会员登录
会员注册徐少君 金雪军
二是简约模型扩展类方法，包括二项式扩展技术模型(Binomial Expansion Technique，BET，Cifuentes & Wilcox，1998)、传播模型(The Infection Model，Duellmann，2006)和分散化因子模型(The Diversity Score Model，Cespedes et al，2006)。
由Moody发展的用于分析CDOs信用风险的二项式扩展技术模型BET，通过敞口的PD值和分散度这两个参数，可将单个敞口间依赖性的真实信贷组合映射到一个同质但敞口间不相关的“假设组合”上(Cifuentes & Wilcox，1998)。此时，“假设组合”的经济资本计算便可通过风险独立性假设得以简化。
Duellmann(2006)扩展了BET的基本思想，纳入了Davis & Lo(2001)等所建议的敞口间具有固定的依赖性这一条件，提出了传播模型。与BET相比，传播模型的“假设组合”便多了一个需要估计的参数——敞口间的传播概率(Infection)，其可通过与一系列观察到的组合特征(如部门集中的HHI指标、部门内或部门间资产的相关性)间的联系进行估计，但其运算需要用Monte-Carlo模拟实现。Duellmann(2006)用实证方法对BET模型和传播模型进行了比较，发现传播模型对经济资本估计的精确性要优于BET模型；然而在PD较低和资产相关性较高的情况下，传播模型的优势就未能体现出来了。
Cespedes et al.(2006)提出，单因素模型未能充分考虑部门分散的好处，因而估计出来的经济资本值是较保守的。基于此，他们构建了一个用分散化的规模因素作为对单因素模型经济资本进行调整的分散化因子模型。该模型是建立在传播模型基础上的，通过引入分散化指数(用单因素模型得到的HHI指数替代)以及部门间资产相关性的均值这两个参数来计算经济资本值。所以，当所有的部门间资产相关性均等于1时，该模型便可转化为单因素模型。
当然，上述各模型在是否需要模拟求解、参数要求等方面存在一定的差异，如：1.Pykhtin(2004)的多因素模型不需要通过模拟便可获得参数的估计值；而Duellmann(2006)传播模型中的传播概率和Cespedes et al.(2006)分散化因子模型中的分散化指数均需要模拟才能获得参数的估计值；2.Pykhtin(2004)模型对资产相关性这一参数有一定要求，如其要求部门内和部门间相关性属于完全结构，而Duellmann(2006)模型以及Cesped et al.(2006)模型对资产相关性参数要求仅限于获得其均值；3.与上述模型相比，Duellmann & Masschelein(2007)模型则存在两个优势：一是模型求解不需要进行数值模拟，二是输入参数具有一定的灵活性，并不要求获得部门间相关性的完全结构。
与ASRF模型相比，上述各模型的复杂性较高。如关于资产相关性的衡量，ASRF模型用整个经济中所有资产相关性的均值表示，而Cespedes et al.(2006)模型等则用平均的部门间相关性表示，这势必会造成Cespedes et al.(2006)模型的分散化指数对Baseln银行监管资本要求的高估。因此，如何将部门集中风险纳入到对经济资本的合理计算框架中，仍然是一个重大的挑战。
(四)传染集中风险的理论研究
信用集中风险的第三个来源是由于商业间的联系等使借款者具有违约的依赖性，这些违约相关性超出了基于部门联系的预期。一般认为，传染风险位于名称集中风险和部门集中风险之间(Egloffetal，2007)。
实际上，目前关于传染集中风险的研究主要是基于借款者违约传染效应这一框架，而从信用集中风险视角进行分析的文献还是较少的。同时，目前银行信用风险模型并不允许商业间联系的存在而导致传染效应的发生，其主要是基于违约条件独立性假设进行模型构建，而许多学者已经提出，实际上，违约条件独立性假设对真实世界的刻画是不充分的(Das et al，2005)。因此，需要研究由于微观结构的依赖性而影响损失分布的尾部特征给信用风险刻画带来的影响，从而构建一个统一的传染集中风险模型，这具有重要的实践意义。
(五)信用集中风险的综合研究
将上述三类集中风险综合起来进行考虑的研究文献还不多，Oh(2007)基于Pykhtin(2004)的多因素调整模型，开发出了“扩展的多因素调整模型”(Extended Multi-Factor Adjustment Model，EMFA)。但与Pykhtin(2004)不同的是：其一是借鉴Emmer & Tasche(2005)的GA方法，用单因素模型来刻画敞口集中度；其二是借鉴Egloffetal.(2007)方法并纳入了单一借款者(而非众多借款者间的商业联系)的传染效应，从而使计算相对简单；其三是测量单一资产的集中风险，而非组合的集中风险。因此，该模型可以很好地区别出是单独的传染效应还是多因素的传染效应，是集中风险还是分散化效应在起作用；同时，该模型较易实现对ES的计算，因此被Pykhtin(2004)大力推荐。
纵观上述文献，尽管研究文献不断地探索着如何将名称集中风险、部门集中风险和传染集中风险纳入到对经济资本的计量中，但是其分析往往缺乏对三者的综合考虑；同时，这些模型大多不完全与Basel Ⅱ框架相一致，因而受到了一定的应用限制。所以，构建纳入信用集中风险且与BaselⅡ相一致的模型，具有重要的理论意义，其涉及如下问题：如何测量信用集中风险，在现有名称集中风险和部门集中风险的研究中纳入传染集中风险的测量，构建起信用集中风险的完整测量体系；如何在借鉴现有模型基础上进行修正与调整，使其符合BaselⅡ要求，并克服VaR测量风险的缺陷，用ES方法对经济资本进行测度(Oh，2007)。
四、信用集中风险的国际实践
信用集中风险是银行发生巨额信贷损失，甚至破产的重要原因，如20世纪80年代中后期美国西南部的银行业危机(由于高度集中的能源行业和房地产行业集中风险引发)，1991—1996年瑞士银行业危机(由于高度集中的房地产行业集中风险引发)，因此信用集中风险得到了各国商业银行、监管机构等的重视，许多国家纷纷在实践中提出了衡量信用集中风险的方法，积极加强对信用集中风险的管理。
(一)关于名称集中风险的实证研究
标准普尔用“最大的20个贷款均值与资本的比重”指标(即HHI方法)计算了西欧最大的100个银行的信用集中风险，发现其中位数为6.6%(Torll-quist，2004)；在跨国比较中，德国银行呈现出了高于均值的敞口集中度。然而该研究仅仅是基于敞口量数据，而未考虑借款者的违约风险以及预期的违约后恢复率，因而有一定的局限性。
HHI法尽管在实践中较易实行，但是由于其计算的不精确性，往往需要将其与GA法结合起来考察名称集中风险。Uberti & Figini(2009)根据GA和HHI间的关系(BCBS，2006)，在同时考虑了风险和信贷规模因素后，从理论上提出了一种能准确测量名称集中风险的简单易行方法，在实践中获得了一定的应用。
(二)关于部门集中风险的实证研究
由于部门集中风险具有比名称集中风险更难衡量的特点，因而在实践中，多因素模型和扩展类模型都受到了一定的应用局限性，因此，开发出简化的、基于公式的而又只需较少数据的模型成为了银行的首选(Cespedes et al，2006)。
Duellmann & Masschelein(2007)基于比利时、法国、德国、西班牙银行系统11个产业部门的信贷数据，研究了行业集中风险对银行经济资本和金融稳定的影响，发现纯粹的跨国资产分散化不会必然导致行业分散化程度的提高。他们具体分析了德国银行系统的行业集中风险，发现累计的部门集中风险的HHI值为18%，其中公司信贷组合中的部门集中风险HHI值更高，达到70%。因此，经济资本的不断提高，很大程度上归因于覆盖行业集中风险的需要，尤其是公司信贷组合所伴随的行业集中风险。然而，也应该注意到，公司信贷仅占信贷组合的一部分，特别是对于规模较小的社区银行，其所伴随的更高程度的行业集中风险主要是由于零售商业信贷，而非公司信贷。幸运的是，零售业与其他行业部门的联系较弱，在一定程度上降低了对银行经济资本的要求。但是，不管怎样，从总体上看，不断攀升的经济资本要求在一定程度上却说明了需要对行业集中风险保持高度的警觉性。
除了行业集中风险外，区域集中风险也是部门集中风险的重要组成部分，但是区域集中风险不同于行业集中风险，其特别强调其他区域／国家的集中风险特征，因为这些特征会通过传染效应影响到本区域／本国，如1997-1998年亚洲金融危机，就从泰国传染到了整个东亚经济体。鉴于各国特质风险的测量困难以及各国间复杂的依赖关系和传染效应，在实践中往往简单地采用加总各国特质风险为单一风险因素和用各国的股指收益相关性替代国家间的依赖关系这一方法，使得对于国家集中风险的研究可采用类似行业集中风险的模型进行分析。
(三)关于传染集中风险的实证研究
Dasetal.(2005)发现由于双边的商业联系等引起的企业间依赖性对信用集中风险有着显著影响，银行集中贷款给有着商业联系的企业的风险要比贷款给没有商业关系的企业的风险更高。从微观层面的依赖性强度看，传染集中风险介于单一名称集中风险和部门集中风险之间。因为对于单一名称集中风险而言，企业可被视为单一的风险实体；而对于部门集中风险而言，由于其只是附属于同一经济部门，因而有着相对较弱的依赖性。然而，实践工作者却发现，很难实现对传染集中风险的实证分析。这一方面是由于数学模型本身的复杂性，另一方面是由于双边商业关系及依赖性数据的缺乏，因而造成了传染集中风险实证研究的匮乏。
(四)信用集中风险的管理实践
为加强信用集中风险的有效管理，西方各国银行纷纷采取了一定的措施，将信用集中风险纳入到银行的内部风险管理体系中。如各银行改变了以往基于单个客户的分析就做出信贷决策的做法，纷纷开发了基于组合思想的信贷组合模型进行信用集中风险的度量，通过计量经济资本来衡量信用集中风险对组合风险的贡献度。同时重视压力测试，将其与组合模型结合起来进行使用；并注重信息的披露制度，以提高对信用集中风险的管理能力。
同时，西方各国银行积极采取了信贷集中限额制度，如德国要求银行的单一最大客户贷款比例不超过10%等。进一步，通过将信用集中风险的经济资本要求与银行最大风险承受能力相联系，更好地实现了根据风险大小设定限额这一目标。同时，结合限额，监测不同部门信贷敞口变化情况，并在分析风险驱动因素基础上及时识别并预警信贷集中风险。
此外，各国银行还运用信贷资产证券化、信用违约掉期、银团贷款等金融衍生工具等来实现风险的转移或对冲，从而加强对信用集中风险的有效管理。如法国农业信贷集团通过信贷资产证券化降低了汽车等周期性行业的信用集中风险，通过购买信用保险或由出口信用保险机构担保来规避航空航天行业集中风险。信用衍生工具的使用，已成为西方银行信用集中风险管理中最重要、最有效的工具之一。
五、总结性述评
从上述综述中可以看出，目前关于信用集中风险衡量以及经济资本测度的文献，更多的是关注某一类信用集中风险，而较少有学者对三类信用集中风险构建统一模型(Oh，2007)。学者们和实践工作者从早期对名称集中风险的研究，到后来逐渐认识到部门集中风险比名称集中风险具有的更大危害性和测量难度(BCBS，2006)，纷纷开始关注部门集中风险；然而对于传染集中风险的研究却较少，更多的是基于信用传染的框架，而且仅仅关注微观结构依赖性的传染，而忽视了信息传染在信用集中风险中的重要作用。因此，首先需要根据实际情况理清信用集中风险的分析框架，这是获得精确经济资本计算的前提。
同时，许多现有的复杂模型与BaselⅡ的监管要求也不尽一致(Gurtler et al，2008)。因而，构建BaselⅡ一致性要求下的包含名称集中、部门集中和传染集中风险这三类的信用集中风险的综合模型，不仅可以刻画出真实信贷组合的信用风险程度，同时，也可以与BaselⅡ监管要求相一致，更好地实现对商业银行的信用风险管理。
此外，ASRF模型中仍然采用VaR(Value at Risk)方法对经济资本进行测度。事实上，VaR方法常常因为不满足“次可加性”等内在一致性要求而受到攻击(Artzner et al，1999)，而相反，ES(Expected Shortfall)方法往往被推崇(Acerbi，2004)。所以，探究信用集中风险存在条件下ES法对经济资本的测度是否具有更好的一致性和有效性，非常重要。
从现实角度看，尽管我国各商业银行规模、特征存在较大差异，但普遍存在着信用集中风险问题。特别是在此次金融危机情况下，大量信贷的集中投放使得商业银行的信用集中风险问题愈发凸显。如截至2009年6月末，兴业银行和民生银行前十大客户贷款比例已分别骤升至40.63%和45.76%，最大单一客户贷款比例分别为8.13%和9.11%，分别接近银监会所规定的50%和10%的监管指标底线；同时，2009年上半年51.6%的新增中长期贷款投向基础设施行业，使得部门集中风险增加。因此，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的影响，甚至可能出现系统性的风险，所以，在当前信贷高度增长的非常时期，迫切需要加强对银行信用集中风险的管理。
中国银监会要求国有大型银行于2010年前，股份制银行于2013年前，采用内部评级法计量信贷组合信用风险的经济资本，这对我国商业银行信用集中风险的研究提出了紧迫的要求。尽管信用集中风险在国内并不是一个新鲜事物，国内许多学者和实践工作者对信用集中风险进行了研究，然而这些研究大多是定性地论述信用集中风险的危害及解决对策等，较少有定量分析，更不用说是与BaselⅡ要求相一致的经济资本测度的系统性研究。
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BaselⅡ下信用集中风险定量研究的稀缺，借鉴国外研究成果，构建BaselⅡ一致性条件下的我国商业银行信用集中风险及经济资本测度分析框架，提出各种不同规模、特征的商业银行适宜采用的信用集中风险指标及经济资本测度方法，并运用各种压力测试方法和仿真方法对我国商业银行经济资本进行测量，具有重要的实践意义。
来源：《金融理论与实践》2010年第7期
责任编辑：奇奇