信用評(píng)級(jí)有效性及信用評(píng)級(jí)模型改進(jìn)研究
——以商業(yè)銀行為例

□ 陳灼輝

一、引言

2019年5月24日，中國(guó)人民銀行公告稱對(duì)包商銀行進(jìn)行接管，監(jiān)管部門經(jīng)過(guò)摸查后決定對(duì)包商銀行已發(fā)行的普通債券和同業(yè)存單實(shí)施部分兌付，對(duì)包商銀行已發(fā)行的二級(jí)資本債全額減記；2020年11月12日，包商銀行進(jìn)入破產(chǎn)程序，包商銀行成為新中國(guó)成立以來(lái)第三家破產(chǎn)的商業(yè)銀行，對(duì)比前兩家破產(chǎn)的海南發(fā)展銀行（破產(chǎn)時(shí)間：1998年）和河北省肅寧縣尚村農(nóng)信社（破產(chǎn)時(shí)間：2012年），包商銀行（2010年被《亞洲銀行家》雜志評(píng)為亞洲銀行第10名）無(wú)論從資產(chǎn)規(guī)模、經(jīng)營(yíng)范圍和市場(chǎng)影響均遠(yuǎn)遠(yuǎn)大于前兩家銀行，信用風(fēng)險(xiǎn)對(duì)商業(yè)銀行的長(zhǎng)期穩(wěn)定發(fā)展帶來(lái)了挑戰(zhàn)。

在包商銀行被接管前，大公國(guó)際資信評(píng)估有限公司對(duì)包商銀行的信用評(píng)級(jí)已長(zhǎng)期維持在AA+級(jí)，根據(jù)大公國(guó)際資信評(píng)估有限公司在其網(wǎng)站上公告的《信用等級(jí)符號(hào)及定義》中對(duì)信用等級(jí)符號(hào)的劃分：AA+級(jí)是僅次于AAA級(jí)的最高評(píng)級(jí)，代表“償還債務(wù)的能力很強(qiáng)，受不利經(jīng)濟(jì)環(huán)境的影響不大，違約風(fēng)險(xiǎn)很低”，包商銀行被接管的事件發(fā)生以后引起了投資者對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)的重新認(rèn)識(shí)和對(duì)信用評(píng)級(jí)機(jī)構(gòu)的不滿，部分投資者對(duì)信用評(píng)級(jí)機(jī)構(gòu)從業(yè)人員的職業(yè)素質(zhì)和專業(yè)能力提出了質(zhì)疑，而信用評(píng)級(jí)作為投資者度量投資標(biāo)的信用風(fēng)險(xiǎn)的一個(gè)重要參考工具，當(dāng)信用評(píng)級(jí)無(wú)法較為準(zhǔn)確地反映信用風(fēng)險(xiǎn)時(shí)，投資成效也容易出現(xiàn)偏差。投資者為了避免信用風(fēng)險(xiǎn)下沉必然會(huì)在投資前逐筆審查、在投資時(shí)謹(jǐn)慎開(kāi)展，這也會(huì)造成整個(gè)債券市場(chǎng)低效率地運(yùn)轉(zhuǎn)，不能更好地為企業(yè)提供直接融資的功能，因此提高信用評(píng)級(jí)的質(zhì)量才能減少投資者對(duì)信息不對(duì)稱的擔(dān)憂，進(jìn)一步促進(jìn)債券市場(chǎng)壯大發(fā)展。

二、文獻(xiàn)綜述

現(xiàn)有與信用評(píng)級(jí)相關(guān)的研究主要分成三類。第一類是信用計(jì)量方法和信用模型的研究：馮光華（2019）通過(guò)從預(yù)測(cè)企業(yè)違約概率、數(shù)據(jù)獲取要求、使用的條件限制和使用的可操作性等方面對(duì)打分卡模型、KMV模型、CreditMetrics模型共14個(gè)常用的信用風(fēng)險(xiǎn)計(jì)量方法或模型進(jìn)行比較，認(rèn)為使用打分卡模型開(kāi)展信用評(píng)級(jí)的方法易理解，結(jié)果易解釋，適用性最好；郝帥、林青和劉艷（2020）認(rèn)為打分卡模型的優(yōu)點(diǎn)在于直觀和簡(jiǎn)單易行，可以充分利用難以量化的定性信息，有利于保障信用分析的靈活性、全面性和前瞻性，但缺點(diǎn)在于對(duì)專家自身業(yè)務(wù)素質(zhì)要求較高，結(jié)果具有一定主觀性和隨意性；另外，張文玲、盧田和崔婉婷（2020）在對(duì)比國(guó)內(nèi)外信用評(píng)級(jí)機(jī)構(gòu)的商業(yè)銀行評(píng)級(jí)框架，發(fā)現(xiàn)所關(guān)注的要素總體相似，只在二級(jí)指標(biāo)的選擇和權(quán)重稍有不同，而國(guó)外機(jī)構(gòu)較大的區(qū)別是標(biāo)普首先分析商業(yè)銀行所在國(guó)家的風(fēng)險(xiǎn)情況，商業(yè)銀行在此基礎(chǔ)上再進(jìn)行個(gè)體的分析調(diào)整，穆迪是著重考量銀行所處的環(huán)境、財(cái)務(wù)情況和外部支持，惠譽(yù)主要考量銀行自身的存活能力和外部支持。第二類是研究信用評(píng)級(jí)機(jī)構(gòu)的行為影響信用評(píng)級(jí)矩陣變化：金兵兵（2019）認(rèn)為信用評(píng)級(jí)機(jī)構(gòu)基于市場(chǎng)競(jìng)爭(zhēng)的原因，在開(kāi)展信用評(píng)級(jí)之前會(huì)對(duì)受評(píng)機(jī)構(gòu)進(jìn)行指導(dǎo)，從而提高信用評(píng)級(jí)；胡軒華（2020）通過(guò)統(tǒng)計(jì)得到信用評(píng)級(jí)機(jī)構(gòu)更加偏向于基于自身信用模型下可得到的最高評(píng)級(jí)作為受評(píng)機(jī)構(gòu)的信用評(píng)級(jí)；Poon W P H and Shen J F（2020）更是發(fā)現(xiàn)當(dāng)受評(píng)機(jī)構(gòu)發(fā)生負(fù)面情況時(shí)，信用評(píng)級(jí)機(jī)構(gòu)通過(guò)把展望從“穩(wěn)定”調(diào)整至“負(fù)面”，而不是直接下調(diào)信用評(píng)級(jí)；孫勇和趙洪進(jìn)（2018）認(rèn)同以上的觀點(diǎn)并且發(fā)現(xiàn)我國(guó)信用評(píng)級(jí)市場(chǎng)普遍使用的“發(fā)行人付費(fèi)模式”更是助推這一現(xiàn)象的發(fā)生；而劉士達(dá)和王浩（2021）總結(jié)了以上情況，最終發(fā)現(xiàn)信用評(píng)級(jí)矩陣不斷上移，債券市場(chǎng)中的信用評(píng)級(jí)以可得的最高評(píng)級(jí)AAA級(jí)為主。第三類是研究使用信用評(píng)級(jí)優(yōu)化投資行為：王維維和宋穎杰（2021）認(rèn)為當(dāng)前的信用評(píng)級(jí)缺少區(qū)分度，導(dǎo)致信用風(fēng)險(xiǎn)預(yù)警能力不強(qiáng)，通過(guò)對(duì)不同信用評(píng)級(jí)之間進(jìn)行橫縱向的對(duì)比，提高信用評(píng)級(jí)的質(zhì)量才能更好地為投資者提供參考信息；Arnaud De Servigny andOlivier Renault（2005）認(rèn)為模仿經(jīng)過(guò)檢驗(yàn)的信用評(píng)級(jí)機(jī)構(gòu)信用評(píng)級(jí)模型建立的內(nèi)部信用評(píng)級(jí)系統(tǒng)，能夠更精確地評(píng)估信用質(zhì)量和捕捉價(jià)格偏離的交易機(jī)會(huì)，使用內(nèi)部信用評(píng)級(jí)模型投資者可能捉捕到價(jià)格偏離的機(jī)會(huì)；Adam Ashcraft et al.（2011）認(rèn)為信用評(píng)級(jí)變化不僅影響當(dāng)前證券的市場(chǎng)收益率，還可以反映信用評(píng)級(jí)未來(lái)變化的方向，當(dāng)債券的收益率在持續(xù)上行可能代表信用評(píng)級(jí)仍會(huì)下降。

以上文獻(xiàn)的研究大多數(shù)是從單一角度圍繞信用評(píng)級(jí)開(kāi)展論述，缺少針對(duì)商業(yè)銀行主體信用評(píng)級(jí)模型這一細(xì)分方向進(jìn)行研究，把信用評(píng)級(jí)的研究與應(yīng)用相結(jié)合，通過(guò)信用風(fēng)險(xiǎn)識(shí)別指導(dǎo)債券投資的全過(guò)程，突出信用評(píng)級(jí)的核心作用；而信用評(píng)級(jí)機(jī)構(gòu)和部分投資機(jī)構(gòu)雖然對(duì)商業(yè)銀行主體信用評(píng)級(jí)模型有專門的研究，但評(píng)級(jí)模型和評(píng)級(jí)有效性并不對(duì)外公布。因此，本文針對(duì)商業(yè)銀行主體信用評(píng)級(jí)這一細(xì)分方向出發(fā)，以模型研究為起點(diǎn)，以市場(chǎng)應(yīng)用為終點(diǎn)，從投資者的角度把評(píng)級(jí)模型和應(yīng)用場(chǎng)景關(guān)聯(lián)起來(lái)，一方面是希望通過(guò)跟蹤信用評(píng)級(jí)變化可以及時(shí)發(fā)現(xiàn)債券價(jià)值，賺取超額收益；另一方面是同一商業(yè)銀行不同的信用評(píng)級(jí)機(jī)構(gòu)可能得到不一樣的信用評(píng)級(jí)，使用內(nèi)部信用評(píng)級(jí)可以不再受限制地計(jì)量投資組合的信用風(fēng)險(xiǎn)。

三、信用評(píng)級(jí)的市場(chǎng)現(xiàn)狀

（一）債券市場(chǎng)信用評(píng)級(jí)矩陣結(jié)構(gòu)

發(fā)行債券（含同業(yè)存單，下同）是商業(yè)銀行的一個(gè)重要負(fù)債來(lái)源，但銀行間債券市場(chǎng)中的商業(yè)銀行債券無(wú)論從數(shù)量上還是余額上均存在分布結(jié)構(gòu)不合理的狀態(tài)。

從表1可以發(fā)現(xiàn)：一是信用評(píng)級(jí)矩陣分布的層級(jí)過(guò)窄，信用評(píng)級(jí)層級(jí)都只有9層，過(guò)窄的信用評(píng)級(jí)層級(jí)使得難以區(qū)分不同商業(yè)銀行信用風(fēng)險(xiǎn)的差別；二是信用評(píng)級(jí)為AAA級(jí)的商業(yè)銀行所發(fā)行的債券不管在數(shù)量上還是在余額上均占了最大的一部分，由于信息不對(duì)稱的擔(dān)憂使得AAA級(jí)的商業(yè)銀行出現(xiàn)“贏家通吃”的現(xiàn)象，債券市場(chǎng)仍然不是一個(gè)有效的市場(chǎng)；三是債券市場(chǎng)呈現(xiàn)出信用評(píng)級(jí)為AAA級(jí)的投資資產(chǎn)扎堆而其它信用評(píng)級(jí)的投資資產(chǎn)難以發(fā)行的情況，不同的信用評(píng)級(jí)出現(xiàn)畸形分布，當(dāng)前信用評(píng)級(jí)的分布層級(jí)并不合理。

表1 2020年末商業(yè)銀行債券信用評(píng)級(jí)分布

（二）信用評(píng)級(jí)信用區(qū)分能力不足

目前，商業(yè)銀行在銀行間債券市場(chǎng)中所發(fā)行債券的信用評(píng)級(jí)大部分都是AAA級(jí)，投資者面對(duì)同樣是AAA級(jí)的商業(yè)銀行難以直觀的區(qū)分同信用評(píng)級(jí)商業(yè)銀行真正的信用風(fēng)險(xiǎn)。無(wú)論是大型國(guó)有銀行、股份制銀行、部分的城市商業(yè)銀行和農(nóng)村商業(yè)銀行的信用評(píng)級(jí)都是AAA級(jí)，但是相同時(shí)間和相同信用評(píng)級(jí)的商業(yè)銀行在發(fā)行同一期限的同業(yè)存單時(shí)，發(fā)行的票面利率差異卻非常大（表2）；另外，因?yàn)樾庞迷u(píng)級(jí)采取的都是“發(fā)行人付費(fèi)模式”，信用評(píng)級(jí)機(jī)構(gòu)之間存在較大的競(jìng)爭(zhēng)關(guān)系，信用評(píng)級(jí)機(jī)構(gòu)往往在提供信用評(píng)級(jí)服務(wù)時(shí)附帶信用咨詢服務(wù)，信用評(píng)級(jí)機(jī)構(gòu)偏向于在信用評(píng)級(jí)模型中采用最高評(píng)級(jí)作為商業(yè)銀行最終的信用評(píng)級(jí)，從而使得信用評(píng)級(jí)為AAA級(jí)的商業(yè)銀行數(shù)量占比偏高，部分投資者為了控制信用風(fēng)險(xiǎn)只能在實(shí)際的投資中選擇信用評(píng)級(jí)為AAA級(jí)的商業(yè)銀行所發(fā)行的商業(yè)銀行債和同業(yè)存單作為投資范圍。

表2 同業(yè)存單發(fā)行情況差異

資料來(lái)源：Wind。

（三）信用評(píng)級(jí)機(jī)構(gòu)開(kāi)展信用評(píng)級(jí)的結(jié)構(gòu)

2021年3月末，5家信用評(píng)級(jí)機(jī)構(gòu)基于2019年的經(jīng)營(yíng)情況對(duì)333家商業(yè)銀行首次開(kāi)展所得到的信用評(píng)級(jí)（表3）呈現(xiàn)出偏高和不均衡的現(xiàn)象：即高信用評(píng)級(jí)商業(yè)銀行的數(shù)量較為集中、低信用評(píng)級(jí)商業(yè)銀行的數(shù)量較少，信用評(píng)級(jí)的層級(jí)過(guò)窄。在信用評(píng)級(jí)機(jī)構(gòu)開(kāi)展信用評(píng)級(jí)的過(guò)程中，評(píng)級(jí)機(jī)構(gòu)的信用評(píng)級(jí)策略是長(zhǎng)期保持保守，各家信用評(píng)級(jí)機(jī)構(gòu)對(duì)同一商業(yè)銀行的信用評(píng)級(jí)基本保持不變，當(dāng)發(fā)生評(píng)級(jí)變化時(shí)大多數(shù)是以上調(diào)為主；當(dāng)發(fā)生負(fù)面情況時(shí)，信用評(píng)級(jí)機(jī)構(gòu)也通過(guò)把展望從“穩(wěn)定”調(diào)整至“負(fù)面”，協(xié)調(diào)發(fā)行人盡快扭轉(zhuǎn)不利情況而不是下調(diào)信用評(píng)級(jí)，而信用評(píng)級(jí)市場(chǎng)的“發(fā)行人付費(fèi)模式”更是助推了這一現(xiàn)象，使得信用評(píng)級(jí)機(jī)構(gòu)整體的信用評(píng)級(jí)矩陣不斷上移。

表3 國(guó)內(nèi)商業(yè)銀行信用評(píng)級(jí)分布

（四）信用評(píng)級(jí)機(jī)構(gòu)主動(dòng)提高信用評(píng)級(jí)

對(duì)于同一商業(yè)銀行在多個(gè)信用評(píng)級(jí)機(jī)構(gòu)開(kāi)展信用評(píng)級(jí)，通常來(lái)說(shuō)各個(gè)信用評(píng)級(jí)機(jī)構(gòu)對(duì)同一商業(yè)銀行所評(píng)定的信用評(píng)級(jí)基本一致，但實(shí)際上允許不同的信用評(píng)級(jí)機(jī)構(gòu)對(duì)同一商業(yè)銀行得到不同的信用評(píng)級(jí)。對(duì)存在多個(gè)不同信用評(píng)級(jí)的商業(yè)銀行進(jìn)行統(tǒng)計(jì)，東方金誠(chéng)國(guó)際信用評(píng)估有限公司所評(píng)定的信用評(píng)級(jí)較其他4家信用評(píng)級(jí)機(jī)構(gòu)所評(píng)定的信用評(píng)級(jí)出現(xiàn)調(diào)高的次數(shù)較多（表4），可能存在虛高的現(xiàn)象。

表4 信用評(píng)級(jí)調(diào)高次數(shù)比較

從當(dāng)前信用評(píng)級(jí)的市場(chǎng)現(xiàn)狀來(lái)看，雖然信用評(píng)級(jí)在債券市場(chǎng)具有重要的作用，但是仍存在部分問(wèn)題，包括高評(píng)級(jí)過(guò)于集中、評(píng)級(jí)的矩陣較窄、相同評(píng)級(jí)但市場(chǎng)認(rèn)可度差異較大和個(gè)別信用評(píng)級(jí)機(jī)構(gòu)信用評(píng)級(jí)質(zhì)量有待商榷；另外，中國(guó)人民銀行公布的《關(guān)于促進(jìn)債券市場(chǎng)信用評(píng)級(jí)行業(yè)健康發(fā)展的通知》中提出“投資者應(yīng)當(dāng)完善內(nèi)部評(píng)級(jí)等風(fēng)險(xiǎn)控制體系建設(shè)”。本文參考已有信用評(píng)級(jí)機(jī)構(gòu)信用評(píng)級(jí)模型，建立一個(gè)具體且可模仿的信用評(píng)級(jí)模型，所得到的信用評(píng)級(jí)在一定程度上改善以上所述的問(wèn)題。

四、信用評(píng)級(jí)模型構(gòu)建

（一）國(guó)內(nèi)信用評(píng)級(jí)機(jī)構(gòu)評(píng)級(jí)方法對(duì)比

通過(guò)把評(píng)級(jí)結(jié)果可以在銀行行間債券市場(chǎng)使用的6家信用評(píng)級(jí)機(jī)構(gòu)對(duì)商業(yè)銀行的評(píng)級(jí)方法進(jìn)行比較，6家信用評(píng)級(jí)機(jī)構(gòu)均是采用打分卡模型對(duì)各個(gè)商業(yè)銀行進(jìn)行信用評(píng)級(jí)，綜合考慮了定性分析中的運(yùn)營(yíng)環(huán)境、公司治理、業(yè)務(wù)運(yùn)營(yíng)、風(fēng)險(xiǎn)管理、外部支持和財(cái)務(wù)分析共六大要素，總體來(lái)看評(píng)級(jí)邏輯和評(píng)級(jí)方法上的差異較小，但所采用的評(píng)價(jià)指標(biāo)和評(píng)分權(quán)重略有不同，造成同一商業(yè)銀行在不同的信用評(píng)級(jí)機(jī)構(gòu)所得到的主體信用評(píng)級(jí)并不相同。

從表5可以看出，各個(gè)信用評(píng)級(jí)機(jī)構(gòu)的評(píng)級(jí)方法趨同，在定性分析中所關(guān)注的要素較為相似，在定量分析中采用的均是能夠反映商業(yè)銀行經(jīng)營(yíng)情況的各項(xiàng)指標(biāo)，而中誠(chéng)信國(guó)際信用評(píng)級(jí)有限責(zé)任公司使用的個(gè)性化指標(biāo)較多，中債資信評(píng)估有限責(zé)任公司使用的指標(biāo)種類最廣。

表5 6家信用評(píng)級(jí)機(jī)構(gòu)的商業(yè)銀行評(píng)級(jí)方法對(duì)比

數(shù)據(jù)來(lái)源：各家信用評(píng)級(jí)機(jī)構(gòu)在網(wǎng)站所公布的評(píng)級(jí)方法（截至2021年3月）。

以上評(píng)級(jí)方法雖然能夠反映商業(yè)銀行整體的信用風(fēng)險(xiǎn)，但是未能量化商業(yè)銀行的信用風(fēng)險(xiǎn)，同時(shí)因列出的指標(biāo)較多，未有突出重點(diǎn)的風(fēng)險(xiǎn)指標(biāo)，評(píng)級(jí)方法對(duì)于評(píng)級(jí)模型構(gòu)建的指導(dǎo)性較弱。因此本文在信用評(píng)級(jí)模型的構(gòu)建上以定量分析為主，減少定性分析對(duì)信用評(píng)級(jí)的影響，同時(shí)使用重點(diǎn)風(fēng)險(xiǎn)指標(biāo)作為評(píng)分指標(biāo)，使得信用評(píng)級(jí)能夠反映商業(yè)銀行信用風(fēng)險(xiǎn)情況。

（一）評(píng)分指標(biāo)的篩選

由于商業(yè)銀行的定量分析指標(biāo)數(shù)量較多，對(duì)不同的評(píng)價(jià)指標(biāo)逐個(gè)進(jìn)行分組和對(duì)比需要大量的人工參與，在這過(guò)程中具有一定的主觀性，因此采用最優(yōu)化變量分組法，將組間方差最小化，將最大化單變量的IV值作為優(yōu)化目標(biāo)來(lái)分組進(jìn)行計(jì)算，其中約束條件包含每個(gè)組需要有合格次數(shù)和不合格次數(shù)、最大分組數(shù)、WOE單調(diào)性約束等，最后通過(guò)IV值衡量變量組的有效性。

其中Bi表示樣本中商業(yè)銀行的某個(gè)指標(biāo)判定為無(wú)效，Gi表示樣本中商業(yè)銀行的某個(gè)指標(biāo)判定為有效，BT和GT分別表示所有商業(yè)銀行該指標(biāo)的無(wú)效次數(shù)和所有商業(yè)銀行該指標(biāo)的有效次數(shù)。

第i組下的WOEi，量化了某個(gè)指標(biāo)所代表的信用風(fēng)險(xiǎn)。WOEi越大，表示商業(yè)銀行的信用風(fēng)險(xiǎn)越高；WOEi越小，表示商業(yè)銀行的信用風(fēng)險(xiǎn)越低。

WOE通過(guò)數(shù)據(jù)具體量化了單一指標(biāo)所代表的信用風(fēng)險(xiǎn)，但未能量化所有評(píng)價(jià)指標(biāo)的情況，因此需要引入IV值（Information Value），IV值本質(zhì)上是對(duì)WOE的加權(quán)，IV值越高的指標(biāo)，其有效性更強(qiáng)，從而建立多組備選子集，對(duì)于同種類型的指標(biāo)，根據(jù)其衡量商業(yè)銀行信用風(fēng)險(xiǎn)的重要性進(jìn)行篩選，從而得到選定的評(píng)分指標(biāo)組合。

（二）模型指標(biāo)和權(quán)重

確定商業(yè)銀行信用評(píng)級(jí)模型的評(píng)分權(quán)重，需要通過(guò)不斷地?cái)M合盡可能的做到信用評(píng)級(jí)能夠較為準(zhǔn)確的反映商業(yè)銀行的信用風(fēng)險(xiǎn)，對(duì)于一個(gè)n層、每層指標(biāo)數(shù)分別為 的結(jié)構(gòu)來(lái)說(shuō)，要保證每一個(gè)子級(jí)中的所有權(quán)重之和為1，因此其內(nèi)部共存在個(gè)約束條件。系數(shù)矩陣的秩等于變量個(gè)數(shù)減去約束條件個(gè)數(shù)，即而上一步求出來(lái)的變量數(shù)也為方程存在唯一解，這個(gè)唯一解就是各級(jí)指標(biāo)的權(quán)重，從而得到各級(jí)指標(biāo)的最終權(quán)重。

另外為了有效克服宏觀經(jīng)濟(jì)波動(dòng)所造成的影響，同時(shí)結(jié)合商業(yè)銀行的行業(yè)特點(diǎn)，信用評(píng)級(jí)模型從使用一個(gè)一級(jí)指標(biāo)調(diào)整為兩個(gè)一級(jí)指標(biāo)，把所有評(píng)分指標(biāo)按照“經(jīng)營(yíng)規(guī)?！焙汀敖?jīng)營(yíng)質(zhì)量”進(jìn)行分類分別進(jìn)行評(píng)分：對(duì)“經(jīng)營(yíng)規(guī)模”進(jìn)行分類是因?yàn)橘Y產(chǎn)負(fù)債總額較大的商業(yè)銀行往往是經(jīng)營(yíng)覆蓋范圍更廣、社會(huì)公眾認(rèn)可度更高的商業(yè)銀行，該類商業(yè)銀行的資產(chǎn)分布更均衡，受宏觀經(jīng)濟(jì)周期波動(dòng)影響的幅度更??；對(duì)“經(jīng)營(yíng)質(zhì)量”進(jìn)行分類是因?yàn)樯虡I(yè)銀行的資產(chǎn)質(zhì)量和盈利能力通常是呈現(xiàn)負(fù)相關(guān)性的，即商業(yè)銀行的風(fēng)險(xiǎn)偏好越高，利潤(rùn)收入越好，但可能實(shí)質(zhì)承擔(dān)的信用風(fēng)險(xiǎn)也越高，同時(shí)其他監(jiān)管指標(biāo)也會(huì)有所下滑。因此，通過(guò)對(duì)采用的評(píng)分指標(biāo)按照“經(jīng)營(yíng)規(guī)?！焙汀敖?jīng)營(yíng)質(zhì)量”分類后進(jìn)行評(píng)分評(píng)級(jí)，可以較為全面的反映商業(yè)銀行真實(shí)的信用風(fēng)險(xiǎn)情況：一方面是資產(chǎn)負(fù)債規(guī)模越大的機(jī)構(gòu)受經(jīng)濟(jì)周期或突發(fā)情況的影響幅度更??；另一方面是商業(yè)銀行的經(jīng)營(yíng)成果最終反映在利潤(rùn)科目可以提高資本水平，資本水平越高代表償債能力越強(qiáng)，同時(shí)資本水平越高的商業(yè)銀行可以經(jīng)營(yíng)的資產(chǎn)總額越多，經(jīng)營(yíng)利潤(rùn)也會(huì)越高?！敖?jīng)營(yíng)規(guī)?！焙汀敖?jīng)營(yíng)質(zhì)量”分別反映了商業(yè)銀行在日常經(jīng)營(yíng)中的“大”和“美”兩個(gè)方面，只有兩者兼具的商業(yè)銀行才能給予更高的信用評(píng)級(jí)。

表6 商業(yè)銀行信用評(píng)級(jí)模型指標(biāo)和權(quán)重

（三）閾值設(shè)置

確定商業(yè)銀行信用評(píng)級(jí)模型的評(píng)分指標(biāo)后，結(jié)合銀行業(yè)整體的財(cái)務(wù)數(shù)據(jù)和監(jiān)管指標(biāo)（表7、表8）對(duì)同一組的評(píng)分指標(biāo)進(jìn)行有序排序，降低最大值區(qū)間和最小值區(qū)間的敏感度，使得閾值區(qū)間能夠合理的分布。

表7 2019年末全國(guó)商業(yè)銀行資產(chǎn)負(fù)債情況

表8 近三年商業(yè)銀行主要監(jiān)管指標(biāo)情況

對(duì)于資產(chǎn)總額指標(biāo)，因國(guó)內(nèi)銀行的規(guī)模分化較大，大中小型銀行的數(shù)量呈現(xiàn)出金字塔型的分布，因此在閾值設(shè)置時(shí)需要考慮增加平均數(shù)以下的區(qū)間段。所有商業(yè)銀行的資產(chǎn)總額平均數(shù)為987.98億元，該數(shù)值從銀行的數(shù)量上來(lái)看已處于所有商業(yè)銀行的前50%以上，因此把該平均數(shù)設(shè)置在55分至60分這一區(qū)間；而所有農(nóng)村金融機(jī)構(gòu)的資產(chǎn)總額平均數(shù)為163.80億元，因此把該分段設(shè)置在0分至55分的中間分段，即30分至35分這一區(qū)間。

對(duì)于商業(yè)銀行主要監(jiān)管指標(biāo)，該類指標(biāo)是所有商業(yè)銀行的加權(quán)指標(biāo)，大型銀行對(duì)該公布的指標(biāo)影

（四）評(píng)級(jí)映射

為了與國(guó)內(nèi)信用評(píng)級(jí)機(jī)構(gòu)的信用評(píng)級(jí)進(jìn)行橫向?qū)Ρ龋疚男庞迷u(píng)級(jí)按照《中國(guó)人民銀行信用評(píng)級(jí)管理指導(dǎo)意見(jiàn)》中對(duì)信用評(píng)級(jí)符號(hào)劃分分為三等九級(jí)，每一個(gè)信用等級(jí)用“+”“-”符號(hào)進(jìn)行微調(diào)，表示略高或略低于本等級(jí)，但不包括AAA+。

使用本文信用評(píng)級(jí)模型進(jìn)行評(píng)分評(píng)級(jí)的流程：

1.收集各個(gè)商業(yè)銀行的三級(jí)指標(biāo)；

2.結(jié)合閾值區(qū)間分布情況，使用插值法對(duì)各個(gè)三級(jí)指標(biāo)進(jìn)行評(píng)分；

3.通過(guò)評(píng)分權(quán)重對(duì)各個(gè)三級(jí)指標(biāo)的分?jǐn)?shù)重新加權(quán)計(jì)算，得出一級(jí)指標(biāo)的評(píng)分；

4.根據(jù)一級(jí)指標(biāo)的評(píng)分得到對(duì)應(yīng)分級(jí)（表10）；

表10 一級(jí)指標(biāo)對(duì)應(yīng)分級(jí)

[35,40） [35,40） BB[30,35） [30,35） BB-[25,30） [25,30） B+[20,25） [20,25） B[15,20） [15,20） B-[10,15） [10,15） CCC+[5,10） [5,10） CCC[0,5） [0,5） CCC-[-10,0） [-10,0） CC+[-20,-10） [-20,-10） CC[-30,-20） [-30,-20） CC-[-40,-30） [-40,-30） C+[-50,-40） [-50,-40） C[-90,-50） [-87.5,-50） C-

5.通過(guò)評(píng)級(jí)映射矩陣（表11）的映射關(guān)系得到信用評(píng)級(jí)。響較大，同時(shí)部分商業(yè)銀行經(jīng)營(yíng)目標(biāo)是滿足監(jiān)管要求即可，因此該類指標(biāo)按照監(jiān)管要求進(jìn)行排列，監(jiān)管指標(biāo)的最低值應(yīng)處于中間分段（即50分至55分這一區(qū)間），然后根據(jù)每年商業(yè)銀行各項(xiàng)具體指標(biāo)和數(shù)量的結(jié)構(gòu)平均排列分布，使得能夠合理區(qū)分各家商業(yè)銀行的經(jīng)營(yíng)質(zhì)量。

表11 評(píng)級(jí)映射矩陣

通過(guò)收集333家商業(yè)銀行在2019年經(jīng)營(yíng)情況中的各個(gè)評(píng)分指標(biāo)進(jìn)行排列，對(duì)11個(gè)評(píng)分指標(biāo)分成22個(gè)區(qū)間（表9），通過(guò)較為有效合理的區(qū)間分布分別進(jìn)行評(píng)分；對(duì)于其它商業(yè)銀行未有公開(kāi)相關(guān)數(shù)據(jù)的，需要通過(guò)其他渠道獲取評(píng)分指標(biāo)進(jìn)行評(píng)分評(píng)級(jí)，驗(yàn)證閾值設(shè)置的合理性和有效性。

表9 閾值區(qū)間分布情況單位：億元，%

五、信用評(píng)級(jí)有效性檢驗(yàn)

（一）信用區(qū)分

商業(yè)銀行在我國(guó)的經(jīng)濟(jì)運(yùn)行中處于較為重要的位置，監(jiān)管部門制定了較為全面和完善的監(jiān)管政策引導(dǎo)商業(yè)銀行的日常經(jīng)營(yíng)，通過(guò)現(xiàn)場(chǎng)檢查或者非現(xiàn)場(chǎng)檢查的方式持續(xù)監(jiān)督商業(yè)銀行的經(jīng)營(yíng)情況，幫助商業(yè)銀行長(zhǎng)期穩(wěn)定的發(fā)展。由于我國(guó)商業(yè)銀行債券違約的次數(shù)非常少，無(wú)法對(duì)信用評(píng)級(jí)模型的違約率進(jìn)行可量化的檢驗(yàn)，因此本文對(duì)2家已出現(xiàn)風(fēng)險(xiǎn)的商業(yè)銀行和1家市場(chǎng)上認(rèn)為信用評(píng)級(jí)虛高的商業(yè)銀行開(kāi)展信用評(píng)級(jí)進(jìn)行驗(yàn)證，通過(guò)對(duì)比信用評(píng)級(jí)機(jī)構(gòu)對(duì)這3家商業(yè)銀行的信用評(píng)級(jí)，檢驗(yàn)本文模型的信用評(píng)級(jí)是否有效區(qū)分商業(yè)銀行的信用風(fēng)險(xiǎn)，這3家商業(yè)銀行分別是恒豐銀行、錦州銀行和大連銀行。

表12 信用模型評(píng)級(jí)結(jié)果

資料來(lái)源：Wind。

從以上信用評(píng)級(jí)結(jié)果可以發(fā)現(xiàn)，使用本文模型得到的信用評(píng)級(jí)均低于其他信用評(píng)級(jí)機(jī)構(gòu)的信用評(píng)級(jí)，以上3家商業(yè)銀行的信用評(píng)級(jí)比信用評(píng)級(jí)機(jī)構(gòu)的信用評(píng)級(jí)平均低了6個(gè)子級(jí)；其中錦州銀行的評(píng)分指標(biāo)較差，全年經(jīng)營(yíng)的凈利潤(rùn)為負(fù)數(shù)，關(guān)注貸款率達(dá)到15.40%，本文模型的信用評(píng)級(jí)為BBB-級(jí)，與信用評(píng)級(jí)機(jī)構(gòu)得到的信用評(píng)級(jí)為AAA級(jí)差異較大。

通過(guò)以上信用評(píng)級(jí)的對(duì)比，本文模型的信用評(píng)級(jí)在一定程度上具有區(qū)分商業(yè)銀行信用風(fēng)險(xiǎn)的效果，所得到的信用評(píng)級(jí)也更加匹配該符號(hào)所代表的信用風(fēng)險(xiǎn)，能夠下調(diào)部分弱資質(zhì)和偽資質(zhì)商業(yè)銀行信用評(píng)級(jí)的信用評(píng)級(jí)。

（二）評(píng)級(jí)分布

使用本文模型對(duì)333家商業(yè)銀行基于2019年的評(píng)分指標(biāo)得到的信用評(píng)級(jí)，同時(shí)對(duì)比5家信用評(píng)級(jí)機(jī)構(gòu)的信用評(píng)級(jí)可以發(fā)現(xiàn)：本文模型的信用評(píng)級(jí)主要分布在A+級(jí)、BBB+級(jí)和BBB級(jí)，5家信用評(píng)級(jí)機(jī)構(gòu)的信用評(píng)級(jí)主要分布在AAA級(jí)、AA級(jí)和AA-級(jí)，本文模型的信用評(píng)級(jí)比5家信用評(píng)級(jí)機(jī)構(gòu)的信用評(píng)級(jí)平均低了3.21個(gè)子級(jí)，本文模型得到的信用層級(jí)分布較為合理（表13），呈現(xiàn)正態(tài)分布的曲線變化；另外，本文模型得到的信用評(píng)級(jí)也更加符合正常企業(yè)經(jīng)營(yíng)的實(shí)際情況及其信用符號(hào)所代表的意義，依照《中國(guó)人民銀行信用評(píng)級(jí)管理指導(dǎo)意見(jiàn)》中信用評(píng)級(jí)符號(hào)的含義：A級(jí)代表償還債務(wù)能力較強(qiáng)、違約風(fēng)險(xiǎn)較低，BBB級(jí)代表償還債務(wù)能力一般、違約風(fēng)險(xiǎn)一般。

表13 商業(yè)銀行信用評(píng)級(jí)的分布對(duì)比

通過(guò)使用本文模型得到的信用評(píng)級(jí)和5家信用評(píng)級(jí)機(jī)構(gòu)的信用評(píng)級(jí)進(jìn)行對(duì)比，可以發(fā)現(xiàn)中小型商業(yè)銀行的信用評(píng)級(jí)下降幅度更大（表14），主要是因?yàn)楸疚哪Ｐ桶言u(píng)分指標(biāo)分成“經(jīng)營(yíng)規(guī)模”和“經(jīng)營(yíng)質(zhì)量”分別進(jìn)行評(píng)分分級(jí)，兩個(gè)一級(jí)指標(biāo)之間互不影響。對(duì)于經(jīng)營(yíng)情況較好的中小型商業(yè)銀行，雖然該部分商業(yè)銀行的“經(jīng)營(yíng)質(zhì)量”分級(jí)較高但對(duì)提高信用評(píng)級(jí)的影響有限，本文模型在評(píng)級(jí)映射中的設(shè)置更加追求商業(yè)銀行能夠在“經(jīng)營(yíng)規(guī)模”和“經(jīng)營(yíng)質(zhì)量”兩個(gè)方面均衡發(fā)展，只有兩者兼優(yōu)的商業(yè)銀行才能給予更高的信用評(píng)級(jí)，而中小型商業(yè)銀行受“經(jīng)營(yíng)規(guī)?！钡南拗疲荒苤饾u提高信用評(píng)級(jí)，而不會(huì)因“經(jīng)營(yíng)質(zhì)量”的波動(dòng)導(dǎo)致信用評(píng)級(jí)出現(xiàn)較大的變化，使得信用評(píng)級(jí)矩陣更加穩(wěn)定。

表14 不同商業(yè)銀行信用評(píng)級(jí)下降情況

（三）市場(chǎng)驗(yàn)證

使用本文模型對(duì)333家商業(yè)銀行基于2019年的評(píng)分指標(biāo)得到的信用評(píng)級(jí)，通過(guò)市場(chǎng)真實(shí)情況驗(yàn)證不同信用評(píng)級(jí)的債券利率與期限相若的國(guó)債利率（無(wú)風(fēng)險(xiǎn)利率）之間是否存在合理的利率差（信用風(fēng)險(xiǎn)溢價(jià)）。

通常來(lái)說(shuō)，信用評(píng)級(jí)越低、剩余期限越長(zhǎng)、有利于發(fā)行人條款越多的債券利率與國(guó)債之間的利率差就越大；為了驗(yàn)證本文模型的有效性，對(duì)債券市場(chǎng)中不同信用評(píng)級(jí)商業(yè)銀行的同業(yè)存單利率與期限相若的國(guó)債利率相減，可以發(fā)現(xiàn)使用本文模型得到信用評(píng)級(jí)越高的商業(yè)銀行，其同業(yè)存單利率與期限相若的國(guó)債利率之間的利率差越?。ū?5），本文模型的信用評(píng)級(jí)得到市場(chǎng)的驗(yàn)證。

表15 不同信用評(píng)級(jí)同業(yè)存單的信用利差比較

六、總結(jié)

通過(guò)分析債券市場(chǎng)中信用評(píng)級(jí)存在的現(xiàn)象和信用評(píng)級(jí)機(jī)構(gòu)的信用評(píng)級(jí)方法，信用評(píng)級(jí)機(jī)構(gòu)在主觀上存在為了爭(zhēng)奪市場(chǎng)份額主動(dòng)提高受評(píng)商業(yè)銀行的信用評(píng)級(jí)使得AAA級(jí)商業(yè)銀行數(shù)量過(guò)多使得整個(gè)信用評(píng)級(jí)矩陣分布極不合理，個(gè)別信用評(píng)級(jí)機(jī)構(gòu)甚至虛高信用評(píng)級(jí)；在客觀上存在信用評(píng)級(jí)層級(jí)過(guò)窄和評(píng)級(jí)模型受經(jīng)濟(jì)波動(dòng)影響較大，以上原因?qū)е铝水?dāng)前債券市場(chǎng)信用評(píng)級(jí)的信服力不足，而包商銀行的破產(chǎn)更是揭露了信用評(píng)級(jí)的有效性失效的情況。

為了改進(jìn)以上情況，特別是在目前監(jiān)管部門對(duì)要求信用評(píng)級(jí)行業(yè)提升評(píng)級(jí)質(zhì)量和區(qū)分度的情況下，信用評(píng)級(jí)機(jī)構(gòu)必須加強(qiáng)信用評(píng)級(jí)質(zhì)量，為未來(lái)信用評(píng)級(jí)行業(yè)的轉(zhuǎn)型提前做好準(zhǔn)備，而信用評(píng)級(jí)質(zhì)量的源頭來(lái)自于信用評(píng)級(jí)模型。本文通過(guò)對(duì)信用評(píng)級(jí)模型的改進(jìn)提出了建議，從一個(gè)一級(jí)指標(biāo)增加至兩個(gè)一級(jí)指標(biāo)，降低了信用評(píng)級(jí)矩陣受宏觀經(jīng)濟(jì)波動(dòng)的影響，構(gòu)建新的信用評(píng)級(jí)模型來(lái)驗(yàn)證對(duì)信用評(píng)級(jí)模型改進(jìn)建議的科學(xué)性。

有效的信用評(píng)級(jí)模型首先是能夠較為準(zhǔn)確的反映商業(yè)銀行信用風(fēng)險(xiǎn)，然后建立具有多個(gè)信用層級(jí)使得不同商業(yè)銀行之間可以進(jìn)行信用風(fēng)險(xiǎn)的橫向?qū)Ρ?，最后在市?chǎng)投資中協(xié)助投資者發(fā)現(xiàn)債券的價(jià)值變化；信用評(píng)級(jí)機(jī)構(gòu)需要提高信用評(píng)級(jí)的質(zhì)量來(lái)增強(qiáng)公信力，也為未來(lái)市場(chǎng)化轉(zhuǎn)型提前做好準(zhǔn)備。