关于商业银行信用风险管理的研究综述 摘要：阐述了国外有关古典信用管理方法和现代信用管理方法的研究情况介绍了国内对于商业银行的巨额不良资产以及潜在的信用风险问题的研究成果 关键词：商业银行；信用风险；信用管理

国外相关理论研究 信用风险的管理，根据分析技术和方法的不同可分为古典信用管理方法和现代信用管理方法。两者主要的区别和判断标准主要是信用风险能否被单独剥离和定价。从时问的表现形式上看，2O世纪8O年代中期以前为古典信用管理方法，2O世纪8O年代中期以后为现代信用管理方法。 一、古典信用管理方法 （1）专家制度法 专家制度是一种最古老的信用风险分析方法，其最大特征就是：银行信贷的决策权是由该机构那些经过长期训练、具有丰富经验的信贷管理人员所掌握，并由他们做出是否贷款的决定。因此，在信贷决策过程中，信贷管理人员的专业知识、主观判断以及某些要考虑的关键要素权重均为最重要的决定因素。 在专家制度法下，绝大多数银行都将重点集中在借款人的“5c”上，即品德与声望(Character)、资格与能力(Capacity)、资金实力(Capital orCash)、担保(CoHatera1)、经营条件或商业周期(Condition)。这种方法的缺陷是主观性太强，只能作为一种辅助性信用分析工具。 （2）信用评分方法 信用评分方法是对反映借款人经济状况或影响借款人信用状况的 若干指标赋予一定权重．通过某些特定方法得到信用综合分值或违约概率值，并将其与基准值相比来决定是否给予贷款以及贷款定价．其代表为Z计分模型。 Z计分模型是Altman于1968年提出的以财务比率为基础的多变量模型。该模型运用多元判别分析法．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人或舍去备选变量，从而得出z判别函数。根据z值的大小同衡量标准相比,从而区分破产公司和非破产公司。 （3）信用评级法 信用评级又称为资信评级或信誉评级，它是指对评级对象的特定证券或相关债务在其有效期内及时偿付的能力和意愿的评估，是对债务偿还风险的综合评价。信用评级的基本方法通常是运用概率理论，判断出某种特定债务或某个机构的违约概率，并常常使用专门的符号来标明其可靠程度。 信用评级法有利于降低社会的信息成本、控制市场风险，使资本市场更好地发挥合理配置资源的作用 但同时，信用评级法发挥作用需要一定的条件，如市场机制比较完善，市场信息可靠、充分，经济决策权比较分散，存在某种激励机制促使评级机构认真收集和传播信息等。 二、现代信用分析方法 2O世纪80年代以来，受债务危机的影响，各国银行普遍重视对信用风险的管理和防范，工程化的思维和技术逐渐被运用于信用风险管理的领域。产生了一系列成功的信用风险量化管理模型。 （1）基于期权定价技术的风险计量模型 1995年美国KMV公司开发了违约预测模型(信用监控模型)，该模 型将期权定价理论运用于风险贷款估值。它站在借款企业股权持有者的角度考虑贷款偿还的问题。为了解出两个未知量(即借款企业资产的市场价值及其波动性)，该模型使用企业股权的市场价值与其资产的市场价值之间的结构性关系来计算企业资产的市场价值，同时使用企业股权的波动性与企业资产的波动性之间的结构关系来计算企业资产的波动性，并统计一定标准差水平上的公司在一年内破产的比例，以此来测算具有同样标准差的公司的违约概率。 KMV模型的优点在于其将违约与公司特征而不是公司的初始信用 等级联系在一起，使其对债务人质量的变化更加敏感；同时，它通过股票价格来测算上市公司的预期违约概率，因而市场信息也能被反映在模型当中。使其具有一定的前瞻性，模型的预测能力较强；并且。由于该模型使用的变量都是市场驱动的，表现出更大的时变性，因此持有期的选择比信用度量制模型更加灵活。 (2)基于风险价值VaR的信用度量模型 JP Morgan(1997)银行开发了信用度量制(Credit Metrics TM)系统，该系统解决了诸如贷款和私募等非交易性资产的估值和风险计算。该方法基于借款人的信用评级、信用转移矩阵、违约贷款的回收率、债券市场上的信用风险价差计算出贷款的市场价值及其波动性，推断个别贷款或组合的VaR．从而对贷款和非交易资产进行估价和信用风险评价。 信用度量制模型的优点在于其第一次将信用等级转移、违约率、违约回收率、违约相关性纳入了—个统一的框架来度量信用风险。该模型适于商业信用、债券、贷款、贷款承诺、信用证以及市场工具(互换、远期等)等信贷资产组合的风险计量。但该模型在应用中存在以下问题：违约率直接取自历史数据平均值，但实证研究表明，违约率与宏观经济状况有直接关系．并非固定不变，假定资产收益服从正态分布，但实证研究表明实际分布多呈现厚尾特征；关于企业资产收益之间的相关度等于公司证券收益之间的相关度的假设有待验证．计算结果对于这一假定的敏感性很高。 (3)基于保险精算的CreditRisk+系统 Credit Suisse First Boston(CSFB，1997)银行开发的信用风险附加(CreditRisk+)系统的主导思想源于保险精算学，即损失决定于灾害发生的频率和灾害发生时造成的损失或破坏程度，它不分析违约的原因，而且该模型也只针对违约风险而不涉及转移风险，特别适于对含有大量中小规模贷款的贷款组合信用风险分析。 该方法基于这样一些假没：贷款组合中任何单项贷款发生违约与否是随机的；每项贷款发生违约的可能性是独立的，因而这个方法假设贷款组合中单项贷款的违约概率分布服从Possion分布。信用风险附加模型的优点在于，它只要求有限的输人数据，基本上只有贷款组合中各组的贷款违约率、违约率波动率和风险暴露，因此贷款损失很容易计算。 （4）以宏观模拟为基础的CreditPorfolio View系统 该信用组合观点系统由Mckinsey公司开发(Wilson，1997)，它是一个违约风险的宏观经济模拟系统。由于商业周期因素影响违约的概率，麦肯锡公司将周期性的因素纳入计量模型中，该系统在Credit Metrics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、汇率、政府支出等宏观经济变量之问的关系方法化，并通过Monte Carlo法模拟周期性因素的“冲击”来测定评级转移概率的变化，分析宏观经济形势变化与信用违约概率及转移概率的关系，进而分析不同行业或部门不同信用级别的借款人的信用风险程度。 该模型的优点在于其将各种影响违约概率和信用等级变化的宏观 因素纳入了自己的体系之中，并且给出了具体的损失分布，能够明确回收率的不确定性和因国家风险带来的损失；对所有的风险暴露都采用盯市法，更适用于对单个债务人和一组债务人进行信用风险度量。其主要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。

国内的相关研究 基于银行在国民经济发展中的重要作用。我国商业银行的巨额不良资产以及潜在的信用风险问题引起了广大理论界和金融工作者的高度重视。大量的学术论文和著作不断出现，分别从不同的角度对这一问题加以探讨。 一、在商业银行信用风险评级方面 李敏强(1997)将模糊数学的方法应用于企业评级，他们以商业银行的授信业务评级为对象，其指标体系由二级指标体系组成，一级指标是财务状况、经营管理、发展前景等3个指标，每个一级指标下面分为若干个不同的二级指标，二级指标共有l2个。计算步骤上利用隶属函数最大值办法确定一级指标的值，然后根据指标的权重进行加权求和，从而给出信用级别。高杰英、李岩璞(2003)指出需要建立信用风险内部评级体系。通过建立有效的组织结构、学习和借鉴国际性银行内部评级法、借助国内外专业评级公司的技术力量、加强行业研究、建立和完善内部评级基础数据库来完善信用评级体系。 二、在商业银行信用风险评估和度量方面 王春峰、万海晖等人(1999)将神经网络技术应用在商业银行的信用风险评估中，指出神经网络技术与其他传统统计方法相比，具有更高的预测精度。 杨保安、朱明(1999)探讨了神经网络方法与专家系统相结合，在银行贷款风险管理中的运用，构建了银行风险识别、监管、监测预警的风险管理系统。推进银行智能化的管理。 潘蔚琳(2002)在引进国外的风险计量方法的基础上，提出以VAR 方法来计算商业银行的信用风险。 徐佳娜、西宝(2004)将人工神经网络信用风险评估技术与层次分析法相结合。建立了商业银行信用风险评估AHP—ANN模型，并进行了可行性论证。结果表明，改进的AHP—ANN模型在输入指标体系简化、输出指标衡量和模型运行效率等方面均有一定程序的改善。 张永娟等(20o4)则针对影响商业银行信用风险的各种决定因素，提出了信用风险程度的多层次模糊评判模型。该模型将定性指标数量化，并通过多层次分析法确定各影响因素的权重，是一种定性与定量相结合的综合分析评价方法。同时通过离散度对模糊判别分析模型进行修正，使得判别结果能更准确反映真实的信用风险状况。 三、在信用风险预警方面 毕明强(2001)在综合分析国内商业银行现行主要统计指标的基础 上。从各指标的内在联系出发，构建了信贷评价预警指标体系，作为定量分析工具，为信贷决策提供支持。 许崇正、刘雪梅(2002)借鉴了国外的先进经验，并结合我国银行的实际业务，从8个方面建立了金融风险预警指标体系，来具体反映风险警情、警兆、警源以及变动趋势的组织形式。 井润田、左齐(2002)对商业银行的信用风险进行了开发实践，建立了包括档案管理系统、信贷业务管理系统和信贷风险分析系统的信用风险管理系统，并在交通银行的某分行中运用，开发相应软件。 四、在银行内部控制方面 李震(20o2)认为完善银行内部控制制度，有效防范信贷风险，主