浅析商业银行的信用风险管理

开篇：润墨网以专业的文秘视角，为您筛选了一篇浅析商业银行的信用风险管理范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

中图分类号：F832 文献标识：A 文章编号：1009-4202（2010）12-070-01

摘 要 作为金融核心的商业银行，它们的安全运行对整个经济的发展起着至关重要的作用，本文通过对商业银行信用风险的分析，给出我国在此方面的现状及对策，以促进商业银行更加稳健的发展。

关键词 信用风险 定量分析 商业银行

一、商业银行信用风险度量方法评析

（一）定性分析方法

1．专家分析方法。专家评价法是一种最古老的信用风险分析方法，它是商业银行在长期的信贷活动中所形成的一种行之有效的信用风险分析和管理制度。各银行分别采用 “5C”、“5W”、“5P”的分析方法，银行的信用分析人员根据各种考量目标进行综合评估来决定是否给予发放贷款。如“5C”法中，包括品德、担保、资格能力、资金实力、经营状况这几个考核目标。

2．评级法。美、日等国对商业银行的信用风险评级方法有五大类指标，简称为“CAMEL（骆驼评级法）”，即资本充足率（Capital）、资产质量（Asset）、管理水平（Management）、盈利水平（Earnings）和流动性（Liquidity），以这些指标来衡量信用等级。而我国自1998年起，实行五级分类标准，即正常类、关注类、可疑类、次级类、损失类。

（二）定量分析法和模型

1．VaR方法的理论探讨。VaR（在险价值，或风险值）指在正常的市场条件下，在给定的置信水平w%和持有期t内，某一投资组合预期可能发生的最大损失。所谓在某投资组合95%置信度下的VaR，就是该投资组合收益分布中左尾5%分为点所对应的损失金额。

2．KMV模型。该模型是从受信企业股票市场价格变化的角度来分析该企业信用状况的。该模型把贷款看作期权，公司资产价值是公司股票和债务价值之和，当公司资产价值低于债务面值时，发生违约，债权人相当于卖空一个基于公司资产价值的看涨期权。它首先利用 Black-Scholes 期权定价公式，根据企业资产市场价值、资产价值波动性、到期时间、无风险借贷利率及负债账面价值估计出企业股权市场价值及其波动性，再根据公司负债算出公司违约实施点，然后计算借款人违约距离，最后根据企业违约距离与预期违约率（EDF）之间的对应关系，求出企业预期违约率。

此外还有Credit Risk+模型、Creditmetrics模型、死亡率模型都是国际上较流行的信用风险度量方法。

二、我国商业银行信用风险管理的现状

（一）信用风险量化技术有待改进

我国商业银行缺乏科学的信用评级方法。目前我国银行使用的打分法，从表面上看是数据指标的评定，有一些定量的意味。但实质上，它对权重的确定缺乏客观的依据。“打分法”需要对影响信用的定量和定性的各种因素（如负债比例、盈利水平、企业素质等）给予一定的权重。而我国的做法很难客观地确定每一个因素固定的权重，自然难以准确地反映评级对象的信用风险。

（二）存在运用模型进行计量时数据库的瓶颈制约问题

在进行现代商业银行风险管理过程中，数据的充足性与否将直接决定各模型的作用效果，从实证检验来看，样本大小更成为决定模型结果的关键。国际研究领域对该问题有深刻的认识，目前的做法便是尽量扩大样本数据库来保证数据质量，如KMV公司在实际工作过程中，为了更快速地得到不同企业的EDF值，已经建立起来了大规模的世界范围内的企业数据库，尤其是不同行业EDF值的数据库是其模型可靠性的主要保障。而目前我国商业银行风险管理工作中的数据基础却很不理想，我国数据缺失情况较为严重。由于我国目前实行的是分业经营的金融体制，也尚未实现资本项目的可自由兑换，我国商业银行经营过程中外汇头寸和证券头寸很少或没有；同时，不同商业银行，尤其是国有商业银行与股份制商业银行之间的客户信用状况标准不同；此外，我国数据虚假情况也时有表现。因此，根本无法达到各种成熟的量化方法的要求。

三、我国商业银行进行信用风险管理的对策

（一）应用现代信用风险度量模型

KMV模型创新的引入期权思想解决违约问题，从借款企业股权持有者角度考虑借款偿还的动力问题，并利用公开股市信息为债务信用风险度量服务。但它只偏重对违约的预测，不考虑信用等级变化；并且它借用股票市场价值作为公司市场价值，不一定适用于发展中国家的新兴股票市场。我国的股市不是一个有效市场，上市公司股票价格常背离公司实际价值，从而影响模型预测的精确性。

分析研究表明，较其他模型而言，KMV 模型在我国具有一定适用性，且随着我国资本市场逐步成熟和完善，及企业数据库建设和信息公开披露制度的建立健全，该模型在我国的应用具备一定可行性。我们应加强对 KMV 模型的理论研究，对 KMV 模型进行适当修正，以使其能符合中国企业特性、适应中国国情，准确识别中国企业信用风险，对我国银行信用风险管理发挥作用。

（二）建立商业银行客户信用基础数据库

商业银行自身系统需要建立具备一定规模和效率要求的数据库基础，必须充分利用整个社会信用体系的发展来完善其基础工作。如参照国际标准建立各银行间的行为准则，包括“数据公布特殊标准”（SDDS）、“数据公布通用系统”（GDDS）等。具体方式可以通过增加数据库中风险分析因素，建立一套完整和连续的风险预警数据库。风险分析数据库应主要包括：①宏观经济信息，包括经济发展规划、社会消费、固定资产投资和进出口贸易等；以及国家有关财政、金融、社会环境、经济发展等外贸、外资等方面的政策法规。②中观经济信息：包括地区的自然资源、方面的数据信息；以及行业产品结构、技术动态、投资重点、生产规模、财务标准等。③微观经济信息，包括企业技术装备、组织管理、财务状况、产品市场供求及价格变动等。

参考文献：

[1]卜壮志.从美国次贷危机看我国商业银行房贷风险管理.经济纵横.2007.

[2]贺东辉.VAR模型在银行信用风险管理中的应用分析.现代金融.2005(7).

[3]张德栋.次贷危机及对商业银行信用风险管理的启示.经济师.2008(10).

[4]赵丹,陈哲.基于Mat lab 计算的KMV 模型在商业银行信用风险管理中的应用.

[5]张东,魏巍.前车之鉴,后事之师――从国外银行危机看中国银行业风险管理.商业文化•学术探讨.