3.2 信用风险计量
信用风险计量是现代信用风险管理的基础和关键环节。信用风险计量经历了从专家判断法、信用评分模型到违约概率模型分析三个主要发展阶段，特别是《巴塞尔新资本协议》鼓励有条件的商业银行使用基于内部评级体系的方法(InternaRating-Based Approach)来计量违约概率、违约损失并据此计算信用风险对应的资本要求，有力地推动了商业银行信用风险内部评级体系和计量技术的深入发展。
商业银行对信用风险的计量依赖于对借款人和交易风险的评估。《巴塞尔新资本协议》明确要求，商业银行的内部评级应基于二维评级体系：一维是客户评级，另一维是债项评级。
3.2.1 客户信用评级
1. 客户信用评级的基本概念
客户信用评级是商业银行对客户偿债能力和偿债意愿的计量和评价，反映客户违约风险的大小。客户评级的评价主体是商业银行，评级目标是客户违约风险，评价结果是信用等级和违约概率(PD)。
(1)违约的定义
根据《巴塞尔新资本协议》的定义，当下列一项或多项事件发生时，债务人即被视为违约：
①商业银行认定，除非采取追索措施，如变现抵押品(如果存在的话)，借款人可能无法全额偿还对商业银行的债务。
②债务人对于商业银行的实质性信贷债务逾期90天以上(含)。若债务人超过了规定的透支限额或新核定的限额小于目前余额，各项透支将被视作逾期。
③以下情况将被视为可能无法全额偿还债务：
银行停止对贷款计息;
在发生信贷关系后，由于信贷质量出现大幅度下降，银行冲销了贷款或计提了专项准备金;
银行将贷款出售并相应承担了较大的经济损失;
银行同意消极债务重组，由此可能发生较大规模的减免或推迟偿还本金、利息或费用，造成债务规模减少;
就借款人对银行的债务而言，银行将债务人列为破产企业或类似的状况;
债务人申请破产，或已经破产，或处于类似状态，由此将不履行或延期偿还银行债务。
(2)违约概率
违约概率是指借款人在未来一定时期内发生违约的可能性。在《巴塞尔新资本协议》中，违约概率被具体定义为借款人内部评级1年期违约概率与0.03%中的较高者。巴塞尔委员会设定0.03%的下限是为了给风险权重新定下限，也是考虑到商业银行在检验小概率事件时所面临的困难。
违约概率的估计包括两个层面：一是单一借款人的违约概率;二是某一信用等级所有借款人的违约概率。《巴塞尔新资本协议》要求实施内部评级法的商业银行估计其各信用等级借款人所对应的违约概率，常用方法有历史违约经验、统计模型和外部评级映射三种方法。
与违约概率容易混淆的一个概念是违约频率，即通常所说的违约率。违约频率是事后检验的结果，而违约概率是分析模型作出的事前预测，两者存在本质的区别。
与违约概率容易混淆的另一个概念是不良率，使不良债项余额在所有债项余额的占比，二者不具有可比性。
2.客户信用评级的发展
(1)专家判断法
即专家系统(Expert System)，是商业银行在长期经营信贷业务、承担信用风险过程中逐步发展并完善起来的传统信用分析方法。
①与借款人有关的因素：
声誉(Reputation)
杠杆(Leverage)
收益波动性(Volatility of Earnings)
②与市场有关的因素
经济周期(Economic Cycle)
宏观经济政策(Macro-Economy Policy)
利率水平(Leveof Interest Rates)
目前所使用的专家系统，其中，对企业信用分析的5Cs系统使用最为广泛。5Cs系统指：
品德(Character)
资本(Capital)
还款能力(Capacity)
抵押(Collateral)
经营环境(Condition)
除5Cs系统外，使用较为广泛的专家系统还有针对企业信用分析的5Ps系统和针对商业银行等金融机构的骆驼(CAMEL)分析系统。
5Ps包括：个人因素(PersonaFactor)、资金用途因素(Purpose Factor)、还款来源因素(Payment Factor)、保障因素(Protection Factor)、企业前景因素(Perspective Factor)。
骆驼(CAMEL)分析系统包括：资本充足性(CapitaAdequacy)、资产质量(Asset Quality)、管理水平(Management)、盈利水平(Earnings)流动性(Liquidity)。
专家系统的突出特点在于将信贷专家的经验和判断作为信用分析和决策的主要基础，这种主观性很强的方法/体系带来的一个突出问题是对信用风险的评估缺乏一致性。此外，尽管专家系统在银行业的长期发展和实践中已经形成了较为成熟的分析框架，但专家系统缺乏系统的理论支持，尤其是对关键要素的选择、权重的确定以及综合评定等方面更显薄弱。因此，专家系统更适合于对借款人进行是和否的二维决策，难以实现对信用风险的准确计量。
(2)信用评分法
信用评分模型是一种传统的信用风险量化模型，利用可观察到的借款人特征变量计算出一个数值(得分)来代表债务人的信用风险，并将借款人归类于不同的风险等级。
背景知识：信用评分模型
20世纪60年代，信用卡的推出促使信用评分技术取得了极大发展，并迅速扩展到其他业务领域。奥而特曼(Altman，1968)提出了基于多元判别分析技术的Z评分模型;马丁(Martin，1977)、奥尔森(Ohlson，1980)和威金顿(Wiginton，1980)则首次运用Logit模型分析企业破产问题。
信用评分模型的关键在于特征变量的选择和各自权重的确定。基本过程是：
①首先，根据经验或相关性分析，确定某一类别借款人的信用风险主要与哪些经济或财务因素有关，模拟出特定形式的函数关系式;
②其次，根据历史数据进行回归分析，得出各相关因素的权重;
③最后，将属于此类别的潜在借款人的相关因素数值代入函数关系式计算出一个数值，根据该数值的大小衡量潜在借款人的信用风险水平，给予借款人相应评级并决定贷款与否。
存在一些突出问题：
①信用评分模型是建立在对历史数据(而非当前市场数据)模拟的基础上，因此是一种向后看(Backward Looking)的模型。
②信用评分模型对借款人历史数据的要求相当高。
③信用评分模型虽然可以给出客户信用风险水平的分数，却无法提供客户违约概率的准确数值，而后者往往是信用风险管理最为关注的。
(3)违约概率模型
违约概率模型分析属于现代信用风险计量方法。其中具有代表性的模型有穆迪的RiskCalc和Credit Monitor、KPMG的风险中性定价模型和死亡率模型，在银行业引起了很大反响。
《巴塞尔新资本协议》也明确规定，实施内部评级法的商业银行可采用模型估计违约概率。
与传统的专家判断和信用评分法相比，违约概率模型能够直接估计客户的违约概率，因此对历史数据的要求更高，需要商业银行建立一致的、明确的违约定义，并且在此基础上积累至少五年的数据。
3. 法人客户评级模型
(1)Altman的Z计分模型和ZETA模型
Altman(1968)认为，影响借款人违约概率的因素主要有五个：流动性(Liquidity)、盈利性(Profitability)、杠杆比率(Leverage)、偿债能力(Solvency)和活跃性(Activity)。Altman选择了下面列举的五个财务指标来综合反映上述五大因素，最终得出的Z计分函数是：
X1=(流动资产-流动负债)/总资产
X2=留存收益/总资产
X3=息税前利润/总资产
X4=股票市场价值/债务账面价值
X5=销售额/总资产
作为违约风险的指标，Z值越高，违约概率越低。此外，Altman还提出了判断企业破产的临界值：若Z低于1.81，在企业存在很大的破产风险，应被归入高违约风险等级。
1977年，Altman与Hardeman、Narayanan又提出了第二代Z计分模型——ZETA信用风险分析模型，主要用于公共或私有的非金融类公司，其适应范围更广，对违约概率的计算更精确。
ZETA模型将模型考察指标由五个增加到七个，分别为：
X1：资产收益率指标，等于息税前利润/总资产。
X2：收益稳定性指标，指企业资产收益率在5～10年变动趋势的标准差。
X3：偿债能力指标，等于息税前利润/总利息支出。
X4：盈利积累能力指标，等于留存收益/总资产。
X5：流动性指标，即流动比率，等于流动资产/流动负债。
X6：资本化程度指标，等于普通股/总资本。该比率越大，说明企业资本实力越强，违约概率越小。
X7：规模指标，用企业总资产的对数表示。
(2)RiskCalc模型
RiskCalc模型是在传统信用评分技术基础上发展起来的一种适用于非上市公司的违约概率模型，其核心是通过严格的步骤从客户信息中选择出最能预测违约的一组变量，经过适当变换后运用Logit/Probit回归技术预测客户的违约概率。
①收集大量的公司数据;
②对数据进行样本选择和异常值处理;
③逐一分析变换各风险因素的单调性、违约预测能力及彼此间的相关性，初步选择出违约预测能力强、彼此相关性不高的20～30个风险因素;
④运用Logit/Probit回归技术从初步因素中选择出9～11个最优的风险因素，并确保回归系数具有明确的经济含义，各变量间不存在多重共线性;
⑤在建模外样本、时段外样本中验证基于建模样本所构建模型的违约区分能力，确保模型的横向适用性和纵向前瞻性;
⑥对模型输出结果进行校正，得到最终各客户的违约概率。
(3)Credit Monitor模型
Credit Monitor模型是在Merton模型基础上发展起来的一种适用于上市公司的违约概率模型，其核心在于把企业与银行的借贷关系视为期权买卖关系，借贷关系中的信用风险信息因此隐含在这种期权交易之中，从而通过应用期权定价理论求解出信用风险溢价和相应的违约率，即预期违约频率(Expected Default Frequency，EDF)。
(4)KPMG风险中性定价模型
风险中性定价理论的核心思想是假设金融市场中的每个参与者都是风险中立者，不管是高风险资产、低风险资产或无风险资产，只要资产的期望收益是相等的，市场参与者对其的态度就是一致的，这样的市场环境被称为风险中性范式。KPMG公司将风险中性定价理论运用到贷款或债券的违约概率计算中，由于债券市场可以提供与不同信用等级相对应的风险溢价，根据期望收益相等的风险中性定价原则，每一笔贷款或债券的违约概率就可以相应计算出来。
(5)死亡率模型
死亡率模型是根据贷款或债券的历史违约数据，计算在未来一定持有期内不同信用等级的贷款或债券的违约概率，即死亡率，通常分为边际死亡率(MarginaMortality Rate，MMR)和累计死亡率(Cumulated Mortality Rate，CMR)。
4. 个人客户评分方法
按照国际惯例，对于企业的信用评定采用评级方法，而对个人客户的信用评定采用评分方法。由于个人客户数量众多，历史信息的规律性强，因此主要采用基于历史数据统计的评分模型计量个人客户的信用风险。
参照国际最佳实践，个人客户评分按照所采用的统计方法可以分为回归分析、K临近值、神经网络模型等;按照评分的对象可以分为客户水平、产品水平和账户水平，按照评分的目的可以分为风险评分、利润评分、忠诚度评分等;按照平分的阶段则可以分为拓展客户期(信用局评分)、审批客户期(申请评分)和管理客户期(行为评分)。
(1)信用局评分
这一阶段常用的模型有：
①风险评分，预测消费者违约/坏账风险的大小;
②收益评分，预测消费者开户后给商业银行带来潜在收益;
③破产评分，预测消费者破产风险的大小;
④其他信用特征评分。
(2)申请评分
申请评分模型通过综合考虑申请者在申请表上所填写的各种信息，对照商业银行类似申请者开户后的信用表现，以评分来预测申请者开户后一定时期内违约概率，通过比较该客户的违约概率和商业银行可以接受的违约底线来作出拒绝或接受的决定。
信用局风险评分模型和收益评分模型是很有价值的决策工具，与申请评分模型具有互补性，可以组成二维或三维矩阵来进行信贷审批决策。不同的是，申请评分模型是商业银行为特定金融产品的申请者量身定做的，能够更准确、全面地反映商业银行客户的特殊性，而且可以利用更多的信息对客户将来的信用表现进行预测;而信用局评分模型通常是对申请者在未来各种信贷关系中的违约概率作出预测。
(3)行为评分
行为评分被用来观察现有客户的行为，以掌握客户及时还款的可信度。
5.客户评级/评分的验证(Validation)
(1)客户违约风险区分能力的验证
期基本原理是运用多种数理分析方法检验评级系统对客户是否违约的判断准确性。
(2)违约概率预测准确性的验证(校正)
其基本原理是运用统计学中的假设检验，当实际违约发生情况超过给定阈值，则拒绝原假设，认为PD预测不准确。常用方法有：二项分布检验，检验给定年份某一等级PD预测准确性;卡方分布检验，检验给定年份不同等级PD预测准确性;正态分布检验，检验不同年份同一等级PD预测准确性;扩展的交通灯检验，检验不同年份不同等级PD预测准确性。