[摘要]自巴塞尔协议规定用于确定风险资本充足率的内部模型必须是以VaR为基础的模型以来，VaR已成为目前最为流行的风险管理模型，此模型的引进和应用对改进我国商业银行信用管理有借鉴意义。本文回顾了传统的信用风险管理模型，着重对市场上基于VaR的三种主要信用风险度量和管理方法：CreditMetrics模型、KMV模型、CreditRisk+模型进行比较分析，阐述了它们的基本原理与相应优缺点。
[关键词]商业银行；信用风险度量；VaR
在现代金融体系中，商业银行作为金融和交易的主要金融中介，一个国家经济状况的晴雨表，在减少经济风险和不稳定因素，保证国民经济顺畅运行方面发挥着举足轻重的作用。商业银行在运营中本身承担着各种类型的风险，包括信用风险、利率风险、流动性风险、管理风险、资本风险和政策风险等。其中，信用风险是金融市场中最古老也是最重要的风险形式之一。它是现代社会经济实体、投资者和消费者所面临的重大问题。
总的来讲，信用风险评价方法越来越体现出从定性到定量、从简单到复杂、从个别资产信用评价到资产组合信用风险评价的趋势。
1 传统信用风险度量模型
1.1 专家系统
专家系统最大特征是银行信贷的决策权是由该机构中具有丰富经验的信贷官掌握，主要依赖于他们的主观分析或定性分析方法衡量企业贷款的信用风险，并做出是否贷款的决定。在专家系统制度下，实施信用风险分析时，商业银行要遵循5C原则，即通过衡量借款人的品格（Character）、能力（Capacity）、资本（Capital）、担保（Collateral）、环境（Conditions），判断其信用风险程度并决定是否给予贷款。专家系统中，专门信用分析员随着机构的扩大越来越多，导致成本居高不下；另外，信贷官自身的偏好使其实施的效果很不稳定。因而，专家系统只能作为一种辅助性的信用风险度量分析方法。
Edward I. Altman于1968年提出了著名的Z评分模型（Z-score model），1997年他又提出了修正扩展后的第二代ZETA评分模型（ZETA credit risk model）。Altman的评分模型是一种多变量的分辨模型，根据数理统计中的辨别分析技术，对银行过去的贷款进行统计分析，将反映借款人经济状况或影响借款人信用状况的若干指标赋予一定权重，然后对所得Z（ZETA）值进行分析并将其与基准值相比来决定是否给予贷款以及贷款定价。Altman的评分模型本身存在一些缺陷，如只考虑了违约与不违约两种极端情况，而忽略中间各种可能情形；缺乏足够的经济理由解释赋予各变量的权重等。
1.3 非线性区别模型与神经网络分析系统
非线性区别模型与神经网络分析系统等的应用使信用评分模型得以拓展。Altman Marco和Varreto在对意大利公司财务危机预测中应用了神经网络分析法，Coats及Fant等采用神经网络分析法分别对美国公司和银行财务危机进行预测，取得了一定的效果。王春峰等也应用神经网络等方法对我国商业银行进行了信用风险评价。然而神经网络的最大缺点是其工作的随机性较强。因为要得到一个较好的神经网络结构，需要人为地去调试，非常耗费人力与时间，而并没有实质性的优于线性区别模型。
2 现代信用风险度量模型
2.1 期限结构模型
期限结构模型的基本思想是通过有风险企业债券与无风险债券之间的利差的分析推测借款人的信用风险。
2.2 死亡率模型
死亡率模型（Mortality Model）是通过分析某一信用级别的债券或贷款的历史违约情况来测度具有同一级别的金融工具的信用风险程度。这种方法以贷款或债券的组合以及它们在历史上的违约经历为基础，开发出一张表格，用该表来对信用资产的边际死亡率（Marginal Mortality Rate，MMR）和累计死亡率（Cumulative Mortality Rate，CMR）进行预测。将MMR、CMR与违约损失率结合起来，人们便可以获得预期损失的估计值。目前这类模型用来分析贷款违约情况的主要困难是缺乏必要的历史记录材料。
2.3 RAROC模型
RAROC（Risk-Adjusted Return On Capital）模型的主导思想是通过计算单位贷款风险的收益率并与基准相比来决定是否发放贷款以及贷款定价。其基本表达式为：RAROC = 贷款收益/风险资本
其中分子反映了某项贷款一年的预期收益，包括利差收益、手续费等并扣除预期损失及运营成本等。分母则是对不可预期的损失或风险资本的度量。如果计算得到某项贷款的RAROC大于临界风险收益率，则可以发放该项贷款，否则应拒绝。
2.4 基于VaR的现代新兴信用风险度量模型
2.4.1 Credit Metrics模型
1997年，以J. P. Morgan代表的几家著名的金融机构联合推出了CreditMetrics模型，该模型将借款者的信用等级与风险资产的预期价值联系起来，对资产组合的信用风险进行量化和分析，目前已成为最具国际代表性的内部风险管理模型。
在CreditMetrics模型中，给定投资组合（已知组合中资产类别以及它们之间的组成比例），可以得出一定期限后（通常一年）的组合价值分布曲线，进而用该曲线计算投资组合VaR值。计算组合价值分布曲线有分析方法和模拟方法两种。以下用一个简单例子来说明分析方法计算组合价值分布的过程。这里假定债券投资组合中仅含有一种BBB等级债券。计算中需要的违约率和转移矩阵由信用评级机构提供，它们是通过对历史数据求平均值获得的。假定下一年BBB债券等级变动概率见表1（限于篇幅，该表仅取信用转移矩阵的一部分）。
同理，我们对债券期末变动到其他等级的情况，也分别进行估价，可得表3。
从数据中，可得出一年后债券价值分布曲线，然后可求出该投资组合在一定置信度下的VaR值。投资组合中只有一种债券的例子是最简单的，现实投资组合往往很复杂，含有多种债券（或其他有信用风险的金融工具），用分析方法将很难求解，常采用模拟方法。模拟方法首先根据信用转移矩阵确定信用等级发生变化的临界资产收益率；然后假定公司资产价值收益率服从正态分布，模拟产生相当数量的资产收益率，结合临界收益率决定每次模拟信用等级变动情况，分别计算投资组合价值；最后得到投资组合价值分布的模拟曲线，根据该曲线可以计算VaR值。
Credit Metrics模型还考虑了投资组合中不同债务人资产之间的相关性。为求不同债务人资产之间的相关度，该方法先构造不同国家产业之间的相关度模型，使用各个国家证券市场的综合指数和行业指数来进行分析。然后根据每个债务人在国家和产业中的参与程度，分配权重。运用指数相关度和权数一道就可以计算债务人之间的相关度了。Credit Metrics模型是第一个公开提供的用于投资组合信用风险度量的方法。J. P. Morgan还发布了基于此方法的Credit Manange模型工具来进行投资组合信用风险的管理，形成了一套非常完整的信用风险度量和管理框架。但该方法中有以下问题需要进一步讨论：第一，模型中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，不是固定不变的，在经济高速增长阶段，违约率较低；而在经济衰退时期，违约率则很高。第二，模型假定资产收益服从正态分布，它是进行模拟的基础，但资产收益的实际分布有待进一步研究。第三，模型中假定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，该假设有待进一步验证，模型计算结果对于这一假定的敏感性很高。第四，模型中假定无风险利率是固定不变的，影响投资组合价值的只有各种信用事件，市场风险对于投资组合价值没有影响。以下两个模型也同样假设没有市场风险。
2.4.2 KMV模型
Credit Metrics模型中，认为同一信用等级公司违约概率相同，不同信用等级公司违约概率是历史数据平均值，这两个假设对于计算结果的精度影响较大。KMV公司提出的模型不使用信用评级机构提供的统计数据来确定违约概率。它对每一公司分别使用默顿的违约证券估价模型来确定其实际违约概率，模型中违约率是公司资本结构、资产收益波动率和公司当前资产价值的函数。该方法定义了期望违约频率EDF（Expected Default Frequency）概念，每一公司有自己独特的EDF。模型认为EDF值充分反映了公司信用利差、信用等级等市场信息。计算EDF分为三个阶段：首先估计公司资产价值和公司资产波动率；其次计算违约距离DD（Distance to Default），它是用指数形式表示的违约风险值；最后使用KMV违约数据库将DD转化为EDF。以下具体说明EDF计算过程。
PV为债券现值，LGD为违约时的损失，Ci为现金流，Qi是累积风险中性EDF，对EDF进行修正后得到。式中第一项为无风险部分现值，第二项为信用风险部分现值。KMV模型不对整个投资组合价值进行模拟计算，而是用分析方法求解投资组合价值分布。KMV模型假定充分分散化的投资组合，其损失分布是反正态分布，从而求得一定置信度下的损失值La。
2.4.3 基于精算方法的Credit Risk+模型
CreditRisk+模型使用保险精算的计算框架来导出投资组合损失。该方法只对违约风险进行建模，而不考虑信用等级变化。
由于每一次违约损失额不一样，对于整个投资组合来说，损失分布将不再遵循泊松分布。为求得损失分布，CreditRisk+模型先将投资组合中每笔贷款风险暴露按大小分组，组内贷款暴露相同，因此，每组损失分布将遵循泊松分布，然后将各组损失汇总，就得到整个投资组合的损失分布。 CreditRisk+模型还分析了投资组合多期情形下的损失分布和违约率随机变化下的损失分布。该方法明显优点是数据需求少，主要输入数据仅为贷款违约率、违约率波动率和风险暴露，但主要不足有：第一，由于忽略了信用等级变化，因而每笔贷款信用风险暴露在计算期间内固定不变，这与实际情况不够符合。第二，分组时，对每笔贷款暴露进行近似，从而将高估投资组合损失的方差。第三，违约率波动率不能直接获得，需要用结构模型从其它市场数据中获得。
2.4.4 结 论