个人住房按揭贷款信用风险量化管理研究
个人住房按揭贷款信用风险量化管理研究
专业：金融学
硕士生：董科
指导教师：梁建峰讲师
摘 要
根据新巴塞尔协议信用风险衡量的基本原则，我国许多商业银行开始探索
建设自己的信用风险量化管理体系以及作为基础的内部评级体系。目前对于公
司贷款的风险量化和评级体系建设的探索很多，而对于个人按揭贷款的信用风
险量化及评级的探索还十分缺乏。
同时，随着我困银行体系中半数以上商业银行均提出要向零售银行转型，
个人贷款在我国银行未来资产业务中重要性不断增加。目前，我国银行体系内
提供的个人贷款产品虽有十余种之多，但个人贷款实际余额中近9成为个人住
房按揭贷款，且这一比例还在上升。根据西方发达国家商业银行的经验，个人
按揭贷款发放后3至8年是一个违约的高峰期。而发端于美国的次级贷款危机
的发生，其风波席卷全球，大型商业银行、投资银行、保险公司、基金公司的
破产倒闭、被迫重组和政府接管，让人们惊觉原来一直认为优良的住房按揭贷
款品种也存在巨大的信用风险，这进一步激发了银行业内研究个人按揭贷款信
用风险预警和管理的需求。时至今同，仅从单个信贷项目的风险控制的角度来
管理信用风险已经无法适应规模不断庞大的个人贷款业务风险管理。
本文从贷款组合角度出发，通过比较目前较为流行的四种信用风险量化管
理模型，逐一探讨了它们运用于住房按揭贷款量化管理的可能性和存在的难点，
对贷款进行宏观和定量的分析。其中重点研究了基于CreditMetrics模型的住
房按揭贷款信用风险度量模型的构建，分别从住房按揭贷款评级体系的构建、
如何利用CreditMetrics模型原理度量住房按揭贷款信用风险和宏观影响因素
对模型调整三个方面进行了深入探索。最后，本文探讨了如何利用模型中的得
到的参数进行住房按揭贷款信用风险量化管理。
‘
关键词：商业银行； 个人住房按揭贷款； 风险管理： 信用风险度量模型
个人住房按揭贷款信用风险量化管理研究
Abstract
AccordingtothebasicprinciplesofcreditriskmeasureinthenewBasel
accord，somecommercialbanksofChinaisestablishingtheirquantitativecredit
riskmanagementsystemandtheinternalratingsystem．Atpresent，therearemuch
studyonquantitativecreditriskmanagementofcorporateloan,butseldomon
personalmoggageloan．
Nowadays，theprivateloanismoreandmoreimportant，asmanycommercial
banksaretransformingtoretailbanks．Akhoughtherearemanysortsofpersonal
loansindomesticbanks，theninetypercentofloanbalanceispersonalmortgage
loans．Theproportionisincreasingnow．Accordingtotheexperienceofcommercial
banksofwestdevelopedcountries，thedefaultpeakofthepersonalmortgageloans
isthreetoeightafterloaning．ThesubordinatedbondscrisisofAmericanmakethat
severalcommercialbanks，investmentbanks，insurancecompanies，fundsare
bankruptormergeredortookoverbygovernment．ThisremindUSthatthecreditrisk
ofmortgageloansishigh,whichstimulatethedemandonresearchofthecreditrisk
managementofpersonalmortgageloans．
Thisarticlediscussesthepossibilityanddifficultyoffourpopularquantitative
creditriskmanagementmodelsusedinmortgageloans．Then，thisarticleresearches
howtoestablishthecreditriskmeasuremodelofmortgageloansbasedon
CreditMetrics．Atlast，thisarticlediscusseshowtoUSetheparametersofmodelin
creditriskmanagementofmortgageloans．
Keywords：commercialbank；mortgageloans；riskmanagement；creditrisk
measuremodel
Ⅱ
个人住房按揭贷款信用风险量化管理研究
目 录
摘 要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．⋯⋯⋯．⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯I
A】BSTRACT⋯⋯⋯⋯⋯⋯．⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．⋯⋯⋯⋯⋯⋯⋯⋯．II
目 录⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．⋯⋯⋯⋯⋯⋯⋯．．⋯⋯⋯⋯⋯⋯⋯⋯⋯．．⋯⋯⋯⋯⋯⋯⋯⋯III
第1章导论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯1
1．1问题的提出和研究意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一1
1．2文献综述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．2
1．3本文的研究思路和框架⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯6
第2章我国个人住房按揭贷款的现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．1l
2．1我国个人住房按揭贷款的起源及业务发展⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．11
2．2我国个人住房按揭贷款的风险管理现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．15
第3章现代信用风险模型在个人住房按揭贷款中的应用研究⋯⋯⋯⋯⋯⋯。19
3．1基于股票价格的KMV信用监控模型应用分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．19
3．2基于精算方法的CREDITRISK+模型应用分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一23
3．3基于信用评级的CREDITM_ETRICS模型应用分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．27
3．4考虑宏观因素的CREDITPORTFOLIOVIEW模型应用分析⋯⋯⋯⋯⋯⋯⋯29
3．5四个模型建模对比和应用方向比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯30
第4章构建个人住房按揭贷款信用风险模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。32
4．1构建个人按揭贷款信用评级体系⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯32
4．2构建基于CREDITMETIRCS的按揭贷款信用度量模型⋯⋯⋯⋯⋯⋯⋯⋯．37
4．3根据宏观经济情况改进CREDITMETIRCS模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．45
第5章按揭贷款信用风险模型在银行工作中的运用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．49
5．1在风险补偿中的运用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯49
5．2个别贷款边际风险贡献的计算与运用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯50
5．3在贷款转让交易中的运用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯52
第6章结论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。54
6．1本文的研究成果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯54
6．2研究展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．56
参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．58
个人住房按揭贷款信用风险量化管理研究
第1章 导论
1．1问题的提出和研究意义
根据新巴塞尔协议信用风险衡量的基本原则，我国许多商业银行开始探索建设
自己的信用风险量化管理体系以及作为其基础的内部评级体系。目前对于公司贷款
的风险量化和评级体系建设的研究很多，而对于个人按揭贷款的信用风险量化及评
级的探索还十分缺乏，使这一研究具备相应的理论意义。
而随着我国银行体系中半数以上的商业银行均提出要向零售银行转型，个人银
行业务将成为国内银行未来争夺的重点业务。作为个人银行业务中资产业务的个人
贷款，其在我国银行未来资产业务中重要性亦不断增加。就现状而言，虽然目前国
内银行业提供的个人贷款品种有十余种之多，但个人贷款实际余额中约80％为个人
住房按揭贷款，且这一比例还在不断上升。同时，在国内银行贷款总规模中，个人
住房按揭贷款也已经占到银行总信贷投放量的10．5％1。从存量业务规模上，个人住
房按揭贷款对于银行业务信用风险管理的重要性已经凸显。
根据西方发达国家商业银行的经验，个人按揭贷款发放后3至8年是一个违约
的高峰期。而中国自上个世纪90年代出现个人住房按揭贷款这种产品以来，2001
年前后开始的住房货币化改革进一步加快了这一个人贷款品种的发放速度，业务规
模迅速膨胀，这批住房贷款目前正进入首次风险暴露期。同时，根据美国和英国等
多个经历了房地产业高潮和低谷的国家经验，个人住房按揭贷款的风险暴露往往集
中在房地产业高速发展和房价连续上涨后的经济调整时期，我国目前正处于疑似进
入该时期的经济徘徊阶段。
在外部环境方面，发生于2007年4月的美国第二大房地产次贷公司新世纪金融
公司的破产宣告了本次发端于美国的次级贷款危机正式爆发。其后，商业银行(如：
花期银行)、对冲基金、养老基金等投资机构的一系列巨额亏损曝光使得危机影响程
度不断加深。时至今年，美国最大的房地产抵押贷款机构联邦国民抵押贷款协会
(FannieMae，简称：房利美)和联邦住房贷款抵押公司(FreddieMac，简称：房地
美)被美国政府接管；美国五大投资银行中，拥有158年经营历史的雷曼兄弟控股公
1根据中国人民银行公布的2008年6月底数据统计
个人住房按揭贷款信用风险量化管理研究
司(LehmanBrothersHoldingsInc．)宣布破产；同为美国五大投资银行的贝尔斯登、
美林先后被收购。而在英国，今年9月份，英国最大的抵押贷款机构哈利法克斯银
行被英国第五大商业银行莱斯银行并购。近期美国、欧洲等五家中央银行联合向市
场注资，以避免次贷危机引发金融市场流动性危机。这一系列大型商业银行、投资
银行、保险公司、基金公司的破产倒闭、被迫重组和政府接管，使人们发现一直被
金融业默认为信用风险较低的住房按揭贷款品种实际存在着巨大的信用风险。
我国住房按揭贷款的发放没有美国那么激进，因此还没有发生类似于美国的大
规模住房按揭贷款违约。但是我们不得不重视的是自2002年开始，中国的房地产市
场走上了高歌猛进的扩张周期。房价一直高攀，房屋作为投资品被大量进行投机炒
作。商业银行在后期发放的贷款中，相当部分支持了房屋投机，其隐含的风险已经
增加。目前宏观货币政策处于紧缩状态，房价回落压力非常大。一旦房屋价格产生
逆转，住房按揭贷款隐含的风险就会集中爆发。因此加强对个人住房按揭贷款信用
风险管理的研究已经刻不容缓。
由上述两方面可以看出，加强个人住房按揭贷款的信用风险管理研究具有理论
和现实意义。本文将从这一角度出发，为国内银行业此方面的研究作出一定的探索。
1．2文献综述
信用风险的量化分析始于20世纪30年代，20世纪60年代以后成为热点，随
着计量经济学科的发展，信用风险度量模型的研究得到了更多发展。其理论模型研
究大致可分为四类：
1、判别分析方法。
该方法是通过最大化组间变量／组内变量来建立判别式函数的。19世纪40年代，
DavidDurand(1941)提出了线性判别分析方程(LDA)，从而发展了早期R．A．Fisher
(1936)提出的贷款屏蔽(creditscreening)。Myers&Forgy(1963)使用判别分
析方法，利用消费者信用申请表中的数据对信用风险进行了预测。随后，关于信用
风险度量的文章越来越多，一般应用的都是线性判别分析(LDA)。Altman(1968)
采用多元判别法(MultivariateDiscriminationAnalysis，肋A)对美国制造公司
进行大量实例研究的基础之上建立了信用分析模型一Z-Score模型，开创了多变
量预测企业违约之先河。由于Z度量模型存在灰色比例，也不能完全涵盖风险的含
2
个人住房按揭贷款信用风险量化管理研究
义，为此，1977年，Altman、HaldemanandNarayanan利用美国企业样本，在此基
础上结合QDA又建立了ZETA模型，对z度量模型做了较大的改进，使用范围扩大了，
稳定性也提高了，他们的实证研究表明预测的准确度也有较大的提高。Rosenberg
andGleit(1994)则对将判别分析用于信用风险度量时可能产生的问题进行了讨论。
2、logistic模型与生存分析方法。
Logistic回归是一种非线性分类的统计方法，用于因变量为定性指标的问题，
如是(1)，非(O)。Wiginton(1980)对Logistic回归模型应用于信用风险度量的
效果进行了分析，发现与线性回归的结果差别不大。Madalla(1983)采用该方法区
别违约与非违约贷款申请人的贷款决策。Boyeseta1．(1989)以Logistic模型作
为工具构建了广义个人消费贷款信用风险度量模型。Thomas(1999)提出银行的目
的是选择利润最高的客户，因此信用度量模型的重要性不仅仅在于客户的拖欠上。
如果拖欠的时间很长，那么已获得的利息有可能补偿或者超过拖欠导致的损失。另
一个影响收益率的因素是在客户提前销户的情况下，或者通过转换贷方提前还贷。
贷款利息是否会发生损失，这取决于实际的偿还在何时发生。Narain(1992)提出
用生存分析来构建信用度量模型的思想，由Thomas(1999)予以发展。Narain(1992)
应用加速生命指数(theacceleratedlifeexponential)模型分析一年的贷款数
据。经过研究发现，这种方法能够应用于信用业务的任何领域，在这些领域中预测
变量和对于某些事件时间是所关注的。Thomas(1999)用logit回归比较了指数、
Weibull和Cox’S非参数模型，发现生存分析模型是具有竞争力的，有时候优于传
统的logistic回归方法。而且，当两种可能的结果——拖欠和提前还贷——都考虑
的时候，就会用到竞争风险的思想。
3、非参数方法。
聚类分析(ClusterAnalysis)属于非参数统计方法。在信用风险分析中，它
根据由借款人的指标计算出的在样本空间的距离，将其分类。Lundy(1993)运用该
方法对消费贷款申请者的典型信用申请数据即年龄、职业、婚否、居住条件进行处
理分成6类并对每类回归度量，它不仅将借款人进行有效的分类而且帮助商业银行
确定贷款方式策略。K近邻判别(kNearestNeighbor)是另一种非参数方法，它
在一定距离概念下按照若干定量变量从样本中选取与确定向量距离最短的k个样本
．为一组。TangandKiang(1992)运用K近邻判别法进行实证分析，但实证效果不
个人住房按揭贷款信用风险量化管理研究
如线性判别法。
4、专家系统分析法。
专家系统是一种实用知识和推理的智能计算机程序，其目的是将专家解决问题
的推理过程再现而成为专家的决策工具或为非专业决策者提供专业性建议。传统上，
专家系统采取直接法，但由于要消耗大量的时间和人力，且问题域中的一些经验性
知识无法清楚表示，因此限制了专家系统的规模和实用性。MessierandHansen
(1988)改变了知识获取的传统方法，通过启发式方式，从知识获取角度探讨了专
家系统在信用分析领域的应用，实证结果表明：该方法比LDA、群决策的分类效果
都好，并且比群决策的正确率稳定。Altman和Kao(1985)采用了递归分割算法建
立了较高复杂度的RPAI和较低复杂度RPA2，与DA比较优劣，实证结果表明：RPA
是一种很有前途的方法，Boyleetal不但分析RPA与DA的度量结果而且提出两种
方法的结合，结果表明结合方法的分类效果更好。
5、神经网络。
神经网络(NeuralNetworks，NN)是一种具有模式识别能力、自组织、自适应、
自学习特点的计算机制，其呈分布式存储且具有一定容错能力。神经网络对数据的
分布以及自变量与因变量之间的函数关系要求都不严格。其工作方式是首先找出影
响分类的一组因素，作为样本数据输入系统，然后通过足够的数据输入计算机程序
形成信用风险分析模型，理论界习惯称之为“训练"。对于新的样本输入(即一组影
响因素值)，该模型可产生信用风险的判别。
在实践领域，西方众多金融机构也开发出了数以百计的信用风险量化模型，其
中经受住考验并在不同历史时期为大多数学者和银行家接受的有KMV公司的KMV的
信用监控模型(CreditMonitor)、J．P摩根的CreditMetrics模型、瑞士信贷金融
公司的CreditRisk+和麦肯锡公司的CreditPortfolioView模型。其中KMV模型
是基于股票价格的信用风险监控模型，CreditRisk+模型是建立在保险精算和违约呈
泊松分布基础假设上的信用风险度量模型，CreditMetrics模型需要建立在信用风
险评级以及在此基础上的信用等级迁移矩阵作为分析基础，而CreditPortf01io
View模型则是基于信用评级和考虑宏观经济变量影响的信用等级迁移分析模型。这
四种模型都是由商业性公司基于各自商业目的依靠各自的研发团队完成的，无法将
之归入某一个个人的名下。
‘
个人住房按揭贷款信用风险量化管理研究
通过资料收集，笔者发现在国内理论界，近年来对这四种模型的原理和特点讨
论很多，并已有文章分析如何将这些模型应用于公司授信风险分析，但对于个人住
房按揭贷款如何运用这些模型则研究甚少。已有的研究成果有：2007年聂世宇研究
了利用CreditMetrics模型进行个人住房抵押贷款风险损失度量和量化管理。但他
讨论个人住房按揭贷款价值计算时采用了标准普尔给出的信用迁移矩阵和风险价
差。虽然他提出了应该建立住房按揭贷款的内部评级系统，却没有具体讨论这个信
用评级体系的构建思路。使如何获得真正能够为住房按揭贷款估价使用的信用迁移
概率的一难点并没有得到解决，不失为一种遗憾。王晓峰2007年撰文对商业银行个
人消费信贷风险信用评级体系的构建进行研究，他提出了5S和1S信用评级模型以
及信用评法卡机制。可以说是对这部分研究缺失的有益补充。此外，2007年黄丰俊
和刘江涛研究了CreditRisk+模型在银行零售信贷资产组合管理中的应用，并且进
行了实证分析。这一研究成果非常有意义。虽然研究表明利用CreditRisk+模型进
行零售贷款的组合管理存在很大问题，但对于住房按揭贷款量化管理研究的推动作
用还是很明显的。
除以上研究之外，鲜有文章对个人住房按揭贷款量化管理进行研究。大部分研
究都是对主流模型的分析和对比，以及在企业贷款风险度量方面的运用。
此外，在国外的个人贷款信用风险研究方面，英国的Burrows(1998)曾对于
英国的住房贷款的违约行为作了深入的研究，把造成违约的决定性因素分为三类：
(1)结构性因素—贷款房价比、收入贷款比、利率水平、政府补贴的资格或程度、
其它社会保障的支持等；(2)家庭收入和支出因素一失业、工作时数、疾病、意外
的修缮和其他的家庭支出；(3)个人因素—个人理财能力、假托关系的破裂、个人
主观认为应该优先考虑的事等。Burrows再从上述的三大类因素中选取了13个独立
变量(户主年龄，婚姻状况，户主当前就业状态，家庭结构类型，职业，是否雇员，
所在地区，是否初次购房，售房者，贷款类型，是否LVRs----100％，贷款机构类型
和购入住房年份等)，以该家庭是否形成3个月以上的逾期(即技术违约)为因变量，
通过双变量相关模型和逻辑回归模型进行分析得出以下主要的风险因素：
(1)户主的当前就业状况。Burrows认为失业是违约关键的决定性因素。非全日
制工作和个体经营都是形成不稳定收入流的重要原因，从而增加了贷款的风险因素。
(2)家庭的婚姻状况。离异或分居的家庭的逾期和违约可能性较大。
个人住房按揭贷款信用风险量化管理研究
(3)家庭结构类型。单身男性和有经济不独立子女的夫妇的违约可能性较大，单
身女性的违约可能最小。但分析认为，该因素的作用也可能是由于失业、无工作和
离异等相关因素造成。
(4)职业。非熟练工人的违约可能性最大，也可能是由于他们更容易失业的原因。
(5)个体经营者。自谋职业者比雇员的违约可能性大。
(6)地理因素。房价不稳定的地区，容易形成负权益，而导致违约；工作水平低
的地区易导致购房者的还款能力不足。
(7)抵押贷款类型。贷款余额大或累计速度快的贷款，借款人更容易违约。
(8)抵押贷款机构类型。由银行发放的贷款的违约可能性较小，可能是由于银行
的信用较高和更为严密有效的贷款审查程序和风险防范系统。
(9)贷款发放年份。在房地产市场繁荣高峰时期发放的贷款，形成负权益的可能
性大，因而易违约。其实在这种年份中发放的房地产贷款往往意味着较高的贷款利
率。
这项研究为后人在建立个人住房按揭贷款信用风险评级体系时筛选关键风险因
素起到了借鉴作用，但其考虑仍不够全面，因此笔者基于自己的认识在本文第三章
中提出了新的风险因素表。
1．3本文的研究思路和框架
1．3．1研究思路
银行贷款的信用风险管理包含两个层面，一是以某个项目或某个客户为对象实
施信贷调查、信用风险分析和贷后管理，这一层面侧重于对某一个具体的项目和客
户进行微观讨论和定性分析；另一个层面是对某一类信贷资产的集合进行信用风险
度量和量化管理，这一层面侧重从宏观的角度对贷款进行宏观和定量分析，具体包
括对整个贷款资产包进行分类，并结合外部环境对每个资产集合的风险现状和未来
波动趋势作出整体判断，以得出银行目前和未来的整体风险暴露情况。
本文立足于上述的第二个层面开展研究工作。意图从国内银行业目前的个人住
房按揭贷款业务状况和信用风险管理现状出发，分析我国个人住房按揭贷款信用风
险管理实践中存在的薄弱环节。同时，针对国内理论界目前较少从宏观和量化管理
个人住房按揭贷款信用风险量化管理研究
的角度指导银行业开展个人贷款信用风险管理的现状，通过研究已被国外理论和实
务界所接受的四种信用风险量化模型，分析各个风险管理模型的建模思路和前提假
设条件。然后从模型的构建原理出发，结合个人住房按揭贷款的市场特征，逐一分
析其是否可运用于国内的个人住房按揭贷款市场信用风险分析。对于具备适用性的
模型，结合个人住房按揭贷款的现实情况提出模型运用的难点和改进建议，最终分
析得出所有模型中最适合国内个人住房按揭贷款的一类，并结合现实提出此类模型
运用于个人住房按揭贷款分析的改进建议。
具体针对各个模型，分析思路如下：
一、理论现状
目前理论界研究和讨论得比较多的主流贷款信用风险量化管理模型包括基于股
票价格的KMV模型、基于精算方法的CreditRisk+模型、基于信用评级的
CreditMetrics模型和融入了宏观因素影响的CreditPortfolioView模型。这四种
模型的构建思路各不相同。如何将不同构建原理的模型运用于适当的贷款类型，以
开展风险量化评估是理论界和实务界一直在探讨的问题。这些模型均形成于上个世
纪90年代末，由于其后不断出现的公司贷款信用风险集中暴露事件，后来的研究人
员多从不同角度分析这些模型运用于各类公司股票、债券和贷款的信用风险计量应
如何进行调整和修正。但由于当时个人住房按揭贷款并未出现大规模集中爆发的现
象，因此并未引起研究者的注意。这些模型的开发者在完成开发模型初步开发后主
要针对企业贷款来进行进一步完善构思和设计，没有刻意考虑模型是否也适用于个
人住房按揭贷款，或者如果将模型运用于个人住房按揭贷款分析应如何进行调整。
在收集材料过程中发现，国内的学者和研究人员也较少涉足这一领域，这给我们这
些后来者留下了研究的空间和一系列研究难题。
二、分析思路
1．KMV模型研究。
由于KMV是一个基于股票价值的风险评估模型，它不可能直接应用于个人住房
按揭贷款信用风险分析。但通过研究后发现，我们可以将KMV模型“当企业资产的
市场价值下降到其负责的帐面价值之下就会触发企业的违约行为"的建模原理通过
变形后用于预测个人住房按揭贷款违约事件的发生。其原理为——我们可以认为个
人住房按揭贷款的大规模的集中违约，是由于个人住房按揭贷款名下的抵押房屋现
7
个人住房按揭贷款信用风险量化管理研究
值低于个人按揭贷款余额时发生的。因为在此情况下，个人名下的房屋将成为负资
产，此时重新购入房屋将比偿还原有贷款更为合算，在没有其他外部成本的情况下，
一个纯粹的“理性经济人’’将选择违约。我们将以此作为建模的理论出发点，根据
KMV模型算法，建立基于KMV模型的个人住房按揭贷款信用风险评估模型。并对修
订后模型的适用性进行进一步分析。
2．CreditRisk+模型研究。
CreditRisk+模型是基于保险精算方法的风险评估模型，在本文之前已经有学者
对该模型运用于个人零售贷款的风险评估进行了分析。其理论出发点是考虑到本模
型是利用泊松分布来计算贷款组合的违约率，因此认为个人零售贷款的违约风险发
生与个人人寿保险合同的风险发生具备完全相同的特点，即假设每一笔贷款在任何
一个未来时点上的违约率都不变，且对于那些分期偿还的贷款上一期的违约与下一
期的违约没有任何关联。
本文将分析过去这种将CreditRisk+模型变形后运用于个人零售贷款的做法是
否合理，前提假设是否存在缺陷，以及该模型是否可通过其他的变形方式运用于个
人住房按揭贷款。
3．CreditMetrics模型研究。
CreditMetrics模型是建立在贷款信用评级上的信用风险度量模型。其通过建
立合适的标准将贷款分类，并通过历史数据推算一定时间内某一级别贷款向其他级
别迁移的概率来综合反映整体贷款包未来资产质量的分布状况。由于该模型采用了
MIM(markettomarketmode，简称“盯市模式’’)方式来评估信用风险，改变了过
去那种只有当借款合约到期后才能判断还款人是否违约的尴尬局面。我个人认为这
种模型是在目前已经开发出的信用风险度量模型中比较适合于个人住房按揭贷款的
信用风险度量模型。本文将单独用一章来阐述如何建立个人住房按揭贷款的信用风
险评级体系，以建立CreditMetics模型运用的基础。同时，就CreditMetrics模型
能够得到有效分析结果的前提进行分析，并指出实践运用中可能遇到的问题以及本
人想到的解决方案，以利于后继研究者或者银行实务工作中的模型使用人员继续开
展该模型的理论或实证研究工作。
4．creditPortf01ioView模型研究。
‘
CreditPortfolioView模型是根据现有宏观经济形势，通过特定函数调整各个
8
个人住房按揭贷款信用风险量化管理研究
信用等级对象的违约分布和信用等级转移概率，以此修正简单使用历史数据拟合现
有经济条件下的违约分布和信用等级转移概率情况。该模型是一个多因素模型，其
输入变量除同样需要历史数据拟合的信用等级转移矩阵外，将包括失业率、GDP增
长率、长期利率水平、外汇汇率、政府支出和总体储蓄率在内一系列宏观经济变量
引入模型体系，以得到对历史拟合数据进行调整的参数。其模型结论为“信用周期
会紧随着商业周期的变动而变动”，即当经济疲软时，违约率和信用等级转移概率都
会增加；当经济走强时，则情况刚好相反。笔者认为这种思路特别适用于房地产行
业，但由于该模型是麦肯锡公司基于商业目所开发，从目前的信息渠道我们虽然知
道该模型的基本原理，但无法获得模型中关键函数①SDP的构成。但考虑到这种分
析思路对于个人住房按揭信用风险分析的贴合性，本人提出了另一种思路“因子调
整法’’以根据当前的宏观经济条件和行业周期改进本文基于CreditMetrics模型提
出的个人住房按揭贷款信用风险分析模型。
在具体讨论了如何利用CreditMetrics模型原理进行个人住房按揭贷款信用风
险评估后，本文还将探讨如何将模型中的得到的参数运用于个人住房按揭贷款信用
风险管理实践中。具体包括如何利用模型中的参数确定预期损失和非预期损失，并
以此作为计提贷款损失准备金和配备经济资本的基础；如何利用通过模型得到的边
际风险贡献来调整贷款组合；以及如何利用贷款估价进行贷款的交易和置换。
1．3．2本文的整体框架
本文主体论述部分从下一章开始，共分为五章。
第一章说明我国个人住房按揭贷款的起源、业务发展阶段和风险管理现状。
第二章从KMV、CreditRisk+、CreditMetricS、CreditPortfolioView四个模
型的建模原理出发，分析各个模型在个人住房按揭贷款信用风险分析上的适用性，
对于不能直接使用的模型分析是否存在替代的拟合原理以使得在维持模型基本框架
不变的条件下重建分析框架。同时在各个模型的分析过程中，提出通过原理拟合得
到的模型在分析个人住房按揭贷款中存在的问题及笔者建议解决方案。
第三章在前面的分析基础上，选择CreditMetrics作为主要建模基础。提出建
立个人住房按揭贷款信用风险评级体系的方法，其中原创性的提出识别单因素对风
险违约结果预测能力的统计指标，并且进一步改进了基于CreditMetrics模型的个
‘
9
‘
个人住房按揭贷款信用风险量化管理研究
人住房按揭贷款模型，使模型能够反映扩张和紧缩的宏观经济形势下不同的模型预
测结果，避免简单采用历史数据拟合违约率和信用等级迁移矩阵所造成的与现实世
界不符。
第四章探讨了在银行信用信贷管理实践工作中如何运用第三章设计模型的分析
结果，就计提准备金、配备经济资本、衡量个别贷款边际风险贡献、买断式贷款资
产包转让定价等方面进行了基本的介绍。
最后一章总结了本文的研究成果与不足，并对今后此课题上的进一步研究提出
了自己的设想。
因考虑到近年来国内理论界对于信用风险模型的介绍已经较为充分，因此不再
对模型原理进行详细的介绍，而是直接就个人住房按揭贷款的分析目的进入模型运
用分析阶段，关于本点特此说明。
10
个人住房按揭贷款信用风险量化管理研究
第2章 我国个人住房按揭贷款的现状
2．1我国个人住房按揭贷款的起源及业务发展
2．1．1我国个人住房按揭贷款的起源
个人住房按揭贷款业务自上个世纪90年代初期由香港传入中国大陆地区，“按
揭’’一词就是英语单词“mortgage"的广东话谐音，英文意指英美法系中的动产或
不动产抵押。20世纪90年代初期，受香港房地产市场火爆和楼宇按揭贷款高速发
展的影响，当时的广东江门、佛山一带城市借鉴香港在当地推出“供楼"贷款业务，
是中国大陆地区现代个人住房按揭贷款的先行者。
2．1．2我国个人住房按揭贷款的阶段性发展
1992年，邓小平南巡讲话后，当时的中国人民建设银行，现中国建设银行股份
有限公司，颁布了《中国人民建设银行房地产信贷部职工住房抵押贷款办法》，开始
在全国建行系统全面推行个人住房抵押贷款，奠定了个人住房按揭贷款在金融体系
中的合法地位。随后的个人按揭贷款业务虽伴随着国内房地产市场改革时有起伏，
但大致可分为三个阶段：
第一阶段，1985年至1996年。1985年前后，广东部分城市借鉴香港开始出现
“供楼”贷款业务，是为个人住房按揭贷款雏形。1992年9月，当时的中国人民建
设银行颁布《中国人民建设银行房地产信贷部职工住房抵押贷款办法》，标志着个人
住房按揭贷款业务在国内获得合法地位。两年后，中国人民银行分别于1994年12
月和1995年7月颁布《政策性住房信贷业务暂行规定》和《商业银行自营住房贷款
管理暂行规定》，对政策性个人住房按揭贷款和商业银行自营性个人住房抵押贷款做
了划分并做了相应的规定。此后，各家银行陆续开办了个人住房按揭贷款业务。但
由于1992、1993年在海南、北海等地区以土地为主要交易对象的“炒地皮"现象愈
演愈烈，房地产市场发展的过热最终导致了严厉的宏观经济调控，这使得在其后的
数年内全国房地产市场一片萧条，房地产开发投资增速回落(1993年至1997年如
表1．1)。同期，个人住房按揭贷款业务发展缓慢。
个人住房按揭贷款信用风险量化管理研究
数据来源：历年国家统计年鉴整理
图1-11993．1997年中国大陆地区房地产开发投资增速
总体来看，1985年至1996年这段时间内，全国金融机构累计发放个人住房贷
款人民币500亿元左右，形成贷款余额约130亿元，个人住房贷款初具规模，但总
量及在全部贷款中占比仍然较小。
第二阶段，1997年至2004年。1997年我国将房地产行业确定为国民经济新的
增长点，提出将住房消费培育为新的消费热点，个人住房按揭贷款由此获得良好发
展机遇。1997年4月，中国人民银行颁布《个人住房贷款管理办法(试行)》，允许
在实施安居工程的大中城市开展个人住房贷款业务，使得这项业务自1996年9月暂
停7个月后重新在全国全面展开。同时人民银行给当时的四大国有商业银行(中行、
农行、工行、建行)下达了100亿人民币的贷款计划，此后个人住房按揭贷款获得
了快速发展。以当年占全国个人住房抵押贷款市场份额最大的建设银行为例，其
1997年当年发放的个人住房贷款超过以往年度累计发放的总和。1997年底，各商业
银行的个人住房抵押贷款余额达到人民币217亿元，接近1996年余额的一倍。1998
年，中国人民银行又在1997年试行办法的基础上修订出台了《个人住房贷款管理办
法》，进一步规范和统一了住房按揭贷款的操作。1999年，中国人民银行出台《关
于开展个人消费信贷的指导意见》，进一步放宽个人住房贷款条件。
1997年至2004年间，财政政策方面出台了住房补贴制度、契税减半征收等政
12
个人住房按揭贷款信用风险量化管理研究
策；货币政策方面十年期住房公积金贷款利率从11．16％下调至4．05％的低利率水平，
同期商业贷款利率也一路下调。实际上，由于2003年起CPI涨幅加快，个人住房贷
款的实际利率持续下降，2004年7月至9月，个人住房贷款实际利率一度出现负利
率的状况。而地方政府更是出台购房税收返还、购房落户等一系列措施促进本地房
地产销售。在这几年间，政策的支持和环境的宽松使我国个人住房按揭业务得到极
大的发展，个人住房按揭贷款余额从1997年65．1亿人民币上升至2006年22700亿
元。
数据来源：历年国民经济和社会发展统计公报
图1．21997．2006年中国大陆地区个人住房按揭贷款余额变化
第三阶段，自2005年至今。四年间中央银行曾十次上调商业性住房贷款利率。
除了宏观经济调控的整体考虑外，这其中不乏中央对一路攀高的住房价格是否超出
居民承受能力的担心。随着从紧货币政策的实施，个人住房按揭贷款余额仍稳步上
升，但增速明显回落(详见图1．3)。2005年末，金融机构个人住房贷款余额18430
亿人民币，同比增幅为15．75％，而2004年增幅比率为35．17％，2005年下滑了19．42
个百分点。2005年新增个人住房贷款占当年新增贷款的比例下降为10．4％，而2003
年、2004年两年这一比例分别为12．7％(2003年)和18．3％(2004年)。
个人住房按揭贷款信用风险量化管理研究
25，0(30
20，(300
15，000
10，000
5。000
0
19992000200120022003200420D52006
250％
200％
150％
100％
50％
0％
数据来源：中国人民银行公布数据
图1．31999．2006年中国大陆地区个人住房贷款及房地产开发贷款变化
2．1．3我国个人住房按揭贷款的业务现状
从个人住房按揭贷款的三个发展阶段看，我国个人住房按揭贷款市场一直与国
内宏观经济环境、房地产行业发展和国民收入分配改革呈现同步发展趋势(详见图
1-3、1．4)。
殇憋产憨投资蹴10髭．元人民甬) 豳院 《鹎}
3,500
3,000
2,5(10
2．0(10
tsoo
1,000
湖
O
3％
30％
25％
翘％
15％
10％
溉
溉
数据来源：历年国民经济和社会发展统计公报
图1-41994．2008年中国(大陆地区)房地产投资额变化
个人住房按揭贷款信用风险量化管理研究
数据来源：中国人民银行官方网站
图1．52000．2007年中国大陆地区住房相关贷款占总贷款比重变化
随着近些年国内宏观经济稳定高速增长和房地产行业发展，以及2003年前后实
物分房转向货币化购房和国内城市化进程的加速，个人住房按揭贷款余额(图1．2、
图1．3)和总贷款占比(图1．5)一直呈现稳步上升的势头。进入2007年后，由于
国内宏观经济形势和房地产行业变化，个人住房按揭贷款增速开始放缓，但其占国
内银行资产的比重仍在不断增长，预计随着国内城市化进程的继续深入，我国个人
住房按揭贷款规模和占比仍将继续上升。
在个人住房按揭贷款总量不断扩大、占银行业总贷款比重不断上升的同时，进
入2008年二季度以来，国内房地产市场观望气氛加剧，个别房价波动较为严重的城
市甚至开始出现“断供"现象，个人住房按揭贷款给银行业带来的风险压力不断加
大。而外部环境美国次债危机的不断加深，使得深入研究个人住房按揭贷款业务的
风险管理愈发显得重要。
2．2我国个人住房按揭贷款的风险管理现状
国内个人住房按揭贷款主要通过银行和住房公积金委托贷款两个渠道进行发
放，截止2007年末，通过银行体系发放的个人住房按揭贷款余额占到个人住房按揭
贷款总额的98．3％。因此，国内银行体系对个人住房按揭贷款的风险管理水平基本
上代表了全行业的整体管理水平。
个人住房按揭贷款信用风险量化管理研究
商业银行方面，自建设银行于上个世纪80年代在广东首次推出个人住房按揭贷
款业务以来，国内商业一直将其视为成长性好、收益稳定、不良率低的优质资产，
重点予以发展。但事实上，个人住房按揭贷款受房地产市场波动影响很大。购入时
房价越高、则处于社会平均购买能力的购房者贷款金额越高，如果贷款余额与房价
市值的比例(即L1V，Loantovalue)逼近危险区域，则贷款违约的可能性将成倍增
加。而从供款角度分析，在支出方面如果购房时房价较高，并且持有期内利率上扬，
这两者都会加大按揭贷款者的月还款支出，如果同期社会宏观经济的不够景气对个
人收入的产生影响，～旦月收入还款比(简称DSR)逼近临界值，也会使相应的住
房按揭贷款面临不能正常供款的危险。最终，如果一家银行在某一时间段内开始持
有大量这样因断供而没收的房产，说明同期经济下行趋势明显。而在这样的经济下
行通道内即使持有抵押房屋，其市价也会不断下跌，这除了对银行形成直接经济损
失，同时如果同期房产二级市场不够活跃或银行处置不够及时，还可能对银行流动
性产生致命的影响。这就是房产市场与个人住房按揭市场的趋同性，房产市场越火
爆、则个人住房按揭贷款增长越迅速、贷款安全系数越高(因为随着房屋价格的攀
升没有人会放弃房屋所有权而用以抵偿债务)；而如果房产市场越不景气，则个人住
房按揭贷款危险系数越高，同时银行持有的抵押物也在贬值。个人按揭贷款中的抵
押物价值与相应的贷款违约具有同周期性，而不具备与违约可能性相背从而保护债
权银行的效果。
在国内目前的个人住房按揭贷款市场环境下，我国银行业对此项业务的风险管
理呈现如下特征：
l、国内银行风险高管层经历周期性经济变化的经验不足，对个人住房按揭贷款
的前瞻性研究和风险认识有限。
我国银行个人住房按揭贷款市场，始于扩大内需的宏观经济政策环境，发展时
间不过十余年。尤其近几年房地产市场一片繁荣，大、中城市房价普遍持续快速上
涨，我国银行从业人员、尤其是风控高管层，经验上普遍缺乏应对周期性变化尤其
是市场萧条所引发整体性个人按揭贷款风险的经历，同时在对市场的分析和思考上
也缺乏深入和具备前瞻性的研究。
2、囿于种种原因，客观上国内银行从事个人住房按揭贷款的人员经验、风险意
个人住房按揭贷款信用风险量化管理研究
识均较公司贷款管理人员薄弱，人力资本投入不足。
伴随着国内银行业近年的上市和股份制改造，银行高管层与过去相比更加重视
工作业绩，这本是好事。但是由于短期内繁重的业务发展指标，加之分行行长层普
遍认为拓展公司贷款更容易在短期内获得利润和规模指标的突破(这本也是短期利
益驱动下的必然结果，因为个人业务的付出往往需要花费多年时间奠定业务基础，
其成效是初期缓慢体现、中期才会集中爆发的)，因此在人力资源投入上个人业务自
然不会银行的重点，而精英业务人员也就不愿意进入这个板块。
这样的现实造成国内银行从事个人按揭贷款的人员大量来自于储蓄和内部结算
岗位，对市场和信用风险的管理意识相对公司授信而言较为薄弱。由此为下一点风
险控制手段的单一、薄弱和缺乏改进奠定了人力资源上的基础。
3、个人住房按揭贷款风险控制业务手段单一，部分银行试点的内部评价法模型
尚未进入有效投产阶段。
在个人住房按揭贷款风险控制手段上，国内银行目前主要集中在贷前通过打分
卡结合专职审批人员人工判定贷款的发放与否。在贷款存续期间，仅仅观察贷款本
身是否按期还款一项指标，对于未按时还款的客户仅仅区分逾期时间的长短，通过
逾期一个星期电话催收、一个月信函催收、三个月发律师函、六个月决定是否起诉
等手段进行贷后管理。这看似手段多样，实则判断标准单一，仅仅是就贷款本身来
判断违约风险。事实上，个人贷款可供采样的标准信息特征远多于公司贷款，违约
特征上统计效果也更为明显。相较公司贷款而言使用统计和行为规范分析更能提前
识别出将违约客户。
目前一些从事信用卡贷款的风险控制部门已经开始通过交叉行为分析提前判断
个人客户的是否存在债务危机或无故搬迁倾向，如通过银行结算系统的客户支付记
录、信用卡系统的违反本人付款习惯短期内多次频繁透支现象、水电煤等日常生活
费用的不正常支付、手机通信费的多次停机或换号等。而我国银行的个人住房按揭
贷款管理部I'-JN仍通过部门内部单一信息来源对客户违约进行预警，这显然仍处在
传统而落后的风险控制区域内。同时，上面提到的人力资源的问题也与此问题交织，
甚至是这个问题无法得到根本改善的主要原因。
17
个人住房按揭贷款信用风险量化管理研究
部分银行已经意识到上述问题，并且投入大量资金和人力着手开发适用于个人
贷款业务的内部评级模型。但工、建、交、招商等数家银行的个人贷款内评模型仍
处于模型校正或初步试行阶段，由于缺乏足够的跨周期数据积累和行内的部门间业
务运行模式的调整和配合，内部评级模型目前尚无法发挥效用。
4、个人按揭贷款风险控制电子手段匮乏，缺少特定的业务技术专才。
由于上面提到的个人按揭贷款信息段多、违约特征明显且模式趋同，同时个人
按揭贷款笔数多、单笔金额小，因此个人按揭贷款的贷后管理不能混同于公司贷款
依赖于客户经理人工走访式的管理，而需要大量使用计算机收集信息并进行信息过
滤，获取客户的异常行为特征，有时候甚至是一组有特殊逻辑的行为特征组合来提
前预示客户违约。但是实现这样的目标需要设计前后台两个电子业务系统，前台的
电子业务系统负责处理日常业务，其目标是功能易用，信息齐全且更新频率快，及
时与电信公司、煤气公司、电力公司、人民银行、第三方数据中介等系统购买或交
换数据；后台的数据分析系统应配备相应的数据挖掘工具，允许人工设定行为逻辑
提取规则。同时，要想数据分析系统真正发挥效用，关键还是需要熟悉行为特征采
集和愿意与前台人员沟通、善于分析市场的人，否则空有系统，无人设定业务提取
逻辑也是不能发挥效用的。国内目前使用中的电子信息系统则仍倾向于业务操作和
简单报表统计，存在着报表统计功能强、风险分析功能弱和数据沉淀多、有效分析
少的问题，未能很好地辅助管理人员对信息作出准确的细节分析和综合把握，难以
及时发现和化解风险，预警功能不强。
5、过多着眼于具体个案风险控制，对整体贷款组合风险控制手段薄弱。
国内银行大多沿用了公司授信管理的思路，在风险预警和日常控制上更多将个
人住房按揭贷款视为一个个独立的贷款个体来看待，很少从整体贷款组合上进行分
析、预警或整体压力测试。这也是本文主要的着眼点和探索的方向。
18
个人住房按揭贷款信用风险量化管理研究
第3章 现代信用风险模型在个人住房按揭贷款中的
应用研究
90年代以后，西方的很多金融机构开发出了来数以百计的信用风险量化分析模
型，但其中经得起考验的仅仅数个。目前为大多数学者和银行家接受，在国际上最
具有影响力的信用风险模型是KMV公司的KMV的信用监控模型(CreditMonitor)、
J．P摩根的(CreditMetrics)、瑞士信贷金融公司的CreditRisk+和麦肯锡公司的
CreditPortfolioView模型。这四个模型按照各自不同的建模理论依据为各大商
业银行建立自己的信用风险管理模型提供了研究方向。
3．1基于股票价格的KMv信用监控模型应用分析
3．1．1模型的基本思想
KMV信用监控模型是在对破产结构的一种理解的基础之上建立起来的。KMV认为
一个企业之所以违约是因为其资产的市场价值下降到其负责的帐面价值之下，丧失
了偿债能力。因此，通过企业的资产预期价值和资产价值概率分布就可以计算出企
业的预期违约概率(EDF，ExpectedDefaultFrequency)。如图2—1当期企业资产
J
的市场价值为以0，根据其资产价值的预期增长率可以预测到企业资产在贷款合约到
期时(t。)的市场价值均值，根据t，时刻的企业资产价值的概率分布，就可计算出
企业资产下降到其负债的帐面价值以下的概率，即图中的阴影部分，它就是该企业
的预期违约概率。
19
个人住房按揭贷款信用风险量化管理研究
图2-1nv模型的简单结构
3．1．2模型在住房按揭贷款信用风险管理上的应用
按揭贷款的违约一般发生在两种情况之下：第一，借款人自身还款能力减弱，
无法继续还款；第二，按揭房屋的市场价值低于贷款余额，借款人就会选择违约。
从这两个角度来看，KMv模型的理论思想非常适合用在预测由于第二种原因导致的
违约。
原始的KMV信用监控模型认为一个企业之所以违约是因为其资产的市场价值下
降到其负责的帐面价值之下，丧失了偿债能力。用于按揭贷款我们可以认为一个按
揭贷款的借款人之所以违约是因为房屋的市场价值下降到贷款余额之下，他丧失了
还款的意愿(当然如果违约造成的信用记录损害给借款人带来的成本很大，这个违
约可能推迟)。那我们运用KMv模型的原理可以得到如下由于房屋价格下跌导致的贷
款违约监测模型。
如图2-2，当前按揭的房屋市场价值为4，根据房地产价值的预期增长率(或
下降率)可以预测该房屋的市场价值期望值，根据t时刻(贷款归还日)的房屋市
场价格的概率分布，就可计算出房屋价格下降到其贷款余额以下的概率，即图中的
阴影部分，它就是该按揭贷款借款人的预期违约概率。
个人住房按揭贷款信用风险量化管理研究
图2—2基于IIV的按揭贷款模型结构
根据这种模型思想，我们假设当房屋市场价格下降到贷款余额以下，借款人即
违约。房屋的市场价格等于其贷款余额即是违约点。但在实际的经济情况下中，并
不一定房屋的市场价格等于贷款余额时，借款人立即违约，这里借款人有一个违约
成本的考虑。如果违约造成的成本越大(比如信用记录下降、今后融资困难程度增
大、可能面临法律诉讼、丧失房屋的居住权等)，借款人就会推迟违约，只有当违约
的成本大大低于不违约的损失(贷款余额一房屋市场价格)，借款人才会违约。因此
借鉴KMV的实证分析方法，可以采用历史违约数据来拟合这个违约比值，即在按
揭贷款违约发生频繁的分界点房屋市场价格与贷款余额的比值是多大。当然由于我
国由于房屋价格大幅度下跌导致的大面积违约数据缺失，我们可以利用别国的数据
来拟合。考虑到我国借款人违约成本相对于西方国家低得多，因此这个违约比值要
相应调高。 ．
考虑房屋价格的正常增长率，可以得到借款人还款时房屋价格的预期值(由于
按揭贷款是按月分期还款，可以按年测算)。将房屋的预期值减去和违约点价值(违
约比值与贷款余额的乘积)，可确定房屋市场价格下降多少即会触发违约，再将此值
除以房屋价格波动的标准差，即可得到违约距离。
违约距离=雩曩篓慧要嚣磊云骂曩冀篙器
例如：某按揭贷款抵押房屋的市场价值是100万元，预计其价格年增长率为10
21
个人住房按揭贷款信用风险量化管理研究
％，违约比率为90％，一年后该按揭贷款的余额为65万，其房屋价格的波动率为
20％，则其违约距离是：违约距离：—100(1+10％)—-90％x65：2．575个标准差
100×20％
这表明当房屋价格下跌到2．575个标准差时，该按揭贷款就会违约。KMV运用
违约概率的经验分布来计算预期违约概率(EDF)，如果我们利用同样的方法，可以
收集一定数量违约距离为2．575a的贷款样本，观测它们在历史上发生违约的比率。
该比率就是经验的EDF。例如收集到20000个违约距离为2．5750的贷款样本，其中
有500家违约。则：
EDF=500+"20000=2．5％
该模型是房屋市场价格的解析，房屋市场如果有效，房屋价格会包含投资者对
影响房屋价格的各种因素的预期，因此它具有一定的前瞻性。
KMV是一种基于违约模式的信用风险度量方法。在只考虑贷款违约或不违约的
情况，有了预期违约概率，就可以计算贷款的预期违约损失和非预期违约损失。
预期违约损失=贷款余额×预期违约概率×(1．补偿率)
此处的补偿率为处理抵押房屋得到的款项减各种费用除以贷款余额的比率。
因为借款人要么违约，要么不违约，所以可以假定违约概率为二项分布，因此
预期损失的标准差为：
盯=4EDF(1一EDF)
非预期违约损失=√E胛(1一EDF)×(1．补偿率)×贷款余额
3．1．3KMV模型应用于按揭贷款风险度量存在的问题
第一，房屋价格的预期是个难题。
在原始的KMV模型里，由于企业资产没有频繁交易的市场价格，因此是通过
企业股票的市场价格来计算企业资产的预期价格。但对于房屋价格的预期就比较困
难了。虽然房屋是频繁在市场上进行交易，房屋的历史交易价格非常容易采集到。
但问题的关键在于房屋的价格受很多因素的影响，包括：国家土地政策、城市规划
设计、市场资金状况、房屋区位优势的变化等等，历史交易价格里往往不包含新的
变化因素，准确预测非常困难。特别是一些人为的调控因素可能会导致这种拟合失
真。这也是学术界和实务界都不敢以房价预期作为研究课题的原因。
22
个人住房按揭贷款信用风险量化管理研究
第二，房屋价格波动服从何种概率分布难以确定。
模型运用另一个关键点是要能够测算出房屋价格波动的标准差，我们可以利用
房屋历史价格数据来计算房屋价格波动的标准差。但是未来房屋价格是否按照这个
标准差进行波动，很难下定论。我们知道房屋价格波动的周期比较长，要计算出一
个合理的标准差，历史数据必须涵盖若干个房地产行业周期。如果按照目前我们累
计的数据来计算，显然是不准确也不合理的。
第三，缺乏足够的观测样本。
在计算预期违约频率时，要求模型的使用者必须拥有大量的观测样本，而且这
些样本经历过房地产市场繁荣和衰退的完整周期。据有关学者的研究，原始的KMV
模型至少需要20000--一50000个观测样本计算出来的预期违约频率才有意义，而且计
算出来的EDF也要通过实证检验来进行修正。因此，建立一个庞大的历史数据是模
型的使用的前提，这显然又阻碍了该模型的应用。
综上，笔者认为从实际操作的角度而言，KMV模型并不适用于国内的个人住房
按揭贷款信用风险评估。
3．2基于精算方法的CreditRisk+模型应用分析
CreditRisk+模型是瑞士信贷第一波士顿(CS)于1993年着手开发并于1997年
推出的信用风险度量及组合管理模型，它是基于保险精算学基础的信用违约风险的
统计模型，只强调违约，而不对违约发生的原因做假设。
基于精算方法的CreditRisk+模型应用于涵盖了按揭贷款的零售贷款的风险评估
已经有学者进行了研究。CreditRisk+模型是基于保险精算学基础的信用违约风险的
统计模型。它是一个简单易行的模型，利用泊松分布来计算贷款组合的违约率。因
此应用于按揭贷款不存在任何操作性障碍。但是我们发现该模型之所以被人研究用
于零售贷款，是基于这样一个认识，即零售贷款的违约风险发生与人寿保险合同的
风险发生具有相同特点。模型假设每一笔贷款在任何期间的违约率都不变，且上一
期的违约不会影响下一期的违约。这些条件太苛刻了，其他类型的零售贷款可能还
能一定程度上满足这些条件。按住房按揭贷款显然不符合这种假设。显而易见，按
揭贷款上一期是否违约与下一期是否违约存在极大的相关性。随着房地产市场波动，
个人住房按揭贷款信用风险量化管理研究
住房按揭贷款会面临系统性风险，不可能在任何期间贷款的违约率是不变的。特别
是当房地产市场下行时，这个按揭贷款的违约率会上升，如果还按照CreditRisk+模
型进行风险度量，会严重低估风险。导致最需要揭示风险的时候，模型反而掩盖了
风险，这种模型风险是千万要避免的。以此我们也放弃了用CreditRisk+模型原理来
构建按揭贷款风险评估模型。
3．2．1模型的基本思想
CreditRisk+模型只考察违约风险，不考虑降级风险。与KMV方法不同，它并
不试图建立违约风险同企业资本结构间的联系，甚至对于导致违约的原因不做任何
假设。模型假设债权人A既有PA的概率发生违约，也可以有l—PA的概率不发生
违约。但它假定：
1、在既定时期(比如说1个月)，贷款的违约概率和任何其他月份的违约概率
都相同。
2、在债务人数目很多时，任何特定债务人的违约率都很小，并且在任何给定期
间发生的违约数同在其他任何期间发生的违约数不相关。
在这些假设下，给定时期内(比如说1年)违约数量的概率分布可以用泊松分
布来表述：
鼢。b(n个违约)=百j,tne-JA，n=。，l盘，．。
其中，
p=每年平均洼约数(≯=y啪
J‘一
A
违约的实际数量11是一个随机变量围绕均值为队标准差为、厢的泊松分布。该分
布的一个好的特点就是它可以完全由一个参数的均值n来限定。例如当11=3，那么
下一年中“无违约’’的概率就是：
Prob(o个违约)昌百30e-3-0．05墨S铂
利用这个方法可以计算出下一年中发生任何违约数量的概率。
个人住房按揭贷款信用风险量化管理研究
3．2．2模型在按揭贷款信用风险管理上的应用
2007年，学者黄丰俊、刘江涛在《国际金融研究》(2007年第6期)上发表文
章《商业银行授信资产组合管理研究》(详见本文“参考文献"目录8)，就CreditRisk+
模型如何应用于零售贷款进行了分析和探讨。由于个人住房按揭贷款本身属于零售
贷款类型的一种，且该文章对于CreditRisk+模型的在零售贷款上的分析过程已经基
本完整，笔者在此不再复述已有的研究结果。
需要指出的是，该文章结论认为随着时间的推移和外部环境的成熟，CreditRisk+
模型肯定能适用于零售贷款的信用风险管理实践，笔者对此结论持有完全不同的看
法。CreditRisk+模型是基于保险精算学基础的信用违约风险的统计模型。它是一个
简单易行的模型，利用泊松分布来计算贷款组合的违约率。因此应用于个人住房按
揭贷款不存在任何操作性障碍，但是由于该模型的假设前提条件过于严格，导致真
正在实践中运用此模型将导致严重的风险错估。
学者黄丰俊、刘江涛将CreditRisk+模型应用于零售贷款，是基于这样一个假设
前提，即零售贷款的违约风险发生完全等同于人寿保险合同的风险发生特点。即是
说：第一，任何一笔到期一次性还本贷款在未来任意时点的违约概率都不变；第二，
对于分期还款的同一笔零售贷款，上一期还款发生违约不会对下一期是否违约产生
任何影响。要在现实生活中满足这些条件有些过于严格，对于个人账户透支、外部
经济环境较为稳定时期的汽车消费贷款等类型的零售贷款有可能满足上述条件，但
对于贷款期限一般均在十年以上、贷款期间借款人是否违约肯定受到外部房屋价格
和个人收入波动影响的个人住房按揭贷款显然不能满足这些条件。
首先，由于个人住房按揭贷款一般都长达10年、甚至30年，贷款期间如果房
地产市场价格剧烈下滑，或者因受到外部经济环境影响个人可用于支配还贷收入出
现下降，这都将使个人住房按揭贷款面临违约风险。由此可见，在整个贷款期间内，
一笔贷款不可能在任何未来时点上的违约概率均保持不变。特别是当房地产市场下
行超过一定区间时，个人住房按揭贷款的违约率会系统性上升，如果还按照这种前
提假设来进行风险度量，显然会低估信用风险。
其次，对于分期还款的个人住房按揭贷款，同一笔贷款多期未能按时正常还款，
个人住房按揭贷款信用风险量化管理研究
肯定会预测后期的贷款偿还违约率上升，模型“对于分期还款的同一笔零售贷款，
上一期还款发生违约不会对下一期是否违约产生任何影响"假设不适合个人住房按
揭贷款。
3．2．30redi tRisk+模型运用于按揭贷款存在的问题
事实上，CreditRisk+模型最早起源于保险精算，对于个人的疾病或者死亡等事
件，我们基本可以认为不存在主管故意、与外部的经济环境也没有直接影响，因此
CreditRisk+模型隐含着违约事件符合泊松分布的原则。将该模型运用于个人住房按
揭贷款的出现的一系列问题，其根本上也都是源于泊松分布的数学假设前提。使用
该模型来评估个人住房按揭贷款信用风险，会导致以下结果：
第一，低估个人住房按揭贷款的违约率，并导致依据此配置的经济资本导致银
行非预期损失准备不足。
造成这种现象的原因有两个，一是中国银行业大规模开展零售贷款业务是在20
世纪90年代中期，到目前为止，中国银行业以住房按揭贷款业务为主的零售贷款尚
未如香港、日本等面临过房地产市场经济周期波动的冲击。因此历史违约率较低，
而实际回收率很高，算出的经济资本较小。二是根据模型给出的泊松分布计算出来
的违约率的标准差要小于实际标准差。这样肯定会低估需要配备的经济资本。
第二，CreditRisk+模型方法完全忽视了违约率的波动性，显然与个人住房按揭
贷款情况不符。
我们知道住房按揭贷款风险与人寿保险合同风险最大的不同就是住房按揭贷款
风险对于商业周期的依赖性很强，这不同于疾病或死亡(这两者都取决于个人客观
身体条件，不会受到个人主观意愿或者经济条件的影响)。当房地产行业处于高涨时
期时，从我们认识到经济常识来看，个人住房按揭贷款的违约率会呈现下降趋势；
反之经济处于衰退期或低谷时，个人住房贷款的违约率会显著上升。这都不符合
CreditRisk+的模型假设前提。
综上，我认为CreditRisk+模型由于其内在的数学假设前提与个人住房按揭贷款
26
个人住房按揭贷款信用风险量化管理研究
现实不符，将该模型应用于个人住房按揭贷款信用风险分析存在着“模型风险’’2。
因此，该模型不适用于个人住房按揭贷款信用风险评估。
3．3基于信用评级的CreditMetrics模型应用分析
3．3．1模型的基本思想
1993年，国际清算银行宣布，它有意引入一种针对市场风险的资本金要求。自
此，开发和检验在险价值(VaR,，ValueatRisk)方法风靡一时。现在VaR方法已经
被广泛用于对市场风险的估计和管理。由于信用风险呈非正态分布的肥尾现象，以
及有关数据难以收集等原因，VaR方法在信用风险的估计和管理中的运用一直没有
展开。直到1997年，J．P摩根联合一些机构共同开发了他们的CreditMetrics系统，
VaR方法才被真正运用于信用风险的管理中。该模型的出现，为商业银行对贷款进
行定价和对贷款损失进行估计提供了一个新思路。
CreditMetrics认为如果知道一笔贷款现在的市场价值和它的市场价值的波动
性，就可以计算出该贷款的在险价值，并估计出这笔贷款的违约概率和违约时的损
失。CreditMetrics认为贷款信用风险变化的信号包含在贷款的市场价值之中，而不
是包含在企业资产价值的变动之中。而贷款组合的价值的变化与信用等级转移、降
级、升级、债务人信用质量以及违约事件都有关。
3．3．2模型应用于按揭贷款的优越性、存在难点与解决的思路
CreditMetrics模型是现有公开内部结构的信用风险模型中适用性最为广泛的一
种模型。它的构建原理是使用贷款信用等级的变化来监测贷款风险程度的变化。这
就是说一个贷款只要能够被评级，就能利用CreditMetrics模型原理进行风险量化评
估。CreditMetrics较前文提到KMV与CreditRisk+模型还有一个最大的优点，就是
唯独它采用了MTM(markettomarketmode，简称“盯市模式")的方法来评估风险。
即该模型认为信用风险不仅仅存在于合约到期时交易对手是否履约这一时点，早在
合约到期前，由于交易对手在合约有效期内可能出现信用风险，通过该客户信用级
别发生的变化就能反映该交易对手信用风险变化对这单业务带来的影响。这比前两
2金融数学专有名词，特指由于计量模型存在的内在缺陷，无法客观拟合所分析对象的外部表现结果
’
27
个人住房按揭贷款信用风险量化管理研究
个模型采用DM(defaultmode，简称“违约模式力)方法来识别和管理信用风险更具
有动态性和灵敏性。
本人认为，由于CreditMetrics的模型几乎涵盖了所有信用产品的风险评估，经
过分析，我认为将之运用于个人住房按揭贷款信用风险评估不存在理论上的障碍。
而且将该模型运用于个人住房按揭贷款还具备如下两项优势：一、CreditMetrics是
一种基于盯市模式的信用风险度量法。它不单单考虑了贷款的违约风险，还考虑了
贷款的降级风险，因此能较全面地衡量信用风险变化对贷款价值造成的影响。这一
点对于实施监控按揭贷款风险变化非常重要。二、CreditMetrics可以估算出不能在
二级市场上交易的贷款的模拟市场价值，这为贷款的定价机制的建立提供了一个良
好的研究方向。为按揭贷款的出售、置换等创新信用风险管理手段得以运用打下基
础。
通过对CreditMetrics模型原理的研究，笔者认为将该模型应用于个人住房按揭
贷款风险评估和管理需要重点解决以下几个问题：
一、模型是基于信用等级迁移概率而建立的，因此银行必须要拥有一个针对个
人住房按揭贷款的信用风险评级体系，因为这是整个模型评价信用风险的出发点和
基础。
二、根据历史数据拟合的信用等级迁移概率矩阵必须涵盖数个完整的商业周期，
这样得到的迁移率才能够用来预测未来各级别间迁移的概率。否则，得到的信用等
级迁移概率矩阵将带有明显的某一历史经济时期特征，从而无法正确的估算信用风
险组合。
三、制定不同信用等级间个人住房按揭贷款的信用风险价差具有一定难度。在
西方，CreditMetries模型用于公司贷款信用风险评价时，是用债券市场各种信用等
级的债券的信用风险价差来代替。而我国目前债券市场容量不大，交易不活跃，在
价格信息不公开的情况下，各等级债券的信用风险价差很难获取。这会给贷款估值
带来一定的困难。
四、需要解决贷款组合内违约相关性的度量问题。
下一章笔者将具体解决这些问题，以通过解决上述问题来解开CreditMetrics模
型应用于个人住房按揭贷款的难点。关于问题一下一章将单独用一节，提出建立个
人住房按揭贷款风险评级体系的五个步骤；问题二属于采集数据时需要注意的事项，
个人住房按揭贷款信用风险量化管理研究
不存在绕道的方法；问题三我个人认为可以使用银行贷款预期报酬率来替换各级债
券的价差；问题四在按揭贷款组合内贷款违约相关性度量非常困难，我考虑是否可
将系统性因素放置在模型外进行调整，并且合并同一借款人(或借款家庭)多笔贷
款为一个风险点，以此来规避贷款组合内存在的违约相关性问题，我个人认为这将
是一个解决该问题的技术性办法。
3．4考虑宏观因素的CreditPortfolioView模型应用分
析
3．4．1模型的基本思想
CreditPortfolioView是一个多因素模型，用于模拟既定宏观因素取值下各信用
等级对象之间联合条件违约分布和信用转移概率。相对于其他模型而言，该模型的
输入变量依靠一系列的宏观经济变量如失业率、利率、经济增长率、政府指出和储
蓄水平等，对每个国家不同行业中的违约概率和信用等级转移概率的联合条件分布
进行模型。当经济恶化时，降级和违约会增加；当经济好转时，降级和违约将减少。
(曹道胜，何明升2006)。
3．4．2模型在按揭贷款风险度量中运用的可能性
CreditPortfolioView模型的风险驱动因素是宏观因素，属于条件模型。如我们
上文讨论的，住房按揭贷款风险的变化很依赖于商业周期。诸如经济增长率、利率、
通货膨胀率等宏观经济因素对按揭贷款的影响不能不考虑。而我们前文提到的
CreditMetrics模型，虽然可以运用于按揭贷款风险的度量。但它的风险驱动因素是
借款人资产价值，是一种无条件模型。模型没有考虑外部宏观因素对贷款违约率的
影响，因此CreditPortfolioView模型作为一种修正方法的可能性是存在的。本文将
借鉴该模型的分析思路，对下一章本人提出的基于CreditMetrics的个人住房按揭贷
款模型进行修订。
个人住房按揭贷款信用风险量化管理研究
3．5四个模型建模对比和应用方向比较
3．5．1建模理论基础对比
上述四个模型的建模理论基础均不相同。KMV模型是基于期权理论建模。认为
贷款违约的风险是由企业市场价值低于负债价值引发的，因此贷款风险信号可以通
过观测企业股票价格变化和资产负债比率获得。CreditRisk+模型是基于保险的精算
理论建模。认为贷款违约风险是一种随机发生事件，贷款组合的违约概率依赖于历
史平均违约率，因此贷款风险信号来源于历史违约率的观察。CreditMetrics模型是
基于信用评级建模。认为贷款的违约风险与企业的信用评级具有高度的相关性。因
此贷款风险信号通过观察企业信用评级变化获得。CreditPortfolioView是基于经济
计量方法建模。通过经济计量模型方法得出贷款违约概率与当前的宏观经济状况、
行业和公司所处的地理位置等宏观经济因素的相关性。因此贷款风险信号来源于宏
观经济因素的变化。
3．5．2模型特点对比
根据对违约定义不同，商业银行信用风险模型可以分为盯市模式(MTM)和违
约模式(DM)。盯式模式除了考察借款人违约的风险之外，还考察在贷款有效期内
借款人信用级别下降带来的降级风险。而违约模式则是集中于预测违约损失，它只
考虑两种情形，即违约和不违约。因此MTM是一种更为动态的建模模式。在上述
四个模型中，KMV和CreditRisk+属于DM模型，CreditMetrics为MTM模型。而
CreditPortfolioView即可以为当作MTM模型，也可以当做DM模型使用。
从风险驱动因素不同，可将信用风险度量模型分为条件模型和无条件模型。按
照巴塞尔委员会的定义，无条件模型反映反映相对有限的特定借款者或特定信用项
目的信息；而条件模型除此之外还要综合考虑一国或国际的总体经济环境的影响。
根据这一定义，不难判断KMV模型的风险驱动因素是受宏观因素影响的借款人资
产价值变化，CreditPortfolioView的风险驱动因素是宏观因素，因此这两个模型均
是条件模型。而CreditRisk+的风险驱动因素为贷款组合的历史违约率，CreditMetrics
的风险驱动因素为借款人的信用评级变化，而者都属于无条件模型。
根据信用事件的相关性不同，可将信用风险度量模型划分为结构式模型和简化
个人住房按揭贷款信用风险量化管理研究
式模型。结构式模型试图通过分析借款人的微观特征来分析其违约或这信用质量的
变化。而简化式模型则不试图解释借款人的微观特征与违约的关系，而是选择统计
的方法来考察借款人的违约概率。KMV通过观察每个借款企业的股票价格波动来分
析其违约率，CreditMetrics通过观察每个借款人的信用等级变化来分析其违约率，
它们都属于结构式模型。CreditRisk+通过泊松分布统计借款人的违约率，
CreditPortfolioView通过经济计量分析借款人的违约率，它们都属于简单式模型。
3．5．3模型应用方向比较
鉴于上述四个模型在建模理论基础和模型特点方面的不同，因此也导致它们的
应用方向不同。
KMv很明显他比较适用于上市公司的贷款信用风险分析。因为商业银行可以通
过股票市场轻易获得上市公司股票价格和波动性的数据。但是它对股票市场的有效
性提出比较高的要求，即股票价格的变化要能充分反映企业经营状况和资产价值变
化的信息。
CreditMetrics的模型是基于信用评级。因此它几乎可以适用于任何能够建立科
学的评级体系的贷款的风险评估，适用范围比较广。但是它依赖于银行要建立一个
比较准确和灵敏的评级系统。这与新巴塞尔协议建议银行在信用风险评级过程中逐
步从标准法向高级内部评级法转换的思路一致，值得推广。
CreditRisk+要求模型中的每一笔贷款独立也每笔贷款违约可能性很小。这个模
型比较适用于除按揭贷款以外的其他类型的零售贷款组合风险的评估。
CreditPorffolioView涉及到宏观经济因素对信用级别转移的影响，主要应用于
违约概率受到宏观经济因素影响比较大的贷款组合的风险评估。但是要求一国的宏
观经济因素的指标与企业信用级别转移具有相对稳定的函数关系。
3l
个人住房按揭贷款信用风险量化管理研究
第4章 构建个人住房按揭贷款信用风险模型
目前流行的四种模型，KMV模型适用于公司贷款的信用风险度量，特别是上市
公司，不太适用于按揭贷款。CreditRisk+假定了违约发生是一个随机事件，它有两
个前提条件(1)在既定时期，贷款的违约概率和任何其他月份的违约概率相同；(2)
在债务人数目很多时，任何特定债务人的违约率都很小，并且在任何给定期间发生
的违约数同其他任何期间发生的违约数不相关。这个条件显然太过于苛刻，而且这
种方法忽略了信用转移风险。而CreditMetrics使用于任何类型贷款，可以为我们借
鉴。由于按揭贷款风险会受到很多宏观经济变量的影响，因此CreditPortfolioView
可以作为它的补充修正。
4．1构建个人按揭贷款信用评级体系
如果要运用CreditMetrics模型来度量按揭贷款的信用风险，就要面临一个对贷
款进行评级和在同一尺度下累计评级和信用等级迁移数据的现实问题。目前我国的
商业银行已经开始借鉴西方信用评级技术对公司贷款的内部评级体系的建设进行探
索。但对于按揭贷款的信用评级的探索还十分缺乏。因此要解决按揭贷款信用风险
度量问题，完成对按揭贷款的风险度量，第一关面临的就是按揭贷款的信用评级体
系的构建问题。一般来讲，任何贷款信用评级体系的构建都要包括如下四个过程：
l、对于影响贷款信用级别的因素的选择；
2、衡量每个因素度量贷款信用风险的有效性；
3、建立评级模型；
4、检验评级模型的有效性。
4．1．1对于影响按揭贷款信用级另Ⅱ的因素的选择
目前对于公司贷款的信用风险因素的选择国际上以及有比较统一的观点，而对
于按揭贷款信用风险因素的选择还没有大规模的研究。比较有借鉴意义的是现在各
家银行针对信用卡发放研制的信用评分卡，它一般包括以下几个内容：
1、基本情况评分：包括借款人的姓名、性别、年龄、学历、职业、职务、工作
32
个人住房按揭贷款信用风险量化管理研究
地点、工作单位、家庭成员构成、工作经历等等；
2、个人价值体系评分：包括家庭年收入、月收入与月还款额比率、不动产价值、
有价证券、银行存款、保险等；
3、业务状况评分：包括有无毁誉记录(如偷漏、拖欠税款记录，恶意拖欠水电
费、电话费等)、有无破产记录、个人的信用卡消费及透支情况、存贷款记录、购买
国债及其他金融债券情况，每发生一笔业务，都有一定的积分；
4、抵押物状况：包括抵押物价值、抵押物保险、抵押物的处置成本、抵押物抗
自然灾害及人为因素影响的能力。
我们可以对上述因素进行筛选和补充，比如剔除如姓名、性别、工作地点等与
风险无关的因素。同时按照主观经验对这也因素对按揭贷款的风险的影响等程度进
行分类，比如一级、二级、三级指标，设定级别越高的因素对贷款的风险程度影响
越大。同时如果采纳不到数据可以采取按平均值取值或按最低值取值的方法。
表3．1：按揭贷款风险因素分析表
个人住房按揭贷款信用风险量化管理研究
种类 子类型 风险种类 分析方法
有无司法纠纷
有无破产记录
信用卡消费及透支情况
存贷款记录
购买国债及其他金融债
券情
三类因素 借款人有无保险
年龄
职业
职务
受教育程度
4．1．2衡量每个因素度量贷款信用风险的有效性
上述由主观经验检筛选出来的因素到底与按揭贷款信用风险有多大的相关性，
用其来度量按揭贷款的信用风险是否有效还必须经过数据检验。
首先，要对上述因素进行取值。我们发现上述因素一些是定量的，一些是定性
的。对于定量的因素比较容易取值。对于定性的因素必须进行分类，比如很好、较
好、一般、较差、非常差，然后对每一个分类取值，比如取值为3、l、0、．1、．3。
其次，采集样本并进行标记。我们需要随机采集一个含有违约案例的足够大的
数据样本，我认为不能低于10万户。对采集的样本按照第一步分析出来的因素进行
标记。对于已经违约的样本，因素分析的取值一定注意是其违约前的取值，这里会
涉及到一个后验偏差的问题。
再次，进行单因素预测有效性的分析。
检验单因素在预测贷款违约风险时是否有效，我们可以采取一个评判标准。即
是在已知的样本中，如果该因素状况差的样本都违约率了，那么该因素的预测性就
较好。这里我们举一个例子来说明这种方法。假设我们采集了10万个样本，发现其
中违约的样本占10％，也即是有1万个违约。我们给这lO万个样本按照某个风险
因素进行标记并且进行排序，将最差的排在前面，最好的排在后面。如果这因素具
有完美的预测能力，就应该是排在最前面的l万个样本就是那违约的1万个样本。
但实际上没有哪个因素可能具备这种完美的预测能力。因此我们只能选择那些预测
个人住房按揭贷款信用风险量化管理研究
能力较优的因素。
100％
90％
80％
70％
60％
SO％
40％
黧
0％
⋯⋯·随机因素
一完美因素
一一准确率为50％的因素
琴 琴 器 葶 幂 幂 累 累 葶 装 葶
b 2 昌 帛 2盆 82曷 昌 8
图3-1单因素预测能力示意图
如图3．1，横轴为我们将样本按照风险因素的好坏进行排序，将最差的排在前面，
最好的排在后面。纵轴为排名最差的百分之多少的样本中违约样本占总违约样本的
比率。比如：若一个因素它具有完美的预测能力，横轴中排名最差的10％的样本就
应该包含所有的违约样本，因此在横轴取值10％时，纵轴达到100％。而对于没有
预测能力的随机因素而言，排名最差的10％的样本中可能包含的违约样本也因为随
机分布只占总违约样本的10％。而对于有一定预测能力的因素(不是完美的)而言，
排名最差的10％的样本中应该包含超过总违约样本10％但低于100％的违约样本。
而且这个值越高越表面这个因素的预测能力优良。从上图来看也就是B的面积相对
于A+B的面积越大，因素的预测效果越好。因此我们可以引入一个因素预测能力的
评价指标，即是：
D预测准确率=三
彳+召
我们发现上述指标的取值总在0到1之间，取值为0时为随机因素，取值为1
是为完美因素。因此取值越接近1时其预测能力越优良。
4．1．3违约概率模型的建立
通过上述两个步骤，我们筛选出了具有优良预测能力的单因素。从理论上来讲，
这些因素共同决定了一笔贷款的违约概率。可以用如下公式来表示：
个人住房按揭贷款信用风险量化管理研究
PD≈哦j物⋯。．；％)
因此要进行模型的回归分析，必须具备一系列的数据组，比如xl这种风险因素，
当它取不同的值时应该对应有不同的违约率。对于离散型的变量可以根据主观的经
验进行分类，并且根据样本计算出具有同一特征的样本的违约频率是多少。对于连
续性的变量将其划分为一个个小区间(确保每个区间有足够的样本数量)，计算出每
个区间样本的违约频率是多少。
模型中的因素与违约率的关系并不一定是线性的关系，特别是一些连续性的变
量。因此必须先从图形上观察单个变量因素与违约率之间的关系。如果属于非线性
关系，先利用变量替代转换成为线性关系之后在进行回归。
由于进行多元的回归分析，可能会发生多重共线性的问题，也就是回归模型中
两个或两个以上的自变量彼此相关。多重共线性的存在可能会造成回归分析的混乱。
因此要采取一定的措施避免多重共线性的存在。
4．1．4违约概率向信用等级的转化
违约概率的模型建成后必须将违约概率转化为信用等级。如果将信用等级分为
丸蛆、AA、A、BBB、BB、B、CCC、违约八个等级。预测违约率多高应该被划分
为哪个等级是一个关键性的问题。首先，银行必须给出一个未来经营的期望违约率。
它可以参考历史的平均违约率、同行业的平均违约率以及未来的经营目标来制定。
确保今后按照评级体系来操作的贷款的平均违约率能够与这个期望违约率保持一
致。其次，将违约率与贷款的信用评级建立一个关系。这个关系可以不是线性的关
系。为了使处于期望违约率附近的违约率的微小差异能够体系在最后评级的差异上，
可以采用非线性的设定。再次，将信用等级与国际信用等级靠拢。违约率转换为信
用等级时可以将信用等级的风险反映程度与国际和行业的信用等级靠拢，以期能够
获得一些参考比较作用(如表3．2)。
表3-2：按揭贷款风险因素分析表
风险 风险评级 对应的标准普尔公司
或穆迪公司评级
主权债务0 无对应
1 ．AAA
低风险 2 ’AA
3 A
个人住房按揭贷款信用风险量化管理研究
中等风险
4
5
6
7
8
9
lO
11
12
BBB+／BBB
BBB一 投资级别
BB+／BB 低于投资级别
BB一
高风险
B十／B
B．
CCC十／CCC
CC-
发生违约
4．1．5检验评级模型的有效性
评级模型建成后，必须检验其有效性。如前我们所提，银行可以将自己的历史
数据分为两部分，一部分用于建模，另一份用于检测模型的实际有效性。这个步骤
是非常必要的，可以尽量避免由于样本的一些共同的特殊性而影响模型的准确性。
4．2构建基于CreditMetircs的按揭贷款信用度量模型
在介绍基于CreditMetrics模型的按揭贷款信用风险度量模型构建的基本步骤之
前，我们必须弄清什么是在险价值VaR。
VaR是指给定的置信区间(比如95％，97．5％，99％等等)下给定的资产或负债
在一定时期内可能发生的最大(在价值上的)损失。例如：一种可交易的股票，今
天的价格是40元，其估计的每日价格波动的标准差是5元。风险管理者会问：明天
我会有多大的概率遭受多大的损失?从统计意义上讲，如果未来100天内，有一天
会是“坏日子”，那么明天是个“坏日子”的概率就是1％。在这个1％的概率下持有这
种股票的损失是多少呢?
如图2-4，假定股票价格服从正态分布，我们知道收益的观测值大约有68％必
定落在偏离均值的+l和一1个标准差之间；观测值得95％必定落在偏离均值的+2
和一2个标准差之间；观测值的98％必定落在偏离均值的+2．33和一2．33个标准差
之间。就后者而言，存在1％的机会使得股票的价格在明天上升到51．65(40-4-2．33a)
元以上，也存在1％的机会使得股票的价格在明天下降到28．35(40—2．330)元以下。
或者说，存在99％的可能性使得股票持有者的损失小于11．65(40--28．35)元。这
里的11．65元就可以看作是在99％的置信区间下，这一股票的VaR值。这意味着，
个人住房按揭贷款信用风险量化管理研究
明天损失11．65元或更多的可能性为1％(图中的阴影部分)。
28．35 40 51．65
图3—2某种交易性股票的VaR
根据这种理念CreditMetrics的基础方法是：在一个既定的期限内(通常是1
年)估计一项贷款或者债券资产组合未来价值变动的分布。通过分布来估计贷款组
合在一定置信度下的VaR。
4．2．1估计贷款评级的变动概率
CreditMetrics认为贷款价值的变动与借款人的信用级别的变动有关。当借款
人的信用级别降低时，它的违约概率就会提高，以他作为债务人的债权资产的价值
就会降低。对于交易频繁的债券，这种信用级别的变动导致的债券价格的变动会在
市场上表现出来。但是贷款没有交易的市场价格，因此要通过估计借款人信用级别
变动的概率来计算贷款市场价值。
表3—3给出了标准普尔给出的一个信用评级和一年内信用等级转移矩阵。
表3_3一年内信用等级迁移的概率(％)
溪滋懑媾琵透凌滋嚣瑟瑟滋凌藕鍪翟藏鍪溺露渤
BB 0．03 0．14 0．67 7．73 80．53 8．84 1．OO 1．06
B 0 0．11 0．24 0．43 6．48 83．46 4．07 5．20
CCC 0．22 0 0．22 1．30 2．38 11．24 64．86 19．79
屹∞弭∞甜钇拳A
个人住房按揭贷款信用风险量化管理研究
资料来源：标准普尔的《信用周刊》，1996年4月15日
在标准普尔的范例中，有7个信用等级，最高级是AAA级，最低级是CCC级。
这里把违约定义为这样一种状态，在这种状态中债务人无法偿付同债券和贷款相关
的债务——无论是利息支付还是本金支付出现了困难，都视为违约。
如上表BBB级的债务人一年内可能由现在的评级转移到其他任何一个评级。当
然最可能的情形是债务人仍然留在同一评级内，即BBB级，这种概率为86．93％。
这个债务人在1年内违约的可能性为0．18％。信用转移矩阵是在初始评级的基础上
考虑了借款人经历的各种历史事件(这些事件都有评级机构进行评估)后所得出的。
在这里把违约视为一种“陷入状态"，即当某个债务人出现违约时，他将一直处于
这种状态。
银行按揭贷款的信用风险度量如果借鉴CreditMetrics的方法，也必须具备上
述信用等级迁移矩阵。由于中国缺乏客观的外部评级机构，因此这个矩阵的得到还
要依赖我们上一步介绍的银行内部评级系统。在获得这个信用等级迁移概率矩阵的
时候要注意以下几点：
1、银行在信用评级体系使用的过程中，肯定会根据客观情况的变化，不断改进
评级办法，提高信用等级评定的精确性。这里要确保每个信用等级反映的风险程度
保持一致性，才使得前后期具有可比性。
2、信用等级迁移概率的测算必须涵盖数个完整的商业周期，这样统计的迁移率
才具备指导性。特别是针对房地产行业，如果迁移概率只是在行业成长期获得，统
计出来的债务人从高信用等级转移到低信用等级的概率肯定低于衰退期，这样就低
估了风险。虽然中国还为经历完全意义上的房地产商业周期，但从现在开始累计信
用级别迁移数据对今后的信用风险管理具有重大的意义。
3、注意识别不同时期由于持有的按揭贷款组合差异导致的迁移概率的变化。
4．2．2对贷款进行估值
对贷款的估值是运用贴现法来进行的。举例来说，如果现在有一笔BBB级的5
年期的贷款，本金为1亿美元，年利率为6％。在第一年内发生了信用事变(Credit
个人住房按揭贷款信用风险量化管理研究
Event)后，借款人的级别会发生变化。那么在第一年末，贷款的现值为：
P：6+ 鱼 +
(1+^+而)
106
(1+r4+J4)4
其中，r是无风险利率，S是年度信用风险价差。因此不同信用等级的贷款采用
的折现率是不同的(如表3—4)。
在CredietMetircs的模型中，它们是利用由债券市场上观测到的数据来模拟同
信用等级的贷款的信用风险价差。由于中国缺乏这样一个的债券市场，这个数据难
以获取。同时债券市场的信用等级必须能与银行内部评定的按揭贷款信用等级获得
准确的对映关系，即对映的两个信用等级所的包含风险状况一致，这种数据参考计
算出的贷款价值在准确。
因此国内银行在评估按揭贷款的价值时，最为精确的方法是通过多年的数据累
计能够测算出不同信用等级贷款的信用风险价差。初期可用银行对不同信用等级、
不同年限的贷款的预期回报率作为贴现因子。这个贴现因子可以根据每年各类贷款
的实际损失进行调整。
由于不同级别的债券有不同的信用风险价差，因此根据上式可以计算出贷款在
第一年末的价值分布(如表3-5)。
表3-5不同信用评级下第一年末贷款的价值
年末信用级别 价值，亿美元
AAA 1．0937
AA 1．0919
A 1．0866
BBB 1．0755
BB 1．0202
个人住房按揭贷款信用风险量化管理研究
B 0．9810
CCC 0．8364
违约 O．5113
均值 1．0709
资料来源：CreditMetrics—TechnicalDocument,J．PMorgan，April2，1997．
4．2．3计算单笔贷款的VaR值
根据贷款在未来一年末的价值分布，可以计算出它的均值和价值波动的标准差
(见表3—6)。假设贷款价值是正态分布的，由前面对VaR的介绍可知，贷款价值有
1％的可能性下降到2．330以下。因此，在99％的置信区间下，贷款的VaR是697万
美元。然而，我们知道信用风险是呈偏态分布的。因此697万美元的VaR估计值肯
定低估了贷款的风险。从贷款的实际分布中我们可以看出，贷款价值下降到0．9810
亿美元以下的概率为1．47％，贷款价值下降到0．8364亿美元以下的概率为O．3％。运
用线性插值法可得贷款价值有1％的概率下降到0．9229亿美元以下。这意味着在99％
置信区间下，贷款的实际VaR值为0．1480亿美元(1．0709-0．9229)。
表3-6BBB及贷款的VaR的计算
资料来源：CreditMetrics-TechnicalDocument,J．PMorgan,April2，1997．
4．2．4计算贷款组合的在险价值
组合管理理论最先是由Markowitz提出来的。Markowitz认为具有非系统性特
征的风险都可以通过分散投资的手段得以化解。并给出了计算投资组合风险的方法，
41
个人住房按揭贷款信用风险量化管理研究
该方法是用个别资产的收益和风险的历史时间序列数据来估计组合的收益和风险。
资产组合的平均收益足，和资产组合收益的方差口；可用以下公式计算：
R，=∑置置
f=l
式中：R。——鲴合中第i种资产的平均收益；
置——组合中第i种资产的投资比例；
盯?——第i种资产收益的方差
％——笫i种资产的收益与第j种资产的收益之间的协方差
岛——第i种资产和第J种资产之间的相关系数
在一个资产组合中，当尽量选择那些零相关或负相关的资产，式中的第二项就
会为0或为负值，组合的总体风险会小于组合中资产的平均风险∑X，盯?。
由于信用风险具有非系统性的特点，因此找出一组低相关的或负相关的信用资
产是可能的。这为银行运用现代资产组合理论(MPT)管理信用风险奠定了理论基础。
目前，标准组合管理理论已经被成功地运用股票、公开交易的垃圾债券这样的
股权或类股权式产品。但在债权式产品方面的运用还是近几年才开始探索和兴起的。
将标准组合管理理论运用到贷款组合管理中的最主要的问题是如何确定贷款的收
益、风险及违约相关性等需要输入的变量。而在这些变量中最困难的则是相关性的
度量，因为很难从历史数据中直接推断出违约相关矩阵。
对于按揭贷款的违约相关的原因，我们可以做如下分析：
第一，所有按揭贷款都面临一个房地产行业大背景，无论任何原因导致房地产
价格下跌，那基本所有的贷款违约率都有提高的危险；
第二，宏观经济因素也会形成多每个贷款人还款能力的影响，比如利率提高使
得大部分还款人(固定利率的除外)还款额增加；比如物价上涨使得，所有人的实
42
盯盯
～矿pXX
。∑同州
。∑汹
+
2
f
盯Y
。∑鲥
II2
P
盯
个人住房按揭贷款信用风险量化管理研究
际收入下降等等。这些因素会削弱贷款人的还款能力。
第三，一些行业不景气，可能会导致这些行业的劳动者收入下降，导致其还款
能力减弱。
第四，同一借款人购买多套住房的多笔贷款存在高度的风险相关性等等。
分析上述原因，我们发现第一、第二类原因属于一种系统性风险，几乎所有的
按揭贷款都会受其影响。而第三、第四类风险属于非系统性风险，这类风险正是各
类贷款组合风险模型要考虑的。但是我们发现，由于工资刚性的存在，行业的不景
气导致的劳动者收入下降的风险要远远低于企业贷款中企业资产价值下降的风险。
同时劳动力存在一个在行业间流动的可能性，以及家庭夫妻双方可能处于不同的行
业，这些因素又大大削弱了按揭贷款还款家庭之间收入波动的相关性。针对第四点，
在银行的风险考察中，可以将同一借款人购买多套住房的多笔贷款合并为一个风险
点来考察，即如果同一借款人的一笔贷款发生违约，也视为其他贷款发生违约。
通过上述分析，我们在计算按揭贷款的组合风险时可以不考虑单个贷款之间相
关度的问题，可以把它们的相对度视为O。对于所有贷款都面临的宏观经济变量和
行业经济变量风险可以通过另外的模型因素进行调整。根据这种思路我们可以得到
按揭贷款组合价值以及风险的测算方法。
4．2．4．1联合移动概率的确定
假设贷款组合里有两笔按揭贷款，期限均为5年期，本金均为1亿美元，年利
率均为6％。但一笔为A级贷款，一笔为B船贷款。根据前面的步骤我们可以得到A
级和BBB级借款人一年后向其他信用级别迁移的独立概率(表3-3所示)。
表3-7A级和BBB级借款人一年信用级别迁移概率
资料来源：CreditMetrics-TechnicalDocument，J．PMorgan,April2，1997．
由于假设两个贷款人之间信用等级的迁移是相互独立的，因此可以非常容易的
得到一个联合迁移概率矩阵。如下
’
43
个人住房按揭贷款信用风险量化管理研究
债务人2(A)
年末评级
AAA0．09
AA 2．27
A 91．05
BBB5．52
BB 0．74
B 0．26
CCC0．01
违约0．06
表孓8 A级和BBB级借款人的联合迁移概率
债务人l(BBB)年末评级
AAAAA A BBBBB B CCC违约
0．02 0．33 5．95 86．93 5．3 1．17 0．12 0．18
O．OO O．00 O．01 O．08 O．00 0．00 0．OO O．00
0．00 0．Ol 0．14 1．97 0．12 0．03 0．OO 0．00
0．02 0．30 5．42 79．15 4．83 1．07 0．11 0．16
0．00 0．02 0．33 4．80 0．29 O．06 0．01 0．01
O．oo 0．00 0．04 0．64 0．04 0．01 O．OO O．00
O．00 O．00 0．02 O．23 O．0l O．00 O．oo 0．oo
0．00 0．oo 0．00 0．01 0．00 0．00 0．oo 0．00
O．00 O．OO 0．00 O．05 O．OO O．oo 0．OO 0．00
4．2．4．2资产组合价值的确定
由于我们已经知道单笔贷款一年以后借款人的信用等级迁移到各个级别后的价
值，将它们两两相加即可得到组合的价值分布(见表3-9)。
债务人2(A)
年末评级
AAA
AA
A
BBB
BB
B
CCC
违约
表3-9贷款组合的价值分布
债务人1(BBB)年末评级
从A AA A BBB BB B CCC 违约
2．18742．18562．18032．16922．11392．07471．9301 1．605
2．18562．18382．17852．16742．11212．07291．9283 1．6032
2．18032．17852．17322．162l2．10682．0676 1．923 1．5979
2．16922．16742．162l 2．151 2．09572．05651．9119 1．5868
2．11392．112l2．10682．09572．04042．00121．8566 1．5315
2．07472．07292．06762．05652．00l2 1．962 1．8l74 1．4923
1．93011．9283 1．923 1．91191．85661．81741．6728 1．3477
1．605 1．60321．59791．58681．53151．49231．3477 1．0226
4．2．4．3确定贷款组合的VaR
含有两种贷款的组合此时在“种可能的联合概率下有64种价值。则其均值和
标准差为：
个人住房按揭贷款信用风险量化管理研究
99％的置信区间下，贷款的VaR是0．0796(2．33x0．0342)亿美元。当然也可以根据
实际分布计算出更为精确的VaR值。
4．2．4．4N笔贷款期望价值和风险的衡量
前面讲述了模型计算的基本方法，从中我们观察到，当贷款组合只含有两笔贷
款时，组合可能的价值就有64种。若组合含有N笔贷款时，则其可能的价值就有
8n种，这样模型的计算量就太大了。因此，在实际运用过程中需要采用蒙特卡洛模
拟法来计算。
4．3根据宏观经济情况改进CreditMetircs模型
从前述的分析中我们知道，诸如GDP、利率、通货膨胀率以及房地产行业景气
程度、房地产价格指数等(见表)会给按揭贷款组合带来整体的系统性风险。这些
风险必须考虑在按揭贷款组合风险衡量当中，否则当宏观经济背景发生改变时，模
型所揭示的风险可能会导致银行整体风险的低估，其危害性非常大。
我们利用CreditMetircs分析出的按揭贷款违约率和损失状况，是基于过去几
十年的经验数据得来，它反映的是一个历史平均水平。如麦肯锡公司开发的
CreditPortfolioView的方法认为：违约率和信用等级转移概率和经济状况有着密
切的联系。当经济疲软时，违约率和信用等级转移概率都会增加；当经济走强时，
情况相反。换句话说，信用周期会紧随着商业周期的变动而变动，这一点特别适用
于房地产行业。因此我，f1"15t用CreditMetircs模型分析按揭贷款的信用风险时还必
须根据当时的宏观经济条件和行业周期进行调整和修正。
4．3．1简单的因子调整法
表3--10宏观影响因素列表
45
个人住房按揭贷款信用风险量化管理研究
二类因素 GDP
利率
通货膨胀率
失业率
如表3-10我们将影响按揭贷款风险水平变化的系统性因素分为两类。一类是行
业因素，它们对按揭贷款风险的影响较大；二类是基本宏观因素，他对按揭贷款风
险的影响略小于一类因素。我们必须将表内所包含的因素综合换算成一个调整因子。
用这个调整因子来对CreditMetircs分析出的按揭贷款风险状况进行调整。
简单的做法是综合上诉影响因素为一个(一1，1)之间的调整因子。当调整因
子接近于0时，表明宏观因素没有发生重大变化，对按揭贷款风险的影响可以不予
考虑。当调整因子为负值时，表明宏观因素发生不利的变化，按揭贷款的整体系统
性风险上升。这时以CreditMetircs模型分析出的按揭贷款风险程度必须进行调整。
比如：增大按揭贷款降级的概率或取消按揭贷款增级的概率等。当调整因子为正值
时，表明宏观因素发生有利变化，按揭贷款的整体系统性风险下降。
将影响因素综合为调整因子的具体做法是：
l、对影响因素进行区间划分。区间划分的依据是每个因素对按揭贷款风险的影
响程度。比如，当房屋价格指数波动到什么水平以下就对按揭贷款风险产生明显影
响。
2、确定每个影响因素与调整因子的关系。我们可以确定当影响因素处于一个基
准区间时，调整因子的取值应该为O。比如房地产价格指数为(--0．1，O．1)时，
对应的调增因子取值为O；GDP处于(8％，10％)时对应的调证因子取值为O。以
这个取值为基准，当影响因素的波动超出基准区间时，根据历史经验数据来设定调
整因子的取值。对于对按揭贷款影响重大的因素，取值的敏感度要增加。比如房地
产价格指数变化相对于其他因素对贷款风险影响较大。而且当价格指数负值水平越
高时，它对按揭贷款风险的负面影响呈加速度状态。取值要体现这一特点。
3、通过回归，将各种影响因素整合为一个调整因子。
个人住房按揭贷款信用风险量化管理研究
4．3．2OreditPortfoIi0ViOW方法
对利用宏观因素对借款人的信用转移概率进行调整这一课题，麦肯锡公司也提
出了CreditPortfolioView的方法进行观察。这种方法适用于投机级的债务人——它
们的违约率随着信用周期激烈变动，而不适用于投资级的债务人——它们的违约率
更为稳定。如果当一个银行的按揭贷款大部分为投资性质的贷款时，这种调整就显
得更加必要了。
该方法用一个行业指数将违约概率纳入模型，其中的独立变量是一个行业特定
指数，该指数取决于当前和之后的宏观经济变量。如下：
probt=熹 (1)
其中，Prob。是在时间t，投机级债务人的条件概率。K是从一个多因素模型中推导
出来的国别指数值。这种指数变换可以保证概率的取值落在0一-．1之间。
我们将通过CreditMetries模型得到无条件信用等级转移概率矩阵表示为9M，
注意这里的矩阵最好是基于长时期的跨越若干商业周期推导出来的历史平均数。如
前讨论，非投资级债务人的违约概率在经济衰退时期要比违约事件均值高。此时信
用降级事件会增加，而升级的情况会减少。经济扩张期的情况正好与之相反。我们
可以按下列方法来表述：
罢凳>l。经济衰退时蕊蠢>l·缎糈表逯呵
嚣<l，经渊广张时 (2)
这里的sD砭是在等式(1)的基础上模拟出的投机级债务人违约概率；巾SDP债
务人的无条件违约概率(历史平均数)。
CreditPortfolioView建议使用这些比率(2)来调整巾M中的信用等级转移概率，
生成以经济状态为条件的一个信用等级转移矩阵M：
魄2lv!(prob／,SDP)
47
个人住房按揭贷款信用风险量化管理研究
其中的调整包括：兰iVrobfcpSDP的值大于1时，将概率群体转入降级和违约状态；
Probt／q'SDP的值小于1时，情况相反。至于利用行业指数调整信用等级转移概率的
具体方法，麦肯锡并没有披露。限于笔者研究水平，这里也不再做深入的讨论。
个人住房按揭贷款信用风险量化管理研究
第5章 按揭贷款信用风险模型在银行工作中的运用
从前述模型构建的基本方法中我们可以得到单个贷款和贷款组合的违约概率、
违约情况下贷款(组合)的价值、贷款(组合)的VaR值、均值和方差。这些参数
在贷款风险管理的过程中非常有用。
5．1在风险补偿中的运用
CreditMetrics是一种基于盯市模式的信用风险度量法。它不单单考虑了贷款
的违约风险，还考虑了贷款的降级风险，因此能较全面地衡量信用风险变化对贷款
价值造成的影响。在贷款信用风险管理中常用的风险补偿方法中就可以利用模型提
供的数据来进行。
5．1．1在计提贷款损失准备金中的运用
根据新巴塞尔协议中提到的计算预期损失的公式：EL=PD*LGD*EAD。其中EL
是预期损失，PD是违约概率，LGD是违约损失率，EAD是风险暴露。我们发现利用
模型可以轻松计算出贷款(组合)的预期损失。以表3—6中1亿元BBB级贷款为例。
通过模型我们可以得到BBB贷款违约概率为0．18％，BBB贷款违约后贷款的价值为
5113万美元。也就是说当发生违约后，贷款的价值要缩水48．87％。这样这笔贷款
的预期损失为8．8万美元(O．18％×48．87％×1亿美元)。预期损失是计提贷款损
‘●
失准备金的重要的参考基础。相比现在按照五级分类提取贷款损失准备金的方法更
加科学。
5．1．2在配备经济资本中的运用
除了预期损失的补偿以外，巴塞尔协议提出了利用经济资本对非预期损失进行
补偿的概念。目前比较普遍的做法是无论信评等级如何，一律适用8％最低资本适足
率。有些银行如果采用1988年旧巴塞尔协议的计算方法，那对与按揭贷款配备的经
济资本只有4％。这样在既无法做到经济资本配置的精细化管理也容易在风险增长
期造成经济资本配置过低，为银行造成无法估计的风险隐患。通过CreditMetrics
个人住房按揭贷款信用风险量化管理研究
模型我们可以得到贷款(组合)的VaR值。VaR表现了一定的置信度下，银行贷款
未来的最大可能损失。它能作为估算非预期损失的一种有效方法。还以表3-6中l
亿美元的BBB级贷款为例。根据贷款的实际分布，我们计算出该笔贷款的VaR值是
1480万美元。也就是只有1％的可能，贷款的损失会超过1480万元。如果为该笔贷
款配备1480万美元的经济资本，银行就有99％的把握保证能够完全补偿贷款违约
造成的非预期损失。能最大限度降低因信贷损失造成的银行资不抵债。我们发现此
案例中经济资本的配置比率达到14．8％，已经高出了巴塞尔协议要求的8％。因此
利用这种方法进行经济资本配置对于风险的充足补偿非常重要，比不考虑借款人信
用级别一律按8％来配备风险资本的方式要更为科学。《新巴塞尔协议》将借款人信
用级别因素引入对风险资产权重的计算正是顺应了信用风险管理思想的这一进步。
一些银行再利用这个方法时还考虑处理压力测试(StressTest)时的乘数问题。
即若遭遇一个重大事件，所发生的损失将会大幅超过前述以99％信赖水平下估计的
损失。在应用此法于遭遇重大损失或压力测试的问题时，他们多会将VaR调整到三
至四倍。根据Boudoukh，RichardsonandWhitelaw(1995)的模拟研究发现，将
99％信赖水平下的VaR乘以三到四倍的估计值，会大于该项金融资产的最大损失。到
底应该运用多大的倍数，这还要根据各银行所处的经济环境和自己的实际状况而定。
5．2个别贷款边际风险贡献的计算与运用
运用CreditMetrics贷款组合风险的计算方法，还可以计算出组合中每一笔贷
款的边际风险贡献。
边际风险贡献=组合风险增量／原有组合风险量
表4-1显示了在一个含有20笔贷款的以标准差度量风险的组合中每一笔贷款的
独立和边际风险贡献。
表4-1贷款的独立风险和边际风险
l AAA
2 AA
3 A
3
4
3
4905 0．06 239 0．00
2007 0．17 114 0．Ol
175231．56 693 0．06
9
8
l
4
6
3
O
2
8
l
7
O
2
7
2
oo
l
l7，I，l
O
O
O
0
O
O
O
O
O
O
0
O
O
0
O
O
O
O
7
l
l
个人住房按揭贷款信用风险量化管理研究
4 1189423400433．37 29340．25
3 1154641996078．63 160461．39
4 126352316225112．84 376642．98
2 l12762825568022．67 730796．48
8 1422907l1971521．39 351040．25
2 538660338014l7．06 1059491．97
2 3181246632071．99 50680．16
4 1181246153601．30 12320．10
5 2483322430851．73 4531 0．18
3 705409107314 15．21 256843．64
2 108784116751115．40 448274．12
2 3263523610900l8．72 2700008．27
4 252704632272012．77 89l90 3．53
6 13157202805l2．13 27750．21
5 1002061l 3068923．06 696240．69
3 11181781837 0．16 120 0．0l
5 61817849916 0．16 389 0．01
资料来源：J．PMorganCreditMetricsTMTechnicalDocument，April21997．
从表中数据，我们发现独立风险最高的贷款(7)并没有导致高的边际风险增量
(6．48)，而独立风险不是最高的15却给组合带来了最高的边际风险。这给我们一
个启示，仅仅观察贷款的独立风险不能准确地比较它们给组合带来的风险增量的大
小。在进行组合管理时，更需要考察的是贷款的边际风险。
在实际工作中，可以通过绘制边际风险等量线来对这种风险测算方法加以运用。
首先一笔贷款的边际风险量可以分解成边际标准差(％)和信用风险暴露两部分。以
信用风险暴露为横坐标，边际标准差为纵坐标，就能在坐标体系下绘出若干条边际
风险等量线。越远离坐标轴和原点的等量线表示的边际风险量越大。如果风险管理
人员想控制每一笔贷款的边际风险量，则他可以设定一条边际风险等数量线，在该
等数量线右边的贷款点都是边际风险量过大的点。如根据上例，设定一个7万美元
的边际风险等数量线，会发现贷款15和贷款9是明显的异常值(如图4—1)，它们
的边际风险量超过了控制线。
5l
∞∞∞∞瑚∞∞∞∞的∞∞∞啪帅帅啪
删删a
a
M
0
0
0
0
X
O
0日D
D睁吣洲洲吲洲瑚鲫鲫鲫鲫姗删鲫帅帅帅帅啪
a删0
a
K
0
0
0
O铤O
0
O
0
D
0
D
l
1
l
1
I
5
3
1
2
f
1
3
2
l
8
l
5
啪踞B咄A腿A
A
A
B
B
B
B啪啪啪从
4
5
6
7
8
9
m¨￡j"¨坫插"惚侈加
个人住房按揭贷款信用风险量化管理研究
O 5 lO 15
资料来源：J．RMorganCreditMetricsTMTecllIlicalDocument,April21997．
图4-1CreditMetrics框架下的信贷限制和贷款选择
这两个边际风险量过大的信贷资产，风险管理人员就要考虑将它们从组合中置
换出去。添加两个收益与15和9近似，但与该组合有更低相关系数的髓级资产和
B级资产。这样，在预期收益基本不变的前提下，组合的风险会下降。
5．3在贷款转让交易中的运用
当银行的风险管理部门确定它们不再想持有某项按揭贷款资产，他们会考虑将
这笔贷款出售给其他的商业银行。但以往贷款出售的过程中的面临的一个最重要问
题就是如何确定贷款的转移价格。贷款的本金、票面利率、剩余期限、市场利率、
借款人的信用状况都是影响转移价格的决定性因素。其中最难以确定的就是借款人
的信用状况对贷款价值的影响。没有对贷款的准确定价，贷款的交易市场就难以发
展。
当银行的风险管理人员发现银行的贷款组合中有几笔边际风险较高的资产，他
想将它们与一些收益差不多，但相关性较小的资产进行置换。如果这时，另一家银
行正好有它们所想要的资产，并且也想进行置换。那么两家银行的资产置换交易就
可以达成了。信贷资产置换可以将出售贷款和发放新贷款两个步骤合而为一，省却
了银行间售卖资产、评估新资产的手续和费用，因此颇受银行欢迎。但同贷款出售
一样，贷款置换的前提条件也是能对贷款进行合理的定价和评估。CreditMetrics
●
●
52
个人住房按揭贷款信用风险量化管理研究
模型使解决这个问题成为可能。有了科学的贷款定价和评估机制，贷款出售、贷款
资产置换等创新的信用风险管理手段就可以得到广泛的运用。
53
个人住房按揭贷款信用风险量化管理研究
第6章 结论
6．1本文的研究成果
本文在对当前主流的信用风险量化模型能否运用与住房按揭贷款逐一进行了分
析和探讨。独创性的提出了各种模型原理运用于按揭贷款风险评估应该遵循的路径。
通过详细的分析，得出CreditMetrics模型比较适用于当前我国住房按揭贷款风险
评估和管理的结论。并深入分析运用该模型原理进行住房按揭贷款风险评估的方法
和过程，对将模型运用于按揭贷款出现的难点提出了自己的解决方案。总结本文的
研究成果如下：
1、根据本人查阅文献，未发现关于KMV模型运用于个人住房按揭贷款的研究，
本文首次提出了将KMV模型应用于个人住房按揭贷款风险评估的思路。
KMV是一个基于股票价值的对企业贷款进行信用风险评估的模型，它不可能直
接套用到按揭贷款上。但是我认为KMV提出的“当企业资产的市场价值下降到其负
责的帐面价值之下就会触发企业的违约行为"的建模原理，可以应用于评估由于房
屋价格下跌引起的按揭贷款违约风险。按照KMV的建模思路，我们设定当按揭房产
的市场价格低于贷款余额时，借款人就有可能违约。以此作为建模基础，可以建立
一个KMV式的住房按揭贷款风险评估模型。但在研究中发现，这个模型它只能评估
由房屋价格下跌触发的违约风险，而且模型的有效使用还要依赖于对房屋价格和价
格波动性的准确预期，这是该模型的一大缺陷。
2、揭示了CreditRisk+应用于按揭贷款风险评估的模型内生缺陷。
基于精算方法的CreditRisk+模型应用于涵盖了按揭贷款的零售贷款的风险评
估已经有学者进行了研究。CreditRisk+模型是基于保险精算学基础的信用违约风险
的统计模型。它是一个简单易行的模型，利用泊松分布来计算贷款组合的违约率。
因此应用于按揭贷款不存在任何操作性障碍。但是我们发现该模型之所以被人研究
用于零售贷款，是基于这样一个认识，即零售贷款的违约风险发生与人寿保险合同
的风险发生具有相同特点。模型假设每一笔贷款在任何期间的违约率都不变，且上
一期的违约不会影响下一期的违约。这些条件太苛刻了，其他类型的零售贷款可能
54
个人住房按揭贷款信用风险量化管理研究
还能一定程度上满足这些条件。按住房按揭贷款显然不符合这种假设。显而易见，
按揭贷款上一期是否违约与下一期是否违约存在极大的相关性。随着房地产市场波
动，住房按揭贷款会面临系统性风险，不可能在任何期间贷款的违约率是不变的。
特别是当房地产市场下行时，按揭贷款的违约率会上升，如果还按照CreditRisk+
模型进行风险度量，会严重低估风险。将CreditRisk+应用于零售贷款的学者通过
实证分析也发现了通过模型评估出的风险要低于贷款组合的实际风险程度。但他们
将其解释为由于中国房地产市场没有经历大衰退的历史，用历史数据拟合出来的风
险才低于实际风险。认为只要中国房地产行业经历一个完整的商业周期，这种低估
就会消除。我认为这个判断是非常危险的，因为模型低估风险除了历史数据包含的
违约率过低以外，更为重要的原因是模型根本没有考虑违约率会发生波动。因此只
要按揭贷款的违约率在贷款有效期内违约率会发生波动，即使中国经过了完整的房
地产商业周期，模型低估风险的现象仍然不会消除。这是模型本身的一个内生的缺
陷。它会导致最需要揭示风险的时候，模型反而掩盖了风险，这种模型内生缺陷导
致的误判风险带来的危害性可能比贷款本身的风险更为致命。
3、本文首次将CreditMetrics模型原理用于个人住房按揭贷款，发现了将该模
型应用于个人住房按揭贷款信用风险分析必须解决的系列问题，并设计了解决方案。
同时，受CreditPortfolioView模型思路的启发，本人改进了CreditMetrics对于
当前宏观经济形势的应变调整，使模型得出的信用等级迁移矩阵更能准确预测实际
信用风险的变动情况。
虽然曾有学者尝试将CreditMetrics模型原理用于个人住房按揭贷款，但他只
是将模型原理进行简单的重复，并没有指出该模型用于个人住房按揭贷款所面临和
解决一些特殊问题。我认为模型应用于个人住房按揭贷款必须要解决三个问题：一
是信用等级迁移概率的测算必须涵盖数个完整的商业周期，这样统计的迁移率才具
备指导性；二是不同信用等级的个人住房按揭贷款的信用风险价差必须得到确定；
三是个人住房按揭贷款组合中贷款违约相关性的如何度量。这三个问题本文均进行
了独创性的研究。针对第一个问题可以采样参考其他市场的数据的方法解决，比如
香港房地产市场的数据；第二个问题西方学者使用债券的信用风险价差来代替，考
虑到我国目前还缺乏成熟的债券交易市场，现阶段我们可以用银行对不同期限、不
同信用等级的贷款预期回报率来替代。第三个问题是最难解决的一个问题。本文提
个人住房按揭贷款信用风险量化管理研究
出了将系统性因素放置在模型外进行调整，合并同一借款人(或借款家庭)多笔贷
款为一个风险点的创新思路，为解决这个难题提供了一个操作性较强的解决思路。
4、本文提出了建立住房按揭贷款信用评级体系的五个步骤及具体实施方法。
为建立CreditMetrics模型应用于个人住房按揭贷款分析的基础，本文提出了
建立个人住房按揭贷款信用评级体系的五个步骤。设计了该信用评级体系的风险因
子构成，分档设定了15个一类因素、8个二类因素和5个三类因素。在思考因素筛
选标准的过程中，本文创造性的制定了检测各个单因素对违约结果统计效果的统计
标准，为如何使用统一标准筛选预测能力较强的模型构成因子这一难题提出一种解
决方案，改变了过去仅凭定性判断和专家经验确定模型主要预测因素的状况。
5、独创了易于操作的简单因子调整法。
对于将系统性因素放置在模型外进行调整，本文介绍了CreditPortfolioView
模型的方法。但是由于麦肯锡公司并没有披露利用该模型方法得到的国别(行业)
条件概率如何调整信用等级转移概率，因此作者也无法对这种方法的使用进行深入
研究。但作者提出了自己的、易于操作的简单因子调整法。本文给出了需要考虑调
整的4个一类行业因素和4个二类宏观因素，并且设计了如何将8个因素综合为一
个调整因子的方法。
6．2研究展望
本文虽然对于个人住房按揭贷款的量化风险管理提出了很多独创性的观点，但
是限于种种原因，文章还存在如下局限，有待进一步进行深入研究。
1、应用本文理论进行实证研究。
由于个人住房按揭贷款相关数据，尤其是违约客户的数据属于金融机构内部信
息，因此在本文中未能运用实际数据进行实证研究，实为遗憾。据笔者了解，已有
部分商业银行开始构建基于高级法的个人按揭贷款内部评级体系，其实际运用结果
如何有待观察。
2、关于基础数据处理方面的研究。
S6
个人住房按揭贷款信用风险量化管理研究
在利用历史数据建立贷款评级体系和测算贷款的信用等级迁移概率时，一个重
要的工作就是进行数据的清理。因为历史数据库里会有一部分数据属于异常数据，
并不能客观反映贷款组合的风险。进行数据清理是确保测算出来的数据具有较高预
测准确性的关键。但本文没有对这一个重要问题进行研究。对于这个问题可以专门
撰文进行进一步的专题探讨。
3、系统性风险调整的深入研究。
麦肯锡提出的CreditPortfolioView模型方法显示它计算出的条件概率可以根
据当前宏观经济情况对基于历史数据拟合的信用等级迁移概率矩阵进行精细调整。
但如何利用条件概率调整，由于模型中最为关键函数oSDP的数学构造没有披露，
因此未能就此点深入进行研究。本文提出的简单因子调整法，虽然可以给出调整信
用等级迁移概率的方向，但无法根据宏观经济环境扩张或收缩的具体程度来对信用
等级迁移概率进行精细化的调整，不能不说是一大遗憾。这一点将留待今后再进行
进一步的探讨。
57
个人住房按揭贷款信用风险量化管理研究
参考文献
[1]AndreasBlochlinger＆Markusleippold．TheEconomicBenefitofPowerful
CreditScoring[J]．JournalofBankingandFinance，2006，30：851—873
[2]CreditSuisseFinancialProducts．CreditRisk+：aCreditriskmanagement
framework[M]．London：CreditSuisseFinancialProducts，1997：223-250
[3]KMVCorporate．CreditMonitorOverview[R]．SanFranciscoCalifornia，
1993：60-66
[4]MichelCrouhy，DanGalai，RobertMarkcAcomparativeanalysisofcurrent
creditriskmodels．JournalofBankingandFinance[J]，2000，24：59-117
[5]Patricia，J．，William，P．Regulatoryimplicationofcreditrisk
modeling．JournalofBankingandFinance，2000，24：l一24
[6]安东尼·桑德斯．2002．现代金融机构管理[M]．大连：东北财经大学出版社
[7]彼得·S·罗斯．2001．商业银行管理[M]．第四版．北京：机械工业出版社
[8]曹道胜，何明升．商业银行信用风险模型的比较及其借鉴[J]．金融研
究．2006，(10)：90-97．
[9]曹清山，邹玉霞，王劲松．2005．商业银行贷款定价策略和模型设计[J]．金融
论坛，(2)：33-37
[10]丁宁．2005．贷款定价：基层商业银行操作难[J]．中国金融，(15)：65-66
[11]方晓燕．2006．贷款定价理论与实践探讨[J]．价值工程，(4)：123-125
[12]关大宇．2006．我国商业银行贷款定价的最优化模型设计[J]．金融论坛，(3)：
52-57
[13]黄丰俊，刘江涛．商业银行授信资产组合管理研究[J]．国际金融研究．
2007，(06)：23-31．
[14]姜作达．2005．影响我国商业银行利率定价的微观因素分析[J]．上海金融，(8)：
60-61
[15]李名元．2005．关于贷款定价的实证研究[J]．现代金融，(2)：i0-II
[16]刘威汉．2005．财金风险管理：理论、应用与发展趋势[M]．北京：中国人民大
学出版社
个人住房按揭贷款信用风险量化管理研究
[17]刘威汉．财金风险管理理论、应用与发展趋势[M]．中国人民大学出版社．2005
年lO月第l版：106-136．
[18]米歇尔．科罗赫，丹．加莱，罗伯特．马克．风险管理[M]．中国财政经济出版
社．2005年1月第l版：261—290．
[19]聂世宇．商业银行个人住房抵押贷款违约风险损失度量研究[J]．广西金融研
究．2007，(10)：20—23．
[20]庞建敏．企业信用风险度量和预警决策支持系统研究[J]．金融研
究．2006，(03)：11卜117．
[21]谭德俊，梁凌．2005．期权理论在商业银行预期违约率测量和信用风险管理中的
应用[J]．经济数学，(3)：109-110
[22]唐旭．1999．利率风险的控制与管理[M]．北京：经济科学出版社出版社
[23]王芬．2005．贷款利率定价方法[J]．银行家，(12)：2-6
[24]王娟，王进．我国房地产金融面临的若干问题与对策分析[J]．广西金融研
究．2007，(04)：32—34．
[25]王晓峰．试论商业银行个人消费信贷风险信用评级体系的构建[J]．广西金融研
究．2007，(05)：31—33．
[26]武剑．内部评级理论、方法与实物[M]．中国金融出版社．2005年7月第l
版：205—217．
[27]项卫星，李宏瑾，白大范．银行信贷扩张与房地产泡沫：美国、日本及东亚各国
和地区的教训[J]．国际金融研究．2007，(03)：54—60．
[28]徐凡．美国次优抵押贷款危机的回顾与展望[J]．国际金融研
究．2007，(09)：33—40．
[29]徐寒飞．2005．中国现行利率体系特征及其定价机制[J]．银行家，(12)：35—38
[30]徐建忠．2003．西方银行财务定价[M]．北京：企业管理出版社
[31]杨军．银行信用风险一理论、模型和实证分析[M]．中国财政经济出版社．2004
年9月第l版：170-195．
[32]于晨曦，孙俊波．商业银行抵押风险分析[J]．金融论坛．2008，(01)：41—47．
[33]于晨曦．抵押风险分析和抵押贷款违约损失率研究[J]．金融论
坛．2007，(02)：34—39． ·
个人住房按揭贷款信用风险量化管理研究
[34]詹原瑞．2004．银行信用风险的现代度量与管理[M]．北京：经济科学出版社
[35]章政，田侃，吴宏．现代信用风险度量技术在我国的应用方向研究[J]．金融研
究．2006，(07)：71—77．
[36]中国人民银行海口中心支行课题组．2005．对利率市场化条件下我国商业银行
贷款定价机制的探讨[J]．海南金融，(12)：4-7
[37]中国人民银行天津分行课题组．2006．商业银行贷款定价现状及其相关问题的
思考[J]．中国金融，(6)：62—63
