導(dǎo)語：銀行信用風(fēng)險(xiǎn)新思路研究論文一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

內(nèi)容摘要:本文通過對我國銀行業(yè)信用風(fēng)險(xiǎn)度量的現(xiàn)狀分析,提出了應(yīng)用蒙特卡洛模擬技術(shù)進(jìn)行銀行信用風(fēng)險(xiǎn)度量的新思路。筆者在借鑒國外信用風(fēng)險(xiǎn)度量模型建模思想的基礎(chǔ)上,采用銀行不良貸款率作為反映信用風(fēng)險(xiǎn)的指標(biāo),應(yīng)用時(shí)間序列模型,嘗試采用蒙特卡洛模擬實(shí)現(xiàn)對不良貸款率的信用價(jià)值計(jì)算。

關(guān)鍵詞:信用風(fēng)險(xiǎn)蒙特卡洛模擬銀行不良貸款率

信用風(fēng)險(xiǎn)是銀行面臨的最重要也是最棘手的風(fēng)險(xiǎn),如何對信用風(fēng)險(xiǎn)進(jìn)行度量,以提高信用風(fēng)險(xiǎn)管理水平,是全世界銀行界面臨的難題,更是我國銀行業(yè)加入WTO之后的最大難題。我國各商業(yè)銀行在長期發(fā)展過程中建立了自己的一套風(fēng)險(xiǎn)管理方法,主要強(qiáng)調(diào)的是貸款投向的政策性、合法性、貸款運(yùn)行的安全性以及“審貸分離”原則等。而在風(fēng)險(xiǎn)識別和度量方面不精確,定量分析不足,缺乏風(fēng)險(xiǎn)管理的量化手段。銀行在信用風(fēng)險(xiǎn)度量方面關(guān)注的僅是某一筆貸款的信用風(fēng)險(xiǎn),并沒有從組合管理的角度對信用風(fēng)險(xiǎn)進(jìn)行度量與管理。

目前,國際上常用的度量信用風(fēng)險(xiǎn)高級模型主要有四個(gè),分別為:由美國J•P•Morgan公司開發(fā)的CreditMetrics模型,該模型的基礎(chǔ)是在給定的時(shí)間段內(nèi)估計(jì)貸款及債券產(chǎn)品資產(chǎn)組合將來價(jià)值變化的分布狀況;以計(jì)算預(yù)期違約概率而見長的KMV模型,對所有股權(quán)公開交易的主要公司和銀行的違約可能性做出預(yù)測并實(shí)時(shí)更新;由瑞士信貸銀行金融產(chǎn)品部(CSFP)開發(fā)的CreditRisk+模型,采用保險(xiǎn)精算學(xué)的分析框架來推導(dǎo)信貸組合的損失分布,模型具有非常規(guī)整的數(shù)學(xué)形式;麥肯錫公司開發(fā)研制的CreditPortfolioView模型,提出了聯(lián)系宏觀經(jīng)濟(jì)變量和違約及轉(zhuǎn)移概率的方法。

在目前條件下,我國的商業(yè)銀行還不可能建立類似于CreditMetrics模型的高級銀行內(nèi)部風(fēng)險(xiǎn)度量模型。由于高級信用風(fēng)險(xiǎn)模型的建立需要進(jìn)行大量的風(fēng)險(xiǎn)因子數(shù)據(jù),例如違約概率、違約回收率等,這些參數(shù)的估計(jì)是以歷史經(jīng)驗(yàn)數(shù)據(jù)為基礎(chǔ)的。而我國商業(yè)銀行目前都不能提供此類數(shù)據(jù),也沒有統(tǒng)一可信的外部評級機(jī)構(gòu)提供相關(guān)數(shù)據(jù)。所以,目前我國商業(yè)銀行要想利用現(xiàn)有模型或建立自己的高級信用風(fēng)險(xiǎn)度量模型,并利用這些模型對信用風(fēng)險(xiǎn)進(jìn)行管理的條件還未成熟,還需等待數(shù)據(jù)的積累和內(nèi)部體制的建立。

蒙特卡洛模擬在銀行信用風(fēng)險(xiǎn)度量模型中的應(yīng)用

蒙特卡洛(MonteCarlo)模擬方法又名隨機(jī)模擬法或統(tǒng)計(jì)試驗(yàn)法,其解決問題的基本思想是首先構(gòu)造與描述該類問題有相似性的概率分布模型,使分布模型的某些特征(如隨機(jī)事件或隨機(jī)變量的均值等)與問題的解答聯(lián)系起來,然后通過對分布模型進(jìn)行隨機(jī)模擬或抽樣實(shí)驗(yàn)來計(jì)算這些特征的統(tǒng)計(jì)值,最后給出所求解的近似值。這種方法具有思想新穎、直觀性強(qiáng)、簡便易行的優(yōu)點(diǎn),由于計(jì)算機(jī)的普及而在許多領(lǐng)域得到了廣泛的應(yīng)用。

蒙特卡洛模擬技術(shù)作為一種計(jì)算方法,在對銀行信用風(fēng)險(xiǎn)度量模型中的應(yīng)用可歸納為三個(gè)方面,對應(yīng)模型實(shí)施的三個(gè)階段:首先,產(chǎn)生風(fēng)險(xiǎn)因子的隨機(jī)估計(jì),作為模型的輸入變量。其次,模擬組合損失的分布與計(jì)算VaR(信用風(fēng)險(xiǎn)價(jià)值),作為模型的輸出?；诿商乜迥M則可以進(jìn)一步估計(jì)資產(chǎn)的價(jià)值分布,計(jì)算VaR,其輸出結(jié)果可應(yīng)用于經(jīng)濟(jì)資本計(jì)算、業(yè)績評估、限額設(shè)定以及風(fēng)險(xiǎn)對沖等,也可以由蒙特卡洛模擬生成宏觀經(jīng)濟(jì)變量的取值,來模擬宏觀經(jīng)濟(jì)狀態(tài),進(jìn)而得到調(diào)整后的違約概率。最后,用蒙特卡洛模擬檢驗(yàn)由參數(shù)化方法得到的模型的有效性。

由于信用評級制度不完備、各種歷史數(shù)據(jù)的缺乏等原因,我國目前尚不具備建立和實(shí)施高級信用風(fēng)險(xiǎn)度量模型的客觀條件。本文選擇了一個(gè)可行的切入點(diǎn)來展開研究,由于蒙特卡洛模擬方法不需要大量的歷史數(shù)據(jù),且靈活而強(qiáng)有力,因此本文從蒙特卡洛模擬這一計(jì)算方法的角度對信用風(fēng)險(xiǎn)度量問題展開研究。

度量銀行不良貸款率的VaR實(shí)證研究

本文認(rèn)為在一定的置信水平下,商業(yè)銀行一年中貸款這一金融資產(chǎn)組合在未來特定的一段時(shí)間內(nèi)(一年)的最大可能損失,可以用一年后的不良貸款率在這一置信水平下的最大可能值來衡量。根據(jù)不良貸款率在一定置信水平下的最大可能值就可以估計(jì)合理的信貸風(fēng)險(xiǎn)準(zhǔn)備金和經(jīng)濟(jì)資本。本文的實(shí)證內(nèi)容是用蒙特卡洛模擬方法計(jì)算市場正常波動(dòng)情形下,商業(yè)銀行在未來(下一年末)不良貸款率的最大可能值,即在給定置信水平下計(jì)算不良貸款率的VaR,并分析關(guān)鍵變量選取不同的隨機(jī)過程時(shí)是如何影響VaR的。

(一)模型的設(shè)定

本文假定銀行的信用風(fēng)險(xiǎn)管理水平較高,貸款業(yè)務(wù)分散,未集中于某一行業(yè)或特定關(guān)系客戶,這樣不良貸款率就只反映了宏觀經(jīng)濟(jì)狀態(tài)所帶來的系統(tǒng)性風(fēng)險(xiǎn)。因此,當(dāng)期的不良貸款率可以表示為上期的不良貸款率與宏觀市場因子共同作用的結(jié)果。基于以上假定,由以下單變量時(shí)間序列模型來計(jì)算當(dāng)期不良貸款率:

過程①指市場因子rt遵循白噪聲過程。白噪聲過程是個(gè)穩(wěn)定過程,其隱含的意思是各期市場因子均不相關(guān),適用于表示模型無法解釋的純隨機(jī)波動(dòng)。過程②指市場因子rt遵循一階自回歸過程。rt除了受當(dāng)期隨機(jī)擾動(dòng)的影響,還受自身的滯后量rt-1的影響。過程③指市場因子rt遵循一般自回歸移動(dòng)平均過程ARMA(1,1)。rt除了受當(dāng)期隨機(jī)擾動(dòng)和自身滯后量的影響,還受到上一期的隨機(jī)擾動(dòng)εt-1的影響。

確定模擬的步驟為:選擇(1)式的三個(gè)隨機(jī)過程中的一個(gè),并挑選參數(shù);根據(jù)隨機(jī)過程,產(chǎn)生相應(yīng)的隨機(jī)數(shù)——宏觀市場因子;根據(jù)第2步中隨機(jī)市場因子,由(2)式計(jì)算當(dāng)期的不良貸款率;重復(fù)第2、3步盡可能多次,如5000次,得到一系列當(dāng)期不良貸款率的數(shù)值,從大到小排序,就可以找出給定置信水平下的VaR。

(二)模型參數(shù)的選取

本文選擇貸款風(fēng)險(xiǎn)分類法中對不良貸款的定義,以中國民生銀行股份有限公司2004年年度報(bào)告中公布的2002年以來的各年末的不良貸款率為依據(jù)進(jìn)行數(shù)據(jù)模擬。由于缺乏足夠多的歷史數(shù)據(jù)和經(jīng)驗(yàn)有效的計(jì)量經(jīng)濟(jì)模型,模型的參數(shù)只能靠定性(考慮參數(shù)的經(jīng)濟(jì)意義和統(tǒng)計(jì)特性)和試算的方法來選取。

1.時(shí)間段的選取。本文以季度為時(shí)間段進(jìn)行模擬運(yùn)算,即每次模擬以上一年末的不良貸款率為初始值,模擬四次得到本年末的不良貸款率。

2.白噪聲εt的標(biāo)準(zhǔn)差σ的選取。VaR是衡量市場正常波動(dòng)情況下的風(fēng)險(xiǎn)狀況,且所選擇的時(shí)間段僅為一個(gè)季度,所以宏觀市場因子的波動(dòng)幅度不宜過大。當(dāng)rt=εt時(shí),用水晶球(CrytalBall)軟件對σ取不同值時(shí)的ert進(jìn)行了5000次模擬試算,得到其取值范圍。根據(jù)試算,本文確定σ取0.05。因?yàn)棣胰?.05時(shí),一個(gè)季度中不良貸款率變化的幅度在20%左右,是可以接受的結(jié)果。

3.AR(1)過程中系數(shù)的選取。與白噪聲過程相比,當(dāng)04.ARMA(1,1)過程中系數(shù)b的選取。由于ert對b的取值并不敏感,特別是當(dāng)b取值在0到1時(shí),ert的取值范圍幾乎沒有什么變化。考慮到b的經(jīng)濟(jì)意義,它反映上期的非預(yù)期波動(dòng)對市場因子的影響持續(xù)到了本期,故影響能力應(yīng)該并不大,所以b取0.2。

(三)模擬結(jié)果與比較

確定參數(shù)取值后,(1)式模型的3個(gè)過程可以表述為:

本文分別用三種隨機(jī)過程,并分別以2002年末和2003年末的不良貸款率為初始值,對2003年末和2004年末的不良貸款率進(jìn)行蒙特卡洛模擬計(jì)算。模擬次數(shù)取5000次,置信水平取99%和95%。通過概率密度分布圖和預(yù)測結(jié)果來看,三種過程都符合對模擬結(jié)果的要求。

第一,三種過程模擬出的不良貸款率的均值都在不同程度上大于實(shí)際值,這一點(diǎn)具有現(xiàn)實(shí)意義,體現(xiàn)了謹(jǐn)慎性的原則。因?yàn)樽鳛橛脕碓u價(jià)銀行信用風(fēng)險(xiǎn)的模型,若它得到的風(fēng)險(xiǎn)度量指標(biāo)的均值小于實(shí)際值的話,就等于直接高估了銀行資產(chǎn)的價(jià)值,對預(yù)期損失估計(jì)不足。

第二,VaR的模擬結(jié)果也都大于實(shí)際值,這更是必須的條件。如果只是對預(yù)期損失估計(jì)不足,準(zhǔn)備金提取不夠,如果連VaR都估計(jì)不足,銀行將大大放松對風(fēng)險(xiǎn)的控制和管理,當(dāng)風(fēng)險(xiǎn)真正成為損失,銀行的準(zhǔn)備金和經(jīng)濟(jì)資本將肯定不夠彌補(bǔ),嚴(yán)重的話將導(dǎo)致銀行破產(chǎn)。

第三,三個(gè)過程所得到的不良貸款率的概率密度分布均右偏,體現(xiàn)了信用風(fēng)險(xiǎn)的基本特征即信用風(fēng)險(xiǎn)具有收益和損失不對稱的風(fēng)險(xiǎn)特征。宏觀市場因子的波動(dòng)只對收益產(chǎn)生有限的正面影響,卻對收益有相當(dāng)?shù)南到y(tǒng)性負(fù)面影響,不良貸款率較大的情況出現(xiàn)的概率比正態(tài)分布時(shí)要大。

第四,三種過程的結(jié)果又有一定的差別,體現(xiàn)了本文選擇三種隨機(jī)過程來進(jìn)行模擬的初衷,即分析蒙特卡洛模擬方法中關(guān)鍵變量隨機(jī)過程選擇的重要影響。

(四)預(yù)測值

以2004年末的不良貸款率(1.31%)為初始值,分別用三種隨機(jī)過程模擬5000次得到2005年末不良貸款率的預(yù)測值如表1。即2005年末該銀行的不良貸款率有95%的可能性小于1.5393(白噪聲)、2.0751(一階自回歸)、2.2252(一般自回歸移動(dòng)平均);有99%的可能性小于1.6634(白噪聲)、2.5595(一階自回歸)、2.7647(一般自回歸移動(dòng)平均)。

加強(qiáng)我國商業(yè)銀行信用風(fēng)險(xiǎn)度量的措施

從以上現(xiàn)狀分析與實(shí)證研究中可以看出,目前在我國商業(yè)銀行實(shí)施信用風(fēng)險(xiǎn)度量的高級模型尚有很多困難和阻礙。我國要不斷改善金融市場的內(nèi)外部環(huán)境,逐步地提高商業(yè)銀行的信用風(fēng)險(xiǎn)度量與管理水平。目前可考慮以下措施:

完善我國資本市場,發(fā)展獨(dú)立的信用評估中介機(jī)構(gòu),以增強(qiáng)市場信號的力度和透明度。優(yōu)化風(fēng)險(xiǎn)管理制度,這是提高信用風(fēng)險(xiǎn)度量技術(shù)水平的內(nèi)部基礎(chǔ),以保證風(fēng)險(xiǎn)水平符合管理層制定的目標(biāo)和策略,提高風(fēng)險(xiǎn)收益比。以多種方法進(jìn)行數(shù)據(jù)準(zhǔn)備,并大力發(fā)展數(shù)據(jù)庫技術(shù),建立信用風(fēng)險(xiǎn)評估的數(shù)據(jù)基礎(chǔ)。選擇適當(dāng)范圍先引入量化分析,分步評估技術(shù)和管理水平,從而最終實(shí)現(xiàn)整個(gè)信用風(fēng)險(xiǎn)管理體系的科學(xué)化、標(biāo)準(zhǔn)化和制度化。