矩阵在贷款五级分类迁徙变化分析中的运用——湖北省股份制商业银行贷款迁徙情况的调查，本文主要内容关键词为：湖北省论文,矩阵论文,股份制论文,银行贷款论文,五级论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
银监会今年提出了重点加强银行贷款五级分类的监控与考核，其中如何有效识别和度量贷款风险的迁徙状况是当前监管部门和商业银行信用风险管理的一项重要工作内容。为此，我们以辖内4家处于不同发展阶段特征的股份制商业银行为考察对象，对其贷款五级分类变动状况进行了抽样调查，并尝试引入贷款等级迁徙矩阵作为分析工具，对样本银行的贷款迁徙情况进行了分析和研究，从而在贷款迁徙的量化监测与分析实践中作出有益的探索，现将调查情况报告如下：
一、贷款等级迁徙矩阵分析的基本方法
为了保证分析数据的一般性，此次调查的样本分别选取了处于不同发展阶段的银行。在计算贷款等级迁徙矩阵时，样本数据集由观察期年初有余额并持续到年末的贷款组成，不包括当年的新增贷款。为了简化分析，在对矩阵进行分析的时候，假定商业银行严格按照监管要求进行了贷款五级分类，五级分类的偏离度在2％以内，并假定贷款迁徙变化符合正态分布。
按照上述条件，我们考察了上述4家股份制商业银行2004年的993户贷款迁徙变动情况，对数据进行整理形成贷款五级分类迁徙情况表（见表一）。
表一
贷款五级分类等级迁徙情况表
单位：户数
2004年初货款分类 2004年末货款分类
正常类 关注类 次级类 可疑类 损失类 小计
正常类 677 56
6 11 0 750
关注类 3 50 24
8 0 85
次级类 0
2 32
5 1 40
可疑类 0
0
6 60 10 76
损失类 0
0
1
1 40 42
小 计 680 108 69 85 51 993
将表一中各个级别的相对变动情况（变动比率）计算得出贷款等级迁徙矩阵（见表二）。该表度量了在一年的时间内，某一个贷款级别的上升或下降的概率。
表二 贷款五级分类等级迁徙矩阵
单位：百分比
2004年初货款分类 2004年末货款分类
正常类 关注类 次级类 可疑类 损失类
正常类90.27
7.47 0.81.47 0
关注类3.53
58.8228.24
9.41 0
次级类 0
5
80 12.5 2.5
可疑类 0
0 7.8978.95
13.16
损失类 0
0 2.382.3895.24
从表二可以看到：
（一）矩阵的对角线代表着贷款维持原分类级别的比例。该项比例越高，贷款发生迁徙变动的几率越小，表中损失类维持原级别的比例最高，其次是正常类，关注类维持原级别的比例最低，反映出关注贷款最容易发生迁徙变动。
（二）从迁徙变动方向看，矩阵对角线上半角的迁徙率明显大于下半角，说明贷款的迁徙方向主要集中在上半角方向，贷款总体变化趋势表现出恶化，其中关注类表现得最为明显，其向低级别迁徙的比率远大于向上的变动。
为了便于对矩阵数据进行比较和分析，我们设置了迁徙均值（以下简称均值）、相对迁徙价值（以下简称相对价值）和迁徙标准差（以下简称标准差）等三项指标来度量贷款迁徙的总体均值和波动情况。下面以关注类贷款的迁徙变动为例说明三项指标的计算方法：
1.均值。在均值的计算中我们以监管当局规定的专项准备金率作为基准，约定贷款损失分别为正常类贷款0，关注类贷款2%，次级类贷款25%，可疑类贷款50%，损失类贷款100%。因此，均值定义为扣除专项准备金因素之后进行风险加权的贷款迁徙价值，如100万元的关注类贷款发生迁徙变动分布的均值计算如下：
均值=（3.53×100+58.82×98+28.24×75+9.41×50）/100=87.06万元
2.相对价值。相对价值是均值与扣除专项准备金以后贷款初始价值之间的比值，反映了考虑资本备抵因素后迁徙贷款的价值留存比率。
相对价值=87.06/98=0.888
3.标准差。标准差用来度量每一个级别贷款在一年中的波动情况，标准差越大说明迁徙分布的离散度大，贷款变动的波动风险越大。
标准差=[（100-87.06）[2]×3.53％+（98-87.06）[2]×58.82％+（75-87.06）[2]×28.24％+（50-87.06）[2]×9.41％][1/2]=15.70
按照上述计算方法对表一进行转换运算形成贷款迁徙价值分析表，见表三。
表三
贷款迁徙价值分析表
年初贷款分类级别
均值 相对价值 标准差
正常类98.93 0.9896.39
关注类87.06 0.888
15.70
次级类71.15 0.949
15.18
可疑类45.39 0.908
18.90
损失类 2.98 ——13.59
注：损失类贷款的相对价值计算时由于分母为0，无法以常数量化反映。
通过表三对样本银行贷款迁徙数据进行分析，可以看到，在标准差中正常类贷款最低，波动最小。如果剔除个别样本银行在观察期内集中核销损失类贷款的特殊情况，标准差基本按着从正常类到损失类的方向逐渐加大，说明随着贷款级别的下降，迁徙波动性加大。
在相对价值中，正常类贷款最大，关注类贷款最小，反映出经过一年之后关注类贷款在五个级别贷款中“贬值”可能性最大，而正常类贷款是最“保值”的。因此在贷款风险管理中，对关注类贷款应予以重点控制。
二、对不同条件下的贷款等级迁徙状况的分类分析
（一）不同企业规模下的贷款等级迁徙分析
为了度量企业规模对贷款迁徙的影响，我们按照大型企业、中型企业和小型企业分别计算出相应的相对价值和标准差，见表四：
表四 不同企业大小条件下贷款迁徙价值分析表
大型企业中型企业小型企业
相对价值 标准差 相对价值 标准差 相对价值 标准差
正常类 0.9973.13
0.9896.390.987.63
关注类 0.925
11.10
0.893
15.740.87
16.51
次级类1
0 0.927
21.300.95
11.43
可疑类0
0 0.886
22.530.91
17.64
损失类
—— 0 ——26.25——8.33
由表四可知：
1.大型企业各级贷款的相对价值最高，标准差最小。数据反映出大型企业各个级别的贷款都能保持比较稳定的状态，迁徙分布的离散度小，迁徙波动风险可控。分析其原因，大型企业规模大，融资渠道多，抗风险能力和盈利能力强，这也是目前大型企业为各家银行所追捧的原因所在。
2.在三类企业中，特别要提高对中型企业的贷款迁徙风险的关注度。中型企业后三类贷款的标准差最大，而且与其它类企业相比差距拉得比较大，次级类和可疑类贷款的相对价值最小，表明中型企业贷款，特别是后三类贷款迁徙率高，迁徙波动风险大。总体看，在规模上中型企业不如大型企业，银行在贷款风险管理方面又不如对小型企业严格，贷款出现风险时不易控制。所以在贷款分类管理中，需要对中型企业的贷款风险变化投入更多关注。
3.对小型企业要重点关注其正常类与关注类贷款的迁徙波动风险。小型企业前两类贷款的标准差均大于大中型企业，究其原因，可能因其自身固有的缺陷，导致贷款发放后稳定性差，迁徙变动的随机性强，难以有效提前控制风险。
（二）不同行业条件下的贷款等级迁徙分析
我们选取了制造业、房地产业、批发和零售业等三个行业，它们都属于风险较大、样本较丰富、变化较为明显的行业。我们计算出三个行业对应的相对价值和标准差，形成表五。
表五
不同行业条件下的贷款迁徙价值分析表
制造业 房地产 批发和零售业
相对价值 标准差 相对价值 标准差 相对价值 标准差
正常类 0.9953.03
0.9925.040.9818.50
关注类 0.905
13.69
0.912
11.130.948
12.69
次级类 0.9528.75
1.0779.961.0286.61
可疑类 0.875
20.73
0.900
15.000.845
19.81
损失类
—— 0 —— 0 ——18.15
由表五可知：
1.制造业的特点是两头比较突出。在三个行业中，制造业正常类贷款的标准差最小，而可疑类贷款标准差最大，并高于全部行业平均标准差水平，可疑类贷款的相对价值最小，且小于平均相对价值水平，说明该类贷款波动最大损失的可能性最大，所以银行在对制造业贷款的管理中，要特别关注可疑类贷款的风险。
2.三个行业相比较，房地产行业相对其它两个行业来说，贷款迁徙变化值与波动性都较小，而且相对价值水平处于三个行业中的居中水平，且前三类贷款的相对价值均高于全部行业平均水平。分析其原因，房地产行业的特点是建设周期比较长，宏观调控的影响在2004年度尚未表现出来，同时湖北地区的房地产业一直以来运行比较平稳，企业现金流量比较稳定，但不排除下阶段随着房地产行业的发展变化，其风险亦会随之变化。
3.批发和零售行业的正常类贷款标准差最小，但其相对价值低于其它两个行业，后两类贷款的标准差普遍偏高，损失类贷款的标准差在三个行业中是最大的，同时也高于总体平均标准差水平。因为该行业的企业规模相对较小，风险支撑力较弱等原因，在对该业的贷款管理中，五类贷款级别的风险都要采取有效控制措施。
（三）不同发展阶段银行的贷款迁徙分析
为了考察银行所处发展阶段对贷款迁徙的影响，我们把选取的四家行，按照三种不同发展阶段，分别计算出对应的相对价值和标准差，形成表六。
表六 不同发展阶段银行贷款迁徙价值分析表
成立时间较早银行 发展较成熟银行发展刚起步银行
相对价值 标准差 相对价值 标准差
相对价值 标准差
正常类 0.9818.500.9973.020.9895.05
关注类 0.803
17.170.952
10.560.765 0
次级类 0.9637.860.937
19.15 0
0
可疑类 1.278
12.420.858
18.23 0
0
损失类
——
12.50 —— 0 —— 0
由表六可知：
1.成立时间较早的股份制商业银行的标准差相对其它两类行来说较大。其中前两类贷款的标准差高于其它两类行，相对价值与其它两类银行相比要小。虽然此类行后三类贷款的迁徙情况尚好，但考虑将此类银行在分析期的一次集中核销的因素，情况也不乐观。上述数据说明此类银行面临的贷款风险压力日益显现。
2.发展比较成熟的股份制商业银行要特别关注后三类贷款的风险变化情况。因为其后三类贷款的标准差偏高，特别是次级类贷款的标准差最高；次级类和可疑类贷款的相对价值和其它类银行相比最小。
3.刚起步的股份制商业银行，由于成立时间较短，信贷资产尚未显现出更大的风险和问题，但是需要对正常类贷款和关注类贷款的风险变化给予充分关注。因为该类行正常类贷款的标准差大于发展比较成熟的银行，关注类贷款的相对价值低于其它两类行，贷款迁徙变化较大。
三、思考和建议
（一）贷款迁徙矩阵为贷款迁徙监测提供了一种动态分析方法。目前银监会的贷款分类迁徙监测表，是对贷款迁徙情况的基础统计，缺少对迁徙情况的趋势分析和定量分析，而贷款迁徙矩阵分析方法对贷款迁徙情况进行的悬定量分析，对贷款级别变化的预测具备一定的超前性。因此，可以考虑在目前的监测表基础上增加迁徙矩阵分析方法，从而加强对贷款迁徙状况的趋势分析和针对性控制。
（二）贷款迁徙矩阵为不同风险水平的贷款实施分类管理提供了比较有效的数量分析基础。目前监管当局就信用风险须保持的资本备抵采取的是“一刀切”的方法规定统一的提取比例，而采用迁徙矩阵的标准差分析，可以对不同行业、不同地区贷款迁徙的波动风险进行预估，确定相应的准备金提取水平，从而提高资本提取与风险结构的匹配性，并运用非资本化的方法有针对性地对不同风险水平的贷款实施分类控制与管理。
（三）积极推动商业银行强化对贷款五级分类迁徙度的监控能力，提高贷款风险管理水平。建议银监会制定相关政策，推动商业银行提高贷款迁徙度的定量监测水平，改变目前各行在贷款变动分析中以主观定性分析为主的状况，积极利用国际上比较成熟先进的风险管理技术，不断完善和提高贷款风险管理的总体水平和效率。
（四）不断探索建立符合中国银行业实践需要的风险管理模型和方法。风险模型技术在中国很难推行的原因，一是目前中国银行业基本未推行收集和整理历史数据的工作，未建立为其风险管理服务的数据库；二是我国的信用环境还需要一个完善的过程，企业的财务数据和经济统计数据还没有足够的真实性和可比性，导致了风险分析模型输出的结果与现实情况可能存在较大偏离。因此，我们需要根据中国的实际情况，设计并运用符合中国银行业实情的有效风险管理模型技术，为中国银行业在经济转轨阶段的信贷风险控制提供有益的帮助。