我是一名老银行人, 在银行信贷风控部门工作了十五年, 我亲眼见证了无数企业那从辉煌走向破产的完整周期。贷款信用评级转移矩阵以及预期损失这两个概念, 表面看去是专业模型以及计算公式, 实际上却关乎每一个贷款审批背后的风险定价逻辑。理解它们, 便是理解银行怎样在不确定性当中寻找确定的答案。
信用评级转移矩阵是什么
好多人头回听闻转移矩阵这个词汇之际, 会感到生疏, 甚而误以为是某种高深莫测的数学工具。实际上, 它所揭晓的是一桩相对简单的事儿: 客户去年的信用等级跟今年相比较而言, 究竟有没有出现改变。比如说, 有一位客户去年还是处于AA级, 今年也许就下降到了BBB级, 此即所谓的“降级迁移”。反之, 也存在“升级迁移”这种情况, 只不过在现实情形里, 这种状况相对来说较为少见。
我于处理一笔面向制造业企业的贷款期间碰到过典型事例, 这家企业三年来始终维持A级评级, 然而在第四年时, 因原材料价格上扬以及市场需求缩减这双重打击, 其信用评级急速下滑至BB级, 这般剧烈的等级跳跃究竟意味着什么呢, 意味着该笔贷款的违约概率或许会从1%急剧飙升至10%以上, 风险敞口扩大至十倍都并不过分。
转移矩阵的价值体现于其能够捕捉这般动态变化, 并非仅仅静态地去看待某一个时间点的信用状况。银行要构建自身的历史迁移数据库, 依据宏观经济周期、行业特点、客户那般经营状况等多个维度的因素, 定期去更新迁移概率。这才是真正科学的风险管理思维。
预期损失怎么计算
并非是预测某天一定会出现多少损失的那种预期损失，而是依据历史数据以及统计模型, 针对一段时间之内平均有可能出现的损失所做出的合理估计, 它的详细描述是违约概率乘以违约损失率再乘以风险敞口的这种计算公式较为简单, 听起来好像是容易的, 然而在实际操作过程里, 每个变量的估算都需要大量历史数据予以支撑的。
以一笔固定资产贷款为例计500万元, 若依据转移矩阵推算该客户未来一年违约概率为2%, 一旦违约预计仅能收回40%的本金, 那么这笔贷款预期损失是用500万乘2%再乘60%, 结果为6万元。这6万元并非意味着定会损失如此之多, 而是表示在大量类似贷款组合里, 平均每一笔贷款大约会产生6万元的损失。
银行计提拨备准备金是基于这个逻辑, 预期损失越高, 所需预留的资本就越多, 贷款利率要相应提高来覆盖风险成本, 这就使得信用评级下降的客户, 不但面临更严格的审批条件, 还得支付更高的资金成本, 市场机制在此发挥了自我调节的作用。
