风险量化分析的模型优化和方法创新

郭 羽（中国农业银行股份有限公司，北京　100000）

风险量化分析的模型优化和方法创新

郭 羽
（中国农业银行股份有限公司，北京100000）

银行发展过程中常受到各类风险的影响，有些风险可能直接决定银行的业务发展水平，进而对银行可持续发展具有关键作用，从实际运营中发现，信用风险对银行的作用效果最明显，因此很有必要针对银行信用风险展开分析与研究。本文主要以风险量化分析的模型为研究对象，探究其优化方式与创新途径，对比风险量化分析的不同模型特点，并对比不同风险量化模型的优点与不足，旨在为银行的风险量化分析策略提供一定理论参考。

风险；量化分析；模型与方法；优化创新

在当前全球金融市场竞争激烈的情况下，各国金融业的发展都受到了很大影响，不同金融领域间开放性与透明性越来越强。国内金融业正面临着体制改革与市场改革的双重挑战，在这一过程中，各银行也经历了巨大竞争与改革，一旦出现体制漏洞或应对市场能力不足的现象，就可能迅速被市场淘汰。从现代化金融市场发展趋势来看，银行面临的主要风险为信用风险，为了进一步提高银行的风险管理水平和处理危机的能力，很有必要针对银行风险进行量化分析与控制，通过准确识别、预测、管理与控制风险实现对银行整体风险的把控。在全球适用的新巴塞尔资本协议中明确提出，银行内部制定的风险量化模型必须建立在银行自身的信用基础上，这些模型之间也存在很多不同，本文主要针对这些模型与方法进行对比与优化，并结合国内银行的实际情况，针对未来银行风险量化分析的模型优化与方法创新提供一定的理论建议。

一、常见风险类型

从当前国内金融产业的发展现状来看，当前我国银行业常见的风险类型主要有三种，分别为市场风险、信用风险和操作风险，这三种风险在作用过程中并非独立存在，通常是相互间彼此制约，在共同影响的条件下对银行内各项业务产生风险效果。

二、风险量化分析的必要性

对于银行而言，要想全面管理业务类型并及时准确预测风险，必须严格完成对风险的量化分析过程。银行风险量化分析的必要性主要体现在三个方面，一是银行的健康稳定发展离不开对其风险量化的分析与研究。自20世纪末期以来，全球金融市场发展迅速，不同国家都在银行的风险量化分析模型建立与完善方面获得了突破式进步，在这一过程中最大的成就是建立了风险价值评估方法，这一方法的建立对全球银行风险的管理而言是巨大的成功，并成为后期银行风险管理产业的光明发展道路，促进了银行业的快速发展与现代化改革水平。二是银行推出的信用衍生产品发展需要借助风险量化分析手段。近年来，金融创新越来越多，相应的信用衍生产品也得到快速发展，这些产品在很大程度上加快了银行现代化信用风险管理模型的建立与完善，首先，信用衍生产品的迅速盛行从根本上改善了目前市场上的信用问题，促进人们对于信用风险管理的针对性和全面性展开；其次，在信用衍生产品发展过程中，也会伴随着产生一些其他的相关金融产品，这些产品对银行信用风险的量化风险有一定增加作用，经过风险量化之后才可以对这些衍生产品价格进行规定与实施；最后，衍生产品的应用可以在很大程度上造成银行表外信用风险的提高，这一情况无疑会在更大程度上提高银行的综合信用风险，进而对银行风险控制手段提出更高要求。三是当前银行之间的激烈竞争要求其必须具备优良的风险量化分析能力。新市场条件下，银行之间的竞争已逐渐从传统的竞争形式转变为风险控制竞争形式，传统的银行产品利益越来越小，为了获得更多收益，银行不断开发出新的产品模式，而这些新产品的推出势必会带来更多风险，如何将银行产品的风险与收益有效平衡成为当前银行面临的主要问题之一，因此，很多银行更加重视对风险量化分析的优化研究，旨在通过完成银行风险的合理量化获得更多市场资源与经济收益。

三、不同类型风险量化分析模型

从目前来看，金融市场上银行常用的风险量化分析模型主要包括四类，分别为信用度量术模型、KMV模型、信用风险附加模型和信用组合观点模型，见表1。

表1　银行风险量化分析模型主要类别

1、信用度量术模型

信用度量术模型最早是在20世纪末期由美洲银行和瑞士银行等联合国际上具有影响力的金融企业共同推出的风险量化分析模型。这一模型的核心是为银行业务活动的开展提供一个风险价值框架，并在此框架内评估信用风险，主要作用于贷款、私募债券、民间集资等一系列非交易性的交易风险计算过程。信用度量术模型的作用本质是利用对资产组合价值的度量来评估风险的种类与大小，这一过程通常与信用紧密相关，债务人的信用等级与信用风险的确定具有不可分割的联系。

2、KMV模型

KMV模型的优势在于以现代期权理论基础作依托，依靠资本市场的信息进行预测，KMV模型是一种动态模型，采用股票市场的数据，其数据和结果快速更新，具有前瞻性。KMV模型是在信用风险市场情况极其严峻的时期提出，这一时期整体金融市场对信用风险的要求达到前所未有的严格，为了迎合这一现状，KMV公司从专业角度出发，实时推出了一个作用风险模型与一个对应的数据库，该数据库不仅具有强大的数据储存能力，同时具备无限扩展功能，这样能够合理的评估银行业务中的违约机率及损失大小。在给定公司的现时资产结构的情况下，一旦确定出资产价值的随机过程，便可得到任一时间单位的实际违约概率。

KMV模型如图。

3、信用风险附加模型

信用风险附加模型在20世纪末由瑞士银行提出并首次应用，在这一模型中主要是利用保险精算法评估银行债券与贷款的损失情况，从本质上而言，该模型属于违约模型，在实际应用过程中仅从债务人是否对债券与贷款违约来分析，较少考虑公司的资本结构分布情况。信用风险附加模型一般会在信用风险控制后期利用风险价值法计算损失情况及经济资本分布情况。

4、信用组合观点模型

信用组合观点模型主要用于分析信贷组合风险情况，该模型是在信用风险附加模型提出之后的两年提出并应用的，组成这一模型的核心理论是应用计量经济学理论及蒙特·卡罗模拟法理论。在信用组合观点模型作用过程中，首先从宏观经济角度出发，深入分析借款者的信用等级情况，这种信用等级转移概率和银行利率、综合经济提升率及个人失业率都有紧密联系。信用组合观点模型理论中，如果处于经济衰退期，整体违约率与降级率都远远高于平均水平，而处于经济繁荣期时整体违约率与降级率则远远低于平均水平。

表2　不同风险量化分析模型的特点

四、各风险量化分析模型的对比

不同类型的风险量化分析模型具有不同的特点，每一类模型都不是完美适合于所有风险量化分析场合，在不同情况下应该选择不同的风险量化分析模型，进而获得最佳的风险量化分析效果。

常用的四类风险量化分析模型特点对比见表2。

1、信用度量术模型的优缺点分析

对于信用度量术模型而言，其优点主要包括两个方面，首先是该模型对“违约”的定义突破了传统定义中的狭隘性，进一步规范了违约范畴，其中最大的突破是这一风险量化模型中对债务人信用等级的恶化也规定在“违约”涵义中。其次是该模型的适用性强，在多个金融活动中都可以正常使用，比如传统的商业贷款中、信用承诺中、贸易融资中、收账活动中及固定收益证券中等，都能够利用信用度量术模型进行风险的量化分析。信用度量术模型的缺点也包括两个方面，首先是这一模型的假设中提前规定风险利率，这一状况会造成模型对于市场风险的变化反应迟钝，不利于及时判断风险情况。其次这一模型主要是利用股权回报关系对资产回报情况进行评估与预测，这一方式精准性差。

2、KMV模型的优缺点分析

对于KMV模型来讲，优点包括三个方面，一是这一模型把违约的定义和公司的发展特点结合在一起，而非传统的仅与公司初始信用级别结合在一起，这样可以大大提高对债务人质量变化的敏感性。二是这一模型计算违约概率的依据是由股票价格来确定，这一方法能够充分反映出市场信息变化情况，对风险的预测结果也更及时更准确。三是这一模型相关变量都与市场变化紧密相关，当市场状况发生改变时，也可以迅速改变模型的风险量化途径，灵活性强。缺点包括两个方面，一是该模型对公司资本结构的假设太单一，而在实际发展过程中，公司的资本结构变化具有很强的多样性，这就造成模型与实际情况严重脱节，进而对风险量化分析带来不准确性。二是KMV模型最早是由美国提出的，这一模型的实际应用也需要以美国的数据库为基础，在其他国家使用这一模型时会因为缺乏必要的数据库而导致应用结果有偏误。

3、信用风险附加模型的优缺点分析

在信用风险附加模型中，优点主要包括三个方面，一是这一模型主要针对违约分析，分析过程中不需要太多变量，这样有助于快速完成量化分析过程并得到结果。二是这一模型的量化分析处理能力强，能够同时处理数以万计的不同类型风险情况。三是模型对于风险量化的计算较简单快捷，能够直接评估出风险的预期损失和非预期损失大小。这一模型的缺点主要包括两个方面，一是对市场风险和债务人的特点考虑不周全，缺乏全局性。二是未考虑到信用等级迁移情况，这样当债务人的信用等级发生变化时，模型的风险分析结果准确性将会大打折扣。

4、信用组合观点模型的优缺点分析

信用组合观点模型的优点主要包括两个方面，一是对宏观经济环境在信用等级迁移方面造成的影响考虑较全面，风险量化分析结果具有很强客观性。二是其与信用度量术模型结合起来使用可以大大提高对风险量化的准确程度。该模型的缺点主要是对数据的依赖性过强，再加上风险数据本身复杂性强，就可能导致风险量化分析过程耗费时间较久。

五、未来风险量化分析模型的优化策略

从以上国内银行常用的四类风险量化分析模型来看，每一种模型都有其特殊之处，并且不同模型适用的场合及量化分析方式不同。从整体而言，信用风险附加模型相对简单，并且综合实用性强，这一模型在应用过程中不会要求太多数据，因此实施过程比较简便，很多银行在实际操作中都会首选信用风险附加模型进行风险量化分析。为了进一步优化不同类型风险量化分析模型，需要分别有针对性地从不同角度入手。对于信用风险附加模型而言，应该通过规范数据信息及技术操作来完成对模型的优化。对于信用度量术模型而言，应该加强银行内部评级系统的建立与完善，形成稳定长久的企业评级数据库，减少因局限性对模型的应用造成的不利因素。对于KMV模型而言，应该加强有效的股票市场数据信息，切实从根本上提高股票市场质量，进而提高KMV模型在股票业务中的应用效果。对于信用组合观点模型而言，应该从根本上提高宏观因素的稳定性，进而提高其在国内应用的范围。

［1］ 李志辉.现代信用风险量化度量和管理研究［M］.中国金融出版社，2001.

［2］ 严太华，程映山，李传昭.商业银行信用风险量化和管理模型的应用分析［J］.重庆大学学报，2004，27（7）.

（责任编辑：刘康）