Ⅰ 信用转移矩阵是什么
一、金融全球化中我国商业银行实施信用风险管理的必要性
商业银行在经营活动过程中，主要面临着信用风险、国家及转移风险、市场风险、利率风险、流动性风险和操作风险等风险。其中，信用风险无疑是最重要的风险。信用风险可定义为银行的借款人或交易对象不能按事先达成的协议履行义务的潜在可能性。信用风险管理的目标是通过将信用风险限制在可以接受的范围内而获得最高的风险调整收益。
随着我国资金融体制改革步伐的加快和金融业开放程度的提高,国内银行业面临着参与国际竞争的严峻挑战。在金融全球化的新形式下，我国商业银行必须借鉴国际上先进的信用风险管理经验，强化信用风险管理，开发适用的信用风险管理模型。显然，在金融业日益全球化的新形势下，加强我国商业银行的内部评级体系和风险度量模型的研究，缩小与国外同行的差距，已成为刻不容缓的工作。
自二十世纪五、六十年代以来，西方发达国家直接金融市场发展势头迅猛。随着资本市场的扩张和直接金融工具的发展，中小企业进入金融市场变得更为容易，银行作为融资中介的地位下降，企业融资出现了“脱媒”现象。但是，由于发展中经济具有“追赶型经济”的特点，其目标是经济高速、稳定增长和产业结构高级化，背景是市场机制不健全和信息的严重不对称，在发展的初期阶段，选择银行主导型（bank-orient systems）而不是市场主导型（market-orient systems）的金融体制具有一定的客观必然性。我国作为世界上最大的发展中国家，在今后很长一段时期内，银行融资将仍是企业筹措资金的主要方式，银行体系面临的风险将是我国金融风险的主要构成要素。深入研究我国商业银行的信用风险管理问题，不仅是商业银行作为微观金融主体进行内部管理的自主行为，从全局上看也是防范商业银行的信用风险导致银行信用体系和支付体系崩溃、引发货币危机、股市暴跌和金融危机的需要。
二、商业银行信用风险管理的主要模型和方法
商业银行传统的信用风险度量方法有信贷决策的“6C”法和信用评分方法等。
“6C”法是指由有关专家根据借款人的品德(character)（借款人的作风、观念以及责任心等，借款人过去的还款记录是银行判断借款人品德的主要依据）；能力(capacity)（指借款者归还贷款的能力，包括借款企业的经营状况、投资项目的前景）、资本(capital)、抵押品(collateral)（提供一定的、合适的抵押品）、经营环境(condition)（所在行业在整个经济中的经营环境及趋势）、事业的连续性(continuity)（借款企业持续经营前景）等六个因素评定其信用程度和综合还款能力，决定是否最终发放贷款。
信用评分方法主要有Z值模型等。Z值模型由Altman于1968年提出，采用五个财务指标进行加权计算，对借款企业实施信用评分，并将总分与临界值（最初设定为1.81）比较，低于该值的企业被归入不发放贷款的企业行列。
近二十年来，由于商业银行贷款利润持续下降和表外业务风险不断加大，促使银行采用更经济的方法度量和控制信用风险，而现代金融理论的发展和新的信用工具的创新，给开发新的信用风险计量模型提供了可能。与过去的信用管理相对滞后和难以适应市场变化的特点相比，新一代金融工程专家将建模技术和分析方法应用到这一领域，在传统信用评级的基础上提出了一批信用风险模型。现代信用风险度量模型主要有KMV模型、CreditMetrics、麦肯锡模型和CSFP信用风险附加计量模型等四类。
CreditMetrics是由J.P.摩根公司等1997年开发出的模型，运用VAR框架，对贷款和非交易资产进行估价和风险计算。该方法是基于借款人的信用评级、次年评级发生变化的概率（评级转移矩阵）、违约贷款的回收率、债券市场上的信用风险价差计算出贷款的市场价值及其波动性，进而得出个别贷款和贷款组合的VAR值。
麦肯锡模型则在CreditMetrics的基础上，对周期性因素进行了处理，将评级转移矩阵与经济增长率、失业率、利率、汇率、政府支出等宏观经济变量之间的关系模型化，并通过蒙地卡罗模拟技术（a structured Monte Carlo simulation approach）模拟周期性因素的“冲击”来测定评级转移概率的变化。麦肯锡模型可以看成是对CreditMetrics的补充，它克服了CreditMetrics中不同时期的评级转移矩阵固定不变的缺点。
CSFP信用风险附加计量模型与作为盯市模型（MTM）的CreditMetrics不同，它是一个违约模型（DM），它不把信用评级的升降和与此相关的信用价差变化视为一笔贷款的VAR（信用风险）的一部分，而只看作是市场风险，它在任何时期只考虑违约和不违约这两种事件状态，计量预期到和未预期到的损失，而不象在CreditMetrics中度量预期到的价值和未预期到的价值变化。在CSFP信用风险附加计量模型中，违约概率不再是离散的，而被模型化为具有一定概率分布的连续变量。每一笔贷款被视作小概率违约事件，并且每笔贷款的违约概率都独立于其它贷款，这样，贷款组合违约概率的分布接近泊松分布。CSFP信用风险附加计量模型考虑违约概率的不确定性和损失大小的不确定性，并将损失的严重性和贷款的风险暴露数量划分频段，计量违约概率和损失大小可以得出不同频段损失的分布，对所有频段的损失加总即为贷款组合的损失分布。
KMV模型是估计借款企业违约概率的方法。首先，它利用Black-Scholes期权定价公式，根据企业资产的市场价值、资产价值的波动性、到期时间、无风险借贷利率及负债的帐面价值估计出企业股权的市场价值及其波动性，再根据公司的负债计算出公司的违约实施点（default exercise point，为企业1年以下短期债务的价值加上未清偿长期债务帐面价值的一半），然后计算借款人的违约距离，最后根据企业的违约距离与预期违约率（EDF）之间的对应关系，求出企业的预期违约率。
上述四个模型的区别可归纳为以下六个方面。第一，在风险的界定方面， CreditMetrics和麦肯锡模型属于MTM模型；CSFP信用风险附加计量模型属于DM模型；而KMV模型既可被当作MTM模型，也可被当作DM模型。第二，在风险驱动因素方面，在KMV模型和CreditMetrics中，风险驱动因素是企业资产价值及其波动性；在麦肯锡模型中，风险驱动因素是失业率等宏观因素；而在CSFP信用风险附加计量模型中，关键的风险驱动因素是经济中可变的违约率均值。第三，在信用事件的波动性方面，在CreditMetrics中，违约概率被模型化为基于历史数据的固定的或离散的值；而在KMV模型、麦肯锡模型和CSFP信用风险附加计量模型中，违约概率是可变的，但服从于不同的概率分布。第四，在信用事件的相关性方面，各模型具有不同的相关性结构，KMV模型和CreditMetrics是多变量正态；麦肯锡模型是因素负载；而CSFP信用风险附加计量模型是独立假定或与预期违约率的相关性。第五，在回收率方面，在KMV模型的简单形式中，回收率是不变的常数；在CSFP信用风险附加计量模型中，损失的严重程度被凑成整数并划分为不同的频段，在频段内回收率是不变的；在KMV模型的最新版中，回收率是随机的；在CreditMetrics和麦肯锡模型中，回收率也是随机的。第六，在计量方法方面，CreditMetrics对个别贷款或贷款组合采用分析方法进行计量，对大规模贷款组合则采用蒙地卡罗模拟技术进行计量；KMV模型和CSFP信用风险附加计量模型采用分析方法进行计量；麦肯锡模型则采用模拟技术求解。
三、发展中国家商业银行信用风险管理的特点
在发展中国家，运用现代信用风险管理手段实施信用风险管理无疑还缺乏足够的前提条件。首先，存在着运用模型进行计量时数据库的瓶颈制约。评定信用风险，需要大量的各类企业的数据资料，但是，由于发展中国家在信息披露、管理等方面与发达国家尚有很大的差距，不少企业（特别是中小企业）的财务资料无从搜集，已公开的一些大企业的财务数据存在着失真现象。在计量模型的具体运用方面，又面临着技术专家的匮乏，急需提高信用风险管理人员的专业素质。
有鉴于此，在发展中国家，在经济发展的初期阶段，商业银行的信用风险管理应以传统方法为主。首先，要通过建立完善的信用风险管理制度和健全的组织架构，界定风险管理部门与业务部门、其它职能部门之间的分工合作关系，为科学、规范地管理和控制信用风险提供制度上和机构上的保证。其次，在对贷款进行分类管理的基础上，运用有关传统模型度量信用风险，分析信用风险产生的原因，控制不良贷款率。第三，根据自身情况特别是有关数据库建设的进展及时采用现代化的信用风险管理模型计量信用风险，实现信用风险管理和控制手段的不断更新。要加快有关数据库建设的步伐，同时结合自身特点进行有关计量模型的研究和开发。阿根廷中央银行近年来根据500万笔以上贷款的观测值建立了转移矩阵和死亡率表，并在互联网上公开，这种做法值得借鉴。第四，加强对商业银行信用风险管理人员的培训，适应信用风险管理现代化的客观需要，不断提高商业银行信用风险管理的水平。
四、我国商业银行信用风险管理研究
长期以来，我国商业银行在信用风险度量方面，采取主观评价色彩很浓的传统方法，由信贷主管人员在分析借款企业财务报表和近期往来结算记录后进行信贷决策，并采取所谓“两呆一逾”的口径对不良资产与贷款风险进行分类管理。这种静态和被动的管理方式弊端百出，现已被美国和加拿大商业银行通用的、国际货币基金组织及世界银行推荐使用的以风险度为依据将贷款划分为正常类、关注类、次级类、可疑类、损失类等的五级分类法所代替。
在现阶段，由于我国资本市场发育尚不成熟，不具有通过企业的股票价格来反映企业市场价值的条件，KMV模型从总体上讲还不适用我国实际，针对特殊客户群，可以尝试建立小规模模型。但是，风险度量中贷款组合分析、边际分析的思想值得借鉴。由于我国对历史数据的积累刚刚起步，加强信用风险度量应加强对企业当前状态的评估和对未来的预测，同时，针对目前国内企业普遍存在财务数据滞后且可信度低的状况，必须加强非财务因素对信用风险的影响的度量。
我国商业银行应结合自身特点，采用“6C” 法和信用评分方法等传统模型计量信用风险，强化贷款五级分类管理，提高信贷风险控制的制度化和规范化水平，切实降低不良贷款率。与此同时，积极创造条件，逐步向运用内部模型度量信用风险过渡。
商业银行运用现代信用风险度量模型量化和控制信用风险，是金融全球化中商业银行信用风险管理的总体趋势。首先，我国商业银行应积极建立客户（包括企业和个人）的数据库系统，为采用KMV模型、CreditMetrics、麦肯锡模型和CSFP信用风险附加计量模型等进行商业银行的信用风险管理创立信息平台。其次，我国商业银行应与有关政府部门和科研机构一起，结合自身特点，对有关信用风险度量模型进行改进，或“量体裁衣式”地开发新的信用风险度量模型，使我国商业银行的信用风险度量和控制工作适应金融业竞争日趋激烈的新形势。第三，我国商业银行应与高等院校携手创办信用管理专业，借鉴欧洲的“信用管理学院（ICM）”和美国达特矛斯学院（Dartmouth College）信用管理专业教育的经验，开设风险管理、资信调查、资信评级等课程，培养信用管理的专业人才。
为了实现商业银行运用数学模型计量、跟踪信用风险，建立规范的征信和信用评级体系是当务之急。
目前制约我国征信业发展的主要障碍是取得征信数据缺乏有效渠道，这与我国目前的经济发展水平密切相关。在国外，除可直接从证券交易市场获得上市公司的有关财务报表和数据外，还存在着众多获取企业和个人资信状况的途径，金融机构和评级公司可以用较低的成本得到数据和资料、建立各类企业和个人的数据库系统。
根据我国的具体实际，在征信和信用评级体系建设方面，首先，应积极建立健全有关社会信用的法律体系。在信用管理方面法律比较健全的是美国，与信用相关的法律共有《公平信用报告法》、《平等信用机会法》、《公平债务催收作业法》等十七项之多，其中约五分之三是消费者保护法律，由联邦交易委员会（FTC）负责执法和解释，而另外五分之二属于规范金融机构向市场投放信用类的法律，由联邦储备委员会（FRC）负责主要执法和解释。要参照国外做法，促进构筑社会信用体系的法制化进程，推动社会信用体系这一系统工程的建设。在失信的惩戒形式和制裁程度、失信惩罚机制的操作、信用的信息征集、评估、披露、使用以及涉及的企业秘密、个人隐私等领域，要加强立法的力度。通过相关法律法规体系的建设，要能够使对失信的处罚公允，信用数据的收集快速、真实、完整、连续，传播和经营合法公开取得的征信数据有效，同时保护经营者的隐私权和维护市场公平竞争。其次，建立起以商业银行为主体、各类征信公司和评级公司为辅助的征信和评级架构。由于商业银行在我国经济发展中所处的重要地位以及所拥有的信息生产优势，无疑在征信数据库建设上处于中心地位。征信和评级机构必须根据有关法律法规设立，具有一定的资金实力和满足从事征信和评级业务的专业要求，拥有一定规模且不断更新的数据库系统，对企业和个人的信用情况进行判断并给出相应的等级标准。应同时发挥商业银行和各类征信公司的专业优势，做到商业银行与征信公司的业务协作和配合，共同构建我国评价企业和个人信用的信息平台。第三，加强政府主管部门对征信和信用评级行业的监管，发挥征信和信用评级行业协会的自律和协调作用，为征信和信用评级体系的发展创造良好的宏观环境。