1、1商业银行信用风险评估模型研究基于 BP 神经网络风险评估的改进天津财经大学 刑春玉、安菁菁、陈翔颖目 录摘 要 .2一、商业银行信用风险评估体系 .4二、银行信用风险评估模型发展 .5（一）基于贷款客户资产价值数据的风险评估模型 .51. KMV 模型 .52. Credit Metrics 模型 .63. Credit Portfolio View 模型 .64. Credit Risk Plus 模型 .7（二）基于贷款客户财务数据的风险评估模型 .7（三）商业银行财务风险的评估模型有待改进 .81.我国商业银行现有评估财务风险的方法 .82.国际商业银行普遍使用的风险评估方法 .9三、
2、信用风险评估的实证分析 .10（一）YH 银行采用的贷款违约风险评估模型及评估结果 .101.计算资产价值和资产波动率 .102.计算违约距离和期望违约率 .12（二）基于 BP 神经网络信用风险估计 .141.样本选取 .142.实证分析 .15四、对商业银行信用风险评估提出的建议 .21（一）结合 KMV 法与 BP 神经网络模型评估财务风险 .21（二）逐步推进内部评级法 .22（三）建立使用预期损失模型 .231.预期损失模型应关注谨慎性和中立性 .232.预期损失模型提高相关性兼顾可靠性 .23（四） 完善财务风险披露要求 .241.提供整体层面的风险信息 .242.报告多种损失的分
3、布结果 .243.提高信息披露的全面性 .25（五）通过健全内部控制降低财务风险防范成本 .25（六）建立非上市公司信用风险评估模型 .26（七）针对不同的贷款类型选择适当的风险评估方法 .26五、总结 .26【参考文献】 .282摘 要随着滨海新区的经济发展，各商业银行纷纷在滨海新区开展业务，为区内企业提供金融服务。风险评估是建立商业银行内部控制体系的重要环节，本文从计量统计研究法和结构化研究法两个角度评估信用风险。在结构化研究法方面，本文采用 KMV 模型对滨海新区 YH 银行 11 家上市公司的违约概率进行计算。在计量统计研究法方面，本文从房地产、交通运输、重金属等与滨海新区 YH 银行
4、 11 家上市公司相关的经营行业，以及与滨海新区发展轨迹类似的长三角地区选取 18 家企业作为样本，采用 BP 人工神经网络训练模型，对 11 家上市公司的信用风险进行评估。评估结果显示 BP 神经网络模型的拟合效果优于 KMV 模型。由于各类模型均有缺陷，商业银行应该增加模型的多样性，利用各类模型的优势，综合比较。而且，针对组合贷款还应以相同风险特征的资产池为基础估计信用风险。本文还提出利用 BP 人工神经网络模型并结合 KMV 模型评估非上市公司的信用风险，弥补以往采用线性模型评估非上市公司信用风险的不足，同时给出建立商业银行信用风险评估方式的相应建议。关键词：信用风险 BP 人工神经网络
5、 KMV 模型 Z 值模型Abstract:3With the economic development of Tianjin Binhai New Area, the commercial banks have operations in the Binhai New Area, to provide financial services to companies in the region. Risk assessment is an important part of the commercial bank to make internal control to establish th
6、e values of the companies. This research method makes use of the measurement statistics and structured research methods to evaluate the credit risk. In structuring research, we use KMV model to get the probability of default of 11 listed companies in Binhai New Area. In the measurement of statistica
7、l research, this article use 18 companies selected as samples that are similar to the above 11 companies, using BP artificial neural network model to assess the credit risk of the 11 listed companies. Assessment results show that BP neural network model fitted better than the KMV model. Since the va
8、rious models have shortcomings, commercial banks should increase the diversity of models and make the use of the advantages of various models. This paper also proposed using BP artificial neural network model combined with KMV model to evaluate the credit risk of non-listed companies to make up that
9、 non-linear models weakness. Keywords: Credit Risk; BP artificial neural network; KMV model; Z model天津滨海新区地处渤海之滨，面积广阔，其优越的地理位置和良好的投资4环境吸引了大批金融机构的进驻。2006 年 6 月， 国务院推进天津滨海新区开发开放有关问题的意见中指出：“在金融企业、金融业务、金融市场和金融开放等方面的重大改革,原则上可安排在天津滨海新区先行先试” 。此后，天津银行率先成立了天津银行滨海分行。2007 年 12 月，天津滨海新区内第一家具有独立法人资格的商业银行天津市滨海农村商
10、业银行正式揭幕。各银行积极拓展在滨海新区的业务，为滨海新区内企业提供各种金融服务。目前，滨海新区拥有泰达股份、天保基建、天津港等十余家实力雄厚的上市公司，涉及交通运输仓储业、建筑工程业和有色金属等多种经营领域。商业银行在为区内企业提供贷款，支持滨海新区建设的同时，也应该建立全面风险管理角度的内部控制体系，及时防范信用风险。一、商业银行信用风险评估体系美国的 COSO 框架和我国的企业内部控制基本规范都提出风险评估是建立健全内部控制体系的重要内容。 新资本协议 （巴塞尔协议）认为商业银行在日常经营中面临三种风险：信用风险、市场风险和操作风险。信用风险又称违约风险，是指受信人不能履行还本付息的责任
11、而使授信人的预期收益与实际收益发生偏离的可能性。引发信用风险的因素有预期损失和非预期损失。预期损失是损失分布的平均数，代表银行信用资产组合平均损失；非预期损失是衡量信用损失的方差或资产组合固有的信用风险。银行通过提取拨备覆盖预期损失，通过充足的风险资本抵御非预期损失。鉴于信用风险的重要性，各方监管机构都对信用风险评估有明确要求。巴塞尔协议鼓励银行采用内部评价法评估信用风险，中国银监会也于 2007 年 2月发布中国银行业实施新资本协议指导意见 ，明确国内大型银行采用内部评价法计量信用资本。2009 年，国际会计准则理事会（IASB）发布金融工具：摊余成本和减值的征求意见稿，提出采用“预期损失模
12、型”来计提商业银行贷款的减值。预期损失模型要求贷款在初始确认时即估计其未来整个存续期内的信用损失，并据以确认减值。可见，信用风险不但是金融监管机构的监控重点，而且已经引起了准则制定机构的注意。5二、银行信用风险评估模型发展（一）基于贷款客户资产价值数据的风险评估模型基于资产价值的违约风险度量模型根据对损失定义的不同可以分为两类：一类模型仅度量由违约导致的损失，有时称为违约式模型（DefaultMode Model，DM） ；另一类模型除了考虑违约损失外，还包含了信用变化产生的损益，称此为多状态模型或盯市模型（MarkedtoMarket Model，MTM） 。MTM 模型的风险包括信用等级的
13、升降和贷款违约，以贷款的市场价值变化为基础计算贷款价值，进而衡量信贷风险。DM 模型则偏重于预测违约损失，不考虑信用等级的升降。目前基于资产价值评估风险的模型主要有四种：KMV 模型；Credit Metrics 模型；Credit Portfolio View 模型；Credit Risk Plus 模型。其中Credit Metrics 模型是一种 MTM 模型，而 Credit Risk Plus 模型属于 DM 模型，Credit Portfolio View 和 KMV 则既可被当作 MTM 模型使用，也可被当作 DM 模型使用。1. KMV 模型KMV 模型是美国 KMV 公司于
14、1995 年推出的违约概率评估模型。此模型的思路出自 Black Scholes 和 Metron 模型以及 White 的期权定价理论，Metron 模型假设公司的资本结构为除了发行股票以外，只发行一种一年期的零息债券。公司的股票价值为 VE，债券面值为 D，公司价值为 VA。若一年后，公司公司资产价值与债券面值之间的差额为正，则公司资产价值大于债券面值，不会违约；否则公司资不抵债，可能会违约。其正差额越大，违约距离越大，违约可能性越小。基于违约数据库，模型根据违约距离得出贷款的违约概率（EDF） 。KMV 模型采用企业股票市场的数据，使模型不仅随时根据市场变化更新违约概率，而且反映了市场投
15、资者对于企业未来发展的综合预期。另外，使用KMV 模型预测违约概率，可以量化不同企业的贷款风险差异程度，使贷款定价更为准确。但是，KMV 模型也有其固有局限性：由于模型数据来源于资本市场，所以该模型多适用于上市贷款企业违约风险的评估；该模型的资产价值是动态数据，而模型假设企业长短期债务结构不变，因此将动态数据与静态数据比较会造成结构的偏差。62. Credit Metrics 模型Credit Metrics 模型是 J.P 摩根银行于 1997 年开发的以 VAR（在险价值法）为基础的信贷风险度量模型。计算 VAR 的两个关键因素是金融工具在市场上的价值和金融工具市场的波动性。由于贷款不能在
16、市场上公开交易，Credit Metrics 模型利用借款人的信用评级、下一年信用评级发生变化的概率（评级转移矩阵） 、违约贷款的回收率、债券市场上的信用风险价差和收益率作为输入参数，为贷款计算出假想的市场价值和波动率，随之计算出一项贷款的违约风险。Credit Metrics 模型以分析性的框架为基础，计算贷款组合的波动率和预期损失，认为资产组合价值的变化不仅受到违约的影响，还要受到资产等级变化影响，而且还考虑到组合内各资产的联合违约概率。但是，此模型也存在很多缺陷。首先，模型假设同一信用评级内所有债务人都具有相同的违约概率，但是不同的企业面临经济变化时会产生不同的决策；其次，模型假设金融工
17、具收益率和市场价格变动呈正态分布，但是金融市场价格变化经常出现“肥尾”现象；最后，模型只反映了风险因子与资产价格的线性关系，影响准确性。3. Credit Portfolio View 模型Credit Portfolio View 模型（麦肯锡模型）是由麦肯锡公司于 1998 年推出的利用宏观经济变量模拟的多因素模型。信用评级转移一般取决于经济状态，企业在经济周期低迷时期更有可能降级违约，贷款组合中的系统信用风险收信贷周期的影响，而信贷周期又受经济周期的影响。所以，麦肯锡模型使用 GDP增长率、失业率、长期利率等宏观经济变量来决定违约概率，度量贷款中无法分散的系统性风险。模型转移矩阵中信用等
18、级的转移概率受两方面影响：一个是由宏观经济变量度量的系统风险，另一个是随机扰动项的影响。麦肯锡模型对 Credit Metrics 模型进行了完善，克服了转移矩阵的静态假设，将违约概率和经济周期联系起来，提高了准确性。但是模型只考虑了系统风险，忽略了企业的自身情况，还有待进一步完善。4. Credit Risk Plus 模型Credit Risk Plus 模型是由瑞士银行金融产品部于 1997 年开发的信贷风7险管理模型。模型只考虑违约风险，不考虑降级风险。模型视违约事件为随机事件，并采用保险精算学的分析框架来得出贷款组合的损失分布。模型假设资产每期的违约概率相同，某个债务人的违约概率很小
19、并且相互独立。这些假定使资产组合发生违约事件的概率服从泊松分布，而违约事件数即为泊松分布的输入参数。Credit Risk Plus 模型将风险相似的预期损失划分为若干频段，每个频段的损失近似为一个常数，通过违约事件数由泊松分布生成该频段的损失分布，对所有频段的损失加总可得贷款组合的损失分布。Credit Risk Plus 模型的优点是仅通过违约事件数就可以推导出贷款的损失分布，简单易行。但是，该模型没有考虑市场风险，而且假定每一频段的损失固定，忽略风险的影响，所以很多财务公司采用了基于贷款客户财务数据的风险评估模型。（二）基于贷款客户财务数据的风险评估模型第一类评估贷款违约风险的模型是借助
20、企业历史样本数据寻找违约可能性与公司特征变量之间的关系模型，主要包括专家评价法和评分法。专家评价法中最常用的是信贷分析的 5C 法，即对借款人的品格（Character） 、资本（Capital） 、偿付能力（Capacity） 、抵押品（Collateral）和周期形势（Cycle Conditions）进行评估。除 5C 法之外，有些银行还是用 5W 或 5P1等专家评价法来衡量贷款风险。评分法主要指 Z 值评分法，美国学者 Altman 运用线性判别技术建立起判断企业是否破产的 Z 值模型，其公式为：Z=1.2*Xl+1.4*X2+3.3*X3+0.6*X4+1.0*X5 （2.1）式中
21、:X l=营运资金/总资产，表明企业流动性强弱；X2=留存收益/总资产，表明企业筹资和再投资的能力，代表企业创新和竞争力；X3=息税前利润/总资产，表明企业在不考虑税收和财务杠杆情况下的盈利能力。X4=资本市值/债务账面价值，表明资本的投资价值，指标越高说明企业越有投资价值； 1 5W 即借款人(Who)，借款用途(Why)、还款期限(When)、担保品(What)及如何还款(How)。5P 即个人因素(Personal)、借款目的(Purpose)，偿还(Payment)，保障(Protection)和前景(Perspective)。8X5=销售额/总资产，表明企业资产获得销售收人的能力。通
22、过对统计数据的分析，Altman 得出经验临界值 Z=3.0，Z 值高于 3.0 的企业安全性比较高，低于 3.0 的企业面临破产风险，同时，Altman 还发现 Z 值低于 1.8 的企业已经存在严重的财务危机，具有很高的破产概率。但是，随着时间的推移，Z 值模型预测的效力就会降低，所以 Z 值模型只能进行短期风险的预测，不适合商业银行长期贷款的风险预测。此后，线性模型、Logstic 多元模型和 Probit 模型等统计模型不断应用于贷款违约的预测。随着计算机的发展，许多非线性模型得以开发，如 BP 神经网络模型。同时，风险预测模型还与模糊数学、数学规划等理论结合，目的是有效挖掘样本信息，
23、提高模型应对风险的预测效果。由于财务数据以年报的形式公开，银行可以充分掌握信息，所以基于财务数据的模型一直广泛应用。但是，模型过分依赖历史数据而忽略资本市场指标，以过去的角度预测未来，亦存在一定的局限。（三）商业银行财务风险的评估模型有待改进1.我国商业银行现有评估财务风险的方法如前文所述，商业银行采用的信用风险评估可以分为利用企业历史财务数据和使用资产价值数据的两种方法。银行使用哪种方法主要取决于企业的经营环境和银行的评估成本。我国贷款企业中上市公司较少，而且我国商业银行风险管理刚刚起步，还没有建立完善的评估模式，所以，利用企业财务数据进行违约风险度量的计量统计模型相对适宜，并使用线性模型进
24、行概率判别。但是，此类统计法也存在很大的局限性。首先，现有的线性模型过于重视样本的横截面分析，忽视了时间序列的分析，不能反映财务循环的时间序列特征；其次，模型选取的样本受到限制，估计样本和对比样本必须是同行业同规模的，实际中贷款业务规模各异，不能一概而论，对样本的要求过于严格可能增加样本的测试难度；最后，线性模型的自变量与因变量呈线性关系，实际中贷款违约的影响因子本身具有一定联动性，既受微观企业经营状况的制约，还受宏观经济周期的影响，并不是简单的线性关系。92.国际商业银行普遍使用的风险评估方法国际上普遍使用的风险评估方法是利用贷款企业资产价值数据，建立利率和公司特征变量之间的动态模型，称为结
25、构化研究方法。例如：以 Credit Metrics 模型为代表的盯市模型，以 Credit Risk Plus 模型为代表的违约式模型，以及兼有二者特征的 Credit Portfolio View 和 KMV 模型等等。这些模型是美国等金融业相对成熟的国家使用的银行风险评估模型，这些模型更加准确地度量了贷款的违约风险。国际商业银行和学者对于结构化方法有四类模型。第一类是基于期权定价技术的计量模型。该模型将贷款看作卖出以资产为标的的看涨期权，执行价格为债务面值。当公司资产超过债务面值，则执行期权，偿还债务，否则贷款将违约。美国 KMV 公司开发的模型就基于这一原理，KMV 模型是目前国际金融
26、界最流行的信用风险评估模型之一。第二类模型违约风险统计模型，将违约率作为连续的单点运动描述，同时考虑了违约的波动性，但不考虑违约的原因，将违约事件的次数用泊松分布描述。瑞士银行在此基础上开发了 Credit Risk Plus 模型。第三类是离散动态宏观模拟模型，对不同行业的宏观数据和违约率时间序列数据建立多因素模型，适用评估贷款组合的系统风险。第四种模型是在险价值模型，利用企业信用等级、评级迁徙矩阵、违约贷款损失率、风险价差和收益率计算企业价值及其波动性。 2在险价值模型是巴塞尔协议内部评级法中用来评价违约风险的模型，通过穆迪、标准普尔等提供的评级数据，考察债务信用等级变化，计算出迁徙矩阵的
27、转移概率，进而得出贷款的违约概率。相比于上述风险评估模型，我国的线性评估方法显然落后。虽然一些银行正在积极改进，但是由于上述大多数模型需要建立高质量的信息数据库，耗时长，成本高，很多银行仍然采用以主观判断为主的传统方式评估财务风险。三、信用风险评估的实证分析YH 银行是一家全国性的非上市银行，坐落于天津，服务滨海新区。YH 银行贷款客户规模和行业呈多样化分布，既有实力雄厚的上市公司，也有快速发展的中小企业；所属行业包括制造业、交通运输业、房地产业、餐饮娱乐业等众2 夏红芳.商业银行信用风险度量与管理研究M.杭州：浙江大学出版社，2009 年：18-3110多行业。本文选取各行业中具有代表性的
28、11 家上市公司进行财务风险防范分析。（一）YH 银行采用的贷款违约风险评估模型及评估结果由贷款的财务风险主要指贷款违约的可能性，量化这一可能性的指标就是贷款违约概率，前面章节已经介绍过国内外使用的贷款违约概率估计模型。YH银行针对不同性质的贷款，采用不同的贷款违约概率估计模型，对于上市公司的重要贷款实施严密的风险监控，使用国际通行的 KMV 模型估计违约概率。KMV 模型是借助 Black Scholes 的期权定价模型，将公司股权看做是买入一份欧式看涨期权，以公司债务面值为执行价格，以公司资产市场价值为标的。如果借款到期时，公司资产的市场价值高于债务，则公司选择执行，偿还债务；如果资产市价
29、低于债务，公司将选择违约。KMV 模型的计算公式如下:VE=VAN(d1)-DPe-rTN(d2) （5.1）d1=ln(VA/DP)+(r+0.5 A2)T/ A T0.5 （5.2）d2=d1- A T0.5 （5.3） E=VA A/VE （5.4）其中：N（）为标准正态分布函数，V E、 E、DP 和 r 分别是股权价值、股价波动率、总负债和无风险利率，均可以从资本市场和企业财务信息中得到。VA、 A是未知量，由以上方程组进行迭代和编程求解。1.计算资产价值和资产波动率使用 KMV 模型时还存在若干假设：股票价格服从对数正态分布；股改后非流通股占比减少，视流通股与非流通股具有相同的每股市值；公司的债务等于短期债务与长期债务一半之和。11 家企业已知的数据如下：表 1 11 家企业 KMV 模型样本数据股票代码股票简称年份 年末股权价值 (VE)股价年波动率（ E） 总负债（D）无风险利率（r）债务偿还期(
