2015年第1期(总第426期) 金融理论与实践
收稿日期：2014-11-13
作者简介：李拓（1980—），男，北京人，博士研究生，研究方向：管理科学与工程；乔忠（1957—），男，北京人，博士生导师，研究方
向：管理科学与工程；杨晓龙（1984—），男，山东临沂人，金融学博士后，研究方向：商业银行与宏观经济。
①银行内部评级是指银行使用自己的评估系统，对信贷客户进行评级及对银行风险资产监测的信用管理活动。
②国外三大评级公司中的穆迪侧重于定量研究，依据计量经济学标准模型对企业财务状况进行评价；标普侧重定性部分和专
家判断，主要设计并应用打分卡进行评级；惠誉的方法论介于两者之间。
国外银行同业客户内部
评级模型的构建与分析
——基于国外银行同业客户数据
李 拓1，乔 忠1，杨晓龙2
（1.中国农业大学 经济管理学院，北京 100083；2.中国工商银行博士后工作站，北京100081）
摘要：通过实际采集某国有商业银行国外银行同业客户数据，构建回归分析模型，探寻可以采用
的最优指标，尝试构建该类客户的内部信用评级模型，为完善我国商业银行对国外银行同业客
户的风险管理提供思路。
关键词：国外银行同业客户；内部评级模型；授信限额
文章编号：1003-4625（2015）01-0103-04 中图分类号： 文献标志码：A
一、引言
商业银行广泛地与各行业客户发生业务往来。
随着中国商业银行不断开拓国际市场，需要越来越
多地与国外银行开展包括资金类、结算类、信贷类等
多类业务。因此，国外银行成为中国商业银行的一
类既特殊又重要的客户，具有互为客户、交易量巨
大，一旦发生风险波及广泛等显著特点。银行内部
评级 ①是对行业客户进行风险管理的重要工具。
二、文献回顾和研究现状
巴塞尔协议Ⅲ[1]认为信用风险的管理是商业银
行管理的核心，推动信用风险管理由标准法向内部
评级法逐步转变可以相应节省经济资本。银行应用
内部评级法的主要优势在于银行能够借助各种数据
源的支撑，获得客户登记信息、财务信息、市场交易
信息和违约信息等数据，以大量数据支撑模型。目
前我国银行内部评级存在的问题主要在于：一是指
标不明确，独立性不强，易受主观因素的影响；二是
评级方法过于简单，风险揭示不足。
对于分散于世界不同国家的国外银行同业客户
来说，除了以上两点问题，基础财务数据的积累也较
为困难。目前银行使用的度量违约风险的经济计量
模型主要包括线性判别分析模型、Logistic 回归模
型、Altman模型、KMV模型和Credit Metrics模型等，
国内学者也对这些模型进行了相关研究。赵先信
(2004)对违约率的估计方法进行了研究和归纳整理，
将违约率的估计方法归纳为经验法、经济计量模型
法、结构化模型法等。肖北溟（2004）认为，可以利用
贷款历史数据，通过因子分析和聚类分析等方法构
建内部信用评级模型，此时的评级指标体系已经较
为科学合理，避免了反映风险信息的冗长和遗漏，度
量风险的准确性也得到了进一步提高，评级模型侧
重于提高信贷风险管理水平。赵保国和龙文征
（2007）[2]认为，可以直接借用国外成型的穆迪KMV
评级模型理论进行研究，对评级模型中的关键指标
进行了深入探讨，关键指标选取是否合适是决定此
类研究的首要因素。
总体来看，国内外相关的文献采用多种方法、多
种角度对目标主体进行信用评级和违约概率模型设
计。但在国内银行应用还存在一定的问题：一是建
立评级模型针对的研究主体主要集中在一般企业客
户领域，对于建立同业商业银行客户评级的关注不
足。二是建立评级模型主要采用实际的违约率，对
于采用违约代理的方式考虑很少。三是一般研究采
用的数据样本较少，或仅侧重方法论的描述，对于将
评级理论与大量实际样本的结合不足。
从国际银行界的实践来看，银行信用评级方法
大多采用了定量分析和定性分析相结合或介于两者
之间的评级方法[3]②。对于模型构建中考虑的要素，
【参考与借鉴】
103
2015年第1期(总第426期)金融理论与实践
Monfort and Mulder(2000)研究发现评级机构也是根
据经济周期调整评级，特别是在确定主权债务评级
时，因此要考虑宏观经济影响要素；同时，不同模型
较多地使用财务数据作为评级对象经营情况的指
标。本文根据银行同业客户特点，将规模因素也引
入到评级指标中，以期弥补上述研究空白，将研究主
体定义为国外商业银行，并采用违约代理方式，结合
大量数据进行银行内部评级模型的构建和分析。主
要内容如下：首先，建立包括国别因素、规模因素、财
务因素的信用指标体系，确定研究方法；其次，确定
合适数量的国外银行机构作为研究对象，并收集准
确全面的数据，进行计算整理；再次，通过回归分析
与定性分析确定模型方程，并分析评级效果；最后是
模型的不足和展望。
三、模型构建与实证分析
（一）建立指标体系
1.自变量指标选取
基于以上分析，本文从国别因素、规模因素、财
务因素三大方面来确定影响银行同业客户评级的主
要因素，以下将从这三方面选取具体的自变量指标。
（1）国别因素。
银行业在国民经济中的具有特殊地位，一般政
府对本国银行都有一定程度的支持。对国际银行的
评级需要考虑政府因素，即要引入国别（主权）因素
这一指标。本研究将外部主权评级纳入指标体系。
本研究中国别因素采用穆迪的长期主权评级
（Moody’s country long term rating）方法。
（2）规模因素。
主要有一级资本、总资产、权益、净收入等。由
于一级资本绝对数的收集相对困难，其公布时间与
其他财务指标也不同步，不能纳入指标体系。相对
净收入，更能反映风险承受能力。因此，权益和总资
产纳入指标体系。
（3）财务因素。
在深入分析标准国际会计报表基础上，按照“骆
驼评级体系”①对指标进行分类，抽取对应的财务
数据进行加工，综合考虑常用性、数据的完备性、各
类指标的代表性（从分类指标本身的经济意义出发，
尽量减少共线性）等，选定贷款损失准备比率、贷款
损失准备与不良贷款比率、次级债与资本金比率、权
益与资产比率、净利息边际、其他营业收入与资产比
率、ROAA、ROAE、行际比率、贷款与存款及短期融
资比率等10个指标纳入指标体系。
2.评级标尺的确定
银行评级标尺（因变量Y）采用穆迪一组评级中
的长期评级（Moody’s long term rating）。当穆迪评级
标尺缺失时，以标普对应评级、惠誉对应评级（Fitch
LT Issuer Default Rating）依次补足。若三项评级均
缺失时，根据同等评级国家、规模相似银行进行平均
替代。三家评级公司对于评级的定义基本相同。穆
迪评级级别由最高的Aaa级到最低的D级，一共有
二十一个级别。评级级别分为两个部分，包括投资
等级和投机等级。最低的投资等级是Baa3，而最高
的投机等级是Ba1。以下仅列举本文采用的相关评
级对应，如表1所示。
表1 标普、惠誉与穆迪级别对应表
机构名称
标普
惠誉
穆迪
对应级别
AA
AA
Aa2
AA-
AA-
Aa3
A+
A+
A1
A
A
A2
A-
A-
A3
BBB+
BBB+
Baa1
BBB
BBB
Baa2
BBB-
BBB-
Baa3
BB+
BB+
Ba1
BB
BB
Ba2
BB-
BB-
Ba3
表2 国外商业银行同业客户内部评级指标体系
评级
标尺
一级指标
国别因素
规模
因素
财务
因素
二级指标
外部主权评级（X1）
权益（X2）
总资产（X3）
贷款损失准备比率（X4）
贷款损失准备与不良贷款比率（X5）
次级债与资本金比率（X6）
权益与资产比率（X7）
净利息边际（X8）
其他营业收入与资产比率（X9）
资产回报率（X10）
权益回报率（X11）
行际比率（X12）
贷款与存款及短期融资比率（X13）
通过以上分析，最终建立如表2所示的国外商
业银行同业客户内部评级指标体系。
（二）确定模型方法
对于那些建立在市场数据基础上的信用评级模
型（如KMV模型、Credit Metrics模型等），我国目前
尚不完全具备普遍适用的条件，而在一段时期内，传
统的线性判别模型和主要应用财务会计数据的模型
分析方法将仍然是我国商业银行信用评级的主要方
法（贾曼莉和刘晶，2012）。本文使用线性判别模型，
线性判别模型具有较强的操作性、适用性及预测能
①“骆驼评级体系”是目前美国金融管理当局对商业银行及其他金融机构的业务经营、信用状况等进行的一整套规范化、制度
化和指标化的综合等级评定制度。其考核指标有资本充足性(Capital Adequacy)、资产质量(Asset Quality)、管理水平
(Management)、盈利水平(Earnings)和流动性(Liquidity)。
【参考与借鉴】
104
2015年第1期(总第426期) 金融理论与实践
力，虽然有一些缺陷（朱毅峰、吴晶妹和宋玮，2006），
但仍是国内外预测违约率、进行信用评级的主流模
型之一。我们采用如下含有k个变量的多元线性回
归模型：Y=A1X1+A2X2+⋯ +AkXk+ut （1）
其中，X1，X2⋯Xk表示自变量，即上述13个自变
量指标，A1，A2⋯Ak分别表示自变量的系数，而Y表
示因变量，即评级标尺。
（三）数据来源和选取
本研究拟对国外商业银行同业客户进行内部评
级实证研究，主要选取国外银行机构公开的数据。
为避免低违约的问题，在本研究中为保证充足的样
本，采用多种形式对国外银行机构进行了选取，并根
据实际情况对数据进行了调整。
1.国外商业银行机构选取
框定银行机构需要考虑银行规模较大、排名靠
前，且与中国贸易密切等多方面因素。首先，选取
《银行家》杂志公布的按一级资本排名的全球前500
家银行。其次，又选择相关网站按总资产排名的全
球前500家银行，且考虑与中国贸易的紧密度，将上
述银行机构按照较为一致的规则（一般的国家和地
区选择1000家以内）逐个筛选。另外，为便于和国
内商业银行评级模型进行比较，适当引入了中国多
家银行作为参照，确定初选商业银行机构1293家。
由于一些国外银行存在分行、合资、独资法人
等，股权结构异常复杂，各组成机构的命名多数类似
或甚至一些与总部名称相同。因此，界定一家银行
需要从名称、国别、所在城市、机构属性、资产规模等
多个维度进行定义。为保证模型的一致性，还需依
次定性剔除以下机构类型：一是剔除控股集团，保留
对应独立法人；二是剔除已并表的子公司，保留母公
司；三是剔除投资银行、证券、保险、基金公司等非
商业银行金融机构。经过上述筛选，最终确定了
393家银行作为本次实证研究的研究对象，分布在
60个国家和地区。这符合最初估计的进入模型银
行家数，也符合预计的授信范围和区域分散原则。
2.数据采集及财务报表的调整
关于数据采集，需要利用各家银行网站公开的
数据，对于一些关键交易数据，利用某国有商业银行
内部交易数据获得。由于每个国家货币和会计准则
不同，需使用货币和报表转换器对采集的财务报表
做如下调整：截取同一年度年底汇率，统一为美元；
同时，将报表数据统一按照国际会计准则进行调整。
（四）回归模型
1.变量相关系数
对于极少部分缺失的自变量X，分别以该列或
近似国家（地区）数据的平均值代替。对于缺失的因
变量Y值，直接剔除。由表3所示，自变量两两之间
除了自变量X2和X3以外，不存在强相关性，因此在
剔除变两个变量后进行分析。
表3 自变量和因变量之间的相关系数矩阵
指标
X1
X10
X11
X12
X13
X2
X3
X4
X5
X6
X7
X8
X9
Y
X1
X10
X11
X12
X13
X2
X3
X4
X5
X6
X7
X8
X9
Y
2.回归模型的确定
先将13个自变量与因变量Y进行回归，通过T
检验概率筛选自变量后，在进行再次回归，直到自变
量和模型均通过检验，结果如表4所示。
在模型中取相伴概率|p|<，则X1、X4、X5、X6、
X10相对显著，变量X2、X3、X7、X8、X9、X11、X12、X13不显
著。其中，X2、X3是规模指标。规模指标对银行评级
不显著，这说明了银行界“大而不倒”理论可能只是
一个偏向于主观的定性判断，这为全面考虑银行客
户的风险管理提供了新的认识角度。在评级建模的
定量部分排除或有定性因素的影响也有实际意义。
X12、X13是流动性比率，从与多个国外银行交流结果
看，包括各国监管造成的流动性口径差异因素，流动
性比率的稳定性和其他类指标相比也较弱。排除流
动性比率并不对模型实际经济意义产生重要影响。
模型I是对所有变量的回归，比较发现，X1、X4、
X5、X6、X10变量显著，在此基础上进一步进行回归分
析，可得模型Ⅱ和模型Ⅲ。模型Ⅲ虽然拟合优度、调
整后的拟合优度较好，取相伴概率|p|<，X1、X4、
X5、X10相对显著。但对于不显著变量X6，次级债与
资本金比率是三家评级公司都密切关注的指标，如
果剔除将对模型产生实质影响。另外，从t检验概率
来看，去掉变量X6后，变量X5将不再显著，其相伴概
率突然增大。可见，去掉X6既违反现行权威评级模
型，又对本模型其他变量的显著性造成干扰。同时
【参考与借鉴】
105
2015年第1期(总第426期)金融理论与实践
在模型Ⅱ中，X6 的 t检验值得绝对值与2相对接近，
相伴概率也仅仅略大于。因此，对比后本文选
取模型Ⅱ，此模型拟合优度、调整后的拟合优度较
好。综上，我们认为的模型Ⅱ最合理。即模型为：
Y=+++ （2）
表4 三次回归变量估计和模型检验结果
模型
变量
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
X12
X13
C
R2检验
调整的R2
DW统计值
模型I
系数
t-
检验值
***
***
***
***
**
***
**
模型Ⅱ
系数
t-
检验值
***
***
***
**
***
模型Ⅲ
系数
t-
检验值
***
***
**
***
注：对于 t值，***表示在1%水平上显著，**表示
在5%水平上显著，*表示在10%水平上显著。
四、结论分析与研究展望
根据模型Ⅱ，可得出如下结论：一是银行机构的
评级与主权评级（X1）、贷款损失准备比率（X4）、贷款
损失准备与不良贷款比率（X5）、次级债与资本金比
率（X6）、资产回报率（X10）存在较强的相关性。二是
银行机构的主权评级越高、贷款损失准备越多、贷款
损失准备覆盖不良贷款越大，银行机构评级越高，反
之越低。三是次级债占资本金比率越高，资产回报
率越高，银行机构评级越低，反之越高。四是贷款损
失准备比率、资产回报率是影响银行评级的关键因
素。贷款损失准备比率的系数为，即贷款损失
准备比率提高1个百分点，银行评级将增加个
百分点；资产回报率的系数为，即资产回报率
提高1个百分点，银行评级将降低个百分点。
有了内部评级模型，可以应用到许多方面，如授
信额度管理，银行可以将内部评级结果运用于确定
授信额度上，表现为授信额度以国外银行同业客户
净资产为基数，乘以一个与国外银行同业客户评级
相对应的信用系数；客户信用等级高，对应的信用系
数大，则相应的授信额度就高；客户信用等级低，对
应的信用系数小，则相应的授信额度就低。内部评
级结果除了应用到授信额度外，还能应用于简单的
贷款定价，如将国外银行同业客户评级等级与贷款
利率浮动水平联系起来，信用等级高的国外银行同
业客户，其贷款利率在基准利率的基础上下浮动，等
级越高，下浮幅度越大；信用等级低的国外银行同业
客户，其贷款利率在基准利率的基础上上浮，等级越
低，上浮幅度越大，从而起到覆盖风险成本的作用。
随着我国银行业与国外银行客户的关系日益密
切，迫切需要建立符合巴塞尔新资本协议的、适应中
国银行业实际情况的国外银行同业客户内部信用评
级方法，为我国开展相关业务提供基础风险控制支
撑。当然本文模型也存在一定局限性：
（1）受研究对象和数据选取的局限性影响，本研
究主要选取了有数据披露的全球排名靠前的银行，
对于排名靠后、规模较小、贸易较少的银行数据难以
采集，在研究中涉及较少。研究数据不可避免地集
中在评级的高等级区域，即“上半部分”。这限制了
该模型的适用范围。
（2）模型对银行正常经营情况下的评级较为适
用，对极端情况下或有重大变故下的情况不适用，如
对少量破产前夕银行的比率进行检验，结果并不理
想。这主要受到模型方法论本身的影响。因此，本
模型尽管适用于平稳时期的额度设定，但在危机时
期需要开展压力测试研究。
（3）从单个因素来看，国家（地区）评级与因变量
Y的相关程度极高，这固然是“好的国家银行也好”
的客观体现，也说明了当国际（地区）评级发生偏差
时（例如政治偏见），将会对商业银行评级产生影响。
随着我国对国外同业客户内部信用评级的重
视，相关数据积累的不断完善，信息技术平台的不断
搭建，指标和数据可靠性和时效性不断增强，相信
最终可以建立覆盖经济涨落不同时期、不同国家地
区和经济模式、不同业务侧重的较为全面的国外商
业银行内部评级信用模型。
参考文献：
[1]巴塞尔银行监管委员会.Basel AccordⅢ[S].
2013-1-6.
[2]赵保国，龙文征.信用评级中的违约率、违约
概率研究[J].中央财经大学学报，2007，（1）：39-41.
[3]陈瑛，徐晓肆.如何开发商业银行内部评级模
型[J].经济导刊，2010，（2）：81.
（责任编辑：王淑云）
【参考与借鉴】
106
