金融風(fēng)險(xiǎn)管理信用風(fēng)險(xiǎn)的量與管理演示文稿

金融風(fēng)險(xiǎn)管理信用風(fēng)險(xiǎn)的度量與管理演示文稿當(dāng)前第1頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)金融風(fēng)險(xiǎn)管理信用風(fēng)險(xiǎn)的度量與管理當(dāng)前第2頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)第四章信用風(fēng)險(xiǎn)管理§1信用風(fēng)險(xiǎn)概述§2信用風(fēng)險(xiǎn)的度量§3信用風(fēng)險(xiǎn)的管理方法

專題：我國(guó)商業(yè)銀行的信用風(fēng)險(xiǎn)現(xiàn)狀當(dāng)前第3頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)§1信用風(fēng)險(xiǎn)概述當(dāng)前第4頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)一、信用風(fēng)險(xiǎn)含義二、信用風(fēng)險(xiǎn)事件（creditevent）的界定三、信用風(fēng)險(xiǎn)與市場(chǎng)風(fēng)險(xiǎn)的比較四、信用風(fēng)險(xiǎn)損失§1信用風(fēng)險(xiǎn)概述當(dāng)前第5頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)§1信用風(fēng)險(xiǎn)概述一、信用風(fēng)險(xiǎn)含義狹義：由于借款人或交易對(duì)手違約而導(dǎo)致?lián)p失的可能。廣義：狹義+由于債務(wù)人信用評(píng)級(jí)或履約能力變化導(dǎo)致其 發(fā)行的債務(wù)工具市場(chǎng)價(jià)值下降從而引起債權(quán)人損失 的可能。二、信用風(fēng)險(xiǎn)事件（creditevent）的界定風(fēng)險(xiǎn)因素——風(fēng)險(xiǎn)事件（事故）——損失

當(dāng)前第6頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)

國(guó)際互換與衍生品協(xié)會(huì)（InternationalSwapandDerivativeAssociation

ISDA）規(guī)范了信用風(fēng)險(xiǎn)事件的定義：1、破產(chǎn)（Bankruptcy）2、無(wú)力償付到期債務(wù)（Failuretopay）

3、債務(wù)交叉違約（Obligation/CrossDefault）

4、債務(wù)提前到期（而無(wú)法償還）(Obligation/CrossAcceleration)

5、債務(wù)拒絕清償或展期（Repudiation/Moratorium）

6、債務(wù)重整（Restructuring）：債務(wù)的重新安排導(dǎo)致不利

7、其它事件︰發(fā)債機(jī)構(gòu)的信用評(píng)級(jí)被調(diào)降

貨幣不可自由兌換：外匯管制，匯兌限制

政府行為當(dāng)前第7頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)三、信用風(fēng)險(xiǎn)與市場(chǎng)風(fēng)險(xiǎn)的比較

市場(chǎng)風(fēng)險(xiǎn)信用風(fēng)險(xiǎn)風(fēng)險(xiǎn)的來(lái)源僅來(lái)自市場(chǎng)因子本身來(lái)自違約風(fēng)險(xiǎn)、回收率風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)，等等資產(chǎn)收益的分布形態(tài)對(duì)稱不對(duì)稱、左偏風(fēng)險(xiǎn)存續(xù)期間短期期限相對(duì)較長(zhǎng)法令適用不適用非常重要數(shù)據(jù)來(lái)源較易取得較不易取得當(dāng)前第8頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)對(duì)稱VS左偏當(dāng)前第9頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)四、信用風(fēng)險(xiǎn)損失信用風(fēng)險(xiǎn)損失受下列變量影響：1、信用風(fēng)險(xiǎn)暴露：creditexposure（通常以面臨信用風(fēng)險(xiǎn)的資產(chǎn)名義價(jià)值或市場(chǎng)價(jià)值來(lái)表示）2、違約概率：probabilityofdefault3、回收率：recoveryrate（在已知違約的情況下，可以追回的部分占資產(chǎn)總價(jià)值的比率）違約損失率=1-回收率資產(chǎn)（組合）信用風(fēng)險(xiǎn)期望損失計(jì)算公式：當(dāng)前第10頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)§2信用風(fēng)險(xiǎn)的度量當(dāng)前第11頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)§2信用風(fēng)險(xiǎn)的度量信用風(fēng)險(xiǎn)的度量：傳統(tǒng)（古典）度量方法現(xiàn)代度量方法當(dāng)前第12頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)

一、傳統(tǒng)（古典）度量方法

傳統(tǒng)度量方法仍為許多金融機(jī)構(gòu)繼續(xù)使用；其方法思想常被用于現(xiàn)代信用風(fēng)險(xiǎn)度量方法當(dāng)中。專家系統(tǒng)法信用評(píng)分法對(duì)傳統(tǒng)度量方法的評(píng)價(jià)當(dāng)前第13頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)（一）專家系統(tǒng)法（expertsystem）1、含義：

該方法依賴信貸人員和信貸專家自身的專業(yè)知識(shí)、技能和豐富經(jīng)驗(yàn)，運(yùn)用各種專業(yè)性的分析工具，在分析評(píng)價(jià)各種關(guān)鍵要素的基礎(chǔ)上，依據(jù)主觀判斷來(lái)綜合評(píng)定信用風(fēng)險(xiǎn)的分析系統(tǒng)。2、方法種類5C判斷法5P判斷法駱駝分析系統(tǒng)(CamelSystem)當(dāng)前第14頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)5C判斷法品德character：決定其還款意愿資本capital(leverageratio)：影響著企業(yè)的抗風(fēng)險(xiǎn)能力現(xiàn)金流量利息保障倍數(shù)當(dāng)前第15頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)抵押collateral：影響違約回收率還款能力capacity：取決于企業(yè)經(jīng)營(yíng)情況（經(jīng)營(yíng)能力與環(huán)境）經(jīng)營(yíng)環(huán)境condition

商業(yè)周期，行業(yè)情況，利率環(huán)境，等等。美國(guó)公司債券的歷史回收率不同等級(jí)的債券回收率（%）平均值標(biāo)準(zhǔn)差擔(dān)保/抵押貸款7021擔(dān)保/抵押債券5524無(wú)擔(dān)保/抵押債券5125次級(jí)債券3221所有債券4527當(dāng)前第16頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)5P判斷法個(gè)人因素personalfactor：決定著還款意愿和還款能力。資金用途purposefactor：影響著借款使用的風(fēng)險(xiǎn)與收益。還款來(lái)源paymentfactor：項(xiàng)目現(xiàn)金流與未來(lái)前景。保障protectionfactor：包括抵押與擔(dān)保，等等。企業(yè)前景perspectivefactor：經(jīng)營(yíng)管理水平與環(huán)境。當(dāng)前第17頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)

駱駝分析系統(tǒng)（CamelSystem）針對(duì)銀行、保險(xiǎn)公司等金融機(jī)構(gòu)的信用風(fēng)險(xiǎn)分析法。CAMELS：資本充足率

Capitaladequacy資產(chǎn)質(zhì)量

Assetquality；thenon-perfectloan管理水平Management盈利水平

Earnings流動(dòng)性Liquidity市場(chǎng)風(fēng)險(xiǎn)敏感度Sensitivity

（

Market

Risk）考察利率、匯率、商品價(jià)格及股票價(jià)格的變化，對(duì)銀行等金融機(jī)構(gòu)投資等可能帶來(lái)的不利影響。

overdueloansbaddebts當(dāng)前第18頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)（二）信用評(píng)分法

根據(jù)可以觀察到的債務(wù)人特征變量計(jì)算出一個(gè)打分，來(lái)代表債務(wù)人的違約概率，或者將債務(wù)人歸類于不同的違約風(fēng)險(xiǎn)類別。信用評(píng)分模型線性辨別模型二元選擇模型(Logit/probit模型)Z計(jì)分模型zeta模型當(dāng)前第19頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)1、Z計(jì)分模型（Altman(1968)）Altman指標(biāo)體系：當(dāng)前第20頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)Z計(jì)分模型：Z值等于各指標(biāo)的線性組合Altman給出美國(guó)制造業(yè)上市公司Z值計(jì)算公式：

當(dāng)前第21頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)（此后，很多學(xué)者對(duì)此進(jìn)行了擴(kuò)展，提出了針對(duì)非制造業(yè)上市公司和非上市公司的Z計(jì)分模型。）

據(jù)此，可以對(duì)公司在2年內(nèi)破產(chǎn)的可能性進(jìn)行診斷與預(yù)測(cè)。研究表明，該公式的預(yù)測(cè)準(zhǔn)確率高達(dá)72%-80%。當(dāng)前第22頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)2、ZETA信用風(fēng)險(xiǎn)分析模型（第二代Z計(jì)分模型）

ZETA公司開發(fā)的模型（1977年Altman等人對(duì)原始的Z-score模型進(jìn)行擴(kuò)展，建立了第二代模型），適用范圍更寬（非金融類公司），對(duì)違約可能的計(jì)算更精確。

ZETA模型在破產(chǎn)前5年即可有效地劃分出將要破產(chǎn)的公司。其中破產(chǎn)前1年的準(zhǔn)確度大于90%，破產(chǎn)前5年的準(zhǔn)確度大于70%。

ZETA模型不僅適用于制造業(yè)，而且同樣有效地適用于零售業(yè)。當(dāng)前第23頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)

ZETA模型將指標(biāo)從五個(gè)增加至七個(gè)：當(dāng)前第24頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)普通股優(yōu)先股長(zhǎng)期債務(wù)融資性租賃資產(chǎn)當(dāng)前第25頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)3、Probit二元選擇模型當(dāng)需要確定個(gè)體在給定特征下作出這種選擇而不是另一種選擇的概率有多大時(shí)，通常要基于經(jīng)驗(yàn)數(shù)據(jù)，利用二元選擇模型進(jìn)行擬合與預(yù)測(cè)。令表示個(gè)體在這些特征下違約的概率。令表示個(gè)體各種特征（全部解釋變量）的線性組合。則當(dāng)前第26頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)根據(jù)對(duì)分布假設(shè)的不同，二元選擇模型可以有不同的類型：標(biāo)準(zhǔn)正態(tài)分布的密度函數(shù)和分布函數(shù)當(dāng)前第27頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)

對(duì)古典信用風(fēng)險(xiǎn)度量方法的評(píng)價(jià)：優(yōu)點(diǎn)：簡(jiǎn)單易懂，易操作缺點(diǎn)：專家系統(tǒng)法：需要有相當(dāng)數(shù)量的信用分析人員——效率與成本問(wèn)題；實(shí)施效果受信用分析人員本身素質(zhì)高低和經(jīng)驗(yàn)的影響；加劇貸款組合過(guò)度集中——“信用悖論（creditparadox）”難以確定共同遵循的標(biāo)準(zhǔn)——主觀性、隨意性。信用評(píng)分法：依賴財(cái)務(wù)報(bào)表的賬面數(shù)據(jù)，忽視日益重要的各項(xiàng)動(dòng)態(tài)資本市場(chǎng)指標(biāo)，可靠性、及時(shí)性差；通常假設(shè)在解釋變量與被解釋變量間存在著線性關(guān)系；無(wú)法計(jì)量表外信用風(fēng)險(xiǎn)。當(dāng)前第28頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)二、現(xiàn)代度量方法信用評(píng)級(jí)與違約率測(cè)算

用金融資產(chǎn)的市場(chǎng)價(jià)格衡量違約風(fēng)險(xiǎn)

CreditMetrics模型CreditRisk+模型宏觀模擬方法當(dāng)前第29頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)（一）信用評(píng)級(jí)與違約率測(cè)算信用評(píng)級(jí)：對(duì)債務(wù)人未來(lái)全額、按時(shí)地向投資者償付到期本 息的能力和意愿所進(jìn)行的評(píng)價(jià)。違約率測(cè)算模型：信用評(píng)級(jí)機(jī)構(gòu)通過(guò)對(duì)不同信用級(jí)別公司的 歷史違約率進(jìn)行統(tǒng)計(jì)分析，并據(jù)此估計(jì)實(shí) 際違約率。當(dāng)前第30頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)當(dāng)前第31頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)較高的信用級(jí)別違約率較低違約率隨年份的增加而上升，即信用風(fēng)險(xiǎn)隨時(shí)間增加而增大。建立模型，估計(jì)違約率。π=f（rating,t）存在的問(wèn)題：統(tǒng)計(jì)數(shù)據(jù)（樣本空間）較少，對(duì)違約率這一低概率事件的估計(jì)可能很不準(zhǔn)確。當(dāng)前第32頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)（二）用債務(wù)人發(fā)行的金融資產(chǎn)(債券、股票)的市場(chǎng)價(jià)格衡量其違約風(fēng)險(xiǎn)理論依據(jù)：金融市場(chǎng)擁有大量的信息，因此，債務(wù)人所 發(fā)行證券的市場(chǎng)價(jià)格包含著其違約風(fēng)險(xiǎn)大小的 信息。即通過(guò)有價(jià)證券的市場(chǎng)價(jià)格的變化可以 推測(cè)其違約概率。1、基于公司債券價(jià)格推測(cè)信用價(jià)差和違約風(fēng)險(xiǎn)

考慮一個(gè)存在信用風(fēng)險(xiǎn)的債券:該債券為一年期折價(jià)發(fā)行的債券，面值為100元。假設(shè)其違約和償還情況如下圖：當(dāng)前第33頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)定價(jià)原理：存在信用風(fēng)險(xiǎn)的債券收益率無(wú)風(fēng)險(xiǎn)收益率信用價(jià)差：y*-y，也稱為信用風(fēng)險(xiǎn)溢價(jià)根據(jù)信用風(fēng)險(xiǎn)溢價(jià)推測(cè)違約率0當(dāng)前第34頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)

計(jì)算題

假設(shè)某債券為一年期折價(jià)發(fā)行的債券，面值為100元。假設(shè)該類債券的違約回收率的期望值為80%，市場(chǎng)上的無(wú)風(fēng)險(xiǎn)收益率2%。請(qǐng)分別計(jì)算當(dāng)該債券的市場(chǎng)價(jià)格為90元、95元和97元時(shí)其可能的違約概率。當(dāng)前第35頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)擴(kuò)展至多期的情況：

《金融風(fēng)險(xiǎn)管理師手冊(cè)（第五版）》P413當(dāng)前第36頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)2、KMV模型—基于股票市場(chǎng)價(jià)格的信用風(fēng)險(xiǎn)度量方法1989年，Kealhofer,McQuown和Vasicek在舊金山創(chuàng)立了KMV公司，用于提供信用風(fēng)險(xiǎn)管理服務(wù)。2002年4月，該公司被穆迪公司收購(gòu)（Moody’sKMV）。KMV模型由KMV公司創(chuàng)立并商品化。KMV模型：又稱為CreditMonitor（信用監(jiān)控模型），是將期權(quán) 定價(jià)理論應(yīng)用于股權(quán)估值而開發(fā)出來(lái)的一種信用監(jiān)控 模型，它通過(guò)對(duì)上市公司價(jià)值波動(dòng)性的估計(jì)，來(lái) 預(yù)測(cè)上市公司發(fā)生違約的可能性。當(dāng)前第37頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)股權(quán)價(jià)值公司價(jià)值債務(wù)價(jià)值（1）模型基本假設(shè)與原理

理論上講，當(dāng)公司總價(jià)值（股權(quán)價(jià)值+債務(wù)價(jià)值）超過(guò)債務(wù)價(jià)值時(shí)，債務(wù)將會(huì)得到全額的償還，股東得到剩余部分的價(jià)值；當(dāng)公司總價(jià)值低于債務(wù)價(jià)值時(shí)，公司就會(huì)違約，此時(shí)，股東價(jià)值為零（由于“有限責(zé)任制”，其價(jià)值不會(huì)小于零）。Merton(1974)模型思想：持有公司的股權(quán)與購(gòu)買一份該公司價(jià)值的看漲期權(quán)是等價(jià)的。該期權(quán)的執(zhí)行價(jià)格是公司債務(wù)的價(jià)值。當(dāng)前第38頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)股東的初始出資額（有限責(zé)任的上限）由看漲期權(quán)定價(jià)原理可估算股權(quán)價(jià)值：當(dāng)前第39頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)（2）KMV模型方法與步驟依據(jù)前述基于期權(quán)思想的股權(quán)價(jià)值E的估算公式、權(quán)益波動(dòng)率與資產(chǎn)波動(dòng)率之間的關(guān)系估計(jì)公司（資產(chǎn)）價(jià)值V和其波動(dòng)性σV設(shè)定違約點(diǎn)計(jì)算出違約距離(DTD：DistancetoDefault)——根據(jù)公司價(jià)值V、其波動(dòng)性σV和違約點(diǎn)（DPT）計(jì)算：確定違約距離與預(yù)期違約率之間的映射關(guān)系（將預(yù)期違約率表示成違約距離的函數(shù):，用來(lái)預(yù)測(cè)違約率）違約距離也可用作不同企業(yè)之間的比較，給出違約風(fēng)險(xiǎn)的序數(shù)指標(biāo)。短期債務(wù)（ShortTermDebt）長(zhǎng)期債務(wù)（LongTermDebt）表示要到達(dá)違約點(diǎn)，資產(chǎn)價(jià)值需要下降的程度（下降比率相對(duì)于標(biāo)準(zhǔn)差的倍數(shù)）當(dāng)前第40頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)違約距離的其他算法當(dāng)前第41頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)當(dāng)前第42頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)（三）CreditMetrics模型—信用風(fēng)險(xiǎn)的VaR度量方法J.P摩根銀行1994年開發(fā)出了測(cè)量市場(chǎng)風(fēng)險(xiǎn)VaR的RiskMetrics模型；1997年，J.P摩根銀行與其他合作者創(chuàng)立CreditMetrics模型，專門用于對(duì)非交易性金融資產(chǎn)（比如貸款和私募債券）的信用風(fēng)險(xiǎn)進(jìn)行度量；1998年，J.P摩根銀行組建一家獨(dú)立的名為RiskMetrics集團(tuán)的公司，產(chǎn)品化了這些風(fēng)險(xiǎn)度量方法。當(dāng)前第43頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)1、

CreditMetrics模型思想基于借款人信用等級(jí)、下一年度該信用等級(jí)轉(zhuǎn)換為其他信用等級(jí)的概率等數(shù)據(jù)資料，計(jì)算出任何一項(xiàng)非交易性貸款和債券的期望價(jià)值P和波動(dòng)率σp，從而得出這些非交易性金融資產(chǎn)組合信用風(fēng)險(xiǎn)的VaR度量值。CreditMetrics模型不僅考慮了債務(wù)人違約所帶來(lái)的信用風(fēng)險(xiǎn)，也考慮了由于債務(wù)人信用等級(jí)變化所導(dǎo)致的債務(wù)價(jià)值變動(dòng)的信用風(fēng)險(xiǎn)。當(dāng)前第44頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)計(jì)算信用風(fēng)險(xiǎn)VaR的公式： 假設(shè)已知信用資產(chǎn)期望價(jià)值為，標(biāo)準(zhǔn)差為

,且：

將一般正態(tài)分布形式的資產(chǎn)價(jià)值P

轉(zhuǎn)換為標(biāo)準(zhǔn)正態(tài)分布：當(dāng)前第45頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)2、CreditMetrics模型方法的步驟：計(jì)算和（1）獲取債務(wù)人信用等級(jí)和信用等級(jí)轉(zhuǎn)化概率的預(yù)測(cè)信息

（這些信息可以從大的信用評(píng)級(jí)公司獲取，也可以自己預(yù)測(cè)。）當(dāng)前第46頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)（2）對(duì)債務(wù)人未來(lái)各可能信用等級(jí)水平的債務(wù)價(jià)值進(jìn)行估計(jì)當(dāng)前第47頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)每種情況出現(xiàn)的概率當(dāng)前第48頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)當(dāng)前第49頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)600萬(wàn)元600萬(wàn)元600萬(wàn)元600萬(wàn)元10600萬(wàn)元當(dāng)前第50頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)PAPAAPAAA……PCCC當(dāng)前第51頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)PA=PAA=PAAA=……PD=當(dāng)前第52頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)當(dāng)前第53頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)練習(xí)題有一筆2年期固定利率為8%的1000萬(wàn)元的貸款資產(chǎn)（利息每年末償還一次），其當(dāng)前的信用級(jí)別為A級(jí)，在第一年末時(shí)，其信用等級(jí)變動(dòng)概率及相應(yīng)的零息企業(yè)債券收益率如下表：假設(shè)該筆貸款的價(jià)值服從正態(tài)分布，請(qǐng)計(jì)算該筆貸款在置信度95%水平上的VaR。其中，在標(biāo)準(zhǔn)正態(tài)分布下。年初信用等級(jí)年末信用等級(jí)AAAAAABBBBBA0.09%2.27%91.05%5.52%1.07%未來(lái)零息企業(yè)債券收益率3.6%3.8%4.1%4.5%5.50%當(dāng)前第54頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)（四）CreditRisk+

模型1、回顧泊松分布：

泊松分布：描述單位時(shí)間內(nèi)（或指定空間范圍內(nèi)）隨機(jī)事件發(fā)生次數(shù)的概率分布。

當(dāng)一個(gè)隨機(jī)事件（例如到達(dá)某公共汽車站等車的乘客、保險(xiǎn)公司的索賠次數(shù)，等等）以固定的平均速率λ隨機(jī)且獨(dú)立地出現(xiàn)，那么這個(gè)事件在單位時(shí)間內(nèi)出現(xiàn)的次數(shù)就近似地服從泊松分布。當(dāng)前第55頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)2、CreditRisk+

模型CreditRisk+

模型由瑞士信貸銀行開發(fā)。CreditRisk+模型假設(shè)：貸款組合由小額貸款組成；每筆貸款違約是隨機(jī)事件；單筆貸款的違約概率都不大；各貸款違約是相互獨(dú)立的。如果以上假設(shè)條件成立，則可認(rèn)為貸款違約數(shù)量服從泊松分布。當(dāng)前第56頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)當(dāng)前第57頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)（五）宏觀模擬方法：Mckinsey’sCreditPortfolioView該方法由麥肯錫（Mckinsey）公司1997年創(chuàng)立。CreditMetrics模型沒(méi)有考慮商業(yè)周期對(duì)信用評(píng)級(jí)轉(zhuǎn)移概率的影響。實(shí)際情況表明：信用評(píng)級(jí)的轉(zhuǎn)移一般取決于宏觀經(jīng)濟(jì)所處的狀態(tài)，尤其是低質(zhì)量貸款和垃圾債券的違約率對(duì)商業(yè)周期的狀態(tài)高度敏感。當(dāng)前第58頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)Mckinsey’sCreditPortfolioView直接將信用評(píng)級(jí)轉(zhuǎn)移概率與宏觀經(jīng)濟(jì)因素之間的關(guān)系模型化。并通過(guò)制造宏觀“沖擊”來(lái)模擬轉(zhuǎn)移概率矩陣的跨時(shí)演變。然后，與CreditMetrics模型類似，再計(jì)算出信用風(fēng)險(xiǎn)的VaR值。由于該模型舍象掉了債務(wù)人本身固有的信用風(fēng)險(xiǎn)，因此不能產(chǎn)生關(guān)于公司信用風(fēng)險(xiǎn)的足夠信息。當(dāng)前第59頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)§3信用風(fēng)險(xiǎn)的管理方法一、信用風(fēng)險(xiǎn)的分散化與信用風(fēng)險(xiǎn)組合管理二、以信用衍生產(chǎn)品管理信用風(fēng)險(xiǎn)當(dāng)前第60頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)一、信用風(fēng)險(xiǎn)的分散化與信用風(fēng)險(xiǎn)組合管理信用風(fēng)險(xiǎn)一般屬于個(gè)體風(fēng)險(xiǎn)（非系統(tǒng)風(fēng)險(xiǎn)），因此，根據(jù)資產(chǎn)組合理論，信用資產(chǎn)組合（比如貸款組合）的風(fēng)險(xiǎn)小于單個(gè)資產(chǎn)的風(fēng)險(xiǎn)之和。信用風(fēng)險(xiǎn)悖論與單個(gè)金融機(jī)構(gòu)的系統(tǒng)性信用風(fēng)險(xiǎn)

信用風(fēng)險(xiǎn)悖論（paradoxofcredit）：貸款機(jī)構(gòu)往往忽視信用風(fēng)險(xiǎn)的分散化，常常將貸款集中在一個(gè)特定的行業(yè)或地區(qū)范圍內(nèi)，這就導(dǎo)致違約風(fēng)險(xiǎn)的相關(guān)性更高。當(dāng)前第61頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)

單個(gè)金融機(jī)構(gòu)的系統(tǒng)性信用風(fēng)險(xiǎn)：一個(gè)金融機(jī)構(gòu)對(duì)某些行業(yè)或地區(qū)的信用達(dá)到一定程度而出現(xiàn)的信用風(fēng)險(xiǎn)集中現(xiàn)象。當(dāng)某類風(fēng)險(xiǎn)集中到一定程度時(shí)，就可能會(huì)給該金融機(jī)構(gòu)造成巨大損失，甚至導(dǎo)致其無(wú)法正常運(yùn)行，比如美國(guó)的次貸危機(jī)。當(dāng)前第62頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)信用風(fēng)險(xiǎn)組合管理技術(shù)的發(fā)展KMV公司的PortfolioManager模型：基于資產(chǎn)組合理論，利用全部風(fēng)險(xiǎn)-收益權(quán)衡模型來(lái)管理信用組合風(fēng)險(xiǎn)。RiskMetrics集團(tuán)（在紐約證券交易所簡(jiǎn)稱RMG）CreditManager模型：利用信用資產(chǎn)組合的信用等級(jí)聯(lián)合轉(zhuǎn)移概率矩陣來(lái)管理信用組合風(fēng)險(xiǎn)。穆迪公司的貸款組合分散度指數(shù)模型：穆迪公司假設(shè)處于同一個(gè)行業(yè)的公司之間是相關(guān)的，處于不同行業(yè)的公司之間是不相關(guān)的。在此假設(shè)下，給出了與一個(gè)組合中處于同一個(gè)行業(yè)中公司個(gè)數(shù)相對(duì)應(yīng)的分散度分?jǐn)?shù)。貸款組合的分散度指數(shù)越高，說(shuō)明組合的信用風(fēng)險(xiǎn)相對(duì)越小。麥肯錫公司的Wilson組合風(fēng)險(xiǎn)模型：以歷史宏觀經(jīng)濟(jì)變量和平均違約率的時(shí)間序列數(shù)據(jù)為基礎(chǔ)，針對(duì)不同的國(guó)家和行業(yè)板塊，構(gòu)建多因素組合風(fēng)險(xiǎn)模型。參考書目：美國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理研究，中國(guó)金融出版社當(dāng)前第63頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)二、以信用衍生產(chǎn)品(creditderivatives)管理信用風(fēng)險(xiǎn)（一）信用衍生產(chǎn)品的含義

按照ISDA（國(guó)際互換及衍生品協(xié)會(huì)）的定義，信用衍生產(chǎn)品是將信用風(fēng)險(xiǎn)從基礎(chǔ)信用資產(chǎn)（比如貸款或公司債）的其它風(fēng)險(xiǎn)中分離出來(lái)，并提供轉(zhuǎn)移機(jī)制的金融契約。當(dāng)前第64頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)（二）信用衍生產(chǎn)品的產(chǎn)生與發(fā)展1992年，在巴黎舉行的ISDA年會(huì)上首次正式提出了可以用作分散、轉(zhuǎn)移信用風(fēng)險(xiǎn)的創(chuàng)新產(chǎn)品——信用衍生產(chǎn)品。背景：在經(jīng)歷了20世紀(jì)80年代的債務(wù)危機(jī)和90年代末的亞洲金融危機(jī)后，國(guó)際金融界開始注重對(duì)信用風(fēng)險(xiǎn)的防范與管理創(chuàng)新。以轉(zhuǎn)移信用風(fēng)險(xiǎn)為核心的信用衍生工具迅速發(fā)展，成為國(guó)際金融市場(chǎng)上金融創(chuàng)新的一大熱點(diǎn)。當(dāng)前第65頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)盡管信用衍生產(chǎn)品出現(xiàn)的時(shí)間比較晚，但是自1993年完成第一筆交易以來(lái)，基本上是以一種爆炸式的速度發(fā)展：2005年全球信用衍生產(chǎn)品合約的名義本金額已經(jīng)達(dá)到了17萬(wàn)億美元；2006年這一數(shù)字達(dá)到35.1萬(wàn)億美元；2007ISDA

MarketSurvey:CreditDerivativesat$45.46Trillion；2008ISDA

MarketSurvey:CreditDerivativesat$54.6Trillion2009ISDA

MarketSurvey:CreditDerivativesat$31.2Trillion.2010ISDA

MarketSurvey:CreditDerivativesat$26.26Trillion.當(dāng)前第66頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)當(dāng)前第67頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)在2001年底到2002年初所發(fā)生的安然以及世通公司的特大破產(chǎn)案中，美國(guó)多家銀行正是由于運(yùn)用了信用衍生交易，才得以幸免于難。然而，美國(guó)的次級(jí)貸款危機(jī)充分表明，衍生產(chǎn)品在帶給金融系統(tǒng)一定便利的時(shí)候，也能給金融系統(tǒng)帶來(lái)很大的危害性。信用衍生產(chǎn)品僅僅是一種信用風(fēng)險(xiǎn)的轉(zhuǎn)移和分散安排，并不能減少或消除風(fēng)險(xiǎn)。當(dāng)信用風(fēng)險(xiǎn)成為一種系統(tǒng)性風(fēng)險(xiǎn)時(shí)，信用衍生產(chǎn)品的這種功能將很難發(fā)揮作用。當(dāng)前第68頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)（三）信用衍生產(chǎn)品的種類

（信用保護(hù)工具）信用違約互換（CreditDefaultSwap）總收益互換（TotalReturnSwap）信用價(jià)差遠(yuǎn)期與期權(quán)（CreditSpreadForward/Option）信用聯(lián)系票據(jù)（Credit-linkedNotes）當(dāng)前第69頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)1、信用違約互換（CreditDefaultSwapCDS）--（實(shí)質(zhì)上是一種信用違約保險(xiǎn)而非真正意義上的互換）

CDS的購(gòu)買者向出售者支付一筆費(fèi)用（premiumpayment），得到在參考資產(chǎn)（標(biāo)的資產(chǎn)）的信用風(fēng)險(xiǎn)事件發(fā)生時(shí)獲得償付的權(quán)利（Contingentpayment(或有支付，有條件的支付)。當(dāng)前第70頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)注意：信用違約互換并不能消除信用風(fēng)險(xiǎn)。當(dāng)信用保護(hù)的購(gòu)買者轉(zhuǎn)移其參考信用資產(chǎn)的風(fēng)險(xiǎn)時(shí)，卻承擔(dān)了來(lái)自于信用保護(hù)出售者的信用風(fēng)險(xiǎn)。所以，一份有效率的信用互換應(yīng)該保證上述二者具有較低的相關(guān)性。參考資產(chǎn)為5年期BBB級(jí)債券時(shí)，不同互換交易方提供的CDS的相對(duì)價(jià)值當(dāng)前第71頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)2、總收益互換（TotalReturnSwaps-TRS）TRS的買方向賣方支付：參考資產(chǎn)所得的利息收入+該資產(chǎn)市場(chǎng)價(jià)值的變動(dòng)部分。TRS的賣方向買方支付：浮動(dòng)利率（LIBOR）+一定基點(diǎn)的收益。從而使信用保護(hù)工具的買方將其持有資產(chǎn)的信用風(fēng)險(xiǎn)和市場(chǎng)風(fēng)險(xiǎn)轉(zhuǎn)移給賣方。當(dāng)前第72頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)舉例

A銀行以10%的固定利率向XYZ公司發(fā)放貸款1億美元，該A銀行與B銀行簽訂一份TRS，A銀行承諾換出該筆貸款的利息加上貸款市場(chǎng)價(jià)值的變動(dòng)部分，獲得相當(dāng)于LIBOR+50bp的收益。如果現(xiàn)在的LIBOR為9%，并且一年后貸款的價(jià)值從1億美元降至9500萬(wàn)美元，請(qǐng)計(jì)算A銀行該互換的凈現(xiàn)金流。A銀行的現(xiàn)金流出：10000×10%+（9500-10000）=500（萬(wàn)美元）A銀行的現(xiàn)金流入：10000×9.5%=950（萬(wàn)美元）A銀行的凈現(xiàn)金流：950-500=450（萬(wàn)美元）當(dāng)前第73頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)3、信用價(jià)差遠(yuǎn)期與期權(quán)（1）信用價(jià)差遠(yuǎn)期（CreditSpreadForward）CreditSpread:

信用價(jià)差=信用資產(chǎn)收益率-無(wú)風(fēng)險(xiǎn)收益率信用價(jià)差擴(kuò)大意味著信用風(fēng)險(xiǎn)增加和信用資產(chǎn)價(jià)值下降；反之，則相反。信用價(jià)差遠(yuǎn)期：約定某參考資產(chǎn)（標(biāo)的資產(chǎn)）未來(lái)的信用價(jià)差水平，當(dāng)實(shí)際信用價(jià)差水平高于約定的信用價(jià)差時(shí)，合約持有者（購(gòu)買者）獲取收益；否則，承擔(dān)虧損。信用價(jià)差遠(yuǎn)期合約的購(gòu)買方通常為某一參考信用資產(chǎn)的持有者，他可以用該參考資產(chǎn)信用價(jià)差的遠(yuǎn)期合約來(lái)對(duì)沖參考資產(chǎn)信用風(fēng)險(xiǎn)的變化。當(dāng)前第74頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)假設(shè)參考資產(chǎn)為：一筆ABC公司的貸款

ABC公司的貸款價(jià)值信用價(jià)差擴(kuò)大時(shí)信用價(jià)差遠(yuǎn)期合約價(jià)值

ABC公司的貸款價(jià)值信用價(jià)差縮小時(shí)信用價(jià)差遠(yuǎn)期合約價(jià)值當(dāng)前第75頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)信用價(jià)差遠(yuǎn)期合約買方的收益：修正久期合約規(guī)定的信用價(jià)差合約到期時(shí)的信用價(jià)差信用價(jià)差遠(yuǎn)期合約買方的收益名義值標(biāo)的資產(chǎn)的價(jià)值變化：當(dāng)前第76頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)（2）信用價(jià)差期權(quán)（CreditSpreadOption）

期權(quán)的買方支付一筆期權(quán)費(fèi)給賣方，當(dāng)規(guī)定時(shí)間內(nèi)發(fā)生了任何信用價(jià)差增加導(dǎo)致的損失，買方都有權(quán)將其轉(zhuǎn)移給期權(quán)的賣方。當(dāng)前第77頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)4、信用聯(lián)系票據(jù)（Credit-linkednotes）信用聯(lián)系票據(jù)：將所發(fā)行的附息債券與某些信用風(fēng)險(xiǎn)轉(zhuǎn)移機(jī)制結(jié)合起來(lái)而得名，并非單獨(dú)的衍生品合約。其目標(biāo)一般是通過(guò)提高投資者收益率的方式來(lái)使投資者承擔(dān)一定的信用風(fēng)險(xiǎn)。功能：轉(zhuǎn)移信用風(fēng)險(xiǎn)+融資（發(fā)行主體通常為銀行）有無(wú)信用問(wèn)題？投資者（信用聯(lián)系票據(jù)的買方）信用聯(lián)系票據(jù)（即一種附息債券）發(fā)行人（比如某銀行）購(gòu)買信用聯(lián)系票據(jù)，支付本金參照資產(chǎn)：XYZ貸款信用聯(lián)系票據(jù)利息+溢價(jià)有

收回部分本金無(wú)

收回全部本金當(dāng)前第78頁(yè)\共有86頁(yè)\編于星期一\16點(diǎn)我國(guó)商業(yè)銀行的信用風(fēng)險(xiǎn)現(xiàn)狀20世紀(jì)末亞洲金融危機(jī)后，中國(guó)銀行體系積累的風(fēng)險(xiǎn)在2004年前后的商業(yè)銀行改制過(guò)程中集中體現(xiàn)出來(lái)。(1996-1997：中國(guó)銀行業(yè)不良率曾達(dá)到50%一度不敢公布——中國(guó)銀行業(yè)協(xié)會(huì)專職副會(huì)長(zhǎng)楊再平)國(guó)家為此動(dòng)用相當(dāng)于國(guó)民收入20%的資金處理銀行系統(tǒng)的壞賬風(fēng)險(xiǎn)。沉重的壞賬包袱曾讓中國(guó)銀行業(yè)喘不過(guò)氣來(lái)。銀監(jiān)會(huì)數(shù)據(jù)顯示，2002年主要商業(yè)銀行不良貸款余額達(dá)22793億元，不良貸款