第一节
信用风险建模基本流程

构建内部信用风险模型，银行应该认真地选择一套能够立即投入使用、易于解释和实施的信用等级迁移概率和违约概率。理想信用风险组合模型（CRPM）应该包括信用风险各方面因素，其中最主要的是组合中各资产违约风险大小和总违约风险大小（违约概率和违约损失率）；一个好CRPM应该包括信用评级下降和差价两方面产生的风险；反映相关性对损失分布尾部的影响，准确地反映分散化或集中化效应。

一、建模型前应考虑的关键性问题

构建一个信用风险数量模型，至少需要考虑以下六个问题：

第一，定义“信用风险”。按违约或破产事实界定信用风险，并考虑信用等级迁移。

第二，选择风险驱动因素，即引发信用风险的因素，包括系统性因素（产业因素、国家因素、周期因素等）和非系统性因素（技术创新、管理问题、特殊事件等）。这些因素相互影响，从而导致了个别企业的资产收益与企业违约之间存在某种相关性。如何在假定一些因素不变下，另一些因素变化会导致信用风险产生，成为建立信用风险模型的关键。

第三，妥善处理信用等级的波动性。建立信用风险模型的关键在于，是按违约概率建立模型，还是按违约分布函数建立模型。收集违约概率数据是信用风险管理基础工作。

第四，确定违约损失率。违约损失率显示损失严重程度。经验证明，回收率在不同时期波动性相当大，且特定贷款情况也各有差异，信用模型处理方式也不一样。

第五，选择数学方法。贷款的市场价值、违约损失的均值等变量被看做连续变量还是离散变量？其概率分布是看做正态分布、反向偏斜分布、泊松分布还是gamma分布？有的模型甚至使用最简单的数学方法就满足需要了。

第六，有效处理信用事件之间的相关性。考虑相关性影响，才能更精确计量信用风险资本要求，才能更好地反映资产组合信用风险，而直接推算信用事件相关性并非易事。

那么，银行应考虑哪些重要的、完善的且具有可操作性的组成部分？需要引进哪些风险测量方法才能使信用风险计量更为准确？与VaR模型运用交易账户数据为银行计量市场风险资本类似，内部信用风险模型中什么变量具有相似功能，即可支持银行授信活动来计量其所需经济资本？究竟什么样信用风险模型才是完美模型？

二、有效信用风险模型的基本特征

风险与损失的根本区别在于风险是潜在的、尚未发生的损失。因此需要寻找一种合理的搜索模式，对潜在的风险进行有效的识别、评估和预警就成为信用风险管理的关键环节。确定风险搜索模式是评级体系建设的基础，是增强模型功能和表现力的重要前提。内部评级必须兼顾系统风险和非系统风险，选择最佳的路径进行风险搜索和定位，以提高识别信用风险能力。从国际先进银行实践看，常用的风险搜索模式有：时间序列分析、逻辑回归分析、拉格朗日插值、专家知识系统和逐步逼近法等。有的银行采用多种模型对信用风险进行评级，这些模型的设计原理和侧重点不同，因而评级结果往往不一致。如何将各种模型分析结果有效地整合起来，使这些模型发挥最大效益已成为模型建设者关注的焦点。一般采用中性处理原则，即取几种模型加权平均值作为最终的系统评级结果，问题是如何确定不同模型的权重，对于多个基于判别分析的PD模型，通常采用计算机迭代方式确定多模型权重。对那些表现稳定、预测能力强的评级模型赋予相对较高权重，而权重分配整体效果将使组合模型具备更高的稳定性和准确性。

根据爱德华·爱特曼等人的见解，具有以下五个特征的信用风险模型，才算是有效的或可以运用的：第一，模型对公司信用等级的实质性变化具有敏感性；第二，模型对公司信用等级变化的预测具有一定的超前性；第三，在公司信用没有实质性变化时，模型应具有稳定性；第四，模型对信用风险的划分，应有助于信用定价和信用条件的合理性设定；第五，模型输出信用风险结果，对不同行业、公司规模及地理位置的公司应保持一致性，为做到这一点，模型会针对不同客户群运用不同变量，于是产生了不同行业的信用模型，包括制造业、非制造业、金融机构以及住房或汽车等个人消费信用风险模型。从定量分析角度看，如果信用模型预测准确率达到80%以上，就说明模型有效。

银行获得信用模型，可内部自行开发，也可从第三方购买。但不管是自己开发信用模型，还是从第三方购买，银行应充分认识实施模型的复杂性和重要性。引入信用模型之前，要对模型进行各种严格检验。首先是统计检验，银行确定模型的第一类错误（将破产公司划为非破产公司）和第二类错误（把非破产公司划为破产公司）指标，将其控制在一定范围内。其次是噪音测试。噪音是在公司信用没有实质性变化情况下，出现信用等级剧烈波动，对噪音检验，可区分出模型结果是有用信息还是无用噪音。再次，进行试点检验（Pilot Test），它应被视为接纳一个模型的“石蕊试纸检验”。它基于一家商业银行自己5—10年的数据进行检验，试纸检验要求能反映信用风险度量的3个关键方面：敏感性、超前性和稳定性。

三、信用风险建模及要素联系

分析信用风险需要计算机辅助计算，因为在分析信用风险时，在建立资产组合之前，有上百万的数据要处理，此外，信用风险需要很长时间才能显现出来。这需要应用历史数据提取技术和挖掘技术来建立基础统计模型。信用风险建模的流程主要包括以下五个步骤：第一，建立风险参数PD、LGD、EAD的计量模型；第二，对每一个风险头寸和资产组合，计算给定时期内的预期损失水平；第三，计算每一个风险头寸预期损失的波动额（非预期损失）；第四，计算资产组合预期损失的波动额（非预期损失）；第五，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头寸，在给定置信度和时间范围内，需要多少资本来吸收。这五个步骤是通过一系列要素之间的逻辑联系推导的，通常由八个模块的工作来完成：初始输入、预处理、预处理一级输出、补充输入、组合效应、二级输出、损失分布生成器和最终输出，这八大模块可分为三大部分，由初始输入、预处理和一级输出结果三个模块组成初级部分；由组合效应、补充输入和二级输出结果三个模块组成次级部分；损失分布生成器和最终输出两个模块组成最终输出部分（见图6-1）。

第一模块：信用风险组合模型初始输入参数，大体分三类：一是银行组合信息和客户专有信息，如违约暴露（贷款额度、未清偿贷款余额（outstanding）、贷款承诺（commitments）、承诺协议（covenants）和违约提款率、违约损失（有担保或无担保）和预期违约频率；二是银行内部客户评级系统，必须细致区分不同信用等级，作为估计债务人信用初始基准，如预期违约频率（EDF）、违约提款率（UGD）和违约损失率（LGD）；三是市场利率与信用曲线等市场信息，推断有关客户信息及即期市场利率的能力极为重要。

第二模块：预处理，这与银行现有IT系统结构和数据库密切相关，需要有功能强大的集成信息系统。银行利用该系统足以收集授信工具的未清偿债务与贷款额度，实现对债务人管理，汇总同一债务人的不同债务工具的“净额”。

第三模块：是预处理一级输出结果，包括信用资产i的违约暴露，根据输入参数计算的预期损失（EL_i）和非预期损失（UL_i）。

第四模块：搜集并输入补充信息，包括宏观变量、违约相关性、与主权有关的和其他债务人的特有信息。

第五模块：将补充输入信息与组合内单个资产信用风险的EL_i和UL_i结合起来计算授信资产组合效应。

第六模块：二级输出结果包括在组合基础上单个资产的风险贡献（RC_i）、组合预期损失（EL_p）、组合非预期损失（UL_p）以及联合信用评级迁移。

第七模块：为缓冲无力清偿风险压力，使作为破产缓冲器的资本需求得到较好的统计指标支撑，使银行持有资本达到一定的容忍水平，银行需要利用蒙特卡罗模拟或极限分布假设获得理想的组合尾部损失分布。

第八模块：由此导出内部信用风险模型的最终输出结果，如风险限额、风险调整绩效评估、风险调整定价以及经济资本总量等。

第九模块（附加）：根据巴塞尔Ⅱ内部评级法的流程，由组合信用风险模型的预处理模块的结果：资产i的违约概率（PD_i）、违约损失率（LGD_i）、违约风险暴露（EAD_i）和期限（M_i），将这些结果与宏观经济信息结合起来，计算出各个资产的监管资本要求（CR_i），求和得到组合的监管资本要求（CR_p），最后利用组合的资本要求计算业务单元的风险调整绩效和风险调整资产定价。按内部评级法计算授信资产组合资本要求是基于“组合不变性”。

四、信用风险模型的筛选流程

内部评级模型是银行内部评级体系建设的核心，而确定关键评级指标是内部评级模型体系建设的关键一步，从理论上说，可用于内部评级的指标很多。国外学者研究表明，常用的财务指标中有100多个能够直接或间接地用于客户信用风险评级，而实际上评级模型的指标个数并非越多越好。在初始阶段由少到多地增加解释变量，会有助于提高模型的风险识别能力，但当自变量的个数超过某一阈值时，模型的预测能力就会由上升转为下降；与此同时，模型的稳定性始终会随着指标的增多而呈现出下降趋势。解释变量超过一定数目时，指标间的信息重叠就会以几何级数的速度增加，如企业财务指标的速动比率和流动比率、净资产收益率和总资产收益率、经营现金流比率和EBITA比率等，各指标间存在很大的相关度，这就使指标间的实质性信息重复考虑，容易形成对违约风险的误导；而多余指标所提供的不必要信息却干扰了那些重要指标反映的信息，使得关键变量预测风险中的作用难以有效发挥作用。在建模过程中，提取关键指标方法主要有主成分分析法、回归分析法、条件回归分析法和层次分析法。

信用风险模型是一种系统模型，既要满足银行控制信用风险的实际需要，同时又要得到监管当局认可，因而完善的内部信用风险模型至少应达到这样两个基本目标：一是必须能够准确地估计和量化资产组合的信用风险，为审慎性资产组合管理提供决策依据；二是可用于确定银行经济资本数量、确定资本配置机制、资产定价以及其他战略目的。

因此，银行选择信用模型应考虑该模型的假设前提与应用者自身情况及所处环境的吻合程度，选择信用模型一般应遵循以下原则：（1）多采用经验模型，少采用主观模型；（2）采用对历史数据依赖程度弱的模型；（3）采用巴塞尔Ⅱ建议采用的信用模型；（4）采用已被应用和验证的信用模型；（5）尽量采用根据自己的历史数据确定参数的模型。在内部评级体系建设中，定量模型的筛选流程尽可能全部实现自动化，以保证银行高效率地定期进行模型比较分析。模型筛选的基本步骤见图6-2。