時間：2023-03-21 17:16:23
序論：速發(fā)表網(wǎng)結(jié)合其深厚的文秘經(jīng)驗，特別為您篩選了11篇信用風(fēng)險論文范文。如果您需要更多原創(chuàng)資料，歡迎隨時與我們的客服老師聯(lián)系，希望您能從中汲取靈感和知識！
隨著金融市場上各種異?，F(xiàn)象的累積，模型和實際的背離使得傳統(tǒng)金融理論的理性分析范式陷入了尷尬境地。20世紀(jì)80年代，通過對傳統(tǒng)金融學(xué)的反思和修正，行為金融理論悄然興起，并開始動搖了CAMP和EMH的權(quán)威地位。行為金融理論在博弈論和實驗經(jīng)濟學(xué)被主流經(jīng)濟學(xué)接納之際，對人類個體和群體行為研究的日益重視，促成了傳統(tǒng)的力學(xué)研究范式向以生命為中心的非線性復(fù)雜范式的轉(zhuǎn)換，使得我們看到了金融理論與實際的溝壑有了彌合的可能。1999年克拉克獎得主馬修(MatthewRabin)和2002年諾貝爾獎得主丹尼爾·卡尼曼(DanielKahneman)和弗農(nóng)·史密斯(VemonSmith)，都是這個領(lǐng)域的代表人物，為這個領(lǐng)域的基礎(chǔ)理論作出了重要貢獻(xiàn)。國外將這一領(lǐng)域稱之為behaviorfinance，國內(nèi)大多數(shù)的文獻(xiàn)和專著將其稱為“行為金融學(xué)”。
行為金融學(xué)發(fā)現(xiàn)，人在不確定條件下的決策過程中并不是完全理性的，會受到過度自信、代表性、可得性、錨定和調(diào)整、損失規(guī)避等信念影響，出現(xiàn)系統(tǒng)性認(rèn)知偏差。而傳統(tǒng)金融學(xué)是基于理性人假設(shè)，認(rèn)為理性人在不確定條件下的決策是嚴(yán)格依照貝葉斯法則計算的期望效用函數(shù)進(jìn)行決策的。即使有些人非理性，這種非理性也是非系統(tǒng)性的，會彼此抵消，從而在總體上是理性的；如果這種錯誤不能完全相互抵消，套利者的套利也會淘汰這些犯錯誤的決策者，使市場恢復(fù)到均衡狀態(tài)，達(dá)到總體理性。
2行為金融對信用風(fēng)險管理的影響
2．1風(fēng)險偏好
根據(jù)行為金融學(xué)的基本理論，投資者的風(fēng)險偏好不同于傳統(tǒng)金融學(xué)理論下風(fēng)險偏好是不變的，而是變化的，是會隨著絕對財富等一些其他因素的改變而發(fā)生改變的。因此，我們就沒有理由相信借款人是特殊的群體，他們借款的目的大多都是為了投資，也是眾多投資者中的一部分，他們的風(fēng)險偏好也會發(fā)生改變。風(fēng)險偏好的改變就會直接影響到他們面臨的風(fēng)險，最終會影響貸款方面臨的信用風(fēng)險。
2．2過度自信
過度自信或許是人類最為穩(wěn)固的心理特征，人們在作決策時，對不確定性事件發(fā)生的概率的估計過于自信。投資者可能對自己駕馭市場的能力過于自信，在投資決策中過高估計自己的技能和預(yù)測成功的趨勢，或者過分依賴自己的信息而忽視公司基本面狀況從而造成決策失誤的可能性。這種過度自信完全有可能導(dǎo)致大量盲目投資的產(chǎn)生，盲目的多元化和貪大求全。
2．3羊群行為
企業(yè)決策由于存在較大的不確定性并涉及較多的技術(shù)環(huán)節(jié)，其決策往往由決策團體共同協(xié)商作出，主要屬于群體決策，而群體決策有可能導(dǎo)致羊群行為(HerdBehaviors)的發(fā)生。羊群行為主要是指投資者在掌握信息不充分情況下，行為受到其他投資者的影響而模仿他人決策的行為。在企業(yè)決策中，羊群行為的表現(xiàn)可能是決策團體中多數(shù)人對團體中領(lǐng)導(dǎo)者的遵從，也可能是領(lǐng)導(dǎo)者對決策團體中多數(shù)人的遵從，而且是一種盲目的遵從。決策中的羊群行為可能造成決策失誤。
2．4資本結(jié)構(gòu)與公司價值
1958年，美國經(jīng)濟學(xué)家費朗哥·莫迪格里安尼(FraneoModigliani)和默頓·米勒(MertonMiller)在《美國經(jīng)濟評論》發(fā)表了題為《資本成本、公司財務(wù)和投資理論》的論文，提出了著名的MM定理，主要內(nèi)容是：在市場完全的前提下，企業(yè)的資本結(jié)構(gòu)與企業(yè)的市場價值無關(guān)。即企業(yè)價值與企業(yè)是否負(fù)債無關(guān)，不存在最佳資本結(jié)構(gòu)問題。如果證券價格準(zhǔn)確地反映了公司未來現(xiàn)金收入流量的值，那么不管發(fā)行的是什么類型的證券，只要把公司發(fā)行的所有證券的市場價值加在一起，一定等于這個公司未來利潤的現(xiàn)值。無風(fēng)險套利活動也使得資本結(jié)構(gòu)無關(guān)緊要，如果兩個本質(zhì)完全相同的公司因資本結(jié)構(gòu)不同在市場上賣出的價格不一樣的話，套利者就可以將更便宜的公司的證券全部買下，然后在價格相對較高的市場上賣出。因此，公司的資本結(jié)構(gòu)就不再是不相干的問題。不同的現(xiàn)金收入流量對不同的投資者的吸引力也會各不相同，這些投資者對于他們感興趣的現(xiàn)金收入流量愿意付出高價。特別是由于噪聲交易者的存在，套利仍充滿風(fēng)險。所以，不同的資本結(jié)構(gòu)，其公司價值顯然是不同的，其信用風(fēng)險必然不同。
3行為金融對金融租賃公司信用風(fēng)險管理的啟示
金融租賃業(yè)務(wù)由于涉及交易環(huán)節(jié)較多，交易結(jié)構(gòu)較為復(fù)雜，不但面臨客戶(承租企業(yè))不能按時履約的信用風(fēng)險，也存在供貨商不能按時履約的信用風(fēng)險，因此，相對于商業(yè)銀行傳統(tǒng)信貸，其信用風(fēng)險更大。
隨著金融市場上各種異常現(xiàn)象的累積，模型和實際的背離使得傳統(tǒng)金融理論的理性分析范式陷入了尷尬境地。20世紀(jì)80年代，通過對傳統(tǒng)金融學(xué)的反思和修正，行為金融理論悄然興起，并開始動搖了CAMP和EMH的權(quán)威地位。行為金融理論在博弈論和實驗經(jīng)濟學(xué)被主流經(jīng)濟學(xué)接納之際，對人類個體和群體行為研究的日益重視，促成了傳統(tǒng)的力學(xué)研究范式向以生命為中心的非線性復(fù)雜范式的轉(zhuǎn)換，使得我們看到了金融理論與實際的溝壑有了彌合的可能。1999年克拉克獎得主馬修(MatthewRabin)和2002年諾貝爾獎得主丹尼爾·卡尼曼(DanielKahneman)和弗農(nóng)·史密斯(VemonSmith)，都是這個領(lǐng)域的代表人物，為這個領(lǐng)域的基礎(chǔ)理論作出了重要貢獻(xiàn)。國外將這一領(lǐng)域稱之為behaviorfinance，國內(nèi)大多數(shù)的文獻(xiàn)和專著將其稱為“行為金融學(xué)”。
行為金融學(xué)發(fā)現(xiàn)，人在不確定條件下的決策過程中并不是完全理性的，會受到過度自信、代表性、可得性、錨定和調(diào)整、損失規(guī)避等信念影響，出現(xiàn)系統(tǒng)性認(rèn)知偏差。而傳統(tǒng)金融學(xué)是基于理性人假設(shè)，認(rèn)為理性人在不確定條件下的決策是嚴(yán)格依照貝葉斯法則計算的期望效用函數(shù)進(jìn)行決策的。即使有些人非理性，這種非理性也是非系統(tǒng)性的，會彼此抵消，從而在總體上是理性的；如果這種錯誤不能完全相互抵消，套利者的套利也會淘汰這些犯錯誤的決策者，使市場恢復(fù)到均衡狀態(tài)，達(dá)到總體理性。
2行為金融對信用風(fēng)險管理的影響
2．1風(fēng)險偏好
根據(jù)行為金融學(xué)的基本理論，投資者的風(fēng)險偏好不同于傳統(tǒng)金融學(xué)理論下風(fēng)險偏好是不變的，而是變化的，是會隨著絕對財富等一些其他因素的改變而發(fā)生改變的。因此，我們就沒有理由相信借款人是特殊的群體，他們借款的目的大多都是為了投資，也是眾多投資者中的一部分，他們的風(fēng)險偏好也會發(fā)生改變。風(fēng)險偏好的改變就會直接影響到他們面臨的風(fēng)險，最終會影響貸款方面臨的信用風(fēng)險。
2．2過度自信
過度自信或許是人類最為穩(wěn)固的心理特征，人們在作決策時，對不確定性事件發(fā)生的概率的估計過于自信。投資者可能對自己駕馭市場的能力過于自信，在投資決策中過高估計自己的技能和預(yù)測成功的趨勢，或者過分依賴自己的信息而忽視公司基本面狀況從而造成決策失誤的可能性。這種過度自信完全有可能導(dǎo)致大量盲目投資的產(chǎn)生，盲目的多元化和貪大求全。
2．3羊群行為
企業(yè)決策由于存在較大的不確定性并涉及較多的技術(shù)環(huán)節(jié)，其決策往往由決策團體共同協(xié)商作出，主要屬于群體決策，而群體決策有可能導(dǎo)致羊群行為(HerdBehaviors)的發(fā)生。羊群行為主要是指投資者在掌握信息不充分情況下，行為受到其他投資者的影響而模仿他人決策的行為。在企業(yè)決策中，羊群行為的表現(xiàn)可能是決策團體中多數(shù)人對團體中領(lǐng)導(dǎo)者的遵從，也可能是領(lǐng)導(dǎo)者對決策團體中多數(shù)人的遵從，而且是一種盲目的遵從。決策中的羊群行為可能造成決策失誤。
2．4資本結(jié)構(gòu)與公司價值
1958年，美國經(jīng)濟學(xué)家費朗哥·莫迪格里安尼(FraneoModigliani)和默頓·米勒(MertonMiller)在《美國經(jīng)濟評論》發(fā)表了題為《資本成本、公司財務(wù)和投資理論》的論文，提出了著名的MM定理，主要內(nèi)容是：在市場完全的前提下，企業(yè)的資本結(jié)構(gòu)與企業(yè)的市場價值無關(guān)。即企業(yè)價值與企業(yè)是否負(fù)債無關(guān)，不存在最佳資本結(jié)構(gòu)問題。如果證券價格準(zhǔn)確地反映了公司未來現(xiàn)金收入流量的值，那么不管發(fā)行的是什么類型的證券，只要把公司發(fā)行的所有證券的市場價值加在一起，一定等于這個公司未來利潤的現(xiàn)值。無風(fēng)險套利活動也使得資本結(jié)構(gòu)無關(guān)緊要，如果兩個本質(zhì)完全相同的公司因資本結(jié)構(gòu)不同在市場上賣出的價格不一樣的話，套利者就可以將更便宜的公司的證券全部買下，然后在價格相對較高的市場上賣出。因此，公司的資本結(jié)構(gòu)就不再是不相干的問題。不同的現(xiàn)金收入流量對不同的投資者的吸引力也會各不相同，這些投資者對于他們感興趣的現(xiàn)金收入流量愿意付出高價。特別是由于噪聲交易者的存在，套利仍充滿風(fēng)險。所以，不同的資本結(jié)構(gòu)，其公司價值顯然是不同的，其信用風(fēng)險必然不同。
3行為金融對金融租賃公司信用風(fēng)險管理的啟示
金融租賃業(yè)務(wù)由于涉及交易環(huán)節(jié)較多，交易結(jié)構(gòu)較為復(fù)雜，不但面臨客戶(承租企業(yè))不能按時履約的信用風(fēng)險，也存在供貨商不能按時履約的信用風(fēng)險，因此，相對于商業(yè)銀行傳統(tǒng)信貸，其信用風(fēng)險更大。
二、信用卡業(yè)務(wù)信用風(fēng)險管理外部體系的構(gòu)建
1.個人征信的含義
個人征信指的是由專門的征信機構(gòu)建立個人信用信息的數(shù)據(jù)庫，將分散在各金融機構(gòu)以及社會相關(guān)部門的個人信用信息進(jìn)行收集和分析，從而對外提供個人信用報告和信用評估等服務(wù)的活動。眾多的先進(jìn)經(jīng)驗表明，建立完善的個人征信體系能夠為信用卡的健康發(fā)展提供保障。
2.完善我國個人征信體系的建議
經(jīng)過近些年的發(fā)展，我國的個人征信體系獲得了一定的發(fā)展，但是，在很多方面仍然存在不完善的地方，特別是征信機構(gòu)尚處在發(fā)展的初級階段、征信產(chǎn)品應(yīng)用范圍不夠廣泛等問題，影響了我國商業(yè)銀行信用卡業(yè)務(wù)的信用風(fēng)險管理工作的深入，急需對其進(jìn)行完善，具體的措施包括：第一，建立全國統(tǒng)一的企業(yè)和個人征信體系，并在原有基礎(chǔ)上將保險、證券、工商等納入范疇之內(nèi)，擴大所采集數(shù)據(jù)的覆蓋面，以便為其他部門提供征信服務(wù)；第二，為信用評級機構(gòu)的發(fā)展創(chuàng)設(shè)良好的外部環(huán)境，在改進(jìn)內(nèi)部評級體系的同時，推動第三方信用評級市場的發(fā)展，促進(jìn)內(nèi)外部評級結(jié)果的結(jié)合，提供更高質(zhì)量的信用服務(wù)；第三，明確監(jiān)管目標(biāo)，完善相關(guān)的法律法規(guī)體系，加強對征信市場的監(jiān)督管理。
2基于BP神經(jīng)網(wǎng)絡(luò)和證據(jù)理論的評價方法
2.1BP神經(jīng)網(wǎng)絡(luò)的基本原理
BP神經(jīng)網(wǎng)絡(luò)，是由Rumelhart和McCelland等人（1986）提出的。其基本思想是，學(xué)習(xí)過程由信號的正向傳播與誤差的反向傳播兩個過程組成。正向傳播時，輸入樣本從輸入層通過隱含層傳向輸出層。若輸出層的實際輸出與期望輸出不符，則轉(zhuǎn)入誤差的反向傳播階段，并將誤差分?jǐn)偨o各層的所有單元。正向傳播與誤差反向傳播周而復(fù)始，一直到網(wǎng)絡(luò)輸出的誤差減少到可接受的程度，或預(yù)先設(shè)定的次數(shù)為止。
2.2證據(jù)理論的基本原理
①定義1：設(shè)為一個互斥又可窮舉的元素的集合，稱作識別框架，基本信任分配函數(shù)m是一個集合2到[0，1]的映射，A表現(xiàn)識別框架的任一子集，記作A哿，式中：m（A）稱為時間A的基本信任分配函數(shù)，它表示證據(jù)對A的信任程度。②Dempter合成法則：假定識別框架下的兩個證據(jù)E1和E2,其相應(yīng)的基本信任函數(shù)為m1和m2，焦元分別為Ai和Bj，則m（A）=m1（A）茌m2（A）2.3信用風(fēng)險評估算法為了保證神經(jīng)網(wǎng)絡(luò)的收斂和穩(wěn)定性，本論文中將15個指標(biāo)分為四組，建立4個神經(jīng)網(wǎng)絡(luò)NN1，NN2，NN3和NN4。神經(jīng)網(wǎng)絡(luò)的輸出設(shè)計為（0.1，0.1，0.9）T、（0.1，0.9，0.1）T、（0.9，0.1，0.1）T，表示的信用風(fēng)險級別分別為高風(fēng)險、中度風(fēng)險、低風(fēng)險，記為A1，A2，A3。將輸出歸一化，得到向量（a′i1，a′i2，a′i3）T，記作V′i。令mi（Ai）=a′il，i∈{1，2，3，4}，l∈{1，2，3}，表示由NNi得到的對信用風(fēng)險級別Ai的基本信任度，即針對事件Ai的證據(jù)。之后，再將4個證據(jù)利用DS證據(jù)理論融合。就可以對信用風(fēng)險進(jìn)行評估，最初最終決策。
3應(yīng)用實例
本次數(shù)據(jù)采集共發(fā)出問卷200份，收回135份，有效問卷92份。將前91組數(shù)據(jù)分別訓(xùn)練神經(jīng)網(wǎng)絡(luò)。再將余下1個樣本輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，歸一化處理輸出結(jié)果即得該證據(jù)對該命題的基本概率分配，而后利用DS證據(jù)理論將其融合得到最終優(yōu)化結(jié)果。
1.2財務(wù)指標(biāo)選取處理針對林業(yè)類上市公司信用風(fēng)險研究，本文從償債能力、盈利能力、營運能力、成長能力和現(xiàn)金流量指標(biāo)等五方面進(jìn)行研究，共選取17項財務(wù)指標(biāo)作為變量進(jìn)行研究。
2因子分析
財務(wù)指標(biāo)之間存在相互轉(zhuǎn)換的可能，財務(wù)指標(biāo)間的多重共線性可能降低模型穩(wěn)定性，甚至影響最終結(jié)果。其次，各變量之間的內(nèi)在聯(lián)系以及重要程度，即變量的內(nèi)在結(jié)構(gòu)對于指標(biāo)的選取及模型的建立具有重要意義。本文采用因子分析提取主成分，將離散指標(biāo)的信息濃縮為預(yù)測所需的主要指標(biāo)。
2.1KMO以及Bartlett球形檢驗KMO及Bartlett球形檢驗用以檢驗變量間的相關(guān)性。本文檢驗結(jié)果如表2所示，獲得KMO統(tǒng)計量為0．556。考慮到樣本量的影響，此數(shù)值在接受范圍內(nèi)，可以利用上述變量進(jìn)行因子分析。
2.2公因子方差比（Communalities）公因子方差比反映了提取公因子過程中，各變量被提取出信息所占比例，即原變量的信息量中由公因子決定的比例。本文對變量公因子方差比進(jìn)行分析，結(jié)果如表3所示。多數(shù)變量提取的比例在70％以上，可知所提取公因子對變量的的解釋能力均處在較強水平。
2.3解釋的總方差為保證因子的可解釋性，本文運用最大方差法對因子進(jìn)行旋轉(zhuǎn)，將信息量重新分配。該操作將17個變量劃分為5個特征根。特征根可以被看做體現(xiàn)主成分影響力度的指標(biāo)，代表引入該因子后對原始變量信息的平均解釋量。分析表4中各成分方差及其累積程度可知，前五個特征根的總貢獻(xiàn)率已達(dá)到79．48％，即可利用前五個特征根描述足夠信息。
2.4旋轉(zhuǎn)后的成分矩陣通過成分矩陣可以得到各個主要成分的表達(dá)式如下分析各成分表達(dá)式可以得到各個因素中最主要的變量。F1主要包括總資產(chǎn)報酬率、凈資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率等與資產(chǎn)相關(guān)的指標(biāo)；F2主要包括與現(xiàn)金流量相關(guān)聯(lián)的指標(biāo)；F3主要包括與負(fù)債相互關(guān)聯(lián)的指標(biāo)；F4則包括了凈利潤增長率以及營業(yè)收入；F5主要包括與存貨相互關(guān)聯(lián)的指標(biāo)。
3Logistic模型實證研究及預(yù)測結(jié)果
3.1Logistic模型實證研究Logistic模型又稱增長函數(shù)，于1838年由比利時學(xué)者PFVerhulst首度提出。1920年美國學(xué)者珀爾和利德的研究使其在人口估計和預(yù)測問題中推廣。Logistic函數(shù)原型為：P＝L／（1＋exp［－（a＋bt）］）。t為時間，P為時間t的人口數(shù)，L為P的最大極限，a和b為相關(guān)參數(shù)。
3.2預(yù)測結(jié)果依照正常和存在信用風(fēng)險將樣本公司分為兩類，使用模型得到的預(yù)測結(jié)果正確率為83．8％。這表明，此模型可以對我國林業(yè)類上市公司信用風(fēng)險進(jìn)行較為理想的預(yù)測。
商業(yè)銀行要根據(jù)自身情況制訂合理的壓力測試流程，主要步驟包括：選擇壓力測試方法；構(gòu)建壓力測試情景；確定沖擊；選擇信用風(fēng)險計量模型；界定被沖擊的資產(chǎn)；進(jìn)行數(shù)值分析；風(fēng)險加總。壓力測試的重點應(yīng)放在單個流程中不同的方法選擇上。在實踐中并不需要按照嚴(yán)格的先后順序執(zhí)行，可以根據(jù)實際需要進(jìn)行修改或補充。按照商業(yè)銀行信貸資產(chǎn)的特征，測試范圍為整體信貸資產(chǎn)，劃分為公司銀行信貸資產(chǎn)、零售銀行信貸資產(chǎn)。
1.2公司銀行信貸資產(chǎn)
將壓力情景給定的GDP、M2和CPI值代入設(shè)計模型，測算出壓力情景下各行業(yè)的營業(yè)收入情況。將上市公司各行業(yè)營業(yè)收入的實際值與壓力情景下上市公司各行業(yè)營業(yè)收入的預(yù)測值進(jìn)行對比，得出營業(yè)收入的變化情況。假設(shè)商業(yè)銀行各行業(yè)客戶收入的變化程度同該行業(yè)上市公司收入的變化程度相同，最終得出壓力情景測試下，商業(yè)銀行各行業(yè)客戶的營業(yè)收入變動情況。以商業(yè)銀行客戶各行業(yè)年報數(shù)據(jù)作為壓力測試基期數(shù)據(jù)。根據(jù)前面的計算結(jié)果，測算壓力情景下商業(yè)銀行客戶各行業(yè)的營業(yè)收入水平。根據(jù)壓力情景下的收入水平，編制壓力情景下商業(yè)銀行客戶各行業(yè)平均的財務(wù)報表。其中，涉及的假設(shè)包括：應(yīng)收票據(jù)、應(yīng)收賬款、預(yù)付賬款、應(yīng)付票據(jù)、應(yīng)付賬款等和銷售收入同比例下降；企業(yè)一年內(nèi)到期的非流動負(fù)債保持不變，企業(yè)長期負(fù)債的減少等于企業(yè)一年內(nèi)到期的非流動負(fù)債；營業(yè)成本、稅金、銷售費用隨銷售收入同比例下降；財務(wù)費用隨短期借款同比例下降；用短期借款和貨幣資金調(diào)平報表。計算壓力情景下行業(yè)PD值。我們將壓力情景下的財務(wù)報表數(shù)據(jù)代入公司信用評級的打分卡模型，即可計算出壓力情景下該行業(yè)客戶評級結(jié)果。獲取各行業(yè)客戶實際的評級遷徙矩陣；假設(shè)壓力情景下，商業(yè)銀行各行業(yè)客戶的評級遷徙矩陣依據(jù)其評級等級變動程度進(jìn)行平移，且在平移過程中遷徙矩陣的形狀不發(fā)生變化，據(jù)此測算出壓力情景下各行業(yè)客戶的評級遷徙矩陣。根據(jù)壓力情境下各行業(yè)客戶的等級分布，測算出壓力情景下各行業(yè)的違約概率值（PD值）。計算壓力情景下行業(yè)LGD值。選擇客戶PD變動、客戶負(fù)債率變動、抵押物價值變化和抵押物變現(xiàn)能力變動4個指標(biāo)作為參數(shù)計算出在壓力情景下各行業(yè)的LGD值，客戶PD變動取自于前一步計算結(jié)果；客戶負(fù)債率變動取自壓力測試前后客戶財務(wù)報表負(fù)債率數(shù)據(jù)，用房屋成交量變化反映抵押物變現(xiàn)能力變化；假設(shè)壓力情景下房屋成交量變化同本壓力測試中房地產(chǎn)壓力測試部分；用房價變化反映抵押物價值變化，假設(shè)壓力情景下房價變化同本壓力測試中房地產(chǎn)壓力測試部分。計算壓力情景下行業(yè)EL變化情況。將壓力情景下測算出來的行業(yè)PD值和行業(yè)LGD值相乘，得到壓力情景下行業(yè)的EL值，將其和基期行業(yè)的EL值進(jìn)行比較，得出變化情況。計算壓力情景下行業(yè)的5級分類結(jié)果。獲取商業(yè)銀行對公信貸資產(chǎn)5級分類遷徙矩陣的實際數(shù)據(jù)。假設(shè)在無壓力情境下，5級分類的遷徙情況保持不變。假設(shè)壓力情景下，5級分類的遷徙矩陣會依據(jù)其EL的變化發(fā)生平移，且平移過程中形狀不發(fā)生變化。根據(jù)壓力測試下5級分類的遷徙情況以及基期信貸資產(chǎn)的5級分類分布，測算出壓力情景下各行業(yè)5級分類的結(jié)果。
1.3零售信貸資產(chǎn)
利用實施新資本協(xié)議過程中PD壓力測試成果，宏觀經(jīng)濟因素與PD之間的傳導(dǎo)關(guān)系。通過歷史遷徙數(shù)據(jù)將PD的變化對應(yīng)到不良貸款各級別的變化上。假設(shè)PD增幅即為不良率增幅且業(yè)務(wù)規(guī)模不變，得出各壓力情景下的不良率及新增不良額。根據(jù)商業(yè)銀行各分類級別貸款間的歷史遷徙率，將新增不良結(jié)果分配至各不良貸款級別中，得到最終的測試結(jié)果。信貸資產(chǎn)壓力測試采用時間序列模型對PD進(jìn)行模擬預(yù)測。
2公司貸款信用風(fēng)險的宏觀因子測定
宏觀因子測定模型的核心思想是把有關(guān)經(jīng)濟周期的宏觀因子識別出來，測定對我國商業(yè)銀行信用風(fēng)險有顯著影響的宏觀經(jīng)濟因子。
2.1基本假設(shè)及基礎(chǔ)框架設(shè)定
在現(xiàn)有理論的信用風(fēng)險因素模型當(dāng)中，Gordy（2003）的單因素模型以及麥肯錫公司提出的CreditPortfolioView（CPV）模型是基于宏觀經(jīng)濟因子度量信用風(fēng)險的代表模型。其中，單因素模型是設(shè)定單一的宏觀經(jīng)濟因子，不能區(qū)分有關(guān)經(jīng)濟周期的宏觀因子對商業(yè)銀行信用風(fēng)險的不同影響，所以，不適合本文的分析。而CPV模型是基于一個開放的因子框架，可以用來測定多元的宏觀經(jīng)濟因子。然而上述模型在國內(nèi)商業(yè)銀行實踐中使用的相對較少，本文主要基于巴塞爾協(xié)議的有關(guān)內(nèi)容以及國內(nèi)商業(yè)銀行的壓力測試實踐，設(shè)計了MEF模型來測定宏觀因子對信用風(fēng)險的影響程度。首先對商業(yè)銀行信貸資產(chǎn)的風(fēng)險集中度和宏觀經(jīng)濟因子提出假設(shè)如下。商業(yè)銀行信貸資產(chǎn)足夠分散，單項資產(chǎn)在總資產(chǎn)中的份額很小，因此，債務(wù)人的特異風(fēng)險可以在較大程度上分散掉，而債務(wù)人的違約概率主要受宏觀經(jīng)濟因子影響。貸款企業(yè)整個行業(yè)的營業(yè)收入受宏觀經(jīng)濟因子的影響，并能有效傳導(dǎo)到商業(yè)銀行的信用風(fēng)險。宏觀因子對營業(yè)收入以及信用風(fēng)險的影響具有滯后性，對第t期營業(yè)收入及信用風(fēng)險，用t-1期宏觀因子進(jìn)行測定。在測定宏觀因子影響時，將商業(yè)銀行的貸款企業(yè)劃分為若干行業(yè)進(jìn)行測算。在此基礎(chǔ)上，MEF模型采用ln函數(shù)來描述行業(yè)收入和宏觀經(jīng)濟因子之間的關(guān)系為宏觀因子A在t-1期的數(shù)據(jù)；φ—待估計參數(shù)；e—誤差項。選擇行業(yè)營業(yè)收入的自然對數(shù)的主要原因是為了提高營業(yè)收入序列數(shù)據(jù)的平穩(wěn)性，測定之前將收入數(shù)據(jù)進(jìn)行了取自然對數(shù)處理。而來自其他系統(tǒng)性因子的“干擾”或者“噪聲”被包含在誤差項e中。
2.2宏觀因子的選擇
在建立了MEF模型之后，最重要的工作就是選擇宏觀經(jīng)濟因子，選擇宏觀經(jīng)濟因子必須既有理論依據(jù)的支持，同時又能反映實際情況。對于經(jīng)濟周期因子，在借鑒CPV模型、單因素模型和GVAR模型以及其他相關(guān)模型的基礎(chǔ)上，根據(jù)數(shù)據(jù)的可得性，選擇了GDP增長率、通貨膨脹率和M2三個指標(biāo)。
2.2.1GDP增長率（GDPGrowthRate）GDP增長率是反映一國經(jīng)濟增長和經(jīng)濟周期狀況的最核心指標(biāo)，在相關(guān)實證研究中也被普遍用作重要的宏觀經(jīng)濟因子。從微觀企業(yè)的角度來看，GDP可以看作一國總體企業(yè)產(chǎn)出的增長率，而企業(yè)的產(chǎn)出直接影響著企業(yè)的經(jīng)營收益，也就影響著企業(yè)的償債能力。
2.2.2通貨膨脹率（Inflation，INF）
通貨膨脹率代表著物價上漲水平。由于經(jīng)濟繁榮往往伴隨著通貨膨脹，而經(jīng)濟衰退常常也伴隨著通貨緊縮，所以通貨膨脹率也是經(jīng)濟周期的一個重要指標(biāo)。一般情況下，通貨膨脹會影響企業(yè)的經(jīng)營成本和收益水平，進(jìn)而影響企業(yè)的信用風(fēng)險。反映通貨膨脹率的指數(shù)主要有CPI和PPI，因為PPI是衡量工業(yè)企業(yè)產(chǎn)品出廠價格變動趨勢和變動程度的指數(shù)，主要反映的是生產(chǎn)成本變化而沒能充分體現(xiàn)通貨膨脹對收益的影響，并且不能全面覆蓋農(nóng)業(yè)和服務(wù)業(yè)。因此，本文選擇CPI指數(shù)作為通貨膨脹率指標(biāo)。2.2.3廣義貨幣（M2）廣義貨幣是反映貨幣供應(yīng)量的一個重要指標(biāo)。隨著貨幣供應(yīng)量的增加，有助于改善市場的資金供求關(guān)系，企業(yè)的資金成本會呈現(xiàn)下降趨勢，經(jīng)濟活躍度也會不斷增加，這樣能夠帶來企業(yè)營業(yè)收入的增加，降低信用風(fēng)險。國外的相關(guān)研究還發(fā)現(xiàn)，匯率等因素同樣對企業(yè)信用風(fēng)險有重要影響，但是我國人民幣匯率波動并不具有周期性波動特征，所以本文暫不作考慮。2.3宏觀因子顯著性測定要測定的是宏觀經(jīng)濟和行業(yè)的傳導(dǎo)機制，主要通過MEF模型計量出宏觀經(jīng)濟因子變動對不同行業(yè)營業(yè)收入的影響。選擇的控制變量為GDP增長率、M2增長率和CPI，因變量采用各行業(yè)年營業(yè)收入的對數(shù)值。將GDP、M2、CPI和各行業(yè)營業(yè)收入分別作了單因素、雙因素和三因素回歸，并選取解釋能力最強的回歸結(jié)果?？紤]到數(shù)據(jù)的可獲取性，用上市公司的營業(yè)收入作為宏觀因子對風(fēng)險的傳導(dǎo)介質(zhì)，并將上市公司營業(yè)收入劃分為九大類型，具體包括資產(chǎn)密集行業(yè)、輕工制造行業(yè)、批發(fā)零售業(yè)、交通運輸業(yè)、建筑業(yè)、房地產(chǎn)行業(yè)、基礎(chǔ)設(shè)施行業(yè)、投資行業(yè)以及服務(wù)業(yè)等。檢驗結(jié)果詳見表1，結(jié)果顯示，三變量模型具有相對較好的解釋效果，9大行業(yè)的R方平均值為74%，且在每個行業(yè)檢驗結(jié)果相對穩(wěn)定，最高的為建筑業(yè)（A5）78.61%，最低的資本密集行業(yè)（A1）67.93%。
3零售貸款信用風(fēng)險的宏觀因子測定
3.1宏觀因子的選擇
M2同比增長率與PD成正相關(guān)關(guān)系，在實際情況中，M2同比增長率變大的時候，無論是流通中的現(xiàn)金，還是個人以及企業(yè)存款都在變多，債務(wù)人整體的償債能力變強，違約率也相對下降，所以，該指標(biāo)與PD的正相關(guān)關(guān)系與經(jīng)濟意義相反，故不引入PD時間序列預(yù)測的數(shù)量模型中，但考慮到在經(jīng)濟環(huán)境下M2極端情況對PD仍有相對影響，在PD預(yù)測模型后通過該指標(biāo)對PD預(yù)測值進(jìn)行修正。
3.2宏觀因子對違約率影響的測算過程
建模數(shù)據(jù)：2009Q1—2013Q4的季度數(shù)據(jù)，共計20個樣本。因變量：季度PD=季度新增違約人數(shù)/總?cè)藬?shù)，數(shù)據(jù)來源于國內(nèi)某股份制商業(yè)銀行的內(nèi)部數(shù)據(jù)庫。自變量：收集了GDP類、價格指數(shù)類、收入報酬類、金融類等宏觀變量；數(shù)據(jù)主要來源于Wind數(shù)據(jù)庫和人民銀行網(wǎng)站。研究了國內(nèi)宏觀經(jīng)濟變量，涵蓋了代表經(jīng)濟增長、金融指標(biāo)的主要變量，最終發(fā)現(xiàn)CPI（居民消費價格指數(shù)）與GDP同比增長率對PD較為敏感。CPI與PD的相關(guān)系數(shù)為-0.81，具有明顯的負(fù)相關(guān)關(guān)系；GDP與PD的相關(guān)系數(shù)為-0.88，也具有明顯的負(fù)相關(guān)關(guān)系，從二者趨勢圖上也可以明顯看到。綜合考慮宏觀經(jīng)濟變量與PD的相關(guān)系數(shù)和經(jīng)濟含義的解釋度，初步選出GDP同比增長率、CPI同比增長率共2個宏觀經(jīng)濟變量為參考風(fēng)險變量。從變量間的相關(guān)系數(shù)看出，GDP同比增長率與CPI同比增長率有明顯的相關(guān)性，不適合共同構(gòu)建模型，由于GDP對因變量影響更為顯著，且滯后階大于CPI，可以認(rèn)為GDP增速可以覆蓋CPI增速對因變量的影響，所以模型僅接受GDP同比增長率作為自變量。用時間序列方法建立違約率與宏觀因素的模型，同時，對GDP同比增長率做數(shù)據(jù)變換以平衡數(shù)量級。3.3測算結(jié)果的運用根據(jù)壓力情景的設(shè)計，代入PD和宏觀變量的計量模型，計算出通過數(shù)量模型得到的PD。據(jù)此對PD數(shù)量預(yù)測結(jié)果進(jìn)行修正。最終得出不同情景下的PD預(yù)測值及PD上升幅度，基于宏觀因子的不良貸款的壓力測試。
信用風(fēng)險又稱違約風(fēng)險，是指借款人、證券發(fā)行人或交易對方由于種種原因，不愿或無力履行合同條款而構(gòu)成違約，致使銀行、投資者或交易對方遭受損失的可能性?；趥鹘y(tǒng)金融學(xué)理論許多金融機構(gòu)和研究者對信用風(fēng)險管理作出積極探索并取得了卓有成效的計量模型和支持工具，但也存在明顯缺陷。隨著行為金融學(xué)的興起和發(fā)展，為我們提供了新的視角來研究信用風(fēng)險管理。
1行為金融學(xué)的產(chǎn)生
20世紀(jì)50年代，馮·紐曼和摩根斯坦(VonNeumannMorgenstem)在公理化假設(shè)的基礎(chǔ)上建立了不確定條件下對理性人(rationalactor)選擇進(jìn)行分析的框架，即期望效用函數(shù)理論。阿羅和德布魯(Arrow，Debreu)后來發(fā)展并完善了一般均衡理論，成為經(jīng)濟學(xué)分析的基礎(chǔ)，從而建立了經(jīng)濟學(xué)統(tǒng)一的分析范式。這個范式也成為金融學(xué)分析理性人決策的基礎(chǔ)。1952年馬克威茨(Markowi)發(fā)表了著名的論文“portfoliosdeefion”，建立了現(xiàn)代資產(chǎn)組合理論，標(biāo)志著現(xiàn)代金融學(xué)的誕生。此后，莫迪戈里安尼和米勒(Modigliani－Miller)建立了MM定理，開創(chuàng)了公司金融學(xué)，成為現(xiàn)代金融學(xué)的一個重要分支。自上個世紀(jì)60年代夏普和林特納等(Sharp－Limner)，建立并擴展了資本資產(chǎn)定價模型(CAPM)至布萊克、斯科爾斯和莫頓(Black－Scholes－Merton)建立了期權(quán)定價模型(OPM)，至此，現(xiàn)代金融學(xué)，已經(jīng)成為一門邏輯嚴(yán)密的具有統(tǒng)一分析框架的學(xué)科。
隨著金融市場上各種異?，F(xiàn)象的累積，模型和實際的背離使得傳統(tǒng)金融理論的理性分析范式陷入了尷尬境地。20世紀(jì)80年代，通過對傳統(tǒng)金融學(xué)的反思和修正，行為金融理論悄然興起，并開始動搖了CAMP和EMH的權(quán)威地位。行為金融理論在博弈論和實驗經(jīng)濟學(xué)被主流經(jīng)濟學(xué)接納之際，對人類個體和群體行為研究的日益重視，促成了傳統(tǒng)的力學(xué)研究范式向以生命為中心的非線性復(fù)雜范式的轉(zhuǎn)換，使得我們看到了金融理論與實際的溝壑有了彌合的可能。1999年克拉克獎得主馬修(MatthewRabin)和2002年諾貝爾獎得主丹尼爾·卡尼曼(DanielKahneman)和弗農(nóng)·史密斯(VemonSmith)，都是這個領(lǐng)域的代表人物，為這個領(lǐng)域的基礎(chǔ)理論作出了重要貢獻(xiàn)。國外將這一領(lǐng)域稱之為behaviorfinance，國內(nèi)大多數(shù)的文獻(xiàn)和專著將其稱為“行為金融學(xué)”。
行為金融學(xué)發(fā)現(xiàn)，人在不確定條件下的決策過程中并不是完全理性的，會受到過度自信、代表性、可得性、錨定和調(diào)整、損失規(guī)避等信念影響，出現(xiàn)系統(tǒng)性認(rèn)知偏差。而傳統(tǒng)金融學(xué)是基于理性人假設(shè)，認(rèn)為理性人在不確定條件下的決策是嚴(yán)格依照貝葉斯法則計算的期望效用函數(shù)進(jìn)行決策的。即使有些人非理性，這種非理性也是非系統(tǒng)性的，會彼此抵消，從而在總體上是理性的；如果這種錯誤不能完全相互抵消，套利者的套利也會淘汰這些犯錯誤的決策者，使市場恢復(fù)到均衡狀態(tài)，達(dá)到總體理性。
2行為金融對信用風(fēng)險管理的影響
2．1風(fēng)險偏好
根據(jù)行為金融學(xué)的基本理論，投資者的風(fēng)險偏好不同于傳統(tǒng)金融學(xué)理論下風(fēng)險偏好是不變的，而是變化的，是會隨著絕對財富等一些其他因素的改變而發(fā)生改變的。因此，我們就沒有理由相信借款人是特殊的群體，他們借款的目的大多都是為了投資，也是眾多投資者中的一部分，他們的風(fēng)險偏好也會發(fā)生改變。風(fēng)險偏好的改變就會直接影響到他們面臨的風(fēng)險，最終會影響貸款方面臨的信用風(fēng)險。
2．2過度自信
過度自信或許是人類最為穩(wěn)固的心理特征，人們在作決策時，對不確定性事件發(fā)生的概率的估計過于自信。投資者可能對自己駕馭市場的能力過于自信，在投資決策中過高估計自己的技能和預(yù)測成功的趨勢，或者過分依賴自己的信息而忽視公司基本面狀況從而造成決策失誤的可能性。這種過度自信完全有可能導(dǎo)致大量盲目投資的產(chǎn)生，盲目的多元化和貪大求全。
2．3羊群行為
企業(yè)決策由于存在較大的不確定性并涉及較多的技術(shù)環(huán)節(jié)，其決策往往由決策團體共同協(xié)商作出，主要屬于群體決策，而群體決策有可能導(dǎo)致羊群行為(HerdBehaviors)的發(fā)生。羊群行為主要是指投資者在掌握信息不充分情況下，行為受到其他投資者的影響而模仿他人決策的行為。在企業(yè)決策中，羊群行為的表現(xiàn)可能是決策團體中多數(shù)人對團體中領(lǐng)導(dǎo)者的遵從，也可能是領(lǐng)導(dǎo)者對決策團體中多數(shù)人的遵從，而且是一種盲目的遵從。決策中的羊群行為可能造成決策失誤。
2．4資本結(jié)構(gòu)與公司價值
1958年，美國經(jīng)濟學(xué)家費朗哥·莫迪格里安尼(FraneoModigliani)和默頓·米勒(MertonMiller)在《美國經(jīng)濟評論》發(fā)表了題為《資本成本、公司財務(wù)和投資理論》的論文，提出了著名的MM定理，主要內(nèi)容是：在市場完全的前提下，企業(yè)的資本結(jié)構(gòu)與企業(yè)的市場價值無關(guān)。即企業(yè)價值與企業(yè)是否負(fù)債無關(guān)，不存在最佳資本結(jié)構(gòu)問題。如果證券價格準(zhǔn)確地反映了公司未來現(xiàn)金收入流量的值，那么不管發(fā)行的是什么類型的證券，只要把公司發(fā)行的所有證券的市場價值加在一起，一定等于這個公司未來利潤的現(xiàn)值。無風(fēng)險套利活動也使得資本結(jié)構(gòu)無關(guān)緊要，如果兩個本質(zhì)完全相同的公司因資本結(jié)構(gòu)不同在市場上賣出的價格不一樣的話，套利者就可以將更便宜的公司的證券全部買下，然后在價格相對較高的市場上賣出。因此，公司的資本結(jié)構(gòu)就不再是不相干的問題。不同的現(xiàn)金收入流量對不同的投資者的吸引力也會各不相同，這些投資者對于他們感興趣的現(xiàn)金收入流量愿意付出高價。特別是由于噪聲交易者的存在，套利仍充滿風(fēng)險。所以，不同的資本結(jié)構(gòu)，其公司價值顯然是不同的，其信用風(fēng)險必然不同。
加入WTO和世界經(jīng)濟一體化,給我國外經(jīng)貿(mào)事業(yè)的發(fā)展帶來了前所未有的機遇。與之相伴隨的卻是,中國出口企業(yè)日益陷入海外應(yīng)收賬款“黑洞”。相關(guān)統(tǒng)計資料顯示,中國出口企業(yè)的海外應(yīng)收賬款累計至少超過1000億美元,相當(dāng)于中國2004年總出口額的五分之一,而且這種海外呆壞賬正在以每年150億美元的速度增加。外貿(mào)企業(yè)的很多利潤被壞賬所吞噬,許多外貿(mào)企業(yè)不堪重負(fù),甚至破產(chǎn)倒閉,有的即使能夠維持經(jīng)營,在經(jīng)營中也常常進(jìn)退維谷,阻礙了企業(yè)的正常發(fā)展。另一種極端情況就是部分外貿(mào)企業(yè)由于懼怕壞賬風(fēng)險采取非常謹(jǐn)慎的信用政策,甚至宣稱對非信用證業(yè)務(wù)一律不做,結(jié)果限制了業(yè)務(wù)的發(fā)展。
在與各國經(jīng)貿(mào)往來中我國外貿(mào)企業(yè)并未充分重視客戶信用風(fēng)險的管理,在對外貿(mào)易客戶信用風(fēng)險管理上的欠缺造成的債務(wù)拖欠和應(yīng)收賬款問題已成為外貿(mào)企業(yè)發(fā)展的瓶頸。
外貿(mào)企業(yè)客戶信用風(fēng)險特征
下面筆者結(jié)合美國鄧白氏公司中國代表對我國外貿(mào)企業(yè)大量逾期應(yīng)收賬款問題的調(diào)查報告數(shù)據(jù),對我國外貿(mào)企業(yè)客戶信用風(fēng)險的特征進(jìn)行結(jié)構(gòu)分析,從更深層次上理解我國外貿(mào)企業(yè)客戶信用風(fēng)險的現(xiàn)狀。
從來源結(jié)構(gòu)看,我國對外貿(mào)易客戶信用風(fēng)險的來源以海外華人公司為主。從我國國際貿(mào)易拖欠案件所涉及的海外公司性質(zhì)看,我國的外貿(mào)信用風(fēng)險主要是由海外華人客戶帶來的。筆者認(rèn)為這些為數(shù)不多的海外華人,包括港、澳、臺地區(qū)的華人以及少數(shù)原籍中國大陸后來移居海外的華人具有與中國同族同種和語言相通的優(yōu)勢,他們對中國的國內(nèi)經(jīng)濟環(huán)境比較熟悉,了解到我國處于由計劃經(jīng)濟體制向市場經(jīng)濟體制轉(zhuǎn)變過程中,各方面的管理仍不完善,存在著各種法律、管理漏洞,外貿(mào)企業(yè)內(nèi)部的信用風(fēng)險防范意識和信用風(fēng)險管理能力薄弱。同時他們又抓住我國部分外貿(mào)企業(yè)領(lǐng)導(dǎo)存在著的一定急功近利和或多或少的崇洋的心態(tài),使得部分海外華人進(jìn)口商可以肆意拖欠我國外貿(mào)企業(yè)貨款,或詐騙屢屢得手,詐騙成功率要高于一般外國進(jìn)口商。
從起因結(jié)構(gòu)看,我國對外貿(mào)易客戶信用風(fēng)險的直接起因以惡意欺詐為主。具體結(jié)構(gòu)為:有意欺詐的拖欠款占60%;產(chǎn)品質(zhì)量、數(shù)量或交貨期有爭議的占25%;屬于我方外貿(mào)企業(yè)交易嚴(yán)重失當(dāng)及管理失誤的占15%;交易人員私下默契臺底交易占2.5%;其他性質(zhì)占2.5%。我國對外貿(mào)易的過半貨款拖欠是由客戶的惡意欺詐引起,而非人們通常理解的主要是由諸如產(chǎn)品質(zhì)量或貨期等貿(mào)易糾紛引起。
從外貿(mào)企業(yè)性質(zhì)結(jié)構(gòu)看,我國對外貿(mào)易客戶信用風(fēng)險導(dǎo)致的國際拖欠所涉及的企業(yè)以國內(nèi)的全資中資企業(yè)為主體。具體結(jié)構(gòu)為:80%來自國內(nèi)的企業(yè),其中的50%為國有外貿(mào)企業(yè),30%為私營外貿(mào)企業(yè);另外20%來自三資企業(yè)。從企業(yè)結(jié)構(gòu)中,我們可以明顯了解到我國外資外貿(mào)企業(yè)的信用風(fēng)險管理意識和水平相對要優(yōu)于中資的外貿(mào)企業(yè)。
從客戶新舊特征看,過半數(shù)的國際貨款拖欠由老客戶造成。根據(jù)鄧白氏國際(上海)信息咨詢公司1997年度受理的我國398件國際應(yīng)收賬款追討案件的統(tǒng)計顯示,其中的200個案件是由老客戶產(chǎn)生的,而非人們通常理解的國際貨款拖欠主要由資信不良的新客戶造成。
外貿(mào)企業(yè)客戶信用風(fēng)險的成因分析
透過以上表面數(shù)據(jù),我們可以看出造成我國外貿(mào)企業(yè)風(fēng)險損失的原因除了企業(yè)主體信用管理觀念的嚴(yán)重缺乏外,來自企業(yè)產(chǎn)權(quán)制度的影響也是至關(guān)重要的。具體來說,我國外貿(mào)企業(yè)客戶信用風(fēng)險成因主要體現(xiàn)在以下幾個方面:
相關(guān)部門缺乏信用風(fēng)險管理意識
由于從政府到企業(yè)信用風(fēng)險管理意識都比較淡漠,對信用管理工作重視不夠,導(dǎo)致政府對企業(yè)缺乏政策引導(dǎo)和有效支持;有的企業(yè)雖然感到信用風(fēng)險管理需要,但苦于所知不多無從下手,且成本較高,在本來利潤率不高的情況下不愿為此支付費用,進(jìn)而產(chǎn)生畏難情緒,甚至干脆漠視不管。目前中國出口企業(yè)的壞賬率超過5%,而發(fā)達(dá)國家企業(yè)卻只有0.25%至0.5%的水平,國際平均水平也只在1%左右。中國企業(yè)出口中遇到的很多困難,一開始并不是對方存心拖欠,而是中國企業(yè)自己出現(xiàn)制度和管理失誤。
外貿(mào)企業(yè)產(chǎn)權(quán)不明晰
產(chǎn)權(quán)不明晰使得很多國有外貿(mào)企業(yè)管理者為了應(yīng)付上級主管部門業(yè)績考核,不顧企業(yè)長遠(yuǎn)利益,盲目賒銷;有的企業(yè)迫于市場競爭壓力,單純追求銷售額增長,盲目打價格戰(zhàn)。這些行為導(dǎo)致了企業(yè)應(yīng)收賬款上升,銷售費用上升、負(fù)債增加,呆賬壞賬增加,效益下降,偏離了最終利潤這一企業(yè)最主要的目標(biāo)。強化企業(yè)信用管理,就是要在銷售收入增長和風(fēng)險控制這兩個目標(biāo)之間尋求協(xié)調(diào)一致,保證最終利潤這一根本目標(biāo)的實現(xiàn)。
企業(yè)內(nèi)部職責(zé)不明確
在我國外貿(mào)企業(yè)現(xiàn)有的管理職能中,應(yīng)收賬款的管理職能基本上是由銷售部和財務(wù)部這兩個部門承擔(dān)的。然而在實踐中這兩個部門卻常常職責(zé)分工不清,不能形成協(xié)調(diào)與制約機制,容易造成外貿(mào)企業(yè)在客戶開發(fā)、信用評估、合約簽訂、資金安排、組織貨源、品質(zhì)監(jiān)督、租船訂艙、制單結(jié)匯等諸多貿(mào)易環(huán)節(jié)出現(xiàn)決策失誤并導(dǎo)致信用損失。外貿(mào)企業(yè)內(nèi)部職責(zé)不明確已成為企業(yè)賬款拖欠趨勢得不到有效抑制的根本原因。
信用管理方法落后
目前我國外貿(mào)企業(yè)業(yè)務(wù)人員信用風(fēng)險防范意識薄弱,信用風(fēng)險防范手段單一,沒能掌握或運用現(xiàn)代先進(jìn)的信用管理技術(shù)和方法。對客戶的信用風(fēng)險缺少評估和預(yù)測,交易中往往是憑主觀判斷作決策,缺少科學(xué)的決策依據(jù)。在銷售業(yè)務(wù)管理上,由于缺少信用額度控制,在一定程度上給企業(yè)銷售人員違規(guī)經(jīng)營、違章操作,甚至與客戶勾結(jié)留下可乘之機。在賬款回收工作上更是缺少專業(yè)化的方法。
加強外貿(mào)客戶信用風(fēng)險管理的對策建議
通過以上分析,我們清晰地看出現(xiàn)今我國外貿(mào)企業(yè)已不是單純的信用管理技術(shù)、手段的缺失,還包括有企業(yè)組織結(jié)構(gòu)不協(xié)調(diào),和相應(yīng)企業(yè)文化落后等諸多因素制約外貿(mào)企業(yè)客戶信用風(fēng)險管理的建立和實施。
中圖分類號:F832文獻(xiàn)標(biāo)識碼:B文章編號:1006-1770(2005)12-0034-03
一、引言
新巴塞爾協(xié)議的核心內(nèi)容是內(nèi)部評級,包括了市場風(fēng)險、信用風(fēng)險和操作風(fēng)險。市場風(fēng)險由于數(shù)據(jù)都來之外部資本市場,而且方法成熟,需要我們自行研究的較少;操作風(fēng)險的計量方法還不夠成熟;信用風(fēng)險,雖然方法成熟,但是需要使用內(nèi)部數(shù)據(jù),從而更多的需要我們自行開發(fā)研究,而且對于中國的銀行業(yè),傳統(tǒng)的信貸業(yè)務(wù)仍是比重最大的業(yè)務(wù),所以信用風(fēng)險評級是目前我國銀行研究的重點,也是內(nèi)部評級的突破口。
信用風(fēng)險評級模型的基本思想是從已有信用表現(xiàn)的歷史數(shù)據(jù)中提煉信息,得到客戶屬性和行為變量與客戶違約概率之間的函數(shù)關(guān)系,從而來預(yù)測未來的客戶信用狀況。這種函數(shù)關(guān)系,是廣義上的對應(yīng)關(guān)系,并不一定存在顯式的表達(dá)。
盡管信用風(fēng)險計量有很多領(lǐng)域還處于研究階段,不過信用風(fēng)險評級發(fā)展較早,從1968年奧爾特曼(Altman)引入的Z-score模型開始,到現(xiàn)在的logistic模型、機器學(xué)習(xí)等方法,在發(fā)達(dá)國家,不論是理論研究,還是實際應(yīng)用,信用風(fēng)險評級都已經(jīng)相當(dāng)?shù)某墒?。那么我們是否可以直接搬來使用?信用風(fēng)險內(nèi)部評級模型,方法的選擇固然重要,但是好的方法并不一定對應(yīng)好的結(jié)果,實際上模型表現(xiàn)更多的決定于問題本身情況和問題解決的處理細(xì)節(jié)。我國的銀行業(yè)進(jìn)行信用風(fēng)險評級,雖然在技術(shù)上的有一定的“后發(fā)優(yōu)勢”,但是絕對不是簡單的“直接拿來”。信用風(fēng)險的內(nèi)部評級工作需要根植于內(nèi)部數(shù)據(jù),來開發(fā)適合中國實際情況的評級模型。本文從銀行內(nèi)部評級的角度,對信用風(fēng)險評級的若干問題進(jìn)行了討論,并提出了適當(dāng)?shù)奶幚矸绞健?/p>
二、數(shù)據(jù)特性
不同的數(shù)據(jù)特性適用不同的模型。例如,判別分析要求自變量符合多元正態(tài)分布;而Logistic回歸對于數(shù)據(jù)的分布要求比較低,而且在處理綱目數(shù)據(jù)方面有著非常大的優(yōu)越性。在變量不服從多元正態(tài)分布的情況下,Logistic回歸優(yōu)于判別回歸;但是如果變量服從多元正態(tài)分布,那么線性判別規(guī)則是最優(yōu)的。而機器學(xué)習(xí)類的模型,對于分布要求不高,而且處理離散變量也有明顯的優(yōu)勢,例如決策樹、神經(jīng)網(wǎng)絡(luò)。
模型沒有絕對的最優(yōu),必須按照數(shù)據(jù)情況來選擇合適的模型。數(shù)據(jù)情況的統(tǒng)計分析,是十分重要的,即使國外已經(jīng)有經(jīng)驗表明某種模型表現(xiàn)優(yōu)異,也有結(jié)合實際的建模數(shù)據(jù)進(jìn)行分析。如果我國的數(shù)據(jù)情況與國外不同,不符合該模型的假定,該模型就不可取。
所以,建模的第一步工作就是分析數(shù)據(jù)情況,討論各種可能模型的適用性,初步確定符合數(shù)據(jù)情況的模型框架。
三、分布的變化
既然信用評級的基本思想是從歷史數(shù)據(jù)中提煉信息來預(yù)測未來的客戶信用狀況。那么,即使我們從歷史數(shù)據(jù)中提煉出了完整的信息,如果歷史數(shù)據(jù)與未來情況不同,預(yù)測的可信度也會成為問題。
一個比較典型的問題是宏觀經(jīng)濟的變化。宏觀經(jīng)濟的變化對于整體違約概率的影響是非常大的,如圖1所示,美國歷年來的公司違約情況。公司客戶的評級往往主要依據(jù)公司的財務(wù)數(shù)據(jù)來得出結(jié)論,而實際上,即使是相同的財務(wù)比例,在不同的宏觀經(jīng)濟情況下,也有不同的表現(xiàn)。公司類客戶同樣還要考慮整體行業(yè)的演變過程,根據(jù)經(jīng)濟學(xué)理論,行業(yè)生命周期往往經(jīng)歷萌芽期-擴展期-成熟期-衰退期四個周期。(見圖1)
在消費者評分模型中,還有一個問題是人口漂移。我國目前正處在精神文明和物質(zhì)文明高速發(fā)展的階段,人口特性變化很快,如打工族的出現(xiàn)、貸款購房的增加、家用轎車消費增加等。這些變化會導(dǎo)致潛在信用消費人群和信用觀念的變化。這種隨著經(jīng)濟環(huán)境、人口結(jié)構(gòu)和生活方式的變遷使樣本人群的范圍和特質(zhì)發(fā)生變化,一般被稱為人口漂移。人口漂移會使原有評分標(biāo)準(zhǔn)下的評價結(jié)果與現(xiàn)實情況不符,這時就應(yīng)適當(dāng)?shù)恼{(diào)整權(quán)值修正人口漂移帶來的偏差,并不斷更新作為訓(xùn)練樣本的數(shù)據(jù)。
在宏觀經(jīng)濟的變化引起的違約概率的整體變化,需要建立宏觀經(jīng)濟模型來調(diào)整客戶評級;而類似人口漂移等問題,數(shù)據(jù)結(jié)構(gòu)都已經(jīng)發(fā)生了變化,需要經(jīng)常的更新訓(xùn)練樣本,升級評級模型。評級模型有個別模型本身對于分布變化的這類問題有一定的解決能力,例如最近鄰法,它可以直接加入新的申請者或刪除老的用戶的方式動態(tài)升級系統(tǒng),從而克服人口漂移帶來的問題。
四、拒絕推斷
當(dāng)我們使用訓(xùn)練樣本進(jìn)行模型研究的時候,所有訓(xùn)練樣本都是已經(jīng)有信用表現(xiàn)的客戶,即都是曾經(jīng)被授信的客戶,而申請被拒絕的客戶不在其列。但是當(dāng)我們使用模型的時候,卻面對了所有的可能客戶(即包括了按照以前的標(biāo)準(zhǔn)被授信或者被拒絕的客戶),既然我們模型從來就不認(rèn)識被拒絕客戶,又如何對他們作出判斷呢?所謂“拒絕推斷”(refusereference)是指如何從被拒絕的申請人中鑒別出應(yīng)向其授信的申請人的問題。模型開發(fā)者面臨的情況如圖2。
在完全不準(zhǔn)確(近乎隨機)的信用評分的情況下,躍為較為精確的評級模型,“拒絕推斷”造成的影響不是很嚴(yán)重。當(dāng)然實際情況不會如此,即使是簡單的專家選擇,也會使得訓(xùn)練樣本有偏。而開始使用模型后,由于人口漂移等諸多因素,原有的信用評級模型隨著時間的流逝而漸漸失效,從而需要不斷地更新?！熬芙^推斷”是信用操作中無法回避的重要問題,目前主要的解決有部分接受法、混合分解法等。
1.部分接受法
這是一種解決這類問題的較理想的方法,但是卻不會受到經(jīng)營者的歡迎。部分接受法就是在未被授信的客戶集中進(jìn)行隨機的取樣,批準(zhǔn)他們的貸款申請,然后觀察其以后的行為。這些申請者,被
(圖2“拒絕推斷”的圖例)
賦以相應(yīng)的權(quán)重,然后和那些通過原有規(guī)則獲得批準(zhǔn)的客戶(或者是它們當(dāng)中的隨機取樣)聯(lián)系在一起,這將會帶來完全隨機的人群樣本,可以用來創(chuàng)建新的評級模型。但是經(jīng)營者往往不愿意這樣做,他們的理由就是既然那些客戶已經(jīng)被認(rèn)為是沒有好的信用質(zhì)量,批準(zhǔn)他們的信用申請會帶來損失。但是,如果授信方接收了當(dāng)中一些人的申請,那么就可以通過建立更加具有預(yù)測能力的模型再長期獲利。在任何情況下,授信方的利潤都不會因為這些取樣而受到太大的影響,因為這些取樣都是經(jīng)過仔細(xì)挑選的。關(guān)于部分接受法的研究還需要更加廣泛的工作,不過有一點可以肯定的是,這個方法需要前臺經(jīng)營部門和風(fēng)險管理部門的通力合作和預(yù)先的計劃。
2.混合分解法
這是一種在沒有任何關(guān)于人群信息的情況下,估計兩種人群比例的方法。使用這種方法的前提是關(guān)于好壞人群的性質(zhì)分布的假設(shè)。特別是,必須假設(shè)知道這些分布就等同于知道一些參數(shù)的值,而這些值是可以通過數(shù)據(jù)估計的。這種方法的關(guān)鍵就在于將假定的優(yōu)質(zhì)客戶分布與假定的劣質(zhì)客戶分布的加權(quán)平均作為觀察值的分布與整體樣本分布的匹配。如此得到的整體樣本分布稱為“混合分布”。
這一方法可以讓人們能夠利用已知分布的一些優(yōu)異性質(zhì),但它的弊端也很明顯,就是關(guān)于好壞分布的假設(shè)必須是準(zhǔn)確的。不幸的是,信用數(shù)據(jù)的特征非常復(fù)雜,想準(zhǔn)確的得到它的分布往往是很困難的。
五、數(shù)據(jù)真實性
這是一個比較有中國特色的問題,雖然發(fā)達(dá)國家也有財務(wù)欺詐,但是絕對沒有中國的嚴(yán)重。由于制度的缺失,或者制度執(zhí)行的乏力,在中國,即使是會計師事務(wù)所審計出來的數(shù)據(jù)可能也是不可靠的。所以反財務(wù)欺詐,對于模型開發(fā)者是面臨的嚴(yán)峻問題。但是模型開發(fā)者能做的只能是發(fā)現(xiàn)在統(tǒng)計意義上或者邏輯關(guān)系上出現(xiàn)的異?，F(xiàn)象。
六、數(shù)據(jù)缺失
我國銀行建立評級模型,面臨最為嚴(yán)重的問題是數(shù)據(jù)缺失。在數(shù)據(jù)缺失非常嚴(yán)重的情況,建立一個優(yōu)秀的模型幾乎是不可能的,所以在此討論在能建模的前提下,數(shù)據(jù)缺失問題如何處理。
如果一個變量缺失一定比例(例如50%)以上,只有放棄該變量;如果從經(jīng)濟學(xué)含義上,該變量確實非常重要,那么只有通過專家的經(jīng)驗來尋找可替代的變量(或者變量組合)。例如,家庭地址的所屬區(qū)可能是十分重要的變量,但是并沒有被記錄,或者建模人員無法從家庭地址中提煉出區(qū)域,那么可以通過郵政編碼和電話號碼結(jié)合表征區(qū)域變量。
在數(shù)據(jù)缺失不是很嚴(yán)重的情況下,我們可以采用缺值替代的方法,例如均值替代、同類均值替代等,或者在不影響數(shù)據(jù)量的前提下也可以直接刪除數(shù)據(jù)缺失的記錄。
以上討論的都還是完全隨機缺失,這類缺失是完全隨機發(fā)生的,不影響樣本的無偏性。但是缺失更常見的隨機缺失和非隨機缺失,所謂隨機缺失是指該變量的數(shù)據(jù)缺失與其他變量有關(guān),例如財務(wù)數(shù)據(jù)缺失情況與企業(yè)的大小有關(guān);非隨機缺失是該變量的缺失與本身取值有關(guān),如高收入人群的不原意提供家庭收入,財務(wù)情況差的公司不提供財務(wù)報表。
對于隨機缺失和非隨機缺失,刪除記錄是不合適的,隨機缺失可以通過已知變量對缺失值進(jìn)行估計;而非隨機缺失還沒有很好的解決辦法?？偨Y(jié)而言,缺值問題還是一個需要深入研究的問題。
七、過度擬合
由于樣本中存在噪音,所以模型的擬合優(yōu)度只能達(dá)到一定程度,這是理論能達(dá)到的最優(yōu)擬合度。有些時候,當(dāng)模型把噪音當(dāng)成了信息進(jìn)行擬合,使得擬合優(yōu)度超過了理論的最優(yōu)擬合度,過度擬合的模型實際上包含了錯誤的信息,預(yù)測能力很差。如圖3是一個過度擬合的簡單例子,對于圖中的點,我們通過線性擬合和非線性擬合得到擬合曲線a和b,顯然的曲線b的擬合優(yōu)度要高于曲線a,但是如果本質(zhì)上y和x之間是線性關(guān)系,那么非線性擬合的模型假設(shè)是錯誤的,較高的擬合優(yōu)度實際上是過度擬合造成的。
過度擬合可以通過評價樣本等方法來解決,如圖4,當(dāng)訓(xùn)練不斷進(jìn)行,訓(xùn)練樣本的誤判率不斷降低,而評價樣本則呈現(xiàn)先降后升的情況,那么當(dāng)評價樣本的誤判率到最低時,我們就應(yīng)該停止訓(xùn)練。
八、指標(biāo)選取中一些問題
信用評級在我國還處于起步階段,而發(fā)達(dá)國家已建立起一套相當(dāng)完備的標(biāo)準(zhǔn),在很多方面我們可以借鑒已有成果,但我國的文化習(xí)慣和道德標(biāo)準(zhǔn)與發(fā)達(dá)國家之間存在很大差異,在選取指標(biāo)時應(yīng)注意國情和評估的具體目的。具體評價指標(biāo)的選取各國具有不同,如美國法律不允許將性別、年齡等個人屬性作為指標(biāo)列入消費者信用評估體系,但這顯然是非常重要的指標(biāo),而且我國目前沒有這樣的法律規(guī)定;德國將是否服兵役作為一項重要指標(biāo);意大利將出生省份和婚約中對共同財產(chǎn)的要求作為重要指標(biāo);而日本則將供職公司是否上市以及公司的雇員數(shù)作為重要指標(biāo)。
九、留酌情處理權(quán)
1.市場環(huán)境。作為親周期行業(yè)，銀行業(yè)的信用風(fēng)險是宏觀經(jīng)濟的反映，信貸客戶的非系統(tǒng)性信用風(fēng)險與整個經(jīng)濟系統(tǒng)性風(fēng)險密不可分,宏觀經(jīng)濟形勢、區(qū)域經(jīng)濟動態(tài)、行業(yè)經(jīng)濟趨勢會持續(xù)影響經(jīng)營行和信貸客戶雙方的信貸行為和信貸文化。前幾年經(jīng)濟過度刺激和信貸大量投放的后遺癥在“新常態(tài)”時期逐步顯現(xiàn)，隨著去杠桿、去產(chǎn)能、去泡沫的進(jìn)一步推進(jìn)，大量風(fēng)險客戶出現(xiàn)盲目多元投資、加大杠桿、挪用貸款、民間借貸甚至抽逃資產(chǎn)、與銀行內(nèi)外勾結(jié)等行為。扭曲的市場環(huán)境和信貸客戶行為對商業(yè)銀行產(chǎn)生倒逼，銀行信貸文化也因此發(fā)生了一定程度的扭曲。例如福建、浙江等地滋生出大量的鋼貿(mào)貸款，其中不乏成批的空殼公司和集團內(nèi)部融資平臺，而銀行卻對這些客戶難以割舍，甚至協(xié)助策劃“抱團取暖”，直至風(fēng)險集中爆發(fā)。這類典型現(xiàn)象深刻反映了市場環(huán)境變化對銀行信貸文化和信用風(fēng)險的影響。
2.信用環(huán)境。我國正處于社會信用體系建設(shè)的初級階段，經(jīng)濟基礎(chǔ)、法律體系及市場環(huán)境都不夠成熟，也缺乏高效的失信懲戒機制。薄弱的信用環(huán)境主要在兩個方面通過信貸文化對信用風(fēng)險產(chǎn)生影響：一是失真的會計環(huán)境。信貸客戶能夠輕易的虛構(gòu)財務(wù)報表申請貸款，高信用等級客戶直接違約案例時有發(fā)生，過去的“好客戶”金玉其外，到風(fēng)險暴露時才發(fā)現(xiàn)敗絮其中。這些現(xiàn)象的根本原因在于經(jīng)營行面對失真的會計環(huán)境，信貸文化發(fā)生了畸變，“假報表真分析”，以財務(wù)報表為定量評分基礎(chǔ)的信用評級往往缺乏最基本的可靠性。二是低效的資產(chǎn)評估、登記和處置環(huán)境。一方面，資產(chǎn)評估公司對抵押物評估的客觀性和獨立性難以保障，往往配合信貸客戶的資金需求高估抵押物，甚至有的抵押登記部門協(xié)助企業(yè)重復(fù)抵押或虛假抵押。另一方面，抵押物作為第二還款來源，用信擔(dān)保方式往往表面合規(guī)，卻普遍存在權(quán)責(zé)明確卻追索困難、勝訴容易卻執(zhí)行困難的現(xiàn)象，源于低效的處置環(huán)節(jié)導(dǎo)致實際風(fēng)險緩釋效果并不理想。
3.同業(yè)競爭。近年來，國內(nèi)金融業(yè)逐漸開放的同時，商業(yè)銀行業(yè)務(wù)競爭已經(jīng)進(jìn)入白熱化，隨著利率市場化的推進(jìn)步伐加快和息差水平的收窄，同業(yè)競爭將更加激烈。商業(yè)銀行同業(yè)為了保住和搶占市場份額，紛紛加大競爭力度，甚至采取降低收費標(biāo)準(zhǔn)、放寬貸款審批等惡性競爭手段爭搶客戶。在同業(yè)之間加碼式惡性博弈的非理性競爭環(huán)境中，信貸文化不可避免的受到負(fù)面沖擊，并進(jìn)而作用于信用風(fēng)險。
4.政府行為。現(xiàn)階段我國商業(yè)銀行、特別是國有大型商業(yè)銀行仍存在行政色彩，信貸決策和信貸文化在特定環(huán)境下時常受制于政府行為。劣質(zhì)的“支柱型企業(yè)”在地方政府出手下“大而不倒”的案例比比皆是，如川威集團的司法重整、青海堿業(yè)的債務(wù)重組等。干擾性的政府行為對銀行信貸文化產(chǎn)生了深遠(yuǎn)的影響，使得部分經(jīng)營行和信貸人員對于有政府背景的信貸客戶從主觀上放松了風(fēng)險的識別和防范，從而在主客觀兩方面都降低了銀行及時化解和防范信用風(fēng)險的能力，是信用風(fēng)險滋生、蔓延直至更大程度暴發(fā)的成因之一。
（二）內(nèi)生因素
1.信貸管理機制。近年來，信貸客戶刻意制造信息不對稱、掩蓋風(fēng)險的動機和能力都越來越強，商業(yè)銀行用傳統(tǒng)方式審貸、管貸已經(jīng)跟不上形勢。尤其值得關(guān)注的是，現(xiàn)有信貸管控機制與擔(dān)保圈貸款、隱蔽性集團貸款風(fēng)險的管控需求并不匹配，面對錯綜復(fù)雜的隱性關(guān)聯(lián)互保、連環(huán)擔(dān)保及其更強的隱蔽性和危害性，已普遍呈現(xiàn)管控乏力的現(xiàn)象。例如溫州不良擔(dān)保圈事件、青島“德正系”騙貸案件、浙江“中江系”集團風(fēng)險事件等。在信貸管理機制存在缺陷的環(huán)境里，信貸人員從思想上怠于積極加強管控力度和風(fēng)險意識，形成消極的信貸文化氛圍。通過近年來新增不良貸款進(jìn)行分析，信貸客戶對風(fēng)險隱蔽性較強的客戶，普遍缺乏積極的管控意識，沒有真正做到“了解客戶、衡量風(fēng)險”，更無法及時識別和處置風(fēng)險。
2.信貸激勵機制。在同業(yè)競爭白熱化的外部條件下，商業(yè)銀行的考核壓力層層加碼，“一刀切”的信貸激勵機制間接導(dǎo)致部分信貸部門形成“重發(fā)展輕風(fēng)控、重眼前輕長遠(yuǎn)”的信貸文化?！皦敬髴簟本褪且粋€典型表現(xiàn)，面對低迷的市場環(huán)境和風(fēng)險尚不明確的新增客戶，經(jīng)營行為了完成考核指標(biāo)，對于存量大戶存在“績效為先、授權(quán)規(guī)避”的思想。這種“不舍得”的心理導(dǎo)致經(jīng)營行即使知曉風(fēng)險隱患，也缺乏主動退出意愿，甚至為了爭奪“優(yōu)質(zhì)”大客戶，忽視企業(yè)本身的風(fēng)險隱患，逐年加大授信額度。同時，銀行“壘大戶”的行為還可能造成企業(yè)負(fù)債大幅度增加，加大資金鏈脆弱程度,是信用風(fēng)險積聚和爆發(fā)的又一誘因。
3.信貸約束機制。信貸約束機制的缺失集中表現(xiàn)為責(zé)任追究的范圍和力度不足，信貸部門因此形成責(zé)任感淡薄的負(fù)面信貸文化，從而疏于信用風(fēng)險管控。一是責(zé)任追究范圍不足。商業(yè)銀行在內(nèi)部監(jiān)督檢查的過程中，對管理層責(zé)任追究范圍不足，特別是對信貸決策的追究往往局限于任期之內(nèi)，導(dǎo)致銀行各級管理層存在不同程度的任期短視行為。這種普遍的負(fù)面信貸文化現(xiàn)象，驅(qū)使管理層對風(fēng)險貸款產(chǎn)生了“擊鼓傳花”的僥幸心理和前后任期之間的“博弈心態(tài)”。部分管理層對高風(fēng)險貸款反復(fù)還舊借新、以貸還貸、以貸收息，意圖將風(fēng)險“順利交班”。在任期短視行為影響下，信貸部門不但錯失防范和處置信用風(fēng)險的最佳時機，反而坐視風(fēng)險進(jìn)一步發(fā)酵和質(zhì)變。二是責(zé)任追究力度不足。與明確涉及員工行為的“顯性”道德風(fēng)險不同，信貸經(jīng)營管理層過大的決策權(quán)力與過小的信貸決策風(fēng)險嚴(yán)重不匹配，產(chǎn)生了權(quán)責(zé)傾斜的信貸文化。盡管現(xiàn)代商業(yè)銀行已經(jīng)建立起貸審會、合議會、行長負(fù)責(zé)制等一系列形式上完善的管理層信貸決策機制，但通過大量的信貸風(fēng)險案例可以發(fā)現(xiàn)，鮮有決策層因為信貸決策風(fēng)險受到與其危害對等的懲戒。必須重視的是，信貸決策層的信貸決策風(fēng)險對銀行帶來的經(jīng)濟損失和風(fēng)險隱患往往不亞于“顯性”道德風(fēng)險案件。例如在商貿(mào)類風(fēng)險貸款中較為普遍的“三無”類空殼企業(yè)，其造假手段低劣粗暴，銀行信貸部門的貸款“三查”卻如同擺設(shè)，甚至變相協(xié)助企業(yè)化整為零、大搞制度套利，風(fēng)險暴露時卻僅表現(xiàn)為客戶惡意騙貸，相關(guān)信貸決策層卻未對巨額經(jīng)濟損失承擔(dān)應(yīng)有的責(zé)任。
二、咨詢型審計策略和建議
要把信用風(fēng)險防范做到“標(biāo)本兼治”，信貸審計就不能只停留在合規(guī)性層面的監(jiān)督檢查，必須向咨詢型審計轉(zhuǎn)型。商業(yè)銀行內(nèi)部審計部門不但要強化審計隊伍的業(yè)務(wù)素質(zhì)和咨詢型審計理念，充分發(fā)揮監(jiān)督檢查的懲戒教育作用，更要從信貸管理機制、信貸激勵約束機制等方面開展建設(shè)性的咨詢型審計，方能正確引導(dǎo)經(jīng)營行建設(shè)健康可持續(xù)的信貸文化基礎(chǔ)，有效防范信用風(fēng)險。
1.強化審計隊伍的業(yè)務(wù)素質(zhì)和咨詢型審計理念。審計隊伍首先要具備咨詢性審計所必需的素質(zhì)和技能，并強化咨詢型審計理念，牢牢把握被審計行信貸文化特點及其對信用風(fēng)險的影響。一是要提升科研水平。在宏觀經(jīng)濟、行業(yè)趨勢、財務(wù)會計、資產(chǎn)評估、同業(yè)競爭、行為金融學(xué)等領(lǐng)域具備獨立專業(yè)的研究能力。二是要加強審計調(diào)研。在審計項目實施前開展有針對性的審計調(diào)研，憑借充實的信息面壓縮與信貸客戶、與經(jīng)營行之間的信息不對稱。三是要重視信貸文化。以信貸文化為著力點，對經(jīng)營行的信貸行為和價值取向舉一反三、由點及面，反思信用風(fēng)險滋生和蔓延的根源，站在咨詢型審計的高度，對經(jīng)營行提供富有建設(shè)型的審計意見和建議。
2.充分發(fā)揮監(jiān)督檢查的懲戒和溝通作用。一是從嚴(yán)監(jiān)督，曝光反面典型。通過監(jiān)督檢查，狠抓信貸“防假治假”，對已發(fā)生的不良貸款和風(fēng)險貸款嚴(yán)格認(rèn)定和追究責(zé)任，對違法違紀(jì)行為從嚴(yán)處理，曝光性質(zhì)惡劣、情節(jié)嚴(yán)重的反面典型，強化信貸制度和信貸紀(jì)律的權(quán)威性和嚴(yán)肅性，充分發(fā)揮懲戒警示作用。二是加強溝通，引導(dǎo)文化取向。堅持審計服務(wù)理念，通過審計溝通傳遞正確的風(fēng)險意識，糾正部分經(jīng)營行管理寬松、思想放松的扭曲信貸文化，促使經(jīng)營行樹立正確的信貸經(jīng)營思想與合規(guī)理念。
該模型是個動態(tài)模型，利用實時變化的上市公司的股票價格計算公司的預(yù)期違約率，在國外已經(jīng)得到了廣泛地比較有效的應(yīng)用。但該模型不適用于非上市公司，所以這限制了騎在發(fā)展中國家新興股票市場的應(yīng)用。并且該模型假定利率不變，這限制了其在長期貸款或利率敏感性信用工具上的運用。另外該模型假定資本結(jié)構(gòu)靜態(tài)不變以及資產(chǎn)收益正態(tài)分布都可能與實際情況不符。
KMV模型在我國銀行信用風(fēng)險的管理中應(yīng)用條件還相當(dāng)?shù)夭怀墒?。因為該模型需要大量的上市公司?shù)據(jù)。雖然其在理論上比較完善，但在我國現(xiàn)行的市場體制下，市場的有效性問題和如何確定市場上大量非流通股的價值問題成為應(yīng)用該模型的主要障礙；并且我國上市公司披露的信息質(zhì)量不高，股價指數(shù)和經(jīng)濟增長相背離，這都促成了該模型在我國應(yīng)用的局限性。
2.Creditmetrics模型
該模型是由J.P.Morgan在1997年開發(fā)的，也得到國外眾多金融機構(gòu)的廣泛應(yīng)用。該模型通過運用在險價值（VAR）對貸款和私募債券等非交易資產(chǎn)進(jìn)行股價和風(fēng)險計算，衡量投資組合的風(fēng)險暴露程度，認(rèn)為信用風(fēng)險是由債務(wù)人的信用狀況決定，將借款人的信用評級、評級轉(zhuǎn)移矩陣、違約貸款的回收率、債券市場上的信用風(fēng)險價差納入一個同意的框架并計算出貸款的市場價值和波動性，得出個別貸款或貸款組合的VAR值。
該模型即可應(yīng)用于信用風(fēng)險的計量，還可應(yīng)用于市場風(fēng)險和操作風(fēng)險的計量，并用統(tǒng)一的計量口徑表達(dá)。該模型率先提出資產(chǎn)組合信用風(fēng)險的度量框架，是多狀態(tài)模型，能更精確地計量信用風(fēng)險的變化和損失值并且能看出各信用工具在整個組合的信用風(fēng)險中的作用，為投資者的科學(xué)決策提供量化依據(jù)。但該模型假定無風(fēng)險利率是不變的，未反映出市場風(fēng)險和潛在的經(jīng)濟環(huán)境變化。
不管怎樣，該模型將VAR方法應(yīng)用于信用風(fēng)險度量有利于商業(yè)銀行準(zhǔn)確合理地衡量準(zhǔn)備金和銀行經(jīng)濟資本水平。但該模型嚴(yán)格依賴于由評級公司提供的信用評級及國家和行業(yè)長期的歷史數(shù)據(jù)，然而我國商業(yè)銀行在現(xiàn)階段不論是信用評級還是數(shù)據(jù)庫建設(shè)都處于起步階段。因此，在目前狀況下，該模型應(yīng)用于我國的信用風(fēng)險管理的實際操作性不強。
3.CreditPortfolioView模型
該模型是Wilson(1987,1997)發(fā)展的一個風(fēng)險模型，是從宏觀經(jīng)濟環(huán)境的角度來分析借款人的信用等級變遷，并建立麥肯錫模型。與其他模型相比，該模型中決定違約概率的不是資產(chǎn)價格、經(jīng)驗參數(shù)和隨機模擬結(jié)果，而是GDP增長率、失業(yè)率、長期利率水平、匯率、政府支出及總儲蓄率等宏觀經(jīng)濟變量。該模型認(rèn)為遷移概率在不同類型的借款人和不同商業(yè)周期之間是不穩(wěn)定的，并且一些宏觀變量服從二階自相關(guān)，遷移概率在商業(yè)周期期間變動較大，在衰退期間變動比在擴張期間更大。該模型還根據(jù)以上多種宏觀因素，對不同等級的違約和轉(zhuǎn)移概率的聯(lián)系條件分布進(jìn)行模擬。其與宏觀經(jīng)濟聯(lián)系緊密。當(dāng)經(jīng)濟狀況惡化時，降級和違約增加；而當(dāng)經(jīng)濟好轉(zhuǎn)時，降級和違約減少。
該模型將宏觀因素納入其中并且對風(fēng)險暴露采取盯市法，適用于不同國家和行業(yè)。但是該模型的局限性在于取得每個行業(yè)的違約數(shù)據(jù)較困難并且未考慮微觀經(jīng)濟因素，特別是企業(yè)個體特征等。
就在我國的應(yīng)用而言，該模型考慮了宏觀經(jīng)濟因素對信用等級轉(zhuǎn)移的影響然而宏觀經(jīng)濟因素的個數(shù)及各因素的經(jīng)濟含義及她們與信用級別轉(zhuǎn)移的具體函數(shù)關(guān)系都難以確定和檢驗，所以該模型在我國應(yīng)用前景不大。
4.CreditRisk＋模型
該模型是由瑞士銀行金融產(chǎn)品開發(fā)部在1996年開發(fā)的信用風(fēng)險管理系統(tǒng)。它是采用保險業(yè)中廣泛應(yīng)用的統(tǒng)計學(xué)模型來推導(dǎo)債券及其組合的價值分布。該模型認(rèn)為違約率的不確定性和違約損失的不確定性都很顯著，應(yīng)按風(fēng)險暴露大小將貸款組合劃分成若干頻段，以降低不精確的程度，并將各頻段的損失分布加總，可得到貸款組合的損失分布。
該模型假定單比債券或貸款的違約前景服從于泊松分布，不同期間違約事件彼此獨立。其計算出的結(jié)果是封閉性的，不采用模擬技術(shù)并且該模型集中于違約風(fēng)險需要估計的變量很少，對于每個組合只需要知道違約概率和風(fēng)險投資。但該模型忽略信用等級的變化只取決于遠(yuǎn)期利率并且沒有考慮市場風(fēng)險和信貸期限的變動，也不能處理非線性金融產(chǎn)品，如期權(quán)和外匯掉期，影響了模型的應(yīng)用范圍。
就我國而言，該模型中僅當(dāng)借款人在一個固定的期限之前違約時才被認(rèn)定為損失發(fā)生，而由市場價值變動而引起的損失不計入其中，這種對損失的定義與我國傳統(tǒng)的妝面價值核算更一致。更重要的是它與我國現(xiàn)行的銀行貸款五級分類標(biāo)準(zhǔn)和銀行會計制度有很多相似之處，對我國商業(yè)銀行的信用風(fēng)險度量有重要的指導(dǎo)意義。但其設(shè)定每一筆貸款都是獨立的在我國基本是不可能的，而它們又是該模型的基本輸入因子。
通過以上的分析，可以看出現(xiàn)代信用風(fēng)險計量模型在我國的應(yīng)用存在不可忽視的局限性。我國商業(yè)銀行在信用風(fēng)險管理方面與國際上還存在不小的差距。不管怎樣，我們必須努力創(chuàng)造條件，在借鑒國外先進(jìn)經(jīng)驗的同時建立符合自身實際情況的信用風(fēng)險管理模型，這將關(guān)乎到我國商業(yè)銀行未來的生存和發(fā)展。
參考文獻(xiàn)：
[1]曹晶.現(xiàn)代信用風(fēng)險計量模型研究和比較[J].消費導(dǎo)刊，2008（09）.
[2]魏永成，陳勇.現(xiàn)代信用風(fēng)險度量模型研究[J].當(dāng)代經(jīng)理人，2006（08）.
