信用担保机构信用风险模型探析

申 韬

摘要:本文通过对信用担保机构信用风险特性和四大现代信用风险度量模型的全面分析和探讨,结合我国信用担保机构进行信用风险度量时存在的主要障碍,提出了我国信用担保机构信用风险度量模型的选择原则和发展思路。

关键词:信用担保机构;信用风险;信用风险度量模型

一、现代信用风险模型的概述

信用风险是多维度风险的综合结果。在所有风险中信用风险的量化却存在很大难度。近十几年来,建立数量化的信用风险模型在金融业受到广泛的关注,这些模型具体可分为三类:

(一)基于“公司市场价值”的JP摩根信用计量CreditMetrics模型和KMV模型

CreditMetrics 模型由JP摩根于1997 年首次发表并被广泛推广。该模型在对贷款和债券给定时间单位内(通常为一年)未来价值的变化分布进行估计的基础上,运用VAR(Value at Risk)分析框架来衡量信用风险。模型的数据基础是各信用评级公司的信用级别转移概率矩阵。CreditMetrics 计算的准确性依赖于两个关键假设:(1)同一等级的所有企业具有相同的违约概率;(2)实际违约率等于历史平均违约率。即信用评级改变与信用质量的改变相同,信用评级与违约率是同义词,当违约率调整时,信用评级随之改变。但是由于违约率是连续变化的,而信用等级却以一种离散方式进行调整且历史平均违约率和转移概率可能与实际情况偏离较大,即使同一个信用等级内的违约率也可能存在相当大的差异。此外,该模型需要输入大量的市场数据,这一点对于中等规模的市场贷款组合而言,通常并不能完全地获取。

KMV期权定价模型的基本思想是将公司的权益和负债作为期权,公司资本作为标的资产,把公司所有者权益作为看涨期权,把负债作为看跌期权。资本结构与公司价值密切相关,违约概率是与债务额和债务人公司资产结构相关的内生变量。它假设当公司资产价值低于某个水平时,违约才会发生,在这个水平上的公司资产价值被定义为违约点。KMV模型中,信用风险是根据公司资产价值的动态变化推导出来。已知给定公司的现时资产结构,即权益、短期和长期负债、可转换债券组成的情况下,一旦确定出资产价值的随机过程,便可获得任一时间单位的实际违约概率。上市公司的权益价值是由市场决定,公司股票价格和资产负债表中隐含有违约风险的信息,因此KMV最适用于公开上市公司的预期违约率评估。KMV 模型以股票市场数据为基础,具有一定的前瞻性。该模型存在三个缺陷:需要资产收益的正态分布假设、未根据资历、抵押品、合约条件或可转化性来区别不同类型的债券和静态假设——财务结构假设不再变化。

(二)基于经济学的CreditPortfolioView模型

CreditPortfolioView是麦肯锡公司(McKinsey)的一个多因子模型,该模型提出了将宏观因素与违约概率、转移概率相联系的方法。该模型模拟各国在不同行业各种信用评级集团的联合条件违约概率和迁移概率,其前提条件是宏观经济因素的不同取值,如失业率、GDP增长率、长期利率水平、政府支出和储蓄率。由于在相对较大的范围内,经济状态由宏观因素所驱动,当经济衰退时,违约与信用降级事件增多,当经济好转时情况则恰好相反,即信贷周期随着经营周期而变化。假如具有充足的数据,该方法可以用于预测一国不同类型债务人的违约率,如建筑业、金融业、农业服务业等,这些行业对经营周期的反应各不相同。CreditPortfolioView模型的局限性在于必须拥有各国各行业的部分违约数据和调整转移矩阵的特别程序。国外的实践经验表明,该模型最好应用于投机级的债务人,这类债务人的违约概率对信贷周期的灵敏度比投资级的债务人要高。

(三)基于保险精算的CreditRisk+ 模型

CreditRisk+ 是由瑞士信贷金融产品公司CSFP(Credit Suisse Financial Products )开发的信用风险评价模型。该模型的主导思想源于保险精算学,即损失取决于保险标的风险发生的频率和发生风险时保险标的的损失或破坏程度。该模型推导债券投资组合的损失度,只有违约风险被纳入模型,不涉及降级风险,而且违约风险与资本结构无关。

与CreditMetrics 和KMV 都以资产价值作为风险驱动因素不同,该模型只考虑违约风险,需要估计的变量很少,并未对引起违约的成因做出假设。CreditRisk+的最大优点是相对容易,它借鉴保险业计算小概率极端事件的数学方法,推导债券组合或贷款组合的损失概率的封闭形式,具有计算上的优势。此外,CreditRisk+仅仅需要考虑各级别的平均违约率,需要输入的数据较少,适应于数据比较缺乏的状况。CreditRisk+的局限性在于模型假设中无市场风险,并忽略信用评级的转移风险,使各债务人的风险是相对固定的,并不取决于信用质量和未来利率的变动。

这三类模型属于单一的一般框架,它们主要识别信用风险比较关键的三个方面——违约率分布、条件违约分布和整合技术。迄今为止,从实证角度对各个信用风险模型进行系统比较分析的文章还很少。唯一将信用风险模型应用于对实际资产组合风险损失估计研究结果和现实情况大相径庭,且对美国之外的债务人、银行和金融机构进行信用风险评价时效果并不理想。

二、我国信用担保机构信用风险度量中存在的主要障碍

(一)宏观信用环境不佳,尚处于信用制度的初始阶段

信用担保是一种复杂的信用契约关系,信用担保机构能否生存并健康发展,取决于一国的社会信用环境,可以说良好的信用秩序是信用担保机构正常运作的基础。市场经济是信用经济,信用是市场经济运行的必备前提和基础。我国的经济运行由于长期受计划体制的影响,在实行市场经济之前,市场对资源的配置作用几乎为零。市场经济实行之后,诚实信用与市场机制的关联不大,社会信用缺失问题仍然存在,特别是中小企业信用观念淡薄,正常的信用关系被严重扭曲。由于整个社会信用问题未得到根本改善,对信用担保机构的业务对象缺乏严格的监督制约机制和惩罚制度,信用风险问题和道德风险普遍存在。

(二)业务对象缺乏信用历史记录,会计数据不完备,数据真实性需要检验

国外学者认为对金融机构而言,中小企业是“信息残缺的”,很难从外部了解到与企业有关的雇员、消费者及供应商的合约。因此,运用模型方法进行信用风险度量并予以决策时,通常会要求该类企业提供规范而及时的经营信息,如财务报表。而我国中小企业以民营为主,受经济体制和大环境的影响和制约,这些企业普遍以家族企业形式存在,企业信息与个人信息交叉,财务管理混乱,报表账册不全,内控制度不严,存在的信息问题十分严重。而一些小企业,尤其是个人独资企业,由于个人活动和企业活动完全交叉,财务信息严重失真,运用财务比率进行信用风险度量十分困难。对于已上市的中小企业而言,信用担保机构可以通过对股市价格的持续监控等方式了解企业的实际经营状况,但对于非上市的中小企业而言,则无法通过相关渠道获得信用风险评估所需要的具体信息。此外,信用数据样本较少,历史延续性和可比性也尚待改进。所以,若一些模型所需数据的主要来源渠道为证券市场时,就会与我国多数中小企业为非上市公司的现状产生较大矛盾。

(三)金融市场的运作不规范,影响信用风险度量模型的预测能力

受金融市场过度投机和市场操纵等人为的市场不规范因素的影响,我国金融资产收益关联度的稳定性比较低,这一现象将对信用风险度量模型的预测能力产生一定的影响。尤其是CreditMetrics——市场价值模型和KMV——期权定价模型所需的数据的主要通过金融市场获取,若金融市场化的进程中不改变该现状就根本无法为信用担保机构信用风险计量模型的建立,以及信用担保项目信用风险的准确量化提供良好的外部环境。