ParK's 論文后花園

厦门大学
硕士学位论文
基于VAR技术的信用风险量化
姓名：彭湃
申请学位级别：硕士
专业：金融学
指导教师：陈国进
20051001
2
摘要
本文针对当前国际先进的信用风险管理技术，结合我国商业银行信用风险
管理的现状，首先介绍风险量化技术的最新进展——风险价值（VAR）方法及
其计算与适用条件，然后回顾信用风险管理技术的发展，研究将VAR 技术应用
于信用风险度量的方法，重点讨论了组合的信用风险与信用风险的相关性、信
用风险的分散效应及基于VAR 技术的组合信用风险量化模型——CreditMetrics
模型，最后探讨了在我国引入VAR 技术的可行性以及需要创造的条件，并将
CreditMetrics 模型与我国商业银行的实际结合起来，对CreditMetrics 模型进行
了一个创新，使其在我国商业银行目前的环境中能够得以应用。
关键词：信用风险风险量化 风险价值
3
Abstract
This article in view of the current international advanced credit risk
management technology, unifies our country commercial bank credit risk
management the present situation, first introduced risk measurement technology
newest progress - risk value (VAR) the computation and is suitable the condition,
then the review credit risk management technology development, studies the VAR
technology applies in the credit risk measure method, discussed with emphasis based
on VAR the technical combination credit risk quantification model - CreditMetrics
model, finally has carried on an innovation to the CreditMetrics model, enables it to
be able to apply in our country at present environment, Has discussed in the
conclusion based on the VAR technology credit risk measurement method applies in
our country faced with the restriction factor and the realization way.
keyword：Credit Risk Risk Measurement VAR
4
第一章绪论
第一节 选题的背景和意义
商业银行不仅是一个资金密集、技术密集、人才密集、产品密集的金融企
业，还是一个风险密集的高风险企业。商业银行在提供各种金融服务的同时，
也承担着各种风险。可以说，自从人类社会出现存贷款业务以来，银行风险和
风险管理就伴随着它，成为商业银行经营管理的一个重要组成部分。从20 世纪
70 年代金融管制逐步放开以来，国际上不乏崭露头角、叱咤风云的大银行问世，
但也屡见一些国际知名的商业银行因风险管理不善而濒临破产。这一境况在20
世纪80 年代末的美国，90 年代中后期欧洲、墨西哥、亚洲国家以及21 世纪初
期的拉美一些国家仍在继续。商业银行是在与金融风险博弈的过程中获益而生
存发展壮大的，也可能在这种博弈中失利而倒闭破产。
从国内的情况来看，自1978 年改革开放以来，尤其是1994 年中央通过《中
共中央关于金融体制改革的决定》以后，我国银行业取得了长足的发展，逐步
形成了大中小银行共同发展，商业银行、政策性银行互相补充的银行体系，银
行在现代经济生活中的地位和作用日益突出。
但在银行业快速发展的同时，我国银行业信用风险也相当集中，积累和形
成了相当数量的风险资产。1997 年爆发的亚洲金融危机表明，银行的信用风险
不仅影响银行的改革和发展，而且严重影响宏观经济的健康运行，甚至导致和
引发严重的社会危机。如何防范和化解银行的信用风险，是理论上和实践中都
迫切需要回答的一个问题。而我国商业银行对风险的管理才刚刚开始，大量的
不良资产已经成为我国经济运行中一个重要的不稳定因素，严重阻碍了我国银
行业的健康发展１。
我国四大国有商业银行在资产规模方面已跻身于世界大银行之列，资本充
１ 近几年来，我国发生的影响比较大的、因信用风险而导致银行支付危机的有：1、海南发展银行在经营
不到3 年的时间里，严重资不抵债并暴发系统性支付危机，中国人民银行于1998 年6 月21 日对其实施行
政关闭。2、郑州城市合作银行由于经营管理不善、资产质量差等原因，于1998 年6 月出现支付危机。3、
1998 年2 月威海市商业银行、1999 年7 月汕头市商业银行相继因资产质量差、经营恶化而发生支付危机。
5
足率也逐步提高，尤其是中国银行、建设银行先后经过股份制改造之后，各项
指标均有了显著的改善。但这些改善掩饰不了在风险管理方面与国际先进的商
业银行的巨大差距。我国已加入WTO，银行业全面开放在即，《新巴塞尔资本
协议》即将正式发布，我国的商业银行业除了要与国内同业展开竞争之外，还
要面对国际先进的商业银行的挑战，因此对风险管理的要求更高、更紧迫。
当前，西方先进的商业银行对风险的管理已经逐步向精细化和计量的方向
发展，可以说，对风险进行精确计量是现代风险管理的基础。由于历史原因，
我国商业银行的管理一直比较粗放，极大地制约了风险管理水平的提高，近几
年来，国际先进的风险管理计量技术逐渐介绍到国内来，引起了学术界和金融
界的广泛关注，但是，在实践中的应用还比较少。
信用风险一直是商业银行所面临的最主要的风险，即使在商业银行产品多
元化、收入多元化、金融创新层出不穷的今天，虽然市场风险和操作风险越来
越引起人们的关注，但信用风险仍然是风险管理者所要面对的最主要的敌人。
在中国，信贷业务仍然是商业银行最主要的收入来源，对信用风险的管理尤为
重要。而信用风险由于其独有的特征，对信用风险的精确计量一直是商业银行
风险管理者的难题之一。
第二节 本文的基本框架与主要内容
本文共分五章，第一章为绪论部分；第二章“风险计量与 VAR 技术”，共
分六节，第一节为引子，第二节“风险计量的三种方法”分别介绍了风险计量
的三种方法，即敏感度指标、波动度指标和VAR 技术，第三节详细介绍了VAR
技术产生的原因和发展的历程，以及VAR 技术在西方商业银行应用的一些情
况，尤其是在信用风险管理领域的应用及VAR 的研究动态；第四节介绍了VAR
技术的概念和特点，并将其与其它两种方法进行比较，分析了VAR 技术的优缺
点，第五节讨论了VAR 的计算方法，即历史模拟法、方差—协方差分析方法、
蒙特卡洛模拟法以及情景分析与应力测试方法，并将几种方法进行了比较。
6
第三章“信用风险的度量”分三节，第一节“信用风险及其性质”主要讨
论了信用风险的定义、分类、性质，以及量化信用风险的意义；第二节“传统
的信用风险度量技术”回顾了三种传统的信用风险度量方法，即专家评定方法、
信用评分方法、信用评级法，第三节“度量信用风险面临的挑战”主要讨论了
信用风险损失分布的特殊性，由于这种特殊性，使信用风险的度量面临一系列
的困难。
第四章“组合的信用风险与组合信用风险计量模型”，第一节“组合的信用
风险与信用风险的相关性”讨论了违约的相关性以及贷款组合的信用风险；第
二节“组合信用风险计量模型：CreditMetrics 模型”重点介绍CreditMetrics 模
型及其计算方法。
第五章“在我国商业银行实现信用风险的量化管理的途径”分三节。第一
节“我国商业银行信用风险实施量化管理的制约因素”讨论我国商业银行事实
VAR 技术的一些困境和制约因素，这些制约因素制度环境方面的，也包括技术
方面的。第二节“我国商业银行实施VAR 方法的途径”讨论了在我国实施VAR
技术的努力方向；第三节“对 CreditMetrics 模型的一个发展：在我国商业银行
使用的一个设想”集中体现了本文对VAR 研究的创新之处，结合我国商业银行
当前的实际情况，将CreditMetrics 模型与五级风险分类结合起来，提出了
CreditMetrics 模型在我国商业银行应用的一个新的思路。
第三节 研究方法、创新与结论
在研究中以理论分析为主，理论研究与应用研究相结合，定量分析为主，
定性分析与定量分析相结合的方法。
具体地说，在研究中有以下几个特点：
一是先进的信用风险计量技术与当前我国商业银行信用风险管理的实践紧
密结合，既介绍世界上最先进的信用风险计量技术，有注重这些技术如何在国
内商业银行进行应用。
7
二是注重传统与创新紧密相结合。既回顾了传统的信用风险计量技术，有
以此为基础，创造性地将传统技术与最先进的计量模型结合起来，提出了当前
在我国应用CriditMetrics 模型的一个思路。
三是尽量采用作者在工作实践中统计得到的数据。
本文的创新之处在于，综合以上方法，既对传统的信用风险计量技术进行
梳理，又详细讨论了基于VAR 技术的信用风险度量方法和CriditMetrics 模型，
在两者结合的结合点对CriditMetrics 模型进行了创新和发展，使之在我国目前
的情况下能够得以应用。如果说原本的CriditMetrics 模型是基于信用评级的，
则本文改造后的CriditMetrics 模型则是基于信用风险分类。
得到以下两方面的结论：
一方面是通过对信用风险的特点与 VAR 方法进行全面分析，以及对西方现
代信用风险分析和管理的理论、模型和技术方法的前瞻性研究，结合当前我国
商业银行的实际，得到在我国使用VAR 技术进行信用风险计量的一个有效途径
或方法。
另一方面是分析和揭示信用风险管理方法和体系在我国目前的市场经济和
银行体系中有效运行的必要的前提条件或基本的制度构建，从而为我国商业银
行建立起现代的信用风险管理体系提出相关的政策建议。
8
第二章风险计量与 VAR 技术
第一节 引子
什么是金融风险？目前无论是在学术界还是在金融界，都还没有达成一致
的认识，也没有一个统一的定义，但我们可以从以下两层含义来理解风险１：1、
风险是发生损失的可能性；2、损失多少是不确定的。人们对金融风险的认识及
管理经历了一个不断演进的过程，但自从有了商业银行以来，风险管理就成为
其经营管理活动中不可或缺的一部分，从某种意义上讲，商业银行就是经营风
险的企业，正如美联储主席格林斯潘指出的那样：“很明显，银行为现代社会做
出的许多贡献，源于他们承担风险的意愿”（《风险、监管与未来》，1999 年12
月）。商业银行全面风险管理的核心内容包括信用风险、市场风险、操作风险三
大部分２。商业银行风险管理理论是一个逐步发展、从低级到高级、从粗放到精
细化的历史过程。正如在绪论总所言，对风险进行量化管理代表了未来风险管
理的发展方向。本章重点介绍了风险量化的三种方法，重点讨论了VAR 技术。
第二节 风险计量的三种方法
经常使用的风险量化指标有三类：一是当潜在的市场参数发生变化时，目
标变量的敏感程度。如当利率上升1%时，收益的变化程度；二是目标变量的波
动幅度。描述该变量相对于平均值的离散程度，在统计上表现为偏差、方差、
标准差等；三是损失风险指标，可以显示出不确定因素对目标变量的负面影响。
三种方法中，损失风险指标是最“复杂”的衡量方法，它将敏感性、波动性和
不确定性的负面影响混合在一起，VAR 即属于这一种方法。本节简单地对前两
１ 关于金融风险，学术界比较有名的观点有：1895 年，美国学者海斯首先从经济学意义上提出风险的定
义，认为它是损失发生的可能性。1921 年，奈特在《风险、不确定与利润》中认为，风险是一种概率性
随机事件。洛伦兹﹒格利茨则认为，风险是指结果的任何变化，既包括不希望发生的结果，也包括了希望
发生的结果（参考书目[34]）。在权威的《新帕尔格夫经济学大辞典》中，风险被等同于不确定性。
２ 风险的分类方法很多，有的将风险分为：信用风险、市场风险、流动性风险、国家和转移风险、操作风
险、其他风险（如利率风险、法律风险、声誉风险）等（见参考文献[3]），但较多的是简单分为信用风险、
市场风险和操作风险。
9
种方法进行介绍，至于VAR 方法将在第三节详细讨论。
一、敏感度指标
敏感度是指两种变量之间的比率。例如，债券价格对利率变化一个单位的
敏感度等于5，这一敏感度表明利率每变化1%，债券价格就相应地变化5%。
敏感度只是一种近似估计，因为它只给出了当已知参数有微小变化的价值变化。
并且，它还是一种局部的测量方法，即价值还会根据其他自变量大变化而改变。
无论何时，总存在多种市场价格参数影响价值水平，有多少市场参数，就
会有多少敏感性指标。
由于敏感度指标便于计算和描述，广泛应用于市场风险的度量，如利率风
险，一般通过息差收入对利率变动的敏感度进行测算；汇率风险，任何外汇风
险资产相对于汇率的美元标价敏感度，可以通过一单位汇率变化所引起的该货
币美元标价的变化来测算。
敏感度也可以运用于信用风险的度量上。针对某一交易对手的授信组合，
潜在的随机变量可以是一段时期内观察到的交易对手违约随即数。同样，随机
变量也可以用违约率，即组合中交易对手发生违约的数量与总交易对手数量之
比。于是收益的敏感度可以定义为，违约率每变化一单位所引起的损失增加量。
例如，如果总敞口为1000 个单位价值，违约率变化1%时的敏感度就是
1000*1%，即10 个价值单位。
二、波动度指标
波动度是一种运用非常普遍的统计学指标，用于衡量市场参数、收益或市
场价值等随机变量相对于平均值的离散程度，即这些变量的标准差。标准差是
随机变量方差的平方根。二者都可以从时间系列中计算出来。
设随机变量为 X，均值为E（X），假设所有取值发生的概率相同，那么均
值就是被观测的时间序列的算术平均值。若有n 个被观测值，则：
E X X n
i
i ( ) =Σ
又设波动度或标准差为σ ，则有：
10
[ ]
n
X E X
i
i Σ −
=
( ) 2
σ
一般地，若随机变量 X 的每一个可能取值i X 发生大概率为i P ，则均值为：
E X P X n
i
i i ( ) =Σ
方差是距均值的离散度平方和的加权平均数，波动度即它的平方根，
[ ]
n
P X E X
i
i i Σ −
=
( ) 2
σ
波动度广泛应用于衡量随机变量对均值的离散度，无论属于何种分布，波
动都可以根据其历史数据计算出来（基于历史数据的波动度称为历史波动度）。
历史波动度的计算需要选择一个观察期间及观测频度，可以是按日、按月、按
年或按其他时间跨度进行取值。
利率、汇率及股指等方面的日常数据较容易获得，波动度指标在计量市场
风险时得到广泛地应用。对信用风险而言，贷款价值变化的数据不易得到，但
如有足够时间序列的数据，仍可以进行波动度分析。
衡量波动度与损失风险的方法常联系在一起，但波动度与损失风险本身并
不等同。只有当收益不确定，即发生波动时，才会产生损失风险；损失风险越
大，发生实际损失的可能性就越大。然而，如果不发生不良的变动，就不会产
生损失的风险，只有波动性风险存在。
三、VAR 技术
上述讨论的两种方法都有其缺陷，而 VAR 技术不同于它们，VAR 是一种
全新的计量风险的技术，将在第三节进行详细地讨论。
第三节 VAR 技术的发展历程
一、市场风险催生了 VAR 技术
二战后，随着全球经济活动的日趋国际化，各微观主体所处的经济、政治、
11
社会环境日趋复杂，其面临的风险也日益多样化。这一点，在金融机构中表现
尤为突出。
在全部金融风险中，信用风险和市场风险是最主要的两种。自70 年代以来
布雷顿森林体系崩溃以来，浮动汇率制下的汇率、利率等金融产品价格的变动
日益趋向频繁和无序。80 年代以来金融创新及信息技术的发展，以及世界各国
金融自由化的浪潮使金融波动更加剧烈。由于分散风险的需要，金融衍生产品
并应运而生并且得到了迅猛发展，然而，当金融衍生产品越来越多地被用于投
机而不是保值的时候，处于规避风险的需要而产生的金融衍生产品本身也就孕
育着极大的风险。于是，如何有效地控制金融风险，尤其是市场风险，就成为
商业银行、投资人士和金融监管当局所面临的亟待解决的问题。
在这个大背景下，JP 摩根公司经过努力，于20 世纪70 年代开发了VAR
技术，可以说，VAR 的产生是JP 摩根公司用来计量市场风险的产物１。
二、VAR 技术在西方银行得到广泛应用
西方银行的现代风险管理是在资产负债管理成熟的基础上演化来的。如果
说60 年代花旗银行推出CD 使资产管理跨入负债管理的时代，那么70 年代两
次石油危机迫使西方银行真正进入实施资产负债管理时代。80 年代初因受债务
危机影响，西方银行开始普遍注重对信用风险的防范与管理，其结果是1988 年
《巴塞尔协议》的诞生。90 年代以后随着衍生金融工具及交易的迅猛增长，市
场风险日益突出，震惊世界银行和金融机构危机的大案（如巴林银行、大和银
行等事件）促使人们对市场风险的关注。一些主要的国际大银行开始建立自己
的内部风险定价模型与资本配置模型，以弥补《巴塞尔协议》的不足。VAR 推
出后，引起了金融界极大的关注，并得到了广泛的应用。目前已有超过1000 家
的银行、保险公司、投资基金、养老基金及非金融公司采用VAR 方法作为金融
衍生产品风险管理的手段。据统计，大约60%的国际一流银行采用VAR 方法量
化大型公司客户的信用风险。在北美和澳大利亚的银行已广泛采用VAR，在欧
１ 关于 VAR 的产生，有这样一个故事：JP 摩根公司当时的总裁Weatherstone 要求下属每天下午在当天交
易结束后的4 点15 分，给他一份一页的报告来说明公司未来24 小时内总体上的潜在损失是多大，为了满
足这一要求，JP 摩根公司的风险管理人员就开发了VAR 技术。
12
洲有50%的银行采用１（王卫东，《现代银行全面风险管理》，p9,中国经济出版
社）。
三、VAR 技术应用于信用风险管理领域
虽然 VAR 最初是用来度量市场风险的，但目前VAR 分析方法正在逐步被
引入信用风险管理领域。
一些西方大银行认识到信用风险仍然是关键的金融风险，开始关注信用风
险量化方面的问题，并试图建立量化信用风险的内部方法与模型。1997 年4 月
初，美国JP 摩根银行与其他几个国际银行——德意志摩根建富、美洲银行、瑞
士银行、瑞士联合银行和BZW 共同研究，推出了世界第一个基于VAR 技术的
评估银行信用风险的资产组合模型（CreditMetrics）。这是继VAR 方法之后，JP
摩根银行的又一大贡献。
四、有关 VAR 的研究动态与文献回顾
在这一节的最后，简单的回顾一下有关 VAR 的研究动态。
VAR 这一概念产生之后，国外的专家学者围绕VAR 的计算及应用进行了
深入的研究，使其能够准确地刻画商业银行所面临的各种不同类型的风险。
Jeremy Berkowitz(1999)提出了新的评价VAR 的方法；Jean-Philippe Bouchaud 与
Marc Potters(1999)提出如何利用金融资产波动的正态特性去简单地计算复杂的
非现行组合的VAR；David Li(1999)提出了使用四阶矩阵统计量计算VAR 的新
方法。此外，在VAR 的返回检验方面也取得了一系列的成就。在理论研究的基
础上，金融界创立了不少基于VAR 方法的用于识别和量化风险的管理模型和技
术，如Risk Metrics，Credit Metrics２，KMV 模型等。
在我国，金融体制改革之后，金融风险才真正引起人们的关注，因此，金
融风险管理方面的理论发展较为迟缓，有关风险量化及VAR 方面的研究就更为
滞后，但最近几年，研究及介绍VAR 的学术论文和著作不断出现，分别从不同
１由于VAR 方法在现代金融风险管理中的重要地位，因此，一些专家学者认为，“全面采用VAR 是一家
银行的终极目标”（王卫东，《现代银行全面风险管理》，p9,中国经济出版社），由此可以建立信用风险、
市场风险和操作风险的全面风险管理。
２ 参见本文第四章第二节。
13
的角度对这一问题加以探讨。
我国学者对 VAR 方法的研究最早始于1997 年郑文通的《金融风险管理的
VAR 方法及其应用》一文，从1997 年至1999 年，学术界着重于对VAR 方法
的介绍，主要工作是翻译了大量的VAR 方面的著作。1999 年以后，研究逐渐
深入，开始对VAR 方法在我国金融监管、投资银行及证券市场的应用进行理论
和实证研究，如刘宇飞（1999）提出了VAR 方法在我国金融监管中的运用及其
意义，杜海涛（2000）、范英（2000）对VAR 方法在政权风险管理中的应用做
了实证研究，王春峰、万海辉、李刚（2000）指出用蒙特卡罗模拟法计算VAR
值计算所存在的缺陷，并提出用基于马尔科夫链蒙特卡罗的VAR 计算方法。
就目前我国对 VAR 的理论研究来看，一是纯粹介绍和引进VAR 理论的较
多，而与中国商业银行的实践相结合的较少；二是研究VAR 计算的较多，而讨
论实际应用的较少；三是针对市场风险的较多，而针对信用风险的相对较少。
第四节 VAR 技术：概念及特点
一、VAR 的概念
VAR（Value at risk）直译为“风险价值”、“在险价值”或“受险价值”，指
在一定的容忍度(或置信水平, 置信水平=1-容忍度)内，某一金融资产（或证券
组合）在未来特定一段时间内的所面临的潜在的最大可能损失金额１。用数学语
言描述为：
Pr ob{ΔP~(Δt,Δ~x ) ≤ −VAR}= c
其中：
x ~
为风险因素（如利率、汇率和价格等）；
c 为置信水平；
Δt为持有期；
１ 更本质地说，VAR 是一种思想，或者说是一个框架（《金融风险管理手册》马克﹒洛尔、列夫﹒博罗多
夫斯基，机械工业出版社）。下文将要介绍，VAR 有很多实现方法，每种实现方法又各不相同。
14
~( , ~) ( , ~) ( , )
0 0 ΔP Δt Δx = P t x − P t x 为损益函数（其中： ( , ) 0 0 P t x 是资产的期初价
值，P(t, ~x )是t 时刻的预测值）。
假定 JP 摩根公司在1994 年置信水平为95%的日VAR 值为960 美元，其含
义是指该公司可以以95%的把握保证，1994 年某一特定时点上的金融资产在未
来24 小时内，由于市场价格变动带来的损失不会超过960 万元美元。或者说，
只有5%可能损失超过960 万元美元。
设 W* 是置信水平的阀值，E（W）是资产组合的期望值，则：
VAR =E（W）- W*
W* 可通过下式求得：
f w dw
w
c ( ) * ∫
∞
=
f (w)为风险损失分布曲线。
VAR 可图示如下（以信用风险为例）：
f(w)
图 1-1 VAR 与预期损失、意外损失与异常损失示意图
上图中的预期损失、意外损失、异常损失进一步讨论如下：
预期损失
意 外 损 失 ， 用
VAR 计量异常损失
可由呆帐准备金和风险资本
吸收的损失
无法由呆帐准备金和风险资本
吸收的损失，一般无法计量
W*
w
15
预期损失是损失的统计平均值。在风险管理中，经常计算平均损失，该值
代表了一个资产组合损失的期望或预期值。意外损失是损失额超过平均损失额
的损失，这就是受险价值。异常损失是超过意外损失的损失。
1、预期损失
预期损失经常用于衡量信用风险。对于信用风险，预期损失是贷款组合损
失的统计平均值。损失有的时候大一些，有的时候小一些，但只有平均值才是
预期损失。预期损失是一个针对贷款组合的概念。因为对一笔贷款而言，客户
可能违约也可能不会，但真正的损失决不等于其平均值，而对于贷款组合来说，
总是存在可预期的平均违约行为。实际发生的损失与预期存在一定的差异，但
差异不会太大。
预期损失用银行呆帐准备金来弥补，它来自于银行的收入。
2、意外损失
意外损失是超过预期损失的损失，意外可以取任意数值，意外损失应该用
银行的资本金来进行弥补。
VAR 计量的是意外损失。
3、异常损失
异常损失没有包括在意外损失之中，是指由于各种各样的原因造成异常事
件发生，如东南亚金融危机、911 事件等（这种理论上可能出现的事件发生的
可能性极小，属于小概率事件），可能导致银行的资产全部损失。这种情况就要
求在意外损失与异常损失之间划清界限，异常损失不能用统计学规律来估计，
必须进行压力测试。压力测试通过分析极端情况下银行发生的损失（极端情况
出于人为判断）为风险管理的决策者提供决策依据。
发生异常损失，银行的资本金可能将全部耗尽，导致银行破产或倒闭。因
此，对于银行来说，异常损失是毁灭性的风险，出现的可能性极小但损失额巨
大。
二、风险价值与其它方法的比较
16
风险计量的三种计算方法比较如下表所示：
表 1-1 风险计量的三种计算方法比较表
风险定义 度量工具 优点 缺点
收益或损失的不确定
性
方 差 或 标 准
差
具有理论上的突破意义 不适合投资者的真实感受。
投资收益服从正态分布
风险组合在给定的置
信水平和持有期内的
最大的期望损失
风 险 价 值
VAR
简单易判、能够将风险具体
化为一个可以与收益相匹
配的数字。计算方法灵活
计算方法的选用、历史数据的
宽度、处理方式都影响最后结
果。
三、VAR 的参数选择及影响参数的因素
根据 VAR 的定义，计算VAR 必须要确定两个关键参数。其一是时间段，
其二是置信水平。
1、时间段
度量 VAR 的一个先决条件即是VAR 的时间范围，因为随着时间延长，资
产价格的波动性也必然增加。对度量市场风险而言，一天或一个月比较适宜，
但对信用风险而言，由于贷款期限较长，一般为一年或一年以上，信贷资产组
合价格在一段时间内波动幅度不大，所以时间段选择太短意义不大，常常选择
半年或一年。
（1）在选择时间段要考虑的首要因素是资产的流动性。正如上文所言，资
产的不同性质决定了如果交易头寸可以快速流动，意味着可以选择较短的持有
期；如果流动性较差，交易时寻找交易对手的时间较长，则较长的持有期更合
适。实际上由于商业银行在多个市场上持有头寸，而在不同市场上达成交易的
时间差别很大。这样，银行通常根据其组合同比重较大的头寸的流动性选择持
有期。
（2）实证研究表明：时间宽度越短，实际回报分布越接近正态分布。因此，
在金融资产持有期较短的情况下，以正态分布来拟合实际情况准确性更高。此
17
外，选择正态分布作为度量的标准形式还在于正态分布在统计上的特殊性。
（3）金融交易中，资产管理人员会根据市场状况不断调整其头寸或组合，
所以持有期越常，资产管理人员改变资产组合的可能性越大。而在计算VAR 的
过程中，往往假定在持有期下组合的头寸相同。
（4）VAR 的计算需要大规模的样本数据，大规模的样本数据需要银行的
信息系统能够准确采集。值得注意的是由于金融市场变化非常快，过早的数据
与现在的市场状况相差甚远，因此是无效的。
2、置信水平
置信水平并非越高越好，而是要依赖于对VAR 验证的需要、内部风险资本
需求、监管要求及在不同机构之间进行比较的需要。
（1）要考虑计算的难度。置信水平与有效性之间的关系是置信度越高，实
际损失超过VAR 的可能性越小。这种额外损失的数目越少，为了验证VAR 预
测结果需要的数据越多。由于很难获得验证所需的大量数据，限制了较高置信
水平的选择。
（2）要考虑银行对风险的厌恶程度。当考虑银行的内部资本需求时，置信
水平的选择依赖于银行对极值事件风险的厌恶程度型。风险厌恶性的银行需要
准备更加充足的风险资本补偿额外损失。置信水平反映了银行维持安全性的愿
望和抵消设置风险资本对银行利润不利影响之间的均衡。因此，如果用VAR 模
型确定内部风险资本时，越追求安全性，执行水平越高。
（3）要考虑监管的要求。置信水平要根据监管要求而定。一国的金融监管
当局为保持金融系统的稳定性，会要求金融机构设置较高的置信水平。
（4）要考虑投资者使用的方面程度。置信水平的选择应该考虑到机构之间
的比较。例如，不同机构使用不同的置信水平报告其VAR 值，如果存在标准的
变换方法可以将不同置信水平的VAR 转化为同一置信水平的VAR，那么置信
水平的选择就无关紧要。如果不存在标准的变换方法可以将不同置信水平的
VAR 转换后相互比较，则不同置信水平下的VAR 将不具可比性。
18
目前，使用VAR 技术的商业银行用不同的容忍度（即置信水平）报告其
VAR，以下是几家著名银行所选用的容忍度：
表 1-2 世界知名银行的所采用VAR 容忍度
银行 银行家信托银行 化学银行、大通银行 花旗银行 美洲银行、JP 摩根银行
容忍度1% 2.5% 4.6% 5%
四、VAR 的优点与缺点
VAR 是一种全新的计量风险的方法，甚至可以说，VAR 的出现是风险管理
的一次重大变革，VAR 的优点在于：（1）可以测量不同市场因子、不同金融工
具构成的复杂证券组合（信用资产组合）和不同业务部门的总体市场风险大小；
（2）有利于比较不同业务部门之间风险大小，有利于进行基于风险调整的绩效
评股、资本配置、风险限额设置等；（3）它是基于资产组合层面上的风险度量
工具，可以在具体业务品种、客户、机构等层面上度量敞口风险，充分考虑了
不同资产价格变化之间的相关性，体现出资产组合分散化对降低风险的作用；
（4）可以度量资产集中度风险，为集中度进行总量控制提供依据，有利于监管
部门的监管。
但 VAR 也存在一些缺点，主要是：（1）计算相对复杂；（2）只有当市场处
于正常变动情况下，VAR 对风险的度量才是有效的，VAR 对金融市场价格的极
端变动给资产组合造成的损失无法进行度量，必须依靠压力测试。（3）VAR 的
计算往往依赖于历史数据，其隐含的假设前提是未来与历史存在相似性，但事
实并非一定如此１。
第五节 VAR 的计算
VAR 本质上是对资产组合价值波动的统计测量，其核心在于构造组合价值
１ 关于 VAR 局限性更多的讨论，参见参考文献[36]第134 页，但从理论上讲，这些缺陷不在VAR 方法本
身，而在其所依据的统计或计算方法上。
19
变化的概率分布。基本思想仍然是利用组合价值的历史波动信息来推断未来情
形，只是对未来价值的波动的推断不是一个确定值，而是一个概率分布。
在大多数情况下，由于组合庞大而复杂，且保留所有资产的历史数据不太
现实，因而直接估算组合中各资产的收益与损失几乎是不可能的，因而在VAR
的计算中总是将每一资产映射为一系列“市场因子”的组合，市场因子可以是
影响资产价值的利率、汇率、股票指数或商品价格等基础变量。
基于上述思想，VAR 计算的基本步骤包括：
1、辨识市场因子，并将组合中所有资产用市场因子表示；
2、推测市场因子未来某一时期的变化情景；
3、由市场因子的未来情景估计组合的未来价值；计算损益分布，在给定的
执信水平下计算VAR 值。
计算的关键主要有二：其一是市场因子未来变化的推测；
其二是组合价值与市场因子之间的关系。推测未来市场因子变化的方法有
三种：一种是历史模拟法，利用市场因子的历史状况直接推出市场因子未来情
形；第二种方法是用蒙特卡洛模拟法，利用蒙特卡洛模拟法模拟未来的情形；
第三是方差—协方差分析方法，在市场因子变化服从正态分布情形下，可以用
方差与相关系数来描述市场因子未来的变化。
根据以上分析，不同情形下VAR 的计算方法不同，大体上，可将所有的方
法分为四大类：历史模拟法、方差—协方差分析方法、蒙特卡洛模拟法和情景
分析与应力测试法。
一、历史模拟法
历史模拟法是风险价值计算的最直观的方法，是一种简单的基于经验的方
法，它只直接根据VAR 的定义进行计算。在按时间顺序排列的资产收益的真实
历史数据中使用现在的资产组合比重，然后把资产的利润和亏损绘成概率分布
图，就可以计算风险价值。
历史模拟法是用给定历史时期所观察到的市场因子的变化来表示市场因子
20
的未来变化.在估计模型中，历史模拟法采用全值估计，即根据市场因子的未来
价格水平对头寸进行重新估值，计算出头寸的价值变化（损益）；最后，将组合
的损益从最小到最大排列，通过给定置信度下的分位数求出VAR。
这种方法有很多优点：
1、最容易理解和使用的方法；概念直观，容易被风险管理者、监管当局和
投资者接受。
2、它是一种非参数方法，不需要假定市场因子变化的统计分布，既可以用
于正态分布，也可以用于任何非正态分布，可以有效处理信用风险的非对称和
肥尾（fat tail）问题；处理那些难以计算的金融工具具的收益。
3、历史模拟法无须估计波动性、相关性等各种参数，避免了因为参数估计
不准带来的风险；不需要市场动态性模型，也避免了模型风险。
4、它是全值估计方法，可以较好地处理非线性、市场大幅波动的情况，捕
捉各种风险。
它的缺点主要是：
1、历史模拟法的基本思想是根据过去来预测未来，因此，它假设市场因子
的变化与历史变化完全一致，服从独立同分布，概率分布函数不随时间的变化
而变化，而现实中这一假设未必能完全满足。
2、历史模拟法需要大量的历史数据，而且数据的质量要有保证。否则，如
历史数据量太少，或数据质量较差，VAR 的估计值精确性就难以保证。较长时
间的样本尽管可以使VAR 估计值的稳定性增加，但由于包含很多旧信息，可能
会违反损益独立同分布的假设前提。
3、历史模拟法计算出的VAR 波动性较大。当样本数据较大时，历史模拟
法存在严重的滞后效应，尤其是含有异常样本数据时，滞后效应更加明显，这
会导致VAR 值的严重高估。
4、难以进行敏感度分析。在实际应用中，通常要考察不同市场条件下，VAR
的变动情况，然而历史模拟法却只能局限于给定的环境条件，很难做出相应的
21
调整。
5、历史模拟法对计算能力要求较高，尤其是当组合较为庞大且结构复杂时，
要求有相当的计算能力，软件开发较困难，硬件投入较大；
6、此外，历史模拟法还需假设所有历史数据都具有相同权重。
二、方差—协方差分析方法
由于历史模拟法必须保留市场因子过去多个历史时期所有市场因子的历史
数据，而且对组合中每个资产进行估价，计算起来相当繁琐，所以人们就寻求
其他简单的计算方法。方差—协方差分析方法就是假定市场因子的变化服从正
态分布的情形下，利用正态分布的统计特征简化计算的方法。这种方法的核心
是基于对资产的报酬的方差—协方差矩阵进行计算，属于参数方法。
假设损失服从正态分布，则有：
VAR=损失波动度*波动度乘数
损失波动度即为正态分布曲线的均方差。
波动度乘数的大小不仅依赖于对损失分布的假设，还依赖于选择何种容忍
度水平。
常用的 VAR 乘数如下表：
表 1-3 不同容忍度对应的波动度乘数
容忍度 16% 10% 5% 2.5%
波动度乘数 1 1.28 1.65 1.96
根据组合的价值函数的形式与市场因子的不同假设，可以得到不同的模型。
主要有Delta-正态模型、Delta-加权正态模型、Delta-GARCH 模型、Gamma-正
态模型等。
三、蒙特卡洛模拟法
蒙特卡洛模拟法也称随机模拟法，与历史模拟法十分类似，区别主要在于
前者利用统计方法估计历史上各市场因子的运动参数后，以这些参数模拟这些
市场因子未来的变化情景，而后者则直接根据历史数据来模拟市场因子未来的
22
变化情景。
蒙特卡洛模拟法的基本思想是，为了求解科学、工程处技术和经济金融等
方面的问题，首先建立一个概率模型或随机过程，使它的参数等于问题的解，
然后通过对模型或过程的观察计算所求参数的统计特征，最后给出所求问题的
近似值，解的精度可以用估计值的标准误差表示。
对风险计量而言，蒙特卡洛模拟法主要是得出大量资产收益的可能结果，
在这些结果中，基本市场变量预期行为的影响会多次重复出现。具体的方法是：
第一步，根据历史数据得出平均收益、波动幅度和资产之间的相关系数。第二
步，确定所有市场因素的假定随机数据。第三步，根据资产之间的相关系数对
市场因素随机数据进行调整。第四步，估算出资产组合的利润或亏损。通过成
千上万次地选取不同的随机数据并进行这一成程序，得到组合价值的一系列结
果，根据得出的结论描绘分布，再根据分布计算出风险价值。
蒙特卡洛模拟法具有以下优点：
1、它是一个经验方法，不需要对组合的分布函数作任何特别的假定，只需
通过重复计算机制得到组合价值因市场因素改变发生的所有可能值，可产生大
量情景，比历史模拟法更精确、更可靠。
2、是一种全值估计方法，可以处理非线性、大幅波动及肥尾问题。
3、能够描述很大范围的可能风险，可模拟回报的不同行为和不同分布。
但蒙特卡洛模拟法也有一些缺陷，主要是：
1、产生的数据系列是伪随机数，可能导致错误结果；因随机数中存在的群
聚效应而浪费了大量观测值，降低了模拟效率。
2、依赖于特定的随机过程和所选择的历史数据。
3、模拟所需的计算量大，时间较长，潜在成本（软件与硬件）较高，比方
差-协方差分析法和历史模拟法更复杂。
4、这一方法同样建立在对预期波动进行估计的基础上，并且假定资产间的
相关系数是固定不变的，既有模型风险。
23
由于蒙特卡洛模拟法的全值估计、无分布假定等特点及处理非线性、非正
态问题的强大能力和实际应用的灵活性，近年在风险计量中来被广泛应用。
四、压力测试
压力测试的本质思想是获取大的价格变动或一组价格变动，并将其运用到
资产组合中去，量化将导致的潜在损失或收益。
VAR 通常代表可能很有规律地发生的损失，但它却不能帮助银行规避无法
承受的损失。比如，VAR 可以以95%的置信度告诉银行管理人员一年资产损失
不会超过1000 万元，但如果有极端事件发生，如市场崩溃、金融危机、政治巨
变或自然灾难等，VAR 的估计就会失去作用。因此，压力测试是VAR 技术的
必要补充１。
压力测试应当用于确定银行资产组合风险水平是否在银行风险承受能力以
内。从某种意义上说，压力测试就是研究市场价格大的变化对资产组合的影响。
五、VAR 计算方法的比较
既然计算 VAR 有如此多的方法，具体应用时应该选择哪一种方法来计算
呢？这重要根据资产组合中是否有期权或隐含期权类金融工具，数据收集的状
况，实现方法的难易程度，市场中稳定性和检验其他假设的能力的综合分析来
确定，若组合中只含有小量的期权，且资产价值的变化与风险因子的变化关系
呈近似线性关系，则分析方法中的方差-协方差方法是最佳的选择，因为它不需
要定价模型，而且有商品化的软件，如RiskMetrics 可以直接使用；当组合中含
有大量期权或隐含期权工具时，则可采用其他修正的分析方法或蒙特卡洛模拟
法。这些方法的比较如下表所示：
表 1-4 计算VAR 各种方法对比表
方法
要素
历史模拟法 方差—协方差分析方法
蒙特卡洛模
拟法
情景分析与压
力测试
数据收集难度 困难 容易 容易 较容易
１ 压力测试有称应力测试，主要方法有：情景分析、历史模拟和压力 VAR，详细介绍见参考文献[35]P28
及参考文献[36]P140。
24
方法实现的难度较容易 容易 困难 容易
计算速度 快速 快速 满 快速
向高层解析难度 容易 较容易 困难 容易
市场不稳定 产生偏差 产生偏差 产生偏差 产生偏差
检验其假设的能
力
无
可检验标准差与相关系
数，不能检验分布假设
有无
第六节 风险价值 VAR 的应用
由于 VAR 简洁明了地表示了风险的大小，即使没有任何专业背景的投资者
和管理者都可以通过VAR 对金融风险进行判断，并且VAR 方法可以事前计算
风险，而不像以往风险管理那样，都是在事后衡量风险的大小，另外，VAR 技
术还可以衡量全部资产组合的整体风险大小，这也是传统金融风险管理所不能
做到的。VAR 的这些特点，决定了它自80 年代产生以来，就受到金融业的广
泛重视，越来越多的金融机构运用VAR 作为风险管理的工具，VAR 不但适用
于商业银行和投资银行等金融机构，而且也被国际和各国金融监管机构所采用。
目前，是否能够运用VAR 方法已成为衡量某一机构风险管理水平的标志。VAR
在银行风险管理中的应用包括以下几个方面：
一、作为一个量化工具，能够实现对风险度的把握，从而提高银行的整体
风险管理水平。银行风险管理中最具有挑战性的部分就是风险度的测算问题。
我们经常谈论风险管理，但是如果对风险大小浑然不知的话，风险管理就无从
做起。VAR 能够对风险度准确做出估计，有利于风险管理者正确把握风险，有
的放矢地制订正确的风险管理策略和措施，提高风险管理的水平。以银行信贷
资产风险为例，传统的风险量化是对贷款资产进行分类，然后根据每一类资产
的余额来估计信贷资产风险的大小。这种方法是根据各种贷款的损失可能性来
进行估计，失之主观偏颇。VAR 方法可以对贷款损失给出一个相对客观的估计
值，是信贷风险管理决策有了客观依据。
25
二、有助于银行实现合理的资源配置。VAR 可以揭示不同资产的风险贡献，
使得具有不同特征的资产风险具有可比性，便于银行进行正确决策，合理配置
有限的资金资源。在不使用VAR 方法的情况下，不同资产之间的风险无统一的
标准进行比较。比如，对外汇交易和信贷资产而言，二者的风险成因不同，风
险特征各异，运用传统的方法无法对其风险进行客观比较，因此无法以风险度
的大小了决定持有外汇投资资产恶化信贷资产的合理比例，运用VAR 方法，可
以对不同的资产进行横向比较，由此可以实现对资金资源的合理配置。
三、可作为对银行各业务部门和分支机构业绩进行评估的客观依据。VAR
能够用于根据风险调整及交易的绩效。这在一种交易者自然而然愿意冒额外风
险的环境中是必要的。以VAR 测度值为基础的风险资本代价为交易者提供了一
种纠正后的激励。
随着银行风险意识的增强，从稳健经营的目标出发，对银行每个业务部门
和分支机构的业绩评估由单一的盈利指标发展成为盈利和稳健并重。一般运用
某一业务部门的资产VAR 与收益之比，来揭示每创造1 单位收益所承担的风险，
来考察管理者的综合管理水平。运用这种方法来激励银行各级管理者，有助于
实现收益和稳健的双重目标。
四、金融监管当局的监管工具。金融界的谨慎监管原则要求金融机构维持
一个最低水平的资本以防止金融风险。巴塞尔银行监管委员会、美国联邦储备
银行以及欧盟银行监管部门都趋向于接受VAR 方法作为金融风险的测度方法，
对被监管对象进行风险度量，要求其报告有关VAR 的数值１。相信在不久的将
来，VAR 也会成为人民银行或银监局对我国各金融机构进行风险兼管的一个重
要量化指标。各商业银行应该未雨绸缪，及早开展这方面的研究，为风险管理
技术的升级换代做好准备。
五、VAR 可以大大提高金融机构的信用评级。如前所述，VAR 已成为一个
国际公认的风险测量的方法，能够使用VAR 方法已成为衡量风险管理技术先进
１ 1995 年，巴塞尔资本委员会与国际证券委员会联合发行的一个报告表明，在年报中使用VAR 值的银行
和证券公司正在增多（见参考文献[11]）。
26
性、风险管理水平高低的重要指标。国际评级机构已把是否使用VAR 方法作为
评价金融机构的风险状况的一个权重较大的参数。使用VAR 可提高金融机构的
信用评级。我国银行机构的国际信用评级普遍不高，风险管理落后是一个重要
原因。可以预见风险管理方法的改进和风险管理水平的提高将有助于提高我国
商业银行的国际评级，优化国际形象。
六、VAR 作为风险信息披露的重要手段，可以提升银行在公众中的形象。
随着风险意识的不断增强，风险管理水平已成为公众对银行评价的一个重要因
素。VAR 能够用于在较高层次上评估交易及投资管理过程中的风险管理状况；
同时，以非技术的形式向股东传达一个存在的各种金融风险。这样，VAR 将有
助于加速目前趋向于在市场报告基础上风险的更好披露。此外，VAR 作为一个
信息披露手段，通过在年报或其它报告中披露VAR 数值，向公众展示先进的风
险管理水平和控制风险的信心，从而提升在公众中的形象，为银行业务的拓展
带来新的商机１。
１ 菲利普﹒乔瑞指出：“提供VAR，不仅仅是因为不提供它就难以估测有关市场风险的信息，而且VAR 提
供使股东感到放心。因为有一个合适的风险管理系统正在运作。”（参考文献[11]）
27
第三章信用风险的度量
第一节 信用风险及其性质
一、信用风险的定义
关于信用风险的定义看是一个简单的问题，但事实上究竟什么是风险，它
的内涵是什么，学术界对此一直存在争议，如果信用风险的定义不同，那么对
信用风险的管理和计量自然会有所区别，因此，有必要对信用风险的定义进行
讨论。
事实上，由于经济生活的不断复杂化，信用风险本身也在以不同的形式出
现，伴随着人们对信用风险的认识的不断深入，信用风险的定义是也在不断的
演变发展，此外，风险的管理者、投资者和金融监管当局由于角度不同，对此
也会有不同的看法。
观点一：（传统的定义）信用风险是指交易对手无力履约的风险，也即债务
人未能如期偿还其债务造成违约，而给经济主体带来的风险（《有效银行监管的
核心原则》，巴塞尔委员会，1997 年9 月）。
观点二：信用风险有广义和狭义之分。广义的信用风险是指所有因客户违
约（不守信）所引起的风险。如资产业务中借款人不按时还本付息引起的资产
质量恶化；负债业务中的存款人大量提前取款形成挤兑，加剧支付困难；表外
业务中的交易对手违约引致或有负债转化为表内负债等等。狭义的信用风险通
常是指信贷风险（赵晓菊：《银行风险管理》，上海财经大学出版社，1999 年，
第20 页）。
观点三：信用风险是指由于借款人或市场交易对手违约而导致的损失的可
能性，更一般地，信用风险还包括由于借款人的信用评级的变动和履约能力的
变化导致其债务的市场价值变化而引起的损失可能性。因此，信用风险的大小
主要取决于交易对手的财务状况和风险状况。
随着现代风险环境的变化和风险管理技术的发展，传统的定义已经不能反
28
映现代信用风险及其本质。例如传统的信用风险主要来自于商业银行的贷款业
务，但贷款流动性差，缺乏像一般有价证券那样活跃的二级市场，银行对贷款
资产的价值通常是按历史成本而不是市价来衡量，只有在违约实际发生后才在
其资产负债表中做相应的调整，而在此之前银行资产的价值与借款人的信用状
况及其变动便无太大的关系。从当今组合投资的角度出发，信用资产不仅会因
为交易对手的直接违约而发生损失，而且交易对手履约的可能性的变动也会给
组合带来风险。一方面，一些影响交易对手信用状况事件的发生，如信用等级
降低，赢利能力下降，造成所发行的债券跌价，从而给银行带来风险。另一方
面，在信用基础上所发展起来大交易市场使贷款等流动性差的资产价值能得到
更恰当和及时的反映。如在西方信用衍生品市场上，信用产品的市场价格是随
着借款人的还款能力的变化而不断变动的，这样，借款人信用状况的变动也会
随时影响银行资产的价值，而不仅仅在违约发生是出现。正是从这两方面看，
信用风险不仅包括违约风险，还应包括交易对手信用状况和履约能力上的变化
导致债权人资产价值发生变动遭受损失的风险。与传统的信用风险定义相比，
这种对信用风险的解释更切合信用风险的本质。
不同的信用风险的定义，作为信用风险度量模型的概念框架将会直接影响
到信用风险模型的建立。本文的讨论正是建立在上述第三种观点的基础之上。
二、信用风险的进一步讨论
信用风险所导致的损失取决于很多因素，在信用风险的定义中，信用风险
隐含了几中基本类型的风险，包括违约风险、暴露风险和补偿风险。也就是说，
信用风险既决定于违约行为出现的概率（违约风险）、有决定于出现违约行为时
可减少损失的担保（补偿风险），还决定于发生违约时风险暴露的大小。
1、违约风险
违约风险是发生违约行为的概率，在我们对信用风险的定义中，违约是指
经济违约，即债务人资产的经济价值下降到比未偿还债务的价值还要低时，就
会出现经济违约行为。资产的经济价值是折算成现值的未来预期现金流量的价
29
值，这个价值会随着市场状况不断发生变化，如果资产的市场价值下降到低于
负债的价值时，这就意味着未来现金流量是无法偿还债务的，发生了经济违约
行为。
违约风险是通过在一段给定的时间内出现违约行为的概率来衡量的。通常
违约风险是由借款人或债务人的商业信誉来决定的，这种商业信誉有取决于多
种因素，比如市场前景、公司规模、竞争能力、管理水平及股东控制力等。
违约概率不能直接度量，但可以利用违约行为出现的历史统计数据计算得
出。这些统计数据可以从公司内部收集，也可以从信用评级机构或管理当局收
集。从观测到的统计数据可以得到，在给定的一段时间内违约事件发生的频率，
与所有借款人或债务人的样本数量相比后，便得到了违约频率，这个违约频率
常常作为该样本的违约概率。但由历史数据得到的是历史违约概率，并不一定
完全等于预期违约概率。
2、暴露风险
暴露风险是由于贷款余额即风险暴露（也称风险敞口）的不确定性产生的，
对于一笔合同金额确定的贷款而言，可以提前知道未来尚未清偿的贷款余额，
在这种情况下，可以认为其暴露风险极小甚至可以忽略不计（当然也有提前还
款的可能）。
但在另外一些情况下却并非如此，由于信贷产品的多样化，风险暴露也充
满了不确定性。授信贷款、贷款承诺、法人透支帐户、信用卡等，允许借款人
在需要的时候利用这些信贷额度，风险暴露既取决于借款人的需要，又受到银
行确定的额度的限制，这种不确定性导致未来风险暴露的不确定性，形成暴露
风险。
随着金融衍生工具的出现，其它类型的风险暴露也相应产生，在这种情况
下，风险暴露的不确定性不是来自于客户的行为，而是来自于市场的波动。
3、补偿风险
在发生违约行为的情况时能获得多少补偿是无法预测到的，这取决于担保
30
类型和其它因素。补偿风险可细分为抵押风险、第三方担保风险法法律风险。
（1）抵押风险。抵押是控制风险的普遍方法，如果抵押品能够很容易地接
管并以很高的价格出售的话，抵押物的存在将会大幅度地降低信用风险。但一
般而言，抵押物本身存在很大的不确定性，首先，抵押物的评估价值与市场公
允价值会有差距，其次，抵押物的市场市场价格也存在不确定性。
（2）第三方担保风险
通过第三方担保可将借款人的信用风险转变为担保人的信用风险，但这并
不是一个简单的风险转移，因为此时借款人的违约风险会变为借款人与担保人
同时发生的违约风险，即无法实现这个担保的风险。
（3）法律风险
法律风险取决于违约的类型，发生违约风险并不意味着借款人将来也不会
偿还债务，但是违约会引发债权人采取各种行动，如双方协商、谈判，进行债
务重组，或债权人起诉至法院，通过法院采取强制手段来维护债权人的利益。
在最好的情况下，所有债务都得到清偿，在最不利的情况下，债务人面临倒闭
清算，根本没有多余的资金来偿还债务。
三、信用风险量化的意义
正如 JP 摩根银行在其信用风险管理模型CreditMetrics 的介绍中所说的那
样，量化信用风险的主要目的在于以下四个方面：第一是为信用风险的衡量创
造一个共同的市场标准，以使得不同种类和来源的风险可以相互比较，第二是
为了提高信用风险的透明度，改善风险管理工具，进而增强市场的流动性。第
三是为监管当局提供一个能够更加准确地放映经济风险的资本充足的监管框
架。第四是为其它传统的信用风险管理决策提供有益的补充手段。
第二节 传统的信用风险度量技术
从人类社会借贷行为的发生的那天开始，就有了信用风险，也就有了对信
用风险的评估技术。在讨论将VAR 技术用于计量信用风险之前，先对传统的信
31
用风险度量方法做一个简单的介绍。
一、专家评定方法
所谓专家评定方法，就是对信用风险的评估由富有经验或具备一定专长的
人士来完成。这意味着，对贷款信用风险的评定主要依赖于信贷专家专业技能、
主观判断和对某些关键因素的权衡。
主要专家评定方法有 6C 原则（品格、还款能力、资本、担保品、经济形
势、事业连续性）、 5W 原则（借款人、贷款目的和用途、抵押品、贷款期限、
还款来源及计划）等
专家评定所使用的技术主要有财务分析技术和非财务分析技术。专家评定
主要依赖定性分析，尽管银行仍然在其风险信贷决策过程不可避免地使用专家
方法，但专家方法面临两个主要问题：
一是一致性问题：对不同的借款人，哪些因素是影响债务人信用风险的共
同因素、重要因素，专家对各因素的主观权重可能会因债务人的不同而有所变
化，或是不同的专家对同一债务人或相似的债务人可能得出不同的结论。
二是主观性问题，专家评定主要依赖定性分析，在所考虑的因素中，哪些
因素最重要，应优先考虑，也难以在债务人的强项指标和弱项指标之间达到平
衡，各指标的重要性排序不明确。因此，专家评定法有相当强的主观性。这就
使得对同一借款人，不同的专家可能做出不同的结论，而且难以在这写结论中
进行取舍，结果是，在任何一家银行内部，对于情况相识的借款者，不同的信
贷决策人完全可以运用不同的标准，得出不同的结论。因此，实践中往往采用
审贷委员会多人审批的方式或多级别签字授权的机制来解决一致性问题。
此外专家评定法需要相当数量的信用风险人员，且审查程序繁琐，费时费
力，成本高。
二、信用评分方法（Z 值计分模型）
信用评分方法由美国著名的信用风险专家 Altman 创建，是一个以财务比率
为基础的多变量模型。其基本思想是：破产公司的财务比率与经营良好的公司
32
截然不同。利用数理统计中的辨别技术，选择若干最能反映债务人财务状况、
对贷款质量影响最大、最具预测分析价值的财务比率，利用权重加以综合，设
计出一个能最大程度区分破产与非破产债务人的数学模型或判断函数。
Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5
各 X 的意义如下：
X1，营运资本/总资产
X2，留存收益/总资产
X3，息税前利润/总资产
X4，权益市场值/总债务帐面值
X5，销售收入/总资产
设定临界值为：破产下限值为1.81，其下为破产区域；非破产下限为2.99，
其上为非破产区域；中间为灰色区域。通过计算Z 值，看其落在破产还是非破
产区域。若债务人或贷款申请人落在灰色区域时，再对其进行进一步的风险审
查。
信用评分模型的优点：（1）相对客观且量化，（2）属于会计信用评分系统
多变量模型，模型可以得出对借款人信用度的综合评定。
但是，信用评分模型仍然存在的不足：（1）判别函数是线性的，但是借款
人违约或破产的路径是高度非线性的，各个X 之间的关系也可能是非线性的，
因此。模型可能不能描述各因素与违约之间的非线性关系１；（2）除了股权的市
场价值一项之外，模型的参数都是基于历史财务数据，在大多数国家，财务数
据一段时间间隔之后才予以披露，因此，模型的评价结果可能滞后于借款人信
用品质的实际变化；（3）未将非财务指标纳入其中；（4）缺乏对企业信用等级
的细致区分。
三、信用评级
银行内部信用评级系统包括两个方面，一是对客户信用状况的总体评价，
１ 为了克服这一缺陷，近年来，有人将神经网络系统应用于信用评分方法，以将线性的信用评分方法改造
为非线性的信用评分方法。
33
即客户资信评级；二是对信贷工具风险的判断，即债项评级，主要是贷款风险
评级。
1、客户资信评级，各家银行资信评级的主要内容根据评估对象的不同而有
所差异，但一般都包括以下几个方面的内容：
行业分析、财务分析、信息质量分析（会计信息真实性）、经营管理分析、
信用史考察等。
在评级方法上，一般将定量与定性分析相结合，在定量评估财务数据的基
础上，再加上对经营面、业务面的定性判断，做出最终的评估。
目前，中国建设银行根据客户的资信将其分为七类，分别是：AAA、AA、
A、BBB、BB、B、F。
2、贷款风险评级（分类），核心标准是贷款归还的可能性。贷款风险评级
不同于客户信用评级，虽然后者在很多情况下与客户整体还款能力有正相关关
系，但仅就一笔贷款而言，影响贷款本息归还的因素往往超过借款人信用等级
所包含的内容。根据贷款的信用质量定期对贷款进行评级，可以监控贷款信用
风险的含量。
我国传统的贷款分类主要以期限为基础划分贷款类别。1998 年以前，贷款
分类方法基本沿袭《金融保险企业财务制度》中的规定，把贷款划分为正常、
逾期、呆滞、呆帐四类，后三类称为不良贷款。从本质上将，这种按贷款逾期
的时间长短进行分类，仅仅是一个会计概念，并不能真正揭示贷款所面临的风
险。从2004 年7 月开始，采用新的金融企业会计制度，四级分类法变更为三级
分类法，即正常、逾期及非应计贷款，已基本上以风险分类无关。
传统方法虽然简单易行，存在的局限性显而易见，已经不能适应贷款管理
的发展需要。1998 年，中国人民银行在比较各国做法的基础之上，结合我国国
情，制定了《贷款风险分类指导原则》，要求国有商业银行逐步从传统“一逾两
呆”分类法逐步过渡到新型五级分类法。我国的五级分类法主要是借鉴了美国
的标准，根据信贷资产按时、足额回收的可能性，信贷资产划分为正常、关注、
34
次级、可疑、损失五个不同类别，后三类合称为不良信贷资产。2003 年9 月，
中国银行业监督管理委员会国有商业银行和股份制商业银行自2004 年1 月起实
行五级分类法。具体标准如下：
正常：债务人能够履行合同，没有足够理由怀疑债务人不能按时足额偿还
债务。
关注：尽管债务人目前有能力偿还债务，但存在一些可能对偿还产生不利
影响的因素。
次级：债务人的偿还能力明显出现问题，完全依靠其正常营业收入无法足
额偿还债务，即使执行担保，也可能会造成一定损失。
可疑：债务人无法足额偿还债务，即使执行担保，也肯定要造成较大损失。
损失：在采取所有可能的措施或一切必要的法律程序之后，债权仍然无法
收回，或只能收回极少部分。
信用风险评级具有显著的优点，它综合考虑各方面因素，对评级对象做出
较为全面的风险评价，并对信用风险的内在含量给予较为细致的划分，并用级
别标识直观表示风险含量的高低。但其缺点也较明显，主要是：1、依据财务报
表和企业的其它相关记录进行评级，属于静态分析；2、用离散的信用等级变化
描述信用质量，加之采用的信用评价技术缺乏严密性，只是对风险的近似估计，
因而对信用风险的量化还不够精确；3、一般不能对客户和信贷资产的信用风险
进行实时监控。
第三节 度量信用风险面临的挑战
一、信用风险是商业银行、尤其是我国商业银行面对的主要风险
长期以来，信用风险就是银行业，乃至整个金融业最重要的风险形式，尽
管各种市场风险在最近几十年里变得越来越突出，尤其是金融自由化和银行混
业经营的发展趋势使得商业银行也面临更多的市场风险，因而也引起了人们更
多的关注，但是，从世界银行业来看，市场风险的增强并没有改变信用风险作
35
为银行业最主要的风险形式的状况，信用风险仍然是商业银行面对的最主要的
风险，信用风险和市场风险两者共同构成了金融机构和监管部门风险管理的主
要对象和核心内容。
从我国商业银行的情况来看，信用风险更为突出。
根据正式公开的数据，按照“一逾两呆”口径，2001 年底四大国有商业银
行的不良贷款为18000 亿元，不良率为25.37%，按照五级分类口径的不良率为
31.1%，远远高于东南亚国家银行的1997 年发生金融危机时的不良率。更应引
起人们注意的是，不仅国有商业银行的信用风险很高，一些新成立的股份制商
业银行的信用风险也很高，商业银行的信用风险正成为悬在中国银行业头顶上
的一把利剑，如何控制和化解释商业银行的信用风险成为银行改革发展中的头
等大事之一。
表 3-1 99 年我国主要商业银行利息收入占营业收入的比重
行名 比重 行名 比重 行名 比重
中国工商银行 88.30% 中国交通银行68.87% 广东发展银行72.70%
中国农业银行98.74% 中信实业银行74.59% 深圳发展银行78.85%
中国银行79.56% 光大银行67.11%
中国建设银行79.06% 华夏银行55.34%
中国招商银行81.36 民生银行79.10%
（资料来源：中国金融年鉴，1999，中国金融出版社）
从表 3-1 可以看出主要各商业银行的营业收入中，利息收入都占了主导地
位，其中几家成立较晚的上市银行机构要好一些，而四大国有商业银行的比重
也都在80%左右可以说，我国商业的业务种类比较单一，信贷业务是各商业银
行最核心的业务，也导致了信用风险比较集中。
二、与市场风险相比，信用风险的计量显得更为困难
不同于市场风险管理是，在相当长的时间内，金融机构和监管部门对信用
风险的计量方法发展缓慢，没有很大的进展。之所以如此，是因为信用风险具
36
有与市场风险不同的特点，其量化的难度较市场风险大得多。
相对于市场风险而言，信用风险具有以下几个特点：
1、信用风险的概率分布明显不同于市场风险的概率分布
与市场风险相比，信用风险一个重要的特点就在于其概率分布。通常我们
认为市场风险的概率分布可以被假定为正态分布，因为市场价格的波动以其期
望值为中心，主要集中在相近的两侧，而远离期望值发生的可能性较小，与正
态分布曲线相似。这种正态分布的假设在很多情况下都反映了市场风险的基本
特征。然而信用风险的分布却与市场风险的分布不同。对于担保贷款，其风险
特征是在贷款安全收回的情况下，债权人获得正常的利息收益，但一旦风险转
化为实际损失，这种损失要比利息收益大很多。这种收益与损失不对称的风险
特征使得信用风险的概率分布向左倾斜，并在一侧出现“肥尾”现象。这一特
征使得正态分布的假设在计量信用风险时不再适用，从而为信用风险的统计分
析带来比市场风险更大的困难。
信用风险与市场风险的分布曲线如图 3-1 所示，两种风险的损失分布概率
明显不同。
图 3-1 信用风险与市场风险的损失分布
在正态分布的假设下，如第二章第二节所述，通常可以比较简单地来计算
VAR：
损失负收益（损失）
损失概率
信用风险损失分布
市场风险损失分布
收益
损失概率
37
VAR=损失均方差*VAR 乘数
VAR 乘数与所选取的容忍度对应，如表所1-3 示。
但信用风险的实际分布并不符合正态分布曲线，所以这一公式并不适用。
2、道德风险在信用风险中起重要作用
不同于市场风险的第二个特点是，贷款等信用交易存在明显的信息不对称
现象，即交易双方对信息的知悉程度是不对等的，一般情况下，债务人掌握更
多的交易信息而处于有利地位，债务人所拥有的信息较少而处于不利地位，从
而会产生所谓道德风险，而对市场风险，交易双方所拥有的信息基本上是对等
的，基本上不存在信息不对称的问题。因此，道德风险在市场风险的形成过程
中的作用没有信用风险那样突出。
3、信用风险承担者对风险状况及其变化的了解更加困难
信息不对称的另外一个结果表现为授信对象的信用状况不如市场价格变化
那样容易观察，因而投资者或者债务人对信用风险的了解不如对市场风险那样
及时、深入。授信者对授信对象信用状况及其变化的了解主要有两条渠道：一
是通过长期的业务关系自己掌握有关信息；二是外部信用评级机构公布的评级
信息。然而这两条渠道都有很大的局限性，前者明显受到自身业务范围的局限，
而后者只能覆盖有限的大企业，对于众多的中小企业则不能提供相应的信用信
息。这一特点造成了计算两个或更多企业间信用风险的相关系数远比计算两个
市场产品相关系数困难得多。
4、信用风险具有明显的非系统性特征
信用风险的非系统性风险特征明显，而市场风险则表现出较强的系统性特
征，尤其是利率风险和利率风险。尽管债务人的偿债能力也会受到诸如经济危
机等系统性因素的影响，但多数情况下还是取决于与债务人明确相联系的非系
统性因素的影响，如贷款投放方向、债务人经营管理能力、债务人财务状况甚
至债务人还款意愿等。
5、信用风险的观察数据少，且不易获取
38
造成这一局限性的首要原因在于贷款等信用产品的流动性差，缺乏二级交
易市场，而对于市场风险而言，各种金融产品发达的二级市场为观察市场风险
的变化提供了大量的数据，从而使得运用各种数理统计模型来度量市场风险成
为可能；其次，二级市场的交易损益的度量一般可以采取盯市的原则，市场风
险的变化因而可以得到及时的反映，但信用产品一般不采取盯市法，而通常在
贷款发生前采用帐面价值，因而其数据难以反映信用风险的变化；再次，由于
上述信息不对称的原因，直接观察信用风险的变化也较为困难；最后；贷款的
持有期限一般都较长，即便到期出现违约，其频率也远比市场风险的观察数据
少。数据匮乏的这一特点是造成VAR 模型来度量信用风险比度量市场风险困难
得多的主要原因。
6、难以检验模型的有效性。模型检验的困难很大程度上也是由于信用产品
持有期限长、数据有限的原因。在对市场风险的VAR 进行检验时，即使是10
日的持有期限，对其进行返回检验在数据规模上都是难以达到的，因而VAR 模
型进行返回检验在一般只限于几天甚至一天。显然贷款的持有期限一般要远远
大于10 天，通常在1 年以上，这在较高的置信水平的要求下检验模型的有效性，
对数据规模的要求是不现实的。
三、推动信用风险量化技术发展的因素
20 世纪90 年代以来，在经理数次国际债务危机和金融震荡的沉重打击之
后，国际银行业注意到信用风险仍然是商业银行所面临的最主要的风险，不得
不对传统信贷风险管理方法进行重新审视和认真反思。在这种情况下，虽然计
量信用风险存在一系列的困难，但许多大银行和金融机构试图开发各种内部模
型来度量信用风险，与相对含糊和因循惯例的传统方法不同，新的度量方法更
加注重建立技术性很强的数学模型，而其中以VAR 为基础的度量方法最令人瞩
目。
信用风险计量技术的发展，除了第二章第一节 “度量风险的意义” 所谈
到的原因之外，还有以下几个方面的原因，推动了以VAR 为基础的信用风险度
39
量技术的发展：
1、现代投资组合管理实践的要求
随着现代组合投资管理理念的盛行，信用风险得以在更加广泛的范围内被
分散。这一方面为组合投资者降低信用风险提供了更加有效的途径，另一方面，
组合投资者面临的信用风险也越来越复杂，越来越难以汇总；同时，组合投资
的有效实行又要求投资者对每一具体投资以及整体投资组合的风险进行合理的
衡量，进而为实际投资决策提出意见。CreditMetrics 模型的产生和发展就充分
体现了组合投资原理在风险管理的实践中对具体信用风险计量模型的要求。
2、市场风险量化技术的推动
而近几年来，由于市场风险量化模型的成功，推动了信用风险计量模型的
发展，以Creditmetrics 为代表的信用风险量化和模型管理的研究和应用获得了
相当大的发展，信用风险管理决策的科学性不断增强，这已成为现代信用风险
管理的重要特征之一。VAR 最初只被用来计量市场风险，由于以VAR 为代表
的市场风险管理模型在20 世纪90 年代的迅速发展，极大推动了整个风险管理
的现代化进程，风险量化成为一个风险管理领域一个重要的发展趋势。在较为
成熟的市场风险VAR 模型RiskMetrics 推出之后，信用风险VAR 模型就成为了
风险管理研究的新焦点。风险管理专家一直在致力于寻找一种衡量信用风险的
标准，以便将市场风险和信用风险这两种最重要的风险形式进行比较和整合。
3、信用衍生产品推动了信用风险计量模型的发展
信用衍生产品是现代信用风险管理的新的有效手段，有着非常广泛的市场
需求。目前，信用衍生产品发展的一个主要障碍就是许多金融产品的信用风险
难以量化，而信用衍生产品的开发直接依赖于对这些金融产品信用风险的准确
计量，没有量化的信用风险，就无法对纯粹以信用风险为交易的信用衍生产品
进行准确的定价。
4、巴塞尔新资本协议中内部评级法推动信用风险量化模型的发展
与 1988 年的资本协议相比，新资本协议有了很大的变化，最突出的一点是
40
关于资本充足率的衡量和计算。在巴塞尔委员会制定的资本协议第三稿中提出
了采用内部评级法（IRB）计算和衡量银行资本充足率的主张和标准，内部评
级法开始受到金融界人士的关注。巴塞尔委员会在报告中给出了三种计算资本
充足率的选择，即标准法、初级法和高级法。后两种方法都属于内部评级法。
巴塞尔新资本协议中内部评级法（IRB），其用意之一就是希望银行建立自
己的内部信用风险模型，作为内部评级的基础，从而使资本要求的计算更为精
确，与银行实际的信用风险状况相匹配。
在这种情况下，VAR 方法自然成为商业银行建立自己的内部评级法的首选。
其实，早在1996 年，巴塞尔委员会公布了巴塞尔资本协议的一个补充准则，
允许银行运用VAR 模型计算需要的资本数量，并提出以下要求：
1、银行至少用1 年的数据计算在1%置信水平上10 天的VAR 值。
2、银行需要的资本额提取如下两个值中的最大值，即180 天、1%置信水
平上VAR 值的移动平均值和目前的1%置信水平上VAR 值。
3、模型要能通过返回检验，如果模型低估了组合风险，银行会受到惩罚。
返回测试的标准是：在250 天以内，如果有5 天以上的损失值高于模型预测值，
则模型存在一定问题。
由于信用风险的时间跨度一般较长，又缺乏市场数据。在这种情况下，信
用风险模型难以进行返回测试，因此，要达到上述要求，困难极大。
41
第四章组合的信用风险与组合信用风险计量模型
第一节 组合的信用风险与信用风险的相关性
一、组合的信用风险
信用风险的一个衡量尺度是风险暴露，也即风险敞口的大小，但风险暴露
并非真正的风险，也就是说并不是所有的客户的违约损失都等于其风险暴露。
风险分散效应是金融领域中一个古老而又基本的特征，它的基本原理在于
并不是所有的风险都将同时发生，或者说，对于大量的债务人，任何特定债务
人的违约概率很小。风险分散效应使得贷款组合的风险远远低于所有单笔贷款
的风险之和。下面用两笔贷款组合的风险和单笔贷款的相比较来说明风险分散
效应的基本原理。
单笔贷款 A 的风险暴露贷款余额为100（对信用风险而言，风险暴露主要
就是贷款余额），违约概率为10%，贷款A 的违约概率分布情况如下表所示：
表 3-2 贷款A 的违约概率分布表
损失 概率 预期损失
A 没有违约0 90% 0
A 违约100 10% 10
合计 100% 10
如将该笔贷款拆分为两笔各为 50 贷款B 和C，分别贷给情况相同的两名客
户，违约概率也为10%（假设B、C 不相关，即B 违约与否与C 无关），则贷
款B、C 组合的违约概率分布如下表所示：
表 3-3 贷款B、C 组合的违约概率分布表
损失 概率 预期损失
B、C 都没有违约0 81% 0
42
只有B 违约50 9% 4.5
只有C 违约50 9% 4.5
B、C 都违约100 1% 1
总计 100% 10
损失方差是损失偏离平均预期值的数值平方之和，损失均方差是损失方差
的平方根，我们用损失均方差来度量贷款面临的风险。从以上数据得到，
A的方差=(100 10) 10% (0 10) 90% 900 − 2 × + − 2 × =
A 的均方差为900 的平方根，即30
B、C 组合的方差
=(10 0) 81% (10 50) 9% (10 50) 9% (10 100) 1% 450 − 2 × + − 2 × + − 2 × + − 2 × =
B、C 组合的均方差为450 的平方根，即21.2
显然，贷款A 与贷款B、C 组合的预期损失均为10，但贷款B、C 组合的
均方差21.2 小于贷款A 均方差的30，即在风险暴露相等、违约概率相同的情
况下，贷款B、C 组合面临的风险小于单笔贷款A 的风险。一个通俗的解释是：
只有当B、C 同时违约的情况下，才相当于贷款A 违约，而B、C 同时违约的
概率远远小于贷款A 违约的概率。其他情况下要么B 违约，要么C 违约，而造
成的损失都没有A 违约来得大。
可见在其它条件不变的情况下，将一笔贷款拆分为两笔，贷给不同的借款
人，可以有效的分散风险。
二、违约的相关性
在上述例子中，我们假定贷款组合内 B、C 两笔贷款的违约互不相关，即
贷款B 是否违约与贷款C，反之也一样。这是也许是一个合乎事实的假设，但
也常常会出现这样的情况，即B 违约时C 也违约，B 不违约时C 也不违约，这
时B、C 的贷款组合与单笔贷款A 所面临的风险相差无几。当B、C 为同一行
业的贷款，在同一区域，面临同样的市场环境或政策环境时，往往会出现这种
43
情况。
因此，要准确度量贷款组合的风险，还必须掌握组合内贷款的违约相关性。
任何一笔贷款的预期违约率都是一个从 0 到1 的随机变量，从数学的角度
来看，可用协方差和相关系数来表示两个变量之间的相关性。当两变量为Xi 和
j Y ，数学期望（即均值）分别为x E 、y E ，联合概率为ij P 时，两个变量的协方
差表示为
=Σ [( − )( − )] xy ij i x j y σ P X E Y E
Xi 和 j Y 的相关系数xy ρ
表示为
Xi Xi xy xy x y ρ =σ /σ σ
Xi Xi 其中xy σ
是Xi 和j Y 的协助方差， x σ 和y σ
分别为Xi 和j Y 的标准方
差。
对于信用风险，相关系数是衡量不同违约事件之间的相关关系的基本参数，
相关系数小于或等于1，大于或等于-1，即若ρ 为相关系数，则：
−1 ≤ ρ ≤ 1 或 ρ ≤ 1
当ρ =1 时，称两事件完全相关，当一笔贷款违约时，另一贷款也一定违约，
ρ = −1时，称为完全负相关，当一笔贷款违约时，另一贷款一定不违约，ρ = 0
时，两笔贷款是否违约毫无关联。
对于信用风险，可通过历史数据分析出不同的信用等级、不同行业和区域
的违约率变化之间的关联程度，一般说来，这需要对大量的历史数据进行观察
和统计，需要数据库技术和信息技术的支持。
每两个变量就有一个相关系数和协方差，具体对贷款组合而言，组合内每
两笔贷款就有一个相关系数和协方差，假设组合内有N 笔贷款，则共有
N2 个
相关系数和协方差（含每笔贷款自身的方差），可以排成N × N 方差—协方差矩
44
阵或N × N 的相关系数矩阵。
N × N 方差—协方差矩阵
N × N N × N 贷款1 贷款2 贷款3… 贷款 n
N × N N × N 贷款1 11 σ 12 σ 13 σ … 1n σ
贷款 2 21 σ 22 σ 23 σ … 2n σ
贷款 3 31 σ 32 σ 33 σ … 3n σ
􀀣 􀀣 􀀣 􀀣 􀀣
贷款 n n1 σ n2 σ n3 σ … nn σ
上述矩阵中， 11 σ 是贷款1 的方差， 12 σ 是贷款1 与贷款2 的协方差，显然
有21 σ = 12 σ ， 13 σ = 31 σ ，以此类推，即ij ji σ =σ
，下标互换后值不变。
N × N 相关系数矩阵
N × N N × N 贷款1 贷款2 贷款3… 贷款 n
N × N N × N 贷款1 1 12 ρ 13 ρ … n 1
ρ
贷款2 21 ρ 1 23 ρ … n 2
ρ
贷款3 31 ρ 32 ρ 1… n 3
ρ
􀀣 􀀣 􀀣 􀀣 􀀣
贷款 n 1 n
ρ
2 n
ρ
3 n
ρ
… 1
任何一笔贷款都与其自身完全相关，所以相关系数矩阵中，其中一条对角
线上的值为1，与方差—协方差矩阵类似，也有ij ji ρ = ρ
。
违约的相关性是一个复杂的问题，由于社会经济生活的复杂性，准确确定
45
两个借款人之间的违约相关系数尤为困难，因为导致借款人违约的因素实在太
多，商业银行不可能事先知道哪一个因素将发挥主要作用１。比如当经济发展正
常的情况下，两个借款人的违约高度相关，但当经济环境发生变化时，由于其
所处的地域不同，政治和法律环境不同，其违约相关性肯定要发生变化。尽管
如此，我们还是可以确定一个基本的思路，就是由权威机构（如银监局）以行
业作为大类对借款人进行分类，对历史数据进行统计，通过数学模型计算出不
同行业的违约相关性，并定期公布。
三、贷款组合的信用风险
我们已经知道，贷款组合内有不止一笔的贷款，由于风险的分散效应，贷
款组合的风险远远小于组合内每一笔贷款风险的简单相加，要精确度量贷款组
合的风险，就要考察组合内贷款之间的相关性。因此，要度量贷款组合的风险，
必须知道以下数据：组合内每笔贷款的风险暴露、每笔贷款的预期违约率、每
两个违约率间的方差-协方差和相关系数。
将每笔贷款的风险暴露横向排列，得到一个矩阵 E ，再将其纵向排列，得
到矩阵ET（即矩阵E的转置矩阵）， 方差、协方差排列成方差-协方差矩阵Σ，
可通过以下公式计算得到组合贷款的损失L 的方差：
D(L) = E × Σ× ET
所以组合损失的均方差为
σ (L) = D(L) = E × Σ× ET
贷款组合损失的数学期望是每笔贷款的风险暴露乘以其违约率，所得到的
积全部相加后得到的和，用矩阵形式表示为：
E(L) = E × P
P 是每笔贷款违约率纵向排列后得到的矩阵。
１ 关于违约的相关性，巴塞尔新资本协议这样描述：“即使内部评级法的高级法也未能使银行根据不同借
款人之间风险的相关性，对所计量的风险进行个别调整”(见《巴塞尔新资本协议内部评级法(中译本)》)，
即可表明违约的相关性对信用风险计量既极端重用，同时又难以准确的进行计算。
46
第二节组合信用风险计量模型：CreditMetrics 模型
1997 年4 月，JP 摩根银行推出了一种新的度量信用风险的模型和方法，即
CreditMetrics 模型。这种方法度量信用风险的原理可以用图4-1 的框架图来表
示如下：
CreditMetrics 模型框架主要由两大模块组成，一是个体的VAR 值，二是
从资产组合层面考虑分散化效应的VAR 值。另外还有风险敞口和相关性作为相
关性的支撑。
一、单笔贷款的信用风险度量
CreditMetrics 模型计算单笔贷款或债券风险价值分四步进行。
第一步，求出借款人期末的信用等级转移概率。假定借款人最初的信用等
级已知，一年后有八种可能的信用状态。即从AAA 到D 级（违约），则一年后
借款人由初始信用等级转移到其它信用等级的概率称为信用等级转移概率。不
联合信用等级
变化
市场波动 等级转换 违约情况下
的违约率
债权再贴现模型相关性
敞口分布由于单个敞口信用质量的变化引起的价值标准差
由信用引起的组合风险价值
组合 信用等级 优先性信用差 等级序列权
益系列
敞口 由信用引起的风险价值 相关性
图 4-1 CreditMetrics 方法的框架示意
47
同初试借款人向所有可能等级转移的概率汇集起来构成一个的转移概率矩阵，
矩阵中每一个元素表示某借款人的期初信用等级在期末转移向另一个等级的概
率。转移概率利用历史数据求得。表4-1 是标准普尔公布的转移概率矩阵。
表 4-1 一年内从某信用等级变为另一信用等级的转移概率矩阵
1 年后等级
初始等级
AAA AA A BBB BB B CCC D（违约）
AAA 90.81 8.33 0.68 0.06 0.12 0 0 0
AA 0.70 90.65 7.79 0.64 0.06 0.14 0.02 0
A 0.09 2.27 91.05 5.52 0.74 0.26 0.01 0.06
BBB 0.02 0.33 5.95 86.93 5.3 1.17 1.12 0.18
BB 0.03 0.14 0.67 7.73 80.53 8.84 1.00 1.06
B 0 0.11 0.24 0.43 6.48 83.46 4.07 5.2
CCC 0.22 0 0.22 1.30 2.38 11.24 64.86 19.79
资料来源：标准普尔Credit Week(1996 年4 月15 日)
第二步，估算未来不同信用等级下的贷款远期价值。贷款的理论市价随信
用等级变化而变化，若信用等级下降，贷款剩余现金流量的信用风险价差（违
约风险升水）就会上升，贷款价值（未来各期现金流折现之和）下降；若信用
升级，则信用价差下降，贷款价值上升。贷款在一年后的现值（价值）公式：
( ) ( ) Σ−
= + +
+
+
+ +
= +
1
1 1 1
n
i
n
n n
i
i i r s
R F
r s
P R R
式中：R 为固定年利息，F 是贷款金额，n 是贷款年限， i r 是第I 年远期零
息票国债利率（无风险利率）， i s 为特定信用等级贷款的第I 年度信用风险价差。
表 4-2 是JP 摩根给出的贴现率数据，这些数据是根据债券的零收益曲线得
到的。
48
表4-2 每一信用等级的贴现率（单位：%）
类别 一年 二年 三年 四年
AAA 3.60 4.17 4.73 5.12
AA 3.65 4.22 4.78 5.17
A 3.72 4.32 4.93 5.32
BBB 4.10 4.67 5.25 5.63
BB 5.55 6.02 6.78 7.27
B 6.05 7.02 8.03 8.52
CCC 15.05 15.02 14.03 13.52
资料来源：CreditMerics——Technical Document,April 2,1997
例如，计算一笔面值100 元5 年期BBB 级无担保债券的风险价值，假设年
利率6%（或者一笔本金为100 元的BBB 级无担保贷款），1 年后的现值为：
VBBB =6+6/1.0410+6/(1.0467) 2 +6/(1.0525) 3 +106/(1.0563) 4
同理，可以计算出不同级别债券 1 年后的价值（表4-3）：
表 4-3 不同信用等级下债券1 年后的价值
级别 价值
AAA 109.37
AA 109.19
A 108.66
BBB 107.55
BB 102.02
B 98.10
CCC 83.64
违约51.13
49
第三步，得出贷款价值的实际分布。将不同等级的年末贷款价值与转移概
率结合，即可得到贷款价值在年末非正态的实际分布。
根据上述计算以及信用等级转移概率，可以得到债券 1 年后的价值分布情
况（表4-4）：
表 4-4 BBB 债券1 年后价值分布及价值变化
级别 状态概率 未来值 价值变化
AAA 0.02 109.37 1.82
AA 0.33 109.19 1.64
A 5.95 108.66 1.11
BBB 86.93 107.55 0
BB 5.3 102.02 -5.53
B 1.17 98.1 -9.45
CCC 0.12 83.64 -23.91
违约0.18 51.13 -56.42
第四步，计算贷款 VAR 值
从贷款价值的实际分布，就可以得到对相应的VAR 值。从表4-4 可以看出，
在99%的置信水平下，该笔债券1 年的损失在23.91 以内，因此债券的风险价
值为23.91。
如 果 认 为 债 券 的 价 值 变 化 服 从 正 态 分 布 ， 则 价 值 变 化 的 均 值 为
m = mean(ΔV ) = −0.46，方差=Σ Δ − = =
i
i i σ 2 p ( V m)2 8.95,则σ 2.99，如果置信
水平为99%，则临界值为m − 2.33σ = −7.43，也就是说风险价值为7.43，这比
23.91 小得多，说明采用正态分布价值不能很好地反映价值变化。这也说明了信
用风险的损失概率分布确实不满足正态分布。
此外，还应注意，标准普尔公司给出信用等级转移概率矩阵只是一个参考。
实际上，信用等级之间的转移矩阵和信用等级的累计违约都与外部经济活动有
50
密切关系。在实际应用中应注意经济环境的变化，而且这些数据是标准普尔根
据自己的历史数据统计得到的，未必适用于银行自己的客户。商业银行应根据
自己内部评级的统计数据得到相应的信用等级转移概率，认为这样可能更符合
商业银行的实际。
二、两笔贷款组合的风险价值
两笔贷款的 VAR 的计算与单笔贷款VAR 的计算没有本质上的区别，无非
是将单笔贷款的信用等级转移概率矩阵扩展为两笔贷款的联合转移矩阵，但要
注意一个问题，就是两笔贷款信用等级转移之间的相关性，这一般需要外部给
定，在第三章第四节中已经进行讨论，此处不在赘述。
在 CreditMetrics 模型中，相关系数是将借款人股票收益作为输入变量，通
过多因素模型计算出来的。
三、多笔贷款的风险价值
上面仅仅描述了两个资产，如果资产很多，解析方法是不适用的，可适用
的方法是蒙特卡罗模拟法。
关于蒙特卡罗模拟法计算 VAR，已在第二章第五节进行讨论，如将其用于
计算信用风险的VAR，其基本步骤是：
1、产生每一个等级的资产收益的阈值（即回报临界值）。
2、估计每一对资产之间的相关性。
3、根据联合正态分布产生资产回报模型。标准方法是利用Chocesky 分解
法，得出相关正态变量。组合中的每一个债权人都有一个场景，每一个情景用
组合中的n 个标准化的资产回报来描述，
4、对每个场景、每个债权人，将步骤1 计算得到的资产回报阈值标准化，
融入相应的等级。
5、根据给定的每个等级的收益曲线，组合被重新估价。
6、多次重复上述步骤，绘制组合价值的分布图。
7、得到组合未来值的分布百分比，也就得到了组合的VAR 值。
51
四、CreditMetrics 模型与资产组合管理
如果 CreditMetrics 模型只仅仅可以计算单笔贷款的VAR 值，那么它的意义
将不会很大，CreditMetrics 模型作为信用风险资产组合管理模型，其主要意义
就在于它可以计算整个组合的VAR 值。
资产组合管理理论肇始于马克威茨的《资产组合选择：投资有效分散》一
书，是指购入和持有资产的控制过程中，考虑到增量资产对整体资产组合风险
报酬的影响因素，各机构根据一定的标准可以控制其资产组合的构成。一旦在
组合中添加了某一资产，即可运用资产组合管理工具确定出由于经济或工业状
况变化而不再符合风险收益偏好的资产。
从信用风险角度来看，运用 CreditMetrics 模型可以定量描述某一信用敞口
对风险的边际贡献，从而判断是否将该敞口引入组合，提高识别、衡量和管理
风险的能力；可以迫使银行收集信息，更明确地确定限额，更精确地基于风险
和绩效进行评价，使银行的经济资本分配更合理；可以更好地对客户进行盈利
性分析，基于风险进行定价，根据目标约束条件，可以运用最优化模型测算出
拟新增每笔贷款的风险（收益）对银行资产组合总体风险（收益）的影响有多
大，最终确定信贷方向，更好地做好组合管理。
五、对 CreditMetrics 模型的评价
CreditMetrics 模型具有以下几个特点：
其一，该模型属于钉住市场模型。也即钉住信用等级变化对贷款理论市值
的影响,并据此计算贷款信用风险的VAR 值。
其二，该模型将组合管理理念引入信用风险管理领域。
其三，是多状态模型，能够更为精确的计算信用风险的变化和损失值。
其四，率先提出资产组合信用风险的度量框架。
由于以上特点，CreditMetrics 模型被认为是开了信用风险度量的先河，在
金融界应用较为广泛，影响也很大，是JP 摩根银行继VAR 方法之后对风险度
量技术的有一大重要贡献。
52
但CreditMetrics 模型也存在一些局限性，主要是：
一是模型假定即某笔贷款未来的等级转移概率与其过去的等级转移概率没
有相关性。但实证研究表明，等级转移与过去曾经出现过的转移结果间有很高
的相关性，贷款或债券以前曾降级，则未来降级的可能性比没有降过级的贷款
或债券要大，不同贷款间因而有差异性，而模型假定转移概率在不同借款人间
是稳定的。
二是假定转移概率在不同时期之间是稳定的，实际违约率等于历史平均违
约率，其信用等级迁移概率直接取自历史数据平均值，未考虑经济周期波动对
信用等级变化的影响。
三是假定企业资产价值的相关度等于企业股票收益的相关度，有待验证。
四是假定信用等级的变化是独立的。这一假设很值得怀疑，因为贷后的等
级变化具有关联性，在同一行业、同一地区的企业，关联性大些。在经济萧条
时期，贷款的信用价值变小，信用等级变低，不同贷款的变化方向一致。
此外，该方法由于是利用历史数据来度量信用风险，仍属于“向后看”的
风险度量方法。
上述缺点的存在，大大影响了 CreditMetrics 模型的应用范围。
六、其它的信用风险计量模型
现代信用风险度量模型除了本文重点讨论的 CreditMetrics 模型之外，还有
KMV 公司于1993 年开发的信用监测模型（Credit Monitor Model），也称为KMV
模型、Eward I. Altman 等学者在1997 年开发的死亡模型（Mortality Model）、
瑞士波士顿第一银行产品部在1997 年开发的信用风险附加法（CreditRisk+
Model）、麦肯锡（Mc Kinsey）公司Saunders 和Wilson 等人于1998 年开发的信
贷组合观点（Credit Portfolio View），也称为麦肯锡模型１。
１
以上几种模型的更多讨论，参见参考文献[7]。
53
第五章在我国商业银行实施信用风险的量化管理的途径
第一节 我国商业银行信用风险实施量化管理的制约因素
本文一至四章探讨了将 VAR 技术用于计量信用风险的方法，但这一方法的
实施需要一系列必要条件。具体地讲，要精确地计量信用风险，就必须具备两
个平台，即制度平台和技术平台。
制度平台是技术平台的基础，一个精心设计的风险计量体系要达到理想的
计量结果首先要保证执行过程不发生偏差，而执行过程不发生偏差就必须有良
好的制度和环境与之相适应。换句话说，风险计量体系能否最大限度的发挥作
用，从银行内部来看，取决于是否有一个好的内部风险管理制度，这一制度既
包括合理的风险管理流程、风险管理政策，也包括良好的风险管理文化；另一
方面取决于是否有一个好的外部环境，包括监管环境、金融市场环境和法制环
境。但在这两方面，我国的商业银行都还面对一些亟待克服的困难。
一、制度、环境方面的制约因素
主要表现在以下几个方面：
1、商业银行内部风险管理制度不完善，风险管理流程不合理，从事风险管
理的人员责权关系不明了；
2、法制不完善，目前的有关金融和经济的立法与司法状况都还不能适应现
代化的风险管理及其市场运作的要求；
3、企业制度未现代化，银企关系不顺，造成银行过多地承担企业风险；
4、金融机构产权不明晰，导致金融风险最终责任归属不明确，风险管理缺
乏有效的动力机制；
5、金融市场不完善，金融产品不风险，风险管理的市场工具有限，利率没
有市场化，金融产品的风险难以在市场中得到合理的定价；
6、人才严重匮乏。从总体上看，我国目前金融从业人员的知识结构不能适
应科学化、全球化的风险管理发展的需要。
54
二、技术方面的制约因素
实施 VAR 技术的制度平台具备或基本具备之后，在技术方面面临的主要问
题就是数据的积累。目前我国商业银行信用风险管理最薄弱的环节就是缺乏相
应的数据基础，主要有以下几个方面：
1、债务人有效数据缺乏连续性；
2、由于历史原因，数据质量不高，包括数据的真实性和数据的完整性。
3、对债务人的内部评级结果缺乏后评价，未能与违约概率相对应；
4、对债项评级（贷款风险分类）的标准过粗，受人为因素影响较大，定性
过多，定量不足；
5、尚未确立根据经济周期变化对债务人、债项进行压力测试的方法。
第二节 我国商业银行实施 VAR 方法的途径
在 2000 年9 月1 日的《美国银行家》中，美联储官员梅耶说，发展中国家
商业银行的信用风险管理严重滞后，经不起现代经济的挑战。梅耶先生促使发
展中国家商业银行学习美国银行风险量化的管理文化，对风险进行量化管理，
引入VAR 等各种先进的管理工具，以彻底改变滞后的信贷文化。但发展中国家
引入VAR 等管理工具并非易事，本章上一节分析了我国商业银行实施VAR 技
术面临的一些制约因素，但商业银行所能做的并非只是坐等各方面条件成熟，
而应从行业内部着手，为引进现代模型创造条件：
1、建立完善信用评级制度，为信用风险计量提供客观公正的企业信用资料
在信用风险计量中，客观公正的企业信用评级数据是完成信用计量的关键。
但我国尚缺少具有权威性的外部评级机构，个银行的内部评级机构也无法实现
信用风险的事前控制。目前我国资信评估的现状是：运作不规范，暗箱操作严
重、资信评估各自为证，没有一套统一的评估标准，评估标准和数据指标的定
量方法存在着很大的差异，评级结果混乱。
随着我国市场经济的发展和人们风险意识的增强，资信评估逐渐引起我国
55
金融界的重视，《商业银行法》要求，银行要把信用评级作为贷款发放的必要条
件。为完善信用评级制度，我国应健全有关法制，构建统一合理的评估体系，
培育若干家权威性的信用评级机构，定期提供信用等级数据及信用等级转移矩
阵。银行也要积极开展内部评级工作，尽快建立起企业信用信息数据库，为建
立自己的信用风险计量模型打下基础。
2、建立和完善信用数据库，为信用风险计量模型的建立及其使用提供数据
基础。
完善而准确的数据资料是进行信用风险分析和管理的关键之一。没有数据，
信用风险计量就无从谈起；数据不准确，就无法实行有效的风险管理。银行进
行信用分析的资料可以通过多种渠道获得，如借款人提供的申请贷款的资料、
企业公开披露的信息、政府部门的统计资料等。目前西方国家主要从金融市场
上获取资料，但我国股票市场只有短短10 年的历史，许多股票只有三五年甚至
更短的历史，交易数据非常有限，这使得使用VAR 和建立信用风险模型极其困
难。
对于我国完善信用数据来说，要从以下几个方面入手：首先，完善信息披
露制度，加强市场监管，强化市场约束力。巴塞尔新资本协议中的第三支柱：
市场纪律中也要求建立银行信息披露制度，这无疑是对银行信用数据库建设提
出了更高的要求；二是加强审计工作，提高数据质量。我国要加强对会计制度
的研究和改革，同时加强立法，加大对会计造假的惩罚力度，避免道德风险。
三是商业银行与其他非银行金融机构间应建立共享的同业信用数据库，这个数
据库应包括违约率、损失率、挽回率、信用等级迁移频率等时间系列数据和横
截数据。同时，商业银行应充分利用评级机构和征信机构所提供的信用数据作
为参考，并积极地与各行业的行业协会及政府主管部门合作以获取行业的相关
数据。
3、加快金融市场化的进程，为信用风险计量提供良好的外部环境
任何有效的信用风险计量技术都是建立在比较成熟的市场经济体制和完善
56
的金融运作体系之上，VAR 技术也不例外。如上文所述，这一制度基础包括现
代企业制度、监管制度、法律制度和金融市场制度等。我国目前市场经济和金
融市场都不够完善，给信用风险的计量带来了制度环境上的困难。
就这方面的工作而言，仅靠银行自身的努力是不够的，它需要社会各界的
通力合作。
第三节 对 CreditMetrics 模型的一个发展：在我国
商业银行使用的一个设想
就目前而言，全面引入VAR 管理技术仍然面临一系列的困难，但在局部采
用一些在国外已经相对成熟的模型来量化信用风险仍然是可行的，本节将结合
我国商业银行的实际情况，对CreditMetrics 模型进行适当的改造，使之能在当
前我国的情况下能够得以应用。
本文第四章第一节讨论了 CreditMetrics 模型是当前在国外商业银行广泛使
用的计量信用风险的模型，但该模型在国内的使用仍然面临一系列的问题，主
要有：
1、我国商业银行对借款人信用等级覆盖面极窄，尤其是对中小客户，基本
上不对其进行信用等级评定。对个人类贷款客户，虽然部分商业银行已制订了
个人信用等级评定办法，但在实践中使用效果较差。
2、由于各商业银行的分支机构极为庞大，经济环境差异较大、客户经理把
握的尺度不一，在同一客户，在甲分行被评为AAA 级，可能在乙分行只能评
为AA 级，甚至A 级，这就导致了客户信用等级评定后的结果可比性及一致性
较差。
3、我行商业银行对同一客户的信用等级评定一年进行一次，数据更新较慢；
4、客户信用等级方面的数据极不完整。
以上三个方面的原因，导致 CreditMetrics 模型在我国失去了使用的基础。
57
与客户信用等级评定不同，不良贷款五级分类法在国内已普遍使用，具有
以下几个方面的特点：
1、由于信贷资产五级分类法是人民银行及银监局强制要求的，已覆盖了商
业银行所有的信贷客户，既包括公司类、机构类客户，也包括个人类客户。
2、五级分类法由人民银行统一制定，具有标准统一的特点。各商业银行对
信贷资产五级分类极为重视，1998 年开始实施以来，从业人员经过多次培训，
已积累了丰富的经验，分类结果较客户信用等级评定更为准确。
3、根据人民银行的规定，五级分类法采用实时分类，至少一个季度进行一
次分类，数据更新较快。
4、在客户信用等级评定中，较少考虑债项所面临的具体情况，而五及分类
已充分考虑到了贷款的条件及担保情况。此外，我国特有的一些特殊情况，如
可客户违约，银行申请强制执行抵押物时，往往会碰到“执行难”的障碍，而
这种情况在五级分类中，也已得到充分的考虑。因此，在我国，对具体的债项，
五级分类更能真实地反映银行所面临的风险。
5、由于五级分类法是目前我国商业银行管理的基础，因此，各商业银行所
开发的信贷管理信息系统都有丰富的五级分类信息，历史数据也相对完备。
因此，国内采用 CreditMetrics 模型，比较现实的方法是用信贷资产五级分
类取代客户信用等级，其基本思路如下：
1、任何一笔贷款（或债项）经过五级分类之后，都对应一个风险等级（正
常、关注、次级、可疑、损失中的任何一个），但贷款的风险等级是变化的，比
如一笔关注级的贷款，一段时间（确定为一个季度、半年或一年）后，该笔贷
款可能变为正常级，也可能变为次级或其它级别的贷款。贷款风险等级之间的
转移可以通过统计分析大量的风险等级转移记录得到，不同风险等级之间的转
移关系就构成了转移矩阵，表5-1 为1 年内从某一风险等级转变为另一风险等
级的转移概率矩阵。
58
表5-1 1 年内从某一风险等级转变为另一风险等级的转移概率矩阵
转移后等级
初试等级
正常 关注 次级 可疑 损失
正常 0.84 0.11 0.05 0 0
关注0.03 0.87 0.07 0.03 0
次级0.01 0.02 0.81 0.09 0.07
可疑0 0.01 0.08 0.76 0.15
损失0 0 0 0.03 0.97
（资料来源：根据建设银行某二级分行2004 年数据统计得到）
2、根据五级分类的定义，正常和关注类贷款不可能产生损失，除非转移为
次级、可疑或损失类贷款，后三个风险等级都可以定义为违约，但产生的损失
是不同的，每一类的平均损失率可以由历史数据统计得到。下表是建设银行某
二级分行的数据。
表 5-2 不同风险等级所对应的损失率
等级 损失率(%)
正常0
关注0
次级17.3
可疑72.1
损失94.5
（资料来源：根据建设银行某二级分行统计2004 年数据统计得到）
根据上表可计算出信用损失：
信用损失=损失×敞口值
通过以上方法，就可以计算出某一风险等级的贷款，一年后的损失及其所
对应的概率，也就得到了这笔贷款的VAR 值。
3、利用CreditMetrics 模型的方法，用风险等级取代信用等级后，就可以计
59
算包括多个信用资产的信用组合损失，但必须注意资产之间的相关性，而且随
着资产的增多，这种计算的复杂度会以指数级增长。这时就只能使用蒙特卡洛
模拟法了。
以上所述的方法是对 CreditMetrics 模型的一个改造，或者说是借鉴了
CreditMetrics 模型的思想和方法。这样一来，使得我国的商业银行在目前的情
况下，也可以用CreditMetrics 模型来计量信用风险。但要注意以下两个问题：
一是五级分类是债项评级，而信用等级是客户资信评级，二者有联系，但
也有明显的区别。
二是目前我国五级分类风险分类方法仅有五个级别（也有的专家学者建议
在正常和关注两个级别内再进行细分），而信用等级一般都超过五个，因此五级
分类的精度不如信用等级的精度高。
为了弥补这一缺陷，可对五级分类进行进一步的分类，具体说来，将五级
分类扩充为10 级分类，对应关系如下１：
表 5-3 五级风险等级与十级风险分类的对应关系
五级分类类别 扩充至十级的分类
正常 最优、优秀、良好、平均、正常
关注 关注、特别关注
次级 次级
可疑 可疑
损失 损失
（资料来源：参考文献[4]，第79 页）
但十级风险分类目前在国内尚停留在学术讨论的阶段上，现在还没有任何
一家商业银行采用。
１也有的商业银行将五级分类扩充为以下十级，但并没有本质的不同：最小、温和、平均、可接受、可接
受但要予以关注、管理性关注、特别关注、未达到标准、可疑、损失（参考文献[35]第33 页）。
60
后记
我从事信贷风险管理已三年有余，在工作实践中，深深地感受到中国的商
业银行在风险管理技术及手段方面远远落后于西方现代商业银行，因此，我在
工作中比较关注学术界对信贷风险管理的研究动态。在硕士论文选题时，毫不
犹豫地选择了这一题目，既是对我自己学习的一个总结，也与我的工作密切相
关。
但在写作中渐渐感到这一题目的难度，由于信用风险的计量涉及到较多的
概率统计方面的知识，我不得不重新回头去温习这方面的知识，曾经一度想放
弃这一选题，选择较为容易的题目。只是因为陈国进老师的鼓励，才坚持下来。
由于我在工作单位兼职较多，工作繁忙，又经常出差，根本找不到一段连
续的时间静心写作，因此，本文的写作也是断断续续，一些收集的资料也还没
有完全消化，可以说，本文没有达到我想要达到的水准。
我的导师陈国进教授，对本文的写作给予了莫大的支持和鼓励，没有他的
鼓励，本文根本没有完成的可能。陈老师学识渊博，为人谦和质朴，是一名真
正的学者，我视之如兄长，并深深以能够师从陈国进教授为荣幸，只是痛恨彼
此工作繁忙，又山水遥隔，当面求教的机会有限。
61
[参考文献]
[1] JP Morgan.CreditMetrics[M] .New York.April,1997.
[2]Michael Frenkel.Risk Management:Challenge and Opportunity[M] .
Berlin,Springer,2000
[3]杨军.银行信用风险——理论、模型和实证研究[M].中国财政经济出版
社，2004
[4]章彰.商业银行信用风险管理——兼论巴塞尔新资本协议[M].中国人民
大学出版社，2002 年11 月
[4]王卫东.现代银行全面风险管理[M].中国经济出版社，2001 年10 月
[6]王春峰.金融市场风险管理[M] .天津：天津大学出版社.2001 年
[7]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[M] .机
械工业出版社，2001 年
[8] 巴塞尔委员会.有效银行监管的核心原则. 997 年9 月
[9] 叶永刚、顾京圃.中国商业银行内部控制体系研究、设计与实施——金
融工程在中国商业银行风险管理中的应用[M] .中国金融出版社，2003 年11 月
[10] 赵晓菊.银行风险管理[M].上海财经大学出版社.1999 年
[11] 菲利普.乔瑞.风险价值——金融风险管理新标准[M].中信出版社，
2000 年10 月
[12] 吴晶妹.资信评估[M].中国审计出版社.2000 年
[13] 施兵超、杨文泽.金融风险管理[M]. 上海财经大学出版社，1999 年
[14] 章彰、罗军.信用风险模型在美国大银行的实践[J].新金融，2002(11)
[15] 阎庆民.我国商业银行信用风险VAR 的实证分析[J].金融研究，
2004(10)
[16] 周鑫.我国商业银行信用风险量化研究[J].南方金融，2003(4)
[17] 蔡方、孙文祥.信用风险的度量和实证分析[J].投资研究，2003(7)
62
[18] 沈蕾.商业银行信贷风险测控研究[D].武汉大学.2002 年4 月
[19] 姚奎栋.VAR 的计算方法[J].沈阳航空工业学院学报，2002(9)
[20] 巫化、陈昕.VAR 及其在商业银行风险管理中的应用[J].现代管理科
学，2003(7)
[21] 李强、叶旭刚、祝佳.VAR 模型的计算及应用[J].中国管理科学，
2003(11)
[22] 邓云胜、沈沛龙、任若恩.贷款组合信用风险的蒙特卡罗仿真[J].计
算机仿真，2003(2)
[23] 蔡明超、杨朝军.风险价值系统计算方法及其有效性分析[J].宁夏大
学学报（自然科学版），2002(3)
[24] 程鹏、吴冲锋、李为冰.信用风险度量和管理方法研究[J].管理工程
学报，2002(1)
[25] 胡永.银行风险价值管理[J].金融教学与研究，1998(5)
[26] 潘蔚琳、王可.信用风险计量模型的分析与借鉴[J].北方经贸，2002(8)
[27] 沈沛龙、任若恩、马杰.我国商业银行信用风险的度量与控制[J].北
京航天航空大学学报（社会科学版），2002(12)
[28] 于研.风险值法在金融机构风险管理中的应用[J].统计研究，2003(7)
[29] 郑伟军、赵国浩.基于VAR 的金融风险管理[J].山西财经大学学报，
1999(6)
[30] 罗福凯、王汝永.关于风险价值的计算问题[J].四川会计，1998(12)
[31] 宋锦智.VAR 模型的计算及应用[J].中国管理科学，2000(12)
[32] 李亚静、朱宏泉、何跃.基于VAR 的风险分析理论与计算方法[J].预
测，2000(5)
[33] 郭少明.信贷资产组合信用风险测量模型分析[J].投资研究，2002(3)
[34] 洛伦兹.格利茨.金融工程学[M] .经济科学出版社，1998 年10 月第1
版
63
[35]李扬、刘华、余维彬.银行信贷风险管理：理论、技术和实践[M] .经
济管理出版社，2003 年8 月第1 版
[36] 陈忠阳.金融风险分析与管理研究——市场和机构的理论、模型与技
术[M] .中国人民大学出版社，2001 年10 月第1 版