基于迁移矩阵的信贷风险分析

基于迁移矩阵的信贷风险分析时间:2008-06-0717:39来源:互联网信用风险，或称为违约风险，是指借款人不愿或者不能按期还本付息，而导致银行遭受损失的可能性。随着金融研究的不断深入计算机技术的不断进步，全球对信用风险的量化计量也越来越精细，因此各种信用风险分析工具技术系统的不断创新，开创了信用风险度量管理的全新格局，其中信用迁移矩阵作为信用风险计量的基础性内容，其重要性越来越显著。信用迁移矩阵，通过将客户的期初信用等级状况与期末信用等级状况进行比较计算，度量某个客户群在特定的时间内从目前的信用等级迁移到其他信用等级的概率。该矩阵，评估了企业客户信用质量变化的路径或者信用发展历史，以向风险管理人员提供信用等级未来预期路径和风险管理的量化资料。通过迁移矩阵，不仅可以实现对企业客户信用质量变化的微观度量，而且可以实现对企业客户整体信用风险变迁的有效监控。目前，国外对迁移矩阵的研究已经非常深入。标准普尔、穆迪跨国银行咨询机构等纷纷开发了基于信用迁移矩阵的信用风险管理工具和系统，包括CreditMetricsCreditProCreditPortfolioView等信用产品。国内对于迁移矩阵的研究，目前还停留在比较初步的阶段。主要原因是，我国商业银行开展规范的信用评级时间不是很长，缺乏相关数据的积累；对于信用迁移的认识还没有上升到风险管理的高度，因此尚未开展多层次的深入研究；缺乏相应的数据，导致对信用迁移矩阵的研究还停留在理论分析层次上。本文通过对某商业银行最近几年一部分的企业信用评级数据进行统计分析，生成多年度多地区多行业的信用迁移矩阵，并对其相关特性进行比较分析，在此基础上，提出了不断改进信用评级方法，加强和完善信贷管理的建议和意见。一、技术原理迁移矩阵，其基本原理来自马尔科夫链的基本原理。通常不失一般性地假定状态空间为正整数(1，2，3，…)，对于离散随机序列{Xn}，Xn1的值处于状态j的概率，当且仅当与前一状态Xn有关，这称之为马尔科夫链，并记一步转移概率为:定义表明，转移概率不仅与初始状态及最终状态有关，并且与时间序列n有关。当一步转移概率独立于时间序列时，我们称之为平稳转移概率。由于大部分模型都与平稳转移概率有关，因此，在不特别说明的状况下，一般都默认是平稳的，也即用Si(k)表示第k个时期预测对象处于状态Ei的概率，则向量S(k)=(S1(k)，S2(k)，…Sn(k))称为第k个时期的状态概率向量。向量中各元素具有如下性质:第0个时期的状态概率(S1(0)，S2(0)，…Sn(0))称为初始状态概率，相应的向量S(0)称为初始状态概率向量。可以证明，。上式即为马尔科夫预测模型。其中，P为一步转移概率矩阵。由模型可知，第k期的状态概率取决于初始状态概率和一步转移概率矩阵的k次方。由此可见，若已知初始状态概率向量S(0)及转移矩阵P，则可求出预测对象在任一时间处于任一状态的概率。二、研究设计(一)样本选择我们提取了某商业银行信息库中2000年至2005年的部分企业数据，包括:企业代码行业类别地区类别历年的信用等级企业规模等等参数。依托该银行的评级系统和技术方法，对19万多客户的数据信息进行了大量的筛选处理，形成了4万多个分析样本，从而完成了迁移矩阵的多种分析。(二)数据处理要点借鉴国际上通行的对迁移矩阵分析原理，我们将每一年年初的客户样本作为一个固定的分析样本群，形成一个数据样本的“静态池”，以完成多年的多类型的迁移分析。而比较不同年份，随着评级客户的进入和退出，总体样本量是有变化的，因此全面分析的是一个数据样本的“动态池”。在此基础上，为分析迁移矩阵的特性是否稳定，我们生成了多个一年度多年度的迁移矩阵；为验证分析行业对信用迁移的影响，我们生成了分行业的迁移矩阵，为比较不同地区信用质量迁移的情况，我们生成了多层次不同区域的迁移矩阵。(三)计算方法基于统计原理，综合运用SPSS软件EXCEL软件，通过频数分布交叉表分类汇总等统计功能，完成了对迁移情况数量和百分比的统计从而生成了多维度多层次的企业客户信用质量迁移矩阵。三、数值统计分析表一XX年客户信用等级一年度迁移矩阵根据以上的数据处理步骤，我们生成了多年度多行业多地区的企业客户信用质量迁移矩阵，并对其进行深入分析，具体如下:(一)一年度和多年度迁移矩阵1.一年度的信用迁移情况比较分析表二XX1年客户信用等级一年度迁移矩阵分析表一，迁移矩阵具有如下特性:(1)一段时间内，客户可以从某个信用等级可以向多个等级转化。最高等级的客户只能维持或下降等级。最低等级的客户可以上升等级，维持等级，或者违约。(2)客户由某等级向其他信用等级转化的概率与该等级和其他等级的距离呈负相关趋势。(3)表中对角线的数据，表示第二年评价结果与第一年一致的占比，一般是所在行数值最大的。该单元格数值越大，说明评价结果的相对稳定性越高，客户保持原信用等级的可能性越大。同时，矩阵的单元格数值，由对角线向两侧发散降低。远离对角线的单元格数值趋于0。(4)信用等级较高的客户，其第二年评级结果与第一年一致的概率较大，说明信用等级高的客户信用质量相对较稳定，劣变的可能性较小。信用等级低的客户，其第二年评级结果与第一年一致的概率较小，说明信用等级低的客户信用质量的稳定性较低，劣变的可能性较大。对比表一和表二，分析不同时期的一年度迁移矩阵可得:迁移矩阵的特性非常稳定，对应单元格的数值也比较接近。但同时，不同年份的信用迁移情况是有差别的，迁移比重也会有比较大的变化。实证表明，由于受到宏观经济信用环境变化的影响，信用质量的变迁是存在波动性的。2.一年度与多年度信用迁移情况比较分析表三XX年客户信用等级两年度迁移矩阵比较表一和表三可知，两年度比一年度的迁移矩阵要发散，信用质量劣变的比例也明显上升。同时，信用等级越高，离散的程度越小较低，年度间差异越不显著；信用等级越低，离散的程度越厉害，且向信用等级差的方向做明显移动。随后，我们比较了三年度和一年度的迁移矩阵，发现信用质量劣变的百分比更大，但是变化的速度趋缓。