论文部分内容阅读
摘要：内部评级与信用风险度量是我国商业银行信用风险量化管理体系的基础，在设计内部评级系统时，应当综合考虑各种要素，按照科学合理的步骤和流程来构建；而在信用风险度量方面，应当实现从单笔交易、单项贷款和单个客户向贷款组合方向的转变，分别对公司和零售客户构建组合信用风险模型，从而实现组合信用风险管理。
关键词：信用风险量化管理内部评级贷款组合模型
美国次贷危机引发了金融监管改革的深入讨论，形成了《巴塞尔协议Ⅲ》监管框架。《协议Ⅲ》影响最大的地方是对资本尤其是核心资本的充足率及其构成做出更严格的限定。在过去几年中，国内主要银行在《巴塞尔协议Ⅱ》的实施和达标上投入了大量资源，目前中国的银行监管部门所设定的监管要求以及中国主要商业银行的资本充足率以及核心资本充足率数据均已超过《巴塞尔协议Ⅲ》所规定的下限。然而，中国银行目前的资本充足率与《巴塞尔协议Ⅲ》所讨论的资本充足率指标并不直接可比。另外，过多政府注资形成的核心资本比重过大，银行盈利能力也比较薄弱，再加上银行业历史上的损失规模、宏观经济的发展阶段、信贷组合中存在的隐患等各种因素的综合考虑，新资本框架会对银行业务规模的增长、盈利以及融资产生长期压力。在银行面临的各种风险类型中，信用风险是金融安全的最大威胁。我国商业银行应当确立信用风险量化管理理念，构建合理有效的量化管理体系，从而持续提升风险管理和资本管理能力。
一、我国商业银行信用风险量化管理体系的核心内容
一个完整的量化管理体系包括以内部评级为核心的风险度量以及在此基础之上的信贷分析、经济资本分配、风险分散与转移、利润分析、绩效考核、风险报告等若干子系统，其中，内部评级与信用风险度量是量化管理体系的基础，在整个体系中具有重要地位。
内部评级法实质上是一套以银行内部风险评级为基础的资本充足率计算及资本监管的方法，它要求银行内部根据历史数据资料以及交易对象、交易类别等交易特征对客户进行评级，并量化违约率、违约损失率、违约暴露等风险要素，在此基础上，银行计算预期损失和非预期损失，以分别用于计提准备金和确定经济资本。以内部评级法为核心，发展信用风险度量模型不仅有助于银行管理机构全面掌控风险状况，为信贷政策、信贷授权管理、贷款审批决策、贷款定价提供决策依据，而且广泛应用于经济资本配置、资产组合分析、利润分析等高端管理领域，为银行业务发展提供清晰和可操作的政策指引。
在信用风险量化管理体系中，从单一贷款信用风险管理到贷款组合的信用风险管理，是银行业风险管理的发展趋势和目标。随着经济环境、企业经营特征、资本运作形态的深刻变化，公司之间的相互关联使信用风险的表现形式更为复杂和隐蔽，风险集中程度也越来越高。我国商业银行信用风险的一大特征是风险集中度过高，且呈现日益上升的势头。大客户组织结构复杂、关联性强、业务领域广，往往潜伏较大风险。为了避免各类风险在地区、产品、行业和客户群的过度集中，增强银行业务的稳定性，我国商业银行应对信贷资产组合的风险集中度问题进行研究。由于客户之间存在资产相关性或违约相关性，贷款组合的信用风险并不是单个贷款信用风险的简单相加。组合信用风险模型不但可以对单一债务人的信用风险进行量化，更重要的是可以对全体债务人以及信用集中风险程度进行测定，还可以将债项按期限、行业、种类等进行分解，进行分类测定，以便及时准确掌握交易的风险程度。
二、内部评级系统的设计
在银监会的指导和推动下，我国商业银行在内部评级体系的研究和开发工作方面已取得一定成果，但还存在局限性，主要表现为：客户的信用等级划分过粗，不能准确反映客户的特点，无法真正反映客户的风险；定性分析的比重较大，评价结果的准确性和一致性难以保证；指标设置及评价结果未与客户的违约概率建立联系，无法准确地量化风险；没有考虑评级的动态变化和及时调整。根据新巴塞尔协议以及银监会《商业银行信用风险内部评级体系监管指引》的要求，并结合国际性大银行的实践做法以及我国的实际情况，我国商业银行可根据以下基本要素设计内部评级系统：
（一）数据基础
我国商业银行应重视数据的积累，并在数据收集方面制定统一标准、在数据分析方面做出统一规定；在使用数据之前对数据质量进行检验、分析，如数据本身以及变化趋势是否合理、数据之间是否满足理论关系等；在构建模型时，原则上使用经过审计的财务报表数据，以保证数据质量。
（二）评级维度
内部评级维度分为两种：一维和二维。一维评级仅对客户的信用质量进行评级，即债务人评级，主要关注债务人本身的资信状况，而对特定的债项特征（如交易类型、抵押担保、优先结构等）一般不予考虑，其主要任务是估计违约率；二维评级是对客户和债项分别进行评级，不仅估计违约率，而且估计违约损失率。
（三）评级对象
从发展目标上，商业银行对可能有业务关系的所有商业、机构贷款或类似的家庭、个人大宗贷款都要进行评级，而根据我国商业银行内部评级法的实施进程以及现实情况，目前应重点对公司类客户和同质性贷款组合进行评级，在此基础上考虑扩展评级对象。
（四）违约和违约损失的定义
新巴塞尔协议从资本计算的角度给出了违约的参考定义，而我国银行业对违约没有明确定义，还需要统一和规范，对于违约损失率、损失以及损失的范围也要明确界定。
（五）评级符号
信用等级是反映客户偿债能力和违约风险的重要标志，不同的信用等级代表不同的风险程度，信用等级数量越多，对风险状况的划分则更细致。我国商业银行应在五级分类的基础上将风险程度进一步细分，在这方面，中国银行已经做了不少工作。
（六）评级方法或评级技术
对违约率的估计主要采用统计模型，定量指标主要选择反映公司偿债能力、盈利能力、发展潜力、营运能力和投资价值的财务指标以及财务比率；定性指标主要集中在管理水平、管理层素质、竞争态势、行业特点、行业前景、历史信用状况等非财务因素。在统计模型中，还可以考虑现金流量的未来变化对违约率的影响，以反映企业未来偿还债务的能力。在积累了丰富的数据资料后进一步研究违约损失率模型，向二维评级系统发展。违约损失率不仅与清偿优先性或抵押品等债项特征有关，还受到借款企业的因素、行业因素、经济周期因素等影响，可以采用历史数据平均值法、历史数据回归法、市场数据隐含分析法、清收数据贴现法来估计，或者采用拟合分布的方法先估计回收率，再得到违约损失率的分布。
（七）评级模型的检验与动态调整
商业银行应充分考虑自身业务特点，建立与本行客户、业务和战略相适应的评级模型，并随着经济环境的变化、贷款客户和业务的发展以及数据的积累，对模型进行检验，及时调整模型结构和参数，保持模型的时效性和准确性。我国商业银行应每年对模型参数进行检验和调整，每三年做一次全面检验，同时调整模型结构和模型参数。商业银行还要建立内部评级与外部专业评级之间的映射关系，这不仅是内部评级法的要求，也是检验、校正内部评级模型的可靠手段。
综上所述，我国商业银行内部评级的构建步骤可以概括为：（1）数据输入——包括反映客户信用状况的定量数据、定性数据以及反映债项特征的数据；（2）数据质量分析——对于定量数据，从数据本身、数据变化趋势、数据之间的相互关系这三个方面进行分析；（3）筛选关键指标——筛选出对违约预测最具解释力的指标，以提高模型的效率，保证模型具有较高的预测精度；（4）现金流量的预测——考虑现金流量的未来变化对违约率的影响，将现金流量的分析与预测纳入违约概率模型；（5）建立违约预测模型——确定模型的表达形式以及违约率的计算方法，在数据充分的情况下，根据规模、行业和区域分类构建模型；（6）计算违约概率（PD）：根据违约预测模型计算违约概率；（7）确定信用等级——按照映射关系，将违约概率转化为风险评级结果，并对评级结果进行批量审核（针对小客户）或逐一审定（针对重大客户），并结合交易特征调整信用等级；（8）计算违约损失率（LGD）——根据交易类型、抵押担保、优先结构等计算违约损失率，在数据积累至一定阶段后，建立违约损失率模型，实施债项评级；（9）评级模型的检验和动态调整——不断引入新的样本对模型结构和参数进行调整，动态反映信用风险状况；（10）建立内部评级与外部专业评级之间的映射关系。
三、组合信用风险度量模型在量化管理中的应用
经济资本计量是现代银行信用风险量化管理的重要内容。组合经济资本计量是商业银行信用风险量化管理的发展趋势，对应地，对信用风险的度量也应从单一贷款向组合方向转变。对于不同类型的贷款组合，度量信用风险的思路和方法并不相同，商业银行风险管理者应根据自身的实际情况，将贷款进行分类，以利于银行信用风险的量化管理。内部评级法要求银行将信用风险分为六大敞口类别：公司、国家、同业、零售、项目融资以及股权，根据我国商业银行的业务特点，现阶段主要以公司、零售这两种类型的贷款组合为目标，研究组合信用风险的度量，在条件成熟时，稳步推进，进一步对其他类型的资产组合实施组合量化管理。
（一）公司客户大型贷款组合的信用风险度量
对于以公司客户为主的大型贷款组合，由于各借款人具有特定的信用状况和信用债项结构，因此，利用CreditMetrics模型的框架，由组合贷款价值分布计算组合的预期损失和非预期损失，从而获得该组合的总坏账准备金和经济资本数量。主要思路及具体步骤为：（1）将各贷款按信用等级、行业、地域进行分类，由各借款人的信用等级以及信用等级转移概率计算各项贷款的市场价值分布；（2）在公司股票收益服从标准正态分布的假定下，将信用等级的转移与股票收益的波动性联系起来，求出信用等级转移时对应的收益门槛值；（3）利用股票市场数据，通过因素模型计算各类别内以及类别间贷款的相关系数；（4）构造借款人收益的多变量正态分布，并利用蒙特卡罗模拟法模拟各借款人未来的股票收益，并将模拟值与信用等级转移时的收益门槛值进行比较以决定借款人的信用等级变化情况，进而确定各项贷款的价值，将所有贷款的价值相加即得到贷款组合的总价值，每一次模拟对应一个贷款组合总价值；（5）多次模拟，得到贷款总价值的分布；（6）在一定的置信水平下，由贷款组合的价值分布通过VaR方法计算组合所需的经济资本。
该模型的主要内容包括相关性分析和蒙特卡罗模拟方法：相关性分析是组合信用风险度量模型的关键技术，在上述模型中贷款之间的相关性用公司股票相关性来代替；而蒙特卡罗模拟方法的目的是产生贷款组合的价值分布，进而通过VaR方法计算经济资本，在我国缺乏足够历史数据的现实情况下，蒙特卡洛模拟方法对信用风险度量有较好的实用价值。要指出的是，该模型是在CreditMetrics模型的框架下展开的，因而涉及信用转移矩阵、违约损失率、利率曲线等诸多参数，需要大量的历史信用数据，因此，该方法的应用有待商业银行和各信用评级机构的合作，以确定适用的参数。
（二）零售型贷款组合的信用风险度量
针对消费者或小型贷款组合等零售型贷款组合，采用构建次级贷款组合的方式，并假定次级贷款组合内的所有贷款都可以被看作是同质的，即具有相同的违约率、相同的违约门槛值、相同的风险暴露以及相同的资产相关系数。在这种情况下，将违约率和相关性的研究转化为对组合中违约数目的分布进行研究，建立基于贷款违约数目分布的信用风险度量模型，从而可以根据组合的违约损失分布计算经济资本。主要思路及具体步骤为：（1）划分次级同质贷款组合，并确定每一次级同质组合的违约概率和违约相关性。为了估计违约率，商业银行应将内部风险评级进一步扩展，利用自身的业务数据和外部信息，估计贷款组合的平均违约概率；而相关性可以根据股票相关性或者采用其他技术估计。要指出的是，如果具有足够的类似同质贷款组合的违约数量历史数据，那么违约概率和相关性并不是必须估计的，而是在下一步骤所确定的违约数目分布间接得到体现。（2）构建违约数目的分布形式，并估计分布参数。构造违约数目分布，违约相关性间接体现在违约分布中。分布不仅反映贷款组合中违约数量的均值水平和波动性，还应当突出组合违约风险的肥尾特征。参数有两种估计方法：一是根据违约率和违约相关性利用公式推导；二是直接根据类似同质贷款组合的违约数量历史数据来估计。（3）确定损失分布。在获得违约数目分布的基础上，进一步结合违约暴露和违约损失率，通过模拟技术获得次级贷款组合的损失分布。模拟技术将违约数目的分布转化为违约损失的分布，从而计量经济资本。由于输入的参数相对较少，而且由于采用了同质性贷款的处理方式，该技术具有很强的处理能力。（4）将各次级贷款组合的损失分布加总得出贷款组合的总损失分布，并通过VaR方法计算所需的总经济资本。
参考文献：
①安东尼·桑德斯著，刘宇飞译．信用风险度量：风险估值的新方法与其它范式[M]．北京：机械工业出版社，2001
②查尔斯·史密森著，张继红等译．信贷资产组合管理[M]．北京：中国人民大学出版社，2006
③徐岩岩，赵正龙．我国商业银行信用风险亲周期性的实证分析与对策研究[J]．新金融，2011（2）
④柳斌. 新巴塞尔协议下的商业银行信用风险管理对策研究[J]．浙江金融，2009（9）
〔本文系南京信息工程大学科研启动费项目“我国商业银行信用风险度量技术研究”（项目编号：SK20100103）阶段性成果〕
（郑玉华，1976年生，湖北潜江人，南京信息工程大学经济管理学院讲师。研究方向：金融计量与风险管理。崔晓东，1972年生，河南巩义人，南京晓庄学院经济与管理学院讲师。研究方向：金融工程与投资管理）
关键词：信用风险量化管理内部评级贷款组合模型
美国次贷危机引发了金融监管改革的深入讨论，形成了《巴塞尔协议Ⅲ》监管框架。《协议Ⅲ》影响最大的地方是对资本尤其是核心资本的充足率及其构成做出更严格的限定。在过去几年中，国内主要银行在《巴塞尔协议Ⅱ》的实施和达标上投入了大量资源，目前中国的银行监管部门所设定的监管要求以及中国主要商业银行的资本充足率以及核心资本充足率数据均已超过《巴塞尔协议Ⅲ》所规定的下限。然而，中国银行目前的资本充足率与《巴塞尔协议Ⅲ》所讨论的资本充足率指标并不直接可比。另外，过多政府注资形成的核心资本比重过大，银行盈利能力也比较薄弱，再加上银行业历史上的损失规模、宏观经济的发展阶段、信贷组合中存在的隐患等各种因素的综合考虑，新资本框架会对银行业务规模的增长、盈利以及融资产生长期压力。在银行面临的各种风险类型中，信用风险是金融安全的最大威胁。我国商业银行应当确立信用风险量化管理理念，构建合理有效的量化管理体系，从而持续提升风险管理和资本管理能力。
一、我国商业银行信用风险量化管理体系的核心内容
一个完整的量化管理体系包括以内部评级为核心的风险度量以及在此基础之上的信贷分析、经济资本分配、风险分散与转移、利润分析、绩效考核、风险报告等若干子系统，其中，内部评级与信用风险度量是量化管理体系的基础，在整个体系中具有重要地位。
内部评级法实质上是一套以银行内部风险评级为基础的资本充足率计算及资本监管的方法，它要求银行内部根据历史数据资料以及交易对象、交易类别等交易特征对客户进行评级，并量化违约率、违约损失率、违约暴露等风险要素，在此基础上，银行计算预期损失和非预期损失，以分别用于计提准备金和确定经济资本。以内部评级法为核心，发展信用风险度量模型不仅有助于银行管理机构全面掌控风险状况，为信贷政策、信贷授权管理、贷款审批决策、贷款定价提供决策依据，而且广泛应用于经济资本配置、资产组合分析、利润分析等高端管理领域，为银行业务发展提供清晰和可操作的政策指引。
在信用风险量化管理体系中，从单一贷款信用风险管理到贷款组合的信用风险管理，是银行业风险管理的发展趋势和目标。随着经济环境、企业经营特征、资本运作形态的深刻变化，公司之间的相互关联使信用风险的表现形式更为复杂和隐蔽，风险集中程度也越来越高。我国商业银行信用风险的一大特征是风险集中度过高，且呈现日益上升的势头。大客户组织结构复杂、关联性强、业务领域广，往往潜伏较大风险。为了避免各类风险在地区、产品、行业和客户群的过度集中，增强银行业务的稳定性，我国商业银行应对信贷资产组合的风险集中度问题进行研究。由于客户之间存在资产相关性或违约相关性，贷款组合的信用风险并不是单个贷款信用风险的简单相加。组合信用风险模型不但可以对单一债务人的信用风险进行量化，更重要的是可以对全体债务人以及信用集中风险程度进行测定，还可以将债项按期限、行业、种类等进行分解，进行分类测定，以便及时准确掌握交易的风险程度。
二、内部评级系统的设计
在银监会的指导和推动下，我国商业银行在内部评级体系的研究和开发工作方面已取得一定成果，但还存在局限性，主要表现为：客户的信用等级划分过粗，不能准确反映客户的特点，无法真正反映客户的风险；定性分析的比重较大，评价结果的准确性和一致性难以保证；指标设置及评价结果未与客户的违约概率建立联系，无法准确地量化风险；没有考虑评级的动态变化和及时调整。根据新巴塞尔协议以及银监会《商业银行信用风险内部评级体系监管指引》的要求，并结合国际性大银行的实践做法以及我国的实际情况，我国商业银行可根据以下基本要素设计内部评级系统：
（一）数据基础
我国商业银行应重视数据的积累，并在数据收集方面制定统一标准、在数据分析方面做出统一规定；在使用数据之前对数据质量进行检验、分析，如数据本身以及变化趋势是否合理、数据之间是否满足理论关系等；在构建模型时，原则上使用经过审计的财务报表数据，以保证数据质量。
（二）评级维度
内部评级维度分为两种：一维和二维。一维评级仅对客户的信用质量进行评级，即债务人评级，主要关注债务人本身的资信状况，而对特定的债项特征（如交易类型、抵押担保、优先结构等）一般不予考虑，其主要任务是估计违约率；二维评级是对客户和债项分别进行评级，不仅估计违约率，而且估计违约损失率。
（三）评级对象
从发展目标上，商业银行对可能有业务关系的所有商业、机构贷款或类似的家庭、个人大宗贷款都要进行评级，而根据我国商业银行内部评级法的实施进程以及现实情况，目前应重点对公司类客户和同质性贷款组合进行评级，在此基础上考虑扩展评级对象。
（四）违约和违约损失的定义
新巴塞尔协议从资本计算的角度给出了违约的参考定义，而我国银行业对违约没有明确定义，还需要统一和规范，对于违约损失率、损失以及损失的范围也要明确界定。
（五）评级符号
信用等级是反映客户偿债能力和违约风险的重要标志，不同的信用等级代表不同的风险程度，信用等级数量越多，对风险状况的划分则更细致。我国商业银行应在五级分类的基础上将风险程度进一步细分，在这方面，中国银行已经做了不少工作。
（六）评级方法或评级技术
对违约率的估计主要采用统计模型，定量指标主要选择反映公司偿债能力、盈利能力、发展潜力、营运能力和投资价值的财务指标以及财务比率；定性指标主要集中在管理水平、管理层素质、竞争态势、行业特点、行业前景、历史信用状况等非财务因素。在统计模型中，还可以考虑现金流量的未来变化对违约率的影响，以反映企业未来偿还债务的能力。在积累了丰富的数据资料后进一步研究违约损失率模型，向二维评级系统发展。违约损失率不仅与清偿优先性或抵押品等债项特征有关，还受到借款企业的因素、行业因素、经济周期因素等影响，可以采用历史数据平均值法、历史数据回归法、市场数据隐含分析法、清收数据贴现法来估计，或者采用拟合分布的方法先估计回收率，再得到违约损失率的分布。
（七）评级模型的检验与动态调整
商业银行应充分考虑自身业务特点，建立与本行客户、业务和战略相适应的评级模型，并随着经济环境的变化、贷款客户和业务的发展以及数据的积累，对模型进行检验，及时调整模型结构和参数，保持模型的时效性和准确性。我国商业银行应每年对模型参数进行检验和调整，每三年做一次全面检验，同时调整模型结构和模型参数。商业银行还要建立内部评级与外部专业评级之间的映射关系，这不仅是内部评级法的要求，也是检验、校正内部评级模型的可靠手段。
综上所述，我国商业银行内部评级的构建步骤可以概括为：（1）数据输入——包括反映客户信用状况的定量数据、定性数据以及反映债项特征的数据；（2）数据质量分析——对于定量数据，从数据本身、数据变化趋势、数据之间的相互关系这三个方面进行分析；（3）筛选关键指标——筛选出对违约预测最具解释力的指标，以提高模型的效率，保证模型具有较高的预测精度；（4）现金流量的预测——考虑现金流量的未来变化对违约率的影响，将现金流量的分析与预测纳入违约概率模型；（5）建立违约预测模型——确定模型的表达形式以及违约率的计算方法，在数据充分的情况下，根据规模、行业和区域分类构建模型；（6）计算违约概率（PD）：根据违约预测模型计算违约概率；（7）确定信用等级——按照映射关系，将违约概率转化为风险评级结果，并对评级结果进行批量审核（针对小客户）或逐一审定（针对重大客户），并结合交易特征调整信用等级；（8）计算违约损失率（LGD）——根据交易类型、抵押担保、优先结构等计算违约损失率，在数据积累至一定阶段后，建立违约损失率模型，实施债项评级；（9）评级模型的检验和动态调整——不断引入新的样本对模型结构和参数进行调整，动态反映信用风险状况；（10）建立内部评级与外部专业评级之间的映射关系。
三、组合信用风险度量模型在量化管理中的应用
经济资本计量是现代银行信用风险量化管理的重要内容。组合经济资本计量是商业银行信用风险量化管理的发展趋势，对应地，对信用风险的度量也应从单一贷款向组合方向转变。对于不同类型的贷款组合，度量信用风险的思路和方法并不相同，商业银行风险管理者应根据自身的实际情况，将贷款进行分类，以利于银行信用风险的量化管理。内部评级法要求银行将信用风险分为六大敞口类别：公司、国家、同业、零售、项目融资以及股权，根据我国商业银行的业务特点，现阶段主要以公司、零售这两种类型的贷款组合为目标，研究组合信用风险的度量，在条件成熟时，稳步推进，进一步对其他类型的资产组合实施组合量化管理。
（一）公司客户大型贷款组合的信用风险度量
对于以公司客户为主的大型贷款组合，由于各借款人具有特定的信用状况和信用债项结构，因此，利用CreditMetrics模型的框架，由组合贷款价值分布计算组合的预期损失和非预期损失，从而获得该组合的总坏账准备金和经济资本数量。主要思路及具体步骤为：（1）将各贷款按信用等级、行业、地域进行分类，由各借款人的信用等级以及信用等级转移概率计算各项贷款的市场价值分布；（2）在公司股票收益服从标准正态分布的假定下，将信用等级的转移与股票收益的波动性联系起来，求出信用等级转移时对应的收益门槛值；（3）利用股票市场数据，通过因素模型计算各类别内以及类别间贷款的相关系数；（4）构造借款人收益的多变量正态分布，并利用蒙特卡罗模拟法模拟各借款人未来的股票收益，并将模拟值与信用等级转移时的收益门槛值进行比较以决定借款人的信用等级变化情况，进而确定各项贷款的价值，将所有贷款的价值相加即得到贷款组合的总价值，每一次模拟对应一个贷款组合总价值；（5）多次模拟，得到贷款总价值的分布；（6）在一定的置信水平下，由贷款组合的价值分布通过VaR方法计算组合所需的经济资本。
该模型的主要内容包括相关性分析和蒙特卡罗模拟方法：相关性分析是组合信用风险度量模型的关键技术，在上述模型中贷款之间的相关性用公司股票相关性来代替；而蒙特卡罗模拟方法的目的是产生贷款组合的价值分布，进而通过VaR方法计算经济资本，在我国缺乏足够历史数据的现实情况下，蒙特卡洛模拟方法对信用风险度量有较好的实用价值。要指出的是，该模型是在CreditMetrics模型的框架下展开的，因而涉及信用转移矩阵、违约损失率、利率曲线等诸多参数，需要大量的历史信用数据，因此，该方法的应用有待商业银行和各信用评级机构的合作，以确定适用的参数。
（二）零售型贷款组合的信用风险度量
针对消费者或小型贷款组合等零售型贷款组合，采用构建次级贷款组合的方式，并假定次级贷款组合内的所有贷款都可以被看作是同质的，即具有相同的违约率、相同的违约门槛值、相同的风险暴露以及相同的资产相关系数。在这种情况下，将违约率和相关性的研究转化为对组合中违约数目的分布进行研究，建立基于贷款违约数目分布的信用风险度量模型，从而可以根据组合的违约损失分布计算经济资本。主要思路及具体步骤为：（1）划分次级同质贷款组合，并确定每一次级同质组合的违约概率和违约相关性。为了估计违约率，商业银行应将内部风险评级进一步扩展，利用自身的业务数据和外部信息，估计贷款组合的平均违约概率；而相关性可以根据股票相关性或者采用其他技术估计。要指出的是，如果具有足够的类似同质贷款组合的违约数量历史数据，那么违约概率和相关性并不是必须估计的，而是在下一步骤所确定的违约数目分布间接得到体现。（2）构建违约数目的分布形式，并估计分布参数。构造违约数目分布，违约相关性间接体现在违约分布中。分布不仅反映贷款组合中违约数量的均值水平和波动性，还应当突出组合违约风险的肥尾特征。参数有两种估计方法：一是根据违约率和违约相关性利用公式推导；二是直接根据类似同质贷款组合的违约数量历史数据来估计。（3）确定损失分布。在获得违约数目分布的基础上，进一步结合违约暴露和违约损失率，通过模拟技术获得次级贷款组合的损失分布。模拟技术将违约数目的分布转化为违约损失的分布，从而计量经济资本。由于输入的参数相对较少，而且由于采用了同质性贷款的处理方式，该技术具有很强的处理能力。（4）将各次级贷款组合的损失分布加总得出贷款组合的总损失分布，并通过VaR方法计算所需的总经济资本。
参考文献：
①安东尼·桑德斯著，刘宇飞译．信用风险度量：风险估值的新方法与其它范式[M]．北京：机械工业出版社，2001
②查尔斯·史密森著，张继红等译．信贷资产组合管理[M]．北京：中国人民大学出版社，2006
③徐岩岩，赵正龙．我国商业银行信用风险亲周期性的实证分析与对策研究[J]．新金融，2011（2）
④柳斌. 新巴塞尔协议下的商业银行信用风险管理对策研究[J]．浙江金融，2009（9）
〔本文系南京信息工程大学科研启动费项目“我国商业银行信用风险度量技术研究”（项目编号：SK20100103）阶段性成果〕
（郑玉华，1976年生，湖北潜江人，南京信息工程大学经济管理学院讲师。研究方向：金融计量与风险管理。崔晓东，1972年生，河南巩义人，南京晓庄学院经济与管理学院讲师。研究方向：金融工程与投资管理）