我國(guó)商業(yè)銀行目前采用的量化的信貸風(fēng)險(xiǎn)管理方法多是針對(duì)單個(gè)借款人信貸風(fēng)險(xiǎn)的測(cè)量與管理，對(duì)于信貸組合風(fēng)險(xiǎn)則缺乏有效的定量測(cè)量與分析工具。多數(shù)商業(yè)銀行沒(méi)有將信貸組合風(fēng)險(xiǎn)管理納入全面風(fēng)險(xiǎn)管理體系，未從經(jīng)營(yíng)戰(zhàn)略層面和操作實(shí)踐層面研究和實(shí)行信貸組合風(fēng)險(xiǎn)管理。對(duì)信貸組合風(fēng)險(xiǎn)這種粗放模糊式的管理方法，導(dǎo)致銀行在信貸風(fēng)險(xiǎn)管理過(guò)程中存在幾方面的問(wèn)題。
　　一是對(duì)存量信貸風(fēng)險(xiǎn)描述不準(zhǔn)確。由于未考慮信貸組合風(fēng)險(xiǎn)情況，而是假定各貸款之間的風(fēng)險(xiǎn)性完全不相關(guān)，那么，一方面對(duì)單個(gè)信貸風(fēng)險(xiǎn)的簡(jiǎn)單累加可能導(dǎo)致總風(fēng)險(xiǎn)估算過(guò)高，與之匹配的銀行資本處于部分浪費(fèi)狀態(tài)；另一方面，按大數(shù)法則提取信貸資產(chǎn)準(zhǔn)備的方法，不能應(yīng)對(duì)在極端條件下某些相關(guān)性較高的貸款同時(shí)暴發(fā)風(fēng)險(xiǎn)的情況。
　　二是信貸政策制定不科學(xué)。目前商業(yè)銀行在制定年度信貸政策、向分支機(jī)構(gòu)發(fā)布信貸指引時(shí)，很少量化考慮新增貸款對(duì)組合風(fēng)險(xiǎn)的分散作用，只考慮單個(gè)貸款的風(fēng)險(xiǎn)狀況，目標(biāo)客戶群通常確定為“三好學(xué)生”式的企業(yè)，即該企業(yè)既處于高增長(zhǎng)的行業(yè)，又具有行業(yè)領(lǐng)先地位和很高的市場(chǎng)占有率，有核心競(jìng)爭(zhēng)優(yōu)勢(shì)，業(yè)務(wù)規(guī)模大、利潤(rùn)率高而風(fēng)險(xiǎn)極低。選擇低風(fēng)險(xiǎn)的領(lǐng)域進(jìn)行信貸投放無(wú)可厚非，但“三好學(xué)生”式企業(yè)畢竟數(shù)量有限，而且這些客戶融資能力強(qiáng)，融資渠道多樣，沒(méi)有很強(qiáng)烈的貸款需求，又受到本地各銀行業(yè)機(jī)構(gòu)的普遍“追逐”。因此，這一目標(biāo)市場(chǎng)資金供給大于需求，呈基本飽和狀態(tài)，銀行競(jìng)爭(zhēng)十分激烈，銀行為獲取客戶付出的成本增高、貸款定價(jià)較低，導(dǎo)致實(shí)際收益減少。同時(shí)，當(dāng)前對(duì)于熱點(diǎn)行業(yè)和企業(yè)的判斷都基于同一宏觀經(jīng)濟(jì)發(fā)展走勢(shì)假設(shè)，也就是社會(huì)上大多數(shù)人持有的觀點(diǎn)，而一旦發(fā)生假設(shè)條件逆轉(zhuǎn)的情況（歷史上曾多次出現(xiàn)這種情況），由于銀行與客戶關(guān)系的建立和維系通常要花費(fèi)很長(zhǎng)的時(shí)間，銀行很難通過(guò)立即調(diào)整信貸政策實(shí)現(xiàn)信貸結(jié)構(gòu)的迅速調(diào)整。
　　三是未實(shí)現(xiàn)收益與風(fēng)險(xiǎn)最佳匹配的資產(chǎn)組合。未實(shí)行信貸組合風(fēng)險(xiǎn)管理的情況下自然形成的貸款組合點(diǎn)，并不是銀行實(shí)現(xiàn)收益與風(fēng)險(xiǎn)最佳匹配的資產(chǎn)組合。如果挖掘那些與現(xiàn)在組合呈負(fù)相關(guān)或正相關(guān)很小的信貸資產(chǎn)，充分利用分散化的可能，銀行可以在信貸規(guī)模和整體收益基本保持不變的情況下，將組合的信用風(fēng)險(xiǎn)降到最低，或者在可承受風(fēng)險(xiǎn)能力基礎(chǔ)上，實(shí)現(xiàn)收益最大化。
　　針對(duì)這種狀況，我們認(rèn)為，商業(yè)銀行應(yīng)該建立和應(yīng)用以風(fēng)險(xiǎn)測(cè)量模型為核心的信貸組合風(fēng)險(xiǎn)管理方法。
　　第一，目前國(guó)際銀行業(yè)運(yùn)用的信貸組合風(fēng)險(xiǎn)度量模型主要有KMV模型、Credit Metrics、肯錫模型和CSFP信用風(fēng)險(xiǎn)附加計(jì)量模型等四類，這些模型各有優(yōu)缺點(diǎn)和適用條件。結(jié)合我國(guó)銀行業(yè)經(jīng)營(yíng)發(fā)展的內(nèi)外部客觀條件，我國(guó)商業(yè)銀行建立量化的信貸風(fēng)險(xiǎn)測(cè)量模型時(shí)，在參數(shù)設(shè)定、基本假設(shè)和測(cè)量方法上應(yīng)考慮這樣幾個(gè)方面。一是模型對(duì)風(fēng)險(xiǎn)的定義目前應(yīng)采用DM模型，即假定信用損失（LGD）是借款人在計(jì)劃期內(nèi)違約所產(chǎn)生的損失，只考慮違約和不違約兩種情形的信用狀態(tài)變化。當(dāng)資產(chǎn)證券化工具發(fā)展成熟或信貸資產(chǎn)次級(jí)交易市場(chǎng)建立的情況下，可改用MTM法建立模型。二是引入風(fēng)險(xiǎn)敞口間的相關(guān)性概念，即借款人違約的相關(guān)程度。在計(jì)算違約相關(guān)性時(shí)，可采用歷史數(shù)據(jù)模擬法或因素分析法。三是通過(guò)計(jì)算信貸組合的損失均方差來(lái)測(cè)量和描述組合的風(fēng)險(xiǎn)狀況。四是可先將貸款按行業(yè)、地域、信用質(zhì)量或借款人登記注冊(cè)類型等多種因素進(jìn)行分類，形成諸多亞組合，對(duì)組合內(nèi)和組合間的相關(guān)違約系數(shù)進(jìn)行測(cè)算，以降低計(jì)算負(fù)荷。
　　在模型的應(yīng)用方面，要通過(guò)對(duì)銀行當(dāng)前貸款組合的風(fēng)險(xiǎn)程度進(jìn)行測(cè)算，可以看出非預(yù)期損失的大小，進(jìn)而與銀行經(jīng)營(yíng)戰(zhàn)略相比較。也可以對(duì)同業(yè)數(shù)據(jù)進(jìn)行粗略測(cè)算，用以作為參照，看本銀行的貸款組合風(fēng)險(xiǎn)在同業(yè)中所處的位置。組合風(fēng)險(xiǎn)測(cè)算結(jié)果還可以作為估計(jì)經(jīng)濟(jì)資本的參考。
　　第二，測(cè)算出的組合風(fēng)險(xiǎn)值與該貸款實(shí)際存在的組合風(fēng)險(xiǎn)值相比較，就是該筆貸款的邊際風(fēng)險(xiǎn)貢獻(xiàn)。比較不同貸款的邊際風(fēng)險(xiǎn)貢獻(xiàn)，可以很直觀地表明當(dāng)前貸款組合中的主要風(fēng)險(xiǎn)來(lái)源，銀行管理者進(jìn)而可以采取適當(dāng)?shù)男袆?dòng)以控制風(fēng)險(xiǎn)。
　　第三，可以將邊際風(fēng)險(xiǎn)貢獻(xiàn)的概念引入決策機(jī)制。當(dāng)多項(xiàng)貸款需求單獨(dú)測(cè)算的風(fēng)險(xiǎn)度和收益率都相似，而銀行由于存貸款比例的要求不能同時(shí)滿足所有貸款需求時(shí)，邊際風(fēng)險(xiǎn)貢獻(xiàn)小的貸款顯然應(yīng)該被優(yōu)先考慮。也就是說(shuō)，與當(dāng)前組合中貸款的總體相關(guān)性最小的貸款有優(yōu)先權(quán)。同樣的，在貸款定價(jià)過(guò)程中，也可以加入邊際風(fēng)險(xiǎn)貢獻(xiàn)的因素。一筆貸款的發(fā)放如果給整個(gè)貸款組合貢獻(xiàn)更多的邊際風(fēng)險(xiǎn)，銀行也有理由提高貸款價(jià)格、增加預(yù)期收益率，以與增加的風(fēng)險(xiǎn)相對(duì)應(yīng)。
　　第四，在管理層面輔助制定貸款投放指引。組合風(fēng)險(xiǎn)分析可以讓我們清楚地看到，銀行將貸款集中投放于某些有比較優(yōu)勢(shì)的領(lǐng)域并不是沒(méi)有限度。當(dāng)貸款組合中主要的風(fēng)險(xiǎn)敞口存在較高的相關(guān)性并達(dá)到某種限度時(shí)，由集中帶來(lái)的成本節(jié)約因素被相關(guān)性帶來(lái)的更多的組合風(fēng)險(xiǎn)相抵消，此時(shí)繼續(xù)向該領(lǐng)域投放貸款顯然是不經(jīng)濟(jì)的。銀行是經(jīng)營(yíng)風(fēng)險(xiǎn)的行業(yè)，目標(biāo)在于穩(wěn)定而長(zhǎng)期的收益，即損失和風(fēng)險(xiǎn)都控制在可預(yù)期的波動(dòng)范圍內(nèi)。通過(guò)組合風(fēng)險(xiǎn)分析，銀行經(jīng)營(yíng)者可以定量了解自己在某一領(lǐng)域投放貸款是否已經(jīng)過(guò)多，或者在某一并不具有比較優(yōu)勢(shì)的領(lǐng)域也已經(jīng)不知不覺(jué)地積累了大量的組合風(fēng)險(xiǎn)，進(jìn)而確定應(yīng)該尋找哪些與這一領(lǐng)域高度負(fù)相關(guān)的領(lǐng)域進(jìn)行貸款投放以對(duì)沖風(fēng)險(xiǎn)，用以對(duì)沖風(fēng)險(xiǎn)的貸款投放量應(yīng)該是多少。從這個(gè)角度說(shuō)，組合風(fēng)險(xiǎn)分析可以指導(dǎo)銀行制定更為科學(xué)的貸款投放指引。
　　應(yīng)用以風(fēng)險(xiǎn)測(cè)量模型為核心的信貸組合風(fēng)險(xiǎn)管理方法，不僅要調(diào)整銀行風(fēng)險(xiǎn)管理組織結(jié)構(gòu)，完善信貸管理制度，培訓(xùn)信貸管理人員，一項(xiàng)重要的基礎(chǔ)性工作是建立完善的信貸管理數(shù)據(jù)庫(kù)。
　　銀行應(yīng)著手建立一個(gè)完備的內(nèi)部組合風(fēng)險(xiǎn)分析數(shù)據(jù)庫(kù)，在整理歷史數(shù)據(jù)的基礎(chǔ)上，不斷增加動(dòng)態(tài)信息。數(shù)據(jù)庫(kù)中歷史評(píng)級(jí)、違約概率、相關(guān)性等數(shù)據(jù)將用于信貸組合風(fēng)險(xiǎn)管理。數(shù)據(jù)庫(kù)應(yīng)跟蹤該行歷史上所有建立過(guò)聯(lián)系的客戶的信息資料，無(wú)論這個(gè)客戶是否曾經(jīng)從該行獲得過(guò)貸款、貸款是否已經(jīng)完全歸還。在積累一定的歷史數(shù)據(jù)后，可以檢驗(yàn)和修正當(dāng)前的組合風(fēng)險(xiǎn)管理模型，檢驗(yàn)以往貸款決策的適當(dāng)性并修正當(dāng)前的貸款決策機(jī)制。這些歷史數(shù)據(jù)由于具有連續(xù)性和真實(shí)性，某種程度上比銀行當(dāng)前客戶信息更為重要。銀行在設(shè)計(jì)和維護(hù)歷史信息數(shù)據(jù)庫(kù)時(shí)，還應(yīng)當(dāng)吸收外部評(píng)級(jí)機(jī)構(gòu)提供的信息、股票市場(chǎng)提供的信息以及各類統(tǒng)計(jì)咨詢機(jī)構(gòu)提供的信息，不斷豐富信息容量。