李 賓 覃子岳 藍勇平

一、引言

防范化解重大風險是黨的十九大確定的三大攻堅戰(zhàn)之一。黨的二十大報告指出,建設現(xiàn)代化產(chǎn)業(yè)體系，堅持把發(fā)展經(jīng)濟的著力點放在實體經(jīng)濟上。金融是現(xiàn)代經(jīng)濟的核心，也是推動實體經(jīng)濟發(fā)展的中堅力量，打好防范化解重大風險的攻堅戰(zhàn)，重點是防控金融風險，尤其是防范系統(tǒng)性金融風險。近年來，通過集中整治，我國金融風險得到了有效遏制，防范化解重大金融風險攻堅戰(zhàn)取得了重要的階段性成果，守住了不發(fā)生系統(tǒng)性金融風險的安全底線。

但我們也應看到，防范化解重大金融風險是我國一項需要長期堅持的任務，必須居安思危。當下和今后一段時期，國際形勢復雜多變，新冠疫情持續(xù)蔓延、氣候環(huán)境問題頻發(fā)，多國推出經(jīng)濟刺激計劃使得通脹壓力加大、資本流動加快，加之國內(nèi)經(jīng)濟仍有下行壓力，大量中小微企業(yè)經(jīng)營困難，實體經(jīng)濟發(fā)展受限。在此背景下，我國金融風險防范仍面臨巨大的挑戰(zhàn)和壓力，需要進一步深化金融供給側改革，加大服務實體經(jīng)濟的力度。商業(yè)銀行作為我國金融體系的主體，信用風險是其最大、最突出的風險。對我國商業(yè)銀行的信用風險管理進行深入研究，既能讓商業(yè)銀行更好地進行內(nèi)部管理從而服務實體經(jīng)濟，也能防止信用和支付體系的崩潰以及金融危機的發(fā)生從而遏制系統(tǒng)性風險。因此，對商業(yè)銀行的信用風險進行有效度量評估及預警極為必要。

本文選取了8家上市全國性股份制商業(yè)銀行為研究對象，主要基于以下原因。第一，股份制商業(yè)銀行的產(chǎn)權結構清晰，股權結構較為分散，經(jīng)營符合市場規(guī)律。第二,“全國性”則說明此類銀行在國內(nèi)網(wǎng)點較多，規(guī)模較大，影響范圍較廣，需兼顧全國各地的經(jīng)濟環(huán)境。第三,“上市”表明此類全國性股份制商業(yè)銀行已經(jīng)在證券交易所掛牌上市，而本文選取的8家股份制銀行都在2011年之前上市，具有豐富的上市企業(yè)管理經(jīng)驗，對證券市場較為熟悉，其信息更透明，管理更規(guī)范，數(shù)據(jù)更能反映復雜多變的市場狀況。因此，研究上市全國性股份制商業(yè)銀行信用風險的度量和評價，對其他商業(yè)銀行的信用風險管理具有較高的參考和借鑒價值。

二、研究綜述

(一)國外研究綜述

國外學者研究的側重點主要在信用風險度量模型的建立，以及多個模型的對比和選擇上。20世紀90年代中期，J.P.摩根推出了CreditMetrics模型用于對信用風險的度量和管理。該模型是在VAR模型的理論基礎上建立起來的，企業(yè)的信用等級是CreditMetrics模型中唯一的變量，數(shù)值呈離散型分布。CreditMetrics模型能夠測算出企業(yè)信用等級轉變的概率，并將其整理成信用等級遷移矩陣，從而預測企業(yè)的違約概率。瑞士信貸銀行于1997年推出了CreditRisk+模型。與使用資產(chǎn)價值波動作為驅動因素的CreditMetrics模型不同，CreditRisk+模型只考慮違約風險，不對違約原因進行假設。1997年，美國舊金山KMV公司建立了KMV模型，用于評估借款企業(yè)的違約概率。該模型結合了期權定價理論，將企業(yè)股權當作一種看漲期權，以企業(yè)資產(chǎn)作為執(zhí)行標的，以企業(yè)負債作為執(zhí)行價格，計算出違約距離和違約概率，從而對企業(yè)信用風險進行評估。此后，巴塞爾銀行監(jiān)管委員會(1999)、Gordy(2000)、Derbali和Hallara(2012)先后對CreditMetrics、CreditRisk+、KMV等多個信用風險度量模型在其結果準確性、有效性、適用性、實踐性等方面進行了深入的對比分析，提出KMV模型的評估結果與其他度量模型相似，且能夠反映大多數(shù)國家的現(xiàn)實市場，具有客觀性和動態(tài)性，能夠較好地與監(jiān)管相結合。

(二)國內(nèi)研究綜述

國內(nèi)學者關于KMV理論的研究則主要從模型的適用性、模型的修正和模型在商業(yè)銀行中的具體應用這三個方面入手。在模型適用性方面，張玲等(2004)將KMV模型的理論與其他信用風險評價模型進行了對比，認為使用KMV模型更能反映市場情況，用于評估上市企業(yè)的信用風險更為適用。在模型的修正方面，蔣書彬(2016)通過動態(tài)方法對最優(yōu)違約距離進行了估計，并將其結果與原始KMV模型的測量結果相比較，最終發(fā)現(xiàn)經(jīng)動態(tài)修正后的KMV模型更適用于度量商業(yè)銀行信用風險。在商業(yè)銀行中的具體應用方面，凌江懷和劉燕媚(2013)使用KMV模型對我國10家上市銀行進行測算后發(fā)現(xiàn)，運用KMV模型計算得出的銀行違約概率與信用評級機構對商業(yè)銀行的信用評級相符合。李晟和張宇航(2016)將面板數(shù)據(jù)和KMV模型相結合，對違約距離的影響因素進行了回歸分析，發(fā)現(xiàn)我國國有商業(yè)銀行的抗風險能力相對較強，信用風險總體偏低。

(三)現(xiàn)代信用風險度量模型在我國的適用性評價

經(jīng)過眾多學者的多年研究發(fā)現(xiàn)，修正后的KMV模型能夠克服其他信用風險度量模型的應用障礙和劣勢，也符合國情，因此，在我國具有較好的適用性。首先，我國應用CreditMetrics模型存在以下障礙：第一，國內(nèi)的商業(yè)銀行體系缺乏一個完備的歷史違約數(shù)據(jù)庫；第二，國內(nèi)目前仍沒有類似穆迪公司和標準普爾公司的權威性評級機構提供具體的信用評級數(shù)據(jù)；第三，國內(nèi)還沒有完全實現(xiàn)利率市場化，因此很難估計國內(nèi)商業(yè)銀行信貸資產(chǎn)的現(xiàn)值。由此可見，依賴銀行內(nèi)部評價系統(tǒng)的CreditMetrics模型在國內(nèi)并不適用。其次，CreditRisk+模型在我國的應用也存在困難。CreditRisk+模型中的一個基本指標是債務人的違約概率，但我國的信用風險量化管理水平有待提高，難以計算違約概率的參數(shù)，因此，該模型在國內(nèi)難以實踐。

和其他模型相比，KMV模型的優(yōu)勢如下。第一，在我國股權交易制度逐漸完善的條件下，企業(yè)的股票價格能夠較好地反映其運營狀況。因此，我國基本具備KMV模型的實際應用條件。第二，KMV模型所需數(shù)據(jù)容易獲得，模型操作簡易，較為實用。第三，修正后KMV模型的評價結果符合國情，較為客觀公正且準確。全國性股份制商業(yè)銀行作為我國銀行業(yè)的上市公司，結合以上三點優(yōu)勢不難看出KMV模型對全國性股份制商業(yè)銀行的信用風險評價具有較好的適用性。

三、我國上市全國性股份制商業(yè)銀行信用風險度量的實證分析

(一)KMV模型的原理

KMV模型的前提假設主要包括以下四點。第一，市場無摩擦，無風險利率不變動，股票無須支付股利，證券不存在套利的機會且證券交易具有連續(xù)性。第二，當債務人的資產(chǎn)市場價值高于債務價值時，不發(fā)生違約；反之，則會發(fā)生違約。第三，企業(yè)的資本構成包括所有者權益、短期負債、長期負債和可轉換優(yōu)先股。第四，借款人的資產(chǎn)收益呈現(xiàn)正態(tài)分布規(guī)律，公司的市場價值服從布朗運動。

KMV模型的基本思路：首先，可根據(jù)上市銀行的股票價格，計算股權價值和股權價值波動率；其次，根據(jù)銀行的流動性負債和非流動性負債設置違約點；然后，通過期權定價公式，將股票價值和股權價值波動率進行反推得出上市銀行所擁有的資產(chǎn)市場價值和波動率；接著，根據(jù)所獲得的銀行資產(chǎn)市場價值、資產(chǎn)價值的波動率、違約點以及無風險利率計算銀行的違約距離；最后，根據(jù)正態(tài)分布累積函數(shù)，利用歷史違約數(shù)據(jù)庫來反映銀行的違約概率。

(二)對我國上市全國性股份制商業(yè)銀行信用風險的度量

1.樣本數(shù)據(jù)的選取

本文選取的樣本是在2011年之前上市的8家全國性股份制商業(yè)銀行，具體包括浦發(fā)銀行、民生銀行、興業(yè)銀行、中信銀行、華夏銀行、平安銀行、招商銀行、光大銀行，對其2011～2021年的信用風險狀況進行分析。模型計算中所運用的數(shù)據(jù)均來源于Wind數(shù)據(jù)庫以及各銀行的官方年度報告。

2.模型參數(shù)的計算

依據(jù)KMV模型，我們需要獲得的數(shù)據(jù)及其含義如表1所示。

表1 參數(shù)含義及狀態(tài)

續(xù)表

(1)股權價值VE的計算。本文通過Wind數(shù)據(jù)庫收集了8家銀行2011～2021年每年最后一個交易日A股和H股的股票收盤價、A股和H股的總股本、企業(yè)的非流通股市場價值來計算商業(yè)銀行每一年的股權價值。

(2)股權價值波動率σE的計算。本文通過Wind數(shù)據(jù)庫收集了8家上市銀行2011～2021年的每日股票價格，計算各商業(yè)銀行的日對數(shù)收益率、日收益率的波動率，最終得到各商業(yè)銀行每年的股權價值波動率。

(3)負債總額、無風險利率和債務期限。各銀行的負債總額通過查詢企業(yè)年報數(shù)據(jù)所得。選取中國人民銀行公布的2011～2021年的一年期整存整取利率作為無風險利率rf。根據(jù)一個會計區(qū)間等于一年，將債務期限設定為T=1。

(4)資產(chǎn)價值VA及資產(chǎn)價值波動率σA。各銀行的資產(chǎn)價值VA及資產(chǎn)價值波動率σA通過MATLAB程序求得。各銀行的資產(chǎn)價值VA如表2所示，各銀行的資產(chǎn)價值波動率σA如表3所示。

表2 2011～2021年8家上市全國性股份制商業(yè)銀行的資產(chǎn)價值 單位：億元

表3 2011～2021年8家上市全國性股份制商業(yè)銀行的資產(chǎn)價值波動率

續(xù)表

從表2可知，各銀行的資產(chǎn)價值都在逐年增加，其中招商銀行的增幅最大。根據(jù)表3得知，2011～2021年，8家銀行的資產(chǎn)價值波動率都有所增減，且不完全同步。

3.度量結果

(1)違約點的確定。本文選取企業(yè)債務總額作為違約點，即DTP=D。

(2)違約距離和違約概率的計算。通過Excel函數(shù)進行求解，得到各個銀行每年的違約距離(DD)和違約概率(EDF)，如表4和表5所示。

表4 2011～2021年8家上市全國性股份制商業(yè)銀行的違約距離

表5 2011～2021年8家上市全國性股份制商業(yè)銀行的違約概率

4.實證檢驗

本部分主要針對上文運用KMV模型對我國股份制商業(yè)銀行進行信用風險度量的結果進行實證檢驗。首先，確定被解釋變量、核心解釋變量和控制變量，并對上文分析的8家股份制商業(yè)銀行2011～2021年的各項變量進行描述性統(tǒng)計，并討論其經(jīng)濟意義。其次，考慮到不同股權價值波動率對信用風險影響的異質性，將樣本進行分組回歸并做異質性檢驗。最后，采用補充變量法、分樣本回歸法、一階滯后處理，進行穩(wěn)健性檢驗。主要變量如表6所示。

表6 主要變量及符號

(1)變量的描述性統(tǒng)計。本文選取了8家股份制商業(yè)銀行2011～2021年的數(shù)據(jù)，合計88條樣本量。主要變量的描述性統(tǒng)計如表7所示。測算結果表明，這8家銀行2011～2021年的資產(chǎn)價值、股權價值、負債總額波動較大，說明上述指標對外界風險影響因素變化較為敏感，從而影響了商業(yè)銀行信用風險的穩(wěn)定性。但違約概率則相對穩(wěn)定，說明商業(yè)銀行信用風險的波動仍在可控范圍內(nèi)。

表7 變量的描述性統(tǒng)計

(2)相關性分析。如表8所示，違約概率與違約距離的相關系數(shù)為-0.9992，呈負相關關系，絕對值接近1，除此之外，其他變量之間對應相關系數(shù)的絕對值均小于1。從實證分析的結果看，這對模型的檢驗并無影響，可以保留。

表8 變量的相關性分析

(3)基本回歸。在模型有效的基礎上，本文通過Stata對面板固定效應模型進行回歸分析，結果如表9所示。我們可從回歸結果看出，股權價值波動率對于違約概率的結果在1%的水平上顯著，且回歸系數(shù)為0.44766346，這就表明股權價值波動率對于違約概率存在著正向的顯著影響。股權價值波動率每增加1個單位，對違約概率產(chǎn)生的總效用為0.10589612。上市商業(yè)銀行的股權價值波動率越高，違約概率就越大，信用風險越高。接下來，可以把股權價值波動率作為變量，進行分組的異質性檢驗。

表9 基本回歸分析

(4)異質性檢驗。(1)因篇幅所限，異質性分析結果未能展示。若有需要，可聯(lián)系作者索取。為了防止構建的線性模型在全樣本條件下出現(xiàn)偽回歸的情況，我們對模型進行了異質性檢驗。結合上文，根據(jù)股權價值波動率進行分組，設置了虛擬變量hrs，以σE=0.2為界，將樣本分為兩組(即hrs=1，股權價值波動率σE在0～0.2之間；hrs=2，股權價值波動率σE在0.2～1之間)，并對這兩組樣本進行分組回歸。

從分組回歸結果來看，在股權價值波動率為0～0.2的情況下，股權價值波動率對于違約概率的影響依舊是正向顯著的；在股權價值為波動率為0.2～1的情況下，股權價值波動率對于違約概率的影響也是在1%的水平上高度顯著的，且為正向效用。由此可知，模型的異質性檢驗通過。

(5)穩(wěn)健性檢驗。(2)因篇幅所限，穩(wěn)健性檢驗結果未能展示。若有需要，可聯(lián)系作者索取。為了防止模型存在遺漏變量，我們在模型中加入了負債總額D、資產(chǎn)價值波動率σA兩個控制變量，分別進行了混合、分樣本回歸。為了防止模型存在內(nèi)生性問題，再對核心解釋變量進行一階滯后處理并做回歸。結果表明，采用補充變量法、分樣本回歸法、一階滯后處理，核心解釋變量對于被解釋變量均顯著，穩(wěn)健性檢驗通過。說明本文采用的KMV模型對股份制商業(yè)銀行進行信用風險度量，其結果穩(wěn)定可靠。

(三)基于樣本對我國上市全國性股份制商業(yè)銀行信用風險的分析

1.無風險利率與商業(yè)銀行信用風險呈正相關關系

2011～2021年，中國人民銀行的定期存款率呈逐年下調趨勢。如果將無風險利率從1.5%替換為3%進行計算，與原來相比，商業(yè)銀行的違約距離相對縮小，違約概率相對變大。這表明，我國無風險利率的降低，可以有效地降低商業(yè)銀行信用風險。

2.不同時期的違約距離呈階段性波動

2011～2021年，各銀行的違約距離仍有一定幅度的波動(見表4)。這說明商業(yè)銀行的不良貸款會階段性地出現(xiàn)一些增減，信用風險也會階段性出現(xiàn)波動，這與外部經(jīng)濟環(huán)境變化有關，但只要把它控制在一個合理的范圍內(nèi)，市場就不用過分擔心。

3.股份制商業(yè)銀行間的違約距離存在差距

根據(jù)表4中的數(shù)據(jù)，可求出每年所有股份制商業(yè)銀行違約距離的平均值，結果如表10所示。

表10 2011～2021年違約距離的平均值

通過對比表4和表10，發(fā)現(xiàn)招商銀行、光大銀行、民生銀行和中信銀行基本每年的違約距離都大于當年的平均違約距離，表明招商銀行、光大銀行、民生銀行和中信銀行的信用風險處于全國性股份制商業(yè)銀行的平均水平之下，銀行的內(nèi)部風險管理工作較為出色；而平安銀行和浦發(fā)銀行基本每年的違約距離都小于當年的平均違約距離，說明這些銀行的信用風險大于全國性股份制商業(yè)銀行的平均水平，銀行的風險管理工作有待改進。

4.股份制商業(yè)銀行信用風險高于國有商業(yè)銀行

下面將參照標準普爾公司公布的信用評級與違約概率對應關系，對2011～2021年8家股份制商業(yè)銀行進行信用評級。由于標準普爾公司是根據(jù)美國的歷史數(shù)據(jù)計算得出的結果，年份過早，且與我國現(xiàn)狀有較大差異。因此，本文對標準普爾公司信用評級與KMV的EDF值映射關系進行了調整，使其區(qū)間范圍更廣，評級結果適用性更高。調整后如表11所示。

表11 調整后的信用評級與EDF值的映射關系

續(xù)表

結合表11，對8家股份制商業(yè)銀行從2011年至2021年進行信用評級，結果如表12所示。

表12 2011～2021年8家上市全國性股份制商業(yè)銀行的信用評級

從表12可以看出，2016～2021年8家股份制商業(yè)銀行的信用等級與2011～2015年相比總體提高，說明商業(yè)銀行的信用風險水平整體下降，這與前文分析商業(yè)銀行的違約距離時所得出的結論相同?，F(xiàn)實中，標準普爾公司僅對浦發(fā)銀行和民生銀行做出了2015～2021年的信用評級，結果發(fā)現(xiàn)，本文中對浦發(fā)銀行和民生銀行的信用評級大體上與標準普爾公司的評級一致，這也從側面體現(xiàn)了KMV模型的有效性。

表13是標準普爾公司對中國四大國有商業(yè)銀行2015～2021年的信用評級數(shù)據(jù)。

表13 2015～2021年四大國有商業(yè)銀行的信用評級

通過對比表12和表13，可明顯看出我國四大國有商業(yè)銀行的信用評級要高于8家股份制商業(yè)銀行。這也說明，國有大型商業(yè)銀行的信用風險整體要低于股份制商業(yè)銀行，且更加穩(wěn)定。

四、結論與建議

(一)研究結論

1.多因素疊加導致股份制商業(yè)銀行信用風險階段性波動

2011～2021年，股份制商業(yè)銀行信用風險呈階段性波動，造成這一現(xiàn)象的原因可能與外部經(jīng)濟環(huán)境、我國經(jīng)濟新常態(tài)和供給側結構性改革、新冠疫情暴發(fā)等風險有關。在2008年的金融危機波及全球時，中國采取了積極的財政政策，實現(xiàn)了國內(nèi)經(jīng)濟的快速復蘇。由此，我國商業(yè)銀行的信用風險呈下降趨勢。但經(jīng)濟刺激政策的不良影響開始顯現(xiàn)，國內(nèi)一些高污染、高能耗產(chǎn)業(yè)出現(xiàn)產(chǎn)能過剩的情況，由于行業(yè)不景氣，許多企業(yè)難以按時償還銀行貸款，導致銀行不良貸款率迅速攀高，銀行的信用風險也持續(xù)增加。2015年末，我國政府提出實行供給側結構性改革，控制產(chǎn)能過剩，推進國有企業(yè)從“量”高轉變?yōu)椤百|”好。隨著改革的持續(xù)推進，2016年，我國商業(yè)銀行的不良貸款率持續(xù)下降，違約距離也在變大，這表明商業(yè)銀行的信用風險在逐步變小。但在經(jīng)濟換擋期內(nèi)，銀行業(yè)不良貸款的壓力還將持續(xù)數(shù)年，各銀行的違約距離仍有一定幅度的波動，且每家銀行對風險因素的敏感度不同，易導致波動幅度各異。但只要把它控制在一個合理的范圍內(nèi)，市場就不用過分擔心。2020年新冠肺炎疫情暴發(fā)之后，銀行業(yè)整體違約距離都有縮小的趨勢，意味著信用風險加大。疫情之下，餐飲住宿、旅游業(yè)等多個行業(yè)均受到重創(chuàng)。大企業(yè)抗風險的能力較強，但對于中小微企業(yè)來說，他們并沒有足夠的資金來填補疫情帶來的經(jīng)濟損失，面臨著收入銳減，資金難以周轉的情況，進而導致它們的經(jīng)營性貸款不良率在短期內(nèi)明顯提高。同時，為支持小微企業(yè)的發(fā)展，2020年中國人民銀行會同相關部門出臺了針對小微企業(yè)的貸款延期還本付息政策和信用貸款支持政策，客觀上加大了各商業(yè)銀行的不良貸款率控制壓力。進入2021年，在全球經(jīng)濟減速，新冠疫情不斷反復、外圍證券市場下跌、國際安全形勢復雜、國內(nèi)經(jīng)濟下行壓力加大等多重負面因素的影響下，我國商業(yè)銀行信用風險進一步加劇。

2.不同的股份制商業(yè)銀行信用風險和穩(wěn)定性存在差異

從上文的信用風險度量結果可知，信用風險相對偏高的是平安銀行和浦發(fā)銀行；信用風險穩(wěn)定性較差的主要是興業(yè)銀行。其原因主要是各個股份制商業(yè)銀行對外界風險因素的敏感度有所不同，加之其內(nèi)部風險管理工作的成效各異，容易導致在同一經(jīng)濟環(huán)境下出現(xiàn)差異較大的風險水平。

3.股份制商業(yè)銀行信用風險高于國有商業(yè)銀行的原因分析

第一，國有大型商業(yè)銀行較早實施了放款審批集中化制度，通過上收基層分支行的貸款權限，集中審核落實，顯著減少了違規(guī)放貸。第二，國有大型商業(yè)銀行業(yè)務系統(tǒng)相對完善，高效的貸款審批系統(tǒng)、信息查詢系統(tǒng)和風險預警系統(tǒng)，防止了越權審批，前瞻性地進行風險管理，提高了放款效率。第三，國有大型商業(yè)銀行較股份制銀行規(guī)模更大，抗風險能力更強，業(yè)務經(jīng)驗更為豐富，管理更完善。在施行寬松貨幣政策的條件下，國有商業(yè)銀行能夠合理地判斷形勢，適度控制信貸額度。但股份制商業(yè)銀行為了在短期內(nèi)增加盈利，更傾向于大幅度擴張信貸，導致信用風險難以控制，銀行資產(chǎn)價值下降。

(二)相關建議

根據(jù)以上結論，本文從外部和內(nèi)部兩個方面來提出相應建議。

1.外部政策建議

第一,完善信用評級體系。一方面要設立類似標準普爾和穆迪公司的本土權威性信用評級機構，能夠提供符合國情的具體信用評級數(shù)據(jù)。另一方面要構建一個龐大的歷史違約數(shù)據(jù)庫，能夠正確反映出KMV模型中的違約距離與違約概率之間的函數(shù)映射關系。此外，還要完善證券市場信息披露制度，確保上市公司股票信息和財務信息的真實準確及時，提高資本市場有效性。上述舉措能為KMV模型在我國的推廣應用奠定堅實的基礎。

第二,健全金融監(jiān)管體制。一方面，對違約概率較大的商業(yè)銀行進行力度更大的流動性監(jiān)管，可通過壓力測試評估信貸資產(chǎn)質量，協(xié)助銀行建立風險預警系統(tǒng)。另一方面，加強對商業(yè)銀行日常運營情況的監(jiān)管，尤其是要重點關注違約概率較大的股份制商業(yè)銀行及其分支機構，謹防其在政策寬松的背景下為了追求業(yè)績增加盈利而降低貸款質量和下調貸款標準，盲目擴大貸款規(guī)模，造成信用風險的增加。

第三,建立逆周期調節(jié)機制和差異化管理機制。在當前經(jīng)濟下行壓力加大的階段，結合各個股份制商業(yè)銀行對外界風險因素敏感度各異的情況，有序調降撥備覆蓋率，適度提高貸款容忍度，緩解股份制商業(yè)銀行的攬儲壓力。

2.內(nèi)部管理建議

第一,優(yōu)化業(yè)務結構。股份制商業(yè)銀行應適時進行業(yè)務轉型，將表外業(yè)務作為新的利潤增長點。以內(nèi)生增長和輕資本為目標，重點拓展表外業(yè)務，增加非利息收入，減少對傳統(tǒng)存貸業(yè)務的依賴性，從而降低由貸款業(yè)務帶來的信用風險。

第二,完善業(yè)務流程。股份制商業(yè)銀行應參考國有大型商業(yè)銀行的經(jīng)驗做法，堅持實施貸款審批集中化制度，減少違規(guī)放貸；將貸前預控、貸中審核、貸后跟蹤的流程進一步細化并落實，對信用風險進行分階段精準防控。

第三,健全風控機制。一方面要加強風險文化建設。轉變業(yè)績考核方式，注重對資產(chǎn)質量和信用風險指標的考核，實施貸后責任制，避免出現(xiàn)為了稀釋不良貸款率而盲目擴大貸款規(guī)模的行為。進行全員風險管理培訓，順暢風控部門和其他各部門之間的溝通渠道，樹立風險管理的企業(yè)文化。另一方面要建立風險預警機制。加大金融科技投入，運用大數(shù)據(jù)、區(qū)塊鏈、云計算、人工智能等科技賦能手段建立風險預警機制。挖掘信用風險數(shù)據(jù)，將貸款流程進行數(shù)字化管理，尤其是對不良貸款占比較高的地區(qū)和行業(yè)進行重點精準防控，提前發(fā)現(xiàn)風險因素，及時發(fā)布預警信號，快速采取管控措施。

第四,組建專業(yè)團隊。信用風險管理包含著大量復雜的理論知識和操作技能，關于信用風險的識別、度量、分析、預警、處置等一系列工作都需要由專業(yè)人士來完成。但目前我國此類人才較為稀缺。股份制商業(yè)銀行的基層信貸員工中有不少都是新人，經(jīng)驗缺乏，專業(yè)性弱、風險意識差。為此，應當在加強基層專業(yè)培訓的同時，借鑒大型國有商業(yè)銀行的經(jīng)驗，組建一個貫穿基層員工、風控部門、高層管理的由下至上的專業(yè)信用風險管理團隊，結合內(nèi)部培訓和外部引進，借助風險收益人事薪酬制度，提升股份制商業(yè)銀行信用風險管理的內(nèi)在動力和工作效率。