中小企业供应链融资的风险度量(2)

　　3. 抵质押品的价值变动。一旦宏微观经济面发生波动，质押品或抵押品市值下跌过大，会导致企业违约可能性的上升，为银行带来一定的信贷风险。

　　4. 银行融资成本收益。对于已经签订的融资合同，银行应随时关注融资合同带给银行的综合收益率与资本市场上的融资收益率之间的变化。当资本市场上的融资收益率提高时，金融机构和公司的融资成本提高，则融资合同的市值下降。

　　5. 贷款组合间相关性。上下游各融资对象的融资业务是紧密相连的，一个链条上的融资变化对银行参与的所有供应链条的融资业务都会产生影响，所以要对不同供应链融资的相关性进行测算，从而推算整条供应链融资业务的组合信用风险。

　　为反映上述五个方面的供应链金融风险，本文选取以下指标：贷款行业、贷款信用评级、担保方式、贷款金额、贷款期限、贷款利率、存款金额、回收率、国债收益率和风险溢价数据和违约回收率（指在发生极端的情况下，银行能够收回的部分占债权面值的百分比，这主要是由商业银行根据在不同担保模式下的贷款损失的经验考察估算得出）。

　　四、模型选择

　　CreditMetrics 模型是以VaR理论等为依据，以信用评级为基础建立的贷款组合价值的完全分布模型。框架主要由两个模块构成，一是单个资产的VAR值，二是资产组合的VAR值。

　　（一）单个资产的VAR值

　　1. 确定信用等级转移矩阵。信用等级转移矩阵显示1个企业在1年内从一个信用等级转变为另一个信用等级的概率，不同初始信用等级向所有可能等级转移的概率汇集起来构成转移概率矩阵。

　　2. 估算未来不同信用等级下的贷款远期价值。假定评估一笔n年期、信用评级从年初的k级转移到年末的j级、每年定期支付利息为C、本金为F的贷款，在第一年末的价值用Vj表示。其中，k=1，…，d-1；j=1，…，d；d表示按从高到低的顺序排列共有1到d个信用等级，1级信用等级最高，d级表示违约。

　　（1）在非违约状态下在第一年末的远期信用定价公式为：

　　[Vd=Fij×（1-LGDJ）]

　　在公式中，Fj为信用评级为j的贷款从第1年末开始的i年期的年化远期利率。

　　（2）当第一年末债务人处于违约状态时，贷款的价值Vd由债务本金F和违约损失率LGDj决定，即：

　　[Vd=F×（1-LGDJ）]

　　（3）VaR计算。

　　利用（1）公式和（2）公式，求出这笔贷款在第一年末的贷款价值的均值和方差，即：

　　[V=j=1dpjVj]

　　[σ2=j=1dpj（Vj-V）2]

　　[VaR=zασ]

　　其中，Pj和Pd分别表示债务人在第一年末信用等级转移到j级的概率和违约概率，Zα为1-α置信水平下正态分布的分位数。

　　（二）资产组合的VAR值

　　1. 用（V1，V2，…，VN）表示N项信用资产价值的组合，则N项信用资产组合价值的方差为：

　　[σ2p=σ2（V1+V2+…+VN）=i=1Nσ2（Vi）+2i=1N-1j=i+1NCov（Vi，Vj）]

　　2. 当资产组合的数量太多时，需要根据每笔信用资产的评级转移概率和信用资产之间的相关系数，运用Monte Carlo方法来模拟10000次或者更多次N项信用资产组合的价值，然后得到对应于一定置信水平下N项信用资产组合的VaR值。

　　五、实证分析

　　（一）样本采集

　　鉴于供应链金融业务开展现状以及数据量不足的约束和供应链金融业务主要适用于中小企业的背景，本文选取以WZ汽车集团为核心的供应链上的20家中小零配件制造业企业进行分析。

　　（二）模型分析

　　1.构建信用等级转移矩阵。CreditMetrics模型的基础是通过信用等级历史转换求出资产风险价值，因大部分中小企业信用评级数据并不完整，本文以信贷资产五级分类取代客户信用等级。任一笔贷款经过五级分类后，都对应1个风险等级（正常、关注、次级、可疑、损失）， 贷款风险等级之间的转移可以通过统计分析风险等级转移记录得到。例如，在某一时间段，等级由正常变为次级的转移概率，就等于等级从正常变为次级的贷款信用转移总数与所有信用等级为正常的宾贷款总数的比值，依次类推可得到各个贷款等级转移的概率。根据R银行7年间的连续贷款评级的数据，可以归纳得出贷款转移系数矩阵如表1所示。