文档介绍：
中外银行业贷款分类比较论文
一、国际银行业贷款分类方法
根据巴塞尔银行业监督委员会的调研报告，目前国际银行界关于风险分类的方法可归为三类：
打分卡、信用打分模型、违约模型以及KMV公司的信用经理人模型等，均属于以统计为基础的方法。为构建模型，首先要识别能够反映违约概率的财务变量，并运用历史数据估计每一个变量对违约的影响程度，即变量的系数。然后，将要考察的贷款有关数据输入模型，得出该笔贷款的违约概率，进而得出相对应的贷款等级。这些方法大多是用于一些中小客户，少数银行用于大客户。
同上述纯粹的自动处理方法相比，有些银行的分类以统计方法为基础，但是允许分类人员对分类结果依据一些判断因素，按照一定的规则，进行一定程度的调整。具体实现方式有两种：一种是首先利用打分模型得出分类结果，然后分类人员对分类结果依据一些判断因素，按照一定的规则，进行一定程度的调整，最后得出最终的分类结果；另一种是将所有要考虑的定量因素和定性因素都分别赋予一个最高的分值，用于有效地限制某一具体因素对分类结果的影响程度。
，。总之，采用这种无任何客观约束的专家判断方法，在所有情况下，评级人员在进行评级时有权偏离统计模型的评级结果。
二、花旗银行贷款分类做法
花旗银行风险管理体系的核心即是其内部评级系统，应当说花旗银行的内部评级系统技术领先，功能完善，不仅拥有和处理了大量的样本和数据，而且使用了计量经济学、统计学和计算机等领域的先进的科研成果。正是依靠这一系统，花旗银行得以进行有效的风险分析和管理，确保其各项业务的安全、有效。
花旗银行风险评级体系由客户评级和债项评级构成。其中客户评级是通过使用验证过的统计模型(债务评级模型)、外部评级机构打分模型或主观判断方法得出的。债项评级使用客户评级结果作为起点，然后再考虑其他一些影响贷款损失的因素.
债务评级模型(DebtRatingModels)是花旗银行自有的。基于统计的信用风险模型，建立于大量的数据和经验基础之上。该模型从1990年开始使用，到目前已经过15年的检验和数据提炼，模型目标是在不同的地区和不同的行业之间，在缺乏有效的资本和股票市场的情况下，在缺乏外部评级的情况下，采用一致的评级框架评估借款人的信用风险，，把风险评级和客观的损失度量联系起来。花旗银行还建立了自己的预警体系。据介绍，其预警体系较早地对安然事件、，(IGD)作为债务评级模型的一部分，对贷款违约时的损失进行了度量。