ParK's 論文后花園

湖南大学
硕士学位论文
商业银行信贷评级及其经济资本配置研究
姓名：曾维火
申请学位级别：硕士
专业：金融学
指导教师：张玲
20040925
硕士学位论文
I
摘 要
信用风险是商业银行面临的主要的、基本的风险，基于信用评级的一系列信
用风险管理也一直是金融业界和学界关注的课题。自上世纪90 年代以来，随着经
济的全球化，基于应对信用风险日趋复杂和严峻化挑战而催生的信用风险管理理
论、方法、技术和工具变革和发展的动力一直推动着商业银行信用风险管理水平
的提高。以1988 年巴塞尔协议为起点，到90 年代中后期诸如Zeta 分值、KMV、
CrediRisk 等信用风险评级和度量模型的开发和广泛应用，再到2001 年新巴塞尔协
议的出台，商业银行的信用评级、信用风险度量等等信用风险管理正从传统的粗
线条定性管理趋于以模型和数理理论为基础的定量管理，大大提高了信用风险管
理的效率和效果。鉴于此，本文借鉴国外研究和应用的一些成果，并结合我国的
商业银行的具体特征，尝试在我国商业银行信用风险管理中引入模型和量化管理
方法。
本研究共分为四部分。
第一部分是研究基础，介绍了信用评级、信用风险度量、经济资本配置等信
用风险管理的相关概念、方法及模型。
第二部分是债务人评级的实证研究，首先利用外部评级结果检验了 Z 值模型
对信用评级的有效性；然后利用 Z 值模型对我国上市公司进行评级，得出上市公
司整体资信良好、稳定性差的特点；最后，利用Z 值模型构造了我国企业的信用
等级转移矩阵，并以此作为贷款信用风险度量的重要工具之一。
第三部分为贷款信用评级实证研究。以湖南省工商银行岳阳支行的71 家贷款
客户的104 笔贷款为样本，以债务人评级结果为基础，并考虑贷款的特性，以定
性的方法对债务人的评级结果进行调整而得出贷款的信用级别。
第四部分为贷款信用风险的度量和经济资本的配置实证研究。以贷款的评级
结果为基础，设计一些风险参数，对每笔贷款的总风险损失、预期损失、非预期
损失进行度量；然后以信用风险数额为标准进行商业银行经济资本配置。
关键词：信用风险；信用评级；Z 值模型；信用等级转移矩阵；经济资本配置
硕士学位论文
II
Abstract
Credit risk is the main and basic risk the commercial banks face, and a series of
credit risk management based on credit rating has been the subject that financial industry and
educational circles have paid close attention to all the time too. Since the 1990s of last century, with
the economy globalization , the push of evolution and development of the credit risk
management theory、method、skill and means, which were born in the complicated and
serious challenges based on meeting credit risk, prompts the enhance of the commercial
banks’ credit risk management level. From the BasleⅠin 1988, to the development and
extensive application of the credit rating and credit risk measurement model, such as
Zeta-value, KMV, CrediRisk, to the BasleⅡin 2001, the credit risk managements, such
as the commercial bank’ credit rating and credit risk measurement, are transferring from
traditional and rough qualitative management to quantitative management based on
model and maths, which heightens the efficiency and effect of credit risk management
fully. As mentioned these, this paper uses the foreign fruits of study and application for
reference, and combines with the characteristics of commercial banks in our country,
and try to introduce model and quantitative management method to the credit risk
management of commercial bank in our country.
The study includes four main chapters as follows：
Chapter 1 is the study elements, in which we introduce the concept, method and
model of credit risk management, such as credit rating, credit risk measurement,
economic capital allocation.
Chapter 2 is the evidence study of debtor rating, in which we test the availability of
Z-value model in credit rating by using outer credit rating. Then we measure the credit
rating of our listed companies, and find the character of credit quality of our listed
companies: the whole credit quality is good, but it has high unsteadiness. At last, we
constructs the companies’ credit rating transition matrices by using Z-value model, and
we use it as one important means of the credit risk measurement of loan.
Chapter 3 is the evidence study of loan rating. We use the 104 item loans of 71
clients in Yueyang Commercial Bank, Hunan province for our study samples. Based on
the result of the debtor rating, and considering the characteristics of loan, we find the
loan rating through adjusting the results of debtor rating by qualitative analysis.
Chapter 4 is the evidence study of the loans’ credit risk measurement and economic
capital allocation. Based on the results of loan credit rating, designing some risk
parameters, we measure the total risk loss, expected loss, unexpected loss, and then
allocate the economic capital by the standard of amount of loss.
Key words: Credit risk; Credit rating; Z-value model; Credit rating transition matrices;
Economic capital allocation
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。
作者签名： 日期： 年 月 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
1、保密□，在______年解密后适用本授权书。
2、不保密□。
（请在以上相应方框内打“√”）
作者签名： 日期： 年 月 日
导师签名： 日期： 年 月 日
√
硕士学位论文
1
第1 章绪论
1.1 选题背景及意义
长期以来,信用风险一直是商业银行面临的最主要的风险之一。早期的商业银
行风险管理局限于风险定性分析的范畴，未形成真正意义上的信用风险衡量和评
估的技术方法。70 年代中期，随着布雷顿森林体系的瓦解，商业银行面临的宏观
经济环境的变化使其重大信用风险隐患日益增加。1974 年赫斯塔特（Herstatt
bank）美国富兰克林国民银行（Franklin National bank）的破产，暴露了全球
银行体系潜在的不稳定也催生了国际银行业监管委员会----巴塞尔委员会。80 年
代初，拉美债务危机爆发，国际银行业又遭重创，银行管理者和监管部门普遍开
始重视对信用风险的管理。1988 年的巴塞尔协议迈出了具有里程碑意义的一步，
规定了商业银行为防患信用风险所必须达到的最低资本要求。同时，一些分析信
用风险的模型和相关违约记录数据库初步建立起来。90 年代以来，随着经济和金
融全球化的加剧，银行业所面临的信用风险更具危害性和复杂性,主要表现在：（1）
银行间竞争加剧，银行贷款利差持续缩小；（2）新型金融工具的不断涌现使信用
风险日趋复杂化；（3）更多的机构投资者与资金涌入金融市场，扩大了信用风险；
（4）新兴市场的发展和资产证券化加剧了信用风险。此间暴发的墨西哥金融危机
及东南亚金融危机严重打击了全球经济的发展和稳定，使许多大商业银行开始关
注原有信用风险度量方面的问题，迫切需要建立新的衡量信用风险的内部模型来
建立更为精确和实用的信用风险评级体系以提高其信用风险度量和管理水平。
与此同时，一方面，信用风险评级技术及其度量模型赖以生存的理论基础日
益发展，其中包括：马可维茨的资产组合理论、布莱克和舒尔茨的期权定价理论、
斯蒂格利茨的信息不对称理论、VaR（Value at Risk）理论等等；另一方面，数
理统计、系统工程、物理学等学科的理论和方法广泛运用于金融领域。从而使各
种信用风险度量模型和以此为基础的评级方法与体系得以开发和运用，如：J.P 摩
根公司97 年提出的CreditMetrics 模型、瑞士信贷第一波士顿（CSFB）的
CreditRisk+模型、KMV 模型、Altman 的Z 分模型等等[1-6]，在此基础上，巴塞尔委
员会开始意识到原有信用风险测量技术及风险资本配置的局限性，于是于2001 年
公布了新的巴塞尔协议，协议对信用风险管理的内部模型法给予了充分的关注。
但是，与市场风险管理研究相比较，商业银行信用风险管理研究仍处于初级阶段，
有人断言它将是21 世纪银行业面临的重要课题。
在我国，信用风险是商业银行面临的主要风险，也是银行业目前所面临的所
有问题的症结所在。近年来，尽管采取了各种措施，其中包括政府发行特别国债
补充国有独资银行的资本金和成立四家资产管理公司接管四大国有银行及政策性
硕士学位论文
2
银行的不良资产等措施，但信用风险的根源依然存在。据统计，截止2000 年底，
有四大国有商业银行划给四家资产管理公司的不良信贷资产总额已高达13000 亿
元。巨额的不良贷款直接造成了我国商业银行清偿能力和资本获利能力的下降，
已成为危及商业银行生存和发展的瓶颈。2001 年加入世贸组织后，我国金融将与
国际金融接轨，从长远看，这有利于商业银行提高经营水平和竞争力，但在短期
内也必将给商业银行在技术、业务、人才方面造成不小的冲击。我国的信用风险
度量和管理方面的研究和运用也相当滞后，信用风险度量和评级主要是定性方法，
信用评级简单而粗造，缺乏一致性和有效性。
因此，开发和建立我国的信用风险度量模型和评级方法既有迫切性，也具重
大的理论、现实意义及经济价值：（1）有利于提高我国商业银行业计量和监测信
用风险管理的水平，为国家信用管理和信用评级体系的建立提供方法和技术上的
支持；（2）有利于银行内部管理和外部监管制度的完善，促进金融体系稳定运行
和银行业的平等竞争；（3）有利于商业银行自身经营的安全和效率的提高，并使
其信用风险度量的精确化、经济资本配置优化而有效，提高其信用风险管理水平
和能力；（4）有利于商业银行的信用风险管理政策和制度与国际银行接轨,提高其
竞争力。
1.2 文献综述与国内外研究动态
信用评级和信用风险管理历史源远流长。在古罗马时代就已形成了一些信用
分析的基本原则，但真正的信用评级始于100 多年以前的美国。1837 年路易斯·塔
班在纽约建立了第一个商人性信用评级机构，1849 年约翰·布拉斯特建立了自己
的评级机构并于1857 年出版了第一本信用评级指南。1909 年美国穆迪公司的创始
人约翰·穆迪发表了债券评级的观点，使信用评级首次进入证券市场。1916 年，
美国标准普尔公司开始从事信贷分析与评价，应用到信贷违约的评级上。经过长
期的发展，信用评级技术不断的得到完善和拓展。
信贷评级技术和信用风险度量模型是现代信用风险管理的两大支柱，主要分
为两大类：一类是基于资本市场理论和信息工程科学的各种内部评级模型，另一
类是基于统计方法和财务指标建立的线性判别分析模型。
1．2．1 现代内部信用风险度量模型
目前，金融业所开发和应用的信用风险度量模型因其对一些相关参数的计算
方法不一样而具有不同的模型类别，主要有：
1．2．1．1 信用计量模型(Credit Metrics)
在银行业较早使用并对外公开的信用风险管理模型是J.P.Morgan(JPM)银行
硕士学位论文
3
1997 年开发的Credit Metrics 模型[1-5]，它是以信用评级为基础，刻画资产或贷款组
合在信用等级发生变化（上升、下降、违约）时其价值的变化。该模型对对组合
价值的分布有两种处理方法，即正态分布假定下的解析法和蒙特卡罗模拟法。模
型通过均值、标准差、分位数和边际贡献等参数来表征组合风险特征，然后通过
输出参数VaR 数值的大小反映出银行某个或整个资产或信贷组合因信用级别变化
或违约时所应准备的经济资本。
该模型的创新在于：（1）第一次将信用等级的转移、违约率、回收率、违约
相关性纳入了一个统一的框架，全面地考虑对信用风险的度量；（2）在模型的适
用产品的范围上，该模型含盖了几乎所有的信用产品。该模型的局限性在于：对
同一等级的债务人应用了相同的等级转移概率和违约率，实际转移概率和违约率
是历史上多个信贷周期的平均值，因而不能够反映特定债务人的当前的信用质量
变化情况。
1．2．1．2 KMV 模型
KMV 模型是1995 年美国KMV 公司开发的信用度量和监控模型[1-4,8-10]，其理论基
础是莫顿(Merton)的期权定价理论运用于有风险的贷款和债券的估值，并用期权
的公司债务定价理论计算公司的违约概率。模型的基本思路是从公司股票的市场
价值、股票价值的波动性及负债的帐面价值估计出公司的市场价值及其波动性，
再通过由公司的长期和短期负债计算出公司的违约点和根据公司的现有价值确定
的公司的预期价值计算出KMV 公司定义的违约距离，最后确定违约距离和经验违
约距离之间的映射关系。
KMV 模型与JPM 模型有很大的不同：（1）KMV 模型根据违约率来建立等级转移
概率矩阵，而JPM 是按评级等级分类建立，这对两种模型所得到的VaR 值产生很
大的影响；（2）在对VaR 的估计上，KMV 模型通过组合损失的分布来计算，并给出
了组合损失一种解析表达式。
1．2．1．3 信用风险系统(Credit Risk System)
该模型是瑞士信贷第一波士顿银行（CSFB）于1996 年开发的[1-4]。它应用了保
险业中的精算方法得出债券或组合的损失分布，只考虑债券或贷款违约和不违约
两种情况，并假定这种违约遵从泊松分布。在违约风险的估计上，它不同于以上
两个模型的是，它不是对一个等级的客户给出一个具体的数值，而是用一个连续
的随机变量来描述，对信用等级变化的估计是通过违约率的标准差来估计。
在对组合损失的计算方面，该模型是输入单项资产的风险暴露、违约率的均
值和标准差，然后从总体上确定组合风险暴露，进而计算组合的损失百分比。在
风险资本定量方面，通过损失分布密度函数可以直接估计出组合的预期损失和非
预期损失。
硕士学位论文
4
1．2．1．4 信贷组合审查系统(Credit Portfolio View System)
该模型是由麦肯锡(Mckinsey)公司于己于1998 年开发的用于分析贷款组合风
险和收益的多因素模型[1-4]，它运用经济计量学和蒙特卡罗模拟来实现，最大的特
点是考虑了当期的宏观经济环境，比如GDP 增长率、失业率、汇率等等。
与 Credit Metrics 应用的转移概率和违约率不同，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和
违约率。该模型的优点是它给出了具体的损失分布；实用于单个债务人和一组债
务人；能刻画出回收率的不确定性和因国家风险带来的损失。
上述的模型是基于发达的市场经济而开发的信用风险度量和管理模型，模型
本身的假设和一些参数的估计上很难令人满意，各模型间缺乏统一性和可比性；
同时各模型的运用需要完备的数据库体系和完善的计算机系统。
1．2．2 线性判别分析模型
国外利用线性判别模型对公司信用风险进行度量和评级研究是从公司财务困
境的研究开始的。Fitzpatrick 于1932 年进行了一项单变量破产预测研究[11,12]。
Smith and Winakor(1935)发现财务困境公司与持续经营公司的财务比率有很大的
差别[12]。Secrist（1938）曾使用简单图表法对财务困境做过研究[13]。Hickman（1965）
则研究了那些资产规模大、无力偿还固定债务的公司的财务比率[12]。Beaver（1968）
开创了用单一比率分析来判别财务困境的新局面,并分别选择了1954—1964 年间
的79 家失败企业和非失败企业[14]。
率先将这一方法运用于信用风险分析的开拓者是美国学者 Edward I. Altman。
Altman（1968）以1946 年—1965 年间破产、资产规模相近的33 家困境公司和33
家非困境公司作为样本，采用了22 个财务比率经过数理统计筛选建立了著名的5
变量Z-score 模型，并在1977 年经过改进开发了现在常用的ZATA 判别模型[11,12,15]。
Blum（1974）采用了1954-1968 年间115 家破产企业和非破产企业作为配对样本
建立了一个帮助司法机构反托拉斯部门评估经营失败的破产公司模型（FCM）[16]。
Edmister（1972）针对小公司建立了一个预测经营失败的回归模型，他选取了42
家失去贷款资格的公司和562 家能继续获得贷款的公司作为样本[17]。Wilcox(1971)
采用了传统的赌博者破产模型建立了7 个指标的线性方程[18]。Scott（1981）比较
了以上学者的实证结果，他认为在识别和度量企业信用风险上多元模型优于单比
率模型，在多元模型中，Altman 的Zeta 模型又是最优的[19]。上世纪90 年代以来，
Zeta 模型已商业化，广泛运用于企业的信用风险度量和评级。受其影响，日本、
德国、法国、英国、澳大利亚和加拿大等许多发达国家的金融机构都纷纷开发了
各自的Z 值多元判别模型。
在我国，信用风险的度量和管理方法研究起步较晚，金融机构没有完善有效
硕士学位论文
5
的评级技术和体系，再加之信用数据资料的匮乏，也就谈不上信用风险模型的开
发和利用。目前所应用的方法主要是简单的粗略的定性方法，如“加权”计分。
近年来，在有关信用度量模型的研究方面，国内的一些学者在建立有关多元判别
模型方面做了许多工作，取得了很大成效，为我国信用度量模型和信用评级方法
的最终建立和完善奠定了基础。他们主要是：陈静(99)以1998 年的27 家ST 公司
和27 家非ST 公司,使用1995 年----1997 年的财务数据进行两类线性判别,多元线
性判别使用负债比率、净资产收益率、流动比率、营运资产/总资产、总资产周转
率等6 个指标数据，结果发现：在ST 发生的前3 年能较好地预测经营失败。高培
业（2000）对深圳161 家制造企业和140 非制造企业样本进行了类似的分析，认
为我国公司的财务报表数据尽管存在不同程度的失真，但不会使判别模型失效，
利用会计数据建立服务于不同行业的具体形式判别模型是可行的。高培业和张道
奎（1999）比较了破产判别模型的应用领域。张玲（2000）采用120 家上市公司
财务数据建立了4 个指标的判别模型。林平（2001）应用多元线性判别和Logistic
判别建立了用于判别我国农村信用社信用危机的预测模型。吴世农（2001）就预
测我国上市公司财务困境的模型加以比较，选取70 家财务困境和70 家财务正常
的公司为样本，选取盈利增长指数、资产报酬率、流动比率、长期负债股东权益
比率、营运资本/总资产、资产周转率6 个财务指标为变量比较Fisher 线性判别、
多元线性回归分析和Logistic 回归的预测能力、准确度[20-27]。
1.3 研究内容及框架
本文基于新巴塞尔协议对商业银行内部评级、信用风险度量及信用风险资本
配置的要求和思路，同时借鉴国外一些业已成熟的信用风险度量和评级模型方法，
利用我国上市公司数据而开发的Z 值线性判别模型对商业银行的贷款客户和贷款
进行信用评级，并以此为基础对我国商业银行的信贷风险的动态度量和信用风险
资本配置进行实证研究。
本文的研究架构可用图 1.1 表示。
1.4．研究的创新点及研究限制
1.4.1 研究的创新点
本文研究的主要创新点有如下三点：
第一，将自主开发的我国上市公司的 Z 值财务困境判别模型运用于银行贷款
信用评级，降低了评级工作中的主管随意性，提高了评级的准确性；
第二，运用动态方法对我国商业银行贷款信用风险进行精确度量，有利于强
化信用风险管理；
硕士学位论文
6
第三，尝试进行基于信用风险的贷款经济资本配置。
总之，研究的成果将促进我国商业银行内部评级模型的开发与应用，有利于
提高我国商业银行的信用风险度量和管理水平。
1.4.2 研究限制
本文研究的主要限制是数据方面的问题。在我国，诸如贷款违约率、违约贷
款回收率等信用数据库还处在建设初期，数据库的完善需要更长的时间，建立信
用风险度量和评级模型所需的风险数据相当匮乏，从而使我们对有些研究中必须
的个别数据（如贷款违约率）不是取自于实际历史数据，而是假定和模拟数据，
这可能对实证效果有一定影响。
这些限制是客观存在的，我们不可能因为有这些限制而不进行相关研究。理
论研究必须超前于现实，当随着我国信用风险管理实践的发展及数据库的日益完
备，我们所进行的相关研究方法和成果将会得到完善和应用。
图 1.1 结构框架图
z 值模型
企业z 值
企业信用评级
贷款方式贷款评级贷款期限
违约概率违约损失率 违约风险暴露信用转移矩阵
蒙特卡罗模拟
贷款信用风险
预期损失非预期损失
经济资本配置
硕士学位论文
7
第2 章研究基础及模型
2.1 研究基础
本节将介绍有关信贷评级、信用风险度量和经济资本配置的一些基本理论、概
念、方法及计算公式。
2.1.1 信贷评级
2.1.1.1 信贷评级概述
1．信贷评级定义。信贷评级是商业银行对客户偿还债务能力和意愿的评估，
是对债务偿还风险的综合评价，是确定贷款风险程度的依据和信贷资产风险管理
的基础。企业作为经营活动的主题单位，与商业银行有着密切的信用往来关系，
银行信贷是其生产发展的重要资金来源之一，其生产经营效果的好坏直接关系到
银行信贷资金使用的好坏和效益的高低。这就要求银行对企业的经营活动、经营
成果、获利能力、偿债能力等给予科学的评价，并将测定结果划分出若干等级，
以简明的记号或文字(如AAA、AA、A)加以表示，以确定贷款资产损失的不确定程
度，最大限度地防范信贷风险。
应从如下几理解点信贷评级的内涵：
首先，信贷评级是对借款人或借贷双方签订合同能否完整履行的评价，因此，
合同或其他表现形式的契约是评级的依据。任何对合同或约定的单方面违背都将
视为违约，包括对债务本金的单方拖欠，对利息的不足额支付等行为。
其次，信贷评级是对偿还债务本息能力与意愿的评价，因此，它不考虑除债
务以外的其他投资风险，包括市场风险、操作风险等。
第三，信贷评级是对贷款信用风险的判断，因而，它包含主管因素，而不是
对债务到期时候确实违约的准确结论，它只是告诉人们，一笔高信用级别的贷款
比一个低信用级别的贷款违约的可能性以及违约后造成实际损失的程度要小.
2.信用评级对象。信用评级包括对债务人的信用评级和对债务项目的信用评
级。绝大多数银行采用单一的评级制度，即对债务人评级，商业银行主要通过评
价债务人的财务指标来对其任何负载的违约风险进行信用级别的评定，用以测算
债务人的违约概率，是信贷评级的主体部分。有一些银行使用两种评级制度，即
既对债务人评级（Corporate Rating），又对债务项目评级(Facility Rating)。
在这种情况下，在对同一借款人的不同金融工具进行评级时，要考虑它的贷款属
性，如抵押情况，优先级别，贷款期限等等，用以测算贷款的违约后的清偿率。
就贷款评级来说，它包括债务人(贷款客户)评级，又包括贷款项目的评级。前者
主要考虑债务人本身的一些财务指标，评级其还款能力；后者主要是在(债务人评
硕士学位论文
8
级)的基础上，考虑贷款本身的一些特征（如贷款方式、贷款期限等）对评级的影
响程度。这样，通过对贷款债务人的评级，并根据债务项目特征对信用级别的影
响程度而对债务人信用级别予以调整即可得到贷款信用级别。
3.信用评级的要素。国际上对形成信用的要素有很多种说法,有五C 要素、三
F 要素、五P 要素等等。其中以五C 要素影响最广。五C 指债务人的品德(character)、
能力(capacity)、资本(capital)、担保品(collateral)和环境(condition),它们
都是决定信用的主要要素。前3 项为内在要素,后2 项为外部要素。在我国,通常
主张信用状况的五性分析,其中安全性是信用的基础,收益性是信用的保证,成长
性是信用的动力,流动性是信用的表现,生产性是信用的条件。通过定性分析,就能
对信用状况作出客观的评价。
4.信用评级指标。体现信用评级要素的具体项目,一般以指标表示。指标的选
择,必须以能充分体现评级的内容为条件。通过几项主要指标的衡量,就能把企业
信用的某一方面情况充分揭示出来。例如企业的盈利能力,可以通过销售利润率、
资本金利润率和成本费用利润率等指标加以体现;企业的营运能力可以通过存货
周转率、应收帐款周转率和营业资产周转率等指标加以体现。
5.信用评级的等级。信用等级是反映信用等级高低的符号和级别。有的采用5
级,用A、B、C、D、E 表示；有的采用9 级, 用AAA、AA、A、BBB、BB、B、CCC、
CC、C 表示；标准普尔把企业信用级别分为AAA、AA、A、BBB、BB、B 和CCC 七个
级别，信用级别以此降低；穆迪公司分为Aaa、Aa、A、Baa、Ba、B、Caa 七级；
新巴塞尔协议中规定的信用级别是七个级别。一般来说,长期债务时间长,影响面
广,信用波动大,采用级别较宽,通常分为9 级；而短期债务时间短,信用波动小,级
别较窄,一般分为4－7 级。在国际上还有一种惯例,即一国企业发行外币债券的信
用等级要以所在国家主权信用评级为上限,不得超过。
2.1.1.2 信贷评级的基本方法
信贷评级经过近百年的发展，国内外的评级机构和商业银行在实践中常用的
评级方法大致有三类：定性评级法、定量评级法和综合评级法。定性评级法是指
评级人员根据其自身的知识、经验和综合能力，在对评级对象进行深入调查、了
解的基础上，对照评级参考标准，对各项评级指标的内容进行分析判断，形成定
性评价结论。这种方法的评级结果依赖于评级人员的经验，主观性较强，结果的
客观、公正性难以保证。定量评级法也称模型评级法，是指以反映企业经营活动
的实际数据为分析基础，通过数学模型来测定信用风险的大小，这种方法简便、
成本低，被金融广泛应用于对客户的信用风险评级。综合评级法是定量评级法和
定性评级法的统一，通常是对债务人使用定量评级法，而对债务工具使用定性评
级法。在实践中，由于银行面对的客户众多，评级人员的素质参差不齐，因此评
硕士学位论文
9
级方法一般不以定性分析为主。
现将目前金融业界应用的几种评级方法介绍如下：
1.A 记分法。A 记分法与下文的加权记分法有相同之处，都试图将定性分析
因素进行量化，只是在技术处理方面有所差异。A 记分法首先将影响信用风险的
重要因素或现象列出，按影响程度将其分为经营劣势类、高风险类和破产类，每
类下又包括一些小类，并根据每类对信用风险影响的大小确定相应的分值，最后
将所得分值加总，以判断企业的违约可能性大小。
2.加权记分法。此方法广泛应用于20 世纪80 年代至90 年代中期，该方法首
先根据影响债务人信用风险的因素选取记分指标（主要是一些财务指标），并确定
各指标的权重，然后设定单项指标的标准值，并依据单项指标的评分标准计算出
评估对象总的信用得分，最后在上述计算的基础上，根据各指标的总得分设定分
值区间以确定评估对象的信用风险大小。
3.LAPP 法。“LAPP”法是以Liquidity(流动性) 、Activity(活动性)、
Profitability(赢利性)、Potentialities(潜力)四个词的第一个字母命名，从这
四个方面评价债务人的信用。
流动性是指债务人易变为现金的流动资产来偿付其债务的能力。进行流动性
分析主要依靠债务人的财务报表，并依据几个必要的财务比率，如反映企业财务
状况的流动比率、速动比率等。
活动性，主要是指债务人的业务活动能力。债务人业务活动能力强则其偿还
贷款能力较有保障。要掌握债务人业务活动能力情况，就需要了解企业的资产和
销售、市场竞争、市场占有率、往来客户、应收帐款、应付帐款和资金周转情况
等。
赢利性，是指债务人的获利能力。要求掌握业务量与利润的关系、成本与利
润的关系、利润率等。在一般情况下，主要是根据债务人的过去经营业绩来预测
其未来的盈利能力。
潜力，是债务人的业务发展潜力。主要分析产品结构、市场趋势、经济周期、
业务的拓展、资金的来源、管理效率等等。
4．Chesser 信用评分模型。该信用评级模型方法是由美国学者Chesser 于1974
年首次使用，基本思路是在银行调查评级时对每笔贷款按照一定的模式进行评分，
根据预先设定的标准来判断贷款质量的高低[6,7]。
Chesser 建立模型的目的是测算预测贷款状况与最初审批的不一致性，这种不一
致性就定义为违约或进行核销。他从美国四家商业银行中，选择了37 笔满意贷款
和37 笔不满意贷款，采用6 个变量进行Logit 分析，得到的公式是：
Y=-2.0434-5.247X1+0.0053X2-6.65073X34.4009X4-0.00791X5-0.102X6 (2.1)
其中X1＝（现金＋市场化证券）/总资产；X2＝销售净额/（现金＋市场化证券）；
硕士学位论文
10
X3＝资产回报率；X4＝资产负债率；X5＝固定资产/股东权益；X6＝营运资本/净销
售收入。
变量 Y 则是一个独立变量的线性组合，也可以看作不一致倾向指数，变量Y
越大不一致的概率越高，贷款信用风险就越大。
5．评估模型法。评估模型法就是以反映企业经营活动的实际数据为分析基础，通
过数学模型来测定信用风险的大小。其中最具代表性的是Z 记分法。这一方法由
美国学者爱德华·奥特曼（Edward I Altman）于1968 年提出[6]，是一种以财务数
据为基础开发的多变量线性模型。与上述记分评级方法相比，评估模型法可以避
免信用评级过程中的主观性，提高债务人评级的准确程度，同时还具有成本低、
易于操作等优点。
该模型将在下文详细介绍。
纵观国内外关于信用评级方法的研究和实际应用情况，不难得知，信用评级
方法已从简单的定性分析方法迈向以模型为基础的定量评级方法。因此，加强对
评级模型的开发和应用，加强对信用评级模型的实证研究是信用风险研究的重大
课题。
2.1.1.3 我国商业银行信用评级的方法
我国商业银行目前所采用的评级方法主要是以定性为主的加权记分方法。主
要思路如下：
1.指标设计。主要是选取一些能够反映贷款客户资信状况的财务指标和非财务
指标，然后凭银行资信调查人员的经验或利用专家打分以确定各指标的权重。财
务指标主要重偿债能力指标、财务效益比率、资金营运指标、发展能力指标四方
面选取，包括：资产负债率、利息保障倍数、流动比率、负债与息税前利润比、
负债与所有者权益比、全部资本化比率、现金比率、净资产收益率、营业利润率、
成本费用利润率、销售现金比率、资产报酬率、总资产周转率、流动资产周转率、
存货周转率、应收帐款周转率、资本积累率、销售增长率、总资产增长率等；非
财务指标主要是行业指标和还款意愿指标，如贷款按期还款率行业销售利润率等。
在评价客户资信时，主要还是考虑其财务状况，这方面的指标权重约占70%以上，
非财务指标占了不到30%。
2.确定指标标准值。在确定了需要分析的各项指标后，接下来就得确定这些
指标的标准值。指标标准值是先按国家标准划分的行业、规模分类，计算各行业
指标的平均值作为资信评级指标的标准值；然后按优秀值、良好值、平均值、较
低值和较差值六个区域分别定义各标准值的标准系数1、0.8、0.6、0.4、0.2、0；
最后，将实际得到的客户指标值与标准值比较，以确定其所处的区域。
3.计算客户的综合得分。
硕士学位论文
11
首先，确定各档的基础分，用公式表示：
本档基础分＝指标权重×本档标准数
然后，根据客户的实际打分，用公式表示为：
单项指标评价分数＝本档基础分＋[(该指标实际值－该指标本档标准
值)/(该指标上档标准值－该指标本档标准值)] ×（上档基础分－本档基础分）
最后，计算客户综合得分：
综合得分＝Σ(该指标的权数/该指标所在部分的权数)×该指标实际得分
这样，根据综合得分的大小就可确定银行贷款客户的信用级别。
2.1.2 信用风险度量的基本概念及其度量框架
在所有的交易中都有一方或双方面临着信用风险，它是指交易一方违约而无
法履行合同义务时给另一方带来的损失，它是银行业面临的主要风险。
由定义可知，信用风险就是信用损失，当债务人违约时，债权人就会面临实
际的投资损失，但这只是一种静态的信用风险概念。实事上，即使债务人还没有
违约，但他的财务状况已经恶化，信用级别已经较低，这时债权人同样面临信用
风险，会遭受损失。因此，信用风险包括两部分：一部分是由于债务人实际违约
而给债权人带来的潜在损失，另一部分是由于债务人信用级别的变化（但没有实
际违约）而给债权人带来的损失。这是一种动态的信用风险概念。
信用风险度量就是信用损失的确定，包括违约事件发生和债务人信用评级的
升降所导致的信用损失的确定；不仅能确定预期损失,还能确定风险价值(VaR)。
信用风险损失是由一系列的变量因素引起的，因此，信用风险的度量应从分
析这些变量入手。
1.信用风险暴露（Credit Exposure, CE）
信用风险暴露是指某一具体交易对方全部敞口头寸的大小，对于贷款而言，
就是贷款本金和利息之和，它是信用风险度量的核心。
2.信用等级转移矩阵(Credit Rating Transition Matrices, CRTM)
信用评级是动态变化的，美国等西方国家的研究者通过观察公司由某一信用
级别转移至另一级别的概率来描述该公司资信质量的变化，并将该概率以数学矩
阵的方式列示即得到信用等级转移矩阵。西方国家的学者和银行界测算信用等级
转移矩阵大都是以完善的信用评级历史数据库为前提。而在我国，还没有完全公
开的历史数据，在这种情况下，本文将采用一些替代方法测算，如后面将详述的
运用Z 值模型测算法测量信用等级转移矩阵。
3.违约概率（Default Probability, DP）
是指交易对方在交易期内违约的可能性，这里的违约是一个广义概念，不仅
包括传统意义上的利息及本金偿付的损失，还包括交易对方信用资质的上升和下
硕士学位论文
12
降变化带来的信用损失。违约概率数据一般根据历史统计数据得到；有的违约概
率函数求得；也有的用模型的模拟数据代替。
4.回收率（Recovery Rate, RR）
回收率是指当交易对方违约或破产时，另一方所能够回收的资金占整个违约
资金的百分比，它一般由债项的特性决定，如贷款的发放方式、抵押物的价值、
贷款的优先受偿程度等。从债项的评级中可以直接得到每笔债务的违约回收率。
5.预期损失和非预期损失(Expected Loss, EL； Unexpected Loss，UL)
预期损失也称期望损失，是指银行在与特定信用等级的交易对手交易过程中
所预期蒙受损失值的数学期望。就信用损失函数而言，预期损失代表着分布函数
的期望值，它具有最大的发生概率。用EL 表示。预期损失计算公式如下：
EL=CE × DP × (1-RR) (2.2)
非预期损失也称意外期损失，是指在一定的置信水平下，银行可能经历的信
用损失的偏差或离差，是信用损失的波动度，而不是潜在损失。在交易对手违约
的情况下，银行所蒙受的实际损失有时要比期望损失大。当给定置信度时，非预
期损失的计算公式如下：
UL＝VaR-EL (2.3)
式中VaR 为一定置信度下总的信用风险损失，即最坏情况下的信用风险损失。
6.VaR
VaR(value at risk)也称“风险价值”或“在险价值”。是指一定的置信水平
下，某一金融资产（或资产组合）在未来特定的一段时间内的最大可能损失，是
一种基于统计分析基础上的风险度量技术。VaR 的原理是根据资产价值变化的统计
分布图，可以直观地找到与置信度相对应的分位数，即VaR 值。
2.1.3 资本、经济资本及其配置
金融机构在经营过程中，一方面要获取盈利，另一方面要避免遭受各种风险
造成损失的可能性。尽管对各种风险均建立了相应的规避措施，但一旦发生损失，
若没有足够的资本金支持清偿债务时，将使金融机构面临破产的风险。
银行配置资本金是为了补偿信用风险带来的损失，资本金的数量是以信用风险的
大小为基础的。在早期，人们只是简单地将资本金同一些资产绝对额相联系，用
一些简单指标来确定其资本充足与否:资本与存款比率、资本与总资产比率，这些
方法并不能把资本量同信用风险很好地结合起来。后来，随着信用风险评级技术
的发展和信用风险度量模型的开发与应用，银行资本充足与否的确定日益精确与
科学化，资本量的确定与风险的联系更加紧密，如资本与风险资产比率，资本与
按风险程度分类加权后的资产比率，而巴塞尔协议规定的监管资本的确定就是以
内部评级模型为基础，并考虑了风险程度因素。
硕士学位论文
13
在我国，信用风险资本的确定比较粗糙，如坏帐准备金比率的确定，只是根据经
验和判断估计，严重与信用风险的大小脱节，大部分银行的信用风险准备金达不
到有效补偿信用损失的目的和要求。近年来，商业银行已开尝试始采用巴塞尔协
议的资本金要求，但由于缺乏有效的评级方法和信用风险度量技术，尤其是没有
精确的内部信用评级模型，效果还不尽人意。
2.1.3.1 监管资本与经济资本
1.监管资本（Regulatory Capital）。
监管资本是监管当局规定的金融机构必须持有的用于防范风险损失的最低资
本要求。1988 年，巴塞尔协议规定商业银行必须保有的监管资本比例是8％。该
协议将监管资本分为两大类，一类是核心资本，也称一级资本；另一类是附属资
本，也称二级资本。
核心资本的构成主要包括：
（1）永久的股东权益，包括实收普通股本和永久性非累计优先股股本。
（2）公开储备，它是以公开的形式，通过留存收益或其它盈余反映在资产负
债表上的储备。
（3） 对编制合并报表的银行持股公司中非控股子公司所有的少数股东权益。
附属资本的构成主要包括：
（1）非公开储备。该储备不公开在资产负债表上披露，但却反映在银行损益
帐户上。
（2）重估储备，包括物业重估储备和证券重估储备。
（3）普通准备金或普通贷款损失准备；
（4）次级长期债务，包括普通的、无担保的、初始期限至少5 年以上的次级
债务资本工具和不可购回的优先股。
2.经济资本（Economic Capital，EC）
经济资本是由商业银行的管理层内部评估而产生的配置给资产或某项业务
用以抵御其信用风险的资本，它是银行为了从事风险业务活动所必须的资本金。
新巴塞尔协议(2001)规定，经济资本(即预期损失EL 和非预期损失UL 之和)，即：
EC=VaR=EL+UL (2.4)
银行资产(如贷款)的适度资本要求等于信用风险价值。据此，在一定的资信
水平下，我们可以得到监管资本（Regulatory Capital, RC）与经济资本的如下
关系:
RC＝EC＝VaR= EL+UL (2.5)
由以上关系式可知，监管资本与经济资本都是从信用风险损失补偿的资本金
需要量，在一定的条件下应该是相等的，但二者对风险管理的角度不一样，前者
硕士学位论文
14
是从监管者的角度去定义，它的计量和配置是以监管当局规定的风险权数标准为
基础，强调的是对整个银行业经营的安全性、公平性、可比性和统一性；后者是
从管理者的角度定义的风险补偿资本，它的计量和配置是以银行内部信用评级为
基础，更突出风险管理的效率和效果，是监管资本管理的补充和发展。因而，在
现实中，监管资本与经济资本常常不一致，这种不一致影响了信用风险管理的效
率和效果。
经济资本的基础是银行信贷资产及其组合的未来受益或损失可以用一个特定
时间段统计分布来表示(如图2.1)，然后以该统计分布为基础配置资本金，使其在
该段时间内遭受损失的可能性降低到预期的置信度水平。
2.1.3.2 资本配置
有效配置信用风险资本的前提是：第一，用有效的内部评级和信用风险度量
模型确定贷款信用风险的大小；第二，确定银行管理者对风险的容忍程度，如设
置不同的置信度。第三，根据不同的资信度下的信用风险损失值的大小配置信用
风险资本。
1.资本配置的方法。
国外商业银行配置信用风险资本的主要方法由三种：
(1)根据信用风险暴露配置。资本配置最简单的方法是根据债务人的信用风险
暴露大小分配，这种方法简单易行，缺点是将全部风险因素等同于信用风险暴露，
没有考虑资信品质的变化，其逻辑是“信用风险暴露越大，风险越大”，如果AAA
级的债务人信用风险暴露大于B 级信用风险暴露的话，分配的信用风险资本也就
更大，这显然有悖于常理。
(2)根据信用风险暴露乘以违约概率分配。这种方法要根据当前及潜在信用风
险暴露以违约概率的结果确定加权因子，根据不同因子来分配资本，即
信用损失统计概率
图 2.1 信用损失分布与经济资本配置示意图
非预期损失
预期损失
经济资本 置信度
硕士学位论文
15
W(i)=[CE(i)×DP(i)]/[Σ=
n
j 1
CE(j)×DP(j)] （2.6）
式中：CE 为信用风险暴露；DP 为贷款违约概率；i 和j 为单个债务人,n 为
债务人数。
这种方法把资本配置与信用风险暴露的违约风险紧密联系在一起，考虑了债
务人的信用风险，克服了按直接信用风险暴露配置资本的缺陷，使资本配置更有
效、更科学，缺点是没有考虑信用风险的动态性，即信用风险暴露和违约概率随
时间的变化性。
（3）根据信用风险暴露和概率变化分配。贷款信用风险暴露和违约概率是随
时间而不断变化的，分别用 CE(i,t)和DP(i,t)表示，同时可据此确定风险值
REM(i),即
REM(i)＝Σ=
T
t 0
CE(i,t)×DP(i,t) (2.7)
式中：t 是变化的时间。
而风险值 REM(i)可以作为加权因子来配置资本：
W(i)= REM(i)/ Σ=
n
j 1
REM(j) (2.8)
这种资本配置依赖于贷款的违约事件发生，发生违约时信用风险暴露处于极
值状态。在总的损失分布中，贯穿交易对手信用风险暴露分布损失事件损失都可
能发生，未处于极值状态下的信用风险暴露对银行也很重要，这种方法对此没有
考虑。
（4）根据模拟每个债务人的损失后进行分配。通过历史模拟法和蒙特卡罗模拟
可以对债务人的贷款损失分布进行模拟，这种模拟办法较好地衡量了贷款的损失
分布，对单笔贷款和组合贷款都具优势。模拟结果还避免了依据极值信用风险暴
露加权衡量信用风险暴露的弊端。
2.监管资本的配置
银行的资本配置有两种概念，一种是监管资本的配置(Regulatory Capital
Allocation，RCA)，另一种是经济资本的配置(Economic Capital Allocation，
ECA)。监管资本配置是指银行根据巴塞尔协议的要求，其资本充足率要达到一定
的要求，以防御银行所遭受的信用风险损失，从而保障储户和整个银行体系的稳
定。1988 年的巴塞尔协议对信用风险规定了最低资本要求，对于表内业务，确定
了0％、20％、50％、100％四档的风险权重结构，然后计算表内信用风险加权资
产总和，即：
硕士学位论文
16
RWABS=Σ=
n
i 1
Ai × RW i (2.9)
式中：RWABS 为表内信用风险加权资产，Ai 为各类资产，RWi 为对应的风险权数，
i 为资产种类。
对于表外业务，按100、50、20、0 四档转换因子转化为相应的表内项目，然
后计算表外信用风险加权资产总和，即：
RWAOBS＝Σ=
n
i 1
OBSi ×CCF i ×RW i (2.10)
式中：RWAOBS 为表外信用风险加权资产，OBS i 为表外项目合约或本金金额，CCF i
为转换因子，RW i 为对应的风险权数。
根据式(2.6)和(2.7)得出资本充足率公式：
CAR=TC/( RWABS+ RWAOBS) (2.11)
式中：CAR 为资本充足率，不得低于8％，TC 是总资本，包括核心资本与附属
资本，其中核心资本不得低于4％。
该配置方法的缺陷在于确定各资产的风险权数时没有考虑不同债务人信用级
别的差别，使资本的配置没有准确反映信用风险的变化。鉴于此，在2001 年，新
巴塞尔协议对风险资本的配置做了重大修改，提出了计算信用风险资产的新标准
方法（New Standard Approach）,即在计算资本充足比率时，要按照外部评级结
果确定风险权数(如表2.1)[44-46]，把资本配置与信用评级结果联系起来，改变了原
来对信用风险权数僵化的规定。
表 2.1 信用风险权数表
信用级别
贷款单位
AAA~AA- A+~A- BBB+~BBB- BB+~B- B-以下未评级
主权国家
银行
公司
0%
20%
20%
20%
50%
100%
50%
100%
100%
100%
100%
100%
150%
150%
150%
100%
100%
100%
3.经济资本的配置
2001 年的新巴塞尔协议除了修正了监管资本的配置方法以外，还提出了利用
银行内部评级和信用风险度量模型配置风险资本的要求。
在估计银行信用风险所需要的经济资本时，很多银行应用了把信用风险所需要
的风险资本与贷款投资信用损失统计分布相联系的分析框架（如图2.1），即银行
使用内部信用风险度量模型来估计信用损失统计分布，求出信用风险预期与非预
期损失，并确定在一定置信度下的VaR 值，利用公式2.1、2.2 计算出应配置的经
济资本。银行资本配置系统通过制定储备政策来保证有足够的资本可以抵御预期
硕士学位论文
17
信用损失，通过配置相应的经济资本来抵御非预期信用损失。
2.2 模型
2.2.1 Zeta-分值模型
这一模型是由美国学者爱德华·奥特曼（Edward I.Altman）[6,7,11,15]于1968 年
开发的纯粹以财务数据基础的多变量线性判别模型，用于对上市公司和非上市公
司进行信用风险度量和评级。他在对美国的破产企业和非破产企业进行观察的基
础上，采用22 个财务指标经过数理统计筛选了4 个指标建立了著名的 Zeta 分值
模型，即
Z=3.25＋6.56X1+3.26X2+6.72X3+1.05X4 (2.12)
式中：X1 为营运资本/总资产，X2 为留存受益/总资产，X3 为营业利润/总资产，
X4 为权益帐面值/债务帐面值。
Altman 经过统计分析和计算，确定企业违约的临界值Z0＝1.1,其中Z<1.1 的
被判别为违约类企业，1.1<Z<2.6 的被定义为灰色区域，Z>2.6 的被判别为正常类
企业。
根据实证结果和统计分析，同时借鉴外部评级的一些数据，Altman 将该模型
运用于公司信用评级。Altman 选取了美国759 家企业为样本企业，并利用这些企
业1994 年的财务数据计算出企业Zeta 分值，然后通过确定这些Zeta 分值与外部
相应企业债券评级的映射关系，划定了不同信用级别的Z 值区间(如表2.2 和图
2.2)，再以此Z 值区间为标准，对不同时期的企业进行信用评级，并据以度量其
信用风险的大小。
Altman 的Z 分模型使用简便、成本低、效果佳，曾一度被美国各商业银行广
泛用于对客户的信用风险评估。但是，该模型的预测效果随时间的长短而不一样，
时间越短，准确率越高，一般只有1－4 年的预测能力。同时，该模型的可靠性很
大程度上依赖于企业财务数据的真实性。
表 2.2 奥特曼Zeta 分值评级表
0
50
100
150
200
250
300
350
AAA AA A BBB BB B C D
信用级别
公司家数
公司家数
图 2.2 奥特曼Zeta 分值评级图
信用级别 公司家数 Z 值区间
AAA
AA
A
BBB
BB
B
C
D
8
33
104
149
124
288
39
14
Z≥8.15
7.6≤Z≤7.0
6.85≤Z≤6.4
6.25≤Z≤5.65
5.25≤Z≤4.75
4.5≤Z≤3.75
3.2≤Z≤1.75
Z≤0
硕士学位论文
18
2.2.2 Z 值模型
2000 年, 张玲[22，49]在《财务危机预警分析判别模型》一文中采用120 家上市
公司财务数据,从偿债能力、盈利能力、资本结构状况和营运状况等四个方面筛选
并计算了15 个相关财务比率,并经过判别分析过程,从原来的15 个特征财务比率
变量中最后推导出只有4 个变的判别函数,即:
Z=0.517-0.46X1-0.388X2+9.32X3+1.158X4 (2.13)
式中:X1 为资产负债比率(负债总额/资产总额)，X2 为营运资金与总资产比率
(营运资金/资产总额，其中营运资金=流动资产-流动负债)X3 为总资产利润率(净利
润/平均资产总额)，X4 为留成收益与资产总额(留成收益/资产总额,其中留成收益=
未分配利润+盈余公积)。
统计分析得出，我国企业财务困境的临界点 Z0＝0.5,据此确定财务困境的判
别法则：（1）凡判别分(Z 值)小于0.5(Z<0.5)的公司被判为财务危机公司(ST 公司)；
（2）凡Z 值大于0.5 小于0.9(0.5<Z<0.9)的公司被判为非财务危机公司(非ST 公
司),但值得关注；（3）凡Z 值大于0.9 的公司被判为财务安全公司。
实证表明，模型的预测效果较理想，财务困境预测前 5 年的综合预测准确率
分别为：100%、87%、70%、60%、22%，具有超前4 年的预测效果，说明Z 值判别
模型能较好地反映我国上市公司的资信质量的变化，具有很强的信用风险识别能
力。
不像国外成熟的 Z 分信用评级模型，我国的信用风险度量和评级的Z 值模型
还处在开发的初级阶段，只停留于对企业财务困境的预测和一些简单的信用风险
识别，没有真正深入到企业信用评级和信用风险度量和管理的研究和应用上。因
此，在已有研究的基础上，本文尝试将该Z 值模型运用于对我国的信贷评级，并
以此为基础，对我国信贷风险进行评级并予以配置信用风险资本。
硕士学位论文
19
第3 章债务人信用评级实证研究
如上章所述，信用评级包括债务人信用评级和债务项目信用评级，债务人信
用评级用以确定信用风险度量中债务人的违约概率和信用等级转移矩阵。本章通
过对利用Z 值模型对我国上市公司进行信用评级，得出我国企业的违约概率和信
用转移矩阵。
3.1 上市公司Z 值及其信用评级
3.1.1 Z 值模型的有效性检验
上文介绍了 Z 值模型在企业财务困境预测中的超前四年的预测能力，对我国
企业的信用风险具有很强的识别能力。为了进一步验证Z 值模型在公司信用评级
中的有效性，本文以新华远东中国资信评级公布的114 家A 股上市公司2002 年的
资信评估结果为样本，并利用相应公司2002 年年报的财务指标计算出Z 值，来检
验上市公司Z 值和其信用评级之间的映射关系。
从图 3.1 看出，与穆迪、标准普尔等评级公司的评级结果一样，新华远东评
级结果的级别分布基本呈正太分布，符合公司Z 值的分布特性和本文的研究要求。
新华远东评级有17 个级别，由于总样本量的限制，各级别样本明显过小，因此，
我们对信用级别做了调整，只分AAA、AA、A、BBB、BB、B、C 7 个级别，并分别
以1、2、3、4、5、6、7 表示。
从图 3.2 看出，公司Z 值与其信用等级有明显的线性正相关关系，公司Z 值
-1.5
-1
-0.5
0
0.5
1
1.5
2
2.5
0 2 4 6 8
信用级别
z值
z
图 3.1 新华远东样本等级分布图 3.2 Z 值与信用级别映射图
注：资料来源：www.xfn.com/cn/creditrating
越大，其信用等级越高。由于受评级质量、会计数据质量和样本量等因素限制，
二者的相关性会受到影响，但我们得出二者的相关系数仍达65.84%，足以表明运
用Z 值模型对我国公司进行信用评级的有效性。今后，随着评级质量的提高，会
计信息质量的改善，我国公司Z 值与其信用等级之间的相关性会有提高。
0
5
10
15
20
25
AAA
AAABB
B
CC
信用等级
公司数目
公司数目
硕士学位论文
20
3.1.2 样本及数据来源
本文选取深沪两市上市公司作为研究对象。鉴于我国上市制度的完善程度、
一些数据资料的可获得性及上市公司样本规模的限制，选取1998、1999、2000、
2001、2002 五年作为样本期限，其中：1998 年初811 家，1999 年902 家，2000
年1051 家，2001 年1124 家，2002 年1199 家。数据来源深圳市国泰安（GTA）信
息技术有限公司中国上市公司财务数据库和天软金融分析数据库。利用数据库中
的资产负债表、利润表、现金流量表里的财务数据按式（2.13）计算出各上市公
司各年的Z 值。
3.1.3 评级方法
根据上文所述的上市公司 Z 值正态分布的特性，参考国内银行定性评级的一
些经验，同时充分借鉴Altman 等国外学者利用Z-评分模型进行信用评级的一些方
法以及新华远东评级信用级别与Z 值的映射关系，本文采用百分比方法对1998 年
的样本公司评级，按照巴塞尔协议（2001）规定的信用级别划分类别将级别划分
为AAA、AA、A、BBB、BB、B、C 七级及违约级D，同时根据上市公司Z 值的实际情
况，保证BBB 及BBB 以上（投资级）上市公司的Z 值为0.5 以上（即非ST 公司），
BBB 以下（投机级）上市公司的Z 值为0.5 以下（即ST 公司），并确定各级别的Z
值区间，如表3.1 与图3.3 所示。然后以该评级划分的Z 值区间为标准对1999、
2000、 2001、2002 各年的上市公司进行评级。
表 3.1 1998 年上市公司评级表
0
50
100
150
200
250
300
AAA
AA
A
BBB
BB
B
C
D
信用级别
公司家数
系列1
图 3.3 1998 年上市公司评级图
3.1.4 上市公司评级结果分析
利用上述方法，我们得到1998 年－2002 年各年上市公司的信用评级情况（表
3.2）。
数据表明，在1998－2002 年期间，上市公司信用级别在BBB 及以上的各年都
超过60%,分别达到80%、75.8%、76.9%、65.5%、60.1%，一方面说明我国上市公
司的整体资信良好，如图3.4,整体评级分布图呈正太分布偏左，因为我国上市公
级别Z 值区间公司家数 所占比例
AAA
AA
A
BBB
BB
B
C
D
Z≥1.8
1.3≤Z<1.8
0.9≤Z<1.3
0.5≤Z<0.9
0≤Z<0.5
–1≤Z<0
–2≤Z<–1
Z<–2
51
142
256
200
87
40
22
13
6.29%
17.51%
31.57%
24.66%
10.73%
4.93%
2.71%
1.60%
硕士学位论文
21
司的准入制度比较完善，对公司上市的规模、效益、治理体制各方面都做了较为
严格的限制，防止了劣质公司混入证券市场，同时，我国经济一直高速稳定增长，
保证了整体公司上市的质量水平；另一方面，我们发现，除2000 年上市公司信用
级别在BBB 及以上的比例比上年略有上升外，其他年份一直呈下降趋势，且下降
幅度达五个百分点以上，说明这一时期我国上市公司的资信状况一直趋于恶化，
尤其是2001 年和2002 年，违约级D 的公司比例上升幅度较大，分别达到2.2%、
3.5%，受气影响，该段时期我国股价一直处于熊市状态，主要原因是：（1）1997
年爆发亚洲金融危机对这一时期内我国的经济环境造成了很大冲击，出口下降、
内需和投资不足、GDP 增长率下降一个百分点左右，使企业效益的恶化,从而导致
资信品质的下降；（2）我国上市公司发展乏后劲和持续力，再加之市场准入、交
易管理、信息披露等管理制度上的一些缺陷，使一些劣质公司人为包装上市,都会
造成上市公司资信品质的不稳定；（3）2000 年我国的GDP 增长率达8%，而其他年
份都在8%以下，是国民经济宏观环境相对较好的一年，受其影响，2000 年的上市
公司整体资信品质不但没有下降，而且略有上升。
表 3.2 1998－2002 年上市公司信用评级表
信用 1998 年1999 年2000 年2001 年2002 年
级别 公司数 比例 公司数 比例 公司数比例公司数比例公司数比例
AAA
AA
A
BBB
BB
B
C
D
合计
51
142
256
200
87
40
22
13
811
6.3%
17.5%
31.6%
24.7%
10.7%
4.9%
2.7%
1.6%
100.0%
39
99
282
264
145
45
14
14
902
4.3%
11.0%
31.3%
29.3%
16.1%
5.0%
1.6%
1.6%
100.0%
24
97
290
397
160
48
17
18
1051
2.3%
9.2%
27.6%
37.8%
15.2%
4.6%
1.6%
1.7%
100.0%
10
66
208
452
252
82
29
25
1124
0.9%
5.9%
18.5%
40.2%
22.4%
7.3%
2.6%
2.2%
100.0%
12
50
183
475
307
97
33
42
1199
1.0%
4.2%
15.3%
39.6%
25.6%
8.1%
2.8%
3.5%
100.0%
0.0%
5.0%
10.0%
15.0%
20.0%
25.0%
30.0%
35.0%
40.0%
45.0%
AAA AA A BBB BB B C D
信用级别
公司比例
1998年
1999年
2000年
2001年
2002年
图 3.4 1998－2002 年上市公司评级图
硕士学位论文
22
利用上市公司1998－2002 年各信用级别所占比例的平均值，得到每年信用级
别比例变动的方差分布情况（如图3.5）。从上图看出，我国上市公司资信变动的
方差较大，且主要中在BBB 级别，主要原因是受上市制度、会计信息质量等制度
因素的影响。BBB 级是投资级和投机级的界点，落入BBB 级以下会受到监管者和投
资者的警觉，甚至会被ST 和摘牌，所以大部分上市公司在信用级别接近BBB 时，
会采取措施强化管理，改善经营业绩，以提升资信品质；一部分公司在业绩无法
提升的情况下只得披露虚假的会计信息。这些行为会导致上市公司信用级别在BBB
左右激烈波动。
0
0.02
0.04
0.06
0.08
0.1
0.12
AAA AA A BBB BB B C D
信用级别
信用级别方差
98年方差
99年方差
00年方差
01年方差
02年方差
图 3.5 1998－2002 年上市公司信用级别方差图
3.1.5 ST 公司的信用评级分析
一个信用评级模型或方法的有效性取决于其对债务人信用风险的识别和预
测，3.1.2 节我们检验了Z 值模型信用评级的有效性，本节我们将通过分析ST 公
司的信用评级来对该评级模型做进一步验证。
按照《证券法》上的定义，被ST 公司主要是因为经营业绩下降、财务状况恶
化，其信用级别也必定在BBB 以下，如果评级模型能在公司被ST 前几年就能评定
其为BBB 以下信用级别，或者向这一趋势变化，就足以说明我们所运用的评级模
型和方法是有效的。
本文选取 2002 年被ST 的28 家公司，并利用Z 值模型评级标准对其1998－2002
各年进行信用评级，考察其在该段时期内信用级别的分布及变化状况(如表3.3)。
数据表明，在2002 年被ST 的公司当中，在被ST 的当年和前一年几乎都被我
们评定为BBB 级以下企业，其中被评定为违约级D 的2002 和2001 年分别达28.57%、
32.14%，在各信用级别中所占比例最大；在被ST 的前两年、三年、四年当中，即
2000、1999、1998 年，被我们评定为BBB 及以下的企业尽管逐年有所下降，但所
占比例仍然较大，分别达82.14%、85.71%、75%，其中2000 年比例最大的信用级
别是B，比例达46.43%，1999 年比例最大的信用级别是BB，比例达39.29%，1998
硕士学位论文
23
年比例最大的信用级别是BBB，比例达28.57%；另外，我们发现，在被ST 的前三
年中，信用级别逐年一直下降的公司有17 家，比例达60.7%。通过观察ST 公司五
年的评级状况得出，我们给予这类公司的信用级别较低且逐年下降，与现实基本
吻合。同时我们的分析也说明，在被ST 的前四年中，我们的评级方法不仅能够识
别该类公司的较低的资信品质状况，而且能够反映出该类公司的资信品质逐年下
降的动态变化趋势。
表 3.3 2002 年被ST 的公司各年信用评级表
信用 2002 年2001 年2000 年1999 年1998 年
级别 公司家数 比例 公司家数 比例 公司家数比例公司家数比例公司家数 比例
D
C
B
BB
BBB
A
AA
AAA
8
5
8
6
1
0
0
0
28.57%
17.86%
28.57%
21.43%
3.57%
0
0
0
9
8
7
4
0
0
0
0
32.14%
28.57%
25.00%
14.29%
0
0
0
0
1
1
13
4
4
3
1
1
3.57%
3.57%
46.43%
14.29%
14.29%
10.71%
3.57%
3.57%
0
2
5
11
6
1
2
1
0
7.14%
17.86%
39.29%
21.43%
3.57%
7.14%
3.57%
1
3
3
6
8
3
2
2
3.57%
10.71%
10.71%
21.43%
28.57%
10.71%
7.14%
7.14%
3.2 上市公司信用等级转移矩阵
3.2.1 信用转移矩阵概述
信用评级是动态变化的，美国等西方国家的研究者通过观察公司由某一信用
级别转移至另一级别的概率来描述该公司资信质量的变化，并将该概率以数学矩
阵的方式列示即得到信用等级转移矩阵。以穆迪和标准普尔两家评级公司为代表，
一些评级公司建立了完整的信用等级转移矩阵数据库并定期发布，推动了信用等
级转移矩阵技术在信用风险管理方面的广泛应用：（1）银行等金融机构利用公司
的信用等级转移状况进行贷款定价、债券等金融工具的投资组合决策，减持投资
组合中信用等级向下转移的公司贷款和债券，增加信用等级上升公司的贷款和债
券，以优化投资组合；（2）信用风险度量模型诸如CreditMetrics 、KMV、
CreditPortfolio View 等利用信用等级转移矩阵来描述公司信用资质的未来变化，
从而估计其未来违约概率分布，对单项和组合贷款信用风险进行动态度量和管理；
（3）金融机构和投资者利用信用等级转移矩阵估算贷款和债券投资的收益和损
失，以进行投资行为的动态业绩考核和监管。
信用等级转移矩阵是信用风险度量模型的核心组成部分，它直接关系到金融
机构或投资者在信用风险度量和管理方面的有效性。自上世纪90 年代以来，随着
各类信用风险度量模型的问世，信用等级转移矩阵的研究引起了许多学者和信用
评级机构的高度关注，并取得了一定的成果。Altman（1991）和Kao（1992）利用
硕士学位论文
24
1971—1989 年期间标准普尔评级变化的数据，构造了无条件信用等级转移矩阵
[4,36]。该信用等级转移矩阵描述的是每家债券发行公司发行债券后几年多至10 年
期间的信用转移情况，结果表明，70 年代信用级别上升的比例超过下降的比例，
而80 年代以后则是信用级别下降的比例超过上升的比例，原因是70 年代整体经
济较80 年代景气、平稳。Lucas 和Lonski(1992)、Carty 和Fons(1993)等研究了
1970－1993 年穆迪的评级变化[4,36]。与Altman 和Kao 不同，Lucas、Lonski、Carty
和Fons 的研究是从某个起始时期开始后至多10 年债券公司的信用品质变化，不
考虑单个债券发行公司发行债券的起始时间，在这种情况下，某一时点所考察的
债券公司既包括新发行债券的公司，也包括已发行债券的公司，从而使之存在债
券发行上的年龄效应，因为发行债券年龄较长的公司更具有短期内等级升降的倾
向，这种倾向比新发行债券的公司要明显；另外，他们还考虑了等级撤消（rating
withdrawn,RW）效应，即某个债券由于某些原因而被回购或赎回，或没有足够的
信息为债券评定信用等级而致使其在以后的评级数据库里消失，研究表明在一年
和五年后分别有7.8%和27.4%债券发行公司被裁撤评级，他们剔除了该比例对债
券公司信用等级转移矩阵的影响。标准普尔（1997）考察了1981—1996 年期间6000
多个借款人违约和信用等级转移的数据，该信用转移矩阵也考虑了等级撤消效应
的影响[4,36]。这三类信用等级转移矩阵的共同点是以历史实际信用等级变化为基
础。在此前提下，他们得出信用等级转移矩阵呈如下特点：（1）评级较好的公司
绝不会出现高比例的违约机会；（2）某一信用等级维持原级别的概率最大；（3）
当评级分类变得越来越大时，转移概率将变得越来越小；（4）对于一个特定的评
级来说，评级分类越接近，变动概率越大。尽管如此，由于时间效应、年龄效应
和等级撤消类型对信用转移矩阵的影响,再加之各信用转移矩阵所考察的信用级
别评级方法不一样，从而导致了这三类信用等级转移矩阵的差别：Altman 和Kao
的研究表明各个等级维持原等级的概率比两个评级机构得到的结果要大。同时，
期限越长，这种差别越明显。比如，在1 年期的信用等级转移矩阵里，B 级维持原
级别不变的概率，Altman 的结果为93.7%，穆迪的结果为56.3%，标准普尔的结果
为72.8%[4,36]。
在我国，由于尚未建立贷款违约历史数据库，也没有一套成熟的信用评级方
法和持续公开披露的信用评级制度，因此在信用等级转移矩阵的研究尚属空白。
这些问题制约了我国信用风险度量和动态管理系统的开发以及应用软件的商业
化，形成了我国信用风险研究深度发展的瓶颈。鉴于此，本文采用判别模型的Z
值对我国上市公司进行信用评级，并通过观察公司评级在四年中的变化构建信用
等级转移矩阵，研究在特定的信用环境下我国上市公司的信用等级转移矩阵所表
现的一些特征。
硕士学位论文
25
3.2.2 上市公司信用等级转移矩阵
利用 3.1 节所得出的上市公司1998－2002 年的信用评级结果，比较各年各公
司的级别变化情况，如1999 年和1998 年相比、2000 年和1999 年相比、2001 年
和2000 年相比、2002 年和2001 年相比计算出各级别各年的变化比率得出上市公
司每年的信用等级转移矩阵。再求出各级别四年内信用等级的平均变化比率作为
上市公司的信用等级转移矩阵。
3.2.2.1 上市公司信用等级转移矩阵的构造
以 1998 年的811 家上市公司评级为基础，考察一年后（1999 年）这些公司信
用等级的变化情况，得到如表3.4 的信用等级转移矩阵：
表 3.4 1998-1999 年的信用等级转移矩阵
1998 年一年后（1999）评级变化
初始评级 AAA AA A BBB BB B C D
AAA
AA
A
BBB
BB
B
C
D
0.392157
0.105634
0.007813
0.005
0
0
0.045455
0
0.352941
0.302817
0.046875
0.035
0.011494
0.025
0
0
0.215686
0.450704
0.519531
0.135
0.08046
0
0
0
0.039216
0.112676
0.355469
0.52
0.137931
0.025
0.227273
0.0625
0
0.021127
0.058594
0.220983
0.54023
0.525
0.363636
0.3125
0
0.007042
0.003906
0.075
0.172414
0.25
0.045455
0.125
0
0
0.003906
0.005
0.045977
0.05
0.136364
0.1875
0
0
0.003906
0.004017
0.011494
0.125
0.181818
0.125
从表 3.4 可以看出，用Z 值模型得出的我国上市公司1998-1999 的信用等级
转移矩阵具有国外学者用实际评级的历史数据测算的信用等级转移矩阵的一些基
本特征：（1）某一信用等级维持原级别不变的概率最大，除AA、B、C 和D 分别偏
重转移为A（45.1%）、BB（52.5%）、BB（31.3%）外，其余级别维持原级别不变的
概率最大；（2）较高的信用级别转移为违约级的概率极小，AAA、AA 变为违约级D
的概率都是0，而BBB 级以下转移为违约级D 的概率相对越来越大；（3）当评级分
类变得越来越大时，转移概率将变得越来越小，比如AAA 级保持不变的概率为
39.2%，变动为AA 的概率为35.3%，变动为A 的概率为21.6%，变动为BBB 的概率
为3.9%，变动为BB、B、C、D 的概率分都为0；（4）对于一个特定的评级来说，
评级分类越接近，变动概率越大。尽管如此，与国外用信用等级变化的历史数据
得出的信用等级转移矩阵相比，我们得出的信用等级转移矩阵表现出波动性大、
不太稳定的特点，如各信用等级保持原级别不变的概率相对较低，转移为其它级
别（尤其是相邻级别）的概率相对增加，而国外的信用等级转移矩阵正好相反，
各信用等级保持原级别不变的概率相对较大，概率都在50%以上，有的达到90%以
上。
硕士学位论文
26
表3.5 1999-2000 年的信用等级转移矩阵
1999 年一年后（2000）评级变化
初始评级 AAA AA A BBB BB B C D
AAA
AA
A
BBB
BB
B
C
D
0.282051
0.040404
0.007092
0.015152
0
0.022222
0
0.071429
0.333333
0.333333
0.124113
0.011364
0.013793
0
0
0
0.307692
0.474747
0.492908
0.136364
0.027586
0.044444
0
0
0.076923
0.141414
0.340426
0.625
0.268966
0.044444
0.142857
0
0
0
0.028369
0.170455
0.489655
0.377778
0.428571
0.142857
0
0.010101
0.003546
0.034091
0.151724
0.288889
0.214286
0.071429
0
0
0.003546
0.007576
0.027586
0.111111
0.142857
0.142857
0
0
0
0
0.02069
0.111111
0.071429
0.571429
表3.6 2000-2001 年的信用等级转移矩阵
2000 年一年后（2001）评级变化
初始评级 AAA AA A BBB BB B C D
AAA
AA
A
BBB
BB
B
C
D
0.208333
0.020619
0
0.002519
0.00625
0
0
0
0.333333
0.371134
0.041379
0.005038
0
0
0
0
0.208333
0.463918
0.4
0.057935
0.00625
0.020833
0
0.166667
0.166667
0.113402
0.468966
0.576826
0.15625
0
0
0.111111
0.083333
0
0.065517
0.284635
0.55625
0.270833
0.470588
0.111111
0
0.010309
0.010345
0.055416
0.175
0.354167
0.352941
0.333333
0
0
0.006897
0.010076
0.0625
0.1875
0.117647
0.111111
0
0.020619
0.006897
0.007557
0.0375
0.166667
0.058824
0.166667
表3.7 2001-2002 年的信用等级转移矩阵
2001 年一年后（2002）评级变化
初始评级 AAA AA A BBB BB B C D
AAA
AA
A
BBB
BB
B
C
D
0.4
0.015152
0.004808
0.004425
0.003968
0.012195
0
0
0.4
0.424242
0.048077
0.002212
0.003968
0.012195
0
0
0
0.454545
0.447115
0.050885
0.02381
0.04878
0
0.04
0.2
0.060606
0.466346
0.650442
0.123016
0.085366
0.034483
0.12
0
0.045455
0.024038
0.232301
0.587302
0.304878
0.344828
0.16
0
0
0.009615
0.030973
0.190476
0.280488
0.172414
0.2
0
0
0
0.011062
0.035714
0.121951
0.206897
0.2
0
0
0
0.017699
0.031746
0.134146
0.241379
0.28
以 1999 年的902 家上市公司评级为基础，考察一年后（2000 年）这些公司信
用等级的变化情况，得到如表3.5 的信用等级转移矩阵。
以 2000 年的1051 家上市公司信用评级为基础，考察一年后（2001 年）这些
公司信用等级的变化情况，得到如表3.6 的信用等级转移矩阵。
以 2001 年的1124 家上市公司信用评级为基础，考察一年后（2002 年）这些
硕士学位论文
27
公司信用等级的变化情况，得到如表3.7 的信用等级转移矩阵。
求 1998-1999、1999-2000、2000-2001、2001-2002 各信用等级转移矩阵的算
术平均数，得到我国上市公司的信用等级转移矩阵（如表3.8），以反映我国上市
公司资信平均每年的迁移情况。
表 3.8 上市公司的信用等级转移矩阵
初始 一年后评级
评级 AAA AA A BBB BB B C D
AAA
AA
A
BBB
BB
B
C
D
0.320635
0.045452
0.004928
0.006774
0.002555
0.008604
0.011364
0.017857
0.354902
0.357882
0.065111
0.013403
0.007314
0.009299
0
0
0.182928
0.460979
0.464889
0.095046
0.034526
0.028515
0
0.051667
0.120701
0.107025
0.407801
0.593067
0.171541
0.038703
0.101153
0.073403
0.020833
0.016645
0.04413
0.228098
0.543359
0.369622
0.401906
0.181617
0
0.006863
0.006853
0.04887
0.172404
0.293386
0.196274
0.18244
0
0
0.003587
0.008428
0.042944
0.117641
0.150941
0.160367
0
0.005155
0.002701
0.006314
0.025357
0.134231
0.138362
0.332649
如表 3.8，我国上市公司的信用等级转移矩阵具有国外信用等级转移矩阵的一
些共同特点，同时，在我国独特的经济环境下，该转移矩阵又有自己的不同之处：
波动性大，稳定性差，表现在：（1）与国外的信用等级转移矩阵比较，我国企业
信用评级维持原级别不变的比例较小，特别是信用级别处于两端的企业（即级别
好的企业和级别差的企业），最小的（如C 级）只达15%,而国外一般都超过60%,
最大的则超过90%；（2）原信用级别向相邻级别变化的比例过大，有的甚至超过维
持原级别不变的比例，如AAA、AA、B、C 等级别；（3）各信用级别变为违约级D
的比例也相对较高。
3.2.2.2 我国企业信用转移矩阵实证分析及结论
我国上市公司的信用等级转移矩阵具有国外信用等级转移矩阵的一些共同特
点， 说明基于 Z 值模型构造的我国上市公司的信用等级转移矩阵能较好地反映我
国上市公司资信的变化，可作为信用风险度量及管理的有用工具。同时，我国上
市公司的信用等级转移矩阵表现出波动性大、稳定性差的独特性，除了受本文引
言中所述的时间效应、年龄效应因素影响外，更重要的是受我国特定的经济环境
的影响，具体分析如下：
(1)本文所选的样本期正是亚洲金融危机时期，经济的波动性较大，可以说是
一个相对衰退年份，衰退年份的评级变动比景气年份变动大，符合经济周期规律；
（2）就经济层面上来看，由于来自宏观经济体制、经济政策的不稳定带来的
公司生存和发展的整体环境的不稳定导致了公司的经营效益和公司价值的剧烈波
动，也使我国上市公司信用品质波动大，具有较高的信用风险；
硕士学位论文
28
（3）就制度层面上来看，我国的会计制度、股市的运作和管理还很不完善，
包装上市、会计信息的失真等非市场因素加大了上市公司信用品质变动的波动性。
如信用等级转移矩阵中AAA、AA 级分别倾向AA、A 级转移，这固然与我国企业上
市质量生命周期短、企业发展乏持续性和后劲的现实吻合，但同时也使该类公司
有包装上市的嫌疑；B、C 级别倾向BBB 级附近变动，因为BBB 及以上是非ST 公司，
而BBB 以下是ST 公司，这固然有采取措施强化管理，改善经营业绩，以提升资信
品质的因素，但同时也有人为包装以免落入ST 行列的因素。
经过以上实证与分析，我们认为：我国上市公司的信用等级转移矩阵具有波
动性大、稳定性差的独特性，它说明了我国上市公司信用品质很不稳定，具有极
大的信用风险，这是作为提供其资金的金融机构和投资者不得不考虑的因素，也
是我国银行业急需要解决的问题。因此,为提高我国上市公司信用品质变动的稳定
性、降低其信用风险,我们提出如下建议：（1）作为银行机构，要加强上市公司的
信用风险的度量和管理，准确确定资金投向；（2）要为上市公司的生存和发展创
造稳定的外部环境，使公司价值和经营效益免受外部环境带来的波动；（3）完善
股市运作和会计制度；（4）提升经济的基本面，维持稳定快速的经济增长。
本章把我国上市公司作为债务人，并通过实证研究对这些上市公司进行评级
和信用转移矩阵的实证研究，得出了我国企业作为银行的债务人在资信方面所具
有的共性：资信水平不稳定，波动性较大，存在较大的信用风险。这些特征和得
出的一些实证数据指标(如违约概率、信用等级转移概率等等)将作为以下章节中
商业银行贷款评级、贷款信用风险度量和经济资本配置实证研究的基础。
硕士学位论文
29
第4 章商业银行贷款信用评级实证研究
贷 款 信 用 评 级 包 括 债 务 人 信 用 评 级 (Debtor Rating) 和债务项目评级
（Facility Rating）。债务项目就是债务人承担的含有信用风险的金融工具，本
文主要指贷款。本章以湖南省商业银行的贷款数据为样本，先利用上章对债务人
的评级方法确定贷款债务人的信用级别，然后根据贷款方式、形态和期限对贷款
债务人的信用级别予以调整来确定债务项目的信用级别。
4.1 样本银行及样本数据
根据研究的要求和目的，本文选取中国工商银行湖南省分行岳阳市支行的 71
家贷款客户及其贷款数据作为研究样本。
4.1.1 样本银行基本情况分析
岳阳支行截至 2002 年末中贷款余额为54.78 亿，其中，正常贷款41.66 亿，
比例为76.05%；非正常贷款13.12 亿，比例为23.95%；在非正常贷款中，一般逾
期贷款约占全部贷款的1.26%，呆滞贷款约占全部贷款的20.52%，呆帐贷款约占
全部贷款的2.17%。从这些比例可以看出，该行信贷资产质量不尽人意，表现在“双
呆”（呆滞、呆帐）贷款比例过高。
从贷款的期限结构来看，岳阳支行的短期贷款占了贷款总额的 59.74%，看来
风险不大，但也存在一些短贷长用、到期不还展期、更换借据等种类的短期贷款，
加大了贷款风险。
从贷款的抵押情况来看，岳阳支行的信用贷款和保证贷款比例达 62.98%，而
抵押贷款和质押贷款的比例只占37.02%，一般情况下，抵押和质押贷款的信用风
险小于信用和保证贷款，从这个意义上讲，该行信贷风险是比较大的。
从贷款的投向来看，岳阳支行的贷款主要是工商企业流动资金贷款，约占总
贷款的66.47%，固定资产贷款约占27.89%，其余是房地产贷款。
从上述分析得出，岳阳支行的呆滞贷款较多，现实和潜在的信用风险较大，
这也是目前我国四大国有商业银行的通症所在，极具代表性。
4.1.2 贷款样本数据
根据研究需要，以及一些相关财务数据和贷款数据资料的可获得性，我们从
岳阳支行中2002 年末的所有工商企业贷款客户中选取了71(用1、2、3⋯⋯71 表
示)家客户的贷款作为贷款评级、信用风险度量及经济资本配置的研究样本。样本
企业的贷款按不同的贷款类别、抵押情况确定共有104 笔，总额为18.23 亿元，
占全行贷款总额的33.28%。在样本贷款中，正常贷款为15.07 亿，占样本贷款总
硕士学位论文
30
额的82.67%，呆滞贷款占样本贷款总额的17.22%，其余是逾期贷款，只占0.11%；
就贷款抵押情况来说，在样本贷款中，以企业的厂房和机器设备作抵押或质押的
贷款是8.95 亿，占样本总贷款的49.09%，而信用贷款和保证贷款为9.28 亿，占
样本总贷款的比例为50.91%；就贷款类别来看，在样本贷款中，基本上是1 年期
的短期流动资金贷款，总额为13.49 亿，占样本贷款总额的比例达74%，固定资产
和房地产贷款额为4.34 亿，期限为2－3 年。
4.2 贷款信用级别的确定
我们研究的债务项目是商业银行贷给债务人的贷款。贷款信用评级是在债务
人信用评级的基础上，分析每笔贷款在还本付息方面的可能性，主要思路是先确
定相应债务人的信用级别，然后通过分析贷款的抵押担保、期限、用途及类别等
特性对贷款信用状况的影响，按照目前商业银行内部通行的调整原则对相应贷款
债务人的信用级别进行调整来确定贷款的信用级别。
4.2.1 影响贷款信用级别的因素分析
4.2.1.1 贷款的担保形式
担保是贷款得以收回的第二保证来源，它直接影响着债务人违约后的贷款回
收程度，是债务项目信用风险的主要影响因素。担保形式主要有信用、保证、抵
押和质押四种，每种形式影响贷款信用风险的大小不一。
1.信用。信用贷款是指商业银行不设任何的财产担保，而仅凭债务人的信誉
给予的贷款。一般说来，如果债务人有很好的还款记录、不俗的财务状况和良好
的发展前景，所提供的信用贷款的信用风险是比较小的。问题是未来是变化的，
尤其是经济环境大起大落、资信波动比较大的企业，基于现在状况而提供的信用
贷款并不能保证其将来不能违约及违约后的还款保证，因此，这种没有第二还款
来源保证的信用贷款的信用风险还是相当大的。按照国际评级惯例，对于该类贷
款，一般给予调低2 个信用级别。
2.保证。保证是指保证人和银行约定，当债务人不履行债务时，保证人按约
定履行债务或承担责任的行为。保证是对贷款合同履行的一种保障。因而保证内
容是否有效、保证人的信用如何等因素将会直接影响到贷款的信用等级。保证的
范围一般包括贷款本金、利息、违约金、损害赔偿金及其他费用，但是几乎所有
的保证都只对贷款本金提供担保，且都不承担100％的风险，因而保证范围与比例
也是影响贷款级别的重要因素。考虑保证对贷款信用级别的影响，对贷款级别可
以给予微调1－2 个级别或不调。
3.抵押或质押。抵押是指第三人不转移对财产的占有，将该财产作为债权的
担保。抵押和质押的区别在于用作担保的标的物不一样，抵押的标的物一般是不
硕士学位论文
31
动产，而质押的标的物则是动产。银行通过抵押或质押发放贷款时，主要考虑：（1）
抵押品估价的权威性、客观性和准确性，主要依据是贷款违约时抵押品价值能否
补偿贷款违约损失；（2）抵押品的种类，看其价值的稳定性，是易贬值物品还是
非贬值物品；（3）抵押品权属的完整性，看抵押品是否属抵押人完全所有并支配。
抵押和质押保证了贷款的第二还款保证，大大降低了贷款的信用风险，因此，只
要抵押或质押在实质和形式上符合要求，我们就可以给予该类贷款调整1－2 个信
用级别。
4.2.1.2 贷款期限
期限是影响贷款信用评级的主要因素。贷款的期限主要是依据企业的经营特
点、生产建设周期和综合偿还能力，同时考虑到银行的资金供给可能性及其资产
流动性等因素，由借贷双方共同协商后确定。在分析贷款的期限问题时，应该分
析该时点上该贷款时候已经超过偿还期限，超过偿还期限有多长，再予以确定对
该笔贷款时候调整信用级别，一般来讲，如果是逾期贷款，就应调低信用等级2
个以上信用级别。
4.2.2 贷款信用级别的确定
通过上节对贷款信用级别的影响因素分析，接下来我们将根据这些影响因素
对岳阳支行的71 家贷款客户的每笔贷款的信用级别进行调整。
4.2.2.1 贷款客户信用级别的确定
贷款客户的信用评级是贷款评级的主体，重点是通过评价债务人的财务实力
和经营业绩来确定其资信状况。本文第三章已经运用Z 值模型有效地对我国的上
市公司进行了信用评级，现在我们用同样的方法来确定岳阳支行2002 年的71 家
贷款客户（即债务人）的信用级别，得到表4.1 中的债务人评级。从表中看出，
在71 家贷款客户中，BBB 及以上的债务人占41 家，BBB 以下的有30 家；最好的
AAA 企业只有5 家，最差的C、D 级企业则7 家，说明样本贷款客户的整体资信状
况不是太好，同时也从侧面证实了该商业银行面临的信用风险形势不容乐观。
表 4.1 贷款客户信用评级表
信用级别 AAA AA A BBB BB B C D
企业家数
比例
5
7.04%
10
14.08%
10
14.08%
16
22.54%
16
22.54%
7
9.86%
3
4.23%
4
5.63%
4.2.2.2 贷款特性对贷款客户信用级别的调整
贷款的担保形式、贷款期限等贷款特性是影响贷款信用级别的主要因素，因
此，现在来确定这些特性对岳阳支行71 家贷款客户的贷款评级的影响。
硕士学位论文
32
1.信用贷款。在我们研究的样本贷款中，信用贷款有1.3 亿，牵涉贷款客户8
家，其中除一家是AAA 企业外，其余都是BBB 以下的企业，可知该类贷款的信用风
险是非常大的；同时，由第三章分析可知，我国企业的整体资信状况不是很好，且
资信波动较大，即使是给予信用好的企业信用贷款，信用风险也是相当大的；从表
4.2 可知，我国银行界给予信用贷款的风险系数达100%,居其他贷款方式之首。因
此，我们给予该类贷款的信用级别调低1 个级别。
2.保证贷款。样本贷款中约有8 亿的保证贷款，它们几乎都是由其他企业和
不具备保证主体资格的政府部门保证，按照表4.2 的风险系数标准，这些保证贷
款信用风险系数都是100%,无异于信用贷款，信用风险非常的大。因此可给予该类
贷款调低1 个信用级别。
3.抵押或质押贷款。岳阳支行的抵押贷款大都是以土地和厂房作为抵押物，
该种抵押物价值较稳定，贷款违约后极易变现且价值较高，因此这种类型的抵押
贷款信用风险相对较低，贷款风险系数只有50%。岳阳支行的质押贷款不多，只有
0.6 亿，都是以极易变现的有价证券作质押物，风险系数也只有50%。鉴于此，抵
押或质押贷款的信用级别应予以调高1 个级别。
4.贷款期限。贷款期限越长，所面临的违约风险越大。银行贷款评级的惯例
是，一年期内的短期贷款一般不予调整信用级别，一年以上至五年的贷款可调低1
个信用级别，五年以上的调低2 个信用级别。对于逾期1－2 年的贷款调低2 个级
别，逾期3 年以上的直接定为违约级。
按照上述各贷款特性对贷款信用级别调整的标准，我们对岳阳支行的71 家贷
款客户信用级别进行了调整得到相应的贷款信用评级（见表4.4）。
表 4.2 贷款方式及其信用风险系数表
贷款方式 风险系数 贷款方式风险系数
1.信用贷款3.抵押贷款
2.保证贷款
100%
a.土地房屋转让抵押50%
a.商业银行及政策性银行10% b.居住楼宇抵押50%
b.非银行金融机构保证50% c.动产物业抵押50%
c.中国境内注册或中外合资银行保证10% d.其他抵押100%
d.中国境外注册金融机构保证4.质押贷款
(1).一级国家和地区10% a.人民币存单质押0%
(2).二级国家和地区20% b.外币存单质押10%
e.国家特大型银行保证50% c.国债质押10%
f.国家大型企业保证70% d.银行承对汇票10%
g.其他企业保证100% e.商业承对汇票100%
h.其他保证100% f.其他有价证券50%
硕士学位论文
33
4.2.2.3 贷款评级的分析及结论
从表 4.3 可知，在岳阳支行71 家贷款客户的104 笔贷款中，BBB 以下的贷款
额占65.72%,尤其是BB 的贷款比例，达到25.85%,说明样本贷款的整体信用级别
不是很高，这些贷款面临的信用风险较大。主要原因是：该行有很大一部分贷款
投放于经营困难的国有企业，同时岳阳地区近几年整体经济环境不是很宽松，导
致了该行存量贷款和新增贷款的信用风险加大。这也是我国国有商业银行的实际
状况，是银行业界信用风险管理难度大的症结所在。从贷款笔数的分布情况来看，
BBB 及以上的和BBB 以下的贷款分布基本上均匀，大约各占50%的比例。
表 4.3 贷款信用评级明细表
贷款余额
（元）
债务
人
债务人
评级
贷款担保形
式
调整信用
级别数
贷款用途及类
别
贷款期
限(年)
调整信用
级别数
贷款信
用级别
70000000
42190000
7000000
1360000
7300000
2500000
14100000
1400000
200000
5000000
83000000
72000000
100000
54600000
60420000
33000000
22168000
123320000
11490000
1600000
63100000
22600000
39420000
9500000
15900000
14600000
100000
2600000
1
2
2
3
3
4
5
6
7
8
8
8
8
9
9
9
9
10
10
10
11
11
12
13
13
14
14
15
BB
B
B
BB
BB
BB
BB
BBB
BBB
BBB
BBB
BBB
BBB
BB
BB
BB
BB
BBB
BBB
BBB
A
A
BB
BBB
BBB
BBB
BBB
BB
保证贷款
保证贷款
抵押贷款
保证贷款
抵押贷款
保证贷款
抵押贷款
保证贷款
抵押贷款
保证贷款
抵押贷款
抵押贷款
质押贷款
保证贷款
抵押贷款
抵押贷款
质押贷款
保证贷款
保证贷款
抵押贷款
抵押贷款
质押贷款
保证贷款
保证贷款
保证贷款
信用贷款
质押贷款
保证贷款
-1
-1
1
-1
1
-1
1
-1
1
-1
1
1
1
-1
1
1
1
-1
-1
1
1
1
-1
-1
-1
-1
1
-1
流动资金贷款
流动资金贷款
固定资产贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
固定资产贷款
流动资金贷款
流动资金贷款
流动资金贷款
固定资产贷款
流动资金贷款
流动资金贷款
固定资产贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
固定资产贷款
流动资金贷款
流动资金贷款
流动资金贷款
1
1
3
1
1
1
1
1
1
1
1
3
1
1
1
3
1
1
2
1
1
1
1
1
2
1
1
1
0
0
-1
0
0
0
0
0
0
0
0
-1
0
0
0
-1
0
0
-1
0
0
0
0
0
-1
0
0
0
B
C
B
B
BBB
B
BBB
BB
A
BB
A
BBB
A
B
BBB
BB
BBB
BB
B
A
AA
AA
B
BB
B
BB
A
B
硕士学位论文
34
续表4.3 贷款评级明细表
3900000
4250000
2600000
68600000
70000000
1000000
58000000
19000000
5000000
8000000
680000
3600000
3600000
3180000
20000000
25800000
3000000
2300000
7700000
810000
600000
91000000
16000000
10000000
7446592
2000000
13000000
52000000
3000000
1400000
2100000
1800000
7800000
3000000
1000000
5300000
2000000
1.1E+08
10000000
5600000
15
16
17
18
18
19
20
21
22
23
24
25
26
27
28
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
BB
A
AA
BB
BB
BBB
BB
AA
BBB
AA
A
AA
A
A
A
A
A
AA
BBB
BBB
A
BBB
BBB
AAA
BBB
BB
BBB
AA
AA
AAA
BB
AAA
AA
A
AA
BBB
AAA
BB
BB
BB
抵押贷款
抵押贷款
保证贷款
保证贷款
保证贷款
抵押贷款
抵押贷款
抵押贷款
抵押贷款
保证贷款
保证贷款
抵押贷款
抵押贷款
抵押贷款
抵押贷款
抵押贷款
保证贷款
抵押贷款
保证贷款
抵押贷款
抵押贷款
信用贷款
保证贷款
信用贷款
质押贷款
保证贷款
抵押贷款
保证贷款
抵押贷款
抵押贷款
抵押贷款
抵押贷款
抵押贷款
抵押贷款
抵押贷款
抵押贷款
保证贷款
保证贷款
抵押贷款
抵押贷款
1
1
-1
-1
-1
1
1
1
1
-1
-1
1
1
1
1
1
-1
1
-1
1
1
-1
-1
-1
1
-1
1
-1
1
1
1
1
1
1
1
1
-1
-1
1
1
固定资产贷款
流动资金贷款
流动资金贷款
流动资金贷款
固定资产贷款
流动资金贷款
房地产贷款
房地产贷款
房地产贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
房地产贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
房地产贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
3
1
1
1
3
1
2
2
2
1
1
1
1
1
1
2
1
1
1
1
1
1
1
1
1
1
2
1
1
1
1
1
1
1
1
1
1
1
1
1
-1
0
0
0
-1
0
-1
-1
-1
0
0
0
0
0
0
-1
0
0
0
0
0
0
0
0
0
0
-1
0
0
0
0
0
0
0
0
0
0
0
0
0
BB
AA
A
B
C
A
BB
AA
BBB
A
BBB
AAA
AA
AA
AA
A
BBB
AAA
BB
A
AA
BB
BB
AA
A
B
BBB
A
AAA
AAA
BBB
AAA
AAA
AA
AAA
A
AA
B
BBB
BBB
硕士学位论文
35
续表4.3 贷款评级明细表
5000000
27500000
3000000
1400000
4000000
4000000
45093000
12220000
2500000
11480000
17000000
500000
9000000
2830000
4110000
960000
490000
4850000
12170000
31600000
4000000
7000000
35805000
355000
120000
5080000
200000
360000
1800000
10240000
1E+08
16290000
3900000
200000
200000
1330000
53
54
55
55
55
56
57
57
58
58
59
59
60
61
61
62
63
64
64
64
64
65
65
65
66
67
68
68
69
69
69
70
70
70
71
71
BB
AA
A
A
A
AAA
B
B
C
C
BBB
BBB
BB
B
B
B
B
D
D
D
D
B
B
B
C
D
B
B
D
D
D
C
C
C
D
D
抵押贷款
抵押贷款
保证贷款
抵押贷款
质押贷款
抵押贷款
抵押贷款
抵押贷款
保证贷款
抵押贷款
保证贷款
抵押贷款
抵押贷款
抵押贷款
抵押贷款
抵押贷款
抵押贷款
信用贷款
保证贷款
保证贷款
抵押贷款
信用贷款
抵押贷款
质押贷款
信用贷款
抵押贷款
信用贷款
抵押贷款
信用贷款
保证贷款
抵押贷款
抵押贷款
抵押贷款
质押贷款
信用贷款
抵押贷款
1
1
-1
1
1
1
1
1
-1
1
-1
1
1
1
1
1
1
-1
-1
-1
1
-1
1
1
-1
1
-1
1
-1
-1
1
1
1
1
-1
1
固定资产贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
固定资产贷款
流动资金贷款
固定资产贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
固定资产贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
固定资产贷款
流动资金贷款
固定资产贷款
流动资金贷款
流动资金贷款
流动资金贷款
流动资金贷款
固定资产贷款
流动资金贷款
流动资金贷款
固定资产贷款
流动资金贷款
流动资金贷款
固定资产贷款
流动资金贷款
流动资金贷款
流动资金贷款
3
1
1
1
1
1
1
2
1
3
1
1
1
1
3
1
1
1
1
3
1
2
1
1
1
1
2
1
1
3
1
1
3
1
1
1
-1
0
0
0
0
0
0
-1
0
-1
0
0
0
0
-1
0
0
0
0
-1
0
-1
0
0
0
0
-1
0
0
-1
0
0
-1
0
0
0
BB
AAA
BBB
AA
AA
AAA
BB
B
D
C
BB
A
BBB
BB
B
BB
BB
D
D
D
C
D
BB
BB
D
C
D
BB
D
D
C
B
C
B
D
C
硕士学位论文
36
第5 章商业银行经济资本配置实证研究
银行信贷评级的目的是有效管理信用风险。本章将在上述信用评级的基础上，
首先进行信用风险的有效量化，然后根据量化的信用风险来有效配置预防和管理
信用风险的经济资本。
5.1 贷款信用风险参数的确定
5.1.1 信用风险暴露(CE)
风险暴露是暴露于信用风险中的交易敞口头寸，就贷款来说，信用风险暴露
包括贷款本金（Principal,P）和利息(Interest,I)，即：
CE=P+I (5.1)
本文的研究是利用岳阳支行71 家贷款客户的104 笔工商企业贷款，风险暴露
中本金总额为18.23 亿元（见表5.7）。岳阳支行的贷款利息是以央行2002 年的基
准贷款利率为基础，再按内部评定的信用级别确定各贷款利率的浮动比率确定贷
款利率。2002 年央行基准贷款利率是5.31%，岳阳支行按自己评定的信用级别确
定的贷款利率上浮的比率是：AAA-AA 级别的上浮10%，AA-A 上浮20%，BBB-B 上浮
25%。这样，岳阳支行的贷款利率按贷款级别的高低依次有6.372%、6.903%、8.496%
四个档次，因此本文利率计算出104 笔贷款一年的贷款利息总额约为1.28 亿（见
附表2）。研究的总的贷款风险暴露（贷款本息和）为19.51 亿。
5.1.2 违约概率(DP)
无论是在学界还是在业界, 违约有各种各样的定义标准，其中较为权威和统
一认可的定义是巴塞尔协议内部评级法建议使用的参考定义：如果下列事件中的
一个或多个已经在某个特定的借款人身上发生，则可以认定出现了违约情况。（1）
已经判明借款人不准备全部履行其偿债义务（本金、利息或其他费用）；（2）和借
款人的任何债务有关的信用损失，比如债务注销、提取专项准备金、债务重组，
包括本金、利息和其他费用的减免或延期支付；（3）债务人未能履行某些信用义
务，预期超过90 天；（4）债务人已经申请破产，或要求债权人提供类似的保护。
在信用风险度量和管理中，银行通常依赖债务人评级确定的违约债务人数目
占总债务人数目比重来确定违约概率，而这些违约债务人数是根据历史数据得到
的。在本文的研究中，我们将依照巴塞尔协议的违约定义，利用第三章债务人评
级中得出的数据作为违约概率。
在第三章中，我们定义信用级别为 D 的是违约级企业，这些企业是信用级别
最差的，据考察，它们大多都会发生上述违约定义中的至少一个事件。尽管如此，
硕士学位论文
37
由于改组和整顿等措施的实施，D 级企业在一年后仍然会有机会转移为其他较好的
信用级别，而仍维持在D 级别的比率只有33.26%(如表3.8)。因此，这里我们把D
级信用级别企业一年后仍维持在D 级的确定为违约企业，即由违约转移矩阵得出
的各信用级别一年后转移至D 级的比率在乘以D 级企业一年后仍维持在D 级的比
率33.26%作为各信用级别企业的违约概率,即：
DP=Pi-D × 33.26% (5.2)
式中：Pi-D 是AAA-C 各信用级别一年后转移至违约级D 的概率，由表3.8 可
知。这样，我们就可得到各信用级别的违约概率（如表5.1）
表 5.1 各信用级别违约概率表
信用级别 AAA AA A BBB BB B C D
违约率 0 0.001715 0.000898 0.0021 0.008435 0.044652 0.046026 0.332649
从表 5.1 可以看出，除信用级别A 以外，各信用级别的违约率基本上都是随
信用级别的下降而增大，与现实基本吻合，也符合信用风险的度量和管理要求。
5.1.3 违约损失率（Default Loss Rate，DLR ）
第二章介绍了回收率，损失率是从另一个角度反映回收率指标，它等于 1 减
回收率，即：
DLR＝1－RR (5.3)
回收率指标是由贷款债务人的第二还款保证，即指债务人在违约后其正常的
经营收入来源不能偿还其贷款，必须依靠诸如保证、抵押物和质押物等第二还款
来源予以偿还贷款。这些第二还款来源因受其优先偿还次序、价值变现的难易和
大小等限制性特性影响而使其在贷款偿还上仍具一定风险，从而决定了贷款在违
约后的回收比例有大有小。如第三章所述，岳阳支行的贷款主要是信用贷款、保
证贷款、抵押贷款和质押贷款，贷款的信用风险程度依次降低，而在每一种具体
的贷款方式中，又由于拟作保证的单位、抵押物及质押物的不同而承受的信用风
险大小不一。岳阳支行的104 笔贷款中，信用贷款因其受我国企业信用状况普遍
较低，且波动较大的特性影响而使其还款保障性极低；保证贷款主要是由一些企
业和少数不具备保证资格的政府机关作保证人，几乎没有第二还款来源保证；抵
押贷款的抵押物主要是企业的厂房和机器设备，质押贷款的质押物都是货物提单、
运单等商业有价证券，这些抵押物和质押物的质量不是很好，且难变现能力和大
小不理想，作为第二还款来源也有较大风险。因此，根据表4.2 所确定的风险系
数，岳阳支行的信用贷款的风险系数是100%，我们确定其贷款违约损失率为100%；
保证贷款属于“其它企业保证”和“其它保证”类，风险系数是100%，我们确定
其贷款违约损失率也为100%；抵押贷款属于“土地房屋转让抵押”类，风险系数
为50%，我们确定其贷款违约损失率为50%；质押贷款属于“其它有价证券质押”
硕士学位论文
38
类，风险系数为50%，我们确定其贷款违约损失率为50%。如表5.2。
表 5.2 贷款违约损失率
贷款方式 风险系数 违约损失率
信用贷款
保证贷款（其它企业保证或其它保证）
抵押贷款（土地房屋转让抵押）
质押贷款（其它有价证券质押）
100%
100%
50%
50%
100%
100%
50%
50%
5.2 贷款信用风险的度量
通过第四章对岳阳支行的 104 笔贷款债务人及债项的信用评级，我们已经对
这些贷款的信用风险有了定性的了解和掌握。为了更有效地管理贷款的信用风险，
必须在信用评级的基础上对贷款的信用风险进行精确量化，以便对贷款的发放、
投向和风险资本金的确定作出有效抉择，这种信用风险量化就是信用损失的确定，
包括预期损失和非预期损失的确定。
5.2.1 贷款的预期损失
贷款预期损失是指贷款在一定的期限内，由于信用风险而导致的平均损失，
由式2.2 计算得出。但是，式2.2 只能确定由于债务人实际违约而给债权人带来
的损失，是一种静态信用风险损失，同时还要计算由于债务人在没有违约时信用
级别的变化（但没有实际违约）而给债权人带来的损失，是动态信用风险损失。
因此，我们把该式稍作改进，在式中加入随时间变化的信用等级转移概率这一变
量，得到每笔贷款的预期损失计算式：
EL=CE × Σj
[TP (j) × DP (j) ] × DLR (5.4)
式中，EL 是预期损失；CE 是贷款信用风险暴露；TP(j)是贷款债务人一年后
转移至各信用级别的概率，j 是各信用级别(AAA、AA⋯⋯、C、D)；DP (j)是各信
用级别债务人的违约概率；DLR 是违约损失率。
以 2002 年年底为基准，利用式(5.4)计算出岳阳支行104 笔贷款一年后(2003
年)的预期损失(见表5.7)。
从表 5.3 和图5.1 可以看出：(1)除C 级企业外，随着债务人的信用级别依次
降低，相对应的贷款信用风险预期损失率则顺次升高；(2)贷款信用风险预期损失
与贷款违约损失率是正比例关系，如表中所示，在债务人信用级别相同的情况下，
100%违约损失率比50%违约损失率的贷款信用风险预期损失率要大一倍；(3)C 级
债务人贷款的预期损失率要比B 级债务人贷款的略高一些，主要是因为C 级企业
的信用级别比B 级企业更易于趋好，从第三章的企业信用等级转移矩阵表可以看
硕士学位论文
39
出C 级企业信用等级转移向C 级以上信用级别的比例比B 级企业转向B 级以上信
用级别的比例要大。
表 5.3 贷款预期损失率表
0.00%
2.00%
4.00%
6.00%
8.00%
10.00%
12.00%
14.00%
AAA
AA
A
BBB
BB
B
C
D
债务人信用级别
预期损失率
违约损失率
100%
违约损失率
50%
图 5.1 贷款预期损失图
5.2.2 贷款的非预期损失
我们已经计量了样本贷款信用风险的预期损失，但这个计量指标并不能完全
包含整个贷款信用风险损失，因为某个信贷项目的实际损失可能会超过预期损失，
也就是说，预期损失也有变动，这种相对与预期损失的变动部分称为非预期损失，
其计算公式为式2.3。
在非预期损失的计量中，我们用 Excel 软件中的水晶球蒙特卡罗风险模拟方
法模拟出每笔样本贷款的信用风险损失总额。具体方法如下：(1)根据每笔贷款债
务人的信用级别，然后利用信用等级转移矩阵中该等级债务人一年后保持原级别
和转移到其他级别的概率TP(j)作为离散型输入概率；(2)把每个信用级别的债务
人违约概率DP(j)作为假设单元；(3) 贷款信用风险损失计量公式：VaR＝
CE× DP× DLR；(4)把贷款信用风险损失作为预测单元；(5)模拟次数为1000 次；
(6)取95%的置信度模拟数值作为贷款信用风险损失总额。(如表5.4)。
表 5.4 蒙特卡罗模拟参数表
离散型概率 假设变量单元 预测单元模拟公式模拟次数 置信度
信用级别转移概
率（TD(j)
信用级别违约概
率DP(j)
信用风险损
失VaR
VaR＝
CE × DP × DLR
1000 95%
通过蒙特卡罗模拟得出在 95%置信度下的每笔贷款的VaR 值，即信用风险损失
总额后，利用式2.3 计算出每笔贷款一年期的非预期损失(见表5.7)。
从表 5.5 和图5.2 可以看出：(1)AAA-A 债务人的贷款非预期损失率相当低，
说明信用级别好的企业贷款所具有的信用风险损失平稳，发生超出平均损失的重
大损失的概率几乎为零；(2)BBB、BB 级企业贷款的信用风险损失的波动性开始加
大；(3)信用风险损失波动最大的是B、C 和D 级企业贷款，说明该三类贷款发生
债务人
信用级别
违约损失
率 100%
违约损失
率 50%
AAA
AA
A
BBB
BB
B
C
D
0.12%
0.23%
0.25%
0.65%
1.73%
3.63%
3.43%
12.78%
0.06%
0.11%
0.13%
0.32%
0.87%
1.82%
1.72%
6.39%
硕士学位论文
40
意外重大损失的概率相当大，是银行信贷风险管理者极难掌控的贷款；(4)值得注
意的是，D 级企业贷款的预期损失是最大的，但其非预期损失并不是最大的，相对
来说显得稳定。
表 5.5 贷款非预期损失表
-5.00%
0.00%
5.00%
10.00%
15.00%
20.00%
25.00%
30.00%
35.00%
AAA
债务人信用级别
非预期损失率
违约损失率
100%
违约损失率
50%
图 5.2 贷款非预期损失图
5.3 贷款的经济资本配置
如第二章所述，经济资本是经济资本是由商业银行的管理层内部评估而产生
的配置给资产或某项业务用以抵御其信用风险的资本，它是基于信用风险及其变
化而配置的资本准备，在量上等于在一定的置信度下贷款信用风险的预期损失和
非预期损失之和，因而经济资本的配置必须达到两个标准：一个是能反映静态的
信用风险损失，即贷款实际违约而发生的损失；另一个是要反映动态的信用风险
损失，即贷款尽管还没有实际违约，但其资信水平在变化，也就意味着它的违约
的可能性在变化，是一种潜在的信用风险损失，这种损失的大小取决于贷款额的
大小和相应贷款债务人的信用等级变化状况。基于这种考虑，本文选用按信用风
险暴露和信用等级的概率变化分配经济资本方法来配置经济资本，即利用已经得
出的在95%的资信度下总的信用风险损失比率来配置贷款的经济资本。
表 5.6 中的经济资本配置比率是由5.2.2 节用蒙特卡罗风险模拟方法度量出
的岳阳支行样本贷款在95%的置信度下的总的信用风险损失比例(包括预期损失和
非预期损失)。从表中可以看出，当违约损失率是100%时，债务人信用级别在AAA-A
的贷款经济资本配置比例极小，都是0.21%；其次是BBB、BB，经济资本配置比例
分别为0.84%和4.47%；经济资本配置比率最大的是B、C、D 级债务人贷款，比例
都是33.26%；经济资本配置比率与贷款的违约损失率成正比，当贷款违约率由100%
下降为50%时，经济资本配置比率相应减少一半。
监管资本是监管当局制定的最低的统一的风险资本准备标准，尽管它的最初
制定目标是尽可能反映信用风险，但它不能反映各银行信用风险的具体特征，在
债务人
信用级别
违约损失
率 100%
违约损失
率 50%
AAA
AA
A
BBB
BB
B
C
D
0.09%
-0.02%
-0.04%
0.19%
2.73%
29.63%
29.83%
20.49%
0.05%
-0.01%
-0.02%
0.10%
1.37%
14.82%
14.92%
10.24%
硕士学位论文
41
反映商业银行的动态信用风险方面不如经济资本灵活，这种情况在2001 年的新巴
塞尔协议中已有所改进，但还是不如人意。美国学者Altman 2002 年通过对经济
资本和监管资本的配置的实证比较认为，新巴塞尔中的监管资本标准大大高估了
高信用级别债务的信用风险，如A 级别的债务应配置的经济资本比率为0.35%，而
其监管资本比率则达到4%，BBB 级别债务的经济资本配置比率为1.7%，而其监管
资本比例则达8%；低估了低信用级别债务的信用风险，但相对于前者来说，这种
低估的影响不是很大，如对于BB 级别的债务，经济资本配置比例为11%，与其12%
的监管资本比例接近，但BB 级以下的债务，有低估倾向[44]，但低估的比率没有高
估的大。
表 5.6 中的监管资本配置是以巴塞尔协议规定的8%的资本金标准，乘以新巴
塞尔协议修改后的风险权数RW(见表2.1)计算出来的，即:
RGC＝RW×8% (5.5)
例如，AAA 级债务人的风险权数是20%，相应的监管资本就是1.6%(20%×8%)。
表 5.6 经济资本与监管资本配置比率表
债务人 经济资本配置比率 监管资本配置
信用级别 违约损失 100%违约损失率50% 风险权数配置比率
AAA
AA
A
BBB
BB
B
C
D
0.21%
0.21%
0.21%
0.84%
4.47%
33.26%
33.26%
33.26%
0.11%
0.10%
0.11%
0.42%
2.23%
16.63%
16.63%
16.63%
20%
100%
100%
100%
100%
100%
150%
150%
1.60%
8%
8%
8%
8%
8%
12%
12%
从表 5.6 中可以看出，AAA 级别的债务人贷款因配置的监管资本比例是1.6%，
远远低于8%的资本金标准；AA-B 级别的债务人贷款监管资本配置比例都为8%，与
资本金标准一致；C 和D 级债务人贷款监管资本配置比例为12%，高于资本金标准。
再把实证得出的经济资本配置比例与相应的监管资本作比较，结论与美国学
者Altman 得出的基本一致[44]。尽管新巴塞尔协议(2001)对1988 年巴塞尔协议中
的风险权数作了很大改进，使监管资本配置更能反映信用风险变化，如表中的监
管资本配置比率不再是单一的8%，而是根据它们的风险大小分成了三个档次：
1.6%、8%、12%。但是，与以内部评级模型评级为基础的经济资本配置相比，监管
资本配置不能很好地反映信用风险地变化，表现在：(1)高估资信较好的债务信用
风险，AAA-BB 信用级别的债务人贷款监管资本配置比例大于其相应的经济资本配
置比例，意味着商业银行提的风险资本准备金大于其应予以抵御的信用风险损失，
造成资本的闲置，影响其使用效益；(2)低估资信较低的债务信用风险，B-D 级别
硕士学位论文
42
的债务人贷款监管资本配置比例大大小于相应的经济资本配置比例，意味着商业
银行的资本准备低于其应予以抵御的信用风险损失，使资本配置达不到预防和化
解信用风险的目的；(3)监管资本的配置比例档次过少，与信用风险的变化不相称。
表 5.7 贷款信用风险度量及经济资本配置表
预期损失 95%置信度损失非预期损失
债务人
贷款
级别
本金风险
暴露
利息风
险暴露
贷款总风
险暴露
违约损
失率损失额损失率损失额损失率损失额 损失率
1
2
2
3
4
5
6
7
8
8
8
8
9
9
9
9
10
10
10
11
11
12
13
13
14
14
15
15
16
17
18
18
19
20
21
B
C
B
BBB
B
BBB
BB
A
BB
A
BBB
A
B
BBB
BB
BBB
BB
B
A
AA
AA
B
BB
B
BB
A
B
BB
AA
A
B
C
A
BB
AA
70000000
42190000
7000000
7300000
2500000
14100000
1400000
200000
5000000
83000000
72000000
100000
54600000
60420000
33000000
22168000
123320000
11490000
1600000
63100000
22600000
39420000
9500000
15900000
14600000
100000
2600000
3900000
4250000
2600000
68600000
70000000
1000000
58000000
19000000
4832100
2912376
483210
503919
172575
973323
96642
13806
318600
5288760
4587840
6372
3479112
3849962
2102760
1412545
7857950
732143
101952
4020732
1440072
2511842
605340
1013148
930312
6372
165672
248508
293378
179478
4735458
4832100
69030
3695760
1210680
74832100
45102376
7483210
7803919
2672575
15073323
1496642
213806
5318600
88288760
76587840
106372
58079112
64269962
35102760
23580545
131177950
12222143
1701952
67120732
24040072
41931842
10105340
16913148
15530312
106372
2765672
4148508
4543378
2779478
73335458
74832100
1069030
61695760
20210680
100%
100%
50%
50%
100%
50%
100%
50%
100%
50%
50%
50%
100%
50%
50%
50%
100%
100%
50%
50%
50%
100%
100%
100%
100%
50%
100%
50%
50%
100%
100%
100%
50%
50%
50%
1296743
1637995
135885
67616
46312
130600
9720
694
34542
286702
248705
345
1006435
556857
304142
204310
851953
79378
5527
84165
30145
726624
65631
109845
100864
345
47925
35944
5697
6259
1270808
1296743
3471
534553
22755
1.73%
3.63%
1.82%
0.87%
1.73%
0.87%
0.65%
0.32%
0.65%
0.32%
0.32%
0.32%
1.73%
0.87%
0.87%
0.87%
0.65%
0.65%
0.32%
0.13%
0.13%
1.73%
0.65%
0.65%
0.65%
0.32%
1.73%
0.87%
0.13%
0.23%
1.73%
1.73%
0.32%
0.87%
0.11%
3341403
15003260
1244641
174230
119336
336526
12624
902
44862
372471
323107
449
2593349
1434891
783704
526459
1106471
103092
7180
70477
25242
1872341
85237
142660
130996
449
123493
92620
4771
5837
3274575
3341404
4510
1377419
21221
4.47%
33.26%
16.63%
2.23%
4.47%
2.23%
0.84%
0.42%
0.84%
0.42%
0.42%
0.42%
4.47%
2.23%
2.23%
2.23%
0.84%
0.84%
0.42%
0.11%
0.11%
4.47%
0.84%
0.84%
0.84%
0.42%
4.47%
2.23%
0.11%
0.21%
4.47%
4.47%
0.42%
2.23%
0.10%
2044660
13365265
1108756
106614
73024
205926
2904
208
10319
85769
74402
103
1586914
878034
479562
322149
254518
23714
1653
-13688
-4903
1145717
19607
32816
30133
103
75567
56675
-927
-422
2003768
2044661
1039
842866
-1534
2.73%
29.63%
14.82%
1.37%
2.73%
1.37%
0.19%
0.10%
0.19%
0.10%
0.10%
0.10%
2.73%
1.37%
1.37%
1.37%
0.19%
0.19%
0.10%
-0.02%
-0.02%
2.73%
0.19%
0.19%
0.19%
0.10%
2.73%
1.37%
-0.02%
-0.02%
2.73%
2.73%
0.10%
1.37%
-0.01%
硕士学位论文
43
续表5.7 贷款信用风险度量及经济资本配置表
22
23
24
25
26
27
28
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
55
55
56
57
57
BBB
A
BBB
AAA
AA
AA
AA
A
BBB
AAA
BB
A
AA
BB
BB
AA
A
B
BBB
A
AAA
AAA
BBB
AAA
AAA
AA
AAA
A
AA
B
BBB
BBB
BB
AA
BBB
AA
AA
AAA
BB
B
5000000
8000000
680000
3600000
3600000
3180000
20000000
25800000
3000000
2300000
7700000
810000
600000
91000000
16000000
10000000
7446592
2000000
13000000
52000000
3000000
1400000
2100000
1800000
7800000
3000000
1000000
5300000
2000000
110000000
10000000
5600000
5000000
27500000
3000000
1400000
4000000
4000000
45093000
12220000
318600
509760
43330
229392
229392
202630
1274400
1643976
191160
146556
490644
55914
41418
5798520
1019520
637200
474497
138060
828360
3313440
191160
89208
133812
114696
497016
191160
63720
337716
127440
9345600
849600
386568
345150
1752300
191160
89208
254880
254880
3831101
1038211
5318600
8509760
723330
3829392
3829392
3382630
21274400
27443976
3191160
2446556
8190644
865914
641418
96798520
17019520
10637200
7921089
2138060
13828360
55313440
3191160
1489208
2233812
1914696
8297016
3191160
1063720
5637716
2127440
119345600
10849600
5986568
5345150
29252300
3191160
1489208
4254880
4254880
48924101
13258211
50%
100%
100%
50%
50%
50%
50%
50%
100%
50%
100%
50%
50%
100%
100%
100%
50%
100%
50%
100%
50%
50%
50%
50%
50%
50%
50%
50%
100%
100%
50%
50%
50%
50%
100%
50%
50%
50%
50%
50%
17271
19162
1814
4311
4802
4242
26677
34413
8003
2755
53195
2812
804
628671
110536
12685
25722
37050
44905
124552
3593
888
19355
1142
9341
4002
1198
18307
2537
2068103
94005
51870
46312
32934
8003
1867
5335
2537
888395
240751
0.32%
0.23%
0.25%
0.11%
0.13%
0.13%
0.13%
0.13%
0.25%
0.11%
0.65%
0.32%
0.13%
0.65%
0.65%
0.12%
0.32%
1.73%
0.32%
0.23%
0.11%
0.06%
0.87%
0.06%
0.11%
0.13%
0.11%
0.32%
0.12%
1.73%
0.87%
0.87%
0.87%
0.11%
0.25%
0.13%
0.13%
0.06%
1.82%
1.82%
22438
17871
1519
4021
4021
3552
22338
28816
6701
2569
69087
3653
673
816484
143558
22338
33417
95469
58339
116162
3351
1564
49872
2011
8712
3351
1117
23784
4468
5329021
242228
133656
119336
30715
6701
1564
4468
4469
8137277
2205165
0.42%
0.21%
0.21%
0.10%
0.11%
0.11%
0.11%
0.11%
0.21%
0.10%
0.84%
0.42%
0.11%
0.84%
0.84%
0.21%
0.42%
4.47%
0.42%
0.21%
0.10%
0.11%
2.23%
0.11%
0.10%
0.11%
0.10%
0.42%
0.21%
4.47%
2.23%
2.23%
2.23%
0.10%
0.21%
0.11%
0.11%
0.11%
16.63%
16.63%
5167
-1291
-295
-291
-781
-690
-4339
-5597
-1302
-186
15892
841
-131
187813
33022
9653
7695
58419
13434
-8390
-242
676
30518
869
-630
-651
-81
5477
1931
3260917
148223
81786
73024
-2220
-1302
-304
-868
1931
7248882
1964414
0.10%
-0.02%
-0.04%
-0.01%
-0.02%
-0.02%
-0.02%
-0.02%
-0.04%
-0.01%
0.19%
0.10%
-0.02%
0.19%
0.19%
0.09%
0.10%
2.73%
0.10%
-0.02%
-0.01%
0.05%
1.37%
0.05%
-0.01%
-0.02%
-0.01%
0.10%
0.09%
2.73%
1.37%
1.37%
1.37%
-0.01%
-0.04%
-0.02%
-0.02%
0.05%
14.81%
14.82%
硕士学位论文
44
续表5.7 贷款信用风险度量及经济资本配置表
58
58
59
59
60
61
61
62
63
64
64
64
64
65
65
65
66
67
68
68
69
69
69
70
70
70
71
71
合计
D
C
BB
A
BBB
BB
B
BB
BB
D
D
D
C
D
BB
BB
D
C
D
BB
D
D
C
B
C
B
D
C
—
2500000
11480000
17000000
500000
9000000
2830000
4110000
960000
490000
4850000
12170000
31600000
4000000
7000000
35805000
355000
120000
5080000
200000
360000
1800000
10240000
100040000
16290000
3900000
200000
200000
1330000
1823257592
212400
975341
1444320
42480
764640
240437
349186
81562
41630
412056
1033963
2684736
339840
594720
3041993
30161
10195
431597
16992
30586
152928
869990
8499398
1383998
331344
16992
16992
112997
127612539
2712400
12455341
18444320
542480
9764640
3070437
4459186
1041562
531630
5262056
13203963
34284736
4339840
7594720
38846993
385161
130195
5511597
216992
390586
1952928
11109990
108539398
17673998
4231344
216992
216992
1442997
1950870131
100%
50%
100%
50%
50%
50%
50%
50%
50%
100%
100%
100%
50%
100%
50%
50%
100%
50%
100%
50%
100%
100%
50%
50%
50%
50%
100%
50%
—
93167
213912
119789
1762
84604
55755
80973
18913
9654
672373
1687172
4380825
277267
275819
705408
6994
4472
352130
7881
7092
249541
1419609
6934458
303539
72670
3727
27727
92191
34095710
3.43%
1.72%
0.65%
0.32%
0.87%
1.82%
1.82%
1.82%
1.82%
12.78%
12.78%
12.78%
6.39%
3.63%
1.82%
1.82%
3.43%
6.39%
3.63%
1.82%
12.78%
12.78%
6.39%
1.73%
1.72%
1.73%
12.78%
6.39%
—
902277
2071628
155576
2289
218005
510688
741671
173237
88423
1750418
4392286
11404785
721821
2526376
6461199
64062
43309
916713
72182
64964
649640
3695728
18052750
2939618
703776
36091
72182
240006
115624684
33.26%
16.63%
0.84%
0.42%
2.23%
16.63%
16.63%
16.63%
16.63%
33.26%
33.26%
33.26%
16.63%
33.26%
16.63%
16.63%
33.26%
16.63%
33.26%
16.63%
33.26%
33.26%
16.63%
16.63%
16.63%
16.63%
33.26%
16.63%
—
809110
1857716
35787
527
133401
454933
660698
154324
78769
1078045
2705114
7023960
444554
2250557
5755791
57068
38837
564583
64302
57871
400099
2276119
11118292
2636080
631106
32364
44455
147814
81528966
29.83%
14.92%
0.19%
0.10%
1.37%
14.82%
14.82%
14.82%
14.82%
20.49%
20.49%
20.49%
10.24%
29.63%
14.82%
14.82%
29.83%
10.24%
29.63%
14.82%
20.49%
20.49%
10.24%
14.92%
14.92%
14.92%
20.49%
10.24%
—
硕士学位论文
45
结论及后续研究建议
通过对 Z 值模型的事前和事后的有效性检验，我们发现该模型能有效地识别
我国公司的信用风险及其变化。在此基础上，利用该模型对我国上市公司进行信
用评级，并研究发现我国上市公司资信品质的一些特点：(1) 我国上市公司的整
体资信良好，但波动性较大；(2)在1998－2002 年，我国上市公司的资信水平一
直呈下降趋势；(3)我国上市公司的资信状况与我国宏观经济环境联系紧密。这些
资信特征对我国企业极具代表性和普遍性。
信用等级转移矩阵是信用风险度量和管理的核心工具。通过对以 Z 值模型测
算出我国上市公司信用等级转移矩阵的研究发现，我国企业的信用等级转移矩阵
具有国外学者用实际评级的历史数据测算的信用等级转移矩阵的一些基本特征：
某一信用等级维持原级别不变的概率最大；较高的信用级别转移为违约级的概率
极小；当评级分类变得越来越大时，转移概率将变得越来越小；对于一个特定的
评级来说，评级分类越接近，变动概率越大。尽管如此，与国外的信用等级转移
矩阵相比，我们得出的信用等级转移矩阵表现出波动性大、不太稳定的特点：我
国企业信用评级维持原级别不变的比例较小，特别是信用级别处于两端的企业（即
级别好的企业和级别差的企业）；原信用级别向相邻级别变化的比例过大，有的甚
至超过维持原级别不变的比例；各信用级别变为违约级D 的比例也相对较高。
在对岳阳支行 104 笔贷款相应债务人评级的基础上，我们研究了贷款方式和
贷款期限对债项评级的影响，并通过对相应债务人信用级别得出了样本贷款的评
级。从岳阳支行样本贷款评级的状况来看，说明我国商业银行贷款的整体信用级
别不是很高，这些贷款面临的信用风险较大，符合我国国有商业银行的实际状况，
也是银行业界信用风险管理难度大的症结所在。
在对岳阳支行 104 笔样本贷款进行信用风险的度量的基础上，我们确定了这些
贷款应配置的经济资本比率，并发现，由于我国商业银行的贷款资信水平较低，
且极不稳定，具有较大的信用风险，因而为抵御风险而配置的经济资本比率也相
对较高，尤其是投机级(BBB 以下的)的债务人贷款。
通过对经济资本配置比率与巴塞尔新协议的监管资本比率的比较，我们发现，
监管资本配置不能很好地反映信用风险地变化，而经济资本的配置对信用风险更
具敏感性，因而其配置也更为科学和有效，主要表现在：(1)AAA-BB 信用级别的债
务人贷款监管资本配置比例大于其应予以抵御的信用风险损失，造成资本的闲置，
影响其使用效益；(2)B-D 级别的债务人贷款监管资本配置比例大大小于其应予以
抵御的信用风险损失，使资本配置达不到预防和化解信用风险的目的；(3)监管资
本的配置比例档次过少，与信用风险的变化不相称。
硕士学位论文
46
尽管将Z 值模型应用于信贷评级是有效的，但由于模型本身的局限，它不可能
将一切影响信用风险的因素纳入模型并予以量化，因而在今后的研究中我们将考
虑把企业价值、公司治理、行业因素等一些非定量因素融入我们的评级方法里，
使Z 值模型评级方法更科学、更实用。
硕士学位论文
47
参考文献
[1] Edward E.Altman，Anthony Saunders. Credit Risk Measurement: Developments
Over the Last 20 Years. Journal of Banking & Finance,1998,21:1721－1742
[2] Michel Crouhy, Dan Galai and Robert Mark. A Comparative Analysis of Current
Credit Risk Models. Journal of Banking & Finance,2000,24:59-117
[3] 安东尼.桑德斯.信用风险度量---风险估值的新方法与其他范式.刘宇飞.第1
版.北京: 机械工业出版社, 2001：2－193
[4] 约翰.B.考埃特, 爱德华.I.爱特曼, 保罗.纳拉亚南.演进着的信用风险管理
----金融领域面临的巨大挑战.石晓军，张振霞.第1 版.北京: 机械工业出版社,
2001:271－428
[5] JP.Morgan.RiskMetrices Technology Document, the First Edition 1997, Internet:
http//www.jpmorgan.com,1997
[6] Altman, Haldeman, and Narayanan. ZETA Analysis: A New Model to Identify
Bankruptcy Risk of Corporations . Journal of Banking and Finance, 1977, 1:29-54.
[7] Edward E.Altman. Commercial Bank Lending: Process, Credit Scoring and Costs of
Errors in Lending. Journal of Finance, 1980,9:267-288
[8] Nobuyuki oda, Jun Muranaga. A New Framework for Measuring the Credit risk of A
Portfolio: The ‘ExVaR’Model. Monetary and Economic Studies, 1997,1:27-61
[9] Jose A. Lopez, Marc R. Saidenberg. Evaluating Credit Risk Model. Journal of
Banking & Finance, 2000,24:151-165
[10] Mark Carey. Credit Risk in Private Debt Portfolios. The Journal of Finance,
1998.4:1363-1387
[11] Edward I.Altman. Corporate Financial Distress and Bankruptcy. New York: John
Wiley & Sons, Inc, 1992
[12] E.I.Altman. Corporate Financial Distress and Bankruptcy . John Wiley & Sons, Inc,
2000:181-234.
[13] Secrist,H.. National Bank Failure and Non-failure. The Principia Press,
Bloomington, Ind., 1938: 78-154
[14] Beaver, W. Alternative Accounting Measures Predictors of Failure. Accounting
Review, 1968,43:113-122.
[15] E.I.Altman. Financial Ratios, Discriminate Analysis and the Prediction of
Corporate Bankruptcy. Journal of Finance, 1968, 9:589-609.
[16] Blum, Mark P.. The Failing Company Doctrine. Boston College Industrial and
硕士学位论文
48
Commercial Review, 1974,16:234-248
[17] Edmister, R.O.. An Empirical Test of Financial Ratio Analysis for Small Business.
Journal of Financial and Quantitative Analysis, 1972, 3:145-161
[18] Wilcox, J.W.. A Gambler’s Ruin Prediction of Business Failure Using Accounting
Data . Sloan Management Review, 1971,9:112-127
[19] Scott, E.. The Probability of Bankruptcy: A Comparison of Empirical Predictions
and Theoretical Models. Journal of Banking $ Finance, 1981, 9: 317-344.
[20] 陈静. 上市公司财务恶化预测的实证分析. 会计研究, 1999，4: 31-38.
[21] 高培业、张道奎. 企业失败判别模型实证研究. 统计研究, 2000,10:46-51.
[22] 张玲. 财务危机预警分析判别模型. 数量经济技术经济研究,
2000,3:49-51.
[23] 林平,赵永伟.农村信用社信用危机预警体系研究.金融研究，2001,6:90-103
[24] 吴世农, 卢贤义. 我国伤势公司财务困境的预测模型研究. 经济研
究,2001,6:46-53
[25] 陈晓, 陈治鸿. 企业财务困境研究的理论、方法及应用. 投资研
究,2002,2:125-126
[26] 吴少年,李小燕. 谈财务危机预警系统. 中国金融学院学报,2000,1:16-17
[27] 施锡全, 邹新月. 典型判别在企业信用风险评估的应用. 财经研
究,2001,10:53-57
[28] 郑玥. 债项信用风险评级方法.中国城市金融，2001，12：46－48
[29] 泊宁. 信用风险计量法简介（三）.城市金融论坛，1999，10：56－59
[30] 泊宁. 信用风险计量法简介（四）.城市金融论坛，1999，11：54－59
[31] 田宏伟,张维.信用风险的动态测量方法.南开管理评论，2000，1：36－41
[32] 陈建梁.银行风险评估理论模型与实证.第1 版.广东：广东人民出版社，2002：
1－565
[33] 陈有安.商业银行风险资产计算与内部信用评级.经济学动态，2002，1：34
－38
[34] 张昕,张玲.信用受险价值方法在金融风险管理中的应用.财经理论与实践，
2001,9：96－98
[35] Anil Bangia, Francis X. Diebold, Andre Kronimus, etal. Ratings Migration and the
Business Cycle, With Application to Credit Portfolio Stress Testing. Journal of
Banking & Finance, 2002,26:445-474
[36] Edward I.Altman. The Importance and Subtlety of Credit Rating Migration. Journal
of Banking & Finance, 1998,22:1231-1247
[37] 文忠桥,曾刚,王芳等.信用风险度量与管理－违约率研究. 国际金融研究，
硕士学位论文
49
2002,11:20-24
[38] 章彰.商业银行信用风险管理-兼论巴塞尔新资本协议.第1 版.北京：中国人
民大学出版社，2002：1－315
[39] 王春峰.金融市场风险管理.第1 版.天津：天津大学出版社，2001：195－427
[40] 徐振东.《巴塞尔资本协议》－不同方法下银行信用风险资本要求的分析.国
际金融研究，2002，12：17－24
[41] 沈沛龙，任若恩.新巴塞尔协议资本充足率计算方法剖析.金融研究，
2002,6:22-31
[42] 童频，张勇，金静.国有商业银行资本充足率研究.金融研究，2001，11：11
－21
[43] David Jones , John Mingo. Credit Risk Modeling and Internal Capital Allocation
Processes: Implication for a Models-Based Regulatory Bank Capital Standard.
Journal of Economics and Business, 1999,51:79-108
[44] Edward I.Altman, Sreedhar T.Bharath, Anthony Saunders. Credit Rating and the
BIS Capital Adequacy Reform Agenda. Journal of Banking&Finance,
2002,26:909-921
[45] Edward I.Altman,Heather J.Suggitt. Default Rates in the Syndicated Bank Loan
Market: A Mortality Analysis. Journal of Banking & Finance, 2000,24:229-253
[46] Edward I.Altman, Anthony Saunders. An analysis and Critique of the BIS
Proposal on Capital Adequacy and Rarings. Journal of Banking&Finance,
2000,25:25-46
[47] Steven R. Grenadier, Brian J. Hall. Risk-Based Capital Standards and the
Riskiness of Bank Portfolios: Credit and Factor Risks. Regional Science and Urban
Economics, 1996,26:433-464
[48] Theodor M. Barnhill Jr.,William F.Maxwell. Modeling Correlated Market and
Credit Risk in Fixed Income Portfolios. Journal of Banking&Finance,
2002,26:347-374
[49] Ling Zhang. Corporate Financial Distress Diagnosis in China. Financial System
Engineering, 2003,2:436-458
[51]约瑟A.罗培斯,马可R.圣登勃格.信用风险模型有效性的评估方法探析. 国际
金融研究，2002,9:15-21
[52] Edward I.Altman. Bankruptcy & Distressed Restructurings: Analytical Issues and
Investment Opportunities. Washington, D.C. 1999:3-417
[53] Andre Lucas, Pieter Klaassen, Peter Spreij, etal. An Analytic Approach to Credit
Risk of Large Corporate Bond and Loan Portfolios. Journal of Banking&Finance,
硕士学位论文
50
2001,25:1635-1664
[54] T.Fischer. Risk Capital Allocation by Coherent Risk Measures Based on One-sided
Moments. Insurance Mathematics and Economics, 2003,32:135-146
[55] [美] 梅尔文·韦斯特莱克.巴塞尔资本协议Ⅱ难见实效. 国际金融研究，
2002,11:70-74
[56] 唐小岸,孟庆福.上市公司信用评价模型.预测，2002，2:39-43
[57] 惠晓峰,孙嘉鹏.商业银行信用风险识别：信用矩阵的实证应用研究. 国际金
融研究，2004,3:21-27
[58] 宗良,虞群娥.国际银行业信用与市场：风险量化方法研究. 国际金融研究，
2002,5:49-53
硕士学位论文
51
致谢
论文终于脱稿复印了。此刻我心情难以平静。撰写硕士论文的日日夜夜恍如
昨夜。这是令我受益终身的两年半硕士生涯。我为自己有机会精心研究并取得初
步成果感到欣慰，尽管本论文还有许多缺陷和不足。欣慰之余，我要向为自己提
供这个机会的—湖南大学工商管理学院表示真挚的谢意。
这篇论文是在湖南大学工商管理学院张玲教授的谆谆教导和严格要求下完成
的。导师治学严谨，学识渊博，在我学习期间不仅教授了我知识，传授了学习秘
诀，无形之中还传授了做人的准则。这都将使我受益终身。无论是在理论学习期
间，还是论文选题，框架构建，资料收集，内容研究和论文撰写直到成文修改的
每一个环节，无不得到导师的悉心知道。借此机会衷心感谢导师对我的谆谆教导
和无私帮助！饮水思源，我当铭记在心！
还要特别感谢其它的教授和帮助过我的所有老师，陈收教授，谢赤教授，曾
德明教授，马超群教授，单汨源教授，欧阳润平教授，薄湘平教授，巢剑雄副教
授，张佳林副教授，孔一枚老师，肖明明老师，他(她)们悉心的教诲，精彩的授
课，使我在学业上有了很大的进步。
同时也要感谢中国工商银行湖南省分行岳阳市支行、常德市支行、长城资产
管理公司湖南分公司为论文提供了数据资料和宝贵建议。此外，湖南大学工商管
理学院资料室，湖南大学图书馆等单位为论文资料查询给予了大力支持，在此也
一并衷心感谢！
此时此刻，还要感谢我的父母、妻子和儿子，正是他们默默无闻的奉献和一
贯的支持鼓励，才使我能顺利完成学业。
最后，我还要诚挚地感谢所有参与本论文预审和答辩的老师，正是他(她)们
辛勤的劳动、一丝不苟的工作才使我的论文更加完善。
路漫漫其修远，吾将上下而求索。在今后的学习、工作当中，我将更加努力，
以期取得丰厚的成果来感谢曾经关心、帮助和支持过我的所有老师、同学和朋友！
曾维火
2004 年10 月6 日
硕士学位论文
52
附录A 作者攻读硕士研究生期间发表的论文
[1] 张玲，曾维火. 基于Z 值模型的我国上市公司信用评级研究. 财经研究,
2004,6: 5-13
[2] 张玲，曾维火. 基于Z 值模型的我国上市公司信用等级转移矩阵实证研究.中
国管理科学（专刊），2004 (已录用)