违约损失率计量与我国信用评级体系完善——我国第一个违约损失率

1违约损失率计量与我国信用评级体系完善——我国第一个违约损失率模型LossMetrics及其应用东方金诚国际信用评估有限公司裴永刚随着经济全球化、金融非中介化和金融创新的不断发展，特别是亚洲金融危机和美国次贷危机的爆发，信用风险及其度量已在全球范围内引起高度关注。作为信用风险度量和管理的基本要素之一，违约损失率计量和模型开发对于我国信用体系的完善，以及适应巴塞尔新资本协议关于内外部评级相结合的有关要求等具有重要意义。一、违约损失率及其在信用评级体系中的作用对信用风险的计量和管理，违约概率（PD）和违约损失率（LGD）是两个不可或缺的因素。违约概率是指借款人或交易对手在未来一定时期内发生违约的可能性，违约损失率则是在经给定违约时损失的严重程度，两者结合在一起才能全面反映特定债务工具的信用风险水平。自从Altman在1968年首次提出Z模型以来，关于信用风险分析与计量的研究大部分都集中在违约概率上。而对于违约损失率，无论是理论、方法还是实证方面，均远远不足。但随着全球金融市场的迅速发展和结构调整，特别是亚洲金融危机和美国次贷危机的爆发，违约损失率的重要性日益突出。2004年6月正式颁布的巴塞尔新资本协议提出了商业银行计量信用风险资本的标准法和内部评级法，其中使用标准法的银行必须采用外部评级结果，使用内部评级法的银行可以有初级法和高级法两种选择，采用初级法的商业银行只须提供违约概率的自我估计值，由监管当局根据资产类别给定违约损失率；实施高级法的商业银行必须自行估计每笔债项的违约损失率。巴塞尔新资本协议的出台极大地促进了违约概率和违约损失率计量在商业银行信用风险管理中的应用，同时也对专业评级机构评级体系的完善提出了更高的要求。尽管对评级机构而言，信用等级本质上反映的是相对信用风险，但信用评级只有更多地与定量化的信用风险信息相联系，才能为社会所认可并成为信用风险管理的有效工具。这就要求评级机构不断积累企业违约和违约损失数据，开2发先进、适用，并能经受实践检验的违约概率和违约损失率模型，建立和完善信用评级标准体系。同时，鉴于评级机构普遍建立了二维的评级体系，而债项评级主要取决于对该债项违约损失率的估计，因此违约损失率计量对于债项评级具有基础性支持作用。为了适应投资者对信用风险量化管理的需求和监管的需要，提升信用评级的社会公信力，国际著名评级机构在定期发布与发行人信用等级相对应的历史违约率和等级转移矩阵的同时，近年来也加强了对违约损失率的研究，从而可以为投资者提供债务工具的预期损失信息。标准普尔和惠誉还使用了专门的符号体系来表示特定债务工具的违约损失率。经过20余年的发展，我国的评级行业取得了长足的进步，但由于经营历史较短，评级机构尚未积累足够的评级数据。加强信用风险的定量化研究，特别是违约损失率模型的开发是国内评级机构面临的共同课题。二、我国违约损失模型的构建与违约概率更多地取决于债务人或交易对手本身的信用质量相比，违约损失率往往依赖于与特定债项或合约相关的因素，如担保方式、债权人与债务人之间的议价能力、处置方式和相关利益部门干预等，影响因素较多，数据难以积累，量化难度大，因此违约损失率模型的构建和计量是一项非常具有挑战性的工作。随着信用风险计量和计算机技术的进步，各种更先进的手段开始被用于计量LGD。但国外较为流行的信用风险模型包括结构化模型、简化模型以及其各种改进型，都假设LGD是常数或者是外生的随机变量。这些模型并没有直接展开对LGD的研究，也没有确定LGD的分布函数。穆迪的子公司KMV于2002年推出了第一个对证券进行LGD计算的模型。该模型综合考虑了债务情况，债务人资产结构，行业因素和宏观经济因素等四方面因素，从这些因素中提取了9个变量用来预测债务的违约损失率。该模型的主要问题是LGD数据主要采用债务工具的市场价值，在债券市场不发达的国家扩展性不强；解释因素中采用行业违约距离、地区违约距离等基于Merton结构化模型概念的期权计算，使用较为复杂，结构化模型所需的完全市场的假设条件要求较高。3国际上另一著名的评级机构标准普尔公司，为适应金融机构信用风险管理的需要，也推出了违约损失率的计量工具——LossStats模型。该模型定量分析过程是根据投资预期效用最大化理论建立的，考虑的因素主要有债务类型担保质量、平均违约率和行业因素等。国外违约损失率研究的现状表明，违约数据库的建立是违约损失率计量的基础，而违约数据库的建立又与金融市场的发展密不可分。我国债券市场起步较晚，目前尚不具备利用债务工具的市场价值来研究违约损失率的条件，因此现阶段LGD的研究只能借助银行贷款数据。但我国大多数商业银行长期以来缺乏风险管理的意识，在数据积累方面存在较大的缺陷。1999年成立的四大资产管理公司从四大银行剥离了几乎全部的不良贷款，违约损失数据的不连续性和经验数据不足很大程度上限制了这些商业银行违约损失模型的构建。与之相比，四大资产管理公司在信贷不良资产处置经验数据的取得和数据库建设方面具有一定的优势。作为国内唯一一家国有控股的评级机构，东方金诚国际信用评估有限公司（简称“东方金诚”）利用控股股东－中国东方资产管理公司拥有的信贷资产违约数据，在国内信用评级行业率先建立了违约损失数据库—LossMetricsDatabase数据库，并在此基础上开发完成了我国第一个违约损失率模型－LossMetrics模型。LossMetricsDatabase数据库的基础数据来自中国东方资产管理公司，包含中国银行、中国建设银行和中国工商银行违约贷款回收数据。LossMetricsDatabase数据库中样本具有广泛的代表性，涉及各个行业、地区和各种特质的借款人。LossMetricsDatabase数据跨度从2000年至今，符合巴塞尔新资本协议内部评级法的建模数据要求。下表为东方金诚LossMetrics模型与穆迪KMV、标准普尔模型的对比。表1主要违约损失率模型对比表模型原理主要参考因素穆迪KMVLossCalc（2005V2）基于结构化假设的回归模型债务类型与级别等因素、借款企业资本结构、行业因素、宏观经济因素、地域因素标准普尔LossStats（2004）投资者预期效用最大化债务类型、担保品质量、总负债中劣于债务工具等级的债务比例、平均违约率、行业因素东方金诚LossMetrics（2008）基于Beta分布的多元统计模型贷款企业综合指标、贷款合同综合指标、行业因素、宏观经济因素4LossMetrics模型经过经济意义检验和统计检验，显示各解释变量的经济意义均比较明晰可解释，参数估计量均具有统计显著性，特别是本金余额、担保类型、担保是否有效、企业类型、经营状况、注册资本金、处置终结日与贷款到期日（展期）之差、经济性质、所属行业、诉讼情况等因素对回收率具有显著影响。同时，我们运用专门的样本数据对该模型进行了预测检验，从结果上看，对比传统的分类平均值法，我们的预测精度大为提高，传统的分类平均值法，均值是32%，离散系数高达70%，而LossMetrics模型将离散系数降至30%左右，预测精度大大提高。三、违约损失率模型的应用展望LossMetrics模型填补了我国违约损失计量的空白，是我国现有市场和数据条件下违约损失研究的重大突破。该模型以及随着其它违约损失数据积累而开发的违约损失模型不仅有助于进一步完善评级机构的评级标准、提高债项评级的科学性和可靠性，为评级质量的检验创造必要条件，还可以为我国商业银行内部风险管理提供技术支持，为金融市场投资者提供定量化的信用风险信息。1、评级机构评级标准的完善如前文所述，信用评级衡量的不仅是债务工具发行人或贷款企业违约的可能性，还要考虑发行人或贷款企业一旦违约可能带来的损失，因此对特定债务工具的评级标准应建立在预期损失率的基础之上。LossMetrics模型和其它违约损失率计量分析成果可以为估计特定债务工具的违约损失率提供坚实的基础。2、评级质量的检验国内现有评级质量的检验方法是基于对债务工具发行人或贷款企业违约人率的统计，没有考虑违约损失率因素，因此与预期损失率为评级标准的理念存在内在冲突。LossMetrics模型和其它违约损失率计量分析成果可以为更为科学、有效的评级质量检验创造必要条件。3、商业银行内部风险管理鉴于我国商业银行，特别是为数众多的中小商业银行在违约损失率数据积累和模型开发方面的局限性，短期内达到新资本协议内部评级法的要求存在相当难度。借助外部评级机构的违约损失数据和定量分析模型，或者利用外部评级机构5的评级结果对于加强商业银行内部风险管理，提高风险计量的精确性、敏感性和标准化无疑是可行的选择。4、定量化的信用风险信息的提供随着金融非中介化的迅速发展和金融衍生产品层出不穷，金融市场投资者面临的信用风险越来越大，且越来越复杂。作为金融市场投资者的金融机构除了需要了解某一信用等级的违约概率之外，往往还需要估计特定金融产品在违约发生时可能会造成的预期损失，从而对金融产品进行信用风险管理和定价。LossMetrics模型和其它违约损失率计量分析成果在为投资者提供定量化的信用风险信息方面具有很大的应用价值。