商业银行信用集中风险与经济资本测度模型研究，本文主要内容关键词为：商业银行论文,模型论文,资本论文,信用论文,风险论文，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。
随着Enron、Worldcom等破产，国内外学者们开始关注银行安全和信用集中风险问题，并将信用集中风险视为现代金融的两大新兴研究主题之一[1]。所谓信用集中风险，巴塞尔银行监管委员会(BCBS)对其的界定是：信用风险内部评级法(IRB)所刻画的信贷组合风险与其真实风险之间的差距，其包括名称信用集中风险(name concentration risk)、部门信用集中风险(sector concentration risk)和传染信用集中风险(contagion concentration risk)[2-3]。 概括而言，目前国外学者对信用集中风险的研究主要集中于某一类信用集中风险的测度，而较少有学者对名称、部门和传染这三类信用集中风险构建统一模型[4]。学者们早期运用“无模型”的HHI指数法、“基于模型”的GA法以及基于组合投资思想的测量法[5-6]对名称集中风险进行了研究；随后由于意识到“部门集中风险比名称集中风险具有更大的危害性和测量难度”[1]，从而开始关注产业与区域部门集中风险，运用“比较多因素模型类方法”[3，7]、“简约模型扩展类方法”[8-11](如二项式扩展技术模型、传播模型和分散化因子模型等)对部门集中风险进行了分析；然而，对于传染集中风险的单独研究却较少，其更多地是基于信用传染的框架[12]。因而，“如何根据我国商业银行实际情况构建起包括名称、部门和传染信用集中风险三大维度的分析模型”，是获得精确经济资本计算的前提。 其次，Basel II和III的Pillar 1中采用了VaR(value at risk)法测度经济资本。该方法在ASRF框架下是成立的，然而，一旦偏离ASRF的假设条件，尤其是在非渐进组合和多因素模型中，VaR方法则常常会因为不满足“次可加性”等内在一致性要求而受到攻击[13]；而相反，ES(expected shortfall)方法则不存在这些问题。纵观上述信用集中风险的研究文献发现，测度信用集中风险的大多数研究仍采用了VaR方法[7，12，14-15]，因此，就需要采用ES等方法对测度进行改进，从而满足风险测度的一致性要求[16]。 目前，国内对信用集中风险的研究还处于定性分析阶段，如杨继光等[17]、徐少君等[2]、颜新秀等[18]、欧阳正仲[19]、巴曙松等[20]。对信用集中风险的定量研究较少，李红霞[21]用HHI指数法和二项式扩展技术对客户集中度风险和部门集中度分析进行了分析；李芳等[22]对银行信贷集中的风险与收益进行了实证。总体上而言，国内研究较少有对信用集中风险的综合测度进行定量分析，更不用说是与Basel监管要求一致的“信用集中风险模型”的开发。固然，这一方面是由于数据的匮乏导致了定量研究无法进行，而更重要的一方面则是由于缺乏对我国信用集中风险的模型研究。 从实践角度看，目前，我国银行业普遍存在着信用集中风险问题，尤其是信贷大客户及贷款行业过度集中问题，往往衍生出大量信用集中风险。信用集中风险的急剧上升，将使银行更容易受到宏观经济波动和企业经营周期影响，甚至可能出现系统性风险，潜在地影响着我国银行体系的稳定性，所以对我国银行信用集中风险的研究显得十分紧迫。 因此，针对我国商业银行普遍存在的信用集中风险、以及国内对信用集中风险定量研究的稀缺现状，本文构建了包含信用集中风险的名称、部门和传染三大维度、且与Basel II和III监管要求相一致性的我国商业银行信用集中风险经济资本测度的综合模型(credit concentration risk model，CCRM)，并用此模型仿真研究了我国商业银行的信用集中风险、测度了其经济资本值。本研究不仅可以丰富信用集中风险的理论研究内容，深化对信用集中风险的综合刻画，更好地与Basel监管要求相一致；同时，也可以刻画出我国商业银行的真实信用集中风险程度，提高我国商业银行的信用风险管理水平和管理质量。 一、纳入信用集中风险的经济资本测度模型：CCRM ASRF模型是建立在完美分散化、单一系统性因素和违约条件独立性假设条件下，但这无法描述现实中广泛存在的信用集中风险。为此，本文基于ASRF模型的基本分析框架，借鉴Pykhtin[7]关于多因素调整模型方法，吸收Egloff等[12]关于信用传染的思想，构建起包含名称集中风险、部门集中风险、传染效应的信用集中风险模型。同时，考虑到Bonti[23]提出的“监管一致性”要求，借鉴Gürtler等[16]所采用的置信度调整方法，将VaR调整为ES方法对经济资本进行合理的测度，从而获得Basel II和III框架一致条件下的信用集中风险经济资本测度的综合模型：CCRM。 (一)基础分析框架
若组合足够大且可被视为完美分散时，异质风险消失、只剩下系统风险和传染效应，此时，式(2)的极端损失分布可表示为：
(二)未经置信度调整的模型 借鉴Pykhtin[7]等思想，下文将提出构建包含三维度(名称、部门、传染)信用集中风险的解析方法，用ES法来测量信用集中风险下的经济资本值。
虽然VaR法在实践中有一定应用，但其无法满足风险测度一致性要求，因此，拟采用Acerbi和Tasche[25]提出的ES法进行计算。与VaR计算程序类似，即有：
(三)经置信度调整后的CCRM模型 借鉴Gürtler等[16]的“调整置信度”方法，构建Basel框架一致条件下的信用集中风险测度模型。一方面，满足Pillar 2所提出的“要充分考虑信用集中风险的要求”，用ES法构建信用集中风险模型；另一方面，也必须符合在Pillar 1下的ASRF框架下“用VaR法和ES法得到的资本要求是一致的”这一条件。因此，考虑在ASRF框架中与置信度为q=99.9%的组合VaR值一致的ES值，设需设置的ES置信度为
，其需满足如下关系：
至此，可根据与VaR 99.9%置信度一致的ES计算，得到ES的置信度
，从而运用CCRM基本模型进行三维度信用集中风险存在条件下的经济资本综合测量。 二、基于信用集中风险的经济资本仿真测度 上述CCRM方法充分考虑了Basel监管一致性要求、同时又综合考虑了名称、部门和传染信用集中风险，从而可以较好的测度信用集中风险经济资本。然而，在实践中，尽管HHI指数法未反映出信贷组合的质量信息、也未将其与所需经济资本联系起来，但凭借着简便性在实践中有广泛应用[21]，其中HHI指数=
(
为各敞口规模占比)。同时，银行也会根据式(2)和式(3)运用Monte-Carlo模拟法进行计算，或是用解析方法求解未考虑信用集中风险的ASRF模型等。为综合比较CCRM法和HHI指数法、Monte-Carlo模拟法、
模型法在测度我国商业银行信用集中风险经济资本的能力差异，以我国上市公司数据作为输入变量，以典型案例信贷组合作为仿真对象，用上述四种方法对该典型信贷组合的经济资本进行测度，探究CCRM方法在测量我国商业银行信用集中风险的经济资本时是否体现出更强的稳健性和优越性，从而更好地反映出真实的经济资本值。 (一)“基准组合”的分析 由于数据可获性限制，选取了典型组合进行仿真分析，见表1。其中“基准组合”表示我国银行系统中典型存在的部门累积敞口分布情况。假设组合中的各敞口同质，组合总规模为6000000元，由6000个相同规模的信贷业务组成。根据Basel中IRB模型设定的监管要求，每一借款者i的违约概率
为2%，
为45%、
为20%，且设“基准组合”中部门因素的依赖权重系数
对于所有的部门s均为0.50，传染系统因素设仅有一个，其负载权重系数为0.2。
考虑到与Basel监管相一致的要求(VaR的置信度是99%)，ES的置信度调整为
=99.68%。运用HHI指数法、Monte-Carlo模拟法、
模型法和CCRM法分别对“基准组合”进行分析，上述四种方法的计算结果如表2所示。
由表2可知，CCRM模型下得到的无论是
值还是
值，均大于Monte-Carlo模拟法下的结果，对应地，CCRM法下经济资本值要远远大于Monte-Carlo模拟法下的经济资本，其相对误差达到了60%。这表明，目前我国银行所采用的模拟法在一定程度上低估了信贷组合的真实风险值，导致了经济资本准备不充分。 同时，表2也显示，用CCRM法计算
的相对误差分别为161%和58%，这从另一个角度说明了“为保持Basel监管框架的一致性，必须进行置信度调整”。 与
模型法相比，CCRM法下得到的风险值略大，其差值分别为：
。这表明，分散化调整效应GA和多系统因素效应∞增加了信贷组合的整体风险，显示出信贷组合中“集中风险”而非“分散风险”的作用。 此外，HHI指数法得到的集中度指数明显与其余三种方法下的信用集中度衡量结果有很大差异，这显示出HHI指数法由于未考虑信贷组合特征而带来的测度差异。 (二)稳健性检验 上述“基准组合”反应了真实世界中广泛存在的信用集中风险，为进一步研究参数设置对信用集中风险测量的影响，本部分内容将在“基准组合”基础上，适当改变参数设置，从而检验CCRM法的稳健性。 1.
和
变化的影响 对于
，“基准组合”采用了Basel II监管资本所推荐的简单设置方法，实际上，对于不同借款者i所具有的不同
值，Basel II建议也可根据无条件违约概率
和
间的关系式、运用历史数据获得，结果如表3所示。
根据表3中的
和
值构建了异质“组合1”，比较Monte-Carlo模拟法、
模型法和CCRM法下信用集中风险经济资本的差异，结果见表4。与“基准组合”不同，在“组合1”下，Monte-Carlo模拟法测量的风险值要远远大于
模型和CCRM法，其相对误差分别达到了-49%和-33%。因此，若银行采用了Monte-Carlo模拟法，则其经济资本测度值会高于模型解析值。对于
而言，尽管模拟法和解析法的结果十分接近，但是，其并未考虑置信度调整。这从另一个角度再一次说明了
方法的不合宜性。
尽管三种方法测量风险的相对误差较大，但一旦与“基准组合”进行比较，就可发现，实际上，
模型和CCRM的解析解保持了相对稳定性，而Monte-Carlo模拟法下却显著地提高了对风险值的估计，如图1所示。所以，该结论提供了一个警示：模拟法只有在模拟次数“足够多”的情况下才能显示稳健结果，否则可能会导致结果出现一定的偏差。但该“足够多”条件对计算时间要求过高，实践中不可能“足够多”地运行模拟程序。相反，
模型法和CCRM法还是较好地支持了“解析解稳健性”这一结论。因而，在实践中，宜采用CCRM法等解析方法来获得信用集中风险经济资本测度的稳定结果。 2.
变化的影响 上文“基准组合”中，产业间相关系数
是由实际产业股指收益的相关性计算而来。为考虑
对经济资本测度的影响，将
同质化处理，假设不同产业部门之间的相关系数均相同，分别设置为：0.1，0.2，0.3，0.4，0.5，0.6，0.7，0.8，0.9，1，此为“组合2”。由于运用Monte-Carlo模拟方法得到的结果与“基准组合”一致。因此，对这10个
运用类似的计算方法进行
模型法与CCRM法的比较，结果如表5所示。 从表5可以看出，随着
从0.1增加至1.0，其对应地风险值均不断增加，呈现出单调递增的关系；然而其变动范围均比较平稳，所对应地均值与“基准组合”保持了相对较高的一致性，如图1所示。因而，
参数的变化从整体上而言并不会显著影响“组合2”的风险值，也就是说，“基准组合”中的
采用实际产业间相关性数值，具有较好的稳健性。 与“基准组合”类似，“组合2”中CCRM法下的风险值大于
模型法下的风险值。该结果再一次显示：分散化调整效应GA和多系统因素效应∞对“集中风险”而非“分散风险”的正向作用。 综上所述，调整各部门行业的违约率
和对应的
(“组合1”)、以及产业间相关系数
(“组合2”)等参数，用CCRM法计算信贷组合的经济资本值仍与“基准组合”的经济资本值类似，从而显示出CCRM解析法求解经济资本值具有的良好稳健性；而且凭借着该解析法计算耗时较少等优点，其将在实践中将有一定的应用前景。
图1 基准组合、组合1和组合2的经济资本比较
本文基于现有信用集中风险研究文献存在的“较少对名称、部门、传染三大维度信用风险进行综合研究”、“较少考虑与Basel监管要求相一致”这两个问题，构建了与Basel II和III监管要求相一致的信用集中风险经济资本测度的综合模型：CCRM。因此，该模型的构建具有理论上的合理性，相对完整地构建了信用集中风险的框架、较好地实现了测度的一致性原则。 从实践角度而言，由于缺乏银行具体的全部信贷数据而无法检验我国商业银行真实的信用集中风险程度，基于此，选取了我国商业银行信贷的典型组合，运用CCRM方法对该组合的信用集中风险程度进行了仿真测度，并与实践中使用的传统HHI指数法和Monte-Carlo模拟法、以及Basel监管协议下的
模型法进行了对比研究。仿真结果表明：a)用CCRM法计算信贷组合的经济资本具有较强的稳健性，并且所得到的经济资本值往往高于ASRF*模型解析法下的经济资本值，也就是说，分散化调整效应GA和多系统因素效应∞增加了信贷组合的整体风险，证实了我国信贷组合中存在着“集中风险”而非“分散风险”；b)CCRM法凭借着其在求解经济资本值具有良好的稳健性和计算耗时较少等优点，在实践中将优于Monte-Carlo模拟法；c)传统采用的HHI法既无法反映出信贷组合的质量，也与CCRM等方法测量的真实经济资本值相差甚远，因此，在实践中不宜采用HHI指标法；d)用传统的VaR法计算经济资本将会导致对我国信贷组合所需真实经济资本的严重低估，而CCRM法采用置信度调整的ES策略对信用集中风险经济资本进行测度具有良好的稳健性。因此，CCRM模型相比较于HHI指数法、Monte-Carlo模拟法和
模型法，其具有计算耗时少、结果稳健等优点，体现出一定的实践应用合理性，将在我国信用集中风险的衡量及经济资本的计算中发挥重要的作用。
标签：置信度论文; 经济资本论文; 银行信用论文; 银行信贷论文; 银行风险论文; 银行监管论文; 经济模型论文; 经济风险论文; 经济指数论文; 风险模型论文; 经济论文; 银行资本论文; 信贷规模论文; 银行论文; 风险管理论文; 经济学论文; 商业银行论文; 信用论文;
