迁移率模型在信用资产管理中的应用研究200906
- 格式:doc
- 大小:232.00 KB
- 文档页数:10
硕士专业学位论文论文题目RAROC模型在商业银行信用风险管理中的应用研究——以A商业银行为例学号20094310083研究生姓名殷冯指导教师姓名俞雪华专业名称工商管理研究方向金融管理论文提交日期2012年9月RAROC模型在商业银行信用风险管理中的应用研究中文摘要RAROC模型在商业银行信用风险管理中的应用研究——以A商业银行为例中文摘要随着经济和金融的全球化发展,中国作为世界贸易组织成员国做出了承诺,加快和深化金融体制改革势在必行。
银行业的系统性改革是金融体系改革的重要组成部分,然而长期以来我国商业银行信用风险管理注重传统的定性管理模式,无法进行有效的定量风险管理。
近年来,商业银行的风险意识虽有所增强,但与世界先进银行相比,信用风险管理基础仍然薄弱、管理水平不高、风险管理手段落后,无法有效地识别、计量、控制信用风险。
商业银行信用风险的控制与管理对于我国整个金融体系的稳定具有举足轻重的作用。
在这个认识的前提下,笔者引进国际先进银行的风险管理技术——风险调整的资本收益率模型(英文缩写“RAROC”),通过把收益与风险密切地联系在一起,以实现风险控制与业务发展的高度统一,达到进行有效管理风险的目的,这将有利于资本约束条件下我国商业银行信用风险管理水平的提升。
本文从我国商业银行信用风险管理的角度,阐述了相关信用风险管理理论及风险计量手段,并分析了商业银行目前信用风险管理的现状与存在的主要问题,以A商业银行为例,对RAROC模型在公司信用风险管理中的具体运用进行研究分析。
可以说本文对于提高目前处在金融转型期中的我国商业银行信用风险管理能力与水平,提供了有价值的建议。
关键词:RAROC;商业银行;信用风险管理;应用作者:殷冯指导教师:俞雪华Abstract The Application of RAROC Model in Credit Risk Management of Commercial BanksThe Application of RAROC Model in Credit RiskManagement of Commercial Banks——Based on the Analysis of Commercial Bank AAbstractWith the rapid economic development and financial globalization, China, as a member of WTO states that improving and optimizing the financial system could be imperative.The reform banking system is an important section of financial system, however, the banking credit risk management mode traditionally focuses on the qualitative management instead of effective quantitative risk management in China. Recently, although the risk awareness of commercial banks tends to be enhanced, the basis of credit risk management is still weak comparing with the world's advanced banks. While the control and management of the credit risk plays a key role for stability of the entire financial system. Then it is essential to introduce advanced international banking risk management technology which is named risk-adjusted return on capital (RAROC), to achieve high degree of unity and effective management of risk through better connection of benefits and risks. It also helps the enhancement of commercial banks management on credit risk under capital constraints in China.The writer elaborates the theories of risk management and measurement methods from the point of view on credit risk management of China's commercial banks. As mentioned the problems from the risk management of commercial banks in China, the writer takes Commercial Bank A for example, to explain and analyze the application of RAROC model in company's credit risk management.Consequently, this paper provides valuable suggestions for the risk management capabilities of the current commercial banking market in China.Key Words:RAROC; Commercial Banks; Credit Risk Management; ApplicationWritten by Yin FengSupervised by Yu Xuehua目录1 绪论 (1)1.1 研究背景及意义 (1)1.1.1 研究背景 (1)1.1.2 研究意义 (2)1.2 相关理论及研究综述 (4)1.2.1 国外有关商业银行信用风险管理的研究 (5)1.2.2 国内有关商业银行信用风险管理的研究 (6)1.2.3 有关RAROC模型的研究综述 (7)1.2.4 本文关于上述理论的评价 (8)1.3 本文研究的主要内容和研究方法 (9)1.3.1 研究的主要内容 (9)1.3.2 研究方法 (10)1.4 本文的主要创新点 (11)2 我国商业银行信用风险管理及现状分析 (12)2.1 商业银行信用风险的定义特征 (12)2.1.1 商业银行信用风险的定义 (12)2.1.2 商业银行信用风险的特征 (13)2.2 商业银行信用风险管理的概念与主要方法 (14)2.2.1 商业银行信用风险管理的概念 (14)2.2.2 商业银行信用风险管理的主要方法 (14)2.3 我国商业银行信用风险管理的现状分析 (15)2.3.1 内部信用评级管理 (16)2.3.2 贷款风险分类法 (16)2.4 我国商业银行信用风险管理存在的主要问题 (17)2.4.1 信用风险度量技术落后 (18)2.4.2 信用风险管理体系与风险补偿机制不完善 (18)2.4.3 信用风险防范机制不健全 (19)3 RAROC模型及经济资本管理分析 (21)3.1 RAROC模型 (21)3.1.1 RAROC模型的原理 (21)3.1.2 RAROC模型的基本参数说明 (22)3.2 经济资本的概念与作用 (23)3.2.1 经济资本的基本概念 (23)3.2.2 经济资本的作用 (24)3.3经济资本的管理分析 (25)3.3.1 经济资本的计量 (25)3.3.2 经济资本的分配 (25)3.4 经济资本管理在我国商业银行的实践 (26)4 A银行运用RAROC进行信用风险管理的实践 (28)4.1 A银行应用信用评级及违约概率的实例分析 (29)4.1.1 客户信用评级的概念 (29)4.1.2 影响信用评级的主要因素分析 (29)4.1.3 A银行关于信用评级违约概率应用的实例分析 (30)4.2 A银行关于其他相关变量应用的实例分析 (33)4.2.1 授信品种应用的实例分析 (33)4.2.2 信用风险缓释工具应用的实例分析 (36)4.2.3 授信业务期限应用的实例分析 (39)4.2.4 授信客户规模应用的实例分析 (39)4.3 信用风险管理综合案例应用实例分析 (40)4.3.1 对公信贷业务RAROC计算公式 (40)4.3.2 对公信贷业务RAROC的影响因素 (41)4.3.3 应用示例给定条件及变量敏感性分析 (41)4.3.4 RAROC在信用风险管理中的具体运用 (42)5 研究结论和展望 (44)5.1 研究结论 (44)5.2 存在的不足 (45)5.3 展望 (45)参考文献 (46)攻读硕士学位期间公开发表的论文 (48)1 绪论1.1 研究背景及意义RAROC(Risk-Adjusted Return on Capital),即风险调整的资本收益率模型是当今世界上先进商业银行用于信用风险管理的核心方法。
2021年银行从业资格(中级)考试题库及答案解析考试科目:《风险管理》单选题1.关于风险管理组织中各机构的主要职责,下列说法正确的是()。
A、风险管理部门对商业银行的财务活动、经营决策、风险管理和内部控制进行监督B、董事会负责组织实施经董事会审核通过的重大风险管理事项,以及在董事会授权范围内就有关风险管理事项进行决策C、高级管理层是商业银行的最高风险管理/决策机构,承担商业银行风险管理的最终责任D、风险管理部门负责建设完善包括风险管理政策制度、工具方法、信息系统等在内的风险管理体系答案:D解析:A项属于监事会的职责;B项属于高级管理层的职责;C项属于董事会的职责。
2.()负责建立识别、计量、监测并控制风险的程序和措施。
A、董事会B、监事会C、股东大会D、高级管理层答案:D解析:D项,高管层负责组织实施经银行董事会审核通过的重大风险管理事项,以及在董事会授权范围内就有关风险管理事项进行决策,负责建设银行风险管理体系,组织开展各类风险管理活动,识别、计量、监测、控制或缓释银行的风险,向董事会就银行风险管理和风险承担水平进行报告并接受监督。
3.风险管理部门在()的领导下,负责建设完善包括风险管理政策制度、工具方法、信息系统等在内的风险管理体系。
A、监事会B、高管层C、经营部门D、董事会答案:B解析:风险管理部门在高管层(首席风险官)的领导下,负责建设完善包括风险管理政策制度、工具方法、信息系统等在内的风险管理体系,组织开展各项风险管理工作,对银行承担的风险进行识别、计量、监测、控制、缓释以及风险敞口的报告,促进银行稳健经营、持续发展。
4.()向董事会负责,是商业银行的执行机构。
A、监事会B、董事会C、高级管理层D、经理层答案:C解析:高级管理层向董事会负责,是商业银行的执行机构。
5.下列关于风险管理组织中各个机构职责的说法,正确的是()。
A、董事会负责根据业务战略和风险偏好组织实施资本管理工作B、高级管理层是商业银行的决策机构,承担商业银行风险管理的最终责任C、风险管理部门组织开展各项管理工作对银行承担的风险进行识别、计量、监测、控制、缓释以及风险敞口的报告D、风险管理部门负责监督董事会、高管层是否尽职履职,并对银行承担的风险水平和风险管理体系的有效性进行独立的监督、评价答案:C解析:高级管理层负责根据业务战略和风险偏好组织实施资本管理工作;董事会是商业银行的决策机构,承担商业银行风险管理的最终责任;监事会主要负责监督董事会、高管层是否尽职履职,并对银行承担的风险水平和风险管理体系的有效性进行独立的监督、评价。
信用评估模型研究及应用随着社会经济的不断发展,信用评估模型成为各个领域关注的焦点。
从银行信贷业务到电商平台,从金融风险控制到个人征信服务,信用评估模型的重要性和广泛适用性已经成为众所周知的事实。
在这篇文章中,我们将探讨信用评估模型的相关问题,包括其定义、分类、影响因素、发展现状以及应用前景等。
一、信用评估模型定义及分类信用评估模型是指根据一定的规则和方法,对某个实体的信用状况进行测评和判断,以便对其信用风险进行量化分析和控制的一种工具。
其范围包括个人信用评价、企业信用评估、金融服务信用评估和电商平台信用评估等。
常见的信用评估模型包括:1.传统评分卡模型(Scorecard Model)传统评分卡模型是银行信贷风险控制中最常见的一种模型,其主要通过各种评分卡,对借款人的基本信息、资产负债状况、收入来源、工作经验和信用历史等指标进行分析,最终得出信用评分并进行分类。
2.机器学习模型(Machine Learning Model)机器学习模型是一种比传统评分卡模型更加灵活和精细的信用评估方法。
它通过大数据分析和算法优化,对借款人的个人信息、财务信息、信用历史等多维度指标进行综合评估,并从中挖掘出影响客户信用状况的关键因素。
3.组合评估模型(Combined Model)组合评估模型是一种结合传统评分卡模型和机器学习模型的综合方法。
它分别利用传统评分卡和机器学习模型对客户进行评估,并将两者的评估结果进行加权综合,得出一个更加综合全面的客户信用评级。
二、信用评估模型的影响因素信用评估模型的结果是由多个因素决定的,主要包括客户个人信息、申请贷款的用途、还款能力和历史信用记录等。
1.客户个人信息客户个人信息是信用评估模型的基础,包括客户的性别、年龄、婚姻状况、学历等基本信息。
这些信息在一定程度上反映了客户的社会地位和个人能力,对信用评估起到重要作用。
2.申请贷款的用途不同的贷款用途对信用评估模型所产生的影响也有所不同。
信用评估模型的研究与应用信用评估模型是指通过对个人或企业的信用资料进行分析与评估,以确定其信用水平的一种系统化工具。
该模型不仅可用于消费金融、财务租赁等行业,也可用于企业信用评级、征信等领域。
本文将探讨信用评估模型的研究及应用。
一、信用评估模型的研究信用评估模型的研究主要通过数据挖掘、机器学习等技术进行。
发展至今,信用评估模型已有很多种,其中较为常见的有基于传统评分卡的模型、基于机器学习的模型等。
以下是两类模型的简要介绍。
1. 基于传统评分卡的模型评分卡是指依据主观分析及逻辑判断,根据个人或企业的信息逐项打分,并将这些得分累加起来作出总体得分,用于评估其信用状况。
基于传统评分卡的信用评估模型中,数据项是预设好的,这种模型在风险较低的场景下表现良好,但在风险较高的场景下存在缺陷。
2. 基于机器学习的模型基于机器学习的信用评估模型则是依赖于大数据技术,通过结合各种算法对大量数据进行训练得到,采用数据驱动方式进行分析,并不断改进与优化所选用的算法模型。
相对于传统模型,基于机器学习的模型可以更精准地预测风险。
二、信用评估模型的应用信用评估模型的应用范围十分广泛,以下列举了几个常见应用场景。
1. 征信征信是指向供给资金的机构或企业提供的关于个人信用状况、借贷行为等信息的服务。
在征信领域,使用信用评估模型可将数据处理得更为精确,从而保障各方利益。
2. 财务租赁在财务租赁行业中,信用评估模型可用于评估租赁客户的风险程度,帮助维护租赁公司的长期利益。
3. 消费金融消费金融行业的核心业务是向客户提供个性化借款服务,使用信用评估模型,可以更好地识别、甄别逾期、欺诈等风险。
4. 企业信用评级企业信用评级是对一家企业的信用状况进行评估的过程,通过信用评估模型可快速有效地评估其信用水平,从而为各类资本市场提供有力的参考。
三、信用评估模型的优劣比较在选择信用评估模型时,应根据实际业务情况来选择模型类型,通常情况下,应优先选择基于机器学习的模型。
随着中国金融业对外开放程度的加大,国内信用卡产业的竞争愈演愈烈,信用卡市场营销的费用也越来越高.如何利用有限的营销资源为发卡机构创造最大利润,实现信用卡营销和风险的精细化管理已成为信用卡产业发展的热门话题.本文通过对国外商业银行在信用卡业务中常用的Vintage分析和迁移率模型的介绍,以期有助于国内业界人员从多维度思考和对模型的灵活组合应用,实现信用卡营销和风险的精细化管理。
一、Vintage分析和迁移率模型的定义和应用意义Vintage一词源自葡萄酒业,意思是葡萄酒酿造年份。
因为每年的天气、温度、湿度、病虫害等情况不同,而这些因素都会对葡萄酒的品质产生很大的影响,所以人们对葡萄酒以葡萄当年的采摘年份进行标识来加以品质区分。
现在Vintage分析被广泛应用于信用卡产业,分析的方法是针对信用卡不同时期开户的资产进行分别跟踪,按账龄长短进行同步对比,从而了解不同时期发行信用卡的资产质量情况。
而迁移率模型是一种来预测未来坏账损失的方法,它通过对历史数据中处于某一拖欠位置的账户贷款余额每月拖欠变化情况的分析,来预测当期不同拖欠周期的未来坏账损失。
两者的有效结合使用能实现信用卡营销及后续风险的精细化管理,能充分提示不同营销活动、渠道前期进件和后期风险情况,以确定较优的方案。
信用卡业务经营的核心竞争力来自对收益与风险之间的平衡点的把握,信用卡业务的发展受到消费理念、市场策略、经济发展和社会信用环境等因素的影响,贯穿于产品设计、营销、审批、发卡、交易、结算、还款、催收以及客户服务的全过程,风险控制偏好和市场竞争策略会导致不同发卡机构的经营结果存在差异。
面对纷繁复杂的竞争环境,发卡机构需要不断地试用才能找到较好的解决安案。
传统的销售报表统计较为笼统,对不同营销安案带来的销售业绩的增长反映及时,但在风险披露方面存在严重的时滞,这是由信用卡业务自身的特点决定的。
由于有免还款期和最低还款制度,信用卡信用风险的显现存在一定的时滞性。
信用评价模型在金融中的应用一、引言信用评价模型是金融领域中的一种重要模型,其作用在于通过对客户信用状况的评估,帮助金融机构确定是否给予客户贷款等金融服务,从而降低风险。
本文将重点讨论信用评价模型在金融中的应用,包括基于统计模型和机器学习模型的信用评价模型。
二、基于统计模型的信用评价模型统计模型是一种广泛用于信用评价中的模型,根据客户的历史数据进行分析和推断,以预测客户未来的信用状况。
(一)多元线性回归模型多元线性回归模型是其中的一种方法,该模型的基本思想是寻找一条线性关系,将预测变量与因变量联系起来,根据历史数据对客户信用状况进行预测。
在金融领域中,多元线性回归模型主要应用于客户信用卡评估和个人信用贷款评估。
(二)逻辑回归模型逻辑回归模型是另一种基于统计模型的信用评价模型,它适用于对二元分类或多元分类的问题进行建模。
逻辑回归模型可以通过挖掘客户的历史数据来预测其未来信用行为,用于金融机构对客户违约风险进行评估和监控。
三、基于机器学习模型的信用评价模型机器学习模型是近年来兴起的一种模型,相比于传统的统计模型,机器学习模型具有更强的智能化和自适应性。
在金融领域中,机器学习模型同样具有广阔的应用前景。
(一)支持向量机模型支持向量机模型是一种基于最大间隔分类的模型,它假定将不同类别的数据分配到两个不同的空间,则两个空间之间有一条超平面可以完美分割数据。
在金融领域中,支持向量机模型可以用于分类问题,例如对客户进行欺诈分类和信用评估分类等。
(二)神经网络模型神经网络模型是另一种基于机器学习的模型,它可以通过数学模拟人脑神经元的运作方式,自动优化自身的权重和偏置,从而对复杂的数据进行分类和预测。
在金融领域中,神经网络模型可以用于固定收益、股票、期货、外汇等领域的预测和决策。
四、信用评价模型的应用信用评价模型已经成为金融领域中不可或缺的工具之一,广泛应用于多个领域。
以信用卡领域为例,金融机构可以使用信用评价模型对客户进行风险评估,从而确定是否给予客户信用卡,并且根据评估结果制定不同的信用额度、还款期限和利率等措施。
一、VintageVintage源于葡萄酒酿造,葡萄酒的品质会因葡萄生长的年份不同、气候不同而不同。
Vintage分析是指评估不同年份的葡萄酒的品质随着窖藏时间的推移而发生的变化,并且窖藏一定年份后,葡萄酒的品质会趋于稳定。
如下图,2000年的葡萄酒品质最好,窖藏5年左右,葡萄酒品质会趋于稳定。
借鉴葡萄酒Vintage分析,信用分析领域不仅可以用它来评估客户好坏充分暴露所需的时间,即成熟期,还可以用它分析不同时期风控策略的差异等。
一个客户的好坏,需要经过若干个还款周期后才能充分暴露,如果表现期较短,有可能将一个不是很坏的客户定义为坏,也有可能将一个很坏的客户定义为好。
比如一个客户在开始的几个周期内发生了逾期后将逾期还清,并且后面的周期不再发生逾期,若表现期较短会将此客户定义为坏;又比如一个客户刚开始一直正常还款,但到后面发生了比较严重的逾期,若表现期较短会将此客户定义为好。
另外,可以通过比较不同时间的贷款在相同周期的逾期表现,来分析不同时间的风控策略的差异、宏观形势的变化等。
下图为2017年4月至2018年12月放款的M4+(即逾期91天以上)的Vintage图和Vintage数据表,此图统计的逾期用的是月末的逾期状态(有些时候也可以使用历史逾期状态,一个客户只要发生过M4+逾期,未来每个月都将该客户记为M4+逾期客户),计算逾期率使用金额(也可使用笔数)。
从图中可以看出,不同月份放款的M4+在经过9个周期(9个月)后趋于稳定,也就是说成熟期是在9个周期。
从图中还可以看出,资产质量不断提升,2017年4月至6月的逾期率相对较高,从2017年7月开始逾期率发生较大程度的下降,有可能因为前几个月不断优化风控策略所致。
二、滚动率前面说的Vintage可以用于分析客户表现的趋势、稳定的时间等,对于客户好坏程度的定义没有涉及,而通过滚动率分析可以对客户好坏程度进行定义。
滚动率分析就是从某个观察点之前的一段时间(称为观察期)的最坏的状态向观察点之后的一段时间(称为表现期)的最坏状态的发展变化情况,如下图。
迁移率模型在信用资产管理中的应用研究
南开大学金融学系轩芳玉
上传时间:2009年4月30日
摘要:我国企业计提坏账准备目前普遍采用账龄分析法,然而账龄分析法对风险损失预估方面准确性较低,人为判断的主观因素较多,并不能反映信用资产的风险走势,借鉴国外金融企业信用管理方法,笔者提出利用迁移率模型计提坏帐准备,通过详细介绍两种迁移率计算方法,证明该模型更有效于企业信用资产的信用风险管理。
关键词:迁移率模型;滚动率模型;信用资产五级分类
一、我国普遍采用的信用资产管理方法
目前我国企业信用资产管理普遍采用账龄分析法,即将不同账龄的信用资产进行分组,根据前期坏账实际发生的有关资料,确定各账龄组的估计坏账损失百分比,再将各账龄组的信用资产金额乘以对应的估计坏账损失百分比数,计算出各组的估计坏账损失额之和,即为当期的坏账损失预计金额。
然而账龄分析法在实际应用中存在对风险损失预估方面准确性较低,人为判断的主观因素较多等问题,并且账龄分析法计提坏帐准备与实际坏账损失由于方法的应用等原因常常存在较大差异,如哈尔滨空调股份有限公司2007年财务报表会计估计变更中所述,2007年以前,该公司实际发生信用资产坏账损失年平均损失率为0.85%,按账龄法计提坏账准备综合损失率为7.09%,显然账龄分析法已不能反映该公司实际情况。
在研究国外金融企业信用风险管理方法时,我们发现作为各种现代信用风险管理模型核心的迁移率模型在信用资产管理中存在大的应用空间。
下面就该模型的提出背景及信用资产管理中的具体应用给出叙述。
二、迁移率模型提出的背景
2003年7月巴塞尔委员会发布了《巴塞尔新资本协议》,新协议由最低资本要求、监督检查和市场纪律三大支柱组成。
第一支柱包含了对信用风险、市场风险及操作风险三大风险组成部分的度量。
其中,关于
信用风险的度量,新协议提出了两种基本方法,即标准法和内部评级法。
内部评级法主要依靠四方面的数据;一是违约率 (Probability of default,PD),即特定时间段内借款人违约的可能性;二是违约损失率(Loss given default,LGD),即违约发生时风险暴露的损失程度;三是违约风险暴露(Exposure at default, EAD);四是期限(Maturity,M),即某一风险暴露的剩余经济到期日,前三项完全是银行提供的估计值。
迁移率模型的地位在2006年新《企业会计准则》第22号——《金融工具确认和计量》中得到了确认,即商业银行采用组合方式对贷款进行减值测试的,可以根据自身风险管理模式和数据支持程度,选择合理的方法确认和计量减值损失,比如,“迁移模型法”、“滚动率模型法”等。
三、迁移率模型在信用资产管理中的应用
在实际信用资产管理中可以采用两种方法:一是将信用资产进行五级分类,然后计算迁移率,利用算出的迁移率计提坏账准备;二是将信用资产按逾期时间长短划分周期,计算平均迁移率,并计提当期坏账准备额。
下面结合具体数据分别介绍。
(一)信用资产五级分类计提坏账准备
1.将信用资产中单项金额较大的列为单项金额重大的项目,分项测试计提坏账准备,如有无需计提坏账准备的客户则与其余单项金额非重大的客户一并按分类组合的方式采用迁移模型法计提坏账准备。
2.将单项金额非重大和经单独测试后未发生减值的单项金额重大的信用资产,划为正常;关注、次级、可疑、损失五类。
2004年2月,中国银行业监督管理委员会颁布了《中国银行业监督管理委员会关于非银行金融机构全面推行资产质量五级分类管理的通知》,分别定义了正常、关注、次级、可疑、损失类资产的分类。
其中交易对手能够履行合同或协议,没有足够理由怀疑债务本金及收益不能按时足额偿还的定义为正常类;尽管交易对于目前有能力偿还,但存在一些可能对偿还产生不利影响的因素的为关注类;交易对手的偿还能力出现
明显问题,完全依靠其正常经营收入无法足额偿还债务本金及收益,即使执行担保,也可能造成一定损失为次级类;交易对手无法足额偿还债务本金及收益,即使执行担保,也肯定要造成较大损失为可疑类;在采取所有可能的措施或一切必要的法律程序之后,资产及收益仍然无法收回,或只能收回极少时该项资产确认为损失类。
非金融企业在进行信用资产管理时,可结合本公司的实际情况按照此项规定对企业信用资产进行相应的五级分类。
3.将期初每一类别信用资产余额重新分类后迁移至本期,形成本期不同类别信用资产,然后除以迁移前各类别的信用资产求得迁移率,通过损失类信用资产损失率依次计算其它各类信用资产损失率。
下面我们以假设的数据展示信用资产损失率的计算。
第一步:构建信用资产五级分类等级迁移情况(表1);
第二步,编制信用资产五级分类等级迁移矩阵(表2);
第三步,根据实际情况设定损失类损失率,本案例假设为95%;
第四步:根据求出的迁移率和已确定的损失类损失率,依次计算出可疑、次级、关注、正常四类损失率(表3);
4.各类信用资产损失率计算出后,减值准备的计提有两种方法,一是通过计算综合损失率计提减值准备,二是分类计提减值准备。
分别列示如下:
人通过计算综合损失率计提坏账准备
(1)计算五类损失金额;期初各类别信用资产余额*对应的五类损失率(表4)
(2)计算综合损失率:
总损失金额/期初信用资产余额=54.44/980=5.56%
应计提坏账准备金额:综合损失率*本期迁移法模型中的信用资产余额(表5)
B.分类计提坏账准备。
应计提坏账准备金额=期末正常类信用资产总额*正常类信用资产损失率+期末关注类信用资产总额*关注类信用资产损失率+期末次级类信用资产额*次级类信用资产损失+期末可疑类信用资产额*可疑类信用资产损失率+期末损失类信用资产额*损失类信用资产损失率
(二)滚动率模型计算信用资产迁移率(表7)
第一步:定义信用资产周期。
没有逾期的信用资产定义为周期0;逾期半年的信用资产定义为周期1;逾期一年的信用资产定义为周期2;以此类推,逾期一年半、二年、二年半、三年以上的信用资产分别定义为周期3、4、5、6、7;
第二步:计算出每个周期的坏账分期变动率:当期信用资产余额/上周期应收账余额
第三步:对最近三年的坏账分期变动率进行平滑处理,计算出三年的平均坏账分期变动率和坏帐回收率;
三年平均坏账分期变动率=∑三年坏账分期变动率/6;
坏账回收率=∑三年坏账回收额/6;
第四步:计算净坏账损失率;CO变化至C7,需经过CO至C1、C1至C2、C2至C3、C3至C4、C4至C5、C5至C6、C6至C7的7次迁移,相应的其毛坏账损失率就应等于各期平均迁移率及最后一期坏账损失率的乘积:
14.59%×36.41%× 56.03%×86.17%× 68.66%× 85.52%×93.37%×(1-27.05%)=1.03%;相应地,计算C1、C2、C3、C4、C5、C6的损失率分别为7.03%,19.31%,34.47%,40.00%, 58.26%,68.12%;
第五步:计算坏账拨备额:各期信用资产余额×净损失率(表9)
四、上述信用资产管理应用迁移率模型的改进
(一)使用滚动率模型计算信用资产迁移率时应注意的几点
一是周期的分类时间间隔应与坏账计提周期一致;二是坏账变动率可以视公司实际情况应用最近一期的实际值或一年、两年、三年等的均值计提当期坏账准备额,也可将各期迁移率进行趋势分析、回归分析等;
(二)上述信用资产五级分类计提坏账准备没有考虑当期信用资产的变动额,在实际的操作中,应结合当期信用资产变动情况计算迁移率
参考商业银行风险监管核心指标,我们定义:正常类信用资产迁徙率=期初正常类信用资产向下迁徙金额/(期初正常类信用资产余额—期初正常类信用资产期间减少金额)×100%;关注类信用资产迁徙率=期初关注类信用资产向下迁徙金额/(期初关注类信用资产余额—期初关注类信用资产期间减少金额)×100%;次级类信用资产迁徙率=期初次级类信用资产向下迁徙金额/ (期初次级类信用资产余额—期初次级类信用资产期间减少金额)×100%;可疑类信用资产迁徙率=期初可疑类信用资产向下迁徙金额/(期初可疑类信用资
产余额—期初可疑类信用资产期间减少金额)×100%。
继续信用资产五级分类计提坏账损失的例子,假设期初可疑类信用资产收回金额15万元,则:可疑类信用资产迁移率=10/(70—15)=18.18%
五、迁移率模型在我国上市企业的实际应用
目前,我国上市公司哈尔滨空调股份有限公司(600202)自2007年1月1日起开始使用迁移率模型来代替传统的账龄分析法计提坏账准备。
下面列示为哈空调2007年之前及之后坏账核算方法(表10、表11):
与按账龄法计提坏账准备的综合损失率 7.09%相比,按迁移模型法计提坏账准备的综合损失率O.95%,更接近公司实际发生信用资产坏账损失年平均损失率O.85%。
六、迁移率模型与传统的账龄分析法相比的优点
迁移率模型在对业务的风险损失预计方面传统的账龄分析进行了优化,使得风险损失预估方面更为准确和合理;人为判断的主观因素少,可以清晰地显示出某一个时期内,各时点的不同的拖欠周期的数据从何演化而来,又向何演化而去,数据细节得到了充分的揭示;可以用来分析信用资产的风险走势,从而加强对信用资产的风险管理。
《华北金融》2009年第2期。