信用風(fēng)險管理課件

1、本章內(nèi)容安排：第一節(jié) 信用風(fēng)險概述第二節(jié) 信用風(fēng)險度量方法第三節(jié) 信用風(fēng)險管理方法第八章 信用風(fēng)險管理1本章內(nèi)容安排：第八章 信用風(fēng)險管理1第一節(jié) 信用風(fēng)險概述本節(jié)內(nèi)容安排：一、信用風(fēng)險的概念二、信用風(fēng)險的特征三、信用風(fēng)險管理的特點四、現(xiàn)代信用風(fēng)險的成因2第一節(jié) 信用風(fēng)險概述本節(jié)內(nèi)容安排：2一、信用風(fēng)險的概念1、傳統(tǒng)的觀點認為信用風(fēng)險是指債務(wù)人未能如期償還其債務(wù)造成違約而給經(jīng)濟主體經(jīng)營帶來的風(fēng)險。傳統(tǒng)的信用風(fēng)險主要來自于商業(yè)銀行的貸款業(yè)務(wù)，主要產(chǎn)生于信貸業(yè)務(wù)；資產(chǎn)業(yè)務(wù)中借款人不按時還本付息引起的資產(chǎn)質(zhì)量惡化負債業(yè)務(wù)中存款人大量提取形成擠兌，加劇支付困難表外業(yè)務(wù)中的交易對手違約引起或有負債轉(zhuǎn)化為

2、表內(nèi)負債然而，隨著金融市場的發(fā)展，越來越多的企業(yè)發(fā)行公司債券(企業(yè)債),因此影響發(fā)債人的信用事件發(fā)生，如信用等級下降，盈利能力下降，造成債券跌價，給投資者帶來損失；因此信用風(fēng)險的概念產(chǎn)生了變化。3一、信用風(fēng)險的概念1、傳統(tǒng)的觀點認為信用風(fēng)險是指債務(wù)人未能如2、現(xiàn)代意義上的信用風(fēng)險不僅包括直接的違約風(fēng)險，還包括由于借款人或市場交易對手信用狀況和履約能力的變化導(dǎo)致其債務(wù)的市場價值變動而引起損失的可能性。一方面導(dǎo)致所發(fā)行債券價格變動；另一方面，在信用衍生品市場上的信用產(chǎn)品的市值價格變動42、現(xiàn)代意義上的信用風(fēng)險不僅包括直接的違約風(fēng)險，還包括由于借二、信用風(fēng)險的特征與市場風(fēng)險相比，信用風(fēng)險具有以下特點

3、：1、風(fēng)險概率分布的可偏性2、悖論(credit paradox)現(xiàn)象3、信用風(fēng)險數(shù)據(jù)的獲取困難5二、信用風(fēng)險的特征與市場風(fēng)險相比，信用風(fēng)險具有以下特點：51、風(fēng)險概率分布的可偏性 企業(yè)違約的小概率事件以及貸款收益和損失的不對稱，造成了信用風(fēng)險概率分布的偏離。 市場價格的波動是以其期望為中心的，主要集中于相近的兩側(cè)，通常市場風(fēng)險的收益分布相對來說是對稱的，大致可以用正態(tài)分布曲線來描述。 相比之下，信用風(fēng)險的分布是不對稱的，而是有偏的，收益分布曲線的一端向左下傾斜，并在左側(cè)出現(xiàn)肥尾現(xiàn)象。61、風(fēng)險概率分布的可偏性6這種特點是由貸款信用違約風(fēng)險造成的：貸款的收益是固定和有上限的，它的損失則是變化的

4、和沒有下限的。另一方面，銀行不能從企業(yè)經(jīng)營業(yè)績中獲得對等的收益，貸款的預(yù)期收益不會隨企業(yè)經(jīng)營業(yè)績的改善而增加，相反隨著企業(yè)經(jīng)營業(yè)績的惡化，貸款的預(yù)期損失卻會增加。銀行在貸款合約期限有較大的可能性收回貸款并獲得事先約定的利潤，但貸款一旦違約，則會使銀行面臨相對較大規(guī)模的損失，這種損失要比利息收益大很多。7這種特點是由貸款信用違約風(fēng)險造成的：72、悖論(credit paradox)現(xiàn)象與市場風(fēng)險相比，信用風(fēng)險管理存在著信用悖論現(xiàn)象。理論上講，當銀行管理存在信用風(fēng)險時應(yīng)將投資分散化，多樣化，防止信用風(fēng)險集中。然而在實踐中由于客戶信用關(guān)系，區(qū)域行業(yè)信息優(yōu)勢以及銀行貸款業(yè)務(wù)的規(guī)模效應(yīng)，使得銀行信用風(fēng)險

5、很難分散化。82、悖論(credit paradox)現(xiàn)象83、信用風(fēng)險數(shù)據(jù)的獲取困難由于信用資產(chǎn)的流動性較差，貸款等信用交易存在明顯的信息不對稱性以及貸款持有期長、違約事件頻率少等原因，導(dǎo)致信用風(fēng)險數(shù)據(jù)獲取困難，進而導(dǎo)致信用風(fēng)險定價模型有效性檢驗的困難。正是因為這些特點，信用風(fēng)險的衡量比市場風(fēng)險的衡量困難得多，信用風(fēng)險的定價研究滯后于市場風(fēng)險量化研究。93、信用風(fēng)險數(shù)據(jù)的獲取困難9三、現(xiàn)代信用風(fēng)險的成因信用風(fēng)險的成因是信用活動中的不確定性。不確定性包括“外在不確定性”和“內(nèi)在不確定性”兩種。外在不確定性來自于經(jīng)濟體系之外，是經(jīng)濟運行過程中的隨機性、偶然性的變化或不可預(yù)測的趨勢，如宏觀經(jīng)濟走勢

6、、市場資金供求狀況、政治局勢等（系統(tǒng)性風(fēng)險）內(nèi)在不確定性來自于經(jīng)濟體系之內(nèi)，由行為人主觀決策及獲取信息的不充分性等原因造成，帶有明顯的個性特征。如，企業(yè)的管理能力、產(chǎn)品的競爭能力、生產(chǎn)規(guī)模等都直接關(guān)系到其履約能力（非系統(tǒng)性風(fēng)險）10三、現(xiàn)代信用風(fēng)險的成因信用風(fēng)險的成因是信用活動中的不確定性。 信用風(fēng)險的廣泛存在是現(xiàn)代金融市場的重要特征 金融事件1994年，墨西哥政府將其貨幣貶值40%；1994年，法國里昂信貸銀行從事房地產(chǎn)產(chǎn)業(yè)的投機虧損達到123億法郎，出現(xiàn)500億法國法郎的呆賬和壞賬；2019年，日本大和銀行約紐分行從事美國國債期貨失敗，損失11億美元； 巴林銀行事件。新加坡交易員從事日經(jīng)指

7、數(shù)期貨交易失敗，導(dǎo)致百年老店關(guān)門倒閉；2019年東南亞金融危機，首先由泰國泰銖貶值引起，其次傳染到馬來西亞，非律賓，印尼，韓國，日本；2019年，俄羅斯宣布延期償還到期的德國債務(wù)，導(dǎo)致德國長期國債利率上升，因此導(dǎo)致著名的LTCM(長期信用資本管理公司)倒閉；11 信用風(fēng)險的廣泛存在是現(xiàn)代金融市場的重要特征11中國的金融市場上信用風(fēng)險 國內(nèi)事件2019年2月，中國農(nóng)村發(fā)展信托有限公司由于經(jīng)營違規(guī)，虧損巨大，被中央銀行宣布解散；2019年6月，海南發(fā)展銀行由于不良貸款較高，使得銀行難以繼續(xù)經(jīng)營；2019年2月，廣東國際信托投資公司被清算；“廣國投”的破產(chǎn)至少說明：由政府統(tǒng)制金融并對金融實行“大包大

8、攬”的時代已經(jīng)正式宣告結(jié)束，而中國金融業(yè)的所有制改革和結(jié)構(gòu)調(diào)整也將真正由此開始。這宗案件是我國首宗非銀行金融機構(gòu)破產(chǎn)案；中航油事件(新加坡)，這家新加坡上市公司因石油衍生產(chǎn)品交易總計虧損5.5億美元。凈資產(chǎn)不過1.45億美元的中航油(新加坡)因之嚴重資不抵債，已向新加坡最高法院申請破產(chǎn)保護。國內(nèi)外債權(quán)銀行數(shù)10家牽涉其中。12中國的金融市場上信用風(fēng)險 國內(nèi)事件12信用風(fēng)險與利率風(fēng)險、匯率風(fēng)險的顯著區(qū)別？ 是否產(chǎn)生意外收益利率風(fēng)險和匯率風(fēng)險是因為利率、匯率的波動性導(dǎo)致的損失，是可以帶來收益的； 信用風(fēng)險的一般不會帶來收益，而且損失是巨大的；匯率變化或利率風(fēng)險可能導(dǎo)致信用風(fēng)險發(fā)生；13信用風(fēng)險與利

9、率風(fēng)險、匯率風(fēng)險的顯著區(qū)別？13信用風(fēng)險與信貸風(fēng)險的區(qū)別？兩者主體一致，均是由債務(wù)人信用狀況發(fā)生變動給銀行經(jīng)營帶來的風(fēng)險；不同點在于其所包含的金融資產(chǎn)的范圍，貸款風(fēng)險、還包括表內(nèi)、表外業(yè)務(wù)，如貸款承諾、證券投資、金融衍生工具中的風(fēng)險。14信用風(fēng)險與信貸風(fēng)險的區(qū)別？14四、信用風(fēng)險造成的損失 信用風(fēng)險可能給交易者帶來直接的損失 貸款不能按時回收； 貸款的利息不能按時回收； 貸款延遲還款；信用風(fēng)險可能給交易者帶來潛在的損失 由于信用風(fēng)險損失巨大，遭到嚴厲監(jiān)管； 信用風(fēng)險損失巨大，銀行自己的股票價格或者債券價格下降遭受的損失； 信用風(fēng)險損失巨大，導(dǎo)致自己評級下降，從而影響自己形象等；15四、信用風(fēng)險

10、造成的損失 信用風(fēng)險可能給交易者帶來直接的損失1第二節(jié) 信用風(fēng)險度量方法本節(jié)內(nèi)容安排：一、傳統(tǒng)的信用風(fēng)險度量方法（一）專家系統(tǒng)（二）信用評級方法（三）信用評分方法二、現(xiàn)代信用風(fēng)險度量模型（一）信用監(jiān)控模型（credit monitor model,KMV）（二）CreditMetrics模型（三）宏觀模擬方法（麥肯錫模型）（四）保險方法（五）基于神經(jīng)網(wǎng)絡(luò)的模型（六）現(xiàn)代風(fēng)險度量模型方法的比較16第二節(jié) 信用風(fēng)險度量方法本節(jié)內(nèi)容安排：16傳統(tǒng)信用分析方法5C分類法評級方法現(xiàn)代信用計量模型圍繞違約風(fēng)險建模Creditmetrics圍繞公司價值建模KMV模型評分方法定性定量17傳統(tǒng)信用分析方法5C分

11、類法評級方法現(xiàn)代信用計量模型圍繞違約風(fēng)傳統(tǒng)的信用風(fēng)險度量方法主要包括以下三種方法：（一）專家系統(tǒng)（二）信用評級方法（三）信用評分方法18傳統(tǒng)的信用風(fēng)險度量方法主要包括以下三種方法：18（一）專家系統(tǒng)專家系統(tǒng)是一種最古老的信用風(fēng)險分析方法，是商業(yè)銀行在長期的信貸活動中所形成的一種行之有效的信用分析和管理制度。最大的特征：銀行信貸的決策權(quán)是由該機構(gòu)經(jīng)過長期訓(xùn)練、具有豐富經(jīng)驗的信貸人員所掌握，并由他們作出是否貸款的決定。因此信貸官的專業(yè)知識、主觀判斷以及某些要考慮的關(guān)鍵因素權(quán)重均為最主要的決定因素。19（一）專家系統(tǒng)專家系統(tǒng)是一種最古老的信用風(fēng)險分析方法，是商業(yè)1、專家系統(tǒng)主要內(nèi)容 在該系統(tǒng)下，盡管

12、各商業(yè)銀行對貸款申請人進行信用分析所涉及的內(nèi)容不盡相同，但大多集中在借款人的“5C”，即：（1）品德與聲望（Character）：對企業(yè)聲譽的一種度量，考察其償債意愿和償債歷史。基于經(jīng)驗可知，一家企業(yè)的年齡是其償債聲譽的良好替代指標。201、專家系統(tǒng)主要內(nèi)容20（2）資格與能力（Capacity）：具體考察借款人是否具有申請貸款及簽署貸款協(xié)議的資格及合法權(quán)利，其次是經(jīng)營管理能力和還款能力。還款能力可通過借款人的收益變動狀況考察，即使在一段時間里還款穩(wěn)定，但若收益狀況變化很大的話，就可能會有一些時期還款能力受到影響。（3）資金實力(Capital or Cash)：主要指借款人資財?shù)膬r值、性質(zhì)、

13、變現(xiàn)能力等。1.要注重借款人在還本付息期間、是否有足夠的現(xiàn)金流量來償還貸款；2.要考察借款人股東的股權(quán)分布狀況及財務(wù)杠桿狀況，這些可作為反映借款人能否倒閉的重要預(yù)警指標，如高杠桿性意味著比低杠桿有更高的破產(chǎn)概率。21（2）資格與能力（Capacity）：具體考察借款人是否具有（4）擔(dān)保（Collateral）：主要指抵押品和保證人。1，對抵押品，應(yīng)特別注意其價值、已使用年限、專業(yè)化程度、市場流動性、是否擔(dān)保等，如技術(shù)上已過時、專業(yè)化程度高、不易出售轉(zhuǎn)讓，則價值有限；2，對保證人，應(yīng)考察其是否具有擔(dān)保資格、其資金實力及其提供的抵押品等（5）經(jīng)營條件和商業(yè)周期（Condition）：主要指企業(yè)自身

14、經(jīng)營狀況和其外部的經(jīng)營環(huán)境。企業(yè)所處的商業(yè)周期，是決定信用風(fēng)險損失的一項重要因素，特別是對于那些受周期決定和影響的產(chǎn)業(yè)而言。為此，銀行應(yīng)注意收集并建立有關(guān)檔案，以便掌握產(chǎn)業(yè)及整個商業(yè)周期的變動情況，好采取必要措施應(yīng)變準備22（4）擔(dān)保（Collateral）：主要指抵押品和保證人。11、專家系統(tǒng)主要內(nèi)容也有些銀行將信用分析的內(nèi)容歸納為“5W”或“5P”?！?W”是指借款人（who）、借款用途(why)、還款期限（when）、擔(dān)保物（what）、如何還款（how）；“5P”是指個人因素（personal）、目的因素（purpose）、償還因素（payment）、保障因素（protection）、

15、前景因素（perspective）。231、專家系統(tǒng)主要內(nèi)容232、專家制度存在的缺陷和不足主要表現(xiàn)在：（1）需要相當數(shù)量的專門信用分析人員，分析過程成本高，效率低下。（2）實施效果很不穩(wěn)定。（依賴具有專門知識的信貸官)（3）與銀行在經(jīng)營管理中的官僚主義方式緊密相聯(lián)，大大降低了銀行應(yīng)對市場變化的能力。 （4）加劇了銀行在貸款組合方面過度集中的問題，使銀行面臨著更大的風(fēng)險。（5）對借款人進行信用分析時，難以確定共同遵循的標準，造成信用評估的主觀性、隨意性和不一致性。(每個C的權(quán)重有很大差異） 242、專家制度存在的缺陷和不足主要表現(xiàn)在：24（二）信用評級方法信用評級法又叫OCC法，是因為這一方法

16、是由美國貨幣監(jiān)理署（OCC）最早開發(fā)出來的。美國貨幣監(jiān)理署（OCC）的評級方法將現(xiàn)有的貸款組合歸入五類： 貸款級別損失準備金率（%）低質(zhì)量級別特別關(guān)注的其他資產(chǎn)0未達標準的資產(chǎn)20可疑資產(chǎn)50損失資產(chǎn)100高質(zhì)量級別合格/可履約025（二）信用評級方法信用評級法又叫OCC法，是因為這一方法是由多年以來，銀行家已擴展了OCC的評級方法，開發(fā)出內(nèi)部評級方法。更細致地進一步劃分合格/可履約貸款的評級類別。在任何給的的時刻，一些合格的或可履約的貸款總是有可能違約的，所以應(yīng)該針對這些貸款持有一些準備金，即使很低（0.2%）。目前信用評級法一般將企業(yè)貸款信用分為19或110個級別。 它是根據(jù)企業(yè)相關(guān)指標的

17、好壞將企業(yè)貸款信用分為若干等級。 1-6級對應(yīng)于OCC的合格級別26多年以來，銀行家已擴展了OCC的評級方法，開發(fā)出內(nèi)部評級方法貸款評級與債券評級的對應(yīng)貸款級別債券評級風(fēng)險程度1AAA最小2AA溫和3A平均（中等）4BBB可接受5BB可接受但要予以關(guān)注6B管理性關(guān)注7CCC特別關(guān)注8CC未達到標準9C可疑10D損失27貸款評級與債券評級的對應(yīng)貸款級別債券評級風(fēng)險程度1AAA最小該方法的主要缺陷是：基本局限于定性分析，雖然也運用了許多財務(wù)分析指標，但指標的風(fēng)險權(quán)重等沒有明確，沒有建立多變量指標的不同權(quán)重評價體系。28該方法的主要缺陷是：基本局限于定性分析，雖然也運用了許多財務(wù)（三）信用評分方法信

18、用評分方法主要包括兩種模型1、Z評分模型2、ZETA評分模型29（三）信用評分方法信用評分方法主要包括兩種模型291、Z評分模型 Z評分模型的主要內(nèi)容：美國紐約大學(xué)斯特商學(xué)院教授阿爾特曼提出的Z評分模型是根據(jù)數(shù)理統(tǒng)計中的辨別分析技術(shù)，對銀行過去的貸款案例進行統(tǒng)計分析，選擇一部分最能夠反映借款人的財務(wù)狀況，對貸款質(zhì)量影響最大、最具預(yù)測或分析價值的比率，設(shè)計出一個能最大程度地區(qū)分貸款風(fēng)險度的數(shù)學(xué)模型（也稱之為判斷函數(shù)），對貸款申請人進行信用風(fēng)險及資信評估。301、Z評分模型30理論基礎(chǔ)：貸款企業(yè)的破產(chǎn)概率大小與其財務(wù)狀況高度相關(guān)。Z計分模型的本質(zhì)：破產(chǎn)預(yù)測模型方法：復(fù)合判別分析（Multiple

19、Discriminant Analysis，MDA）?；舅枷耄号袆eMDA能將貸款企業(yè)區(qū)分為不會破產(chǎn)和破產(chǎn)兩類。31理論基礎(chǔ)：貸款企業(yè)的破產(chǎn)概率大小與其財務(wù)狀況高度相關(guān)。31Z模型建模步驟(1)、選取一組最關(guān)鍵的、最具有區(qū)別能力的財務(wù)指標，即這些指標具有如下性質(zhì)在還本付息組和呆滯、呆賬組之間差異顯著指標穩(wěn)定性好，在組內(nèi)沒有差異(2)、從銀行過去的貸款資料中收集過去已還本付息和呆滯、呆賬的企業(yè)的有關(guān)財務(wù)數(shù)據(jù)（比率），每大類可按行業(yè)或貸款性質(zhì)、貸款方式再細分(3)、根據(jù)各行業(yè)實際情況，科學(xué)地確定每一比率的權(quán)重，權(quán)重主要根據(jù)該比率對借款還本付息的影響程度確定32Z模型建模步驟(1)、選取一組最關(guān)鍵的

20、、最具有區(qū)別能力的財務(wù)(4)、建立判別方程（線性）若ZZ0（某一預(yù)先確定的Z值），判定該公司財務(wù)狀況良好或其風(fēng)險水平可被銀行接受；否則意味著該公司可能無法按時還本付息，甚至破產(chǎn)Z值越大，資信越好；Z值越小，風(fēng)險越大33(4)、建立判別方程（線性）若ZZ0（某一預(yù)先確定的Z值）阿爾特曼確立的分辨函數(shù)為：Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5 或 Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5其中，X1：流動資本/總資產(chǎn)（WC/TA）；X2：留存收益/總資產(chǎn)（RE/TA）；X3：息前、稅前收益/總資產(chǎn)（EBIT/TA）； X4：股權(quán)市

21、值/總負債帳面值（MVE/TL）；X5：銷售收入/總資產(chǎn)（S/TA）。這兩個公式是相等的，只不過權(quán)重的表達形式不同，前者用的是小數(shù)，后者用的是百分比，第五個比率是用倍數(shù)來表示的，其相關(guān)系數(shù)不變。數(shù)據(jù)：33家破產(chǎn)組，33家非破產(chǎn)組最初設(shè)計模型時列舉了22個變量，最好經(jīng)過反復(fù)篩選確立了5個34數(shù)據(jù)：33家破產(chǎn)組，33家非破產(chǎn)組最初設(shè)計模型時列舉了22個阿爾特曼經(jīng)過統(tǒng)計分析和計算最后確定了借款人違約的臨界值：Z0=2.675。如果Z2.675，借款人被劃入違約組；如果Z2.675，則借款人被劃為非違約組。當1.81Z2.99結(jié)論：可以給該企業(yè)貸款。36例：某申請貸款的企業(yè)主要財務(wù)比率如下：365個指

22、標的解釋：X1：流動資金/總資產(chǎn)。用來衡量一家公司在一定數(shù)量的總資本下其流動性資金數(shù)量大小的指標，反映其流動性狀況。其中的流動資金是流動資產(chǎn)和流動負債的差額X2：留存收益/總資產(chǎn)。反映一家公司累積的盈利能力。該比率會出現(xiàn)對新企業(yè)排斥的問題（壽命短），但新企業(yè)也易倒閉X3：息前、稅前收益/總資產(chǎn)。測定企業(yè)資產(chǎn)盈利水平的指標，它不受稅收和財務(wù)杠桿因素的制約，可用來說明企業(yè)是否能夠長期穩(wěn)健地生存下去。375個指標的解釋：37X4：股權(quán)市值/總負債賬面值。反映借款人負債額超過其資產(chǎn)額之前以及破產(chǎn)之前，公司資產(chǎn)價值（股權(quán)市值+債務(wù)額）能夠下降的程度。如，一家公司有1000美元的股權(quán)市值和500美元的債務(wù)

23、額，則在破產(chǎn)之前有其2/3的資產(chǎn)價值下降空間（資產(chǎn)總額=1000美元+500美元，其2/3為1000美元）X5：銷售收入/總資產(chǎn)。又稱資本周轉(zhuǎn)率，說明該公司產(chǎn)生銷售收入的能力，同時也反映公司管理層應(yīng)對市場、參與競爭的能力38X4：股權(quán)市值/總負債賬面值。反映借款人負債額超過其資產(chǎn)額之私人控股企業(yè)的Z評分模型由于私人控股企業(yè)與大眾公司在各方面存在很大差距，故阿爾特曼對原始Z評分模型進行了修改 Z=0.717X1+0.847X2+3.107X3+0.420X4+0.998X5X4的分子股權(quán)市值改成股權(quán)的賬面值未知區(qū)域為1.232.939私人控股企業(yè)的Z評分模型39對非制造業(yè)企業(yè)適用的Z評分模型沒有

24、X5變量的4變量模型，即： Z=6.56X1+3.26X2+6.72X3+1.05X4X4的分子股權(quán)市值改成股權(quán)的賬面值40對非制造業(yè)企業(yè)適用的Z評分模型402、ZETA評分模型的主要內(nèi)容：ZETA信用風(fēng)險模型（ZETA Credit Risk Model）是繼Z模型后的第二代信用評分模型 ，變量由原始模型的五個增加到了7個，適應(yīng)范圍更寬，對不良借款人的辨認精度也大大提高。模型中的7個變量是：資產(chǎn)收益率（息前、稅前收益/總資產(chǎn)）、收益穩(wěn)定性指標(資產(chǎn)收益率在5年或10年中變化的標準差) 、債務(wù)償付能力指標（息前、稅前收益/總利息支付額）、累計盈利能力指標（留存收益/總資產(chǎn))、流動性指標（流動資

25、產(chǎn)/流動負債）、資本化程度的指標（普通股5年平均市場價值/長期資本總額）、規(guī)模指標（企業(yè)總資產(chǎn)的對數(shù)）。412、ZETA評分模型的主要內(nèi)容：413、Z評分模型和ZETA評分模型存在的主要問題（1）兩個模型都依賴于財務(wù)報表的帳面數(shù)據(jù)，而忽視日益重要的各項資本市場指標，這就必然削弱預(yù)測結(jié)果的可靠性和及時性；（2）由于模型缺乏對違約和違約風(fēng)險的系統(tǒng)認識，理論基礎(chǔ)比較薄弱，從而難以令人信服；4242（3）兩個模型都假設(shè)在解釋變量中存在著線性關(guān)系，而現(xiàn)實的經(jīng)濟現(xiàn)象是非線性的，因而也削弱了預(yù)測結(jié)果的準確程度，使得違約模型不能精確地描述經(jīng)濟現(xiàn)實；（4）兩個模型都無法計量企業(yè)的表外信用風(fēng)險，另外對某些特定行業(yè)

26、的企業(yè)如公用企業(yè)、財務(wù)公司、新公司以及資源企業(yè)也不適用，因而它們的使用范圍受到較大限制。4343二、現(xiàn)代信用風(fēng)險度量模型（一）信用監(jiān)控模型（KMV）（二）信用風(fēng)險的矩陣模型（三）宏觀模擬方法（麥肯錫模型）（四）保險方法（五）基于神經(jīng)網(wǎng)絡(luò)的模型（六）現(xiàn)代風(fēng)險度量模型方法的比較44二、現(xiàn)代信用風(fēng)險度量模型（一）信用監(jiān)控模型（KMV）44（一）信用監(jiān)控模型（KMV）1、 KMV模型期權(quán)推理分析法期權(quán)推理分析法(Option-theoretic approach)指利用期權(quán)定價理論對風(fēng)險債券和貸款的信用風(fēng)險進行度量 。最典型的就是美國舊金山市KMV公司創(chuàng)立的違約預(yù)測模型信用監(jiān)測模型(Credit Mo

27、nitor Model)。KMV模型適用于上市公司和上市銀行的信用風(fēng)險預(yù)測45（一）信用監(jiān)控模型（KMV）1、 KMV模型期權(quán)推理分析該模型使用了兩個關(guān)系：其一，企業(yè)股權(quán)市值與它的資產(chǎn)市值之間的結(jié)構(gòu)性關(guān)系；其二，企業(yè)資產(chǎn)市值波動程度和企業(yè)股權(quán)市值的變動程度之間關(guān)系。通過這兩個關(guān)系模型，便可以求出企業(yè)資產(chǎn)市值及其波動程度。一旦所有涉及的變量值被算出，信用監(jiān)測模型便可以測算出借款企業(yè)的預(yù)期違約頻率(EDF)。46該模型使用了兩個關(guān)系：46企業(yè)股權(quán)市值與它的資產(chǎn)市值之間的結(jié)構(gòu)性關(guān)系是由貸款與期權(quán)的關(guān)系決定的。企業(yè)股權(quán)作為期權(quán)買權(quán)的損益情況見下圖：“有限責(zé)任”保護著股東，使其損失不會超過 E0Ev1E

28、0v2FVO1.1 一般方法1.1.1估計公司資產(chǎn)的總市值及其波動率OF:企業(yè)從銀行的借款額V：資產(chǎn)價值E：股權(quán)價值47企業(yè)股權(quán)市值與它的資產(chǎn)市值之間的結(jié)構(gòu)性關(guān)系是由貸款與期權(quán)的關(guān)借款企業(yè)股東的股權(quán)市值頭寸看作是持有一份以企業(yè)資產(chǎn)市值為標的的買權(quán)。正象古典布萊克-斯可爾斯-默頓模型中股票買權(quán)定價的五變量一樣，企業(yè)股權(quán)可由下式來估價出：其中V表示資產(chǎn)市值，F(xiàn)是向銀行借款數(shù)，r指的是無風(fēng)險利率，V表示該企業(yè)的資產(chǎn)市值的波動性，T指的是股票買權(quán)的到期日或在貸款的情形下指的是貸款期限(或違約期限)。E、r 、F、T都可以從市場上直接觀察到。4848這里公司資產(chǎn)價值V是要求的目標，但是公司資產(chǎn)價值的標準

29、差也未知，故無法求得方程的解。49這里公司資產(chǎn)價值V是要求的目標，但是公司資產(chǎn)價值的標準差也未對B-S方程兩邊根據(jù)伊藤引理求導(dǎo)， 得到再取期望值，由于 可以由股票價格的波動率直接估計得到，如采用GARCH模型估計其條件方差。50對B-S方程兩邊根據(jù)伊藤引理求導(dǎo)， 得到由于 可以未知數(shù)V和 ，兩個方程解兩個未知數(shù)，假設(shè)滿秩是可以解出來的。這個解只有數(shù)值解，需要通過迭代得到，常用的迭代法：不動點法和牛頓法51未知數(shù)V和 ，兩個方程解兩個未知數(shù)，假設(shè)滿秩是可1.1.2 計算違約概率（EDF）通過上面的計算步驟，我們可以得到企業(yè)資產(chǎn)價值V（下文記為V0）及其波動性V，以及企業(yè)的負債F，假定貸款的期限為

30、T年，現(xiàn)在要問企業(yè)T年內(nèi)違約的概率有多大？521.1.2 計算違約概率（EDF）通過上面的計算步驟，我們可若假設(shè)公司資產(chǎn)的總市值total value of a firm（有別于股東權(quán)益的市值股票市值）在t時刻為Vt (貸款簽約日設(shè)定為0時刻），它服從幾何布朗運動53若假設(shè)公司資產(chǎn)的總市值total value of a fi5454則可以認為，當期末資產(chǎn)價值低于負債時，違約就會發(fā)生。55則可以認為，當期末資產(chǎn)價值低于負債時，違約就會發(fā)生。551.1.3 KMV的違約點問題（Default Point）在期權(quán)定價框架中，違約行為發(fā)生于資產(chǎn)市場價值小于企業(yè)負債之時，但實際生活中違約并不等于破產(chǎn)，

31、就是說，資產(chǎn)價值低于債務(wù)總值的概率并不是對EDF的準確量度。KMV 公司通過觀測幾百個公司樣本，認為當資產(chǎn)價值達到總債務(wù)和短期債務(wù)之間的某一點，即違約點時，企業(yè)才發(fā)生違約。KMV 公司認為違約點DPT 大約等于企業(yè)短期債務(wù)加上長期債務(wù)的一半。561.1.3 KMV的違約點問題（Default Point）5757可以根據(jù)前面公式計算得到理論DD58可以根據(jù)前面公式計算得到理論DD58實證分析利用2019年和2019年的ST公司樣本來檢驗KMV模型。由于所選的樣本公司都是已經(jīng)在2019 年發(fā)生了違約行為，因此這些樣本公司的理論違約率越接近于1，模型趨向于更有效。模型的計算公式參照非簡化的公式59

32、實證分析利用2019年和2019年的ST公司樣本來檢驗KMV6060以上我們所推導(dǎo)和計算出的只是借款企業(yè)理論預(yù)期違約頻率，它與現(xiàn)實生活中實際所發(fā)生的預(yù)期違約頻率之間存在著很大差異。因此，KMV公司就利用其自身優(yōu)勢建立起了一個全球范圍企業(yè)和企業(yè)違約信息數(shù)據(jù)庫，計算出了各類信用等級企業(yè)經(jīng)驗預(yù)期違約頻率，從而產(chǎn)生了以這種經(jīng)驗預(yù)期違約頻率為基礎(chǔ)的信用分值來。61以上我們所推導(dǎo)和計算出的只是借款企業(yè)理論預(yù)期違約頻率，它與現(xiàn)1.2 基于違約距離的預(yù)期違約率（EDF）由于公司資產(chǎn)價值不一定服從幾何布朗運動，公司資本結(jié)構(gòu)的簡化也會導(dǎo)致估測的失真，所以KMV公司給出了一個直接計算違約距離的方法，即STD 短期債

33、務(wù), LTD 長期債務(wù),DPT 違約點：STD+ 1/2LTD,DD :T時的預(yù)期資產(chǎn)價值621.2 基于違約距離的預(yù)期違約率（EDF）由于公司資產(chǎn)價值不要使得企業(yè)違約的可能性小，必須同時滿足絕對違約距離大，即企業(yè)市值越大或者貸款越少；標準差（波動性）越小，即企業(yè)經(jīng)營的穩(wěn)定性越好；上述兩個因素必須聯(lián)合起來共同判定違約的可能性?；冢?）式違約距離計算EDF的更一般方法有兩種：基于資產(chǎn)價值分布（如正態(tài)分布）的EDF計算，稱為理論EDF基于歷史違約數(shù)據(jù)的EDF計算，稱為經(jīng)驗EDF63要使得企業(yè)違約的可能性小，必須同時滿足631.2.1 理論EDF的計算例子：假設(shè)某企業(yè)資產(chǎn)價值V0100萬，到期（1

34、年）債務(wù)價值DPT80萬，若未來1年資產(chǎn)價值服從均值為100萬（=V0），標準差(波動率)V10萬的正態(tài)分布，那么，該企業(yè)違約距離是多少？計算違約距離（default distance），由例子可得641.2.1 理論EDF的計算64 +A -At0t1E(V)100萬DPT 80萬違約區(qū)域絕對違約距離65 +A -At0t1E(V)100萬DPT在本例中、預(yù)期的或平均的資產(chǎn)價值沒有增長，但是把增長因素考慮進來也是很容易的。舉例說來、如果我們計劃，企業(yè)的資產(chǎn)價值再下一年里增長10%，那么，相應(yīng)的DD值會更高。該模型對于在同一市場上的所有企業(yè)使用一個不變的資產(chǎn)增長假定，即預(yù)期的市場整體增長率。這

35、一假定的合理性是，在一個有效的市場上，市場和個別企業(yè)增長率的差異已被納入企業(yè)的股票價格（并因此納入資產(chǎn)價值）之中。因而，在均衡時，在個別企業(yè)和市場的增長之間不存在差異。對這一不變的（全面的）資產(chǎn)增長率的唯一其他調(diào)整是企業(yè)具體的支出，如發(fā)放紅利或償還利息。隨之，調(diào)整后的數(shù)字被用作計算違約距離公式中暗含的現(xiàn)行資產(chǎn)價值。66在本例中、預(yù)期的或平均的資產(chǎn)價值沒有增長，但是把增長因素考慮使用大樣本企業(yè)違約（樣本中包括那些已經(jīng)違約的企業(yè)）的歷史信息，可以估計出每一個期限內(nèi)在給定級別（比如DD=4）的情況下，在一年后，實際發(fā)生違約的企業(yè)比例數(shù)。這個比例，比如40個基本點或者0.4%。就是圖中的經(jīng)驗EDF。4

36、0個基本點DD經(jīng)驗EDF1.2.2 經(jīng)驗EDF的計算67使用大樣本企業(yè)違約（樣本中包括那些已經(jīng)違約的企業(yè)）的歷史信息68686969EDFS 和評級EDFS 和風(fēng)險評級公司EDF標準普爾穆迪CIBC國民銀行瑞士銀行集團2-4個基本點=AA=Aa21AAAC14-10個基本點AA/AA12AAC210-19個基本點A/BBB+Baa13AC319-40個基本點BBB+/BBB-Baa34A/BBC470EDFS 和評級EDF標準普爾穆迪CIBC國民銀行瑞士銀行集2、KMV公司信用監(jiān)測模型的缺陷：（1）模型的使用范圍受到了限制,不適用于非上市公司（2）在現(xiàn)實中,并非所有借款企業(yè)都符合模型中資產(chǎn)價值

37、呈正態(tài)分布的假定（3）該模型不能夠?qū)﹂L期債務(wù)的不同類型進行分辨 （4）在KMV模型的應(yīng)用過程中，一直假定公司的債務(wù)結(jié)構(gòu)是靜態(tài)不變，與事實不完全相符712、KMV公司信用監(jiān)測模型的缺陷：71(二）信用風(fēng)險度量制模型Creditmetrics（譯為“信用計量”）是由J.P 摩根公司聯(lián)合美國銀行、KMV公司、瑞士聯(lián)合銀行等金融機構(gòu)于2019年推出的信用風(fēng)險定量模型。它是在1994年推出的計量市場風(fēng)險的Riskmetrics（譯為“風(fēng)險計量”）基礎(chǔ)上提出的，旨在提供一個可對銀行貸款等非交易資產(chǎn)的信用風(fēng)險進行計量的VaR框架。Creditmetrics試圖回答的問題：“如果下一年是個壞年份，那么，在我的

38、貸款或貸款組合上會損失掉多少？”72(二）信用風(fēng)險度量制模型Creditmetrics（譯為“信VaR定義按某一確定的置信度，對某一給定的時間期限內(nèi),不利的市場變動可能造成投資組合的最大損失的一種估計。更通俗地說VaR是要在給定的置信度（典型的置信度為95、97.5、99等等）下,衡量給定的資產(chǎn)或負債（即投資組合）在一段給定的時間內(nèi)（針對交易活動的時間可能選取為一天，而針對投資組合管理的時間則可能選取為一個月）可能發(fā)生的最大（價值）損失。VaR 是一種對可能實現(xiàn)的價值損失的估計, 而不只是一種“賬面”損失估計。 73VaR定義73VaR：金融風(fēng)險的“天氣預(yù)報”例如：A銀行2019年12月1日公

39、布其持有期為10天、置信水平為99%的VaR為1000萬元。這意味著如下2種等價的描述：1、A銀行從12月1日開始，未來10天內(nèi)資產(chǎn)組合的損失大于1000萬元的概率小于1%；2、以99的概率確信：A銀行從12月1日起未來10天內(nèi)的損失不超過1000萬元。74VaR：金融風(fēng)險的“天氣預(yù)報”例如：A銀行2019年12月1由定義可知，要完整的表述一個資產(chǎn)的VaR需要兩個要件：1、置信水平：即可信度或可靠性，通常為99%（BCBS）或95（JP Morgan）。置信水平越高，VaR越大，則資產(chǎn)的損失大于VaR的可能性越小，可靠性越高！ 2、持有期：計算VaR的時間范圍通常是1天1個月；BCBS在資產(chǎn)充

40、足性條款中規(guī)定：持有期為10個交易日；由于時間越長風(fēng)險越大，所以持有期越長，VaR越大。75由定義可知，要完整的表述一個資產(chǎn)的VaR需要兩個要件：75VaR的優(yōu)點 1、精確性：借助于數(shù)學(xué)和統(tǒng)計學(xué)工具，VaR以定量的方式給出資產(chǎn)組合下方風(fēng)險（Downside Risk）的確切值。 2、綜合性：將風(fēng)險來源不同、多樣化的金融工具的風(fēng)險納入到一個統(tǒng)一的計量框架，將整個機構(gòu)的風(fēng)險集成為一個數(shù)值?？蓪嵤┘惺降娘L(fēng)險管理系統(tǒng)，提高風(fēng)險管理的效率。76VaR的優(yōu)點 1、精確性：763、通俗性：貨幣表示的風(fēng)險，方便公眾、銀行、監(jiān)管機構(gòu)之間的溝通，充當信息披露工具。起源：JP Morgan的CEO Weathst

41、one要求每天4.15 報告只產(chǎn)生一個數(shù)字：計量不同交易工具，不同部門綜合后的風(fēng)險。截止到2019年，BCBS監(jiān)管下的71家銀行中有66家對公眾披露VaR。 773、通俗性：貨幣表示的風(fēng)險，方便公眾、銀行、監(jiān)管機構(gòu)之間的溝VaR的數(shù)學(xué)表示C是置信水平78VaR的數(shù)學(xué)表示C是置信水平78由VaR的定義：資產(chǎn)組合在未來一段時間內(nèi)可能的最大損失，有兩種損失定義若以絕對損失定義VaR，則稱為絕對VaR。適合較短的時間期限；若以回報的均值為參照來定義損失，即相對損失，則稱為相對VaR。適合較長的時間度量。79由VaR的定義：資產(chǎn)組合在未來一段時間內(nèi)可能的最大損失，有兩信用度量制是通過掌握借款企業(yè)的資料如

42、：（1）借款人的信用等級資料； （2）下一年度該信用級別水平轉(zhuǎn)換為其它信用級別的概率； （3）違約貸款的收復(fù)率。計算出非交易性的貸款和債券的市值P和市值變動率，從而利用受險價值方法對單筆貸款或貸款組合的受險價值量進行度量的方法。80信用度量制是通過掌握借款企業(yè)的資料如：80Creditmetrics基本假設(shè)1 信用評級有效。信用狀況可由債務(wù)人的信用等級表示；2 債務(wù)人的信用等級變化可能有不同的方向和概率例如， 上一年AAA的貸款人有90（概率）的可能轉(zhuǎn)變?yōu)锳A級（方向）。把所有的可能列出，形成所謂的“評級轉(zhuǎn)移矩陣”。3 貸款的價值由信用等級（價差）決定由期初的信用等級得到貸款的初始價值；由評級

43、轉(zhuǎn)移矩陣估計期末貸款的價值；由二者的差額就可以計算VaR。81Creditmetrics基本假設(shè)1 信用評級有效。信用狀況Creditmetrics的總體框架信用評級信用價差優(yōu)先權(quán)信用轉(zhuǎn)移概率殘值回收率債券現(xiàn)值信用風(fēng)險估計82Creditmetrics的總體框架信用評級信用價差優(yōu)先權(quán)信計量模型需要的數(shù)據(jù)需要利用的數(shù)據(jù)：借款人當前的信用評級數(shù)據(jù)信用等級在一年內(nèi)可能改變的概率違約貸款的殘值回收率債券的（到期）收益率注：以上這些資料可以公開得到83計量模型需要的數(shù)據(jù)需要利用的數(shù)據(jù)：83計量信用風(fēng)險的步驟1 估計信用轉(zhuǎn)移矩陣2 估計違約回收率3 債券估值4 計算信用風(fēng)險84計量信用風(fēng)險的步驟84步驟1

44、 估計信用轉(zhuǎn)移矩陣根據(jù)歷史資料得到，期初信用級別為AAA的債券，1年后的信用等級的概率如下AAAAAA，90.81AA，8.33A，0.68BBB，0.06BB，0.12CCC，0D，085步驟1 估計信用轉(zhuǎn)移矩陣根據(jù)歷史資料得到，期初信用級別AAAA，0.09AA，2.27A，91.05BBB，5.52BB，0.74CCC，0.01D，0.06注意：A級別債券有0.06的概率在下一年度轉(zhuǎn)移到D級，即A級債券仍有違約的可能。86AAAA，0.09AA，2.27A，91.05BBB，構(gòu)建信用轉(zhuǎn)移矩陣以上給出了AAA和A級債券的轉(zhuǎn)移概率，同樣可以得到其他級別，如AA、BBB、C等信用級別的轉(zhuǎn)移概率

45、。將債券所有級別的轉(zhuǎn)移概率列表，就形成了所謂的“信用轉(zhuǎn)移矩陣”。87構(gòu)建信用轉(zhuǎn)移矩陣以上給出了AAA和A級債券的轉(zhuǎn)移概率，同樣可級別AAAAAABBBBBBCCC違約AAA90.818.330.680.060.12000AA0.7090.657.790.640.060.140.020A0.092.2791.055.520.740.260.010.06BBB0.020.335.9586.935.301.170.120.18BB0.030.140.677.7380.538.841.001.06B00.110.240.436.4883.464.075.20CCC0.2200.221.302.3811

46、.2464.8619.79（資料來源：標準普爾，2019）示例：信用轉(zhuǎn)移矩陣88級別AAAAAABBBBBBCCC違約AAA90.818.3步驟2 估計違約回收率由于ACCC債券有違約的可能，故需要考慮違約時，壞賬（殘值）回收率。企業(yè)破產(chǎn)清算順序直接關(guān)系回收率的大小。有擔(dān)保債高于無擔(dān)保債優(yōu)先高于次級，次級高于初級89步驟2 估計違約回收率由于ACCC債券有違約的可能，9090次級額外債務(wù)今天你購買了一張債券，到了明天，你可能會苦惱地發(fā)現(xiàn)該公司未償還的債務(wù)已擴大為原來的三倍。這也意味著投資者的債券的質(zhì)量與他昨日購買時相比已降低了。為了阻止公司以這種方式損害債券持有人的利益，次級條款（subord

47、ination clauses）的規(guī)定限制了發(fā)行者額外借款的數(shù)額。原始債務(wù)優(yōu)先，額外債務(wù)要從屬于原始債務(wù)。也就是說，如遇公司破產(chǎn)，直到有優(yōu)先權(quán)的主要債務(wù)被付清，次級債務(wù)的債權(quán)人才可能被償付。因此，具有優(yōu)先級的債券信用高于次級。91次級額外債務(wù)今天你購買了一張債券，到了明天，你可能會苦惱地發(fā)違約回收率統(tǒng)計表債券級別回收率(面值)標準差()優(yōu)先擔(dān)保債券 53.8026.86優(yōu)先無擔(dān)保債券51.1325.45優(yōu)先次級債券38.5223.81次級債券32.7420.18初級次級債券17.0910.90例：BBB級債券在下一年違約概率為0.18,若它是優(yōu)先無擔(dān)保債券，則其一旦違約，面值100元可回收51

48、.13元。92違約回收率統(tǒng)計表債券級別回收率(面值)標準差()優(yōu)先擔(dān)保步驟3 債券估值由于債券信用級別上升（下降）到新的級別，因此，需要估計每個級別下的市值。估計市值采取的方法是貼現(xiàn)法利用市場數(shù)據(jù)得到，不同級別債券的利率期限結(jié)構(gòu)（Term-structure）93步驟3 債券估值由于債券信用級別上升（下降）到新的級別，每個信用級別的貼現(xiàn)率(%)級別1年(%) 2年(%)3年(%)4年(%)AAA3.604.174.735.12AA3.654.224.785.17A3.724.324.935.32BBB4.104.675.255.63BB5.556.026.787.27B6.057.028.03

49、8.52CCC15.0515.0214.0313.5294每個信用級別的貼現(xiàn)率(%)級別1年(%) 2年(%)3年(%例 子假設(shè)BBB級債券的面值100元，票面利率為6。若第1年末，該債券信用等級由BBB 升至A 級，則債券在第1年末的市值可以根據(jù)上表得到以上計算的是BBB債券轉(zhuǎn)移到A級后的市值。若該債券轉(zhuǎn)移到其它信用等級，可以同理類推計算其它市值！95例 子假設(shè)BBB級債券的面值100元，票面利率為6。以上計BBB級債券一年后可能的市值（包含面值）年末債券級別 市值（元）AAA109.37AA109.19A108.66BBB107.55BB102.02B98.01CCC83.64違約51.1

50、396BBB級債券一年后可能的市值（包含面值）年末債券級別 市值步驟4 計算信用風(fēng)險年末債券級別 市值（元）轉(zhuǎn)移概率(%)AAA109.370.02AA109.190.33A108.665.95BBB107.5586.93BB102.025.36B98.101.17CCC83.640.12違約51.13 0.18BBB債券的價值分布，例如若轉(zhuǎn)移到AAA，則價值為109.37，概率為0.02，其他情況可以類似地計算出。97步驟4 計算信用風(fēng)險年末債券級別 市值（元）轉(zhuǎn)移概率由債券價值的分布，容易得到其價值的均值和方差由此就可以采用解析法計算得到VaR。但是由于債券組合并非正態(tài)分布，用這種方法計算

51、存在比較大的誤差。估計債券市值的均值和標準差98由債券價值的分布，容易得到其價值的均值和方差由此就可以采用解BBB債券持有1年、99的VaR由債券市值的概率分布可知市值大于98.10美元的概率為98.53市值大于83.64美元的概率為99. 7債券級別市值概率累計概率B98.101.17 1.47 CCC83.640.12 0.3 違約51.13 0.18 99BBB債券持有1年、99的VaR由債券市值的概率分布可知債利用線性插值法可以計算99%概率下的市值，設(shè)該值為x說明：該面值為100元的BBB債券，一年后以99的概率確信其市值不低于92.29美元。100利用線性插值法可以計算99%概率下

52、的市值，設(shè)該值為x說明：該 由于該債券的均值為107.90美元，根據(jù)相對VaR的定義， VaRR 107.09-92.29=14.80 (美元) 說明：我們可以以99的概率確信，該債券在1年內(nèi)的損失不超過14.80美元。101 由于該債券的均值為107.90美元，根據(jù)相對VaR的定義對Creditmetrics模型的評述優(yōu)點：動態(tài)性：適用于計量由債務(wù)人資信變化而引起資產(chǎn)組合價值變動的風(fēng)險?？深A(yù)見性：不僅包括違約事件，還包括債務(wù)人信用評級的升降；不僅能評估預(yù)期損失，還能估計VaR，這對于銀行特別具有意義。102對Creditmetrics模型的評述102缺點：對信用評級的高度依賴，一般地，信用評

53、級只是對企業(yè)群體的評估，而非個性化，所以，對個別企業(yè)評估不準確；信用評級主要是依靠歷史上的財務(wù)數(shù)據(jù)，是一種“向后看”的方法。本模型假定了信用等級的轉(zhuǎn)換概率在不同的借款人之間，以及在商業(yè)周期不同階段都是穩(wěn)定的，現(xiàn)實條件很難滿足這一假設(shè)。此外，基于VaR的CreditMetrics法測度信用風(fēng)險時還存在對極端損失估計不足，需要人為加大標準差的值；模型需要假定轉(zhuǎn)移概率服從Markov過程等問題，與現(xiàn)實中信用評級的轉(zhuǎn)移有跨期自相關(guān)性不相符。103103（三）宏觀模擬方法（麥肯錫模型）麥肯錫模型則在CreditMetrics的基礎(chǔ)上，對周期性因素進行了處理，將評級轉(zhuǎn)移矩陣與經(jīng)濟增長率、失業(yè)率、利率、匯率

54、、政府支出等宏觀經(jīng)濟變量之間的關(guān)系模型化，并利用蒙地卡羅模擬技術(shù)，模擬周期性因素的影響，來生成信用評級轉(zhuǎn)移概率在未來時期的情景值。麥肯錫模型可以看成是對CreditMetrics的補充，它克服了CreditMetrics中不同時期的評級轉(zhuǎn)移矩陣不變的缺點。104（三）宏觀模擬方法（麥肯錫模型）麥肯錫模型則在CreditM（四）保險方法財產(chǎn)保險方法模型：即CreditRisk+模型CreditRisk+是瑞士信貸金融產(chǎn)品公司(CSFP)開發(fā)的信用風(fēng)險模型，采用保險精算的科學(xué)框架推導(dǎo)債券貸款組合的損失分布，建立只考慮違約不考慮降級風(fēng)險的模型。與信用度量模型(CreditMetrics)、KMV等不

55、同，違約與企業(yè)的資本結(jié)構(gòu)無關(guān)。 CreditRisk+是信用違約風(fēng)險的統(tǒng)計模型，該模型對引發(fā)違約的原因不作假設(shè)。模型將違約率作為一個連續(xù)的隨機變量，并認為違約頻率的不確定性和損失嚴重性的不確定性都會影響損失的分布。模型使用的違約率是從違約事件的統(tǒng)計數(shù)據(jù)中推算出來的。105（四）保險方法財產(chǎn)保險方法模型：即CreditRisk+模型該模型假定(1)違約是一種隨機行為，債務(wù)人違約的概率為P，不違約的概率為1-P(2)對大量債務(wù)人而言，違約的概率很小；(3)在一個時期的違約數(shù)量與另一時期的違約數(shù)量無關(guān)；(4)在給定時期內(nèi)違約企業(yè)數(shù)量的概率分布服從泊松分布；(5)對于一筆貸款來說，不同時期的違約概率是

56、相等的，每一筆貸款的違約概率均很小，并且相互獨立。106該模型假定106在計算過程中，該模型將資產(chǎn)的風(fēng)險暴露劃分為不同的小頻段，由于風(fēng)險暴露的各個頻段被假設(shè)為相互獨立的，從而各頻段貸款組合的違約概率可用泊松分布來描述。 在這些假設(shè)下，首先來看在一定時期內(nèi)(如一年)違約次數(shù)的概率分布。假定貸款組合由N筆貸款組成，已知借款人A一定時期內(nèi)的違約率是PA，不違約的概率是1PA。為分析整個貸款組合的信用風(fēng)險，先構(gòu)造具有輔助變量z的概率生成函數(shù)：107在計算過程中，該模型將資產(chǎn)的風(fēng)險暴露劃分為不同的小頻段，由于108108 單個借款人A期末只有違約和不違約兩種狀態(tài)，所以相應(yīng)的概率生成函數(shù)為：假定不同借款人

57、之間的違約事件是相互獨立的，則整個貸款組合的概率生成函數(shù)是單個借款人概率生成函數(shù)的乘積，109 單個借款人A期末只有違約和不違約兩種狀態(tài)，所以相應(yīng)的概率生110110從上面的推導(dǎo)可以看出，在滿足假定條件的情況下，在一定時期內(nèi)違約次數(shù)的概率服從泊松分布。111從上面的推導(dǎo)可以看出，在滿足假定條件的情況下，在一定時期內(nèi)違由于不同貸款的違約損失額不同對于整個貸款組合來說，損失分布將不再遵循泊松分布。為了求得整個貸款組合的損失分布，該模型先將貸款組合中每筆貸款風(fēng)險暴露按大小分組，每一組貸款的風(fēng)險暴露近似地等于某個數(shù)值。這時，每一組的損失分布將遵循泊松分布，然后將各組的損失匯總，就可以得到整個貸款組合的

58、損失分布。112由于不同貸款的違約損失額不同對于整個貸款組合來說，損失分布113113模型的最后是計算整個組合的損失分布，這需要通過下述3個步驟。首先由于違約數(shù)服從泊松分布，根據(jù)概率生成函數(shù)的定義，每一組的概率生成函數(shù)為：114模型的最后是計算整個組合的損失分布，這需要通過下述3個步驟。其次，由于假定貸款組合中每一組的貸款都是相互獨立的，所以整個貸款組合的概率生成函數(shù)G(z)為其中m為級段的總數(shù)。由此可得整個貸款組合的損失分布為115其次，由于假定貸款組合中每一組的貸款都是相互獨立的，所以整個運用泰勒級數(shù)及萊布尼茲公式等，最后得到：這樣就可以得貸款組合的損失分布曲線，從而可以求出整個貸款組合在

59、不同置信度下的信用損失。以上對一個時期的違約損失的分析還可以擴展到多個時期。116運用泰勒級數(shù)及萊布尼茲公式等，最后得到：116該模型的優(yōu)點是應(yīng)用起來相對容易一些。首先債券或貸款資產(chǎn)組合損失概率可以通過方程求解出來，不需要對歷史數(shù)據(jù)的估計，使得該方法在計算方面有一定的優(yōu)越性。另外，每個債務(wù)人的邊際風(fēng)險貢獻計算起來也比較容易。其次，該模型只考慮債務(wù)人違約，而不討論信用等級轉(zhuǎn)移，這樣一來，需要估計的參數(shù)就非常之少，每個債務(wù)只需估計其違約概率和敞口。117該模型的優(yōu)點是應(yīng)用起來相對容易一些。117當然這種方法的缺點是就不可避免了。首先，它與其他兩種方法一樣，都是假定不存在市場風(fēng)險。另外它也忽視了信用

60、等級轉(zhuǎn)移風(fēng)險，而是假設(shè)每個債務(wù)人的敞口固定不變，與債務(wù)發(fā)行人的最終信用狀況的變化無關(guān)，也不受利率波動的影響。118當然這種方法的缺點是就不可避免了。118（五）現(xiàn)代風(fēng)險度量模型方法的比較四種模型方法的比較比較的維度模型1模型2模型3模型4信用度量制信用組合觀點Credit Risk+KMV模型(JP摩根)(Tom Wilson)(瑞士信貸)(KMV公司)1.風(fēng)險定義MTMMTM或DMDMMTM或DM2.風(fēng)險驅(qū)動因素資產(chǎn)價值宏觀因素預(yù)期違約率資產(chǎn)價值3.信用事件的波動性不變可變可變可變4.信用事件的相關(guān)性多變量正態(tài)資產(chǎn)收益因素負載獨立假定或與預(yù)期違約率相關(guān)多變量正態(tài)資產(chǎn)收益5.收復(fù)率隨機隨機在頻