时间：2023-03-21 17:16:23
序论：速发表网结合其深厚的文秘经验，特别为您筛选了11篇信用风险论文范文。如果您需要更多原创资料，欢迎随时与我们的客服老师联系，希望您能从中汲取灵感和知识！
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。
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。
二、信用卡业务信用风险管理外部体系的构建
1.个人征信的含义
个人征信指的是由专门的征信机构建立个人信用信息的数据库，将分散在各金融机构以及社会相关部门的个人信用信息进行收集和分析，从而对外提供个人信用报告和信用评估等服务的活动。众多的先进经验表明，建立完善的个人征信体系能够为信用卡的健康发展提供保障。
2.完善我国个人征信体系的建议
经过近些年的发展，我国的个人征信体系获得了一定的发展，但是，在很多方面仍然存在不完善的地方，特别是征信机构尚处在发展的初级阶段、征信产品应用范围不够广泛等问题，影响了我国商业银行信用卡业务的信用风险管理工作的深入，急需对其进行完善，具体的措施包括：第一，建立全国统一的企业和个人征信体系，并在原有基础上将保险、证券、工商等纳入范畴之内，扩大所采集数据的覆盖面，以便为其他部门提供征信服务；第二，为信用评级机构的发展创设良好的外部环境，在改进内部评级体系的同时，推动第三方信用评级市场的发展，促进内外部评级结果的结合，提供更高质量的信用服务；第三，明确监管目标，完善相关的法律法规体系，加强对征信市场的监督管理。
2基于BP神经网络和证据理论的评价方法
2.1BP神经网络的基本原理
BP神经网络，是由Rumelhart和McCelland等人（1986）提出的。其基本思想是，学习过程由信号的正向传播与误差的反向传播两个过程组成。正向传播时，输入样本从输入层通过隐含层传向输出层。若输出层的实际输出与期望输出不符，则转入误差的反向传播阶段，并将误差分摊给各层的所有单元。正向传播与误差反向传播周而复始，一直到网络输出的误差减少到可接受的程度，或预先设定的次数为止。
2.2证据理论的基本原理
①定义1：设为一个互斥又可穷举的元素的集合，称作识别框架，基本信任分配函数m是一个集合2到[0，1]的映射，A表现识别框架的任一子集，记作A哿，式中：m（A）称为时间A的基本信任分配函数，它表示证据对A的信任程度。②Dempter合成法则：假定识别框架下的两个证据E1和E2,其相应的基本信任函数为m1和m2，焦元分别为Ai和Bj，则m（A）=m1（A）茌m2（A）2.3信用风险评估算法为了保证神经网络的收敛和稳定性，本论文中将15个指标分为四组，建立4个神经网络NN1，NN2，NN3和NN4。神经网络的输出设计为（0.1，0.1，0.9）T、（0.1，0.9，0.1）T、（0.9，0.1，0.1）T，表示的信用风险级别分别为高风险、中度风险、低风险，记为A1，A2，A3。将输出归一化，得到向量（a′i1，a′i2，a′i3）T，记作V′i。令mi（Ai）=a′il，i∈{1，2，3，4}，l∈{1，2，3}，表示由NNi得到的对信用风险级别Ai的基本信任度，即针对事件Ai的证据。之后，再将4个证据利用DS证据理论融合。就可以对信用风险进行评估，最初最终决策。
3应用实例
本次数据采集共发出问卷200份，收回135份，有效问卷92份。将前91组数据分别训练神经网络。再将余下1个样本输入训练好的神经网络，归一化处理输出结果即得该证据对该命题的基本概率分配，而后利用DS证据理论将其融合得到最终优化结果。
1.2财务指标选取处理针对林业类上市公司信用风险研究，本文从偿债能力、盈利能力、营运能力、成长能力和现金流量指标等五方面进行研究，共选取17项财务指标作为变量进行研究。
2因子分析
财务指标之间存在相互转换的可能，财务指标间的多重共线性可能降低模型稳定性，甚至影响最终结果。其次，各变量之间的内在联系以及重要程度，即变量的内在结构对于指标的选取及模型的建立具有重要意义。本文采用因子分析提取主成分，将离散指标的信息浓缩为预测所需的主要指标。
2.1KMO以及Bartlett球形检验KMO及Bartlett球形检验用以检验变量间的相关性。本文检验结果如表2所示，获得KMO统计量为0．556。考虑到样本量的影响，此数值在接受范围内，可以利用上述变量进行因子分析。
2.2公因子方差比（Communalities）公因子方差比反映了提取公因子过程中，各变量被提取出信息所占比例，即原变量的信息量中由公因子决定的比例。本文对变量公因子方差比进行分析，结果如表3所示。多数变量提取的比例在70％以上，可知所提取公因子对变量的的解释能力均处在较强水平。
2.3解释的总方差为保证因子的可解释性，本文运用最大方差法对因子进行旋转，将信息量重新分配。该操作将17个变量划分为5个特征根。特征根可以被看做体现主成分影响力度的指标，代表引入该因子后对原始变量信息的平均解释量。分析表4中各成分方差及其累积程度可知，前五个特征根的总贡献率已达到79．48％，即可利用前五个特征根描述足够信息。
2.4旋转后的成分矩阵通过成分矩阵可以得到各个主要成分的表达式如下分析各成分表达式可以得到各个因素中最主要的变量。F1主要包括总资产报酬率、净资产周转率、总资产周转率等与资产相关的指标；F2主要包括与现金流量相关联的指标；F3主要包括与负债相互关联的指标；F4则包括了净利润增长率以及营业收入；F5主要包括与存货相互关联的指标。
3Logistic模型实证研究及预测结果
3.1Logistic模型实证研究Logistic模型又称增长函数，于1838年由比利时学者PFVerhulst首度提出。1920年美国学者珀尔和利德的研究使其在人口估计和预测问题中推广。Logistic函数原型为：P＝L／（1＋exp［－（a＋bt）］）。t为时间，P为时间t的人口数，L为P的最大极限，a和b为相关参数。
3.2预测结果依照正常和存在信用风险将样本公司分为两类，使用模型得到的预测结果正确率为83．8％。这表明，此模型可以对我国林业类上市公司信用风险进行较为理想的预测。
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。
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。
加入WTO和世界经济一体化,给我国外经贸事业的发展带来了前所未有的机遇。与之相伴随的却是,中国出口企业日益陷入海外应收账款“黑洞”。相关统计资料显示,中国出口企业的海外应收账款累计至少超过1000亿美元,相当于中国2004年总出口额的五分之一,而且这种海外呆坏账正在以每年150亿美元的速度增加。外贸企业的很多利润被坏账所吞噬,许多外贸企业不堪重负,甚至破产倒闭,有的即使能够维持经营,在经营中也常常进退维谷,阻碍了企业的正常发展。另一种极端情况就是部分外贸企业由于惧怕坏账风险采取非常谨慎的信用政策,甚至宣称对非信用证业务一律不做,结果限制了业务的发展。
在与各国经贸往来中我国外贸企业并未充分重视客户信用风险的管理,在对外贸易客户信用风险管理上的欠缺造成的债务拖欠和应收账款问题已成为外贸企业发展的瓶颈。
外贸企业客户信用风险特征
下面笔者结合美国邓白氏公司中国代表对我国外贸企业大量逾期应收账款问题的调查报告数据,对我国外贸企业客户信用风险的特征进行结构分析,从更深层次上理解我国外贸企业客户信用风险的现状。
从来源结构看,我国对外贸易客户信用风险的来源以海外华人公司为主。从我国国际贸易拖欠案件所涉及的海外公司性质看,我国的外贸信用风险主要是由海外华人客户带来的。笔者认为这些为数不多的海外华人,包括港、澳、台地区的华人以及少数原籍中国大陆后来移居海外的华人具有与中国同族同种和语言相通的优势,他们对中国的国内经济环境比较熟悉,了解到我国处于由计划经济体制向市场经济体制转变过程中,各方面的管理仍不完善,存在着各种法律、管理漏洞,外贸企业内部的信用风险防范意识和信用风险管理能力薄弱。同时他们又抓住我国部分外贸企业领导存在着的一定急功近利和或多或少的崇洋的心态,使得部分海外华人进口商可以肆意拖欠我国外贸企业货款,或诈骗屡屡得手,诈骗成功率要高于一般外国进口商。
从起因结构看,我国对外贸易客户信用风险的直接起因以恶意欺诈为主。具体结构为:有意欺诈的拖欠款占60%;产品质量、数量或交货期有争议的占25%;属于我方外贸企业交易严重失当及管理失误的占15%;交易人员私下默契台底交易占2.5%;其他性质占2.5%。我国对外贸易的过半货款拖欠是由客户的恶意欺诈引起,而非人们通常理解的主要是由诸如产品质量或货期等贸易纠纷引起。
从外贸企业性质结构看,我国对外贸易客户信用风险导致的国际拖欠所涉及的企业以国内的全资中资企业为主体。具体结构为:80%来自国内的企业,其中的50%为国有外贸企业,30%为私营外贸企业;另外20%来自三资企业。从企业结构中,我们可以明显了解到我国外资外贸企业的信用风险管理意识和水平相对要优于中资的外贸企业。
从客户新旧特征看,过半数的国际货款拖欠由老客户造成。根据邓白氏国际(上海)信息咨询公司1997年度受理的我国398件国际应收账款追讨案件的统计显示,其中的200个案件是由老客户产生的,而非人们通常理解的国际货款拖欠主要由资信不良的新客户造成。
外贸企业客户信用风险的成因分析
透过以上表面数据,我们可以看出造成我国外贸企业风险损失的原因除了企业主体信用管理观念的严重缺乏外,来自企业产权制度的影响也是至关重要的。具体来说,我国外贸企业客户信用风险成因主要体现在以下几个方面:
相关部门缺乏信用风险管理意识
由于从政府到企业信用风险管理意识都比较淡漠,对信用管理工作重视不够,导致政府对企业缺乏政策引导和有效支持;有的企业虽然感到信用风险管理需要,但苦于所知不多无从下手,且成本较高,在本来利润率不高的情况下不愿为此支付费用,进而产生畏难情绪,甚至干脆漠视不管。目前中国出口企业的坏账率超过5%,而发达国家企业却只有0.25%至0.5%的水平,国际平均水平也只在1%左右。中国企业出口中遇到的很多困难,一开始并不是对方存心拖欠,而是中国企业自己出现制度和管理失误。
外贸企业产权不明晰
产权不明晰使得很多国有外贸企业管理者为了应付上级主管部门业绩考核,不顾企业长远利益,盲目赊销;有的企业迫于市场竞争压力,单纯追求销售额增长,盲目打价格战。这些行为导致了企业应收账款上升,销售费用上升、负债增加,呆账坏账增加,效益下降,偏离了最终利润这一企业最主要的目标。强化企业信用管理,就是要在销售收入增长和风险控制这两个目标之间寻求协调一致,保证最终利润这一根本目标的实现。
企业内部职责不明确
在我国外贸企业现有的管理职能中,应收账款的管理职能基本上是由销售部和财务部这两个部门承担的。然而在实践中这两个部门却常常职责分工不清,不能形成协调与制约机制,容易造成外贸企业在客户开发、信用评估、合约签订、资金安排、组织货源、品质监督、租船订舱、制单结汇等诸多贸易环节出现决策失误并导致信用损失。外贸企业内部职责不明确已成为企业账款拖欠趋势得不到有效抑制的根本原因。
信用管理方法落后
目前我国外贸企业业务人员信用风险防范意识薄弱,信用风险防范手段单一,没能掌握或运用现代先进的信用管理技术和方法。对客户的信用风险缺少评估和预测,交易中往往是凭主观判断作决策,缺少科学的决策依据。在销售业务管理上,由于缺少信用额度控制,在一定程度上给企业销售人员违规经营、违章操作,甚至与客户勾结留下可乘之机。在账款回收工作上更是缺少专业化的方法。
加强外贸客户信用风险管理的对策建议
通过以上分析,我们清晰地看出现今我国外贸企业已不是单纯的信用管理技术、手段的缺失,还包括有企业组织结构不协调,和相应企业文化落后等诸多因素制约外贸企业客户信用风险管理的建立和实施。
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
1.市场环境。作为亲周期行业，银行业的信用风险是宏观经济的反映，信贷客户的非系统性信用风险与整个经济系统性风险密不可分,宏观经济形势、区域经济动态、行业经济趋势会持续影响经营行和信贷客户双方的信贷行为和信贷文化。前几年经济过度刺激和信贷大量投放的后遗症在“新常态”时期逐步显现，随着去杠杆、去产能、去泡沫的进一步推进，大量风险客户出现盲目多元投资、加大杠杆、挪用贷款、民间借贷甚至抽逃资产、与银行内外勾结等行为。扭曲的市场环境和信贷客户行为对商业银行产生倒逼，银行信贷文化也因此发生了一定程度的扭曲。例如福建、浙江等地滋生出大量的钢贸贷款，其中不乏成批的空壳公司和集团内部融资平台，而银行却对这些客户难以割舍，甚至协助策划“抱团取暖”，直至风险集中爆发。这类典型现象深刻反映了市场环境变化对银行信贷文化和信用风险的影响。
2.信用环境。我国正处于社会信用体系建设的初级阶段，经济基础、法律体系及市场环境都不够成熟，也缺乏高效的失信惩戒机制。薄弱的信用环境主要在两个方面通过信贷文化对信用风险产生影响：一是失真的会计环境。信贷客户能够轻易的虚构财务报表申请贷款，高信用等级客户直接违约案例时有发生，过去的“好客户”金玉其外，到风险暴露时才发现败絮其中。这些现象的根本原因在于经营行面对失真的会计环境，信贷文化发生了畸变，“假报表真分析”，以财务报表为定量评分基础的信用评级往往缺乏最基本的可靠性。二是低效的资产评估、登记和处置环境。一方面，资产评估公司对抵押物评估的客观性和独立性难以保障，往往配合信贷客户的资金需求高估抵押物，甚至有的抵押登记部门协助企业重复抵押或虚假抵押。另一方面，抵押物作为第二还款来源，用信担保方式往往表面合规，却普遍存在权责明确却追索困难、胜诉容易却执行困难的现象，源于低效的处置环节导致实际风险缓释效果并不理想。
3.同业竞争。近年来，国内金融业逐渐开放的同时，商业银行业务竞争已经进入白热化，随着利率市场化的推进步伐加快和息差水平的收窄，同业竞争将更加激烈。商业银行同业为了保住和抢占市场份额，纷纷加大竞争力度，甚至采取降低收费标准、放宽贷款审批等恶性竞争手段争抢客户。在同业之间加码式恶性博弈的非理性竞争环境中，信贷文化不可避免的受到负面冲击，并进而作用于信用风险。
4.政府行为。现阶段我国商业银行、特别是国有大型商业银行仍存在行政色彩，信贷决策和信贷文化在特定环境下时常受制于政府行为。劣质的“支柱型企业”在地方政府出手下“大而不倒”的案例比比皆是，如川威集团的司法重整、青海碱业的债务重组等。干扰性的政府行为对银行信贷文化产生了深远的影响，使得部分经营行和信贷人员对于有政府背景的信贷客户从主观上放松了风险的识别和防范，从而在主客观两方面都降低了银行及时化解和防范信用风险的能力，是信用风险滋生、蔓延直至更大程度暴发的成因之一。
（二）内生因素
1.信贷管理机制。近年来，信贷客户刻意制造信息不对称、掩盖风险的动机和能力都越来越强，商业银行用传统方式审贷、管贷已经跟不上形势。尤其值得关注的是，现有信贷管控机制与担保圈贷款、隐蔽性集团贷款风险的管控需求并不匹配，面对错综复杂的隐性关联互保、连环担保及其更强的隐蔽性和危害性，已普遍呈现管控乏力的现象。例如温州不良担保圈事件、青岛“德正系”骗贷案件、浙江“中江系”集团风险事件等。在信贷管理机制存在缺陷的环境里，信贷人员从思想上怠于积极加强管控力度和风险意识，形成消极的信贷文化氛围。通过近年来新增不良贷款进行分析，信贷客户对风险隐蔽性较强的客户，普遍缺乏积极的管控意识，没有真正做到“了解客户、衡量风险”，更无法及时识别和处置风险。
2.信贷激励机制。在同业竞争白热化的外部条件下，商业银行的考核压力层层加码，“一刀切”的信贷激励机制间接导致部分信贷部门形成“重发展轻风控、重眼前轻长远”的信贷文化。“垒大户”就是一个典型表现，面对低迷的市场环境和风险尚不明确的新增客户，经营行为了完成考核指标，对于存量大户存在“绩效为先、授权规避”的思想。这种“不舍得”的心理导致经营行即使知晓风险隐患，也缺乏主动退出意愿，甚至为了争夺“优质”大客户，忽视企业本身的风险隐患，逐年加大授信额度。同时，银行“垒大户”的行为还可能造成企业负债大幅度增加，加大资金链脆弱程度,是信用风险积聚和爆发的又一诱因。
3.信贷约束机制。信贷约束机制的缺失集中表现为责任追究的范围和力度不足，信贷部门因此形成责任感淡薄的负面信贷文化，从而疏于信用风险管控。一是责任追究范围不足。商业银行在内部监督检查的过程中，对管理层责任追究范围不足，特别是对信贷决策的追究往往局限于任期之内，导致银行各级管理层存在不同程度的任期短视行为。这种普遍的负面信贷文化现象，驱使管理层对风险贷款产生了“击鼓传花”的侥幸心理和前后任期之间的“博弈心态”。部分管理层对高风险贷款反复还旧借新、以贷还贷、以贷收息，意图将风险“顺利交班”。在任期短视行为影响下，信贷部门不但错失防范和处置信用风险的最佳时机，反而坐视风险进一步发酵和质变。二是责任追究力度不足。与明确涉及员工行为的“显性”道德风险不同，信贷经营管理层过大的决策权力与过小的信贷决策风险严重不匹配，产生了权责倾斜的信贷文化。尽管现代商业银行已经建立起贷审会、合议会、行长负责制等一系列形式上完善的管理层信贷决策机制，但通过大量的信贷风险案例可以发现，鲜有决策层因为信贷决策风险受到与其危害对等的惩戒。必须重视的是，信贷决策层的信贷决策风险对银行带来的经济损失和风险隐患往往不亚于“显性”道德风险案件。例如在商贸类风险贷款中较为普遍的“三无”类空壳企业，其造假手段低劣粗暴，银行信贷部门的贷款“三查”却如同摆设，甚至变相协助企业化整为零、大搞制度套利，风险暴露时却仅表现为客户恶意骗贷，相关信贷决策层却未对巨额经济损失承担应有的责任。
二、咨询型审计策略和建议
要把信用风险防范做到“标本兼治”，信贷审计就不能只停留在合规性层面的监督检查，必须向咨询型审计转型。商业银行内部审计部门不但要强化审计队伍的业务素质和咨询型审计理念，充分发挥监督检查的惩戒教育作用，更要从信贷管理机制、信贷激励约束机制等方面开展建设性的咨询型审计，方能正确引导经营行建设健康可持续的信贷文化基础，有效防范信用风险。
1.强化审计队伍的业务素质和咨询型审计理念。审计队伍首先要具备咨询性审计所必需的素质和技能，并强化咨询型审计理念，牢牢把握被审计行信贷文化特点及其对信用风险的影响。一是要提升科研水平。在宏观经济、行业趋势、财务会计、资产评估、同业竞争、行为金融学等领域具备独立专业的研究能力。二是要加强审计调研。在审计项目实施前开展有针对性的审计调研，凭借充实的信息面压缩与信贷客户、与经营行之间的信息不对称。三是要重视信贷文化。以信贷文化为着力点，对经营行的信贷行为和价值取向举一反三、由点及面，反思信用风险滋生和蔓延的根源，站在咨询型审计的高度，对经营行提供富有建设型的审计意见和建议。
2.充分发挥监督检查的惩戒和沟通作用。一是从严监督，曝光反面典型。通过监督检查，狠抓信贷“防假治假”，对已发生的不良贷款和风险贷款严格认定和追究责任，对违法违纪行为从严处理，曝光性质恶劣、情节严重的反面典型，强化信贷制度和信贷纪律的权威性和严肃性，充分发挥惩戒警示作用。二是加强沟通，引导文化取向。坚持审计服务理念，通过审计沟通传递正确的风险意识，纠正部分经营行管理宽松、思想放松的扭曲信贷文化，促使经营行树立正确的信贷经营思想与合规理念。
该模型是个动态模型，利用实时变化的上市公司的股票价格计算公司的预期违约率，在国外已经得到了广泛地比较有效的应用。但该模型不适用于非上市公司，所以这限制了骑在发展中国家新兴股票市场的应用。并且该模型假定利率不变，这限制了其在长期贷款或利率敏感性信用工具上的运用。另外该模型假定资本结构静态不变以及资产收益正态分布都可能与实际情况不符。
KMV模型在我国银行信用风险的管理中应用条件还相当地不成熟。因为该模型需要大量的上市公司数据。虽然其在理论上比较完善，但在我国现行的市场体制下，市场的有效性问题和如何确定市场上大量非流通股的价值问题成为应用该模型的主要障碍；并且我国上市公司披露的信息质量不高，股价指数和经济增长相背离，这都促成了该模型在我国应用的局限性。
2.Creditmetrics模型
该模型是由J.P.Morgan在1997年开发的，也得到国外众多金融机构的广泛应用。该模型通过运用在险价值（VAR）对贷款和私募债券等非交易资产进行股价和风险计算，衡量投资组合的风险暴露程度，认为信用风险是由债务人的信用状况决定，将借款人的信用评级、评级转移矩阵、违约贷款的回收率、债券市场上的信用风险价差纳入一个同意的框架并计算出贷款的市场价值和波动性，得出个别贷款或贷款组合的VAR值。
该模型即可应用于信用风险的计量，还可应用于市场风险和操作风险的计量，并用统一的计量口径表达。该模型率先提出资产组合信用风险的度量框架，是多状态模型，能更精确地计量信用风险的变化和损失值并且能看出各信用工具在整个组合的信用风险中的作用，为投资者的科学决策提供量化依据。但该模型假定无风险利率是不变的，未反映出市场风险和潜在的经济环境变化。
不管怎样，该模型将VAR方法应用于信用风险度量有利于商业银行准确合理地衡量准备金和银行经济资本水平。但该模型严格依赖于由评级公司提供的信用评级及国家和行业长期的历史数据，然而我国商业银行在现阶段不论是信用评级还是数据库建设都处于起步阶段。因此，在目前状况下，该模型应用于我国的信用风险管理的实际操作性不强。
3.CreditPortfolioView模型
该模型是Wilson(1987,1997)发展的一个风险模型，是从宏观经济环境的角度来分析借款人的信用等级变迁，并建立麦肯锡模型。与其他模型相比，该模型中决定违约概率的不是资产价格、经验参数和随机模拟结果，而是GDP增长率、失业率、长期利率水平、汇率、政府支出及总储蓄率等宏观经济变量。该模型认为迁移概率在不同类型的借款人和不同商业周期之间是不稳定的，并且一些宏观变量服从二阶自相关，迁移概率在商业周期期间变动较大，在衰退期间变动比在扩张期间更大。该模型还根据以上多种宏观因素，对不同等级的违约和转移概率的联系条件分布进行模拟。其与宏观经济联系紧密。当经济状况恶化时，降级和违约增加；而当经济好转时，降级和违约减少。
该模型将宏观因素纳入其中并且对风险暴露采取盯市法，适用于不同国家和行业。但是该模型的局限性在于取得每个行业的违约数据较困难并且未考虑微观经济因素，特别是企业个体特征等。
就在我国的应用而言，该模型考虑了宏观经济因素对信用等级转移的影响然而宏观经济因素的个数及各因素的经济含义及她们与信用级别转移的具体函数关系都难以确定和检验，所以该模型在我国应用前景不大。
4.CreditRisk＋模型
该模型是由瑞士银行金融产品开发部在1996年开发的信用风险管理系统。它是采用保险业中广泛应用的统计学模型来推导债券及其组合的价值分布。该模型认为违约率的不确定性和违约损失的不确定性都很显著，应按风险暴露大小将贷款组合划分成若干频段，以降低不精确的程度，并将各频段的损失分布加总，可得到贷款组合的损失分布。
该模型假定单比债券或贷款的违约前景服从于泊松分布，不同期间违约事件彼此独立。其计算出的结果是封闭性的，不采用模拟技术并且该模型集中于违约风险需要估计的变量很少，对于每个组合只需要知道违约概率和风险投资。但该模型忽略信用等级的变化只取决于远期利率并且没有考虑市场风险和信贷期限的变动，也不能处理非线性金融产品，如期权和外汇掉期，影响了模型的应用范围。
就我国而言，该模型中仅当借款人在一个固定的期限之前违约时才被认定为损失发生，而由市场价值变动而引起的损失不计入其中，这种对损失的定义与我国传统的妆面价值核算更一致。更重要的是它与我国现行的银行贷款五级分类标准和银行会计制度有很多相似之处，对我国商业银行的信用风险度量有重要的指导意义。但其设定每一笔贷款都是独立的在我国基本是不可能的，而它们又是该模型的基本输入因子。
通过以上的分析，可以看出现代信用风险计量模型在我国的应用存在不可忽视的局限性。我国商业银行在信用风险管理方面与国际上还存在不小的差距。不管怎样，我们必须努力创造条件，在借鉴国外先进经验的同时建立符合自身实际情况的信用风险管理模型，这将关乎到我国商业银行未来的生存和发展。
参考文献：
[1]曹晶.现代信用风险计量模型研究和比较[J].消费导刊，2008（09）.
[2]魏永成，陈勇.现代信用风险度量模型研究[J].当代经理人，2006（08）.
