支柱 2                      支柱 1                         支柱 3 

     敞口                 基于信用的风险值                    相关性 

图 2-1 Credit Metrics 模型框架

2。 Credit Metrics 模型的假设

（1）贷款发生后，其未来的价值和风险完全由远期利率决定。模型中的唯一变量是离 散的信用等级，每一信用等级有相对应的远期利率曲线；

（2）同一信用等级的贷款是同质的。同一信用等级的贷款拥有相同的转移矩阵和违约 概率，转移概率遵循马尔可夫过程2，且实际违约概率与历史违约概率相等；

（3）风险期限是固定的，通常为一年；

（4）违约不仅指借款方到期没有偿还款项，还包括借款方信用等级下降所导致的信贷 资产市场价值的下跌，并且违约事件发生在债务到期时。

（二）模型改进 

1。Credit Metrics 模型的改进思路 

目前，全面引入 Credit Metrics 模型应用于国内商业银行信用风险量化仍面临一系列 的困难，主要体现在以下几个方面：（1）国内商业银行未建立起有关信用资产的历史数据库。 Credit Metrics 模型中信用等级转移矩阵是以大量历史数据为基础的，我国商业银行目前无

法提供该数据；（2）国内信用评级体系尚不成熟。我国缺少权威的评级机构，银行内部信用 评级体系不完善也不统一，未达到 Credit Metrics 模型的要求；（3）我国利率市场化进程 缓慢。由于缺少准确的基准贴现利率，因此估计信用资产的现值存在困难。文献综述

与信用评级在我国应用不够普及和不够完善不同，信贷资产五级分类法在国内商业银行 已经普遍被使用，且具有以下几个方面的特点：（1）覆盖面广。信贷资产五级分类法是央行

2 马尔可夫过程（Markov process）是一类随机过程。该过程具有如下特性：在已知目前状态下，它未来的 演变不依赖于它以往的演变。

强制要求的，覆盖了公司类、机构类、个人类等所有信贷客户；（2）历史数据丰富。信贷资 产五级分类法是目前我国商业银行信用风险管理的基础，因此各商业银行的信贷管理信息系 统都有丰富的分类信息，历史数据完善；（3）数据更新及时。根据央行规定，信贷资产五级 分类法采用实时分类，至少一个季度进行一次分类；（4）反映的风险情况更真实。在客户信 用评级中，较少考虑债项的具体情况，而信贷资产五级分类法已充分考虑贷款条件及担保情 况。因此对于具体债项，五级分类法更能真实反映我国商业银行所面临的信用风险。 

虽然 Credit Metrics 模型对于我国适用性不强，但其逻辑思路仍是可行的。因此，鉴 于国内信用风险管理现状，要应用 Credit Metrics 模型，比较现实的方法是用信贷资产五 级分类取代客户信用评级进行改进