时间：2023-10-10 09:48:52
绪论：在寻找写作灵感吗？爱发表网为您精选了8篇信用风险管理模式，愿这些内容能够启迪您的思维，激发您的创作热情，欢迎您的阅读与分享！
1.引言
此次金融危机的发生给世界的经济带来的巨大影响，让人们渐渐从中思考得出教训，那就是高速发展的金融创新是把双刃剑，人们从中尝到甜头的同时也在面临着风险，那如何规避这些风险就是后金融危机的人们应该关心的。
2.文献综述
2.1 国外研究现状
1972年布莱克（Black）和斯科尔斯（Scholes）关于期权定价理论的研究为KMV模型的建立创造了理论基础。默顿提出了将期权定价理论运用于风险贷款和证券估价的思想，这就提供了一种可以用于衡量公司违约风险的实用高效的分析方法。随着默顿理论向各个方面的扩展，开始有学者尝试在信用风险度量领域应用默顿的结构化模型，KMV模型就是其中一个成功的例子.2000年，Seane.Keenan，RogerM.stein和Jorge R.Sobehart首次公布了一套技术方法，用以验证KMV模型有效性，证明了KMV模型是具有最高的风险预测准确性的方法。2002年，Matthew Kurbat和Irina Korablev对KMV模型的影响因素进行了研究，他们使用水平确认和校准方法进行验证，证实KMV模型的预测结果EDF值是呈偏态分布的，而样本规模情况，样本公司资产相关性的大小和自身的偏态分布对EDF的预测结果有很大影响。2007年，Dwyer和woo运用KMV模型对210家公开交易的房地产信托和抵押贷款机构进行研究，表明有一部分机构在未来的违约概率超过了10%，由此表明KMV模型能够有效甄别出有问题的次级贷款机构。国外学术界的研究结果显示KMV模型是有效的信用风险量化技术
2.2 国内研究现状
2003年，薛峰、关伟和乔卓将KMV与标普公司对安然的信用评级相比较，指出可以根据我国资本市场的情况建立起KMV信用风险计量模型和历史违约数据库。2004年杨星、张义强以KMV模型为基础，研究了我国上市公司的信用情况。结果表明，上市公司的股票价格波动与其预期违约率EDF显著负相关，并且EDF值与其信用水平实际变化相吻合，能够为公司未来的信用前景提供预警信号。2005年，郑茂将样本进行分类，探讨了KMV模型的有效性，结果表明对于业绩好的公司，EDF值虽然偏低，但能够正确反映出其信用状况。由于我国资本市场机制不够完善，企业的资产价值被假设围绕企业资产的预期值呈正态分布，导致上市公司的股权市值和公司资产市值在计算中存在着高估的情况。2008年，谢邦昌运用KMV模型20家深交所上市公司的信用风险水平进行度量。结果表明KMV模型可以较为有效地甄别出不同行业的信用风险，可以在我国上市公司信用风险度量中做出有效的评估分析。
我国学者对KMV模型的另一类研究思路是对KMV模型进行修正改进，使用国内的样本数据进行实证分析，来检验模型在我国是否具备适用性。2005年以来，国内对于KMV模型的研究重心大多集中在对模型的修正上，这种修正主要围绕在预期公司资产价值、违约点的设定和公司股权波动率三个参数上面，通过设定不同的参数获得不同的预测效果。李任和朱卫兵在2009年指出应该在行业上加以区分，根据不同行业具有差异化的参数设置，建立起符合该行业特征的行业KMV模型。2010年，唐振鹏在基于EGARCH一M波动模型的基础上，计算了所选择的上市公司三年间每半年的EDF，基于EGARCH一M波动模型的KMV模型所得的结果，能够更为有效地进行信用风险的识别。
3.上市公司信用风险成因及其影响
公司的信用风险是指债务人由于各种原因未能按时、足额地偿还债务而发生违约，从而导致债权人经济受到损失的风险。信用风险的产生主要来自于两方面原因。
一方面，公司受到经济运行的周期性影响。当经济处于上升时期，企业具备较强的盈利能力和偿债能力，违约的可能性较低，风险比较小。当经济处于衰退时期，公司受大环境的影响导致经营情况恶化，信用状况较差，风险较大。
另一方面，受到公司自身经营状况及特殊事件的影响。当企业自身的生产经营状况出现问题，或者发生影响企业盈利的特殊事件时，都会使企业面临债务危机从而导致违约。
信用风险造成了银行产生大量的呆账、坏账，容易引起银行的周转不灵，使银行蒙受损失，更有甚者，造成银行的破产。
4.实证分析
4.1 KMV模型的说明
KMV模型是由KMV公司开发出来的计算预期违约率的方法，模型以经典的默顿结构化模型为理论依托，融合了Black--Scholes的标准欧式期权定价方法和企业的财务报表信息来进行计算。KMV公司利用长期历史违约数据库，建立了企业违约距离和经验违约率EDF之间的函数关系，被广泛应用于对能够得到市场价格信息的上市公司进行评级。
4.2 样本的选取
考虑到我国股票市场的特殊性，选42家上市公司进行分析，其中21家为ST类公司，21家为非ST类公司。
4.3 参数设定
（l）假设债务到期期限T=l，计算一年期的违约距离和违约概率。无风险利率采用人民银行2009年公布的一年期定期存款平均利率，r=2.25%.
（2）根据KMV模型的设定，我们将违约点定位为：DP二短期负债+l/2长期负债。
4.6 实证检验结果及结论
在理论上，违约距离应该是度量公司违约可能性较好的指标。违约距离值越大，公司违约的可能性越低，信用状况越好，反之，公司的信用风险越大。大部分ST类公司的违约距离比较小，而非ST类公司的违约距离比较大，计算其平均违约距离，ST类公司为9.52，非ST类公司为10.20，二者表现出一定的差异。由于违约距离越小，公司产生信用风险的可能性越高，实际上，ST类公司由于业绩下滑，有可能出现拖欠账款、资不抵债等情况而产生信用风险。因此，根据实证结果得出的违约距离能够提示出ST类公司的信用能力较低，存在较大的信用风险，这个结果与公司的实际情况是相符的。
5.完善我国商业银行信用风险管理的政策建议
拥有一套先进的信用风险管理技术对商业银行提高信用风险管理水平至关重要，但仅依靠信用风险管理模型是不可能完全有效地控制和降低信用风险的。商业银行本身在制度等方面的一些缺陷和不足也会制约商业银行在信用风险方面的管理。因此商业银行自身还需要在培育信用风险文化、完善银行的内部评级体系以及健全商业银行的内控制度等方面做出努力。只有这样，才能从整体上提高我国商业银行信用风险管理水平。
（1）在信用风险管理体系中，信用文化处于核心的地位，是信用风险管理的基础。培育信用风险管理文化，就是倡导和强化信用风险意识，树立涉及到各部门、各项业务的全方位的风险管理理念，从而拓展信用风险管理文化。只有全体人员树立信用风险文化意识，以风险管理为最高准则，商业银行才能真正实现稳健经营和可持续发展。
（2）完善的内部评级体系是商业银行对信用风险实施有效管理的基础。目前我国商业银行虽然普遍实行了贷款五级分类法，初步建立了内部评级体系。但与国际银行相比，我国商业银行的内部评级体系在评级方法、评级结果的检验以及评级工作的组织等方面还存在着一定的差距。因此，我国商业银行有必要对内部评级体系进行完善，实现与国际银行的接轨。
（3）内部控制是银行风险控制和量化管理的基础。一个规范有效的信用风险内部控制体系应包括控制环境、风险评估、控制活动、信息与交流以及监督管理五个相互关联的因素。而我国商业银行在这五个方面都不是很完善，需要建立一个全面性、可操作性、权威性和监督独立性的内部控制机制。
参考文献
[1]KMV.KMV and CreditMetrics.San Francisco，KMV Corporation，1977.
[2]Merton R.C.On the Pricing of corporate debt：The risk structure of interest rates[J].Journal of Finance，1974.
[3]安东尼.桑得斯著.刘宇飞译.信用风险度量——风险估值的新方法与其他范式[M].机械工业出版社，2001.
[4]于研.信用风险的测定与管理[M]上海：上海财经大学出版社，2003.
[5]张亦春，郑振龙.金融市场学（第二版）[M].北京：高等教育出版社，2003.
[6]杨星，张义强.中国上市公司信用风险管理实证研究——EDF模型在信用评估中的应用[J].中国软科学，2004（1）.
[7]都红雯，杨威.我国对KMV模型实证研究中存在的若干问题及对策思考[J].国际金融研究2004（l）.
【关键词】信用风险 金融融资系统 供应链融资 管理研究
引言
随着我国经济的发展，中小企业也在日益的发展，并且成为了市场上的主导，但是中小企业的实力目前状况来说还比较弱，信用体系还没有建立，造成了中小企业融资难的困境。商业银行提出了供应链这一创新的新型融资服务，这对商业银行的业务拓展上升了一个很大的空间，将单一的中小企业变为整体企业的授信体。本文针对中小企业融资问题的研究来说明供应链融资对金融融资的作用与风险，丛而改善信用风险在金融融资中所出现的问题。
一、研究的意义
20世纪90年代以来，目前中小企业已经占全国企业总数的99%，创造了75%的城镇就业率，从而成为区域发展的主力军，在我国经济建设中发挥着巨大的作用，然而中小企业所获得的融资和国有大中型企业相比还是有非常大的差距。根据国家社科基金资助项目《我国中小企业转型升级问题研究》，对2000多家中小企业问卷调查，发现53.8%的企业选择资金投资不足成为企业最不利的问题所在[1]。融资困难制约着中小企业的发展。
目前，针对中小企业融资问题的研究主要有三方面。第一方面主要从供求关系来进行研究，银行与中小企业的供求关系不对称从而造成逆向选择和道德风险问题。大银行对企业来说有很多的选择，但是相对于中小企业范围就更广。中小金融机构又因自身的劣势从而难以满足对中小企业的贷款需求[2]。第二方面主要从信用担保、资信评估来进行研究，信用担保提高了中小企业边际信用度，增强了中小企业融资讨价还价的资本，减少了企业间的地位差距。但是目前我国的信用担保机构市场信用还不算完善。信用担保对企业的帮助比较小。但是随着经济的发展，我国对中小企业的发展越来越重视，金融融资系统将会成为人们关注的焦点。第三方面主要从信用体系上来分析，我国当前的信用体系还不够完善，信用意识太过于薄弱，从而引起中小企业受到金融融资的排挤，中小企业要受到金融融资系统的支持是非常困难的一件事情。这样引起的后果就是中小企业的融资困难难以得到解决。本文从供应链的角度来研究信用风险在金融融资系统中的管理中的问题，结合上述的问题，使供应链金融为中国小企业提供全面的服务。从而使中小企业受到限制，缓解银行信息不对称的程度，有利于降低银行的交易成本，这样就会刺激中小企业发放贷款的积极性，从而提高银行对中小企业的信贷支持，有效的缓解我国中小企业发展的局势，缓解中小企业融资的困难。目前为止国内对于这方面的问题还做得不全面。
二、供应链融资的定义
在我们传统的观念来理解供应链融资是指银行通过审查整条供应链，基于对供应链的管理和核心企业的信用实力的掌握，对核心企业和上下游多企业提供的金融产品和服务的一种融资模式，由于供应链中除了核心企业之外，基本上都是中小企业，因此，在某种意义上说，供应链融资是面向中小企业的服务。随着科学技术的不断发展，企业所面临的竞争越来越激烈。企业为了求得发展，外资提供是最为关键的因素，这样促进了企业之间的互相合作关系，从而供应链融资的作用由自身发展改变为连接作用，进行组织之间的合作。供应融资解决了上下游企业融资难、担保难的问题，而且通过打通上下游资金瓶颈，还可降低供应链金融的资金成本，提高核心企业及配套企业的竞争力[2]。
三、供应链在信用上的风险
信用风险是在企业中达成默契中所形成的，而契约关系是引起风险性的前提，信用风险在金融融资系统中普遍存在，供应链金融融资系统是在供应链中建立的，所以信用的要求是属于双方的，但是如果一方发生信用风险就会造成整个供应商的影响。主要分为主观信用风险，中小企业推迟还款或者拒绝还款，从而达到骗取贷款和其他利益的风险。由于企业不良的诚信造成名誉的损坏，道德的沦丧。还有就是客观性的风险，如政治动荡、自然灾害、企业内部原因造成经营不合理化，而没正常履行承诺的风险，主要分为自然风险、社会风险、政策风险和市场上的风险[3]。
四、信用风险在金融融资系统供应链中的管理
供应链金融服务的对象是由中小企业组成的供应链整体，将这些整体进行统一管理，供应链融资企业的参与者十分多、信贷担保样式多元化、资金流动难以掌控、所以说供应链面临的风险比较复杂化，控制风险也比较难，每个企业都有可能面临着信用风险，这就需要一个供应链对整体的管理模式，从而减少风险性。
（一）对企业担保物权的管理
担保物权是企业在向银行申请获得供应链金融服务和融资系统，从而获得银行的贷款，但是要向银行提供具有经济价值的担保物，如房子、车子等。这样担保物与融资系统建立了桥梁作用，企业会通过担保物来通过银行的授信。从中获得贷款，对于银行来说无疑是减少风险的一大保障，如果企业发生信用风险，银行可以通过担保物权的变现而弥补因为企业违约所造成的经济损失[4]。由于现在供应链的多样化，从而使得银行对担保物的安全性和变化性难以做出精确的判断，为了使信用风险在金融融资管理中更完善，银行一定要做到对于企业的担保物管理进行严格的审核把关。确保担保物的知识产权的清晰、经济价值稳定可靠、变现灵活。从而确保银行与中小企业之间的风险担保。这为维持金融系统中供应链的管理提供了可靠性的保障。
（二）对供应链企业核心的管理
核心企业是供应链运行的主要动力，银行对中小企业开展授信时必须要对核心企业进行综合性的调查，核心企业的信用度对于供应链金融系统的管理有直接性的关系，也是致命的关键性因素。如果在供应过程中其他企业违约，就会导致供应链的影响，银行这时可以利用核心企业来维持生产经营，这样就不会造成整个供应链的失败。但是一旦供应链与核心企业出现违约风险，将会对整个供应商产生影响，会导致银行和中心企业的金融关系破裂还会产生对供应链的所有企业的授信与信贷产生威胁。因此在这样的情况下，就要要求银行在供应链金融业务开展的过程中，一定要做好对核心企业的风险管理。对该企业经营绩效、发展能力、竞争能力做出细致的考察。其次要供应链中上下游的企业迅速的做出控制与分析评估能力。做到对供应商的细致掌握，确保企业信誉合格，防止对核心企业和供应链的过高授信，最后要对核心企业与银行的合作进行维护与考察，使企业与银行共同的管理供应链中金融系统的风险和控制。
（三）对供应链参与企业的管理
虽然核心企业在供应链中起到核心作用，但是中小企业对于供应链也是整体的组成部分，重要的核心企业虽然起到关键作用，但是作为整体的一部分与其他中小企业的连接有着十分重要的作用。核心企业离不开其他中小企业的经营业务对接，只有这样才可实现供应链的运转。将中小企业与核心企业进行一个整体式管理，大企业帮助小企业，小企业辅助大企业在银行的连接作用，银行起到带动运行的作用，中心企业起到聚集资产作用，而中小企业就是众多资产的组成部分，所以三者是互相连接的。核心企业信用风险会对供应链金融产生致命的关键，其他参与企业对供应链的金融企业也起到十分重要的作用，如果核心企业违约那么供应链就无法进行，从而影响整个供应链的经营。
五、总结
对于信用风险在金融融资系统中的管理是十分重要的，合理的管理可以使中小企业得到新的发展，减小了中小企业与银行的差距，做好对应连其他参与企业的风险管理是预防和避免供应链金融系统信用风险的重要手段之一，做好供应链对金融企业的经营，经营绩效的考核，确保企业组成信誉的高效性。科学合理的做好对企业的信誉评估作用，共同构建供应链中的信誉度，从而更好地为供应链的正常运行做好保障。对企业参与担保物的经济进行严格的评估，从而确保银行在提供信贷服务的同时保证经济价值的稳定性，从而避免银行因信誉所造成的损失，从而提高商业服务的能力。信用风险在金融融资系统的有效管理中有助于解决中小企业融资困难，提高商业银行的收益，从而为物流企业发展带来一定的实惠，最终为我国中小企业融资困难提供了帮助。
参考文献
[1]黄贤超.中小企业融资问题的再思考——基于中美中小企业融资问题的比较研究[J].经济师，2013（01）.
[2]毕晓韵，彭芳春.金融危机下供应链金融融资问题与机制创新[J].湖北工业大学学报，2010（03）.
关 键 词：信用风险；压力测试；系统性风险；宏观审慎监管
中图分类号： F830.1 文献标识码：A 文章编号：1006-3544（2013）05-0011-07
引言
信用风险压力测试已成为金融机构风险管理的重要组成部分，在极端事件风险管理、资本规划、业务发展战略等方面得到广泛应用 [1] 。然而，2008年爆发的金融危机使得全球大型金融机构遭受重创，信用风险压力测试并没有使金融行业很好地应对金融危机。巴塞尔委员会认为，此前进行的压力测试， 宏观压力情景假设要比现实宏观经济衰退程度更弱、持续时间更短，而且忽视了经济体系间的相互影响及反馈效应。由此，如何将系统性风险与金融监管、银行压力测试有效结合起来成为新课题。近年来，宏观审慎金融监管体系逐步形成， 信用风险宏观压力测试在全球得到较快推广，用以评价系统性风险可能对银行业造成的影响，有利于监管部门提早制定应对措施，提高银行业经营稳健性。然而，信用风险宏观压力测试发展较晚，相关建模技术方法仍处于探索和研究当中， 全球范围内尚没有形成统一规范或者最佳实践，世界主要经济组织、各国央行以及全球主要金融机构都在不断完善信用风险宏观压力测试建模技术方法。 本文力图通过对全球信用风险宏观压力测试建模技术方法及实践的分析，为我国金融监管部门及金融机构有效评估系统性风险影响提供借鉴。
一、 信用风险宏观压力测试流程及实践分析
信用风险宏观压力测试主要包括环境分析与制定压力测试目标、设定压力情景、构建压力测试模型、重新评估压力情景、压力测试结果分析和报告等5个步骤。信用风险宏观压力测试需要根据银行经营环境以及业务结构确定压力测试目标，做到具体问题具体分析； 银行根据已设定的压力测试目标制定压力测试情景； 压力测试建模部分包括宏观经济模型构建和信用风险模型构建，压力测试建模非常关键，直接关系到压力测试评估有效性；根据压力测试情景以及模型进行压力测试和评估； 银行需要深入分析压力测试结果， 并向监管部门、 经营管理层汇报，以制定相关应对措施 [2] 。 从信用风险宏观压力测试实施方式看，可以分为自上而下和自下而上两种形式。自上而下的信用风险宏观压力测试主要是由监管部门利用银行业整体数据实施的压力测试。该模式能够对压力测试实施统一的前提假设和建模技术，保持了统一性，有利于行业间或国家间的相互比较，而且实施起来简便、节省资源，但是该模式忽略了金融机构间的差异性，无法判断各金融机构压力情景下的表现 [3] 。该模式适用于金融机构微观数据不足的情况。自下而上的信用风险宏观压力测试是由各金融机构自行开展信用风险宏观压力测试，然后将压力测试结果上报汇总至监管部门。该模式的优势在于能够充分体现各金融机构的差异性，更真实地反映金融行业存在的脆弱性；能够充分利用金融机构内部良好的信用风险管理工具，取得更好的压力测试效果，有利于金融机构为极端事件做好充分准备。然而，该模式由金融机构自行设计压力测试情景及建模，导致压力测试的可比性较差，透明性降低，而且该模式实施起来也较为繁琐，需要金融机构的密切配合 [3] 。自上而下和自下而上的两种信用风险宏观压力测试实施方法并不相互排斥，而是相互验证、相互补充的。在条件允许下，部分国家监管部门会同时进行两种模式的压力测试，以提高信用风险宏观压力测试质量和可信度。
国际货币基金组织（IMF）上世纪90年代末已开展了基于系统性风险视角的信用风险压力测试，目前已成为金融部门评估项目（FSAP）、全球金融稳定性评估报告（GFSRs）的重要组成部分，进而评价各国金融体系的稳定性 [4] 。2009年，美国针对大型控股银行公司进行了前瞻性评估，确定银行面临宏观经济压力下的资本充足性。2010年、2011年， 欧盟也针对成员国的主要银行进行了宏观压力测试，评价银行体系在欧债危机背景下受宏观经济冲击的脆弱性和资本充足性。2010年， 我国针对房地产市场泡沫可能引发的信用风险，亦开展了相关压力测试，主要评价房价下降可能对银行信贷质量的影响。信用风险宏观压力测试在全球主要国家得到应用和广泛开展，信用风险宏观压力测试建模方法得到不断完善和创新，并获得较多的研究和实践成果，进而支持宏观审慎监管理念的落实。
信用风险宏观压力测试理念和相关应用已取得较多成果，然而作为信用风险宏观压力测试的核心部分——压力测试建模还存在很多不成熟、 不完善的地方，这也是各国监管部门加强研究和推进的重要方面。 信用风险宏观压力测试建模包括宏观经济建模和信用风险建模两个部分。宏观经济建模方面，监管部门需要事先将制定的压力情景转变为具体的宏观经济指标波动，即首先预测未来一段时间内的宏观经济走势，即基准情景，然后在基准情景基础上根据压力测试情景需求对宏观经济施加压力，得到压力状态下的相关宏观经济指标，这部分建模技术相对成熟。信用风险建模方面，信用风险建模主要解决宏观经济压力情景向微观金融机构传导的机制问题，即将金融机构信用风险因子与宏观经济指标建立起关联关系， 这部分建模技术方法发展相对不是很成熟。 下文将一一介绍宏观经济建模和信用风险建模技术方法和实证研究成果。
二、宏观经济情景建模技术方法分析
信用风险宏观压力测试首先需要解决宏观经济情景建模问题，其建模方法主要包括结构性计量模型、向量自相关回归模型（VAR）以及统计方法 [5] 。从实践看，很多监管部门主要使用已有的经济预测模型构建宏观压力情景，在部分情况下， 现有宏观经济模型无法包括所有压力测试情景指标，这就需要扩展已有模型。
（一）结构性计量模型
结构性计量模型是比较理想的宏观经济压力情景模型，结构性模型是根据经济理论和现实经济关系，建立起宏观经济主要变量和因素之间的关系。结构性计量模型能够囊括实体经济部门、 政府部门以及金融部门， 进而能够进行政策分析，有利于提升宏观经济模型的完整性和现实性。同时，结构性计量模型所得到的经济指标预测结果具有内在一致性。结构性模型最主要的形式就是动态随机一般均衡模型（dynamic stochastic general equilibrium，简称DSGE），DSGE模型通常假定家庭或企业部门存在一个代表性个体、 理性预期和无摩擦的完全竞争市场，随着研究的深入，模型假设逐步放松，逐步引入交易成本、粘性价格、垄断竞争、信息不对称、有限理性预期、劳动力市场摩擦、金融市场摩擦等假设，模型更加贴近现实经济运行状态。但是，结构性计量模型本身也存在一定局限，主要是涉及众多方程式，模型本身求解难度较大；由于多数用于分析货币政策的结构性宏观经济模型都是线性模型，该类模型可能无法捕捉压力情景下各经济变量间的非线性关系，而且也很难给出特定宏观压力情景出现的概率 [5-6] 。
一个简单的结构化计量模型可以表示为生产部门、居民部门以及政府部门的三部门方程组，即：
其中，（1）-（6）式分别为生产函数、技术增长、资本累积、资源约束、效用函数、居民部门支出约束、政府支出约束。Y为产出量，K为资本，N为劳动力投入，？啄为折旧率，I为投资，C为消费，G为政府消费，？准t 为偏好系数，W为实际工资，rt 为资本税前报酬率，？子n为劳动收入税率，？子k为资本收入税率，？追为定额税。代表性居民通过选择资本、消费和劳动使效用最大化，而政府部门支出资金主要来自于劳动和资本收入税以及定额税。
从实践看，瑞典、捷克、匈牙利、加拿大、罗马尼亚、美国、法国等国央行的宏观经济预测模型都是结构性计量模型，而且大部分为DSGE模型。
（二）VAR模型
VAR模型也是使用非常普遍的宏观经济模型， 具有简便、灵活的特点，该模型不再区分内生变量和外生变量，而是将所有变量视为内生变量，对于所有宏观经济指标的预测具有内在一致性 [5-6] 。当VAR模型受到外部初始冲击的时候，向量可以用来预测冲击对于整个经济指标的影响程度。如果需要加入类似于结构性计量模型的经济结构关系，还可以将基于经济、 金融理论的变量之间的结构性关系引入VAR模型，构造结构向量自回归模型（Structural Vector Autoregression，简称SVAR），由此可以捕捉模型系统内各变量之间的即时结构关系。
型设置宏观经济压力情景。日本央行所使用的VAR模型包含五个宏观经济变量，分别为GDP、通货膨胀率、银行信贷余额、有效汇率、隔夜拆借利率，数据期限为1978年第一季度至2008年第一季度，基于AIC准则确定模型滞后阶数为4阶 [7] 。由于VAR模型脉冲效应对于变量的排序敏感性很高，日本央行通过对模型变量排序施加递归约束，以此确定模型的新息影响。除此之外，VAR模型还可以用于跨国压力测试。Castren et al.（2008） 基于26个VAR模型建立了GVAR（global VAR） 模型，GVAR模型中国内和国外宏观经济变量同时相互作用，以分析欧元区的信用风险 [8] 。该模型使用的主要宏观经济变量包括实际产出、通货膨胀率、实际有效汇率、长短期利率、石油价格。英国宏观经济模型使用的是两个国家的GAVR模型，两个国家为英国和美国，其中英国表示为一个小型开放国家， 而美国被看作是其他世界经济部分。该模型宏观经济变量包括产出缺口、名义短期利率、实际汇率、通货膨胀率。
（三）统计模型
Oesterreichische Nationalbank（OeNB）使用多元t-Copula模型为宏观经济变量和金融变量建模，该模型的好处在于一方面边缘分布不同于联合分布，另一方面宏观、金融变量之间呈现尾部相依性，有利于模拟极端压力情景 [10] 。统计模型预测准确度较高，然而，统计模型并不利于政策分析，无法获知政策传导渠道。从实践看，该类模型在各国央行的实际应用中并不常见，更适合对于计量精度要求更高的金融机构使用。
三种宏观经济模型构建技术方法各有优势和不足，各国央行及金融机构根据自身实际情况进行选择，主要还是根据已有数据序列长度、 模型预测准确性和稳健性综合进行考量， 最终选取更为合适的模型构建宏观经济压力测试情景。从实践看，前两种模型应用范围较广，统计模型应用范围较小。宏观经济模型之前就已开始应用于政策分析，建模技术已相对成熟。
三、信用风险建模技术方法分析
设定好宏观经济压力情景后，还需要建立宏观-信用风险因子传导机制，即建立信用风险模型。这涉及三个主要方面，第一是选取合适的因变量，第二是选择恰当的自变量，第三是选择恰当的模型和传导机制。
（一）信用风险模型变量选取分析
1. 信用风险因子选取分析
因变量方面，因变量主要是用来反映金融机构信用风险变化情况的指标，即信用风险因子。从实证研究看，不良贷款率、信贷损失准备金率、违约率、信用转移概率等都经常用来作为信用风险因子。 然而不同指标仍有其自身的局限性，不良贷款率属于滞后指标，一般要慢于经济周期变化；而信贷准备率虽然也具有一定顺周期性，但是其人为调整的因素更大；违约率相对更为理想，但是由于数据累积受到很大限制，尤其是发展中国家， 银行违约率数据序列累计相对较短，经常不能满足建模需求； 信用转移概率数据累计也相对不足，在实证研究中较少得到应用 [5-6] 。当然，因变量的选择还是要根据具体情况来看，例如在我国，由于银行业经历过不良资产剥离的情况，因而不良率并不适合构建模型需要。因变量的选择还涉及数据层次的选择，因变量选取涉及行业层次和微观层次两个方面。 如果相关信用风险因子数据较少， 一般使用行业整体数据建模；如果信用风险因子微观数据较丰富而且可得，那么信用风险建模就会使用银行机构微观层次数据。奥地利、加拿大使用了行业违约率作为因变量，匈牙利、捷克使用不同资产组合作为因变量，而保加利亚、斯洛伐克则根据企业部门和居民部门的违约率数据分别构建信用风险模型 [6] 。
上述提及的信用风险因子都是基于历史数据，具有后向性质，无法很好地预测未来。预期违约概率（Expected default frequencies，EDF）具有前向性质，能够预测未来企业违约的可能性。EDF是根据KMV模型计算得到的，KMV模型是基于默顿模型演变而来的， 默顿模型最早由默顿于1974年提出，将期权定价理论运用于贷款定价，并将违约债务看成是企业资产的或有权益，认为某个企业的资产价值低于债务价值时将发生违约。 默顿结构模型的核心在于公司价值的波动性是公司违约的主要来源，当公司价值下降到一定边界值时，就会违约。基于默顿模型和B-S模型，KMV公司成功开发了基于市场信息的KMV模型， 广泛应用于银行和其他金融机构对于违约概率（PD）的预测 [11] 。KMV模型根据B-S模型可得等式：
由上述公式可以看出，资产价值、资产风险、杠杆是决定公司违约的三大主要因素，而上述模型参数可由公司的股票价格、 其波动性和账面债务求得。Asberg and Shahnazarian（2008），Castr′en，Fitzpatrick and Sydow（2008）均使用EDF作为银行信用风险因子 [12-13] 。Asberg and Shahnazarian（2008）分析了瑞典非金融上市企业的EDF，并将所有企业EDF中位数与工业生产指数、 消费者价格指数、短期利率建立相关关系， 利用VECM模型检验了信用风险与宏观经济的关系。实证研究表明，利率对EDF的影响最大，工业生产指数下降或者通货膨胀上升会导致EDF上升。Castr′en，Fitzpatrick and Sydow（2008）用欧元区公司EDF的中位数衡量信用风险，并根据8个行业部门分别计算EDF。其模型将EDF的解释变量确定为股价、GDP等5个宏观经济变量。KMV模型具有一定前瞻性，相比利用历史数据构建的信用风险建模，具有一定优势，不过EDF数据需要企业公开上市，这样才能获得其股价变动的信息， 然而现实中银行客户中有很大一部分，尤其是很多中小企业，均为非上市公司，这部分企业是无法应用KMV模型的。
2. 宏观经济指标分析
自变量方面，自变量主要是宏观经济指标，由于各个国家经济环境、银行业业务结构不同，所使用的宏观经济指标并不相同。一般而言，GDP、通货膨胀率、汇率、利率指标都是各国常用的，还有一部分则是个别国家使用的，诸如房价、居民收入等。一般而言，当宏观经济处于繁荣时期，公司违约率较低，但公司倾向于过度承担风险；当宏观经济处于衰退期时，公司前期所承担的风险无法消化，违约率会大幅上升。违约率与GDP的变化并不是同步，存在一定时滞。实证研究都对GDP做了处理，多数使用GDP增长率，也有实证研究使用GDP一阶方差。 实证研究结果表明，GDP确实与违约率存在显著的负相关关系，这种影响具有普遍性。现实中所能使用的利率形式有很多，诸如银行间借贷利率、市场利率、基准利率、实际利率等，实证研究中并没有统一的形式。然而，实证研究的结论具有一致性，认为利率与违约率存在显著的正相关，而且Diana Bonfim（2007）研究认为建设部门与利率的相关性最为显著 [14] 。利率对违约率影响的机制在于，利率上升时，公司债务负担将增加，更容易出现违约行为。通货膨胀与违约率为正相关，表现为通货膨胀高时，货币政策会收紧，经济景气度将下降，企业债务偿付能力将下降；通货膨胀较低时，货币政策将放松，企业经营景气度将逐步提升，债务偿付能力会进一步上升，违约率会下降。
（二）信用风险建模技术方法分析
模型选择方面，宏观压力情景传导模型一般包括线性回归分析、 非线性回归模型、VAR模型以及综合性模型等等。目前，宏观经济与信用风险因子的内在关系研究尚不充分，这为构建信用风险模型增加了难度。
1. 线性回归分析
最小二乘法（OLS）是最基本的线性回归模型，Deventer（2005）通过线性回归分析对澳大利亚银行、日本三菱银行及韩国、美国多家大型银行的研究表明，宏观因素影响着信贷利差，从而意味着它影响银行信用风险 [15] 。但是，线性回归并不能很好捕捉两个变量之间的关系，在现实研究中线性回归应用较少。
为了改进简单OLS回归可能产生的模型误差，金融机构数据充足的国家可以使用面板数据分析模型，用以对主要金融机构建立信用风险模型。希腊中央银行利用经济增速、失业率、实际信贷利率等宏观经济变量，以及总资产、市场势力、存贷比等银行特征变量，对不良贷款率进行面板数据分析。波兰中央银行利用面板数据预测各个银行的信贷损失准备金率，该模型所使用的宏观解释变量为3个月银行间拆借利率、GDP增速、 实际工资变动率， 还包括银行特定解释变量。Lehmann and Manz（2006）使用信贷准备金率衡量各个银行的信贷质量， 基于静态或者动态面板数据模型进行建模，模型以各银行特征变量作为控制变量，反映各银行对于宏观经济变动的敏感性 [16] 。
2. 非线性回归模型
Wilson（1997）、Boss（2003）设定宏观经济因素和贷款违约率之间的非线性关系， 使用Logit模型将贷款违约率转化为宏观综合指标Y，以指标Y作为因变量与宏观经济因素进行多元线性回归分析，以更好地利用各宏观经济指标所提供的信息[17-18] 。该模型可以表示为：
其中，pt为贷款的平均违约率，yt是pt经过logistic函数转换得到，xt为主要宏观经济变量，？琢为解释变量的系数。（18）式各宏观经济变量的时间序列模型，考虑各宏观经济变量可能存在滞后性，因而对其进行P阶自回归分析。模型中假定？滋t和？着t序列不相关。该模型一是考虑了宏观经济变量对信用风险的滞后效应；二是考虑了金融体系对宏观经济的反馈效应。
Wilson（1997）用各工业部门违约概率与一系列宏观经济变量的敏感度直接建模， 通过模拟将来违约概率分布的路径，得到了资产组合的预期损失，进而模拟出在宏观经济波动冲击下的违约概率值。Boss M（2004）利用Wilson提出的模型，根据加总的企业违约概率估计出宏观经济信贷模型来分析澳大利亚和芬兰银行部门的压力情景。目前，基于Wilson模型的宏观压力传导机制得到广泛应用。 国外方面，IMF对各国银行体系稳健性评估、各国央行自身风险评估以及部分学术研究都使用该模型；国内方面，华晓龙（2009）、沈阳、马望舒（2010）对我国商业银行信用风险宏观压力测试也都运用了该模型 [19-20] 。
3. VAR模型
VAR模型除了用于前述的宏观压力情景设定外，也逐步应用于信用风险模型，并且取得了较好的效果。 Alessandri et al.（2007），Marcucci and Quagliariello（2008）使用违约率基于VAR模型分别构建了住户部门和工商部门的信用风险模型 [21-22] 。其中，公司部门模型的变量包括违约率、产出缺口、通货膨胀、短期利率和实际汇率5个指标。在结构设置方面，两个模型认为违约率滞后于宏观变量。 其研究通过脉冲响应发现，除了通货膨胀其他宏观经济指标均对违约率具有非常重要的影响。Glenn Hoggarth et al.（2005） 通过VAR模型建立了英国银行信贷核销率与产出缺口、通货膨胀率、名义短期利率的内在联系。实证研究认为，信贷核销率与产出缺口、通货膨胀率成反向关系，与名义短期利率成正向关系。而且，不同经济部门信贷核销率受到的宏观经济变量的影响是不同的， 非金融企业部门的信贷核销率对产出缺口变化非常敏感，而居民部门信贷核销率对于收入的变化更为敏感。匈牙利中央银行使用VAR模型分别对公司部门贷款和商业房地产贷款进行建模，其中公司部门模型的解释变量为GDP增速、通货膨胀率、名义有效汇率、同业拆借利率。相比回归分析，VAR模型是近年来才刚刚开始应用于信用风险建模的，因而应用范围有限， 不过随着VAR模型在信用分析建模方面的优势逐步得到显现和认可，未来该模型应用范围有望得到不断扩展和延伸。
4. 综合性信用风险模型
上述信用风险模型仅是研究了信用风险因子与宏观经济的关系， 而没有考虑到金融机构之间的风险传染效应，也忽视了金融体系对于宏观经济形成的反馈效应。因此，近年来，更多的学术研究从经济金融理论出发，致力于构建更加综合化的信用风险模型， 使信用风险模型更加接近现实状态。金融危机发生后，金融监管部门逐渐认识到，评估系统性风险还需要进一步考虑不同风险因子之间的关联关系以及金融体系内的传染风险。 传统的信用风险宏观压力测试并不包含这些系统性效应，诸如同业拆借市场或者批发性融资市场的崩溃、 市场流动性和银行资金流动性风险之间的反馈效应等等。 最早出现的综合性压力测试模型是Oesterreichische Nationalbank的系统性风险管理系统（Systemic Risk Monitor，简称SRM），该系统通过统一信用风险和市场风险的网络模型，评估银行违约概率 [23] 。外部冲击对信用风险和市场风险敞口的冲击可能诱发银行违约，在一个网络模型中会导致银行间风险的传染。 另一个相类似的模型是英格兰银行的RAMSI模型 [21] 。RAMSI包括一个用贝叶斯VAR模型制定宏观经济情景、信用风险、市场风险与净利息收入的银行间网络模型， 以及一个模拟资产迅速出售的价格函数。SRM和RAMSI模型均没有包含银行对实体经济的反馈效应，RAMSI模型包含了来自流动性风险的反馈效应。 在加拿大央行的模型中， 资金流动性风险是市场流动性、 违约风险以及银行资金结构之间相互作用的结果。
Daniel Buncic and Martin Melecky（2012）根据全球金融危机的教训，提出了一个新的、实用的宏观审慎压力测试模型。该模型包括6个组成部分，一是根据一国特定统计模型和跨国危机经验制定宏观压力情景；二是因外汇敞口而产生的间接信用风险；三是各银行不同的授信标准； 四是压力时期违约概率和违约损失之间较高的相关性； 五是信贷集中性以及剩余期限对于未预期损失产生的负面影响； 六是使用资本充足率作为衡量银行抵御系统性风险的指标。
除了上述模型和研究，金融部门与实体经济之间的反馈效应也得到更多关注，金融体系对实体经济的反馈效应主要通过需求和供给因素实现 [25] 。从需求端看，居民和企业金融条件的恶化将会冲击到消费和投资需求；从供给端看，借款者信用水平的降低将会促使银行提高授信标准，增加融资成本。Von Peter（2009）建立起一个有效解释宏观经济与金融间稳定关系的框架 [26] 。他尤其分析了由于宏观经济冲击导致信贷损失后， 银行为了满足资本充足性会限制信贷供给，这将如何影响宏观经济。Goodhart，Sunirand and Tsomocos（2003） 也提出了研究金融部门与实体经济之间反馈效应的框架 [27] 。他们将金融脆弱性视作一种均衡问题，即银行需要权衡信贷、投资机会的成本收益。在此框架下，金融部门遭受冲击进而会通过信贷收缩影响到实体经济。不过，整体看，当前综合性信用风险模型仍没有很好地包含金融体系与实体经济之间的反馈效应。
综合性信用风险宏观压力测试模型的不足在于，模型结构的复杂性使得因果关系以及最终的结果透明性不高。因此， 该类模型可能会违背宏观压力测试的一些基本原则，诸如模型需要足够简洁、透明，具有弹性便于政策制定者和公众进行沟通。另一方面，综合性模型包含了多种传导机制以及反馈效应，能够更加完整地反映违约事件的可能影响。
信用风险建模从简单到复杂，各有优势和劣势，简单模型假设较少，压力测试所含有的误差较低，但是可能无法达到更为深刻的研究目的；而复杂模型能够更好地刻画信用风险和宏观经济变量之间的关系，但是复杂模型本身已包含了一定前提假设，因而模型结果可能存在一定误差。不管怎样，各种模型之间并不是完全排斥的，而是可以相互印证和补充的。
四、信用风险宏观压力测试建模方法所面临的难题
实际上，信用风险宏观压力测试实践不长，尤其是在金融危机后，监管部门加强了宏观审慎监管，同时新巴塞尔协议也强调金融机构要通过压力测试确保资本充足性。 因而，现在信用风险压力测试备受监管部门、金融机构重视，不断有创新方法涌现。然而，当前信用风险宏观压力测试建模还存在一定缺憾和不足之处，这也为未来信用风险宏观压力测试建模研究指明了方向。
1. 信用风险宏观压力测试建模方法尚不完善。（1） 当前信用风险压力测试模型缺少反馈效应。当前信用风险压力测试建模中仅考虑了宏观压力情景对金融体系的影响， 但是没有考虑到金融机构所进行的自我调整，从而反过来影响宏观经济，进而形成反馈效应。诸如，宏观经济下滑，金融机构风险增大，面临收入、资本充足率下降等难题，势必会提高授信标准，降低信贷增速，这会反作用于宏观经济，有可能导致经济进一步衰退， 进而再一次将宏观经济压力传导到金融体系。现有信用风险压力测试缺乏对反馈效应的考虑，或者对于反馈效应的构建过于简单，这也使得当前信用风险压力测试表现为静态测试，而非动态测试。（2）当前信用风险压力测试缺乏传染效应。当前信用风险压力测试过程中， 单个金融机构仅考虑自身情况，或者将整个行业作为一个互不相关的整体，然而从现实情况可以看出，金融机构信用风险具有一定传染性，尤其是挤兑风险。同时，随着全球经济一体化进程的加快，各国经济、金融联系日益紧密，信用风险传导的渠道更加多样化， 尤其是不同国家之间的传导渠道也更为通畅，这对于金融行业较为开放的国家尤其如此。当前，信用风险压力测试并没有考虑上述传染效应，这显然并不符合现实情况，因而压力测试缺乏可信性和实用性，对于危机的考虑不够充分。
2. 压力测试模型尚没有正确的考虑到危机时期非线性或者结构性断裂关系。当前信用风险压力测试建模多为非线性回归或者VAR模型。然而，实证研究发现，当危机来临或者市场处于压力情境下，宏观经济变量与金融风险指标通常是非线性的，甚至会发生一定跳跃或者结构性断裂，这种特殊关系是现有模型并没有充分考虑到的。
3. 宏观经济变量与金融风险指标关系仍有待探索。从现有的模型看，多数模型都是解决违约率、不良贷款率与宏观经济指标的关系，而对于LGD、EAD等风险指标，因受到数据限制，相关研究很少，在压力测试中的应用也不多，很多时候都是采用常数数值，这种简便方法可能会低估风险的存在。
4. 信用风险压力测试模型缺乏完善的校正。除了上述模型不完整、不完全等情况，更为关键的是，当前的信用风险压力测试模型缺乏有效的评估和回测检验。由于当前金融风险与宏观经济变量建模时间短、 相关数据累积较少， 甚至尚无法覆盖完整的经济周期，这使得所构建的模型可能有所偏颇，甚至存在较大的模型风险。因而，不能为了计算结果而建模，而是要使建模具有真正的现实意义， 其结果经得起推敲和现实检验，否则建模的意义就不大了。
五、政策建议
我国信用风险宏观压力测试刚刚起步，尤其是在建模技术方法方面发展相对滞后， 未来还需要加强此方面的工作，政策建议如下：
第一，重视信用风险宏观压力测试。一方面，信用风险宏观压力测试是新巴塞尔协议对于使用内部评级法的金融机构的重要要求，以此确保金融机构资本保有的充足性；另一方面，信用风险宏观压力测试也是监管部门落实宏观审慎监管的重要切入点和抓手。目前，基于宏观审慎监管的信用风险压力测试在我国开展仍处于起步阶段，监管部门要加强信用风险压力测试的常规性推进，做到每年、每季度定期性有效开展，以此确保我国银行业有效应对外部系统性风险的冲击和稳健经营。
第二，加强信用风险宏观压力测试理论研究。信用风险宏观压力测试建模需要进一步深入结合我国实际情况，加强相关理论、实证研究，推进对于相关领域研究，进而不断探索出适应我国国情的信用风险宏观压力测试模型。同时，还需要加强与IMF等国际金融组织及各国央行的合作和交流，充分了解国际相关领域研究进展。
第三，注重专业人才的培养。信用风险宏观压力测试专业性较强，需要具有数据挖掘、金融理论、计量方法等多种理论背景的专业人才， 因而需要加强此方面专业人才的培养，为信用风险宏观压力测试发展奠定人才基础和保障。
第四，加强相关数据累积。信用风险宏观压力测试建模涉及大量的基础数据，包括宏观经济数据、行业数据、金融系统的相关数据、金融机构经营数据等等，而且建模对于数据的质量和累积长度也有很高要求，因而需要注重数据累积，确保信用风险宏观压力测试的有效进行。
参考文献：
[1]the Committee on the Global Financial System. Stress testing at major financial institutions： survey results and practice[R]. ，January 2005.
[2]Andreas A. Jobst，Li Lian Ong and Christian Schmieder. A Framework for Macroprudential Bank Solvency Stress Testing： Application to S-25 and Other G-20 Country FSAPs[R]. IMF Working Paper NO. 68，2013.
[3]José Vi？觡als. Macrofinancial Stress Testing—Principles and Practices[R]. IMF，.
[4]Marina Moretti，Stéphanie Stolz，andMark Swinburne. Stress Testing at the IMF[R]. IMF Working Paper NO. 206，.
[5]Foglia，A.. Stress Testing Credit Risk： A survey of Authorities’ Approaches[J]. International Journal of Central Banking，vol.6，No. 2， 2009.
[6]Martin Melecky and Anca Maria Podpiera. Macroprudential Stress-Testing Practices of Central Banks in Central and South Eastern Europe[R]. The World Bank Policy Research Working Paper，No. 5434. September 2010.
[7]Akira Otani，Shigenori Shiratsuka. Macro Stress-Testing on the Loan Portfolio of Japanese Banks[R]. Bank of Japan Working Paper Series，No.09-E-1，March 2009.
[8]Castren，O.，Dees，S.，Zaher，F.. Global Macro-financial Shocks and Expected Default Frequencies in the Euro Area，ECB Working Paper No. 875，2008.
[9]Sklar，A. .Fonctions de repartition ？滋a n dimensions et leurs marges[J]. Publications de l'Institut de Statistique de l'Universit？e de Paris，8，229-231，1959.
[10]Seidner，M.. The Systemic Risk Monitor and the Macro Stress Testing at the OeNB： Status Quo and Future Developments[R]. Workshop “Advances in Stress Testing in Central and South Eastern Europe”，Thessaloniki，19-20 May 2010.
[11]Peter J. Crosbie，Jeffrey R. Bohn. Modeling Default Risk[R]，2002.
[12]Asberg，P.，and H. Shahnazarian. Macroeconomic Impact on Expected Default Frequency[R]. Sveriges Riksbank Working Paper No. 219 ，January 2009.
[13]Castr'en，O.，S. D？ees，and F. Zaher. Global Macro-financial Shocks and Expected Default Frequencies in the Euro Area[R].ECB Working Paper， No. 875，February 2008.
[14]Diana Bonfim. CREDIT RISK DRIVERS： EVALUATING THE CONTRIBUTION OF FIRM LEVEL INFORMATION AND OF MACROECONOMIC DYNAMICS[R]. Working {aper，2007.
[15]Deventer DV ，Kenji I1 Credi t risk models and the B asel A ccords[M]. Beijing ： RENMIN University of China Press，2005.
[16]Lehmann，H.，and M. Manz. The Exposure of Swiss Banks to Macroeconomic Shocks—An Empirical Investigation[R]. Swiss National Bank Working Paper No. 4.2006.
[17]Wilson TC. Portfolio credit risk[J]. Risk，1997，9（10）：111-1701.
[18]Boss M，Krenn G，Schwaiger M，et al. Stress Testing the Austrian banking system[J]. Financial Stability Report，2004，（11）：841-8521
[19]华晓龙. 基于宏观压力测试方法的商业银行体系信用风险评估[J]. 数量经济技术经济研究，2009（4）.
[20]沈阳，冯舒望. 宏观经济变量与银行信用风险的实证研究[J]. 会计之友，2010（8）.
[21]Alessandri，P.，P. Gai，S. Kapadia，N. Mora，and C. Puhr. 2007.“A Framework for Quantifying Systemic Stability.”（December）. Preliminary paper presented at the workshop “Stress Testing of Credit Risk Portfolios： The Link between Macro and Micro，”hosted by the BCBS and the DNB，Amsterdam，March 7，2008.
[22]Marcucci，J.，and M. Quagliariello. Is Bank Portfolio Riskiness Procyclical？ Evidence from Italy using a Vector Autoregression[J].Journal of International Financial Markets，Institutions and Money，2008（1）.
[23]Boss，M.，T. Breuer，H. Elsinger，G. Krenn，A. Lehar，C. Puhr，and M. Summer. Systemic Risk Monitor： A Model for Systemic Risk Analysis and Stress Testing of Banking Systems[R]. Internal Technical Document，Oesterreichische Nationalbank，2006.
[24]Daniel Buncic and Martin Melecky. Macroprudential Stress Testing of Credit Risk： A Practical Approach for Policy Makers[R]. University of St. Gallen Discussion Paper， No. 2011-39，September 2011.
[25]Marco Sorge .Stress-testing financial systems： an overview of current methodologies[R]. BIS Working Papers No 165，December 2004.
[关键词]VaR；商业银行；信用风险管理；应用
[DOI]10.13939/ki.zgsc.2017.06.049
随着社会经济发展水平的逐步提高，我国金融管理的结构逐步完善，VaR是一种金融投资风险管理计算模式，实现VaR在现代商业银行的信用风险管理中的应用，能够实现商业银行的金融投资的划分依据，合理规划商业银行的金融投资风险，实现我国社会经济管理的逐步完善。
1 VaR概述
1.1 内涵
VaR是一种在职风险管理形式，通过一系列相关性数值分析，金融投资中的资产进行合理性的风险管理运算，进一步对VaR在金融管理中应用作用分析[1]，实际应用的作用是在社会主义金融市场运行相对稳定的状态，应用数值运算模型建立金融投资的损失性评估，将这种金融投资的形式归结为对一定范围内的金融投资损失运算，应用数学公式可以将VaR的运算公式表示为：Prob（P>VaR）=1-c[2]，其中Prob表示金融投资风险运行中风险运行的最小上限；P表示一定时间内的经济损失值；c表示一定的置信水平；VaR表示金融风险损失的最大上限，实现VaR在商业银行应用风险管理中的应用，可以大大提高商业银行对信贷业务的金融投资比重，合理规划商业银行金融投资的结构，稳定商业银行的经济收益。
1.2 外延
通过以上对VaR的运算基本构成因素的分析，对VaR的基本特征进行总结，本文对VaR的基本特征归结为以下几点。其一，综合性[3]。VaR的应用是通过数据值的运算，控制金融投资风险，为了确保VaR运算的准确性，VaR的应用中包含了经济投资、商品价值、股票运行等多方面的经济管理条件，因此VaR的金融风险预测具有综合性；其二，科学性。VaR的运算，是基于严密的市场经济运行管理基础上，实现金融投资的综合性分析，建立金融投资的基本投资结构中多种因素的相关性划分，从而为现代金融的风险损失云测提供最大值和最小值，金融风险额分析数据结构严密；其三，VaR具有较强的兼容性[4]。VaR可以实现商业银行的信用风险管理多模式同步运行，能够适应现代商业银行的金融投资管理的风险模式。由此可见，VaR在现代商业银行的信用风险管理中应用，具有较大的应用优势，Wie社会的金融发展提供新的管理渠道。
2 我国商业银行的信用风险管理发展现状
2.1 商业银行的风险管理水平低
商业银行是我国社会经济发展的主要发展动力，是实现社会经济管理结构优化分配的主要金融机构，随着社会经济管理结构逐步完善，我国拟商业银行的金融投资管理也逐步实现转型发展，但从目前商业银行的信用风险管理水平来看，商业银行的信用风险管理水平较低。商业银行自身缺乏商业资源的信用管理规划体系，导致商业银行新启动的信贷金融管理的收益性较低，商业银行的信用风险管理漏洞性较大，对商业银行的经济灵活运行造成了较大的制约，甚至出现部分商业银行入不敷出的情况。商业银行长期处于高风险、高压的运行状态，对我国社会经济的长远性发展造成不利的影响。
2.2 商业银行的风险管理模式滞后
从我国商业银行的信用风险管理模式的整体发展来看，商业银行的风险管理模式，依据受到传统的风险管理理念的影响，商业银行的管理科学性较低，商业银行的信用风险管理的整体管理结构科学性低，对商业银行的金融投资管理的风险管理的准确性较低；另外，商业银行的风险管理模式中，VaR的应用模式独立在商业的风险管理结构之外，导致商业银行中VaR运行管理的管理模式融合性较低，甚至存在VaR的应用模式化，运行数据值的整体应用失去存在的意义。
3 VaR在商业银行信用风险管理中的应用
3.1 明确风险管理目标
现代商业银行的信用风险管理逐步完善，实现VaR的合理应用，设定明确的风险管理目标，商业银行的信贷投资运行是新的金融运行措施，但在实际运行中，存在信用管理资源的整体规划合理性低的问题，导致商业银行的信用投资管理结构的运行规划目标性差，商业银行的信用风险管理的灵活性较低，应用VaR计商业银行信用管理规划的损失最大值和最小值，管理者可以从整体上对商业银行的信用风险进行管理，从而设定商业银行的信用风险管理的目标，依据VaR的相关性数据，完善商业银行的信用风险管理的结构，应用风险管理目标，完善风险管理的基本发展规划。
3.2 制定风险管理政策
VaR在现代商业银行的信用管理中的应用，可以优化商业银行的信用投资风险结构，VaR在商业银行信用风险管理中的应用，是商业银行，信用风险管理制定风险管理政策的依据。VaR风险管理中包括金融投资管理的基本投资时间，投资损失的最大值和最小值，同时VaR的运算，是基于社会主义市场金融运行规律的基础上实现的，商业银行依据VaR的运算结果，完善商业银行的信贷资金运行管理体制。例如：对商业银行信贷的归还比重的划分，风险损失的整体资金规划，信用风险管理中，损失最大承受的计算方式等，为现代商业银行的信用金融管理的转型与创新提供新的管理依据[5]。例如：某商业银行在新的经济发展时期，实现银行信用风险管理转型发展，银行结合VaR建立新的信用风险管理政策，完善传统金融管理中信用风险管理不足，优化商业银行的经济损失控制比重，从而大大提高了该银行的经济收益，促进商业银行的转型发展。
3.3 建立VaR数据库
VaR在商业银行中信用风险管理中的应用，在传统的商业银行信用资本风险管理基础上，添加VaR数据库的步骤，VaR数据库中拥有完整的商业银行信用风险管理数据依据，可以为商业银行的信用管理提供较完善的VaR计算数据资源支持。此外，VaR数据的建立不是独立在商业银行的经济运行体系以外，而是融合在商业银行风险管理的整体系统中，因此，VaR数据库的建立，也为商业银行的其他商业金融投资管理提供风险评估的参考依据，VaR在商业银行中的应用，是社会经济结构逐步完善的重要体F。
3.4 完善VaR管理体系
VaR在商业银行的信用风险管理中的应用，应用VaR完善商业银行的经济管理体系。能够实现商业银行的经济投资管理的整体风险预测，商业银行为了适应社会较大的竞争压力，必须不断地进行银行自身的风险评估体系的完善，而VaR能够满足商业银行快速的风险管理需求；另外，VaR是对商业银行在线运行的信用风险管理进行评估，能够及时准确地对市场信息进行反馈，VaR在商业银行的停止应用，可以为商业银行的发展提供金融投资的风险预警信息。例如：我国某商业银行在新时期实现商业信用风险管理的转型发展，应用VaR进行信用风险投资管理，从VaR的计算值来看[6]，商业银行2016年上半年运行的损失最大值比2015年下半年增长3%，最小值增长0.12%，该银行依据运算比重，实施合理的信用风险管理计划，为商业银行的金融管理发展，提供了相对稳定的经济投资依据。
4 结 论
商业银行的信用风险管理是商业银行资金规划的重要途径，VaR是一种新型金融投资计算形式，实现VaR在我国商业银行信用风险管理中的应用，可以完善传统商业银行的信用风险管理漏洞，降低商业银行的经济运行风险，实现我国社会金融经济发展结构的逐步完善与创新。
参考文献：
[1]陈国辉.KMV模型在商业银行风险管理中的应用研究[D].北京：中央财经大学，2007.
[2]管敏.VaR在我国商业银行信用风险管理中的应用研究[D].长沙：湖南大学，2007.
[3]丛培帅.VaR在商业银行信用风险管理中的量化研究[D].重庆：西南大学，2008.
[4]孙宁.VaR在商业银行信用风险管理中的应用[D].北京：对外经济贸易大学，2006.
>> 企业集团财务公司信用风险管理浅析 小额贷款公司信用风险管理探讨 小额信贷公司的信用风险管控研究 陕西省地方电力公司电力客户信用风险管理 农村小额信贷信用风险管理策略探析 农户小额信贷信用风险管理浅析 浅析外贸企业的客户信用风险管理 谈外贸客户信用风险管理及防范 外贸客户信用风险管理及防范措施 商业银行集团客户信用风险及其管理 试论医药流通企业客户信用风险管理 农村小额信贷信用风险分析 民营上市公司信用风险管理 浅析小额贷款公司信用风险管理 控制客户信用风险是企业风险管理的重头戏 工商企业信用风险管理探讨 完善中国信用违约互换的信用风险管理政策披露 商业银行信贷过程中的信用风险管理 基于CreditRisk+模型的信贷资产证券化信用风险管理与控制 我国商业银行个人信贷信用风险管理策略研究 常见问题解答 当前所在位置：l .
[5] 陈建华，唐立波.浅析我国银行内部评级体系的建立[J].金融研究，2002（9）.
[6] 罗学梅.集团客户授信业务发展中的风险管理[J].中国金融，2003（22）.
[7] 中国银行业监督管理委员会.商业银行集团客户授信业务风险管理指引[EB/OL].[2003-10-23]. http：///gongbao/content/2004/content_62733.htm.
[8] 赵银祥，刘瑞霞.新巴塞尔协议及外国商业银行内部评级体系研究[J].金融论坛，2003（2）.
现代信用风险管理的特点
一是信用风险管理的量化困难。信用风险管理存在难以量化分析和衡量的问题。相对于数据充分、数理统计模型运用较多的市场风险管理而言，传统信用风险管理表现出缺乏科学的定量分析的手段而更多地倚重定性分析和管理者主观经验和判断的艺术性的管理模式。信用风险定量分析和模型化管理困难的主要原因在于两个方面一是数据匮乏，二是难以检验模型的有效性。数据匮乏的原因，主要是信息不对称、不采取IT市原则计量每日损益、持有期限长、违约事件发生少等。模型检验的困难很大程度上也是由于信用产品持有期限长、数据有限等原因。近些年，在市场风险量化模型技术和信用衍生产品市场的发展的推动下，以Creditmetrics、KMV、Creditrisk+为代表的信用风险量化和模型管理的研究和应用获得了相当大的发展，信用风险管理决策的科学性不断增强，这已成为现代信用风险管理的重要特征之一。
二是信用风险管理实践中存在“信用悖论”现象。这种“信用悖论”是指，一方面，风险管理理论要求银行在管理信用风险时应遵循投资分散化和多样化原则，防止授信集中化，尤其是在传统的信用风险管理模型中缺乏有效对冲信用风险的手段的情况下，分散化更是重要的、应该遵循的原则；另一方面，实践中的银行信贷业务往往显示出该原则很难得到很好的贯彻执行，许多银行的贷款业务分散程度不高。造成这种信用悖论的主要原因在于以下几个方面：一是对于大多数没有信用评级的中小企业而言，银行对其信用状况的了解主要来源于长期发展的业务关系，这种信息获取方式使得银行比较偏向将贷款集中于有限的老客户企业；二是有些银行在其市场营销战略中将贷款对象集中于自己比较了解和擅长的某一领域或某一行业：三是贷款分散化使得贷款业务小型化，不利于银行在贷款业务上获取规模效益：四是有时市场的投资机会也会迫使银行将贷款投向有限的部门或地区。
三是信用风险的定价困难。信用风险的定价困难主要是因为 信用风险属于非系统性风险，而非系统风险理论上是可以通过充分多样化的投资完全分散，因此基于马柯威茨资产组合理论而建立的资本资产定价模型(CAPM)和基于组合套利原理而建立的套利资产定价模型都只对系统性风险因素，如利率风险、汇率风险、通货膨胀风险等进行了定价，而没有对信用风险因素进行定价。这些模型认为，非系统性风险是可以通过多样化投资分散的，理性、有效的市场不应该对这些非系统性因素给予回报，信用风险因而没有在这些资产定价模型中体现出来。
对于任何风险的定价，首先都是以对风险的准确衡量为前提条件的。由于前述的一些原因，信用风险的衡量非常困难。目前国际市场上由J．P摩根等机构所开发的信用风险计量模型，如Creditmetrics、CreditRlsk+、KMV模型等，其有效性、可靠性仍有争议。因此，从总体上来说，对信用风险仍缺乏有效的计量手段。
信用衍生产品的发展还处于起步阶段，整个金融系统中纯粹信用风险交易并不多见，因而市场不能提供全面、可靠的信用风险定价依据。
对不同类型同期限的金融工具，如国债、企业债券等到期收益率的对比分析，尽管能为信用风险回报和定价提供一定参考，但主要局限于大类信用风险的分析，难以细化到具体的信用工具。
现代信用风险管理的发展趋势
信用风险作为一种古老的风险形式，在长期以来，人们采取了许多方法来规避，以期减少损失。传统的信用风险管理方法主要有专家制度、贷款内部评级分级模型以及Z评分模型等。但是，现代金融业的发展，使得这些方法有些显得过时，有些则显得不精确。随着现代科学技术的发展，以及对于市场风险等其他风险的管理水平的提高，现代信用风险的管理水平也得到了提升，出现了Creditmetrics、KMV、Creditrisk+等信用风险量化管理模型，使得信用风险管理更加精确、更加科学。
总的来说，现代信用风险管理呈现出如下几个发展趋势。
信用风险管理由静态向动态发展。传统的信用风险管理长期以来都表现为一种静态管理。这主要是因为信用风险的计量技术在相当长的时间里都没有得到发展，银行对信贷资产的估值通常采用历史成本法，信贷资产只有到违约实际发生时才计为损失，而在违约发生前借款人的还款能力的变化而造成信用风险程度的变化难以得到反映，银行因而难以根据实际信用风险的程度变化而进行动态的管理。在现代信用风险管理中，这一状况得到了很大的改进。首先，信用风险计量模型的发展使得组合管理者可以每天根据市场和交易对手的信用状况动态地衡量信用风险的水平，IT市的方法也已经被引入到信用产品的估价和信用风险的衡量。其次，信用衍生产品市场的发展使得组合管理者拥有了更加灵活、有效地管理信用风险的工具，其信用风险承担水平可以根据其风险偏好，通过信用衍生产品的交易进行动态的调整。
信用风险对冲手段开始出现。长期以来，信用风险管理模式局限于传统的管理和控制手段，与日新月异的市场风险管理模式相比缺乏创新和发展，尤其缺乏有效的风险对冲管理手段。传统的管理方法只能在一定程度上降低信用风险的水平，很难使投资者完全摆脱信用风险；而且，这种传统的管理方式需要投入大量的人力和物力，这种投入还会随着授信对象的增加而迅速上升。这一局限性对以经营存贷业务和承担信用风险为核心业务的商业银行而言并无多大影响，但随着信用风险越来越多地进入证券交易和投资银行领域，传统信用风险管理的这一局限性变得愈益突出。对于证券交易商而言，其面临的信用风险具有以下特点：一是与商业银行不同，证券交易商是以承担市场风险而不是信用风险为自身业务的核心的，信用风险只是交易的副产品，是交易双方都试图剥离或摆脱的：二是由于证券交易品种多样化、交易对手也涉及广泛的特点，证券交易商往往比商业银行面临更多的信用对象；三是证券交易商往往缺乏商业银行那样管理信用风险的经验和相应的人力和物力，这都使得传统的信用风险管理模式和手段不能适应市场发展的需要。在市场力量的推动下，以信用衍生产品为代表的新一代的信用风险对冲管理手段开始走到风险管理发展的最前沿，并开始推动整个风险管理体系不断向前发展。
信用风险管理方法从定性走向定量。传统的信用风险管理手段主要包括分散投资、防止授信集中化、加强对借款人的信用审查和动态监控，要求提供抵押或担保的信用强化措施等。尽管这些传统的信用风险管理方法经过多年的发展已相当完善和成熟，有些甚至已经制度化，成为金融机构风险内控体制的重要组成部分，但是，这些传统的信用风险管理方法主要都是基于定性分析。
近年来，信用风险的计量和管理方法发生了革命性的变化。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，新一代的金融工程专家将建模技术和分析方法应用到这一领域，产生了一批新技术和新思想。随之而来，在传统信用评级方法基础上产生了一批信用风险模型，这些模型受到了业内人士的广泛关注。现代信用风险模型主要是通过数理统计手段对历史数据进行统计分析，从而对有关群体或个体的信用水平进行定量评估，并对其未来行为的信用风险进行预测，提供信用风险防范的有效依据和手段。
关键词:网络营销;信用风险;风险识别;风险管理
中图分类号:F270.3文献标志码:A文章编号:1673-291X(2009)15-0031-02
菲利浦・科特勒对网络营销最初的定义是“一种使一个人利用电脑和调制解调器建立信息渠道,调制解调器将电脑与电话线连通,从而使电脑用户得到各种网上信息服务。”网络营销发展到今天,互联网的连接方式、用户从网上获得服务的具体内容业已发生了很大改变,从最初提供单纯的信息服务到通过网络销售实体物品,此时的网络营销较之从前,其特征既包含网络的虚拟易,又要实现实体物品转移。当交易双方(在网络虚拟交易与现实交易之间)信息对称时,就不会因此而产生信用风险;当交易双方的信息不对称性时,就会形成网络营销信用风险。国外信用风险管理是从信用行为主体寻找风险要素,其前提是交易主体现实数据与网络数据的一致,从而实现网络的虚拟交易约束现实实体物品的按约定转移,而其信用风险管理虽然能解决外国网络营销信用风险,却不能解决中国网络营销信用风险。中国网络营销的现状是:网络营销中网络虚拟交易与现实交易之间信息严重不对称,我们不易甚至无法正确获知交易双方信用水平相关数据,因此无法实现交易主体现实数据与网络数据的一致性,也就无法通过信用行为主体寻找风险变量,更不能因此形成信用风险管理模式及对策。
网络营销全部内容得以实现的前提完全依托信用。对比于传统营销模式中“消费者可以走入店面、实际触摸或感受所需的商品及服务,信用在现实中得以保证”,网络营销前期买卖双方在虚拟的网络中彼此选择,双方的信用就成了最重要影响因素,决定了交易过程中双方能否履行买卖行为的各种约定,决定了下一次交易的可能性。因而,中国的网络营销信用风险管理既无法引用国外成功的经验和手段,又必须使其具有传统营销的信用保障,这就使得中国网络营销信用风险具有特殊的含义,网络营销信用风险管理也要采用特殊的模式。
1.网络营销信用风险识别、分类
当我们无法从网络营销的行为主体上寻找风险变量时,网络营销信用风险管理的特殊性使我们只能从网络营销的行为客体即交易商品角度寻找降低风险的途径。网络营销信用风险产生来源于虚拟交易对应实体物品(货款和商品)的转移过程,其包括两个方面的内容:其一,在交易中从买方支出货款直到卖方收入到账。此时,买方主要关注自己的注册及交易信息是否安全,其支付的款项能否顺利进入目标账户;卖方关注的主要问题为能否按照约定从买方获得货款。其二,在交易中商品从卖方发出通过物流渠道直到买方验货完成。此时,买方关注的主要问题是自己能否按约定获得商品;卖方则主要考虑发出的商品能否顺利、安全到达购买者。
综上所述,网络营销信用风险形成于交易过程:买卖双方的信用形成了交易的不确定性,进而产生了中国特殊的网络营销信用风险。因此,这里的网络营销信用风险主要来源于两个方面:货款支付风险与商品物流风险。
2.网络营销信用风险分析
风险=交易概率×损(益)值
在其他条件不变的情况下,交易引起的风险与商品价值含量或储运易损度成正比变化。具体分析如下:(Ⅰ)A区,商品价值含量较大,较易损坏,其网络营销信用风险大。(Ⅱ)B区,商品价值含量很小,不易损,此类商品在网络营销的过程中信用风险小。(Ⅲ)C区、D区,网络营销交易客体由于其价值含量较大(不易损)或储运易损度较大(价值含量低),其在网络营销过程中信用风险较大。
依据上述分析,网络营销信用风险管理,应从商品价值含量和商品储运易损度这两个因素入手。买卖双方应根据实际交易商品或服务的具体特点,采取两方面分析的方法,进而选择适合自己的信用风险管理模式及对策。
从上述网络营销信用风险分析图可以将网络交易分以下四种交易类型分别讨论:
1.处于C区的交易客体价值含量大,储运易损度很小
由于其网络营销信用风险主要影响来自于交易客体价值含量,信用风险管理的关键环节在于如何保证支付的安全可靠性,风险规避方法可以考虑提高交易定金,选择相对安全、可信、可靠的第三方交易平台,以提高交易成功概率即降低虚假交易的风险。
2.处于D区的交易客体价值含量很小,储运易损度大
由于其网络营销信用风险主要影响来自于商品的运输过程及服务过程,信用风险管理的重点则应置于如何保证商品运送的完全性及服务过程的满意度。此时,物流环节是影响网络营销信用风险的关键因素。风险管理的对策应是选择信用水平高、服务质量好的第三方物流,储运此类交易商品,实现商品运送的完全性及服务过程的高满意度,提高交易成功概率,降低网络营销信用风险。
3.处于A区的交易客体价值含量和储运易损程度都偏大
此时网络营销信用风险管理应考虑资金支付安全与商品储运两方面内容。首先,提高交易定金,选择相对安全、可信、可靠的第三方交易平台;同时应选择信用水平高、服务质量好的第三方物流,储运此类交易商品,实现商品运送的完全性及服务过程的高满意度,提高交易成功概率,降低网络营销信用风险。
4.处于B区的交易客体价值含量和储运易损度都很小
此类商品在网络营销过程的信用风险很小,企业网络营销只需完善交易流程,提升企业形象,提高客户忠诚度和下次交易比率。
总之,网络营销信用风险管理应从交易客体价值含量和储运易损度两个因素考虑。其宗旨是保证交易成功概率,降低可能损值,以实现减小网络交易信用风险,从而实现网络营销信用风险的有效管理。
本文是在制度不完善、机制不合理、行为主体信用度低的条件下,通过分析网络营销交易过程,从商品自身特点出发识别网络营销信用风险并给予适当分类,进而指出网络营销信用风险管理应考虑交易客体的价值含量及储运易损度两方面内容,并在此基础上分析网络营销信用风险管理模式及对策。这种采取管理交易客体、制约信用行为主体、约束其网络交易行为的方法,在一定程度上提出了中国网络营销信用风险管理的有效途径。
由于中国网络营销正处于不成熟发展阶段,其管理制度、机制等各个方面内容仍需进一步摸索。网络营销的发展是一个长期而且曲折的过程,仍需网络主管部门及社会各界人士的共同努力:建立健全网络管理制度、法规,发展、提升网络安全技术,规范网络营销交易主体行为,开拓、完善网络营销渠道等等。规范网络营销主体行为,消除网络与现实信息的不对称性,才是网络营销信用风险得以解决的根本途径。
企业风险管理的实效性对企业的发展起着至关重要的作用。传统的企业风险管理方式不仅局限性强，而且成本高、效率低，难以完全消除风险造成的损失。而金融工程则具有低成本、高效率的特点，能够促使企业形成现代风险管理模式，因此，本文首先分析了传统企业风险管理模式，以及金融优势，在此基础上指出了金融工程的优势。同时，还分析了金融工程对企业数量风险、价格风险、兼并风险和信用风险的控制。并指出了运用金融工程建立现代化企业风险管理模式的途径，即构建金融信息数据库、建立现代企业风险管理理念等。希望以此加强我国企业的风险管理，进而促进企业快速、平稳发展。
关键词：
企业风险管理；金融工程； 应用
风险主要是指人们在生产生活中可能遭遇的财产损失、自然灾害、人身伤亡、意外事故等不测事件的可能性，它具有不确定性、客观性和损失性。企业经营风险则是指因企业经营中存在的不确定因素导致的预期收益不确定性，甚至有可能导致企业生产经营失败。在市场经济条件下，风险是客观存在的，它对企业的发展具有至关重要的作用，关系到企业的成败。尤其对一些创新性企业，它们具有更加鲜明的复杂性与不确定性，自身抵抗风险的能力又相对较小，因此，更应重视风险管理。而若要降低风险发生的可能性，减少风险损失，企业就应当积极探究风险管理方法，最大限度的降低经营风险。金融工程以其低成本、高效率的特点，近年来受到许多企业的关注和运用，合理运用金融工程有助于企业构建现代化风险管理模式。进而减少我国企业发展过程中的各种风险，促进企业更好更快的发展。
一、金融管理与企业风险管理
（一）传统企业风险管理方式
传统的企业风险管理方式主要包括保险、资产负债管理和证券组合投资。它们都属于表内控制法。主要通过调整企业基础业务的负债与资产组合方式，逐渐消除市场金融风险。这三种方式都存在一定程度的问题和不足。不仅见效慢，而且价格适应性较差、资产负债管理的成本也相对较高。保险的对象多为有形风险，期货交易、证券买卖等金融交易不在保险范围内。此外，受逆向选择与道德风险的影响，保险对金融风险的作用较小。证券组合投资在金融市场上效果较好，但由于其理论模型本身就存在风险，因此，它对系统性风险作用不大。
（二）金融工程
有别于传统风险管理方法，金融工程采用表外控制法，即合理运用金融市场上的套期保值工具来规避风险。技术与工具是金融工程的核心。金融工程可以将分散在社会经济各个环节中的信用风险、市场风险等集中到衍生交易市场中进行分割、包装和分配，进而通过一定方法规避许多风险。此外，因为金融工程交易的杠杆比率相对较高，因此，它可以使套期保值者用较少的资金或代价实现有效的风险管理。
（三）金融工程的优势
通过以上论述不难发现，相较于传统风险管理模式，金融工程具有明显优势。首先，它具有较高的准确性。金融工程最重要的内在机理是衍生性，基础工具的变动会影响其价格，而这种变动则具有一定的规律性。这便更有利于锁定风险。此外，对衍生交易的匹配也能够在一定程度上抵补风险。其次，金融工程还具有较强的时效性。成熟衍生市场的流动性能够根据基础交易的变动及时调整，对市场价格做出更加灵活的反映，进而提升风险管理的时效性。再次，金融工程成本低。衍生交易还具有高杠杆性，即付出较少的资金就能够控制大额交易。由于启用资金较少，所以能够极大地节约企业的套期保值成本。最后，金融工程还具有较大的灵活性。期权购买者具有履行权利，交易者可以根据需要抛补衍生交易头寸。此外，投资银行家也可以以金融工程工具为素材，根据客户需求，以组合、剥离等形式创设金融产品。金融工程特有的这些灵活性都是传统金融工具无法比拟的。
二、金融工程在企业风险管理中的应用
（一）对数量风险的控制
数量风险主要是指销量、交易量、产量等方面存在不确定性。它不仅来自用户方面，还来自生产方供给方面。金融工程针对这些数量风险提供两种金融产品，一个是商品期权。另一个则是根据宏观经济的景气指数与企业产量的相关性设计衍生产品。宏观衍生产品是以宏观经济指数为基础，并将买卖宏观经济指数为外在表现形式，促使这种指数对应的收益流可以在多种经济体间互相调剂。此时，要求企业依据自身正常销售量积极参与到衍生产品交易中，确定意愿期正常收益。此外，在意愿期收益基础上，要增强宏观经济指数水平的具体性，在衍生产品交易中消除数量风险，确保意愿期收益的顺利实现。
（二）对兼并风险的控制
现代企业发展中不可避免的会遇到兼并问题，正常兼并对优化资源配置较为有利。但企业若要取得顺利发展，就必须采取措施控制和管理兼并风险。金融工程首先提出了股票交易策略，主要包括死亡换股、股份回购、财产锁定和员工持股等。其次提出了管理策略，主要包括相互持股，及双方互换股权，减少双方流通在外的股权，在保障管理层利益的基础上，甩掉包袱、提高收购方成本、修改公司章程。
（三）对价格风险的控制
企业对价格风险的管理方法主要有以下两种，其一是预测价格变化，在此基础上制定相应的防范措施。其二则是将不确定转变为确定。在市场经济条件下，价格的起伏主要来源于市场中存在的预期外因素。所以，预测无法从根本上解决价格风险。针对价格风险，金融工程提供了互换、远期、期权、期货等工具，在此基础上又将这些衍生金融商品组合、分解，以创造更加有效的金融工具，来抵补汇率、商品、利率、股票收益率等价格波动带来的风险。衍生工具提供的思路是金融工程防范价格风险的关键，即是指在交易中，能够运用远期合同锁定价格。这种思路在一定程度上拓展了企业风险管理的路径。
（四）对信用风险的控制
信用风险主要是指在交易过程中，因一方违约无法履行合同义务而造成的可能性损失。事先是否有针对交易额度进行支付的约定、某一特定对方全部敞口头寸的大小、以及某特定日期结算交易额度，都会对信用风险产生一定影响。针对信用风险，金融管理主张使用信用衍生工具。它是指交易对手间转移信用风险头寸的合约安排。信用衍生工具能够为风险空头提供违约保护。信用期权、信用证券化、信用互换和信用远期都是常用的信用衍生工具。
三、应用金融工程构建现代企业风险管理模式的具体途径
（一）构建金融信息数据库
采用信息技术是金融工程运用于现代企业风险管理的主要特点，金融市场信心及其预测则被视为金融工程的基础。若要构建现代企业风险管理模式，就必须合理运用信息技术收集、整理各种金融信息，例如金融机构的业务信息、宏观经济环境数据等。当前，我国大部分企业已经具备较高的信息化水平。企业风险管理应当在原有信息化的基础上，紧密结合企业资源计划，集合产品数据管理，共享供应商信息库、产品数据和客户资料信息库。此外，还应当构建智能分析系统，建立灵活的控制模型。
（二）建立现代企业风险管理理念
目前，一些学者认为我国还未迎来发展金融工程的最佳时机，这主要是因为金融市场发展受到限制，股价、利率和汇率难以反映市场的真实价值与供求状态。此外，还由于缺乏真正需要规避风险的经营主体。这就要求企业管理者和决策者必须充分重视企业的风险管理能力，并将其视为企业的核心竞争力。与此同时，还应当全面研究和认识金融工程的功能。并借助金融工程的风险管理更新企业内部人员在风险管理方面的意识和理念，进而提升经济金融效率，消减社会经济摩擦。
（三）建立现代企业风险管理组织机构
全面探究金融工程的风险管理控制手段及现代企业风险管理的内容可以发现，传统风险管理只需数个部门共同参与，现代企业管理模式则较为不同，它参与到企业的生产销售的各个环节中，与用户、供应商、业务范围也有密切联系。所以，构建现代企业风险管理组织机构应当包含生产与销售的组织者层、企业的决策层和供应商与用户的管理层等。除此之外，还应当包括一些具备金融工程技术的金融工程师。综上所述，相较于传统企业风险管理模式，金融工程具有明显优势，因此，应当在企业风险管理中合理运用金融工程。但与此同时也应当客观看待金融工程在风险管理中的局限性。一方面，首先应当组建一支高素质的人才队伍，确保金融工程参与者具有熟练地操作技巧与丰富的专业知识储备。其次，还应当构建风险评估体系。另一方面，企业还要关注自身的风险管理文化，随着经济全球化的不断发展，企业风险管理越来越重要，与企业的利润、生产和销售都具有密切联系。因此，应当将企业风险管理视为企业文化的一部分。除此之外，还应当认识到运用金融工程能够进行风险规避和套期保值，但决定企业风险抵御能力的根本因素还是企业自身实力。因此，企业应当建立高效运作机制，提升自身发展潜力，只有这样才能够在激烈的市场竞争中从容面对各种挑战和风险。
作者：张宇 单位：辽宁大学经济学院2016级博士生在读
参考文献：
[1]谢沛善.金融工程与商业银行风险管理[J].广西财政高等专科学校学报,2004.
[2]李湘露.应用金融工程构建现代企业风险管理系统[J].金融理论与实践,2004.
[3]侯祥鹏,李忠海,杨红丽.运用金融工程管理企业风险探析[J].现代管理科学,2005.
[4]郑玉华,李晓庆,储小俊.金融工程专业人才研究性教学设计与实践能力培养[J].经济研究导刊,2014.
[5]杨立洪.金融工程:金融创新与系统科学的综合集成[J].金融理论与实践,2003.
[6]刘宵阳.现代企业风险管理系统构建中的金融工程应用[J].现代商业,2014.
[7]王楠.引入金融工程技术提升商业银行风险管理水平的思考[J].金融纵横,2013.
[8]周磊,贺昌政．金融工程对我国国有银行信用风险管理的启示[J].郑州航空工业管理学院学报,2004.
[9]周复之.探索中国区域经济发展中的金融工程之路[J].江西金融职工大学学报,2010.
[10]周方婧.浅析金融工程为企业财务管理活动带来的新思路[J].时代金融,2008.
