论文部分内容阅读
【摘 要】对信贷资产证券化过程中的各种风险进行识别、分析及管理、控制是金融监管的客观需要。本文拟运用CreditRisk+模型对信贷资产证券化的最主要风险--信用风险进行实证分析，并在此基础上提出运用此模型管理与控制信用风险的建议，希望能对信贷资产证券化信用风险的管理与控制提供一种新思路。
【关键词】信贷资产证券化；信用风险；CreditRisk+模型
信贷资产证券化是自20世纪70年代以来世界金融领域中最重要、发展最迅速的创新之一。它将金融机构中缺乏流动性的资产转换成流动性的证券，以此增加资产的流动性、提供新的投融资渠道、分散风险以及优化配置资源。风险问题是任何金融的核心问题，信贷资产证券化在具有重要经济效益的同时，风险也是并存的。信用风险是信贷资产证券化过程中的基本的和主要的风险，本研究利用CreditRisk+模型的特点和优势，在实例分析的基础上，提出了运用此模型管理与控制信贷资产证券化信用风险的策略，以期为推进信贷资产证券化，以及此过程中的信用风险防范和化解提供一些思路。
一、信贷资产证券化信用风险的定义及其特征
信用风险也称违约风险，是指交易过程中一方的不履约对另一方造成损失的可能性，反应在借贷关系中，即债务人不如期向债权人偿还债务而引起的债权人损失的可能性。信贷资产证券化的信用风险有以下特征。（1）综合性。信用风险是自然灾害风险、政治风险、技术风险、市场风险等各种类型风险的综合体现。各种类型的风险最终都表现为交易过程中的违约，通过信用风险体现出来。（2）扩散性和传递性。信用风险极易形成一个“信用风险链”，即交易中一方的信用风险有可能引起另一方的信用风险；而另一方的信用风险又可能引起另一方的信用风险，表现出信用风险的不断扩散和传递。（3）累积性。由于信用风险的传递性和扩散性特点，一方的信用风险可能导致与其相关的各方的信用风险，这样累积的总的信用风险迅速增大，有时会产生信用危机。（4）突发性和隐蔽性。信用风险可以通过“借新债还旧债”等方式得到暂时缓解，这样风险被隐蔽，等显现出来时，让人觉得风险是突发的。（5）不确定性。任何风险都具有不确定性，信用风险受参与各方经营能力、努力程度、个人品格等各种主观因素的制约，其不确定性更大。
二、CreditRisk+模型的适用性及优势
Creditrisk+模型是1996年瑞士信贷分行金融产品部推出的信用风险管理模型。该模型基于保险精算的方法，忽略债务人的资产结构、资产价值的降低、信用等级变化对资产价值的影响等因素，只考虑违约风险，认为债务人只有违约和不违约两种状态，重在分析资产组合的统计学特点。Creditrisk+模型将各类违约事件模型化为有一定概率分布的连续变量，计算违约的概率。利用各个频度的违约概率分布加总后得出贷款组合的损失分布。与其他模型相比，CreditRisk+模型更适用于测算和控制信贷资产证券化的信用风险，其优势主要表现在：（1）CreditRisk+模型抓住了违约事件的本质特征。CreditRisk+模型着眼于经验主义和实用主义，没有对违约事件的成因作任何假设，只考虑了信用风险，紧紧抓住了证券化过程中违约事件的本质特征。违约事件一般较少，且发生的概率有较大的随机性，这样一来，先前观测所得的违约率在不同时间段可能会有明显的波动，CreditRisk+模型通过引入违约率的波动性来解决此问题。（2）计算便捷是CreditRisk+模型的一大亮点。CreditRisk+模型所需的指标非常少，只需输入两个变量——每笔债券的预期违约率和风险敞口即可，不需信用等级转换矩阵或有关利率期限结构的信息，它的拓展模型也只需增加一些对宏观因素的影响的考虑即可。CreditRisk+模型的这种便捷性有助于金融机构进行更深入细致的分析工作，有助于CreditRisk+模型在信用风险管理和控制中的进一步推广应用。（3）模型的计算结果十分漂亮。CreditRisk+模型通过一个概率生成函数，对贷款组合损失的概率分布有封闭解，因而计算时不需要运用模拟技术，计算速度较快。此外，这样不仅能够降低数字计算带来的误差，还能够分析债券/信贷组合由于某个债务人的加入带来的边际风险。综上所述，CreditRisk+模型具有适用性广、对数据要求相对较少、计算效率高等特点，在信贷资产证券化过程中基础数据不足的情况下，对于信贷资产证券化资产池信用风险的测算和管理控制而言，CreditRisk+模型是较为合适的选择。
三、应用creditRisk+模型管理与控制信贷资产证券化信用风险的案例分析
（1）样本的选择。笔者模拟一个由130笔信贷资产证券化构成的资产池，资产池是由各企业的贷款构成的，这些企业主要包括电信、电力、煤电油运、基础设施、制造业、化工业、高科技行业等十余个行业。这些行业集中于公用行业但行业性质又较分散，可在某种程度上规避行业的周期性风险，减少信用风险；资产包跨越北京、重庆、上海等19个省市，区域分布较广，可在一定程度上避免由区域性经济衰退带来的信用风险；此外，债权异质化使得各债务人相互关联较少，一个债务人违约，对别的债务人没有大的影响。由此可以看出，该资产池贷款质量比较高，证券化产品资产池中的信贷资产属于优质资产。（2）CreditRisk+模型相关参数的确定。一是确定风险衡量期间。一般而言，风险衡量期间不能比应用风险减轻技术的时间短，且一般的会计期间为一年，故本文采用通用标准，将风险衡量期间确定为一年。二是确定违约率及违约波动率。根据信贷资产证券化的规定将原始债务人逾期归还本金或利息视为违约。对于违约率及违约波动率，数据来源于《信贷资产证券化质量监测表》。按照不同贷款方式和不同级别对资产池的每个季度进行统计，然后将季度数据换算成年度数据。（3）运用模型对资产池的违约损失分布的计算。首先对单笔信贷资产信用风险运用BP神经网络检验法进行测算，将测算结果输入CreditRisk+模型，便可计算出资产池中各笔信贷资产的预期违约损失、风险贡献和资产池的预期违约损失分布，如图1所示：
图１ 资产池的预期违约损失分布
结果显示：在130笔信贷资产中，风险贡献最大的3笔资产的风险贡献为363万、260万与1112万。如果将这3笔资产进行处理，如与债务人或当地政府进行更深入的沟通、对各种处置手段进行综合使用，或直接将这3笔风险贡献最大的资产从资产池中移除，将会大幅降低资产池的风险。我们试用CreditRisk+模型对资产池进行信用风险的管理和控制：将上面三笔风险贡献最大的资产从资产池中除去，就构建了一个只包含127笔信贷资产的新的资产池，运用CreditRisk+模型对其进行重新估计，新的资产池的风险贡献数据、预期违约损失及其预期违约损失分布如图2所示。
图２ 新资产池的预期违约损失分布
将以上两图进行对比，我们可以看出，将3笔风险贡献最大的资产从资产池中除去后，余下的127笔资产数据不变，但重新应用CreditRisk+模型测算新的资产池，余下的127笔资产的风险贡献与之前是完全不同的。这是因为将该3笔资产从原资产池中移除后，新资产池对于其他127笔资产的持有部位的比例也跟着改变，且每笔资产对于资产池风险的影响程度亦不相同，因此造成127笔资产风险贡献的改变。由上述的风险管理过程中可知，转变为新资产池后，预期违约损失减少了39万元。此外，将该3笔资产从原资产池中移除后，新资产池的预期违约损失变动率为26.5％，预期违约损失分布的99％损失水平临界值变动率为6.39％，表明此风险管理过程对资产组合预期违约损失的影响大于预期违约损失分配的99％损失水平临界值的影响，且新资产池所需要的经济资本也有显著的改变。
四、CreditRisk+模型在信贷资产证券化信用风险管理与控制中的应用建议
从以上的实证分析可知，CreditRisk+模型可以较为容易地计算单笔不良资产的边际风险贡献，因而可以更加直接地识别高风险资产，有助于资产池的优化以及风险管理。和传统的专家打分法相比，CreditRisk+模型可以提供传统方法所不具有的信用风险识别的理念、技术，有助于从更加具体和深入的角度去测算信用风险。加强CreditRisk+模型在信贷资产证券化信用风险管理中的应用。通过以上我们的案例分析表明，CreditRisk+模型分析、控制信贷资产证券化过程中的信用风险方面效果较佳。因而，在信贷资产证券化过程的实践中，可从如下方面入手引入CreditRisk+模型，以便为证券化过程中信用风险的评估的顺利高效展开及信用有效管理打下坚实基础：（1）利用CreditRisk+模型加强行业分析与监测工作。行业分析是识别行业信用风险的重要基础。泉州地区商业银行应加强对当地重点行业，特别是各家商业银行信用敞口占比高、高波动性行业的深入研究与跟踪监测，准确把握行业走势，及时识别具体行业的信用集中风险。（2）着力提升行业信用风险度量水平。离开科学的风险度量，对行业信用风险的有效管理则根本无从谈起。泉州地区商业银行应对此高度重视，利用CreditRisk+模型计算行业预期损失、非预期损失以及风险调整后收益，据此计提拨备、确定经济资本，进而衡量风险大小、设定行业信用限额、对不同行业进行绩效评价等。（3）综合利用各种管理手段与工具。信用衍生产品的产生为信用风险管理提供了新的工具，可以有效地分散和转移商业银行信用风险。因此，泉州地区商业银行也应积极尝试资产证券化、信用衍生工具等新兴风险转移或对冲工具，为今后实现积极主动的行业信用组合管理积累经验。
因此，在引进、使用CreditRisk+模型的同时，构建优良的信贷文化成为泉州地区商业银行风险管理在未来发展和竞争中的现实抉择。
参考文献
[1]林清泉，王振.信用风险管理方法[J]．金融研究．2006（2）：16～21
[2]邢佳菲．银行信贷资产证券化的风险分析与防范[D]．2007年河北工业大学硕士学位论文
[3]赵旭．信贷资产证券化的违约风险分析[J].商业研究．2006（20）：148～151
[4]梁琪．商业银行信贷风险度量研究[M]．北京：中国金融出版社，2005（5）
[5]张森．商业银行信贷风险管理——模型、方法与建议[M]．上海：上海财经大学出版社，2005：67～69
[6]陈洪.资产证券化的运行机制及风险防范．商业时代．2007（2）：76
【关键词】信贷资产证券化；信用风险；CreditRisk+模型
信贷资产证券化是自20世纪70年代以来世界金融领域中最重要、发展最迅速的创新之一。它将金融机构中缺乏流动性的资产转换成流动性的证券，以此增加资产的流动性、提供新的投融资渠道、分散风险以及优化配置资源。风险问题是任何金融的核心问题，信贷资产证券化在具有重要经济效益的同时，风险也是并存的。信用风险是信贷资产证券化过程中的基本的和主要的风险，本研究利用CreditRisk+模型的特点和优势，在实例分析的基础上，提出了运用此模型管理与控制信贷资产证券化信用风险的策略，以期为推进信贷资产证券化，以及此过程中的信用风险防范和化解提供一些思路。
一、信贷资产证券化信用风险的定义及其特征
信用风险也称违约风险，是指交易过程中一方的不履约对另一方造成损失的可能性，反应在借贷关系中，即债务人不如期向债权人偿还债务而引起的债权人损失的可能性。信贷资产证券化的信用风险有以下特征。（1）综合性。信用风险是自然灾害风险、政治风险、技术风险、市场风险等各种类型风险的综合体现。各种类型的风险最终都表现为交易过程中的违约，通过信用风险体现出来。（2）扩散性和传递性。信用风险极易形成一个“信用风险链”，即交易中一方的信用风险有可能引起另一方的信用风险；而另一方的信用风险又可能引起另一方的信用风险，表现出信用风险的不断扩散和传递。（3）累积性。由于信用风险的传递性和扩散性特点，一方的信用风险可能导致与其相关的各方的信用风险，这样累积的总的信用风险迅速增大，有时会产生信用危机。（4）突发性和隐蔽性。信用风险可以通过“借新债还旧债”等方式得到暂时缓解，这样风险被隐蔽，等显现出来时，让人觉得风险是突发的。（5）不确定性。任何风险都具有不确定性，信用风险受参与各方经营能力、努力程度、个人品格等各种主观因素的制约，其不确定性更大。
二、CreditRisk+模型的适用性及优势
Creditrisk+模型是1996年瑞士信贷分行金融产品部推出的信用风险管理模型。该模型基于保险精算的方法，忽略债务人的资产结构、资产价值的降低、信用等级变化对资产价值的影响等因素，只考虑违约风险，认为债务人只有违约和不违约两种状态，重在分析资产组合的统计学特点。Creditrisk+模型将各类违约事件模型化为有一定概率分布的连续变量，计算违约的概率。利用各个频度的违约概率分布加总后得出贷款组合的损失分布。与其他模型相比，CreditRisk+模型更适用于测算和控制信贷资产证券化的信用风险，其优势主要表现在：（1）CreditRisk+模型抓住了违约事件的本质特征。CreditRisk+模型着眼于经验主义和实用主义，没有对违约事件的成因作任何假设，只考虑了信用风险，紧紧抓住了证券化过程中违约事件的本质特征。违约事件一般较少，且发生的概率有较大的随机性，这样一来，先前观测所得的违约率在不同时间段可能会有明显的波动，CreditRisk+模型通过引入违约率的波动性来解决此问题。（2）计算便捷是CreditRisk+模型的一大亮点。CreditRisk+模型所需的指标非常少，只需输入两个变量——每笔债券的预期违约率和风险敞口即可，不需信用等级转换矩阵或有关利率期限结构的信息，它的拓展模型也只需增加一些对宏观因素的影响的考虑即可。CreditRisk+模型的这种便捷性有助于金融机构进行更深入细致的分析工作，有助于CreditRisk+模型在信用风险管理和控制中的进一步推广应用。（3）模型的计算结果十分漂亮。CreditRisk+模型通过一个概率生成函数，对贷款组合损失的概率分布有封闭解，因而计算时不需要运用模拟技术，计算速度较快。此外，这样不仅能够降低数字计算带来的误差，还能够分析债券/信贷组合由于某个债务人的加入带来的边际风险。综上所述，CreditRisk+模型具有适用性广、对数据要求相对较少、计算效率高等特点，在信贷资产证券化过程中基础数据不足的情况下，对于信贷资产证券化资产池信用风险的测算和管理控制而言，CreditRisk+模型是较为合适的选择。
三、应用creditRisk+模型管理与控制信贷资产证券化信用风险的案例分析
（1）样本的选择。笔者模拟一个由130笔信贷资产证券化构成的资产池，资产池是由各企业的贷款构成的，这些企业主要包括电信、电力、煤电油运、基础设施、制造业、化工业、高科技行业等十余个行业。这些行业集中于公用行业但行业性质又较分散，可在某种程度上规避行业的周期性风险，减少信用风险；资产包跨越北京、重庆、上海等19个省市，区域分布较广，可在一定程度上避免由区域性经济衰退带来的信用风险；此外，债权异质化使得各债务人相互关联较少，一个债务人违约，对别的债务人没有大的影响。由此可以看出，该资产池贷款质量比较高，证券化产品资产池中的信贷资产属于优质资产。（2）CreditRisk+模型相关参数的确定。一是确定风险衡量期间。一般而言，风险衡量期间不能比应用风险减轻技术的时间短，且一般的会计期间为一年，故本文采用通用标准，将风险衡量期间确定为一年。二是确定违约率及违约波动率。根据信贷资产证券化的规定将原始债务人逾期归还本金或利息视为违约。对于违约率及违约波动率，数据来源于《信贷资产证券化质量监测表》。按照不同贷款方式和不同级别对资产池的每个季度进行统计，然后将季度数据换算成年度数据。（3）运用模型对资产池的违约损失分布的计算。首先对单笔信贷资产信用风险运用BP神经网络检验法进行测算，将测算结果输入CreditRisk+模型，便可计算出资产池中各笔信贷资产的预期违约损失、风险贡献和资产池的预期违约损失分布，如图1所示：
图１ 资产池的预期违约损失分布
结果显示：在130笔信贷资产中，风险贡献最大的3笔资产的风险贡献为363万、260万与1112万。如果将这3笔资产进行处理，如与债务人或当地政府进行更深入的沟通、对各种处置手段进行综合使用，或直接将这3笔风险贡献最大的资产从资产池中移除，将会大幅降低资产池的风险。我们试用CreditRisk+模型对资产池进行信用风险的管理和控制：将上面三笔风险贡献最大的资产从资产池中除去，就构建了一个只包含127笔信贷资产的新的资产池，运用CreditRisk+模型对其进行重新估计，新的资产池的风险贡献数据、预期违约损失及其预期违约损失分布如图2所示。
图２ 新资产池的预期违约损失分布
将以上两图进行对比，我们可以看出，将3笔风险贡献最大的资产从资产池中除去后，余下的127笔资产数据不变，但重新应用CreditRisk+模型测算新的资产池，余下的127笔资产的风险贡献与之前是完全不同的。这是因为将该3笔资产从原资产池中移除后，新资产池对于其他127笔资产的持有部位的比例也跟着改变，且每笔资产对于资产池风险的影响程度亦不相同，因此造成127笔资产风险贡献的改变。由上述的风险管理过程中可知，转变为新资产池后，预期违约损失减少了39万元。此外，将该3笔资产从原资产池中移除后，新资产池的预期违约损失变动率为26.5％，预期违约损失分布的99％损失水平临界值变动率为6.39％，表明此风险管理过程对资产组合预期违约损失的影响大于预期违约损失分配的99％损失水平临界值的影响，且新资产池所需要的经济资本也有显著的改变。
四、CreditRisk+模型在信贷资产证券化信用风险管理与控制中的应用建议
从以上的实证分析可知，CreditRisk+模型可以较为容易地计算单笔不良资产的边际风险贡献，因而可以更加直接地识别高风险资产，有助于资产池的优化以及风险管理。和传统的专家打分法相比，CreditRisk+模型可以提供传统方法所不具有的信用风险识别的理念、技术，有助于从更加具体和深入的角度去测算信用风险。加强CreditRisk+模型在信贷资产证券化信用风险管理中的应用。通过以上我们的案例分析表明，CreditRisk+模型分析、控制信贷资产证券化过程中的信用风险方面效果较佳。因而，在信贷资产证券化过程的实践中，可从如下方面入手引入CreditRisk+模型，以便为证券化过程中信用风险的评估的顺利高效展开及信用有效管理打下坚实基础：（1）利用CreditRisk+模型加强行业分析与监测工作。行业分析是识别行业信用风险的重要基础。泉州地区商业银行应加强对当地重点行业，特别是各家商业银行信用敞口占比高、高波动性行业的深入研究与跟踪监测，准确把握行业走势，及时识别具体行业的信用集中风险。（2）着力提升行业信用风险度量水平。离开科学的风险度量，对行业信用风险的有效管理则根本无从谈起。泉州地区商业银行应对此高度重视，利用CreditRisk+模型计算行业预期损失、非预期损失以及风险调整后收益，据此计提拨备、确定经济资本，进而衡量风险大小、设定行业信用限额、对不同行业进行绩效评价等。（3）综合利用各种管理手段与工具。信用衍生产品的产生为信用风险管理提供了新的工具，可以有效地分散和转移商业银行信用风险。因此，泉州地区商业银行也应积极尝试资产证券化、信用衍生工具等新兴风险转移或对冲工具，为今后实现积极主动的行业信用组合管理积累经验。
因此，在引进、使用CreditRisk+模型的同时，构建优良的信贷文化成为泉州地区商业银行风险管理在未来发展和竞争中的现实抉择。
参考文献
[1]林清泉，王振.信用风险管理方法[J]．金融研究．2006（2）：16～21
[2]邢佳菲．银行信贷资产证券化的风险分析与防范[D]．2007年河北工业大学硕士学位论文
[3]赵旭．信贷资产证券化的违约风险分析[J].商业研究．2006（20）：148～151
[4]梁琪．商业银行信贷风险度量研究[M]．北京：中国金融出版社，2005（5）
[5]张森．商业银行信贷风险管理——模型、方法与建议[M]．上海：上海财经大学出版社，2005：67～69
[6]陈洪.资产证券化的运行机制及风险防范．商业时代．2007（2）：76