ParK's 論文后花園

湖南大学
博士学位论文
基于信用风险测度的商业银行贷款定价研究
姓名：梁凌
申请学位级别：博士
专业：金融学
指导教师：彭建刚
20090410
博十学位论文
摘要
管理信用风险是商业银行在21世纪的一个重要挑战，银行信用风险管理的重
要工作是对信用风险的度量以及对贷款的定价。本文研究国际现代信用风险度量
模型在我国商业银行贷款信用风险测度中的实践应用问题，并在基于信用风险测
度的基础上，力图建立一套符合中国实际的、可操作的商业银行贷款定价方法，
并解决相应的理论问题。
通过对信用风险测度模型相关概念的梳理和界定，从观测期的选择、信用损
失的衡量方法、信用损失概率密度函数、条件模型与无条件模型、组合信用风险、
违约的相关性等方面，本文对现代信用风险模型进行了比较分析。在风险测度的
指标选取上，作者研究了VaR与CVaR的特性，认为信用风险的传统度量指标VaR
在很多情况下不能体现Markowitz资产组合理论的风险分散化效应，在数学上不
满足次可加性，而CVaR作为风险度量领域的最新进展，正是具备这些特性的风
险度量指标。
商业银行贷款信用风险的测度和风险定价包含交易级与产品级两个层面。从
交易层面来看，依据五级分类次级贷款的核心定义和划入原则以及新资本协议关
于债务人违约的定义，作者认为，银行可以通过贷款迁徙率矩阵来计算各级贷款
的违约概率，据此采用贷款的五级分类形态来标示违约概率，从而解决现阶段信
用等级违约概率数据质量差的问题。此外，在我国信贷文化、司法环境的基础上，
本文还构建了一种抵押品池的综合违约损失率计算模型，可以符合实际地解决违
约损失率的计算问题。在IRB模型的框架下，依据本文所构建的违约损失率模型
和五级分类的违约概率体系对某商业银行贷款进行了信用风险测度的实证，结果
表明，IRB模型法的资本要求在一般情况下要低于银监会“商业银行资本充足率管
理办法”的资本要求。
在核算贷款交易的经济资本成本时，因为实施新资本协议内部评级法前，一
般准备金可以包含在二级资本中，贷款风险所占用的资本金应该覆盖预期损失和
未预期损失两个部分，通过对经济资本度量模型的研究，作者认为采用新资本协
议CP3的版本确定贷款的资本消耗更符合股东的心理。在确定资金成本时，可以
采用资金转移定价(FTP)的方式，将贷款业务难以分析和管理的利率风险分离
出来，通过转移价格的方式将其转移到银行内部其他的专业部门进行管理。
通过对贷款交易风险定价机制的理论探讨和实证研究，作者发现，由于不同
的银行具有不同的运营成本与资金成本，覆盖了资本成本后的贷款风险定价在信
贷市场上会表现出一种“翘板效应”，即经营成本低的银行在对信用等级高的债务
Il
基于信用风险测度的商业银行贷款定价研究
人放贷时有价格优势；相反，经营成本高的银行在对信用等级低的债务人放贷时
有价格优势。在贷款交易风险定价的理论基础上，作者还提出了银行授信边界的
概念，在既定的贷款成本下，贷款利率、信用等级、违约损失率、贷款期限等授
信条件相互制约，共同构成银行的授信边界。通过实证研究，利用利率等高线在
RAROC三维授信曲面上标示出了授信边界的形状。
从产品级的层面来看，本文研究了商业银行零售业务贷款的聚合信用风险，
系统性地建立了基于特征函数的聚合信用风险模型，解决了传统的CreditRisk模
型在违约率可变的条件下聚合信用风险无解的缺陷。在运用特征函数聚合信用风
险模型的基础上，使用VaR和CVaR两种风险测度指标，作者对商业银行零售贷
款的一种产品进行了风险定价的实证，实证说明，如果需经济资本保持不变，CVaR
使用的置信度f要小于VaR使用的置信度口，两者的关系r=2口．1是偏于保守的
估计。
关键词：商业银行；贷款；信用风险；经济资本；风险定价
III
博上学位论文
Abstract
Managing credit risk is an important challenge for commercial banks in 2 1瓢
century,and the essential work of bank credit risk management is to measure credit
risk and to price risk．The paper studies the theoretical and practical issues on applying
international modern credit risk measure models in China’s commercial banks for
credit risk management and loan risk pricing，with the aim to provide all excisable
loan asset credit risk measurement and credit pricing methods those fix Chinese
commercial banks and therefore solve the related theoretical problems．
Through the combing and definition of the credit risk measure model related
concepts，from the selection of observation period，credit loss measure method，credit
lOSS probability density function．eonditional model and unconditional model，
portfolio credit risk，default relativity and SO on，the paper does comparative analysis
on modern credit risk models．In terms of the selection of credit measure index，the
paper studies the characteristics of VaR and CvaR，and points out that the traditional
measurement for credit risk．i．e．VaR can not reflect the Markowitz portfolio risk
diversification effect in a lot of situations and do not satisfy the subadditivity,while
CaR as the new development of risk measurement field is the right risk measurement
processing the above characteristics．
The commercial banks’10an credit risk measurement and risk pricing include two
levels，i．e．transaction level and product level．From the perspective of transaction and
according to the core definition and principles of five-grade loan and new Basel
Accord definition of default，the paper suggests that banks Can use loan transition
matrix to calculate the default probability of each grade，accordingly,the loan’S five
grades can reflect the default probability,therefore the problem of unsatisfied data of
default probability at current stage can be solved．Besides，based on China’S credit
culture and judicature environment，the paper builds a comprehensive default loss rate
model on mortgage pool that practically solves the default loss rate calculation
problem．The default loss rate model and five-grade default probability system built
accordingly and the empirical analysis on a commercial bank’s credit risk
measurement under IRB model framework indicate that the capital requirement
calculated with the modified method proposed by this paper is less than that according
to Measures for the Management of Capital Adequacy Ratios of Commercial Banks
IV
基于信用风险测度的商业银行贷款定价研究
promulgated and implemented by China Banking Regulatory Commission．
As to calculating the economic capital cost of loan transaction，before the
implement of new Basel Accord internal rating-based approach，general reserve is
included in Tier 2 capital，credit risk contained equity consists of expected loss and
unexpected loss．Through the study of economic capital measure model，this paper
believes that adopting new capital accord CP3 version to calculate loan’S capital
consume is more proper for shareholders’sake．Regarding to calculate capital cost，
fund transfer pricing method can be used to separate interest risk that is difficult to
analyze and manage from loan business and transfer it to other specific department to
manage．
With theoretical and empirical study on loan transaction risk pricing，the paper
finds out that due to different operation cost and funding cost，the loan risk pricing
covered capital cost in credit market shows a“seesaw effect”，mat is to say,也ose
banks with low operation cost have the price advantage regarding to debtors with high
credit rating．On the contrary,those banks with high operation cost have the advantage
as to debtors with low credit rating．On the basis of loan transaction risk pricing theory,
the paper proposes the concept of bank credit frontier,with the mutual constrains of
specified loan cost，loan interest，credit rating，default loss rate，loan period and other
conditions，bank credit frontier is built．With empirical study,it describes the frontier
shape on three-dimension surface with interest contour line．
Regarding to the product level，the paper studies the aggregation credit risk of
commercial banks’retail loan and systematically build eigenfunction-based
aggregation credit risk model，solving the drawback that traditional CreditRisk+
model under default probability chan百ng condition can not provide analytic
expression．Based on adopting eigenfunction-based aggregation credit risk model，
with VaR and CvaR，the paper does risk pricing empirical study on one product of
commercial bank’S retail loans and the test shows that if economic capital keeps
unchanged，the confidence level f of CVaR is less than the confidence level口of
VaR，the relationship of f=2口-1 is the conservative estimate of their relationship．
Key Words： Commercial bank；Loan；Credit risk；Economic capital；Risk pricing
V
基于信用风险测度的商业银行贷款定价研究
图1．1
图2．1
图2．2
图3．1
图3．2
图4．1
图5．1
图5．2
图5．3
图7．1
图7．2
图7．3
图7．4
插图索引
技术路线图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．14
市场风险与信用风险损失的概率密度函数形状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．25
KMV违约预测模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯29
损失的概率分布曲线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯46
预期损失，V．aR，CVaR图示⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一47
IRB法模型&资本充足率管理办法的资本要求⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一56
贷款风险定价的“翘板效应”⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯66
贷款风险定价的授信边界(RAROC=25％)⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯68
不同成本下的授信边界(RAROC=25％)⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯69
产品经营费用的分摊流程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一79
人民币贷款FTP定价曲线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．82
置信度99％下创业贷款产品的损失分布⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一84
置信度99．6％下创业贷款产品的损失分布⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一84
IX
博二±：学位论文
附表索引
表2．1 三大评级机构的信用等级级别⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．19
表2．2信用利差表⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．24
表2．3信用风险定量测度模型的综合对比⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．33
表3．1信用等级转移概率矩阵⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．36
表3．2损失概率分布表⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯45
表3．3 CVaR计算示例表⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯46
表4．1 某银行各级贷款形态的违约概率⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一55
表4．2 2007年某银行各月份资本要求对应的不良贷款率⋯⋯⋯⋯⋯⋯⋯⋯⋯56
表5．1 信用等级对应的风险程度⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．63
表5．2一年期贷款的指导利率⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．64
表5．3 调整后的一年期贷款指导利率⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯65
表5．4信用等级与违约概率⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯67
表5．5授信边界关键点⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．68
表6．1 FFT&IFFT算法VS．递归解析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．76
表7．1 境内人民币业务产品FTP定价规则⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯81
表7．2创业贷款违约数据⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．82
表7．3创业贷款产品风险定价成本构成⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．85
X
湖南大学
学位论文原创性声明
本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取
得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何
其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献
的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法
律后果由本人承担。
占月9日
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学
校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被
查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入
有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编
本学位论文。
本学位论文属于
l、保密口，．在年解密后适用本授权书。
2、不保密q。
(请在以上相应方框内打“√”)
作作者者签签名名：：．．■二％弛蟹G 日期：
导师签名：』陋叫日期．
6月》E1
．歹具9 Et
博十学位论文
1．1选题的背景及意义
第1章．绪论
银行业务发展所带来的风险可以分为两个层次的损失，即预期损失(Expected
Loss)和非预期损失(Un．Expected Loss)。预期损失是一般情况下银行在一定时期
可预见到的平均损失，这类损失要通过提取相应的专项拨备来覆盖，并从业务的
收益中作为成本来扣减掉。非预期损失是指超出预见的损失部分，通常描述为在
某一置信度下可能遭受的最大损失，对这部分损失，银行不可能通过日常的成本
抵扣来管理，而必须有充足的资本来覆盖【l】。
在巴塞尔资本协议出台以前，银行资本管理还属于一项相对简单的活动。银
行资本的定义与一般企业几乎一致，即作为资金来源，为银行的商业活动提供必
要的资金，另外还包括为债券人利益提供保护，维持公众信心以防止银行倒闭。
此时期银行的典型战略是资产扩张战略，此战略侵蚀着日益脆弱的资本防线，促
使银行重新考虑资本在防范风险上的重要意义，并推动了巴塞尔资本协议的出台。
巴塞尔资本协议最显著的成果就是第一次确立了国际银行业统一的资本监管原
则，按照协议，银行资本不仅具有上述定义，更强调了其“风险缓冲器”的本质，
即资本被用于充分吸收银行的非预期损失，发挥风险支撑的作用。由于非预期损
失才是银行真正意义上的风险，这一定义从理论上使银行风险与资本建立了直接
而明确的联系，即以资本衡量银行承担风险的水平，实践中则表现为监管资本
(Regulatory Capital)理念的普遍认同和资本充足水平在银行风险管理架构中所
具有的重要地位，覆盖非预期损失所需的资本以风险资本的概念被确认。
然而，随着时间的推移，1988年巴塞尔资本协议的局限性逐渐暴露出来。第
一，对银行业面临的风险理解显得片面，不能真实地反映银行经营面临的各种风
险。虽然1995年的修订加入了有关市场风险的条款，但是协议中突出强调的还是
信用风险，对于市场风险的规定过于笼统，对于银行账面资产的利率风险、操作
风险、流动性风险、法律风险以及名誉风险等非信用风险，或言之不详，或缺乏
可操作性，有的甚至并无提及。第二，存在某些歧视性政策。比如，在计算资本
充足比率时，确认资产(包括对政府、银行、企业的债权)风险权重的大小主要依
据债务人所在国是否为经合组织成员国，成员国的主权风险为零，而非经合组织
的主权风险为20％。第三，原有协议中关于信用风险的计量只采用了基于统一系
数的标准法，缺乏对风险的敏感性。统一的系数不能区分银行风险管理水平的优
劣，对优质银行有失公允。
基于信用风险测度的商业银行贷款定价研究
2004年6月26日，十国集团的中央银行行长和银行监管当局负责人举行会
议，一致同意公布《资本计量和资本标准的国际协议：修订框架》，即新资本充
足率框架，现在普遍称之为“巴塞尔新资本协议’’(本文简称为新资本协议)。
与1988年的资本协议相比，巴塞尔新资本协议弥补了老协议上述的局限性，其“三
大支柱’’的设计更为全面和科学，资本计量方法更加灵活、更具前瞻性，体现了
商业银行加强风险管理体系建设的要求，是全球银行监管者为提高资本监管有效
性所做出的重要努力。新协议的第一支柱“最低资本要求"延续了老协议的基本
思想。第二支柱“外部监管’’则赋予了监管当局评估银行计算方法是否合适、资
本是否充足并对此采取不同行动的权利，反映了监管当局在保证充足的资本方面
发挥着重要作用。对于“市场约束”这个第三支柱，较之以前的讨论稿，信息披露
的范围有所缩小，只集中于核心信息。但在披露的周期等方面强制性规范增加了，
任意性规范相应减少了，如国际活跃银行必须披露其季报等。
就信贷资产的风险而言，新资本协议的一大特点是内部评级法的推出，内部
评级法允许银行使用自己测算的风险要素计算资本要求，即根据债务人的违约概
率(PD)、违约后债项的损失率(LGD)、违约时的风险暴露(EAD)以及债项的到期时
间四个风险要素来计量信用风险。内部评级法又划分为基础内部评级法和高级内
部评级法，在基础内部评级法中，金融机构除根据内部数据测算违约概率(PD)
外，监管当局提供其他所需的风险要素，而高级法中上述风险要素全部由银行自
行测算。
中国银监会于2004年2月颁布实施《商业银行资本充足率管理办法》后，对
国内商业银行明确提出了三年“达标”要求及约束办法： (1)资本充足率于2006
年底必须达到8％的最低要求； (2)三年过渡期内，制定并实施切实可行的分步
“达标”计划；(3)未完成分步“达标”计划的国内商业银行，将在业务、机构发展
等方面受到严格的约束。
进入到2008年，中国银监会为确保2010年底新资本协议如期实施，制定了
第一批新资本协议实施监管指引，有关监管资本的计量方法白银行获得银监会批
准实施新资本协议之日起施行，有关风险暴露分类、内部评级体系、专业贷款评
级、信用风险缓释管理和操作风险管理的监管要求和技术规范自2008年10月1
日起施行。
正值此时，次贷危机引发了人们对新资本协议的忧虑。
上世纪90年代初期，美国政府努力增加居民的住房拥有比例，特别是针对那
些服务不足的人群(Underserved Population)，次级按揭贷款(Subprime Mortgage)
开始起步，并逐步演变为现在的次贷危机，引发了全球金融市场的持续动荡和经
济增长放缓。与此同时，新资本协议也在主要的发达经济体开始实施，金融领域
两个重大事件时间上的耦合使得新资本协议再次成为关注的焦点。新资本协议建
2
博士学位论文
立在国际化大银行先进的风险管理实践基础之上，而曾以风险管理著称的花旗、
瑞银等国际化大银行不仅未能成为抵御次贷危机的中流砥柱，反而蒙受了巨额经
济损失，银行业部分从业人员由此质疑新资本协议制度的合理性和有效性。
从本质上来说，次贷危机是在利率上升、房价下跌的双重压力下，次级按揭
贷款单个借款人违约的信用风险通过住房抵押贷款支持型证券(MBS)等二级市
场逐步演变为系统性风险。在这一过程中，新资本协议的相关各方不仅未能成为
减轻次贷危机的缓冲器和稳定器，反而在一定程度上扮演了推波助澜的重要角色。
其主要表现为：做为被监管的一方，商业银行不仅放宽了房贷授信标准，还开发
了风险较高的贷款产品来满足服务不足人群的需求，扩大了信用风险；商业银行
的全能化发展，使得银行可以通过MBS二级市场购买进行过信用增级的证券，
使本己转移的信用风险循环回归，回归的同时又增加市场风险。而做为监管方，
美国联邦政府对此采取“不干涉”的监管态度。
新资本协议对资产证券化及表外实体实际上提出了明确的资本要求，扩大了
资本对风险的覆盖范围。从资本监管的角度，无论资产证券化的交易结构如何设
计，关键是看风险是否通过资产的真实出售有效地从银行转移出去了。如果风险
得以转移，银行就无需再为这部分资产计提监管资本；如果银行还保留了相当数
量的风险，就必须计提相应的监管资本。次贷危机的根源不是资产证券化，而是
对风险的评估与控制不当，虽然次贷危机中各个利益主体由资产证券化这个纽带
连在一起，并且最终正是资产证券化这个纽带的断裂导致了危机爆发。但是从次
贷危机演变过程及其发生的条件来看，资产证券化并不是危机爆发的根本原因，
危机中被监管方与监管方的同时失位才是根本原因所在，反而进一步凸现了新资
本协议制度的合理性和有效性。新资本协议仍将是银行企业进行利润创造的基本
约束条件，依据新资本协议正确评估银行信贷资产的信用风险并对此进行相应的
风险定价显得尤为重要。
银行赢利的传统考核指标ROE、ROA等会计财务指标是依据会计利润和资
本或资产的账面价值。现代金融理论认为，股东的价值体现在预期收益的现值，
不是账面价值【21；预期收益用现金流来表示，不是会计利润。这就要求银行将风
险带来的预期损失化为当期成本，对当期盈利进行调整，将经风险调整后的收益
大小，实质上也就是预期收益，作为被衡量的目标。而另一方面，银行的非预期
损失来源于其开展的各项风险业务，既然股东的资本以风险资本的形式被用于覆
盖非预期损失，银行的每一笔需要消耗风险资本的业务对股东而言就是用股权资
本对某一风险项目进行的投资，股东就应该要求风险资本的收益率，股东要求的
风险调整后的资本收益率RAROC被定义为：(净收益一预期损失)／风险资本，此
时风险资本就具有了明确的经济意义，因此风险资本又被称为经济资本【31。
RAROC表示特定资产或业务单元在扣除预期损失后的收益与所占用的经济资本
3
基于信用风险测度的商业银行贷款定价研究
IIra
的比值，较好地反映了任何资产或资产组合的资本回报水平。
企业价值或者银行价值，在实践中通常用经济增加值(EVA)表示，即银行
的净资本回报。当资本回报超过资本成本时，银行的经济价值获得提高，相反，
不利于增加银行价值的决策则都应尽力避免。经济增加值可表示为资产的收益在
扣除债务资金成本、经营费用、预期损失和资本成本后的净值。债务资金成本、
经营费用和预期损失可理解为资产所对应的财务成本，与收益之差可表示为净收
益或资本回报，资本成本则可理解为银行资产所占用的经济资本应获得的期望收
益，即资本的机会成本。当资本回报大于资本成本时，特定的资产或业务创造了
新的银行价值，反之，应控制直至停止该项资产或业务。通过资本成本刻画银行
的风险承担，一方面反映银行正在追求可持续的价值观，同时也体现了资本的成
本属性和股东对风险溢价的关心。因此，资本成本就意味着股东因承担资本损失
风险而要求的额外收益，等于特定资产所分配的经济资本与期望收益率的乘积。
实现银行的持续发展和经济价值的增加就至少应解决好三个问题：(1)风险资产
定价能充分反映对应的风险并实现股东的风险溢价，使资产收益可以抵补所有分
配的成本；(2)能够对面临各种风险的各类资产或业务单元进行一致的业绩判断，
获得不同资产或业务单元对经济价值贡献的具体信息；(3)在此基础上确定总体
的以及不同资产或业务单元的风险承担水平，并分配经济资本，继而调整资产或
业务发展结构。
在新资本协议的背景下全面引进经济资本概念，强化资本有限性和有偿使用
的观念，是今后我国银行界运营的基础。事实上，资产风险定价、业绩评估和经
济资本分配的限额管理已成为目前国际银行业风险最优化的基本内容。值此之际，
开展我国商业银行信用风险测度与信贷资产风险定价研究具有非常现实的意见。
1．2文献综述
合理的风险定价是建立在对风险准确度量的基础上，银行贷款所面临的主要
风险是信用风险，故贷款风险定价主要是对贷款资产的信用风险定价，而违约率
和违约损失率(或回收率)是测度信用风险的两个主要参数。所以主要从违约率
和违约损失率、信用风险测度方法、风险定价技术等的研究现状进行文献综述。
1．2．1对违约率研究的回顾
当评估信用风险时，业界习惯将其分为定性与定量的两种方法。信用评级是
定性方法中最主要的一种方法，可被看成是模式识别的分类问题，根据借款人的
财务与非财务状况，从财务指标数据中总结出分类规则，建立评估模型，判别新
样本。尽管有人将这类方法称为“粗暴的经验主义方法”(Friedman，1999)HJ，但在
目前可能是最有效的方法，也是国际金融界和学术界视为主流的方法。一个非常
4
博{：学位论文
重要的事实是评级机构一直坚持评级仅仅是评级，然而评级机构会给出各个信用
等级的违约概率。
信用评级是模式识别的分类问题，其违约率及等级转移是基于对历史数据的
统计。在对违约率进行评估时，自1966年Beaver以单变量切入、1968年Altman
拓展到多变量以来，对企业违约或财务危机加以预测的研究迄今不衰。相关研究
主要集中于定量方法的探索，从最简单的单项财务变量，到多个财务变量共同组
成一个多变量模型，再到其他类型的变量。评估的方法从多元回归模型、多元判
别模型、Logit模型、Probit法、Logistic回归、主成分分析、聚类分析，到数学
规划、贝叶斯决策模型、存活分析等，再到突破传统统计方法的人工智能如专家
系统、神经网络等不断发展。
违约概率评估的单变量分析以Beaver(1966)№】‘‘以财务比率预测经营失败”
的研究为典型代表，被视为企业财务困难预测的鼻祖。Beaver就1954～1964年间
的危机公司随机抽样79个样本，利用配对法为每个样本公司找出一个属于相同产
业、相似规模的正常公司进行比较，以检视14个财务比率于两组公司在失败前5
年的差异程度。研究结果表明，“现金流量／负债总额”是预测经营失败的最佳指标，
其次为负债占总资产的比重以及资产报酬率。
多元判别分析的基本思路是根据已知的违约与非违约(或多个等级)的历史
样本企业，对其进行分类以构成若干个母体，根据母体的特征总结出一个或多个
判别函数的规律，用于对新企业判别。Altman于1968年提出了著名的Z值模型，
1977年对Z值模型进行了修正和扩展，建立了ZETA评分模型【_71。许多金融机构
用它预测信用风险，并取得一定成效。Z值模型和ZETA模型，都是以会计资料
为基础的多变量信用评分模型，由其计算的z值可以反映贷款企业在一定时期内
的信用状况(违约与不违约、破产与不破产)，并且有较强的操作性。然而模型存
在许多不足，首先，模型过分依赖于财务报表的账面数据而忽视各项资本市场指
标，这必然削弱模型预测结果的可靠性和及时性。其次，模型缺乏对违约及违约
风险的系统认识，理论基础比较薄弱，同时模型假设变量之间是相关的，这与现
实不符，从而削弱了预测结果的准确程度。最后，两个模型对某些特定行业企业
不适用，限制了模型的使用范围。类似的研究还包括Horrigan(1966)t引、Carleton
和Lemer(1 969)t9】等。
在多变量的Z值模型之后，数据挖掘，尤其是统计模式的判别进入了一个蓬
勃发展的阶段。Logistics回归模型是计算违约概率的传统工具，基本原理是对已
有客户违约与不违约样本进行0．1分类，选取一定的指标作为解释变量。取得这
些先验数据样本后，将P设为客户违约概率，对Ln(P／(1．P))做Logit变换，建立
线性回归方程进行分析。马丁(Martin)(1977)[10】、奥尔森(Ohlson)(1980)[Il】
和威金顿(Wiginton)(1980)02】均运用了logit分析来解决破产预测问题。除了
5
摹于信用风险测度的商业银行贷款定价研究
Logit分析方法外，许多非参数方法也应用于违约评估，如Lundy(1993)tj41运用聚
类分析方法对消费贷款申请者的信用进行评估；Tam等(1992)【l 5】运用K近邻判
别对样本分类。
神经网络NN做为数据挖掘的一种手段，也是近年来发展起来的一种信用分
析模型，它与非线性判别分析十分相似，对数据的分布要求不严格，也不必详细
表述自变量与因变量之间的函数关系，能有效解决非正态分布、非线性的信用评
估问题。NN在信用风险分析的作用是通过NN的分类功能进行的，即首先找出
影响分类的一组因素，作为NN的输入，然后通过有导师或无导师的训练形成NN
信用风险分析模型。对于新的样本输入，该模型可产生信用风险的判别。在神经
网络应用分析中，大部分研究是将神经网络与其他统计方法如判别分析、Logit
方法相比较。单纯从理论上说，非线性的神经网络方法要优于依赖距离的统计方
法，大部分研究结果也表明神经网络通常优于传统的统计方法，但Altman and
Marco(1994)[17】认为情况不是如此，原因可能是应用了不合理的网络结构和学习算
法，此外，神经网络也存在结构确定的困难、训练效率的问题和收敛性问题。该
模型由于权重分析过程十分复杂且难以解释，银行业务人员很难确定模型是否稳
健，如果神经网络在历史数据上被过度拟合，可能会削弱在新样本上对违约的预
测能力。
贾恩(Jain)、杜因(Duin)和毛(Mao)(2000)[is】发表过一个涵盖统计模
式判别领域最重要和最新成果的简短评述，列出了150多篇最近的研究论文和出
版刊物。之后，大量的新的研究领域，如支持向量机、线性规划等，进一步拓展
了研究的深度。例如，科迪斯(Cortes)和瓦尼克(Vapnik)(1995)[191引入了支持
向量机(Suppor Vector Machines，SVMs)；Doumpos等人(2002)120】应用了线性规
划的方法，把多标准等级判别模型(M．H．DIS)用于希腊商业银行的公司贷款组
合样本来发展信用风险评估模型，同时和一些传统信用风险评估工具进行比较，
证实了这个新的非参数方法在信用风险估计方面是个有效的工具。
前述种种违约的判别方法，重点都不在解释违约的原因。从违约动因出发的
定量分析方法成为了另一个主要的研究方向。基于公司价值的违约模型也被称为
结构模型，违约过程被描述为公司价值恶化的显性结果。它的发展最早要追溯到
期权定价理论(Merton，1974)[21】，美国KMV公司利用期权定价理论创立了违约
预测模型，此模型也称KMV模型(KMV．1993、1996、1997)【22】【23】【24】，主要对
上市公司和上市银行的预期违约率(EDF)进行预测。它首先从公司股票市场价
值、股票价值的波动性及负债的账面价值估计出时间点t的公司资产市场价值VA
及其波动性6A，再由公司长期和短期负债计算出公司的违约点DPT。当资产价值
下降到DPT以下时就会发生违约，并假设资产收益服从对数正态分布。Crouhy
和Galai(1997)[2s】还推导了Merton模型关于信用风险的两个基本成分——违约
6
博士学位论文
概率和违约损失率的隐含假设。根据他们设定的限制性环境，将Melton模型中的
各项重新做了安排，将卖出期权的价值分解成两个部分——以公司在(债务)到
期时破产为条件的预期损失和破产事件的预期概率，而且，违约损失率也是内生
决定的随机变量。
除Merton的结构模型外，另一种就是风险中性模型。风险中性市场是在进行
资产交易的市场上，投资者愿意接受从任何风险资产上可以得到与无风险资产所
承诺的收益相同的预期收益，这样所有资产的价格就可以用无风险利率对资产预
期的未来现金流量加以折现来实现(Ginzberg，Maloney，Wilner，1994)[261。Litterrnan
和Iben(1989)[27】从零息债券价差推导出RN(风险中性)的违约概率，即风险
债券的预期收益率一定等于无风险收益率来测算1年期或n年期违约的风险中性
概率。Delianedis和Geske(1998)【28】做了进一步的研究，把股权看做企业资产价
值的卖方期权，提出了利用期权定价模型将一个风险中性违约概率预测值替换出
来的方法。
另外，与违约率相关的是信用等级(由违约率决定)随时间变化的概率，即
信用等级的转移矩阵。首先，尼克尔(Nickell)、佩劳丁(Perraudin)和瓦洛特(Varotto)
(2000)[29】检验了随着时间、债务人类型和在经济周期中的位置发生变化时转移矩
阵的稳定性。他们的研究基于1970年12月到1997年12月的6534个发行人的样
本，首先计算了整个期间与经济周期无关的转移矩阵，表明级别越低的债券转移
概率的波动性越大。这里计算的转移矩阵与以前研究中得到的转移矩阵不同，以
前的研究采用相同的数据源，但是时间区间不一样[卡蒂(Carty)和丰斯(Fons)，
1993]【30】。这个结果可能使人感到意外，它意味着尽管平均转移矩阵在长期是有
效的，但是一个与经济周期无关的简单的转移矩阵在时间上并不真正具有稳定性【32】。
其次，尼克尔、佩劳丁和瓦洛特(2000)[29】按照债务人的类型和地理位置进
行分析。他们的结论显示转移矩阵在每个大的经济部门内部和地理位置是稳定的。
然而，部门之间的差异很明显，尤其是投资级发行者。研究结果表明，按照部门
分类构成的转移矩阵与全球多部门转移矩阵之间的差异超过5％，级别最高的债
券差异最大。例如，银行的转移波动性就高于公司的波动性(银行更可能改变评
级)，但是大的波动经常发生在工业部门，而不是银行业。
由于衰退期间降级和违约的概率显著增加，因此转移矩阵似乎也依赖于经济
周期。尼克尔、佩劳丁和瓦洛特(2000)[31】根据7国集团的GDP增长率，把1970"-"
1997年分为增长、稳定和衰退。他们观察到的一个结果是，对投资级债券来说，
增长期间的转移波动性远远低于衰退期间的转移波动性。因此，他们的结论是与
经济周期无关的转移矩阵不能被认为是马尔可夫链。在另外一项基于标准普尔数
据的研究中，班吉亚(Bangia)、迪博尔德(Diebold)等(2002)[33】发现独立转
移矩阵的单调性随着时间区间的变长而出现下降的趋势。这也说明转移矩阵是非
7
基于信用风险测度的商业银行贷款定价研究
稳态的。他们的检验表明马尔可夫假设不一定被拒绝，因此他们不像尼克尔、佩
劳丁和瓦洛特(2000)那样坚定地认为转移矩阵不符合马尔可夫性。然而，班吉
亚等人承认人们可以发现转移矩阵内在路径的相关性。例如，过去的降级历史对
将来的转移有影响。由于近来降级的公司未来的违约概率可以增至5倍，因此路
径相关性很重要。
为了进一步调查经济周期对转移矩阵和信用风险VaR值的影响，班吉亚
(Bangia)等(2002)[33】采用了一个148个债券组合的CreditMetries。他们的研
究表明，与增长期间相比，衰退期间所需要的经济资本大大增加。
国内对信用风险的测度研究仍处于发展初期，基本上是沿用国外学者的研究
模式或进行一些比较研究。如王春峰等(1998)134】应用多元线性判别模型对某国
有商业银行的企业客户短期贷款偿还情况进行分类分析，经过主成分分析确定了
5个关键财务比率，把结果与Logit模型进行了预测精度比较，结果显示，在满足
判别分析假设的条件下，两种方法各有优劣，但最终的准确率为90％，是有效的。
于立勇等(2004)[351利用正向逐步选择法构建了信用风险评估指标体系，通过
Logistie回归模型构建了违约概率的测算模型。周勇等(2008)构建一个测度贷
款违约概率的联立双变量Probit模型，实证结果表明，双变量模型的参数估计精
度高于存在样本选择性偏差的单变量Probit模型。王春峰等(1999)【36J对统计方
法(MDNA)神经网络与两者结合的组合预测方法进行信用风险判别结果的比较
研究，结果表明神经网络的误判率几乎在所有情况下都低于统计模型，而组合预
测在所有情况下的误判率都低于统计方法和神经网络方法，显著提高了判别的准
确率，也证明了在理论上组合预测会提高精度的结果。于立勇等(2004)应用逐
步判别分析、Bayes判别模型、神经网络等方法对违约概率与预期损失率进行预
测【371。任兆璋等(2006)[38】对Probit贷款违约概率模型的参数估计进行了研究，
认为联立双变量Probit模型可以很好地解决由样本选择性偏差带来的估计结果不
可靠问题。‘
1．2．2对回收率／违约损失率研究的回顾
除违约概率外，管理信用风险的另一个重要参数是回收率，或称违约损失率
(违约损失率等于1减回收率)。回收率与货币有关，表示货款或债券违约后所能
收回的货币数量与贷款票面价值的百分比。与违约概率表示一个公司的信用价值
不同，违约损失率在大多数情况下指一个投资损失的大小。
在过去的二十几年中，违约概率受到了极大的关注，而回收率的问题在很大
程度上还处于一个未开发的阶段，尤其在美国以外的国家。由于许多资产分类在
二级市场上不存在，因此即使在美国有些信息也不易得到。在《巴塞尔资本协议
II》的银行监管中也强调违约损失率(LGD)的重要性，并鼓励银行或者监管机
8
博士学位论文
构提供更精确的度量方法估计回收率【”l。违约概率与违约损失率的主要区别是，
违约损失率表示的是分布而不是单个的数。回收率的不确定性不但依赖于一些可
计量的事件，而且更依赖于一些模糊因素，如债权人和债务人之间的议价能力等【删。
巴哈(Bahar)和布兰德(Brand)(1998)【41】对美国500多家债券的回收率进
行了广泛的研究，比较了刚刚违约时债券的价格和即将出现违约或清算时债券的
价格，表明对高级债券的回收率来说，后者比前者要高，研究结果还表明：在违
约与出现危机清算的平均时间是2．5年，可以利用这个时间对资产经风险调整后
的收益进行一个适当的折现。
基斯曼(Keisman)和范-德·喀斯特(Van de Castle)(2000)1421更多地关注对
被称为债务垫的优生级连续型度量方法。债务垫是表示公司债务结构对债券回收
率产生影响的一套综合方法。债券债务偿还的优先级越低，这个债券回收率越高。
实际上，与人们关注债券偿还次序的相对位置不同，用债务垫的度量方法更多地
关注较低等级债券的债务数量。基斯曼和范·德·喀斯特研究美国融资性贷款后表
明，当债务垫达到75％或更多时，89％贷款现值的回收率超过90％，但当债务垫
不足20％时，40％贷款现值的回收率低于60％。
对回收率更广泛的研究可以追溯到阿特曼(Altman)和基什乐(Kishore)
(1996)[431。他们计算出每个行业回收率的均值和标准差，指出行业间和行业内
存在很大的差异。在所有行业回收率的均值中，公共设施回收率的均值是最大的，
我们对这个结果应该不感到惊奇，在许多其他关于回收率的研究中也给出了类似
的结果。
Izvorski(1997)[44】指出了影响行业差异的三个最重要的因素：有形资产的报
废，行业的增长和行业的密集程度。竞争力强的行业可用较高的赫芬达尔
(Hertindahl)指数度量，其回收率也高。容易再利用的资产具有较高的清算价值，
也有助于提高回收率。
回收率的大小与发行者的资产价值相关，因此它对经济状况的变化很敏感。
艾伦(Allen)和桑德斯(Saunders)(2003)[45】考察了信息风险各种要素的周期效应，
指出虽然直觉上和一些经验证据表明违约损失率应该具有周期性，但在最具有商
业化的信用风险组合管理工具包中都假设违约损失率由外生因素决定，因此工具
包中并没考虑违约损失率的影响。
在信用风险管理模型中，信用风险管理者常把违约概率和回收率看作是相互
独立的，然而在某种程度上，同一个宏观经济变量对违约概率和回收率都产生影
响【461，因此可以很自然地假设它们之间存在共同变化。阿特曼(Altman)、雷斯
蒂(Resti)和斯罗尼(Sironi)(2002)[47】研究了违约和回收率之间的联系，表明历史
上较高的违约概率对应着较低的回收率。直觉上确实如此，当经济进入衰退期时，
违约率增加，这将导致投资和需求低迷时期大量资产在市场上被清算，而这时清
9
基于信用风险测度的商业银行贷款定价研究
算资产的价格比增长时期的价格肯定要低。弗莱伊(2000a)[48】指出，违约损失
率和违约概率之间的联系部分是由于衰退时期价格下降、违约概率居高不下造成
的。抵押品贬值的结果表明是抵押设备回收率的下降。这给“懒惰的银行”发出一
个明显的信号，使银行对抵押贷款的监控更加严密。
贾诺(Jarrow)(2001)【49】提出了一个在定价模型中利用股权来分离违约概率
和回收率这两个要素的方法，如绝大多数附属债务在违约时股权的回收率等于零。
从证券中得到相关回收率的正确信息可使我们计算出发行者的违约概率，然后再
得到资本结构中其他金融工具的回收率。违约概率与回收率存在内在的联系，
Altman(2005)[so】系统性的分析了这种关联。
巴克什(Bakshi)、马旦(Madan)和张(Zhang)(2001)【5l】利用简化模型对
公司债券价格数据支持哪个回收率假设进行了经验性的检验。他们建立一个灵活
的债券定价模型，以便能考虑回收率与面值的比例、回收率与国库券的比例和回
收率与市场价值的比例三个回收率的假设。在BBB级公司债券的样本中，他们发
现对回收率与面值折现比例(国库券回收率假设)假设的支持比对其他两个假设
的支持更好，其结果有较低的平均误差和标准差。
1．2．3对组合信用风险模型研究的回顾
前人在理论方面对定性或者定量获得违约概率、违约损失率方面进行了大量
的研究。然而银行在实务中不会停留于此。他们需要将违约概率、违约损失率等
组成一个风险模型，以推导出管理银行风险的一些重要经济指标，如经济资本或
者组合损失等。
CreditMetricsTM(J．P．Morgan，1997)[s3】是1997年JP．Morgan银行邀请美
洲银行、BZW、德意志摩根建富、瑞士银行公司以及KMV公司共同研制的信用
风险度量模型。模型使用信用等级转移矩阵表现违约概率和信用等级的转移概率，
通过仿真多变量正态分布的风险因子，使用者可以计算出信用风险的VaR值。其
公开的技术文档也讨论了一些重要的非标准工具(如衍生品)风险的度量。
KMV公司的PortfolioManagcr模型非常类似于CreditMetfiesTM模型。然而与
CreditMetricsTM模型不同的是，PorffolioManager模型是一个只关注违约损失的违
约模型。波恩(Bohn)和基尔霍夫(Kealhofer)(2001)[54】对这个模型进行了详细的
介绍CreditPortfolioViewTM，简称CPV模型，是麦肯锡公司的产品。同
CreditMetricsTM一样，CPV模型不仅关注违约分析，也关注联合的条件违约概率
分布以及评级转移概率分布。不过，与其他模型相比，在CPV模型中，决定违约
概率的不是资产价格、经验参数或随机的模拟结果，而是类似GDP增长率、失业
率、利率汇率、政府支出等这样的宏观经济变量。有关这个模型的主要参考文献可参
见威尔森(Wilson)(1997a,1997b．1997C'1998)[ss】以及麦肯锡(MeKinsey，1998)酬。
lO
博上学位论文
目前，很少有商业信用风险模型能给出信用风险的解析解，CreditRisk+模型
是其中一个，然而其解析解仍然具有很强的限制条件【571。关于这个模型的详细介
绍可在瑞士信贷银行金融产品部公开的文件中得至IJ(CSFP，1997)[5s】。
Crouhy等人(2000)【s9】将上面给出的除了CreditPortfo·lioView之外的所有模
型与BIS(1 988)的标准方法进行了比较。这一研究基于一个由1 800种债券构成的
资产组合，它涵盖了13种货币，各种期限和全部信用等级。当资产组合中来自
OECD银行的债券比例很高时，标准方法得出的资本要求低于其他模型。
Gordy(1998，2000)[60】【61】对CreditRisk+和CreditMetricsTM进行了更为精确
的比较。尽管CreditRisk+的简约解析方法和CreditMetricsTM的大型模拟方法之间
看起来存在着根本性的差异，他证明，在限制性假设条件下，每个模型都可以在
教学上映射为其他模型。而且，CreditRisk+看起来对于参数误差更为敏感，尤其
是在违约波动率方面。
L6ffler(2001)【63】进行了KMV式模型与CreditMetricsTM在输入误差敏感性
方面的比较研究。这两个模型共有的两项输入相关性与回收率非常重要。研究表
明，CreditMetricsTM看起来对于回收率误差更为敏感，但是可能对于相关性误差
敏感性较低。作者没有给出差异的系统性检验。
国内对组合信用风险模型作了一些有益的研究，沈沛龙、任若恩(2002)畔】
对CreditMetriesTM模型、KMV模型、CreditRisk+模型、CPV模型等进行了一系
列的比较，研究了理论基础和模型之间的相互关系。陈金贤、王琼(2002)t65】
从期权理论的角度研究了信用风险定价方法及KMV模型。程鹏、吴冲锋、李为
冰(2002)[66】对CreditMetries模型、KMV模型、CreditRisk+模型进行了比较分
析。文忠桥等(2002)167]贝1j对信用风险模型中的违约率测度问题进行了专门的研
究，认为我国实施和推广西方发达国家风险管理系统和技术的条件难度很大。吴
恒煜，等(2005)【68】对不同模型的理论基础、主要观点与基本特征进行了比较分析。
周勇等(2008)【69】利用生存分析方法，对外生组合模型的违约概率进行了估计。
王建伟等(2005)[70】将保险精算的思想引入了操作风险的计量，对信用风险的测
度具有参考意义。
1．2．4对风险定价研究的回顾
从理论上来说，风险导致的收益率差价计算是非常直截了当的。只要计算出
风险收益率与无风险收益率，两者的差额就是差价。但不幸的是，在多数情形下，
即便是公司债券，市场上也并不存在与公司债券特征完全相同的无风险债券。在
结构模型框架下，德利安尼蒂斯(Delianedis)和格斯柯(Geske)(2001)[71】对公
司差价的构成做了详尽的分析，发现Aaa级债券差价中只有5％、Baa级债券差价
中只有22％，归因于违约风险。Longstaff和Schwartz(1995a)172】提出了一个模
基于信用风险测度的商业银行贷款定价研究
型，其中假定信用利差遵循一个外生的随机过程。
Cossin和Hricko(1999)研究了风险抵押对于信用风险的影响，他们分析了
一系列不同情况下存在抵押时的信用风险价值，包括简单设定下的双边违约、随
机抵押、随机利率下的随机债券抵押、连续与离散市价调整以及追加保证金等等。
学术界对无风险利率与差价的相互关系争议颇大，大多数的研究(例如，Duffee，
1998)173】认为两者之间存在负相关关系，它意味着当利率上升(或下降)时，风险收
益率并没有反映利率上升(或下降)的全部影响。莫里斯(Morris)、尼尔(Neal)和罗
尔夫(Rolph)(1998)[74】论证了无风险利率变动对公司差价所产生的负的短期影响
和正的长期影响，这种长短期影响差异可能是由于风险收益率对国债利率变动(短
期影响)的调整过程较慢，但是从长期来看，利率上升与增长回落密切相关，所
以导致违约发生次数和差价的上升。
国内的学者对贷款风险定价也做过一些工作，如魏克薇、谢赤(2004)[76J
研究了贷款利率与无风险利率之间的差额，中国工商银行上海市浦东分行课题组
(1999)[77】分析了银行业现存的几种贷款定价机制，提出要建立内部资金转移定
价系统，对贷款定价实行程序性安排和制度性规定。彭建刚等(2007)[781证明了
RAROC贷款定价方式带来的比较优势。杨立洪等(2007)[79】以股票价格、随机
利率、违约发生的概率作为可转换债券的基础变量，运用无套利定价原理，得出了
可转换债券的信用风险定价公式。唐吉平等(2004)[so】比较分析了三种保险定价
策略，在信用风险度量术的基础上建立了保险费率厘定的模型。
1．3研究方法与研究思路
l-3．1研究方法
本文在研究方法上注意了以下几方面：
1．归纳分析与比较总结相结合的研究方法。本文的主要目的之一是为我国商
业银行贷款提供一套可操作的信用风险测度技术和风险定价方法。而目前国外关
于信用风险模型及相关参数的确定方法相当多，必须对国外的信用风险模型及方
法进行梳理、归纳，然后进行比较分析，再结合我国的实际有所选择地进行改造
和创新，构建适用于我国的商业银行贷款信用风险测度技术和定价方法。论文对
信用风险定性评价方法进行了梳理和归纳，对各类信用风险测度的概念模型及定量
测度方法进行了归纳和比较，为我国商业银行贷款信用风险测度模型的选择提供基
础。此为，还对信用风险测度相关参数的确定方法进行了梳理、归纳和比较分析，
包括违约概率、违约损失率的各种确定方法的比较，信用风险测度指标的选择等。
2．数理推导与实证研究相结合的研究方法。现代信用风险测度和定价技术要
求运用模型来解决问题，本文涉及到较多的数理推导和模型。而构建或选择的模
12
博上学位论文
型是否合理，又必须用实证来检验。如在第六章商业银行零售贷款信用风险测度
研究中采用了特征函数法，运用数理推导研究在违约率不变和可变的情况下聚合
信用风险的模型表达式，并通过有限区间内的数值积分或傅立叶变换与逆变换的
数值算法进行求解，并用具体数据进行了验证。
3．理论研究、实践应用与计算机技术相结合的研究方法。本论文的最大特点
是在理论分析的基础上，强调模型的可运行性，由于信用风险模型比较复杂，本
文以作者十几年的软件开发和银行工作经历，在现代金融理论的指引下，力图实
现理论、实践与计算机技术的结合，本文所有的计算均通过自编的软件来实现，
模型使用的数据均来自于真实的银行实践，使理论分析的结果有了更直观的解释。
1．3．2研究思路
现代信用风险模型在发达国家已经得到了若干年的应用，但我国开展信用风
险计量的研究工作可以说才刚刚起步，由于基础数据的缺乏更加重了应用的难度。
本文研究国际现代信用风险度量模型在我国商业银行信用风险管理应用和贷款风
险定价的理论和实践问题，旨在建立一套符合中国实际的、可操作的商业银行贷
款资产信用风险测度方法和风险定价方法，并解决相应的理论问题。
本论文采用的研究思路是，首先对信用风险测度模型进行梳理和比较分析，
包括定性方法和定量测度模型，重点研究和比较分析CreditMetficsTM模型、
CreditPortfolioViewTM、KMV模型、CreditRisk+模型、风险因素模型和风险中性
(RN)模型等现代信用风险测度模型的原理及适用条件，为我国商业银行贷款信用
风险测度寻找信用风险测度的概念模型。同时，对信用风险测度主要参数的确定
方法进行梳理和比较分析，包括违约概率、违约损失率和违约相关性的确定方法，
以及信用风险测度指标的选择和确定。在上述研究的基础上，结合我国商业银行
的环境与数据状态，选择合适的模型与测度参数。
商业银行贷款信用风险的度量和风险定价包含交易级和产品级两个层面，在
交易层面，本文依据巴塞尔新资本协议，在内部评级法框架内研究商业银行贷款
交易的信用风险测度方法，根据我国商业银行现有的数据状态和和风险管理环境
开展违约概率、违约损失率的研究，并对模型进行实证。考虑到贷款的风险定价
涉及到资金成本，对贷款交易的内部资金转移价格也进行了研究，使贷款的风险
定价具有良好成本构成模式。最后，在交易级信用风险测度的基础上，开展
RAROC定价法下贷款业务交易级风险定价的研究。
另一个研究线索对商业银行零售贷款产品展开。因为产品来源于交易的组合，
所以首先开展了贷款业务聚合信用风险模型研究。在分析零售贷款业务特性的基
础上，确定零售贷款的违约过程。然后创造性地采用特征函数法，刻画零售贷款
业务在不同违约方式下的信用风险测度模型。在产品聚合信用风险测度的基础上，
13
基于信用风险测度的商业银行贷款定价研究
再确定产品的运营成本和资金成本的核算方式。最后，通过实证分析验证模型的
合理性和有关风险测度指标的参数假设。
最后，通过交易级和产品级两个层面的信用风险测度与两个层面的风险定价
研究最终形成本文的研究结论。研究的技术路线图见图1．1。
图1．1技术路线图
14
博l：学位论文
1．4主要创新点
论文的主要创新点如下：
1．提出了一个保险精算框架下，在违约率不变和可变情况下聚合信用风险测
度的完整模型。
CreditRisk+模型是外生类模型的代表，使用概率生成函数法来描述信用风
险，在违约过程服从违约率不变的泊松分布的情况下，可以得到信用风险的递归
表达式，在违约率可变的情况下，模型不能对整个资产组合的信用风险进行完整
的表达。
论文的第六章采用特征函数法，推导出在违约率不变的情况下聚合信用风险
测度模型，以及在违约率可变的情况下聚合信用风险测度模型，而且两种情况下
的聚合信用风险都有完整的模型表达式，并可以通过有限区间内的数值积分或傅
立叶变换和傅立叶逆变换的数值算法进行求解。
2．提出了一种符合我国国情的抵押品池综合违约损失率的计算模型。
违约损失率LGD是指债务人一旦违约将给债权人造成的损失数额，即损失
的严重程度。从贷款清偿的角度看，LGD决定了贷款清偿的程度，因为，LGD--1．
清偿率。
论文第四章提出的违约损失率模型，是依据我国商业银行自身信贷审批的管
理原则、资产清收的执行原则以及银行在清收时不可能通过诉讼获利的司法特征
等，首次建立的一种我国商业银行运作规则和法律环境下抵押品池综合违约损失
率的计算模型。
3．发现了贷款风险定价带来的市场“翘板效应”，提出不同经营成本银行在贷
款风险定价中具有比较优势的观点。
本文通过实证研究发现，如果对贷款采用RAROC定价法(在保证相同的
RAROC条件下对任何一笔贷款定价)，经营成本低的银行在对信用等级高的债务
人放贷时有价格优势，可以收取相对(经营成本高的银行)较低的利率，而对于
信用等级低的债务人放贷，则要收取相对较高的利率；相反，经营成本高的银行
在对信用等级低的债务人放贷时有价格优势，可以收取相对(经营成本低的银行)
较低的利率，而对于信用等级高的债务人放贷，则要收取相对较高的利率。
4．提出了具有可操作性的基于贷款风险定价的授信边界的理念，并运用利率等
高线展现了授信边界的三维空间。
银行必需在一定的RAROC水平下控制贷款的逆向选择和道德风险，会形成
带有自身特征的授信边界。也就是说，不同的银行，由于成本不同，对于同一类
贷款产品，其可以接收的抵质押品(抵质押品的构成决定性地确定了违约损失率
的大小)与客户群的范围也是不同的，其不同产品的市场营销策略应该建立在本
15
基于信用风险测度的商业银行贷款定价研究
行授信边界的范围内。
5．提出了一种CVaR置信度f与VaR置信度口在相同经济资本条件下的假设
关系并进行了实证。两者的关系大致为r-'2a—l，且其关系偏于保守，即CVaR
的置信度f无需达到(2口．1)的水平，CVaR值就可达到口置信度下VaR值的水
平。
16
博f+学位论文
第2章信用风险测度模型的评述
银行的基本功能之一就是信用中介，随时面临债务人不能按期还本付息的风
险，有金融业的存在就有信用风险的存在。对信用风险识别和度量的手段，伴随
着技术的发展在不断地发生变化，总的来说，是一个从定性分析逐步走向定量分
析的发展过程。
2．1信用风险的定性评估方法及评述
90年代中期以前的国际银行业、目前我国的大多数银行，都是使用定性的方
法来描述信用风险的相对大小。在这个阶段又经历了几个不同的过程。
2．1．1专家评估法
所谓专家评估就是由信贷专家根据经验来进行信贷的决策，它的典型特征就
是“专家拍脑袋”，信贷审批是一个凭直觉的“是或否”的决策过程一“好”贷款予以
接受，“坏”贷款予以拒绝，造成的损失归罪于错误的判断或变化的环境。
专家评估有两个关键，一是银行的资产质量依赖信贷专家的职业道德；二是
由于信贷专家的产生是通过言传身教的方式，使得师傅带不了那么多徒弟，徒弟
要到达师傅的水平也得个十年八年，限制了专家的数量。此外，难以复制的非标
准化经验也难以保证信贷审批的一致性。
2．1．2信用评级法
通过使用一些辅助的工具来帮助进行信贷决策可以缓解上面的问题，通行的
办法就是总结一下专家的经验，编成一些类似“武功秘籍”的小册子，使更多的人
员能够参与到风险评估的工作中。运用最广的一个小册子就是信用等级评定，它
是运用一定的评级方法，对企业履行相关合同的能力和意愿进行综合评级，并用
简单的评级符号表示其信用风险的相对大小。在各个评级流派中，使用最多的就
是所谓的“5C”法则。
5C评定方法认为，企业信用主要由企业特性、经营能力、资金状况、外部环
境和担保等五个要素所构成。由于描述这五个要素的英语单词首位字母均为C，
故称为5C要素，即企业的品格(Character)、能力(Capacity)、资本(Capital)、担保
品(Collateral)和环境状况(Condition)。其中前三个C是最基本的要素，它们反映
了企业信用的本质特征。
1．品格(Character)。企业品格是指企业在经营活动中的品德、性格、行为和
17
基于信用风险测度的商业银行贷款定价研究
作风，它通过企业管理者的行为，尤其是企业对被授予的信用表现出来的偿还债
务的意愿和诚意，是企业信用中最重要的要素，它在很大程度上决定着企业信用
的好坏。信用良好的企业无论发生什么困难和打击也会尽最大努力偿还债务以保
持良好的信用记录。反之，有些企业尽管经济实力雄厚、经营状况良好，但总是
言而无信、不守信用、故意拖欠货款、信用状况就差。
2．能力(Capacity)。在信用要素中，企业能力仅次于企业品格。企业能力包
括企业自身的营运能力、获利能力和偿债能力，也包括企业经营者经营、管理、
调度等方面的个人能力。企业能力和经营者能力相辅相成，缺一不可，共同决定
企业的信用能力。
3．资本(Capital)。企业资本要素指的是企业的财务状况，包括企业的资本结
构、资本安全性、流动性、获利能力等财务状况。企业资本基木上反映了企业的
信用特质，是评价企业信用状况应考察的主要方面。
4．担保品(Collateral)。美国费城中央银行在以上“3C”学说的基础上加以改进，
把担保品作为企业信用要素之一。如果受信者能够提供出足以偿还所受信用的担
保品，就可以减少银行(授信者)的潜在风险。应当指出的是，担保品并不能起
到改善受信者信用状况的目的。担保品只发挥到促进授信的作用，并不是授信的
必要条件。
5．环境状况(Condition)。美国弗吉尼亚开拓银行在以上“4C”基础上又提出了
一“C”，即Condition(夕b部环境状况)。所谓环境状况又称为经济状况，主要包括政
治稳定性、经济状况、地理位置、市场变化、竞争激烈程度等因素。认为外部环
境的变化虽然不是由企业自身能力所能控制，但对企业经营有着非常重要的影响。
稳定的政治环境、良好的经济发展态势、优越的地理位置等给企业发展提供了良
好的发展平台，有利于企业的成长，对企业信用能力也有着很重要的促进作用。
2．1．2．1评级的机构选择
对企业进行信用评级可由专业的评级机构进行，也可以由银行自己完成。如
果银行通过支付一定的费用使用专业评级机构的评级结果，我们称之为外部评级；
由银行内部进行的信用评级则称为内部评级。两种评级的方法和依据都极为相似，
其不同之处是在具体的操作方式上，主要有3点：(1)被评级对象需向专业的评级
机构支付评级费用，容易产生“费用决定级别”的现象，而银行的内部评级是免费
的；(2)银行的内部评级往往考虑企业与银行的客户关系(如是否代发工资，存款
等)，专业的评级机构在这方面往往保持中立；(3)银行的内部评级是不公开的。
无论是外部评级还是内部评级，评级方法自身也经历了由定性到定量的过程，
在总结了大量的历史经验后，现在较为先进的评级方法是采用“打分卡”的形式，
将5C法则中的各项因素分解成定性指标和定量指标两大类，通过每一项指标的
13
博上学位论文
得分累计成企业的信用评级总得分，然后将不同的得分对应到不同的信用等级。
附录B是一典型的信用等级评定的评分模型，非财务因素的权重40％，财务因素
的权重60％。
2．1．2．2信用等级的选择
在对企业进行信用评级的时候，我们首先遇到的一个问题就是，针对数据与
资料的可获得性，对企业的信用等级在总体上分成几个是比较合适的。按照目前
国际上公认的三大评级机构穆迪、标准普尔以及惠誉的惯例，在进行信用评级时
要首先区分长期债务的信用评级和短期债务的信用评级，从表2．1中可以看出，
不同的评级公司划分的总的等级数量不一定是相同的。比如穆迪的长期债务评级
只分成为9个等级，而标普和惠誉分别分成11个等级和12个等级；对短期债务
的评级，三家著名公司划分的等级个数更是各不相同。在对我国的企业进行信用
分析或是信用评级时同样也会面临这个问题。
表2．1 三大评级机构的信用等级级别
资料来源：standardandpoors，Moodys，fitchratings，公司网站
一种确定信用等级个数的方法就是采用因子一聚类分析。从最为常用的财务
指标出发，采用年报数据建立样本集合，并利用因子分析达到降维的目的，把多
个指标变量进行综合，以得出若干个能充分反映企业客户信用风险特征的主因子，
利用聚类和离差平方和分析，并结合因子得分散点图，将样本进行最后的分类。
例如，国内一家研究机构的研究表明，目前我国上市企业的信用等级个数以6．7
19
基于信用风险测度的商业银行贷款定价研究
个比较合适。各银行应该根据各自客户群体的情况来选取合适的等级个数，选取
时，一是要符合客户群体的聚类情况；二是等级的个数要符合主流体系，便于相
互之间的映射。
按照中国银监会的要求，商业银行债务人评级应最少具备7个非违约级别、1
个违约级别，并保证较高级别的风险小于较低级别的风险。根据资产组合的特点
和风险管理需要，商业银行可以设定更多的债务人级别，但应保持风险级别间排
序的一致性和稳定性【8l】。
2．1-3两维评级法
部分银行将信用风险的评估分成两维来进行，不仅对债务人进行信用评级，
还对债项进行评级。例如，日资银行根据该笔贷款是否有担保、抵押或母公司的
安慰函、担保人的情况等，将借款人评级进行调整，得到贷款项目的评级。全美
50家最大的银行有将近一半采用两维评级体系，对债务人的评级根据其信用状
况，而债项的评级则根据不同类型的抵押、担保或其他风险缓释工具的使用情况
来进行。
两维评级的前期，都只是对债务人和债项给出一个评级，发展到后期，每一
个债务人的信用评级将对应一个违约概率，每一个债项评级对应一个清偿率，贷
款的预期损失等于债务人的违约概率与违约损失率(1一清偿率)相乘。此一时期
的两维评级体系成为了内部评级的基础，逐步迈入了定量的阶段。
不仅如此，由两维评级演化而成的风险度，还成为银行风险限额管理的一个
指标。审批权限中的限额其本意是进行风险的限额管理，由于各银行技术手段发
展的不同步，在指标选取方面具有明显的多样性。敞口是最早使用的指标，只体
现了四个风险因素中的一个，无法说明风险的大小。这种形式下的限额还要配套
大量分类说明(如低风险业务单列等)，风险的可解释性不强，但操作简便。
风险度是由两维评级演变而来，用债务人的评级质量和债项的评级质量来综
合描述风险的程度。在银行的实际使用中，大多采用这样的方式：风险度=客户
风险度×担保方式系数。问题是客户风险度和担保方式系数如何选定。对照违约
概率、违约损失率、风险敞口和期限四个决定信用风险VaR值的基本因素，客户
风险度应该反映违约概率对风险的影响程度，担保方式系数应该反映违约损失率
对风险的影响程度。
对于客户风险度，多数银行采取以下做法：选取一个平均的违约损失率，在
固定的期限上，计算某一信用等级客户(通常用BBB级)所应分配的经济资本与
敞口的比例一经济资本占比。以此比例为基准，其他信用等级客户的经济资本
占比与基准比例比较的结果即客户风险度。而对于担保方式系数，基本上直接采
用违约损失率的数据。
博上学位论文
2．1．4财务预警
所谓财务困难，是指企业出现了严重的资产折现问题，而解决这种问题只能
依赖于企业经营方式或存在形式的转变。换句话就是，企业陷入偿债危机，不能
归还银行贷款，甚至濒临破产。阿尔特曼于1968年提出的Z值就是一种典型的
判别模式，从z值的大小来判别企业是否会出现财务困难，在1977年他对Z值
模型进行了近一步的修正和扩展。5指标的Z值多元判别模型是：
Z=1．2XI+1．4X2+3．3X3+0．6x4+X5 (2．1)
式中，z是综合财务运行状况的判别函数值，Xl～x5为选择的财务比率指标，
分别是：营运资本／总资产、留有收益／总资产、息税前利润／总资产、股票市
价／负债总额、销售额／总资产。
依据上式，银行可以根据交易对象的各项财务比率加权计算得到一个确定的
Z值，若该值低于临界值(阿尔特曼的临界值是1．81)，则该交易对象将被归为信
用不佳，且分值越低，破产的可能性越大。
5指标的Z值多元判别后来又发展到7指标，并在西方发达国家得到了较为
广泛的应用。在我国，由于现阶段企业的财务指标大多不是很真实，使得判别式
的建立和临界值的确定成为几乎是不可能的事情，再加上模型是否可以适用一个
经营状况正在迅速恶化的企业值得质疑，财务预警在我国的商业银行并未得到广
泛的应用。
2．1．5定性评估方法的比较分析
专家评估法完全基于经验的判断，信用风险的四个基本因素(敞口、违约概
率、违约损失率、期限)都没有具体的体现。信用评级法在实践的使用中往往会
对应一个违约概率，从一个方面测度了信用风险的大小，而债项评级从违约损失
率的方面测度了信用风险的大小。两维评级既考虑信用评级也考虑债项评级，在
实践中的一个表现就是采用风险度指标。
不论是专家评估、信用评级、债项评级、两维评级、Z值的得分，都只是从
一个方面描述了信用风险的相对大小，使用评估结果的人还是局限在一种朦胧的
感觉之中，我们知道这笔业务的风险比那笔要大或者要小，但还是不知道到底有
多大，只是处在一个相对比较的状态之中。如果我们不能定量地度量风险，风险
要用资本覆盖，资本的成本要进入成本核算等等，对银行而言就只能是空中楼阁。
2．2信用风险定量测度的概念模型及评述
近十几年来，欧美国际大型银行已陆续建立信用风险管理系统，将机构业务
引发的风险予以模型化，协助银行识别、量化、监督、控制、及管理对横跨不同
2l
基于信用风险测度的商业银行贷款定价研究
皇I Ill I鼍曼曼曼量量曼量曼曼曼曼曼曼曼曼曼曼曼曼曼皇量量皇量曼皇曼皇曼量曼皇曼皇曼皇曼曼曼皇曼曼曼曼曼曼曼曼曼曼量曼曼曼曼曼曼曼曼曼曼曼皇量曼曼量曼量量量曼曼曼曼曼皇曼曼曼曼量量量皇曼置
地理区域和产品业务衍生出的风险。信用风险模型可供银行作为风险管理和绩效
评价的参考依据，如信用报告、交易决策、客户赢利分析、贷款风险定价、资产
组合管理、贷款损失准备、员工薪资、及经济资本配置等。银行在设计机构内部
信用风险模型时，必须通盘考量各个层面，包括业务类型、信用等级、市场变数、
和宏观经济环境等的变化，为银行提供分析风险边际贡献和绝对贡献的能力，同
时了解资产组合中风险集中的情况，而非局限在计算客户违约概率或违约损失率。
定量测度的信用风险模型可应用于银行的内部管理如资本配置、风险定价等，
如果将之用于法定资本计提的资本充足率管理时，监管机构则会对历史数据提出
要求，历史数据越多，观察期间越长，模型精准度越高。历史数据不足是模型建
立的最大阻碍，因此模型参数可通过简化假设条件并依赖多重数据来源予以克服。
值得注意的是，假设条件通常具有简化分析的目的，可能使模型偏离实务运作的
轨道，因此，了解模型建立的概念，适当的进行选择，是银行业相关从业人员不
可回避的问题。
本节将从信用风险模型建立的概念这个方面对银行业的信用风险模型进行评
述，并将模型建立的概念范围，分为六个方面：(1)观测期的选择；(2)信用损
失的衡量方法，即违约模型和盯市模型；(3)信用损失概率密度函数；(4)条件
模型与无条件模型；(5)组合信用风险；(6)违约的相关性。
2．2．1信用风险的概念模型
2．2．1．1观测期的选择
银行测度信用风险时，可采用不同的观察期限。最常使用的方法有两种：按
信用工具的变现期限(1iquidation period)，如信用工具本身的到期日，或者，选
择统一的时间期限来适用所有资产类型。
“持有到期”(hold．to．maturity)的信用损失是指某个单项信用工具至到期日
为止的风险情形。然而，在选择观测期时，由于信贷资产的流动性要远远低于交
易账户内资产的流动性，且各项资产的到期日参次不齐，各金融机构大多是计算
单项资产或资产组合一年内的信用风险。在巴塞尔新资本协议内部评级法的模型
中，通过使用一年期的违约概率表达了其对观测期的要求。这与市场风险观察期
有很大的不同，市场风险对应的观测期为10天，如果一个机构在实施内部模型的
早期阶段，还允许从1天的风险推导出10天的风险。
采用一年的观测期测度信用风险，主要是要适应会计报表对资产减值披露的
要求和其他的管理要求【821，如分支机构的年度业绩评价、风险集中度管理带来的
资产组合变更要求、资本的年度计划管理等。在满足会计报表风险披露要求的基
础上，少数银行还会选用五年的观察期或其他期限【831，甚至有些银行会选择数个
不同期限，对模型进行测试。
博上学位论文
2．2．1．2信用损失的衡量方法：违约模型VS．盯市模型
一般而言，信用损失(credit loss)的定义为：资产组合的现行价值(current
value)和未来价值之间的差额。在估计信用损失概率密度函数时，必须先算出该
资产组合的现行价值，以及持有期(一般是一年)内未来价值的概率分布。有关
现行价值和未来价值的定义，均视模型建立者对信用损失所持的立场。目前，大
多数银行采用的信用损失概念有两种：违约模型和盯市模型。
1．违约模型
在违约模型中，借款人只有在观测期间内发生违约，信用损失才发生；在无
违约事件发生时，信用损失不会产生。若违约事件成立的话，信用损失等于银行
信用风险敞口的账面价值和未来净回收现值二者之间的差额。
在未违约的情况下，贷款在观测期的未来价值是不确定，违约模型通过估计
三个随机变量的联合概率分布来测度可能面临的信用损失。这三个随机变量分别
为信用风险敞口、在观测期内是否发生违约(以0或1来表示)以及违约损失率。
违约概率是一个统称，在模型中必需确定为某一期限内的违约概率。在很多
情形下，如信用风险保险精算模型中，某一期限内的违约概率被称为违约率或年
均违约数。由于违约模型只内含两种绝对性质(违约VS．未违约)，因此在捕捉违
约事件效果的能力方面，对观测期限的长短特别敏感。举例来说，一年期违约模
型是否可精确算出由多年期贷款所组成的资产组合的信用风险，并不明确。鉴于
此，银行必须采用特殊的方式予以调整，例如计算在整个期间内信用工具的违约
概率(即分别就一年期、两年期的贷款，计算其一年和两年的违约概率；依此类
推)。不过，此种调整方式可能会导致模型出现不一致的情况，即多年期的违约概
率所采用的损失相关度，可能是以一年期为依据计算出来的。
银行使用包含违约模型在内的任何内部模型来测度风险都是自由的，但只有
当银行的内部模型被证明为是可靠和有用的，才可以用来计算资本充足率。因此，
一家银行是否有资格使用内部模型来估计信用风险的资本要求，关键取决于其风
险管理水平和违约数据积累的历史长度，以及内部模型在风险管理中的作用和表
现。一般说来，够资格的金融机构应该具备健全的风险管理实践。
2．盯市模型
另一种看待信用损失的方法就是盯市模型，即当债务人的信用等级恶化时信
用损失立即产生。在观测期，信用资产的价值要经过市场价格的调整，而信用损
失就反映在信用利差一信用等级的差价上。
贷款盯市价值的变化来源于信用利差。例如，一个银行执行表2．2由信用利
差决定的利率政策。
基于信用风险测度的商业银行贷款定价研究
表2．2信用利差表
资料来源：某银行风险管理部
假设有一个客户，现在的信用等级是A级，贷款80万，期限是四年，年付
息4万，那么我们可以知道这笔贷款的未来现金流是：4、4、4、4+80，如果债
务人一年后的信用等级变为BBB级，将现金流用BBB级的贷款利率折现，就可
以得到此笔贷款一年的远期价值：
4+4／(1+5．58％)+4／(1+5．76％)2+4／(1+5．76％)3+80／(1+5．76％)3=82．37401
同理，如果债务人一年后的信用等级变为AAA、AA、BB、B、CCC级，现
金流的远期价值分别将变为83．6、83．3、81．2、79．9、56．7万。
简单说来就是，如果你已经与用户签订了合同，未来的现金流就确定了。如
果客户的信用等级降低了，贷款的盯市价值将随着降低；如果客户的信用等级提
高了，贷款的盯市价值也将随着提高。盯市模型不仅要计算违约时发生的损失，
还要考量由于信用等级的变化带来的价值变化。
盯市模型一般都采用莫顿信用等级转移模型，假设债务人的资产价值服从对
数正态分布，其信用质量的变化反应了债务人资产收益的变化，通过蒙特卡罗模
拟来产生均匀且相关的正态随机变量，模拟债务人信用等级的转移。
2．2．1．3信用损失的概率密度函数
信用风险模型可透过信用损失的概率密度函数来量化特定期限内资产组合的
风险。许多模型可完整地估算出信用损失的概率密度函数，进而求得一些统计值
如平均数、标准差、或可承受的信用损失的目标临界值(如VaR值)等，典型的
模型包括CreditRisk+、PortfolioManager、CreditPortfolio View和CeditMetrics等。
银行业对于信用损失概率密度函数的“标准”形状，已达到共识。市场风险损
失的概率密度函数呈正态分布。与市场风险不同，信用风险的损失分布不能用正
态分布来表述，而是呈现偏向大额损失的分布特征，其图形具有明显的厚尾，如
图2．1。也就是说，在既定的平均数和标准差下，大额损失发生的概率会高于正
态分布发生的概率。但银行业界并无一个“标准的”资产组合信用损失概率密度函
博{：学位论文
数，原因之一是对个别风险敞口信用损失测度的困难远高于市场风险，除此之外，
信用风险模型必须设立多项假设条件，而这些限制条件将对模型产生决定性的影
响。
概率
损失
图2．1 市场风险与信用风险损失的概率密度函数形状
2．2．1．4条件模型vs．无条件模型
银行是个深受经济景气循环影响的行业，存在所谓的“经济景气循环深化效
果”(pro．cyclicality effect)。当经济衰退时，贷款的品质与还款机率下降，信用
风险的提高使得银行紧缩信用(credit crunch)，从而影响企业与个人的投资行为，
进而加深经济衰退的幅度。反之，当经济繁荣时，信用风险降低，银行将扩张信
用，进而加速经济成长过热，最终产生通货膨胀。
简单来说，所谓无条件模型(uneonditional model)是以借款人为主要分析对
象。而条件模型(conditional model)会考虑整体经济环境对信用风险的影响，如
失业率，GDP增长率、通货膨胀率、股价指数和利率等。’
无条件信用风险模型如CreditMetrics和CreditRisk+等，违约概率仅仅依赖历
史违约记录和特定借款人的信用等级，数据的统计期涵盖多个经济循环周期。由
具有相同信用等级的借款人所组成的资产组合中，无论是在经济循环中那一个时
点，其信用损失的预测值都会十分接近，无法捕捉经济景气循环的影响；例如，
在经济景气循环高点(低点)时，债务人信用等级呈现改善(恶化)之趋势。不
过，这并不代表在整个经济景气循环期间内，资产组合(由同一组债务人组成者)
信用损失的预期会完全一样，当债务人的信用等级被调升或调降时，其违约概率
也会随之调整。
条件模型的代表为McKinsey的CreditPortfolio View，模型的最大特点是考虑
基于信用风险测度的商业银行贷款定价研究
了当期的宏观经济环境，认为信用质量的变化是宏观经济因素变化的结果，纳入
宏观经济因素的条件违约概率，并且信用等级的转移概率也依赖于宏观经济变量
的值。它应用的转移概率和违约概率与Creditmetrics模型不同，不是以历史等级转
移和违约的数据来估计，而是以当期的经济状态为条件来计算债务人的等级转移
概率与违约概率。该模型认为违约概率可以表达为logistics概率分布函数，其中独
立变量的条件违约概率仅由当前宏观经济变量指数值决定。而当前宏观经变量指
数值又由当前具体宏观经济变量值和～般性的经济冲击因素或创新因素决定。同
时模型假定每一个具体宏观经济变量满足一个单变量二阶自回归模型(AR2)，即由
宏观经济变量的滞后值和每一个宏观经济量的冲击因素所决定。因为滞后的宏观
经济变量可以事前确定，因此推动违约概率的关键变量是一般性的经济冲击因素。
使用蒙特卡罗模拟可以生成未来多期的以上两个关键变量，从而模拟未来各个时
期条件违约概率的情景值。
另一种条件模型是所谓风险中性模型，KPMG公司的贷款分析系统(LAS)就
是应用风险中性方法进行违约概率测度的。所谓风险中性市场是在进行资产交易
的市场上，投资者愿意接受从任何风险资产上可以得到与无风险资产所承诺的收
益相同的预期收益，这样所有资产的价格就可以用无风险利率对资产预期的未来
现金流量加以折现来实现。风险中性(RN)概率可以从零息债券价差和股票价格推
导得出。由于风险中性市场上推导的违约率，反映了市场信息，因此也属于条件
模型。
2．2．1．5离散性模型VS．连续性模型
对违约概率进行刻画的方法之一就是以每年的评级历史数据进行平均统计，
计算出各个信用等级的转移概率与违约率，按照离散的等级变化进行违约概率的
描述，例如Creditmetrics模型。连续性模型认为违约概率是连续变化的，例如KMV
模型，基于个体的预期违约率，违约率是企业资本结构、资产收益波动性和当前
资产价值的函数，以股票市场数据为基础，违约概率是一个连续的变量。
2．2．2定量测度模型的比较分析
2．2．2．1 CreditMetricsTM模型
CreditMetricsTM(J．P．Moran，1997)模型使用信用等级转移矩阵表现违约概
率和信用等级的转移概率。转移矩阵来源于一个评级体系，由不同性质公司在不
同商业周期组成的样本统计出的一定信用期限内各个信用等级的债务人从一个等
级转移到另一个等级(包括违约)的概率被纳入到一个概率转移矩阵表中。在计算
联合条件违约概率和信用等级转移的概率时，将信用等级转移之间的相关性转化
为各债务人资产收益之间的相关性。该模型不仅仅考虑违约的损失，它采用盯市
博士学位论文
原则，未违约贷款的现值等于未来定约现金流的折现值，即使债务人没有违约，
其信用等级的下降也会降低贷款的盯市价值。
J．P．Morgan的转移矩阵是1年内信用评级从一个级别转移到另一个级别的平
均概率，在估计该概率时使用了众多国家和产业多年的数据。该矩阵是无条件的，
称为无条件的马尔可夫转移矩阵，表示长期的平均转移概率，没有考虑经济周期
的当前状态。
从模型的特性上来看，CreditMetrics属于离散性、盯市的无条件模型。
此方法的主要缺陷是信用等级转移概率矩阵的许多前提假设与现实不符。如：
(1)信用等级转移概率遵循一个稳定的马尔可夫过程与现实不符，因为有证
据表明信用等级的转换概率与过去曾经出现的结果有很高的相关性(Nickell、
Perraudin and Varotto，1 998，2000)[29】【3I】。
(2)信用等级转移概率矩阵的稳定性假设与现实不相符。行业因素、国家因
素以及商业周期因素均会对信用等级转移概率产生影响(Nickell、Pcrraudin and
Varotto，1 998)[3¨。
(3)对同一等级的债务人应用了相同等级的转移概率和违约率，实际的转移
概率和违约概率是历史上多个信贷周期的平均值，这不能反映特定债务人当前的
信用质量变化情况。
2．2．2．2 CreditPortfolioViewxM
CreditPortfolioView刑，简称CPV模型(Wilson，1 997，1 998；McKinsey,1 998)，
是麦肯锡公司的产品。同CreditMetrics刑一样，CPV模型不仅关注违约分析，也
关注联合的条件违约概率分布以及评级转移概率分布。不过，与其他模型相比，
在CPV模型中，决定违约概率的不是资产价格、经验参数或随机的模拟结果，而
是类似GDP增长率、失业率、利率汇率、政府支出等这样的宏观经济变量。由于
系统信用风险跟从信贷周期，而信贷周期又跟从经济周期，从信贷组合的角度看，
经济状态是决定信用风险的共同因素，是系统性信用风险的最终来源，模拟经济
状态是模拟信贷组合的系统性信用风险的起点。在模拟联合违约行为或信贷组合
的系统性风险方面，CPV模型反映了来自信贷组合管理领域的一些经验观察或特
征化的事实：第一，组合可以有效分散与特定头寸有关的特定风险(idiosyncratic
risk)，但不能分散掉全部风险。第二，一个信贷组合的系统性风险主要取决于宏
观经济的健康状况。第三，当面临来自宏观经济的冲击时，不同经济部门的反应
各不相同。第四，不仅违约事件，信用评级转移同样与宏观经济走势紧密相关。
经验研究表明，投机级债卷的走势基本呈正相关：当投机级债卷的违约率高于平
均水平时，评级上调的比例增加，反之，则评级下调的比例增加(Moody’s Investor
Services，1994)【84】。第五，为了解释全部的系统性风险，仅用一个宏观经济变量
基于信用风险测度的商业银行贷款定价研究
是不够的，必须采用多个变量。
CreditPortfolioViewTM的核心从操作层面来看就是对无条件转移矩阵进行校
正，校正的起点是经由历史数据得出的信用评级转移矩阵，该矩阵可以来源于评
级机构的矩阵，也可以来源于金融机构本身的经验数据，CPV认为这些概率都是
随着经济周期以一种可以预测的方式在改变着，校正的结果就成为有条件的转移
矩阵，包含了宏观经济状态以及违约相关性方面的重要信息。
从模型的特性上来看，CreditPortfolioView．rM属于典型的条件模型，但其在测度
信用风险的损失时，既可以采用违约模型也可以采用盯市模型。
该模型实际上是Creditmetrics模型的扩展和补充，是将各种影响违约概率以
及相关联的信用等级转移概率宏观因素纳入自己的体系，是宏观经济因素调整过
的转移概率与违约概率的矩阵，并没有改变违约概率测度的离散性，还是属于离
散性模型。该模型存在以下缺陷，如实行这一模型需要可靠的数据，而每一个国
家，每一个行业的违约信息往往较难获得。此外模型是用调整后的信用等级转移
矩阵，而调整则基于银行信贷部门积累的经验和信贷周期的主观判断，这使得模
型的结果具有主观性。
2．2．2．3 KMV模型
美国KMV公司利用期权定价理论创立了违约预测模型，此模型也称KMV
模型(KMV．1993、1996、1997)，主要对上市公司和上市银行的预期违约率(EDF)
进行预测。它首先从公司股票市场价值、股票价值的波动性及负债的账面价值估
计出时间点t的公司资产市场价值VA及其波动性oA，再由公司长期和短期负债
计算出公司的违约点DPT。当资产价值下降到DPT以下时就会发生违约，如图
2．2所示。
KMV模型基于个体的预期违约率，而不是由评级机构提供的每个信用级别
历史平均的变化频率，违约率是企业资本结构、资产收益波动性和当前资产价值
的函数，各个企业的预期违约概率都不相同，由建立在现代公司财务理论和期权
理论上的结构性模型，得出的预期违约概率具有较强的说服力，如果映射到一个
评级体系，导出的债务人信用级别也不相同。作为一个基于期权理论的结构性模
型，股权被视为企业资产的一种看涨期权，这种概念化的模型使之区别于统计模
型，它以股票市场数据为基础，而不是基于历史的平均统计，因而对历史数据没
有要求。
博上学位论文
资产价值
场
DPT
0 1年
图2．2 KMV违约预测模型
Time
该模型认为违约率是连续变化的，是连续性模型的代表。预测模型融入了市
场价格等信息，所以，也应归属为条件模型。其主要缺陷是其应用范围受到局限，
通常只能对上市公司的违约率进行预测；其次，因为模型不能够根据抵押品等对
不同类型的长期债务进行分辨，最后将影响违约点确定的准确性。
2．2．2．4 CreditRisk十模型
CreditRisk+模型(CSFP，1997)是瑞士信贷银行金融产品部开发的信贷风险
管理系统，该模型把信用价差看做是市场风险的一部分，模型对违约产生的原因
没有做任何假设，它不分析违约的原因，将违约看成是外生的不可预知事件，只
考虑违约或不违约两种状态，“是根据历史数据得出的预期违约数，用每一个交
易对手i的违约率Pi加总得到。如果有Ⅳ个债务人，其年违约数均值为名且均值
不变，对于给定的期间，这N个债务人发生n次违约的概率p(ndefaults)被模型化
为一种有着一定概率分布的连续变量，违约数的概率分布服从泊松分布，表示为：
p(ndefa㈣=字(2．3)
为了减小损失分布的计算量，CreditRisk+对资产组合中大小不同的风险敞口
按照不同的频段进行了划分。频段划分的要点是取一个表示损失大小的量纲单位
(如1万人民币，2．5万人民币)，使得各风险敞口以“四舍五入”的原则归整后能
以较小的无量纲数落入到不同的频段。
基于信用风险测度的商业银行贷款定价研究
CreditRisk+的基本模型认为违约事件是相互独立的且Pi不变，扩展模型考虑
了违约之间存在的相关性，并将受同一因素影响的资产置于同一扇区，扇区下资
产的预期违约数p是一随机变量且p服从Gamma分布。资产组合的损失分布是
用概率生成函数的方法来计算的，此方法可以给出基本模型下损失分布递归形式
的解析解【58】：
小磊争矿磊知1 旺4)
三，表示损失大小的量纲单位；
，，风险敞口的频段，1 S．，S m；
Ⅵ，频段，风险敞口大小的无量纲数；
兄，，频段，的预期违约数，即年违约数均值；
q，频段．，预期损失的无量纲数，ej=v2x A，；
A一=p伽剀，表示资产组合发生n xL损失的概率。
在CreditRisk+扩展模型下，单扇区资产组合的损失分布也能得到递归形式
的解析解。
该模型是违约模型的代表，理论上也是属于连续性模型，但在实际应用中，
由于样本量的有限，违约数会有强烈的离散性表现。因为其扩展方式考虑了宏观
经济因素带来的违约波动性，也可被看做是条件模型。
该模型优点是，在基本模型下，对贷款组合的损失概率分布有解析解；如果
所有的资产均受同一宏观经济因素的影响，考虑违约波动性的扩展模型也有解析
解；解析方式无需采用模拟技术，计算速度快，输入数据少。但实际的情况是，
银行不同的资产往往受不同的经济因素影响且影响因素不止一个【871，这种情况
下，模型就得不到信用损失分布的解析解。
2．2．2．5风险因素模型
多风险因素模型(Lucas et a．1．，2001)[ssl在本世纪初开始得到重视，单风险
因素模型作为一个特例首先成为了监管模型的基础。
巴塞尔新资本协议内部评级法IRB(BSBC，2004)IS9]提供了一个计算信用风险
的模型，此模型基于单风险因素来进行分析(Gordy,2003)【矧。模型使用了四个
假设：一是影响债务人资产收益率X的风险因素只由单一的系统风险Y和特有风
险Z组成；二是Y和Z都服从标准正态分布；三是不同债务人具有的特有风险相
互之间是独立的；四是假设所有的贷款是同质的，即贷款具有相同的风险因素且
各个风险因素的影响程度也是相同的，也就是说，不同债务人的资产收益率X拥
博士学位论文
有相同的系统风险权重。在此四个假设条件下，服从标准标准正态分布的债务人
资产收益率x表示为：j=形．y+√1一形2．Z，也可写为：X=√R．】，+√l—R．z，
对于一个具体的债务人i，如果它的无条件违约概率是Pi，债务人i在给定Y下的
条件违约概率是： 联务脯钔卸【警半) (2．5)
式中，①。1(．)是标准正态随机变量累积分布函数的反函数。
此外，巴塞尔委员会在单风险因素模型的基础上还提出了对资产价值进行盯
市的调整方式(BSBC，2004)。按照盯市模型，即使债务人没有违约，其信用等级
的下降也会降低贷款的盯市价值。风险暴露的期限越长，债务人信用等级下降的
可能性越大，对贷款盯市价值的影响也越大。另一方面，债务人违约概率越小的
话，虽然其违约的可能性小，但信用等级变化的可能性却越大。考虑这两方面的
因素，巴塞尔委员通过数据的模拟，依据风险暴露的期限M和违约概率P给出了
一个平滑的盯市调整函数。此模型将系统风险因素视为单一，忽视了其它系统风
险因素对风险的分散作用，对信用风险的估计偏于保守(Tasche，2005)191】。
就其违约的驱动因素而言，对于一个具体的债务人i，如果它的无条件违约
概率是Pi，根据资产价值理论，在给定的风险因素条件下，当其资产价值波动到
违约阀值①d(pi)以下时，债务人就会违约。
就巴塞尔委员会基于单风险因素改进后的IRB模型来看，它是有条件的、经
过盯市调整的盯市模型，条件违约概率也呈连续性的表现。
基于单风险因素的IRB模型简单明了，易于理解。但其单风险因素的假设以
及资产价值的波动服从正态分布的假设与实际情况还是存在一定的差距。
2．2．2．6风险中性(RN)模型
KPMG公司的贷款分析系统(LAS)采用了风险中性方法进行违约概率的测
度，所谓风险中性市场是在进行资产交易的市场上，投资者愿意接受从任何
风险资产上可以得到与无风险资产所承诺的收益相同的预期收益，这样所
有资产的价格就可以用无风险利率对资产预期的未来现金流量加以折现来
实现。Litterman和Iben(1989)[27】从零息债券价差推导出RN的违约概率，即
风险债券的预期收益率一定等于无风险收益率来测算1年期或n年期违约的风险
中性概率。如果企业资产价值在债券到期日时大于企业债务面值的概率为N(k)，
则风险中性的违约概率为：p=l--N(k)。
3l
基于信用风险测度的商业银行贷款定价研究
系统衡量信用损失时，既可以采用盯市的方法也可以采用违约的方法。
2．2．2．7比较分析
信用风险模型的发展最早要追溯到期权定价理论，美国KMV公司利用期权
定价理论创立了违约预测模型，此模型也称KMV模型，主要对上市公司和上市
银行的预期违约率(EDF)进行顶测。从公司股票市场价值、股票价值的波动性
以及负债的账面价值估计出时间点t的公司资产市场价值V及其波动性盯，再由
公司长期和短期负债计算出公司的违约点DPT，当资产价值下降到DPT以下时
就会发生违约。因为假设违约事件的发生取决于企业内部的财务结构，所以也被
称为结构模型。
CreditMetdcs模型使用信用等级转移矩阵表现违约概率和信用等级的转移概
率，计算风险时不仅仅考虑违约的损失。采用盯市的原则，未违约贷款的现值等
于未来现金流的折现值，即使债务人没有违约，其信用等级的下降也会降低贷款
的盯市价值。信用风险包括违约的损失和盯市价值的损失，因此，被称为盯市
(MTM)模型。从数学的观点来看，CreditMetrics与KMV模型在判断违约方面
是一样的，两者对资产的收益率都使用了多元正态分布的假设，违约时间被定义
为企业资产价值低于某个违约阈值的时候或资产价值小于违约点的时候，不同之
处在于如何计算到违约点的距离，KMV基于企业的期权定价，而J．P．Morgan使
用评级系统。
CreditPortfolioView，简称CPV模型，与CreditMetrics一样，不仅关注违约
分析，也关注联合的条件违约概率分布以及信用评级转移概率分布。但是，决定
CPV模型违约概率的是类似GDP增长率、失业率、利率汇率、政府支出等宏观
经济变量，所以常被称为宏观经济模型。
多风险因素模型在本世纪初开始得到重视，其中单风险因素模型作为一个特
例成为了监管模型的基础。巴塞尔新资本协议内部评级法(IRB)依此提供了一
个计算信用风险的模型，此模型基于单风险因素来进行分析。模型使用了四个假
设：一是影响债务人资产收益率x的风险因素只由单一的系统风险Y和特有风险
Z组成；二是Y和Z都服从标准正态分布；三是不同债务人具有的特有风险相互
之间是独立的；四是假设所有的贷款是同质的，即贷款具有相同的风险因素且各
个风险因素的影响程度也是相同的。在此四个假设条件下，计算债务人在给定Y
下的条件违约概率，此外，模式还使用了资产价值的盯市调整。IRB模型可以被
看做是结构模型和盯市模型的简化复合版本。
上述信用风险模型都侧重于分析产生违约的原因，违约被视为可以预测的内
生事件，所以，此类模型统称为内生模型。与此相对应，外生类模型不对违约产
生的原因做任何假设，不分析违约的原因，在统计意义上，债务人是否违约完全
博．L．学位论文
是随机的，违约是一种纯粹的统计现象。CreditRisk模型是外生类模型的代表，
使用概率生成函数法来描述信用风险，在各类业务服从违约率不变的泊松分布的
情况下，可以得到信用风险的递归表达式，在违约率可变的情况下，模型不能对
整个资产组合的信用风险进行完整的表达。
以上六种信用风险定量测度模型的比较分析见表2．3。
表2-3 信用风险定量测度模型的综合对比
2．2．3信用风险模型的选择
从表2．3所示的几个模型来看，CreditMetrics要依赖无条件的信用等级转移
矩阵，而转移矩阵的形成必需依靠长期稳定的评级体系。就我国的实际情况而言，
各大银行为避免“费用决定级别"的现象，几乎全部采用内部评级的方式，这也
是当前我国独立的商业信用评级机构难以开展业务的主要原因。然而，由于我国
各个银行开展内部评级的时间还不是很长且评级体系也缺乏长期的稳定性，造成
信用等级转移矩阵的形成缺乏规范性、一致性和准确性的基础数据。国内独立的
商业信用评级机构更是处于发展初期，很不成熟，更难以提供CreditMetrics模型
所需的信用等级转移矩阵。依赖信用等级转移矩阵的CreditMetrics模型还难以应
用到实际的银行风险测度领域。
CPV模型实际上是对无条件的信用等级转移矩阵进行校正，无条件的转移矩
阵既可以来源于商业评级机构也可以来源于金融机构本身，既然被校正的基础存
在问题，经宏观经济因素的冲击校正而得到的结果更难以令人信服。
KMV模型是依据企业的股票市场价值、股票价值的波动性以及负债的账面
价值、公司长期和短期负债等财务数据来估计违约概率。由于我国诚信道德的整
体性缺失，上市公司的财务数据缺乏可信度，而银行面对的客户更多的是非上市
公司，其财务报告的可信度更低，市值更是难以评估。这些都给KMV模型的应
基于信用风险测度的商业银行贷款定价研究
用设置了障碍。
至于贷款分析系统LAS所采用的风险中性模型，无风险利率水平的判断来源
于零息债券的价差，市场上存在一组具有相同的息票到期日、并且相互之间不存在
线性关系的零息债券是无风险利率水平判别的理想基础。然而，从我国的金融市
场化程度来看，零息债券产品的期限结构还比较凌乱，基础数据比较缺失。更为
重要的是，依据财务数据的企业资产价值评估因数据的可信度低而加大了此类模
型的应用难度。
相对前述几个模型，基于保险精算思想的CreditRisk+模型所需的输入数据要
少很多，从违约概率的判断来看，无须有关利率期限结构、信用等级转换矩阵或
企业财务数据的信息，模型依据的年均预期违约数既可以根据组合中客户信用等
级的违约概率来测算，也可以根据贷款业务历史的违约率来测算，例如，如果历
史的房屋按揭贷款每千笔的违约数平均是2笔，那么2000笔房屋按揭贷款的年均
预期违约数就是4笔。此类模型比较适合我国当前的文化环境和数据质量现状，
但CreditRisk+模型在多组合且各组合的预期违约数具有波动性的情况下无解，如
果能够弥补这一缺陷，基于保险精算的信用风险测度是一个合适的选择。
单风险因素的IRB模型实质上是CreditMetrics模型的一种简化方式，为推动
新资本协议实施准备工作，确保我国各商业银行2011年可以开始分批实施，银监
会制定了第一批新资本协议实施监管指引，单风险因素IRB模型的应用已成为必
然。其应用的关键是风险参数的量化，将债务人和债项的风险特征转化为违约概
率、违约损失率、违约风险暴露和期限等风险参数，风险参数量化的数据观察期
要求涵盖一个完整的经济周期。用于估计非零售风险暴露债务人违约概率的数据
观察期不得低于5年，用于估计非零售风险暴露违约损失率、违约风险暴露的数
据观察期不得低于7年；用于估计零售风险暴露风险参数的数据观察期不得低于
5年。在数据质量还达不到要求前，各银行并非就不能采用IRB模型，只是不能
用于监管资本的计量。银行可以采用其他有数据质量基础的风险参数量化方式，
将IRB模型应用于其内部的风险管理。
博叶：学位论文
第3章信用风险测度的相关参数及测度指标
信用风险测度首先应解决两个基础性的工作，一是违约概率、违约损失率和
违约相关性的确定；二是信用风险测度指标的选择。本章研究相关参数的确定方
法和信用风险测度指标的选择。
3．1信用风险测度相关参数的确定
3．1．1违约概率的确定
3．1．1．1违约的定义
现今对违约的正式定义主要以巴塞尔新资本协议的参考定义为核心，巴塞尔
新资本协议对违约作了如下定义：若出现以下一种情况或同时出现以下两种情况，
债务人将被视为违约：①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银行集团的债务；②债务人对于银行集团的
实质性信贷债务逾期90天以上。以下情况将视为可能无法全额偿还债务：①银行
停止对贷款计息；②在发生信贷关系后，由于信贷质量可能出现大幅度下降，银
行冲销了贷款或计提了专项准备；③银行将贷款出售并相应承担了较大的经济损
失；④银行同意消极债务重组(distressed restructuring)，由此可能发生较大规模
地减免或推迟偿还本金、利息或费用，造成债务规模的减少；⑤就借款人对银行
集团的债务而言，银行将债务人列为破产企业或类似的状况；⑥债务人申请破产
或者已经破产，或者处于类似的保护状态，由此将不履行或延期履行偿债银行集
团债务。
简而言之，违约概率指借款人在末来一定时期内不能按合同要求偿还贷款本
息或履行相关义务的可能性。大多数国际商业银行的违约定义考虑了没能按期支
付、债务重组和申请破产等情况，一些银行还考虑了银行工作人员判断损失可能
出现或者无法避免的一些情况。许多银行还倾向于使用评级机构的违约定义，评
级机构关于违约概念的重点在于考察借款人是否破产或被接管，是否无法及时支
付利息或本金，或者是否被迫交换资产或进行重组【991。一般认可的违约风险包括
破产、无力支付、加速到期或违约、拒绝支付／延期支付以及资产重组。
在所有的信用风险模型中，违约概率的确定是首要的问题。获取违约概率可
分为两大类方法：(1)统计方法，即通过利用违约的历史数据，提供衡量违约概
率的“客观”标准。因为这类违约概率是不带任何前提条件的统计性数据，也被称
为无条件违约概率。(2)模型方法，一是通过交易价格来确定违约概率，二是在
35
基于信用风险测度的商业银行贷款定价研究
无条件违约概率的基础上将其转化成为一种有条件的违约概率，三是通过保险精
算的方法来确定违约概率，这三种形式都是通过一定的模型来实现。
3．1．1．2信用等级转移矩阵
信用评级是风险定性评估阶段的最主要手段，但它发展到现在，就不仅仅只
局限于对某一个债务人给出一个信用评级，各大评级机构和各大银行都极力在做
一件事情：那就是通过长年的统计，分析出每一个信用等级一年后的变化情况。
一是某一个信用等级一年后违约的平均概率，二是某一个信用等级一年后变化为
另一信用等级的平均概率。表3．1就是一个反映这种变化情况的信用等级转移概
率矩阵表：
表3．1信用等级转移概率矩阵
资料来源：FitchRatings：Average Annual Global Corporate Transition Matrix：1990-2003
从表3．1中，我们可以看出，A级企业的年均违约概率是0．05％，一年后转
移到AA级的概率是2．5％，BBB级企业的年均违约概率是0．4％，一年后转移到
B级的概率是0．87％。．
之所以要统计信用等级非违约情况下的迁徙率，是因为即使债务人没有违约，
其信用等级的下降也会降低贷款的盯市价值。风险暴露的期限越长，债务人信用
等级下降的可能性越大，对贷款盯市价值的影响也越大。
信用等级转移概率矩阵中的违约概率是典型的经统计分析而获取的无条件违
约概率。
3．1．1．3通过交易价格获取违约概率
1．结构模型
2．2．2．3所描述的KMV模型是根据市场交易数据来预测违约概率。从公司股
票市场价值、股票价值的波动性及负债的账面价值估计出时间点t的公司资产市
博上学位论文
场价值VA及其波动性oA，再由公司长期和短期负债计算出公司的违约点DPT。
当资产价值下降到DPT以下时就会发生违约，在资产收益服从对数正态分布的假
设下，标准正态累积分布函数用N(．)表示，债务人在时间点t的违约概率pt为：
p，：Ⅳ【一In(VA／DPT)+(．／u-(o'：／2)t)] (3．1)
o^～t
基于期权定价理论的违约预测模型完全依靠将企业资产价值在两类主要的权
益人——股东和债权人之间进行分配的原则，换句话说，它取决于企业实际的资
本结构，因此，被称为结构模型。
2．风险中性(RN)模型
所谓风险中性市场是在进行资产交易的市场上，投资者愿意接受从任何风险
资产上可以得到与无风险资产所承诺的收益相同的预期收益，这样所有资产的价
格就可以用无风险利率对资产预期的未来现金流量加以折现来实现。如果企业资
产价值在债券到期日时大于企业债务面值的概率为N(k)，则风险中性的违约概率
为：p=1一N(k)。
3．1．1．4从无条件违约概率推导条件违约概率
1．条件概率模型
根据单风险因素模型的四个假设：一是影响X的风险因素只由单一的系统风
险Y和特有风险Z组成，二是Y和Z都服从标准正态分布，三是不同债务人具
有的特有风险相互之间是独立的，四是假设所有的贷款是同质的，即贷款具有相
同的风险因素且各个风险因素的影响程度也是相同的，也就是说，不同债务人的
资产收益率X拥有相同的系统风险权重。在此四个假设条件下，标准正态分布的
X将表示为：
X=IV·Y+41一形2·Z (3．2)
很容易证明，满足上式的债务人资产收益率之间的相关系数R为w2．上式也
可写为：
x=√万．y+√『二百．z (3．3)
对于一个具体的债务入i，如果它的无条件违约概率是Pi，根据资产价值理论， 其违约的阀值a=①。1(pi)，当置=√页．】，+厢。互≤o‘1(pi)时，债务人将违约，表
示为：
z，≤警篙坠B4，
因为Zi服从标准正态分布，根据上式，债务人i在给定Y下的条件违约概率
是：
37
基于信用风险测度的商业银行贷款定价研究
以债务人f违约I n=①(竺二铲) (3．5)
式中的中(．)是标准正态随机变量累积分布函数，①。(．)是标准正态随机变量累
积分布函数的逆函数。债务人在给定条件下的违约概率通过无条件违约概率推导
而来。
2．二阶自回归模型
如2．2．2．2所述，CreditPortfolioViewTM模型需对历史数据得出的信用等级转
移矩阵进行校正。
该模型认为违约概率可以表达为logistics概率分布函数，其中独立变量的条
件违约概率仅由当前宏观经济变量指数值决定。而当前宏观经变量指数值又由当
前具体宏观经济变量值和一般性的经济冲击因素或创新因素决定，经一个单变量
二阶自回归模型(AR2)对无条件违约概率进行条件违约概率的调整。
3．1．1．5通过保险精算模型计算违约概率
把具有保险思想的工具用于估计违约概率最具代表性的有CSFP运用财险思
想的CrcditRisk+模型。
如果有Ⅳ个债务人，其年违约数均值为名且均值不变，这Ⅳ个债务人发生万
次违约的概率p(ndefaults)表示为：
口一A 2^
p(ndefaults)=二÷ (3．6)
年违约数均值为五且均值不变是CreditRisk+模型的基本形式，大部分情况下，
年违约数均值会受到不同外部因素的影响而发生变化，最典型的假设是违约率服
从具有既定均值和标准差的y分布。
3．1．2违约损失率的确定
违约损失率LGD是指债务人一旦违约将给债权人造成的损失数额，即损失
的严重程度。从贷款回收的角度看，LGD决定了贷款回收的程度，因为，LGD--
1一回收率。PD(违约概率)和LGD都是反映债权人面临债务人违约的信用风险
的重要参数，因此，两者都受到债务人信用水平的影响。然而，从性质上看，两
者又有重要的区别。总的来说，PD是一个交易主体相关变量，其大小主要由作
为交易主体的债务人的信用水平决定；而LGD具有与特定交易相关联的特性，
其大小不仅受到债务人信用能力的影响，更受到交易的特定设计和合同的具体条
款，如抵押、担保等的影响。因此，对于同一债务人，不同的交易可能具有不同
的LGD，如对于同一债务人的两笔贷款，如果一笔提供了抵押品，而另一笔没有，
38
博士学位论文
那么前者的LGD将小于后者的LGD。
新资本协议将LGD引入了监管资本框架。在技术上，由于LGD从损失严重
程度方面反映了信用风险的性质，LGD的引入更加有利于正确地反映资产的风险
水平。而且，LGD也反映了银行风险管理措施所发挥的作用，LGD所能反映的
风险缓释技术有：抵押、质押、担保、信用证、信用衍生产品和信用保险等。
3．1．2．1影响LGD的因素
由于LGD的大小不仅受到借款企业的因素影响，而且还同贷款项目的具体
设计密切相关，所以，影响LGD的因素比影响PD的因素更多、更加复杂。具体
而言，影响LGD的因素包括以下四个主要方面：
1．项目因素。这类因素直接与贷款项目的具体设计相关，反映了LGD的项
目相关特性，也反映了银行在具体交易中通过交易方式的设计来管理和降低信用
风险的努力。这类因素具体包括清偿优先性(Seniority)、抵押品等。
2．公司因素。该类因素是指与特定的借款企业相关的因素，但不包括其行业
特征。影响LGD的公司因素主要是借款企业的资本结构。该结构一方面反映在
企业的融资杠杆率，即总资产和总负债的比率，另一方面反映在企业融资结构下
的相对清偿优先性。
3．行业因素。许多研究表明，企业所处的行业对LGD有明显的影响，也就
是说，在其它因素相同的情况下，不同的行业往往有不同的LGD。例如，Altman
和Kishore的研究表明，有形资产较少的行业(如服务业)的LGD往往比有形资
产密集型行业(如公用事业部门)的LGD高。
4．宏观经济周期因素。宏观经济的周期性变化也是影响LGD的重要因素，
经济萧条时期的债务回收率要比经济扩张时期的回收率低。
上述四个方面的因素共同决定了LGD的水平及其变化，但其分别对LGD的
影响程度是有差异的。根据穆迪公司2002年在其LGD预测模型LossCalc的技术
文件中披露的信息表明，清偿优先性等项目因素对LGD的影响贡献度最高，为
37％左右；其次是宏观经济环境因素，为26％左右；再次是行业性因素，为21
％左右；最后是企业资本结构因素，为16％左右。
量化LGD无论是从资本监管的角度还是银行内部管理的角度无疑都是十分
重要的，然而这也是一项非常具有挑战性的工作。巴塞尔委员会MTFl999年调
查表明，既便在发达国家的大银行，也只有仅1／3的受调查银行有LGD估计值用
于资本配置和盈利分析。
导致预测LGD困难的因素来自许多方面。例如，一国的破产法和破产程序
就会使得企业破产后其残余价值在债权人之间的分配难以预测。既便象美国这样
司法制度完善的国家，所谓的“绝对优先规则’’在实践中也经常得不到遵守。随
基于信用风险测度的商业银行贷款定价研究
着金融创新的不断发展，贷款和债券等金融交易的结构和特征也越来越复杂，信
用衍生产品等风险缓释技术的发展和应用能够有效地提高原生贷款或债券的
LGD，但同时又会带来新的信用风险(交易对手风险)。此外，贷款交易和债券
违约数据都非常稀少，加之金融机构在积累这方面的数据历史都不长，这都使得
对LGD的预测更加困难。
3．1．2．2违约损失率测度的统计方式
根据新会计准则对贷款减值准备的相关要求，对于单项金额重大的金融资产，
应当单独进行减值测试；单项金额不重大的，可以单独进行减值测试，也可以包
括在具有类似信用风险特征的金融资产组合中进行减值测试；单独测试未发生减
值的，应当包括在具有类似信用风险特征的金融资产组合中再进行减值测试。商
业银行采用组合方式对贷款进行减值测试的，可以根据自身风险管理模式和数据
支持程度，选择合理的方法确认和计量减值损失。
在进行组合减值测试中，不良类贷款违约损失率的估计各主流银行均采用历
史统计方法进行，通过贷款余额与未来现金流折现值的差来体现预计损失金额，
使用时基本遵循以下原则：
(1)对未来现金流的估计，当中可能需要作出一些假设，虽然此假设及估计
存在不确定因素，但未来的现金流应根据信贷人员／银行对客户的了解、贷款状况、
损失水平，按审慎的原则进行估计。此外，信贷人员／银行亦应保存足够的资料文
件支持损失率的估计方法。如需调整某些假设及估算基准，信贷人员／银行需有足
够依据及修正原因。
(2)最新估计抵押物或查封资产的可变现值应参考其评估报告，并考虑其状
况条件以估算该抵押物或查封资产在最终变现时可获得的现金。
(3)可变现估值的评估基准可参考最新的评估报告，拍卖价，买卖协议，公
开市场价或可比较物业的价值等来厘定。信贷人员应详细说明评估报告的日期及
相关资产的金额、状况、条件及市场对其需求及价格。此外，相关资料的可依据
文件亦应一并上交及留底保存。
(4)变现时所须的折扣须考虑在资产变现时会发生及应缴纳的费用(包括拍
卖费，律师费，评估费，过户费，补地价，工程款等费用)。信贷人员应详细列明
各项所须支付费用的计算基准及估计金额。
(5)从其他途径获得的现金收回是指除了从变卖抵押物及查封资产以外的可
收回现金。例如从借款人自身的收入还款或由担保人代借款人归还。信贷人员在
估算该可收回现金时，应根据财务报表考虑借款人或担保人的财务状况，尤其是
其经营活动的现金流量，以说明其有足够的还款能力。此外，亦应进行走访以核
实财务报表的可信性。如有还款计划，信贷人员应根据还款人的还款记录及意愿
博上学位论文
以说明其是否有能力按计划还款。
(6)现金流的折现应采用实际利率。如协议利率为浮动利率，信贷人员应调
整该利率以反映评估日期的利率水平。
对历史的违约损失率，再采用加权平均的方法形成当前的违约损失率估计。
3．1．2．3违约损失率测度的模型方法
违约损失率LGD是指债务人一旦违约将给债权人造成的损失数额，即损失的
严重程度。从贷款清偿的角度看，LGD决定了贷款清偿的程度，因为，LGD=I．
清偿率。新资本协议规定了银行对公司、主权和银行暴露的违约损失率在历史清
偿率的基础上，可以使用自己估计的违约损失率，当然，估计要满足一系列的要
求。对于债务人使用多项金融抵押来获取贷款时，多项金融抵押形成的抵押品池
的综合违约损失率如何计算，IRB法给出了指导原则：银行在已经得到多种形式
信用风险缓释工具的情况下，将贷款的调整值(合格的金融抵押品折扣之后)分
成若干部分，每一部分由一种信用风险缓释工具覆盖。
当银行的历史数据达不到以上要求时，银行可依据自身信贷审批的管理原则、
资产清收的执行原则以及银行在清收时不可能通过诉讼获利的司法特征等，建立
抵押品池综合违约损失率的计算模型。本文“4．2商业银行信贷交易抵押品池违
约损失率"构建了此类计算模型。
3．1．3违约相关性的确定
一个债务人发生违约，主要是由于以下三个原因：
(1)公司的特殊原因(异质因素)：差的管理水平、欺诈，以及重大项目的
失败等。
(2)特定行业的原因：整个行业都受到生产能力过剩或者原材料价格上涨的
冲击等。
(3)整个宏观经济条件：增长与衰退、利率的变化，以及商品价格对所有公
司产生各种不同程度的影响。
公司的特殊原因造成的违约，就是我们前面提到的特有风险，由异质因素导
致的违约是相互独立的，互相之间不会有什么关联。相反，宏观经济和特定行业
因素的影响将导致整个经济部门违约率的增加f921。由于其所处的特定行业及整体
的经济状况，各个债务人的命运被连在了一起，因而这些债务人在很大程度上有
着“同生共死”的关系，这就是违约的相关性。
违约相关性实际上是一个相当深奥的词汇：“如果债务人A违约，而此时债
务人B也可能以一定的概率违约，那么这两个违约事件的相关性是多少呢?”换句
话说，一个债务人违反合同而导致另一债务人同时违约的可能性有多大。
41
基于信用风险测度的商业银行贷款定价研究
还有另一种更好的但有些缺乏说服力的说法：“如果债务人A的信用质量恶
化，债务人B的信用质量在多大程度上与之相关?”它提到了信用等级转移的问题，
这一说法成为CreditMetricsTM组合模型的基础，用信用等级的联合转移概率作为
信用风险计量的基础。
违约的相关性是风险计量中最难同时也是争论最大的一个领域【93】。在式(2．5)
风险因素模型中，我们使用了债务人资产收益率之间的相关系数R。
CreditMeticsTM模型也将信用等级转移之间的相关性转化为各债务人资产收益之
间的相关性，在使用蒙特卡罗模拟资产收益的正态变化时，使产生的随机数具有
设定的相关系数。
(1)风险因素模型IRB中的相关系数
巴塞尔新资本协议的信用风险模型基本上回避了违约相关性这一问题。
首先，内部评级法的信用风险模型将特定行业的原因、宏观经济条件的原因
等合并为一个系统风险因素来考虑，然后再假设系统风险因素对各债务人违约的
影响程度是一样的，这样的话，违约相关系数从理论上来说就是一个常数。
但实际操作中，内部评级法又使用了以下的方式将R与违约概率建立了一个
联系f1】：
R=O．12x(1一EXP(一50xPD))／(1-EXP(-50))+O．24x[1一(1一EXP(一50xPD)y(1一EXP(一50))】
(3．7)
公式(3．7)是一个基本的方式，它没有任何理论基础，仅仅是经验数据的拟
合而已。然后，根据行业风险的不同(如房地产归于高风险行业)，公式(3．7)
会有一点小小的变化，对不同行业R的变化，读者可自行参考新资本协议的有关
章节。
简单就是美，内部评级法体现了这一美学原则，由于只考虑一个系统风险因
素，在资产组合充分大的基础上，特有风险被完全分散，仅仅剩下单一系统风险
因素的影响，因此，将单一资产的风险进行简单的累加就得出资产组合的风险。
这一简单方式付出的代价就是：由于部分抹除了多风险因素带来的分散效应，使
得评估出的风险偏于保守f941，这也是内部评级法常常遭到银行界诟病的原因。
(2)组合模型中的相关系数R
内部评级法的模型也可以说是组合模型的一种简化形式。但在此，我们将其
摒于组合模型之外。
J．P．Morgan的CreditMetricsTM组合模型是依据资产盯市价值的变化来计算信
用风险，而要计算盯市价值的变化，首先就要知道信用等级联合转移的情况。
CreditMeticsTM将信用等级转移之间的相关性用资产价格间的相关性来推出。
利用因子分析方法，将每个债务人指定为属于某个行业或地区。利用包含152个
42
博十学位论文
国家行业指数、28个国家指数和19个世界行业指数的数据库来计算共同风险因
子的共同变化，由此推断出相关性。
举例来说，公司1资产价格90％的波动来自于美国化学行业的影响。用标准
化的收益率，我们可以将其写作：
rl=0．90rus．ch+kl￡l
式中，残差￡与其他变量是不相关的。接下来。公司2资产价格对于德国保
险行业指数具有74％的权重，而对德国银行行业指数的权重为1 5％，即
1"2----0．74rgc．in+0．1 5 rge．ba+k2￡2
这两个公司资产价格间的相关系数就为：
R(rl，r2)=(O．90x0．74)R(rus．ch，rge．in)+(O．90x0．15)R(rb．ch，rge．ba)
而R(ru。．。h，rg。．in)等这些数据通过数据库来获取。
CreditMeticsTM组合模型最终是通过蒙特卡罗模拟来计算信用风险的，模拟的
关键就是要使得产生的正态随机变量符合信用等级联合转移的相关性要求，它由
资产价格间的相关性来代替。
而CreditRisk+的基本模型是假定债务人的年均违约率不变，不考虑违约之间
的相关性。但其扩展模型中，债务人的年均违约率pi是可变的，受同一因素影响
的资产被置于同一扇区，它假设扇区预期违约数均值肛服从双参数【a，p】的Gamma
分布，p的波动性。通过扇区中各债务人年均违约率的波动性来获得，违约之间
相关性的大小通过波动性。的大小来得到体现。
仅从违约相关性这一项，组合模型比内部评级法就显得理论上更为充分，考虑得
也更为周全，但因此也带来了实践的复杂性，其结果也难以被充分说明，所以目前还
不被巴塞尔委员会接受为监管模型，但这并不妨碍各大银行将其作为内部模型来使用。
3．2信用风险测度指标的确定
在全球金融衍生证券市场迅猛发展的过程中，多宗巨额金融损失的发
生引起人们广泛关注市场风险的量度与控制。大型国际银行或证券公司最先认
识到市场风险对其资产组合价值的巨大影响，并开发自己的管理市场风险的模型，
正是在这种背景下，J．P．Morgan银行在1994年公布了其与Reuters公司合作开发
的市场风险管理系统RiskMetrid刑，标志着VaR正式成为风险度量和管理的实践工具。
1996年巴塞尔委员会在《资本协议关于市场风险的补充规定》中推荐各国银行利用VaR
度量与控制市场风险，允许银行利用经过批准的内部模型确定市场风险资本。
在经过数次征求意见和修改后，2004年6月26日，巴塞尔委员会最终正式
公布了“资本计量和资本标准的国际协议：修订框架”，现在普遍称之为“巴塞尔新
资木协议”，与1988年公布的旧协议相比，新协议最主要的创新之一是提出了计
43
基于信用风险测度的商业银行贷款定价研究
算信用风险监管资本的内部评级法(Internal Ratings Based--Approach，IRB)，
并将VaR的概念引入到信用风险监管资本的计量。
3．2．1 V_aR
VaR(Value at Risk)在国内被译作风险价值、在险价值或受险价值。
与以往依赖管理者的主观判断进行风险定性评价不同，从本质上讲VaR是利用
概率统计思想对风险进行估值。VaR最早是应用于市场风险的度量，一个较为普
遍的定义如下：
VaR：一定时期内的最大损失，它使得实际损失超过这个值的概率小于一个
我们预先设定的值。
令X为描述在持有期t内某一资产或资产组合损失的随机变量，又令置信度
水平为口，则VaR准确的数学表达形式为：
VaR口(x)=inf{xI Pr(X≤x)≥口> (3．8)
通俗的说，就是给定一个概率(置信度)口，在持有期内预计的实际损失超
过VaR值的概率只有1一口。或者说，在持有期内预计的实际损失不超过VaR
值的概率是口。
例如，一个组合持有l天，置信度为95％，VaR等于100元人民币，其含义
是：该组合在1天中只有5％的时间里损失超过100元人民币。这等于是说，给
l天划分无穷多个时段，损失大于100元人民币的时段只占有5％。
3．2．2 CVaR
无论是从数学意义上还是从经济意义上，风险度量指标都应该体现
Markowitz资产组合理论的风险分散化效应[95】。假设有两项资产，其可能的损失
用变量x和Y表示，变量的函数p(·)表示风险，如果要满足Markowitz的风险分
散化效应，则应该有：p(X+Y)<p()()+p(Y)，这一特性被称之次可加性。
VaR在损失服从正态分布时下是满足次可加性的【961，但在某些情况下，人们
发现它不具备这一特性，使用VaR度量风险，有时会得出投资组合的VaR值会
高于子组合VaR值之和，那就是说，合并投资组合会增加风险，这是一个奇怪的结果。
Artzner等在1999年提出了优良的风险度量指标应该具备的一系列特性，并
证明，CVaR正是具备这些特性的风险度量指标[971。
CVaR的一个较为精确的定义是：损失超过VaR值这个条件下的平均损失值。
用数学的语言来表达就是： CVaR=目m肌心(X)】(3．9)
CVaR是风险计量领域的最新进展，巴塞尔委员会还未将其纳入到风险计量
博士学位论文
的监管模型中，但众多国际大银行在其计量风险的内部模型和软件中，在使用VaR
的同时，已经开始使用CVaR这个指标。
这样的描述对于缺乏概率统计知识的金融实践者可能仍然难于理解，我们用
一个直观的例子来阐述VaR与CVaR的概念，并说明预期损失、非预期损失、
极端损失等在金融领域中经常遇到的术语。
假设你持有一个现值100万元的资产组合，并能够对其发生的损失进行观测，
你仔细的将每次发生的损失以千元为单位进行记录，发生一次损失你就记录一次，
看看每次损失了多少。你在3年内总共进行了1万次的观测(假设你每天有10
次交易的机会，每次你只观测资产组合的价值变化而不进行交易)，除了那些赚
钱的时候，损失共发生了5000次，最后你有了下面这个记录表，表3．2。
表3．2中的损失是损失的发生额，是经过了百元级四舍五入的归整值，频度表示发生
的次数，概率则是频度数与5000次损失总数的比例。这个记录表表明，在过去的3年中，
损失02于元只发生过1次，损失3．5千元发生过185次，损失6千元发生过7次。
表3．2损失概率分布表
如果以损失额为X轴，每种损失额对应的发生概率为Y轴描绘一张图的话，
就能得到图3．1的实线部分，这就是统计学家们常说的概率分布图，在绘制的图
上加了一条用虚线表示的曲线，这条用虚线表示的理论曲线就是正态分布的概率
分布曲线，这表明记录的损失分布与正态分布非常接近。
45
基于信用风险测度的商业银行贷款定价研究
4．5％
4．0％
3．5％
3．o％
2．5％
2．o％
1．5％
1．0％
0．5％
0．o％
概率
Q Q'Q，、，◆～>～'飞，勺，吗’K>◇◇白，白'b>b' 损失
Q’Q。、‘ ＼。～。～’ ～’ 勺。吗。K。K。K’ 白。白’ b’ b‘4“7、
图3．1 损失的概率分布曲线
如果有一个和以前一样的资产组合，持有期3年，资产组合的风险是多少?
表3．2提供了关于风险的最基础和宝贵的数据，包括以下三个指标。
(1)损失的期望值，将每个损失额与对应的发生概率相乘后求和，就得到损
失的期望值，本例中，是3．51，大约对应于正态分布的峰值。
(2)VaR值，表3．2中，如果将大于等于5．9的概率相加的话，会发现它等
于0．98％，再往前加一个就大于l％了，5．9就是这样一个VaR值：如果持有这样
一个组合3年，损失超过5．9的概率不会大于1％，相应的置信度水平是99％。
VaR值又称为“非预期损失”或“未预期损失”。
(3)CVaR值，求大于等于5．9以后部分的期望值，就得到极端损失的平均值。
这个值有多个名称，尾部VaR(TailVaR)，条件VaR(Conditional VaR)，平均超额损
失(Mean Excess Loss)，平均短缺(Mean Shortfall)，期望短缺(Expected Shoafall，ES)
等。表3．3计算出的就是一个置信度水平在99％下的CVaR值，等于6．14。
表3．3 CVaR计算示例表
博上学位论文
概率
4．5％
4．0％
3．5％
3．0％
2．5％
2．O％
1．5％
1．0％
0．5％
O．O％
o甘卜H∞∞⑦N∞∞H甘卜甘∞∞⑦N∞∞H甘卜∞^
6 d 一一。式树式一一cr5 奇o o Lf5一凼d d d 硬犬
图3．2预期损失，vaR，CVaR图示
最后，我们用图3．2来进行一下小结。5000次损失记录形成了一个损失的概
率分布图，它接近正态分布，可以从这个损失分布中得出它的预期损失、VaR(非
预期损失)和CVaR三个衡量风险的指标。
3．2．3 Va刚CVaR的参数确定
在计算VaR值或CVaR值之前，必需确定两个参数，否则提供的测度值就没
有可比性。这两个参数就是置信度水平和持有期。因为VaR值和CVaR值的这两
个参数具有相同的意义。
3．2．3．1市场风险VaR的参数
1．置信度水平．
置信度水平(设为口)越大，那么得出的VaR值就越大。通过变动置信度水
平可以为我们提供不同的关于潜在极端损失的信息。但是，应该如何选择，95％，
99％还是99．9％，并不是很明确。在这些置信水平下，计算出的VaR值将会依次
增加。如此一来，在不同时期及不同部门保持置信度水平相互一致就显得尤为重
要。
另一个问题是，当置信度水平口增加时，大于VaR的损失事件的数目就会减
少，这样就会造成对这些发生概率小但损失数目大的损失事件的度量不准确。例
如有1000个观测值，那么在99％的置信水平下VaR就是第10个最低的观测值。
如果置信度水平变为99．9％，那么VaR就是最低的那个观测值，在这个观测样
本中，没有办法计算比99．9％更高置信水平下的VaR值。
47
基于信用风险测度的商业银行贷款定价研究
还有一个重要的问题，我们希望能对使用的VaR值进行验证。这就是事后测
试的目的。事后检验是否超出VaR值的损失事件的发生概率确实与1一口吻合。
在这种目的下，风险经理不应当将口的值选得太高。例如如果选取口"-99．99％，
那么超出VaR的损失事件将会在10，000个交易日中才发生一次，将非常难以验证
与VaR联系的这个概率是否的确是99．99％。
由于以上这些原因，通常选取一个不太高的置信水平，一般是95％"-99％。
对于置信度水平的具体选取依赖于计算VaR值的目的，当用于风险的报告时，
考虑以上因素即可。如果VaR值被用来计算应该准备多少资本来防止破产，则根
据银行管理层的风险偏好，应在较高的水平上进行选择，计算监管资本时则必需
满足监管当局的要求，巴塞尔委员会要求在计算市场风险的监管资本时采用99％
的置信度。
2．持有期
持有期越大，可能遭受的损失也越大，那么计算出的VaR值就越大。对时间
范围的选择主要是主观行为，与银行的业务种类和所分析的资产组合类型有关。
对于交易组合主要投资于高流动性货币的银行，最好选择1天的持有期。对于需
按季度调整组合并报告业绩的投资银行经理来说，90天是较合适的。理想的情况
是，时间范围与组合定期清算所需的最长时间相一致。
时间范围是VaR的一项基本因素，特别是在不同组合间进行比较的时候，因
为10天的VaR和l天的VaR之间相比是没有任何意义的。计算市场风险时，巴
塞尔委员会要求的持有期为10个交易日或两周。
3．2．3．2信用风险VaR的参数
用VaR度量信用风险时，选择置信度水平和持有期的原则，与用VaR度量市
场风险时选则置信度水平和持有期的原则是一样的，但由于信用风险难于观测的
特点，在实践中带来了两个方面的考虑：
(1)既然信用风险难于观测，对信用风险的VaR值进行事后验证就难以实
现，由于高置信度水平对事后验证造成的困难反而就不那么注目了。
(2)正因为信用风险的VaR值难以进行事后验证，人们对通过模型计算得
出的VaR值就不是非常放心，在这种情况下，持审慎态度的人往往会选择较高的
置信度。
正是由于以上考虑，各金融机构在计算信用风险的VaR值时，选取的置信度
水平一般要比对待市场风险时高。巴塞尔委员会要求计算信用风险的监管资本时，
采用高达99．9％的置信度。
在选择持有期参数时，由于信贷资产的流动性要远远低于交易账户内资产的
流动性，各金融机构大多是计算资产组合一年内信用风险的VaR值。在内部评级
博十学位论文
法的模型中，通过使用一年期的违约概率来表达了其对持有期的要求。
3．2．3．3风险因素模型的理论VaR值
根据2．2．2．5风险因素模型的描述，债务人在给定Y下的条件违约概率是：
Pt债务人违约In=I里警) c3．-∞
式中的N(．)是标准正态随机变量累积分布函数，G(．)是标准正态随机变量累积分
布函数的逆函数。如果债务人的风险敞口、违约损失率分别是EAD和LGD，则对
债务人的贷款在条件Y下的损失分布是：
三o．蟠Iy=尉。×三G。×Ⅳ(鱼堕竺弓}三笋] c3．·-，
系统风险Y如果处于一个极端糟糕的情况，出现比它更坏情况的可能性不超过
0．001％，(置信度99．9％。)，在这个极端糟糕情况下的损失(也就是非预期损失，VaR
值)是：
信用风险的VaR／直=E,‘A⋯∞×吖舞+压榔哟)](3．12)
式(3．12)与式(3．11)有一个符号的变化，那是因为Y本身是可正可负的，既然是
考虑糟糕的情况，当然是计入Y引起VaR值增加的变化方向。巴塞尔新资本协议
的信用风险，就是在风险因素模型理论VaR值的基础上，再进行相应的盯市调整。
基于信用风险测度的商业银行贷款定价研究
第4章商业银行贷款交易级信用风险的测度
信用风险是到期时借款人发生违约，不能偿还全部或部分贷款本金和利息的
风险。信用风险一直是银行业所关心的问题，通过测度每一笔信贷交易的信用风
险而获得全部信贷业务信用风险的总和是一种自下而上的方法，同时，交易级的
信用风险测度也是交易级风险定价的基础。
巴塞尔新资本协议格外引人注目的莫过于推出信用风险估计的内部评级法
(Internal Ratings—Based approach，IRB)。IRB的推出，是巴塞尔委员会对业界几
个比较典型的风险估算模型进行研究和比较之后，根据其成熟度及可操作性进行
调整后确定的，IRB法允许银行在计算资本要求时使用内部风险评估系统，是交
易级信用风险测度的典型。中国的银行业实施新资本协议已提上议事日程，内部
评级法(IRB)的信用风险测度研究具有非常现实的意义。
采用IRB法，违约概率PD与违约损失率LGD的获取及其有效性是关键。依
据穆迪的数据库，Carey和Hrycay(2001)【粥】估计为了检测内部评级的有效性，
需要一个11．18年的历史样本。如果我国银行现在就要参照IRB法对信用风险进
行测度，以期达成诸如经济资本管理、风险准备等管理目标，将会遇到数据上的
困难。这些困难一是体现在目前信用等级违约概率的可信度还比较低下，二是信
贷数据的登记缺乏规范，导致无法按照新资本协议的要求构建违约损失率。本章
采用贷款的五级分类形态来标示违约概率，虽然状态的级别相比信用等级要少一
些，但多年的、质量较高的五级分类数据所构建的违约概率具有更高的可信度。
此外，本章还依据我国商业银行的信贷数据基础、信贷业务的操作模式以及我国
司法的背景，提出了用模型构建违约损失率的一种方法，并依此方法所构建的违
约损失率和五级分类的违约概率体系使用IRB模型对某商业银行的信用风险进行
了测度，并就中国银监会“商业银行资本充足率管理办法”进行了资本要求的对比
分析，从而验证上述修正方法的合理性。
4．1商业银行信贷交易五级分类违约概率模型
违约概率肋是指借款人在末来一定时期内不能按合同要求偿还贷款本息或
履行相关义务的可能性。大多数国际商业银行的违约定义考虑了没能按期支付、
债务重组和申请破产等情况，一些银行还考虑了银行工作人员判断损失可能出现
或者无法避免的一些情况。许多银行还倾向于使用评级机构的违约定义，评级机
构关于违约概念的重点在于考察借款人是否破产或被接管，是否无法及时支付利
博十学位论文
息或本金，或者是否被迫交换资产或进行重组199]。一般认可的违约风险包括破产、
无力支付、加速到期或违约、拒绝支付／延期支付以及资产重组。
按照IRB法规定，银行无论是采用IRB高级法还是用IRB初级法，都必须自
己估计每类债务人相对应的违约概率，违约概率是债务人内部评级一年期违约概
率和O．03％中较大的数值【l01】。就我国的商业银行而言，目前要获取债务人内部评
级的违约概率还存在一定的困难，主要原因是：第一，除四大国有银行外，很多
银行实行债务人的内部评级工作还不到3年，数据积累不够。即便是实施内部评
级时间很长的中小银行，由于高等级客户数量稀少，高等级客户的违约数据不多，
对高等级的债务人也难以形成统计有效的违约概率。第二，评级采用的方法和该
方法采用的标准对时间的稳定性是其能否成功的关键。对于四大国有银行，由于
内部评级的标准在几年内发生过变化，数据的一致性存在很大的问题，难以获取
债务人内部评级的违约概率【104]。第三，外部评级机构难以获取银行客户的违约信
息，且其评级标准与各银行的标准存在一定的差异。以上三点决定了通过银行内
部违约经验和影射外部评级数据来获取债务人内部评级的违约概率在目前情况下
还不成熟，但并非就不能使用IRB模型来计量银行的信用风险。
按中国银监会的要求，国有独资商业银行、股份制商业银行从2004年开始，
在中国推行国际通用的信贷资产分类(CreditAsset Classification)，亦即在中国被
称为的五级贷款分类制度，根据内在风险程度将商业贷款划分为正常、关注、次
级、可疑、损失五类形态。五级分类制度中关于次级贷款的核心定义是：“借款人
的还款能力出现明显问题，完全依靠其正常经营收入无法足额偿还贷款本息，即
使执行担保，也可能会造成一定损失”。
在实际操作中，通过银监会组织的内部培训，次级贷款的划入原则在各金融
机构得到了统一，其中最主要的两条为：“借款人已不得不通过出售、变卖主要的
生产、经营性固定资产来维持生产经营，或者通过拍卖抵押品、履行保证责任等
途径筹集还款资金；本金或利息逾期91天至360天(含)的贷款或垫付款项”。
在巴塞尔新资本协议中，出现以下一种情况或同时出现以下两种情况，债务
人被视为违约：“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银行集团的债务”，“债务人对于银行集团的实质性信
贷债务逾期90天以上”。
从五级分类次级贷款的核心定义和划入原则来看，其与新资本协议关于债务
人违约的定义基本上是一致的。五级分类工作在各银行开展得较早，数据量大且
分类标准统一，目前各大银行以此为基础广泛开展了五级分类贷款形态的迁徙分
析。此项分析技术起源于也类似于评级公司广泛使用的信用迁徙矩阵，它通过银
行五级分类的报表数据计算年初每一级贷款继续保留原有分类形态或迁徙为其余
四种分类形态的比例，形成贷款迁徙率矩阵。从贷款迁徙率矩阵中可以进一步计
5l
基于信用风险测度的商业银行贷款定价研究
算出各级贷款的违约概率，计算的一般原则是，正常类和关注类贷款的违约概率
为：本级别迁徙到次级及次级以下各级形态的概率；次级类、可疑类、损失率贷
款的违约概率为：本级别保留原有分类形态或迁徙到次级及次级以下各级形态的
概率。
定义：，为年初至年末的贷款迁徙率矩阵，矩阵元素，．；，定义为年初第i类贷
款在年术转为第jf类贷款的比例，其中‘户1表示正常类，fJ产2表示关注类，t产
3表示次级类，t户4表示可疑类，t户5表示损失类；PDi为各级形态贷款的违约
概率。则违约概率计算公式为：
鹧=Σ：；，r,j (4．1)
4．2商业银行信贷交易抵押品池违约损失率模型
如果实施新资本协议，在违约损失率方面，各银行的信贷管理系统基本不支
持IRB法处理抵押品池的指导原则，其原因是：在信贷的原始记录中，一开始就
没有将多项抵押品分别对应一个风险暴露，而是将抵押品池对应总的风险暴露，
信贷系统记录的原始数据无法将抵押品池拆分成多笔贷款分别进行处理。
在考虑我国银行业实际情况的背景下，我们提出以下综合违约损失率的计算
模型。
约定：一笔贷款的敝口为E(按新资本协议第147条规定，经合格的金融抵
押品风险缓释后的贷款值)，使用了／1项(合格的金融抵押品之外)担保方式作为
风险缓释工具，将担保方式排序为Al，A2，．．．，An，担保方式么，的市值金额为cf，违
约损失率为LGDf。排序的规则为：首先按照处置难易程度由易到难排序；其次对
于难易程度相同而担保市值金额不同的担保方式，则按照担保市值金额由大到小
排序。
假设：
(1)按银行信贷业务管理的一般要求，各项担保的市值金额之和应该大于等
—L
于敞口，即≥：cf≥E。
i=1
(2)构成抵押品池的担保方式划分为信用担保、保证担保、抵押担保、质押
担保4种方式。各项担保市值金额之和越大，处置时债务人的压力也越大，其违
约后的处置难度越小，违约损失率也就相对越低，并假设它们之间的关系是线性
的。
(3)因为信用与保证担保不涉及实际的可处置资产，其金额大小对担保工具
处置难易度的影响十分有限。因此，信用与保证担保方式的市值金额之和，只在
52
博士学位论文
敞口数额范围内对违约处置难易度发生影响作用。
(4)在我国司法体系中，银行不能通过司法诉讼途径获得盈利，可清偿的总
厂^ 、
金额不能超过敞口E， minlΣq(1-LGD,)，E I。
＼i=l ／
在上述约定和假设条件下，各项担保构成的抵押品池的综合违约损失率模型
为：
三G％合=
a=Σ
圭c：f(1一三够)z+卜一Σk c]f(1一三∞)](1一三GDk+1) 卜——mi蕃q—nI(Σ1-LGD一,)，El
6=埘n(q。磊≯，刁
Co=0
￡G域=L呱+l=1
Zc,≥E
k满足
Σq(1-LGD，)<E
i=O
k+l
Σci(1-LGDi)≥E，或者k=刀
E
口+6
(4．2)
在模型中，使用』≥作为影响因子，表示假设2中担保金额大小对于综合违
口+b
约损失率的线性影响。抵押、质押担保可处置资产的总和口= Σ q，在线性
白e葙而质押
降低LGD缘台的作用中不受总额的限制。根据假设3，信用与保证担保的总和
／， 、
6=minl Σ c，，E I，只在敞口E的范围内发挥作用。
＼qt抵押u质押／
当各分项担保数额之和大于敞口E时，银行清收的一般方法是按照各担保方
式的处置难易程度，采取由易到难的顺序依次进行清偿处置，直至清偿数额之和
等于敞口。当前k项担保处置清偿数额之和小于敞口E，而加上第k+l项担保的
处置清偿数额后大于敝口E，那么第k+l项担保的清偿数额等于尚未弥补完全的
53
幕于信用风险测度的商业银行贷款定价研究
敞口余额r层一壹q(1一三GB)、l。＼ J=l ／
4．3内部评级法框架下商业银行信贷资产的资本要求
为验证前面所构建的违约损失率模型和五级分类的违约概率体系的合理性，
以下依此所构建的违约损失率模型和五级分类的违约概率体系，在IRB模型下对
某商业银行的信用风险进行测度，并就中国银监会“商业银行资本充足率管理办
法”进行了资本要求的对比分析。
银行是经营风险的企业，而风险意味着潜在损失。银行的潜在损失可以分为
三类：预期损失、非预期损失和异常损失。预期损失是以历史上的平均损失为依
据预测的未来的平均损失，是银行可以预见的损失，一般通过计提损失准备进行
预防和弥补，直接计入银行的成本。异常损失是指战争、重大灾难袭击等异常情
况导致的损失，银行一般无法预见，虽然发生的概率极低，但损失可能非常巨大，
银行对此无法抵御，只能通过其他特殊方式(如保险等)进行弥补。非预期损失
是指未来可能超过预期损失的那部分损失，可以通过历史上实际损失与平均损失
的偏离程度、以一定的统计概率来计量，是银行真正的风险。为了避免出现非预
期损失危及存款人和债权人的利益，银行要以资本进行抵御和弥补【102]，这就是监
管当局要求银行具有充足资本的原因所在。
银行应该有多少资本，要通过对非预期损失的计量来确定。银行为抵御非预
期损失而“应该有”的资本称为“经济资本”I1031。经济资本是银行业务(资产)风险
所产生的资本需求，在数量上等于非预期损失额。
新资本协议IRB法第272条关于公司、主权和银行暴露风险加权资产的计算
如下： R：O．12×—1-EXP(-—50xPD)+0．24×—1-(1-EXP(—-50xPD)) ·
1·。EXP(‘。50) 1-。EXP(。。50)
b=(0．11852-0．05478×LN(PD))2
K=(三GD×N((1-矽气G(肋)+(惫)o．5×G(o．999))一PD地GD)“．3)
x(1—1．Sxb)。1×(1+(M．2．5)x功
只乃■=K×1 2 5×E
式中：R．一相关性；卜期限调整：l卜资本要求；M一期限；RWA一风险加
权资产；E-一风险暴露。N(．)表示标准正态随机变量的累积分布函数；G(．)
表示标准正态随机变量累积分布函数的反函数。
博上学位论文
4．4商业银行信贷资产信用风险资本要求的实证分析
鉴于“十国集团”于2006年底实施巴塞尔新资本协议，我国资本充足率监管与
国际标准的差距将进一步扩大，与我国银行业改革开放的形势不相适应。为此迫
切需要吸收资本监管的国际经验，建立一套相对完整的资本充足率监管框架，解
决与现行有关法规的不衔接问题，提高监管法规的一致性、有效性，银监会在2004
出台了《商业银行资本充足率管理办法》(以下简称管理办法)，基本沿用了新资
本协议标准法的处理方式。
两种方法都是先计算出银行的风险加权资产，然后按8％的比例提出资本要
求。实际上，8％的资本充足率最低监管要求，是根据发达国家银行市场经验数据
得出，也是十国集团内部相互妥协的结果。发展中国家由于制度转轨的影响，市
场波动度大，金融业运行的市场环境和制度基础与发达国家相比，有一定的差距，
银行业面临的风险比发达国家要大，8％的最低资本充足率并未充分反映发展中国
家银行业的风险状况。对于中国这样的发展中国家来说，一般都认为是最低标准，
然而，并未见到过实际的情况分析和报告。
我们将前述模型(4．1)一(4．3)应用于国内某商业银行数据，从而对IRB
法下的资本要求与管理办法的资本要求进行比较。
选取某商业银行2006年和2007(1．11月)年两个年度的信贷资产五级分类
明细数据库，每条明细都记录有本项资产的余额、五级分类的形态、到期日以及
各项担保等信息，每项担保又包含其对应于管理办法所规定的风险权重和银行根
据历史清偿记录所设定的平均清偿率。具体参数见附录C，
依据其06年年初至06年年底五级分类贷款迁徙率矩阵，按照模型(4．1)得
出的各级贷款的违约概率如表4．1。
表4．1 某银行各级贷款形态的违约概率
根据模型(4．2)，可计算出各项资产的综合违约损失率，计算日距到期日的
时间为模型(4．3)中期限调整的M。
将每笔信贷资产的违约概率、综合违约损失率、期限、敞口带入模型(4．3)，
算出其风险加权资产，汇总后的风险加权资产乘以8％，得出依据IRB法模型该
行2007年1．11月份的资本要求，图4．1中的实线所示。
55
基于信用风险测度的商业银行贷款定价研究
一，◆．-◆--◆--◆’⋯ 7 7
—一-，-!。二·～ 一一．
一
．
图4．1 IRB法模型&资本充足率管理办法的姿本要求
根据管理办法，表内风险加权资产的计算方法为：(1)根据交易对手的性质
确定该笔资产的风险权重。管理办法将表内风险加权资产分为现金类、对中央政
府和中央银行的债权、对公用企业的债权、对国内金融机构的债权、对在其他国
家／地区注册金融机构的债权、对企业和个人的债权、其他共7类，视不同情况权
重分为O％、20％、50％、100％四档。(2)如已针对该笔贷款计提专项准备，应
从账面金额扣减专项准备。(3)如该笔贷款采用了风险缓释技术，则相应部分获
得与风险缓释技术工具相同的低风险权重。(4)资产未被专项准备覆盖，未获风
险缓释的部分，乘以该笔资产的风险权重，获得该部分的风险加权资产值。依据
上述步骤计算出的风险加权值的合计值，就是该资产的风险加权资产。
将每笔信贷资产依据中国银监会的规定，按照表内风险加权资产的计算方法
算出其风险加权资产，汇总后的风险加权资产乘以8％，得出依据管理办法模型
该行2007年1．11月份的资本要求，图4．1中的虚线所示。
表4．2列出了该行2007年1．11各月份的不良贷款率。
表4．2 2007年某银行各月份资本要求对应的不良贷款率
对照该行信贷资产样本的不良率及两种方法的资本要求，我们大致可以得出
下面的结论：
1．IRB法模型的资本要求一般情况下要低于管理办法的资本要求，特别是在
资产质量较好的情况下。从表l中的趋势来看，该行不良率达到7％左右时，两
)8
6
4
2
0
8
6
4
2
O
亿l
1
l
1
1
，L
博上学位论文
种方法的资本要求会比较接近。
2．该行的风险管理水平和信贷资产质量尚可，正常类贷款和关注类贷款的违
约概率较低，按管理办法的风险加权资产以8％的比例提出资本要求应该能够覆
盖非预期损失。
提供样本的银行在我国140多家银行的综合排名进入了前20名，风险管理水
平和资产质量相对较高，由此可以说明本章所构建的违约损失率模型和五级分类
的违约概率体系的合理性。
57
基于信用风险测度的商业银行贷款定价研究
第5章商业银行贷款交易级风险定价研究
在市场经济条件下，商业银行对贷款的定价是一个复杂的过程。银行在决定
对某一借款人提供贷款后，必须明确贷款的价格。贷款价格的高低应足以弥补银
行的筹资成本、管理费用以及可能发生的违约风险，并保证银行一定的赢利水平。
贷款定价的方式有很多，如差额定价法、优惠加成法和交易利率法等，但众多的
贷款定价方法中，以RAROC为基础的风险定价法最为前沿。
RAROC(Risk Adjusted Return on Capital)是由美国信孚银行于20世纪80
年代末提出的，其定义为： (净收益．预期损失)／经济资本，它等于一项交易、
一种产品或业务的所有相关收益在扣除预期损失和相关费用后的净值除以所占用
的经济资本后的比率。RAROC定价法的基本思想是在保证相同的RAROC条件
下对任何一笔贷款定价。从理论上说，只要贷款的价格能够使业务获得相应的
RAROC，这笔贷款就可以发放，贷款的利率是没有上限的。
基于业务条线的管理或事业部制管理是现代商业银行的管理模式。在这种模
式下，作为资产业务条线的贷款成本包含：运营成本、风险(预期损失)成本、
内部资金转移的成本、资本(非预期损失)成本。而内部资金转移的成本与资本
成本的测度涉及到复杂的业务模型。本章讨论了当前情况下银行上述两项成本的
计量模型，对基于RAROC的贷款风险定价作出了实证的分析。分析结果首次发
现了在RAROC定价方式下存在的“翘板效应”，同时，本章还首次提出了RAROC
定价方式下银行授信边界的理念，并对其进行了探讨。
5．1 RAROC贷款风险定价模型
股东关心的企业价值或者银行价值，在实践中我们可用经济增加值(EvA)
表示，即银行的净资本回报。当资本回报超过资本成本时，银行的经济价值获得
提高。经济增加值表示为资产的收益在扣除债务资金成本、经营费用、预期损失
和经济资本成本后的净值。债务资金成本、经营费用和预期损失可理解为资产所
对应的财务成本，经济资本成本则可理解为银行资产所占用的经济资本应获得的
期望收益，即资本的机会成本。当资本回报大于资本成本时，特定的资产或业务
创造了新的银行价值。
一笔贷款业务或称贷款交易，其风险调整后的收入为：收入减去税收、运营
成本、资金成本和预期损失，风险调整后的收入与此笔业务应承担的经济资本的
比值就是此笔业务的RAROC，如果RAROC大于股东的期望值，则此笔业
务为股东带来了经济价值的增加，也就是现代财务概念所说的EVA(Economic
58
博十学位论文
Value Added)大于零。
一笔贷款交易风险定价的基本点就是：资产业务的EVA>0或RAROC>股东
的期望值。
5．1．1贷款业务经济资本计量模型
根据3．2．3．3风险因素模型的理论VaR值，对于一个具体的债务人，如果：
它的无条件违约概率是PD，债务人资产收益率之间的相关系数为R，债务人的风
险敞口、违约损失率分别是EAD和LGD，则有式(3．12)。
信用风险№睡EADxL∞×Ⅳ(丽G(PD)+压榔哟)]
式中的N(．)是标准正态随机变量累积分布函数，G(．)表示标准正态随机变量累积
分布函数的反函数。
为了简化公式的表达，用P表示债务人违约概率；债务人风险敞口、违约损
失率分别是E和五，矽(·)和矽-1(·)表示标准正态随机变量累积分布函数和反函数，
则该债务人的贷款在条件Y下的损失分布是：
三oss l Y=Exlx q一(锷笋] ㈣。，
在置信度为99．9％的情况下，债务人信用风险的VaR值表示为： 啪=Exgx矽(盥铲] 辑2，
在式(5．1)的损失分布中，损失的总额包含预期损失和未预期损失两个部分。
依据内部评级法对信贷损失的处理方法，巴塞尔新资本协议第三次征求意见稿要
求银行持有充足的资本来弥补预期损失(EL)与未预期损失(UL)。不少成员
国认为此种方法是切合实际的折衷，能够解决各国会计方法和监管当局在准备金
计提方面存在差异的问题，但仍然有众多的银行机构要求改变内部评级法对资本
金的约束，希望能将监管资本的计算与经济资本的计算更好地结合起来【104]。巴塞
尔银行监管委员会在重新审议这一问题后，决定在最终稿中确定要求资本金充足
率仅需覆盖未预期损失。
在99．9％的置信水平下，分配给债务人的经济资本K则为： K：E×名×≯r望二二鱼里羔±二≤茎』掣、1一E×p×名(5．3)
‘I √1一尺J ‘
基于信用风险测度的商业银行贷款定价研究
因为系统风险】，是服从标准正态分布的，其取值范围可正可负。由于
计算最大可能损失要求考虑】，的最坏情况，因此式(5．3)、式(5．2)与式(5．1)存在
正负关系的变化。在实际的经济资本计量中，有三点必需要考虑：
第一，违约概率P与资产收益相关系数R存在一定的相关关系，可以按巴塞
尔新资本协议的有关规定进行调整；
第二，按照盯市模型，即使债务人没有违约，其信用等级的下降也会降低贷款
的盯市价值。风险暴露的期限越长，债务人信用等级下降的可能性越大，对贷款盯
市价值的影响也越大。另一方面，债务人违约概率越小，虽然其违约的可能性越小，
但信用等级变化的可能性却越大。因此，有必要进行盯市的调整，在实施新资本协
议前，也可参照协议进行。
第三，按照RAROC的定义，其值应该等于贷款风险调整后经济资本的收益率。
但实际上，在实施新资本协议内部评级法前，一般准备金可以包含在二级资本中，
贷款风险所占用的股权包括预期损失和未预期损失两个部分，以式(5．2)的VaR值
为基础确定贷款的资本消耗更符合股东的心理。而对于已经开展经济资本配置管理
的银行，各机构获得经济资本并对其进行运营管理，贷款的风险仅仅消耗了分配到
的经济资本，以式(5．3)为基础确定贷款的资本消耗则更便于核算上的处理。
5．1．2资金转移价格模型
内部资金转移定价(FTP)是一种以利率形式向资金使用部门出售资金并向资金
提供部门购买资金的内部定价机制。这种资金转移可以不发生实际的资金流动，仅
通过专门的管理信息系统来实现虚拟的资金转移。现代银行管理要求从以分行为核
算主体的横向管理体制过渡到以业务线为核算主体的纵向管理体制，而内部资金转
移定价是实现这一过渡的基础。在现代银行的管理模式下，贷款的资金成本应该采
用内部资金转移的价格。
银行的资金价格具有期限特征，不同期限资金的价格构成一条FTP价格曲线，
它应当反映出资金的机会成本或收益，在理想情况下可以用市场收益率曲线来代替。
市场收益率曲线传统的直接推导方法是息票剥离法，将息票从债券中剥离并在此基
础上估计无息票债券利率水平，它要求市场上存在一组具有相同的息票到期日、并
且相互之间不存在线性关系的债券，而这是相当困难的。所以，现实中往往不采用
这样的直接方法，而是通过模型估计的间接方法来获得收益率曲线。McCulloch提
出的三次样条法就是其中非常重要和广为应用的一类方法。为了避免该方法中回归
矩阵列向量可能存在的完全共线性问题，我们遵循Steely的方法，在McCulloch三
次样条法的基础上，将基函数由三次多项式改进为B样条函数。B样条是一种特殊
的样条函数，它能够自动保证不同区间的曲线具有连续性，这一特性有效地提高了
利率曲线估计的精确度。
博}：学位论文
我们采用的估计步骤是：
(1)将期限轴分割成若干个区。
将期限区间【口，纠用{七l，恕⋯k)这m个结点分割成m-1个子区间，kl=a，k=6。
(2)将定义在这若干个区间上的一组B样条写成线性组合的形式，线性组合
的系数有待估计。
用B¨O)表示以阶B样条序列中的第i个B样条，它的定义式是一个递归式：
． ． f0：石∈(∞，毛)
州2基‰∽+按‰∽濮札u(曲≮愁≥。
一般来说，一个以．1次多项式所构成的B样条被称为，l阶B样条。当对结点序
列{尼l，恕⋯‰)共m个结点构建基函数时，需要{口勘，刀．1渺．．岛．i一>共脚+2个B样条，
而定义这朋+2个样条需要{如，疋I，--．‰3)共m+6个结点组成的序列，我们称之为扩
展的结点序列。用磅表示4阶B样条序列，就得到了在结点序列{‰，恕⋯‰)]i，由
4阶B样条线性组合而成的三次样条函数，其中0t为待估系数：s(曲=Σ，m-I：q Bi(x)
(3)用B样条的线性组合来代替利率的贴现函数，通过贴现函数和债券收益
率的关系推导理论上的债券收益率；
定义：R=第i个债券的价格；K=第i个债券的到期收益率；劬=第f个债券
的第．，笔现金流；功=第f个债券的第j笔现金流的贴现时间长度；mi=第f个债券
未偿还的现金流笔数；N=所观察的债券数目。显然，第f个债券价格即是各期现
金流的贴现之和：
霉=Σ羔。勺d(％)=0 a(‘)，其中q=[q。⋯‰]r，a(‘)=[d(t，)⋯d(‰)]r．
定义扩展的结点序列：{如f=1，．．．，七+6：0=dt=疵=,／3=51<观<⋯<“=
dk+s=dk+6=以=乃．由K=k+2，根B样条构成的三次样条S(f)在f∈【O，刀的值为：
s(f)=【Bl(f)⋯Bx(r)】心⋯吱】r．将s(t)直接拟合利率期限结构中的贴现函数，也
就是令d(t)=S(t)，所得到的第f个债券的理论价格为
耷(秒)=Σ三。勺d(乃)=Σ羔。勺s(乃) (5．4)
通过债券到期收益率和债券价格之间的转换公式，就可以得到债券的理论到期
收益率R(口)．最小化理论债券收益率毫(秒)与实际债券收益率K之间的差，得以确
定线性组合的待估系数否，从而确定贴现函数，通过转换得到市场收益率曲线。
在理想的情况下，市场收益率曲线决定了资金的机会成本或收益，它直接表示
了资金在不同期限上的价格。然而，由于我国商业银行存贷款利率仍以人民银行公
61
基于信用风险测度的商业银行贷款定价研究
布的基准利率为定价基础，使得存贷款利率与市场利率之间存在着一定程度的背离。
在这种情形下，如何合理地构建FTP价格曲线，使银行的各种业务能获得合理的资
金转移价格，就成为了关键。在实际应用中，可以基于以下几个方面的考虑来调整
上述计算结果：
(1)在实践中我们发现，仅仅采用McCulloch模型来构建市场收益率曲线很难
令人满意，McCulloch模型能在期限的短期部分对曲线作出较为精确的拟合，而在
期限的中长期部分曲线的平滑性较差。而Nelson和Siegel提出的NS模型则在长期
部分有很好的稳健性，因此我们采用了NS模型对曲线的长期部分进行了调整。
NS模型假设f期后瞬时远期利率f(f)是一个同根2阶微分方程的根：
f(r)=6l+么exp(一r／2)+(b3r／2)exp(一r／2)
其中，地，如，63，五)为模型的待估参数。根据瞬时远期利率与即期利率的关
系，可将上式转换成f期零息票利率模型，用z(f)表示f期零息票利率，则有：
z(f)=25I+(62+bOO—exp(一r／,z))／(r／g)一岛exp(一r／A)
(2)因为大部分商业银行的信贷资金主要来源于其负债，对调整后的结果，
必需依据银行实际负债成本的期限结构对其进行二次调整。
5．1．3贷款的风险定价
设一笔贷款的贷款利率为，．，使用的债务资金为D，债务资金的内部资金转
移价格为i，运营费用为厂，则此笔贷款的净收益为[Ex(，．一厂)一D×i】，预期损失
为E×P×名。如果分配给此笔贷款的经济资本是K，那么，贷款的RAROC可表
示为： RARDC：—Ex(r-f)-D—xi-Expx2 (5．5)
K
进一步假设分配给贷款的债务资金等于贷款的风险暴露，用k表示经济资本
K与贷款风险暴露E的比率，则贷款利率可表达为：
，．=f+i+p彳,+kxRAROC (5．6)
即贷款的利率在覆盖运营成本、资金成本、预期损失后，还需要获得相应的
风险(资本)回报率，回报率RAROC一般由银行的董事会确定。
5．2 RAROC交易级贷款风险定价实证研究
5．2．1实证过程与结果
根据标准普尔公司提供的1981．1998年的数据，AAA、AA、A、BBB、BB、
B、CCC级债务人一年的期望违约概率是0．01％、0．05％、0．08％、0．18％、0．91％、
博}：学位论文
4．61％、10．38％，但巴塞尔委员会要求在计算风险时采用的违约概率不能低于
0．03％，因此本文对AAA级债务人的期望违约概率取0．03％，其他信用等级的期
望违约概率取标准普尔的数据。假设有七笔拥有相同风险暴露E的贷款，每笔贷
款的债务人依次拥有从A从到CCC不同的信用等级且各债务人具有相同的违约
损失率九，将不同信用等级对应的期望违约概率代入式(5．2)，我们就可以计算出
配置给各笔贷款的经济资本所占E·九的比率，不同的比率实际上就是不同风险程
度的表示。将不同信用等级对应的比率与BBB级对应的比率进行比较，我们可得
出从AAA级到CCC级相对BBB级的风险变动幅度。例如，在表5．1中，AAA
级的经济资本比率为0．882％，其风险变动幅度为(O．822％--3．274％)／3．274％．--
．74．88％．
表5．1 信用等级对应的风险程度
我国现有的信用等级评级标准与国际标准相差甚远，再加上国内外经
济环境的差别，我们不能期望国内使用的信用等级所对应的违约概率具有国际
平均值，但我们可以假设国内信用等级所具有的相对风险变动幅度与上述的计算
结果是近似的。
在式(5．6)中，银行债务资金的平均成本近似于同业拆借利率，取银行间拆借
市场IB02M利率为债务资金成本，2005年3月约为2．8％，经营费用率f设定在
1．8％∽2．4％之间。我国不良资产的清偿率水平目前大约在25％，也就是说，违约
损失率为75％．在此基础上，我们假设人民银行的贷款基准利率是针对在我国商
业银行获得BBB信用等级债务人的贷款利率(符合现今大多数银行的实际操作)，
如果我们要求对不同信用等级客户贷款的RAROC要具有相同的值，就可以围绕
人民银行的基准利率依据式(5．2)、式(5．6)来计算对不同信用等级贷款的指导利率。
以人民银行对一年期贷款设定的基准贷款利率5．58％为例，如果某行的经营
费用为2％，我们可以采用两种方法来进行计算。第一种方法是直接使用表5．1中
经济资本比率一栏的数据，先算出BBB级债务人贷款经风险调整后的资本回报
率，RAROCBBB=3．274％．1·(5．58％．2．8％．2％．0．1 8％·0．75)=19．7％．如果AA级债务
人贷款经风险调整后的资本回报率RAROCAA要保持相同的水平，则其贷款的利
率[AA为：19．7％·1．232％+2．8％+2％+0．05％·0．75=5．08％．第二种方法是使用表
5．1中风险变动幅度一栏的数据，虽然不能计算RAROCB明的具体值，但依据
慕于信用风险测度的商业银行贷款定价研究
RAROC从--RAROCBBB这一等式，同样可以计算出rhh---5．08％。这里要说明的是，
期望违约概率的变化不仅会产生经济资本的变化，同时也会产生预期损失的变化，
从理论上来说，使用第二种方法时，应该根据信用等级对应的国际平均违约概率
值调整出国内的平均值，但考虑到式(5．6)中k对RAROC的影响要远大于期望违
约概率P的影响，在计算预期损失时，所使用的期望违约概率采用了未经调整的
数据。
债务资金成本与经营费用的和称为综合成本，表5．2是综合成本在4．6％
至5．2％变动范围内，围绕人民银行一年期贷款基准贷款计算出的对不同信
用等级客户贷款的指导利率。
表5．2一年期贷款的指导利率
表5．2的计算结果是基于资产收益相关系数R为均值0．2的假设下得出
的，国外很多机构的研究表明，违约概率P与资产收益相关系数R存在一定的相
关关系。巴塞尔委员会通过业界调查和数据拟合，给出了R与P的函数关系【39】： ⋯胞×等+0．24x(1一蒂@7，
另外，巴塞尔委员会还提出了对式(5．2)进行盯市的调整方式。按照盯市模型，
即使债务人没有违约，其信用等级的下降也会降低贷款的盯市价值。风险暴露的期
限越长，债务人信用等级下降的可能性越大，对贷款盯市价值的影响也越大。另一
方面，债务人违约概率越小的话，虽然其违约的可能性小，但信用等级变化的可能
性却越大。考虑这两方面的因素，巴塞尔委员通过数据的模拟，依据风险暴露的期
博上学位论文
限M和违约概率P给出了一个平滑的盯市调整函数：
盯市调整系数=—1+—(M——-2—．5—)x—[0—．08—4—51—-0—．0—58—98—x—In_(p)]2 (5．8)
1—1．5×【0．08451—0．05898xln(p)】1
式(5．7)的调整关系完全是建立在国际大银行积累的经验数据之上，式(5．8)盯
市调整函数的建立虽然有理论化的盯市模型为基础，但仍然要使用经验化的信用等
级转移矩阵。没有数据能表明这两个调整函数能适合我国的实际情况。即便如此，
我们还是根据式(5．7)和式(5．8)对式(5．2)进行了调整后的计算，调整式(5．2)，就是
调整风险变动幅度。调整后，我们对表5．2重新进行了计算，结果如表5．3所示，
经相关性和盯市的调整后，对低信用等级债务人的贷款利率有所下降。
表5．3调整后的一年期贷款指导利率
注：本文式(5．7)和式(5．8)采用巴塞尔新资本协议CP3的描述，协议最终稿略有变化，但影
响极小。
5．2．2贷款风险定价的翘板效应
表5．3中银行综合经营成本为4．60％和5．20％的一年期贷款指导利率的浮动幅
度可以通过图6．4来反映。
从图5．1中我们可以看出，对于信用等级高的债务人，高经营成本银行的利差
曲线比低经营成本银行的利差曲线平坦，而对于信用等级低的债务人，低经营成本
银行的利差曲线比高经营成本银行的利差曲线陡峭。
以BBB级债务人基于基准利率获得的风险调整后的资本收益率为支点，低经营
成本银行的利差曲线在支点的左边下压，必然会带来利差曲线在支点右边的上翘；
反之，高经营成本银行的利差曲线在支点的左边上翘，必然会带来利差曲线在支点
兰耋：i星垒墼墼些墼窑些呈：耋兰耋尘些：!
右边的下压，类似于“翘翘板”，我们称这种不同经营成本下利差曲线的表现方式为
“翘板散麻”。
图5 j 贷款风险定价的“翘板效应”
其政策台义表现在：经营成奉低的银行存对信片4等级高的债务人放贷时有价格
优势，可以收取相对(经营成本高的银行)较低的利率，而对于信用等级低的债务
人放贷，则要收取相对较高的利率；相反，经营成本高的银行在对信用等级低的债
务人放贷时有价格优势，可以收取相对(经营成本低的银行)较低的利率，而对于
信用等级高的债务人放贷，则要收取相对较高的利率。各银行应根据自己经营成本
的情况发挥各自的优势，在贷款的风险定价上，要对市场进行细分，采取充分发挥
自己优势的市场竞争策略。从现实情况来看，战略趋同已然足国有商业银行和股份
制银行的通病—--‘追逐优质大中企业”，对于效益不够稳定、信用难以掌握的小企
业贷款敬而远之。在利率市场化条件下，只要风险度量准确，定价合理，不仅任何
贷款都可以获利，而且不同经营成本的银行在不同风险的贷款上拥有各自不同的优
势。
5 3交易级贷款风险定价授信边界的实证研究
5 3 l贷款风险定价的授信边界
从理论上说，贷款发放的唯一条件是贷款价格能够使该项业务获得相
应的RAROC或EVA大于零，贷款的利率是没有上限的。但由于信息的不对称，
一一
博卜学位论文
当银行提高贷款利率时，可能会出现两种不利情形：一种是申请银行贷款的企业之
所以接受高利率，是因为其可能原本就不打算偿还贷款；另一种情形是，已经借款
的企业发现还不起钱，无力还贷而开始冒险，从而导致逆向选择和道德风险。所以，
对于银行而言，贷款利率并非越高越好，维持在一个均衡的利率范围内是更加理想
的选择，银行不会给所有申请贷款的企业发放贷款，也不一定会给已经申请到贷款
的企业发放全额贷款，这在理论上被称为均衡的信贷配给，也是正常市场经济
下必然发生的情形。
影响贷款RAROC的主要因素有贷款利率、贷款成本(包括资金成本和营运
成本)、贷款人的信用等级①，违约损失率、贷款期限等。对银行而言，既要使贷
款的RAROC达到一定的水平以期获得相应的风险补偿，又要防止逆向选择和道德
风险的发生，在既定的贷款成本下，贷款利率、信用等级、违约损失率、贷款期
限等授信条件相互制约，共同构成银行的授信边界。
5．3．2实证过程与结果
研究的数据来源于某商业银行，与各信用等级对应的违约概率见表
5．4。
表5．4信用等级与违约概率
备注：由于该行在一个稳定的信用等级评定标准。卜开展评级的时间还不长，能得到的往往
是在该行占比较高的几个信用等级的违约概率，其它信用等级对应的违约概率，采用该行
评定标准与其他行评定标准进行映射得出。
首先，确定运营成本和资金成本。根据该行的财务信息，可以确定其流动资
金贷款的运营成本为1．1％。在资金成本方面，选取实证样本期的银行间市场回购、
央行票据、国债、金融债等债券的交易数据，运用前文的资金转移价格模型估计
出FTP曲线，(2006年8月)一年期资金转移价格为2．92％。
贷款所消耗的资本金以式(5．2)为基础，置信度采用99．9％；RAROC的水
平设定为25％。其一年期流动资金贷款的风险定价结果如图5．2所示。
图5．2中，6．39％等高线是基准利率的等高线，12．78％是基准利率上浮100％
的等高线，5．75％是基准利率下浮10％的等高线。之所以这样标定，是因为该行
为避免借款人的逆向选择和道德风险，为执行利率设定了利率上限；同时，按人
民银行的要求，贷款利率的下浮下限为lO％。
。一般来说，违约概率与信用等级是相对应的，同一违约概率的贷款人表示具有同一信用等级。由于我国各
银行信用等级评定标准不一样，有町能导致具有相同违约概率的贷款人在不同银行获得不同的信用等级。
67
基于信用风险测度的商业银行贷款定价研究
12．78％等高线
6．3瞩等高线
5．7骗等高线
图5．2贷款风险定价的授信边界(RAROC=25％)
在12．78％等高线与5．75％等高线之间，贷款利率、信用等级、违约损失率的三
维曲面代表了在既定的RAROC水平下，该行一年期流动资金贷款的授信范围，图
中的粗黑边界线代表了授信边界。图中的A、B、C、D、E、F这6个关键点能够大
致勾勒出授信边界的形状特点，其意义如表5．5所示。
表5．5授信边界关键点
在授信边界内，高违约损失率的信用贷款在一定的客户群中也能达到既定的
RAROC水平。图5．2的A点表明，违约损失率高达1且信用等级BBB+的客户，
支付基准利率上浮100％的利率就可达到25％的资本收益率，而同样违约损失率
水平下的AAA+级客户需支付大约9％的年利率。同时，信用等级很低的客户，并
非意味着不能以基准利率获取贷款，授信边界上B级客户在基准利率等高线上就
存在一个与5％违约损失率的交汇点，实际操作中，使用国债和存单类抵押，违约
损失率就可以达到要求。
博七学位论文
银行授信曲面的形状会随着其它因素的影响而发生变化。例如，假设资金成本
和运营成本上升1％，一年期流动资金贷款的授信边界变化为图5．3。通过比较图5．2
与图5．3之间前述6个关键点的变化，可以了解成本上升对授信边界的影响。
12．7蹦等高线
6．3％等高线
5．7矾等高线
图5．3不同成本下的授信边界(RAROC=25％)
例如，图5．3中的A点由(1，BBB+)变化为(1，A)，说明成本上升会提高对客户
信用等级的要求；E点由(O．2，AAA+)变化为(O．1，AAA+)，表明成本上升将要求更低
的违约损失率。
银行的授信边界表明，对于不同的银行，其运营成本与资金成本是不同的，贷
款的风险定价不仅仅表现出其“翘板效应”，由于银行必需在一定的RAROC水平下
控制贷款的逆向选择和道德风险，会形成带有自身特征的授信边界。也就是说，不
同的银行，由于成本不同，对于同一类贷款产品，其可以接收的抵质押品(抵质押
品的构成决定性地确定了违约损失率的大小)与客户群的范围也是不同的，其不同
产品的市场营销策略应该建立在本行授信边界的范围内。
基于信用风险测度的商业银行贷款定价研究
第6章商业银行贷款产品级信用风险的测度
在商业银行的资产业务中，零售贷款的对象是个人客户，考虑到个人客户财
务情况的不透明性和零售贷款业务的海量性，依据统计学的外生模型来描述其信
用风险更符合其业务特点。如果将具有相同业务特征的产品作为一个组合来考虑，
测度的就是零售贷款业务聚合后的信用风险，而要描述零售贷款业务聚合后的信
用风险实际上就是要刻画聚合前各损失分布的卷积。传统的CreditRisk模型采用
的是概率生成函数法，此方法最大的好处是在违约率不变的条件下，可以获得聚
合信用风险的解析表达式；最大的缺陷是在违约率可变的条件下，聚合信用风险
无解。本章采用一种全新的方法一特征函数法，在违约率不变和可变的情况下，
用统一的方式表示聚合后的信用风险，两种情况下的聚合信用风险都有完整的模
型表达式，并可以通过有限区间内的数值积分或傅立叶变换与逆变换的数值算法
进行求解。
6．1商业银行零售贷款业务违约过程的描述
商业银行的贷款业务分为两个大类，面向公司客户的公司贷款业务和面向个
人的零售贷款业务。公司贷款业务由于企业间法人和股东的关联、产业链的关联、
金融互保的关联等，其违约行为往往体现出较大的相关性。与之相对应的个人零
售贷款业务，其违约行为受其他违约事件的影响很小，具有很强的独立性。
命题1：若假设：(1)各零售贷款业务在互不相交的时间区间上，违约的发生
是相互独立的；(2)在很短的时间间隔内，一笔业务发生违约的概率与时间长度成
正比；(3)对于每个很短的时间间隔，至少有两笔业务同时违约的概率比一笔业务
违约的概率具有更高阶的无穷小量。则零售贷款业务的违约过程服从违约率为名
的泊松分布。
证明：设X表示在长度为t的时间间隔内零售贷款业务发生违约的次数。由
I l
li碑(1+口”)”=矿，可得lim．(1+au+D(”))“=矿，其中D@)为“的高阶无穷小量，口为
任意实数。
对每个正整数玎，将时间间隔t分成，1个互不相交的长度为二的时间间隔，若
刀
在第f个时间间隔内恰有一次违约，则令Z=l，i=l'⋯，刀。用4表示第i个时间间隔
内出现两次及两次以上违约的事件。
博l：学位论文
令形=ΣK，因为在整个时间间隔内发生k(k为非负整数)次违约的
概率为发生一次违约事件的概率与发生两次及两次以上违约事件的概率之
和。我们有：Pr(X=后)=P“呢=七)+P“B)，其中B是U：=。4的子集。
由假设(1)和(3)知，P“n：，4。)=(1+D(三))4(其中4‘表示4的余集)。
而Pr(u冬I 4f)。=Pr(厂、乙4。)， 因此lim．．P“u：14)。=lim(1+D(二))”=1。此时
刀-÷∞ 一---}00't
。li—mP“u：·4f)=1一。li～mPr(t--4)。=0。因此刀个互不相交的区间发生七次违约的
事件服从二项分布，所以有Pr(形：后)：《(尘+。(f))t(1一尘+。(f))柑，当以一∞
时，二项分布可以用泊松分布来近似，有：
⋯limPr(W。硼=。li—mC：(At刀删九l一鲁+0(f n-k_．e-；U警^—'∞ 力—+∞ 刀以后!
即，Pr(x=后)=e-m写芋，在长度为f的时间间隔内，零售贷款业务违约
事件的发生次数服从均值为允的泊松分布。因此，零售贷款业务的违约过程可
以用违约率为名的泊松分布来描述。
服从泊松分布的零售贷款业务，其违约数是一离散型随机变量，具备以下性
质：
性质1：若随机变量五，墨，⋯，以相互独立，五服从均值为4(i=1，⋯，m)的泊松
分布，则x=Σ五服从参数为Σ五的泊松分布。
性质2：设x为离散型随机变量，若其分布表示为只=P(X=刀)，n=0，1，2，⋯，则其
分布函数的特征函数为：
八f)=Σ只扩，其中f∈尺，f为虚数单位(6．1)
性质3：若已知离散随机变量X(取值同上)，其分布函数的特征函数为厂(f)，
通过傅立叶逆变换，其分布可表示为：
只2荔1￡们)e-'mdt，疗=o，l，⋯ (6·2)
71
基于信用风险测度的商业银行贷款定价研究
性质4：设随机变量Xl，置，⋯，K相互独立，令石=Σ五。记X的特征函数
i=l
为fx(t)，置的特征函数为fxI(f)(i=l，2，⋯，m)，则有：
厶(f)=兀丘(f) (6·3)
i=l
6．2商业银行零售贷款业务聚合信用风险测度
6．2．1违约率不变条件下的聚合信用风险测度
命题2：若一个零售业务的贷款组合有m类相互独立的不同业务，各类
业务服从违约率不变的泊松分布，则零售贷款业务聚合后信用风险的损失
分布可表示为各类业务损失分布特征函数之乘积的傅立叶逆变换。
证明：记k={1，2，⋯，m)为m类相互独立的不同业务，第k类业务的违约概率
为阢。每类业务都是由具有不同贷款余额的贷款业务组成，将零售贷款业务的远
期价值乘以违约损失率后，可以得到每笔业务在违约时面临的损失，即风险敞口。
将贷款组合划分为h个风险敝口。令：￡表示损失大小的量纲单位，如
千或万或2万等等；．，为风险敞口频段的标示号，l≤歹≤h；1，，为频段．，风险
敞口大小的无量纲数；∥，为频段，的预期违约数，即年违约数均值，啦，为
第k类业务在频段，的笔数。
用P(n defaults)表示发生力次违约的概率，对于频段．，的债务人，产生损
失刀×v，的概率就等于债务人违约n次的概率。依据命题1和性质2，频段．，
损失分布的特征函数为： 毋(f)：至尸(刀defa“胁弦哪：羔矿一争=P唧P矿(6．4)
n=O n=O II．：
因为贷款组合中各频段间互相独立，由性质4，各频段聚合后损失分布的特
征函数为各个频段损失分布特征函数之乘积。
go)：兀h毋(f)：e-E川,,PE川∥ (6．5)
每个频段都由不同的业务组成，由性质l，频段，的预期违约数以=ΣA‰，，。
kll
因此，
g(f)-血毋(归∥-Z-,矿Z，-／"：P一蔷若Pknldl P净一(6．6)
● ^ ● ● 一
博十学位论文
又由性质3，各个频段的贷款聚合后，整个贷款组合信用风险的损失分布为：
以比)：去Eg(t)e-imdt=去￡f蔷否聃Jj丢聃∥矿妇疵(6．7)
式(6．7)表明，聚合后信用风险的损失分布是各类业务损失分布特征函数之乘
积的傅立叶逆变换，命题2成立。
各类业务年违约率均值不变是一种理想的情况，大部分情况下，各种业务的
违约率会受到不同外部因素的影响而发生变化，比如，房价的大幅度下跌会造成
住房按揭贷款违约率的上升等。
6．2．2违约率可变条件下的聚合信用风险测度
命题3：若一个零售业务的贷款组合有m类不同业务，各类业务的违约率是
随机变化的。假设每类业务违约率的变动只受一个因素影响，将受同一因素影响
的业务划分到同一个子集，若子集内的违约率服从具有既定均值和标准差的y分
布。则零售贷款业务聚合后信用风险的损失分布仍可表示为各子集内业务损失分
布特征函数之乘积的傅立叶逆变换。
证明：记k={1，2，⋯，聊)为贷款组合中m类不同业务，用％表示第k类业务的
随机违约概率，n，吒分别为其均值和标准差。将受同一因素影响的业务放在一
起，将所有业务分成，．个子集，记子集为最：1≤q≤，．。
在计算子集最违约率的波动时，设定一个随机变量艺表示子集的违约率，其均
值和标准差分别为心，％。子集中业务k的实际违约概率&将会与‘成比例关系，
满足&2 n薏。
用∥，佃’表示子集内频段，的预期违约数，由性质l，子集的预期违约数为子
集中各频段预期违约数之和，即有心=Σ一‘g’=ΣΣ以像，，("，其中l'tkj(q)为子集
^I壁， 矗‘望J肼，、
内频段j『的第七类业务的笔数。再令石，‘，’表示子集中频段J的实际违约率，则有
‘=Σ_臼’=÷ΣΣ见巩J妇’ (6．8)
-，4l pg扣l k=i
由于‘=ΣΣ吒‰。．，("，即子集违约率的标准差等于子集中各类业务违约率
标准差之和。设随机变量‘有密度函数h譬fx)，即以x≤‘≤x+dx)=％(x)出。
整个组合损失分布的特征函数为g(f)=芝：P(nL)e册，对单个子集而言，在条
磊
件艺下发生损失nxL的概率即为条件t下发生n次违约的概率。由条件概率公式
P(Y)=fp<ylx)h(x)ax(其中h(x)为x的密度函数)，再由(6．4)(6．5)式及性质
2知，子集罡损失分布的特征函数为：
基于信用风险测度的商业银行贷款定价研究
岛(f)=艺扩fP(比I‘地(‘)咄
：Jco【羔， 】％(％)呶：Jcoe一竺∥们笙∥9∥鲋％(‘)呶
‘6·9’
现假设‘服n从=O均P值(nL和I标准"差分别为心，‘J=的；7e分j．布l，概率密度函数为：
只x≤X≤x+出)=百击磊P一万x铲1出，其中r@)=fP。，_出为Gamina函数。、7 ∥“r(口)
。、7 南
因为7分布的均值和标准差分别为筇和筇2，所以对子集&，相应有
％2等，岛2若。利用(6．8)式，子集&的损失分布特征函数可写为：
：p4≯棚4蝴呼一寸蚶叶‘南毒paq-Igq(t) q 2上P纠P脚吃(‘)呶2上P一_e爿石靠P心‘ 呶
、=志∥e～龆“栌气
。而1 Jco‘巧毳∥叫。再一e-yq 叽
l r(％) =一-·-———-—-·-———-—·—·-————·；二-——-—-·-—-·-——-·-一岛叩(％)(·+瓦1一玄芸善见‰∽一㈤户
=(层+t一等等善岛，k，，b)∥一¨]一％ ．
【6．1U_)
因为贷款组合中各子集间互相独立，由性质4，整个贷款组合损失分布的特
征函数为各个频段损失分布特征函数之乘积。
g(f)：血岛(f)：血f乓+l一盈篁主见％∽p㈨1’ (6．11)11
g—l g=l k ．Y_，=l k=l ／
根据性质3，各个子集的贷款聚合后，整个贷款组合信用风险的损失分布为：
只比，=芴l￡酏矿蛔出=去f：r冉(岛+，一会篓善见‰∽∥Ⅲ厂矿拥出
(6．12)
74
博。卜学位论文
式(6．12)表明，在命题3的条件下，聚合后信用风险的损失分布仍可表示为各
类业务损失分布特征函数之乘积的傅立叶逆变换，只是特征函数之乘积的表达比
命题2复杂。
6．3基于特征函数的聚合信用风险算法验证
约定1：
卢{1，2，．．．川，表示贷款组合中有Ⅳ个债务人；
Pf，表示债务人i的年均违约率；
允=ΣP，，表示Ⅳ个债务人的年均违约数；
f置l
p(ndefaults)，表示Ⅳ个债务人发生11次违约事件的概率。
按l所述，如果有Ⅳ个债务人，其年违约数均值为五且均值不变，这Ⅳ个债
务人发生n次违约的概率p(ndefaults)口-I表示为：
p(ndefa“／ts)：宰(6．13)
刀：
这就是二项分布在试验次数趋于无穷大时的极限情况，p(ndefaults)服从
Poisson分布，符合命题一的证明。
约定2：
三，表示损失大小的量纲单位；
j『，风险敞口的频段，l S_，S m；
吻，频段／风险敞口大小的无量纲数；
乃，频段歹的预期违约数，即年违约数均值；
勺，频段／预期损失的无量纲数，q=V×乃；
An印—删，表示贷款组合发生nxL损失的概率。
1．CreditRisk模型解析算法
CreditRisk模型在它的技术文档中，通过构造一个关于损失的概率生成函数，
进而求解概率生成函数的乘积得到一个彳疗递归形式的解析解：
小以如-"--e乎-LA．矿磊m考mR-， @∽
2．基于特征函数的数值算法
假设一个贷款组合由两个频段组成，频段A的敞口大小为1，年均违约数为2；
频段B的敞口大小为2，年均违约数也是2。每个频段的违约数分布(违约概率向
75
基于信用风险测度的商业银行贷款定价研究
量)可以通过式(6．13)圣't-算，违约概率向量乘以敞口大小就是本频段损失分布的概
率向量，表6．1中fl、f2表示A、B两个频段损失分布的概率向量。递归解表示
根据式(6．14)得出的两个频段聚合后损失分布的概率向量。
表6．1 FFT&IFFT算法vs．递归解析
fl f2 递归解FFT(n) FFT(f2) FFT(f1)’FFT(f2) IF兀．
OL O．13534 0．13534 0。018316 O．018316
1L 0．27067 0 0．03663 l 0．99279．0．097742i 0．97 145．0．1 929 l i 0．94559—0．28648i 0．03663 l
2L 0．27067 0．27067 0．073263 0．97145．0．19291i 0．88997．0．36602i 0．79395—0．52725i 0．073263
3L 0．1 8045 0 0．097683 0．93675．0．28307i 0．767 1 6．0．50324i 0．576 l 8-0．68857i 0．097683
4L 0．090224 0．27067 0．1221 0．88997．0．36602i 0．61929．0．59497i 0．33339-0．75617i 0．1221
5L 0．036089 0 0．12699 0．83279-0．43989i 0．46395．0．63899i 0．10528-0．73623i 0．12699
6L 0．0 1 203 0．1 8045 0．1 2373 0．767 l 6．0．50324i 0．3 1 67．0．63977i ．0．07900 1—0．650 1 8i 0．1 2373
7L 0。0034371 0 0．10792 0．69524-0．5551i O．1889．0．60635i ．0．20525．0．52642i 0．10792
8L 0．00085927 0。090224 0．088845 0．6 1 929．0．59497i 0．086809．0．54986i．0．27339．0．392 1 7i 0．088845
9L 0．00019095 0 0．067706 0．5415-0．6228i 0．01 1924．0．48118i．0．29322—0．26798i 0．067706
l0L 3．82E．05 0．036089 0．049079 0．46395．0．63899i．0．037829．0．40938i．0．279 1 4—0．1 6576i 0．049079
依据式(6．4)，我们用FFT数值算法计算两个频段损失分布的特征函数，表
6．1中FFT(fl')、EFT(m)是f1、Q的FFT变换结果。
FFT(f1)·EFT(m)是两个频段损失分布特征函数的乘积，依据命题二，聚合后
信用风险的损失分布可表示为FVT(n)·EFT(m)的傅立叶逆变换，表6．1中IFFT表
示其傅立叶逆变换的结果，即两个频段聚合后损失分布的概率向量。
与递归解的结果对比表明，依据命题二进行的数值算法具有非常高的精确度。
76
博_J二学位论文
第7章商业银行贷款产品级风险定价研究
在商业银行的贷款业务中，零售贷款业务的对象是个人客户，考虑到个人客
户财务情况的不透明性和零售贷款业务的海量性，将零售贷款按产品进行组合来
测度信用风险，进而采取风险补偿来进行产品级的风险定价是具有实际意义的。
贷款产品风险定价的基本点是：贷款产品的EVA>0或RAROC>股东的期望值。
7．1商业银行贷款产品级风险定价原理
金融产品是指金融机构向市场提供的能满足人们某种欲望和需求的，与货币
相关的一切服务。银行产品是金融产品中的一大类，种类很多，主要有存款、贷
款、支票、贴现、外汇、银行卡、中间业务等。而每一种产品中又有众多的子产
品，如个人消费贷款还包括汽车消费贷款、大宗商品消费贷款、房屋装修消费贷
款等。
对于产品受众不多的业务，如大额的公司类贷款产品，必需详细了解客户的
财务情况和资信情况并进行评级，针对每一笔交易进行包括风险定价在内的风险
管理。而对于产品受众非常大且授信额度比较小的业务，如个人创业贷款、个人
消费贷款等，要详细了解每一位客户的资信情况一是十分困难的，二是投入产出
将非常低下。在一些国家和地区，银行集中对一个群体发放低额度(如5千到l
万)的创业贷款是经常发生的事情，在这种情况下无论是从经济的可行性还是实
施的可能性来考虑，要对产品受众的每一个个体来进行资信调查都是不可想象的。
在这种情况下，将众多具有相同风险特征的交易打包，进行产品级的风险定价就
是另外一个选择。
RAROC‘定义为一项交易、一种产品或业务的所有相关收益在扣除预期损失
和相关费用后的净值除以所占用的经济资本后的比率。从产品的层面来看，与交
易层面的考虑一样，当产品的资本回报超过资本成本时，银行的经济价值获得提
高。贷款产品的经济增加值EVA表示为产品的收益在扣除债务资金成本、经营
费用、预期损失和经济资本成本后的净值。当产品的资本回报大于资本成本时，特
定的贷款产品创造了新的银行价值。
对于零售贷款产品的信用风险，可将零售资产业务的贷款组合按产品划分为
相互独立的不同业务，各类产品业务的违约过程可以假设为服从违约率不变的泊
松分布或服从具有既定均值和标准差的y分布，采用商业银行零售贷款业务聚合
信用风险的测度方法来进行风险的测度，对产品的信用风险进行非预期损失和预
期损失的补偿。但如何核算产品的资金成本和经营费用就成为了产品级风险定价
基于信用风险测度的商业银行贷款定价研究
的两个待决问题。
7．2产品经营费用的分摊模式
面对日益激烈的市场竞争，银行业越来越认识到分产品核算成本，衡量损益
对于银行改善经营、提高效益的重要意义。传统上，国内商业银行对于运营成本
的管理一直以来都是亟待解决的难题，是管理的薄弱环节，很多银行在机构部门
层面的责任成本都不准确，核算各个产品应分摊的运营成本就更为艰难。在实施
了运营成本管理的银行中，由于传统的成本法很难对产品盈利分析提供精确的成
本信息和决策依据，纷纷采用作业成本法。
由于进行作业成本管理需要分析每项作业服务的产品及其耗用的资源，使企
业能够识别出那些高成本、无附加值的作业与高成本、有附加值的作业并对此进
行成本核算。银行必需对业务流程进行作业的分解和确认，可以采用的方法有业
务流程分解法、过程定位法、价值链分析法、作业流程图法等。
但商业银行的成本分摊又不同于一般制造企业。它主要包括两个部分，一个
是责任中心之间的成本分摊(以下简称CO分摊)，一个是责任中心向成本分析
对象(如客户、机构、产品等)的分摊(以下简称PA分摊)。产品进行定价前
提之一，就是要获取产品的经营费用。
业务管理中心、业务支持中心和业务服务中心的期间费用按照一定的成本分
摊标准(如人数、责任中心数量等)依次向下进行分摊。经过CO分摊后，最终
结果是所有的期间费用归集到各个营销及业务责任中心。在分摊的过程中，总行
和分行业务管理中心、业务支持中心和部分业务服务中心的期间费用，应分类进
行反映，以区分各个营销及业务责任中心当期发生的直接可控费用。
对于运营部门等业务支持中心，CO分摊可借鉴作业成本管理的基本思路，
采取业务量乘以单笔业务成本为分摊标准的分摊方法，将全行运营部门的期间费
用向产品条线进行分摊。这样，运营部门责任中心可以视同内部衡量的利润中心
进行运行效率和绩效的评价分析。
对于PA分摊，在各营销及业务责任中心对成本进行归集后，依据其服务产
品的不同，分别向各自条线的产品进行最后的成本分摊。在对成本进行分类后，
PA分摊的标准依据成本类型和业务条线的不同而不同。
责任中心成本归属所遵循的原则是，责任中心应该对自己责任范围内的可控
成本负责；责任成本(可控成本)、管理成本和交易成本应该分类显示，针对不
同的用途提供不同的辅助决策信息；能够明确确认的专属服务成本或者双方认可
的内部转移成本，应该专项计入承担该成本的责任中心。
整个费用分摊流程如图7．1所示，各项直接费用和间接费用通过成本单据归
博士学位论文
集后，按既定的分摊方案将成本分摊到产品。分摊方案库的规则基于人数、面积、
业务流程、交易量、花费的时间等来建立。
图7．1 产品经营费用的分摊流程
7．3产品资金成本的确定模式
内部资金转移定价是商业银行内部资金管理部门与业务经营部门按照一定规
则全额有偿转移资金，达到核算业务资金成本或收益等目的的一种内部经营管理
模式。内部资金转移价格(以下简称FTP价格)则是按照业务特性和银行管理要
求，以一定的定价方法确定的资金管理部门提供给业务经营部门的资金价格，以
幕于信用风险测度的商业银行贷款定价研究
年利率(％)形式表示。通过FTP价格，使资产产品承担资金成本，负债产品获
取资金收益。
从概念上看，资金内部转移价格是指银行内部各分支机构或部门(以下称之
为责任中心)之间相互提供产品或服务的结算价格。此时，各分支机构和部门成
为交易的买卖双方，具有与外部市场价格相类似的作用。但是，内部转移价格又
与外部市场有许多不同之处，其交易双方都处于同一银行之中，在其他条件不变
的情况下，内部转移价格的变化，会使买卖双方的收入或内部利润呈现数额相同、
方向相反的变化。并且，从银行整体来看，无论内部转移价格如何变动，银行利
润总额是不变的，变动的只是内部利润在各责任中心之间的分配情况。
银行产品的一个特征就是具有既定的利率类型和还款方式以及重定价周期。
在对产品实施风险定价时，资金的FTP转移计价应设定在产品类层面上。采用期
限匹配法确定业务的FTP价格是先进银行的通行做法。期限匹配法是指根据业务
的基本特性，以及FTP定价曲线确定其FTP价格的一种方法论。在该方法论的总
体定价原则之下，具体针对业务的定价方法又可细分为多种。根据业务和数据的
具体情况，可配置的FTP定价方法包括：期限定价法(term to maturity／repricing)、
指定利率法(assign rate)、现金流法(cash flow)等不同的转移定价方法。
期限定价法是指按照业务的原始期限或重定价周期在FTP定价曲线上找到对
应期限的点，并以该点收益率作为基础FTP价格的FTP定价法。对于执行固定利
率的业务，采用业务发生当日的FTP定价曲线定价，且FTP价格在业务期内固定
不变；对于执行定期调整利率(利率按照某个固定周期调整，下同)的业务，采
用利率重定价日当日的FTP定价曲线定价，FTP价格逢利率重定价日重新确定。
期限定价法适用于具有确定期限、本金一次支付、利率类型为固定利率或定
期调整利率的产品。
现金流法是指以每期清偿的本金金额及其占用期限的积为权重，对FTP定价
曲线上每期本金占用期限对应的收益率进行加权平均，并以求得的结果作为FTP
价格的一种FTP定价方法。计算公式为：FTP价格=Σ(业务期限或重定价期限内
每期分期偿还的本金×其占用的期限×起息日或重定价日该期限在FTP定价曲线
上对应的收益率)／Σ(分期偿还的本金×其占用的期限)。其中，对于执行固定利
率的业务，根据整个业务期内的本金现金流计算基础FTP价格，且FTP价格固定
不变；对于执行定期调整利率的业务，根据两个重定价日之间的本金现金流计算
基础FTP价格，FTP价格逢重定价日重新确定。
现金流法适用于本金按固定周期和确定金额分期支付、利率类型为固定利率
或定期调整利率的资产业务产品。本金分期支付指在合同期内，本金按一定周期、
一定金额有规律支付的业务，如等额还款方式、递减还款方式。
指定利率法是指根据业务特性，首先决定与该业务FTP定价相挂钩的利率(如
博士学位论文
3个月的内部收益率)，再以该挂钩利率在数据处理月份的月度平均值作为FTP
价格的定价方法。采用该定价方法定价的业务，其FTP价格每月计算一次。指定
利率法适用于无确定期限的业务，利率类型为不定期变动利率的业务，以及需由
经营单位承担利率风险的业务。银行各类产品不同的FTP定价规则参见表7．1。
表7．1境内人民币业务产品FrP定价规则
产品利率类型标准FTP定价方法
对公活期、协定存款、储蓄活期、定活两便
、通知存款、同业活期
对公通知存款
对公活期保证金
同业活期保证金
个人活期保证金
正常一般对公贷款
正常贸易融资
正常一般个人贷款
正常资产转让
正常资产受让
正常按揭贷款
支行不承担市场风险的票据业务
支行承担市场风险的票据业务
交易类账户的投资业务
持有待售类账户的投资业务
持有到期类账户的投资业务
全部指定利率法
全部
全部
全部
全部
指定利率法
指定利率法
指定利率法
指定利率法
固定利率期限定价法
定期调整利率
同定利率
定期调整利率
不定期变动利率
固定利率
固定利率
全部
全部
固定利率
定期调整利率
期限定价法
现金流法
现金流法
指定利率法
期限定价法
指定利率法
指定利率法
指定利率法
期限定价法
期限定价法
应付利息、应收利息等应收应付业务指定利率法
待处理抵押资产指定利率法
自营结售汇、外汇买卖指定利率法
应解汇款、同城票据清算、汇出汇款指定利率法
庄在现金、查途理金指定型奎法
资料来源：某商业银行计划财务部
7．4 RAROC产品级贷款风险定价实证研究
某商业银行长年担负政府引导的创业贷款，为到期还本，贷款期限一年的固
定利率产品。因发放对象多为下岗职工，违约率相对较高，且贷款无抵押。根据
该行的历史情况，创业贷款的发放额度范围从最低1万到最高6万。
根据08年9月现有创业贷款贷款的额度分布情况，我们(以贷款额度在额度
范围中分布的均匀程度为依据)将其粗略的分为1万、2万、4万、6万四个频段，
如表7．2所示。因为创业贷款无抵押，违约后的损失率几乎等于100％，因而各频
8l
基于信用风险测度的商业银行贷款定价研究
段的预期损失可以认为是预期违约数与对应频段风险敞口的乘积，预期违约数是
根据前三年的违约情况统计得出的算术平均值，并假设不变。
表7．2创业贷款违约数据
资料来源：某商业银行风险管理部
根据该银行成本分摊系统运行的结果，个人贷款类产品运营成本的成本比例
为1．1％。内部资金转移定价系统对一年期资金确定的FTP转移价格为5．32％，如
图7．2所示。根据期限定价法的规则，具有确定期限、本金一次支付、利率类型
为固定利率或定期调整利率的产品，按照业务的原始期限或重定价周期在FTP定
价曲线上找到对应期限的点，一年期、本金一次支付的利率固定的创业贷款，资
金成本应确定为5．32％。
3
2
-- ，
k民‘雨存贷款FTP定价I由线； } i |
200|B年8月31日
一
土● 1
： =——．●●-—一T ?
／∥●’41
——__d L
．／’r÷÷／
； 矿‘．-一- ．歹-一，j ／ 存款蓦；准币J率；
t之一一苏I／’r--,-"
“ ，-
20D8年8月3 1日；
卜● ：
歹； }S131DOri }
20|D8年8月叠1日{
i
图7．2人民币贷款FTP定价曲线
按照6．7式，将创业贷款划分为4个频段，经matlab程序(附录D)计算，其
损失分布如图7．3和图7．4所示。
值得注意的是，在相同的置信度下，CVaR对经济资本的要求要明显大于VaR
对经济资本的要求，如果需经济资本保持不变，则CVaR使用的置信度(设为f)
要小于VaR使用的置信度(设为口)。在假设尾部的条件中值等于条件期望的前提
下，我们可以大致的建立f和口的关系：
f=2口．1 (7．1)
7
6
5
4
博士学位论文
这一关系是偏于保守的，因为条件尾部往往具有厚尾的现象。
图中的计算结果表明，置信度99％对应的VaR值为131万元人民币，CVaR
值为136．2万元人民币；置信度99．65％对应的VaR值为136万元人民币，CVaR
值为140．5万元人民币。置信度99％下的CVaR值136．2万，约等于置信度99．65％
下的VaR值136万。在此，f--2x99．65％一1=99．3％，大于99％，说明在通常情
况下，CVaR的置信度f无需达到(2口．1)的水平，CVaR值就可达到口置信度下
VaR值的水平，对式(7．1)的关系偏于保守的估计在此情景中是成立的。
需要说明的是，本产品使用的的是FTP定价的基本方法，对于其他产品，实
际运用时不会这么简单，一般情况下要根据账户的具体情况加入若干调整项，如：
提前还款的调整、逾期贷款的调整、流动性调整等。
提前还款的调整处理非常复杂，即便是先进银行也多数未予处理，数据采集
所在行的系统也未考虑。
对于逾期贷款，基本的FTP价格采用指定利率法确定。逾期3个月以内的业
务增加逾期资产罚息调整项。其中，逾期1个月内的，其指定的利率为FTP定价
曲线上1个月的收益率；逾期1～3个月的，其指定的利率为FTP定价曲线上3
个月的收益率；逾期3个月以上的，其指定的利率为FTP定价曲线上1年期的收
益率。其FTP价格计算公式为：
FTP价格=当月指定利率×(1+罚息调整项)，罚息调整项为30％。
FTP价格制定的基本方法是指按照业务的原始期限或重定价周期在FTP定价
曲线上找到对应期限的点，并以该点收益率作为基础的FTP价格。对于执行固定
利率的业务，采用业务发生当日的FTP定价曲线定价；对于执行定期调整利率的
业务，采用利率重定价日当日的FTP定价曲线定价。如此，资金管理部门不可避
免的一个问题就是：对于重定价周期短于贷款期限的业务，如何确定流动性风险
的溢价；也就是说，资金管理部门为保证重定价日后继续有资金投放给信贷部门，
需要承受多少保持流动性的成本。
流动性调整来源于银行资金管理部门为保证一项业务重定价日后继续有资金
投放给信贷部门，需要承受的保持流动性的成本，目前各个银行一般核算为4—
8BP／年。也就是说，一笔3年期的贷款，如果是每年重新定价一次，其FTP价格
在依据期限定价法确定其基本价格后，还要加上2X6BP--12BP。(目前数据采集
行设定的流动性调整基点为6BP／年)。在我国，有关流动性差价的研究还比较少，
在FTP方式下流动性风险溢价的确定还未见文献，此问题有待进一步的研究，使
银行业在确定流动性风险溢价时能摆脱经验的束缚。
瞽
枣
刊
锚
臀
鼙
州
越
损失程度
图7．3置信度99％'F创业贷款产品的损失分布
损失程度
图7．4置信度99．6％下创业贷款产品的损失分布
博上学位论文
在获得产品的损失分布后，就可以计算资本的风险补偿。新资本协议在核定
资本要求时，采用VaR值减去预期损失的方法，实际上，在协议实施之前，银行
的一般准备金包含在二级资本中，采用VaR值或CVaR值直接对应资本更加符合
现状。
该行在当年确定的资本成本率为15％，置信度的选取是根据银行管理层的风
险偏好来进行设定的，如果取置信度99．65％下的VaR值或置信度99％下的CVaR
值136万，则可计算出资本的成本为20．4万。
最终，创业贷款产品风险定价的成本构成如表7．3所列示。各频段预期损失
的总和98．82万，除以发放总额3295万，成本比率为3％；经济资本成本20．4万，
除以发放总额3295万，成本比率为0．62％，加上运营成本1．10％、资金成本5．32％，
贷款价格需达到10．04％方能使该产品的EVA>0或RAROC>15％，在当时一年期
贷款基准利率6．66％的基础上应上浮约50％。
从该产品的成本结构来看，预期损失产生的风险成本偏高，主要原因是没有
有效的抵押来降低违约损失率。
表7．3创业贷款产品风险定价成本构成
从该行的实际操作来看，一方面对创业贷款维持30％--50％上浮的定价指导，
另一方面积极与政府协调，希望由政府提供有效的保证担保以降低违约损失率，
从而可以形成较低的风险定价水平，在保障银行风险收益的同时，减轻创业贷款
受众的经济负担。
基于信用风险测度的商业银行贷款定价研究
结论
本文研究信用风险度量模型在我国商业银行信用风险管理应用和贷款风险定价
的理论和实践问题，旨在建立一套符合中国实际的、可操作的商业银行贷款资产信
用风险测度方法和风险定价方法，并解决相应的理论问题。通过研究得出以下主要
结论：
1．现代信用风险模型可分为内生模型和外生模型，用外生模型来描述其商业银
行零售业务信用风险更符合其业务特点。内生模型侧重于分析产生违约的原因，违
约被视为可以预测的内生事件，它建立在被分析对象内部财务信息的基础之上；外
生类模型不对违约产生的原因做任何假设，不分析违约的原因，在统计意义上，债
务人是否违约完全是随机的，违约是一种纯粹的统计现象。在商业银行零售贷款业
务的对象是个人客户，考虑到个人客户财务情况的不透明性和零售贷款业务的海量
性，依据统计学的外生模型来描述其信用风险更合理。
2．从理论上来看，用CVaR作为信用风险度量指标比VaR更为合理。风险度
量指标应满足一定的特性，如次可加性，VaR在损失服从正态分布时下是满足次可
加性的，但在某些情况下，它不具备这一特性。而CVaR满足风险度量指标应该具
备的一系列特性，因此CVaR是风险计量领域的最新进展，虽然巴塞尔委员会还未
将其纳入到风险计量的监管模型中，但众多国际大银行在其计量风险的内部模型和
软件中，在使用VaR的同时，已经开始使用CVaR这个指标。CVaR使用的置信度f
要小于VaR使用的置信度口，如果需经济资本保持不变，两者的关系大致为r=
2口．1。
3．在违约率不变和可变条件下零售贷款业务聚合后信用风险的损失分布可表示
为各类业务损失分布特征函数之乘积的傅立叶逆变换。零售贷款业务聚合后，如果
违约事件的发生是相互独立的，则贷款组合的违约过程服从违约率为名的泊松分
布。这样可得出以下两个结论：第一，由聊类相互独立的不同业务组成的零售贷
款组合，如果各类业务的违约过程服从违约率不变的泊松分布，则其聚合后信用风
险的损失分布可表示为各类业务损失分布特征函数之乘积的傅立叶逆变换；第二，
若一个零售业务的贷款组合有m类不同业务，各类业务的违约率是随机变化的，如
果每类业务违约率的变动只受一个因素的影响，其聚合后信用风险的损失分布仍可
表示为各类业务损失分布特征函数之乘积的傅立叶逆变换。因此以傅立叶变换获取
特征函数，对特征函数之乘积进行傅立叶逆变换来获取损失分布的数值运算方式，
是银行业运用聚合信用风险模型最便捷的途径。
4．用贷款五级分类形态来标示违约概率是解决我国目前信用等级违约概率可信
博七学位论文
度低下的可行方法。从五级分类次级贷款的核心定义和划入原则来看，其与新资本
协议关于债务人违约的定义基本上是一致的，并且五级分类工作在各银行开展得较
早，数据量大且分类标准统一。通过银行五级分类的报表数据，计算年初每一级贷
款继续保留原有分类形态或迁徙为其余四种分类形态的比例所形成的贷款迁徙率矩
阵，可以进一步计算出各级贷款的违约概率，据此可采用贷款的五级分类形态来标
示违约概率。
5．采用新资本协议CP3的版本确定贷款的资本消耗更符合股东的心理。在实
施新资本协议内部评级法前，一般准备金可以包含在二级资本中，贷款风险所占用
的股权包括预期损失和未预期损失两个部分，因此，采用新资本协议CP3的版本确
定贷款的资本消耗更符合股东的心理。而对于已经开展经济资本配置管理的银行，
各机构获得经济资本并对其进行运营管理，贷款的风险仅仅消耗了分配到的经济资
本，则以未预期损失确定贷款的资本消耗更便于核算上的处理。
6．具有不同运营成本与资金成本的银行在风险定价时，对不同信用等级债务人
放贷时具有比较优势。由于不同的银行具有不同的运营成本与资金成本，覆盖了资
本成本后的贷款风险定价在信贷市场上会表现出一种“翘板效应”：经营成本低的银
行在对信用等级高的债务人放贷时有价格优势，可以收取相对(经营成本高的银行)
较低的利率，而对于信用等级低的债务人放贷，则要收取相对较高的利率；相反，
经营成本高的银行在对信用等级低的债务人放贷时有价格优势，可以收取相对(经
营成本低的银行)较低的利率，而对于信用等级高的债务人放贷，则要收取相对较
高的利率。
7．基于RAROC的风险定价会使不同的银行会形成带有自身特征的授信边界。
由于银行必需在一定的RAROC水平下控制贷款的逆向选择和道德风险，因此银行
会在既定的贷款成本下，贷款利率、信用等级、违约损失率、贷款期限等授信条件
相互制约下的授信边界。而不同的银行会形成带有自身特征的授信边界。也就是说，
不同的银行，由于成本不同，对于同一类贷款产品，其可以接收的抵质押品与客户
群的范围也是不同的，会带来不同的产品市场营销策略，形成差异化的竞争。
需进一步开展的研究：
资金转移定价方式下我国银行流动性风险溢价问题有待进一步的研究，使银行
业在确定流动性风险溢价时能摆脱经验的束缚。
银行账户利率风险是否应该纳入资本成本以及如何测度其成本都是贷款风险定
价需要进一步研究的问题。
慕于信用风险测度的商业银行贷款定价研究
参考文献
[1】Basel Committee on Banking Supervision“The Internal Ratings-Based
Approach，”Basel Report，January,2001
[2】Jarrow,R．A．and Turnball，S．M．‘‘Pricing Derivatives on Financial Securities
subject to Credit Risk，”Journal ofFinance，1995，50(1)：53-85
[3 1 Denault，M．Coherent allocation of risk capital．Journal of Risk，2001，4(1)：1—34
【4】Memahem Friedman，Abraham Kandel，"Introduction to Pattern Recognition：
Statistical，Structural，Neural，and Fuzzy Logic Approaches"，World Scientific，
1999
【5】Eisenbeis，R．A．Pitfalls in the Application of Discriminant Analysis in
Business，Finance，and Economics．Journal of Finance，1 977，32：875-900
[6】Beaver Willi锄H．"Financial Ratios as Predictors of Failure．"Journal of
Accounting Research．1 966．7 1—1l 1
[7】Altman，Edward I．；Haldeman G．and Narayanan，P． ZETA Analysis：A New
Model to Identify the Bankruptcy Risk of Corporations．Journal of Banking and
Finance，1 977，29-54
[8】Horrigan，J．O．”The determination of long term credit standards with financial
ratios",Empirical Research in Accounting，Journal of Accounting Research，
1 966，(4)：44-62
【9】Carleton，W．T．and Lerner,E．M．Statistical Scoring of Municipal Bonds，Journal of
Money,Credit and Banking，November 1 969，750—764
【1o]Martin，”A logit regression approach”，Journal of Banking＆Finance，1 977，P．
249．276
【1l】Ohlson，J．S．Financial ratios and the probabilistic prediction of bankruptcy．
Journal ofAccounting Research，1 980，l 8(1)：1 09-1 3 l
【1 2】Wiginton，"A note on the comparison of logit and discriminant models of
consumer credit behavior”，Journal of Financial and Quantitative Analysis，1 980
【1 3]Wirch，J．L．and M．R．Hardy．A synthesis of risk measures for capital adequacy．
Insurance：Mathematics and Economics，1 999，(25)：337-470
【1 4】Lundy M，Cluster Analysis in Credit Scoring，Credit Scoring and Credit Contr01．
New York：Oxford University Press，1 993
【l 5】Tam，K Yand Kiang，”Managerial Applications ofNeural Networks：The Case of
博上学位论文
Bank Failure Predictions．"Management Science，1 992，(38)：927-947
【1 6】Martin，R．and D．Tasche CVaR：A Tale of Two Parts．Working paper．2005
[171 Altman， Edward I．， Marco， Gi锄c盯lo，”Corporate distress diagnosis：
Comparisons using linear diseriminant analysis and neural networks",Journal of
Banking&Finance，1 994，(1 8)：505-529
【1 8]Jain，Robert P．W：Duin，Jianchang Mao，竹Statistical Pattern Recognition：A
[191
【20】
[21]
【22]
【23]
【24]
【25]
【26]
[27】
【28】
【29】
【30】
【31】
Review”，IEEE Transactions on Pattern Analysis and Machine Intelligence，
January 2000，4—37
Cortes，Vapnik,”Support-vector networks”，Machine Learning，1 995，20：273—297
Doumpos M．；Kosmidou，K．；Baourakis， G．and Zopounidis，C． Credit Risk
Assessment Using a Multi-Criteria Hierarchical Discrimination Approach：A
Comparative Analysis． European Journal of Operational Research 2002，1 3 8，
392．441
Meaon，R．C．”On the Pricing of Corporate Debt：The Risk Structure of Interest
Rates¨，Journal of Finance，1 974，(29)：449-700
KMV,Credit Monitor Overview San Francisco．．KMV Corporation，1993
KMV Global Correlation Factor Structure．San Francisco：KMV Corporation，
August，Mimeo．1 996
KMV and Credit Metrics，San Francisco：KMV Corporation，1 997
Crouhy，D．Galai，Credit Risk Revisited：A Option Pricing Approach．Working
Paper,1997
Ginzburg，A．，J．Maloney,and R．Wilner,”Debt rating migration and the
valuation of commercial loans"，Citibank Portfolio Strategies Group report，
December,1 994
Litterman．R．and Iben．T．．Corporate Bond Valuation and the·Term Structure of
Credit Spreads．Journal ofPortfolio Management，November，1 989，52·64
Delianedis，Q and Oeske．R．Credit Risk and Risk-Neural Default Probabilities：
Information about Rating Migrations and Defaults．Paper Presented and the
Bank of England Conference on Credit Risk Modeling and Regulatory
Implications，London，1 998
Nickell，P．，Perraudin，W．and Varotto，S．Stability of Rating Transitions，Journal
of Banking＆Finance，2000，(10)：423-444
Carty, Jerome S． Fons， ”Measuring Changes in Corporate Credit
Quality",Moody’S Special Report，1993，(10)
Nickell．P．，Perraudin，Wj and Varotto．S．Stability of Rating Transitions．Paper
基于信用风险测度的商业银行贷款定价研究
Presented at The Bank of England Conference on Credit Risk Modeling and
Regulatory Implications，London．1 998
[32】Jarrow,R．A⋯Lando，D．and Turnball，S。“A Markov Model for the Term
Structure of Credit Risk Spreads，”Review of Financial Studies，1 997，1 0(2)：
481．523
【33】Anil Bangia，Francis X．Diebold，”Rating migration and the business cycle with
application to credit portfolio stress testing”，PIER Working Paper No．2002，
01．004
[34】王春峰，万海晖，张维．商业银行信用风险评估及其实证研究．管理科学学
报，1998，(1)：70-74
[35】于立勇，詹捷辉．基于Logistic回归分析的违约概率预测研究．金融研究，
2004，(09)：1 5·23
[36】王春峰，万海晖，张维．组合预测在商业银行信用风险评估中的应用．管理
科学学报，1999，(1)：11．14
【37】于立勇，詹捷辉，金建国，内部评级法中违约概率与违约损失率的测算研究．
统计研究，2004，(1 2)：22．26
[38】任兆璋，杨绍基．商业银行信贷违约风险测度的SBP模型研究．金融研究．
2006，(11)：127-134
【39】Basel Committee on Banking Supervision，“Consultative Document：The New
Basel Capital Accord，”2003，(4)：28
【40】Gentry,James A．；Paul，Newbold．and Whitford，David T． Classifying Bankrupt
Firms with Funds Flow Components．J oumal of Accounting Resarch，1 985，23(1)：
146．160
【41】Bahar,Brand，”Recoveries on defaulted bonds tied to seniority rankings”，Special
Report，Standard and Poor’s，l 998
【42】Van de Castle，K，D Keisman and R Yang．Suddenly structure mattered：insights
into recoveries of default debt．Standard&Poor’S，2000，(5)：l·47
【43】Altman，E and V Kishore．Almost everything you wanted to know about recovery
on defaulted bonds．Financial Analysts Journal，1 996，(6)：57-64
【44】Izvorski，Ivailo,"Recovery Ratios and Survival Times for Corporate Bonds一，IMF
Working Paper 1 997，84-97
【45】Allen，L．and A．Saunders，‘‘A Survey of Cyclical Effects in Credit Risk
Measurement Models”，Bank for International Settlements Working Paper,
2003，126
【46】Collins，Robert A．：An Empirical Comparison of Bankruptcy Prediction Models，¨
博卜学位论文
Financial Management，1980，9(2)：52—57
【47】Altman，E，B Brady,A Resti and A Sironi．The link between default and recovery
rates．，implications for credit risk models and procyclicality．NYU Stem School
Salomon Center Working Paper．2002，1-46
【48】Frye，Jon．“Collateral Damage：A source of systematic credit risk．”Risk
Magazine，April 2000，9 1—94
[49】Jarrow,R．“Default Paramenter Estimation Using Market Prices”，Financial
Analysts Journal，September／October,200 1
【50】Altman，E．，Brady,B．，Resti，A．，Sironi，A．The Link between Default and
Recovery Rates：Theory,Empirical Evidence，and Implications．Journal of
Business，2005，78(6)：2203-2227
【5 1】Gurdip Bakshi，B．Madan，Zhang，"Recovery in default risk modeling：theoretical
foundations and empirical applications”，Finance and Economics Discussion
Series，200 1
[52]Gourieroux，C．，Laurent，J．P．and O．Scaillet Sensitivity analysis of Values at
Risk．Journal of Empirical Finance，2000，(7)：225-245
[53】Greg M．Gupton of the Morgan Guaranty Trust Company,Christopher C．Finger
of the Morgan Guaranty Trust Company,and Mickey Bhatia of the Morgan
Guaranty Trust Company．CreditMetricsTM-Technical Document，1 997
[54】JR Bohn，S Kealhofer,”Portfolio Management of Default Risk"，Moody’S KMV
2001
【55]Tom C．Wilson．Portfoflio Credit Risk，Part I and II，Risk(Part I)，September
1997，(10)：56-61，111-117
【56】McKinsey&Co．CreditPortfolioView—A Credit Portfolio Risk Measurement and
Management Approach，Approach Document，1 998
【57】Lopez，and Mare，Evaluating Credit Risk Models，Journal of Banking and
Finance，1999，(24)：151-165
【58】Credit Suisse Financial Products． CreditRisk+． A credit risk management
framework，http：／／www．csfb．com／creditrisk／，1 997
【59】Crouhy,D．Galai，R．Mark，"A comparative analysis of current credit risk models
"，Journal of Banking and Finance，2000，24
[60】Gordy,Michael B．，"A Comparative Anatomy of Credit Risk Models”，Joumal of
Banking and Finance，2000，24(1-2)：1 1 9-1 49
【61】Gordy,Michael B．，A Comparative Anatomy of Credit Risk Models．Working
paper,Board of Governors of the Federal Reserve System，1 998
91
基于信用风险测度的商业银行贷款定价研究
[62]Tasche，D．Expected Shortfall and Beyond．Journal of Banking and Finance，
2002，26(7)：1519-1533
[63】Gunter L6ffler,"The effects of estimation睨'ror on measures of portfolio credit
risk”，The Journal of Banking and Finance，200 1，l 5
【64】沈沛龙，任若恩．现代信用风险管理模型和方法的比较研究．经济科学，
2002，(3)：32-41
[65】王琼，陈金贤．信用风险定价方法与模型研究，现代财经，2002，(4)：14．16
【66】程鹏，吴冲锋，李为冰．信用风险度量和管理方法研究．管理工程学报，
2002，(1)：70-73
[67】文忠桥等．信用风险度量与管理一违约率研究．国际金融研究，2002，(11)：
20．24
[68】吴恒煜，陈金贤．违约风险定价理论比较分析．金融研究，2005，(02)：134-144
【69]周勇，谢尚宇，袁嫒．信用违约风险模型中违约概率的统计推断．系统工程
理论与实践，2008，(08)：206—214
【70】王建伟，彭建刚．保险在商业银行操作风险管理中的应用研究．金融研究，
2005，(2)：124—132
[7 1 1 Gordon Delianedis&Robert Geske,．"The Components of Corporate Credit
Spreads：Default，Recovery,Tax，Jumps，Liquidity,and Market Factors，竹working
paper,UCLA．2001
[72]Longstaff and E．Schwartz,"Valuing Credit Derivatives",The Journal of Fixed
Income，1995，6—12
【73】Duffee，GR．，“The Relationship Between Treasury Yields and Corporate Bond
Yield Spreads'’，The Journal of Finance LII，1 998，(6)：2225·224 1
【74】Morris，R．Neal，D．Rolph，"Credit Spreads and Interest Rates：A Cointegration
Approach",WWW．kc．frb．org,l 998，(1 1) 。
[75】Mausser,H．and D．Rosen Allocating Credit Capital with VaR Contributions．
Working paper,Algorithmics Inc，2004
【76】魏克薇，谢赤．信用评价方法在银行贷款定价中的应用．统计与决策，2004，(6)：
3仉3l
【77】中国工商银行上海市浦东分行课题组．国有商业银行人民币贷款定价机制研
究．上海社会科学院学术季刊，1999，(1)：26．32
【78】彭建刚，吕志华，张丽寒，屠海波．基于RAROC银行贷款定价的比较优势原
理及数学证明．湖南大学学报(自然科学版)，2007，(12)：80—84
【79】杨立洪，蓝雁书，曹显兵．在随机利率情形下可转换债券信用风险定价模型探
讨．系统工程理论与实践．2007，(09)：17．23
博十学位论文
【80]
【8l】
【82】
【83]
【84】
[85]
[86】
【87】
【88]
【89]
【90]
[91]
[92]
[93】
[94]
[95]
[96]
唐吉平，陈浩．贷款信用保险定价研究．金融研究，2004，(10)：77．83
商业银行信用风险内部评级体系监管指引．中国银监会，2008
Basel Committee on Banking Supervision，“Range of Practice in Banks’Internal
Ratings Systems，”Basel Report，January,2000
Basel Committee on Banking Supervision，“Credit Risk Modelling：Current
Practices and Applications，”Basel Report，April，1 999
Moody’S Investors Services．Corporate Bond Defaults and Default Rates，
1 970—1 993，New York：Moody’S Investors Services，1 994
Dhaene,J．and M．J．Goovaerts．An economic capital allocation principle．
Working paper,2002
Rockafellar R．T．and S．Uryasev．Conditional Value-at—Risk for General Loss
Distributions．Journal of Banking and Financ．2002
Pykhtin，M．Multi-factor adjustment．Risk，2004，1 7(3)：85-90，2 1
Lucas，A．，Klaassen，P．，Spreij，P．und S．Straetmans An analytic approach to
credit risk of large corporate bond and loan portfolios．Journal of Banking&
Finance，2001，(25)：l 635-1 664
Basel Committee on Banking Supervision Basel II：International Convergence of
Capital Measurement and Capital Standards： a Revised Framework．
http：／／www．bis．org／pubI，2004
Gordy,M．A Risk-Factor Model Foundation for Ratings-Based Bank Capital
Rules．Journal of Financial Intermediation，2003，1 2(3)：1 99—232
Emmer,S．and D．Tasche Calculating Credit Risk Capital Charges with the
One-Factor Model．Journal of Risk，2005，7(2)：85—101
Li，D．On default correlation：a copula approach，Journal of Fixed Income，
2000，9(3)：43-54
Embrechts，P．，Hoing，A．and A．Juri Using Copulae to bound the Value-at-Risk
for functions of dependent risks．Finance&Stochastics，2003，7(2)：1 45-1 67
Embrechts，P．，A．McNeil and D．Straumann，“Correlation and dependence in risk
management：Properties and pitfalls”，Mimeo．ETHZ Zentrum，Zurich，1 999
Acerbi，C．and D．Tasche．On the coherence of Expected Shortfall．Journal of
Banking and Finance，2002，26(7)：1 487-1 503
Artzner,P．，Delbaen，F．，Eber,J．-M．and D．Heath．Thinking coherently．RISK
1997，10(1 1)：68-71
[97】Artzner,P．，Delbaen，F．，Eber,J．-M．and D．Heath．Coherent measures of
risk．Mathematical Finance，1 999，9(3)：203—28
基于信用风险测度的商业银行贷款定价研究
【98】Carey,Mark．，Hrycay,Mark．Parameterizing credit risk models with rating data．
Journal of Banking and Finance，200 1，25(1)：1 97-280
【99】Belkaoui，Ahmed．Industrial Bond Ratings：a New Look．Financial Management，
1980，9(3)：44-51
【1 00】Garcia Cespedes，J．C．，Kreinin，A．and D．Rosen A Simple Multi-Factor
“Factor Adjustment”for the Treatment ofDiversification in Credit Capital Rules．
Working paper,BBVA andAlgorithmics Inc．2004
【101】Basel Committee on Banking Supervision，“The Standardized Approach to
Credit Risk，”Basel Report，January,2001
【1 02】Goovaerts，M．J．，Kaas，R．and J．Dhaene．Economic capital allocation derived
from risk measures．Working paper．2002
【1 03]Kalbrener,M．An axiomatic approach to capital allocation．Mathematical
Finance 2005，l 5(3)：425—437
【1 04】Basel Committee on Banking Supervision，“Credit Ratings and Complementary
Sources of Credit Quality Information，”BIS Working Paper 3,August，2000
【1 05】Bowen，Robert M．；Daley,Lane A．and Charles，C，；Huber,Jr．Evidence on the
Existence and Determinants of Inter-Industry Differences in Leverage．Financial
Management，1 982，1 l(4)：1 0-20
[1 06】Gordy,Michael B．，Saddlepoint Approximation of CreditRisk+．Journal of
Banking and Finance，2002，26(7)
博一Ij学位论文
致谢
时光飞逝，我的博士研究生生活马上就要结束。这段学习经历将是我一生之
中最宝贵的财富。掩卷沉思，回首往事，最想感谢的是在我求学道路上给予我无
私教导与帮助的老师和同学们。
首先要感谢的是我的恩师彭建刚教授。在我的博士研究生学习过程中，彭老
师给予了父亲般的教育。本论文是在彭老师的悉心指导下才得以完成的。在论文
的选题、结构安排和写作过程中，彭老师都给予了我严格的训练和指导，倾注了
大量的心血和汗水。恩师渊博的知识和淳淳教导时刻鞭策着我，让我奋发向上加
倍努力学习。除了授业解惑之外，彭老师豁达的人生观、对事业孜孜不倦的追求
精神、一丝不苟的工作作风也深深影响了我，这让我在学习中和以后的工作中都
将受益匪浅。还要感谢师母周一平老师，她学识渊博，待人热情，对我关怀备至。
想起每次去导师家讨论论文，师母总会送上一杯暖茶，关心地问寒问暖，这都让
我难以忘怀。
在金融学院的进步都离不开诸多老师的培育和关心，是他们的渊博学识和谆
谆教导让我坚实地迈出每一步，我也要衷心感谢他们，是他们的辛勤工作和热心
帮助为我的学习和工作提供了极大便利。
最后，要感谢～直鼓励和支持我的父母亲、妻子及家人，是他们给予我精神
上的鼓励和生活中无微不至的照顾，让我坚持走到今天，是他们在背后的支持让
我顺利地完成学业。
梁凌
2009年6月
基于信用风险测度的商业银行贷款定价研究
附录A 攻读博士学位期间所发表的学术论文目录
一、公开发表的论文
【l】梁凌，王修华．银行贷款风险定价的“翘板效应”．管理科学，2006，(2)：72．77
【2】梁凌，吴丹．贷款风险定价模型及其授信边界．系统工程，人大报刊复印资
料《金融与保险》2009年第1期全文转载，2008，(7)：59．64
[3】梁凌，彭建刚．内部评级法框架下商业银行信用风险的资本测算．财经理论
与实践，2008，(5)：17．21
【4】梁凌，彭建刚，谭德俊．CreditRisk+模型下商业银行经济资本配置研究．经济
数学，2005，(3)：5．12
【5】梁凌．商业银行零售资产业务的聚合信用风险模型．财经理论与实践，
2009，(2)：36-39
[6】王修华，梁凌．The Study on the Loan Risk Pricing of the Bank in Internal
Rating-Based Approach．The 2008 International Conference on Risk
Management and Engineering Management，EI、ISTP收录，2008，(1 1)：398—403
[7】谭德俊，梁凌．期权理论在商业银行预期违约率测量和信用风险管理中的应
用．经济数学，2005，(1)：108．11
二、主持或参与的课题
【1】国家自然科学基金项目：我国商业银行违约模型与经济资本配置研究．
2007．1—2009．12．参与人
【2】教育部博士点基金项目．我国商业银行违约模型及其应用研究．2007．1．2009．
12．参与人
【3】长沙银行重点委托课题：信用等级评定系统设计．2005．9．2006．2，主持人，已
结项
【4】长沙银行重点委托课题：经济资本管理系统设计．2006．5．2006．10，主持人，已
结项
【5】长沙银行重点委托课题：对公贷款风险定价系统设计．2007．4．2007．10，主持
人，已结项
[6】长沙银行重点委托课题：内部资金转移定价系统设计．2007．9．2008．8，主持人，
已结项
附录B信用等级评定模型
。拦
qB口，|晌l砒}R目目】
mⅢ± 4 iln。归q∞t
磊i—————】二}_=i焉—靠磊i—
L』!U
F目a可F[—]口1 Ejl
基于信用风险测度的商业银行贷款定价研究
贷款企业信用等级评定标准(工业企业)一非财务因素
编号指标名称评分标准黧馏嚣各注
(满分) 计算公式
～。L
2
(1)
圭茎经营管理者。：萋妻警、正副总经理、财4分
素质务总监)
～。
学历
总经理本职年限
行业年限
(2) 职务年限
3
4
1
2
(1)
(2)
研究生(1．2)本科生(1)
大专(O·8)中专(O·5)
2分
总经理博士加1分
5年及5年以上(1)
3年至5年(o．5)
3年以下(o)
3年及3年以上(1)
1年至3年(o．5)
1年以下(O)
2分
1分
1分
法人代表有无逃由当地人行公布或同业通报
废债记录或经本行认定有此记录，一扣分项
律扣10分
譬经理是全国劳加1分
加分项
模
⋯“”
企业经营管理素
质
企业产权制度
企业组织机构设
置
董事会
监事会
人、财、物、产、
供、销6个部门
(3) 家族企业
23分
最高5分
Σ各学历层含加分项(1分)；
次人数×权合计超过2分以2
重／人数×2 分计算
本项为扣分项
(扣lO分)
本项为加分项
(加1分)
A． 上市股份有限公司最高3．5分
(3．5)
B． 未上市股份有限公司
(2．5)
c． 有限责任公司(2)
3·5分
D． 未经股份制改造的国有
企业(1．5)
E． 其他(1) ．
按规定设定(0．4)
只设执行董事(O．2)
无(O)
按规定设定(0．2)
只设一名监事(0．1)
无(0)
6个部门齐全(0．9)
3个至5个(0．6)
3个以下(0)
1．5分
0．4分
0，2分
0．9分
童譬成量控制夏企业的主要扣分项
部门，扣1．5分⋯”一
单选
单选
单选
有此种情况，企业组织机构部分
不得分。
博士学位论文
编号指标名称评分标准黧镭备注(满分) 计算公式
“’。。
3
(1)
(2)
4、
5
6
7
8
9
(1)
管理制度
财务制度有(0．25)无(O)
供产销制度有(0．25)无(O)
企业经营年限一年以内扣2分
控股投资人背景中央级企业(2)
欧美合资企业(2)
其他外商(1)
上市公司(1)
其他(0)
全部由私人出资，股东人数
小于等于4人、且净资产在
500万以下，扣2分
控股投资人与其为其贷款提供担保(2)
关系为生产、销售提供支持
(1．5)
与其关系松教(0)
抽逃、侵占被投资人资金，
扣2分
经营管理目标
营销策略及措施
融资渠道
上市
发债
(2) 银行融资
(3)
10
商业融资
投资策略
有(O．5)无(0)
有(O．5)无(O)
0．5分
0．25分
0．25分
扣分项扣2分
2分
扣分项
单选计分
2分
扣分项
O．5分
0．5分
4分
上市有配股(4)
上市无配股(1)
近2年发行过债券(0．5)
已取得发债资格(2)
融资成本的利率下浮于基准
利率(3)
融资成本的利率等于基准利
率(2．5)
融资成本的利率上浮于基准
利率10％以内(2)，
上浮于基准利率10卜2傩
(1)，
上浮于基准利率20％以上或
不易获得贷款(0)
企业取得公开授信额度(1)
主动取得商业信用(0．5)
综合回报率在基贷率之上
(1．5)， 1．5分
等于基贷率(1)，
在计得分的
基础上扣2
分
最高合计6
分
单选
单选
单选
加分项
加分项
不得分且扣分
(扣2分)
含扣分项(扣2
分)
融资渠道部分合
计得分的上限为
6分．
无对外投资给1
分
基于信用风险测度的商业银行贷款定价研究
编号指标名称评分标准黧篇臀备注
(满分) 计算公式
”“
lI
(1)
企业信用度
有无欠息
(2) 有无逾期
(3)
12
有无退票
成长性
主导产品及技术
创新
质量
2 产销率
3 市场占有率
在基贷率之下(0．5)，
综合I目】报率为负值(O)i
无对外投资(1)
1年度内，无欠息(3)，曾
有欠息丽目前没自．(1．5)，
目前有欠息(0)，
连续2个季度欠息，扣3分
连续1年以上欠息，扣6分
无逾期(3)，曾有逾期而目
前没有(1．5)，逾期1年以
内(0)；
在两家及两家以上银行逾
期，扣3分
逾期1年以上，扣6分
有过退票，扣1分
无退票(O)
主营业务收入，净利润连续
三年增长(增幅5％以上)
( 1 )
主营业务收入，净利润连续
三年持平(上下幅度5％以
内)(0)
主营业务收入，净利润连续
三年下降(降幅5％以内)，
扣1分
好(0．5)，
较好(0．3)，
一般(0)，
较差(--0．5)
产销率在98％以上(I．5)，
95％广一一98％(1)，
92％--95％(0．5)，
92％以下(0)
6分
3分
3分
最高3分，最含扣分项(最高
低一6分扣6分)
最高3分，最含扣分项(最高
低--6分扣6分)
扣分项
扣1分
1分
6分
O．5分
1．5分
2分
0．5分～
一O．5分
全国20％以上(2)， 全国占有率
570以6忐‘含5％)(o．8)，2％-_5％o．8分朵糍上嘉(．)，
。。⋯ 仆I出刀上删
1％～2％(O．4)，1％以下(0)
l·2分
含扣分项(扣1
分)
两项合计最高加
分1．2分
省、市50％v以上(1．2)， 1．2分
100
博上学位论文
编号指标名称评分标准黧嚣嚣备注
(满分) 计算公式
““
4
5
20％一-50％(0．8)，
10％--20％(O．4)，
10％以下(0)
鎏基二普，季列质加1分加分项
加分项‘1分)
量管理认证⋯“一
技术人员的比重50％以上(1)， 技术人员的含加分项(加O．5
30％．一50％(0．5)， 比重50％以分)
20％-一30％(O．3)，0．5分
上加0．5分
10％一一20％(0．1)，
10％以下(O)
6 科研经费的比重
7 科研组织
8 产品更新换代
四、
1
(1)
经费比重占销售收入5％及
5％以上(0．5)，
3％--5％(o．3)，
3％以下(0)
有科研中心(1)，
有科研部门(0．5)，
有科研小组(0．3)，
无科研人员(0)
快(0．5)，
一般(0．3)，
能力较差(0)
经营环境、市场
环境
产业政策
国家鼓励发展(2)，
一般态度(1)，
限制发展(0)，
要求淘汰的扣2分
地方
税收政策
0．5分
企业专门建含加分项(加O．5
有科研开发分)
O．5分中心的加
0．5分
0．5分
7分
2分
扣分项
最高2分，最
低一2分
募当地列为支柱产业’加1 加分项
加分项‘1分’
优惠政策(1)，一般政策(O)，
惩罚政策扣1分
行业门槛(专有难(1)，一般(0．5)，容易
技术) (O)
投资环境
信息
(2) 人力资源
(3) 法律保障
渠道畅通(0．5)，
渠道较畅通(0．25)，
渠道不畅通(0)
丰富(0．5)，
较丰富(O．25)，
贫乏(0)
完善(O．5)，
t分震苎】}雾’最募尹分项④1
1分
2分
0．5分
0．5分
0．5分
lO】
)
)
幻
2
3
4
D
(
(
基于信用风险测度的商业银行贷款定价研究
编号指标名称评分标准豢鬻嚣备注
(满分) 计算公式““
(4) 基础设施
5 市场竞争状态
6
五、
1
2
3
4
5
较完善(0．25)，
较差(0)
完善(0．5)，
较完善(0．25)，
较差(O)
垄断(1)，
一般(0)，
激烈，扣1分
行业排名全国前五，加2分
重大事项
有重大诉讼纠纷扣5分
(合计净资产
10％以上)
主要经营管理人扣3分
员的经济犯罪
重大违规经营扣5分
(走私、偷漏税、
骗取银行贷款
等)
重大事故造成重扣5分
大损失(超过净
资产20％以上)
重大投资失败扣5分
(超过净资产
20％以上)
0．5分
最高1分，最
1分低一1分
加分项
扣分项(扣1分)
加分项(2分)
扣分项(扣5分)
扣分项(扣3分)
扣分项(扣5分)
扣分项(扣5分)
扣分项(扣5分)
102
博十学位论文
贷款企业信用等级评定标准(工业企业)一财务因素
编号指标名称评分标准
标准分计分说明和计算
(满分) 公式
备注
103
基于信用风险测度的商业银行贷款定价研究
编号指标名称评分标准曼登贫计分哆矍尹计算备注
(满分) 公式9一
调整款)]／销售收入
8 担保比率
三、经营能力
2
3
<50％(3)
大于200％(包括200％)不计分
50％至200％之间按3分的百分比作线
性调整
应收帐款周>6次(3)
转速度小于2次(包括1次)不计分
2次至6次之间按3分的百分比作线
性调整
存货周转速>3次(3)
度小于1次(包括0次)不计分
1次虿3次之间按3分的百分比作线
性调整
总资产周转>0．6次(3)
速度小于0．1次(包括0．1次)不计分，0．1
次至O．6次之间按百分比作线性调整
四、经营效益
1 毛利率
2
3
术1 0 0％
年末未清担保余
3分嚣／焉息产权益
9分
全年销售收入／
[(期初心收帐
q屏款余额原值十期。刀
末应收帐款余额
原值)／2]宰1
O 0％
销售成本／[(期
3分銎尹笋≯攒学
0％
全年销售收入
／[(期初资产总
3分额+期末资产总
额)／2]牢1 0
0％
12分
>20％(4) (全年主营业务今孟格10。％㈣叠谨袭麓提慧2嘶4分鉴籴_亨墓辈茎之闻按4分的百分比作线性调整4分鬈盏≥彼夏聋亍
营业利润率>10％(4)
小于4％(包括3％)不计分
4％至lo％之间按4分的百分比作线性
调整
净资产收益>6％(4)
翠小于o％(包括0％)不计分
0％至6％之间按4分的百分比作线性调
整
五、银企合作
l 存贷比
2 开户情况
3 结算量
4 开户年限
A． 存贷比>50％(2)
B． 小于50％每少10％减0．4
A． 基本户(1)
B． 一般结算户(O．5)
C． 临时开户(0)
A． 日均结算笔数>=20(2)
B．<20按2分的百分比作线性调整
C．代发工资，加2分
A． 3年及以上(1)
B． 1—3年(0．5)
C． 一年以下(0)
营业利润／全年
4分学芽收入枣1 o
税后利润／[(期
初净资产余额+
4分期末净资产余
额)／2]宰1 0
0％
6分
2分
1分
2分
1分
最高分为8分
含加分(2)
材料来源：某银行风险管理部
104
博J：学位论文
附录C担保品风险权重及清偿率参数
!笺耋! 竺坚竺兰堂竺! 竺竺!竺耋竺三!：霎篁： 鳘篁篓
保证担保
不接受
一般企事业单位担保
国家政策性银行(地市级以上)担保
国有商业银行(地市级以上)担保
国有商业银行(县区级)担保
股份制商业银行(授权分支行以上)担保
我国中央政府投资的公用企业担保
多边开发银行担保
我行给予授信额度的外资银行担保
信托投资公司(国家级)担保
信用等级
AAA
从
A
BBB
BB
0．5
0．6
0．75
O．85
0．9
O．05
0．1
O．1
O．1
O．2
0．05
100％
100％
100％
100％
100％
O％
20％
20％
20％
50％
0％
注册地所在国或
地区的评级为
0．1AA Ij'!I M协J---t、'日⋯ 20％
从．)
注册地所在国或
地区的评级为O．5 100％
AA．以下
信用等级
A从0．5 100％
AA 0．6 100％
A 0．7 100％
BBB 0．8 100％
BB 0．9 100％
B 不接受100％
未知不接受100％
信托投资公司(省级)担保信用等级
从A 0．6 100％
---●__I__-__-●__Il●-__-_●●-_----I-_____-●_●●_●_-__--●__●_I_一___-_I-_
105
基于信用风险测度的商业银行贷款定价研究
(续表)
风凳霎释债权属性类别l 债权属性类别2 卜囊蓑率釜篥娶
106
博士学位论文
(续表)
风皇孳释债权属性类别l
方式
“”’”“。”“1 债权属性类别2 蒜羹釜集娶
抵押
鬣鬻” 瑚％
垫堡星竺里罂廖譬兽际经济组织贷款进行转贷0．05 o％
的我国国家机关担保
⋯
商品房(住宅)产权房现房抵押
商品房(住宅)产权房期房抵押
个人住房(按揭)抵押
写字楼(产权)现房抵押
写字楼(产权)期房抵押
自建办公楼现房抵押
(Ri让)国有土地使用权抵押
(开发区内)标准厂房抵押
一般厂房抵押
通用设备(成新率80以上)抵押
其他设备抵押
交通运输工具抵押
林木抵押
0．6 100％
0．8 100％
O．3 50％
O．7 100％
O．85 100％
0．9 100％
0．8 100％
O．8 100％
O．9 100％
O．8 100％
O．9 100％
私用轿车车辆抵押O．7 100％
工程车辆抵押O．7 loo％
交通霉黧王悬船、0．8 100％
飞机)抵押
⋯一
不接受100％
质押国债质押
公司债券质押(AAA级债券)
公司债券质押(从级债券)
公司债券质押(A级债券)
中央政府投资的公用企业发行的企业债券、票
据和承兑汇票质押
我行人民币存款质押
我行美元存款质押
我行除美元外其他外汇质押
其他商业银行存款质押臀劂以
原始期限四个月以
上
O％
100％
100％
100％
50％
0％
0％
0％
0％
20％
107
蛤
3
5
7
2
搭
巧
1
l
l
!耋
吣
吣
们
眈
吣
!耋
叭
叭
叭
基于信用风险测度的商业银行贷款定价研究
(续表)
材料来源：某银行风险管理部
108
博上学位论文
附录D创业贷款损失分布计算程序
quantile_VaR--input(’请输入VaR置信度：．)；
％qrange of 10ss--input(’请输入损失分布的计算范围：．)；
％quantile_VaR=0．99；
range——of——10ss=1 50；
Exposure in Band=[1，2，4，6】；
Expected_defaults_Num in Band=[72．62，6．56，1．77，1】；
Num—of—Band=size(Exposure in Band，2)；
Expected_loss in Band=zeros(1,Num——of——Band)；
for i--1：Nm——of——Band；
Expected_loss in Band(1，i)--Exposure in Band(1，i)宰Expected_defaults_』
um—in—Band(1，i)；
end
Loss_Distribution=zeros(1，rangeof 10ss)；
LosoistributionJ=zeros(1，Num of Band)；
Num of Loss--zeros(1，range of 10ss)；
tempsigma=zeros(1,range——of——10ss)；
temp=zeros(1，range—of一10ss)；
tempprob=zeros(1,range,of 10ss)；
Loss_Distribution(1，1户exp(-sum(Expected_defaults_Num in Band))；
Num—of—Loss(1，1即；
for k=-2：(range of——10ss)
forj=1：Num—of—Band
if k．1>=Exposure in Band(1，i) 一一一，V，
109
基于信用风险测度的商业银行贷款定价研究
LossDistribution J(1,j)=Expected_loss in Band(1,j)·Loss__．Distribution(1，k—Exposure_i
nBand(I j))；
else
Loss』istribution_J(1 j)--0；
end
end
Loss_Distribution(1，k)=sum(Losoistribution J)／(k一1)；
Num—of—Loss(I，k)=k一1；
end
plot(Num—of—Loss，Loss』istribution,'*')；
test．pfjprobability=sum(Loss_Distribution)；％如果等于一，计算正确
y=LossDistribution(1，1)；
for x=2：range of——loss
y=y+Losoistribution(1，x)；
if y>=quantile_VaR；
quantile_VaR_range=x；
break；
else
x--x+1；
end
end
for i=quantileVaR_range+1：range of loss
temp(1，i)=Loss．Jistribution(1，i)木Num—of—Loss(1，i)；
tcmpprob(1，i)=Loss Distribution(1，i)；
end
VaR=Num—of—Loss(1，quantile_VaR_range)
esprob=sum(tempprob)；％计算尾部的累积概率
ES=sum(temp)／esprob；
llO
博士学位论文
raabel(’损失程度’，’fontweight’，'bold’)；
yJabel(’发生概率’，TontWeight'，'bold’)；
legend([-＼：alpha-pereentile ',num2str(quantile_VaR)]，【悱’,num2strtVaR)]，[tCVaR=',num2str(ES)])
gridon；
％save Loss_Distribution_A Loss_Distribution；
％dlmwrite(’基本一A№and_l—dn_2]’，Loss_Distribution,',')
％save Loss——Distribution——B Loss__Distribution；
％dlmwrite(’基本一B№aIldj—dn2]’，Loss_Distribution,',')；
save Losspistribution—AB Losspistribution；
dlmwrite(’回归一AB’，Loss_Distribution,',')