本站小編為你精心準(zhǔn)備了國內(nèi)商業(yè)銀行信貸風(fēng)險管控探微參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

一、普通參數(shù)組對于資產(chǎn)組合Ⅰ的模擬

這一模擬是以普通參數(shù)組為基礎(chǔ)，包括了一個固定的40%回收率，24%的資產(chǎn)相關(guān)性，表2來自轉(zhuǎn)移矩陣，利差來自Nelson-Siegel曲線（Nelson，Siegel1987），其中，零息債券的到期時間為t的利率通過公式（1）給出：在此普通參數(shù)組中，我們?nèi)孕杓僭O(shè)其他一些個自得參數(shù)。包括一些盯市的收益或損失，模擬的次數(shù)和決定是否使用方差逐次減少的技術(shù)等。一個關(guān)鍵的參數(shù)就是如何使一個年度違約率應(yīng)用到一個短期久期頭寸上。

表3顯示了在輸入普通參數(shù)組，在各種不同置信水平VAR和ES的情況下對于資產(chǎn)組合Ⅰ模擬的結(jié)果。分析表3的起點是運(yùn)用預(yù)期損失的分析估算模型的有效性。設(shè)資產(chǎn)組合中評級為AAA的占80%，評級為AA的占17%，評級為A的占3%，如果這些權(quán)數(shù)分別乘以他們的違約率（分別設(shè)為1、4、10個基點）和違約損失LGD（1減回收率），就得出違約狀態(tài)下的損失，假設(shè)存款為一年期限，就得出違約狀態(tài)下的損失為（0.8*0.0001+0.17*0.0004+0.03*0.0010）*0.6=1.1。在轉(zhuǎn)移模型中，預(yù)期損失將會更高，但在此由一年期違約概率轉(zhuǎn)變?yōu)橐粋€月的違約概率更能證明相關(guān)問題。不同的轉(zhuǎn)移技術(shù)解釋了各種預(yù)期損失的差別。例如，銀行4估計出最高的預(yù)期損失，這一點與其最保守的假設(shè)相一致。

要分析模擬結(jié)果產(chǎn)生的預(yù)期損失，分析由違約引起的比例和由評級轉(zhuǎn)移引起的比例是很重要的。我們假設(shè)兩個參者去模擬違約過程。他們都要運(yùn)用相同的模擬系統(tǒng)（CreditManager）和相同的參數(shù)輸入，并且除了轉(zhuǎn)移到違約一級的概率其他轉(zhuǎn)移概率設(shè)為0，評級保持不變的概率逐漸增加。這樣，我們就可以把違約對于總體損失的貢獻(xiàn)獨(dú)立出來。而另一個參與者使用的違約模型和轉(zhuǎn)移模型并不是用來分解模擬結(jié)果的，而是用來測量敏感度分析的。表4展示了分解的結(jié)果。由于違約引起的預(yù)期損失3倍于因轉(zhuǎn)移而引起的預(yù)期損失，這一點即使對于由高質(zhì)量資產(chǎn)組成的資產(chǎn)組合Ⅰ也成立。表中結(jié)果表明在較低的置信水平，評級的轉(zhuǎn)移是風(fēng)險的重要來源，但隨著置信水平的增加，違約引起的風(fēng)險變得相對重要。在99.99%的置信水平下，幾乎所有的風(fēng)險都來自違約。從表4可以看出，VAR和ES在置信水平為99.9%時還是較小的，但達(dá)到99.99%后，VAR和ES顯著增加。在置信水平為99.9%時，信用的在險價值CreditVAR和市場風(fēng)險相比是無關(guān)的。然而，一旦置信水平達(dá)到99.99%，信用風(fēng)險就成為風(fēng)險來源的主要部分。

用來計算對預(yù)期損失具有很大影響的違約概率的數(shù)學(xué)公式，幾乎對ES和VAR沒有什么影響。因為資產(chǎn)組合中短期信貸的權(quán)重較小，收益率分布的尾部部分很大程度上取決于大額發(fā)行者的的違約程度。這種模擬結(jié)果的相似性隨著置信水平的提升而增加。例如，在置信水平為99.99%時，ES的最高值和最低值的比率為1.04，而在置信水平為99.00%時，這種比率為2.16。這個結(jié)論對VAR也成立。隨著置信水平的增加，違約或評級降級情況就會集聚，在極端的情況下（置信水平接近100%），所有的發(fā)行者都會違約。為確定模擬結(jié)果的統(tǒng)計意義，模擬參與者在CreditManager輸出結(jié)果的基礎(chǔ)上，應(yīng)該報告VAR估計的置信邊界。置信邊界就是所觀察到的觀察量超出VAR的符合二項分布的隨機(jī)變量：n×（1-α）n為模擬結(jié)果的個數(shù)；α為置信水平。

例如，如果來自100000模擬結(jié)果的置信水平為99.99%的VAR，則預(yù)期的超出VAR的數(shù)量是100000*（1-0.9999）=10。均值為n×（1-α）姨的二項分布的標(biāo)準(zhǔn)差為，二項分布的標(biāo)準(zhǔn)差隨著模擬數(shù)量n的增加而增加，但個別的模擬結(jié)果更加分散。置信邊界在置信水平為99.00%和99.90%時的VAR是非常準(zhǔn)確的。在100000模擬后，顯示出的標(biāo)準(zhǔn)差為0%。然而隨著置信水平增加到99.99%，VAR的不確定性也在增加。模擬的離散度如圖1所示。

二、運(yùn)用普通參數(shù)組對資產(chǎn)組合Ⅱ的模擬結(jié)果

資產(chǎn)組合Ⅱ中含有到期時間小于一年的資產(chǎn)的比例要比資產(chǎn)組合Ⅰ小，但這些資產(chǎn)的平均到期時間大于一個月，因此，這些資產(chǎn)由年度違約率向更短時期違約率轉(zhuǎn)變的相關(guān)性更小。模擬結(jié)果如表5和圖2所示：之前我們做過的觀察結(jié)果也可以運(yùn)用在資產(chǎn)組合Ⅱ上，可以看出，有一些短時期資產(chǎn)組成的資產(chǎn)組合，至少有一項資產(chǎn)違約的概率大約為12%。這個資產(chǎn)組合Ⅱ包含平均違約率為0.22%的62個信貸者，假設(shè)他們之間是獨(dú)立的，則至少一項資產(chǎn)違約的概率估計為：1-（1-0.22%）62=12.8%銀行1、2、3、4的預(yù)期損失都在20個基點左右，銀行5較高。我們可以看出他們的尾部測量相似，表明出現(xiàn)這些差別并不是由于計算的錯誤，而是由于定義的差別。表6對展示了對模擬結(jié)果分解為違約和評級降級的狀況。表中結(jié)果顯示由違約原因引起的預(yù)期損失略小于50%（47.6%）。這一結(jié)果要比資產(chǎn)組合Ⅰ的75.6%小，主要是因為資產(chǎn)組合Ⅱ的久期較大。另外，即使置信水平在99.99%，由評級降級引起的VAR和ES也不能忽略不計。

不過，在置信水平為99.00%和99.90%時，資產(chǎn)組合Ⅱ的VAR和ES要大于資產(chǎn)組合Ⅰ，但是在置信水平為99.99%時，卻變小了。這都說明了相同的原因：資產(chǎn)集中度。在非常高的置信水平下，信用風(fēng)險并不是來自平均評級級別或信用質(zhì)量，而是來自資產(chǎn)集中度。即使有一很低的違約率，在某一置信水平下，占有很大權(quán)重的信貸資產(chǎn)違約發(fā)生，那么違約影響還是很嚴(yán)重的。因為資產(chǎn)組合Ⅰ中資產(chǎn)集中程度要大于資產(chǎn)組合Ⅱ，所以它的VAR和ES要確實高于資產(chǎn)組合Ⅱ，即使資產(chǎn)組合Ⅱ的總體評級狀況更低。從另一方面來說，一個信貸質(zhì)量高的組合不定它的風(fēng)險就低，在一個高置信水平下，資產(chǎn)的多樣化起關(guān)鍵性作用。

三、我國商業(yè)銀行使用

CreditMetrics模型的政策建議近年來，盡管我國商業(yè)銀行在信貸風(fēng)險度量方面做了很大努力，但是離現(xiàn)代信用風(fēng)險度量模型特別是CreditMetrics模型的使用要求還有一段的距離。為了使CreditMetrics模型能更好地衡量商業(yè)銀行信貸風(fēng)險，我們必須做好以下準(zhǔn)備工作。

（一）技術(shù)層面建設(shè)

1.建立信貸風(fēng)險基礎(chǔ)數(shù)據(jù)庫，強(qiáng)化數(shù)據(jù)管理。CreditMetrics模型的建立需要進(jìn)行大量的參數(shù)估計，包括違約率、回收率、信用等級轉(zhuǎn)換概率等，他們的估計都是以歷史數(shù)據(jù)為基礎(chǔ)的。缺少這些歷史統(tǒng)計數(shù)據(jù)，就不能對信貸違約率和損失率進(jìn)行統(tǒng)計分析，CreditMetrics模型所需的信用風(fēng)險概率分布、信用轉(zhuǎn)移矩陣就無從產(chǎn)生。

2.加強(qiáng)銀行內(nèi)部評級與外部評級相結(jié)合。獲取商業(yè)銀行借款人的信用評級的級別有兩種渠道，一是通過銀行內(nèi)部評級得到，另一種就是通過信用評級機(jī)構(gòu)（外部評級）獲得。從外部評級機(jī)構(gòu)來說，西方信用評級的數(shù)據(jù)一般都是由穆迪、標(biāo)準(zhǔn)普爾這樣的國際知名評級機(jī)構(gòu)提供的，這些機(jī)構(gòu)起步早，具有一整套完整的、成熟的評級系統(tǒng)，而我國信用評級機(jī)構(gòu)雖然處于發(fā)展初期，但是在建立自己的信用風(fēng)險度量模型時決不能照搬別人的數(shù)據(jù)，而是需要制定出符合中國國情的評級標(biāo)準(zhǔn)和評級方法，以使銀行內(nèi)部信用評級能與之相結(jié)合。

（二）制度層面建設(shè)

1.企業(yè)制度基礎(chǔ)。目前我國國有銀行存在的主要問題是，內(nèi)部治理結(jié)構(gòu)中委托人、人責(zé)權(quán)利不明，風(fēng)險承擔(dān)主體不明，從而無法建立完善的風(fēng)險內(nèi)控機(jī)制和激勵機(jī)制。因此，我們應(yīng)繼續(xù)深化銀行的股份制改革，優(yōu)化股權(quán)結(jié)構(gòu)，完善內(nèi)部治理機(jī)制，健全風(fēng)險管理機(jī)構(gòu)的獨(dú)立性，這樣，才能保證CreditMetrics模型等技術(shù)的實施。

2.監(jiān)管制度基礎(chǔ)。目前我國銀監(jiān)會對商業(yè)銀行信用風(fēng)險的監(jiān)管主要通過對資產(chǎn)負(fù)債比例指標(biāo)的監(jiān)控完成。為有效實施CreditMetrics模型和采用內(nèi)部評級法，銀監(jiān)會需調(diào)整和改進(jìn)監(jiān)管內(nèi)容和方式，包括確立數(shù)據(jù)收集、違約概率估計方法、評級體系標(biāo)準(zhǔn)及銀行內(nèi)控機(jī)制建設(shè)要求等。

3.金融市場制度基礎(chǔ)。CreditMetrics風(fēng)險管理技術(shù)的運(yùn)用需要有效的完善的金融市場環(huán)境，包括利率的市場化、增強(qiáng)市場的流動性、健全信用衍生產(chǎn)品市場等，為CreditMetrics風(fēng)險管理技術(shù)的實施提供一個良好的外部環(huán)境。

（三）文化層面建設(shè)

1.提高銀行對信用風(fēng)險的辨識、評估能力，對現(xiàn)代風(fēng)險管理方法和技術(shù)的吸收、借鑒能力和風(fēng)險管理模型的開發(fā)運(yùn)用能力。

2.要強(qiáng)化銀行全體員工的風(fēng)險觀念和意識，使他們不僅要意識到風(fēng)險的重要性，還要以科學(xué)的態(tài)度去處理風(fēng)險，具備不斷學(xué)習(xí)風(fēng)險管理新知識的愿望和探索先進(jìn)風(fēng)險管理新方法的精神，確立現(xiàn)代風(fēng)險觀念。

3.強(qiáng)化人力資源管理。商業(yè)銀行對風(fēng)險的辨識、計量、分析與防范過程中，必須落實到人，責(zé)任明確。總之，我國商業(yè)銀行將CreditMetrics模型應(yīng)用到信用風(fēng)險度量正處于起步階段，在世界經(jīng)濟(jì)全球化、國際銀行業(yè)競爭日趨激烈的狀況下，將先進(jìn)的信用風(fēng)險度量模型應(yīng)用到我國商業(yè)銀行中，對于提升我國商業(yè)銀行的國際競爭力，增強(qiáng)我國的綜合國力具有深遠(yuǎn)的意義。我國商業(yè)銀行風(fēng)險管理任重而道遠(yuǎn)。

作者：郭玉敏劉陽單位：國家開發(fā)銀行天津分行