信用风险是指在金融市场中因为买卖对手信用水平改变或违约而致使经济损失的风险，它是商业银行所面对的非常重要的风险，且主要存在于银行信贷业务之中。现在，国内不少商业银行对于贷款信用风险的管理方法还相对落后，不可以非常不错地应付损失的不确定性，也没办法有效地评估出贷款违约概率及损失水平。而1997年由J.P摩根推出的CreptMetrics模型即能在这一方面给出答案，并可以通过一系列经济指标为银行管理者的信用决策提供依据。下面大家就将对CreptMetrics模型度量与管理银行贷款组合信用风险的每个步骤进行介绍剖析。

1、计算组合中各笔贷款期末的价值分布

CreptMetrics模型觉得贷款的信用风险不止是指债务人违约的可能性，还表现为债务人信用品质改变所可能带来的潜在损失。因此，为了计算组合中贷款期末的价值分布，大家须第一引入信用转移矩阵，它反映了某信用等级之企业一年后转移到其他等级的概率。信用转移矩阵是打造在很多历史数据之上的。表1所示即是标准普尔公司在1981-2001间20年的历史数据上打造的对于BB级企业1年期的信用转移矩阵。

当确定信用转移矩阵之后，大家再配合不同等级所对应的贴现率即能求得某企业贷款在各等级下期末的价值（期限习惯上取一年）。依据CreptMetrics模型，贴现率等于将来零利率收益曲线（一般取对应期限的国债利率）加上用以弥补银行风险与各类营运本钱的信用价差。

假设银行年初向某BB级企业发放五年期贷款，本金100，年利率为7.2%，还款形式为每年固定付息，到期一次还本。则当其年末信用等级降低至B时，结合对应的贴现率（见表2）并通过公式1可以计算出一年后该企业贷款价值V为103.28。而参照前面的信用转移矩阵，这种情况对于BB级企业来讲发生的概率为8.01%。

运用以上的办法，大家即可以求得组合中各笔贷款期末在任一信用等级下的价值，结合有关的信用转移概率，大家便得到了其期末价值的分布。特别的，当处于违约状况时，大家可以参考历史资料中关于违约收购率的数据估计贷款期末的剩余价值。

2、设置资产回报率（R）门槛值

下面，大家需要解决的问题是大家依据什么来评定贷款企业信用等级的改变。CreptMetrics模型针对贷款企业的资产回报率设置了一系列对应等级的门槛值（Z），当企业肯定时段的资产回报率落入某段门槛值区间时，期末即被归入对应的信用等级。其背后的原理为：CreptMetrics模型觉得贷款企业的资产价值反映了其偿债能力，因此企业资产回报率的变化会干扰到其信用水平，该原理基于莫顿（1974）之公司价值模型。CreptMetrics模型假设企业的资产回报服从标准正态分布，则某信用等级与相应的资产回报率门槛值的关系可以由图1表示。参照图1，如当ZCCC

在上述公式中-1（?）代表标准正态分布函数的反函数，?滓为资产回报的波动率，此处P（?）代表BB级企业期末转移到某等级的概率，因此大家可以看到门槛值的设置也打造在信用转移矩阵之上。其他信用等级之资产回报率门槛值的设立可以参照上述办法依此类推。

3、打造贷款企业有关性矩阵

CreptMetrics模型觉得企业之间信用品质的变化是存在内在联系的。比如，一家企业的违约行为可能致使其上游提供商的违约，从而在经济中导致违约的连锁反应。因此，在估计贷款组合信用风险时，大家还须确定贷款企业之间的有关性。CreptMetrics模型运用“资产有关系数”来量化贷款企业之间的有关性，其表达式为：

4、模拟贷款组合期末价值

在以上三步骤的基础上，下面大家就将反复很多地模拟整个贷款组合的期末价值。模拟的次数决定了结果的精准性，大家建议模拟的次数不应少于10000次，而如此庞大的工作量大家可以运用蒙特卡罗模拟技术并借由计算机编程来完成，其整体思路如下。

5、度量并管理贷款组合的信用风险

通过上述反复模拟，大家即可以获得m个贷款组合在期末价值，在此基础上大家便能对贷款的信用风险进行度量和管理。如通过统计学中相应的公式，大家可以求得这m个数据的平均值?滋p及标准差?滓p，而标准差正反映了贷款组合价值的波动幅度，亦即显示了其信用风险。

但因为企业贷款组合的价值并非正态分布的，因此平均值和标准差可能并非度量风险的最好指标。依据CreptMetrics模型，大家还可以用百等分法来评估信用风险。如假设大家通过模拟获得了10000个贷款组合价值的数据，将它降序排列，则倒数第100个数据的值就代表了有1%的概率贷款组合的期末价值会降低到这一水平甚至以下，将它与贷款组合的本钱相比较，其差额即反映了贷款损失的金额。应用如此的办法，大家便能求得在任一置信水平上的贷款组合的信用损失程度。

在上述数据的基础之上，还可以运用CreptMetrics模型求得贷款组合的经济资本与各笔贷款的边际风险等经济指标。经济资本是银行为了预防贷款发生极端损失所可能引发银行破产的风险筹备金，而边际风险则衡量了单笔贷款的风险对组合整体的影响。

以上这类经济指标都能为银行员工的贷款管理决策提供依据。但这里因为篇幅的限制，不作具体的展开。

综上所述，CreptMetrics模型可以较好地度量贷款的信用风险，对于国内商业银行在健全自己信用管理体系的过程中具备较强的借鉴用途。不过因为以下的原因，使得CreptMetrics模型的应用也存在着肯定的限制：需要很多的历史信用数据，而国内的信用评级规范正处于初期阶段，关于企业的信用资料也比较缺少，因此或许会影响CreptMetrics模型在国内的应用。模型本身的局限。

CreptMetrics模型本身的一些假设条件如：觉得只须处于同一等级，所有企业的违约率是一样的，且企业实质违约率等于历史违约率等与现实状况不符，这也会影响模型得出结果的精确性。

因此，在借鉴和运用CreptMetrics模型的过程中，一方面须加快国内信用资料库的健全，其次也要针对现实状况对模型加以改进。