第三節 重難點
信用風險監測與報告
22. 本節的學習目的
答:一. 信用風險監測對象
二. 信用風險監測主要指標
三. 信用風險預警
四. 信用風險報告
信用風險的監測對象的方法,包括
(1)客戶風險的監測,例如理解
客戶風險的監測可借助5C法、客戶信用評級、貸款分類、信用評分等方法
巴塞爾新資本協議強調,內部風險評級是監測和控制單個風險的重要工具
(2)而對組合風險的監測,主要有兩種方法,一種是傳統的銀行資產組合限額管理方法;一種是模型方法。
信用風險監測的主要指標
風險監測指標體系是非現場監測的關鍵,通常包括潛在指標和顯現指標兩大類。前者主要用于對潛在因素或征兆信息的定量分析;后者則用于顯現因素或現狀信息的定量化。
中國銀行業監督管理委員會對國有商業銀行股份制改革按照三大類七項指標進行評估,具體包括經營績效類、資產質量類和審慎經營類。
有關資產質量的主要指標包括以下幾個方面:
1.不良資產率和不良貸款率
2.預期損失率
3.單一(集團)客戶授信集中度
4.貸款風險遷徙(xi)率
5.不良貸款撥備覆蓋率
6.貸款損失準備充足率
信用風險監測的含義
信用風險監測是風險管理流程中的重要環節,是指信用風險監管者通過現場和非現場的監管技術,動態捕捉風險監測指標的異常變動,判斷其是否已達到引起關
注的水平或已經超過閾值,如果達到關注水平或超過閾值,就能夠及時采用調整授信政策、優化組合結構、資產證券化等對策加以應對,以達到控制、分散、轉移風險的效果,或在風險演變成危機時采取有效處理機制,將損失降低到最低程度。
一個動態和連續的過程
風險監測是一個動態和連續的過程,包括兩個層面的工作:
一是跟蹤已識別風險的發展變化情況,包括在整個授信生命周期內,風險產生的條件和導致的結果變化,評估風險減緩計劃需求;
二是根據風險的變化情況及時調整風險應對計劃,并對已發生的風險及其產生的遺留風險和新增風險及時識別、分析,以便采取適當的應對措施。
23. 信用風險監測對象
答:客戶風險監測
銀行信貸資產組合風險的變化主要來源于單個債務人資信狀況的變化,客戶風險構成銀行信用風險的微觀層面。
有效信用監測體系的目標
有效的信用監測體系應實現以下目標:
確保銀行了解借款人或交易對象當前的財務狀況及其變動趨勢;
監測對合同條款的遵守情況;
評估抵押品相對債務人當前狀況的抵補程度以及抵押品市值的變動趨勢;
識別合同還款的違約情況,并及時對潛在的有問題授信進行分類;
對已發生問題的授信對象或項目,可迅速進入補救和管理程序。
客戶風險監測內生變量
客戶風險的內生變量包括兩類指標 :
(1)基本面指標主要包括品質類指標、實力類指標、環境類指標
(2)財務指標主要包括償債能力指標、盈利能力指標、營運能力指標、增長能力
指標
兩類指標的細分——
(1)基本面指標主要包括品質類指標、實力類指標、環境類指標,其中:
品質類指標:包括融資主體的合規性、公司治理結構、經營組織架構、管理層素質、還款意愿、信用記錄等;
實力類指標:包括資金實力、技術及設備的先進性、人力資源、資質等級、運營效率、成本管理、重大投資影響、對外擔保因素影響等;
環境類指標:包括市場競爭環境、政策法規環境、外部重大事件、信用環境等。
(2)財務指標主要包括償債能力指標、盈利能力指標、營運能力指標、增長能力指標等
客戶風險監測方法
單一客戶風險監測方法包括一整套貸后管理的程序和標準,并借助5C法、客戶信用評級、貸款分類、信用評分等方法。
巴塞爾新資本協議強調,內部風險評級是監測和控制單個風險的重要工具。
銀行對單一借款人或交易對象的評級,應定期進行復查,當條件改善或惡化時應對每個授信客戶重新評級,確保內部評級與授信質量一致并能準確反映各項授信的質量。
組合風險監測
組合(Portfolio)層面的風險監測以把信貸資產作為投資組合看待作為出發點。
組合監測能夠體現多樣化帶來的分散風險的效果,防止國別、行業、區域、產品等維度的風險集中度過高,實現資源的最優化配置。
組合風險監測主要有兩種方法:一種是傳統的銀行資產組合限額管理方法;一種是模型方法。
(1) 傳統的組合監測方法
傳統的組合監測方法主要是對信貸資產組合的授信集中度和結構進行分析監測。
授信集中是指相對于銀行資本金、總資產或銀行總體風險水平而言存在較大潛在風險的授信。
結構分析包括行業、客戶、產品、區域等的資產質量、收益(利潤貢獻度)等維度。銀行還可以依據風險管理專家的專業判斷,給予各項指標一定權重,得出對單個資產組合風險判斷的綜合指標或指數。
針對組合風險,銀行可以采用對額外風險的加價、對所增加的風險增持資本金、利用銀團貸款、聯合貸款、貸款出售、信貸衍生產品、信貸資產證券化或其他貸款二級市場的安排等應對措施,來降低對某一特定行業或關聯借款人的依賴性。
(2) 資產組合管理模型
近年來,大量采用回歸分析、多元判別分析、Logit模型和Probit模型、神經網絡模型等預測模型被引入了風險監測和預警領域,其理論基礎是: 銀行在精確計量每個敞口的風險,即估計每個敞口的未來價值概率分布的基礎上,就能夠估計該類別整體的未來價值概率分布。
這通常有兩種方法,一種是估計各敞口之間的相關性,從而得到整體價值的概率分布。另一種方式,不直接處理資產之間的相關性,而把暴露在該風險類別下的投資組合看成一個整體,直接估計該組合資產的未來價值概率分布。
24. 信用風險監測主要指標