2017银行从业资格考试风险管理必备考点：客户信用评级
来源 :中华考试网 2017-04-26
中3.2 信用风险计量
信用风险计量经历了三个阶段：专家判断法，信用评分法，违约概率模型。
在《巴塞尔新资本协议》中规定，商业银行的内部评级应基于二维评级体系：一维客户评级 ，另一维债项评级。
3.2.1客户信用评级
1.客户信用评级的基本概念
客户评级的评价主体是商业银行，评价目标是客户违约风险，评价的结果是信用等级和违约概率。按照《巴塞尔新资本协议》规定客户评级必须具有两大功能：一是能够有效区分违约客户，即不同信用等级的客户违约风险随信用等级的下降而加速上升的趋势;二是能够准确量化客户违约风险，即能够估计各信用等级的违约概率，并将估计的违约概率与实际违约频率的误差控制在一定范围内。
违约与违约概率
违约的定义：①不能全额偿还债务
②对于贷款如果实质性的信贷债务逾期90天以上
③可能无法全额偿还债务(共6点)
强调一点：银行将贷款出售并相应承担了较大的经济损失。
(1)《巴塞尔新资本协议》规定
对信用风险规定了主要的三个参数：违约概率、违约损失率、违约风险暴露
(2)我国采用的是五级分类法，业内尚无统一的违约定义，监管当局也未出台相应的监管指引。
违约概率：是指借款人在未来一定时期内发生违约的可能性。在《巴塞尔新资本协议》中违约概率被具体定义为借款人内部评级一年期违约概率与0.03%中的较高者。
违约概率的估计包括两个层面：一是单一借款人的违约概率。二是某一信用等级所有借款人的违约概率。《巴塞尔新资本协议》要求实施内部评级法的商业银行估计其各信用等级借款人的违约概率。
违约频率：属于事后统计，违约概率属于事前预测
不良率：是不良债项余额在所有债项余额中的占比。
2.客户信用评级的发展
经历了以下阶段：专家判断法、信用评分法、违约概率模型分析。
(1)专家判断法(expert system)：是与否的二维决策
即专家系统，依赖高级信贷人员和信贷专家自身的专业知识、技能和丰富经验，运用各种专业性分析工具，在分析评价各种关键要素基础上依据主观判断来综合评定信用风险的分析系统。主要考虑两个方面的因素。
①与借款人有关的因素：非系统性因素
其中 杠杆因素:如果贷款比较高的借款人，商业银行就会相应的提高风险溢价。
②与市场有关的因素：系统性因素
经济周期：在经济萧条期，耐用消费品更容易出现违约。
利率水平：与逆向选择有关 逆向选择反而使风险低的优质客户退出了市场。
5Cs系统：character，capital，capacity，collateral，condition 分别为品德，资本，还款能力，抵押，经营环境。
资本:是指借款人的财务杠杆状况及资本金情况。
5Ps体系：个人因素(personal factor)，资金用途因素(purpose factor)，还款来源因素(payment factor)，保障因素(portection factor)，企业前景因素(perspective)
骆驼(CAMEL)体系：capital adequacy，asset quality，management，earnings，liquidity分别为:资本充足性，资产质量，管理水平，盈利水平，流动性
专家评价法具有主观性的局限性，在实践中，商业银行往往通过颁布统一的信贷评估指引和操作流程，并采用众多专家组成的专家委员会的综合意见等措施，在一定程度上弥补专家系统的这一局限性。
(2)信用评分法
在《巴塞尔新资本协议》明确要求计算违约概率以后，信用评分技术在全球商业银行中得到了更为广泛的应用。
信用评分模型的关键在于特征变量的选择和各自权重的确定。模型包括：线性概率模型，logit模型，probit模型和线性辨别模型。
运用信用评分模型进行信用风险分析的基本过程：确定变量、进行回归分析、代入
模型中存在着问题：
①对模型进行回归时是采用的历史数据进行回归的，无法及时反映企业信用状况的变化。
②对数据积累要求高、数据必须是准确数值
③可以给出客户信用风险水平的分数，却无法根据模型准确精确的计算出该客户的违约概率。
(3)违约概率模型
穆迪的RiskCale 和 Credit Monitor、KPMG的风险中性定价模型和死亡率模型。
3.法人客户评级模型
(1)Altman的Z计分模型和ZETA模型
Z值信用等级的分数，越高，违约概率越低。
(2)Risk Calu模型
它是在传统信用评分技术上发展起来的一种适用于非上市公司的违约概率模型。它的核心是通过严格的步骤从客户信息中选择出最能预测违约的一组变量，经过适当变换后运用Logit/Probit回归技术预测客户的违约概率。
Logit：随机变量服从逻辑概率分布
Probit：随机变量服从正态分布
步骤(掌握)：共6点
①收集大量的公司数据，包括背景资料、财务报表、非财务信息、违约记录等;
②对数据进行样本选择和异常值处理，将样本划分为建模样本、建模外样本、时段外样本，构建尽可能多的、具有明确经济含义的风险因素(50～100个)，并对风险因素进行秩变换、核变换等处理，将风险因素原始值转换为违约率
③逐一分析变换各风险因素的单调性、违约预测能力及彼此间的相关性，初步选择出违约预测能力强、彼此相关性不高的20～30个风险因素;
④运用Logit/Probit因归技术从初选因素中选择出9～11个最优的风险因素，并确保回归系数具有明确的经济含义，各变量间不存在多重共线性;
⑤在建模外样本、时段外样本中验证基于建模样本所构建模型的违约区分能力，确保模型的横向适用性和纵向前瞻性;
⑥对模型输出结果进行校正，得到最终各客户的违约概率。
(3)Credit Monitor模型
Credit Monitor模型是在Merton模型基础上发展起来的一种适用于上市公司的违约概率模型，其核心在于把企业与银行的借贷关系视为期权买卖关系，借贷关系中的信用风险信息因此隐含在这种期权交易之中，从而通过应用期权定价理论求解出信用风险溢价和相应的违约率，即预期违约频率。
Merton等人的债务定价理论也正是将贷款的价值视为一个看涨期权的价值，进而应用期权定价理论将贷款的价值V，或者更加直接地将贷款的信用风险溢价k-i视为看涨期权要素变量的函数。
(4)KPMG风险中性定价模型
风险中性定价理论的核心思想是假设金融市场中的每个参与者都是风险中立者，不管是高风险资产、低风险资产或无风险资产，只要资产的期望收益是相等的，市场参与者对其的接受态度就是一致的，这样的市场环境被称为风险中性范式。KPMG公司将风险中性定价理论运用到贷款或债券的建约概率计算中，由于债券市场可以提供与不同信用等级相对应的风险溢价，根据期望收益相等的风险中性定价原则，每一笔贷款或债券的违约概率就可以相应计算出来。
(5)死亡率模型
(1)边际死亡率(MMR1)=某一等级的债券在发行第一年违约的总价值/处于发行第一年的该等级的债券总价值
(2)存活率(Survival rates)=1-MMR
(3)累计死亡率(CMR)=1-SR1·SR2·…·SRn
4.个人客户评分方法
按照国际惯例，对企业的信用评定采用评级的方法，而对于个人客户的信用评定采用评分方法。
中国没有采用客户分类的原因：
(1)客户群缺乏信用记录
(2)银行收集的客户信用资料不齐全
(3)发展中国家，客户分类变量很不稳定
按照评分阶段划分：信用局评分、申请评分、行为评分，分别对应拓展客户期、审批客户期、管理客户期。
信用局风险评分模型和收益评分模型是很有价值的决策工具，与申请评分模型具有互补性。可以组成二维或三维矩阵来进行信贷审批决策。
5.客户评级/评分的验证
(1)客户违约风险区分能力的验证
CAP曲线和AR值。P107图3-3要掌握。
CAP曲线首先将客户按照违约概率从高到低进行排序。然后以客户累计百分比为横轴，违约客户累计百分比为纵轴。
(2)违约概率预测准确性的验证。
常用方法有：二项分布检验，检验给定年份某一等级PD预测准确性;卡方分布检验，检验给定年份不同等级PD预测准确性;正态分布检验，检验不同年份同一等级PD预测准确性;扩展的交通灯检验，检验不同年份不同等级PD预测准确性。
2004年6月出台的《巴塞尔新资本协议》对验证的6条严格要求(P107)