杨雁雁

(武夷学院数学与计算机学院， 福建武夷山 354300)

基于公司信贷的信用风险度量与管理

杨雁雁

(武夷学院数学与计算机学院， 福建武夷山 354300)

本文以公司信贷为出发点， 在对公司经营信息、 财务信息、 历史违约信息占有下， 研究商业银行如何对公司信贷的信用风险进行有效的度量与管理. 它包括基于基本分析的信用风险定性分析、 基于财务报表与统计分析的信用风险财务预警、 基于模型的信用风险定量度量. 最后当预计到风险事故将要发生时， 利用金融工具对信用风险进行有效的分散与转移.

公司信贷； 信用风险； 基本分析； 信用风险模型； 风险分散与转移

信用风险包括两个方面， 一是债务人到期没有意愿或没有能力还款导致的违约风险； 二是信用水平的变动导致的债务市场价值的降低给银行造成损失的可能性. 从风险逻辑法的角度， 银行需要找出造成信用风险发生的原因， 即还款意愿、 还款能力和信用评级等. 银行与需要贷款的公司是博弈的双方， 银行只有充分的占有信息， 对信息进行充分的加工与度量， 才能在贷前控制高信用风险的公司准入， 贷中建立风险预警， 及时采取措施， 贷后分散与转移信用风险， 全面对信用风险进行管理， 减少违约事故发生造成的损失.

与信用风险有关的公司信息， 包括公司外部的经济环境， 公司所处行业的发展状况， 公司道德与公司经营的信息， 财务报表信息， 历史违约信息等. 针对上述信息的占有， 本文采用基于行业、 基于经济环境、 基于公司经营的基本面分析法， 与传统的5c分析法相比更加强调宏观性， 行业对比性与动态性. 对财务报表信息的占有上， 在信息准确的前提下， 本文不仅介绍了传统的z评分法， 而且从财务比率和统计分析的角度对信息进行加工， 以增强预警性. 对历史违约信息的处理上， 本文着重从模型的角度定量度量信用风险. 由于主流的度量信用风险的四大模型各有其严苛的模型假设和使用条件， 针对多变且复杂的经济环境， 本文重点阐述不同经济背景与适用条件下模型的应用问题. 信息的充分占有， 数据的充分挖掘， 信用风险的准确度量， 是银行管理信用风险成败的关键.

国内对信用风险的度量与管理研究大多从单一侧面展开， 缺乏系统性. 例如张乐[1]从经验方法、 经济计量方法的角度描述信用风险计量方法. 胡心瀚等[2]从统计分析的角度描述信用风险分析中的变量选择. 李丽丽[3]从加强内部评级、 建立预警系统、 完善信息的角度对商业银行信用风险管理提出建议， 李子玉[4]强调了建立数据驱动型信用风险的必要性. 彭建刚等[5]对creditrisk+模型的应用做了探讨. 曹道胜等[6]对四大信用风险模型做了比较. 李永军等[7]对信用衍生工具对缓释信用风险的必要性和有利条件作了探讨. 本文由风险管理的系统性原则出发， 分别从信息的充分占有， 信用风险模型的有效选择， 信用风险的全过程管理三个角度对公司信贷信用风险的度量与管理进行研究.

1 外部的、 经验的、 定性的信用风险度量初判

外部的、 定性的信用风险的度量发生在信贷之前的资信审查阶段， 充分利用所掌握的信息， 对要求贷款的公司进行初步的筛查， 防范于未然. 传统的分析方法主要是基于公司经营的5c分析法， 然此方法缺乏宏观性与行业对比性. 本文采用基本面分析法对信用风险进行度量与管理， 它包括宏观经济形势分析、 行业发展分析、 公司经营特性分析.

宏观经济形势分析包括整个经济大环境所处的经济周期， 是经济上行、 快速发展还是经济下行、 发展缓慢， 通货膨胀率、 利息率、 失业率、 宏观经济政策(包括财政政策和货币政策)， 都是银行需要考查的变量， 它直接影响银行信贷总量， 进而影响信贷个体的信贷额度. 同时经济的波动周期与波动幅度直接影响历史数据对未来预测的准确程度.

行业发展分析. 银行对不同公司做贷前审查时， 公司所处的行业发展状况必须考虑在内. 公司信用风险在同一行业因素的影响下具有较强的相似性， 在所要求信贷的公司信贷数据不足的情况下， 同行业相似的公司的信贷数据可以为银行提供参考. 公司所在行业的生命周期所处的阶段， 是创业阶段、 成长阶段、 成熟阶段还是衰退阶段， 行业发展势头与国家对行业发展的支持程度都是重要的参考指标. 公司经营特性分析， 我们主要从六个方面来描述， 包括：

1) 品质. 主要包括公司的商业道德与公司声誉， 以往的信贷或信用销售中的违约情况与不良记录， 主要负责人的品德， 公司经营方针和资金运用是否健全.

2) 能力. 从公司实力、 财务状况、 经营状况、 生产能力、 资金运转能力来考察其是否具有偿还贷款的能力.

3) 资本. 存货厂房、 自有资金规模等资本对债权的保障程度.

4) 环境. 公司在所处行业的竞争地位、 地理区位、 市场占有率、 市场竞争情况， 强调对比性.

5) 公司治理. 考察管理层的实力对公司发展的保障程度， 包括董事会的构成， 成员与管理层成员的专业知识与决策管理能力， 管理层的独立性与稳定性， 以及信息披露情况.

6) 抵押担保与保险. 公司所要提供的抵押品的质量与价值， 公司是否对重要交易和资产进行投保.

其中品质、 环境、 资本、 能力是静态指标， 考察当前的资产状况与还款的可能性； 公司治理是一种动态指标， 强调管理层对当前还款可能性的延续与发展； 担保与保险表示一旦资产恶化或即将发生违约， 能多大程度地减少损失的额度.

与传统的5c法相比， 基本分析法与5c分析法都依赖于专家的经验与能力， 具有很强的主观性. 不同之处是， 基本分析法更加强调宏观性、 行业对比性与发展性. 基本分析发生在资信审查阶段， 是银行对贷款质量的提前预判， 成本低操作性强.

2 财务报表的信用风险再计量

假设不存在信息不对称的情况， 财务报表真实可信. 我们有两种方法来度量借款人的信用风险情况：

一是财务指标与违约参数呈现线性关系， 著名的有z评分模型与ZETA评分模型. 以z评分模型为例， 它通过统计方法， 选取五个财务指标作自变量， 五个财务比率分别为：

X1=营运资本/总资产；

X2=保留盈余/总资产；

X3=息税前利润/总资产；

X4=股权市值/总负债面值；

X5=销售额/总资产，

则债务公司信用指标：

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

根据Altman的研究结果， 当z<1.81时， 借款公司会违约； 当z≥2.99时， 则借款公司会履约； 当1.81≤z<2.99时， 为未知区域， 判断误差大， 需要辅以其他方法判断. 将X4中的股权市值用账面价值替代， 则可得到非上市公司的z评分模型

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

线性模型具有较强的适应性与操作性， 在预防信用风险事故发生的资信审查阶段可以很好地应用， 然而现实经济的非线性性和其理论基础的薄弱性， 使其使用范围有所限制.

另一种是基于统计分析的非线性方法， 主要有因子分析和logistic模型法. 其主要思想是：

1) 对财务报表中的数据构造财务比率指标. 主要从六个方面构造， 分别为盈利能力、 现金流量、 偿债能力、 资金运作效率、 成长能力、 盈余能力. 以偿债能力为例， 短期偿债能力包括速动比率=(流动性资产—存货)/流动性负债， 流动比率=流动性资产/流动性负债， 现金比率=现金及其现金等价物/流动性负债. 长期偿债能力包括资产负债率=负债总额/资产总额， 利息保障倍数=息税前利润/利息费用[8].

2) 对照变量的选取. 为增加预测的准确度， 违约组和非违约组要在相同行业、 相近地理区域选取， 以降低误差.

3) 剔除非显著性变量. 由于财务指标较多， 随机选取等量的违约样本和非违约样本， 对各个指标作显著性检验， 剔除非显著性变量.

4) 对剩余变量做因子分析， 并提取公因子， 得出因子得分函数.

5) 对所选取的因子做logistic回归分析， 得危机预测模型.

6) 设定临界点， 把需要作出信贷决策的公司财务比率带入模型作出判断.

此方法的关键是违约组与非违约组财务数据的采集. 工作量大， 适合银行在公司所在行业已建立信贷数据库且数据充分的前提下使用. 然而要求信贷的公司提供给银行的财务报表数据不一定准确， 且银行并没有建立有效的数据库， 该方法并没有得到很好的应用.

3 基于模型的信用风险定量分析

无论是信贷发生前对要求信贷的公司的资格审查还是信贷发生后对信用风险事故发生的有效预警， 都离不开对信用风险的定量分析. 然模型具有严苛的假设条件和使用条件， 现实经济环境是复杂多变的. 本文以信用风险度量的主流模型为例， 说明特定环境下的主流信用风险模型的使用问题.

现在主流的度量信用风险的模型有Credit Metrics模型、 Credit Risk+模型、 KMV模型和Credit Portfolio View模型. 我们根据这四个模型的不同假设条件， 结合多变的经济环境， 探讨基于公司信贷的信用风险的模型应用问题.

3.1 Credit Metrics模型应用

Credit Metrics模型的关键性假设， 一是信用风险与市场风险无关. 如果在所截取时间区间内， 市场变量稳定， 或市场变量没有显著的波动， 即环境变量不是造成同行业内公司与公司违约与否显著性差异的变量， 这时我们可以假设信用风险与市场风险无关， 只与公司经营与公司道德有关； 二是违约， 不仅指没有按时完全偿还债务， 还包括信用等级下降导致的债务市值的下降， 这里的关键是信用等级转移矩阵的获得. 假设银行对公司所在行业有充分的交易数据与信用数据记录， 则银行可以根据历史数据得到信用等级转换概率与违约概率， 即有信用等级转移矩阵， 如果知道公司的信用评级情况， 那么就可以求出所求债务的经济资本. 具体运算过程如下：

设债券到期期限为T， 债券等级为m，Mjk表示信用等级为j时第k年的净现金流，rjk表示信用等级为j时第k年的零利率收益率，cj表示信用等级为j时债务的现值. 则

设由当前信用等级转移为j等级的概率为pj， 则

采用蒙特卡洛模拟方法， 累加该债务项最差的信用等级迁移概率使其等于1-σ， 此时对应的债务价值与均值之差即为VAR值.

3.2 Credit Risk+模型应用

Credit Risk+模型的核心假设是每笔债务违约概率小且相互独立. 这一点可以在特定经济背景下实现， 例如经济整体繁荣且稳定， 社会秩序好， 市场化充分， 我们可以假设每笔债务违约率小. 当银行面向全体经济实体实施信贷， 且信贷充分分散化时， 可以假设每笔债务相互独立. 采用Credit Risk+模型， 则贷款组合的违约次数服从泊松分布：

将贷款损失按其严重性程度进行分组， 并将各组损失汇总， 可得到贷款组合的损失分布.

Credit Risk+模型对单笔贷款并没有详细阐述， 而单笔贷款的违约概率与损失额度却是模型的输入量. 因此， Credit Risk+模型是在已知单笔贷款的违约概率、 违约波动率与损失额度， 在每笔债务违约概率小且相互独立的前提下， 处理不同地区、 不同部门、 不同时限的贷款组合的风险暴露， 是银行对贷款组合整体信用风险的度量.

3.3 KMV模型的应用

KMV模型的核心假设， 一是公司股票价格满足BS模型的基本假设， 公司价值变化过程服从itoprocess， 针对的是上市公司； 二是资产价值大于债务价值则不违约， 反之则违约， 即不存在公司资金充足恶意欠款的可能. 把公司的股权看成一种期权， 由期权定价公式和对期权定价公式等式两边求微分所得式， 可得以下方程组

(1)

其中

VE表示公司股权的市场价值，σE表示公司股权市值波动率，VA表示公司资产的市场价值，σA表示公司资产市场价值波动率，X为违约边界，T为到期日，R为无风险利率.

如果知道股权市值及其波动率， 由方程组(1)就可以求出资产价值及其波动率. 违约距离为

其中DPT是违约点， 它的取值为流动性负债加上50%的长期负债. 由违约距离与违约概率的映射关系， 求出违约概率. 如果知道违约损失率的分布情况， 那么就可以求出债务损失.

在KMV模型的实际应用中， 上市公司违约距离与违约概率的映射关系可由历史的违约数据与股票数据建立. 通过实时更新的上市公司股票信息求出违约距离， 进而求出实时的违约概率与资产损失， 以便贷后对上市公司信贷的信用风险状况及时监控与预警. 也可以在贷前对上市公司违约情况进行度量， 通过拒贷信用风险高的公司来减少违约事件的发生对银行造成的损失.

3.4 Credit Portfolio View模型应用

当宏观经济变量， 例如经济周期、 长期利率水平、 GDP增速、 政府支出等对信用等级迁移的改变不可忽略时， 可以采用Credit Portfolio View模型. 设t时刻的条件迁移概率为pt，

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

其中Xit是t时刻的一组宏观经济变量，Vt是随机变量. 由于宏观经济变量的经济含义与数量及其对条件迁移概率函数的影响难以确定与检验， 目前在我国应用的可能性较小.

4 公司信贷信用风险的分散与规避

无论是基于基本分析的定性分析， 还是基于公司财务报表和信用风险模型的定量计量， 都是为了对公司信贷信用风险进行有效度量， 以便贷前对要求贷款的公司进行审查， 控制风险高的公司的信贷准入， 防范于未然， 贷中对风险及时监控， 建立有效的风险预警. 当预测到信贷资产恶化， 违约事件将要发生时， 及时采取措施， 对信用风险进行有效的规避与转移. 研究表明， 信用风险暴露前180天采取措施， 平均损失为1%～2%； 信用风险暴露前30天采取措施， 平均损失为10%～20%； 不采取任何预防措施， 风险损失可达50%以上[3].

1) 持有分散的贷款组合. 银行通过发放不同种类且相关性低的贷款以分散风险， 通过贷款种类授信方式的搭配以建立有效的资产组合， 控制贷款在行业、 地区等方面的集中度来减少风险损失.

2) 资信审查， 风险预警与抵押. 通过行业发展信息与公司经营信息以及财务信息的分析， 对要求信贷的公司的信用风险进行评估， 以限制高风险的公司的信贷准入. 利用金融统计分析和模型定量计量的方法建立风险预警系统， 及时发现风险暴露， 采取相关措施， 防范于未然. 把信用违约造成的损失数据及时在损益表中更新， 通过贷款损失准备金的提取来降低信用违约造成的损失. 当违约发生时， 有效的担保和抵押物可以减少损失的数额.

3) 不良贷款的核销转让与衍生产品工具的使用. 不良贷款的核销转让是传统的处理不良贷款的方式. 随着中国金融市场的进步与衍生产品市场的不断发展， 信用衍生产品工具， 包括总收益互换、 信用违约互换、 信用联结票据、 债务担保凭证等， 在转移信用风险中发挥着越来越重要的作用. 金融衍生工具通过信用风险从不同风险偏好的投资者之间的转移， 为银行解决不良贷款提供出路. 信用衍生产品工具的使用， 可以有效转移中小公司信贷的信用风险， 扩大其融资规模， 为解决中小公司融资难提供出路.

[1] 张乐. 现代信用风险计量方法与我国商业银行的信用风险管理研究[J].开发研究， 2014(5):114-118.

[2] 胡心瀚， 叶五一， 缪柏其. 上市公司信用风险分析模型中的变量选择[J]. 数理统计与管理， 2012， 31(6):1117-1124.

[3] 李丽丽. 对我国商业银行信用风险管理的思考[J]. 黑龙江对外经贸， 2006(1):66-67.

[4] 李子玉. 数据驱动型信用风险管理[J]. 中国金融， 2017(2):74-75.

[5] 彭建刚， 张丽寒， 刘波， 屠海波.聚合信用风险模型在我国商业银行应用的方法论探讨[J]. 金融研究， 2008(8):72-85.

[6] 曹道胜， 何明升.商业银行信用风险模型的比较及其借鉴[J]. 金融研究， 2006(10):90-97.

[7] 李永军， 丁守海， 刘 晔. 信用衍生工具： 缓释商业银行信用风险的有效途径[J]. 国际经济合作， 2017(2):91-95.

[8] 邹宏元. 金融风险管理[M]. 成都： 西南财经大学出版社， 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

杨雁雁(1986—)， 女， 河南汝州人， 硕士， 助教. 研究方向： 金融数学.

[责任编辑 王保玉]