商业银行信用风险论文

摘要：通过构建宏观压力测试模型，研究宏观经济波动对商业银行信用风险的影响。以不良贷款率作为评估商业银行信用风险的指标，根据Logit模型将商业不良贷款率转换为中介指标，然后将中介指标与各宏观经济变量进行多元回归分析以及对各宏观经济变量进行向量自回归分析。下面是小编精心推荐的《商业银行信用风险论文(精选3篇)》，供大家参考借鉴，希望可以帮助到有需要的朋友。

商业银行信用风险论文 篇1：

信用平稳下商业银行信用风险测度模型及应用

收稿日期： 2014-01-12

基金项目： 国家社会科学基金（13BGL041）

作者简介： 顾海峰（1972—），男，江苏苏州人，金融学博士后，东华大学旭日工商管理学院金融系研究员、博士生导师（副），研究方向：金融理论、金融工程与金融风险管理。

摘 要：科学高效的商业银行信用风险测度模型，是实现商业银行信用风险监测目标的重要保障。商业银行信用风险主要来源于贷款企业层面，贷款企业信用质量状况将对应着商业银行信用风险水平。对此，从贷款企业的财务与非财务两个层面设计信用风险的测度指标体系，运用模糊综合评判法构建信用平稳下商业银行信用风险测度模型，并给出信用风险测度模型的应用实例。研究发现，在信用平稳下，依赖于专家评判及打分方式，使得模糊综合评判法对于解决商业银行信用风险测度问题具有很好的操作便利性；也可为我国商业银行体系构建科学高效的信用风险监测机制提供重要的理论指导与决策参考。

关键词： 信用平稳；商业银行；信用风险；测度模型；模糊综合评判法

一、问题提出及研究述评

2008年全球金融危机的爆发及其演变，已充分暴露出全球商业银行体系，尤其是中小商业银行在信用风险管理方面存在着较大缺陷，这种缺陷不仅体现在信用风险管理的环节方面，还体现在信用风险管理的效能方面。由于金融市场中信息不对称的客观存在，容易引发逆向选择与道德风险问题，从而商业银行可能面临一定程度的贷款损失。因此，商业银行还应当注重信用风险监测环节，即揭示信用风险传导机理，测度信用风险水平。信用风险监测环节主要针对贷款之前的风险审核管理，通过测度贷款企业的信用质量，来准确反映商业银行面临来自于贷款企业的信用风险水平。若测度结果不符合商业银行放贷标准，则商业银行拒绝放贷，从而将劣质企业群体排斥在贷款之外，有效降低商业银行面临来自于贷款企业的信用风险。可见，信用风险监测是商业银行信用风险管理的重要环节。此外，运用模糊综合评判法来构建信用平稳下的商业银行信用风险测度模型，有助于提升信用风险管理效能。从信用风险管理的环节与效能分析中可以发现，信用风险测度模型是商业银行信用风险监测机制的重要内容，构建科学高效的商业银行信用风险测度模型，是实现商业银行信用风险监测目标的重要保障。

国内外对于商业银行信用风险测度研究在方法方面居多。其中，Jorion（1996）运用VAR方法构建了基于VAR方法的信用风险测度模型[1]；Saunders（1999）对VAR方法进行了修正及拓展，使得测度结果更为精确[2]；Jeffrey（2000）提出了期望违约概率模型[3]；Jose和Marc（2000）对Credit Metrics模型进行了分析与拓展，提出了两阶段风险测度方法[4]；Gordy（2000）将Credit Metrics模型与风险附加法模型（CreditRisk+）进行了实证比较[5]；Albanese等（2003）考察了流动性障碍下的信用风险测度问题，提出了基于流动性障碍的风险测度模型[6]；Steven等（2004）将政策周期与政治民主引入发展中国家主权信用风险的评价问题，建立了发展中国家主权信用风险测度模型[7]；Wand等（2008）将小数据集合运用于贝叶斯神经网络模型，探讨金融机构操作中的信用风险测度方法[8]。国内方面，郭英见等（2009）提出了基于信息融合的商业银行信用风险测度模型[9]；吴冲等（2009）采用模糊积分支持向量机集成技术，构建了商业银行信用风险评估模型[10]；白保中等（2009）运用Copula函数法对银行资产组合信用风险进行了测度[11]；李江等（2008）通过压力测试方法来评估银行信用风险[12]。

综合国内外文献发现，现有文献较多涉及方法论层面探讨信用风险测度问题，尚未涉及对信用环境进行分类，并考察不同信用环境下的信用风险测度问题，对此，本文将运用模糊综合评判法，探讨信用平稳环境下的信用风险测度问题。

二、信用平稳下商业银行信用风险测度指标体系设计

考虑到商业银行信用风险主要来源于贷款企业层面，贷款企业的信用质量状况对应着商业银行的信用风险水平，且两者之间存在着负相关关系①。对此，商业银行可以通过对贷款企业信用质量进行测度，来准确反映商业银行自身面临来自于贷款企业的信用风险水平。商业银行信用风险的测度过程，就是贷款企业信用质量的测度过程。此外，为准确反映商业银行面临来自于贷款企业的信用风险，我们分别从贷款企业的财务与非财务层面遴选出信用风险测度指标体系。具体设计过程如下：

（一）信用风险的财务性测度指标体系②

商业银行面临来自于贷款企业的信用风险程度主要通过贷款企业的经营水平、盈利水平、偿债水平等中间变量来综合反映。考虑到贷款企业的这些中间变量，可以通过贷款企业的相关财务性指标来直接反映，将它们称为“财务性变量”。

（1）经营水平变量。主要反映贷款企业的资金运作与资产盘活效率，由资产周转率、库存周转率、应付款周转率、应收款周转率等指标来综合决定。

（2）盈利水平变量。主要反映贷款企业的利率获取效率，由销售利润率、营业利润率、资产报酬率等指标来综合决定。

（3）偿债水平变量。主要反映贷款企业的债务偿还效率，由资产负债率、流动比率、速动比率、净资产收益率等指标来综合决定。

（二）信用风险的非财务性测度指标体系③

商业银行面临来自于贷款企业的信用风险程度，除了依赖于贷款企业的财务性变量之外，还依赖于履约状况水平、管理水平、生态环境、领导水平、创新水平、发展潜力等中间变量。考虑到这些中间变量是通过财务数据之外的相关经验统计而得到的，将它们称为“非财务性变量”。

（1）履约水平变量。主要反映贷款企业的历史履约效率，由贷款履约率、合同履约率等指标来综合决定。

（2）管理水平变量。主要反映贷款企业的经营管理效率，由销售管理、资金管理、质量管理、技术管理等指标来综合决定。

（3）生态环境变量。主要反映贷款企业的行业经营环境，由行业景气度、行业竞争性、行业政策性等指标来综合决定。

（4）领导水平变量。主要反映贷款企业的高管领导效率，由领导层的个人信用、学历水平、经营理念、经营业绩等指标来综合决定。

（5）创新水平变量。主要反映贷款企业的技术创新效率，由创新人力、创新物力、创新财力、创新效益方面的投入等指标来综合决定。

（6）发展潜力变量。主要反映贷款企业的发展潜力程度，由行业政策、市场份额、潜在效益等指标来综合决定。

（三）信用风险测度指标体系的基本架构

依据上述分析，给出商业银行信用风险测度指标体系的基本架构，即：信用风险测度指标体系主要由财务性测度指标体系与非财务性测度指标体系两大部分构成。具体指标体系及符号分别见表1、表2所示。

三、信用平稳下商业银行信用风险测度模型构建

在信用平稳环境下，运用模糊综合评判法中的专家评判及打分方式来设定各个测度指标的相应权重，尽管存在一定的主观性，但是对测度结果影响较小，且操作便利。具体建模过程与方法如下：

1.测度指标的权重设定及反向标准化处理。为设定信用风险测度指标权重，模糊综合评判法中通常采用专家评判及打分方式来实现，专家依据历史经验对反映各个变量的相关测度指标权重进行评判及打分，从而确定各个测度指标对关联变量的权重系数。以mijk表示测度指标Xijk对变量Xij的权重，则反映变量Xij的权重向量为Mij=（mij1，mij2，…，mijl）。

通过专家打分方式还可以获得各个测度指标的实际取值。考虑到财务性测度指标均属于无量纲的比例，取值范围自然位于[0，1]区间内；对于非财务性测度指标，例如测度指标Xijk，专家依据经验数据给出测度指标Xijk的上、下限阀值max Xijk与min Xijk，再通过反向标准化运算ijk=max Xijk-Xijkmax Xijk-min Xijk，使得指标数值ijk必然分布于[0，1]内。此外，通过上述反向标准化处理，使得商业银行信用风险水平与来自贷款企业的测度指标取值之间由原来的负相关性转换为正相关性。

2.建立信用风险测度等级集及分布区间集。

根据中国银行业按照五大级别对贷款风险进行分类管理的原则，将商业银行信用风险测度等级也划分为五个等级，分别为正常（A级）、轻度（B级）、中轻（C级）、中度（D级）、重度（E级）。考虑到测度指标已进行了反向标准化处理，且各个测度指标取值与信用风险水平之间呈现正相关性，即：反向标准化处理后的测度指标数值越大，则对应的信用风险水平就越大。此外，对经过标准化处理后的各个测度指标取值进行加权平均运算，得到各个变量值的范围也必然在[0，1]区间内。然后，再次对各个变量进行加权平均运算，最后得到的信用风险测度结果也必然分布于[0，1]区间内。对此，将[0，1]区间划分为五个子区间，每个子区间分别对应着某个风险测度等级，为便于操作，对[0，1]区间进行均匀分割，即：将[0，0.2）对应的风险等级设定为正常（A级）；将[0.2，0.4）对应的风险等级设定为轻度（B级）；将[0.4，0.6）对应的风险等级设定为中轻（C级）；将[0.6，0.8）对应的风险等级设定为中度（D级）；将[0.8，1]对应的风险等级设定为重度（E级）。

3.给出测度指标隶属向量及评判隶属矩阵。

假设参与风险评价的专家人数为P，专家对任意测度指标Xijk按照A、B、C、D、E等级进行打分评价，则指标Xijk对应于A级的隶属度为wijk1=PAP，其中PA表示认定该指标值为A级的专家人数，将对应于每个等级的隶属度以横向量形式表示，即可得到变量Xij的隶属向量Wijk=（wijk1，wijk2，wijk3，wijk4，wijk5）。考虑到任意变量Xij可由若干个测度指标Xijk（1≤k≤l）来综合反映，于是得到变量Xij的评判隶属矩阵为：

Wij=Wij1

Wij2

Wijl=

wij11wij12wij13wij14wij15

wij21wij22wij23wij24wij25

wijl1wijl2wijl3wijl4wijl5

4.计算风险测度结果及评判信用风险等级

下面，将变量Xij的评判隶属矩阵进行加权平均运算，得到变量Xij的隶属向量：

Aij=（mij1，mij2，…，mijl）×

wij11wij12wij13wij14wij15

wij21wij22wij23wij24wij25

wijl1wijl2wijl3wijl4wijl5=

（aij1，aij2，…，aij5）

对隶属向量Aij进行标准化运算ijk=aijk∑5k=1aijk，得到归一化隶属向量ij=（ij1，ij2，…，ij5）。

以各个归一化隶属向量ij=（ij1，ij2，…，ij5）为横向量形成矩阵形式，即可得到两大主变量X1与X2的隶属矩阵分别为：

W1=111112…115

121122…123

131132…133

W2=211212…215

…………

261262…265

以mij表示变量Xij对主变量Xi的权重，则反映主变量X1与X2的权重向量分别为M1=（m11，m12，m13），M2=（m21，m22，…，m26），对主变量Xi的隶属矩阵进行加权平均运算，得到主变量Xi的隶属向量为Ai=Mi·Wi=（ai1，ai2，…，ai5），i=1，2。再对Ai进行标准化运算ij=aij∑5j=1aij，得到归一化隶属向量i=（i1，i2，…，i5），还可得到信用风险的隶属矩阵为W=1112…15

2122…25。最后，结合主变量对信用风险的权重向量M=（m1，m2），即可得到信用风险的隶属向量为A=M·W=（a1，a2，…，a5），通过标准化运算i=ai∑5i=1ai，得到信用风险的归一化隶属向量=（1，2，…，5）。此外，取五大等级区间的中间值建立权重向量S=（0.1，0.3，0.5，0.7，0.9），则信用风险测度结果为f=·ST。考虑到0≤f≤1，则f必然落在某个等级区间内，即可认定测度结果对应的风险等级。

四、商业银行信用风险测度模型应用：实例分析

（一）设定测度指标隶属向量数据及相关权重

假设某商业银行邀请10位专家组成员对某贷款企业进行评判及打分，专家组依据贷款企业的财务及非财务数据，对各个测度指标对应的相关数据进行了反向标准化运算处理，并按照A、B、C、D、E顺序对各个测度指标进行了评判及打分，并对相关测度指标及变量的权重系数进行了设定，具体结果分别由表3、表4给出。

表3 财务性测度指标对应的隶属向量及权重数据

（二）依据评判隶属矩阵计算归一化隶属矩阵

依据上述隶属向量数据及相应权重，可得到各个变量的评判隶属矩阵；对评判隶属矩阵及对应权重向量进行加权平均运算，可得到各个变量Xij的隶属向量Aij；再对各个隶属向量Aij进行标准化运算，可得到两大主变量X1与X2的隶属矩阵：

W1=0.50.350.1500

0.460.30.2400

0.380.30.240.080

W2=0.370.230.220.180

0.390.270.270.070

0.50.30.200

0.440.280.2800

0.370.380.2500

0.360.320.3200

再结合权重向量M1=（0.3，0.4，0.3），M2=（0.2，0.2，0.2，0.2，0.1，0.1），即可得到两大主变量Xi（i=1，2）的隶属向量分别为A1=（0.448，0.315，0.213，0.024，0），以及A2=（0.323，0.292，0.215，0.05，0），再进行标准化运算，即可得到信用风险的隶属矩阵为：

W=0.4480.3150.2130.0240

0.3670.3320.2440.0570

最后，依据主变量对信用风险的权重向量M=（0.5，0.5），得到信用风险的隶属向量A，再对A进行标准化运算，得到信用风险的归一化隶属向量=（0.4075，0.3235，0.2285，0.0405，0）。

（三）计算风险测度结果及评判信用风险等级

选取五大等级区间的中间值建立权重向量S=（0.1，0.3，0.5，0.7，0.9），依据信用风险测度公式f=·ST，即可计算出信用风险值为f=0.2904。显然，商业银行来自于样本贷款企业的信用风险测度结果分布于[0.2，0.4）区间内，该区间所对应的风险等级为轻度（B级）。进一步分析还可以发现，信用风险值f=0.2904，逼近轻度（B级）对应区间的中心位置，对此，将信用风险等级认定为轻度（B级）的可靠性程度较高。此外，一般模糊分析法通常依据归一化隶属向量的最大隶属度来作出判断，若将上述实例运用一般模糊分析法思路，得到的结论是：信用风险等级属于正常（A级），因为归一化隶属向量的最大隶属度为0.4075，恰好对应于正常（A级）位置。考虑到对应于B级与C级的隶属度之和远大于A级对应的最大隶属度，说明被认定为B级或C级的可能性也较大。显然，一般模糊分析法的测度结论相对比较粗糙。通过对上述结论的比较分析发现，运用模糊综合评判法所得到的测度结果相对可靠，尤其是对于解决信用平稳环境下的信用风险测度问题，具有明显的优越性。

五、结论与展望

以上探讨了信用平稳下商业银行信用风险测度问题。一方面，从贷款企业的财务与非财务两个层面入手，设计了信用风险测度指标体系，在此基础上，运用模糊综合评判法，构建了信用平稳下商业银行信用风险测度模型，并给出了信用风险测度模型的应用实例。通过实例分析发现，与一般模糊分析法相比较，模糊综合评判法对于解决信用平稳环境下的信用风险测度问题具有较高的可靠性与优越性。但是，在信用突变环境下，模糊综合评判法则具有较大的局限性，因为一旦测度指标发生突变，依赖于专家评判及打分方式得到的测度结果容易发生等级的“过度跳跃”，导致风险测度结果的不稳定性，从而缺乏一定的说服力。

商业银行信用风险测度问题是金融学领域的重大问题，尤其是2008年全球金融危机的爆发及其演变，展开这方面研究对于提升我国银行业风险管理能力具有重要意义。对此，探讨不同信用环境下的商业银行信用风险测度问题，还有待于进一步探讨，希望我们的研究能为这方面的后续研究提供重要的基础性铺垫。

注释：

①

贷款企业信用质量越高，说明贷款企业贷款偿还能力越大，则商业银行面临来自于贷款企业层面的信用风险水平越低；贷款企业信用质量越低，说明贷款企业贷款偿还能力越小，则商业银行面临来自于贷款企业层面的信用风险水平越高。因此，两者之间存在负相关性。

②所谓信用风险的财务性测度指标体系，就是通过贷款企业财务报告数据能够直接反映信用风险水平的相关因子集合。

③所谓信用风险的非财务性测度指标体系，就是通过财务数据之外的相关经验统计能够间接反映信用风险水平的相关因子集合。

参考文献：

[1]Jorion P.Risk： measuring the risk in value at risk[J]. Financial Analysts Journal， 1996，（11）：198-221.

[2]Saunders A.Credit risk measurement： new approaches to value at risk and other paradigms[M]. John Wiley and Sons， Inc，1999：368-392.

[3]Jeffrey， R. B.a survey of contingent claims approaches to risky debt valuation[J].Journal of Risk Finance，2000，（3）：53-70.

[4]Jose A. Lopez， Marc R. Saidenberg，evaluating credit risk models[J]. Journal of Banking and Finance，2000，（24）：151-165.

[5]Gordy， M. B.A comparative anatomy of credit risk models[J]. Journal of Banking and Finance，2000，（24）：119-149.

[6]Albanese C， Campolieti J.，Chen O. and zavidonov a. Credit Barrier Models[J]. Risk Magazine，2003，（16）：357-388.

[7]Steven A. Block and Paul M. Vaaler.The price of democracy：sovereign risk rationing，bond spreads and political business cycles in developing countries[J].Journal of International Money and Finance，2004，（23）：917-946.

[8]Wand S C， Liu X H and Zhang P Q.Learning bayesian networks structure from small data set in operation risk analysis[J]. Journal of System & Management，2008，（4）：448-454.

[9]郭英见，吴冲. 基于信息融合的商业银行信用风险评估模型研究[J].金融研究，2009，（1）：95-106.

[10]吴冲，郭英见，夏晗. 基于模糊积分支持向量机集成的商业银行信用风险评估模型研究[J].运筹与管理，2009，（2）：115-119.

[11]白保中，宋逢明，朱世武. Copula函数度量我国商业银行资产组合信用风险的实证研究[J].金融研究，2009，（4）：129-142.

[12]李江，刘丽平. 中国商业银行体系信用风险评估——基于宏观压力测试的研究[J].当代经济科学，2008，（6）：66-73.

（责任编辑：宁晓青）

Study on Application and Commercial Bank Credit Risk

Measurement Model

under Credit Stability Based on

Fuzzy Comprehensive Evaluation Method

GU Hai feng

（Glorious Sun School of Business and Management of Donghua University， Shanghai 200051， China）

Key words：Credit stability； Commercial bank； Credit risk； Measurement model； Fuzzy comprehensive evaluation method

作者：顾海峰

商业银行信用风险论文 篇2：

基于宏观压力测试的我国商业银行信用风险的评估

摘 要 ：通过构建宏观压力测试模型，研究宏观经济波动对商业银行信用风险的影响。以不良贷款率作为评估商业银行信用风险的指标，根据Logit模型将商业不良贷款率转换为中介指标，然后将中介指标与各宏观经济变量进行多元回归分析以及对各宏观经济变量进行向量自回归分析。研究结果表明：选定的宏观经济变量对商业银行不良贷款率都有显著性的影响，同时，在设定的情景压力下，商业银行不良贷款率都有不同程度的增加。

关键词：宏观压力测试；信用风险；不良贷款率；商业银行

随着世界金融全球化进程的加快、国际大型商业银行跨国活动的加深，新环境下商业银行信用风险的管理越来越突出，特别是2007年底美国次贷危机的爆发，在这种严峻的形势下，各国金融管理当局更加重视银行信用风险的管理，不断开发各种评估金融体系稳健性的工具。商业银行作为我国国民经济活动的重要组成部分，其稳健性关乎我国国民经济发展的命脉，一旦商业银行出现信用危机，将会对我国金融体系的稳定性和经济的发展造成致命打击。2013年7月20日，央行决定全面放开金融机构贷款利率的管制，这一决定将会进一步推动我国利率化市场改革和加深各商业银行之间的价格竞争。而且，银行之间的价格竞争行为必将产生新的变化，并与其风险行为之间形成更为复杂的联系。[1]因此，我们应该高度重视商业银行信用风险的问题，做到未雨绸缪。

本文利用国外比较成熟的压力测试模型，结合我国当前实际的宏观经济形势以及特殊金融体系，构建了适合评估我国商业银行体系信用风险的宏观压力测试模型，实证分析我国宏观经济指标对商业银行不良贷款的影响，最后利用目前比较前沿的蒙特卡罗模拟方法，定量的分析了商业银行在不同压力情景下抗风险能力，使得研究结果更切合实际情况。

一、宏观压力测试模型构建

考虑到我国主要商业银行的不良贷款的数据从2004年才开始正式公布，而其他宏观经济变量的可得数据的事件跨度要远远大于不良贷款，在借鉴前人研究的基础上建立更适合评估我国商业银行信用风险的宏观压力测试模型。在研究我国宏观经济变量和不良贷款率之间相关关系前，首先需要利用logit模型将不良贷款率转化为宏观综合指标。其次，考虑宏观综合指标与宏观经济因素之间的关系，同时还要考虑宏观综合指标的某些滞后变量。最后。考虑宏观经济因素与其他一些宏观经济因素以及与宏观综合指标某一些滞后变量之间的关系。

二、实证研究及分析

（一）指标的选取及数据来源

采用商业银行的不良贷款率（NPL）作为商业银行贷款信用风险度量的指标，不良贷款率主要指贷款5级分类中的次级、可疑、损失类所占贷款总额的比例。它是评估商业银行信用风险管理水平以及风险管理能力最有效的指标。同时，选取了对商业银行不良贷款率影响较为显著的5个宏观经济指标：国内生产总值增长率（RGDP）、广义货币供应量增长率（GM2）、房地产平均销售价格指数（HPI）、消费者价格指数（CPI）、一年期流动资产平均贷款利率（R）。

在考虑我国商业银行经营的特殊性和相关数据可获得性，选取从2007年第一季度到2013年第二季度的季度数据，而且，宏观经济变量的数据不是采取各经济部门的统计值，而是我国整体水平的统计值。数据分别来自于中国人民银行官网、《中国统计年鉴》、中经网、国家统计局。

（二）模型估计

1.单位根检验

由表3可以发现，模型拟合度较好，这说明此模型又较强的解释能力，同时，银行不良贷款率也受到各宏观经济变量滞后期的影响，这点符合我国当前的基本情况。这一影响主要体现在房地产销售价格和一年期流动资产贷款利率上，同时，不良贷款率受各宏观经济变量滞后一期影响较滞后二期显著，这些说明了宏观经济冲击对银行的不良贷款的影响存在时滞效应。

（三）情景压力分析

采用情景分析方法对我国商业银行信用风险进行宏观压力测试。首先在预测时间段内设定压力测试源，然后对宏观经济变量进行估值以及这些宏观经济变量在情景压力下的中介指标yt和不良贷款率的估计值，最后运用蒙特卡洛模拟其他宏观经济变量相应的估计值，并最终求得我国商业银行不良贷款率，进而分析宏观经济变量对我国商业银行体系信用风险的影响。

在过去的30多年，我国经济保持较高的增长速度，国内经济形势一片明朗。但是在2007年底受到美国金融危机的冲击以及2013年我国经济面临转型的问题，我国经济开始处于低迷时期，根据2013年第二季度公布的数据，我国GDP增长率仅为7.6%，而且到目前还没有看见经济开始复苏的迹象。同时，政府对我国过高房价的调控日趋缩紧，甚至出台了“限购”的政策，由此可见在未来的时间内房价可能出现涨幅下缓，甚至出现房价下跌的情形。此外我国当前的消费物价水平由于受到国内外多因素的推动一直处于持续上升状态，政府出台的调控政策在短期内也没有达到预期的效果，并且随着国内资源和劳动力供应短缺问题的激发以及相关价格体制的展开，我国消费物价指数可能会呈现继续上涨的趋势。

根据我国当前的宏观经济形势和宏观政策调控的方向，以2012年第一季度为为基期，模拟从2012年第二季度到2013年第一季度共4个季度覆盖一年期的未来路径，设置了3种压力情景：（1）GDP增速放缓；（2）CPI指数上涨；（3）房产销售价格下降。同时，设置了较坏情景和严重情景2种情景。具体情况如表4。

由表4可以发现，随着我国GDP增长率不断下降、CPI指数的持续上涨和房地产销售价格HPI的大幅下跌，我国商业银行的不良贷款率是持续不断上升，在较坏情景下，我国商业贷款率从2012年第二季度的1.37%上涨到2013年第一季度的6.31%。在严重情景下，不良贷款率从1.54%上涨到7.82%。同时，还可以看到，在两种情景下，不良贷款率在一开始上升的幅度较小，但是在后面上升的幅度明显增大，这可能是随着时间的推移，国内宏观经济出现严重扭曲以及人们对当时的经济增长情况失去了信心，而且在房地产行业出现了严重经济泡沫，从而导致商业银行不良贷款率的增加。由此可见，经济的衰退、通货膨胀的加重以及房地产价格的下降对我国商业银行信用风险的增加有着明显的冲击影响。

三、结论与建议

利用国外已经相当成熟的压力测试模型，结合我国当前实际的宏观经济状形势，建立适合于我国商业银行的宏观压力测试模型。以银行不良贷款率作为评价商业银行体系信用风险的指标，利用Logit方程将不良贷款率转换为中介指标，再将中介指标和各宏观经济变量进行多元回归分析，然后对各宏观经济变量进行向量自回归分析，最后在此基础上，利用情景分析和蒙特卡洛模拟方法进行宏观压力测试。通过实证研究发现：国内生产总值GDP、消费物价指数CPI、广义货币供应量GM2、房地产销售价格HPI和一年期流动资产贷款利率R对商业银行不良贷款率均有显著影响，其中，国内生产总值对不良贷款率的影响最大，广义货币供应量的影响最小。同时，不良贷款容易受到其滞后项的影响以及各宏观经济变量对不良贷款率也存在时滞效应。情景压力测试分析表明，在GDP增速放缓、CPI指数上涨以及房地产销售价格HPI下跌的情景压力下，都会导致商业银行不良贷款率出现不同幅度的提高，并随着宏观经济压力的不断增大，商业银行体系的信用风险持续增加。

以上实证研究分析表明，我国商业银行体系的稳健性还有待进一步的加强，在面临各种宏观经济冲击的时候，其化解风险的能力还不是很强。对此，提出几点建议：（1）我国商业银行应该密切关注国内宏观经济指标及其发展趋势，加大对国家宏观政策的研究。特别是关注那些能够反映宏观经济走势的指标，在此基础上，商业银行可以采取一定程度的逆周期措施，来确保信贷资产的质量。（2）商业银行应建立健全社会范围的征信体系。商业银行应该建立包含受信企业和个人的历史信用数据、企业效益和还款意愿在内的一系列数据，借鉴过去的经验，将受信企业和个人借款后一阶段的经济波动影响全部考虑进去，以此来降低贷款的信用风险。（3）银监会应建立和完善金融机构风险预警体系，及时分析由宏观经济波动冲击给商业银行所带来的信用风险的发生机制和传导机制，加强对商业银行的风险提示。此外，监管部门应及时出台指导性建议和改进性的措施，督促商业银行针对宏观压力测试的结果自觉查缺补漏，重新定位适合于本行实际情况的发展战略，完善其治理结构，确保其稳定而健康地运行。

参考文献：

[1]张宗益，等.商业银行价格竞争与风险行为关系——基于贷款利率市场化的经验研究[J].金融研究，2012（7）1-14.

（责任编辑 夏菊子）

作者：陈宜成

商业银行信用风险论文 篇3：

商业银行信用风险管控策略研究

摘要：当前经济形势下，受内外部因素影响，违约事件时有爆发，各商业银行信用风险凸显。不良贷款指标持续恶化、问题资产不断劣变趋势愈发明显，信用风险问题日益成为商业银行正常经营及资产质量管控的主要障碍。另一方面，新的经济发展形势催生商业银行以更敏锐的风险管控意识、更先进的资产处置手段和更精准的战略布局来应对新常态背景下的信用风险。本文将围绕现阶段商业银行信用风险特征、商业银行信用风险内外部诱因展开分析，并基于此对商业银行信用风险管控提出策略建议。

关键词：信用风险  管控策略

近期，包商银行因信用风险问题被中国建设银行托管，这一热点事件将商业银行的信用风险管理及处置推到新的高度。商业银行应如何有效应对信用风险持续攀升的问题呢？及时掌握商业银行信用风险特征，准确分析信用风险内外部诱因，并快速有效地制定出科学合理的管控策略成为当务之急。

一、商业银行信用风险特征

（一）信用风险防控形势持续严峻

一是不良贷款、不良率持续攀升。笔者通过对比全国主要商业银行近几年的不良贷款额及不良率发现，各商业银行不良贷款及不良率整体均呈现出上升趋势，浙江、山东、福建、四川、东北三省等区域更为突出;二是关注类贷款持续高位。作为居于不良贷款及正常贷款之间的关注贷款，连年居于高位，这在很大程度上显示出了各商业银行信用风险管控的难度和资产质量下迁的压力。三是拨备覆盖率明显承压。受不良贷款、关注贷款持续增加影响，各商业银行年度净利润增长率逐年降低，拨备覆盖率明显承压。从调查结果来看，多家国有银行年度净利润增长率低位运行，股份制银行和城市商业银行年度利润涨幅相对较高，但相比以往仍呈现出明显下降的态势，个别银行拨备覆盖率甚至逼近150%的红线。

（二）风险分类偏离比较明显

随着信用风险的持续爆发，各商业银行资产质量持续承压，部分银行通过借新还旧、贷款展期、平移重组等方式进行化解和管控，在一定程度上对资产质量快速下迁起到了遏制作用，有利于逐步利用利润和时间来有效处置信用风险。即使如此，各商业银行特别是部分中小企业银行仍存在逾期贷款与关注类贷款、逾期90天以上贷款与不良贷款之间偏差，这也反映出风险快速暴露与短期内难以有效处置之间的矛盾。

（三）担保圈风险蔓延传递现象突出

在经济上行期，特别是在部分民营企业比较发达的区域，各企业通过互保、联保、循环保等方式进行融资，构建了复杂交织的担保圈。但随着经济进入下行区间，担保链条上部分企业发生风险后，信用风险快速沿着担保链条蔓延传递，对这些区域的商业银行及担保圈内企业造成明显负面影响，部分区域甚至严重影响到了区域金融环境，浙江温州、山东东营比较典型。

二、信用风险内外部诱因分析

从宏观形势来看，国外主要经济体经济持续疲软，有效需求受到遏制;国内经济面临结构性供需失衡，国家层面推动供给侧结构性改革，部分传统行业、两高一剩行业等面临较大的结构调整压力。经济进入下行区间，大宗商品及产成品价格长期低迷，销售回款账期延长，企业经济效益难以快速实现，运营成本又持续提升，企业生产运营亏损或低盈利现状明显影响了企业的资金链，部分對银行授信依赖度较高的企业开始爆发信用风险。

从内部原因来看，一是因为企业经营效益持续下降，导致企业履约能力及履约意愿明显下降，各商业银行信贷投放意愿也开始下降，甚至对部分风险高发区域采取了抽贷、压贷等强制管控措施，一定程度上加快了信用风险的集中爆发。二是风险出现后，商业银行内部信用风险管控机制不够健全，各环节协同不够、信用风险快速处置能力明显不足，使之无法有效应对及快速处置日益增加的信用风险。三是风险处置手段相对有限，诉讼、打包、核销是目前常用的处置手段，但以上手段各有限制性条件或因素，难以短期内实现有效推动和实质性处置。

三、商业银行信用风险管控策略

结合当下的风险管控实践，对商业银行信用风险管控策略建议如下：

（一）牢牢把握外部市场大势，强化风控前沿性引领

在当前充分竞争的市场环境下，各商业银行要善于主动搜集并认真研究经济发展宏观大势，准确把握当前国家经济发展的主要矛盾和结构特征，并以此作为业务发展方面及风险切入点，强化风控的前沿性引领作用。一是要加大对互联网经济、高附加值经济、双创经济、创新驱动经济、国家战略及区域战略重点推动领域的研究力度，从国家政策、行业发展、区域环境、金融产品等各个层面进行全面分析研究，架构“战略规划—政策支持—产品对接”的业务发展模式，信贷投放方向与经济发展大势相匹配，最大限度避免因盲目准入而引发的风险隐患。二是要切实推动风控前移，切实发挥风控的引领作用。从近几年的信用风险管控实践来看，除企业过度融资外，各商业银行盲目投放也是导致信用风险集中爆发的一个重要原因。这就要求风控理念、风控人员要前移支持，切实把住业务准入关，避免“病从口入”，也最大限度避免后续处置的被动。

（二）优化信用风险管理机制，提升信用风险管控的工具支持

商业银行内部要进一步健全信用风险管控机制，以新兴信息技术为基础，传统管理模式与新兴技术相结合，建立全面涵盖风险推送、风险识别、风险预警、风险应对、风险处置五个环节的信用风险管理机制，实现全方位、全流程的信用风险管控。一方面，各商业银行要高度重视“大数据”、“云计算”等新兴技术在日常业务运营管理中的运用，通过打造智能化信用风险管控平台，对外部市场环境中存在的风险因素做到及时获取、实时应对，以求最大限度遏制因各类风险因素造成的信用风险。另一方面，智能化信用风险管控平台的有效运行并发挥作用，对银行内部风险管控人员提出了更高的知识和技能上的要求，实现平台支撑与风险管控人员的经验结合，是各商业银行信用风险管控亟需突破并快速提升的命题。

（三）创新风险处置思路，加快推动信用风险处置工作

在信用风险严峻的当下，存量信用风险的有效处置、快速处置是各商业银行不得不面对的重要课题，也是国家监管、银行自身健康稳定发展的必然要求。一是单户风险客户拟定一户一策。各商业银行要切实摸清信用风险底数，有针对性的拟定一户一策，并按照一户一策有效推动，这是单户信用风险快速处置的必然要求。二是对风险客户实施分类处置。各商业银行要根据信用风险客户的风险现状和一户一策，运用系统思维和分类方法，通过组合管理的思维，建立信用风险处置矩阵，动态做好风险处置，对于正常类客户，加强日常监测，无风险恶化迹象的情况下，强化授信支持，确保正常运行;对于潜在风险客户，要根据其所在的风险处置矩阵及一户一策，灵活采取增信、强化监测等措施，全力避免潜在风险劣变为信用风险;对于已经暴露风险的业务，根据其持续经营能力和履约意愿，分别采取重组化解、现金清收、诉讼施压、打包、核销或债权转让等策略，有步骤、有差别的推动有效处置，加快风险出清，尽快甩掉资产质量包袱。

（四）对接国家诚信体系建设，切实打击逃废债务行为

在国家十二五规划中，明确提出了“加快社会信用体系建设”的总体要求，规划期为2014—2020年。这为商业银行的信用风险管控提供了重要支持。各商业银行要配合好各级政府、监管等机构，大力开展普法宣传教育工作，持续增强银行从业人员和企业的法律意识和法制观念，将法律法规真正贯穿到信用风险管控的各个环节，进一步优化信用风险环境和地方金融环境。对于一些企业的逃废债务等不良信用行为，要切实加大打击力度，依法追究法律责任;同时将不良信用行为永久纳入国家企业信用信息公示系统中，强化信用约束。

参考文献：

[1]商业银行信用风险管理问题分析[J].江澜.智富时代.2016（09）.

[2]商业银行信用风险管理问题分析[J].汪嘉卉子.经贸实践.2016（01）.

[3]做好信用风险管理的“顶层设计”[J].陈应雄.中国农村金融 2015年12期.

[4]我国股份制商业银行信用风险管理探析[J].何亭.中国市场 2015年21期.

[5]信用风险管理：治标更要治本[J].李晓海.中国农村金融 2015年12期.

[6]商業银行信用卡业务信用风险管理[J].陈敏.中外企业家 2015年02期.

（作者单位：平安银行济南分行）

作者：殷朋