(2)信用評(píng)分法
信用評(píng)分模型是一種傳統(tǒng)的信用風(fēng)險(xiǎn)量化模型,利用可觀察到的借款人特征變量計(jì)算出一個(gè)數(shù)值(得分)來代表債務(wù)人的信用風(fēng)險(xiǎn),并將借款人歸類于不同的風(fēng)險(xiǎn)等級(jí)。
背景知識(shí):信用評(píng)分模型
20世紀(jì)60年代,信用卡的推出促使信用評(píng)分技術(shù)取得了極大發(fā)展,并迅速擴(kuò)展到其他業(yè)務(wù)領(lǐng)域。奧而特曼(Altman,1968)提出了基于多元判別分析技術(shù)的Z評(píng)分模型;馬丁(Martin,1977)、奧爾森(Ohlson,1980)和威金頓(Wiginton,1980)則首次運(yùn)用Logit模型分析企業(yè)破產(chǎn)問題。
信用評(píng)分模型的關(guān)鍵在于特征變量的選擇和各自權(quán)重的確定;具^程是:
、偈紫,根據(jù)經(jīng)驗(yàn)或相關(guān)性分析,確定某一類別借款人的信用風(fēng)險(xiǎn)主要與哪些經(jīng)濟(jì)或財(cái)務(wù)因素有關(guān),模擬出特定形式的函數(shù)關(guān)系式;
、谄浯,根據(jù)歷史數(shù)據(jù)進(jìn)行回歸分析,得出各相關(guān)因素的權(quán)重;
、圩詈,將屬于此類別的潛在借款人的相關(guān)因素?cái)?shù)值代入函數(shù)關(guān)系式計(jì)算出一個(gè)數(shù)值,根據(jù)該數(shù)值的大小衡量潛在借款人的信用風(fēng)險(xiǎn)水平,給予借款人相應(yīng)評(píng)級(jí)并決定貸款與否。
存在一些突出問題:
、傩庞迷u(píng)分模型是建立在對(duì)歷史數(shù)據(jù)(而非當(dāng)前市場(chǎng)數(shù)據(jù))模擬的基礎(chǔ)上,因此是一種向后看(Backward Looking)的模型。
、谛庞迷u(píng)分模型對(duì)借款人歷史數(shù)據(jù)的要求相當(dāng)高。
、坌庞迷u(píng)分模型雖然可以給出客戶信用風(fēng)險(xiǎn)水平的分?jǐn)?shù),卻無法提供客戶違約概率的準(zhǔn)確數(shù)值,而后者往往是信用風(fēng)險(xiǎn)管理最為關(guān)注的。
(3)違約概率模型
違約概率模型分析屬于現(xiàn)代信用風(fēng)險(xiǎn)計(jì)量方法。其中具有代表性的模型有穆迪的RiskCalc和Credit Monitor、KPMG的風(fēng)險(xiǎn)中性定價(jià)模型和死亡率模型,在銀行業(yè)引起了很大反響。
《巴塞爾新資本協(xié)議》也明確規(guī)定,實(shí)施內(nèi)部評(píng)級(jí)法的商業(yè)銀行可采用模型估計(jì)違約概率。
與傳統(tǒng)的專家判斷和信用評(píng)分法相比,違約概率模型能夠直接估計(jì)客戶的違約概率,因此對(duì)歷史數(shù)據(jù)的要求更高,需要商業(yè)銀行建立一致的、明確的違約定義,并且在此基礎(chǔ)上積累至少五年的數(shù)據(jù)。
3. 法人客戶評(píng)級(jí)模型
(1)Altman的Z計(jì)分模型和ZETA模型
Altman(1968)認(rèn)為,影響借款人違約概率的因素主要有五個(gè):流動(dòng)性(Liquidity)、盈利性(Profitability)、杠桿比率(Leverage)、償債能力(Solvency)和活躍性(Activity)。Altman選擇了下面列舉的五個(gè)財(cái)務(wù)指標(biāo)來綜合反映上述五大因素,最終得出的Z計(jì)分函數(shù)是:
X1=(流動(dòng)資產(chǎn)-流動(dòng)負(fù)債)/總資產(chǎn)
X2=留存收益/總資產(chǎn)
X3=息稅前利潤(rùn)/總資產(chǎn)
X4=股票市場(chǎng)價(jià)值/債務(wù)賬面價(jià)值
X5=銷售額/總資產(chǎn)
作為違約風(fēng)險(xiǎn)的指標(biāo),Z值越高,違約概率越低。此外,Altman還提出了判斷企業(yè)破產(chǎn)的臨界值:若Z低于1.81,在企業(yè)存在很大的破產(chǎn)風(fēng)險(xiǎn),應(yīng)被歸入高違約風(fēng)險(xiǎn)等級(jí)。
1977年,Altman與Hardeman、Narayanan又提出了第二代Z計(jì)分模型——ZETA信用風(fēng)險(xiǎn)分析模型,主要用于公共或私有的非金融類公司,其適應(yīng)范圍更廣,對(duì)違約概率的計(jì)算更精確。
ZETA模型將模型考察指標(biāo)由五個(gè)增加到七個(gè),分別為:
X1:資產(chǎn)收益率指標(biāo),等于息稅前利潤(rùn)/總資產(chǎn)。
X2:收益穩(wěn)定性指標(biāo),指企業(yè)資產(chǎn)收益率在5~10年變動(dòng)趨勢(shì)的標(biāo)準(zhǔn)差。
X3:償債能力指標(biāo),等于息稅前利潤(rùn)/總利息支出。
X4:盈利積累能力指標(biāo),等于留存收益/總資產(chǎn)。
X5:流動(dòng)性指標(biāo),即流動(dòng)比率,等于流動(dòng)資產(chǎn)/流動(dòng)負(fù)債。
X6:資本化程度指標(biāo),等于普通股/總資本。該比率越大,說明企業(yè)資本實(shí)力越強(qiáng),違約概率越小。
X7:規(guī)模指標(biāo),用企業(yè)總資產(chǎn)的對(duì)數(shù)表示。
(2)RiskCalc模型
RiskCalc模型是在傳統(tǒng)信用評(píng)分技術(shù)基礎(chǔ)上發(fā)展起來的一種適用于非上市公司的違約概率模型,其核心是通過嚴(yán)格的步驟從客戶信息中選擇出最能預(yù)測(cè)違約的一組變量,經(jīng)過適當(dāng)變換后運(yùn)用Logit/Probit回歸技術(shù)預(yù)測(cè)客戶的違約概率。
、偈占罅康墓緮(shù)據(jù);
②對(duì)數(shù)據(jù)進(jìn)行樣本選擇和異常值處理;
、壑鹨环治鲎儞Q各風(fēng)險(xiǎn)因素的單調(diào)性、違約預(yù)測(cè)能力及彼此間的相關(guān)性,初步選擇出違約預(yù)測(cè)能力強(qiáng)、彼此相關(guān)性不高的20~30個(gè)風(fēng)險(xiǎn)因素;
④運(yùn)用Logit/Probit回歸技術(shù)從初步因素中選擇出9~11個(gè)最優(yōu)的風(fēng)險(xiǎn)因素,并確保回歸系數(shù)具有明確的經(jīng)濟(jì)含義,各變量間不存在多重共線性;
⑤在建模外樣本、時(shí)段外樣本中驗(yàn)證基于建模樣本所構(gòu)建模型的違約區(qū)分能力,確保模型的橫向適用性和縱向前瞻性;
、迣(duì)模型輸出結(jié)果進(jìn)行校正,得到最終各客戶的違約概率。
(3)Credit Monitor模型
Credit Monitor模型是在Merton模型基礎(chǔ)上發(fā)展起來的一種適用于上市公司的違約概率模型,其核心在于把企業(yè)與銀行的借貸關(guān)系視為期權(quán)買賣關(guān)系,借貸關(guān)系中的信用風(fēng)險(xiǎn)信息因此隱含在這種期權(quán)交易之中,從而通過應(yīng)用期權(quán)定價(jià)理論求解出信用風(fēng)險(xiǎn)溢價(jià)和相應(yīng)的違約率,即預(yù)期違約頻率(Expected Default Frequency,EDF)。
【單選】在法人客戶評(píng)級(jí)模型中,( )通過應(yīng)用期權(quán)定價(jià)理論求解出信用風(fēng)險(xiǎn)溢價(jià)和相應(yīng)的違約率。
A.Altman Z計(jì)分模型
B.RiskCalc模型
C.Credit Monitor模型
D.死亡率模型
答案:C
(4)KPMG風(fēng)險(xiǎn)中性定價(jià)模型
風(fēng)險(xiǎn)中性定價(jià)理論的核心思想是假設(shè)金融市場(chǎng)中的每個(gè)參與者都是風(fēng)險(xiǎn)中立者,不管是高風(fēng)險(xiǎn)資產(chǎn)、低風(fēng)險(xiǎn)資產(chǎn)或無風(fēng)險(xiǎn)資產(chǎn),只要資產(chǎn)的期望收益是相等的,市場(chǎng)參與者對(duì)其的態(tài)度就是一致的,這樣的市場(chǎng)環(huán)境被稱為風(fēng)險(xiǎn)中性范式。KPMG公司將風(fēng)險(xiǎn)中性定價(jià)理論運(yùn)用到貸款或債券的違約概率計(jì)算中,由于債券市場(chǎng)可以提供與不同信用等級(jí)相對(duì)應(yīng)的風(fēng)險(xiǎn)溢價(jià),根據(jù)期望收益相等的風(fēng)險(xiǎn)中性定價(jià)原則,每一筆貸款或債券的違約概率就可以相應(yīng)計(jì)算出來。
【單選】某一年期零息債券的年收益率為16.7%,假設(shè)債務(wù)人違約后,回收率為零,若一年期的無風(fēng)險(xiǎn)年收益率為5%,則根據(jù)KPMG風(fēng)險(xiǎn)中性定價(jià)模型得到上述債券在一年內(nèi)的違約概率為( )
A.0.05
B.0.10
C.0.15
D.0.20
答案:B
(5)死亡率模型
死亡率模型是根據(jù)貸款或債券的歷史違約數(shù)據(jù),計(jì)算在未來一定持有期內(nèi)不同信用等級(jí)的貸款或債券的違約概率,即死亡率,通常分為邊際死亡率(Marginal Mortality Rate,MMR)和累計(jì)死亡率(Cumulated Mortality Rate,CMR)。
【單選】根據(jù)死亡率模型,假設(shè)某3年期辛迪加貸款,從第1年至第3年每年的邊際死亡率依次為0.17%、0.60%、0.60%,則3年的累計(jì)死亡率為( )。
A.0.17%
B.0.77%
C.1.36%
D.2.32%
答案:C
4. 個(gè)人客戶評(píng)分方法
按照國(guó)際慣例,對(duì)于企業(yè)的信用評(píng)定采用評(píng)級(jí)方法,而對(duì)個(gè)人客戶的信用評(píng)定采用評(píng)分方法。由于個(gè)人客戶數(shù)量眾多,歷史信息的規(guī)律性強(qiáng),因此主要采用基于歷史數(shù)據(jù)統(tǒng)計(jì)的評(píng)分模型計(jì)量個(gè)人客戶的信用風(fēng)險(xiǎn)。
參照國(guó)際最佳實(shí)踐,個(gè)人客戶評(píng)分按照所采用的統(tǒng)計(jì)方法可以分為回歸分析、K臨近值、神經(jīng)網(wǎng)絡(luò)模型等;按照評(píng)分的對(duì)象可以分為客戶水平、產(chǎn)品水平和賬戶水平,按照評(píng)分的目的可以分為風(fēng)險(xiǎn)評(píng)分、利潤(rùn)評(píng)分、忠誠(chéng)度評(píng)分等;按照平分的階段則可以分為拓展客戶期(信用局評(píng)分)、審批客戶期(申請(qǐng)?jiān)u分)和管理客戶期(行為評(píng)分)。
(1)信用局評(píng)分
這一階段常用的模型有:
、亠L(fēng)險(xiǎn)評(píng)分,預(yù)測(cè)消費(fèi)者違約/壞賬風(fēng)險(xiǎn)的大小;
②收益評(píng)分,預(yù)測(cè)消費(fèi)者開戶后給商業(yè)銀行帶來潛在收益;
、燮飘a(chǎn)評(píng)分,預(yù)測(cè)消費(fèi)者破產(chǎn)風(fēng)險(xiǎn)的大小;
、芷渌庞锰卣髟u(píng)分。
(2)申請(qǐng)?jiān)u分
申請(qǐng)?jiān)u分模型通過綜合考慮申請(qǐng)者在申請(qǐng)表上所填寫的各種信息,對(duì)照商業(yè)銀行類似申請(qǐng)者開戶后的信用表現(xiàn),以評(píng)分來預(yù)測(cè)申請(qǐng)者開戶后一定時(shí)期內(nèi)違約概率,通過比較該客戶的違約概率和商業(yè)銀行可以接受的違約底線來作出拒絕或接受的決定。
信用局風(fēng)險(xiǎn)評(píng)分模型和收益評(píng)分模型是很有價(jià)值的決策工具,與申請(qǐng)?jiān)u分模型具有互補(bǔ)性,可以組成二維或三維矩陣來進(jìn)行信貸審批決策。不同的是,申請(qǐng)?jiān)u分模型是商業(yè)銀行為特定金融產(chǎn)品的申請(qǐng)者量身定做的,能夠更準(zhǔn)確、全面地反映商業(yè)銀行客戶的特殊性,而且可以利用更多的信息對(duì)客戶將來的信用表現(xiàn)進(jìn)行預(yù)測(cè);而信用局評(píng)分模型通常是對(duì)申請(qǐng)者在未來各種信貸關(guān)系中的違約概率作出預(yù)測(cè)。
(3)行為評(píng)分
行為評(píng)分被用來觀察現(xiàn)有客戶的行為,以掌握客戶及時(shí)還款的可信度。
相關(guān)推薦:2009年銀行從業(yè)考試公共基礎(chǔ)復(fù)習(xí)筆記匯總北京 | 天津 | 上海 | 江蘇 | 山東 |
安徽 | 浙江 | 江西 | 福建 | 深圳 |
廣東 | 河北 | 湖南 | 廣西 | 河南 |
海南 | 湖北 | 四川 | 重慶 | 云南 |
貴州 | 西藏 | 新疆 | 陜西 | 山西 |
寧夏 | 甘肅 | 青海 | 遼寧 | 吉林 |
黑龍江 | 內(nèi)蒙古 |