信用分析的概述

1. 信用分析的概述

信用分析是对债务人的道德品格、资本实力、还款能力、担保及环境条件等进行系统分析，以确定是否给与贷款及相应的贷款条件。

2. 信用分析的现代信用分析方法

20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。现代信用风险的计量模型按其计量的风险层次分为三种类型：一是单个交易对手或发行人的计量模型，二是资产组合层次的计量模型，三是衍生工具的计量模型。交易对手或发行人层次的计量模型（一）基于期权定价技术的风险计量模型。Merton发现银行以折现方式发放一笔面值为d的贷款所得到的支付和卖出一份执行价格d的看跌期权所得到的支付相等。因此有风险贷款的价值就相当于一个面值为d 的无违约风险贷款的价值加上一个空头卖权。贷款的卖权价值取决于5个变量，即企业资产的市场价值、企业资产的市场价值的波动性、贴现贷款的面值、贷款的剩余期限以及无风险利率。基于企业的市场价值和其波动性的不可观测性，1995 年美国KMV公司开发了KMV模型，该模型又称为预期违约概率模型( expected default frequency，简称edf )，模型使用企业股权的市场价值和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；使用企业资产的波动性和企业股权的波动性之间的结构关系来计算企业资产的波动性，同时统计在一定标准差水平上的公司在一年内破产的比例，以此来衡量具有同样标准差的公司的违约概率。该模型是实际中应用最为广泛的信用风险模型之一。该模型理论依据在很多方面与Black-Scholes (1973)，Merton(1974)以及Hull和White（1995）的期权定价方法相似。其基本思想是，当公司的价值下降至一定水平时，企业就会对其债务违约。根据有关分析，KMV发现违约最频繁的分界点在公司价值等于流动负债±长期负债的50%时。有了公司在未来时刻的预期价值及此时的违约点，就可以确定公司价值下降百分之多少时即达到违约点。要达到违约点资产价值须下降的百分比对资产价值标准差的倍数称为违约距离。违约距离=（资产的预期价值－违约点）/资产的预期价值×资产值的波动性。该方法具有比较充分的理论基础，特别适用于上市公司信用风险。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术模型更加灵活。（二）基于风险价值var的信用度量模型。var是指在正常的市场条件和给定的置信水平上，用于评估和计量金融资产在一定时期内可能遭受的最大价值损失。在计算金融工具的市场风险的var时，关键的输入变量是金融资产目前的市场价格和波动性。由于贷款缺乏流动性， 因此贷款的市场价值和波动性不能观测。JP Morgan（1997）银行开发了信用度量制（credit metrics™） 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、违约相关性纳入了一个统一的框架来度量信用风险。该模型适用于商业信用、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方法计算结果对于这一假定的敏感性很高。（三）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设：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，它只要求有限的输入数据，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。（四）以宏观模拟为基础建立的Creditportfolio 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间的关系方法化，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，能够刻画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。资产组合层次的计量模型现代资产组合理论（MPT）表明适当地利用资产之间的相关关系可以有效地降低风险并改善资产组合的风险－收益状况。然而流动性很差的贷款和债券组合存在着收益的非正态性、收益和相关系数的不可观测性等问题，这使得资产组合理论不能简单地运用这些组合中去。收益的非正态性使得基于两矩（均值和方差） 而构建的资产组合理论只有增加偏度和峰度两矩才能较好地进行描述。历史价格和交易数据的缺乏造成了使用历史的时间序列数据计算收益率、方差以及收益之间的协方差和相关系数变得极为困难。资产组合层次的信用风险计量模型正是通过克服这些问题而发展起来的。这类模型大体上可以分为两大类：一类是寻求计算证券组合的全部风险－收益的交替关系，如KMV的资产组合管理模型；另一类是集中风险维度和组合的var计算，如Creditmetrics资产组合模型。衍生工具的信用风险计量模型衍生工具可以可分为利率衍生工具和信用衍生工具。前者按其风险－收益特性可以分为对称性衍生工具，主要是指远期、期货和互换，而期权属于非对称性衍生工具，其风险－收益特征表现出典型的非线性。而后者主要通过采用分解和组合技术改变资产的整体风险特征，如信用互换、信用期权以及信用远期等。衍生工具的信用风险与表内业务存在许多区别。首先，合约的无违约价值对交易对手而言必须为负值；其次，交易对手一定处于财务困境之中；再次，在任一违约概率水平上，衍生工具结算一般采取轧差方式，其违约遭受的损失往往低于同等金额的贷款违约的损失；最后，银行和其他金融机构都是用其它许多机制来降低违约的概率和损失。鉴于此，研究者相继提出许多计量模型，但主要集中在互换和期权两类衍生工具上。信用衍生产品的定价是信用风险管理研究领域的难点问题。目前，学术界和实务界主要有三类定价信用衍生产品的方法：基于保险理论的定价，基于复制技术的定价和基于随机模型的定价。在基于保险理论的定价方法中，保险公司承担了投保人的信用风险，因而必须得到一定的保险费作为补偿。这种定价方法是一种基于保险公司历史违约数据库的统计方法，应用范围很窄，只能对存在历史违约数据的信用衍生产品提供保险。而基于复制技术的定价需要逐一确定投资组合中所有头寸的价值，对于结构复杂的信用衍生产品来说，这种技术很难实现。基于随机模型的定价是现在的主流方向，其中强度模型和混合模型的应用十分广泛。