商业银行信用风险管理及实证研究

学校代码：10036

硕士学位论文

商业银行信用风险管理及实证研究

培养单位：国际经济贸易学院

专业名称：金融学

研究方向：商业银行业务

作者：王凡

指导教师：吴青

论文日期：二〇一〇年五月

Credit Risk Management and Empirical Study of Commercial Bank

学位论文原创性声明

本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文所涉及的研究工作做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律责任由本人承担。

特此声明

学位论文作者签名：年月日

学位论文版权使用授权书

本人完全了解对外经济贸易大学关于收集、保存、使用学位论文的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提供目录检索以及提供本学位论文全文或部分的阅览服务；学校有权按照有关规定向国家有关部门或者机构送交论文；在以不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。保密的学位论文在解密后遵守此规定。

学位论文作者签名：年月日导师签名：年月日

摘要

商业银行信用风险管理是关系到银行体系乃至整个国民经济稳定的大问题，加强对信用风险的研究具有重要的理论和现实意义。

本文在分析我国商业银行信用风险现状和形成原因的基础之上，对于当下主流的信用风险度量模型进行了比较，对于他们是否适合中国的实际情况进行了分析。在上述分析的基础之上，本文认为KMV模型比较合理且进行实证分析的条件相对成熟。由于上市公司的数据容易获得且准确度高，文章选取了沪深两市纺织服装行业2009年被ST的5家公司，并选取了5家相对应的非ST公司进行比较。由于历史违约数据的积累工作滞后，确定违约距离和实际预期违约率之间的映射目前尚无法实现，因此本文采用违约距离作为度量指标。研究表明，套用KMV已有的违约距离并不能很好地解释ST公司比非ST公司具有更高的信用风险，故而本文假设资产价值服从对数正态分布而不是一般正态分布，对KMV模型的违约距离进行了修正，实证结果表明修正的KMV模型能够较好地区别纺织服装行业内ST公司和非ST公司的信用风险。

在分析信用风险形成原因和各种风险度量模型的基础上，文章在最后有针对性地提出了一些建议。

关键词：商业银行，信用风险，KMV模型，纺织服装业上市公司

Abstract

Commercial bank's credit risk management is a major issue that is related to the stability of the banking system and even the entire national economy. Researches on such issue are helpful both in theoretical and realistic aspects.

Based on the analysis of credit risk status and reasons of Chinese commercial banks, we compare a series of risk assessment models and come to the conclusion of whether they are feasible in China .After discussion, we think KMV model is reasonable and can do the empirical analysis in China. As listed companies are easily accessed and they have high accuracy, We choose 5 listed companies in China textile and apparel industry that are special treated in 2009, and choose 5 normal companies that of same size with ST companies. Due to the historical lag in the accumulation of data, the foundation between the default distance and the actual expected default probabilities cannot be established yet. So we use the default distance as a metric. Researches prove that that the existed default distance of KMV model cannot properly explain the ST companies have a higher credit risk than non-ST companies. Therefore we assume that the value of assets is subject to the log-normal distribution rather than the general normal distribution and modify the default distance of the KMV model. Empirical results show that the modified KMV model can distinguish the credit risk between ST companies and non-ST companies better in textile and apparel industry.

Based on the analysis of reasons and assessment models of credit risk，we put up some suggestions for the credit risk management of commercial banks.

Keywords: Commercial bank, Credit risk, KMV model, Listed companies in textile and apparel industry

目录

第一章绪论 (1)

1.1 研究背景及现实意义 (1)

1.2 国内外研究现状 (2)

1.2.1 国外研究现状 (2)

1.2.2 国内研究现状 (4)

1.3 研究内容与方法 (5)

1.3.1研究内容框架 (5)

1.3.2研究方法及可行性 (6)

第二章商业银行信用风险概述 (7)

2.1 商业银行信用风险的概念与特征 (7)

2.2 信用风险管理的概念与方法 (9)

2.3 现代信用风险度量模型的比较 (10)

第三章我国商业银行信用风险管理的现状分析 (13)

3.1 我国商业银行信用风险管理存在的主要问题 (13)

3.2 我国商业银行信用风险成因分析 (15)

3.3 我国现行的商业银行信用风险管理 (16)

第四章构建我国的商业银行信用风险度量模型 (18)

4.1 前述四种信用风险度量模型对我国商业银行的适用性 (18)

4.2 KMV模型实证研究 (20)

4.2.1 KMV模型的理论基础和计算过程 (20)

4.2.2参数的选择 (22)

4.2.3计算V和σ (24)

4.3 对KMV模型的修正 (28)

4.3.1 对违约点（DP）的修正 (28)

4.3.2 对违约距离（DD）的修正 (29)

4.4 结论和不足 (31)

第五章完善我国商业银行的信用风险管理对策 (34)

5.1 完善我国商业银行的信用风险管理的宏观对策 (34)

5.2 完善我国商业银行的信用风险管理的微观对策 (35)

参考文献 (37)

附录A (40)

致谢 (41)

个人简历及在读期间发表的学术论文与研究成果 (42)

第一章绪论

1.1 研究背景及现实意义

风险管理与商业银行的日常经营管理紧密相关，风险管理能力更是现代商业银行最重要的核心竞争力。随着我国金融机构改革的日益深化，以及2006年12月起的金融业全面对外开放，作为金融体系的中流砥柱，商业银行越来越清晰地认识到健全的风险管理体系在其长远发展中具有及其重要的战略地位。为了有效识别和控制风险，首先商业银行有必要对其所面临的风险进行明确分类。结合商业银行经营的主要特征，根据诱发风险的原因，巴塞尔委员会将商业银行面临的风险划分为信用风险、市场风险、操作风险、流动性风险、国家风险、声誉风险、法律风险以及战略风险八大类。其中，信用风险是商业银行与生俱来的一种风险，是金融市场上最为古老的一类风险，也是最重要最复杂的一种风险。商业银行信用风险的控制与管理对于整个金融市场乃至国民经济都具有举足轻重的作用。

表1.1 2005年-2008年商业银行不良贷款情况表1

在我国，由于长期以来的体制和机制方面的原因，商业银行风险管理的意识和风险管理的水平始终较为薄弱。尤其是在我国从计划经济向市场经济的转轨过程中，商业银行在信用风险管理中暴露的问题就显得尤为突出，使其在经营上面临着巨大不确定性。近年来，通过多种方式，商业银行处置了相当数量

1数据来源：中国银监会:https://www.360docs.net/doc/f8333403.html,/

的不良资产，但从银行业自身来看，尚未从根本上解决新的不良资产问题，信用风险仍然较大。而我国商业银行信用风险管理水平与国际大银行相比，差距始终存在，信用风险计量才刚刚起步。因此，进行信用风险管理研究，提升我国商业银行信用风险管理水平，是我国商业银行面临的重要课题。

1.2 国内外研究现状

1.2.1 国外研究现状

随着计算机技术的蓬勃发展和世界一体化进程加快，运用高级数量经济方法度量和管理风险在国际上成为一种流行。特别是90年代以来，随着信用衍生产品的出现和发展，信用风险量化模型在国际金融界特别是银行界得到了重视，一些大银行纷纷试图建立度量信用风险的内部方法与模型。国际上有关信用风险度量和管理方法的发展历程，可以总结为：

20世纪80年代以前，古典信用分析方法2。

(1) 专家分析法。金融机构主要依赖于主观分析或定性分析法衡量信用风险。目前所使用的专家方法，虽然有多种多样的架构设计，但其选择的关键要素都基本相似。其中，对企业信用分析的“5C”法使用最为广泛。它包括借款人的品德(Character)、能力(Capacity)、资本(Capital)、抵押(Collateral)、经营环境(Conditions)。除“5C”法外，使用较为广泛的还有针对企业信用系统的“5P”法和针对商业银行等金融机构的骆驼（CAMELs）分析法。专家分析法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带来的一个突出问题是对信用风险的评估缺乏一致性和客观性。

（2）评级方法。评级方法是在美国货币监理署(OCC)最早开发的评级系统基础上拓展而来，OCC对贷款组合分为正常、关注、次级、可疑、损失等5类，并要求对不同的贷款提取不同比例的损失准备金以弥补贷款损失。随后经过多年的实践，很多银行扩展了贷款的信用评级方法，据Fadil（1997）与Treacy 和Carey（1998）3的调查，美国银行持股公司和排名前50位的银行在内部评级

2〔美〕约翰.B.考埃特，爱德华.工.爱特曼：《演进者的信用风险管理》，石晓军等译，北京，机械工业出版社，2001年版。

3中国银行业从业人员资格认证办公室：《风险管理》，北京，中国金融出版社，2008年版。

中，将贷款细分为9-10个级别，使贷款的划分更为精确。

（3）信用评分法。这种方法利用可观察到的借款人特征变量计算出一个数值（得分）来表示信用风险，再将借款人归类于不同的风险等级。其代表为Z 计分模型。Z计分模型是Altman(1968)4年提出的以制造业的财务比率为基础的多变量模型。该模型通过分析一组变量，使其在组内差异最小化的同时实现组间差异最大化，在此过程中要根据统计标准选入或舍去备选变量，从而得出Z 判别函数。作为违约风险的指标，Z值越高，违约概率越低。1977年，Altman、Haldeman和Narayanan5又提出了第二代Z计分模型——ZETA信用风险分析模型，主要用于非金融类公司，其使用范围更广，对违约概率计算也更精确。

20世纪80年代以后，现代信用风险度量方法

（1）Credit Metrics模型。由美国J.P. Morgan（1997）6公司推出的Credit Metrics模型本质上是一个VaR模型，VaR是指在正常的市场条件和给定的置信水平上，用于评估和计量金融资产在一定时期内可能遭受的最大价值损失。模型以信用评级为基础，不仅可以识别贷款、债券等传统投资工具的信用风险，而且可以用于现代金融衍生工具的风险识别，已运用于发达国家大银行的信贷风险管理中，迅速成为行业标准模型之一。

（2）Credit Risk+模型。1993年Credit Suisse First Boston（CSFB）银行开始了关于信用风险管理的研究。随后CSFB（1997）7推出了依据针对火灾险的财险精算原理的Credit Risk+模型。该模型认为，贷款组合中不同类型的贷款同时违约的概率是很小的且相互独立，因此，贷款组合的违约概率服从泊松分布。其应用范围广泛，适用于公司贷款、零售贷款、衍生工具和可交易债券等。

（3）Credit Portfolio View模型。McKinney（1997）8公司在Credit Metrics 模型的基础上，对周期性因素进行了处理，将评级转移矩阵与经济增长率、失业率、利率、政府支出等宏观经济变量之间的关系模型化，然后通过不断加入宏观因素冲击来模拟转移概率的变化，得出模型中的一系列参数值，可以看成是对Credit Metrics模型的补充。

4E.I.Altman.Financial ratios，discriminant analysis and the Prediction of corporate bankruptcy J. Journal of Finance. V ol.23 1968, p.189-209.

5Altman, Haldeman, and Narayanan. ZETA analysis: A new model to identify bankruptcy risk of corporations J. Journal of Banking and Finance，V ol.1 1977，p.29-54.

6J.P. Morgan. Credit Metrics. Technical Document，1997

7Credit Suisse Financial Products. Credit Risk Plus Technical Document,1997

8McKinsey Co. Credit Portfolio View. Technical Document,1997

（4）KMV模型。该模型是KMV9公司1995年在期权定价理论基础上建立起来的。它认为一家公司或企业之所以违约是因为其资产的市场价值下降到负债的账面价值之下，丧失了偿债能力。根据大量实证分析，发现违约发生最频繁的临界点在公司价值等于流动负债加50%的长期负债处。该方法具有比较充分的理论基础，特别适用于上市公司信用风险度量。

事实上，对于相同的信用风险问题，不同的信用风险度量模型给出的结果和实际情况总有一定的差距，而且模型之间的预测效果也相差较大。但毋庸置疑的是，这些模型都为商业银行信用风险管理提供了良好的借鉴，为信用风险管理的发展奠定了基础。

1.2.2 国内研究现状

我国对信用风险的研究起步较晚，在进入新世纪尤其是入世之后，众多学者开始更大程度的关注商业银行信用风险的度量与管理问题，不断学习和借鉴国外优秀的信用风险计量模型，积极探索适合我国商业银行的信用风险度量方法。

鲁炜，等（2003）10将KMV模型运用到中国的股票市场，通过对26家上市公司相关数据的采集进行实证分析，虽然得到了较好的拟合效果，但缺乏基于大量数据支持的统计检验。易丹辉，吴建民（2004）11通过随机抽取的30家上市公司的数据进行实证分析后表明KMV模型借助违约距离衡量上市公司的信用风险是可行的。张智梅，章仁俊（2006）12结合中国特色的市场经济环境及特殊的上市公司股权结构，对KMV模型在有关参数设计上进行了调整改进。康宇虹，等（2008）13的研究对KMV模型的前提假设做出了一些放松，由此首次得到了违约条件下的理论违约概率和违约点随时间变化条件下的理论违约概率。

范南(2002)14详细介绍了 Credit Metric模型的技术细节，明确指出了我

9KMV. Co. Introducing Credit Monitor.Technica1Document，1995

10鲁炜、赵恒珩、刘冀云：《KMV模型关系函数推测及其在中国股市的验证》，合肥，《运筹与管理》2003年第3期，第43-第48页

11易丹辉、吴建民：《上市公司信用风险计量研究-KMV模型及其应用》，西安，《统计与信息论坛》，2004年第6期，第8-第11页

12张智梅、章仁俊：《KMV模型的改进及对上市公司信用风险的度量》，湖北，《统计与决策》，2006年第18期，第157-第160页

13康宇虹、孙德鹏、郜中华：《KMV模型在我国上市公司信用风险度量中的实证研究》，长沙，《第三届(2008)中国管理学年会论文集》，2008年，第4835-第4841页

14范南：《Credit Metrics模型及其对我国银行信用风险管理的借鉴》，北京，《金融论坛》，2002年第3期，第50-第54页

国目前还缺乏运用的基础。但是李兴法，王庆石（2006）15在重点研究分析了Credit Metrics模型的信用风险估值方法和应用后认为运用该模型可以更好地加强我国不良资产的处置工作,有效地减少国有资产的损失。窦文章，刘西（2008）16基于Credit Metrics模型计算得出某商业银行信贷数据的核心参数：信用风险转移矩阵、门槛率、违约回复率以及最终的风险价值，进而利用这些参数测算出了该商业银行贷款的风险等级及其分布。此外，朱小宗、张宗益、耿华丹(2004)17从多方面剖析了当前比较著名的现代信用风险度量模型，并进行了范式比较和实证比较，结果发现建模方法的不同,预测的效果也有很大不同。

1.3 研究内容与方法

1.3.1 研究内容框架

本文分为五个部分。

第一部分为第一章，是全文的总纲。详细介绍写作本文的研究背景、查阅国内外文献资料的情况、在文中进行研究展开的思路，以及本文的一些创新之处。此部分在全文起到提纲掣领的作用。

第二部分为第二章，界定信用风险与信用风险管理的概念，然后集中笔墨对主流的现代信用风险度量方法进行比较分析。

第三部分为第三章，对我国商业银行信用风险存在的问题、成因及管理现状进行分析。通过分析得出：现时我国商业银行有必要运用现代信用风险管理模型进行信用风险管理。

第四部分为第四章，通过对目前国际上居于主流地位的信用风险度量模型的比较分析，结合我国的实际情况，选择引入KMV模型，并就其模型中的违约点、违约距离等概念在我国现有市场中的应用可能性进行实证分析，进而构建适合我国的KMV模型。根据我国上市公司的特殊性，运用修正后的KMV模型评价代表性行业内ST公司和非ST公司在一定时间期内的信用风险，得出结论。

第五部分为第五章，就完善我国商业银行信用风险管理提出对策建议。

15李兴法、王庆石：《基于Credit Metrics模型的商业银行信用风险应用研究》，大连，《财经问题研究》，2006年第12期，第47页-第53页

16窦文章、刘西：《基于Credit Metrics模型评估银行信贷的信用风险》，南宁，《改革与战略》，2008年第10期，第81-84页

17朱小宗、张宗益、耿华丹：《现代信用风险度量模型剖析与综合比较分析》，上海，《财经研究》，2004年第9期，第33页-第46页

1.3.2 研究方法及可行性

本文主要采用理论综述与实证分析相结合的研究方法，侧重于实证分析。同时采用定性和定量相结合的方法，一方面，从定性的角度考察信用风险管理需要考虑的相关因素；另一方面，从应用的角度利用KMV模型对代表性行业上市公司违约事件测量违约距离。

由于KMV模型是根据不同公司的历史违约数据来确定违约距离与违约率之间的映射关系进而以此来估计预期违约率的大小的，因此在应用中，上市公司违约历史数据库是必不可少的。在我国，由于股票市场信用制度不健全，信用体系尚未建立，缺乏有关信用的各种历史数据的统计，且银行信息披露不充分，这些因素制约了对我国商业银行信用风险管理研究工作的深入，再加上本人水平有限，因此本文仍然存在很大不足。

实证分析中所用到的数据均将取自上市公司的信息披露。为具有切实的可操作性，样本数据取自于沪深两市证券交易所代表性行业的上市公司。通过大量查阅已有著作，可以看到，以往的研究成果都是基于证券交易所内ST与非ST公司的信用风险比较，通过利用KMV模型验证“ST公司的确比一般正常的上市公司具有较高的信用风险(违约风险)”。本文以此思路为出发点，选取某一特定行业中的ST与非ST公司且在一定的假定条件下进行分析。

第二章商业银行信用风险概述

2.1 商业银行信用风险的概念与特征

信用风险作为金融风险的一个分支，是最古老也是最主要的风险之一。信用的最初表现为商品货币关系，随着社会生产力和商品货币经济的发展，信用更多地表现为银行信用。同时，信用风险也是交易对方信用等级下降的风险，这种风险不是暗示违约的结果，而是意味着违约可能性即违约概率的提高。此外，信用风险还可以被认为是由于公司交易双方在履约能力上的变化导致公司资产的经济价值遭受损失的风险。一般而言，造成信用风险的因素包括主观因素和客观因素，主观因素主要指借款人是否有还款意愿，由借款人的道德品质决定，由此形成的即主观信用风险；客观因素主要指借款人是否有还款能力，由经济环境、经营决策等原因决定。在现代风险环境不断变化和风险管理技术不断创新的环境下，仅反映客观信用风险的传统信用风险定义，已经脱离了现代信用风险地和信用管理的本质。因此，现代信用风险不仅包括客观信用风险，而且应该包括更重要的、更经常发生的主观信用风险。

商业银行信用风险18是指经济活动的风险在信贷领域的表现，是指由于各种不确定因素的影响，是银行在信贷经营与管理过程中，实际收益与预期收益目标发生背离，有遭受信贷损失的一种可能性并有遭受损失概率的大小。可以从以下三个方面理解：

1、信用风险存在于资产和负债两方面。银行信用风险不单指资产上的风险，也包括负债上的风险。也就是说，信用风险作用于银行经营活动的全过程，而不只是某一个方面。事实上，银行资产的风险在某种程度上是由于负债的风险而产生的。如资产负债不对称可能使得资产效率得不到最优配置。

2、信用风险研究的是损失的可能性。银行信用风险所研究的损失是从不确定性角度而言的，仅指损失的可能性，并非现实性，至于这种可能性会在多大程度上转化为现实性，则取决于现实经济生活中的多种因素。所以，现实的损

18叶蜀君：《信用风险的度量与管理》，北京，首都经济贸易大学出版社，2008年版。

失一般不属于银行信用风险研究的问题，或者说属于次要方面。因为它只涉及损失的补偿和业务处理，可通过概率论方法进行计量和管理。这就是说，银行信用风险虽然包括部分可计量的风险损失，但不可计量的潜在风险更为重要。

3、信用风险不仅仅是商业银行自身的问题。银行信用风险的概念更多的是指动态风险和经济运行中风险的反映。因此，信用风险与经济主体的行为目标、决策方式及经济环境相联系，并不是单纯银行自身的问题

商业银行信用风险除具有信用风险的固有特征外，还具有自身的基本特征，表现为非系统性、概率分布可偏性、信用风险数据获取的困难性三个方面。

1、非系统性

信用风险的非系统性风险特征明显。借款人的还款能力主要取决于与借款人明确联系的非系统因素，如贷款投资方向和借款人财务状况、经营能力、还款意愿等。因此，多样化投资分散非系统性风险的风险管理原则更适合于信用风险管理，尤其是在信用风险管理缺乏类似于市场风险管理中那些对冲手段的情况下，多样化成为信用风险管理的主要手段。

2、信用风险的概率分布可偏性

信用风险概率分布的偏离是由公司违约的小概率事件以及贷款收益和损失的不对称造成的。市场价格的波动是以其期望为中心的，主要集中于相近的两侧，通常市场风险的收益分布相对来说是对称的，大致可以用正态分布曲线来描述。相比之下，信用风险的分布不是对称的，而是有偏的，收益分布曲线的一端向左下倾斜，并在左侧出现肥尾现象。这种特点是由于贷款信用风险本身特点决定的。

图2.1 信用风险的概率分布图19

19吴恒煜：《信用风险控制理论研究——违约概率度量与信用衍生品定价模型》，北京，经济管理出版社，2006年版。

以购买股票和债券为例，股票持有者的预期收益和预期损失是对称的，因为股票的价格受到市场风险的影响出现随机波动，这种时涨时跌的可能性和幅度对购买者来说是等可能性的。而债券持有者承担的主要是信用风险，债券持有人的最大收益是该债券发行机构承诺给债券持有人的利息，而其最大损失则是应该得到得本息和。显然，债券持有人的收益和损失不对称。由不对称性又决定了债券市场具有信用风险难以分散、信用市场容易出现借贷失衡以及信用风险保护的提供着少于购买者等其他特征。

3、信用风险数据获取的困难性

相对于市场风险，信用风险量化所需的观察数据少且不易获取，其原因有四:一是贷款的流动性差，缺乏二级市场，贷款的交易是非公开交易；二是贷款的持有期一般比较长，即使到期出现违约，其频率远比市场风险的观察数据少；三是信用产品一般难以像市场风险那样采用盯市的方法，而通常在贷款违约前采用账面价值，因而其数据不足以反映信用风险的变化；四是由于信息不对称，直接观察信用风险的变动较为困难。

2.2 信用风险管理的概念与方法

银行信用在信用体系中发挥主导的、集中的调控作用，因此，银行信用是各种信用形式的主体。银行信用风险问题就成为信用风险管理的主要研究对象。

银行对信用风险的管理是运用现代金融技术对银行自身的信用风险进行一系列的分层、分割，然后组成适应不同风险控制水平需求的金融工具，从而分散和消化信用风险，以便使可能遭受到的信贷损失尽可能小或者使获取信贷额外收益的概率尽可能大。然而，在银行业务快速发展的今天，一些新的银行业务的出现对信用风险管理提出了新的考验，比如电子银行业务。电子化银行具有的高速处理和异地处理能力使得商业银行对客户信用风险控制的时间间隙缩小，区域扩大。同时也使银行在发现客户的信誉程度和经济实力明显下降之前，客户有足够的时间和机会利用电子银行业务套取银行的资金，导致信用风险。

信用风险管理的方法包括传统的信用分析管理法和现代的信用风险管理方法。传统的信用分析管理法仅对企业的资产负债和现金流状况进行分析，从而得出信用分析所需要的结果，而现代的信用风险管理方法正趋于多样化，并且在管理方法上的选择也比较多，像交易所、清算所提供的交易中枢、信用衍生品等都是可选方法。信用风险管理主要包括三个部分:信用风险的识别、信用风

险度量和信用风险控制。

2.3 现代信用风险度量模型的比较

20世纪90年代以来，金融机构资产状况日益多样化，尤其是信用衍生产品的出现，使得信用风险的管理更加复杂和困难，传统的信用评估方法已不能满足人们的需要，商业银行需要更有效地计算工具来帮助和支持其进行复杂的信用风险管理，现代信用风险量化模型应运而生。Credit Metrics、Credit Risk +、Credit Portfolio View、KMV4个模型是当今国际上最具有代表性的金融机构内部模型。Saunders (1997)20对它们进行了比较，通过比较表明这些模型之间的实质差异并非如表述形式的差别那么大。主要从以下方面进行比较:

1、模型的适用对象

Credit Metrics模型和KMV模型适用于公司和大客户信用风险的度量，Credit Risk+模型适用于银行对零售客户的信用风险度量，而Credit Portfolio View模型适用于对宏观经济因素变化敏感的投机级债务人的信用风险度量。

2、模型对风险的定义

根据模型对信用损失的不同定义，可以将模型分为两类:以贷款的市场价值变化为基础计算的盯住市场或随行就市模式(Market to Market，MTM)和集中于预测违约损失的违约模式(Default Mode，DM)。在这四种模型中， Credit Metrics主要是从盯市角度界定风险，即从借款人信用级别升降（利差变化）角度衡量信用风险；而Credit Risk+模型和KMV模型本质上是违约模式模型，而Credit Portfolio View模型既可以当作盯市模型使用也可以当作违约式模型使用。

3、信用风险驱动因素

表面看来，这些模型的关键驱动因素似乎大不相同。在Credit Portfolio View模型中，驱动因素是某些宏观因素，而Credit Risk+中则是违约率及其波动性。Credit Metrics和KMV模型则以Merton理论为分析基础，一家公司的资产价值和资产价值的波动性是违约风险的关键驱动因素。然而，如果以多因素模型的方式再来分析，四种模型都可以看作是有相同的根源，Credit Metrics 和KMV模型中企业资产收益性与企业股票收益的波动性相联系，在计算企业资

20Saunders, A., Financial Institutions Management :A Modern Perspective，2nd Ed. Burr Ridge, IL:

Irwin/McGraw-Hill，1997

产收益之间的相关性时，个别企业股票价格受到系统风险(产业因素、国家因素等)和非系统风险的影响。系统风险因素之间的相关性驱动着企业之间资产收益和违约相关性。在Credit Risk+模型中的关键风险驱动因素是违约率。这一违约率是与宏观经济状态相关，一旦宏观经济恶化，则违约率就可能上升，违约损失也随之增高。Credit Portfolio View模型与Credit Metrics模型和KMV 模型的风险因素在本质上有着相同之处，从国家行业等宏观因素角度考虑违约风险和借款人之间违约风险的相关性。因而，4种模型中风险驱动因素和相关性在一定程度上可以被看作是与宏观因素密切相关的。

4、信用事件的波动率

关于信用事件的波动率方面，各个模型之间的关键差异在于，是为一年违约建立模型还是为违约分布函数的概率建立模型。在Credit Metrics模型中，违约概率和信用等级转换概率被模型化为基于历史数据的固定或离散的值；在KMV模型中，预期违约率随着新信息被纳入股票价格而发生变化，股票价格的变化以及股票价格的波动性是KMV模型预测预期违约概率的基础；在Credit Portfolio View模型中，违约概率是一套呈正态分布的宏观经济因素和冲击的一个对数函数，因此随着宏观经济演变，违约概率以及信用等级转移矩阵中其他单元或概率也会变化；在Credit Risk+模型中，每笔贷款违约的概率被看作是可变的，并且服从围绕某些违约率均值的泊松分布。

5、回收率

信用资产的损失分布和VaR的计算不仅取决于违约的概率，也取决于损失的严重程度或给定违约概率下的损失。经验证据表明，违约严重程度和贷款回收情况随时间演变而有相当大的波动性，将不稳定的回收率包括进来有可能增加VaR或提高未预期到的损失率。在Credit Metrics模型中，估计的回收率的标准差被纳入VaR的计算；在KMV模型中，回收率被看成是一个常数；在Credit Portfolio View模型中回收率的估计是通过蒙特卡罗模拟进行的；Credit Risk+模型中，损失的严重程度被凑成整数并划分频段，从而得到次级的贷款组合，然后将任何次级贷款组合的损失的严重程度视为一个常数。

6、数量方法

各模型在估计VaR和未预料到的损失的数量方法上不尽相同。Credit Metrics模型对单项贷款的VaR的计算可以通过解析法实现，但对大规模的贷款组合往往通过模拟技术求解；KMV模型通过解析技术实现风险评价；Credit

Portfolio View模型采用模拟技术结构；Credit Risk+模型能够生成关于损失概率密度函数的逻辑分析解。