【长沙银行】本文信用债信用风险管理现状（一）

【长沙银行】本文信用债信用风险管理现状（一）

概括

本文结合长沙银行信用债风险管理实践，探讨中小银行信用债信用风险管理的相关概念和方法，以期为中小银行机构信用债风险管理提供一定参考。管理信用债券的信用风险。

关键词：中小银行 信用债务风险管理 财务预警模型

聂飘霞

信

债券是我国债券市场的重要品种。狭义上，专指非金融企业发行的债券，主要包括公司债、企业债、短期融资券、中期票据、定向工具等。随着债券市场规模的扩大和品种的不断丰富，信用债已成为我国债券市场和商业银行债券配置的重要品种之一。

近年来，我国信用债市场发展迅速。据Wind资讯统计，截至2017年末，我国存量信用债余额16.54万亿元，占全市场债券余额的22.15%，超过国债等利率品种、地方债、政策性银行债等，成为企业直接融资的重要来源。资本工具。但随着信用债市场的快速发展，近年来违约风险有所增加，这对商业银行尤其是中小银行的信用债风险管理体系建设提出了更高的要求。

中小银行信用债信用风险管理现状

（一）信用债投资面临较大信用风险

商业银行是信用债的最大持有人，尤其是以中小银行为主的城商行和农商行，信用债的持有量更大。

与全国性商业银行的客源范围广泛不同，中小银行通常局限于某一区域，客户资源高度集中。优质发债主体较少，多为城投公司。发行人中，行业客户资质相对薄弱。在前期信用债“刚性兑付”时期，部分中小银行以“简单粗暴”的方式完成信用债投资银行信用风险整体评价，在过去的牛市中获取超额收益。在信用债市场快速扩张、违约频发的市场环境下，中小银行信用债投资面临较大的信用风险。

（二）信用风险管理能力相对不足

商业银行是信用债市场的主要投资资金来源和风险承担者，其信用风险管理能力是信用债投资的基础和前提。全国性商业银行普遍具有广泛的客户基础和较强的业务渗透能力。债券发行人往往是企业贷款客户和债券承销客户。统筹管理，实现信用债务风险有效管理。与全国性商业银行相比，中小银行在进行投资决策时，由于缺乏系统化的工具和专业的信用研究团队，难以对发行人信用风险进行全面深入的分析和排序，主要依靠关于外部评级和公开信息 对发行人的简单评估 信用资质在风??险管理能力上明显不足。因此，中小银行虽然持有规模较大的信用债，但在客户资源、专业人才、研究能力、管理方式等方面仍存在诸多制约因素。由于人员和工具的限制，中小银行的投资部门通常不会组建自己的专业信用研究团队，往往依靠信贷审批和风险管理部门来控制信用风险，其风险承受能力对于信用债务很低。违约事件将对其投资组合的表现和未来的投资管理模式产生巨大影响。中小银行虽然持有规模较大的信用债，但在客户资源、专业人才、研究能力、管理方式等方面仍存在诸多制约因素。由于人员和工具的限制，中小银行的投资部门通常不会组建自己的专业信用研究团队，往往依靠信贷审批和风险管理部门来控制信用风险，其风险承受能力对于信用债务很低。违约事件将对其投资组合的表现和未来的投资管理模式产生巨大影响。中小银行虽然持有规模较大的信用债，但在客户资源、专业人才、研究能力、管理方式等方面仍存在诸多制约因素。由于人员和工具的限制，中小银行的投资部门通常不会组建自己的专业信用研究团队，往往依靠信贷审批和风险管理部门来控制信用风险，其风险承受能力对于信用债务很低。违约事件将对其投资组合的表现和未来的投资管理模式产生巨大影响。中小银行的投资部门通常不组建自己的专业信用研究团队，往往依赖信贷审批和风险管理部门控制信用风险，对信用债的风险承受能力较低。违约事件将对其投资组合的表现和未来的投资管理模式产生巨大影响。中小银行的投资部门通常不组建自己的专业信用研究团队，往往依赖信贷审批和风险管理部门控制信用风险，对信用债的风险承受能力较低。违约事件将对其投资组合的表现和未来的投资管理模式产生巨大影响。

长沙银行信用债信用风险管理实践

长沙银行成立于1997年5月，是湖南省第一家区域性股份制商业银行，是湖南省最大的法人金融企业。2014年以来，长沙银行着手全面建设信用债投研与风控体系。依托IT系统和信息终端，以评分卡和大数据为核心，借助外部行业和个人债券研究，开展信用债券风险管理研究。进行了有益的探索和实践，取得了一定的成效。

(1) 建立内部记分卡

针对评级可信度和可比性不强、分化程度不高、高信用评级过度集中、评级监管不严、外部信用评级跟踪滞后等问题，近两年来，长沙银行着手建立适合自身业务发展需要的系统。内部记分卡。第一代计分卡采用专家判断，依靠交易员和风险中台的经验进行开发。简单易行，但容易受专家个人经验和主观因素的影响，是片面的；在二代计分卡的构建过程中，在外部专家的智慧帮助下，通过默认模型的方式进一步完善了计分卡，

违约模型法是基于一定的统计理论，利用数学方程模拟现实中客户信用状况与客户特征之间的关系。其开发包括以下几个环节：数据转换（使用logistic转换等）、数据标准化、单变量分析（使用AR值、Somer's D值等）、相关分析、多变量分析（Probit和Logistic模型）。该模型的优势在于：在数据充足的前提下，可以更准确地预测客户的信用等级；缺点是受数据量的影响，当数据量不足或数据质量不高时，该方法得到的结果的可信度会较低。不高。目前有5个以上，000 非金融债券发行人。同时，市场上违约样本较多，评级较低的发行人较多。数据量足够。因此，采用默认模型的方法改进记分卡可以获得更好的效果。

记分卡包括模型内指标和模型外调整因素。模型中的指标是指主要反映企业盈利能力、经营能力、成长性、资产规模、杠杆率等财务指标的定量指标，以及反映企业性质、竞争力、行业特征、融资能力等的定性指标。模型外调整因素是指由于其零星性，不适合通过统计建模方法纳入模型，对发行人信用资质影响较大的负面因素银行信用风险整体评价，如行业下滑严重、监管处罚等。权限、重大诉讼、实际控制人风险事件、未及时披露定期财务数据等。

主要评级量表分为1、2、3、4、5五个等级，数字越小，信用等级越高。每个大层包含3个小层，根据建模样本计量结果的评级分布划定投资存储需要满足的最低评级标准。通过默认模型方法验证的内部评级具有良好的分化程度。例如，如果同一外部评级的发行人为AA，则对应的内部评级可能为4+、4、4-，甚至5，这将有助于形成对发行人信用资质的有效判断。

（2）信用分析管理系统开发

记分卡通常涉及很多模型和数据。如果完全依赖Excel进行数据录入和更新、评级发起、流程审批、评级结果查看、评级变化跟踪等，需要手动从数据库中选取数据，难以共享，不利于数据化管理、过程控制、评级结果的应用也不利于模型管理。为此，长沙银行于2016年下半年开始自主研发基于记分卡的信用分析管理系统，并于年底上线并投入使用。系统通过全行统一的大数据平台与Wind数据库对接，可快速添加发行人数据，提取量化数据。处理者只需手工填写定性数据录入模板并导入（每项定性指标分为5个等级，操作者只需输入数字）即可生成模型外因素调整前的试算评级。目前，系统存储了近2000家发行人的评级结果。通过该系统，交易者可以横向比较同行业不同发行人的试评级结果，纵向查看发行人的年度评级变化。

此外，长沙银行不断完善和扩展系统功能。2017年上半年，系统新增发行人尽职调查、风险评估、授信管理模板，所需财务数据全部通过Wind导入，提高了交易员和风险中台对发行人评估的效率。目前，信贷投资通过信用分析管理系统实现了从内部评级到入库审批、前端尽职调查、中台风险评估、授信管理、投后管理的全流程管理。后期通过大数据建模、机器学习等算法，在系统中实现了模型的自我验证和修正。

（3）构建违约预警模型

在信用债信用风险研究和管理方面，长沙银行不断与专业咨询机构和同行机构交流，吸收和总结市场先进实践经验，依托银行强大的信息科技研发能力，不断探索和开发适合银行的解决方案。适用于实际情况的风险管理工具和模型。

内部记分卡综合定量和定性因素对发行人的信用资质进行综合评价和排名。由于模型的先天缺陷，发行人可能没有注意到某些指标的恶化，这很容易导致投资者依赖表面上令人信服的结果，等待债券到期支付。外部评级的下调往往发生在发行人明显无力支付利息或偿还本金的情况下，具有严重的滞后性。因此，在计分卡实施和信用分析管理系统上线后，长沙银行开始研究预警模型。目前，已经构建了财务预警模型，确定了预警规则，具有一定的应用价值。

在模型构建过程中，参考国内外金融预警模型的构建方法，包括单变量分析模型、多变量模型（Z-score模型）、条件概率分析模型中的逻辑回归模型等，并学习羽凝子、刘司凤、陈路远。《中国债券违约状况及预警分析》1中提出的预警框架作者，利用计算机技术反复验证，最终从现金比率、资产负债率、利息覆盖率等30余项财务指标中选取，刚性债务和所有者权益比率、净利润率、Z-score 值等 14 个违约敏感指标。经过严格的统计分析，将警告阈值调整到最合适的水平。预警规则包括红色预警、黄色预警和综合预警：红色预警是指14项综合指标中至少有7项突破阈值；黄色预警表示8项关键指标中至少有5项突破阈值；综合预警是指同时出现红色预警和黄色预警。经验证，对于2016年新增违约的发行人，模型实现了对2015年财务数据预警的85%、对2014年财务数据预警的71%。后续实践中，领先指标如随着发行人负面事件和行业景气度的增加，构建多维预警模型，提高预警频率、质量和效果。黄色预警和综合预警：红色预警是指14项综合指标中至少有7项指标突破阈值；黄色预警表示8项关键指标中至少有5项突破阈值；综合预警是指同时出现红色预警和黄色预警。经验证，对于2016年新增违约的发行人，模型实现了对2015年财务数据预警的85%、对2014年财务数据预警的71%。后续实践中，领先指标如随着发行人负面事件和行业景气度的增加，构建多维预警模型，提高预警频率、质量和效果。黄色预警和综合预警：红色预警是指14项综合指标中至少有7项指标突破阈值；黄色预警表示8项关键指标中至少有5项突破阈值；综合预警是指同时出现红色预警和黄色预警。经验证，对于2016年新增违约的发行人，模型实现了对2015年财务数据预警的85%、对2014年财务数据预警的71%。后续实践中，领先指标如随着发行人负面事件和行业景气度的增加，构建多维预警模型，提高预警频率、质量和效果。红色预警是指14项综合指标中至少有7项突破阈值；黄色预警表示8项关键指标中至少有5项突破阈值；综合预警是指同时出现红色预警和黄色预警。经验证，对于2016年新增违约的发行人，模型实现了对2015年财务数据预警的85%、对2014年财务数据预警的71%。后续实践中，领先指标如随着发行人负面事件和行业景气度的增加，构建多维预警模型，提高预警频率、质量和效果。红色预警是指14项综合指标中至少有7项突破阈值；黄色预警表示8项关键指标中至少有5项突破阈值；综合预警是指同时出现红色预警和黄色预警。经验证，对于2016年新增违约的发行人，模型实现了对2015年财务数据预警的85%、对2014年财务数据预警的71%。后续实践中，领先指标如随着发行人负面事件和行业景气度的增加，构建多维预警模型，提高预警频率、质量和效果。综合预警是指同时出现红色预警和黄色预警。经验证，对于2016年新增违约的发行人，模型实现了对2015年财务数据预警的85%、对2014年财务数据预警的71%。后续实践中，领先指标如随着发行人负面事件和行业景气度的增加，构建多维预警模型，提高预警频率、质量和效果。综合预警是指同时出现红色预警和黄色预警。经验证，对于2016年新增违约的发行人，模型实现了对2015年财务数据预警的85%、对2014年财务数据预警的71%。后续实践中，领先指标如随着发行人负面事件和行业景气度的增加，构建多维预警模型，提高预警频率、质量和效果。

目前，长沙银行已完成两代记分卡的换代，自主研发信用分析管理系统，建立财务预警模型，分析整合外部专业机构在行业、信贷市场、投资策略等方面的研究成果，和信用事件。，跟踪债券市场发行人的负面消息，形成定期信用研究报告。通过投前内部评级、尽职调查和风险评估、投后评级跟踪、定期调查和财务预警，主动管理信用风险，做到投资策略“攻守兼备”，风险“留心”控制在行业方面实现了投资组合的多元化，业务性质（如投资优秀民营企业）、品种。所投资的信用债中，除一只AAA级债券因近年发行人业务下滑导致评级展望为负面外，其他信用债均未被下调。

关于加强我国中小银行信用债风险管理的政策建议

展望未来，受我国经济增速放缓、产业结构调整、房地产不确定性增加、金融去杠杆等因素影响，信贷市场将继续分化，高负债、盈利能力弱的发行人将面临资金链断裂风险。风险。如果中小银行仅仅依靠国企、城投、高评级等“信仰”投资，其投资组合将面临低收益、高风险的险境。因此，中小银行需警惕信用风险新的表现形式和演化路径，改变以往“简单粗暴”的投资模式，建立适合自身实际的投资研究和风险管理体系，确保信用债投资安全，实现投资收益和风险并存。相互匹配。

一是重新认识信用债务风险。债券违约打破了市场对信用债的长期预期。过去长期僵化的支付环境，导致市场对违约风险的敏感度降低。中小银行需要重新认识和评估信用债的信用风险，加强人手和机制建设。大笔投入资信研究，通过专业的资信团队和投研体系，对持有的信用债实现全方位、全过程的风险管理，确保投资安全。

二是强化信用研究能力。未来，市场上的信贷产品将更加丰富多样。衍生品的出现和发展将催生更多的交易策略。信用债交易日趋活跃。征信能力将成为机构投资者的核心竞争力，尤其是对于主要通过经营获取收益、承担信用风险的中小银行来说，更需要加强征信能力建设，为信用债投资打好基础和风险管理。

三是构建适合中小银行投资交易需求的风险管理体系。从长沙银行的实践经验来看，中小银行可以在人员、模式、制度等方面逐步构建适合自身投资和交易需求的风险管理体系，并可以适当使用长沙银行的产品和服务。外部专业征信机构积累行业分析经验和专业知识。代表性发行人的经营和财务特征，以便在投资前的风险评估中清楚地了解发行人的经营状况和财务特征，并在投资后密切关注发行人的动态，及时发现风险迹象，提前处置。在信用债风险可控的情况下，逐步建立收益最大化的产品、期限和行业组合。一方面为自营投资创造更多回报，另一方面为理财客户带来更稳定的回报，不断完善自身。市场影响力和竞争力。

注：1、详见德勤管理咨询（上海）有限公司余凝子、刘思峰、陈路元于2016年9月21日在第一财经网站发布的报告。

作者单位：长沙银行金融市场部