VaR在銀行信用風(fēng)險控制中的應(yīng)用研究2500字

1、VaR在銀行信用風(fēng)險控制中的應(yīng)用研究2500字 摘要：如何度量和控制信用風(fēng)險是銀行所面對的一個主要課題，信用風(fēng)險度量方法的研究已取得了長足的進(jìn)展J.P.Morgan的CreditMetrics是基于VaR的新興的信用風(fēng)險度量方法。本文就此方法討論了其在銀行信用風(fēng)險控制中的應(yīng)用，并對其在我國銀行應(yīng)用中存在的問題進(jìn)行了探討。 /html/zongjie/ 關(guān)鍵詞：VaR 信用風(fēng)險；CreditMetrics； 信用等級一、 導(dǎo)言信用風(fēng)險是金融市場上最為基本、最為古老的一類風(fēng)險，也是銀行所面對的基本風(fēng)險之一。90年代后期以來，信用風(fēng)險管理變得更加復(fù)雜，更具挑戰(zhàn)性。銀行也承受著越來越多的信用風(fēng)險，具體

2、表現(xiàn)在：由于銀行業(yè)務(wù)之間競爭加劇，銀行存貸利差持續(xù)縮??；新型金融衍生工具的不斷發(fā)展，其信用風(fēng)險暴露更具不確定性，較之傳統(tǒng)工具更難管理；新興市場的發(fā)展和資產(chǎn)的證券化也加劇了信用風(fēng)險。因此，銀行迫切需要更為有效的定量工具能夠更加精確的度量和控制信用風(fēng)險。近年來，在信用風(fēng)險度量與管理的技巧和科學(xué)研究方面已經(jīng)取得了長足的進(jìn)展。以VaR（Value at Risk）為標(biāo)志的先進(jìn)信用風(fēng)險評估管理技術(shù)的研究，在國際銀行業(yè)正方興未艾。其中，典型的代表為就是J.P.Morgen公司協(xié)同幾家機構(gòu)共同開發(fā)的CreditMetrics模型。二、 模型及其在銀行中的應(yīng)用1997年4月由J.P.Morgen公司和一些合作

3、機構(gòu)（美國銀行、KMV和瑞士聯(lián)合銀行等）共同推出了用于量化信用風(fēng)險管理的金融產(chǎn)品：CreditMetrics模型。CreditMetrics，又稱“信用度量術(shù)”，旨在提供一個進(jìn)行風(fēng)險估值（VaR）的框架,用于諸如貸款和私募債券這樣的非交易性資產(chǎn)的估值和風(fēng)險計算。VaR值用來衡量投資組合風(fēng)險暴露的程度，是指在一段時期內(nèi)，一定的置信水平下，資產(chǎn)或投資組合可能發(fā)生的最壞情況下的損失金額。 /html/zongjie/ 對于貸款來說，由于其不能公開貿(mào)然地進(jìn)行交易，流動性又差，其市場價值和波動性不能直接地觀測到。CreditMetrics方法的創(chuàng)新之處在于，它利用借款人的信用評級；借款人在下一年里評級發(fā)

4、生變化的概率；違約貸款的回收率；貸款或債券市場上的信用風(fēng)險價差和收益率等數(shù)據(jù)，可以為任何非交易性的貸款或債券計算出一組合理的資產(chǎn)價值P和，從而推斷出個別貸款和貸款組合的VaR值。由于考慮了信用評級的變化以及由此而引起的信用價差的變化對于貸款價值的影響，CreditMetrics可以被認(rèn)為是盯市模型。我們使用分析方法，可以求出資產(chǎn)組合價值的均值和方差。當(dāng)投資組合包含多種資產(chǎn)時，要對投資組合價值分布做出假設(shè)。因而，在CreditMetrics方法中，計算投資組合價值分布主要是用模擬方法。模擬方法首先根據(jù)信用轉(zhuǎn)移矩陣確定信用等級發(fā)生變化的臨界資產(chǎn)收益率；然后假定公司資產(chǎn)價值收益服從正態(tài)分布，模擬產(chǎn)生

5、相當(dāng)數(shù)量的資產(chǎn)收益率情景（Scenario），結(jié)合臨界收益率決定每次模擬信用等級變動情況，分別計算投資組合價值；最后得到投資組合價值分布的模擬曲線，根據(jù)該曲線可以計算VaR值。CreditMetrics方法還考慮了投資組合中的不同貸款資產(chǎn)之間的相關(guān)性。為求這個相關(guān)度，該方法首先構(gòu)造國家不同產(chǎn)業(yè)的相關(guān)度模型，使用各個國家證券市場的綜合指數(shù)和行業(yè)指數(shù)來進(jìn)行分析。然后根據(jù)每個債務(wù)人在國家和產(chǎn)業(yè)中的參與程度，來分配權(quán)重。這樣，運用指數(shù)的相關(guān)度和權(quán)數(shù)就可以計算債務(wù)人之間的相關(guān)度了。 / 三、 結(jié)論及展望就目前而言，基于VaR的CreditMetrics方法較VaR市場風(fēng)險測量和管理技術(shù)難度大，還存在一些

6、問題需要進(jìn)一步討論：1 模型中轉(zhuǎn)移概率取自于歷史數(shù)據(jù)平均值，而實際研究表明，轉(zhuǎn)移概率與宏觀經(jīng)濟狀況有直接的關(guān)系，會受到GDP增長、通貨膨脹、失業(yè)率、經(jīng)濟周期等因素的影響。2 在使用模擬方法時，模型假定資產(chǎn)收益服從正態(tài)分布，而實際上資產(chǎn)收益的分布有待進(jìn)一步研究。3 模型中假定企業(yè)資產(chǎn)收益之間的相關(guān)度等于公司證券收益之間的相關(guān)度，這有待進(jìn)一步驗證。模型對這一假定的敏感度很高。4 模型只考慮了信用風(fēng)險，實際上市場風(fēng)險對投資組合價值有很大的影響。應(yīng)用信用度量術(shù)的前提是：存在公平統(tǒng)一的信用評級標(biāo)準(zhǔn)；必須具有豐富的信貸歷史數(shù)據(jù)，據(jù)此才有可能計算各個等級的違約概率及信用等級變化矩陣。所以，CreditMet

7、rics模型在我國商業(yè)銀行中的應(yīng)用也還存在一些操作性的困難：首先，VaR方法最初用于度量市場風(fēng)險，對信用風(fēng)險的評估和定價還處于試用完善階段，需要時間發(fā)展和完善；其次，我國商業(yè)銀行的信用數(shù)據(jù)較少，連續(xù)性和可比性較差，所以目前在信用轉(zhuǎn)換矩陣的生成上存在一定的困難，而且在對模型進(jìn)行返回檢驗的時間規(guī)定上也無法確定；還有，實際中的資產(chǎn)收益的分布多是厚尾的，需要大量的模擬數(shù)據(jù)；最后,我國目前缺少一個準(zhǔn)確的基準(zhǔn)貼現(xiàn)利率。 雖然如此，國外銀行業(yè)的信用風(fēng)險度量與管理方法中有很多值得我們學(xué)習(xí)。從國外銀行業(yè)風(fēng)險管理的實踐和發(fā)展來看，度量信用風(fēng)險是銀行業(yè)內(nèi)部管理和外部監(jiān)管發(fā)展的需要。一些國外的大銀行通過建立全球范圍的信用管理系統(tǒng)，對于整個銀行在不同地區(qū)、不同行業(yè)的信用風(fēng)險暴露進(jìn)行實時監(jiān)控，提高了銀行的風(fēng)險控制能力與資本使用效率。我國商業(yè)銀行信用風(fēng)險管理現(xiàn)在還很不規(guī)范，但是，隨著我國金融改革工作的進(jìn)一步深化和完善，我國商業(yè)銀行貸款市場的數(shù)據(jù)將會越來越完備；同時，隨著VaR方法的進(jìn)一步改進(jìn)和模擬技術(shù)的提高，我國商業(yè)銀行的CreditMetrics模型方法的研究將更加趨于現(xiàn)實，所以目前的CreditMetrics方法的引進(jìn)和研究對我