随着金融市场上各种异常现象的累积，模型和实际的背离使得传统金融理论的理性分析范式陷入了尴尬境地。20世纪80年代，通过对传统金融学的反思和修正，行为金融理论悄然兴起，并开始动摇了CAMP和EMH的权威地位。行为金融理论在博弈论和实验经济学被主流经济学接纳之际，对人类个体和群体行为研究的日益重视，促成了传统的力学研究范式向以生命为中心的非线性复杂范式的转换，使得我们看到了金融理论与实际的沟壑有了弥合的可能。1999年克拉克奖得主马修(MatthewRabin)和2002年诺贝尔奖得主丹尼尔·卡尼曼(DanielKahneman)和弗农·史密斯(VemonSmith)，都是这个领域的代表人物，为这个领域的基础理论作出了重要贡献。国外将这一领域称之为behaviorfinance，国内大多数的文献和专著将其称为“行为金融学”。
行为金融学发现，人在不确定条件下的决策过程中并不是完全理性的，会受到过度自信、代表性、可得性、锚定和调整、损失规避等信念影响，出现系统性认知偏差。而传统金融学是基于理性人假设，认为理性人在不确定条件下的决策是严格依照贝叶斯法则计算的期望效用函数进行决策的。即使有些人非理性，这种非理性也是非系统性的，会彼此抵消，从而在总体上是理性的；如果这种错误不能完全相互抵消，套利者的套利也会淘汰这些犯错误的决策者，使市场恢复到均衡状态，达到总体理性。
2行为金融对信用风险管理的影响
2．1风险偏好
根据行为金融学的基本理论，投资者的风险偏好不同于传统金融学理论下风险偏好是不变的，而是变化的，是会随着绝对财富等一些其他因素的改变而发生改变的。因此，我们就没有理由相信借款人是特殊的群体，他们借款的目的大多都是为了投资，也是众多投资者中的一部分，他们的风险偏好也会发生改变。风险偏好的改变就会直接影响到他们面临的风险，最终会影响贷款方面临的信用风险。
2．2过度自信
过度自信或许是人类最为稳固的心理特征，人们在作决策时，对不确定性事件发生的概率的估计过于自信。投资者可能对自己驾驭市场的能力过于自信，在投资决策中过高估计自己的技能和预测成功的趋势，或者过分依赖自己的信息而忽视公司基本面状况从而造成决策失误的可能性。这种过度自信完全有可能导致大量盲目投资的产生，盲目的多元化和贪大求全。
2．3羊群行为
企业决策由于存在较大的不确定性并涉及较多的技术环节，其决策往往由决策团体共同协商作出，主要属于群体决策，而群体决策有可能导致羊群行为(HerdBehaviors)的发生。羊群行为主要是指投资者在掌握信息不充分情况下，行为受到其他投资者的影响而模仿他人决策的行为。在企业决策中，羊群行为的表现可能是决策团体中多数人对团体中领导者的遵从，也可能是领导者对决策团体中多数人的遵从，而且是一种盲目的遵从。决策中的羊群行为可能造成决策失误。
2．4资本结构与公司价值
1958年，美国经济学家费朗哥·莫迪格里安尼(FraneoModigliani)和默顿·米勒(MertonMiller)在《美国经济评论》发表了题为《资本成本、公司财务和投资理论》的论文，提出了著名的MM定理，主要内容是：在市场完全的前提下，企业的资本结构与企业的市场价值无关。即企业价值与企业是否负债无关，不存在最佳资本结构问题。如果证券价格准确地反映了公司未来现金收入流量的值，那么不管发行的是什么类型的证券，只要把公司发行的所有证券的市场价值加在一起，一定等于这个公司未来利润的现值。无风险套利活动也使得资本结构无关紧要，如果两个本质完全相同的公司因资本结构不同在市场上卖出的价格不一样的话，套利者就可以将更便宜的公司的证券全部买下，然后在价格相对较高的市场上卖出。因此，公司的资本结构就不再是不相干的问题。不同的现金收入流量对不同的投资者的吸引力也会各不相同，这些投资者对于他们感兴趣的现金收入流量愿意付出高价。特别是由于噪声交易者的存在，套利仍充满风险。所以，不同的资本结构，其公司价值显然是不同的，其信用风险必然不同。
3行为金融对金融租赁公司信用风险管理的启示
金融租赁业务由于涉及交易环节较多，交易结构较为复杂，不但面临客户(承租企业)不能按时履约的信用风险，也存在供货商不能按时履约的信用风险，因此，相对于商业银行传统信贷，其信用风险更大。
（一）网络借贷信用风险分析
早期的P2P网络借贷信用风险研究表明，平台中借款者的特征差异不大，但是信用风险却很显著。Herzensteinetal．（2008）和PopeandSydnor（2011）认为，P2P网络借贷平台是由投资者个人而非借贷平台筛选确定借款人是否值得信赖，因此，更容易出现借款人通过虚假陈述骗取借款的情况，即网络借贷的风险更大［2］。Michaels（2012）通过对Prosper网站上的数据分析，发现网络借贷平台责任的缺失使网络借贷市场运行有效性下降，因而带来较大的风险［3］。Sufi（2007），MichaelKlafft（2008）认为，如同在金融市场中一样，网络借贷市场也存在信息不对称，此外，由于投资者缺乏经验，网络环境下贷款的信用风险更高［4］。Leeetal．（2012）研究韩国最大P2P平台上的“从众行为”发现，“从众行为”导致网络借贷信用风险加大，即信息不对称现象非常严重，往往还会导致道德风险［5］。在国内，近几年来由于网络借贷平台资质良莠不齐，发展模式并不规范，带来很大的信用风险［6］。陈初（2010）也认为，P2P平台可能泄露重要的信息，加之贷款用途难以核实，信用风险很大［7］。由于网络借贷平台作为交易平台，实行的是无担保无抵押，缺乏担保的P2P借贷会使债权人的风险增加［8］。
（二）网络借贷信用风险管理
信用风险管理就是通过有效的方法对信用风险进行分析、防范和控制，使风险贷款安全化，确保本息的收回。借贷平台信用风险管理水平决定了自身的生存和发展，也对金融体系的稳定与发展产生巨大影响。国外的信用风险管理体系发展较早，在实践和理论上已经形成相应的体系，不少学者的研究主要集中在如何使投资人更好地掌握借款人诚信信息以及怎样通过借贷平台自身机制有效缓解信息不对称等方面。FreedmanandJin（2008）发现，虽然投资者由于信息不对称问题面临着逆向选择的风险，但网站上提供的资料信息可以在一定程度上帮助识别潜在的信用风险［9］。Linetal．（2009）也指出社会互动作为一种软信息资源，能够一定程度上降低信息不对称和道德风险［10］。HarpreetSingha（2009）使用决策树对不同期限、风险配置的投资进行研究，认为目前主要是通过多样化投资来降低信用风险［11］。国内的P2P网络借贷模式尚处于起步阶段，信用风险管理体系不健全，大多数平台只是依据自身情况建立了基于专家判断法的信用评分模型，但由于此模型的预测能力没有通过系统验证，在实际业务中的应用实效大打折扣［12］。可见在我国个人信用体系缺失的情况下，国内网络借贷平台的信用评级对信用风险控制的作用并不大［8］。此外，李悦雷（2013）认为借贷中人际关系的应用能降低金融交易的风险和成本［13］。陈初（2010）则认为可把从事网络借贷业务的网站界定为民间借贷中介组织，即可将网络借贷纳入相关的监管系统［7］。综上所述，学者主要是基于理论对P2P网络借贷信用风险进行分析，或者定性分析当前P2P网络借贷的信用风险管理，而对网络借贷平台信用风险影响因素的实证研究较为缺乏。因此，本文拟从P2P网络借贷平台的内部视角，运用平台具体数据，对网络借贷信用风险的影响因素进行实证，分析网络借贷平台的信用风险管理体系是否能有效控制信用风险，并提出控制网络借贷信用风险的政策建议。
二、实证分析
（一）数据选取
本文基于VBA开发环境，采用XMLHttpRe－quest方法。网络借贷平台的贷款页面URL（Uni－versalResourceLocator）具有一定的规律，即每笔贷款都按照借款时间通过编号排列顺序，URL的结尾都是以贷款编号结束，我们正好利用这一特点，通过固定编号获取大量贷款数据。将需要的贷款编号列入Excel中的第一列，然后利用VBA函数读取编号对应的网页。将网页转换为文本格式以后，由于需要的数据都出现在页面的特定位置上，VBA函数通过定位关键字，将对应变量的具体数据采集到Excel表格对应的其他列中。通过不断地读取对应网址页面，本文对拍拍贷编号为220000～319999以及人人贷中编号为120000～179999的借款数据和相应的借款人信息进行以下收集。主要从人口特征、信用变量、历史表现和借款信息四个方面选取网络借贷信用风险影响因素的变量（见表1），即：从拍拍贷及人人贷网站平台上提取的数据，删除一些缺失数据以及审核未通过数据，从拍拍贷网站得到了61944组有效数据，其中存在信用风险的用户数据共有3360组，违约率达到了5．42％；从人人贷网站得到了59972组有效数据，提取其中存在信用风险的数据810组，违约率为1．35％。对数据中借款人的基本人口特征进行初步分析，结果如表2、3所示。从表2、3的数据可以初步判断，具有信用风险的借款人性别主要以男性为主，无论是占样本比率还是占逾期比率，男性借款人逾期概率都要远远高于女性；年龄方面，26～31岁的逾期人数占到总逾期人数的比率明显高于其他年龄段，且随着年龄的增加，违约概率呈明显降低趋势。
（二）模型选择
①类似于二元选择模型，假设潜在变量y与解释变量x存在线性关系y＊i＝x＊iβ＋u＊i，i＝1，2，3，…，N，其中ui是独立同分布的随机干扰。总共有M＋1个等级，观测到yi位各个等级的概率为：P（yi＝0）＝F（c1－x′iβ），P（yi＝1）＝F（c2－x＇iβ）－F（c1－x′iβ），…，P（yi＝M）＝1－F（cM－x＇iβ）。模型采用极大似然法估计，其中，c1，c2，…，cM是M的临界值，作为参数和回归系数一起估计。
（三）实证研究
从结果可以看出，除了age不够显著（P值＜10％，呈负相关）以外，剩下的变量fail、gender、credit、success、rate和time对于信用风险的影响都很显著（P值＜5％，呈正相关）。正如Iyeretal．（2009）发现的，信用变量、历史信用等对信用风险有相关影响［14］。而FreedmanandJin（2008）也发现，高利率的借款人通常具有较高的信用风险［9］。人人贷中gender、success不够显著，可能是因为人人贷网站中具有信用风险的用户较少，人口特征和历史表现无法在一定程度上反映信用风险。排序选择模型是概率模型，由于有多个等级，图2为观测到的属于各个等级的概率预测，每个观测都是对应信用风险等级的概率预测，并且概率之和为1。从图2看出，基本各个风险的概率处于稳定。以上分别从人口特征、信用变量、历史表现和借款信息四个方面对信用风险的影响进行了研究，结果发现：1．人口特征（age、gender）对信用风险的影响都较为显著，说明人口特征对网络借贷过程中的信用风险具有一定的影响。从表2和3中也可以看出，在具有信用风险的借款人中，男性的比率远远高于女性。由于P2P网络借贷依托于互联网，参与用户体现出年龄较小的趋势，但是年轻的用户经济基础较为薄弱，经济来源也不太稳定，往往容易出现资金短缺的情况，信用风险较高；年龄较大的用户社会资源丰富，经济来源也较为稳定，信用风险就相对较低。2．信用变量（credit）中，认证等级是网站对用户各项资料进行评分，然后加总起来得到的信用评级。理论上，认证等级越高信用风险就越低，但实证结果显示，认证等级与信用风险正相关。网站上的认证分仅仅只是对一些基础信息打出的分数，如身份证、学历、视频等认证，但平台往往无法保证其真实性，所以，网站由于自身能力有限而无法达到控制信用风险的预期效果，即平台的信用等级评分对用户避免信用风险起到的作用不大，有时还导致一些反效果。3．历史表现（success、fail）中，失败和成功的次数都是用户在平台的活跃程度。成功的次数越高，说明在此次借款之前，借款人都按时完成还款，即信用等级很高，但对某些人来说，成功的次数只是为了提高自己的信用，最终借到需要的金额，所以与信用风险呈正相关。失败的次数多，说明借款人的信息无法给投资者安全感，即被大多数投资者认为具有较高的信用风险，在借款成功后出现违约的可能性更大，即失败次数与信用风险负相关。4．借款信息（rate、time）中，优质的借款者往往难以提供足够高的收益率，即利率与信用风险呈正相关。还款期限也和风险呈正相关关系，在网络借贷平台上的借贷行为，由于没有人际关系作为潜在的信用保障，一笔投资无疑是时间越短，所要面临的信用风险就越小。时间越长，投资者的相对风险就越大，因此，时间成为正向影响信用风险的显著因素。从以上的数据分析以及实证中发现，网站对于借款人的信用评分对信用风险管理并没有起到实质性作用，评分高的用户依然具有较高的信用风险。网站为满足借款人的资金安全性要求，在借款满额后进行内部审核，但是内部审核主要也是以信用评分为基础，对防止信用风险效果不大。出现逾期现象后，平台对借款人实行本金保障制度，但在监管缺失的情况下，由于没有特定的维权部门，逾期还款的追讨难度很大，而风险储备池的资金有限，加大了平台的经营风险，所以，单靠平台本身无法对信用风险进行有效管理。
一、引言
新巴塞尔协议的核心内容是内部评级,包括了市场风险、信用风险和操作风险。市场风险由于数据都来之外部资本市场,而且方法成熟,需要我们自行研究的较少;操作风险的计量方法还不够成熟;信用风险,虽然方法成熟,但是需要使用内部数据,从而更多的需要我们自行开发研究,而且对于中国的银行业,传统的信贷业务仍是比重最大的业务,所以信用风险评级是目前我国银行研究的重点,也是内部评级的突破口。
信用风险评级模型的基本思想是从已有信用表现的历史数据中提炼信息,得到客户属性和行为变量与客户违约概率之间的函数关系,从而来预测未来的客户信用状况。这种函数关系,是广义上的对应关系,并不一定存在显式的表达。
尽管信用风险计量有很多领域还处于研究阶段,不过信用风险评级发展较早,从1968年奥尔特曼(Altman)引入的Z-score模型开始,到现在的logistic模型、机器学习等方法,在发达国家,不论是理论研究,还是实际应用,信用风险评级都已经相当的成熟。那么我们是否可以直接搬来使用呢?信用风险内部评级模型,方法的选择固然重要,但是好的方法并不一定对应好的结果,实际上模型表现更多的决定于问题本身情况和问题解决的处理细节。我国的银行业进行信用风险评级,虽然在技术上的有一定的“后发优势”,但是绝对不是简单的“直接拿来”。信用风险的内部评级工作需要根植于内部数据,来开发适合中国实际情况的评级模型。本文从银行内部评级的角度,对信用风险评级的若干问题进行了讨论,并提出了适当的处理方式。
二、数据特性
不同的数据特性适用不同的模型。例如,判别分析要求自变量符合多元正态分布;而Logistic回归对于数据的分布要求比较低,而且在处理纲目数据方面有着非常大的优越性。在变量不服从多元正态分布的情况下,Logistic回归优于判别回归;但是如果变量服从多元正态分布,那么线性判别规则是最优的。而机器学习类的模型,对于分布要求不高,而且处理离散变量也有明显的优势,例如决策树、神经网络。
模型没有绝对的最优,必须按照数据情况来选择合适的模型。数据情况的统计分析,是十分重要的,即使国外已经有经验表明某种模型表现优异,也有结合实际的建模数据进行分析。如果我国的数据情况与国外不同,不符合该模型的假定,该模型就不可取。
所以,建模的第一步工作就是分析数据情况,讨论各种可能模型的适用性,初步确定符合数据情况的模型框架。
三、分布的变化
既然信用评级的基本思想是从历史数据中提炼信息来预测未来的客户信用状况。那么,即使我们从历史数据中提炼出了完整的信息,如果历史数据与未来情况不同,预测的可信度也会成为问题。
一个比较典型的问题是宏观经济的变化。宏观经济的变化对于整体违约概率的影响是非常大的,如图1所示,美国历年来的公司违约情况。公司客户的评级往往主要依据公司的财务数据来得出结论,而实际上,即使是相同的财务比例,在不同的宏观经济情况下,也有不同的表现。公司类客户同样还要考虑整体行业的演变过程,根据经济学理论,行业生命周期往往经历萌芽期-扩展期-成熟期-衰退期四个周期。
在消费者评分模型中,还有一个问题是人口漂移。我国目前正处在精神文明和物质文明高速发展的阶段,人口特性变化很快,如打工族的出现、贷款购房的增加、家用轿车消费增加等。这些变化会导致潜在信用消费人群和信用观念的变化。这种随着经济环境、人口结构和生活方式的变迁使样本人群的范围和特质发生变化,一般被称为人口漂移。人口漂移会使原有评分标准下的评价结果与现实情况不符,这时就应适当的调整权值修正人口漂移带来的偏差,并不断更新作为训练样本的数据。
在宏观经济的变化引起的违约概率的整体变化,需要建立宏观经济模型来调整客户评级;而类似人口漂移等问题,数据结构都已经发生了变化,需要经常的更新训练样本,升级评级模型。评级模型有个别模型本身对于分布变化的这类问题有一定的解决能力,例如最近邻法,它可以直接加入新的申请者或删除老的用户的方式动态升级系统,从而克服人口漂移带来的问题。
四、拒绝推断
当我们使用训练样本进行模型研究的时候,所有训练样本都是已经有信用表现的客户,即都是曾经被授信的客户,而申请被拒绝的客户不在其列。但是当我们使用模型的时候,却面对了所有的可能客户(即包括了按照以前的标准被授信或者被拒绝的客户),既然我们模型从来就不认识被拒绝客户,又如何对他们作出判断呢?所谓“拒绝推断”(refusereference)是指如何从被拒绝的申请人中鉴别出应向其授信的申请人的问题。模型开发者面临的情况如图2。
在完全不准确(近乎随机)的信用评分的情况下,跃为较为精确的评级模型,“拒绝推断”造成的影响不是很严重。当然实际情况不会如此,即使是简单的专家选择,也会使得训练样本有偏。而开始使用模型后,由于人口漂移等诸多因素,原有的信用评级模型随着时间的流逝而渐渐失效,从而需要不断地更新。“拒绝推断”是信用操作中无法回避的重要问题,目前主要的解决有部分接受法、混合分解法等。
1.部分接受法
这是一种解决这类问题的较理想的方法,但是却不会受到经营者的欢迎。部分接受法就是在未被授信的客户集中进行随机的取样,批准他们的贷款申请,然后观察其以后的行为。这些申请者,被
(图2“拒绝推断”的图例)
赋以相应的权重,然后和那些通过原有规则获得批准的客户(或者是它们当中的随机取样)联系在一起,这将会带来完全随机的人群样本,可以用来创建新的评级模型。但是经营者往往不愿意这样做,他们的理由就是既然那些客户已经被认为是没有好的信用质量,批准他们的信用申请会带来损失。但是,如果授信方接收了当中一些人的申请,那么就可以通过建立更加具有预测能力的模型再长期获利。在任何情况下,授信方的利润都不会因为这些取样而受到太大的影响,因为这些取样都是经过仔细挑选的。关于部分接受法的研究还需要更加广泛的工作,不过有一点可以肯定的是,这个方法需要前台经营部门和风险管理部门的通力合作和预先的计划。
2.混合分解法
这是一种在没有任何关于人群信息的情况下,估计两种人群比例的方法。使用这种方法的前提是关于好坏人群的性质分布的假设。特别是,必须假设知道这些分布就等同于知道一些参数的值,而这些值是可以通过数据估计的。这种方法的关键就在于将假定的优质客户分布与假定的劣质客户分布的加权平均作为观察值的分布与整体样本分布的匹配。如此得到的整体样本分布称为“混合分布”。
这一方法可以让人们能够利用已知分布的一些优异性质,但它的弊端也很明显,就是关于好坏分布的假设必须是准确的。不幸的是,信用数据的特征非常复杂,想准确的得到它的分布往往是很困难的。
五、数据真实性
这是一个比较有中国特色的问题,虽然发达国家也有财务欺诈,但是绝对没有中国的严重。由于制度的缺失,或者制度执行的乏力,在中国,即使是会计师事务所审计出来的数据可能也是不可靠的。所以反财务欺诈,对于模型开发者是面临的严峻问题。但是模型开发者能做的只能是发现在统计意义上或者逻辑关系上出现的异常现象。
六、数据缺失
我国银行建立评级模型,面临最为严重的问题是数据缺失。在数据缺失非常严重的情况,建立一个优秀的模型几乎是不可能的,所以在此讨论在能建模的前提下,数据缺失问题如何处理。
如果一个变量缺失一定比例(例如50%)以上,只有放弃该变量;如果从经济学含义上,该变量确实非常重要,那么只有通过专家的经验来寻找可替代的变量(或者变量组合)。例如,家庭地址的所属区可能是十分重要的变量,但是并没有被记录,或者建模人员无法从家庭地址中提炼出区域,那么可以通过邮政编码和电话号码结合表征区域变量。
在数据缺失不是很严重的情况下,我们可以采用缺值替代的方法,例如均值替代、同类均值替代等,或者在不影响数据量的前提下也可以直接删除数据缺失的记录。
以上讨论的都还是完全随机缺失,这类缺失是完全随机发生的,不影响样本的无偏性。但是缺失更常见的随机缺失和非随机缺失,所谓随机缺失是指该变量的数据缺失与其他变量有关,例如财务数据缺失情况与企业的大小有关;非随机缺失是该变量的缺失与本身取值有关,如高收入人群的不原意提供家庭收入,财务情况差的公司不提供财务报表。
对于随机缺失和非随机缺失,删除记录是不合适的,随机缺失可以通过已知变量对缺失值进行估计;而非随机缺失还没有很好的解决办法。总结而言,缺值问题还是一个需要深入研究的问题。
七、过度拟合
由于样本中存在噪音,所以模型的拟合优度只能达到一定程度,这是理论能达到的最优拟合度。有些时候,当模型把噪音当成了信息进行拟合,使得拟合优度超过了理论的最优拟合度,过度拟合的模型实际上包含了错误的信息,预测能力很差。如图3是一个过度拟合的简单例子,对于图中的点,我们通过线性拟合和非线性拟合得到拟合曲线a和b,显然的曲线b的拟合优度要高于曲线a,但是如果本质上y和x之间是线性关系,那么非线性拟合的模型假设是错误的,较高的拟合优度实际上是过度拟合造成的。
过度拟合可以通过评价样本等方法来解决,如图4,当训练不断进行,训练样本的误判率不断降低,而评价样本则呈现先降后升的情况,那么当评价样本的误判率到最低时,我们就应该停止训练。
八、指标选取中一些问题
中图分类号:F832文献标识码:B文章编号:1006-1770(2005)12-0034-03
一、引言
新巴塞尔协议的核心内容是内部评级,包括了市场风险、信用风险和操作风险。市场风险由于数据都来之外部资本市场,而且方法成熟,需要我们自行研究的较少;操作风险的计量方法还不够成熟;信用风险,虽然方法成熟,但是需要使用内部数据,从而更多的需要我们自行开发研究,而且对于中国的银行业,传统的信贷业务仍是比重最大的业务,所以信用风险评级是目前我国银行研究的重点,也是内部评级的突破口。
信用风险评级模型的基本思想是从已有信用表现的历史数据中提炼信息,得到客户属性和行为变量与客户违约概率之间的函数关系,从而来预测未来的客户信用状况。这种函数关系,是广义上的对应关系,并不一定存在显式的表达。
尽管信用风险计量有很多领域还处于研究阶段,不过信用风险评级发展较早,从1968年奥尔特曼(Altman)引入的Z-score模型开始,到现在的logistic模型、机器学习等方法,在发达国家,不论是理论研究,还是实际应用,信用风险评级都已经相当的成熟。那么我们是否可以直接搬来使用呢?信用风险内部评级模型,方法的选择固然重要,但是好的方法并不一定对应好的结果,实际上模型表现更多的决定于问题本身情况和问题解决的处理细节。我国的银行业进行信用风险评级,虽然在技术上的有一定的“后发优势”,但是绝对不是简单的“直接拿来”。信用风险的内部评级工作需要根植于内部数据,来开发适合中国实际情况的评级模型。本文从银行内部评级的角度,对信用风险评级的若干问题进行了讨论,并提出了适当的处理方式。
二、数据特性
不同的数据特性适用不同的模型。例如,判别分析要求自变量符合多元正态分布;而Logistic回归对于数据的分布要求比较低,而且在处理纲目数据方面有着非常大的优越性。在变量不服从多元正态分布的情况下,Logistic回归优于判别回归;但是如果变量服从多元正态分布,那么线性判别规则是最优的。而机器学习类的模型,对于分布要求不高,而且处理离散变量也有明显的优势,例如决策树、神经网络。
模型没有绝对的最优,必须按照数据情况来选择合适的模型。数据情况的统计分析,是十分重要的,即使国外已经有经验表明某种模型表现优异,也有结合实际的建模数据进行分析。如果我国的数据情况与国外不同,不符合该模型的假定,该模型就不可取。
所以,建模的第一步工作就是分析数据情况,讨论各种可能模型的适用性,初步确定符合数据情况的模型框架。
三、分布的变化
既然信用评级的基本思想是从历史数据中提炼信息来预测未来的客户信用状况。那么,即使我们从历史数据中提炼出了完整的信息,如果历史数据与未来情况不同,预测的可信度也会成为问题。
一个比较典型的问题是宏观经济的变化。宏观经济的变化对于整体违约概率的影响是非常大的,如图1所示,美国历年来的公司违约情况。公司客户的评级往往主要依据公司的财务数据来得出结论,而实际上,即使是相同的财务比例,在不同的宏观经济情况下,也有不同的表现。公司类客户同样还要考虑整体行业的演变过程,根据经济学理论,行业生命周期往往经历萌芽期-扩展期-成熟期-衰退期四个周期。(见图1)
在消费者评分模型中,还有一个问题是人口漂移。我国目前正处在精神文明和物质文明高速发展的阶段,人口特性变化很快,如打工族的出现、贷款购房的增加、家用轿车消费增加等。这些变化会导致潜在信用消费人群和信用观念的变化。这种随着经济环境、人口结构和生活方式的变迁使样本人群的范围和特质发生变化,一般被称为人口漂移。人口漂移会使原有评分标准下的评价结果与现实情况不符,这时就应适当的调整权值修正人口漂移带来的偏差,并不断更新作为训练样本的数据。
在宏观经济的变化引起的违约概率的整体变化,需要建立宏观经济模型来调整客户评级;而类似人口漂移等问题,数据结构都已经发生了变化,需要经常的更新训练样本,升级评级模型。评级模型有个别模型本身对于分布变化的这类问题有一定的解决能力,例如最近邻法,它可以直接加入新的申请者或删除老的用户的方式动态升级系统,从而克服人口漂移带来的问题。
四、拒绝推断
当我们使用训练样本进行模型研究的时候,所有训练样本都是已经有信用表现的客户,即都是曾经被授信的客户,而申请被拒绝的客户不在其列。但是当我们使用模型的时候,却面对了所有的可能客户(即包括了按照以前的标准被授信或者被拒绝的客户),既然我们模型从来就不认识被拒绝客户,又如何对他们作出判断呢?所谓“拒绝推断”(refusereference)是指如何从被拒绝的申请人中鉴别出应向其授信的申请人的问题。模型开发者面临的情况如图2。
在完全不准确(近乎随机)的信用评分的情况下,跃为较为精确的评级模型,“拒绝推断”造成的影响不是很严重。当然实际情况不会如此,即使是简单的专家选择,也会使得训练样本有偏。而开始使用模型后,由于人口漂移等诸多因素,原有的信用评级模型随着时间的流逝而渐渐失效,从而需要不断地更新。“拒绝推断”是信用操作中无法回避的重要问题,目前主要的解决有部分接受法、混合分解法等。
1.部分接受法
这是一种解决这类问题的较理想的方法,但是却不会受到经营者的欢迎。部分接受法就是在未被授信的客户集中进行随机的取样,批准他们的贷款申请,然后观察其以后的行为。这些申请者,被
(图2“拒绝推断”的图例)
赋以相应的权重,然后和那些通过原有规则获得批准的客户(或者是它们当中的随机取样)联系在一起,这将会带来完全随机的人群样本,可以用来创建新的评级模型。但是经营者往往不愿意这样做,他们的理由就是既然那些客户已经被认为是没有好的信用质量,批准他们的信用申请会带来损失。但是,如果授信方接收了当中一些人的申请,那么就可以通过建立更加具有预测能力的模型再长期获利。在任何情况下,授信方的利润都不会因为这些取样而受到太大的影响,因为这些取样都是经过仔细挑选的。关于部分接受法的研究还需要更加广泛的工作,不过有一点可以肯定的是,这个方法需要前台经营部门和风险管理部门的通力合作和预先的计划。
2.混合分解法
这是一种在没有任何关于人群信息的情况下,估计两种人群比例的方法。使用这种方法的前提是关于好坏人群的性质分布的假设。特别是,必须假设知道这些分布就等同于知道一些参数的值,而这些值是可以通过数据估计的。这种方法的关键就在于将假定的优质客户分布与假定的劣质客户分布的加权平均作为观察值的分布与整体样本分布的匹配。如此得到的整体样本分布称为“混合分布”。
这一方法可以让人们能够利用已知分布的一些优异性质,但它的弊端也很明显,就是关于好坏分布的假设必须是准确的。不幸的是,信用数据的特征非常复杂,想准确的得到它的分布往往是很困难的。
五、数据真实性
这是一个比较有中国特色的问题,虽然发达国家也有财务欺诈,但是绝对没有中国的严重。由于制度的缺失,或者制度执行的乏力,在中国,即使是会计师事务所审计出来的数据可能也是不可靠的。所以反财务欺诈,对于模型开发者是面临的严峻问题。但是模型开发者能做的只能是发现在统计意义上或者逻辑关系上出现的异常现象。
六、数据缺失
我国银行建立评级模型,面临最为严重的问题是数据缺失。在数据缺失非常严重的情况,建立一个优秀的模型几乎是不可能的,所以在此讨论在能建模的前提下,数据缺失问题如何处理。
如果一个变量缺失一定比例(例如50%)以上,只有放弃该变量;如果从经济学含义上,该变量确实非常重要,那么只有通过专家的经验来寻找可替代的变量(或者变量组合)。例如,家庭地址的所属区可能是十分重要的变量,但是并没有被记录,或者建模人员无法从家庭地址中提炼出区域,那么可以通过邮政编码和电话号码结合表征区域变量。
在数据缺失不是很严重的情况下,我们可以采用缺值替代的方法,例如均值替代、同类均值替代等,或者在不影响数据量的前提下也可以直接删除数据缺失的记录。
以上讨论的都还是完全随机缺失,这类缺失是完全随机发生的,不影响样本的无偏性。但是缺失更常见的随机缺失和非随机缺失,所谓随机缺失是指该变量的数据缺失与其他变量有关,例如财务数据缺失情况与企业的大小有关;非随机缺失是该变量的缺失与本身取值有关,如高收入人群的不原意提供家庭收入,财务情况差的公司不提供财务报表。
对于随机缺失和非随机缺失,删除记录是不合适的,随机缺失可以通过已知变量对缺失值进行估计;而非随机缺失还没有很好的解决办法。总结而言,缺值问题还是一个需要深入研究的问题。
七、过度拟合
由于样本中存在噪音,所以模型的拟合优度只能达到一定程度,这是理论能达到的最优拟合度。有些时候,当模型把噪音当成了信息进行拟合,使得拟合优度超过了理论的最优拟合度,过度拟合的模型实际上包含了错误的信息,预测能力很差。如图3是一个过度拟合的简单例子,对于图中的点,我们通过线性拟合和非线性拟合得到拟合曲线a和b,显然的曲线b的拟合优度要高于曲线a,但是如果本质上y和x之间是线性关系,那么非线性拟合的模型假设是错误的,较高的拟合优度实际上是过度拟合造成的。
过度拟合可以通过评价样本等方法来解决,如图4,当训练不断进行,训练样本的误判率不断降低,而评价样本则呈现先降后升的情况,那么当评价样本的误判率到最低时,我们就应该停止训练。
八、指标选取中一些问题
信用评级在我国还处于起步阶段,而发达国家已建立起一套相当完备的标准,在很多方面我们可以借鉴已有成果,但我国的文化习惯和道德标准与发达国家之间存在很大差异,在选取指标时应注意国情和评估的具体目的。具体评价指标的选取各国具有不同,如美国法律不允许将性别、年龄等个人属性作为指标列入消费者信用评估体系,但这显然是非常重要的指标,而且我国目前没有这样的法律规定;德国将是否服兵役作为一项重要指标;意大利将出生省份和婚约中对共同财产的要求作为重要指标;而日本则将供职公司是否上市以及公司的雇员数作为重要指标。
九、留酌情处理权
商业银行要根据自身情况制订合理的压力测试流程，主要步骤包括：选择压力测试方法；构建压力测试情景；确定冲击；选择信用风险计量模型；界定被冲击的资产；进行数值分析；风险加总。压力测试的重点应放在单个流程中不同的方法选择上。在实践中并不需要按照严格的先后顺序执行，可以根据实际需要进行修改或补充。按照商业银行信贷资产的特征，测试范围为整体信贷资产，划分为公司银行信贷资产、零售银行信贷资产。
1.2公司银行信贷资产
将压力情景给定的GDP、M2和CPI值代入设计模型，测算出压力情景下各行业的营业收入情况。将上市公司各行业营业收入的实际值与压力情景下上市公司各行业营业收入的预测值进行对比，得出营业收入的变化情况。假设商业银行各行业客户收入的变化程度同该行业上市公司收入的变化程度相同，最终得出压力情景测试下，商业银行各行业客户的营业收入变动情况。以商业银行客户各行业年报数据作为压力测试基期数据。根据前面的计算结果，测算压力情景下商业银行客户各行业的营业收入水平。根据压力情景下的收入水平，编制压力情景下商业银行客户各行业平均的财务报表。其中，涉及的假设包括：应收票据、应收账款、预付账款、应付票据、应付账款等和销售收入同比例下降；企业一年内到期的非流动负债保持不变，企业长期负债的减少等于企业一年内到期的非流动负债；营业成本、税金、销售费用随销售收入同比例下降；财务费用随短期借款同比例下降；用短期借款和货币资金调平报表。计算压力情景下行业PD值。我们将压力情景下的财务报表数据代入公司信用评级的打分卡模型，即可计算出压力情景下该行业客户评级结果。获取各行业客户实际的评级迁徙矩阵；假设压力情景下，商业银行各行业客户的评级迁徙矩阵依据其评级等级变动程度进行平移，且在平移过程中迁徙矩阵的形状不发生变化，据此测算出压力情景下各行业客户的评级迁徙矩阵。根据压力情境下各行业客户的等级分布，测算出压力情景下各行业的违约概率值（PD值）。计算压力情景下行业LGD值。选择客户PD变动、客户负债率变动、抵押物价值变化和抵押物变现能力变动4个指标作为参数计算出在压力情景下各行业的LGD值，客户PD变动取自于前一步计算结果；客户负债率变动取自压力测试前后客户财务报表负债率数据，用房屋成交量变化反映抵押物变现能力变化；假设压力情景下房屋成交量变化同本压力测试中房地产压力测试部分；用房价变化反映抵押物价值变化，假设压力情景下房价变化同本压力测试中房地产压力测试部分。计算压力情景下行业EL变化情况。将压力情景下测算出来的行业PD值和行业LGD值相乘，得到压力情景下行业的EL值，将其和基期行业的EL值进行比较，得出变化情况。计算压力情景下行业的5级分类结果。获取商业银行对公信贷资产5级分类迁徙矩阵的实际数据。假设在无压力情境下，5级分类的迁徙情况保持不变。假设压力情景下，5级分类的迁徙矩阵会依据其EL的变化发生平移，且平移过程中形状不发生变化。根据压力测试下5级分类的迁徙情况以及基期信贷资产的5级分类分布，测算出压力情景下各行业5级分类的结果。
1.3零售信贷资产
利用实施新资本协议过程中PD压力测试成果，宏观经济因素与PD之间的传导关系。通过历史迁徙数据将PD的变化对应到不良贷款各级别的变化上。假设PD增幅即为不良率增幅且业务规模不变，得出各压力情景下的不良率及新增不良额。根据商业银行各分类级别贷款间的历史迁徙率，将新增不良结果分配至各不良贷款级别中，得到最终的测试结果。信贷资产压力测试采用时间序列模型对PD进行模拟预测。
2公司贷款信用风险的宏观因子测定
宏观因子测定模型的核心思想是把有关经济周期的宏观因子识别出来，测定对我国商业银行信用风险有显著影响的宏观经济因子。
2.1基本假设及基础框架设定
在现有理论的信用风险因素模型当中，Gordy（2003）的单因素模型以及麦肯锡公司提出的CreditPortfolioView（CPV）模型是基于宏观经济因子度量信用风险的代表模型。其中，单因素模型是设定单一的宏观经济因子，不能区分有关经济周期的宏观因子对商业银行信用风险的不同影响，所以，不适合本文的分析。而CPV模型是基于一个开放的因子框架，可以用来测定多元的宏观经济因子。然而上述模型在国内商业银行实践中使用的相对较少，本文主要基于巴塞尔协议的有关内容以及国内商业银行的压力测试实践，设计了MEF模型来测定宏观因子对信用风险的影响程度。首先对商业银行信贷资产的风险集中度和宏观经济因子提出假设如下。商业银行信贷资产足够分散，单项资产在总资产中的份额很小，因此，债务人的特异风险可以在较大程度上分散掉，而债务人的违约概率主要受宏观经济因子影响。贷款企业整个行业的营业收入受宏观经济因子的影响，并能有效传导到商业银行的信用风险。宏观因子对营业收入以及信用风险的影响具有滞后性，对第t期营业收入及信用风险，用t-1期宏观因子进行测定。在测定宏观因子影响时，将商业银行的贷款企业划分为若干行业进行测算。在此基础上，MEF模型采用ln函数来描述行业收入和宏观经济因子之间的关系为宏观因子A在t-1期的数据；φ—待估计参数；e—误差项。选择行业营业收入的自然对数的主要原因是为了提高营业收入序列数据的平稳性，测定之前将收入数据进行了取自然对数处理。而来自其他系统性因子的“干扰”或者“噪声”被包含在误差项e中。
2.2宏观因子的选择
在建立了MEF模型之后，最重要的工作就是选择宏观经济因子，选择宏观经济因子必须既有理论依据的支持，同时又能反映实际情况。对于经济周期因子，在借鉴CPV模型、单因素模型和GVAR模型以及其他相关模型的基础上，根据数据的可得性，选择了GDP增长率、通货膨胀率和M2三个指标。
2.2.1GDP增长率（GDPGrowthRate）GDP增长率是反映一国经济增长和经济周期状况的最核心指标，在相关实证研究中也被普遍用作重要的宏观经济因子。从微观企业的角度来看，GDP可以看作一国总体企业产出的增长率，而企业的产出直接影响着企业的经营收益，也就影响着企业的偿债能力。
2.2.2通货膨胀率（Inflation，INF）
通货膨胀率代表着物价上涨水平。由于经济繁荣往往伴随着通货膨胀，而经济衰退常常也伴随着通货紧缩，所以通货膨胀率也是经济周期的一个重要指标。一般情况下，通货膨胀会影响企业的经营成本和收益水平，进而影响企业的信用风险。反映通货膨胀率的指数主要有CPI和PPI，因为PPI是衡量工业企业产品出厂价格变动趋势和变动程度的指数，主要反映的是生产成本变化而没能充分体现通货膨胀对收益的影响，并且不能全面覆盖农业和服务业。因此，本文选择CPI指数作为通货膨胀率指标。2.2.3广义货币（M2）广义货币是反映货币供应量的一个重要指标。随着货币供应量的增加，有助于改善市场的资金供求关系，企业的资金成本会呈现下降趋势，经济活跃度也会不断增加，这样能够带来企业营业收入的增加，降低信用风险。国外的相关研究还发现，汇率等因素同样对企业信用风险有重要影响，但是我国人民币汇率波动并不具有周期性波动特征，所以本文暂不作考虑。2.3宏观因子显著性测定要测定的是宏观经济和行业的传导机制，主要通过MEF模型计量出宏观经济因子变动对不同行业营业收入的影响。选择的控制变量为GDP增长率、M2增长率和CPI，因变量采用各行业年营业收入的对数值。将GDP、M2、CPI和各行业营业收入分别作了单因素、双因素和三因素回归，并选取解释能力最强的回归结果。考虑到数据的可获取性，用上市公司的营业收入作为宏观因子对风险的传导介质，并将上市公司营业收入划分为九大类型，具体包括资产密集行业、轻工制造行业、批发零售业、交通运输业、建筑业、房地产行业、基础设施行业、投资行业以及服务业等。检验结果详见表1，结果显示，三变量模型具有相对较好的解释效果，9大行业的R方平均值为74%，且在每个行业检验结果相对稳定，最高的为建筑业（A5）78.61%，最低的资本密集行业（A1）67.93%。
3零售贷款信用风险的宏观因子测定
3.1宏观因子的选择
M2同比增长率与PD成正相关关系，在实际情况中，M2同比增长率变大的时候，无论是流通中的现金，还是个人以及企业存款都在变多，债务人整体的偿债能力变强，违约率也相对下降，所以，该指标与PD的正相关关系与经济意义相反，故不引入PD时间序列预测的数量模型中，但考虑到在经济环境下M2极端情况对PD仍有相对影响，在PD预测模型后通过该指标对PD预测值进行修正。
3.2宏观因子对违约率影响的测算过程
建模数据：2009Q1—2013Q4的季度数据，共计20个样本。因变量：季度PD=季度新增违约人数/总人数，数据来源于国内某股份制商业银行的内部数据库。自变量：收集了GDP类、价格指数类、收入报酬类、金融类等宏观变量；数据主要来源于Wind数据库和人民银行网站。研究了国内宏观经济变量，涵盖了代表经济增长、金融指标的主要变量，最终发现CPI（居民消费价格指数）与GDP同比增长率对PD较为敏感。CPI与PD的相关系数为-0.81，具有明显的负相关关系；GDP与PD的相关系数为-0.88，也具有明显的负相关关系，从二者趋势图上也可以明显看到。综合考虑宏观经济变量与PD的相关系数和经济含义的解释度，初步选出GDP同比增长率、CPI同比增长率共2个宏观经济变量为参考风险变量。从变量间的相关系数看出，GDP同比增长率与CPI同比增长率有明显的相关性，不适合共同构建模型，由于GDP对因变量影响更为显著，且滞后阶大于CPI，可以认为GDP增速可以覆盖CPI增速对因变量的影响，所以模型仅接受GDP同比增长率作为自变量。用时间序列方法建立违约率与宏观因素的模型，同时，对GDP同比增长率做数据变换以平衡数量级。3.3测算结果的运用根据压力情景的设计，代入PD和宏观变量的计量模型，计算出通过数量模型得到的PD。据此对PD数量预测结果进行修正。最终得出不同情景下的PD预测值及PD上升幅度，基于宏观因子的不良贷款的压力测试。
一、信用卡迅速扩张时代到来
我国信用卡业务发展较晚，经历了一个从初始阶段到高速发展的过程。1986年中国银行发行第一张长城卡，卡的种类已达上千种，2002年信用卡的数量不到1000万张，但从2003年开始我国的信用卡业务发展十分迅猛，根据中国银联银行卡市场季度分析报告统计，2005年3月末，我国银行卡累计发行量达到8.27亿张，其中信用卡达3,308万张，近几年信用卡的扩张速度更加惊人，信用卡发卡量和消费额度成倍增长，透支额度也不断升级，有的单张信用卡甚至达到了300万元的透支授信额度。仅中国工商银行一家发卡行到2008年6月的发卡量就达到了3303万张，消费额达到了1108亿元。2000年到2008年中国工商银行信用卡发卡量和消费额具体见表1。
数据来源：根据中国工商银行公布的2001年～2008年年报和半年报数据整理。
由于信用卡是高利润贡献率的私人金融业务。随着我国金融领域的全面开放，一些外资银行早已通过合资、合作的方式，将触角伸向这一领域，国内银行卡业务竞争愈演愈烈，可以说信用卡扩张时代已经到来。据麦肯锡预测,中国的信用卡业务市场将呈指数式增长,到2013年利润将达到130亿元～140亿元（郑玉仙等，2006）,成为商业银行核心业务和主要利润来源。与此同时，始于2003年岁末的韩国信用卡危机至今尚未能有效治理，近年来香港的信用卡危机也未得到根本解决。因此，国内银行必须在大力发展信用卡业务，迅速抢占市场的同时，注重风险的防范。
二、信用卡市场扩张背景下风险防范问题更加突出
信用卡业务风险是指在信用卡业务经营管理过程中,因各种不利因素而导致的发卡机构、持卡人、特约商户三方损失的可能性。信用卡业务具有分散性、高利润、高风险的特点。由于信用卡所针对的客户是风险相互独立的消费者个人，客户的多样性和独立性使得信用卡业务和传统的对公业务相比，具有高度风险分散的特点。同时，信用卡业务具有高风险高利润的特点。信用卡透支的实质就是对客户的小额贷款，而且是没有抵押的信用贷款，交易双方存在严重的信息不对称现象，逆向选择和道德风险更加严重。同时，由于信用卡提供的是循环式短期无抵押小额贷款，其利息收入也要高于其他贷款。例如透支利率为日息万分之五，相当于年利率18%，是普通贷款3倍，高风险也能带来较高的利润。在西方发达国家，信用卡业务是许多国际大银行的主要业务和主要利润的来源，如作为目前美国乃至全球最大发卡银行的花旗银行，2004年信用卡业务净盈利占其利润的三分之一；而美国运通公司的运通卡业务利润更占了其公司全部利润的七成。而对于一些风险管理水平处于低位的发卡银行而言，如果风险控制不当，信用卡业务却将成为他们利润下降甚至亏损的主要因素。
信用卡风险的最大特点是市场拓展越深入，风险控制要求越高。随着高端客户资源开发完之后，灰色地带的客户即风险难以辨别的客户逐渐进入银行开拓视野，信用卡风险也呈现逐渐增大的趋势。在信用卡业务兴起初期，潜在优质持卡人数量庞大，各发卡机构能够在有效开拓市场的同时，充分考虑风险因素，因此普遍采取了较为严格的信用审核制度，信用卡不具备高额取现、结余转户等功能，经营风险难以在发卡机构间大规模传递，风险处于较低水平。随着竞争的加剧，各发卡银行为争夺市场，采取了放松发卡条件或者强行办卡等办法，对持卡人审查不严，埋下了风险隐患。管理不严，防范不力，服务跟不上就会造成信用卡的风险增大。但随着业务不断扩展，信用卡业务进入高速成长期。客户规模迅速扩大，导致客户质量参差不齐，信用风险随之迅速上升。
从国外的经验来看，信用卡业务的风险高发期往往集中在市场过度开发的阶段，是恶性竞争的结果。发卡机构为了争夺有限的资源，降低风险控制标准，由此引发了大规模的连锁反应，造成风险膨胀。国际经验表明，从20世纪90年代中期开始，信用卡行业的呆账率有所上升，信用卡的作业风险、经济周期风险和欺诈风险，欺诈性申请和交易损失由发卡银行承担，上世纪90年代到现在美国银行卡的欺诈损失额一般在6亿元～7亿元，2004年美国银行卡欺诈损失额约7.025亿美元。
在我国信用卡市场处于起步阶段，真正意义上的信用卡发行量不到1千万张，贷款规模不过百亿，与银行数以万亿计的信贷资产规模相比，所占比例甚小，其中所蕴含的风险相当有限，而且信用卡的持卡人基本上都属于银行的高端客户，所以信用卡市场处于低风险期。但是随着市场的进一步开发，竞争的加剧，信用卡发卡量和透支额成倍增长，持卡人队伍的扩大会使银行的信用卡客户群向中、低端发展，信用卡业务高风险、高回报的特性也会因此而在一定程度上逐步凸现。正是因为随着市场的饱和及竞争的激烈化，发卡银行开始更多地接受更高信用风险的客户，同时在经营理念上，更加追求利润最大化而非风险最小化，所以信用卡扩张时代的风险防范迫在眉睫。
三、信用卡扩张时代的风险防范对策
在信用卡业务迅速扩张的时代，必须借鉴国外成熟经验，建立和完善信用卡风险的防范对策。
1.加快个人信用制度建设和个人征信系统的建设。目前对信用卡风险防范的对策的探讨大多集中于信用卡欺诈风险和操作风险，笔者认为对信用卡风险的防范更应关注信用风险。发卡行发给客户信用卡的主要依据是该客户当时的经济状况和信誉程度。如果客户职业、收入、社会发生变动，经济状况恶化，无力还款，从而引发信用风险。要防止和杜绝信用风险的重要手段是加强个人信用制度建设，建立个人征信系统。以美国为例，个人征信局的征新产品和服务多达几十种，其中常见的调查报告--普通版征信报告和信用评分，主要应用于信用卡。信用评分是在一个或数个数学模型基础的支持下进行的，最常见的信用评分是用于预测持卡人违约率的，如美国个人征信局的FICO和GoldReport评分系统等。我国的个人信用制度建设比较落后，应该在政府和央行的推动下，借鉴成熟国家经验，成立个人信用管理机构，对个人进行征信，同时利用先进的技术和模型对个人信用进行管理和监督。
2.在发卡银行间建立完善的信息交流系统和信息共享制度。由于目前银行间信用卡的授信记录还不能完全共享，各银行对申领人、担保人的资信调查只适用于本行，没有被其他银行所用，如果同一客户申请另外一家银行的信用卡，则需要重新调查，导致重复性劳动及信息资源的浪费。同时，一个人可从不同银行申领到若干张信用卡。一般一个客户往往持有多张信用卡，这样总授信额度往往超过各银行预想，银行的风险会在无形中被放大。持卡人一旦发生恶意透支或无力偿还的话，就难免造成银行的呆坏账。一些涉嫌违规的中介公司也大行其道，助长了信用卡风险的发生。比如一些中介机构打着“小额贷款申请”、“快速融资”、“贷款绿色通道”的幌子来诱骗申请人，通过向各家银行同时申请信用卡，申请总数可以达到十几张，很多急于筹款的人热衷于此，从而扩张了信用风险。此外，各发卡行各自为政，缺乏合作，各发卡行购置的信用卡设备型号、网络模式、软件程序存在很大差别，不同银行的信用卡不能联网使用，信息勾通不畅，无法发挥资源共享，有效控制风险的作用。因此，各发卡行首先要共同设立专门的信用卡信息机构，发卡行在调查持卡人信用资料的同时，把所获得的信息与其他发卡行共享，避免重复劳动，达到提高工作效率的目的。其次要建立定期信息交流和共享制度。各信用卡机构之间应相互通报信用卡透支情况，定期交换信用卡恶意透支者的名单，堵塞某些恶意透支者轮换办卡、轮流透支的渠道和漏洞。此外，还要尽快实现全国各发卡行数据交换的电子化，建立信用卡信息数据库和信息渠道，实现信息资源在一定程度的共享，共同防范并降低风险损失。
3.借鉴国外成熟的经验和做法，对现实和可能的风险进行控制。一方面发卡机构应尽可能采用国外成熟的风险管理系统和经验，直接通过合资等手段，引入国外的先进管理工具和手段，使得整个行业在一开始，其风险控制水平就处于较高的阶段。比如引入国外先进的信用卡评分模型技术，经过本土化的改进和吸收，用以提高信用卡风险的防范能力。另一方面借鉴和吸取香港、韩国等信用卡业务出现系统性风险的国家或地区信用卡风险防范的经验和教训，对信用卡风险进行防范。从韩国和香港的信用卡危机可以发现一个共同的现象，那就是随着信用卡业务竞争日益激烈，发卡机构在年费、商户佣金等方面的收益不断下降，为提高贷款利息方面的收益，同时争夺持卡人的存量市场，发卡机构都积极拓展信用卡的直接贷款功能。其中，香港的发卡机构普遍提供结余转户服务，而韩国的发卡机构则广泛推行高比例的预借现金业务。在社会征信体系不尽完善的环境中，这些业务的推行，使得持卡人的信用风险不断膨胀和聚集，都表明过度发展信用卡的直接贷款功能容易诱发信用卡业务的系统性风险。因此，在我国，信用卡产品创新方面要吸取这些国家和地区的经验教训，利用先进的技术手段控制信用卡风险。
4.完善信用卡担保制度，健全风险补偿机制。在对担保人的职业、社会地位、收入情况进行认真调查分析的基础上，灵活制定担保条件。加强对担保人个人及单位资格的审查，避免“一人多保”的“无效担保”现象的发生。在风险补偿机制建设上，尝试与保险公司合作，共同研发相关保险产品，对持卡人的信用风险进行保险。例如可以对持卡人发生的透支逾期，由保险公司先行赔付发卡机构，而后由保险公司对持卡人进行债务追偿。另外，为了保障持卡人的权益，解除持卡人的后顾之忧，对持卡人卡片丢失后到办理挂失手续之间，卡片被盗用产生的损失进行保险。
5.加强信用卡立法建设，改善用卡环境。一方面要加快信用卡运行规则的立法，进一步规范信用卡业务。另一方面是加快打击信用卡犯罪的立法，例如根据近几年来信用卡犯罪的新特点，把骗领信用卡、非法盗取他人信用卡信息等行为纳入刑事处罚的范畴，进一步净化信用卡的用卡环境。
参考文献：
[1]陈建著:现代信用卡管理.中国财政经济出版社，2005
1.市场运行机制不同。CRMW有创设登记、发行销售、交易结算、注销等一系列流程，可以在全国银行间市场进行流通买卖。而CDS属于合约性质，如果信用保护卖方不想继续承担风险，则只能通过反向合约的方式才能平掉风险敞口。
2.结构不同。CRM交易结构设计从简。CRM明确信用保护针对特定债务，结构更加简单明确，风险隐患更小。而国外CDS的设计一般只指定标的实体、债务类型和债务特征，进行实物交割时，可以交割符合要求的任意债券。
3.风险控制不同。CRM市场采用市场分层管理，从而提高市场效率，防范市场风险。
4.市场透明度不同。CRM的设计提高了市场透明度。国际金融危机爆发的一个重要原因在于金融机构参与CDS交易的信息披露不全，市场透明度低，从而导致市场监督、监管缺失，金融机构盲目创设衍生品。为了杜绝这个隐患，集中报备交易、信息定期披露并且由上海清算所负责集中托管、集中清算等，这些措施在一定程度上确保了市场的透明度。
5.杠杆率不同。信用风险缓释工具的交易规模有严格的限制。
6.付费方式的不同。金融危机之前，CDS通常的付费方式是滚动式付费（RunningPremium），即在CDS创设之初不需支付保费，在CDS到期之前或发生约定的信用事件之前按期（一般是按季）支付固定保费。金融危机之后，ISDA的CDS“大爆炸”改革将CDS付费改为前端付费（Up-frontPremium）和滚动式保费相结合的方式。而中国版的CDS，即CRMW付费方式都采用前端一次性付费。基于这种付费方式，凭证报价也采用前端保费的报价方式。例如，10只债增CRMW002的报价为0.30元/百元名义本金，它是提供301天信用保护收取的所有保费的现值总和，这种报价方式与以前CDS通行的滚动保费报价方式是不同的。
7.信用事件的范畴也不同。CRMW不考虑重组，信用事件是破产和支付违约。
二、CRMW市场分析
来自交易商协会网站的数据，46家CRM交易商（截至2013年9月24日）、26家CRM核心交易商（截止2012年5月2日）和30家CRMW创设机构（截止2013年8月28日）、22家金融机构签署《中国银行间市场金融衍生产品交易主协议（凭证特别版）》（截止2013年10月8日）完成备案，见表1。在已签署《中国银行间市场金融衍生产品交易主协议（凭证特别版）》的22家金融机构中，银行占16家，主要是股份制商业银行以及部分外资银行，券商只有华泰证券、国泰君安、平安证券和中信证券4家；2家其他机构为中债信用增进投资股份有限公司和中国国际金融有限公司。四大国有银行均未签署主协议，保险公司和基金公司仍未获批参与CRM交易；在国外成熟的信用衍生品市场，银行、对冲基金、保险公司以及养老基金和共同基金是主要参与者。数据来源：全国银行间市场交易商协会网站据来自全国银行间市场交易商协会网站的数据，首批CRMA在2010年11月5日上线交易，20笔合约交易，有9家交易商达成，名义本金合计18.4亿元人民币，中外资商业银行和信用增进机构参与了此次CRMA交易的机构。各CRMA的标的债务类型主要是银行贷款、中期票据和短期融资券，期限长度从36天到2.21年不等，但主要以1年期为主。由于CRMA的名义本金、交易价格、标的债务、合约期限和结算方式等信息不需在交易商协会网站公布，因此本文无法对CRMA进行更深入的探讨。相反，CRMW的信息披露较为完整，也比较具有代表性，所以本文后面部分将重点分析CRMW市场现状CRMW业务推出后市场流通的9只CRMW详细信息统计。这9只CRMW分别由6家创设机构于2010年11月22日、12月24日、12月28日、12月30日和2011年3月23号创设，名义本金合计7.4亿元。6家创设机构中，有4家内资股份制商业银行，他们各自创设了1只CRMW；有1家外资商业银行，创设了1只CRMW；另有1家信用增级机构——中债增进公司，已创设了4只CRMW产品。在9只凭证中，期限最短的为242天，最长的有1032天（合2.83年），9只CRMW的名义本金从1000万到2亿元不等。从标的债务的类型来看，有3个标的债务为中期票据，最短剩余期限为1.66年，最长剩余期限为4.4年。这3个凭证中有两个标的债务及标的实体评级均为AAA级，另外一个标的债务及标的实体评级均为AA+级。剩下5个凭证的标的债务为短期融资券，期限在机构242天到335天之间。这些短期融资券的信用评级均为A-1级，这是短期融资券的最高信用等级，这些凭证的标的主体信用评级有1个为AAA级，2个为AA+级，另外3个为AA级。虽然这些凭证的标的主体信用评级低于MTN凭证的标的主体，但是短期融资券的信用评级均为最高等级。综上所述，目前创设的所有凭证标的主体和标的债务评级都在AA级以上，安全性极高，这也是试点业务期间的保守做法。也正因如此，CRMW创设时报价都相对较低，仅在23bp~87bp之间。
三、存在的问题
一方面是中国对于信用衍生产品的迫切需要，另一方面却是用心良苦推出的CRMW的无人问津。究竟是哪些因素制约了CRMW的发展呢？
（一）存在CRMW的真实需求，但监管对需求有所影响
正如前面所述，我国CRMW市场参与者较少，市场规模小，交易不活跃。市场参与者（潜在参与者）均存在对于CRMW的真实需求，但受到政策及监管部门不同意见的影响。商业银行：商业银行一直以来都是信用风险衍生品市场的最大参与者,在国际CDS卖方和买方的市场份额都达到了50%左右。虽然我国信用风险衍生品市场仍然很小，但商业银行存在较大的对于信用衍生品的真实需求。首先，银行通过合理利用信用衍生产品可以提高风险管理能力。长期以来，我国商业银行采用静态手段管理信用风险，如采取信用等级分类，授信额度限制等；银行在发现信用风险损失苗头时，一般只能通过增加保证，提前还款等方式避免损失。通过CRMW，商业银行可以在不转移所有权的情况下，将资产的信用风险剥离出来单独进行交易，这样也有利于维护与客户之间营造出来的良好关系。其次，有利于提高商业银行资本利用效率。根据国际经验，CRMW能够为商业银行开辟合规有效的资本金释放途径，开辟银行资本金“节流”渠道，从而有利于提高资本使用效率这一部分资金还可以用来放贷等，从而增加收益；再次，通过CRMW可以多元化自己的贷款客户，分散风险，即使在市场参与者只有其他商业银行的情况下。由于每个银行都有自己熟悉的地域、行业以及客户，这样往往使得银行贷款行业、地域集中度较高，无法进行最优的贷款组合管理。为了把贷款的非系统性风险降到最低，商业银行可以利用CRMW市场进行风险对冲，从而减少个体银行所承受的贷款风险。但银监会一直没有明确CRMW降低银行资本准备金的作用。直到2012年6月8日，银监会才正式了《商业银行资本管理办法（试行）》，第一次明确了在内部评级法下，银行可以运用信用衍生工具来缓释资本所面临的风险，从而降低资本金的计提，提高资本的利用效率。但是，由于目前仍然没有具体的指引，同时内部评级法对于中小银行的要求较高，这也就客观上制约了商业银行参加CRMW交易的积极性。目前中央银行和银监会均显示了对CRMW市场较为支持的态度，如果能够明确CRMW的资本缓释作用，有望促进市场的进一步发展。保险公司：在国际市场上，保险公司一般作为信用衍生品的卖出方。而在我国市场中，保险公司无论是作为买入方还是卖出方，都可以获得一定益处。首先，作为买入方，保险公司可以更好的管理存量资产的信用风险。通过买入CRMW来消除信用风险可以一定程度上避免出让资产的价格损失。而CRMW市场成交价格一般低于标的债务与金融债之间的理论信用利差，实际收益可能比金融债更高。其次，作为卖出方，保险公司可以接触到银行的资产池以及中低等级债务。在我国目前的金融体系下，商业银行在贷款市场具有绝对优势，而保险机构只能通过债权投资计划或债券进行固定收益资产投资。债券投资计划和债券收益率均低于贷款，且保险公司不能投资低等级债券，因此通过以合理价格卖出CRMW，保险公司可以获得原来难以接触的风险敞口，从而获得更高的收益。目前，保险公司参与CRMW市场最大的制约仍在于监管，虽然理论上保险公司满易商协会对于CRMW交易商和核心交易商资格的要求，但保监会对于保险公司参与信用风险缓释工具，尚无相关规定和明确态度。证监会对于证券期货机构和证券投资基金管理公司是否参与信用衍生品市场还仍处在观望期。面对国内庞大的贷款存量和信用债余额的信用风险暴露，市场参与者具有开展CRMW的实际需求，但由于监管机构尚未明确CRMW的资本缓释功能，对参与者的积极性造成了很大的影响。
（二）缺少基础数据，CRMW定价存在困难
CRMW本质上为CDS合约，约化模型（Reduced-FormModel）是CDS定价最常用的模型。该模型将CRMW的标的债务的违约时间δ视为非齐次Poisson过程的首次跳跃时间，算衍生品价格的过程中均需要采用一个外生的回收率变量。而这些数据恰恰是我国债券市场所缺乏的。截至2011年底，我国信用债券市场规模达到了6597亿美金，世界排名第三，排在前面的分别是美国（32613亿美元）和日本（9411亿美元）。在2007年到2011年的五年间，美国发生了违约事件400起，日本发生了8起违约，而我国债券市场至今没有发生一起违约事件。这一方面是因为我国经济一直处于上行趋势，发债企业的偿债压力较小；另一方面则是因为政府、监管机构等公共部门的“家长制”，对企业信用风险的过多干预。公开市场上违约率及回收率的缺失使得CRMW无法根据历史数据进行定价，而只能更多的参考信用利差。而信用利差中包含了流动性及风险溢价，使得单独提取出信用因素变得困难。因此，无论采用何种方式，违约统计数据的缺失都将影响到CRMW的定价。
2第三配置的内涵和特征
第三配置是指由市场和政府之外的第三种力量实施的资源配置，是除市场调节和政府调节之外的配置力量之和。它具有丰富的内涵，其主要内容大体包括以下三个方面：(1)社会精神力量，是支撑人们行动的精神动力源泉，来源于社会意识、精神世界的力量，如世界观、价值体系、道德观念、、思想意识等。(2)社会制度力量，是规范人们行为的潜意识规则，包括成文的社会正式制度如乡规民约、社团规章、协会章程等，以及不成文的社会非正式制度如习俗、惯例、社会规范、行为模式等。(3)社会组织力量，是以组织形式存在的第三配置力量，包括非政府、非营利性的社会团体、民间组织、行业协会、慈善机构等。这三种力量在形成机制、表现形式、约束力大小等方面既有区别又有交叉，它们的关系是辩证统一的。其中世界观和意识形态是一种相对隐性和软性的东西，而习俗、惯例、章程等则相对来说更为显性和硬性，约束力也相对更强。同时，这三种力量存在一定程度的交叉。非政府、非营利性的社会团体、民间组织、行业协会、慈善机构等，往往通过制订规章制度的方式来协调成员的行为，进行利益分配。相对于政府配置和市场配置，第三配置具有自发性、非强制性、广泛性、隐蔽性、实施成本低、高路径依赖性、一定程度的封闭性等特点。
3第三配置在信用卡产业信用风险控制中的必要性
信用卡产业所代表的信用关系体系是我国市场经济安全有效运转的一个重要环节。建立一种可靠的信用关系，并非简单地制作或发放一张信用卡就可以实现。信用关系的背后实际上是一种制度性契约和长期习俗的混合体，也是一种信用文化和有保障支付历史记录的体现。如前所述，只有在信息完全的情况下，社会契约才能是实现完全契约的效果，在现实不完全契约的条件下，我国需要做两方面工作，一是有必要不断健全和完善个人征信体系，二是在此基础上通过第三配置进一步完善信用卡产业的信用文化。第三配置通常在特殊类型的社会网络关系中起重要作用，比如，亲缘关系、地缘关系、私人交往圈、民间组织网络等，即往往存在于特殊意义的人际关系中。这种特性恰好与我国的信用卡产业发展路径相契合。首先，信用卡产业发展源起于人类信用关系网络。它的产生与发展都以社会网络的结构性变动为前提。在我国现代化转型过程中，社会的信任结构正从特殊信任向普遍信任发展，从而为信用卡提供了发展的土壤。
其次，信用卡产业的分配现状并不完全是市场竞争的结果。作为一种社会资本的产物，它的分配体系受到了社会结构的制约。只有当一个人或者一个阶层在社会结构中获取了相应的认同时才能够便捷地得到信用卡。最后，信用卡产业受控于社会结构与文化。信用卡作为货币支付的一种方式，与普通现金支付之间存在用途与意义的区别。信用卡在我国发展初期就被消费文化定义为“高端货币”，界定了它的文化内涵与使用领域，而传统文化则使人们对这种容易导致“负债”的货币保持警惕。文化的二重性塑造了我国特殊的信用卡产业特性。
4相关建议
在市场经济条件下，经济活动越频繁，对信用的要求越高；社会的信用道德程度越高，信用卡产业的经济运作成本就越低，所以，信用对信用卡产业来说不仅是一种社会规范，更是一种资源。从资源的配置视角看，资源的配置除了传统的市场和政府以外，还存在第三配置，即由社会公共组织或社会公共道德协调机制等方面的配置力量所进行的补充性配置，我国信用卡产业信用风险控制应重视这种良性补充。
(1)积极培育和发展相关专业化的组织，加强信用宣传。如推动诚信建设有关的社会性组织等，它们既不从属于政府，更不屈从于市场，它们的功能主要在于进一步规范和推动相关的行为，以保证信用卡产业信用风险控制在持续和健康的轨道内运行，并选择适合我国国情的信用培育模式。同时，要做到信息公开、透明，以加强相关组织的公信力建设。
(2)重视信用理念的培育和信用文化建设，继承和弘扬中华民族的传统美德和诚信价值观，通过社会价值观的支持使信用成为一种大众文化。借助观念培育、制度激励、道德教化、榜样示范和舆论评价等力量，推进信用传统在信用卡产业实践层面的现代转化。
(3)营造有利于信用卡产业发展的良好信用氛围。以信用建设为主要内容的第三配置在信用卡产业发展中要想发挥越来越重要的作用，政府和社会各界需要对此给予更多的支持和关注，除了在政策等方面予以支持外，还要通过一定的物质支持和精神鼓励，对为此做出贡献的个人和其他社会团体给予更多的鼓励，在全社会营造有利于信用卡产业发展的良好信用氛围。
二、商业银行信用风险的根源之一：逆向选择
信息的不对称性从发生时间上可以划分为事前不对称和事后不对称，即不对称可能发生在当事人签约之前，也可能发生在签约之后。事前信息不对称指信息优势方对信息劣势方采取的对后者不利的交易决策，信息劣势方为规避交易风险做出的决策反而会引发信息优势方的机会主义行为，最终导致市场失灵，被称为“逆向选择”。商业银行在做出信贷决策前要掌握大量信息，包括产业政策、货币政策、财政政策、经济形势分析等宏观信息，以及企业经营状况、管理水平、市场开发、技术创新、产品竞争力等微观信息。借款人也需要了解商业银行的资金实力、贷款利率、授信政策、风险控制措施等信息。一方面，作为金融机构，商业银行的政策、规定、流程以及资金实力等许多信息是公开透明的，企业获知与熟悉的成本较低，并且可以据此对自身情况进行快速调整。另一方面，受成本、效率与渠道等约束因素的限制，银行对借款人经营情况、管理效率、财务状况、信用水平、风险偏好、借款目的以及融资项目风险收益对比等信息的掌握却不一定完全（许多情况下只能根据借款人提供的资料来被动获取）。为了顺利融得资金，借款人总会倾向于向银行提供对自己有利的信息，隐瞒不利信息甚至还会编造虚假信息。这使得银行往往难以对相关信用风险做出准确判断，无法确定与风险状况最适宜的贷款利率，也无法对众多借款人进行正确比较和选择；只能根据历史经验和数据按借款人的平均资信状况、贷款项目违约概率来确定一个平均贷款价格（或在一定幅度内根据各种已知因素予以调整）。按照风险与收益对应原则，高风险对应高收益，但在信贷市场信息不对称和不完全的情况下，商业银行提高借款人的贷款利率，不仅不能弥补信息不对称带来的损失，可能还会进一步降低贷款项目质量，导致“逆向选择”行为，即风险越高、信用越差的借款人越有可能获得资金，风险偏低、信用越好的借款人反而较难获得资金，也就是经济学上的“柠檬市场”现象。具体讲，随着银行贷款利率的提高，只有高风险高收益的客户能够接受而继续申请借款，而许多信用良好的则会因借款成本超过预期拒绝借款，退出信贷市场；潜在的不良贷款风险恰恰来自于那些最积极寻求贷款的客户，也正因为他们选择的是高风险、高收益的项目才能支付高额贷款利息，但最终可能导致贷款违约概率远远超过银行的预计。“逆向选择”的存在使不良贷款发生的概率增大，银行利益受到严重影响。为弥补损失银行会继续提高平均利率，但这一行为只会使“逆向选择”问题进一步恶化，高风险借款人占比上升，贷款违约概率加大，银行面临的信用风险急剧增大。为规避风险，银行可能会走向另一个极端，停止发放任何具有较大不确定性后果的贷款。因此，“逆向选择”在导致金融市场无效率的同时，也严重扭曲了金融市场结构。
三、商业银行信用风险的根源之二：道德风险
侵占对方利益而产生的违约风险，被称为“道德风险”。市场中的任何主体都是追求利益最大化的理性“经济人”，在委托与关系中，人为追求自身利益最大化，有可能利用其拥有的信息优势而做出损害委托人利益的行为，形成经济学意义上的“道德风险”。在金融活动中，由于商业银行不会直接参与借款人的经营，对贷款资金投放项目的进展程度、可能取得的收益以及面临的风险等方面的信息缺乏全面了解，处于信息劣势，而且对于借款人的经营活动缺乏有效控制措施，难以保证借款人忠实履行借贷契约约定的内容。借款人则有可能违反承诺，或者不努力作为，降低投资项目的收益率等，放大商业银行面临的信用风险。这种由于借款人不道德行为的发生而使银行遭受利益损失的风险，就是商业银行面临的“道德风险”。“道德风险”会影响商业银行不良贷款的发生概率。在贷款发放之前,借款人的经营行为非常谨慎，若发生失败，损失将由自己承担。但在获取贷款之后,借款人投机的可能性会大大增加；如果成功，将获取超额收益，如果失败，血本无归，也不过是无法归还贷款，最终的损失将由银行来承担。在实际信贷行为中，“道德风险”可能表现为多种形式：一是借款人违反贷款合同约定，自行改变贷款资金用途。如借款人没有将贷款资金用于约定好的投资项目，而是用于投机易或其他高风险项目。二是借款人不作为，对贷款资金的使用情况不负责任，降低贷款资金的增值收益，影响其自身的偿债能力。三是借款人故意隐瞒资金收益，逃避偿债义务。如借款人利用商业银行对于贷款资金投资项目具体情况的不了解，采取多种措施转移、隐匿投资收益，谎称投资失利，拖欠或逃避偿债义务。由于信贷契约仅仅约定了一种承诺，不同借款人承诺的可靠性不同，同一借款人承诺的可靠性也会随时变化，商业银行凭借掌握的有限信息很难进行准确的判断和比较，只能通过提高贷款利率来弥补可能产生的损失。但随着对所有借款人实际贷款利率的增加，相对应发生不良贷款的可能性也会增加，较高的贷款利率只能使借款人的投机倾向加重，“道德风险”问题更加突出，而真正优质的借款人却逐渐退出市场，“逆向选择”也进一步恶化；无论哪种情况，都会导致商业银行贷款的平均质量不断下降，金融风险加剧。正如明斯基所言：“金融危机，实际上是因严重的“逆向选择”和“道德风险”而使得金融市场不能有效地将资源引导至那些有较高生产率的投资项目，从而发生崩溃的现象”。
四、商业银行信用风险的根源之三：不完全契约
现实生活中绝大部分契约是不完全的，不可能在契约中准确界定签约当事人的责权利，不能准确描述与契约行为有关的未来所有可能出现的状况及各种状况下契约各方的责任、义务。因此，契约的履行必然存在风险。商业银行与借款人之间的资金借贷行为通过签订借贷契约来进行，债权债务关系、性质、特征等要素在借贷契约中得到明确。信用风险主要来源于信息不对称造成的机会主义或恶意毁约行为，一种是受信息获取来源、成本限制，商业银行对借款者做出错误判断，借款者没有预想的偿还能力所致。一种是借款者有偿还能力，但为获取更多收益而故意毁约所致。这些风险在很大程度上源于信贷契约的不完全，因为商业银行在设计信贷契约的过程中，不可能预测到所有未来可能发生的情况，也不能明确各种不确定因素对银行产生的影响，商业银行的努力并不能消除风险，只能尽可能地将风险降低。可以说，借贷契约的不完全性导致和加剧了商业银行的信用风险，而且风险会随着契约不完全程度的变化而变化，契约的不完全性越强，借款者毁约的可能性也就越大，进而借贷契约纠纷的可能性和事后处理成本也就越高。
五、结论
（一）信息对防范信用风险至关重要
但由于信息的有限性、稀缺性和获取成本的高昂性，商业银行要获得最大效用，就必须在收集信息过程中坚持集中管理与分散管理相结合、收益与成本相权衡的原则。
（二）商业银行应结合自身战略导向、风险管理资源分布等情况
加大投入，加快方法模型的研究、设计、开发和应用，提高风险管理中定量技术的占比。建设功能强大、内容齐全的数据库和信息分析系统，为识别、区分客户资质提供强大的信息基础和技术支撑。
（三）商业银行应建立完善的信息传递机制
形成自上而下与自下而上相结合的良性循环，确立清晰的方向和路径，将定期与不定期、专题与常规传递结合起来。管理层根据所掌握的信息和沟通的结果，及时对信用风险管理政策、制度、机制、流程的合理性、健全性、衔接性和环境适应性进行动态改进，通过最大程度消除内部信息不对称来降低外部信息不对称。
（四）商业银行应完善内部治理结构
优化委托关系，降低二者利益不一致带来的效率损失，将组织内者的剩余控制权与剩余索取权尽可能趋于一致，从而形成各部门、各层级对借款人有效的监督合力。
（五）商业银行应在契约中设计有效的激励约束契约条款
利用惩罚或者奖励手段，增大违约成本并使其远远高于相应的收益，使借款者按照商业银行所期望的方向行动，并督促那些具有偿付能力的借款者无法自愿毁约。
1.1财务柔性对企业信用风险的平滑作用柔性是Hart等在研究企业受经营周期影响时提出的概念。20世纪60年代以后，世界经济环境向复杂化、动态化趋势发展，柔性生产、柔性管理等问题才开始被重视，直到20世纪末财务柔性作为集成柔性中的子系统才开始被研究。从葛家澎和占美松、DeAngelo、Byoun等对财务柔性的定义可以看出，财务柔性的最终目的是实现企业价值最大化。Singh和Hodder通过对跨国公司进行实证分析发现财务柔性能够增加公司价值［。Chang、Jackson和Grover在研究亚洲金融危机时发现，在动态环境中承担风险的诸多企业中，只有具备财务柔性的部分企业具有更高的经营业绩。Dreyer和Grnhaug也得出了同样的结论，即财务柔性水平高的企业具有更高的业绩水平。Arslan、Florackis和Ozkan以东南亚金融危机为研究背景，发现在危机前保持高负债融资柔性和高现金柔性的企业在危机期间创造了更好的经营业绩。企业价值既包括业绩，也包括风险。财务柔性的特殊作用是预防或利用不确定性因素，而不确定性恰恰是风险的来源，因此财务柔性具有预防或降低风险的功能。Antonio等认为企业财务风险的规避策略与柔性程度直接相关；Bates、Kahle和Stulz发现，随着经济环境不确定性的加剧，企业保持高水平的负债融资柔性和现金柔性能降低其信用风险、避免发生违约事件。中国学者对财务柔性研究较少，主要对财务柔性的作用及构建财务柔性的理念进行了探讨。例如：邓明然对企业面临不确定因素的原因进行了理论分析，认为财务柔性可降低不确定性、规避财务风险、提高经济绩效；赵湘莲和韩玉启在分析应对财务管理活动中的风险因素时，指出财务柔性不仅能降低风险因素，而且能利用发展机会为企业创造价值，并进一步提出了财务柔性水平的监控措施；王楷华从人本思想的角度提出了财务柔性管理的构建。中国学者主要从理论层面对财务柔性进行了探讨，鲜有文献对理论分析进行实证检验。综合国内外学者对财务柔性作用的理论及实证分析可知：财务柔性为企业创造价值，不仅表现为对企业带来更高的绩效，而且表现为在不确定性的经济环境中使企业保持一定的现金持有水平和债务融资能力，并能降低企业的信用风险、避免企业破产倒闭。在金融危机期间，财务柔性凭借其降低风险、提升业绩的作用而对企业的可持续发展具有重要意义。金融危机过后，金融环境整体比较平稳，资本市场波动趋于平缓。然而，随着世界经济一体化趋势的加强，企业仍面临经营环境复杂化、动态化的发展趋势，财务柔性在预防不确定性事件、缓冲信用风险方面仍起重要作用。
1.2融资约束对财务柔性缓冲作用的影响在资本市场完美的假设下，Keynes认为企业无须持有现金资产，因此企业对现金柔性不产生要求。现实中，Greenwald、Stiglitz和Weiss以及My－ers和Majluf却认为，信息不对称和问题的存在导致外部融资成本过高，由于企业自有资金有限，因此当企业没有足够多的财务资源来应付不确定性因素时就会产生融资约束问题。中国的资本市场不完善，企业的融资约束尤其严重。虽然中国政府开展了金融市场改革———包括股票市场和债券市场的建设以及国有银行商业化管理等，但是由于企业发行股票和债券需要经过政府部门的层层严格审批，而银行偏好向国有企业贷款，因此中国企业“融资难”的问题未能从根本上得到改善。Almeida、CamPello和Weisbach以及Denis和Sibilkov通过理论分析认为，企业进行流动性管理的根本原因在于融资约束，而且融资约束越强则现金持有的边际价值越高，企业对流动性资产的需求也越高。对于融资约束程度更强的企业而言，现金在企业投资中的作用更大，对企业价值的正向影响也更为显著。顾乃康和孙进军就现金持有对企业价值的影响进行了实证检验，其实证结果显示，企业所持现金的边际效用随着其融资约束程度的提升而增大。对比中外学者关于现金持有对企业价值影响的研究，不难发现：在融资约束情境下，现金持有的价值随着融资约束的加剧而增大。而Acharya、Almeida和Campello从投机需求的角度以及García－Teruel、Martínez－Solano和Sánchez－Ballesta等从会计信息质量的角度所做的研究均表明，融资约束会增加企业的流动性需求。流动性主要来源于公司内部的现金、等价物以及保有的负债融资额度，即现金柔性和债务融资柔性。融资约束越严重，企业对财务柔性水平的要求就越高，企业保有财务柔性的价值就越大。Hubbard最早提出“流动性缓冲”，即面临融资约束的企业出于预防性动机会保留较多的流动性资产。Almeida、CamPello和Weisbach进一步对该理论进行了实证检验，发现面临融资约束的企业会留存较多的现金及现金等价物，而非融资约束的企业不存在这一现象。可见，受融资约束的企业面对信用风险的增大会有越来越高的财务柔性需求。本文基于财务柔性对企业信用风险的预防作用，提出了“财务柔性缓冲”。“财务柔性缓冲”的基本原理如下：在财务融资约束情境下，企业为了预防不确定性因素的冲击而保有一定的现金并维持一定的负债融资柔性水平，以继续维持企业现有投资和日常经营活动的需要、预防债权人提前解约或“惜贷”，从而降低企业信用风险；当发生可利用的投资机会时，企业根据优序融资原则，可以优先使用内部资金并凭借保有的负债融资水平，进一步扩大投资以最大化企业价值。
2实证设计
2.1研究假设综合上述讨论结果，本文提出如下假设：假设1：财务柔性水平与企业信用风险显著负相关。假设2：财务柔性对企业信用风险的缓冲作用随着企业所受融资约束程度的提升而增强。
2.2样本选择与数据来源本文选取2009—2012年中国A股非金融业上市公司为样本，并剔除如下上市公司：被特别处理的ST公司；2009年及以后上市的公司；关键指标值数据缺失的上市公司。最后得到2364家上市公司的7986个样本观测值。本文所用数据来自锐思数据库，使用Stata10软件进行统计分析。
2.3模型设定与变量定义
2.3.1被解释变量被解释变量为企业信用风险（EDF）。国外企业信用风险计量模型有多种，万晏伶和杨俊的研究表明KMV模型可以很好地衡量中国上市公司的信用风险。本文结合中国上市公司信用统计资料不健全的实情，借鉴穆迪公司开发的KMV模型来衡量上市公司样本的信用风险。该模型假设企业价值服从布朗运动。其中：E为企业的股权价值；VA为企业资产的市场价值；DP为负债的账面价值；T为债务的到期时间；σE为企业股权价值波动率；σV为企业资产价值波动率。运用MATLAB编程逐一迭代可计算出各企业信用风险EDF值。
2.3.2解释变量解释变量为财务柔性。根据DeAngelo等、曾爱民和魏志华的研究方法，本文采用现金柔性（Xjrx）和负债融资柔性（Fzrx）来衡量公司的财务柔性水平。现金柔性为企业持有现金比率，负债融资柔性＝max（0，行业平均负债比率－企业负债比率）。
2.3.3调节变量调节变量为融资约束。本文借鉴Hadlock和Pierce的Size－Age指数（简称为SA指数）法来衡量融资约束。SA指数＝－0．737×Size＋0．043×Size2－0．04×Age。其中：Size为企业规模；Age为企业年龄。在进行稳健性检验时，根据连玉君、彭方平和苏治的研究［27］，本文用企业规模（Size）、是否支付股利（Guli）和产权性质（Nature）度量企业的融资约束程度。企业规模越小，则企业所受的融资约束程度越大；企业不支付股利，则企业所受的融资约束程度较大；企业是民营企业，则企业所受的融资约束程度较大。此外，本文设置了如下控制变量：盈利能力（总资产净利率———ROA）、成长性（总资产增长率———Totassgrrt）、固定资产规模（固定资产占总资产比例———Fixassrt）和公司治理（董事会规模———Board和独立董事比例———Dudong）。同时，设置哑变量以控制行业和年度因素的影响。
2.3.4计量模型为了验证假设1，本文设定如下模型：式（2）中：SA×Xjrx、SA×Fzrx为用SA指数衡量的融资约束程度与财务柔性的交叉项。在进行稳健性检验时，将模型（2）中用SA指数衡量的融资约束程度替代为企业规模（Size）、是否支付股利（Guli）以及产权性质（Nature）。其中：Size×Xjrx、Size×Fzrx为用企业规模表示的融资约束程度与财务柔性的交叉项；Guli×Xjrx、Guli×Fzrx为用“是否支付股利”表示的融资约束程度与财务柔性的交叉项；Nature×Xjrx、Nature×Fzrx为用产权性质表示的融资约束程度与财务柔性的交叉项。如果融资约束程度与财务柔性的交叉项的系数为负值且其绝对值越大，表明企业受到的融资约束越强，财务柔性对企业信用风险的缓冲作用越大。
3实证结果分析
3.1描述性统计表2列示了各变量的描述性统计结果和差异性检验结果。从全体样本看：企业信用风险均值为0．25、标准差为0．07，说明样本企业间的信用风险水平差异较大；负债融资柔性均值为0．08、最低值为0，现金柔性均值为0．21、最高值为1，表明样本企业间的财务柔性差异较大。从融资约束程度来看：融资约束程度强的企业的信用风险均值相对较高且差异显著———这可能与企业的财务柔性水平不一致有关；融资约束程度弱的企业的负债融资柔性水平和现金柔性水平相对较高且差异显著。
3.2相关性分析表2列示了变量间的相关系数。由表2可知：企业信用风险与负债融资柔性、现金柔性显著负相关，表明提高财务柔性水平可以显著减小企业信用风险。同时，不论是Pearson相关系数还是Spearman相关系数，企业信用风险与负债融资柔性、现金柔性均在1％的水平下显著。
3.3回归分析
3.3.1财务柔性对企业信用风险的缓冲作用表3列示了模型（1）的估计结果，分别使用了固定效应模型和随机效应模型。结果显示：无论是固定效应模型还是随机效应模型，负债融资柔性、现金柔性与企业信用风险的回归系数基本一致。表3中，两种模型中负债融资柔性和现金柔性的系数均显著为负，表明财务柔性的变动方向与企业信用风险的变动方向相反。财务柔性与企业信用风险的波动方向相反能否说明财务柔性对信用风险起到缓冲作用呢？本文进一步控制影响信用风险的其他因素，如盈利能力、成长性、固定资产状况、公司治理、行业和年度。加入控制变量后，财务柔性与企业信用风险的显著负相关并未改变。可见，财务柔性水平的提高对企业信用风险的减小起到了明显作用，即假设1得证。
3.3.2融资约束的调节效应借鉴Hadlock和Pierce用SA指数衡量融资约束的做法，SA指数值越大说明企业受到的融资约束越强。以SA指数均值为标准，融资约束程度小于该均值的企业为融资约束程度强的企业，融资约束程度大于该均值的企业为融资约束程度弱的企业。用虚拟变量表示融资约束程度：融资约束程度强，该虚拟变量取值为1；融资约束程度弱，该虚拟变量取值为0。SA×Fzrx为融资约束程度与负债融资柔性的交叉项；SA×Xjrx为融资约束程度与现金柔性的交叉项。表4列示了融资约束的调节效应的检验结果，分别使用了固定效应模型和随机效应模型。由表4可知：利用两种模型所得的检验结果基本一致，从而加强了研究结论的说服力。检验结果显示：负债融资柔性、现金柔性与公司的信用风险显著负相关———这与前面的假设1一致；融资约束程度与负债融资柔性、现金柔性的交叉项的系数均显著为负，表明企业受到的融资约束越强，财务柔性对信用风险的缓冲作用越大，故假设2成立。
3.3.3稳健性检验为了确保结论的有效性，本了多项稳健性检验，分别使用企业规模、是否支付股利和产权性质来衡量融资约束程度。其中，企业规模小于均值的企业为融资约束程度强的企业，企业规模大于均值的企业为融资约束程度弱的企业；未支付股利的企业为融资约束程度强的企业，支付股利的企业为融资约束程度弱的企业；民营企业的融资约束程度强，国有企业的融资约束程度弱。融资约束程度强，变量值为1；融资约束程度弱，变量值为0。很显然，财务柔性与企业信用风险显著负相关的结论未改变，表明财务柔性对企业信用风险具有明显的缓冲作用。用不同变量衡量的融资约束程度与财务柔性的交叉项的系数仍显著为负，表明企业所受的融资约束越强，财务柔性对企业信用风险的缓冲作用越大；当企业没有融资约束时，财务柔性对企业信用风险的缓冲作用不明显。
信用风险又称违约风险，是指借款人、证券发行人或交易对方由于种种原因，不愿或无力履行合同条款而构成违约，致使银行、投资者或交易对方遭受损失的可能性。基于传统金融学理论许多金融机构和研究者对信用风险管理作出积极探索并取得了卓有成效的计量模型和支持工具，但也存在明显缺陷。随着行为金融学的兴起和发展，为我们提供了新的视角来研究信用风险管理。
1行为金融学的产生
20世纪50年代，冯·纽曼和摩根斯坦(VonNeumannMorgenstem)在公理化假设的基础上建立了不确定条件下对理性人(rationalactor)选择进行分析的框架，即期望效用函数理论。阿罗和德布鲁(Arrow，Debreu)后来发展并完善了一般均衡理论，成为经济学分析的基础，从而建立了经济学统一的分析范式。这个范式也成为金融学分析理性人决策的基础。1952年马克威茨(Markowi)发表了著名的论文“portfoliosdeefion”，建立了现代资产组合理论，标志着现代金融学的诞生。此后，莫迪戈里安尼和米勒(Modigliani－Miller)建立了MM定理，开创了公司金融学，成为现代金融学的一个重要分支。自上个世纪60年代夏普和林特纳等(Sharp－Limner)，建立并扩展了资本资产定价模型(CAPM)至布莱克、斯科尔斯和莫顿(Black－Scholes－Merton)建立了期权定价模型(OPM)，至此，现代金融学，已经成为一门逻辑严密的具有统一分析框架的学科。
随着金融市场上各种异常现象的累积，模型和实际的背离使得传统金融理论的理性分析范式陷入了尴尬境地。20世纪80年代，通过对传统金融学的反思和修正，行为金融理论悄然兴起，并开始动摇了CAMP和EMH的权威地位。行为金融理论在博弈论和实验经济学被主流经济学接纳之际，对人类个体和群体行为研究的日益重视，促成了传统的力学研究范式向以生命为中心的非线性复杂范式的转换，使得我们看到了金融理论与实际的沟壑有了弥合的可能。1999年克拉克奖得主马修(MatthewRabin)和2002年诺贝尔奖得主丹尼尔·卡尼曼(DanielKahneman)和弗农·史密斯(VemonSmith)，都是这个领域的代表人物，为这个领域的基础理论作出了重要贡献。国外将这一领域称之为behaviorfinance，国内大多数的文献和专著将其称为“行为金融学”。
行为金融学发现，人在不确定条件下的决策过程中并不是完全理性的，会受到过度自信、代表性、可得性、锚定和调整、损失规避等信念影响，出现系统性认知偏差。而传统金融学是基于理性人假设，认为理性人在不确定条件下的决策是严格依照贝叶斯法则计算的期望效用函数进行决策的。即使有些人非理性，这种非理性也是非系统性的，会彼此抵消，从而在总体上是理性的；如果这种错误不能完全相互抵消，套利者的套利也会淘汰这些犯错误的决策者，使市场恢复到均衡状态，达到总体理性。
2行为金融对信用风险管理的影响
2．1风险偏好
根据行为金融学的基本理论，投资者的风险偏好不同于传统金融学理论下风险偏好是不变的，而是变化的，是会随着绝对财富等一些其他因素的改变而发生改变的。因此，我们就没有理由相信借款人是特殊的群体，他们借款的目的大多都是为了投资，也是众多投资者中的一部分，他们的风险偏好也会发生改变。风险偏好的改变就会直接影响到他们面临的风险，最终会影响贷款方面临的信用风险。
2．2过度自信
过度自信或许是人类最为稳固的心理特征，人们在作决策时，对不确定性事件发生的概率的估计过于自信。投资者可能对自己驾驭市场的能力过于自信，在投资决策中过高估计自己的技能和预测成功的趋势，或者过分依赖自己的信息而忽视公司基本面状况从而造成决策失误的可能性。这种过度自信完全有可能导致大量盲目投资的产生，盲目的多元化和贪大求全。
2．3羊群行为
企业决策由于存在较大的不确定性并涉及较多的技术环节，其决策往往由决策团体共同协商作出，主要属于群体决策，而群体决策有可能导致羊群行为(HerdBehaviors)的发生。羊群行为主要是指投资者在掌握信息不充分情况下，行为受到其他投资者的影响而模仿他人决策的行为。在企业决策中，羊群行为的表现可能是决策团体中多数人对团体中领导者的遵从，也可能是领导者对决策团体中多数人的遵从，而且是一种盲目的遵从。决策中的羊群行为可能造成决策失误。
2．4资本结构与公司价值
1958年，美国经济学家费朗哥·莫迪格里安尼(FraneoModigliani)和默顿·米勒(MertonMiller)在《美国经济评论》发表了题为《资本成本、公司财务和投资理论》的论文，提出了著名的MM定理，主要内容是：在市场完全的前提下，企业的资本结构与企业的市场价值无关。即企业价值与企业是否负债无关，不存在最佳资本结构问题。如果证券价格准确地反映了公司未来现金收入流量的值，那么不管发行的是什么类型的证券，只要把公司发行的所有证券的市场价值加在一起，一定等于这个公司未来利润的现值。无风险套利活动也使得资本结构无关紧要，如果两个本质完全相同的公司因资本结构不同在市场上卖出的价格不一样的话，套利者就可以将更便宜的公司的证券全部买下，然后在价格相对较高的市场上卖出。因此，公司的资本结构就不再是不相干的问题。不同的现金收入流量对不同的投资者的吸引力也会各不相同，这些投资者对于他们感兴趣的现金收入流量愿意付出高价。特别是由于噪声交易者的存在，套利仍充满风险。所以，不同的资本结构，其公司价值显然是不同的，其信用风险必然不同。
