商業(yè)銀行整體信用風(fēng)險(xiǎn)評(píng)估

趙正東

（長(zhǎng)春理工大學(xué)，吉林長(zhǎng)春，130022）

一、引言

信用風(fēng)險(xiǎn)在銀行業(yè)的風(fēng)險(xiǎn)中占有特殊的地位，它是銀行業(yè)乃至整個(gè)金融業(yè)最主要的風(fēng)險(xiǎn)?？傮w來說，對(duì)信用風(fēng)險(xiǎn)研究分類可以采取兩分法即將信用風(fēng)險(xiǎn)管理模型分為傳統(tǒng)型和現(xiàn)代型。傳統(tǒng)方法主要是指信用評(píng)分方法，該方法是對(duì)反映借款人經(jīng)濟(jì)狀況或影響借款人信用狀況的若干指標(biāo)賦予一定權(quán)重，通過某些特定方法得到信用綜合分值或違約概率值。目前，由于這類模型方法簡(jiǎn)便、成本低、應(yīng)用效果佳，因此應(yīng)用十分廣泛。近年來，傳統(tǒng)模型得到了進(jìn)一步的擴(kuò)展和完善，有些新模型的思想正是源于這些傳統(tǒng)模型，如M.Doumpos，Kosmidou用一個(gè)多指標(biāo)、分層次的方法（M.H.DIS）對(duì)信用風(fēng)險(xiǎn)進(jìn)行評(píng)估。Giuseppe Paleologo et al建立一個(gè)在評(píng)估客戶信用方面比回歸分析框架更實(shí)用的方法。20世紀(jì)90年代中后期，開始涌現(xiàn)出更加完善的現(xiàn)代模型。目前，國際上最著名的現(xiàn)代模型有Credit Metrics、KMV、Credit Risk+、Credit Portfolio View 等模型。［1］Michel Crouhy 和 Dan Galai對(duì)上述四個(gè)模型進(jìn)行了比較詳盡的比較分析，且演示了各個(gè)模型的應(yīng)用過程。曹道勝，何明升和章政等人對(duì)上述四個(gè)典型的現(xiàn)代信用模型進(jìn)行了介紹、比較和分析，指出這四個(gè)模型都對(duì)我國商業(yè)銀行信用風(fēng)險(xiǎn)的管理有一定的借鑒意義，但是并不能直接適用于我國。［2-3］

傳統(tǒng)模型多以線性關(guān)系計(jì)量，且缺乏一定的金融理論基礎(chǔ)，所以其準(zhǔn)確性和適用性得到了限制。伴隨著現(xiàn)代模型的出現(xiàn)，銀行業(yè)開始注重全面風(fēng)險(xiǎn)管理，傳統(tǒng)的將每一筆貸款的風(fēng)險(xiǎn)控制在可承受范圍內(nèi)的方法已不能完全有效地控制銀行的整體信用風(fēng)險(xiǎn)。所謂銀行的整體信用風(fēng)險(xiǎn)，不是指某一項(xiàng)貸款或某一貸款組合的信用風(fēng)險(xiǎn)，而是指銀行各個(gè)方面作為一個(gè)整體所面臨的信用風(fēng)險(xiǎn)的大小?，F(xiàn)有研究中，無論是傳統(tǒng)模型還是現(xiàn)代模型，絕大多數(shù)都將研究集中于對(duì)銀行貸款客戶信用風(fēng)險(xiǎn)大小的研究，而鮮有從整體上考察銀行所面臨的信用風(fēng)險(xiǎn)的大小。

當(dāng)前我國商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估多是通過對(duì)一筆貸款或貸款組合的信用風(fēng)險(xiǎn)狀況進(jìn)行評(píng)估。但是，商業(yè)銀行所面臨的信用風(fēng)險(xiǎn)，不僅僅是由其貸款客戶的信用狀況影響的，還受到銀行自身狀況和宏觀、中觀層面的因素影響，這些因素共同影響銀行整體的信用風(fēng)險(xiǎn)。銀行整體信用風(fēng)險(xiǎn)大小的評(píng)估，是對(duì)銀行所承擔(dān)的信用風(fēng)險(xiǎn)的全面考察，是衡量商業(yè)銀行安全經(jīng)營(yíng)的關(guān)鍵指標(biāo)。為彌補(bǔ)現(xiàn)有研究的不足，本文對(duì)銀行整體信用風(fēng)險(xiǎn)的評(píng)估方法進(jìn)行了探索。而評(píng)估銀行整體的信用風(fēng)險(xiǎn)，就要全面考察影響銀行信用風(fēng)險(xiǎn)的因素，本文將從宏觀、中觀、微觀三個(gè)層面上對(duì)銀行整體信用風(fēng)險(xiǎn)的影響因素進(jìn)行分析。

二、信用風(fēng)險(xiǎn)影響因素分析

（一）宏觀層面因素分析

近幾年來，關(guān)于宏觀經(jīng)濟(jì)因素與銀行信用風(fēng)險(xiǎn)的研究開始逐漸變多。直觀上來講，良好的宏觀經(jīng)濟(jì)形勢(shì)會(huì)降低企業(yè)的違約風(fēng)險(xiǎn)。宏觀層面的影響因素可以分為兩大類，一類是宏觀經(jīng)濟(jì)狀況，一類是相關(guān)的政策。

1.GDP的增長(zhǎng)率是衡量宏觀經(jīng)濟(jì)狀況的重要指標(biāo)。GDP增長(zhǎng)率越高，說明國家的宏觀經(jīng)濟(jì)形勢(shì)良好，企業(yè)的違約率較低，因此銀行整體的信用風(fēng)險(xiǎn)也會(huì)降低。通貨膨脹率較低，說明宏觀經(jīng)濟(jì)比較穩(wěn)定。反之，通貨膨脹率升高，表明企業(yè)經(jīng)營(yíng)的不確定性增加，銀行的信用風(fēng)險(xiǎn)增加。失業(yè)率的高低和所處的經(jīng)濟(jì)周期都與銀行的信用風(fēng)險(xiǎn)大小有關(guān)系。譚燕芝等人的實(shí)證表明，中國的銀行信用風(fēng)險(xiǎn)水平與失業(yè)率呈現(xiàn)顯著的負(fù)相關(guān)關(guān)系［4］。在經(jīng)濟(jì)周期的不同階段，企業(yè)的平均違約概率不同，銀行所承擔(dān)的信用也不同。隨著我國金融開放度的不斷提高，國際金融環(huán)境的穩(wěn)定性也會(huì)對(duì)我國商業(yè)銀行的信用風(fēng)險(xiǎn)造成影響。

2.相關(guān)政策方面。貨幣政策、財(cái)政政策和其他的調(diào)控政策都會(huì)影響到銀行的信用風(fēng)險(xiǎn)水平。貨幣政策包括央行對(duì)利率、法定準(zhǔn)備金、貨幣供應(yīng)量、存貸利差等的調(diào)控。利率的高低直接影響著企業(yè)的融資成本和銀行的借貸，所以利率會(huì)影響銀行的信用風(fēng)險(xiǎn)。存貸利差用來衡量銀行依賴傳統(tǒng)盈利模型的程度。傳統(tǒng)的盈利模式下銀行的信用風(fēng)險(xiǎn)較小，但是利潤(rùn)也較小。貨幣供應(yīng)量的變化可以用M2的增長(zhǎng)率來表示。一般來說，M2增長(zhǎng)率與銀行信用風(fēng)險(xiǎn)正相關(guān)。財(cái)政政策包括國家稅收政策和財(cái)政支出政策。財(cái)政支出政策影響社會(huì)的需求總量和投資，稅收政策影響到與之相關(guān)的行業(yè)的利潤(rùn)水平，這些因素進(jìn)一步影響到銀行的信用風(fēng)險(xiǎn)。

（二）中觀層面因素分析

中觀層面的因素，主要是指行業(yè)因素，區(qū)域因素和一些關(guān)鍵行業(yè)的變動(dòng)對(duì)銀行信用風(fēng)險(xiǎn)的影響。針對(duì)具體行業(yè)，表征行業(yè)特征的有行業(yè)利潤(rùn)率、行業(yè)違約率，行業(yè)產(chǎn)量的增長(zhǎng)率、行業(yè)景氣指數(shù)等行業(yè)變量。通過數(shù)據(jù)分析發(fā)現(xiàn)，很多行業(yè)變量與整體宏觀經(jīng)濟(jì)高度相關(guān)。因此在模型變量選擇時(shí)，應(yīng)盡量選出那些能夠反映行業(yè)自身特點(diǎn)的行業(yè)變量?？紤]到銀行整體信用風(fēng)險(xiǎn)的特殊性，行業(yè)因素主要考慮銀行的行業(yè)地位、借款人的行業(yè)地位和銀行的行業(yè)景氣指數(shù)這三類。

區(qū)域因素包括區(qū)域經(jīng)濟(jì)發(fā)展水平和區(qū)域經(jīng)濟(jì)發(fā)展速度。區(qū)域經(jīng)濟(jì)狀況會(huì)對(duì)在該區(qū)域的企業(yè)經(jīng)營(yíng)產(chǎn)生影響，因而會(huì)影響到銀行的信用風(fēng)險(xiǎn)。在考慮地區(qū)的影響因素的時(shí)候，我們考慮到當(dāng)國家的整體宏觀經(jīng)濟(jì)表現(xiàn)良好的時(shí)候，通常這時(shí)候各個(gè)省份的總體增長(zhǎng)也會(huì)表現(xiàn)出不同程度的良好態(tài)勢(shì)，所以地區(qū)的變量和國家宏觀變量有很強(qiáng)的相關(guān)性。

與關(guān)鍵行業(yè)聯(lián)動(dòng)的因素是指某些關(guān)鍵行業(yè)的變動(dòng)會(huì)引起其他行業(yè)的聯(lián)動(dòng)效應(yīng)。這樣的行業(yè)主要包括房地產(chǎn)行業(yè)、石油行業(yè)和鋼鐵行業(yè)。房地產(chǎn)行業(yè)的狀況直接關(guān)系到整個(gè)金融體系的安全性，而房地產(chǎn)是否存在泡沫、泡沫的嚴(yán)重程度和銀行的信用風(fēng)險(xiǎn)高度相關(guān)。石油和鋼鐵價(jià)格在很大程度上影響著工業(yè)企業(yè)的成本，通過一些路徑的傳導(dǎo)，最終對(duì)整個(gè)國民經(jīng)濟(jì)產(chǎn)生影響，因此也影響著銀行的信用風(fēng)險(xiǎn)。

（三）微觀層面因素分析

無論是宏觀經(jīng)濟(jì)狀況和政策，還是中觀的行業(yè)和區(qū)域因素，都是影響銀行信用風(fēng)險(xiǎn)的外部因素。而微觀層面的因素，在所有影響銀行信用風(fēng)險(xiǎn)的因素中，是最基礎(chǔ)和核心的。微觀層面的因素包括銀行自身基本素質(zhì)、銀行財(cái)務(wù)狀況和銀行貸款客戶的因素。

銀行自身的基本素質(zhì)包括銀行的管理水平、技術(shù)裝備水平、職工素質(zhì)和發(fā)展能力等。銀行管理層的素質(zhì)和能力是推動(dòng)銀行發(fā)展的關(guān)鍵因素，直接影響到銀行化解風(fēng)險(xiǎn)的能力以及盈利能力。職工的素質(zhì)影響著貸款的各個(gè)環(huán)節(jié)的質(zhì)量，包括貸前的篩選和貸后的控制。銀行的技術(shù)裝備水平是指銀行的信息化、技術(shù)化程度。技術(shù)裝備水平高的銀行在數(shù)據(jù)庫建設(shè)方面、業(yè)務(wù)的運(yùn)營(yíng)上有較好的表現(xiàn)，能降低銀行的信用風(fēng)險(xiǎn)。銀行的發(fā)展能力是銀行成長(zhǎng)性的指標(biāo)。發(fā)展能力強(qiáng)的銀行在信用風(fēng)險(xiǎn)上一般控制的較好。

在銀行財(cái)務(wù)狀況的指標(biāo)選取上，參考CAMEL評(píng)級(jí)體系［10］，并考慮我國銀行業(yè)的特點(diǎn)，從以下幾方面考慮：第一，資本充足性指標(biāo)；資本是商業(yè)銀行抵御風(fēng)險(xiǎn)的最后防線，也是銀行保護(hù)債權(quán)人利益的最后屏障，這是國際上通行的表明銀行健康狀況的指標(biāo)。第二，資產(chǎn)質(zhì)量指標(biāo)；資產(chǎn)質(zhì)量的高低直接影響著銀行的盈利和支付能力，對(duì)銀行的安全有著十分重要的意義。第三，盈利能力指標(biāo)；盈利狀況是銀行經(jīng)營(yíng)的最終成果反映，直接關(guān)系到銀行的經(jīng)營(yíng)效果和抵御風(fēng)險(xiǎn)的能力。第四，流動(dòng)性指標(biāo)；流動(dòng)性風(fēng)險(xiǎn)是商業(yè)銀行面臨的最直接的風(fēng)險(xiǎn)，保持適當(dāng)?shù)牧鲃?dòng)性對(duì)于銀行穩(wěn)健經(jīng)營(yíng)具有舉足輕重的作用。

銀行貸款客戶的因素，是指銀行的貸款客戶的信用風(fēng)險(xiǎn)。由于一個(gè)銀行的貸款客戶數(shù)量龐大，不能一一地考察每一個(gè)貸款企業(yè)的微觀狀況，所以考察貸款質(zhì)量等級(jí)和相應(yīng)等級(jí)的貸款違約率，這兩個(gè)指標(biāo)能夠共同反映出一項(xiàng)貸款的風(fēng)險(xiǎn)。經(jīng)過計(jì)算，可以得出整個(gè)貸款組合的預(yù)期損失和非預(yù)期損失，來表示組合的信用風(fēng)險(xiǎn)的大小。

三、銀行整體信用風(fēng)險(xiǎn)建模

（一）銀行整體信用風(fēng)險(xiǎn)分析框架

銀行的整體信用風(fēng)險(xiǎn)是指銀行各個(gè)方面作為一個(gè)整體所面臨的信用風(fēng)險(xiǎn)的大小。對(duì)銀行整體信用風(fēng)險(xiǎn)大小進(jìn)行評(píng)估，更能全面地體現(xiàn)一個(gè)銀行的風(fēng)險(xiǎn)管理水平。為彌補(bǔ)銀行整體信用風(fēng)險(xiǎn)這方面研究的不足，本文提出一個(gè)分析銀行整體信用風(fēng)險(xiǎn)的框架，建立一個(gè)兩階段混合模型，全面考察銀行的信用風(fēng)險(xiǎn)。銀行整體信用風(fēng)險(xiǎn)的研究框架如圖1所示。

圖1 銀行整體信用風(fēng)險(xiǎn)分析框架

銀行整體信用風(fēng)險(xiǎn)研究的兩階段模型，是將Credit Risk+模型和DEA模型相結(jié)合得到的。第一階段，運(yùn)用Credit Risk+模型原理算出貸款組合的預(yù)期損失率和非預(yù)期損失率；第二階段，將其他層面的影響信用風(fēng)險(xiǎn)因素的指標(biāo)和第一階段得到的兩個(gè)指標(biāo)代入重新定義的DEA模型中，獲得銀行整體信用風(fēng)險(xiǎn)得評(píng)分。

（二）兩階段模型的構(gòu)建過程

1.DEA方法的應(yīng)用

全面反映銀行信用風(fēng)險(xiǎn)大小的建模，就要將宏觀、中觀和微觀層面的因素考慮到模型中。目前我國銀行還沒有采用合適的方法全面度量銀行信用風(fēng)險(xiǎn)的大小，所以由于數(shù)據(jù)的缺失，不宜采用線性計(jì)量的方法來建模。數(shù)據(jù)包絡(luò)法（DEA方法）不需要反映輸入輸出變量關(guān)系的顯式表達(dá)式，也不必事先確定權(quán)數(shù)，所以這一方法彌補(bǔ)了歷史數(shù)據(jù)缺乏的不足，可以用來評(píng)估銀行全面信用風(fēng)險(xiǎn)的大小。

傳統(tǒng)的DEA模型建立在經(jīng)典的系統(tǒng)理論上，但是這個(gè)系統(tǒng)原理并不適合用來直接評(píng)估信用分?jǐn)?shù)。傳統(tǒng)的DEA模型需要產(chǎn)出數(shù)據(jù)，這不能在信用評(píng)分過程中獲得，這是因?yàn)檩敵鍪切枰ㄟ^測(cè)量銀行信用風(fēng)險(xiǎn)管理的成果而得到的，而信用分?jǐn)?shù)是要評(píng)估銀行整體信用風(fēng)險(xiǎn)得大小，是在測(cè)量信用風(fēng)險(xiǎn)管理成果之前獲得的，因此需要重新定義投入與產(chǎn)出。DEA的基本原理是盡可能的使產(chǎn)出與投入的比值最大化，這就是說，產(chǎn)出越多（或者投入越少），這個(gè)比值越大，反之亦然。因此產(chǎn)出應(yīng)該是一種能夠有利于提高分?jǐn)?shù)的指標(biāo)，于是，這些投入與產(chǎn)出的定義便實(shí)現(xiàn)了用DEA來分析信用評(píng)分的方法。我們可以選取這樣一些指標(biāo)，他們的數(shù)值越大，決策單元信用風(fēng)險(xiǎn)管理水平越高，即銀行所面臨的違約概率越小，把這些指標(biāo)作為產(chǎn)出；相反，再選取一些指標(biāo)，他們的數(shù)值越小，越有利于決策單元，作為投入，把這兩類指標(biāo)分別按照投入產(chǎn)出代入DEA模型之中便得到了每個(gè)決策單元的信用分?jǐn)?shù)，即作為決策單元的信用分?jǐn)?shù)。

綜上所述，DEA方法運(yùn)用于信用評(píng)分的主要思想是：首先把每一個(gè)待評(píng)估的銀行看成是一個(gè)決策單元（DMU），其次是找出決定DMU信用水平的指標(biāo)，分析這些指標(biāo)是如何影響信用水平的，即判斷指標(biāo)越大，DMU信用越好，還是指標(biāo)越小，DMU信用越好，把越小越好的作為輸入變量，把越大越好的作為輸出變量，最后是選擇DEA模型，將指標(biāo)代入其中，這樣就能得到每一個(gè)DMU的有效性的相對(duì)位置，即信用水平的排序。

評(píng)估銀行整體信用風(fēng)險(xiǎn)的大小，需要將每個(gè)待評(píng)估銀行看做一個(gè)決策單元，將影響每個(gè)銀行信用風(fēng)險(xiǎn)大小的各層面的因素指標(biāo)代入DEA模型中。在微觀層面上，銀行信用風(fēng)險(xiǎn)的大小既直接受貸款客戶風(fēng)險(xiǎn)大小的影響，也和銀行自身的情況相關(guān)。要科學(xué)地反映銀行整體信用風(fēng)險(xiǎn)，需要度量出銀行全部貸款的風(fēng)險(xiǎn)，將其作為微觀指標(biāo)代入DEA模型中。國外信用風(fēng)險(xiǎn)管理的現(xiàn)代模型能夠用來計(jì)量貸款組合的風(fēng)險(xiǎn)，結(jié)合我國目前的情況來看，Credit Risk+模型要求輸入的數(shù)據(jù)較少，只要求敞口數(shù)據(jù)以及違約率數(shù)據(jù)，所以比其他現(xiàn)代模型在我國的適用性更強(qiáng)。運(yùn)用Credit Risk+模型，可以評(píng)估出銀行貸款組合的信用風(fēng)險(xiǎn)大小。

2.Credit Risk+模型的應(yīng)用

模型假設(shè)：

在某一時(shí)期（本文確定為一年）內(nèi)違約概率不變；

對(duì)于一個(gè)貸款組合而言，每一筆貸款的違約概率很小；

對(duì)于眾多的債務(wù)人而言，每一筆貸款的違約概率相互獨(dú)立。

模型計(jì)算步驟：

（1）頻段劃分

EA代表每一個(gè)債務(wù)人調(diào)整后的風(fēng)險(xiǎn)敞口，定義一個(gè)合適的離散常量ΔL，vA=EA/ΔL取算式結(jié)果的整數(shù)部分。PA表示每一個(gè)債務(wù)人在一個(gè)時(shí)間段內(nèi)（通常是1年）的平均違約概率。債務(wù)人A的違約由隨機(jī)變量NA來表示，NA取整數(shù)。（注意這在理論上表明，多重違約可能發(fā)生。）因此一個(gè)組合的全部損失可以用整數(shù)變量表示為

（2）組合的損失分布

組合的損失分布由概率生成函數(shù)（pgf）計(jì)算而來，概率生成函數(shù)定義如下：

P(L=n)表示損失L=n時(shí)的概率。

由于假設(shè)組合敞口是彼此獨(dú)立的，敞口區(qū)間也應(yīng)該是彼此獨(dú)立的。因此，組合損失的概率生成函數(shù)可以表示為各敞口區(qū)間概率損失函數(shù)的乘積，即：

同一敞口規(guī)?？梢员硎荆?/p>

則總的違約損失為：

對(duì)上式進(jìn)行泰勒展開，用An表示損失為nxL的概率，則有：

由此可以進(jìn)一步得出遞歸關(guān)系式：

遞歸關(guān)系的第1項(xiàng)，即起點(diǎn)概率A（0）的值，此時(shí)表示的是沒有損失發(fā)生的概率：

由此得到貸款組合的損失分布，進(jìn)一步可以計(jì)算得到非預(yù)期損失值。

四、實(shí)證分析

按照對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)的建模，實(shí)證分為兩步進(jìn)行。第一步是運(yùn)用credit risk+模型的思想，求出能在很大程度上表示銀行信用風(fēng)險(xiǎn)大小的指標(biāo)預(yù)期損失率和非預(yù)期損失率。第二步是運(yùn)用DEA方法，將上一步求出的指標(biāo)值作為投入指標(biāo)，將銀行的綜合素質(zhì)評(píng)分、銀行業(yè)景氣指數(shù)和銀行家信心指數(shù)作為產(chǎn)出指標(biāo)，算出各個(gè)銀行的信用評(píng)分。

（一）研究對(duì)象及數(shù)據(jù)來源

實(shí)證對(duì)象為五家大連地區(qū)的分行，實(shí)證所需數(shù)據(jù)來源于大連市銀監(jiān)會(huì)，其中有些數(shù)據(jù)涉及到行業(yè)機(jī)密，因此在研究中將具體銀行的名稱隱去，以字母代表。研究的樣本數(shù)據(jù)為2008年末和2009年末的貸款情況，不包括貼現(xiàn)業(yè)務(wù)?；旌夏Ｐ偷牡诙A段使用DEA模型，如果DMU（決策單元）即待評(píng)估銀行個(gè)數(shù)過少的話，會(huì)使方法失效或有較大誤差，所以評(píng)估5個(gè)銀行在兩個(gè)年度的不同信用風(fēng)險(xiǎn)狀況，即將待評(píng)估對(duì)象擴(kuò)展為10個(gè)。這樣，一方面因擴(kuò)大樣本容量使DEA評(píng)估的結(jié)果更準(zhǔn)確，另一方面，對(duì)銀行不同年度信用風(fēng)險(xiǎn)的評(píng)估，可以反映宏觀因素和中觀因素對(duì)銀行信用風(fēng)險(xiǎn)的影響。

（二）違約概率的估計(jì)

四大國有商業(yè)銀行及大部分股份制商業(yè)銀行已經(jīng)建立了客戶評(píng)級(jí)系統(tǒng)，根據(jù)債務(wù)人的信用評(píng)級(jí)與違約概率之間的映射關(guān)系，可以確定2008年末和2009年末這兩個(gè)時(shí)點(diǎn)的各債務(wù)人的違約概率。實(shí)證所使用的貸款數(shù)據(jù)都有信用評(píng)級(jí)和違約概率之間的對(duì)應(yīng)關(guān)系。

（三）違約損失率的估計(jì)

采用各分行2002～2007年五年間的平均違約損失率作為各分行違約損失率的估計(jì)值。違約損失率由銀行實(shí)際違約損失額除以不良貸款額得到。由于各銀行的歷史問題及不同的信貸管理風(fēng)格，各家銀行的違約損失率差異很大。

（四）第一階段計(jì)算結(jié)果

按照credit risk+模型原理，運(yùn)用matlab編程得到銀行貸款組合的損失分布。由于篇幅的限制，本文沒有列出各銀行2008年的損失分布，僅列出2009年各銀行損失分布，如下列各圖所示。

圖2 A行、B行09年貸款組合違約損失分布圖

圖3 C行、D行09年貸款組合違約損失分布圖

圖4 E行09年貸款組合違約損失分布圖

從各銀行的損失分布圖可以看出，它們都呈現(xiàn)出偏峰厚尾的特征，這與現(xiàn)有信用風(fēng)險(xiǎn)中貸款損失分布的研究結(jié)論是一致的。其中，E行由于貸款的筆數(shù)不是很多，所以這一規(guī)律沒有其他四個(gè)銀行體現(xiàn)的明顯。由貸款組合的損失分布可以得到一定置信水平下銀行貸款組合的最大損失，即VaR（α），α為置信水平。根據(jù)巴塞爾委員會(huì)的文件規(guī)定，非預(yù)期損失=一定容忍度下的最大損失-預(yù)期損失。本文在99.5%的置信水平下，計(jì)算得到貸款組合的預(yù)期損失和非預(yù)期損失。將預(yù)期損失和非預(yù)期損失分別除以貸款總額，得到各銀行貸款組合的預(yù)期損失率及非預(yù)期損失率，計(jì)算結(jié)果如表1和表2所示。

表1 各銀行貸款預(yù)期損失率

表2 各銀行貸款非預(yù)期損失率

從表1和表2的結(jié)果可以看出，每個(gè)銀行的預(yù)期損失率與其非預(yù)期損失率相差不是很大，因?yàn)榉穷A(yù)期損失是圍繞預(yù)期損失而波動(dòng)。各銀行之間的預(yù)期損失率與非預(yù)期損失率差異較大，主要原因在于各個(gè)銀行的違約損失率差異較大，其次是各個(gè)銀行每個(gè)信用等級(jí)的貸款比例不同。

（五）信用評(píng)分及排名

宏觀層面的指標(biāo)，選取能夠反映整體經(jīng)濟(jì)狀況的指標(biāo)，即GDP增長(zhǎng)率。但GDP增長(zhǎng)率不是銀行自身的指標(biāo)，不宜應(yīng)用到銀行作為決策單元的DEA模型中。本文選取銀行家信心指數(shù)這一指標(biāo)代替GDP增長(zhǎng)率，它既能反映銀行家對(duì)宏觀經(jīng)濟(jì)的判斷，又能有效解決上述存在的問題。中觀層面的指標(biāo)，選取能夠反映整個(gè)行業(yè)狀況的指標(biāo)，即銀行業(yè)景氣指數(shù)。微觀層面的指標(biāo)，選取上一步獲得的預(yù)期損失率和各銀行的綜合素質(zhì)狀況這一定性指標(biāo)。在模型計(jì)算過程中，要將定性指標(biāo)轉(zhuǎn)化為定量指標(biāo)。轉(zhuǎn)化的方法采取專家打分法。

銀行家信心指數(shù)，2008年的平均值為34.63，2009年的平均值為47.78。銀行業(yè)景氣指數(shù)，2008年的平均值為68，2009年的平均值為65.83。 通過專家打分法，滿分為100分，各銀行獲得的分?jǐn)?shù)為：A行88分，B行75分，C行85分，D行80分，F(xiàn)行78分。

貸款組合預(yù)期損失率和貸款組合非預(yù)期損失率的數(shù)值越小，表明銀行信用風(fēng)險(xiǎn)管理水平越高，銀行得到的信用評(píng)分就越高，即銀行遭受違約的損失程度越低，所以這兩項(xiàng)應(yīng)作為DEA信用評(píng)分模型的投入指標(biāo)；銀行的綜合素質(zhì)評(píng)分、銀行業(yè)景氣指數(shù)和銀行家信心指數(shù)這三項(xiàng)指標(biāo)值越高，越有利于銀行信用評(píng)分的提升，所以這三項(xiàng)作為DEA信用評(píng)分模型的產(chǎn)出指標(biāo)。輸入DEA模型中的各項(xiàng)指標(biāo)數(shù)據(jù)如表3所示：

表3 輸入DEA模型中的各項(xiàng)指標(biāo)數(shù)據(jù)

將上述指標(biāo)的數(shù)據(jù)代入DEA模型中，運(yùn)用deap軟件，得出的結(jié)果和排名如表4。

從上述結(jié)果可以看出，除E行外，其他銀行2009年的信用評(píng)分都比其2008年的信用評(píng)分高，表明銀行信用風(fēng)險(xiǎn)的大小受宏觀形勢(shì)和中觀狀況的影響。C行和E行兩年的信用排名都很靠前，原因在于C行和E行的預(yù)期損失和非預(yù)期損失明顯比其他銀行要低，說明銀行整體信用風(fēng)險(xiǎn)的大小受貸款情況的影響非常大。A行08和B行08兩個(gè)待評(píng)估對(duì)象的貸款預(yù)期損失率和非預(yù)期損失率的差異不大，所面臨的宏觀和中觀因素也相同，A行08比B行08的信用評(píng)分高的評(píng)估結(jié)果說明，銀行的綜合素質(zhì)水平越高，其信用評(píng)分越高，所面臨的信用風(fēng)險(xiǎn)就越小。

表4 各銀行信用評(píng)分及排名

通過實(shí)證應(yīng)用兩階段混合模型所得的銀行整體信用評(píng)分的排名，與大連市銀監(jiān)會(huì)內(nèi)部對(duì)各銀行信用風(fēng)險(xiǎn)評(píng)估的排名是一致的，說明本文構(gòu)建的兩階段混合模型能夠有有效地評(píng)估商業(yè)銀行的整體信用風(fēng)險(xiǎn)。由于涉及到行業(yè)機(jī)密，上述排名的銀行名稱不能公布。

五、研究結(jié)論

商業(yè)銀行信用風(fēng)險(xiǎn)的大小，受到各個(gè)層面因素的影響。對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)進(jìn)行評(píng)估時(shí)，除了要考察微觀層面的因素，還要考慮到宏觀層面的因素和中觀層面的因素對(duì)銀行整體信用風(fēng)險(xiǎn)大小的影響。本文提出的兩階段混合模型，既從微觀上詳細(xì)、具體地考察了信用風(fēng)險(xiǎn)的大小，又全面地考慮了影響銀行信用風(fēng)險(xiǎn)的各層面因素。該模型的第一階段考慮了每一項(xiàng)貸款的信息，所得結(jié)果全面地反映了整個(gè)貸款組合的風(fēng)險(xiǎn)水平；模型的第二階段得出銀行的信用評(píng)分及相對(duì)排名，有利于銀行管理者和監(jiān)管者對(duì)銀行信用風(fēng)險(xiǎn)絕對(duì)水平和相對(duì)水平的把握。

在對(duì)兩階段混合模型的實(shí)證結(jié)果表明，該模型可以有效地運(yùn)用到對(duì)我國商業(yè)銀行信用風(fēng)險(xiǎn)的評(píng)估中。從實(shí)證的結(jié)果來看，我國商業(yè)銀行間信用風(fēng)險(xiǎn)大小的差異主要是貸款損失率造成的，所以銀行應(yīng)該注重貸款發(fā)放的條件審核和貸后的風(fēng)險(xiǎn)管理。為了獲得更準(zhǔn)確的評(píng)估結(jié)果，各銀行應(yīng)該進(jìn)一步加強(qiáng)數(shù)據(jù)庫的建設(shè)。

本文的研究是對(duì)銀行整體信用風(fēng)險(xiǎn)評(píng)估的一個(gè)嘗試，彌補(bǔ)了這方面研究的不足。但是研究還存在著一些不足之處。首先是對(duì)銀行整體信用風(fēng)險(xiǎn)的定義，由于還沒有權(quán)威的定義出現(xiàn)，筆者根據(jù)研究的需要給出了這一定義，其科學(xué)性和內(nèi)涵還有待進(jìn)一步完善。其次是將DEA模型運(yùn)用到信用評(píng)分中，應(yīng)該根據(jù)實(shí)際需要進(jìn)一步改進(jìn)模型，對(duì)指標(biāo)的權(quán)重予以約束，這也是進(jìn)一步的研究方向。

［1］葉蜀君.信用風(fēng)險(xiǎn)的博弈分析與度量模型［M］.北京：中國經(jīng)濟(jì)出版社，2008.

［2］曹道勝，何明升.商業(yè)銀行信用風(fēng)險(xiǎn)模型的比較及其借鑒［J］.金融研究，2006，（10）:90-97.

［3］章政，田侃，吳宏.現(xiàn)代信用風(fēng)險(xiǎn)度量技術(shù)在我國的應(yīng)用方向研究［J］.金融研究，2006（7）:71-77.

［4］譚燕芝，張運(yùn)東.信用風(fēng)險(xiǎn)水平與宏觀經(jīng)濟(jì)變量的實(shí)證研究——基于中國、美國、日本部分銀行的比較分析［J］.國際金融研究，2009（4）:48-56.