【文章內(nèi)容簡(jiǎn)介】 26 6，844 14，835 22，693 山東分行1，507，831 221，675 429，163 2，021，353 2，321，510 山西分行565，482 49，279 413，243 370，435 600，686 陜西分行864，461 170，262 539，373 89，974 419，488 四川分行721，818 107，817 269，645 240，370 416，583 西藏分行67，018 271 30，028 10，019 26，441 新疆分行513，966 202，103 21，664 35，743 107，381 云南分行511，186 25，911 89，052 182，748 243，975 浙江分行1，688，853 137，183 215，373 202，153 377，913 深圳分行1，300，891 192，840 154，096 350，919 502，196 總行營(yíng)業(yè)部439，365 74，800 36，800 21，398 67，285 總行業(yè)務(wù)部2，831，578 77，035 97，300 13，685 138，225 資產(chǎn)保全部0 277，495 627，885 1，091，367 1，474，684 總行資金部0 0 0 0 0 總計(jì)29035922 4982069 11323737 15221182 22709286 資料來(lái)源：佰瑞咨詢2. 各地區(qū)貸款組合的未預(yù)期損失整個(gè)信貸組合的未預(yù)期損失除了考慮各個(gè)地區(qū)預(yù)期損失的標(biāo)準(zhǔn)差外，還必須測(cè)算不同地區(qū)之間的相關(guān)性。即某一地區(qū)的企業(yè)違約時(shí)，另外一個(gè)地區(qū)的企業(yè)是否也違約。經(jīng)過(guò)對(duì)13個(gè)月各個(gè)地區(qū)內(nèi)企業(yè)違約相關(guān)數(shù)據(jù)的處理，得出各個(gè)地區(qū)企業(yè)違約的相關(guān)系數(shù)矩陣。基于各個(gè)地區(qū)預(yù)期損失的標(biāo)準(zhǔn)差和地區(qū)之間預(yù)期損失發(fā)生的相關(guān)性，則構(gòu)建整個(gè)貸款資產(chǎn)組合的風(fēng)險(xiǎn)度量模型如下：信貸組合的標(biāo)準(zhǔn)差=i=1Nσi2+i=1Nj=1nσiρi,jσj其中：N是地區(qū)數(shù)，σ是每個(gè)地區(qū)預(yù)期損失的標(biāo)準(zhǔn)差，ρ是兩個(gè)地區(qū)企業(yè)之間違約的相關(guān)性。該模型意味著如果各個(gè)地區(qū)有企業(yè)之間違約互不影響（統(tǒng)計(jì)上是相互獨(dú)立的），隨著新投資貸款的增加，整個(gè)組合的風(fēng)險(xiǎn)越來(lái)越小，資產(chǎn)組合的標(biāo)準(zhǔn)差圍繞平均值向零趨近。事實(shí)證明組合的風(fēng)險(xiǎn)并非如此，如果兩個(gè)地區(qū)的企業(yè)違約相關(guān)性很高（也許是因?yàn)閷儆诩瘓F(tuán)企業(yè)內(nèi)部的關(guān)聯(lián)企業(yè)，也許是因?yàn)榈貐^(qū)經(jīng)濟(jì)融合程度較高），貸款組合中地區(qū)投向的選擇（哪些地區(qū)貸款占比增加，哪些地區(qū)貸款占比減少，各個(gè)地區(qū)存量維持多少，實(shí)際新投放多少）將對(duì)資產(chǎn)組合整體風(fēng)險(xiǎn)產(chǎn)生不同的影響。將該行有關(guān)數(shù)據(jù)代入模型，年一季度境內(nèi)機(jī)構(gòu)貸款資產(chǎn)組合的標(biāo)準(zhǔn)差為：信貸資產(chǎn)組合標(biāo)準(zhǔn)差=按照內(nèi)部評(píng)級(jí)法的要求和國(guó)際活躍銀行的做法，采取資產(chǎn)組合標(biāo)準(zhǔn)差的倍數(shù)作為銀行的未預(yù)期損失。倍數(shù)的選擇取決于歷史數(shù)據(jù)模擬出資產(chǎn)組合損失的分布特征，如正態(tài)分布等。一般取值為標(biāo)準(zhǔn)差的1～3倍左右，我國(guó)屬于轉(zhuǎn)軌國(guó)家，宏觀經(jīng)濟(jì)變化使行業(yè)預(yù)期損失的波動(dòng)性遠(yuǎn)遠(yuǎn)大于發(fā)達(dá)市場(chǎng)經(jīng)濟(jì)國(guó)家。假設(shè)以3倍計(jì)算，年一季度末該行整個(gè)貸款組合的未預(yù)期損失將達(dá)到416億元。結(jié)合預(yù)期損失狀況可以判斷該行在未剝離之前，整個(gè)資產(chǎn)組合的損失在1855～2687億元之間（2271+/416）。如果將可疑和損失類(lèi)貸款剝離，資產(chǎn)組合的損失最大值為599億元，即預(yù)期損失183+416=599億元，約占注資后資本金225億元美元的32%。由于數(shù)據(jù)的穩(wěn)定性尚待檢驗(yàn)，資產(chǎn)組合的風(fēng)險(xiǎn)有可能高估或低估。在判斷一筆新公司貸款是否值得敘作時(shí)，除了“三位一體”授信決策機(jī)制對(duì)單筆風(fēng)險(xiǎn)的判斷外，還要判斷它對(duì)整個(gè)組合未預(yù)期損失的影響，如果敘作后降低了整個(gè)組合的未預(yù)期損失，這筆貸款無(wú)疑有利于組合風(fēng)險(xiǎn)的分散，值得敘作，如果敘作后增加了整個(gè)組合的風(fēng)險(xiǎn)，即使是單筆判斷可行，也應(yīng)該放棄。Δ未預(yù)期損失=新增貸款后的未預(yù)期損失原組合的未預(yù)期損失如果Δ未預(yù)期損失0，說(shuō)明新增貸款不利于組合結(jié)構(gòu)的調(diào)整；反之，則有利于調(diào)整組合的結(jié)構(gòu)。截至年一季度末，該行貸款的地區(qū)分布主要為：%、%、%、%、%、%、%、%，其他各行（包括總行部門(mén)）%。圖表 3：貸款地區(qū)分布狀況及預(yù)期損失的標(biāo)準(zhǔn)差地區(qū)貸款余額（萬(wàn)元）所占比例地區(qū)預(yù)期損失的標(biāo)準(zhǔn)差（億元）安徽分行3，678，447%北京分行8，098，573%福建分行5，662，664%甘肅分行1，040，960%廣東分行21，244，771%廣西分行2，322，977%貴州分行696，248%海南分行1，537，575%河北分行6，182，104%河南分行6，094，146%黑龍江分行3，915，089%湖北分行6，023，081%湖南分行4，001，871%吉林分行2，848，702%江蘇分行19，014，496%江西分行2，474，787%遼寧分行8，705，196%內(nèi)蒙古分行2，173，587%寧夏分行540，456%青海分行326，418%山東分行11，634，815%山西分行4，538，098%陜西分行3，904，600%上海分行12，413，933%深圳分行7，756，098%四川分行5，409，876%天津分行4，389，163%西藏分行185，114%新疆分行2，464，446%云南分行2，552，969%浙江分行14，401，902%重慶分行2，139，751%總行營(yíng)業(yè)部1，825，863%總行業(yè)務(wù)部7，082，790%資產(chǎn)保全部1，996，748%總行資金部198，929%總計(jì)189，477，274100%資料來(lái)源：佰瑞咨詢?yōu)榻档徒M合未預(yù)期損失，調(diào)整地區(qū)結(jié)構(gòu)的方案為：①調(diào)整方案一：廣東15%，江蘇12%，浙江10%，上海10%，山東8%，遼寧5%，北京8%，深圳5%，其他地區(qū)占27%。按照此目標(biāo)調(diào)整，資產(chǎn)組合最大損失值將下降至681億元，地區(qū)結(jié)構(gòu)調(diào)整使組合風(fēng)險(xiǎn)降低18億元。②調(diào)整方案二：廣東15%，江蘇15%，浙江15%，上海10%，山東5%，遼寧5%，北京5%，深圳5%，其他地區(qū)占25%。按照此目標(biāo)調(diào)整，資產(chǎn)組合最大損失值將下降至553億元，地區(qū)結(jié)構(gòu)調(diào)整使組合風(fēng)險(xiǎn)降低46億元。③調(diào)整方案三：廣東12%，江蘇12%，浙江12%，上海8%，山東5%，遼寧5%，北京5%，深圳5%，其他地區(qū)36%。按照此目標(biāo)調(diào)整，對(duì)組合風(fēng)險(xiǎn)的影響與第一方案大體一致。資產(chǎn)組合的風(fēng)險(xiǎn)管理應(yīng)使整個(gè)組合的未預(yù)期損失盡可能小，理論上風(fēng)險(xiǎn)分散最好的組合可以使未預(yù)期損失為零，但實(shí)踐中往往難以達(dá)到這一水平。通過(guò)以上三種方案結(jié)果的模擬，較優(yōu)解是方案二。方案二表明：其他地區(qū)占比需要由45%左右下降到理想狀態(tài)下的25%左右（需要對(duì)組合的集中性風(fēng)向進(jìn)行進(jìn)一步度量，以分析方案二的集中性風(fēng)險(xiǎn)是否過(guò)高），8家占比較高的地區(qū)除山東分行占比收縮，遼寧、北京、深圳占比份額小幅提高外，建議廣東、江蘇、浙江、上海這四大地區(qū)占比進(jìn)一步提高。（三）行業(yè)信貸組合管理圖表 4：截至年一季度末貸款行業(yè)組合的預(yù)期損失（單位：萬(wàn)元）行業(yè)關(guān)注不良貸款預(yù)期損失次級(jí)可疑損失1. 農(nóng)、林、牧、漁業(yè)331262 77779 95490 214205 288020 2. 采礦業(yè)615996 293160 616461 80460 474300 3. 制造業(yè)10043775 1893186 4642380 5762548 8757910 4. 電力、燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)1822206 218663 176407 194799 374113 5. 建筑業(yè)785651 57262 232219 313471 459609 6. 交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)4490928 210801 343925 203477 517958 7. 信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)1358785 58902 78175 32152 113141 8. 批發(fā)零售業(yè)3059768 797907 2508716 6143346 7658376 9. 住宿和餐飲業(yè)570946 286585 685529 360514 786343 28997 20563 22846 328202 345346 11. 房地產(chǎn)業(yè)2106179 525582 1043096 623840 1318907 12. 租賃和商務(wù)服務(wù)業(yè)739139 112399 281052 332081 515490 13. 科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)79802 13411 76102 28868 71867 14. 水利、環(huán)境和公共設(shè)施管理業(yè)642970 74156 55749 27117 86390 15. 居民服務(wù)和其他服務(wù)業(yè)94236 20318 92252 133578 186668 16. 教育251440 40607 25663 39788 67800 17. 衛(wèi)生、社會(huì)保障和社會(huì)福利業(yè)104070 6719 48437 33294 61274 18. 文化、體育和娛樂(lè)業(yè)159913 22424 49367 83090 116578 19. 公共管理和社會(huì)組織176599 5633 28784 58105 77438 20. 國(guó)際組織0 0 0 0 400 21. 對(duì)境外貸款7487 0 0 754 904 22. 對(duì)個(gè)人消費(fèi)貸款1565772 246013 220286 227492 430454 合計(jì)29035922 4982069 11323737 15221182 22709286 資料來(lái)源：佰瑞咨詢與地區(qū)組合管理的思路一樣，整個(gè)資產(chǎn)組合的未預(yù)期損失除了考慮各個(gè)行業(yè)預(yù)期損失的標(biāo)準(zhǔn)差外，還必須測(cè)算不同行業(yè)之間違約的相關(guān)性，即甲行業(yè)的企業(yè)違約時(shí)，乙行業(yè)的企業(yè)是否也違約。經(jīng)過(guò)14個(gè)月各個(gè)行業(yè)內(nèi)企業(yè)違約相關(guān)數(shù)據(jù)的處理，得出各個(gè)行業(yè)違約的相關(guān)系數(shù)矩陣。整個(gè)貸款行業(yè)資產(chǎn)組合的風(fēng)險(xiǎn)度量模型與地區(qū)組合的風(fēng)險(xiǎn)度量模型架構(gòu)一致，只是模型中的參數(shù)N為行業(yè)數(shù)，σ是每個(gè)行業(yè)預(yù)期損失的標(biāo)準(zhǔn)差，ρ是兩個(gè)行業(yè)的企業(yè)之間違約的相關(guān)性。如果兩個(gè)行業(yè)的企業(yè)違約相關(guān)性很高（也許是因?yàn)榧瘓F(tuán)企業(yè)內(nèi)部的關(guān)聯(lián)企業(yè)，也許是因?yàn)閷儆诋a(chǎn)業(yè)鏈條的上下游），貸款組合行業(yè)投向的選擇將對(duì)資產(chǎn)組合整體風(fēng)險(xiǎn)產(chǎn)生不同的影響。將該行有關(guān)行業(yè)數(shù)據(jù)代入上述模型，年一季度境內(nèi)機(jī)構(gòu)信貸組合的標(biāo)準(zhǔn)差為：信貸組合的標(biāo)準(zhǔn)差=理論上分析，整個(gè)資產(chǎn)組合的標(biāo)準(zhǔn)差不會(huì)因?yàn)閺牡貐^(qū)角度或行業(yè)角度看待而不同，地區(qū)和行業(yè)是組合分析的維度，不會(huì)對(duì)組合的風(fēng)險(xiǎn)大小產(chǎn)生影響。截至年一季度末，該行貸款的行業(yè)分布（占比超過(guò)貸款總余額5%的行業(yè)）主要為：%，%，%，交通運(yùn)輸、%，電力、%，%。收益狀況好，但占比低的兩個(gè)行業(yè)分別為：水利、%，信息傳輸、%。圖表 5：貸款行業(yè)分布狀況及預(yù)期損失的標(biāo)準(zhǔn)差行業(yè)貸款余額（萬(wàn)元）所占比例行業(yè)預(yù)期損失的標(biāo)準(zhǔn)差（億元）制造業(yè)59，152，370 %批發(fā)和零售23，517，877 %租賃和商務(wù)服務(wù)業(yè)4，903，200 %房地產(chǎn)業(yè)12，089，634 %對(duì)個(gè)人消費(fèi)貸款28，434，168 %住宿和餐飲業(yè)2，362，266 %居民服務(wù)和其他服務(wù)業(yè)827，696 %建筑業(yè)3，825，979 %農(nóng)、林、牧、漁業(yè)1，474，430 %教育2，123，884 %衛(wèi)生、社會(huì)保障和社會(huì)福利業(yè)784，044 %電力、燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)13，048，032 %采礦業(yè)3，903，101 %交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)15，984，646 %公共管理和社會(huì)組織1，330，865 %文化、體育和娛樂(lè)業(yè)618，717 %信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)5，668，973 %金融業(yè)5，214，098 %1科學(xué)研究、技術(shù)服務(wù)和地質(zhì)勘查業(yè)585，485 %水利、環(huán)境和公共設(shè)施管理業(yè)3，445，372 %對(duì)境外貸款180，624 %國(guó)際組織1，813 %合計(jì)189，477，274 100%資料來(lái)源：佰瑞咨詢①調(diào)整方案一：制造業(yè)25%，批發(fā)零售業(yè)5%，交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)10%，電力、燃?xì)饧八纳a(chǎn)和供應(yīng)業(yè)10%，房地產(chǎn)業(yè)5%，水利、環(huán)境和公共設(shè)施管理業(yè)5%，信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)5%，對(duì)個(gè)人消費(fèi)貸款