摘要
信贷风险是商业银行面临的最主要的风险之一,银行对信贷风险的控制和管理关系
到银行体系的稳定和国民经济的发展。目前,我国商业银行在信贷风险管理方面还远落
后于西方发达国家,我国对信贷风险的分析仍处于传统的比例分析以及专家经验判断阶
段,不能有效满足商业银行对贷款安全性度量的要求。因此,应用现代的计量模型计量
我国的信贷风险,可以更加有效的控制我国商业银行的信贷风险,具有非常重要的意义。

本文对现今公认的几种信贷风险度量方法即Credit Metrics模型、Credit Plus+模型以及
Credit Portfolio View模型进行简要的说明并分析其在中国的适用性,通过对比,选取
CPV模型进行实证研究。实证结果发现:在进行CPI调整、季节调整之后,最终发现固
定资产投资、实际利用外资和100美元兑人民币汇率这3个宏观经济指标,可以很好地
拟合宏观经济指数Y,并且拟合优度达到95%以上。而由于文中的宏观经济指数Y和违
约率之间存在直接的数学转换关系,所以上述3个宏观经济指标同样可以对违约率进行
良好的拟合。另外,根据这3个宏观经济指标的估计系数,可以认为:经济运行良好时,
信贷违约率会下降;外资的引入会对中国商业银行的信贷资产质量造成冲击;人民币的
稳步升值有利于降低不良贷款率。从实际经济的角度讲,即宏观经济直接影响违约率,
验证了人们对于“经济形势影响企业还款”的认识。另外,以往的实证分析大多基于其它
国家和地区或者基于某一具体行业的违约率进行研究,而本文针对的是中国商业银行整
体的违约率,同样得到了较好的拟合结果,说明CPV模型至少在回归分析部分适用于
中国的宏观经济环境。模型同样能够有效预测未来的违约率,另外由于宏观经济指标可
以通过前期数据调整得到,因此,信贷违约率的预测是可行的,商业银行也可利用预测
值提前制订相应的信贷风险防范措施。

关键词:商业银行信贷风险Credit Portfolio View模型信贷风险度量信贷风险
预测