信用风险的经济资本计量方法

长期以来，信用风险管理技术向来落后于市场风险，这主要因为：首先，信用风险比市场风险复杂得多；第二，许多信用风险模型起源于市场风险领域研究，例如 C-VaR 技术；第三，许多银行自认为了解信用风险，而把更多资源都投到了市场风险领域。

但历史经验表明，信用风险控制不好，最有可能导致银行破产。

本文基于国内外银行的实践，着重讨论针对信用风险的经济资本计量方法、技术和经验，这将对国内银行目前正在推行但却不够扎实的经济资本管理提供一些有益的参考。

为信用风险而配置的经济资本，应该基于信用损失的概率密度函数。

对“信用损失”的准确定义，各银行之间存在差异。

但从某种意义上说，高风险的资产组合说明概率密度函数有相对长的厚尾，即存在较大的可能性损失会高于预期损失。

经济资本分配要达到的目标是非预期损失耗尽经济资本的概率(即破产概率)低于目标水平。

在操作过程中，目标破产概率的选取往往与银行本身的信用评级一致。

例如，银行理想的信用评级是 AA ，那末非预期损失超过其经济资本的概率就等于 AA 级公司债券一年期违约率，约为 O.03％。

配置经济资本的关键在于确定预期损失和非预期损失。

配置体系通常假设准备金涵盖预期损失，而账面资本涵盖非预期损失。

在此框架下，如果风险敞口所要求的经济资本超过了实际可用资本，银行就面临资本不足。

贷款损失准备金普通分为专项准备金和普通准备金。

专项准备金是按照贷款预期损失，对贷款账面价值的调整，专项准备金不能吸收非预期损失，不作为权益或者经济资本的一种形式。

普通准备金可用来吸收非预期损失，因此可以作为经济资本的供给。

大多数银行分配经济资本不仅抵御整个资产组合损失，而且抵御专门活动的损失。

理论上讲，分配给一项交易的经济资本应该被度量为考虑这项活动和银行其他活动分散化效应后，这项活动对整个资产组合经济资本要求的贡献。

在实际操作中，边际贡献为整个资产组合分配的经济资本减去排除这项业务以后资产组合分配的经济资本。

国外银行经济资本配置体系的另一特征是，相互独立的前提下对不同类别的风险分配经济资本。

也就是说，对每种风险分别估计概率密度函数，银行总经济资本分配是对每种风险资本分配的加总，通常不考虑各种不同风险之间的相关度问题。

二、总体模式经济资本计量的方法论和操作路线集中地反映在风险计量的总体模式上。

根据巴塞尔委员会的调查，国际先进银行在对信用风险进行经济资本计量时，通常分为两种模式——集合模式(Aggregative Models)和结构模式(Structural Models)。

集合模式是采用自上而下的方法使用聚类分析(peer analysis)或者历史现金流分析(historical cash flow analysis)判断出业务或者产品类别的总风险。

历史现金流分析是从历史现金流的波动中估计一项活动总的风险。

历史现金流的波动假设等于将来的波动。

为了使银行的实施成本最小化，基本现金流的估计通常从银行管理信息系统的原始数据中产生，对这些原始数据进行一些调整，以便一个期间的现金流可以近似解释成为这项活动的经济收益，有时称为“净税后运营利润( NOPAT)”，给定历史 NOPAT 时间序列，一项活动总风险由NOPAT 和名义规模的历史比率的标准差来代表。

集合模式在操作风险为主的非金融公司使用更普遍，但在受市场风险和信用风险影响更大的银行并不普遍。

在银行中，集合模式主要用来评估业务或者产品线的表现、高层次的战略决策，或者用来验证结构风险模型，而不是用于日常的投资或者风险管理。

集合模式有两个局限：第一，数据可获得性使它在个别交易或者客户关系(如产品定价决策)上使用比较艰难。

第二，模型对分别分析的业务线内资产组合构成的变化相对不敏感。

例如，如果银行资产组合信贷质量和竞争对手明显不同，聚类分析会产生误导。

同样，如果银行资产组合当前构成与历史构成不一致，历史现金流方法就不适当。

结构模式采用“自上而下”和“自下而上”相结合的方式，通过分别设立信用风险、市场风险和操作风险模型估计总体风险。

关于信用风险模型，大多数银行使用多种建模方法。

时常是对某些产品线(如消费者或者小型业务贷款)采用“自上而下法”，在其他产品(如大公司客户)采用“自下而上法”(如图 2-1 )。

自上而下模型时常用来估计消费者或者零售业务贷款池的信用风险。

在一个广泛的子资产组合内(如信用卡) ，所有贷款都被当做同质处理。

银行把估计的概率密度函数建立在子资产组合历史损失的基础之上。

某些情况下，为了获得更准确的估计，银行把自己的历史损失经验和同业的损失经验组合在一起(通过公共财务报表等途径)。

目前，美国的大银行正在朝自下而上的信用风险模型方法上发展。

对大中型市场的客户度量信用风险的方法主要是自下而上的方法。

自下而上方法明确地考虑信贷质量和其他构成效应的变化。

自下而上的建模过程根据客户财务状况和信用债项结构的评估，在每一笔债项(贷款或者授信)的层面上对信用风险进行量化。

“自下而上”的经济资本计量模式体现了现代银行风险管理的精细化要求，正在成为国际银行的主流趋势，它包括三个要素： (1)时间段(planning horizon)的选择和“信用损失”的定义；(2)贷款估值方法； (3)与信用相关的选择项处理(credit-related optionality)。

信用风险建模要考虑“信用损失”的定义和度量信用损失的“时间段”。

为了分析方便，银行通常选择一年期，使用违约模式模型(Default Model,简称 DM)或者盯市模型(Mark-to-Market,简称MTM) 来定义和度量信用损失。

从概念上看，信用损失是在设定的时间段内，资产组合的现值和未来值之间的差额。

因此，银行要估计资产组合现值和未来值的概率分布。

在估计方法上，国外银行形成为了两种不同的思路： DM 模型表现为在时间段内惟独贷款违约，才发生信用损失。

而 MTM 模型的视角更宽，除了违约外，经济价值的下降也产生信用损失。

银行用来定义信用损失最普通的方法是 DM 方法。

有时它也称为两阶段模型：违约和不违约。

如果贷款不违约就没有信用损失，如果贷款违约，产生信用损失，它等于客户合同规定的金额和贷款在偿债期(workout period)内实际净现金流(回收额减成本)之间差额的现值。

初始价值每一美元的损失率以 LGD 表示，它作为随机变量，自时间段开始起价值就是不确定的。

如果所有的信用暴露有一年期限， DM 模型至少在概念上考虑了资产组合所有的信用损失。

对于有效期限超过一年的贷款，DM 模型忽略了一年的时间段以外和违约相关的信用损失。

为解决上述问题，一些银行通过贷款期限来调整信用工具的评级，也就是说同一客户较长期贷款(违约概率高)比短期贷款级别低。

实际上，这种调整往往是特定的，即除违约概率以外的关键参数，如贷款违约之间的相关性，通常不能根据期限进行有效的调整，由此难以评估期限因素所产生的全面影响。

MTM 模型的基本思想是即便在时间段内交易对手没有正式违约，其经济价值也有可能下降。

尽管当前很少银行在交易账簿外使用MTM 模型，许多模型的开辟者认为美国银行在几年内将从银行账簿的 DM 风险模型向更普通的 MTM 模型转变。

MTM 模型是“多状态”的，“违约”只是信用评级变化的几种状态之一。

实际上，信用资产组合假设是盯市的，更准确地说是盯住模型的。

定期贷款的价值将使用折扣现金流法，此方法下贷款估值使用的折扣率反映的是该级别贷款市场决定的信用利差的期限结构。

为了说明 DM 和 MTM 模型差别，考虑一笔内部评级为 BBB 级的贷款。

两种方法下如果在时间段内违约贷款丧失价值。

DM 模型下损失率由贷款的 LGD 表示。

MTM 模型下，在时间段内如果贷款没有违约情况下遭到降级，或者在金融市场上信用风险利差增加，也发生信用损失。

相反如果信用评级提高或者信用利差收窄，贷款价值增长。

在上述两种模型下，建模者都需要准确届定每一个信用工具在时间段的开始和结束期当前价值和将来值，这也是自下而上方法的根本要求。

(1)MTM 模型下贷款的当前值。

贷款当前值是合约现金流目前的折扣值。

用来对合约现金流进行折扣的利率反映：由国债收益曲线表示的无风险利率期限结构；对每一个信用评级，由市场决定的信用利差期限结构。

这种规定假设除了特殊的随机效应，信用风险利差取决于特定工具的信用评级。

在理论上，应用于一笔贷款合约支付的信用利差不仅反映贷款的违约概率，而且应反映 LGD 的均值和波动性，也就是说，金融市场对有同样违约概率，但在违约时有明显不同的预期损失率的贷款，不应该采用相同的信用利差。

(2)MTM 模型下不违约贷款的将来值。

不违约贷款(从时间段末开始)的将来价值是剩余合约现金流当前的折扣价值。

由于贷款的信用评级可能发生变化或者由于已评级贷款信用利差的期限结构发生变化，折扣率不同于在时间段开始时计算贷款价值的折扣率。

(3)MTM 模型下已违约贷款的将来值。

对在时间段内发生“违约”的贷款进行现值建模，银行不依靠合约现金流的折扣。

通常情况下，已违约贷款经济价值的下降以 LGD 表示。

通常， LGD 依赖于工具的优先性和抵押品类别加随机的“风险因子”(4)DM 模型下贷款估值。

该模型下，贷款的当前值等于账面值。

在时间段末对贷款的估值惟独两种情景：违约和不违约。

不违约贷款的将来值是账面价值，违约贷款价值的下降是贷款账面值乘以它的LGD。

DM 模型下信用风险利差的变化和降级都不影响将来的贷款值。

实践中，DM 模型下贷款估值很重要，该方法简单易行，普遍适用于国内的商业银行。

与简单的贷款相比，对多种信用工具而言，信用暴露不能清晰确定，而是依赖将来随机事件的发生。

一个“信贷相关的选择项”的例子是额度授信，在固定的时间内银行允许根据客户意愿预付资金。

该限额的普通特征是客户提取率随客户信用质量恶化而增加。

在当前的信用风险模型下，与信贷限额相关的信贷相关选择项把提取率作为客户期间末信用评级的已知函数。

在 MTM 模型下，计算限额的将来值时，通常把限额假定为一笔等于假设提取的贷款。

DM 模型下，未提取的信用债项被转换为“贷款等价暴露”(Loan Equivalent Exposure) ，使它可以和定期贷款比较。

总之，贷款的信用风险损失取决于以下三个因素： (1)PD 或者客户评级的迁移概率；(2)贷款LGD；(3)金融市场上信用利差的变化。

简单地说，信用风险的经济资本计量大体上分为 4 个步骤：( 1 )对每一个风险敞口和资产组合，计算给定时期内的预期损失水平。

( 2 )计算每一个风险敞口预期损失的波动额，即非预期损失。

( 3 )计算资产组合预期损失的波动额。

(4)计算整个资产组合信用损失的概率分布，并测定对应于每一个敞口，在给定置信度和时间范围内，需要多少经济资本来吸收风险。