
（2）基于信用评级变化的风险评估。由于上述模型适用于上市公司的信用风险评估，为了扩大模型的使用范围，出现了一些基于信用评级转移的模型，这些模型借助于传统的信用风险评级，对借款人的信用评级以及次年进行评级时发生变化的概率（评级转移矩阵）、违约贷款的回收率、债券市场上信用风险价差计算出的贷款市场价值及其波动性进行评估，进而得出个别贷款和贷款组合的VAR值，以此对借款公司进行信用风险测度，比如CreditMetrics模型。这样的模型更加适用于对商业信用、债券、贷款、信用证及衍生品等信贷资产及组合进行风险度量。
这些模型的优点是，对违约的概念进行了拓展，考虑了债务人信用等级的变化；采用组合投资的分析方法，更加注重直接分析企业间信用状况变化的相关关系，模型应用广泛，与现代组合投资管理理论更加吻合。其缺点是，这些模型中的违约率是其历史数据的平均值，没有考虑到宏观经济状况的影响；也没有充分考虑到市场风险，如利率、汇率、失业率等的变化，而这些都会引起违约或信用等级的变化；同时计算需要具有强大计算能力的计算机支持，也限制了人们接受这种信用计量方法。与CreditMetrics模型相类似的一些模型较多地依赖信用评级和违约与企业资本结构之间的关系，对违约前提的假设非常多。
（3）基于违约分布的信用风险评估。根据对历史数据的研究，违约率具有一定的分布特征，通常为泊松分布，可以对债务质量做进一步地细分。由同一信用评级债务的违约率分布特征来预测信用工具的预期损失，“信用风险+模型”（creditriskplus，CRP）就是建立在这一思想之上的。
模型利用保险精算的方法，推导出投资组合的损失变量，并把违约事件模型化为有概率分布的连续变量。由于组合的违约率分布是类似于泊松分布的，因此每笔贷款都有很小的违约率并且与其他贷款之间是相互独立的。根据泊松分布公式，可计算出违约率，同时利用各个频度的违约率分布加总来求出贷款组合的损失分布。不同于CreditMetrics模型的盯市模型，“信用风险+计量模型”属于违约预测模型（DM）。
（4）考虑宏观经济环境变化的信用风险评估。借款企业的违约率受宏观经济环境的影响很大，在经济条件较好的情况下，企业的违约率会比较低，如果宏观经济环境变差，评估得到的违约率就会变得很高。一些模型根据违约率和宏观经济因素之间的关系来度量信用风险，比较典型的有Credit Portfolio View模型。
Credit Portfolio View模型是在Credit Metrics模型的基础上，根据GDP增长率、失业率、政府支出等各种宏观因素对债务人的违约率、信用等级转换概率产生的重要影响，运用计量经济学和蒙特卡洛技术，将信用等级转换概率与宏观因素之间的关系模型化，因而得出信用风险度量值。模型中的违约率、转移概率都与宏观经济状况密切相关。当所处的经济环境恶化时，借款企业信用等级的下降和违约的情况则会增加；反之则会减少。
练习题
一、名词解释
1.信用风险暴露
2.违约率
3.回收率
二、简述题
1.信用风险暴露的确定是一个较为复杂的过程，请指出影响真实信用风险暴露的因素，并举例说明。
2.违约率由于无法直接被观察到，因此一般需要进行计算，那么其计算包括哪些步骤？
3.进行信用风险评估在防范信用风险和维护市场经济的有序运行方面起到了重要的作用，其主要体现在哪些方面？
4.试分析基于信用评级转移的风险评估模型的优点和缺点。
三、计算题
1.公司A在近四年中，各年的边际违约率分别为d1=0.05、d2=0.10、d3=0.10、d4=0.20，那么该公司在这四年中的平均违约率d是多少？
2.假设某银行以6%的年利息贷款给一国家企业500万元，该企业提供400万元房产的部分抵押，如果不考虑房价的变化和利率的影响，该银行预期一年后在该贷款上的预期损失不会高于5 000元，那么该银行预期该企业的最高违约率是多少？