摘要行业差异往往会对客户的违约率产生明显的影响。本文在比较中西方对于行业差异的不同观点基础上，提出了在信用风险模型中体现行业差异的四种处理方法，为国内银行业对待行业差异提供有益的帮助。
一、中西方业界对待行业差异的不同观点
行业差异一直是信用风险管理领域中被重视和重点研究的课题。在对待行业差异的观点上，中西方银行风险管理界始终是存在较大的分歧的。
西方风险管理界的观点认为定量化模型中的行业化差异因素应该控制在最小的范围内，只有那些具有普遍性，而且变化频率较少的行业差异因素才能够放入定量模型中来考虑。某著名咨询公司根据大样本的违约数据案例（包括法国、西班牙和德国的9000个案例）所作的分析也表明即便在模型中设计行业差异化分析，也不能显著而稳定地提高评级模型的风险预测能力（最好的情况是预测能力提高2%，但经常出现预测能力不稳定的情况）。同时新资本协议内部评级法的要求，对于信贷资产的分类也是根据其不同的风险特征来分类的，并没有将行业的差异作为分类的标准。
国内目前的市场化程度在某些行业依然不高，这导致了不同行业之间的差异性要明显高于西方发达国家的情况。因此国内目前对于行业差异分析的观点和做法是倾向于在评级模型中充分考虑行业化差异，典型的方法如：设置行业评级或针对不同行业分别建模等。
笔者认为，首先应当承认国内目前行业差异的客观存在，但模型中的行业差异因素比重不应该过于重要和复杂，这是因为过多的行业差异化评估会产生如下的问题：
——管理层和模型使用者无法记住所有的标准，从而无法有效执行行业差异分析方法；
——模型本身会过于复杂，对模型的精确度太过苛求反而会背道相驰；
——模型的后期的定期维护和更新成本相当高昂；
——大部分国内银行不具备支持行业差异分析的大批量数据基础。
二、信用风险模型中体现行业差异的四种方法
根据笔者在信用风险计量领域的实践经验总结，认为国内银行业对于在信用风险计量模型中体现行业化差异可以有以下四种比较好的方法。
1、 根据不同的行业差异设置不同的财务模型参数
行业差异往往会影响到企业的基本财务结构和经济活动标准，例如：对于存货周转天数这个财务指标，制造型企业由于会较长时间地持有存货，因此往往会明显高于贸易型企业，180天的存货周转天数，对于一个制造型企业来说也许比较正常，但对于一个资产周转很快的贸易性企业来说，也许已经意味着这个企业出现了滞销或流动性问题。因此，我们可以对于诸如此类可以反映不同行业差异的财务指标设计不同的权重、基准比例以及确定不同分数转换参数，反映出行业之间的这种基本财务结构差异。
比如：我们区分制造业和非制造业的样本，观察存货周转换天数和企业违约率之间的关系，可以发现（见图1），这两种行业分类的存货周转天数的分布差异十分明显，对于非制造行业来说，超过60%的客户其存货周转天数小于90天，这是个相对比较安全的区域，这个区域内的客户违约概率相对较小，且保持相对稳定，随着存活周转天数的增加，违约率呈现较快速的上升，180天对于非制造行业来说，已经是很差的情况了。但这种情况在制造性行业里就完全不同，制造性行业通常持有存货较长的时间，因此其存货周转天数的分布范围相对较广，180天对于制造性行业来说，也许只是一个平均水平。所以针对这种差异，我们就有必要区分这两种分类来分别设计不同的分数转换参数，并设置不同的上下限。
这种指标还包括诸如应收帐款周转天数等。一般来说，能体现这种行业差异的财务指标并不很多见，在财务模型中这种差异化处理也应当控制在较小的范围内，否则会使得行业群组划分标准过多，各划分之间的相互交叉关系的影响难以估计，从而导致财务模型显得非常复杂，且预测能力不够稳定。
图1 财务指标的行业差异分析示意图
1、 将行业差异作为一个风险因素，对行业前景做出前瞻性的判断
不少银行通常处理行业差异的方法是对行业进行评级，对于国内商业银行来说，使用这种方法主要存在两个问题：一是国内大部分商业银行（特别是较年轻的中小型商业银行）无法提供足以支持行业评级的历史数据；二是这种方法对于后期的维护和定期更新的要求很高，需要富有经验的专业团队来承担。鉴于此，一种简化的替代方法是以对行业前景的前瞻性主观展望来体现行业的差异。
行业前景的展望基于信贷人员对于行业的未来发展的主观判断，考察的因素主要包括：
- 经济周期对不同行业产生的不同影响
- 各行业所处的不同产品周期阶段
- 行业的不同战略形势变化 (比如技术更新，核心资源的价格变化)
- 政府政策和法规
2、 在模型的人工调整部分，根据不同行业进行差异化的评估
巴塞尔新资本协议中对于评级模型的结构作了明确的要求，其中特别强调人工主观经验的重要作用。
“信用评分模型及其他技术评级程序一般仅采用一部分信息来评级。尽管技术评级程序有时可以避免一些以主观判断为主的评级体系所犯的错误，但技术评级程序机械性地采用有限的信息进行评级也是评级产生误差的原因。
信用评分模型和其他技术程序可作为评级的主要基础或部分基础，在评估损失特征中发挥作用。然而必须要有足够的主观判断和人工监控，以保证所有相关和重要的信息，包括模型以外的信息均得以考虑，同时确保模型的正确使用。”
由于人工调整部分包含较多的主观经验，因此更适合对行业的差异化进行评估和调整。具体来说，人工调整部分可以包括以下几部分：预警信号的判断、外部支持的影响（包括政府、母公司或关联公司等）以及主观的评级推翻等部分。
针对预警信号的判断，可以对不同行业设置不同的预警标准，这种方法类似于前面第一种方法，比如：我们将应付帐款周转天数过长作为一个预警信号，数据分析表明，对于制造型企业来说，我们可以设置270天的信号触发临界值，而对于非制造性企业来说，这个临界值可以下调到180天。
外部支持方面，对于某些行业需要特别给出提示，例如：对于贸易性企业来说，关联公司之间的关系错综复杂，就需要给出特别的提示，提醒信贷人员注意风险；又比如：大型的垄断企业往往具有深厚的政府支持背景，虽然这种支持很难以明确的方式给出定义，但这种支持对于企业来说往往是具有决定意义的，因此，需要在政府支持方面给与适当的考虑。
另外，对于一些特殊的行业差异因素，可以选择在人工主观推翻评级中对客户评级进行适当的推翻，以使得评级更能真实地反映行业因素对于客户风险状况的影响。
1、 针对某些特殊行业，模型可以对评级进行自动校正
一般来说，限于数据的数量和质量，银行开发的评级模型往往具有通用性，能够覆盖尽可能多的客户类型和行业类别。这种做法的好处在于能够以统一的标准衡量客户的风险，而且模型的开发、维护成本较低。当然这样的做法不可避免会使得一些特殊的行业类型客户因为不适用模型的风险因素衡量标准而发生评级的偏差。比如：很多地方国资委下属的城市投资开发公司，他们主要承担城市基础设施和市政项目的投资开发，报表上体现的主营业务收入少得可怜，但他们的资金来源主要是地方财政的拨款和投资收益，资产规模往往比较庞大。这样的企业如果用通用的以企业盈利能力为主要考核内容的财务评级模型来评级的话，往往会被评到较差的级别，模型提示有较大的风险，这对于其中规模实力较为雄厚的省级或直辖市级城市投资开发公司来说，是过于悲观的。因此有必要设定一些标准，针对其中一部分被低估的企业，修正模型的评级，让模型作自动的校正。
这种方法比较适合于小规模的特殊行业，用于对模型评级的补充调整，当然这种方法的使用同样不易过多，否则会使得模型的结构过于复杂。
三、行业差异分析中应当注意的问题
行业差异的分析往往是一柄“双刃剑”，差异分析的复杂度会随着分析的精细度提高而快速提高，这对于银行的人员和技术要求都会相当之高。笔者在此对于行业差异分析中应当注意的问题提出如下一些有用的建议：
1、 行业应当重新归并和分组，减少分析的复杂度和干扰因素。
行业的定义和分类始终是行业差异分析中无法回避的难点问题。如何定义一个具体的行业范围？差异分析应该基于什么样的行业分类层次？例如，根据国家标准的行业分类，一级门类就有20个分类，二级大类有95个，三级中类接近400个。直接按照这些分类来进行行业差异分析将是一项复杂的庞大工程，很少有银行能够做到，即使勉强做到，由于分类过于细致，会出现较多干扰因素，其效果也不见得理想，同时维护和更新的成本会相当高昂。而且这些分类一般来说都是根据企业的经济活动范围来分类的，并不能反映出我们感兴趣的企业基本财务结构上的差异。因此，有必要对行业进行归并和重新分组，以减少分析的复杂度和干扰因素。笔者建议，对于行业的分类一般应在3-6个为宜，分组的依据应当是能体现企业财务结构根本性差异的指标，例如：资本密集度（固定资产/总资产）指标，按照资本密集度指标划分四个行业的结果如图2所示。我们可以看到四个行业群组在资本密集度上的分布完全不同，以这种群组划分作为行业差异分析的基础能够更好地体现企业基本财务结构上的差异。
图2 行业分组示意图
2、行业差异分析的深度和复杂度应当与银行的规模和技术实力相匹配。
目前，定量化的行业差异模型在国内银行界仍然还没有达到成熟的应用地步，至少对于大部分中小型商业银行来说是这样，一方面它们不具备海量的数据基础，另一方面无论在人才配备和技术实力上都不具备进行深入的定量化行业差异分析的能力，因此，笔者认为行业差异的分析应当量力而行，选择适合银行自身规模和实力的最经济的做法，我们的目标是能够使得对客户风险的评估较为准确，如果能够以较为简便、经济的方式达到目标的话，这才是比较理想的做法。
3、 改进信贷政策和流程的效率和功能，承担更多行业差异分析的职能。
笔者认为行业差异分析应当更多地由信贷政策和流程来承担，主要原因是：行业的定义和分类难以统一，模型难以识别；行业的整体景气情况变化较快，同时政府对于行业的支持和限制政策往往也变化很快，模型的反应往往存在滞后现象。建立和完善的信贷政策体系和合理高效的信贷流程是有效解决以上问题的最佳途径。客户经理和审查人员的信贷经验在这种时候往往能够起到重要的作用。同时，银行整体的风险偏好度的设置也是对行业选择和差异分析的整体参考依据。
彩蛋时间：
世界最贵名画大盘点。
第五名是保罗高更的《你何时嫁人》，估值2.22亿美元。
第四名是保罗塞尚的《玩纸牌者》，估值2.78亿美元。
第三名是威廉德库宁的《交换》，估值3.17亿美元。
第二名是达芬奇的《救世主》，不知道大家有没有印象，是近期才被发现的，估值4.6亿美元。
第一名当然是达芬奇的《蒙娜丽莎的微笑》了，估值是8.3亿美元！
联系客服
