金融風(fēng)險管理重點難點

1、金融風(fēng)險(FinancialRisk)是指金融變量的變動所引起的資產(chǎn)組合未來收益的不確定性。

2、金融風(fēng)險的特點：(D金融風(fēng)險的不確定性(2)金融風(fēng)險的客觀性(3)金融風(fēng)險的主

觀性(4)金融風(fēng)險的疊加性和累積性(5)金融風(fēng)險中的消極性與積極性并存。

3、市場風(fēng)險;指在證券市場中因股市價格、利率、匯率等的變動而導(dǎo)致價值未預(yù)料到的潛在

損失的風(fēng)險。

4、市場風(fēng)險的特點：市場風(fēng)險除了具有前文所述的金融風(fēng)險共有的特性之外，還具有以下

特點：

(1)市場風(fēng)險主要由證券價格、利率、匯率等市場風(fēng)險因子的變化引起。

(2)市場風(fēng)險種類眾多、影響廣泛、發(fā)生頻繁，是各個經(jīng)濟主體所面臨的最主要的基礎(chǔ)性

風(fēng)險。

(3)市場風(fēng)險常常是其他金融風(fēng)險的驅(qū)動因素。

(4)相對于其他類型的金融風(fēng)險而言，市場風(fēng)險的歷史信息和歷史數(shù)據(jù)的易得性較高。

5、金融市場的分類：根據(jù)金融市場風(fēng)險不同的驅(qū)動因素或者不同類型的市場風(fēng)險因子，可

以把市場風(fēng)險劃分為：(1)證券價格風(fēng)險(2)匯率風(fēng)險(3)利率風(fēng)險(4)購買力風(fēng)險。

6、信用風(fēng)險(CreditRisk)又稱違約風(fēng)險;指交易對手未能履行約定契約中的義務(wù)而造成經(jīng)

濟損失的風(fēng)險

7、信用風(fēng)險的分類：

(1)按照信用風(fēng)險的性質(zhì)，可將信用風(fēng)險分為違約風(fēng)險、信用等級降級風(fēng)險和信用價差增

大風(fēng)險。

(2)按照信用風(fēng)險所涉及的業(yè)務(wù)種類，可將信用風(fēng)險分為表內(nèi)風(fēng)險與表外風(fēng)險。

(3)按照信用風(fēng)險所產(chǎn)生的部位，可將信用風(fēng)險分為本金風(fēng)險和重置風(fēng)險。

(4)按照信用風(fēng)險是否可以分散，又可以分為系統(tǒng)性信用風(fēng)險和非系統(tǒng)性信用風(fēng)險。

8、信用風(fēng)險與市場風(fēng)險的區(qū)別與聯(lián)系：

聯(lián)系：

(1)市場風(fēng)險的發(fā)生有可能導(dǎo)致信用風(fēng)險。

(2)信用風(fēng)險的發(fā)生也有可能加劇市場風(fēng)險。

(3)市場風(fēng)險度量方法的改進為信用風(fēng)險的度量提供了許多啟示。

區(qū)別：

(1)風(fēng)險的驅(qū)動因素存在差異。后場風(fēng)險的驅(qū)動因素是資產(chǎn)的價格、利率或匯率等市場因

素，二信用風(fēng)險的驅(qū)動因素則主要是金融機構(gòu)資產(chǎn)價值的波動性、宏觀因素的變化、預(yù)期違

約率等等。

(2)歷史信息和數(shù)據(jù)的可得性不同。測度對象分別為市場上的可交易性金融資產(chǎn)組合、非

交易性資產(chǎn)組合；信用風(fēng)險通常無法像市場風(fēng)險一樣可以獲得足夠、公開、準(zhǔn)確的數(shù)據(jù)進行

量化或模型化。

(3)損失分布的對稱程度不同。后場風(fēng)險的損失分布相對對稱，盡管常常存在厚尾現(xiàn)象；

而信用風(fēng)險的損失分布則一般呈現(xiàn)出左偏的形態(tài)。

(4)風(fēng)險持續(xù)的時間跨度存在差異。市場風(fēng)險的時間跨度較小，可以是幾天，甚至幾小時、

幾分鐘；而信用風(fēng)險的時間跨度一般較長，可以是幾個月、幾年，甚至幾十年。

9、操作風(fēng)險定義六：

根據(jù)《巴塞爾新資本協(xié)議》，操作風(fēng)險可以分為山人員、系統(tǒng)、流程和外部事件所引發(fā)的四

類風(fēng)險，并由此分為七種表現(xiàn)形式：

①內(nèi)部欺正。有機構(gòu)內(nèi)部人員參與的詐騙、盜用資產(chǎn)、違反法律以及公司的規(guī)章制度的行為。②外部欺蚱。

第三方的詐騙、盜用資產(chǎn)、違反法律以及公司的規(guī)章制度的行為。③雇用合同以及工作狀況帶來的風(fēng)險事

件。由于不履行合同，或者不符合勞動健康、安全法規(guī)所引起的賠償要求。④客戶、產(chǎn)品以及商業(yè)行為引

起的風(fēng)險事件。有意或無意造成的無法滿足某一顧客的特定需求或者是由于產(chǎn)品的性質(zhì)、設(shè)計問題造成的

失誤。⑤有形資產(chǎn)的損失。由于災(zāi)難性事件或其他事件引起的有形資產(chǎn)的損壞或損失。⑥經(jīng)營中斷和系統(tǒng)

出錯。例如，軟件或者硬件錯誤、通訊問題以及設(shè)備老化。⑦涉及執(zhí)行、交割以及交易過程管理的風(fēng)險事

件。例如，交易失敗、與合作伙伴的合作內(nèi)生風(fēng)險。

10、操作風(fēng)險具有以下特點：

（1）操作風(fēng)險中的風(fēng)險因素很大比例上來源于銀行的業(yè)務(wù)操作,屬于銀行可控范圍內(nèi)的內(nèi)生

風(fēng)險。單個操作風(fēng)險因素與操作損失之間并不存在清晰的、可以界定的數(shù)量關(guān)系。

（2）從覆蓋范圍看，操作風(fēng)險管理幾乎覆蓋了銀行經(jīng)營管理所有方面的不同風(fēng)險。既包括發(fā)

生頻率高、但損失相對較低的II常業(yè)務(wù)流程處理上的小紙漏，也包括發(fā)生頻率低、但一旦發(fā)

生就會造成極大損失，甚至危及到銀行存亡的自然災(zāi)害、大規(guī)模舞弊等。因此,試圖用?種方

法來覆蓋操作風(fēng)險的所有領(lǐng)域幾乎是不可能的。

（3）對于信用風(fēng)險和市場風(fēng)險而言，風(fēng)險與報酬存在一一映射關(guān)系，但這種關(guān)系并不一定

適用于操作風(fēng)險。

（4）業(yè)務(wù)規(guī)模大、交易量大、結(jié)構(gòu)變化迅速的業(yè)務(wù)領(lǐng)域，受操作風(fēng)險沖擊的可能性最大。

（5）操作風(fēng)險是一個涉及面非常廣的范疇，操作風(fēng)險管理幾乎涉及銀行內(nèi)部的所有部門。

因此，操作風(fēng)險管理不僅僅是風(fēng)險管理部門和內(nèi)部審計部門的事情。

11、按照導(dǎo)致操作風(fēng)險的不同因素，操作風(fēng)險可被分為四類：

人員因素導(dǎo)致的操作風(fēng)險、流程因素導(dǎo)致的操作風(fēng)險、系統(tǒng)因素導(dǎo)致的操作風(fēng)險和外部事件

導(dǎo)致的操作風(fēng)險。

12、金融風(fēng)險辨識是指通過運用相關(guān)的知識、技術(shù)和方法，對處于經(jīng)濟活動中的經(jīng)濟主體所

血臨的金融風(fēng)險的類型、受險部位、風(fēng)險源、嚴重程度等進行連續(xù)、系統(tǒng)、全面的識別、判

斷和分析，從而為度量金融風(fēng)險和選擇合理的管理策略提供依據(jù)的動態(tài)行為或過程。

13、風(fēng)險辨識的基本方法：（對各個方法的了解，缺點）

（1）現(xiàn)場調(diào)查法（2）問卷調(diào)查法（3）組織結(jié)構(gòu)圖示法（4）流程圖法（5）專家調(diào)查法（6）

主觀風(fēng)險測定法（7）客觀風(fēng)險測定法（8）幕景分析法（9）模糊集合分析法（10）故障樹

分析法（11）其他方法：預(yù)期凈現(xiàn)值法、平衡點法、決策樹法等。

14、金融市場風(fēng)險度量方法的演變（簡單過程）：名義值度量法一靈敏度方法一波動性方法

-VaR方法一壓力試驗和極值理論一集成風(fēng)險或綜合風(fēng)險度量

15、久期、凸性計算公式：（利用久期求風(fēng)險值）

dPdP1dP1

22

其他重要公式：—eAykPa—?Ay+-—r*(Ay)=—D*PAy+-CP(Ay)

dydy2dy2

16、久期的性質(zhì)：性質(zhì)1息票債券的久期一般小于債券的到期期限，而零息債券的久期就

是其到期期限，息票債券久期的上限是相應(yīng)的永久債券的久期山。性質(zhì)2息票債券的

y

久期與息票率i之間呈反向關(guān)系：息票率越大，早期支付現(xiàn)金流的價值占債券總價值的比重

就越大，從而債券的加權(quán)到期日即久期就越小，即22<0。性質(zhì)3久期與貼現(xiàn)率y之間

di

呈反向關(guān)系：貼現(xiàn)率越低，遠期支付現(xiàn)金流的價值占債券總價值的權(quán)重就越大，從而債券的

加權(quán)到期日即久期就越大，即變.<0。性質(zhì)4債券到期II與久期之間呈正向關(guān)系：在通

Sy

常情形下，債券的久期會隨著債券到期日的增加而增加，但增加的幅度逐漸減小，即

￡^->0,—<0?性質(zhì)5債券組合的久期是該組合中各債券久期的加權(quán)平均，其中的權(quán)

5TST2

重Wj就是第j種債券的價值占債券組合總價值的比重，即o=YD其中：Dp表示

JPj)w

j=l

債券組合的久期；0J表示組合中第j種債券的久期。

17、Bi系數(shù)實際上反映了證券i的超額期望收益率對市場組合超額期望收益率的敏感

性，因而是度量證券i系統(tǒng)性風(fēng)險的靈敏度指標(biāo)。

18、金融衍生品靈敏度指標(biāo)的含義：

(1)(Delta)5=史］，是金融衍生品價格關(guān)于其標(biāo)的資產(chǎn)價格的一階導(dǎo)數(shù)，表示金融衍生

dS

品價格對其標(biāo)的資產(chǎn)價格的線性或一階敏感性。

(2)(Gamma)7=%=笆，是金融衍生品價格關(guān)于其標(biāo)的資產(chǎn)價格的二階導(dǎo)數(shù)，也

是金融衍生品的靈敏度系數(shù)3關(guān)于標(biāo)的資產(chǎn)價格的一階導(dǎo)數(shù)，反映了靈敏度系數(shù)S對標(biāo)的

資產(chǎn)價格S的靈敏性,或者說/度量了金融衍生品價格變化對標(biāo)的資產(chǎn)價格變化的非線性敏

感性。

(3)0=—(Theta)又稱時間耗損，是金融衍生品價格關(guān)于時間的一階導(dǎo)數(shù)，反映金融

dt

衍生品價格隨著時間的推移而發(fā)生的變化，該系數(shù)度量了金融衍生品價格對時間變化的敏感

性。

(4)A=—(Lambda)是金融衍生品價格關(guān)于標(biāo)的資產(chǎn)價格波動率的一階導(dǎo)數(shù)，用以

da

測量衍生證券價格對其標(biāo)的資產(chǎn)價格波動率的線性或一階敏感性。

(5)p=—(Rho)是金融衍生品價格關(guān)于利率的一階導(dǎo)數(shù)，用以測量金融衍生品價格

dr

關(guān)于利率的線性或一階敏感性。

19、靈敏度度量法評述

優(yōu)點：簡明直觀、應(yīng)用方便，最適合于單個市場風(fēng)險因子驅(qū)動的金融工具且市場因子變化很

小的情形。

缺點：

1）該法多采取近似估計，精確度難以保證

2）靈敏度指標(biāo)通常屬于邊緣分布型指標(biāo)，難以衡量綜合情況

3）靈敏度指標(biāo)復(fù)雜多樣，可比性不高

4）靈敏度指標(biāo)給出的變化比率，不能獨立反映變化規(guī)模

20、VAR的定義

VAR（ValueatRisk）按字面解釋就是“風(fēng)險價值”，其含義指：在市場正常波動下，某?金融

資產(chǎn)或證券組合的最大可能損失。更為確切的是指，在一定概率水平（置信度）下，某一金

融資產(chǎn)或證券組合價值在未來特定時期內(nèi)的最大可能損失。

21、VaR的計算方法概括：（P76-77）

22、重要公式：在置信度c下的日絕對VaRVaR，=與@T（c）b-〃），在置信度c下的日

相對VaRVaRR=Po*（c）b；置信度c下該組合At日的絕對VaR和相對VaR,分別為

VaRA=Po3T（c）。而一〃?加）VaRR=玲?夕】（c）b疝。

23、計算VaR的一般步驟：第一，建立映射關(guān)系。把組合中每一項資產(chǎn)頭寸的價值表示為

投資收益率或風(fēng)險因子的函數(shù)表達式。第二、建模。第三、給出估值模型和VaR值。根據(jù)

投資收益率或風(fēng)險因子的波動性或相關(guān)性，或者投資收益率或風(fēng)險因子未來可能的不同結(jié)

果，結(jié)合第一步的映射關(guān)系估計出組合未來的價值變化及其分布特征，在此基礎(chǔ)上得到組合

的VaR值。

24、邊際VaR、增量VaR和成分VaR：（關(guān)鍵算每?項資產(chǎn)關(guān)于組合的△系數(shù)P80-82）

邊際VaR是指資產(chǎn)組合中資產(chǎn)i的頭寸變化而導(dǎo)致的組合VaR的變化，即

Mi=或叱獷

dWj<7。

增量VaR是指一個新交易的出現(xiàn)或者現(xiàn)存交易的退出對組合的VaR的影響。

I-VaR(dvv)=VaR(w+Jvv)-VaR(w)、I-VaR-=dwi?M-VaR

I-VaR(dw.)x"""""?dWj=M-VaR{(\wi)?dwf.=(3i?VaR?dvv.；

成分VaR是指第i種資產(chǎn)對組合VaR的貢獻量，即匕zR(vv)=fC-0凡)。有

f=i

C-VaRi=wj=w-?M—Val^=叱?j3i?VaR?

dWj

25、VaR方法的優(yōu)缺點：(三優(yōu)點八缺點)

優(yōu)點：

(1)由于VaR方法可以測量不同風(fēng)險因子、不同金融工具構(gòu)成的復(fù)雜資產(chǎn)組合以及不同

業(yè)務(wù)部門所面臨的總體風(fēng)險，所以適用范圍更加廣泛。

(2)由于VaR方法不僅提供了一個概括性的風(fēng)險度量值及其發(fā)生的概率，而且所提供的

風(fēng)險度量值還具有可比性，所以VaR方法容易為高層管理人員理解、認可、接受和使用，

從而使得該法在對不同部門的風(fēng)險比較、績效評估、經(jīng)濟資本配置、風(fēng)險限額確定、投資決

策以及風(fēng)險監(jiān)管等諸多方面都能得到不斷推廣和應(yīng)用。

(3)VaR方法在一定程度上考慮了決定組合價值變化的不同風(fēng)險因子之間的相關(guān)性，從

而能更加體現(xiàn)出投資組合分散化對降低風(fēng)險的作用。

局限性：

(1)VaR方法本質(zhì)上是一種向后看的方法，即對組合未來價值變化的估計是基于歷史數(shù)據(jù)

做出的，這就相當(dāng)于假定了決定組合價值變化的風(fēng)險因子在未來的發(fā)展變化及其相互關(guān)系同

過去的行為完全一致，這顯然與實際不符。

(2)對風(fēng)險因子行為經(jīng)常使用的正態(tài)性假設(shè)不能準(zhǔn)確刻畫資產(chǎn)收益率分布所經(jīng)常出現(xiàn)的尖

峰、厚尾、非對稱等分布特征。

(3)基于同樣的歷史數(shù)據(jù)，但運用不同方法(例如歷史模擬、MonteCarlo模擬等等)所計

算的VaR值往往差異較大，這容易使人們對VaR方法的可靠性產(chǎn)生懷疑。

(4)VaR方法不能準(zhǔn)確度量金融市場處于極端情形時的風(fēng)險。

(5)VaR方法可能不滿足次可加性，即以VaR作為風(fēng)險度量指標(biāo)，資產(chǎn)組合整體的風(fēng)險可

能會大于組合內(nèi)各項資產(chǎn)風(fēng)險的總和，這容易引致邏輯矛盾。

(6)VaR方法對組合損益的尾部特征的描述并不充分，從而對風(fēng)險的刻畫也不完全。

(7)VaR方法得到的是統(tǒng)計意義上的結(jié)論，而統(tǒng)計意義上的經(jīng)濟結(jié)論主要用于揭示由大量

的不確定性個體組成的群體所呈現(xiàn)出的一般規(guī)律，對單獨一次的個體經(jīng)濟現(xiàn)象的預(yù)測和決策

沒有多少說服力，從而對個體所得結(jié)論(例如預(yù)測和決策)并不確定。

(8)計算VaR時對歷史數(shù)據(jù)的搜集、處理一般比較繁雜，而且有時還無法獲得相應(yīng)的歷史

數(shù)據(jù)；同時，VaR的計算有時比較復(fù)雜，計算量也比較大。

26、歷史模擬法的VaR計算方法主要有標(biāo)準(zhǔn)歷史模擬方法(SHS)、加權(quán)歷史模擬法、濾波

歷史模擬法等。(知道方法)

27、基于標(biāo)準(zhǔn)歷史模擬法計算VaR的基本原理：將各個風(fēng)險因子在過去某一時期上的變化

分布或變化情景準(zhǔn)確刻畫出來，作為該風(fēng)險因子未來的變化分布或變化情景，在此基礎(chǔ)上，

通過建立風(fēng)險因子與資產(chǎn)組合價值之間的映射表達式模擬出資產(chǎn)組合未來可能的損益分布，

進而計算出給定置信度下的VaR。

28、基于標(biāo)準(zhǔn)歷史模擬法計算VaR的一般計算步驟：第一，識別風(fēng)險因子變量，建立證券

組合價值與風(fēng)險因子變量之間的映射關(guān)系。第二，選取歷史數(shù)據(jù)，模擬風(fēng)險因子變量未來的

可能取值。第三，計算證券組合未來的可能價值水平或損益分布。第四，基于損益分布計

算置信度c下的VaR.（記原理，不需記公式P84-85）

29、基于MonteCarlo模擬法的VaR計算的基本思想：不同于歷史模擬法，采用MonteCarlo

模擬法計算VaR不再借助于風(fēng)險因子的歷史數(shù)據(jù)，而是通過選擇或建立適當(dāng)?shù)碾S機模型模

擬風(fēng)險因子的未來變化路徑，并利用估值公式計算出對應(yīng)路徑的資產(chǎn)組合價值；不斷重復(fù)上

述模擬過程，最大限度地獲得風(fēng)險因子的未來變化路徑及其對應(yīng)的資產(chǎn)組合價值在未來的可

能取值，以期更加準(zhǔn)確地描繪出資產(chǎn)組合的未來損益分布，進而求得VaR。

30、置信度和持有期的選擇和設(shè)定（看課件）

1.持有期的選擇和設(shè)定需考慮以下因素：（1）考慮組合收益率分布的確定方式；（2）考慮組合所

處市場的流動性和所持組合頭寸交易的頻繁性。

2.置信度的選擇和設(shè)定需考慮以下因素：（1）考慮歷史數(shù)據(jù)的可得性、充分性；（2）考慮VaR

的用途；（3）考慮比較的方便。

31、壓力試驗（看課件）

32、信用風(fēng)險度量方法

專家分析法（要素分析法）：

要素分析法是通過定性分析有關(guān)指標(biāo)來評價客戶信用風(fēng)險時所采用的專家分析法。常用的要

素分析法是5c要素分析法，它主要集中在借款人的道德品質(zhì)（Character）、還

款能力（Capacity）、資本實力（Capita］）、擔(dān)保（Collateral）

和經(jīng)營環(huán)境條件（C。ndition）五個方面進行全面的定性分析，以判別借款人的還

款意愿和還款能力。

根據(jù)不同的角度，有的將分析要素歸納為“5W”因素，即借款人（Wh0）、借款用途（W

hy）、還款期限（When）、擔(dān)保物（What）及如何還款（How）。還有的歸納為

“5P”因素，即個人因素（Pers。na1）、借款目的（Purpose）、償還（P

ayment）、保障（Protection）和前景（Perspective）。無論

是“5C”、“5W”還是“5P”，其共同之處都是先選取一定特征目標(biāo)要素，然后對每一

要素評分，使信用數(shù)量化，從而確定其信用等級，以其作為其銷售、貸款等行為的標(biāo)準(zhǔn)和隨

后跟蹤監(jiān)測期間的政策調(diào)整依據(jù)。

33、信用風(fēng)險度量方法演變過程：大致分為三個階段：一是1970年以前，大多數(shù)金融機構(gòu)

基本上采取專家分析法，即依據(jù)銀行專家的經(jīng)驗和主觀分析來評估信用風(fēng)險，主要分析工具

有5c分析法、LAPP法、五級分析法等；二是大約在20世紀70年代初到80年代底，金融

機構(gòu)主要采用基于財務(wù)指標(biāo)的信用評分方法，如線性幾率模型、Logit模型、Probit模型、

AltmanZ值模型與ZETA模型等；三是20世紀90年代以來，世界一些著名的商業(yè)銀行開始

探索運用現(xiàn)代金融理論和數(shù)學(xué)工具來定量評估信用風(fēng)險，建立了以風(fēng)險價值為基礎(chǔ)、以違約

概率和預(yù)期戰(zhàn)失為核心指標(biāo)的度量模型，如信用監(jiān)控模型（KMV模型）、CreditMetrics模型、

信貸組合觀點（creditporfolioview）、CreditRisk+模型等等。

34、幾個率的計算：

（1）對i=l,2,…,N,定義mi,R是評級為R的債務(wù)人在第i年違約數(shù)目，n課是評級為R

的債務(wù)人在第i年年初沒有違約的數(shù)目，則邊際違約率MDRi,R為刈邛R=—匕,i=12...N

nLR

(2)評級為R的債務(wù)人在N年內(nèi)沒有違約的比率，即生存率為-MOR,#);

⑶第年的違約率為

Nkyk“,&=SN?RMDRNR;

(4)累積違約概率CDR$R為CDRNR=klR+k2K+...+kNR=1-SNR;

⑸平均違約概率MD&R滿足下式CDRNR=1-SN/=1-(1-MDR尸.

35、實際違約概率

ln(%/￡>)+(〃—口

PD=P(V<D)=P-2)

TcrVr

ln(&)+(M_4/2"

"L標(biāo)

d2稱為違約距離。

36、信用損失的含義：CL(creditlosses)是指信用風(fēng)險所引起的損失。設(shè)有n種資產(chǎn)，則

CL=￡%xCEixLGD[CEi為第i種信用資產(chǎn)的信用暴露(creditexposure)；

LGDi為第早種信用資產(chǎn)的違約損失率；CEiXLGDi為第i種信用資產(chǎn)的違約損失或違約風(fēng)

險暴露，即違約發(fā)生后的損失。

斗切廣…,.xl、ECL=\CEx￡(n)xLGC>=\CExpxLGCj

37、預(yù)期信用損失ECL(expectedcreditlosses)MiM''

預(yù)期信用損失率REL(rateofexpectedlosses)RELt=E(7,)xLGDt=p,xLGDt

未預(yù)期信用損失率RUL(rateofunexpectedlosses)RUL、=Di(7,*LGDi)

未預(yù)期信用損失UCL(unexpectedcreditlosses)是相對于預(yù)期信用損失而言的未預(yù)料到的

損失，其計算主要有兩種方法：信用損失的標(biāo)準(zhǔn)差法利信用損失的VaR法。

38、信用價差(creditspread)是指為了補償違約風(fēng)險，債權(quán)人要求債務(wù)人在到期日提供高

于無風(fēng)險利率(一般用同期的國債到期收益率來表示)的額外收益。

39、信用價差的計算(看課本)

信用價差=風(fēng)險資產(chǎn)收益率-無風(fēng)險收益率

40、Z值評分模型與ZETA模型(詳細看，結(jié)合課件)

41、CreditMetrics模型應(yīng)用的基本程序：(結(jié)合課本)

(1)評級體系的選擇與信用等級轉(zhuǎn)移矩陣的確定；(2)信用期限長度的確定；(3)遠期信

用定價模型的確定；(4)信用資產(chǎn)遠期價值的分布與VaR計算。(說是五個，書上只有四個

P196)

42、CreditMetrics模型的優(yōu)點及不足：(二優(yōu)點六缺點)

優(yōu)點：

(1)其框架具有廣泛的兼容性，既可以用于度量貸款、債券等傳統(tǒng)工具的信用風(fēng)險，又可

以度量貸款承諾、互換、遠期等較復(fù)雜的現(xiàn)代金融工具的信用風(fēng)險。

(2)可使風(fēng)險管理者更有針對性地搜集、處理有關(guān)信息，提高識別、度量和管理信用風(fēng)險

的能力，更有效地配置信用風(fēng)險資產(chǎn)。

缺點：

(1)應(yīng)用該模型對信用資產(chǎn)組合的遠期價值的估算是建立在對遠期信用價差正確估計的基

礎(chǔ)上的，但在估算過程中忽略了遠期信用價差的隨機性。

(2)模型中的違約率實際上是用過去的統(tǒng)計數(shù)據(jù)得到的平均歷史違約率，不能很好地體現(xiàn)

目前和之后的宏觀經(jīng)濟狀況、市場風(fēng)險等因素的影響。另外，該模型還假定同一信用等級的

債務(wù)人，無論行業(yè)如何、資產(chǎn)規(guī)模如何，他們的信用等級轉(zhuǎn)移矩陣都是相同的。

(3)該模型中使用的違約回收率或違約損失率的可靠性，缺乏理論基礎(chǔ)利驗證。

(4)模型假定信用等級的變化是獨立的。

(5)該模型對資產(chǎn)價值或收益的實際分布的確定還有待進一步研究和改進。

(6)該模型還假定公司資產(chǎn)收益率之間的相關(guān)系數(shù)可以用公司股票收益率之間的相關(guān)系數(shù)

來替代，這缺乏充分的理論基礎(chǔ)和驗證。

43、基于市場價值的違約模型KMV模型的基本思想：(結(jié)合課本)還有計算題

債務(wù)人的資產(chǎn)價值變動是驅(qū)動信用風(fēng)險產(chǎn)生的本質(zhì)因素，所以只要確定了債務(wù)人資產(chǎn)價值變

動所遵循的規(guī)律和模型(例如服從某個隨機方程)，就可實現(xiàn)估計違約率的目的。

44、KMV模型的基本步驟：KMV方法包含三個主要內(nèi)容，也是用以計算預(yù)期違約率的三

個基本步驟：第一，公司資產(chǎn)價值和資產(chǎn)收益率波動性的估計：第二，違約距離的計算；第

三，利用違約距離推導(dǎo)出預(yù)期違約率。(不要求記公式)

45、KMV模型的優(yōu)缺點：(三優(yōu)點五缺點)

優(yōu)點：

(1)KMV模型具有很高的靈敏度和適用性，運用KMV模型計算的EDF更更前瞻性。

(2)與信用評級為基礎(chǔ)的風(fēng)險度量模型如CreditMetrics相比，KMV公司的EDF在短期內(nèi)

具有更好的預(yù)測性，但在超過兩年以上的時間段內(nèi)則沒有優(yōu)勢。

(3)KMV既可以用于股票交易高度活躍的發(fā)達股票市場，也可以用于不太發(fā)達的新興市

場。

缺點：

(1)利用期權(quán)定價方法可以求解公司資產(chǎn)價值和波動率，但對結(jié)果的精確性缺乏有效的檢

驗方法。

(2)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)不變的，這通常與事實

不完全符合。

(3)假定負債企業(yè)的資產(chǎn)價值呈對數(shù)正態(tài)分布，這與實際情況與不完全相符，從而影響模

型應(yīng)用時的準(zhǔn)確性。

(4)運用該模型對經(jīng)驗EDF的估計一般要依賴大量違約的歷史數(shù)據(jù)，歷史數(shù)據(jù)的完備性、

可靠性等會影響預(yù)測EDF的準(zhǔn)確性，而且大量歷史數(shù)據(jù)的收集、儲存、處理等需要付出很

大的成本。

(5)該模型本質(zhì)上只考