위약률은 채무자가 만기 채무를 상환하지 못한 실제 위약률을 말한다.
위약 확률 (PD) 은 채무자가 만기 채무 (위약) 를 상환할 수 없을 것으로 예상되는 가능성이다. 위약 확률 (PD) 과 위약률의 차이는 채무자의 역사와 실제 위약 상황을 근거로 미래 일정 기간 (보통 1 년) 의 위약 상황을 판단한다는 점이다. 등급 결과와 위약률의 대응 관계는 평가급 기관에 돌아가 품질 기준을 평가하는 가장 중요한 척도이다.
상업은행의 신용위험관리에서 위약 확률은 대출자가 향후 일정 기간 동안 은행 대출 원금과이자를 상환하거나 관련 의무를 이행할 수 없을 가능성을 말한다. 위약 확률은 예상 대출 손실, 대출 가격 및 신용 포트폴리오 관리를 계산하기 위한 기초이므로 위약 확률을 정확하고 효과적으로 계산하는 방법은 상업 은행의 신용 위험 관리에 매우 중요합니다.
신용등급은 상응하는 위약률과 위약확률이 있어야 진정한 응용가치를 가질 수 있으며, 평가 대상의 미래 위약가능성과 신용위험을 측정하는 도구로 사용될 수 있다. 본질적으로 신용 등급에 해당하는 위약률과 위약확률 수준은 실제로 신용 등급에 반영된 위험 상황을 나타낸다. 따라서 위약율 통계가 없는 신용등급은 불완전하고 설득력이 없어 신용위험만 정렬할 수 있다. 하지만 평가 기관마다 위약에 대한 정의가 다를 수 있고, 같은 등급의 품질도 다를 수 있다. 따라서 위약 정의가 같은 등급 기관만 해당 등급 결과를 비교하고 해당 등급 결과의' 금량' 과 품질 차이를 검사할 수 있습니다. 위약률 지표와 비교하면 위약률이 낮은 AA 가 위약률이 높은 AAA 보다 왜 좋은지 설명할 수 있다. 위약율에 상응하는 신용등급이 있어야 진정으로 의사 결정의 근거가 될 수 있다.
위약 확률 측정의 역할
상업은행의 신용위험관리에는 위약 확률의 측정이 기초적인 지위를 차지하며 중요한 역할을 한다.
첫째, 이것은 신용 위험 관리의 첫 번째 조건입니다. 신용 등급은 신용 위험을 측정하는 기본 방법으로, 대출자의 위약 확률을 측정하는 역할을 한다. 은행은 먼저 대출자의 위약 확률을 과학적으로 측정해야만 예상 손실을 정확하게 계산하고 고객의 신용상태를 객관적이고 정확하게 평가하여 상업은행 신용위험관리의 과학적 효과를 보장할 수 있다.
둘째, 이것은 서로 다른 등급 체계의 우열을 측정하는 객관적인 기준이다. 위약 확률의 측정이 없다면, 서로 다른 등급 체계의 우열을 측정하기 어렵다. 위약 확률에 대한 엄밀한 과학적 측정을 피하고 등급지표체계의 건설과 등급방법의 개선만 추구한다면 신용등급의 현대화 도약을 이룰 수 없다. 위약 확률의 측정은 신용등급의 권위성과 조작성의 영혼이며, 서로 다른 등급체계의 우열을 측정하는 객관적인 기준이다.
셋째로, 이것은 상업은행 리스크 관리의 질을 높이는 중요한 동력이다. 실전 경험에 따르면 고객의 위약 확률의 성공 측정은 선진 통계 모델과 위험 정량화 도구의 과학적 응용뿐만 아니라 현대 상업은행 관리 규칙에 대한 심층적인 이해와 과학적 파악에 달려 있으며, 관리 이념, 제도 및 메커니즘에 적응해야 한다. 상업은행 리스크 관리의 질을 효과적으로 높이다.
위약 확률을 측정하는 방법
최근 몇 년 동안 서구 상업은행, 특히 선진 은행들은 현대 수학 통계의 최신 연구 성과를 최대한 활용하여 고객의 위약 확률을 측정하는 많은 방법을 탐구하여 큰 성과를 거두었다. 위약 확률 측정의 실천 발전을 살펴보면 서수 위약 확률에서 기수 위약 확률에 이르기까지 위약 확률의 측정이 점점 더 구체적이다. 단일 대출의 위약 확률 측정에서 조합 대출의 공동 위약 확률까지 대출자 자체의 미시경제 특성만 고려하는 것부터 거시경제 요인의 영향에 이르기까지 과거 데이터를 기반으로 한 정적 측정에서 예측 기반 동적 측정에 이르기까지 단일 기술에서 다중 기술에 이르기까지 위약 확률 측정 기술은 더욱 현대화되어 학제 간, 측정이 더욱 과학적이고 정확하다.
서방 상업은행의 위약 확률을 측정하는 방법은 네 가지 범주로 요약할 수 있다.
1. 내부 신용 등급 내역 데이터를 기준으로 한 측정 방법, 즉 상업은행과 등급회사가 장기적으로 누적된 역사적 신용 등급 데이터를 기준으로 역사적 위약 확률의 평균을 서로 다른 신용 등급에서 기업에 해당하는 위약 확률로 사용하는 것입니다.
2. 옵션 가격 책정 이론에 근거한 측정 방법은 미국 KMV 회사가 옵션 가격 책정 이론을 이용하여 세운 신용 모니터링 모델이며, KMV 모델이라고도 합니다. 공개 상장 기업의 위약 확률을 측정하는 데 주로 사용되는 사전 예방적 동적 모델입니다.
3. 정산학에 기초한 계량방법은 보험사상의 도구로 최근 몇 년 동안의 예상 위약 확률을 추정하는 것이다.
위험 중립 시장의 원칙에 입각 한 측정 방법. 위험 중립 시장이란 자산 거래가 진행 중인 시장에서 모든 투자자가 무위험 자산으로부터 동일한 예상 수익을 얻고자 하는 것을 의미하며, 모든 자산 가격은 무위험 이자율로 자산의 예상 미래 현금 흐름을 할인하여 계산할 수 있습니다. 위험 중립 모델은 역사적 이전 확률에 비해 사전 예방적 위약 예측을 제공합니다.
중국의 국제 대표 신용 위험 평가 모델의 한계
입세 이후 중국 시장경제의 운행 방식이 국제와의 접목을 가속화하고, 중국 신용평가업이 어떻게 국제와 접목되었는지도 도전을 받았다. 중국 시장 상황에 적합한 해외 평가 모델을 탐구하고 선택하는 것이 필수적이며, 국내 일부 학자들도 이에 대한 유익한 연구를 진행했다. 여기서, 우리는 외국의 대표적인 평가 모델을 중국 시장에 적용하여 실증 연구를 진행한 후, 후속 연구 작업에 도움이 되도록 학계에서 발견한 문제와 결함을 수집했다.
1, Z-Score 신용 위험 평가 모델
Z 모델은 5 가지 주요 재무 비율을 선택하고 매개변수 (가중치) 를 부여하여 회사의 위약 또는 파산 가능성을 예측하는 방법입니다.
여기에는 다음이 포함됩니다.
X 1= 운전 자본/총자산
X2= (할당되지 않은 이익+자본 공모)/총 자산
X3= 세전 이익 및 이자/총자산
X4= 지분의 시장 가치/부채의 장부가입니다.
X5= 매출액/총자산
Z 값을 임계값으로 하여 임계값보다 작으면 채무 위반이 발생할 수 있습니다.
실증 연구에 따르면 Z 모델에는 다음과 같은 세 가지 결함이 있습니다. 첫째, 모델은 상장 기업의 일부 산업에 대해 정확하며 많은 업계의 매개변수를 조정해야 합니다. 둘째, 비상장 회사와 중소기업이 지분 가치를 얻을 수 없는 데이터의 경우 회계 정보 또는 기타 지표로 대체해야 하며 비교 분석을 통해 예상 위반 확률을 얻을 수 있습니다. 이것은 계산의 정확성에 어느 정도 영향을 줄 수 있다. 셋째, Z 값을 기준으로 국내 금융시장의 상황에 맞게 조정해야 하는데, 일반 의사결정자는 할 수 없다.
2.KMV 신용 위험 평가 모델
KMV 모델은 옵션 가격 이론에 기반을 두고 있으며, 그 출발점은 회사의 모든 정보가 주가와 변동의 가정에 반영될 수 있다는 것입니다. 회사 주식의 예상 가치가 변동으로 일정 수준 (위약점 가치) 으로 떨어지면 회사는 채무 위약이 발생한다. 이 모델은 보유된 채권을 무위험 채권에서 하락 옵션을 뺀 것으로 보고, 이를 바탕으로 위약 거리를 계산하고 상장회사 데이터와 함께 경험적 위약 확률을 추정한다. KMV 모델은 기존의 회계 데이터 분석에 기반한 위약 확률 추정 시스템보다 더 민감하지만 적응 조건은 더 엄격하다. 결과적으로 성숙한 자본 시장의 상장 회사에 더 적합하다. 분명히, 현재 중국은 KMV 모델을 보급할 조건이 없다.
3. 크레딧 메트릭 신용 위험 평가 모델.
이 모델은 일정 기간 (보통 1 년) 동안 부채 조합 가치의 분포가 채무자의 미래 신용 등급 변화와 무관하다는 가정을 바탕으로 하고 있으며, 신용 등급 이전 확률은 안정적인 마르코프 프로세스를 따릅니다. 즉, 대출이나 채권의 현재 등급 이전은 과거의 이전 확률과 무관합니다. 이 모델은 현재 효과적인 신용 위험 모델로 입증되고 있지만 해결해야 할 몇 가지 문제가 있습니다. 첫째, 이 모델은 대출이나 채권의 현재 등급 이전이 과거의 이전 확률과 무관하다고 가정합니다. 그러나 실제 역사적 수치에 따르면, 과거에 부채가 위약이 있었다면, 현재 등급이 위약이 없는 동급보다 떨어질 확률이 높다는 것을 알 수 있다. 둘째, 부채의 VaR 값을 계산할 때 등급 이전 확률 행렬이 안정적이라고 가정합니다. 즉, 차용인과 기간 간의 등급 이전 확률은 일정합니다. 실제로 업계, 국가, 비즈니스 주기 등의 요소는 모두 등급 이전 확률 매트릭스에 중요한 영향을 미칩니다. 셋째, CreditMetrics 모델의 기본 모델 및 관련 계수의 측정은 옵션 가격 책정 이론을 기반으로 하며 주식 시장의 성숙도 조건 및 데이터의 진실성에 대한 요구가 높습니다.
4. 신경망 모델
신경망 모델도 서방에서 널리 사용되는 위약 확률을 추정하는 모델이다. 수집된 데이터에 의존하여 대량의 재무 및 관련 정보를 수학적으로 분석하여 위약 추정 모델을 수립합니다. 이 모델은 실증 연구에서 여전히 한계가 있다. 첫째, 기술 및 금융 수단이 혁신됨에 따라 재무 제표의 제한된 데이터가 기업의 재무 상태 및 운영 성과, 특히 하이테크 기업의 경우 비재무 요소가 점점 더 많은 가중치를 차지하기 어려워지고 있습니다. 둘째, 국내 기업 회계 정보의 왜곡이 여전히 심각하기 때문에 왜곡된 데이터 입력 모형을 사용하면 계산 결과의 편차가 불가피합니다.
해외의 몇 가지 신용위험평가 모델이 우리나라의 실증연구 결과를 보면 우리나라 증권시장이 미성숙하다는 것을 알 수 있다. (회사의 가치는 시장을 통해 드러날 수 없다.), 시장 정보의 공개는 매우 제한적이며, 재무 데이터의 진실성이 높지 않다. 등급기관이 사용할 수 있는 대용량 신용정보데이터베이스 등 객관적인 조건이 없어 사용할 수 없다. 그러나 현대계량경제학의 성과로서 신용위험평가모델이 선진국 경제국가에서 광범위하게 적용돼 객관성과 과학성을 입증했다. 중국 시장경제의 발전은 여전히 초급 단계에 있으며, 시장 성숙도는 선진 시장 경제 국가에 비해 여전히 큰 차이가 있다. 상술한 평가 모델은 중국에서도 응용의 기본 조건이 부족하다.
중국의 채무 불이행 확률 연구 개발
우리나라 은행업에 있어서, 내부 등급은 아직 초급 단계에 있으며, 시간이 짧고 규범적이지 않다. 기본 데이터베이스 및 전송 매트릭스의 인프라 구축은 거의 비어 있습니다. 대출 기업의 신용 등급은 고객 선택 및 위험 경보에 더 많이 사용되며 더 깊은 위험 정량화 관리 방향으로 발전하지 않았습니다. 따라서 우리나라 상업은행과 등급회사는 적극적으로 조건을 만들어 고객의 위약 확률 측정을 강화하여 신용위험 관리 수준을 효과적으로 높여야 한다.
우선 바젤 신자본협정의 정의를 참고하여 기업의 위약 개념을 과학적으로 정의한다. 현재 우리나라는 아직 일관되고 명확한 회사 위약 기준이 없다. 국제와 접목하기 위해 중국 은행업은 기업 위약의 개념을 일정 기간 (보통 1 년) 동안 기업의 대출 업무가 2 차, 의심 또는 대출 손실이 발생하는 한 위약 기업으로 간주될 것을 제안한다.
둘째, 위약 확률 측정 모델 기반 시설인 위약 데이터베이스 구축을 가속화한다. 중국 은행업은 기업 재무 데이터 필터를 구축하여 기업이 재무제표를 제출하는 진실성을 점검하고, 합격한 위약 데이터베이스를 구축하여 위약 확률을 측정할 수 있는 든든한 기반을 마련할 수 있다. 중국 인민은행이 설립한 은행 신용 등록 컨설팅 시스템은 중국 은행업에 대량의 대출 데이터베이스 정보 플랫폼을 제공한다. 이를 바탕으로 국내 은행은 시스템의 데이터 자원 우위를 충분히 발휘하고 시스템 정보를 지속적으로 개선하여 자체 위약 데이터베이스를 구축할 수 있다.
셋째, 위약 확률 측정 모델의 연구, 개발 및 응용을 강화한다. 중국 은행업의 경영 환경과 역사적 실천의 특수성에 근거하여 서방 상업은행이 적용할 수 있는 위약 확률 모델이 반드시 중국 상업은행에 적합한 것은 아니다. 그러나 이러한 위약 확률 모델의 측정 아이디어, 방법 및 프로세스를 통해 데이터 축적과 결합하여 간단한 모델을 복잡한 모델로 전환할 수 있습니다. 예를 들어, 기존 연도의 등급 결과 데이터 축적을 기준으로 신용 측정 모델을 사용하여 기존 연도 내 각 신용 등급의 이전 확률과 위약 확률을 측정하여 내부 신용 등급 이전 매트릭스의 측정을 형성할 수 있습니다. 그런 다음 연간 데이터가 증가함에 따라 지속적으로 조정할 수 있습니다. 이렇게 하면 시간이 지남에 따라 자체 내부 전달 매트릭스 모델을 만들 수 있습니다.
또 우리나라 대출기업의 실제 신용상황을 감안하면 이전 매트릭스 모델의 각 신용등급 위약 확률 측정은 업종과 경제 주기성의 영향뿐만 아니라 지역, 규모, 기업 소유제 성격의 영향도 고려해야 한다.