测算商业银行贷款违约概率的贷款违约表法探讨
摘要：结合我国商业银行贷款５级分类的实施，在回顾、分析国外商业银行违约贷款测算
模型演变的基础上，首次提出用贷款违约表法测算我国商业银行贷款的违约概率。该测算方法
建立在客户的信用等级基础上，能适时测算贷款的违约概率，有利于我国商业银行合理地测算
贷款组合的预期损失和非预期损失。
关键词：违约概率；违约表法；５级分类；信用等级
中图分类号：Ｆ８３２．２１ 文献标识码：Ａ 文章编号：１６７２８８４Ｘ（２００９）０６０８２８０６
┄┃﹥┊━┉━：﹢┉┄┉┄┈┊┇┉┄┃﹥┊━┉
┄┈┈━┉┎┄┇﹤┄││┇━﹣┃─┈
ＰＥＮＧＪｉａｎｇａｎｇ ＹＩＹｕ ＬＩＺｈａｎｇｆｅｉ
（ＨｕｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ，Ｃｈｉｎａ）
﹢┈┉┇┉：Ｂａｓｅｄｕｐｏｎｔｈｅｆｉｖｅｄｅｇｒｅｅｌｏａｎｑｕａｌｉｔｙｃｌａｓｓｉｆｉｃａｔｉｏｎ，ｔｈｉｓａｒｔｉｃｌｅｐｕｔｓｆｏｒｗａｒｄｌｏａｎｄｅ
ｆａｕｌｔｔａｂｌｅｍｅｔｈｏｄｔｏｃａｌｃｕｌａｔｅｔｈｅｐｏｓｓｉｂｉｌｉｔｙｏｆｔｈｅｌｏａｎｄｅｆａｕｌｔ．Ｂａｓｅｄｏｎｔｈｅｃｕｓｔｏｍｅｒｓ’ｃｒｅｄｉｔｒａｔ
ｉｎｇｓ，ｔｈｉｓｍｅｔｈｏｄｃａｎｍｅａｓｕｒｅｔｈｅｐｏｓｓｉｂｉｌｉｔｙｏｆｔｈｅｌｏａｎｄｅｆａｕｌｔｔｉｍｅｌｙｏｎｔｈｅｂａｓｉｓｏｆｃｕｓｔｏｍｅｒ＇ｓ
ｃｒｅｄｉｔｒａｔｉｎｇ．Ｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｉｓｄｅｓｉｇｎｅｄｔｏｆａｃｉｌｉｔａｔｅｔｈｅｍｅａｓｕｒｅｍｅｎｔｏｆｔｈｅｅｘｐｅｃｔｅｄｌｏｓｓａｎｄ
ｕｎｅｘｐｅｃｔｅｄｌｏｓｓｏｆｔｈｅｌｏａｎｐｏｒｔｆｏｌｉｏｆｏｒｔｈｅＣｈｉｎｅｓｅｃｏｍｍｅｒｃｉａｌｂａｎｋｓｔｏ
┎┌┄┇┈：ｐｒｏｂａｂｉｌｉｔｙｏｆｄｅｆａｕｌｔ；ｄｅｆａｕｌｔｔａｂｌｅｍｅｔｈｏｄ；ｆｉｖｅｄｅｇｒｅｅｌｏａｎｑｕａｌｉｔｙｃｌａｓｓｉｆｉｃａｔｉｏｎ；
ｃｒｅｄｉｔｒａｔｉｎｇ
收稿日期：２００８０４０７
基金项目：国家自然科学基金资助项目（７０６７３０２１）；教育部高等学校博士学科点专项基金资助项目（２００６０５３２０）
２００６年１０国集团开始执行新巴塞尔资本
协议，该协议的核心是围绕信用风险管理展开
的内部评级法。内部评级法建立在测算预期损
失和非预期损失的基础上，通过确定贷款准备
金规模和配置经济资本，达到控制银行风险的
目的。据英国《银行家》杂志有关数据，在５０家
大银行采用内部评级系统后，其综合实力平均
增长率高达６．１％，而未建立内部评级体系的同
类型银行，其综合竞争实力的平均增长率仅为
２．３％。我国于２００６年底已经全面实现了金融
业的对外开放，国外金融机构纷纷涌入，使得我
国商业银行面临的竞争日趋激烈。我国各商业
银行要想在激烈的市场竞争中保住市场地位并
不断做大做强，内部评级体系的建设显得至关
重要。２００８年３月，中国银监会主席刘明康［１］在
实施新资本协议高层联席会议上指出，我国银
行业要在实质上实施新资本协议，推进内部评
级体系的应用，增强银行识别、计量和监测信贷
风险的能力。
无论是初级的还是高级的内部评级法，都
要求银行能够自行估计违约概率。违约概率作
为量化信用风险的关键参数之一，其准确度决
定了银行降低信用风险的能力。
本文旨在探讨基于我国商业银行的现实条
件测算违约概率的有效方法，以促进我国商业
银行实现风险管理的日常化、细节化和可操作
化。
１ 研究回顾
对违约概率的测算最早的学者是 ＦＩＴＺ
ＰＡＴＲＩＣＫ［２］，他通过分析比较１９家公司的财务
指标建立了违约概率与公司特征之间的关系。
ＦＩＳＨＥＲ［３］提出了判别分析的概念，奠定了线性
判别分析的基础。
线性判别模型中最具影响力的应属ＡＬＴ
ＭＡＮ［４，５］提出的Ｚｓｃｏｒｅ和ＺＥＴＡ模型。他认为
·８２８·
第６卷第６期
２００９年６月
管 理 学 报
ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＭａｎａｇｅｍｅｎｔ
Ｖｏｌ．６Ｎｏ．６
Ｊｕｎ．２００９
公司的财务状况能反映公司未来的违约情况，
因而通过数理统计分析，从中挑出最具解释力
的财务指标作为解释变量构造模型；然后将得
到的Ｚ值与临界值比较，低于该值的企业被归
为违约概率高，就将其列入不能发放贷款的企
业行列。该方法预测能力较强，能较为明确地反
映借款人一定时期内的信用状况，但由于正态
分布的假定而存在局限性。
为 解 决 上 述 问 题，ＯＨＬＳＯＮ［６］通 过 对
１９７０～１９７６年１０５家破产公司和２０５８家非破
产公司的分析，发现企业规模、资本结构等对违
约概率有显著影响，并在此基础上构建了 Ｌｏ
ｇｉｓｔｉｃ模型来反映企业的违约情况，该研究表明
其模型准确度高达９２％。虽然Ｌｏｇｉｓｔｉｃ模型的
估计要比线性判别模型稳健，但是在使用时却
不得不考虑样本配比和违约分界点问题。ＴＡＭ
等［７］以美国１９８５～１９８７年１１８家银行为样本建
立了神经网络模型，通过与线性判别模型和Ｌｏ
ｇｉｓｔｉｃ模型的比较发现其误判率最低。但是由于
该模型权重分析过程十分复杂，以及对异常值
存在过度拟合等问题，从而削弱了其对新样本
违约概率的预测能力。
目前，测量违约概率的模型主要有 ＫＭＶ
模型、ＣｒｅｄｉｔＭｅｔｒｉｃｓ模型和ＣＰＶ模型等。ＫＭＶ
模型是由ＫＭＶ公司提出的一种以企业在资本
市场上的价值和企业的资本结构为基础来预测
违约概率的方法［８］。该模型通过公司股票的市
场价值及其波动率与公司负债的账面价值来估
计公司资产的预期价值及其波动率，并以此计
算违约距离来映射违约概率。但该模型由于过
多地考虑股市信息及股市中虚假信息的存在会
使模型结构出现偏差。基于穆迪、标准普尔等特
定评级机构的评级体系，ＪＰ摩根银行提出的
ＣｒｅｄｉｔＭｅｔｒｉｃｓ模型通过分析不同性质的公司
在不同商业周期内信用等级变化的情况，以此
来确定信用等级转移矩阵，并相应地确定违约
概率［９］。该模型不足在于所测定的违约概率与
宏观经济状况无关。麦肯锡公司提出了ＣＰＶ模
型，认为违约和信用等级转移是由部门所处的
宏观经济状况的变化引起的，因而将可能影响
宏观经济的因素，如失业率、ＧＤＰ增长率等包
含在模型内。该模型由于过多地强调了宏观经
济因素的影响，从而忽略了微观层面的作用。
ＡＬＴＭＡＮ等［１０］和 ＡＬＴＭＡＮ［１１］借鉴生存分析
方法提出了死亡率模型，制作了一张 ５年期的
美国 １９９１～１９９６年发放的辛迪加贷款的死亡
率表。该方法计算虽较为简便，但存在明显的缺
陷，低估了违约概率。
通过分析，本文认为应用上述国外模型测
算我国商业银行贷款违约概率存在相当大的局
限性：① 适用范围的限制。比如，ＫＭＶ模型，该
模型是基于股票价格来预测违约概率，对上市
公司适用。但由于难以计量非上市公司的资产
价值、资产收益率的期望值和市场波动性，易降
低对非上市公司违约概率测算的准确性，故
ＫＭＶ模型不适用于测算非上市公司的违约概
率。我国证券市场虽然有了相当程度的发展，但
目前上市公司尚只有１５００余家，故使得该模型
不能很好地应用于我国。② 缺乏数据。线性判
别模型、ＣＰＶ模型等都需要大量的数据，而我
国商业银行的数据库建设尚处于起步阶段，故
能收集整理的数据不多，不能满足这些模型对
数据的要求。③ 模型精确度不高。比如，死亡率
模型计算的结果误差较大。基于此，本文在借鉴
生命表法的基础上，针对我国商业银行的实际，
首次提出了测算商业银行贷款违约概率的贷款
违约表法，并论证了该方法在我国商业银行应
用的可行性。
２ 运用贷款违约表测算商业银行违约概
率的基本方法
． 生命表法的基本内容
生命表法是一种非参数的生存统计分析方
法。该方法最初是应用于人的寿命研究，通过对
人的生存和死亡时间的统计分析，给出某一年
龄个体生存或死亡的概率［１２，１３］。这一方法现不
局限于对人的寿命的研究，已开始应用到其他
领域，如生物医学运用该方法研究医药对病人
的效果；可靠性工程学运用该方法研究电器的
寿命等。生命表法统计的准确性已被广泛认可，
可陈述如下：
将生命表的时间区间分成牑＋１个小区间，
爤牐＝［牃牐－１，牃牐］，牐＝１，２，…，牑＋１，这里 牃０＝０＜
牃１＜牃２…＜牃牑＜牃牑＋１＝∞（牑≥１），
则条件死亡概率牚牐和累积死亡概率牚牅牐的计
算公式分别为
牚牐＝
爟牐
爫牐－ １２爾牐
； （１）
牚牅牐＝ １－ ∏
牐
牏＝１
（１－ 牚牏［ ］）， （２）
式中，爫１＝牕１，爫牐＋１＝爫牐－爟牐－爾牐；爟牐指牕个个
体在爤牐中死亡的个体数；爫牐指牕个个体中在时
刻牃牐－１仍“活着”，且未在牃牐－１之前删失的个体数；
爾牐指牕个个体在爤牐中删失的个体数，即并非由
·９２８·
测算商业银行贷款违约概率的贷款违约表法探讨——彭建刚 易 宇 李樟飞
于死亡，而是由于其他原因而离开样本的个体
数。生命表法中假设其在每一个时间区间内都
服从均匀分布。
． 将生命表法拓展为贷款违约表法的前提
条件
在生命表中只存在 ２种状态，即生存和死
亡，也就是说在任一时刻其所研究的个体要么
死亡要么生存，没有其他的选择。同样，任意一
笔贷款自发放后在期限内也只存在２种可能的
状态：违约和不违约，与生命表的死亡和生存２
种状态相对应。
本文试图运用信贷运行规律将生命表进行
改造，将生命表法拓展为贷款违约表法，以测算
贷款的违约概率。考虑以下前提条件：
（１）基于贷款 ５级分类的违约界定 对违
约与不违约应作出清晰的界定。巴塞尔新资本
协议将客户的违约定义为若出现以下２种情况
之一时，债务人将被视为违约：① 除非采取追
索措施，如变现抵押品（如果存在的话），否则借
款人可能无法全额偿还对银行集团的债务；②
债务人对银行集团的实质性信贷逾期 ９０天以
上［１４］。我国商业银行贷款５级分类标准关于次
级类、可疑类和损失类贷款的定义与巴塞尔新
资本协议关于违约的定义范围基本一致。由此，
当贷款出现次级或次级以下状态时，本文将其
定义为违约。该定义是将生命表法拓展为贷款
违约表法的关键点，这使得本文提出的贷款违
约表法应用于我国商业银行具有可操作性。贷
款５级分类标准已经在我国商业银行得到了有
效的实施，能够根据 ５级分类即时（例如每个
月）确定各笔贷款的违约情况。
（２）依据信用评级对客户进行分类 在运
用生命表法测算个体的生存概率时，会根据个
体的某些特征（例如性别、注射的药剂等）将其
分类，这有助于提高预测的准确性，也有助于从
中找出影响生存概率的因素。考虑到银行对客
户进行信用评级时已将客户的财务风险、信用
记录、行业风险和区域风险等因素考虑在内，若
根据客户的信用等级进行分类，在此基础上测
算贷款违约概率，能提高估计结果的准确性。
（３）贷款持续区间的划分 根据信贷运行
的规律，本文将贷款违约表中的每笔贷款所经
历的时间划分为左开右闭的子区间。这不同于
生命表将时间区间划分为左闭右开的子区间
集。这是因为生命表所研究的个体存在一出生
就立即死亡的情形，而贷款一般不可能在其发
放之时就出现违约。这也是本贷款违约表法与
生命表法的重要差别之一。
（４）考虑贷款组合删失数据的存在 鉴于
任一子区间都有可能发生贷款提前偿还的情
况，故将提前偿还贷款的笔数作为删失数据，从
该区间的贷款历险数中剔除，这反映了信贷运
行规律，提高了贷款违约概率测算的准确度。这
是与死亡率模型的不同之处。
． 贷款违约表法
本文为贷款违约表设计如下指标：
（１）贷款违约数（爟牏），指在第牏期内发生违
约的贷款笔数。
（２）贷款删失数（爟爞牏），指在第牏期提前偿还
的贷款笔数，并假设各子区间的贷款删失数都
服从均匀分布。
（３）贷款历险数（爫′牏），指在第牏期内经受违
约风险考验的贷款笔数。由于贷款删失数据的
存在，爫′牏并不一定等于第牏期期初存在的贷款
笔数。
（４）贷款条件违约概率（爮爟牏），指在第牏期期
初存在的某笔贷款在第牏期内发生违约的概率。
（５）贷款累积违约概率（爮爞爟牏 ），指自贷款发
放起至第牏期期末发生违约的概率。如果第牏期
为第１２个月，则该贷款累积违约概率即为年违
约概率。
利用贷款违约表法测算违约概率的计算过
程可表述如下：
考虑到不同期限的贷款在同一时间所面临
的偿还压力并不相同，有必要根据贷款期限对
贷款进行分类。一张贷款违约表只对应某一特
定期限的贷款组合。在区分信用等级的基础上，
运用贷款违约表测算违约概率。
对信用等级相同且期限相同的贷款组合，
设该信用等级为牀、贷款期限为爴，则可将这一
贷款组合的持续区间划分为以下子区间：
（０，１］，（１，０］，…，（牏－１，牏］，…，（爴－１，爴］，牏＝１，２，…，爴，
其中爤牏＝（牏－１，牏］为贷款的第牏期。
按贷款的５级分类判断这一贷款组合中每
笔贷款是否违约。对于违约的贷款，给出违约事
件所发生的子区间。对于没有发生违约的贷款，
根据贷款的偿还日期再判断其是否已提前偿
还。对于提前偿还的贷款，如果不将其从贷款组
合中剔除，将会影响该子区间计算的结果，因
此，应在该子区间将其作为删失数据处理。
本文运用上述指标构造一贷款违约表，见
表１。通过该表可计算信用等级相同且期限相同
的贷款组合在不同子区间的条件违约概率和累
积违约概率。
·０３８·
管理学报第６卷第６期２００９年６月
表 贷款违约表
区间 期初数
贷款
违约数
贷款
删失数
历险数
条件违
约概率
累积违
约概率
爤牏 爫牀牏 爟牀牏 爟爞牀牏 爫′牀牏 爮爟牀牏 爮爞爟牀牏
信用等级为牀的客户在第牏期的违约概率
（爮爟牀牏）和累积违约概率（爮爞爟牀牏）的计算公式为
爮爟牀牏＝
爟牀牏
爫′牀牏， （３）
爮爞爟牀牏＝ １－∏
牏
牠＝１
（１－ 爮爟牀牏）， （４）
爫′牀牏＝ 爫牀牏－ １２爟
爞
牀牏， （５）
式中，爟牀牏指在第牏期违约的贷款笔数；爫牀牏指在
第 牏期期初存在的贷款笔数，爫牀牏＝爫牀牏－１－
爟牀牏－１－爟爞牀牏－１；爫′牀牏指在第牏期经受违约风险考验
的贷款笔数；爟爞牀牏指在第牏期内删失的贷款笔数。
式（５）中，爟爞牀牏取
１
２
的系数是因为考虑到贷
款删失数据服从均匀分布。通过式（３）～式（５）
能够测算贷款组合在期限内任一子区间的条件
违约概率和累积违约概率。
若确定贷款期限内任意 １年的年违约概
率，则需运用该年内每个月的条件违约概率爮爟牐，
并通过如下公式计算即可求得：
爡爟＝ １－ ∏
牐＝牏＋１１
牐＝牏
（１－ 爮爟牐）， （６）
式中，牏为贷款期内任一时点。根据式（６）可根据
需要测算年违约概率。
从上述计算公式来看，与死亡率模型不同
的是，本贷款违约表法考虑到了贷款删失数对
有效样本规模的影响，有效地避免了死亡率模
型对违约概率的低估，提高了测算的准确性；死
亡率模型只是将第牏期期初的贷款笔数作为第牏
期的贷款历险数，没有考虑有效样本规模的变
化，从而低估了该期的违约概率。
３ 实证分析
． 样本采集
本文采用某城市商业银行２００５年１１月至
２００６年１２月底向具有信用等级的客户发放的１
年期公司贷款为样本，总计７４８笔贷款，其中１９
笔贷款违约。
． 违约概率的测算与分析
本文运用表１和式（３）～式（６）测算了这一
贷款组合的月违约概率和累积违约概率，计算
结果见表２。
表 某城市商业银行年期公司贷款违约概率一览表 （年月～年月底发放的贷款）
信用等级 违约概率
第１个
月燉％
第２个
月燉％
第３个
月燉％
第４个
月燉％
第５个
月燉％
第６个
月燉％
第７个
月燉％
第８个
月燉％
第９个
月燉％
第１０个
月燉％
第１１个
月燉％
第１２个
月燉％
ＡＡＡ 条件违约概率 ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００
累积违约概率 ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００
ＡＡ 条件违约概率 ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００
累积违约概率 ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００
Ａ 条件违约概率 ０．００ ０．００ ０．００ ０．００ ０．００ １．３８ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００
累积违约概率 ０．００ ０．００ ０．００ ０．００ ０．００ １．３８ １．３８ １．３８ １．３８ １．３８ １．３８ １．３８
ＢＢＢ 条件违约概率 ０．００ ０．００ ０．００ ０．００ ０．１７ ０．００ ０．００ ０．３６ ０．００ ０．００ ０．００ １．９８
累积违约概率 ０．００ ０．００ ０．００ ０．００ ０．１７ ０．１７ ０．１７ ０．５４ ０．５４ ０．５４ ０．５４ ２．５１
ＢＢ 条件违约概率 ０．００ ０．００ ０．００ ３．２３ ３．３３ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００
累积违约概率 ０．００ ０．００ ０．００ ３．２３ ６．４５ ６．４５ ６．４５ ６．４５ ６．４５ ６．４５ ６．４５ ６．４５
Ｂ 条件违约概率 ０．００ ０．００ ０．００ ０．００ ０．００ ７．６９ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００
累积违约概率 ０．００ ０．００ ０．００ ０．００ ０．００ ７．６９ ７．６９ ７．６９ ７．６９ ７．６９ ７．６９ ７．６９
ＣＣＣ 条件违约概率 ０．００ ０．００ ０．００ ７．６９ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ０．００ ５．５６
累积违约概率 ０．００ ０．００ ０．００ ７．６９ ７．６９ ７．６９ ７．６９ ７．６９ ７．６９ ７．６９ ７．６９ １２．８２
在本例中，按月划分子区间。这是因为这一
贷款组合的贷款期限为 １年，故贷款违约表最
终测算出的１年期累积违约概率即为年违约概
率。
从测量结果看，这一贷款组合中，信用等级
为ＡＡＡ级和ＡＡ级的客户的贷款各个月的条
件违约概率均为零，因此，年违约概率为０、不违
约概率为１００％；而信用等级为Ｂ级和ＣＣＣ级的
客 户 的 贷 款 年 违 约 概 率 分 别 为 ７．６９％ 和
１２．８２％，相比之下要大得多。
将本文估计的年违约概率与该城市商业银
行根据客户信用等级映射的年违约概率进行比
较，发现该城市商业银行通过映射得到的年违
约概率要大于本法估计值，比如对ＢＢ级客户所
映射的年违约概率为６．９７％，而本文估计的年
违约概率却只有６．４５％；ＣＣＣ级客户所映射的
违约概 率 为 １７．８４％，而 本 文 估 计 的 只 有
１２．８２％。两者之间存在较大差异，这可能是因
为该城市商业银行在建立某信用等级与违约概
率之间的映射关系时，是将该信用等级内所有
的公司贷款作为一个整体去考虑其违约情况，
没有考虑公司贷款期限的不同，使得同一信用
·１３８·
测算商业银行贷款违约概率的贷款违约表法探讨——彭建刚 易 宇 李樟飞
等级但不同期限的贷款所对应的年违约概率相
等，但实际上不同期限的贷款在同一时间上的
偿还压力并不相等，违约情况也就不一样。本文
在测算违约概率时，先根据贷款的期限将贷款
分类，再结合贷款５级分类情况，利用贷款违约
表法测算贷款组合的月违约概率，从而通过递
推方式确定年违约概率，因而所测算的年违约
概率要比信用等级映射的年违约概率准确。
． 非预期损失的计量
根据上文估计的年违约概率，并采用Ｃｒｅｄ
ｉｔＲｉｓｋ＋模型测算该城市商业银行 ２００７年底尚
有余额的 １年期贷款的预期损失和非预期损
失。鉴于样本银行不能提供违约损失数据，依据
新巴塞尔资本协议内部评级法的标准，违约损
失率取巴塞尔委员会提供的参照值（此表略）。
将相关数据输入ＣｒｅｄｉｔＲｉｓｋ＋模型时，采用
本研究课题组①提出的加权平均法划分频带。
表３是将这一贷款组合划分为７个频带时的计
算参数。图１是这一频带划分方式下的该贷款
组合的损失分布图。在该频带划分方式下，测算
出的这一贷款组合的预期损失和非预期损失分
别为５２５３．０１万元和３８３６．９９万元。
表 计算样本非预期损失的参数
频带 牐 公共敞口 贷款笔数 预期违约数 燉个
预期损失
犡牐燉１０万元
１ １ ４７ １．２４９７ １．２４９４
２ ２ ２２９ ６．４３３８ １２．８６７６
３ ４ ５０８ １４．９２０１ ５９．６８０４
４ ６ ２０５ ６．１１１０ ３６．６６６０
５ ８ ２８２ ８．５３１８ ６８．２５４４
６ １１ ２６３ ８．４３８０ ９２．８１８０
７ ３９ ２０７ ６．５０６８ ２５３．７６５２
图 贷款组合违约损失分布
为消除因频带个数的不同而引起计算结果
的微小波动，本文随机抽取了１４种不同的频带
划分方式并取计算的平均值，测算出来的预期
损失和非预期损失分别为５２３９．９０５万元和
３９８４．４７万元。鉴于经济资本应完全覆盖非预
期损失，故经济资本占用额为３９８４．４７万元。在
这一案例中，经济资本与资产的比例为５．１％。
这一实证分析表明，采用贷款违约表法估计违
约概率并结合ＣｒｅｄｉｔＲｉｓｋ＋模型，能够很好地测
算我国商业银行信贷资产的非预期损失，从而
有效地推动经济资本管理的开展。
４ 结语
（１）本文首次提出并论证了测算商业银行
贷款违约概率的贷款违约表法。该方法的优点
在于：① 对于数据的要求不复杂，使我国商业
银行能较容易地采集相关的数据；② 计算方
便、可操作性强、准确度较高。
（２）本文从我国商业银行的现实情况出发，
基于贷款５级分类对违约进行界定，并把贷款
违约表法建立在客户信用等级基础之上。将贷
款违约表法融入我国商业银行风险管理系统之
中，能适时测算贷款的违约概率，对贷款的预期
损失和非预期损失进行准确测量，合理地提取
普通准备金和配置经济资本，从而有效地推进
我国商业银行的经济资本管理。
参 考 文 献
［１］刘明康．中国银行业要在实质上实施新资本协议
［Ｎ］．金融时报，２００８０３１３（１）．
［２］ＦＩＴＺＰＡＴＲＩＣＫＰＪ．ＡＣｏｍｐａｒｉｓｏｎｏｆＲａｔｉｏｓｏｆＳｕｃ
ｃｅｓｓｆｕｌＩｎｄｕｓｔｒｉａｌＥｎｔｅｒｐｒｉｓｅｓｗｉｔｈｔｈｏｓｅｏｆＦａｉｌｅｄ
Ｆｉｒｍｓ［Ｊ］．ＣｅｒｔｉｆｉｅｄＰｕｂｌｉｃＡｃｃｏｕｎｔａｎｔ，１９３２（５）：
５８９～６０５．
［３］ＦＩＳＨＥＲＲＡ．ＴｈｅｕｓｅｏｆＭｕｌｔｉｐｌｅＭｅａｓｕｒｅｉｎＴａｘｏ
ｎｏｍｉｃＰｒｏｂｌｅｍｓ［Ｊ］．ＡｎｎａｌｓｏｆＥｕｇｅｎｉｃｓ，１９３６（７）：
１７９～１８８．
［４］ＡＬＴＭＡＮＥ．ＦｉｎａｎｃｉａｌＲａｔｉｏ，ＤｉｓｃｒｉｍｉｎａｔｅＡｎａｌｙｓｉｓ
ａｎｄｔｈｅＰｒｅｄｉｃｔｉｏｎｏｆＣｏｒｐｏｒａｔｅＢａｎｋｒｕｐｔｃｙ［Ｊ］．Ｊｏｕｒ
ｎａｌｏｆＦｉｎａｎｃｅ，１９６８，２３（４）：５８９～６０９．
［５］ＡＬＴＭＡＮＥ，ＨＡＬＤＥＭＡＮ Ｒ，ＮＡＲＡＹＡＭＡＮ Ｐ．
ＺＥＴＡＡｎａｌｙｓｉｓ：ＡＮｅｗＭｏｄｅｌｔｏＩｄｅｎｔｉｆｙＢａｎｋｒｕｐｔ
ｃｙＲｉｓｋｏｆＣｏｒｐｏｒａｔｉｏｎｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＢａｎｋｉｎｇａｎｄ
Ｆｉｎａｎｃｅ，１９７７，１（１）：２９～５４．
［６］ＯＨＬＳＯＮＪＡ．ＦｉｎａｎｃｉａｌＲａｔｉｏｓａｎｄｔｈｅＰｒｏｂａｂｉｌｉｔｉｅｓ
ＰｒｅｄｉｃｔｉｏｎｏｆＢａｎｋｒｕｐｔｃｙ［Ｊ］．ＪｏｕｒｎａｌｏｆＡｃｃｏｕｎｔｉｎｇ
Ｒｅｓｅａｒｃｈ，１９８０，１８（１）：１０９～１３１．
［７］ＴＡＭ，Ｋ，ＫＩＡＮＧＭ．Ｍａｎａｇｅｒｉａｌ Ａｐｐｌｉｃａｔｉｏｎｓ ｏｆ
ＮｅｕｒａｌＮｅｔｗｏｒｋｓ：ＴｈｅＣａｓｅｏｆＢａｎｋＦａｉｌｕｒｅＰｒｅｄｉｃ
ｔｉｏｎｓ［Ｊ］．ＭａｎａｇｅｍｅｎｔＳｃｉｅｎｃｅｓ，１９９２，５９：９２７～９４７．
［８］ＫＭＶ．ＧｌｏｂａｌＣｏｒｒｅｌａｔｉｏｎＦａｃｔｏｒＳｔｒｕｃｔｕｒｅ［Ｒ］．Ｓａｎ
Ｆｒａｎｃｉｓｃｏ：ＫＭＶＣｏｒｐｏｒａｔｉｏｎ，１９９６．
［９］ＭＯＲＧＡＮＪＰ．ＣｒｅｄｉｔＭｅｔｒｉｃｓＴｅｃｈｎｉｃａｌＤｏｃｕｍｅｎｔ
［ＥＢ燉ＯＬ］．［２００８０３２１］．ｈｔｔｐ：燉燉ｗｗｗ．ｊｐｍｏｒｇａｎ．
ｃｏｍ．
［１０］ＡＬＴＭＡＮＥ，ＳＵＧＧＩＴＴＨＪ．ＤｅｆａｕｌｔＲａｔｅｓｉｎｔｈｅ
·２３８·
管理学报第６卷第６期２００９年６月
① 见本课题组于２００７年在第４届中国金融年会宣读的论
文《集合信用风险在我国商业银行应用的方法论探讨》
ＳｙｎｄｉｃａｔｅｄＢａｎｋＬｏａｎＭａｒｋｅｔ：ＡＭｏｒｔａｌｉｔｙＡｎａｌｙ
ｓｉｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＢａｎｋｉｎｇａｎｄＦｉｎａｎｃｅ，２０００，２４（１燉
２）：２２９～２５３．
［１１］ＡＬＴＭＡＮＥ．ＤｅｆａｕｌｔＲｅｃｏｖｅｒｙＲａｔｅｓａｎｄＬＧＤｉｎ
ＣｒｅｄｉｔＲｉｓｋＭｏｄｅｌｉｎｇａｎｄＰｒａｃｔｉｃｅ：ＡｎＵｐｄａｔｅｄＲｅ
ｖｉｅｗｏｆｔｈｅＬｉｔｅｒａｔｕｒｅａｎｄＥｍｐｉｒｉｃａｌＥｖｉｄｅｎｃｅ．［ＥＢ燉
ＯＬ］．［２００８０３２１］．ｈｔｔｐ：燉燉ｗｗｗ．ｄｅｆａｕｌｔｒｉｓｋ．ｃｏｍ．
［１２］彭非，王伟．生存分析［Ｍ］．北京：中国人民大学出版
社，２００４．
［１３］陈家鼎．生存分析与可靠性［Ｍ］北京：北京大学出
版社，２００５．
［１４］中国银行业监督管理委员会．巴塞尔新资本协议
［Ｍ］．北京：中国金融出版社，２００４．
（编辑 郭恺）
通讯作者：彭建刚（１９５５～），男，湖南长沙人。湖南大学
（长沙市 ４１００７９）金融学院教授、博士研究生导师，“９８５
工程”首席科学家，湖南大学金融研究中心主任，博士。研
究方向为金融管理与金融工程。Ｅｍａｉｌ：ｐｅｎｇｊｉａｎｇａｎｇ
＠ｈｏｔｍａｉｌ．
ｃｏｍ
（上接第７５８页）
４ 结论
（１）在综合考虑开始管理时“推广管理”模
型基数、科技成果直接推广率、申请专利再推广
的科技成果的分配率、购买科技成果的老客户
保有率等影响因素情况下，建立了包括直接推
广的科技成果价值率、已推广的申请专利后科
技成果价值率以及高校未推广的科技成果价值
率等科技成果推广域变量的“推广管理”模型。
从模型的混沌分析可知，随上述各影响因素分
别取相应的值时，“推广管理”模型呈现稳定的
不动点、极限环、拟周期吸引子和混沌吸引子所
对应的４种类型状态空间。
（２）在“推广管理”过程中，当未推广的高校
科技成果价值率出现不动点的时候，可以实现
高校科技成果推广价值率为最大值，但是需要
非常严格的限制条件，因此，这是一种理想化的
状态。在一般的情况下，未推广的高校科技成果
价值率的解是周期解，未推广的高校科技成果
价值率只需要覆盖解区间即可。
（３）当“推广管理”系统出现混沌状态时，
“管理部门”不得不投入很多的人力、物力和财
力适应这种混沌结构。为此，可以通过控制开始
管理时“推广管理”模型基数、科技成果直接推
广率、申请专利再推广的科技成果的分配率以
及购买科技成果的老客户保有率等影响因素，
将“推广管理”系统直接推广的科技成果价值率、
已推广的申请专利后科技成果价值率以及高校
未推广的科技成果价值率等科技成果推广域变
量调整到稳定的均衡状态附近，以避免“推广管
理”系统出现的混沌状态所带来的负面影响。
（４）“推广管理”模型的应用结果表明，“管
理部门”可通过调节“推广管理”模型基数、科技
成果直接推广率、申请专利再推广的科技成果
分配率以及购买科技成果的老客户保有率等影
响因素的合适上限和下限，可在投入较少的人
力、物力和财力下，实现用于直接推广的科技成
果价值率和已推广的申请专利后科技成果价值
率在有规则的区域里变化，并确保具有较高的
“科技成果”推广价值率。
参 考 文 献
［１］郭汝丽．高校科技成果管理工作中的主动性［Ｊ］．科技
管理研究，１９９６（５）：４１～４２．
［２］李薇，要彩萍，董继先．高校科技成果管理工作探析
［Ｊ］．技术与创新管理，２００５，２６（４）：３６～３８．
［３］董洁，彭惠君．高校科技成果管理工作的思考［Ｊ］．商
场现代化，２００５（２７）：３０５～３０６．
［４］左红艳．基于混沌理论下高校科技成果管理研究
［Ｄ］．长沙：湖南大学机械与汽车工程学院，２００７．
［５］陈凌健，方伟红．高校科技成果档案工作管理初探
［Ｊ］．作物研究，２００１（２）：４２～４３．
［６］李培新．发挥高校科技成果管理工作者的主观能动性
［Ｊ］．天津科技，２００５（５）：５３～５４．
［７］李后强．社会现象中的混沌与分形［Ｍ］．长春：东北师
范大学出版社，２０００．
［８］ＤＩＥＴＲＩＣＨＧＢ．ＴｅｃｈｎｏｌｏｇｙＳｔｒａｔｅｇｉｅｓｉｎａＣｏｍｐｌｅｘ
Ｅｎｖｉｒｏｎｍｅｎｔ［Ｃ］燉燉Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ３２ｎｄＨａｗａｉｉ
ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＳｙｓｔｅｍＳｃｉｅｎｃｅｓ．ＩＥＥＥ，
１９９９：１～１０．
［９］ＢＡＲＹＡＭ Ｙ．ＭａｋｉｎｇＴｈｉｎｇｓＷｏｒｋｓｏｌｖｉｎｇＣｏｍ
ｐｌｅｘＰｒｏｂｌｅｍｓｉｎａＣｏｍｐｌｅｘＷｏｒｌｄ［Ｍ］．Ａｍａｚｏｎ：
ＮＥＣＳＩＫｎｏｗｌｅｄｇｅＰｒｅｓｓ，２００４．
［１０］方锦清．驾驭混沌与发展高新技术［Ｍ］．北京：原子
能出版社，２００１．
［１１］黄润生．混沌及其应用［Ｍ］．武汉：武汉大学出版社，
２０００．
（编辑 刘继宁）
通讯作者：鄂加强（１９７２～），男，湖南湘潭人。湖南大学
（长沙市 ４１００８２）机械与汽车工程学院副教授。研究方
向为动力学系统混沌、分岔与智能预测及控制研究、智能
信息融合处理方法及其应用以及智能检测与智能故障诊
断。Ｅｍａｉｌ：ｅｊｉａｑｉａｎｇ＠１２６．ｃｏｍ
·３３８·
