新浪博客

漫谈银监会高级计量法的批准实施（信用风险）

2014-05-23 22:13阅读：

http://blog.sina.cn/dpool/blog/u/1767200562

圆石金融研究院-资深客座研究员：孙海波（新浪微博@金融监管）
漫谈银监会高级计量法的批准实施（信用风险）

前阵子6家银行被银监会批准实施高级计量法，浅谈一些自己对高级计量法的认识以及在国内实施的局限性。

第一、三大支柱

巴塞尔体系第一支柱主要是量化指标，通过对信用风险，市场风险和操作风险分别进行定量测算得出银行需要为此类风险需要预备的资本；

第二支柱主要是监管审查（主要覆盖第一支柱无法量化的一些风险指标，比如银行账户利率风险，风险集中度，公司治理，内部资本充足率评估等，并通过压力测试展现）；

第三支柱讲的是市场纪律（以信息披露为中心）；

第一支柱里的三大风险衡量又分别有几种不同方式去量化；初略看主要分为监管给定的风险权重机械地计算：信用风险的标准法，银监会称之为“权重法”；市场风险的标准法；操作风险的基本指标法和标准法；另一类是监管机构授予银行根据自己资产风险特征构建自己的模型计算风险资本：如信用风险中的初级内评法和高级内评法，市场风险模型法，操作风险的高级计量法；银监会将后面一类归类为“高级计量法”，并批准商业银行逐步实施。

但是国内目前商业银行的风险来源主要是信用风险，而因为汇率风险以及交易账户利率风险相对较小，交易账户股权和大宗商品等自营交易受限，几乎可以忽略。从过往市场风险资本计提数字来看，总额才300亿左右，所以市场风险用模型法还是标准法对商业银行的影响也是非常有限。所以接下来本文主要谈信用风险。

第二、信用风险标准法

在介绍内评法之前，先大体介绍一下标准法体系：根据资产类别，标准法将银行风险暴露分为：主权（政府）；银行，企业，零售，居住房产，商业房产，违约/逾期贷款，资产支持证券，表外项目；对每种类型的风险暴露按照不同评级分别赋予一定的风险权重。具体权重数字可参照《商业银行资本管理办法（试行）》附件二；然后根据是否有合格抵押品进行相应的调整（国际上对抵押品调整有2种方法：简单法和综合法，但国内只有简单法的概念：即用质押品风险权重替代原风险暴露类型的风险权重）。

对于表外授信、承诺等按照一定比例折算转入表内，再根据表内该类资产的风险权重进行折算，最终得出风险加权资产（Credit Risk Weighted Assets）作为计算资本充足率的分母（分子为银行一级资本和二级资本）。

然后再根据一些特殊情形做特别规定，比如资产支持证券；还比如小微企业（银监会规定总风险暴露低于800万）享有一定的风险权重优惠。

银监会因为基本不采信国内的评级公司的评级，所以对境内企业和银行风险权重基本只有一个维度，就是按照资产类别分别赋予风险系数。比如一般公司风险权重100%，银行同业20%/25%；非银行金融机构100%；公共部门实体25%。所以在中国没有“标准法”，于是银监会发明了一个新名词就是“权重法”。不过我一直不是很理解在《商业银行资本管理办法（试行）》附件9资产证券化风险加权资产计量规则又引用了“标准法”的概念。

第三、信用风险内部评级法

所谓内部评级法，用时下比较时髦的用语就是大数据模型。国外大数据在金融领域的引用，信用风险管理和相应的信用风险加权资产计量方面的大数据应该是起步最早的一块。具体模型构建不是我的领域。这里主要介绍监管规定框架。

内评法思路是将银行面临的风险分为预期损失和非预期损失；

预期损失同贷款损失准备对比，非预期损失直接加到资本充足率计算公司的分母中，也就是风险加权资产。
预期损失和非预期损失涉及到主要参数为PD(违约率), LGD(1年如果违约的违约损失率), M(期限调整因子), EAD(违约时的风险暴露)；上述参数需要通过大量历史违约数据进行模型处理，再具体逐笔应用到今天或未来特定融资工具中，从而计算出该笔金融工具需要消耗的资本。上述参数的一个假定前提是只模拟未来一年内发生风险的各项参数值。

在获得参数之后，非预期损失（UL）主要通过公式计算,比如对一般企业正常贷款资本计提K = [LGD ×N[(1 – R)^-0.5 × G(PD) + (R / (1 – R))^0.5 × G(0.999)]–PD x LGD] x (1 – 1.5 x b)^-1 × (1 + (M – 2.5)× b); 对应的风险加权资产就是K*12.5*EAD.

对于初级内评法，LGD由监管机构指定，比如对企业、银行优先级风险暴露的LGD为45%，次级为75%；

需要注意：高级计量法上述每个参数其实都是动态模拟过程，比如EAD指客户被定义为违约时刻对该客户的风险暴露，这其实需要批量分析违约客户的行为轨迹，即违约前一段时间的贷款提取模式，是否有恶意透支倾向，这些都有可能使得EAD在违约前一段时间极具放大。

这些参数同时需要考虑很多干扰项，比如抵质押，担保，净扣，信用违约互换等。具体参见excel框架。

预期损失对比贷款损失准备：或许你会质疑既然银行已经为部分风险资产计提了风险准备，这些风险准备在一定程度上也反映了银行的损失的预期，这些相对而言更多依靠人/信贷政策的判断数据和内评法数据如何匹配或检验。

巴塞尔体系为解决这个问题又特别引入一个 Expected loss = PD*LGD*EAD的概念。银监会也规定允许超额贷款损失准备(计提的更项贷款损失准备减去预期损失量)可计入二级资本（不超过信用风险加权资产的0.6%）。这里的Expected Loss唯一的功能就是为了比较银行的模型产生的预期损失额数据和信贷部门计提数据是否不一致。

此外，根据银监会2013年发布的《关于商业银行实施内部评级法的补充监管要求》，内评法计算得出的信用加权资产不低于商业银行内部估计值的1.06倍，这个要求似乎是银监会的专门审慎监管原则，也在一定程度上约束了银行通过实施内评法降低资本要求的空间。但也不排除银行客户通过最大限度降低贷款损失准备的计提量同内评法实施进行互动的可能性。

周期因素：总体上看上述框架仍然有一定的顺周期特征，即经济比较好的时期，所用的违约大数据低估了预期损失；从而对现在货未来的金融工具风险暴露预估不足。尽管巴塞尔要求在估算LGD时需要考虑在下行周期回收坏账时，比较低的回收率情形。尽管模型只测算当前贷款未来1年违约概率及违约后的回收率。但回收率测算本身需要考虑更长时间内周期性因素。

第四、国内银行运用高级内评法面临的数据障碍

高级评级法允许银行对LGD也进行模型化自行测算。

中国商业银行开始商业化运行道路固然远远超过这一时间跨度，但是在过去13中，中国银行业商业化程度和我国相关法律制度前后巨大差异也意味着早期数据质量是否符合建立相应模型，还有对于LGD反周期性要求，在国内无法得以满足；主要抵押品价值和宏观经济过去13都没有经历比较像样的衰退。

PD 预测未来12个月发生违约概率，并不关心具体发生违约的时间，而LGD预测一旦发生违约可能损失的比例。

所有从过去我国大量存在的实证研究来看，绝大多数热衷于从模型技术上去研究，或是解读巴塞尔的概念，但都无法解决下面的几大关键缺陷：

1. 对于众多变量没有统一的定义/或一直认可的标准，使得不同研究论文或不同银行采用的模型之间可比性非常低,比如：

a) 如何定义违约？有学者用四川省1993年到2007年的数据，对违约的定义就是按照金融机构报送的不良贷款数据。虽然有一个较好的数据量，获得2119笔原始数据,但是致命的硬伤是2006年之前的数据可靠性，而且用不同银行按照各自标准报送的不良贷款(从监管机构对贷款风险分类指导原则来看，其对贷款的5级分类实质意义上是EL，而不是PD的概念，从而更不可能将不良贷款作为违约的依据。)也没有一个客观的划分标准，使得不同银行的数据不具有可比性。对于合同的重新协商并重新签订/展期/利息减免是否应该被定义为违约；因为如果不计入，可能会减少违约样本数据,但高估LGD的数值。

b) 企业和银行双方决策的商业化，银行对企业的破产申请能否比较顺畅地进入破产程序。

c) 如何定义LGD(国内很难收集到真正的经济损失概念方面的数据,以往的研究多集中在会计上意义；违约后观察期多久内的回收等)。

d) 如何定义风险暴露，企业违约后的违约罚息和违约赔偿金和诉讼费用是否纳入EAD的范畴，同时是否纳入银行破产别除权范畴?

e) 如何定义信用等级。

f) 如何定义行业分类(国家统计局的划分虽然官方，但却比较落后于当前经济结构特征，而且其划分是为方便国民经济统计，而非贷款损失统计)

g) 如何定义有效/合格担保(不同银行的保全措施不一样，如何区分不同抵押品类别和质量，是否有期限错配,抵押率，抵押品价值评估程序等)。

h) 如何定义无担保债权优先级别。

i) 如何定义经济周期，在巴塞尔2的p468,472都规定了LGD的评估要反映在经济下行期的违约损失率，并覆盖一个完整的经济周期，而中国近10年并没有出现这样一个符合要求的周期。

j) 在用违约后的实现现金流来计算LGD时如何选择相应的贴现率。

k) 模型选择的基本假设合理性(陈光忠,唐小我和倪得兵(2010)用BS模型将违约设定为企业的一项期权，根据BS期权定价模型来倒推出LGD，而且假设企业和银行都是风险中性，其他的强假设欧式期权，交易和价格的连续性对于股票交易相对更加适合，应用于企业贷款违约定价中比较牵强，尤其是中国企业违约决策并不服从资产负债比假设(资产大于负债还债继续经营，资产小于负债破产，企业交于银行)，在这样一个相对复杂的模型中，需要对更对的参数进行估计,比如无风险利率,在利率市场化非常低的环境下不现实,甚至企业接待和银行放贷的决策也都不是基于利润最大化的假设)

2. 数据严重缺失，无法运用有代表性的跨企业类别(大中小、民营国有)，跨区域的可操作数据量(至少数千数据)，于立勇,詹捷辉等人(2004)以某国有商业银行实际信贷交易数据为样本，但只有91个样本，26个正常类和65个违约类，但却运用了21项指标! 此外在收集的数据中还应排除政策性破产时期的数据。对于濒临破产的企业，企业所在地政府如认为企业不宜破产的，应当给予资助或其他措施帮助企业清偿债务。就银行债权按照《关于鼓励和支持18个试点城市优势国有企业兼并困难国有工业生产企业后有关银行贷款及利息处理问题的通知》（银发[1995]130号）的规定，破产企业可以享受免除利息、分年还本的优惠。

3. 企业和银行双方决策过程的商业化，公司治理的规范化，尤其是企业愿意走正常的破产程序解决债务偿还问题，银行对企业的破产申请能够比较顺畅地进入破产程序，在国内如果政府牵头或强制性的展期或行政救助,但这一制度性因素无法纳入到用以预测未来的内部模型中。

4. 衰退期LGD以两种方式进入巴塞尔资本函数。衰退期LGD与条件PD值相乘从而得到风险暴露条件期望损失的估计值，即作为ASRF模型的一部分进入资本函数。此外，衰退期LGD与平均PD值相乘从而得到风险暴露预期损失(EL)的估计值。如巴塞尔II中P272中所标示的资本计算要求公式。信用风险暴露预期和非预期损失的总合，即条件期望损失。问题是：这里的条件PD和条件EL的估计值同一般PD有什么区别？某个债项LGD一旦确定其实就不会随着债项评级的变化而变化，独立于该债务人评级变化，也即独立于该债务人的PD。对于LGD的计算要反映经济衰退期的LGD，中国过去10年的数据恰恰无法满足，2008年非常短暂的经济相对不景气并不能满足LGD估算对经济衰退的要求。
---
【圆石金融研究院】致力于产业金融服务领域的相关研究，并特别关注贸易金融资源对接的实践操作，强调建构产业领域的特殊Know-how，我们每年度举办《陆家嘴现金管理论坛》-- 中国产业金融及交易银行年会（上海现代服务业联合会与圆石金融研究院联合主办、上海市银行同业公会支持），并在线下举办针对不同产业领域的沙龙、Seminar及小型产业对接会议，看金流、信息流、物资流，也看商流；我们认为以核心企业、价值链核心环节为主轴，实现产产对接、挖掘产业链条上的生意机会，建立地区及全球视野，并提供金融资源整合服务将为实体经济带来巨大益处。
---
更多精彩文章，请点击“圆石金融研究院”官方博客之文库（微教室WeiClass）：
链接地址：http://blog.sina.com.cn/s/articlelist_1767200562_0_1.html
汽车金融 / 金融高层观点 / 银行现金管理 / 供应链金融及风险管理 / 资产管理及资本市场 / 企业财资管理 / 银行动态 / 金融创新 / 私人银行 / 金融监管 / 产业经济 / 社会评论及宏观经济 / 业务流程整合 / 金融营销及市场传讯 / 食品生鲜产业

【RFA】

注：请扫描以下二维码，找到【圆石金融研究院】，或输入代码：RFA-China，谢谢！
董文标：社区金融比互联网金融更“靠谱”

我的更多文章

下载客户端阅读体验更佳

APP专享