,欢迎光临!退出
加入收藏设为首页请您留言
您当前位置:网站首页 >> 金融风险 >> 商业银行 >> 我国商业银行信贷风险管理分析

我国商业银行信贷风险管理分析

2011-10-13 07:12:58 来源:财会通讯 浏览:632
内容提要:本文在分析国外在信贷风险评估方法上创新、应用及其发展趋势的基础上,结合内部评级的国际经验,分析了我国商业银行在信用风险管理方式、控制手段和管理框架上的不足,提出了建立内部评级体系的一系列措施,以期为我国金融机构信贷风险管理提供一些有益的参考。

    一、信用评级相关研究成果综述 
   
  (一)财务指标变量预测企业经营危机的起源最早运用单一财务指标变量预测企业经营危机的研究,始于1930年代的Smith&Winker(1930、1935)。Fitzpatrick(1932)进行单变量破产预测研究,选择了19家公司作为样本,运用单个财务比率指标将样本划分为破产和非破产两组,发现判别能力最高的是净利润,股东权益和股东权益,负债两个比率。1966年由威廉,比弗(WilliamBeaver)沿着该思路继续研究。Beaver(1966)应用统计方法研究1954~1964年期间的79家失败企业,并以单变量分析法建立财务危机预测模型。发现有些财务比率在两组公司间确有显著不同,其中“现金流量,负债总额”是预测经营失败的最佳指标,其次为“资产负债率”以及“资产报酬率”。笔者认为,Beaver用单一的财务指标变量来判别企业的违约概率这样的复杂层面分类存在问题,因为企业违约概率的影响因素是多层面,仅用一个指标来判断未免偏颇。 

  (二)多元线性判别分析模型典型的代表是美国的爱德华·阿尔特曼博士(Edward Airman)著名的Z-score模型和ZETA信用风险模型。多元线性判别分析模型是研究对象所属类别进行判别的一种统计分析方法,该方法是从若干表明观测对象特征的变量值(财务比率)中筛选出能提供较多信息的变量并建立判别函数,使推导出的判别函数对观测样本分类时的错判率最小。Airman(1968)是率先将多变量分析用于预测财务困境公司,提出了著名的z一8COle模型。其过程包括各种可选函数(包括每个自由变量的相对贡献的判决)的统计显著性的观测;相关变量的相关关系评价;各种变量组合预测精度的观测;专家的意见。作者早在1968年对美国破产和非破产生产企业进行观察,采用了22个财务比率经过数理统计筛选建立了著名的5变量Z-score模型,最后选出了最具解释力的5个财务指标,分别是营运资金/总负债、保留利润/总资产、息税前利润/总资产、权益市价/总负债、销售收入/总资产财务比率。根据比率对借款还本付息的影响程度确定变量权重,最后将每一个比率乘以相应权重后相加,最后结合成一个线性模型,被定名为z-score模型。1977年Altman对此模型进行了修正和扩展,建立了ZETA信用风险模型,模型变量由5个变为7个。对于此种不同期间导致模型的差异,Altman认为是由于企业环境的改变而需要使用不同的财务变量,且财务预警模型也可能因使用不同期间的财务报表而有差异。 

  (三)多元回归模型来判别企业违约的代表Horrigan(1966)使用多元回归模型预测Moody与S&P的评级,对各个不同的等级赋予主观数值,如Aaa为9,A a为8,最低为c,数值为1,依次类推,最后的回归模型包括总资产、债券顺位、营运资金,营运收入、净值,负债,净值周转率与净利率等。其预测的正确率对Moody为58%,S&P为52%。其次West也使用多元回归模型,利用其预测Moody与S&P的投资级债信评级,将Fisher(1959)用以估计风险溢价的自变量建立一个多元回归模型,针对Moody评级在B级以上的公司建立等级决定模型,其变数包括9年的获利变异性、偿债期间、负债权益比率与在外流通的债券总额等,正确率为62%。相对前述的危机预测,两者的准确率均不高,原因之一是前述的预测只有两类,非高即低,债券等级预测却可能多达9个等级,在其他条件固定下预测正确率下降属必然。 

  (四)神经网络分析法对财务危机进行预测虽然神经网络的理论可追溯到上个世纪40年代,但在信用风险分析中的应用还是始于上个世纪90年代。神经网络是从神经心理学和认识科学研究成果出发,应用数学方法发展起来的一种并行分布模式处理系统,具有高度并行计算能力、自学能力和容错能力。神经网络的结构是由一个输入层、若干个中间隐含层和输出层组成。国外研究者如Altman,Marco和Varetto(1995),对意大利公司财务危机预测中应用了神经网络分析法。Coats,Pant(1993)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了预测,取得了一定的效果。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,因此应用受到了限制。Altman(1995)在对神经网络法和判别分析法的比较研究中得出结论:神经网络分析方法在信用风险识别和预测中的应用,并没有实质性的优于线性判别模型。但神经网络作为一门崭新的信息处理科学仍然吸引着众多领域的研究者。 

  (五)财务因素的可量化性、数据的可获得性使其在传统的信用评估研究中受到广泛的关注由于财务因素在银行信用评估分析中存在滞后性、灰色性(财务报表披露的信息很大程度上带有不完整性,甚至虚假性)和短期性等诸多弊端,已有越来越多的学者将部分注意力转移到非财务因素上。认为借款企业不是处于一个封闭的系统中,必然还要受到外部因素的影响和制约,认为非财务因素是未来贷款风险的预警信号,因此,同时结合财务因素和非财务因素比仅用其中任一因素在违约率预测上更为精确。巴塞尔银行监督委员会(2001)要求银行不仅要考虑定量因素,还要考虑定性因素。《巴塞尔新资本协议》于2004年正式公布,其推广实施将对全球银行业的发展格局产生深远影响。新协议对银行风险管理提出了更高要求,强调了风险计量的精确性、敏感性和标准化,突出了内部评级法(Internal Ratings-Based Approaches,IRB)的地位和作用。正如巴塞尔委员会主席卡如纳所说,内部评级法作为新资本协议的核心技术,代表着未来银行业风险管理和资本监管的发展方向。内部评级系统所提供的违约概率(PD)、违约损失率(LGD)、预期损失(EL)以及非预期损失(UL)等关键指标,在授信审批、贷款定价、限额管理、风险预警等信贷管理流程中发挥着重要的决策支持作用。同时,该系统的计量分析结果也是制定信贷政策、计提准备金、分配经济资本以及实施RAROC管理的重要基础。 
   
  二、国有商业银行信贷风险评级中的问题分析 
   
  (一)信用评级指标体系的组成有待进一步深入研究目前国有商业银行使用的评级指标体系中选择的各项指标大多是通过内部从事信贷管理的专家确定的,属于专家意见法,缺乏对于各项指标能否灵敏反映借款企业违约率、企业信用水平的定量化研究。此外,科学的评级指标体系应该能够全面而不冗余、重复的反映评级对象的风险信息,仅通过专家意见法确定的评级指标体系难以实现这一目标。 

  (二)信用评级指标权重缺乏科学性目前评级方法中主要依靠专家的经验,即专家对各项指标相对重要性的认识,确定指标的各自权重,通过主观意见确定权重形成的评级办法在科学性与客观性方面都存在问题,影响了评级结果的准确性,因此科学合理的确定评级指标权重,提高评级结果的准确性是目前需要解决的重要问题。 

  (三)国内信用评级方法存在缺陷国内学者和专业人士提出的贷款信用评级方法主要包括信用评分法,综合评判法,判别分析法和神经网络预测法等,这些方法存在的主要缺陷:一是评级指标和权重的确定缺乏客观依据,基本依靠专家意见法确定,主观性较强,某些研究虽然应用了数理统计方法,但存在不能很好的解决反映风险有关信息重叠与遗漏矛盾等方面的向题;二是模型只能对是否违约进行判断,不能给出贷款违约概率等信息;三是由于模型不能给出贷款违约概率等信息,难以指导信贷定价等控制信用风险的工作;四是神经网络方法存在的黑箱性、过分拟合不稳定性、随机性,可能实现局部最优而非全局最优,因此这种方法的应用性受到不少人特别是实务界的怀疑。 

  (四)商业银行缺乏有效的信用风险防范和控制手段在信用风险防范和控制手段上,我国商业银行没有建立起分产品、分部门、分客户的核算机制和以内部资金转移价格为中心的定价体系。贷款审查通常是以定性分析为主,缺少市场细分,盲目吸纳大型客户,没有清晰的市场风险、行业风险和地区风险控制的政策目标。在信用风险发生后又急于抽回贷款,方式、方法过于简单,容易造成企业经营困难,甚至导致企业破产和银行不良贷款的积累。另外,我国信用评级行业尚处在起步阶段,存在问题较多,整体上难以达到国际上认可的技术和管理标准。健全的风险管理框架是实现全面风险管理的前提。国外银行通过引进内部评级制度,对信用风险进行识别、评估和分类,并由风险管理委员会等专职机构来统筹信用风险管理政策的执行和协调。而国内银行此方面管理职责分散,缺乏专门的管理部门,而且不同类型的风险由不同的部门负责。这种分散管理的做法,使得银行系统缺乏统一的风险管理战略和政策,高层管理者更是无法清楚了解银行面临的整体风险状况。同时,分散管理还使得有些信用风险因无人管理而陷入真空状态。另外,我国商业银行现行的组织管理结构为典型的“金字塔”式结构,在实践中存在管理层次多、决策滞后、风险集中、代理成本过高等问题,纵向过长的代理链条加上商业银行过大的规模使得信息传递和决策渠道存在过多环节,极易形成银行内部委托代理链条上的信息不对称,难以有效防范信用风险的发生。 
   
  三、国有商业银行内部评级体系构建的整体思路和方法步骤 
   
  (一)整体思路关于内部评级体系的建设,我国商业银行在借鉴国外成功经验的同时,还应坚持以下基本原则:一是配套建设原则。新资本协议所要求的内部评级法不是简单地开发一套评级系统,而要将内部评级方法和系统工具切实运用到业务流程中去,使之发挥决策支持作用,所以IRB实施过程中应坚持管理制度与系统平台同步推进、配套建设的原则。二是自主开发原则。尽管巴塞尔协议将内部评级法作为资本监管的主要方式,但就内部评级体系而言必须是银行从事风险管理的工具,具有较强的针对性和特定性。内部评级体系只有与银行自身业务特点相匹配,才能发挥风险指引的作用。因此,具备条件的银行应立足于自主研发,同时辅之以外部技术支持。三是持续优化原则。随着银行业务不断丰富和发展,信用风险的范围和特点也在发生变化,对内部评级体系必须不断加以改进和完善,以适应日益提高的风险管理要求。为此,银行应配备一支专业化队伍和专门的机构,负责内部评级体系的运行、维护、升级和创新。从国外同业的评级经验来看,对借款人的财务分析是获得初始评级的关键,也是贷款风险评级方法的核心内容,非财务因素的分析使用的定性分析相对较多,凭借信贷专家的经验进行的主观判断较多按照上述步骤进行的贷款人信用评级与国内的前期相关研究相比,采用了贷款数据资料进行分析,克服了不少研究采用证券市场而非信贷数据构建判别模型对贷款信用风险进行预测,对模型准确性产生的影响;主成分分析和因子分析解决以往研究中存在的指标反映信贷风险信息重叠与遗漏,以及不能科学确定指标体系中各指标权重的问题。此外,与以往没有实现与贷款违约概率挂钩的评级研究成果相比,这种研究方法由于能够预测贷款的违约率,因此,可以更好地指导信贷定价等控制信用风险工作。与国外相关研究成果相比,上述方法克服了Altaman的Z模型和Zeta模型只能对贷款是否违约进行区分,难以预测贷款违约率的缺陷。与一些评级机构评级方法相比也更有针对性,国外相关研究成果,现代信贷风险模型依靠的主要数据来源是穆迪、标准普尔等权威机构公布的相关信息,这些机构的评级主要是针对股票、债券进行的,存在遗漏贷款企业重要风险信息等方面的问题,其应用效果不如内部评级系统。而上述方法直接应用商业银行的贷款数据资料进行分析,方法的准确性将有所保证。 

  (二)方法步骤 首先,应逐步建立与内部评级相配套的组织体系。我国商业银行应根据业务发展需要,组织协调相关的业务管理部门,研究制定内部评级在信贷政策、产品定价、限额管理、准备金计提、经济资本分配、绩效考核、资本充足率测算等方面应用与管理制度,逐步建立与内部评级系统相配套的组织体系。一是建立独立的内部评级部门。该部门在组织架构和人事任免上应独立于决策者和发放贷款的部门,以保证评级结果的客观性;二是建立合理的内部评估程序,确立风险管理标准、信息披露制度、评级认定程序等,以便银行首先对其面临的风险有正确判断,并在此基础上及时进行评估;三是建立内部评级监督部门,在内部评级部门外部设立监督部门,以便定期对评级结果进行检验,从而对内部评级部门形成制衡作用。其次,应该在引进国外先进计量管理工具的基础上实现自主创新。目前国外许多优秀的数学模型,如ALTMAN、穆迪RISKCAL以及标普MEU等,在国际银行业内部评级中受到广泛认同。但这些模型大都偏重财务分析,有的甚至大量引入利率、汇率、股价等市场价格变量,所以对我国商业银行未必适用。在建立内部评级体系时,我国既要借鉴国外模型的理论、方法和设计思路,又必须结合本国实际,研究开发自己的模型框架和参数体系。由于国内银行的数据数量与质量普遍不容乐观,因此需要慎重地考虑模型建设的方法。如可以先从主观模型(主观评分卡)人手,到专家经验模型再到数量统计模型。在模型的应用过程中既要充分考虑到业务人员的信贷风险意识、对于模型的接受程度、财务数据的真实性、数据积累存量,也要综合经济周期、利率市场化进程、行业特点、市场竞争态势、企业产权结构、区域风险差别等因素的影响。因此,这就需要对模型采取比较灵活的使用方法、如模型评级决定权(由客户经理还是信贷审批人员提供权重),模型输入信息的复核与把关,评级结果的修改与认定等都需要反复平衡、慎重考虑,做到既能保证模型运用的严肃性,同时也不会影响业务开展的灵活性。再次,加快个人和企业信息数据库的建立和完善。使用计量管理工具会更加合理、有效地评估信用风险,但是由于在计量管理模型建立过程中,涉及的信息量大、来源渠道不同、运算程序复杂,所以计算效果很大程度上依赖基础信息的真实性和完整性。如在新资本协议有关文件中,也曾明确提出了对于数据库和相关业务系统的要求。国际经验表明,大多数银行在内部评级系统建立中,都将主要精力花费在数据收集和整理上。反观我国商业银行,数握储备严重不足,且数据缺乏规范性、质量不高,这些问题如不及早解决,将严重制约内部评级系统的应用。为此,商业银行要加快数据整理和补录工作,注意收集有关借款人的相关信息,包括借款人的历史违约情况,同时建立并实行严格、一致的数据标准,制定数据质量管理规章,确保数据的及时性、准确性和全面性。最后,加大人力资源投资力度,积极培育高级专业人才。内部评级系统和方法属于各银行的商业机密,是具有较高技术含量的方法论集成。尽快培养、建立适用于风险分析的专业化人才队伍,对于内部评级体系的建设、实施和维护具有重要意义。要对专业人员结构不断进行优化,对现有人员作定期培训,促使其知识体系及时更新,确保内部评级的先进性和实用性。

发表评论
网名:
评论:
验证:
共有0人对本文发表评论查看所有评论(网友评论仅供表达个人看法,并不表明本站同意其观点或证实其描述)
赞助商链接
关于我们 - 联系我们 - 免责申明 - 人才招聘 - 战略合作