2015銀行從業(yè)資格考試《風險管理》知識點：客戶信用評級發(fā)展

　　備戰(zhàn)2015年銀行從業(yè)資格考試，正保會計網(wǎng)校為廣大學員準備了相關(guān)的復習資料，希望對您備考有所幫助，祝您在網(wǎng)校學習愉快！

　　從銀行業(yè)的發(fā)展歷程來看，商業(yè)銀行客戶信用評級大致經(jīng)歷了專家判斷法、信用評分模型、違約概率模型三個主要發(fā)展階段。

　?。?）專家判斷法

　　專家判斷法即專家系統(tǒng)（Expert System），是商業(yè)銀行在長期經(jīng)營信貸業(yè)務(wù)、承擔信用風險過程中逐步發(fā)展并完善起來的傳統(tǒng)信用分析方法。專家系統(tǒng)是依賴高級信貸人員和信貸專家自身的專業(yè)知識、技能和豐富經(jīng)驗，運用各種專業(yè)性分析工具，在分析評價各種關(guān)鍵要素基礎(chǔ)上依據(jù)主觀判斷來綜合評定信用風險的分析系統(tǒng)。一般而言，專家系統(tǒng)在分析信用風險時主要考慮兩方面因素。

　?、倥c借款人有關(guān)的因素：

　　聲譽（Reputation）。借款人的聲譽是在其與商業(yè)銀行的歷史借貸關(guān)系中反映出來的，如果該借款人過去總能及時、全額地償還本金與利息，那么他就具有良好的聲譽，也就能較容易或以較低的利率從商業(yè)銀行獲得貸款。

　　杠桿（Leverage）。借款人的杠桿或資本結(jié)構(gòu)，即資產(chǎn)負債比率對借款人違約概率影響較大。杠桿比率較高的借款人相比杠桿比率較低的借款人，其未來面臨還本付息的壓力要大得多，其違約概率也就會高很多。如果貸款給杠桿比率較高的借款人，商業(yè)銀行就會相應(yīng)地提高風險溢價。

　　收益波動性（Volatility of Earnings）。如果未來面臨同樣的本息還款要求，在期望收益相等的條件下，收益波動性高的企業(yè)更容易違約，信用風險較大。因此，對于處于成長期的企業(yè)或高科技企業(yè)而言，由于其收益波動性較大，商業(yè)銀行貸款往往非常謹慎，即使貸款，其利率也會比較高。

　?、谂c市場有關(guān)的因素：

　　經(jīng)濟周期（Economic Cycle）。經(jīng)濟周期對于評價借款人的違約風險有著重要的意義。例如，如果經(jīng)濟處于蕭條時期，那么消費者就會明顯削減對汽車、家電、房產(chǎn)等耐用消費品的需求，但對于食品、水電等生活必需品的需求則不會有明顯下降。因此，在經(jīng)濟蕭條時期，耐用消費品行業(yè)的企業(yè)更容易出現(xiàn)違約，對于該類企業(yè)的貸款要相對謹慎，且應(yīng)要求較高的風險溢價。

　　宏觀經(jīng)濟政策（Macro-Economy Policy）。政府宏觀經(jīng)濟政策對于行業(yè)信用風險分析具有重要作用，尤其是對市場經(jīng)濟不發(fā)達或正處于轉(zhuǎn)型經(jīng)濟中的國家/地區(qū)而言，影響尤為突出。如果政府對某些行業(yè)（如高耗能行業(yè)）采取限制發(fā)展的措施，那么這些行業(yè)的企業(yè)信用風險就會比較高。

　　利率水平（Leveof Interest Rates）。高利率水平表示中央銀行正在實施緊縮的貨幣政策。從宏觀角度看，在該貨幣政策的影響下，所有企業(yè)的違約風險都會有一定程度的提高。此外，在信息不完全對稱的情況下，商業(yè)銀行在向企業(yè)要求較高風險溢價的同時也使自身面臨的風險增加，原因在于，由于逆向選擇效應(yīng)與激勵效應(yīng)的作用，高利率不僅造成潛在借款人的整體違約風險提高，而且會促使借款人承擔更高的風險。

　　專家系統(tǒng)的突出特點在于將信貸專家的經(jīng)驗和判斷作為信用分析和決策的主要基礎(chǔ)，這種主觀性很強的方法／體系帶來的一個突出問題是對信用風險的評估缺乏一致性。例如，對于同一筆信貸業(yè)務(wù)主要受到哪些風險因素的影響以及這些風險因素的重要程度有什么差異，不同的信貸人員由于其經(jīng)驗、習慣和偏好的差異，可能出現(xiàn)不同的風險評估結(jié)果和授信決策建議。專家系統(tǒng)這一局限性對于大型商業(yè)銀行而言尤為突出，使得商業(yè)銀行統(tǒng)一的信貸政策在實際操作過程中因為專家意見不一致而失去意義。

　　（2）信用評分模型

　　信用評分模型是一種傳統(tǒng)的信用風險量化模型，利用可觀察到的借款人特征變量計算出一個數(shù)值（得分）來代表債務(wù)人的信用風險，并將借款人歸類于不同的風險等級。對個人客戶而言，可觀察到的特征變量主要包括收入、資產(chǎn)、年齡、職業(yè)以及居住地等；對法人客戶而言，包括現(xiàn)金流量、各種財務(wù)比率等。信用評分模型的關(guān)鍵在于特征變量的選擇和各自權(quán)重的確定。目前，應(yīng)用最廣泛的信用評分模型有線性概率模型（Linear Probability Model）、Logit模型、Probit模型和線性辨別模型（Linear Discriminant Model）。信用評分模型是商業(yè)銀行分析借款人信用風險的主要方法之一，但在使用過程中存在一些問題：

　?、傩庞迷u分模型是建立在對歷史數(shù)據(jù)（而非當前市場數(shù)據(jù)）模擬的基礎(chǔ)上，回歸方程中各特征變量的權(quán)重在一定時間內(nèi)保持不變。

　?、谛庞迷u分模型對借款人歷史數(shù)據(jù)的要求較高，商業(yè)銀行需要建立起一個包括大多數(shù)企業(yè)歷史數(shù)據(jù)的數(shù)據(jù)庫。

　?。?）違約概率模型

　　違約概率模型分析屬于現(xiàn)代信用風險計量方法。與傳統(tǒng)的專家判斷法和信用評分模型相比，違約概率模型能夠直接估計客戶的違約概率。同時，需要商業(yè)銀行建立一致的、明確的違約定義，并且在此基礎(chǔ)上積累至少五年的數(shù)據(jù)。毫無疑問，信用風險量化模型的發(fā)展正在對傳統(tǒng)的信用風險管理模式產(chǎn)生革命性的影響。針對我國銀行業(yè)的發(fā)展現(xiàn)狀，商業(yè)銀行將違約概率模型和傳統(tǒng)的信用評分法、專家系統(tǒng)相結(jié)合、取長補短，有助于提高信用風險評估/計量水平。