信用风险评价模型综述及对我国P2P网络借贷平台的借鉴

潘庄晨 邢博 范小云

摘要：文章以金融产品分类的视角，分别回顾梳理并简要评述了债权产品和产权产品适用的信用风险评价模型。结合我国P2P网络借贷平台的风险特征和基本特点，文章认为互联网金融企业比较适合偏重定价功能的产权产品风险评价模型，金融机构网络投融资平台较适合偏重评价功能的债权产品风险评价模型，而开发基于不同参数的风险资产定价模型将成为我国P2P网络借贷平台风险管理的必然选择。

关键词：信用风险评价模型;文献综述;P2P网络借贷平台

一、 引言

纵观国际信用风险评估模型的研究和实践发展，信用风险评估方法逐渐实现了从历史基点到市场基点的转换，并向由主观分析到主客观结合分析、质化分析到质量结合分析、静态计量分析到动态计量分析、单变量评价到多变量评价、依靠人工分析到依靠信息技术分析的方向发展。由于不同的信用风险评价方法适用于不同的金融产品，很难对某种方法的优劣进行简单判断。根据所有权属性，金融产品可分为产权产品和债权产品，本研究以此为基础，梳理研究适用于不同产品的信用风险评价模型，通过探索不同模型间的承接与互补关系，寻找可供我国P2P网络借贷平台进行信用风险评价及管理的借鉴之处。

二、 债权产品适用的一般风险评价模型综述

1. 专家评级法。以美国货币管理办公室开发的评级系统为基础的专家评级方法是一种古典信用风险分析方法，由专业的评级专家根据借款人的信息作出信用评价，是典型的定性分析方法。常用的评价工具包括5C、5W和5P。专家评级法基本识别出借款人信用的影响因素，对信用风险评价模型的发展奠定了重要基础，但该方法对影响因素的判定相对宏观，且过度依赖信贷决策人员的主观经验判断，无法精确计算企业的违约概率，信用评级也不能全面反映企业的客观情况。

2. 信用评分法。信用评分法是一种线性的量化评价方法，通过选取最能反映借款人财务状况、对贷款质量影响最大、最具预测和分析价值的指标建立能够最大程度区分贷款风险等级的数学模型，以此分析和评估借款人的信用等级。Altman（1968）基于判别分析的方法对66家美国制造企业的经营状况进行了研究，提出了由5个变量组成的Z值评价模型。1977年，该模型扩展为由7个变量组成的ZETA模型，不仅同时适用于制造业和零售业，对辨认具有破产可能的不良借款人的准确度也大大增加。但是，该模型自变量与因变量之间线性关系的基本假设往往与实践相悖，在一定程度上掩盖了自变量与因变量之间的真实关系以及自变量之间可能存在的勾稽关系。Logit模型较好的解决了这一问题，将变量间的线性关系假设变为非线性关系，认为企业的财务指标之间可能是高度相关的，呈现离散分布的形态。模型选取一系列财务比率指标建立违约判别函数以计算企业的违约概率，然后结合投资者的风险偏好程度设定不同层级的风险警戒线以定位风险和决策。

信用评分法是将信用评级由主观判断转向量化分析的一次重大飞跃，极大的提高了评级的客观性和标准性，降低了评级成本。但该方法过分依赖企业公布的历史经营数据，无法准确计量表外信用数据，评级结果具有相对滞后性和静态性，对企业信用等级的变化趋势估计不足。

3. 麦肯锡CPV信贷组合观察模型。CPV模型是用于进行信贷组合风险分析的由宏观因素驱动的多因子计量模型，由麦肯锡公司在1997年提出。该模型强调经济周期性对信贷风险的影响，认为经济增长率、利率等宏观经济变量对信贷违约等级的转移有显著影响，并借助蒙特卡洛模拟技术估计经济周期变化时借款企业信用等级转换概率的变化。模型基于当期信息进行动态估计，用多因素、多时期离散时间序列模型来模拟不同国家在不同经济周期中各个信用级别产品的违约概率和信用等级转换概率的联合条件分布，并分别对经济扩张和衰退时期的违约概率进行了调整。

4. 贷款风险度法。该模型是综合考虑借款主体信用和信用工具风险以确定贷款风险度，并以此进行信贷决策的方法，是我国银行目前普遍采用的信用风险评估模型之一。该模型首先根据借款人提供的基础信息进行借款主体信用评级，确定信用等级风险系数，然后再根据不同信用工具的风险水平分配相应的风险系数，最后将两系数相乘以求得该笔贷款的风险度以做出贷款决策。该模型将单笔贷款的信用风险作为风险评价的目标，做到同一主体单笔单议，避免盲目根据借款主体信用等级进行贷款决策。对于高风险贷款业务，即使借款主体信用等级很高，也不一定能获得贷款;反之，对于低风险贷款业务，即使借款主体信用评级较低，也有可能获得贷款。

贷款风险度法计算相对简单，具有较强的实操性，应用广泛。但此种方法对风险系数的确定和赋值具有较强的主观性，依赖评级人员自身的风险偏好，缺乏统一的系数划分标准，这也是不同银行往往会对同一笔信贷业务作出不同决策的主要原因。

三、 产权产品适用的一般风险评价模型综述

产权产品是指权属性质、本息总额与给付期限都不确定的金融产品，如股票、期权、认股权证。产权产品的投资收益并不固定，投资收益与风险都较大，信用风险水平被作为风险资产定价的主要依据。在建模方法上，基于产权产品的风险评价模型多以企业的历史或市场数据为基础，通过数学模型计算违约概率或风险价格水平。

1. 结构化模型。结构化模型以连续时间金融理论为基础，认为公司的信用违约存在触发机制，即当资不抵债时，公司便会发生违约。结构化模型在经过了经典结构化模型、障碍结构化模型和随机障碍结构化模型三个重要的发展阶段后日臻成熟，并被广泛应用在商业实践中。

Merton（1974）将现代金融理论和方法引入信用风险管理研究，构建了具有奠基意义的经典结构化模型。该模型认为公司的资本结构会影响违约概率，当资不抵债时，公司会在债务到期日发生违约。该模型所需的信息集由公司资产价值和违约障碍构成，涉及变量包括资产价值、期望收益率和期望收益率的波动率。该模型搭建了公司债券信用风险定价的基本框架，明晰了资本结构与违约之间的关系，揭示了公司违约的触发机制。但是，模型对公司在债务到期日才发生违约的假设与现实情况不符，且公司资产价值、期望收益率及其波动率的基本数据获取比较困难，模型估值准确性不足。不仅如此，大多数公司的资本结构经常处于复杂的变动过程中，通过现时资本结构估计出的信用风险定价很可能具有滞后性。Longstaff和Schwarz （1995）模型将违约时间确定为介于债务发生日与到期日之间的非负的随机变量，认为在债务到期日之前，只要公司的资产价值触及特定的违约障碍值，公司就会随时发生违约。该模型假设公司的违约时间可以通过对资产价值及债务的历史信息分析进行预测，故而在违约即将发生时可判断公司的现时资产价值是否会触及违约障碍值。

KMV模型以借款企业所有者的视角考虑信用违约问题，以股票市场数据为基础，利用期权定价公式估计资产的市场价值及波动性，再根据公司的负债计算违约实施点和违约距离，最后根据违约距离与预期违约率间的关系估计企业的预期违约率。KMV模型将主要来自股票市场的动态信息纳入违约概率计算模型，能够真实反映上市公司当前的信用状况，备受业界推崇。该模型也存在一些缺陷，如上市公司的资产收益分布经常不符合正态分布假设;忽视了企业信用变化和道德风险的影响;对非上市公司的适用性较差等。

Credit Metries模型是基于VaR框架对非交易资产进行估价和风险计量的模型，认为债务人的信用等级决定了信用工具的风险和市场价值。金融机构可以通过借款人的信用评级、评级转移矩阵、违约贷款回收率、债券市场信用风险价差计算信用工具的市场价值和波动性，进而得出特定信用工具的VaR值。与Credit Risk+模型相比，Credit Metries模型强调了信用评级在计算VaR时的作用。一些专家指出将信用等级转移概率和违约概率作为所有计量和预测的基础有失偏颇，因为在实践中，信用等级与违约率通常是相互关联而并非各自独立的，且容易受到宏观经济环境的影响使所有信用工具的市场价值同方向变动。除此之外，该模型对担保因素的关注也明显不足。

2. 强度模型。强度模型认为公司是否违约并不是由资本结构决定，而是取决于某些特定风险的强度水平。强度模型将公司的违约现象视为服从泊松分布的随机事件，故而能够用于描述不连续、突发的违约事件。在估计的数据来源方面，强度模型放弃了较难获取的公司资本结构数据，选取公司信用等级调整与债券信用价差等可观测的市场数据进行信用风险定价。基于市场观测数据的可得性，强度模型的操作性更强，信用风险等价表达式也更加直观。

苏黎世信贷银行金融产品开发部在1996年开发的信用风险管理系统Credit Risk+模型是强度模型的典型代表。该模型根据违约概率和损失大小将贷款损失分段计量，并应用保险精算方法计算债券或信贷组合的损失分布，体现对信贷组合信用风险的差别化计量和管理，但模型只考虑了违约风险，忽视了降级风险对贷款损失的影响。

3. 混合模型。混合模型的混合性主要体现在信息集的混合扩展和研究方法的综合应用两方面，可以视作不同模型基于特定目的的自由组合。如在结构化模型中，当关于公司资产价值的信息不完全时，无论违约障碍信息是否完全，均需结合强度模型推导出违约强度，进而估算公司的信用状况（Giesecke，2003）。

强调债务人信用等级变化对违约概率影响的信用等级迁移模型是混合模型的代表。该模型将债务人不同信用等级信用价差之间的迁移矩阵纳入信息集，综合特定信用等级计算公司的违约概率。Barnhill等（2002）增加了利率、信用价差等多种市场风险因素，在综合考虑投资组合信用风险和市场风险的基础上提出了固定收益投资组合的风险评价方法。

JLT模型是信用等级迁移模型与强度模型的混合，信息集由公司信用等级、信用等级迁移矩阵和违约强度组成，其中信用等级迁移矩阵可被视作违约强度的函数，模型的风险估值以风险资产价值的形式体现。随后，信用价差、回收率与公司信用状况间的关系也得到验证（Rutkowski，2000）。

跳跃扩散违约模型是结构化模型与强度模型的混合，反映突发事件与违约行为之间的关系。在实践中，公司的短期违约现象时有发生。该模型假定公司的资产价值服从跳跃的混合扩散过程，信息集由跳跃的资产价值和违约障碍组成，其中资产价值与违约障碍是结构化模型的信息集要素，而资产价值的跳跃过程则要借助市场信用价差数据和强度模型获取（Chen & Panjer，2003）。跳跃扩散违约模型较真实的模拟了实践中不同信用价差曲线和短期违约行为，指出公司的违约时间并非一直处于可预测的状态，当公司的跳跃资产价值突然触及或跌破违约障碍时，突然违约便会发生。

四、 对我国P2P网络借贷平台的借鉴

1. P2P网络借贷平台的信用风险揭示。P2P（Peer-To-Peer Lending），即网络小额信贷模式，是资金持有者通过网络信贷平台将资金贷给其他资金需求者的一种民间借贷方式，2013年进入爆发式增长期。截至2014年8月末，全国正在运营的网贷平台约1 357家，投资者人数突破50万，是去年同期的6.5倍。在P2P网贷风生水起的同时，整个行业却因内部频频曝出的违规及风险问题备受争议。2014初至今，出现问题的平台数量已达78家，超过去年全年，强化P2P平台的信用风险管理势在必行。

我国P2P借贷平台的资金投向目前主要对接高收益高风险的小额贷款市场。小额贷款往往期限短、需求急，且受限于小微企业信用记录资料不健全和缺乏有效抵质押担保的现状，往往具有较高的风险。平台通过验证借款人身份信息、银行信用报告、纳税、水电及其他相关信息来确定贷款额度和利率。由于我国个人征信制度的缺失，P2P平台缺乏充足的第三方信用数据评估借款人信用，加之一些借款人为了获得借款提供虚假信用材料，无形中增加了欠款的可能性。此外，信息不对称的大量存在无形中又增加了信用风险控制和管理的难度。

2. P2P网络借贷平台信用风险评价的路径选择。以拍拍贷、人人贷为代表的互联网金融平台与以陆金所、招商银行小企业e家为代表的金融机构网络投融资平台呈现基于风险评价运用的差异化发展模式。互联网金融平台以开放与客户视角为基本思维，注重差异化的产品设计、客户交互和独特体验，善于针对投资人和借款人设计产品系列，对客户进行细分和分类营销，并通过多元化的投资产品线吸引投资。与金融机构平台相比，互联网金融平台的资本实力和风险承受能力较弱，风险防控体系结构简单，融资需求差异化较大，规模经济不显著，建立基于风险资产的精准定价体系是重要的核心竞争力来源。对互联网金融平台来说，信用风险评价的结果并不只是做出是否上线募集资金决定的依据，更是指导风险资产定价的基础，因此在风险评价模型的选择上，偏重定价功能的产权产品风险评价模型更具优势。

以陆金所、小企业e家为代表的金融机构网络投融资平台具有将线下传统业务转移到线上的倾向，且其线下优势对线上业务有明显的带动作用。这些平台以银行或传统金融集团为依托，更加愿意发挥线下业务管理和风险控制等专业优势在线上的延伸和协同作用，善于通过严格的信贷审查和增信措施提升平台的安全性，重视风险把控和平衡收益，在资产端乐于对接规模相对较大的个人经营借款和小微企业或项目借款，借助互联网进行金融创新。此类平台规模经济显著，资本实力和风险承受能力较强，善于通过多种手段进行风险防控。从平台与金融机构的关系来看，该类平台产品类似于银行信贷资产，平台侧重渠道而非产品开发功能，风险评价体系基本沿用银行信贷资产的信用风险评价体系，以信贷风险度法为代表的债权产品信用风险评价模型是广泛采用的基本信用风险评价模型，风险评价结果往往作为是否可以上线获得融资的依据，对风险资产定价一般只起到参考作用。

3. P2P网络借贷平台信用风险评价模型的发展趋势。利率市场化与金融脱媒促使传统银行依赖资本市场信息不对称带来利差收益的盈利模式难以为继，爆发式增长的互联网金融通过公开化的资金价格打破了资本市场的信息藩篱。当价格不再是秘密，价格的形成机制就将替代价格成为新的商业秘密。面对旺盛的多元化投融资需求，对风险资产“一刀切”的粗放式信用风险评价与决策模式必然向精准化管理的方向发展，对信用风险评价模型的应用也必将向风险资产定价的方向发展，开发基于不同参数的风险资产定价模型将成为我国P2P网络借贷平台风险管理的必然选择。

参考文献：

1. 曹道胜，何明升.商业银行信用风险模型的比较及其借鉴.金融研究，2006，（10）：90-97.

2. 龚朴，何旭彪.信用风险评估模型与方法最新研究进展.管理评论，2005，17（5）：8-16.

3. 潘庄晨，邢博.P2P网络借贷模式的发展现状及风险揭示研究.未来与发展，2014，（6）：86-89.

4. 潘庄晨，邢博，范小云.中国P2P网络借贷运作模式的比较研究.现代管理科学，2014，（7）：16-18.

5. 尹志超，甘犁.信息不对称、企业异质性与信贷风险.经济研究，2011（9）：121-131.

6. Bielecki T.， Rutkowski M.Multiple Ratin- gs Model of Defaultable Term Structure.Math- ematical Finance，2000，10（2）：125-139.

基金项目：教育部哲学社会科学研究重大攻关项目“人民币国际化进程中的金融风险与安全研究”（项目号：11JZD0022）。

作者简介：范小云（1969-），女，汉族，天津市人，南开大学经济学院副院长、教授、博士生导师，经济学博士，研究方向为国际金融、宏观金融风险管理、货币理论与政;潘庄晨（1984-），男，汉族，浙江台州市人，渤海银行股份有限公司天津分行投资银行部总经理，中级经济师，南开大学管理学博士后，南开大学经济学博士，研究方向为互联网金融与商业银行创新管理;邢博（1985-），女，汉族，天津市人，渤海银行股份有限公司天津分行投资银行部总经理助理，南开大学管理学博士，研究方向为互联网金融与商业银行创新管理，服务营销与管理。

收稿日期：2014-11-17。