钢铁行业信贷风险评估分析——基于改进的Credit Metrics模型

闫海波，胡燕青

（新疆财经大学统计与数据科学学院，新疆 乌鲁木齐 830000）

引言

2020年习总书记提出“双碳”规划，即2030年前实现碳达峰、2060年前实现碳中和，这是可持续发展的内在要求，也体现了我国的大国担当。钢铁行业作为制造业里碳排放量最大的行业，排放总量占全国总量的15%左右，因此必须加快推进产业绿色低碳转型，力争提前实现钢铁行业的碳达峰。在时代发展的新要求下，企业的可持续发展与环境因素息息相关，在此背景下，ESG（环境、社会和公司治理）评级应运而生，更符合绿色发展的新要求。本文综合传统信用评级和ESG评级，赋予权重均为0.5，最后给出综合信用等级。利用Credit Metrics模型得出传统信用评级相同的三家钢铁企业的新等级下的VaR值，并进行实际分析。

1 钢铁行业信用风险评估的发展及现状

国外关于信贷风险评估的研究发展较早，很多经典模型如今已经使用广泛。如1980年，Ohlson就对几千家公司进行分析，结果表明对于一个企业的生产经营影响最大的三个因素为：资金流动性、资产报酬率和企业规模[1]。2007年，Altman和Sabato主要采取逻辑回归分析法，从企业违规的角度预测出中小企业的违约，相比其他预测模型准确度要高许多[2]。国内有关信贷风险评估的文献大多是对国外常见信贷风险评估方法的优缺点分析，也有部分学者对传统的信贷风险评估进行改进。如2018年，谭文米通过对Credit Metrics模型的参数输入和计算方法进行优化和改进，实证分析得出计算CVaR的方法相比较于传统VaR方法更适用尾部比较厚的信用风险[3]。2019年，徐奕佳通过对Credit Metrics模型的转移矩阵进行建模，利用Em算法处理缺失数据提高了数据的科学性，能够有效预防尾部风险[4]。史越（2017）通过在绿色信贷、环境信息披露、环境会计信息以及其他指标进行研究的基础上，对绿色信贷在钢铁行业中实施的难点进行分析和解决。具体到钢铁企业这类以重污染为首要特征的行业，就需要该评价指标能够突出企业的环保能力[5]。滕云、高辉（2020）将重污染企业和非重污染企业分别作为实验组和控制组，应用倾向得分匹配法（PSM）对样本企业进行精确匹配，实证结果表明：绿色信贷政策的实施会使重污染企业的投资效率下降[6]。

2 Credit Metrics模型的构建和改进

2.1 VaR概述

2.1.1 VaR原理

VaR（Value at Risk）方法最先是由JP摩根提出用于度量不同市场条件下的风险，含义是一定时期内，在给定的显著水平下的某一资产组合能够承受最大的风险以及风险所带来的最小损失。

由公式（1）可推导出公式（2）：

式中：L为资产在一定时期内的损失值；α为显著水平。当α=99%时，我们可以说在一定时期内有99%的把握保证资产的损失不超过VaR。

2.1.2 V aR的计算方法

平时我们计算资产的风险值时为了简便计算一般假定资产的波动服从正态分布。但是，实际的信用风险具有明显的“厚尾”和“尖峰”特点，那么就会产生比较大的误差。我们首先来计算一般分布下的VaR，而正态分布下的VaR看做是一种特殊情况。

首先假定某一资产的初始值为V0，R为资产收益率，则到期后该资产的价值为：

在给定的置信水平α下，则有：

式中：Vα为该置信水平下最小价值；Rα为最低收益率。

2.2 Credit Metrics模型

Credit Metrics模型是目前衡量风险使用最多的模型之一，该方法是一种基于VaR理论进行度量的信用风险模型,并考虑到几种风险同时对贷款组合的影响，进而计算出该组合的在险价值。但是由于一些大型公司的资产具有一定的流动性，并且可获取清晰明确的数据比较少等原因，这样就造成了VaR计算的难度。

模型参数的选取和改进。一个适当的转移矩阵是模型的基础，对于大多数钢铁企业，国内的评级机构给予的信用评级大多都为AA和AAA。由于国家倡导绿色低碳发展，所以以往传统的风险评估方式就不太贴合这个时代的要求。而相对于根据一个企业的财务状况来衡量企业的信用状况，为了迎合发展要求，ESG（环境、社会和公司治理）应运而生。本文给出传统信用评级和ESG评级权重均为0.5，最后综合给出加入ESG评分后的等级。整合之后如表1所示。

表1 钢铁企业整合后的综合评级

对于转移评级矩阵和阈值本文采取标准的普尔转移矩阵。对于违约回收率，由于钢铁企业属于重工业，故本文统一选取53.8%（高级有担保）。根据违约回收率与到期的贷款现值，能够计算出企业如果发生违约，银行能够收回的金额。我们能够得出不同等级资产的到期价值。

式中：Vij为信用等级从i转为j的资产现值；Ci为第i年的利息；ri为第i年的远期无风险利率；F表示资产到期的本金值；n为资产的剩余年限。

式中：r为违约回收率；F为贷款到期后的本金；Vr为该资料发生违约时能收回的资产价值。对于远期风险贴现期限结构的给定采取标准普尔远期贴现率。

3 实证分析

假设某一商业银行有一定的绿色贷款余额，分别贷款给传统信用评级为AA级甲乙丙三家钢铁企业，假设贷款同时为2 000万元。利率为6%，年限为5年，已知，甲企业目前综合评级为BBB，乙企业目前综合评级为A，丙企业目前综合评级为AA，由于都是钢铁行业，则违约回收率统一为50.6%，计算一年期限内在置信度为99%的最大损失值。由公式可得甲企业一年到期后，信用等级由BBB升至AAA时，贷款的价值为：

同理可算出信用等级由BBB转至AA、A、BBB、BB、B、CCC，或发生违约时，贷款的价值，进一步得出甲企业的贷款价值变化表，见表2。

表2 甲企业的贷款价值变化情况

由表2可知，对于这笔贷款，损失超过478.09万元的概率为0.30%，损失超过188.9万元的概率为1.47%，我们利用插值法来分别估计置信度为95%和99%的在险价值VaR：

即V甲0.01=305.06万元，V甲0.05=136.67万元，则表示在99%的置信水平下甲公司贷款的VaR为305.06万元，95%的置信水平下甲公司贷款的VaR为136.67万元。由此，我们可以说有99%的把握这笔贷款一年后的损失额不会超过305.1万元，有95%的把握这笔贷款一年后的损失额不会超过136.7万元。

若假设甲企业服从正态分布，则可求得甲企业贷款一年后的价值期望和方差，分别为：

因此，99%的置信水平下甲企业贷款的VaR为2.33σ甲，即135.51万元，95%的置信水平下的VaR为1.645σ甲，即95.67万元。

由计算结果可知，正态分布下的VaR值与实际情况下的值有一定误差，即不完全符合正态分布。

同理，我们利用以上两种方法计算出乙、丙企业一年后贷款的VaR值。由于计算方法和理念相同，本文不一一给出求解过程，直接给出结果。

乙企业：

插板法：V乙0.01=140.14万元，V乙0.05=59.27万元。正态分布下：V0.01=74.34万元，V0.05=52.48万元。

丙企业：

插板法：V丙0.01=32.49万元，V丙0.05=22.92万元。正态分布下：V0.01=28.23万元，V0.05=19.93万元。

由以上结果可知，在银行同时给予绿色贷款2 000万元时，信用级别不同风险也不同。传统信用等级同为AA级的三家公司，在加入ESG等级后，VaR值出现了非常大的差距。如一年后丙企业发生损失不超过32.5万元的概率为99%；乙企业发生损失不超过140.1万元的概率为99%；甲企业发生损失不超过305.1万元的概率为99%。由此可见，随着ESG信用级别越低，随之而来贷款风险越高，以银行视角来分析，ESG级别越高的企业应给予更多的贷款额度，级别较低的企业不仅需要降低贷款额度还要重点加以关注，防止风险发生。

4 结论和展望

4.1 结论

本文通过对Credit Metrics模型进行改进，加入符合新时代要求下的ESG评级，利用综合后的信用等级进行风险预测，分析表明信用级别越低，随之而来贷款风险越高，因此，对于商业银行来说，级别越高的钢铁企业应给予更多的贷款额度，级别较低的企业不仅需要降低贷款额度还要重点加以关注，提高违约成本，防止风险发生。对于钢铁企业来说，不仅需要看重财务指标，还需要顺应中国国情的发展，增大污染防治，综合环境、社会和公司治理因素，促进企业可持续发展。

4.2 展望

在国内各大银行加大绿色信贷融资力度的背景下，钢铁行业环境绩效逐渐完善，钢铁企业的环境因素应该成为风险评估重点关注的方向，也由于钢铁行业发展不均衡的特殊性，加入环境因素更能约束中下游水平的钢铁公司，为未来发展指明方向。通过钢铁企业间的横向对比，使得资金的流向更符合市场的规则，进一步迎合市场的合理分配要求，加快实现“双碳”目标的计划。