商业银行信用风险衡量的一种新标准.pdfVIP

齐技 经济研究))200241-： 9期 商业银行信用风险衡量的一种新标准 于立勇 周 燕 内容提要 长期以来信用风险评估一直被看作是模式识别中的一类分类问题，难以充分 满足信贷风险决策的需要，转变分类评估模式的关键在于确立更为科学、有效的信用风险衡 量标准。本文在对信用风险评估方法和模型进行综述的基础上，依据商业银行信用风险的内 涵，指出信用风险衡量标准应当充分考虑信贷资金形成呆账的可能性以及信用风险的“相对 性”特征。在综合分析比较典型信用风险衡量标准的同时，提出以信用风险度作为更合理的 衡量标准，为有效转变信用风险评估模式．提供更为全面的信贷决策支持奠定了基础。 关键词 信用风险评估 信用风险衡量标准 信用风险度 一 、 引 言 信用风险评估是商业银行信用风险管理的首要工作和关键环节，事关银行的生存和社会 的稳定。近年来，发达国家对信用风险度量和管理研究的关注程度越来越高，再加上以东南 亚诸国为首的发展中国家对信用风险的关心，相信信用风险的度量和管理必将成为2l世纪 风险管理研究中最具挑战的课题 (Altman，l998)。 信用风险是指信贷资金安全系数的不确定性，表现为企业由于各种原因，不愿意或无力 偿还银行贷款本息。使银行贷款无法回收，形成呆账的可能性 (曾国坚、何五星，l995)。 长期以来信用风险评估一直被看作是模式识别中的一类分类问题，依据的信用风险衡量 标准是贷款企业“违约与否”，利用的是模型与方法的分类功能，形成信用风险的分类评估模 式，这种做法被称为“粗暴的经验主义方法”(Freedman，l995)。然而，目前这种分类评估 模式和衡量标准所能反映的有限的经济信息已经远不能满足信贷风险决策的需要。本文在对 信用风险评估方法与模型进行概述的基础上，提出解决问题的关键在于确立更为科学、有效 的信用风险衡量标准和与之相匹配的评估模型，而信用风险衡量标准的构建应当充分考虑 “信贷资金安全系数的不确定性”(信贷资金形成呆账的可能性)在信用风险评估中的重要意 义以及信用风险的“相对性”特征。 二．信用风险评估的方法和模型概述 20世纪30年代以来，商业银行信用风险的评估方法大致经历了比例分析．统计分析和 人工智能三个发展阶段，我国商业银行信用风险管理起步较晚，信用风险评估仍然沿袭传统 的比例分析模式。传统的信用风险衡量标准将商业银行信用风险与贷款企业“违约与否”等同 起来，采用所谓的“经济主义方法论”(王春峰，1999)，其基本思想是，通过研究并挖掘“违 1本文足中国工商银行“十五”规划项目—— ‘中国1二商银行信贷综合管理系统”的部分研究成果。另外，本文还得到 哈尔滨工业大学校基金资助。 一 80— 约类”(到期未还本付息)企业样本和“非违约类”企业样本的基本特征，建立判别公式，进 而对新样本进行分类。 较为早期的信用风险评估方法 (女lI主观分析法和财务比例分析法)在对贷款企业进行判 别时，往往存在主观臆断性较强，缺乏客观评价基础等不足 (Altman和 Saunders， l998)，而基于严谨统计分析的信用风险评估方法得到更为广泛地应用。 随着信息技术的发展，近年来人工 能 (AI)模型被引入信用风险评估中。神经网络 方法作为一种具有自组织、自适应、自学习特点的非参数方法，它对样本数据的分布要求不 严格，不仅具有非线性映射能力和泛化能力，而且还有较强的“鲁棒性”和较高的预测精度， 这些都促使神经网络在信用风险评估领域取得了长足的发展，如模式神经网络、概率神经网 络、扩展的学习向量量化器和多层感知机等都先后得到应用。但神经网络也有自身的缺点， 主要集中在网络结构确定较为困难、训练效率低下和解释能力差等方面。同样，虽然决策树 方法可以通过对历史样本的学习构造出决策型的知识表示，与统计分析方法相比，显得更为 直观、易理解，而且对专业知识没有较高要求，但其建模过程中经常出现的组合爆炸、过度 拟合等现象也制约了其进一步的发展。 不难发现，虽然人工智能模型克服了统计方法对前提假设要求较强以及静态反映信用风 险等缺点，但它们评估信用风险的衡量标准始终是企业“违约与否”(或是其他有限个风险类 别)，模型利用的都是各自对样本的分类功能，因此这些模型都可以归