我国商业银行资本管理中存在的问题

对外经济贸易大学课后讨论题研究报告题目我国商业银行资本管理中存在的问题课程代码及课序号CUR210-3课程名称银行管理学小组成员王彦龙周晓庆丁声捷李蔚伍睿安苟沛然完成时间2010.4.银行资本管理作为一种新的银行管理模式，虽然被国内多家银行所实行，但是由于理解深度不够，操作不规范，在资本金运作以及经济资本管理（风险管理）上都存在一些不足之处。从资本金运作现实角度方面来讲主要有五个问题：（一）核心资本充足率低国有银行与两家国际金融集团（花旗集团和美洲银行）相比，不仅资本充足率和核心资本充足率在数值上表现出极大劣势，同时，会发现国有银行资本充足率比较缺乏稳定性。国有商业银行关于资本金的管理主要局限于核心资本，附属资本的管理还没有得到足够的重视，这种格局严重影响了国有商业银行资本充足率的总体水平。（二）银行依靠自身积累补充资本金能力有限四大国有商业银行缺乏补充资本金的积极性。国有银行的所有者是国家，国家为其提供了强有力的担保。政府的信用担保也可以影响银行某些项目的资金成本进而影响到银行的资本成本，起到替代账面资本的作用。从西方商业银行的资本结构看，留存收益在资本补充渠道中占有重要地位，以美国为例，2003年末，未分配利润和赢余公积金占总资本的40%，资本公积金占39%，次级债占12%，普通股和优先股占9%。（三）商业银行盈利能力低下商业银行内部融资能力差，盈利水平低。资本补充渠道除了政府注资之外，基本上就是依靠自身利润积累，长期以来承担着不合理的税负负担，其中主要是营业税。高税率导致中国商业银行盈利能力下降。美国商业银行能够主要依靠利润的积累来补充资本金的最主要原因是它们的盈利能力很强，最近10年来，美国主要商业银行的资产利润率可以达到1%左右，而中国的上市银行的资产收益率平均只有0.35%，相当于美国的三分之一，无法通过自身积累的方式补充资本金。行别ROAROEAu1998中国银行0.014%0.263%5.69%工商银行0.122%1.973%5.58%交通银行-0.137%-2.844%5.28%花旗银行2.134%31.839%5.103%美洲银行1.976%28.133%8.12%（四）商业银行存在庞大不良资产据统计，自1980年以来，130多个国家经历了银行业的严重问题，而直接损害银行稳健经营和安全、导致金融危机、银行危机产生的最重要问题则是银行的不良资产。在我国，随着市场经济的不断深入，不良资产问题也逐渐成为经济界的一个焦点，它已对经济稳定增长造成严重威胁。中国银行业的不良资产在20世纪90年代一直呈上升趋势,到2000年第四季度，银行的不良资产率开始下降，并且，2001年和2002年两年下降得相当快。但自2003年第四季度开始，中国各家银行的不良贷款均有不同程度的反弹。我国国有商业银行的不良资产至少在20%-30%之间，而不良资产的90%则集中在四大国有商业银行。目前中国银行业的不良资产率略高于20％但各行不良贷款仍处于较高水平。截至03年9月末，四大国有商业银行的不良资产率仍高达21.4％，相比外资银行2％—3％的水平，还有很长的路要走。（五）较高的坏账率我国目前尚未建立起完善的社会信用体系，、当市场活动中某一单位出现违约行为时，政府主管部门和社会各界往往很难立即做出反映或予以揭露。据统计，2000年中国金融机构贷款余额高达10万亿元，其中仅四大商业银行分离出去的不良贷款就高达1万四千亿元，商业银行坏账率高达9%。重视住房抵押贷款背后隐藏的风险是当前中国商业银行特别应该关注的问题。在房地产市场整体上升的时期，住房抵押贷款对商业银行而言是优质资产，贷款收益率相对较高、违约率较低、一旦出现违约还可以通过拍卖抵押房地产获得补偿。目前房地产抵押贷款在中国商业银行的资产中占有相当大比重，也是贷款收入的主要来源之一。根据新巴塞尔资本协议，商业银行为房地产抵押贷款计提的风险拨备是较低的。然而一旦房地产市场价格普遍下降和抵押贷款利率上升的局面同时出现，购房者还款违约率将会大幅上升，拍卖后的房地产价值可能低于抵押贷款的本息总额甚至本金，这将导致商业银行的坏账比率显著上升。在这五点不足情况下，我国商业银行可以实行“存量重整，增量化解”的策略。因为资本管理受到资本约束的限制，根据目前国内银行业的资本充足率情况，资本管理可以遵循区别对待，以增量管理为主，同时加强存量管理。在银行资本充足率水平未达标情况下，资本管理的重点放在增量上，优化增量资源配置，控制增量资产风险，使其与监管资本的增长相协调；已达标银行的资本管理则继续改善资产结构、降低高风险业务占比，降低存量资产的经济资本，实现存量资产结构的优化调整。近年来，我国理论界已经将银行的管理理论从资产负债综合管理引向了风险管理，银行监管也由合规性逐步向审慎和风险监管转移。中央银行监管却仍停留在资产负债比例管理中所设计的一系列指标体系上，仍需加强资本营运观念。因此，首先要明确进行经济资本管理的必要性。微观层面上讲，经济资本可以应用于商业银行的贷款定价。宏观层面上讲，经济资本可以用于商业银行的资产配置和组合管理，绩效考核和商业银行的经营战略管理。我国引入经济资本管理，可以构建与国际先进银行接轨的经济资本约束机制，加快公司治理结构的改革进程，积极推进经济资本管理系统，也可以由此注重风险管理人才的培训和引进。经济资本已成为国际先进商业银行在风险管理方面的通用工具，中国的商业银行要想参与国际竞争，并在竞争中取胜，也应该实施经济资本管理，并解决相关的理念、技术问题：要在全行上下形成资本约束的理念，改变盲目追求规模扩张不考虑风险承担底线的经营行为。商业银行的资本金是非常珍贵的资源，要将资本金分配至风险报酬高的业务条线和部门；尽快建立内部信用评级系统，将信用风险的预期损失和非预期损失的计算模型化；引入RAROC绩效考评模型，实现风险和收益的平衡，有效配置经济资本。从经济资本管理（风险管理）方面来讲主要有两个问题：（一）建立经济资本管理体系基础薄弱经济资本管理基础的工作是建立符合业务实际的风险计量的模型，由于当前国内商业银行缺乏风险管理专家、金融计量人才，而且银行内部关于贷款质量的数据库不系统、不完整，因此就无法直接使用各种计量模型来进行参数估计。突出表现在经济资本计量与分配公式远没成熟，具有很大的主观性，并不能建立高级计量评级模型进而得到非预期损失和经济资本，因此在精确度方面也是不符合真正的内部评级法要求的。两个参考计量模型：信用风险经济资本计量（EL模型）：对信贷资产，预期损失（EL）＝调整敞口（AE）×预期违约率(EDF)×违约时真实损失率(LGD)。调整敞口AE的计算过程：银行对客户的授信额度为COM,已使用授信额度为OS，违约时使用“未使用的授信”的比率为UGD，则AE＝OS+(COM-OS)×UGD。EDF为既定信用等级客户的预期违约率，可根据历史经验数据确定不同信用等级客户的预期违约率；LGD为发生违约时的真实损失率，一般的做法时假定借款人出现不还本金或利息的现象时，一般都可能发生违约，但借款人违约时，银行的贷款损失通常不是100%，只要银行通过一定的法定程序，总可以收回一定比例的违约贷款，它的大小取决于抵押情况、求偿时的优先顺序等。资产组合的非预期损失（ULP）模型：ρij是资产i和资产j的违约相关系数。银行是通过经济资本来抵御非预期损失的，为了维持与所担风险相称的资本水平，银行必须确定意愿的信用评级相匹配的置信水平。不同的信用评级所对应的置信水平分别是：AAA，99.99%；AA，99.97%；A，99.9%；BBB，99.7%。给定置信区间，资本乘数是损失分布的标准差数的上限。一般而言，对信用风险，损失的分布函数为贝塔分布。置信区间与资本乘数的关系将变成尾部拟合的问题，尾部拟合要做的，就是找出置信区间对应的标准差数。对于这个问题，我国商业银行要建立经济资本预算管理办法，必须在风险识别和计量的基础上，按照各个单位所承担的风险大小分配经济资本，建立经济资本对风险资产总量约束和价值创造引导的双重机制，促进信贷资源和财务资源的有效配置，加大对业务结构、资产结构、产品结构和客户结构的调整力度。计算经济资本的前提是必须对银行的风险在有效识别的基础上进行模型化、量化，才能计算出各个业务部门所需要的经济资本，所以风险的识别和量化是计算经济资本的基础。由于大部分银行现阶段尚未建立内部评级法、不具备以模型度量风险的能力，因而主要参照巴塞尔协议的标准法设计经济资本计量方法，但因目前信息系统暂不完全支持标准法的资产分类，不能获取信用评级、风险缓释等信息和数据，因而农业银行设计的“内部系数法”值得借鉴。这种方法以现有信息系统的会计和统计项目为基础进行业务分类，并参照国内外资本监管中规定的风险权重，结合政策导向和实际的资产风险状况，对每类业务确定不同的“经济资本系数”，以此引导银行的资金投向，树立追求风险剥离后真实利润的目标，树立资本约束和资本回报的理念，促使资本充足率状况不断改善、水平不断提高。（二）资本约束理念尚未全面树立和渗透受客观条件和自身熟悉等因素的影响，目前仍有相当部分城市商业银行尚未树立起资本约束的观念，不能以资本回报为核心指导业务发展，片面追求规模扩张的低效发展模式，资本的充实增长远远落后于资产规模的增长。部分行对资本治理的理解也十分狭隘，还停留在资本治理的最初阶段，仅限于对资本充足率的计算，缺乏有效的资本充足率猜测、分析和评估机制，对风险资产发展缺乏必要的约束和规划。良好的治理结构是资本监管得以有效实施的微观制度保障，内部治理结构对经营者的理念和行为有决定性的导向作用，我国城市商业银行内部治理结构所存在的诸多弊端，制约了资本约束理念的树立和渗透。对于这个问题，我国商业银行可以吸收和培养资本和风险管理方面专业人才，积极构建高素质的现代银行运营管理团队。加强管理信息系统建设，完善基础数据建设，加快内部评级模型开发。