李淑錦,呂 全
(杭州電子科技大學(xué) 經(jīng)濟學(xué)院,浙江 杭州310018)
經(jīng)濟資本是用來減緩風(fēng)險沖擊和保持正常經(jīng)營的資本。自巴塞爾協(xié)議頒布以來,經(jīng)濟資本管理體系在各大商業(yè)銀行得到深入的應(yīng)用。然而,隨著我國加入WTO,國內(nèi)金融市場逐漸對外開放,銀行面臨的風(fēng)險越來越大,風(fēng)險種類越來越復(fù)雜,各類風(fēng)險事件層出不窮,如浙江省溫州市頻頻傳出民間借貸資金鏈斷裂,企業(yè)主跑路的消息,同時,省內(nèi)光伏行業(yè)也曾出現(xiàn)大面積的倒閉潮。這預(yù)示著信貸集中的負(fù)面影響開始凸顯,商業(yè)銀行經(jīng)濟資本的管理面臨新的挑戰(zhàn)。
國內(nèi)學(xué)者已經(jīng)注意到我國銀行信貸風(fēng)險集中的問題,如褚應(yīng)前和秦海坤(2002)[1]通過對靖江市內(nèi)中國工商銀行等五家大型國有商業(yè)銀行的調(diào)研和分析,指出銀行前十大客戶貸款占各項貸款的比重較高,且呈上升趨勢。趙宇翔(2008)[2]利用2002—2006年山東省銀行的數(shù)據(jù),構(gòu)建基于違約率的風(fēng)險集中度模型,定量分析了山東省銀行業(yè)的信貸風(fēng)險集中情況。
關(guān)于經(jīng)濟資本,2006年發(fā)布的新《巴塞爾協(xié)議Ⅱ》[3]的內(nèi)部評級法介紹了信用風(fēng)險最低經(jīng)濟資本的度量方法,其理論基礎(chǔ)是漸進單因子模型(ASRF 模型),2010年的《巴塞爾協(xié)議Ⅲ》從監(jiān)管的角度對銀行資本的質(zhì)量和數(shù)量提出更高的要求,但仍然沿用之前的內(nèi)部評級法度量最低經(jīng)濟資本。Goody(2003)[4]認(rèn)為ASRF 模型假設(shè)過于苛刻,此后國內(nèi)外學(xué)者對經(jīng)濟資本計量方法進行了調(diào)整。Pykhtin(2004)[5]首次將ASRF 模型擴展為多因子模型,使用各個部門的系統(tǒng)風(fēng)險因子來描繪不同部門的系統(tǒng)風(fēng)險,以此來解決存在行業(yè)集中風(fēng)險時ASRF 模型低估經(jīng)濟資本的問題;在多因子模型的基礎(chǔ)上,Cespedes(2006)[6]構(gòu)建擴散因子,提出了擴散因子模型。國內(nèi),姚奕和杜音穎(2007)[7]解讀了銀行所需資本的計提公式和計提方法;楊繼光和劉海龍(2009)[8]、秦學(xué)志(2012)[9]通過梳理國外學(xué)者使用的多因子模型、二項式擴展技術(shù)和擴散因子模型,介紹這三種模型的計算方法及其應(yīng)用范圍,但僅僅停留在理論上的公式推導(dǎo),沒有使用銀行數(shù)據(jù)進行具體分析。
從目前國內(nèi)對經(jīng)濟資本的研究現(xiàn)狀看,理論多于實證,對大型國有銀行的研究多于對中小商業(yè)銀行的研究。由于城市商業(yè)銀行有其自身發(fā)展的優(yōu)劣勢,在其信貸組合中常常存在信貸集中風(fēng)險,因此本文重點研究城市商業(yè)銀行的經(jīng)濟資本計量問題。首先以代表性的寧波銀行為例,分析了其信貸集中風(fēng)險問題,然后利用二項式擴展技術(shù)對北京銀行和寧波銀行的經(jīng)濟資本進行測算,以期從量化的角度指導(dǎo)城市商業(yè)銀行加強風(fēng)險管理,提高抗風(fēng)險的能力。
商業(yè)銀行的信貸風(fēng)險集中度分為客戶集中度、行業(yè)集中度以及傳染集中度三種。學(xué)術(shù)界主要采用HHI 指數(shù)方法來計量信貸組合的客戶集中度;行業(yè)集中度是計量貸款組合的行業(yè)或地區(qū)不均勻分布產(chǎn)生的風(fēng)險,如果用RCα表示α 行業(yè)的行業(yè)集中度,可以利用下面的公式(1)度量。
具體的指標(biāo)見李淑錦和呂全(2013)[10]。傳染集中度是計量由于雙邊交易關(guān)系而相互關(guān)聯(lián)企業(yè)的貸款集中所產(chǎn)生的風(fēng)險,由于其度量涉及到的變量較多,計算方法復(fù)雜,數(shù)據(jù)難以收集,本文在研究經(jīng)濟資本配置時忽略了該集中度風(fēng)險。
為了說明我國城市商業(yè)銀行信貸風(fēng)險集中現(xiàn)狀,本部分僅以寧波銀行的情況加以說明。利用寧波銀行2008—2013年的信貸數(shù)據(jù),用HHI 指數(shù)對客戶集中度進行測算,結(jié)果顯示,在此期間寧波銀行信貸投放于前十大客戶的比重不大,HHI 指數(shù)值較小,且存在逐年下降的趨勢,說明其客戶集中風(fēng)險較小。
根據(jù)公式(1)測算了2008—2013年寧波銀行信貸組合的行業(yè)集中度,具體的結(jié)果見李淑錦和呂全(2013)[10]。結(jié)果發(fā)現(xiàn)在2008—2013年寧波銀行信貸投放主要集中在制造業(yè)、租賃和商務(wù)服務(wù)業(yè)、批發(fā)和零售業(yè)以及房地產(chǎn)業(yè),其行業(yè)集中度水平一直較高,采礦業(yè),公共管理、社會保障和社會組織以及文化、體育和娛樂業(yè)等行業(yè)的集中度水平始終較低,充分說明我國城市商業(yè)銀行信貸資產(chǎn)存在行業(yè)集中的風(fēng)險。
經(jīng)濟資本是商業(yè)銀行為了管理信貸風(fēng)險而需要的一種資本,銀行必須確保擁有充足的經(jīng)濟資本以預(yù)防非預(yù)期的損失。新《巴塞爾協(xié)議》的主要創(chuàng)新就是利用內(nèi)部評級法中的漸進單因子模型來計算商業(yè)銀行的經(jīng)濟資本。
該模型做了兩個關(guān)鍵假設(shè):(a)銀行信貸組合是無限粒度的;(b)只有一個系統(tǒng)風(fēng)險來源。在特殊風(fēng)險因子獨立以及(a)與(b)假設(shè)下,經(jīng)濟資本的計算公式為
其中,EADi表示第i 筆貸款的違約暴露,LGDi表示第i 筆貸款的違約損失率,N 和G 分別表示標(biāo)準(zhǔn)正態(tài)分布的分布函數(shù)及其反函數(shù),是信貸資產(chǎn)平均違約概率,K 是信貸資產(chǎn)數(shù)目,1-α 為置信水平,而
表示組合中資產(chǎn)的平均相關(guān)系數(shù)。
由模型的兩個假設(shè)可知,ASRF 模型沒有把信貸集中風(fēng)險納入其中考慮。
當(dāng)銀行的信貸組合存在行業(yè)集中度風(fēng)險時,對經(jīng)濟資本的配置,學(xué)術(shù)界常用的理論模型主要有三種:多因子模型,擴散因子模型以及二項式擴展技術(shù)方法。多因子模型能準(zhǔn)確地度量貸款組合因行業(yè)集中風(fēng)險而需要額外計提的經(jīng)濟資本,但該模型計算復(fù)雜,且同ASRF 模型一樣是基于漸進計算,比較適合大型國有銀行;擴散因子模型也是在ASRF 模型的基礎(chǔ)上計算調(diào)整后的經(jīng)濟資本,但需要通過模擬的方法獲得擴散因子等參數(shù),得到的結(jié)果也會存在精確度不高的問題;二項式擴展技術(shù)方法通過直接對銀行的信貸資產(chǎn)進行劃分和加總,更適合規(guī)模相對較小的、存在行業(yè)集中風(fēng)險的銀行對經(jīng)濟資本的計量,因此,本文選取二項式擴展技術(shù)作為城市商業(yè)銀行的經(jīng)濟資本計量方法。
1.二項式擴展技術(shù)的基本原理
李紅俠(2010)[11]介紹了二項式擴展技術(shù),該方法假設(shè)信貸組合中的資產(chǎn)服從二項分布,且信貸組合中的資產(chǎn)具有同質(zhì)性和獨立性,即每個借款者擁有相同的違約率PD,風(fēng)險暴露EAD 和違約損失率LGD,并且各借款者相互獨立。然而,銀行信貸組合中資產(chǎn)是彼此相關(guān)的。對此,需對資產(chǎn)池中的資產(chǎn)經(jīng)過一定的處理,將其分為D 類,構(gòu)造一個與原始資產(chǎn)池具有一致特征的理想化資產(chǎn)池,這樣就可以使用二項式擴展技術(shù)計算出理想資產(chǎn)池的損失分布和經(jīng)濟資本,以理想資產(chǎn)池的經(jīng)濟資本代替現(xiàn)實的經(jīng)濟資本。計算過程中所涉及到的變量主要有行業(yè)相關(guān)系數(shù)、信貸資產(chǎn)池的分集評分D、各個行業(yè)的違約率以及違約損失率等。
2.二項式擴展技術(shù)的步驟
(1)違約率PD 的估計
信貸違約可以定義為在某一時期內(nèi)無法足額歸還銀行貸款本金及利息的行為。有關(guān)違約率的計算,有歷史數(shù)據(jù)統(tǒng)計法和市場數(shù)據(jù)期權(quán)法。根據(jù)新《巴塞爾協(xié)議》規(guī)定和我國銀行業(yè)實際情況,本文將貸款逾期時間在3 個月以上的貸款和由于借款人財務(wù)狀況惡化,或無力還款而對借款合同還款條款作出調(diào)整的那類重組貸款作為違約貸款。因此,違約率的計算公式可以簡單地表示為:
(2)違約損失率LGD 的估計
違約損失率是指債務(wù)人一旦違約將給債權(quán)人造成的損失比例,反映的是貸款損失的嚴(yán)重程度。違約損失率的計算方法包括歷史數(shù)據(jù)回歸分析法、單風(fēng)險因素模型估計法和β 分布估計法等。根據(jù)《巴塞爾資本協(xié)議》中內(nèi)部評級初級法的規(guī)定,對非認(rèn)定的抵押品擔(dān)保的公司、主權(quán)和銀行的高級債權(quán)的違約損失率值規(guī)定為45%,對非認(rèn)定的抵押品擔(dān)保的公司、主權(quán)和銀行的次級債權(quán)的違約損失率值規(guī)定為75%,對于有滿足巴塞爾委員會要求的抵押品抵押的貸款,可以根據(jù)委員會提供的公式(見公式5)來求得違約損失率。因此,只需對銀行貸款資產(chǎn)的合理分類,就可以根據(jù)IRB 初級法求得違約損失率。
(3)行業(yè)相關(guān)系數(shù)
行業(yè)的相關(guān)性是影響風(fēng)險集中度和經(jīng)濟資本的關(guān)鍵指標(biāo)。估計行業(yè)相關(guān)性的方法主要有股票價格收益率、信貸違約率和資產(chǎn)收益率。Düllmann(2008)[12]的研究表明,由于違約率歷史數(shù)據(jù)有向下偏斜的特點,用違約率數(shù)據(jù)來估計其相關(guān)性是不準(zhǔn)確的,用資產(chǎn)收益的相關(guān)性來估計將更加有效。
(4)信貸資產(chǎn)池的分集評分
分集評分的原理是構(gòu)造理想的資產(chǎn)組合,復(fù)制出原始資產(chǎn)池的違約損失情況。分集評分體現(xiàn)了原始資產(chǎn)池中各行業(yè)資產(chǎn)的風(fēng)險集中程度。其計算公式為:
其中,RCi表示行業(yè)i 的風(fēng)險集中度,pi表示行業(yè)i 的違約概率,ρij表示行業(yè)i 和行業(yè)j 之間的相關(guān)系數(shù),EAD 表示違約暴露,K 為行業(yè)總數(shù)。
(5)理想資產(chǎn)池的違約分布及累積分布
在分集評分的基礎(chǔ)上,得出理想資產(chǎn)池的違約分布及其累計分布,其基本計算公式為:
其中,PDj為D 類資產(chǎn)中有j 類同時違約的概率,是資產(chǎn)的平均違約概率。
(6)預(yù)期損失EL 和非預(yù)期損失UL
預(yù)期損失是銀行預(yù)期在特定時期內(nèi)資產(chǎn)可能遭受的平均損失EL;非預(yù)期損失是商業(yè)銀行在一定的置信水平下最大損失超過預(yù)期損失值的部分,結(jié)合上文公式,可得非預(yù)期損失為:
從以上公式中看出,非預(yù)期損失與分集評分D、行業(yè)風(fēng)險集中度、違約暴露、違約概率以及違約損失率的大小有關(guān)。蔣建芳(2007)[13]認(rèn)為非預(yù)期損失是損失分布的標(biāo)準(zhǔn)差,而經(jīng)濟資本是通過計量非預(yù)期損失得到的,那么抵消這種損失所要求的資本可以描述為經(jīng)濟資本。因此,本文同樣以非預(yù)期損失作為經(jīng)濟資本的同義詞,認(rèn)為在風(fēng)險的控制和監(jiān)管上,非預(yù)期損失等于經(jīng)濟資本。
1.研究對象和時間跨度的選擇。本文選取寧波銀行和北京銀行作為研究對象,其資產(chǎn)規(guī)模處于城市商業(yè)銀行的第一梯隊,在當(dāng)?shù)鼐哂休^高的影響力,代表性較強。此外,寧波銀行和北京銀行屬于上市公司,信息披露較完整,有利于進一步研究。本文選取的研究年份為兩家銀行上市之后若干年,即2008年至2013年。
2.行業(yè)的選取。本文按照國民經(jīng)濟行業(yè)分類標(biāo)準(zhǔn)對銀行的貸款客戶進行分類,選取貸款發(fā)放量最大的19 個行業(yè)(見表1)。
表1 商業(yè)銀行貸款客戶的主要行業(yè)分布
3.本文的數(shù)據(jù)來源包括2008年至2013年寧波銀行和北京銀行的年度報告和財務(wù)報表等披露的信息,《中國統(tǒng)計年鑒》,《中國金融統(tǒng)計年鑒》以及和訊財經(jīng)等網(wǎng)站。
本文以2013年寧波銀行和北京銀行的真實貸款數(shù)據(jù)為樣本,運用二項式擴展技術(shù),測算兩家銀行平均違約概率,平均違約損失率,各行業(yè)的相關(guān)系數(shù)以及分集評分D,獲得原始信貸資產(chǎn)池的損失分布,最終測算出2008年至2013年銀行需要的經(jīng)濟資本。
1.平均違約率和平均違約損失率
信貸資產(chǎn)組合的平均違約率由各行業(yè)的違約率根據(jù)風(fēng)險暴露比重加權(quán)平均獲得,平均違約損失率根據(jù)銀行貸款資產(chǎn)的抵押情況加權(quán)平均獲得。利用公式(4)、(5)和兩家銀行年報披露的數(shù)據(jù),計算出寧波銀行2013年的平均違約概率為0.74%,平均違約損失率為0.503 3;北京銀行2013年的平均違約概率為0.51%,平均違約損失率為0.571 5。
2.關(guān)于行業(yè)相關(guān)性
行業(yè)相關(guān)性是影響行業(yè)風(fēng)險集中度的關(guān)鍵指標(biāo),本文采用資產(chǎn)收益率來度量行業(yè)相關(guān)性。結(jié)果表明,房地產(chǎn)業(yè)與住宿和餐飲業(yè),教育與住宿和餐飲業(yè)、房地產(chǎn)業(yè)、水利、環(huán)境和公共設(shè)施管理業(yè)這幾個行業(yè)之間的相關(guān)性相對較強,說明銀行貸款行業(yè)的分布對風(fēng)險分散作用較弱。
3.資產(chǎn)池的分集評分
由于城市商業(yè)銀行信貸組合的行業(yè)集中度較高,而這些行業(yè)的相關(guān)性較強,所以本文采用分集評分的思想來構(gòu)建理想資產(chǎn)池。根據(jù)公式(6)以及行業(yè)相關(guān)系數(shù),計算得到寧波銀行和北京銀行信貸資產(chǎn)池的分集評分D 為9 和11。
4.理想資產(chǎn)池的違約分布及預(yù)期損失
運用二項式擴展技術(shù)測算理想資產(chǎn)池的信貸違約分布,進而計算資產(chǎn)池的損失分布。根據(jù)公式(7)和(8),計算得到的理想資產(chǎn)池的違約損失以及信貸組合的預(yù)期損失如表2 和表3所示。因為理想資產(chǎn)池的損失分布近似代表了原始資產(chǎn)池的違約損失情況,這樣,就可以根據(jù)理想資產(chǎn)池違約損失狀況對原始資產(chǎn)池的信用質(zhì)量做出判斷。
例如,寧波銀行的信貸資產(chǎn)均不發(fā)生違約的概率為93.5%,有一項發(fā)生違約的概率為6.31%,違約后的損失額度為41 600 萬元,有2 項發(fā)生違約的概率為0.19%,違約后的損失額度為2 494 萬元,有3項發(fā)生違約的概率為0.01%,違約后的損失額度約為65 萬元,如此類推,測算出寧波銀行的預(yù)期損失額為44 160 萬元。同理,根據(jù)表3 可以得出北京銀行的預(yù)期損失為119 017 萬元。
表2 寧波銀行理想資產(chǎn)池的違約損失情況(2013年)
表3 北京銀行理想資產(chǎn)池的違約損失情況(2013年)
5.經(jīng)濟資本的比較
按照巴塞爾協(xié)議對置信水平的規(guī)定,置信水平1-α 設(shè)為99.9%。根據(jù)ASRF 模型的計算公式(2)和二項式擴展技術(shù)的計算公式(9),結(jié)合表2 和表3 中的違約分布情況,分別計算兩家銀行2008年至2013年的經(jīng)濟資本,兩種模型計算結(jié)果如表4 和表5所示。
表4 2008-2013年寧波銀行的經(jīng)濟資本
表5 2008-2013年北京銀行的經(jīng)濟資本
結(jié)果表明,運用ASRF 模型計算的經(jīng)濟資本小于利用二項式擴展技術(shù)得出的經(jīng)濟資本,這正是因為城市商業(yè)銀行信貸投放的行業(yè)集中度比較明顯,而ASRF 模型并沒有考慮這部分風(fēng)險,故低估了銀行所需的經(jīng)濟資本。此外,表4 和表5 中北京銀行和寧波銀行歷年的貸款損失準(zhǔn)備小于相應(yīng)年份銀行所需的經(jīng)濟資本,說明銀行的損失準(zhǔn)備不足以應(yīng)付面臨的風(fēng)險,一旦發(fā)生貸款違約,銀行可能會陷入困境。
信貸集中風(fēng)險與經(jīng)濟資本的計量和管理是一個值得深入研究的課題。由于國內(nèi)城市商業(yè)銀行的經(jīng)濟資本管理整體水平不高,并且銀行普遍存在披露數(shù)據(jù)質(zhì)量不高的問題,因此信貸集中風(fēng)險和經(jīng)濟資本的計量仍是商業(yè)銀行信貸風(fēng)險資本管理中的一大難點。
本文結(jié)合新《巴塞爾協(xié)議》中的漸進單因子模型,重點介紹考慮行業(yè)集中風(fēng)險因素的二項式擴展技術(shù),運用這兩種方法分別對2008年至2013年間寧波銀行和北京銀行的經(jīng)濟資本進行測算。結(jié)果表明基于ASRF 模型計算的經(jīng)濟資本低于基于二項擴展技術(shù)計算的經(jīng)濟資本,說明行業(yè)集中風(fēng)險的存在使商業(yè)銀行需要更多的經(jīng)濟資本來抵御可能的信用風(fēng)險;而且,銀行計提的貸款損失準(zhǔn)備不能抵御銀行潛在的風(fēng)險。
我國城市商業(yè)銀行應(yīng)該加快完善其公司治理機制,建立健全信用風(fēng)險管理體系,加強經(jīng)濟資本管理理念和人才的培養(yǎng),實施以風(fēng)險集中為基礎(chǔ)的經(jīng)濟資本管理,提高其抗風(fēng)險的能力。
[1]褚應(yīng)前,秦海坤.對縣域經(jīng)濟信貸集中的思考[J].金融縱橫,2002(10):29-30.
[2]趙宇翔.基于違約率的銀行信貸風(fēng)險集中度研究[J].金融發(fā)展研究,2008(6):30-33.
[3]Basel Committee on Banking Supervision.International Convergence of Capital Measurement and Capital Standards:A Revised Framework[J/OL].2004-05-31].www.bis.org.
[4]Gordy.A Risk-Factor Model Foundation for Ratings-Based Bank Capital Rules[J].Journal of Financial Intermediation,2003(12):199-232.
[5]Pykhtin.Multi-factor Adjustment[J].Risk,2004(8):85-90.
[6]Cespedes.A Simple Multi-Factor“Factor Adjustment”for the Treatment of Diversification in Credit Capital Rules[C].Basel:BIS press,2006.
[7]姚奕,杜音穎.解讀巴塞爾新資本協(xié)議資本計提的原則和方法[J].新金融,2007(3):33-37.
[8]楊繼光,劉海龍.商業(yè)銀行組合信用風(fēng)險經(jīng)濟資本測度方法研究[J].金融研究,2009(4):143-158.
[9]秦學(xué)志,魏強,胡友群.信貸組合集中度風(fēng)險計量模型綜述[J].現(xiàn)代管理科學(xué),2012(1):23-24.
[10]Li Shujin,Lv Quan.Study on credit concentration of city commercial bank in ZheJiang province[J].Proceeding of 2013 International Conference-WTO &Financial Engineering,2013(9):307-313.
[11]李紅俠.商業(yè)銀行貸款集中度風(fēng)險的計量模型與實證研究[J].海南金融,2010(2):25-29.
[12]Dullmann.Estimating asset correlations from stock prices or default rates –which method is superior?[J].Banking and Financial Studies,2008(4):47-87.
[13]蔣建芳.淺析商業(yè)銀行經(jīng)濟資本管理[J].當(dāng)代經(jīng)濟,2007(7):74-75.