信用风险管理历来是商业银行经营管理的重中之重。当今国际先进银行的信用风险管理已从过去以定性分析为主的模式演进到以数学建模为基础的量化分析阶段。各种信用风险度量模型为银行风险管理提供了重要的参考数据,对信贷决策、风险防范起着重要作用。而我国商业银行目前仍处于以简单的信用评分为主的阶段。在金融工具日趋多样化、银行业务更加复杂的今天,这种方法已经不能满足银行降低损失、增加盈利的风险管理需要。在银行业全面开放、竞争更加激烈的背景下,我国商业银行应当借鉴国际先进经验,将信用风险管理由定性分析为主的模式转变为量化管理模式,尽可能减少信用风险带来的损失。本文即在此背景下构思完成,目的是探讨信用风险量化管理方法在我国商业银行实行的可能性,提出实现量化管理的可能途径。文章采用对比分析、举例说明、量化分析等方法,阐述各种信用风险管理方法的思路和特点,并以较为翔实的资料对我国信用风险管理现状作出描述。论文以什么是量化管理、量化管理为什么有效为切入点,阐述信用风险量化管理在我国推广的必要性。由于数据的缺乏,本文主要从思想方法上对各种信用风险度量模型进行介绍和分析,而不是拘泥于具体的数字和数理统计技术。最后,文章从各种模型在中国运用的现实基础出发,提出政策建议,因此有较强的实际意义。本文第一章分析了信用风险量化管理在国际银行业兴起的原因,并以国际知名银行实行量化管理的良好效果为例,总结了量化管理的应用范围。信用风险量化管理是商业银行受“脱媒”现象和金融自由化的影响,为了在竞争更加激烈的环境中保持生存和盈利空间,同时也为了规避原巴塞尔协议关于资本充足率的要求,而作出的管理方法上的演进。这一时期科学技术的迅猛发展和经济金融学理论上的新成就也为信用风险管理模式的演变提供了理论和技术上的支持。信用风险量化管理方法突破了传统信用风险管理方法的适用范围,不仅能提供是否授信的决策依据,而且在授信条件、贷款定价方面得到应用,还能够为提取贷款损失准备金、经济资本设置、早期风险预警等风险管理环节提供参考数据。将信用风险度量模型与传统的定性分析方法结合使用,会使银行的风险管理更加科学有效。第二章对几种主要的信用风险度量模型的基本思路进行介绍,并对其适用性进行分析。本章首先介绍了国际先进银行在20世纪80年代起开始运用的打分卡技术。该技术是信用评分制度到完全模型化信用风险管理之间的过渡阶段。做法是将客户的—系列财务指标、非财务指标与预先设定的标准值进行比较,对客户的信用状况打分,并进行信用评级,再将评级结果通过外部“映射”的方法得到违约概率。在此基础上,利用外部的违约回收率数据,实现间接的信用风险量化。随后本章着重介绍20世纪90年代国际流行的几种信用风险度量模型的思路。信用风险量化主要涉及三个风险因素:风险敞口(EAD)、违约概率(PD)、违约损失率(LGD )。在确定三个指标数值的基础上,可以根据公式EL=EAD×PD×LGD求出某项贷款由于信用风险产生的预期损失(EL)。除此之外还要估计非预期损失(UL),UL是指资产价值波动超过预期损失的部分。不同的信用风险度量模型从不同的角度定义违约,并采用不同的方法估计PD和LGD。根据对违约定义的不同,这些模型可以分为违约模型( default model)和盯市模型(mark-to-market model)。违约模型认为违约事件为两点分布,在不违约时均认为贷款可完全收回,违约发生时才计算违约损失。而盯市模型则认为客户在违约事件发生前信用等级下降或财务状况变化均会对其是否违约产生影响,因此在计算贷款的价值时要考虑贷款的可变现价值,类似于考虑可交易资产的市场价值。本文主要介绍KMV模型和CreditMetrics模型,两个模型都用于对企业客户的信用风险度量。从思路上讲前者属于违约模型,后者则属于盯市模型。KMV模型运用期权定价理论估计公司违约的概率,认为当公司的市场价值下跌到一定水平以下(违约点)时,公司就会选择违约。该模型主要以上市公司为考察对象,根据期权定价公式,从上市公司股权价值与资产价值的关系、股价波动程度与资产价值波动程度的关系出发,利用股票市场上的数据确定上市公司的预期违约频率(EDF)。至于LGD,则将其认定为常数。在此基础上,计算预期违约损失。经过变通处理,KMV公司也推出了用于非上市公司信用风险度量的模型,但需要运用非上市公司的会计信息,与相应的上市公司进行对比分析得出EDF。因此其有效性略有下降。KMV模型的优点有:(1)运用股票市场信息,避免了通常的信用评级“向后看”的弊端,所得数据能够反映借款企业的即时变化;(2)股票价格中包含对上市公司未来财务状况的预测,使模型具有前瞻性;(3)数据相对容易获取,计算步骤相对简单;(4)根据公开市场信息做出违约概率预测,评价结果客观。CreditMetrics模型则把原本用于测量市场风险的受险价值(VaR)方法应用到对信用风险的度量中来。对于贷款这样的非交易资产计算其市场价值无疑存在困难,CreditMetrics模型提出的解决办法是:利用(1)借款人的外部信用评级;(2)下一年里评级发生变化的概率(评级转移矩阵);(3)违约贷款的回收率;(4)贷款(或债券)市场上的信用价差和收益率就可以为任何非交易性资产计算出一组假想的市场价值P和价值波动的标准差σ,进而计算出个别贷款或贷款组合的VaR值。CreditMetrics模型的优点:(1)不仅考虑借款人的违约风险,还考虑了借款人的降级风险,可以全面地衡量信用风险变化对贷款价值的影响;(2)VaR值体现了银行贷款未来的可能损失,可作为配备风险资本和提取贷款损失准备的参考基础;(3)能够测算出非交易资产的市场价值,为贷款定价机制的建立提供了良好的研究方向。第三章着重对我国商业银行实行信用风险量化管理的必要性和可行性进行分析。巴塞尔新资本协议提出内部评级法(IRB法),允许有条件的银行运用IRB法进行风险管理并计算资本要求。相对于运用标准法,运用IRB法计算资本要求能够享受相应的资本优惠。国际先进银行通过信用风险量化管理(实施IRB法)可以获得节约资本的好处,在风险管理上也更加科学合理。在银行业全面对外资开放之后,我国商业银行要在竞争中求得生存和发展,必须在资本和风险管理两方面实现质的飞跃。本章第二节以我国某大型股份制银行为例,介绍了我国商业银行在信用风险量化管理方面取得的进展。本章也总结了我国商业银行面临的现实困难,包括风险管理理念落后、有效数据缺乏、风险管理人才不足,以及贷款分类制度不完善等。第四章提出了我国商业银行实行信用风险量化管理的可能途径。本文认为,目前我国银行尚不具备量化管理所需数据、技术和人才等条件,因此现阶段可在现有信用评分制度基础上,采用打分卡技术,实行初步的信用风险量化管理。文章特别指出,对于中小银行而言,运用打分卡技术得当即可收到良好效果,而大型的商业银行则应立足本行实际,在依靠打分卡模型的同时,借鉴国外信用风险度量模型的思路,研发适合本行实际的信用风险度量模型。本文在比较了KMV模型和CreditMetrics模型各自特点后指出,针对我国商业银行的内外部条件和两个模型对数据的要求,借鉴KMV模型更具有可操作性。当然该模型在应用于非上市公司信用风险评价时,需要进行变通,并根据我国的实际情况对模型进行修正。本文的创新在于提出在当前阶段尚不能立即运用信用风险度量模型。在过渡时期应以打分卡模型为主实行初步的信用风险量化管理,同时不断完善实行信用风险量化管理的条件,在借鉴国外模型思路的基础上开发适合本行的信用风险度量模型。根据我国商业银行面临的实际情况,本文认为KMV模型对于我国大型商业银行而言可行性更强。由于所阅文献有限,且缺乏我国商业银行贷款数据的资料,本文未能对模型的有效性进行实证分析。另外,本文主要研究银行对企业客户的信用风险管理,未对个人客户的信用风险管理进行探讨。