基于cpv模型的商业银行信贷风险研究

《基于cpv模型的商业银行信贷风险研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

声明尸明本学位论文是我在导师的指导下取得的研究成果，尽我所知，在本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文中作了明确的说明。研究生签名：鎏丛≯啤伪7日学位论文使用授权声明南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或上网公布本学位论文的部分或全部内容，可以向有关部门或机构送交并授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密论文，按保密的有关规定和程序处理。研究生虢皿少啤尸月7日 硕士论文基于CPV模型的商业银行信贷风险研究摘要㈣㈣㈣㈣0删哟Y2275350信贷风险是商业银行面临的最主要的风险之一，银行对信贷风险的控制和管理关系到银行体系的稳定和国民经济的发展。目前，我国商业银行在信贷风险管理方面还远落后于西方发达国家，我国对信贷风险的分析仍处于传统的比例分析以及专家经验判断阶段，不能有效满足商业银行对贷款安全性度量的要求。因此，应用现代的计量模型计量我国的信贷风险，可以更加有效的控制我国商业银行的信贷风险，具有非常重要的意义。本文对现今公认的几种信贷风险度量方法即CreditMetrics模型、CreditPluS+模型以及CreditPortfolioView模型进行简要的说明并分析其在中国的适用性，通过对比，选取CPV模型进行实证研究。实证结果发现：在进行CPI调整、季节调整之后，最终发现固定资产投资、实际利用外资和100美元兑人民币汇率这3个宏观经济指标，可以很好地拟合宏观经济指数Y，并且拟合优度达到95％以上。而由于文中的宏观经济指数Y和违约率之间存在直接的数学转换关系，所以上述3个宏观经济指标同样可以对违约率进行良好的拟合。另外，根据这3个宏观经济指标的估计系数，可以认为：经济运行良好时，信贷违约率会下降；外资的引入会对中国商业银行的信贷资产质量造成冲击；人民币的稳步升值有利于降低不良贷款率。从实际经济的角度讲，即宏观经济直接影响违约率，验证了人们对于“经济形势影响企业还款”的认识。另外，以往的实证分析大多基于其它国家和地区或者基于某一具体行业的违约率进行研究，而本文针对的是中国商业银行整体的违约率，同样得到了较好的拟合结果，说明CPV模型至少在回归分析部分适用于中国的宏观经济环境。模型同样能够有效预测未来的违约率，另外由于宏观经济指标可以通过前期数据调整得到，因此，信贷违约率的预测是可行的，商业银行也可利用预测值提前制订相应的信贷风险防范措施。关键词：商业银行信贷风险creditPortfolioview模型信贷风险度量信贷风险预测 AbstractCreditriskisoneoftllemaillrisksWhichbaI止sareco心onted晰t11andtheabili哆tocontrola11dmallagemeriskisrelated嘶mthes伽ili够of也eb绷Il【systema11dtlledeVelopmentoftheeconomicgro、机h．Atpresent，C11ina’scommercialbar出si11creditriskmaIlagementare姗bellindtlledeVelopedWeStemcoulltries．ouraIlaLlysisofcreditriskisstiUinnlestageoftraditionalratioanalysisandexpertisejudgment，WhjchcaImotef!fIectivelymeettllerequirementsoftllecommercialballksfor10aIlsecuritymeaSurement．Therefore，the印plica：tionofmodemeconometricmodelme2Lsurementcallconn-01t11ecreditriskofourcornmercialballbmoree日’ectiVely，WhichhasaVeryiInporrtantsi嘶ficaIlce．1'llispapergivesabriefdescriptionofseVeralreco嘶zedcreditriskmeaSurementmemods：CreditMetricsModel，CreditPlus+model，andCreditPonfolioViewmodel．Thent11eau_thoraIlalyzest11eirapplicabil时inC11inaandselectstheCPVmodelfortheempiricalstudybycon仃aSt．TheempiricalresultsshowtllatmeinVesnnentinfixedaSsets、theaCtualuseofforeigncapitala11dtheexchaIlgeratebet、Ⅳeen1ooU．S．dollaragainsttheI洲Bcallbe、ⅣeUfi讹dmaCroeconomiciIldicatorsY世erse2Lsonally删ustedaJldCPIadjustIllent，whosegoodnessoffitupto95％ormore．Ast11ereexiStsdirectma_tllematicalconVersionrelationsllipb咖reenmacroeconomicindexYaIlddef．aultrates，sotllet11r．eemacroeconomicindicatorscanalsofitdef．allltsrateswell．IIladdition，accordiIlgtotlleestimatedcoef!ficientsoft11ethreemaCroeconomicindicators，、vecaIlreaChtheconclusionasfollows：whentheeconomyisrumliIlg、vell，creditdefaultrate丽Udecline；in臼．oduCtionofforeignc印ital谢llinlpactmequalit)，ofcreditassetsofco删：11ercialbaIll(sinChilla；steadyappreciationoftlleI泓BisconducivetoreduciIlgcreditdefIaunrate．Frommeauspectofrealeconomy，wecaJlsaytllatmacroeconomicdirectlyiIIlpactsdefal_lltrates，w11ichVeri匆theuIlderstandingt11at”111eeconomicsituationa蔬ctco印orations’repayment”．Inaddition，mostoft11epreViousempiricalaIlalysisisbaSedonthedef-aultratesinotllerco疵esandregionsorinaSpecificindust巧，t11isp印eris2Limtot11eoVeraJldefaultratesofthecommercialbanksinChina．Sincewealsogetapre仕ygoodfi惋培results，irldicatingthatt11eCPVmodelappliestoC11ina’smacro—economiceIⅣiromnentatII leaStiIlt11eregression趾alysissection．111emodelisalsoabletopredict如turedefallltratese位ctively，aIldduetothef．aCtt11atmacroeconomicindicatorscaIlbeobtainedby锄ustingprelimi唧d巩mecreditdefaultrateforecastisfeaSible．so恤coIlllnerCialbanksmayalsomakeuseofpredictivev2Lluetof0珊ulate印pro面atecreditriskpreVentionmeasuresiIladvance．Keywords：commercialbaIlkcreditriskcreditponfolioViewmodelcreditriSkmeaSllrementCreditriskforecaSt王II 目录硕士论文目录摘兰要。．．．．．．。。．．。。．。。．。。．．。。。．。⋯．．⋯。。。。．。⋯⋯⋯．．。。．。．．．．．．．。．．．。．。。．。．．．。．．。。．．。。IABSTRACT⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．II目录⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．IV1绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．11．1选题背景和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．11．2本文研究目的⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．11．3本文研究方法及结构安排⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．21．4本文的创新和不足⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．21．5小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯32国内外研究综述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯42．1国外风险管理理论发展⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一42．2中国风险管理理论研究综述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．52．3小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一73商业银行信贷风险概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯83．1信贷风险⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．83．1．1信贷风险的涵义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯83．1．2中国商业银行信贷风险的特征及现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．93．1．3信贷风险的成因⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯103．2违约率⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯103．3中国商业银行信贷风险管理体系的现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯113．3．1缺乏科学的信贷风险识别系统⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯123．3．2缺乏科学的信贷风险度量手段⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯123．3．3缺乏科学的信贷风险调控与监督⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯133．3．4缺乏专业的信贷风险控制人员⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯133．4小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．134信贷风险度量模型的理论研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯144．1CI也DITMET刚CS模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯144．2CREDITPORTFOLIOVIEW模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯184．3CI通DITⅪSK+模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．204．4模型在中国的适用性分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯234．5小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．24TV 硕士论文基于cPV模型的商业银行信贷风险研茎5基于CPV模型的实证研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯265．1数据收集与整理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯265．1．1实证假设⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯265．1．2指标的选择⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．265．1．3样本数据的收集⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．285．1．4数据的CPI调整⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．295．1．5数据的季节调整⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．305．2模型的构建⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯315．2．1多重共线性⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．315．2．2指标筛选⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．315．3回归分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯395．4模型预测分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯415。5小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．42结论．．。。．。。⋯．。．。．⋯．。。。．。．．．．．⋯．．。。。。．。．。⋯．．。。．。．．．．．。．．．．．．．。。．⋯．．。．。．．．．。。⋯．。43致谢．．⋯⋯⋯⋯．。。⋯。。。⋯⋯⋯⋯。．⋯⋯。⋯⋯⋯。．⋯⋯．⋯．⋯⋯⋯。．⋯⋯．。⋯。．。．⋯。”．．44参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯45V 硕士论文基于CPv模型的商业银行信贷风险研究1绪论1．1选题背景和意义商业银行的业务性质决定了其必须承担风险并且依靠经营风险盈利。半个多世纪以来国际银行业在金融风险管理领域经历了巨大的变迁。上世纪60年代以前商业银行仅仅是以资产业务的风险管理为主，60年代资本资产定价模型(CAPM)的出现将其带入了负债风险管理模式的阶段，70年代布雷顿森林体系的崩溃又使得商业银行进入了资产负债风险管理模式的阶段，1988年《巴塞尔资本协议》的出台则标志了国际银行业全面风险管理体系的基本形成。在风险管理方法取得巨大成就的同时，度量风险的技术手段也在不断发展，各种客户信用评级模型以及组合信用风险度量模型层出不穷。中国银行业经营背景较为特殊，一方面，由于资本市场起步晚，市场规模至今仍是比较小，所以在融资方面，还是以间接融资为主；另一方面，由于中国的利率市场化程度不高，还未能完全实现金融市场的自由化，因此市场风险并非中国商业银行的首要风险，因而信贷风险仍然是中国银行业面临的最大风险。目前，中国理论界在商业银行信贷风险防范方面已经取得了很多兼具学术水平和使用价值的研究成果，但在实际操作层面，基于历史和体制等各方面原因，商业银行对于信贷风险管理还远远落后于西方发达国家，对银行信贷风险的分析则是还留在专家经验判断以及传统的比例判断阶段，明显不能有效满足商业银行关于贷款担保措施的要求。所以，将现代计量经济模型应用到中国商业银行信贷风险的计量中，可以更加有效地防范和控制商业银行的信贷风险，对于银行提高自身的风险管理水平具有非常重要的意义。1．2本文研究目的本文旨在研究中国商业银行信贷风险管理现状的基础上，通过探讨几种比较公认的信贷风险度量模型即CreditMetrics模型、Credit融skPlus模型和CreditPortfolioⅥew模型的原理，分析其优劣势以及在中国的适用性，选择CPV模型作为本文的研究方法，然后进一步进行实证分析。CPV模型认为，系统性信贷风险跟从信贷周期，信贷周期跟从经济周期，所以文章运用多项经济指标作为解释变量对宏观经济指数进行回归。具体内容包括：宏观经济指标的初步选取及整理；运用软件针对多重共线性进行进一步的筛选；利用筛选出的指标结合CPV模型的公式，进行宏观经济指数的回归，希望可以得到一个良好的回归式，并且具有较高的拟合度。若是成功，则可认为违约率与这些指标1 l绪论硕士论文之间确实存在数学关系，即违约率在一定程度上受到了宏观经济状况的影响；最后利用回归出来的关系式以及已知的下一期数据预测下一期的违约率，进行模型的有效性检验。既验证了“违约率与宏观经济相关”的假设，也验证CPV模型是否适用中国的经济状况。1．3本文研究方法及结构安排1968年纽约大学的Edward．I．AlnllaIl教授发表了Z评分模型(又称Z．Score模型)，开创了采用多元判别分析(MDA)模型计量信贷风险的方法。Z评分模型的发表代表了信贷风险管理不再是传统的定性分析，它标志着现代定量技术管理的开始，由此引发了学术界关于信贷风险管理度量方法与技术的研究热潮。至今为止比较有影响力的信贷风险度量模型有以下四个：KMV模型、CreditMe仃ics模型、CreditPor哟lioⅥew模型和Credit砒skPlus模型。本文计划将依次对上述模型进行简单的介绍，综合阐述其在中国的适用性。笔者认为，中国的商业银行在进行信贷风险管理的过程中，不妨考虑学习国外的CPV模型。基于CPV模型“系统性信贷风险跟随信贷周期，信贷周期跟随经济周期”这一理论，可以通过对经济周期的分析判断从而预测信贷风险，为商业银行风险管理机构提供决策参考。文章计划分为以下几个部分：第二部分是对国内外信贷风险管理的文献综述，主要包括国外信贷风险管理的发展以及国内学者关于CPV模型进行实证研究的成果；第三部分简要探讨了商业银行的信贷风险概况以及中国商业银行信贷风险管理现状；第四部分对国际上比较公认的几种信贷风险度量模型即CreditMe仃ics模型、CreditPor怕lioⅥew模型和Credit黜skPlus模型进行比较研究，这三个均是以信贷组合观点来度量风险的模型；第五部分利用CPV模型进行实证研究，选择若干宏观经济指标，经过季节调整之后，根据多重共线性检验原理进行指标筛选，然后按照模型要求，以筛选出的经济指标作为解释变量，宏观经济指数Y作为被解释变量进行回归，期望求得一个具有较高拟合优度的回归式，从而验证模型是否可行；最后，根据回归方程以及2012年第一季度的各项经济指标数据，预测该季度的违约率数值，并比较预测值与同期实际值，分析其有效性。1．4本文的创新和不足目前国内外利用CPV模型进行研究的文献相对比较少，并且还多是以房地产行业为切入点。本文计划研究中国商业银行贷款违约率的总体情况，并不打算划分具体行业，这是CPV模型实证研究领域的一个创新。另外，在确定宏观经济因素时，多数文献中2 硕士论文基于CPv模型的商业银行信贷风险研究人为因素比重较大，而本文打算依照作者的思路，广泛选取变量，进行季节调整之后，从多重共线性的角度筛选指标，最终分析结果可能与现有文献有所出入，这是本文的第二个创新。当然，在创新的同时，文章也有很多不足，具体概括如下：首先，关于违约率数据，由于此数据获取困难较大，所以本文选取了银监会公布的不良贷款率代替违约率进行研究。虽然二者在数值上比较接近，但毕竟不是模型要求的实际违约率数据，所以可能会使文章的分析结果产生偏差。其次，根据CPV模型，通过比率调整后可以得到信用转移矩阵0M，M：=M(B^‘t／DsDR)再通过调整信用转移矩阵岱M可以模拟出多时期的信用转移矩阵：MT=n刚⋯TM(艮／口sDR)(1．2)而本文主要研究目的是通过宏观经济指标对宏观经济指数进行回归，依据经济指数与违约率之间的关系，确定宏观经济指标与违约率的数学关系并验证其有效性，同时受到篇幅、数据和作者水平的限制，所以并未涉及到转移矩阵的分析部分。1．5小结本章首先介绍了文章的研究背景和意义，指出中国商业银行在目前金融形势下进行信贷风险度量管理的重要意义，其次对本文的研究方法和文章结构进行了简单的阐述，最后介绍了本文预计实现的两个创新点以及存在的一些不足。 2国内外研究综述硕士论文信贷风险度量起源于美国，迄今为止已有一百多年的历史。关于信贷风险度量模型的研究，目前国内外学者已经做了大量深入的探讨，研究成果相对比较成熟。2．1国外风险管理理论发展自1998年巴塞尔协议以来，国外银行已经迈入了全面风险管理的时代。全面风险管理理论作为现代银行风险管理的发展方向，它是在资产负债管理理论的基础之上，适应新的市场环境，结合新的管理技术发展起来的。进入21世纪以后，西方一些大银行认识到信贷风险仍然是关键的金融风险，他们开始关注信贷风险量化方面的问题，并试图建立信贷风险度量的内部方法与模型。随着资产组合模型(CreditMetrics)的广泛应用，银行信贷风险管理水平向前迈进了一大步。最早对信贷风险进行度量与识别的约翰·穆迪，自1909年他对铁路债券进行信用评级之后，各种度量信贷风险的方法相继出现。传统的方法主要有专家法、信用评分法和评级方法等，它们的共同特点是假定贷款会持续到期末。授信方认为自己在整个信用期内处于信息不对称的劣势方，希望能够通过对受信方信贷风险的度量分析从而进行筛选甄别，并采取措施避免贷款损失。传统的方法至今仍有其生命力和合理性。随着贷款出售和贷款证券化的运用，以及布雷顿森林体系的瓦解，世界范围内的金融创新和衍生产品不断推陈出新，意味着贷款发放出去不必持有到期末，这明显与传统信贷风险度量方法的假设相悖。由于传统的信贷风险度量方法跟不上金融创新的不断深化，已不能适应市场的迅速变化，这就需要更为精准的信贷风险度量方法，因此，金融工程专家们在传统的信用评级方法中加入了建模工艺和分析方法，开发出新的信贷风险度量模型。这些模型更加注重运用技术性很强的数学方法手段。各种新模型有的是可以公开得到的，有的是公司专有，目前仍是保密的。迄今为止，世界著名的中介机构和金融机构对外公布的，影响力较大的信贷风险度量模型主要有四个，分别是：KMV公司的I@Ⅳ模型、JP摩根的信用度量术模型(CreditMetrics)、瑞士银行金融产品开发部的信用风险附加模型(credit砌sk+)和麦肯锡公司的信用组合观点模型(CreditPortfolioview)。这些模型的构建思路可以归为违约和盯市两种模式。前者认为银行的信贷风险是借款人无法履约的实际风险，模型只对银行的实际违约损失进行预测，只考虑违约与不违约两种状态。后者则认为信贷风险是借款人违约的可能性，不管借款人是否违约，只要违约可能性的相关因素产生了变化，我们就认为银行的整体风险环境发生了变化。违约4 硕士论文基于CPV模型的商业银行信贷风险研究模式有代表性的模型有KMV模型和creditmsk+模型，盯市模式有CreditMe仃ics模型和CPV模型。’随着信贷风险管理理论的创新和计算机技术的运用，现代信贷风险管理正朝着信贷风险被科学量化的方向迅速发展。2．2中国风险管理理论研究综述中国关于商业银行信贷风险管理的研究在20世纪80年代末才刚刚起步。90年代以来，无论是理论界、企业界还是政府部门，都对金融领域有关风险产生了兴趣，尤其是理论界，关于金融风险方面的学术论文及著作，包括商业银行信贷风险管理研究，正不断涌现。这些研究成果，不管是研究内容、范围还是方法，都取得了相当大的进步。彭彰(2002)研究了巴塞尔新资本协议对中国信贷风险管理的挑战，详细阐述了中国现有的信贷风险管理，并结合中国银行业的实际情况揭示了巴塞尔新资本协议内部评级法的内容。方洪全和曾勇(2004)运用线性判别和LOGIT回归方法对主要的四种信贷风险评价体系建立了评估模型，进行实证检验，认为LOGIT回归模型对变量及其分布不作任何限制，因而在其他条件相同时该类模型的应用范围较广。曹道胜和何明升(2006)从模型建立的理论基础、模型类别、回收率、现金流折现因子四个维度对国际上最有影响力的商业银行信贷风险模型Ⅺ小，模型、CreditMe仃ics模型、Cre拙PortfolioView模型、Credit砧sk+模型进行比较研究，在此基础上分析了各模型在中国的适用性。谢赤和徐国嘏(2006)比较分析了CreditMetrics模型和CPV模型的基本原理和参数选择的共性及差异，对两种模型各自的特点做出客观评价，发现运用CPV模型有利于提高信贷风险度量的精确性，为商业银行信贷风险管理提供了借鉴。陈娜娜(2007)分别对Z评分模型、CreditMetrics模型、KMV模型、CPV模型和Credit鼬sk+模型做了简单的介绍，评述了其优缺点以及在中国的适用性。关于CPV模型，她认为，CPV模型是CreditMetrics模型的补充，这两个模型有很多相似之处，并且由于CPV模型中关于宏观经济变量中变量的个数、变量的经济意义以及这些变量与经济指数之间的具体函数关系都很难确定并检验，所以在中国难以借鉴应用。关于各种模型的比较研究以及不同模型的实证运用，国内学者已经做了大量详实的探讨，也取得了很多成果，而利用cPV模型对违约率与宏观经济指标进行实证研究的文章则比较少。尹航(2011)比较研究了当今国际上公认的一些商业银行信贷风险管理模型，选择相对符合中国宏观经济状况的CPV模型模拟商业银行的房地产信贷风险。文章采用特尔 2国内外研究综述硕士论文斐法选择四个宏观经济变量建立计量经济模型，通过回归分析得出这四个宏观经济变量与房地产信贷违约率之间的数学关系式。通过与灰色理论得出的预测结果进行比较，验证了CPV模型建立的回归方程对房地产信贷违约率所做预测的准确性。在四个变量中，宏观经济景气指数、国房景气指数、建筑企业景气指数与违约率呈反向变动关系，其中宏观经济景气指数驱动最为显著。而通过CPV模型建立的回归式的预测值与灰色系统理论的预测值之间的比较可知，模型建立的回归式在中国商业银行房地产信贷风险的预测方面更加准确。同时，利用CPV模型预测未来的商业银行房地产信贷风险，符合《新巴塞尔协议》关于建立内部风险评级模型的要求，可以缩小国内银行与国际商业银行在风险管理方面的差距。齐雅坤(2009)以违约率为出发点研究信贷风险。作者利用CPV模型，将违约率与宏观经济指标建立数量关系，以研究其相关性。分析结果认为，CPI、工业增加值增速、固定资产投资、实际利用外资、城市人均季度总收入、社会消费品零售总额和货币供应量M2，这七个宏观经济指标可以很好地解释宏观经济指数Y。另外通过Y和违约率的转换关系，这些指标同样可以很好地拟合违约率。从实际经济分析的角度来讲，即宏观经济直接影响违约率。李建华等人(2008)分析了CPV模型中各项宏观经济指标，他们认为，宏观经济因素会影响CPV模型迁移矩阵中的信用评级违约概率，此外，诸如行业因素、规模因素、区域因素以及企业所有权等因素也会对相同信用等级企业的历史违约概率统计造成差异。作者从相关性角度进行判断，最终选取了五个指标，其中包括一项宏观因素指标：GDP增长率；两项企业财务指标：当年经营性净现金流／短期债务、负债总额／有形净资产这；一项行业因素指标：平均毛利率；一项地区因素指标：地区GDP增长率残差。且通过回归分析认为，地区因素对违约率的影响不显著。易佳欣(2007)采用CPV模型对房地产信贷风险进行研究，选取综合领先指标、国房景气指数和企业景气指数三个宏观经济变量值以及房地产信贷违约率的Lo西stic转换值，运用Eviews软件对CPV模型做出估计，然后通过所得的结果对违约率进行了预测。文章认为，CPV模型能够有效合理地度量和预测房地产信贷违约率，有利于商业银行进行信贷风险防范工作。并且，房地产领域的信贷违约率直接受到宏观经济形势的影响，经济状况好转时，房地产信贷违约率下降；反之，违约率则会上升。徐国嘏(2006)尝试将CPV模型的原理应用于信用评级分析，希望更加精准地度量信用风险价值和资本充足率。研究结果表明，目前样本银行的信用评级和资本监管能力已经得到了一定程度的改善，但信贷风险还是处在较高的水平，对于违约级的企业，风险监管资本水平仍然没有达到新巴塞尔协议的规定，信贷风险监管体系需要进一步完善。 硕士论文基于CPV模型的商业银行信贷风险研究2．3小结本章简要介绍了国外风险管理理论的发展，随着信用度量理论以及经济金融业的发展，信贷风险度量方法也得到了蓬勃发展，从以定性分析、分类、排序为主的传统方法，发展到以期权理论为基础的Ⅺv【V模型，以VaR为基础的CreditMetrics模型，以宏观模拟为基础的CPV模型，以保险精算方法为基础的Creditmsk+模型等。同时对国内有关CPV模型的文献进行了整体回顾，发现利用CPV模型对宏观经济指标与违约率进行实证分析的文章相对较少，并且多是从房地产信贷角度进行分析。7 3商业银行信贷风险概述硕士论文3．1信贷风险商业银行作为联系储户与投资者的金融中介，授信一直是其最主要的业务活动，信贷风险也一直是最主要的风险。由于贷款质量直接影响银行的损益状况和生存能力，因此提高贷款质量、控制信贷风险历来是银行管理的核心环节。3．1．1信贷风险的涵义在探讨商业银行的信贷风险之前，我们先来认识一下风险。风险一词具有多种含义，不同的行业领域，风险的内涵是不同的，学术界对风险的概念尚无统一的立场，但在经济金融领域，涉及到风险这一主题时，一般有三种较为普遍的观点。一是损失机会或损失的可能性；一是事件未来可能结果的不确定性或变化；三是未来实际结果与预期结果的偏差，即波动性。最早提出风险概念的是美国的学者Haynes，他率先对风险做了分类并研究了风险的本质，他将风险定义为损失发生的可能性。Pe脏r认为风险发生的概率是客观的，而风险的不确定性是主观的。他主张将风险和风险因素结合起来讨论，厘清了风险不确定性假说的模糊关系。willi锄s和Heills认为风险是预期结果与实际结果的差异，差异越大则风险越大。硒龇曾较全面地分析了风险与未来结果不确定性的关系。他认为，风险不仅取决于不确定性的大小，还取决于收益函数的性质。所以，风险应是从事后的角度来看待不确定性因素造成的损失。这是当下普遍采纳的一种定义，即上述第一种观点：风险是一种损失可能性。而所谓信贷风险，就是指贷款无法按期收回，使得信贷资金及其收益造成损失的可能性。信贷风险来源于市场经济活动自身的不确定性。作为一种特殊的企业，商业银行同其他企业一样，在制定经营目标时也需要追求利润最大化。信贷资产在商业银行资产业务中占比最大，是银行日常经营最主要的盈利资产项目，它的质量安全保证，对整个银行的经营和风险管理都具有非常重要的意义。所谓信贷是指银行作为债权人以某些特定条件为前提将货币资金的使用权有偿转让给客户，并约期归还的授信行为。信贷资产一旦形成就作为银行营运资金的重要组成部分参与银行的日常经营。因此，信贷风险是银行面临的主要经营风险。一般来说，信贷风险大致可分为三类：即敞口风险、违约风险和追偿风险。敞口风险指的是由未来风险发生额的不确定性带来的风险，它并不一定会发生，有些贷款事前会规定还款计划，对于这类贷款几乎不存在敞口风险。但是很多其它种类的贷款，比如透支，就会面临敞口风险。另外，大部分金融衍生工具也会产生敞口风险。 硕士论文基于CPV模型的商业银行信贷风险研究这是因为金融衍生工具的价值取决于基础工具价值的变动，若衍生工具价值为正，银行就可能会面临信贷风险，这样一来，一旦对方发生违约事件，就会失去这些正部位的价值，所以对于金融衍生产品而言，不确定性来自于市场变动，而非客户的行为。违约风险是指违约发生的可能性，它一般不能被直接测量出来，通常需要利用相关的历史资料并根据一定时期内发生违约事件的概率进行测量。这些历史资料既可以向政府部门或者评级机构获取也可以在银行内部进行收集。违约风险的发生与否主要与经济环境、市场前景、公司规模、投资者偏好等方面有关。至于追偿风险，通常情况下，违约事件的追偿额度是很难估计的，它们会受到多方面因素的影响，如违约的类型、违约发生的背景、是否有担保或者抵押物，抵押物是何种类型等等。3．1．2中国商业银行信贷风险的特征及现状近年来，随着国家宏观调控政策、市场环境和企业经营状况的变化，中国商业银行的信贷风险呈现了新特点、新动向。主要存在商业银行资产投向过于集中，银行资金结构不合理等问题。首先，银行资产投向过于集中，抗风险能力较弱。中国商业银行在资产的投向上单一化严重，主要集中于贷款。2010年中国金融机构贷款占总资产运用比例为59．46％，2011年为50．77％，2012年6月份为61．18％，占比呈先降后升的趋势。从2006年到2011年这六年间，贷款占总资产比重始终保持在60％左右的偏高比例，各个年间略有升降，幅度不大。关于有价证券及投资占资金运用比重，2010年为12．23％，2011年有价证券和股票及其他投资两项相加后占比比例仅为11．97％，比2010年低了O．26％，略有下降的趋势，这也反映了中国的资本市场发展缓慢，银行的资金运用过分依赖信贷。可以预见，一旦银行的信贷资产出现危险，就会暴露银行的信贷风险，严重影响银行业的生存和发展。其次，信贷资产投向集中，信贷风险管理难度增加。中国短期贷款以工业贷款和商业贷款为主，2010年和2011年占比都超过10％，两者之和差不多占据了短期贷款总额的一半。而投向农业、乡镇企业的贷款比例则最低，两者之和还不到O．3％。对三资、私营企业及个体贷款同样偏低，尽管2011年对私营企业及个体有所增加，但比重仍未突破10％。由此可以看出。中国信贷资产主要集中于国有工商企业，对于农业贷款和乡镇企业的贷款未能引起足够重视。表明中国商业银行信贷资源的配置并不合理，日趋集中于国有大中型企业和某些行业，从而加大了风险控制的难度。最后，资产结构总体单一，盈利能力差。中国的商业银行的盈利大部分依赖于存贷差。目前为止，多年来商业银行经营模式单一的局面不但没有改观，反而有所加重。2011年，银行的利润有八成来自利息收入，如此高比例的利息收入表明银行在利用资金方面9 3商业银行信贷风险概述硕士论文的能力还有待提高。虽然近几年来中国商业银行在金融理财产品方面发展迅速，但总体而言，这些理财产品都相对比较简单，技术含量较低。对比之下，外国银行业的收入多元化程度则要高出很多，非利息收入所占比例平均为30％左右，其中一些大银行(如花旗等)的非利息收入比重更是高达40％左右。由此可见，中国的银行距离国际金融机构还有很大的差距。3．1．3信贷风险的成因商业银行信贷风险形成的原因有很多：既有内部原因和外部原因，也有主观原因和客观原因。刘杰和谢加贞(2010)从中国的实际情况出发，将商业银行信贷风险的成因分为宏观经济、微观企业和银行自身三个方面。他们认为，宏观经济对商业银行经营活动的影响主要体现在利率风险和汇率风险；微观企业由于企业本身的主观短期行为和客观经营风险造成的经营不力形成了商业银行的信贷风险；而银行本身管理不善也会是商业银行信贷资产暴露在风险之中。而此前李平叶(2008)也从这三个方面探讨了商业银行信贷风险形成的原因。他提出，导致中国商业银行产生信贷风险的外部环境主要有：政府对银行经营干预过多；相关法律制度不健全；社会信用环境还有待完善；金融市场发育迟缓且不规范；信贷资金违规无序进入股市；经济周期波动的影响。借款企业方面的成因包括：国有企业改革滞后；不公平的关联交易对银行贷款安全造成威胁；经济环境的变化加大经营难度；企业融资渠道比较单一；国有企业破产成本过高。银行自身同样存在很多问题，主要体现在：信贷集中：贷款资金趋向长期化；信贷流程的具体操作存在缺陷；信贷风险控制的理念存在偏差；缺乏完善的市场化的风险对冲和消化机制；信贷风险管理激励与约束机制有待完善：国有商业银行管理机制存在弊端；国有商业银行内部风险管理制度落后；信贷风险防范制度建设滞后。3．2违约率本文讨论的违约率，严格意义上说指的是违约概率，精确地讲，信贷风险可以分解为两个核心成分，即违约概率和给定违约条件下的损失率。至此，所有的建模方法都可以根据这两种核心成分进行违约事件、回收率以及它们之间的联合行为进行评估和分析。违约概率的前提是假定违约事件不存在歧义性定义，这点很重要，因为在实践中，对违约事件有时存在各种争论和法律纠纷。简单地说，违约事件可以定义为没有按照合同约定进行及时支付。而违约率是指借款人在未来一定时期内发生违约事件的可能性，即通过分析，试图在事前对违约进行预测。关于违约事件，巴塞尔新资本协议中对违约做了定义，本国的监管机构也有相关的规定。中国银行业监督管理委员会2008年10月1n 硕士论文基于CPv模型的商业银行信贷风险研究1日发布了《商业银行信用风险内部评级体系监管指引》，其中第一百二十六条对违约做出了如下规定：(1)债务人对商业银行的实质性信贷债务逾期90天以上。若债务人违反了规定的透支限额或者重新核定的透支限额小于目前的余额，各项透支将被视为逾期。(2)商业银行认定，除非采取变现抵质押品等追索措施，债务人可能无法全额偿还对商业银行的债务。出现以下任何一种情况，商业银行应当将债务人认定为“可能无法全额偿还对商业银行的债务”：商业银行对债务人任何一笔贷款停止计息或应计利息纳入表外核算；发生信贷关系后，由于债务人财务状况恶化，商业银行核销了贷款或已计提一定比例的贷款损失准备；商业银行将贷款出售并承担一定比例的账面损失；由于债务人财务状况恶化，商业银行同意进行消极重组，对借款合同条款做出非商业性调整，具体包括但不限于以下情况：一是合同条款变更导致债务规模下降、二是因债务人无力偿还而借新还旧、三是债务人无力偿还而导致的展期；商业银行将债务人列为破产企业或类似状态；债务人申请破产，或者已经破产，或者处于类似保护状态，由此将不履行或延期履行偿付商业银行债务；商业银行认定的其他可能导致债务人无法全额偿还债务的情况。借鉴国外评级机构的理念，《监管指引》中的违约定义可以理解为两个层次，即合同违约与广义违约。合同违约是指债务人真实发生了违反商业契约的行为从而使银行可能遭受经济损失，其不能履行债务的行为体现在本金逾期与欠息上，即上述《监管指引》中第(1)款；广义违约是指债务人丧失了履行债务的能力，虽然银行可能暂时没有收到损害，但企业如果不通过外部支援企划或银行没有采取变现抵质押品等追索措施的话，债务必然无法清偿，即上述《监管指引》中第(2)款。而在此之前，商业银行采取贷款的五级分类作为信贷风险管理的主要手段。按照中国人民银行制定的《贷款风险分类指导原则》，中国银行业需根据借款人的还款能力、还款记录、还款意愿等评估贷款质量，以风险为基础将贷款分为五类，分别是：正常、关注、次级、可疑和损失贷款，其中前两类为正常贷款，后三类合称为不良贷款。综合对比了中国银监局对于违约事件与贷款五级分类的定义，虽然二者存在一定差异，不能认为违约和某类贷款完全等同，但是可以看出，违约贷款和不良贷款有着类似的定义。本文的主要目的是利用CPV模型研究违约率与宏观经济指标之间的相关关系，而不是对精确度量违约率数值，所以笔者认为，在无法找到违约率数据的情况下，可以尝试利用中国银监会公布的不良贷款率作为替代进行实证分析。所以，在本文后续研究中提到的违约率，指的是银监会发布的商业银行不良贷款率。3．3中国商业银行信贷风险管理体系的现状 3商业银行信贷风险概述硕士论文中国商业银行的信贷风险管理自上世纪80年代末起步以来，经过十几年的发展和进步，已经改变了过去单纯依靠主观经验进行管理的方式，开始寻求现代化的科学的信贷风险度量管理。目前，各主要商业银行也都相继建立了银行体系内部的企业信用评审制度，评估贷款企业的信用等级，也各自研发了贷款风险的测量方法。尽管近年来商业银行在信贷风险管理方面取得了一定的进步，但是相比于西方先进的信贷风险管理水平，还有很多需要改进的地方，主要表现在以下几个方面。3．3．1缺乏科学的信贷风险识别系统进行风险识别是风险防控的第一步，是商业银行信贷风险管理的核心环节。在实际操作中，银行的信贷交易由于存在信息不对称从而引发了各种风险。首先，从银行与企业的关系角度来看，信息不对称会导致逆向选择与道德风险，银行需要根据企业提供的财务信息、账户信息等评估贷款质量，确定款项的发放，基于这种情况，企业就可能提供虚假报告，误导银行的信贷人员，从而达到骗取贷款的目的。其次，从银行内部系统来看，也是存在问题的，中国的银行业比较特殊，它是一种“金字塔"型的总分行分级制度，这就比较容易产生“委托一代理”问题。商业银行内部各级机构及其各类代理人可能会为最大限度地增进自身效用而做出不利于他人的行动。总体而言，中国的商业银行缺乏全面的企业信息数据库，需要进一步完善无纸化管理，尝试将人工智能、统计学方法等现代科学方法运用在信贷风险度量方面，建立起科学的信贷风险识别系统，为进一步的风险控制打好基础。3．3．2缺乏科学的信贷风险度量手段在现代信贷风险管理中，风险度量的地位举足轻重，对信贷风险进行科学准确地衡量对于整个信贷风险管理体系的运作有着非常重要的作用。目前中国商业银行进行信贷风险度量的主要指标是贷款风险度，虽然这个指标综合了贷款对象、贷款形态和贷款方式三个方面的考虑，但是由于贷款风险度本身没有任何经济意义，它只给出了信贷风险大小的相对数值，因而必须与同类贷款的风险度水平进行横向比较，与贷款风险度的历史水平进行纵向比较，才能得到有用的信息。在模型方面，中国还是以传统的信贷风险度量模型为主，分别是：专家方法、评级方法、信用评分方法。专家方法依赖于专家的经验判断，主观性和随意性较强，另外，由于不同的专家有不同的衡量标准，因此评估结果有很大的不一致性；评级方法要求对客户的信用状况做出综合性评价，但不同的客户有不同的特征和相关因素，难以遵循客观的统一尺度，因此主观性也很强；信用评分法要求宏观经济发展稳定并且借款企业的经营状况和经营环境差别不大，否则，预测值就会产生很大误差。而西方发达国家经过几十年的发展，在信贷风险度量方法与管理技巧方面已经取得了显著的成果，但由于中国商业银行尚未建立起有关企业信用等级方面的资料数据库，也不具备可靠的行业信用数据库，所以不能指望单纯地引进西方国家先12 硕士论文基于CPV模型的商业银行信贷风险研究进的信贷风险度量模型，这不符合国情，中国商业银行急需科学的信贷风险度量手段作为指导。3．3．3缺乏科学的信贷风险调控与监督所谓信贷风险调控，主要是指通过各种手段使商业银行信贷风险和收益达到平衡。当前中国商业银行进行风险调控的主要手段是利用利率水平和贷款期限结构。通常情况下，银行的信贷风险显著提高之后，除了必要的抵押担保等措施，银行一般会调高贷款利率用来平衡风险。但是，由于中国的利率市场化程度不高，利率管制较为严格，这就会使银行的利率调控手段难以发挥，这些措施也就心有余而力不足。同时，银行贷款发放之后，由于受到相关法律法规的限制，银行不但难以调整贷款的利率水平与期限结构，也很难转让及出售资产，导致流动性不足，信贷风险不可避免。3．3．4缺乏专业的信贷风险控制人员在银行信贷风险控制的过程中，人的作用是无可取代的，一个专业的信贷风险控制人员能够使充分发挥风险防控的效果，使银行收益达到最大。鉴于目前中国商业银行的风险控制系统仍然缺乏大量高素质的专业的风险防控人员，因此，要想在短时期内迅速开展信贷风险管理工作，加强信贷风险管理效果，对于各商业银行来说难度相当大。随着中国经济体制改革的运行，金融体系也越来越凸显其在国民经济中的重要作用，而在整个中国金融系统中，商业银行的地位不容小觑，商业银行的稳定对金融稳定意义重大，所以，必须正视商业银行的信贷风险管理问题。3．4小结本章首先讨论了风险以及信贷风险的涵义，认识了信贷风险的三种分类以及目前中国商业银行信贷风险呈现的一些新特征，并简单分析了信贷风险的成因。之后介绍了中国银监局关于违约事件的定义，鉴于中国商业银行的特殊情况，以及违约率数据的获取难度，本文将采用不良贷款率代替违约率进行进一步的研究。最后对中国商业银行信贷风险管理的现状进行了分析，中国商业银行在信贷风险管理方面还存在很多问题，其中信贷风险的度量手段便是一大制约因素，通过数学、统计、计量等方法衡量信贷风险，预测未来的违约率，商业银行可据此调整相关的变化因素或风险防控措施，较少违约损失，维护银行的安全和稳定。 4信贷风险度量模型的理论研究硕士论文4．1CREDITMETIuCS模型J．P．摩根公司、美洲银行、KMV、瑞士银行以及TQU公司等金融机构于1997年开发出的CreditMe仃ics模型是在银行业界最早使用并对外公开的信贷风险管理模型。该模型需要解决这样一个假设性问题：若来年是经济情况很糟糕的一年，那么商业银行贷款组合的价值可能受到的损失将有多大?换言之，其基本思想就是假设有一个信贷资产组合，首先从信用评级机构获取并整理出信用等级的迁移矩阵及违约概率，再应用模拟分析的方法得出在一特定时间点后该项资产组合价值的分布，最后利用价值式计算得出投资组合的风险价值(VaR)。CreditMetrics模型认为在观察的期限内，只要借款人信用评级被降级，即便其并没有发生实际违约，那么信贷资产的价值也会相应减少，这就反映了资产质量的合理降低，从而使得违约实际发生之前会先一步发生信用损失。在模型评估信贷风险的过程同时，它也采用盯市模型(MTM)的方式关注着信用等级的变化和实际违约的发生对信贷资产质量所产生的影响。它主要利用资产组合价值来度量信贷风险，通过模拟该信贷资产所有的违约风险波动以及潜在变动，构造出一个复合计量框架。为了刻画不同的步骤，下面回到CreditMetrics资料中提供的例子：考虑一种无担保的BBB级优先债券，其剩余到期时间为5年，年息6％。首先，由于模型的整个框架依赖于不同信用等级的转移矩阵，所以需要选择适合的评价体系，可以是自己内部研发的体系或者标准普尔、穆迪等评级机构。不论选择哪种体系，都假设可以通过历史数据或其他方法计算得出迁移概率表4．1给出了这样一个矩阵。14 硕士论文基于cPV模型的商业银行信贷风险研究表4．1一年期转移概率矩阵资料来源：st孤dard&P00rs’CreditWbek。从表4．1可以看出，BBB债券在第二年继续保持BBB级的概率为86．93％。债券的信用等级不同，其未来收益也不同，若信用等级发生变化，那么在计算债券价值时，就必须根据债券变化后的信用级别的利率期限结构进行折现。若是信用等级上升(下降)，那么债券价值就会上升(下降)。下表4．2是J．P．Mo玛a11针对7种信用等级和债券到期之前4年时间的各年度的远期零曲线列表，它们是根据债券的零收益曲线得到的贴现率数据。表4．2远期风险贴现期限结构(％)类别一年两年三年四年刖蛆3．604．174．735．12AA3．654．224．785．17A3．724．324．935．32BBB4．104．675．255．63BB5．556．026．787．27B6．057．028．038．52CCC15．0515．0214．0313．52资料来源：CreditMetrics技术资料。这些远期结构被用于计算债券在各种不同的末期等级类别情况下的现金流贴现价格。举例来说，如果订约方在一年后仍被定为BBB等级，则其一年后的债券价值为：15 4信贷风险度量模型的理论研究硕士论文VB黯2c÷丽÷丽÷丽÷丽6106=6÷i而÷石i面医亍严÷ii页夏i：严每ii夏磊iF=10755。41．04104f1．0467I)2’n。0525、)34f1。0563)毒一～“～(4．1)同样地，针对此债券期末时变动到其它等级的情况，我们也分别对其进行估价，可得到表4．3：表4．3期末债券估价基于上述计算以及信用等级的迁移概率矩阵，可以计算BBB债券在一年后可能的价值分布，见下表：表4．4BBB平价债券在一年后的可能价值分布及价值变化从表4．4可以看出，对应于“可确信的”99％的置信水平上的最低债券价值的百分位水平为83．64，也就是说损失为23．91，即债券的风险价值为23．91。我们可以用两种方法求得此债券投资组合的VaR值，一是用正态分布假设，二是用债券实际价值概率分布曲线。若果用正态分布方法来求：结合上表以及信用等级变化的概率，即可求出债券年末的加权平均值X与标准差o：8x：5_ai恤i：o．02％×109。37÷o。33％×王09。重9÷⋯÷o．18％x5主。13JI-一l=i07．09(4．2)16 硕士论文基于cPv模型的商业银行信贷风险研究=√o．02％×王09．372÷033％x109。重92÷⋯÷o。18％x5l。132一107。092=2。99因此，在95％置信水平下的v盒Rl值为：vaRl=1．65×2．99=4．93(4．3)(4．4)若是按照债券价值的实际变动情况进行计算，那么95％置信水平下的魄R2值为：V童R，=107．09．102．02=5．07(4．5)公式(4．4)中所示结果实际上是一个偏小的近似值，因为根据信用变换矩阵，此债券的价值低于102．02的可能性将近6．77％(5．30％÷l。王7％÷o。主2％÷o。18％)。ⅦR，屯=1．78(样本容量为24)，表明经广义差分变换后的模型已不存在序列相关性。接下来针对排除了多重共线性以及序列相关性的拟合结果进行异方差性检验。本文选用戈里瑟检验法进行异方差性检验，它的基本原理是：以原模型中的某个解释变量蕊作为解释变量，以喊l或誉作为被解释变量，建立下列回归方程：剐=f代；)÷￡i——11．戥舀净慨)÷￡i(5．7)(5．8)然后尝试选择关于解释变量鼍的不同函数形式，估计回归方程并进行显著性检验。若存在某一种函数形式，能够使方程显著成立，那么表明原模型可能存在异方差。本文以睦l作为被解释变量，建立戈里瑟模型，回归结果如下表：表5．5戈里瑟检验结果 硕士论文基于cPv模型的商业银行信贷风险研究结果表明原模型不存在异方差性。因此，排除了模型的多重共线性、序列相关性以及异方差性，可以认为，上文最终选取的3个指标可以通过回归分析确定的回归系数很好地模拟宏观经济指数Y，然后根据其与违约率P的数学转换关系计算得出违约率的值，即模型给出了违约率与各个宏观经济指标之间的数学关系。而当中的宏观经济指数模型，可以表示为：《=一6380012—8．66E—05i肼est÷o。oos42疗nvest÷o。006822r÷o．s05737AR(1)(5．9)以上模型中，最显著的一个解释变量是固定资产投资，它与违约率呈负向关系，如果固定资产投资增加，违约率下降；反之，当固定资产投资减少时，违约率上升。其余两个变量即实际利用外资和美元兑人民币汇率则是呈同向变动关系。一般来讲，外资投入越多，表明跨国企业越是看好中国市场，未来的经济发展前景则越广阔，这是投资者心理上对未来经济的一种预期，而实证结果显示，利用外资数量增加会导致违约率上升，这与预期相反，表明外资的引入会对中国商业银行的信贷资产质量造成冲击。汇率是影响国际收支的重要因素，美元兑人民币汇率与违约率正相关表明人民币的稳步升值有利于降低不良贷款率。另一方面，根据汇率的传导机制，美元兑人民币汇率上升，会使出口增加，而中国出口是拉动经济增长的三驾马车之一，中国外贸依存度高，出口的增加表明经济运行良好，违约率理论上应该下降，但这也与本文的实证结果相悖，而在整个汇率传导机制中，中国经济过于依赖于出口，经济结构有待调整。5．4模型预测分析在上一节小节中，我们最终选取了各个宏观经济指标中的固定资产投资、实际利用外资和100美元兑人民币汇率这3个指标，确立了这些指标与宏观经济指数Y之间的数量关系。现将2012年第一季度的数据代入公式4．8，求得该季度宏观经济指数Y的估计值：Y12ql2—4·68再由转换关系式‰2i毛，可求得2012年第一季度违约率的估计值为：P12ql2O·009182由已知数据可以查出，2012年第一季度的实际违约率为O．9(％)，而利用公式4．84l 5基于CPv模型的实证研究硕士论文计算得到的当期违约率估计值为O．9182％，实际值与估计值之间的差值仅为O．0182％，两者在数据上较为接近。由此表明，该模型能够有效地预测未来违约率的值。在此预测中，由于三个宏观经济指标都是作为已知变量进而根据模型推导出信贷违约率。但在实际情况中，未来违约率同期的各个宏观经济指标都是未知的。因此，要取得违约率的预测值，必须先对当期的各个宏观经济指标进行预测。通常情况下，各宏观经济指标可以根据上一期的数值按照一定幅度的波动调整得到。易佳欣(2007)在预测2007年1月份综合领先指标、国房景气指数以及企业景气指数这3个宏观经济指标的数值时，便是用2006年12月份的数据分别上升或下降1％的幅度而得到。因此，预测银行信贷违约率是可行的．，商业银行也可利用预测值提前制订相应的信贷风险防范措施。5．5小结本章主要是利用CPV模型对违约率进行实证研究。在第一小节中，根据模型需要和变量数据的可获得性，笔者初步选取了12个宏观经济指标，然后对收集到的数据进行CPI指数的调整，排除物价指数的影响，又对若干季节性指标进行季节调整。第二小节运用多重共线性中的逐步回归方法筛选出固定资产投资、实际利用外资、100美元对人民币汇率这3个可用指标，进行回归分析，得到一个具有较高拟合优度的回归式，表明最终选取的这些指标很好地拟合宏观经济指数Y，然后通过违约率与宏观经济指数之间的数学转换关系进一步对违约率进行解释。第三小节进行回归结果的分析，并检验模型的序列相关性及异方差性，得到最终模型，根据模型中3个宏观经济指标的估计系数，可以认为：经济运行良好时，信贷违约率会下降；外资的引入会对中国商业银行的信贷资产质量造成冲击；人民币的稳步升值有利于降低不良贷款率。第四小节是对回归方程的有效性检验，笔者利用所得模型与2012年第一季度的相关数据预测出同期违约率，发现与实际值相差很小，有效检验了模型的预测性，并说明了此预测的可行性。42 硕士论文基于cPv模型的商业银行信贷风险研究结论本文首先简要介绍了信贷风险、违约率以及中国信贷风险管理的现状，然后探讨了当今国际上比较有影响力的三种信贷风险度量模型，分别是：CreditMetrics模型、CreditPor渤lioView模型以及CreditPluS+模型，综合分析了这三种模型在中国的适用情况，最终选取CreditPortfolioView模型，利用EviewS5软件，针对中国商业银行的违约概率与宏观经济数据进行了实证研究，最后得到以下三个结论：(1)本文广泛选取宏观经济指标对宏观经济指数进行拟合，然后利用多重共线性原理筛选指标，最终得到固定资产投资、实际利用外资和100美元兑人民币汇率，这3个宏观经济指标，在克服了序列相关性之后可以很好地解释宏观经济指数Y。(2)宏观经济指数与各个宏观经济指标之间存在直接的数学关系，而违约率又与宏观经济指数通过一定的数学关系式相关联，因此上述3个宏观经济指标同样可以很好地拟合违约率数据，通俗来讲，就是宏观经济形势直接影响企业的违约概率，也从侧面反映了企业经营依赖于宏观经济环境。另外，根据这3个宏观经济指标的估计系数，可以认为：经济运行良好时，信贷违约率会下降；外资的引入会对中国商业银行的信贷资产质量造成冲击；人民币的稳步升值有利于降低不良贷款率。(3)此前已有学者利用CPV模型研究了违约率与宏观经济的关系，但多是从某个行业出发或者以其他国家的违约率为研究对象，而本文采用的数据是中国商业银行的整体不良贷款率，同样取得了良好的回归结果，这说明CPV模型在一定程度上适用于中国的宏观经济状况，至少在回归分析这一部分可以用宏观经济指标捕捉违约率的变动。(4)在模型预测分析中可以发现，模型能够有效预测未来的违约率，另外由于宏观经济指标是可以通过前期数据调整得到，因此，信贷违约率的预测是可行的，商业银行也可利用预测值提前制订相应的信贷风险防范措施。虽然本文的研究得到了预期的结果，但是由于受到研究条件和笔者水平的限制，该模型还有很大空间需要补充完善。首先，本文并没有对CPV模型中信用等级迁移矩阵部分进行探讨研究，其次，各个宏观经济变量的样本选取以及样本区间都有待进一步研究，最后，该模型对商业银行信贷风险的度量研究仅限于宏观层面，许多微观因素，像借款人的信用状况、还款能力等，则没有考虑到它们的影响，因此，本文还有很多未完成的研究。43 致谢硕士论文本文的研究是在老师和同学的热情帮助和支持下完成的。在此，我首先要衷心地感谢我的指导老师包文彬老师。从文章的选题、研究方法、实证分析到最后成稿，包老师都给予了悉心的教导和帮助，他的言传身教不仅对于我这篇论文的完成有着重要的指导作用，而且对我自学能力的提高起到了很大的促进作用，同时他为师无私的品格也将使我终身受益。感谢课程期间传授我专业知识的各位老师，没有他们的谆谆教导，就没有我今天撰写论文的基础和功底。感谢我的同学和朋友，他们对我论文的行文都提出了许多中肯的意见和建议。感谢南京理工大学图书馆提供的资料库和舒适的学习环境。最后，感谢我的家人在我论文写作期间对我精神上的关心和支持，不论天涯海角，你们永远是我的永恒。 硬±论文基予CPV模型豹褒进银褥信贷风险研究参考文献[1】Edw莉I．越nn鹕AnmoWSa聃ders．Creditfi嫩meaS嗽ment：DeVelopm献soVer龇last20ye黼F】．弱u涮Qf莹跬崩ng&Fi粼ee，1998(21)：172l—1742．【2】蜥矗蕴el转．Gb嫩，Ac∞攀越蘸∽anato鞠【yofe矧ilri娥趱odIels团．J洲雌a差。轴越艇ng&Fi热魏纛ce，2000(24)：119一149．【3】MiehaelB．Gordy。AriSk-胁tormodelfo粼lationforrat堍s-basedb诎cap硼l落es【露．蚕渗珏l越ofF蠢粼ial韵[1：|}elme蠢i采i。藏，2003(12)：l9瓤232．刚程婵娲，邹海波。CPV模型在银行贷款违约概率计算中的应鼷研究翊．当代经济科学，2009(5)：15—20。【5】齐雅坤．基于CPV模型对我国商业银行信用风险的研究【D】．吉林大学，2009．【螂周婧烨．我国商业银行信贷风险度量及管理研究田】。对外经济贸易大学，2006。【7】杨嵬佳．我嚣商业银行锩贷风险管理研究【D】+东j艺农业大学，2∞O。【8】刘剥文，王吉恒，王国荣．删模型在我国商业银行信贷风险管理中的应用研究【J】．商业经济，20lO(5)：40*43．嘲沈沛龙，任若恩。现代信用风险管理模型与方法的磁较研究团。经济科学，20院(3)：3241．【lO】徐琼。我国商业银行信贷风险管理研究【D】。南京师范大学硕士学位论文，2∞8．【1l】彭彰．商业银行信用风险管理——兼论巴塞尔新资本协议嗍．北京：中国人民大学出版毒±，20e2．【12】方洪全，曾勇。对银行信爰风险评价体系的比较刚。系统工程理论方法应爰．20雠(3)：214．217．【13】曹道胜，何明升．商业银行信用风险模型的比较及其借鉴明．金融研究。2006(10)：9◇。97。【14】谢赤，徐国嘏．锻行信照风险度量C捌i专M嘲es模型与CpV模型比较研究嘲。湖南大学学报(自然科学版)，_2006(2)：135．137。【15】霍树彬．现代商业银行信用风险转移策略研究【J】．东南大学学报(哲学社会科学版)，2007(5)：4945。【16】尹航．基于CpV模型的我国商业银行房地产信贷风险研究图】。西篡￡农林科技大学，2011．【17】陈忠粥．金融风险分桥与管理研究：市场和机构的理论、模型与技术瞰】．={艺京：中国人民大学出版社，2001．【18】易佳砍．房地产信贷信用风险的度量与预测研究【l鬻。疆安理工大学，2007． 参考文献硕士论文[19】徐国嘏．基于CPV模型的信用评级及银行监管资本充足率研究【D】．湖南大学，2006．【20】李鑫．物流企业信贷信用风险度量研究【翻．西南交通大学，2009．【2l】靳凤菊．CPV模型的优势分析——基于房地产零售信贷的信用风险度量与管理的研究阴．商业文化，2007(6)：221．212．【22】贾海涛，邱长溶．宏观因素对贷款企业违约率影响的实证分析【J】．现代管理科学，2009(2)：67．72．【23】陈娜娜．商业银行信用风险度量模型及其在我国的适用性研究【捌。西南财经大学，2007．【24】石林．谈以信用资产组合的信用风险度量改善我国商业银行的信用风险管理【J】．价值_工程，2006(6)：101．10霹．【25】王春峰。金融市场风险管理【M】。天津：天津大学出版社，200l。【26】李志辉．现代信用风险量化度量和管理研究[M】．北京：中国金融出版社，2001．【27】李建华，韩岗，韩晓普．基于CreditPortfolioView的信用风险度量模型研究【J】．工监技术经济学，2008(3)：4648．【28】迪迪埃·科森，于格·皮罗特+高级信用风险分析【M】．北京：机械工业出版社，2∞5．【29】汪办兴．我国银行贷款违约损失率影响因素的实证分析【J】．上海财经大学学报(哲学社会科学版)，2007(3)：54。60．p0】管七海。建立我国贷款企业违约率测度的多维度分析体系研究明。金融论坛，2005(8)：4l_45。【31】肖北溟．宏微观分析相结合的信贷风险预测模型研究[J】．金融论坛，2004(10)：57．61．【32】张戒恩．我国商韭银行信贷风险度量研究【明。北方工业大学，2008．【33】方翠芳．商业银行对企业信贷风险的度量研究【D】．大连理工大学，2009．【34】刘杰，谢加贞．我国商业银行信贷风险的成因及防范研究【J】．现代交际，2010(5)：107-107．