当前位置:流星毕业论文网毕业论文经济论文金融论文 → 论文中心内容

农业银行信用风险实证研究

减小字体 增大字体 作者:王瑶,罗剑翔    来源:本站整理  发布时间:2012-3-4 10:09:15

CreditMetries模型是由摩根于1997年4月推出的一种用于度量组合价值和信用风险的方法。它包括了一整套的分析方法和数据库。CreditMetrics模型核心思想是组合价值不仅受到资产违约的影响,而且资产的信用等级发生变化对它也会产生影响,而违约仅是信用等级变迁的一个特例[1-2]。该方法的新意就在于将信用等级迁移、违约概率、挽回率及违约相关矩阵融入了统一框架中,全面综合的考虑了信用风险度量问题。

1 基于CreditMetrics模型的实证研究

1.1 模型的假设条件

一是市场风险与信用风险无关。CreditMetrics模型在假设未来的价值和风险完全由远期分布曲线决定时,也就同时承认了没有市场风险的存在,在模型中唯一的变量是信用;二是转移概率矩阵遵循马尔可夫过程,即信用等级在某一年内的转移概率独立于过去时期。这样,转移概率矩阵为历年矩阵求平均值;三是假定转移概率矩阵在不同时期之内是完全不变,并且对不同类型的借款人是一致的。但实际上,重要的国家因素、行业因素和商业周期因素都会影响到信用评级的转移;四是为了简化模型的计算,假定贷款组合的相关系数为1;五是由于我国商业银行对贷款企业的信用评级均为一年一评,因此设置风险期间为1年[3-7]。

1.2 样本数据的选择

本研究所选贷款数据源自农行某支行2007年年底的公司贷款数据(表1),选择这些贷款是出于如下考虑:

(1)由于模型测量的是未到期贷款的风险,选择的贷款总量占该支行贷款总额的80%,低质量贷款不在模型考虑之列;(2)该支行贷款企业涉及多个行业,主要包括生物医药业、食品加工业、房地产业、教育业、金融投资业等,数据应具有代表性,本研究选取这6个行业的部分核心贷款数据;(3)该行贷款评级目前沿用中国人民银行五级分类标准,即按照正常、关注、次级、可疑和损失进行划分,样本数据每个等级都有选取,能从性质上代表所有未到期的数据;(4)选择20笔贷款的原因是:按照马克维茨资产组合理论,资产组合风险分散效应在20笔贷款时达到最大。

1.3 模型参数计量

1.3.1 信用等级转移矩阵 信用等级转移矩阵是根据每一资产当前评级状况转移到下一个信用等级的概率。在CreditMetries模型中,假设对任何资产,从同样的信用等级转到另一等级概率相同,根据很多的历史数据,可以得到不同的信用等级之问相互转化的概率。信用等级转移矩阵都是建立在离散时间的基础上的。估计转移矩阵概率的方法是

依次类推可以得到各个信用等级转移的矩阵。根据这种方法,通过对案例银行2004—2008年这5年间的企业评级数据得到该行信用等级转移矩阵(表2)。

1.3.2 远期贴现率 根据CreditMetrics模型, 远期贴现率等于未来零收益利率曲线( 通常取对应期限的国债利率:1年期为1.6988%,2年期为1.9117%,3年期为2.4918%,4年期为2.785%,5年期为2.9959%) , 加上用以弥补银行风险以及各类营运成本的信用价差(表3)。

在无风险收益率的基础上,加上不同级别相应期限的风险溢价,就得到了远期的有风险债券的收益率曲线。如,2.124%加上正常级别1年期的风险溢价2.3742%,就得到了远期的正常级债券的风险收益率。以此类推,可得出不同等级下贴现率(表4)。

1.3.3 违约回收率 在我国,除贷款市场的非公开性外,企业债券市场也很不发达,缺乏流动性,计算不同信用等级债务人发行的债券的损失非常困难。因此,可以根据历史数据计算不同信用等级贷款的回收率(即“1”减去贷款损失率)。根据近几年银行实际贷款数据,计算不同信用等级在债务人违约情况下的回收率,然后通过加权平均计算各信用等级贷款的回收率(信用等级正常、关注、次级、可疑的回收率分别为:100%、87%、60%、35%)。

2 模型计量以及结果分析

2.1 每笔贷款价值的均值和方差计算

通过建立数字模型来计算每笔贷款的价值,结果如下:

根据公式,利用Excel软件计算结果见表5:

2.2 计算贷款组合的信用风险

3 实证结果分析

(1)在正态分布下,该项资产最大可能损失,即VAR值。组合价值是指该笔贷款在2008年至少能达到的金额数。由以上结果可知,在贷款价值为正态分布的假设条件下,该贷款组合与预期均值相比有1%可能性损失1 169.93万元,5%可能性损失826.72万元

(2)依照巴塞尔协议资本充足率不得低于8%的规定,该贷款组合共28 840万元,因此所需的最低风险资本应为2 307.2万元。这一数额要比算出的在正态分布下1%的在险价值量1169.93万元高出许多。通过对该支行资产规模和权益资本比较,结论为:该商业银行当前VAR值合理,处于风险可接受状态。表明当前该行信贷结构合理,总量控制有度,风险管理水平较高。

(3)如果考虑到贷款情况的非正态分布可能,尤其是肥尾现象,实际中我们也可以常常使用线性插值法。而在巴塞尔委员会等国际金融监管组织的资本要求中,为求得更大的安全系数,对这种极端情况的处理是在求出VaR的基础上,再乘以一个范围在3和4之间的因子,对贷款的在险价值进行放大[6]。

(4)本研究选择CreditMetrics信用风险管理模型,将银行的原始信贷数据通过计量转变为信用风险管理中有用的

[1] [2]  下一页

友情链接