信用風(fēng)險管理剖析課件

21世紀(jì)應(yīng)用型本科金融系列規(guī)劃教材金融風(fēng)險管理第3章信用風(fēng)險管理2023/7/202內(nèi)容一、信用風(fēng)險概述二、信用風(fēng)險度量方法三、信用風(fēng)險管理方法2023/7/203一、信用風(fēng)險的概念傳統(tǒng)觀點交易對象無力履約的風(fēng)險，即債務(wù)人未能如期償還其債務(wù)造成的違約產(chǎn)生的損失，而給主體經(jīng)營者帶來的風(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)；2023/7/204廣義和狹義的概念廣義指客戶違約所引起的風(fēng)險。

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)化為表內(nèi)負債狹義僅指信貸風(fēng)險然而，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。2023/7/205信用風(fēng)險的概念現(xiàn)代觀點由于借款人或者市場交易對手違約而導(dǎo)致?lián)p失的可能性。更一般地，由于借款人的信用評級的變化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。因此，信用風(fēng)險的大小取決于交易對手的財務(wù)和風(fēng)險狀況。2023/7/206信用風(fēng)險的成因信用活動中的不確定性

經(jīng)濟活動中的外在不確定性如經(jīng)濟運行的隨機性、如宏觀調(diào)控，利率變化，匯率變化等；外在不確定性對整個市場都會帶來影響，又稱為”系統(tǒng)性風(fēng)險”;內(nèi)在不確定性：行為人的主觀決策以及信息不對稱原因?qū)е碌?，因此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,信用品質(zhì)的變化直接影響其履約能力；內(nèi)在不確定性產(chǎn)生的風(fēng)險又稱為“非系統(tǒng)性風(fēng)險”;

典型例子：長虹公司和APEX的應(yīng)收帳款問題；2023/7/207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(yán)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；2023/7/208信用風(fēng)險的特征

信用風(fēng)險和市場風(fēng)險顯著不同主要是考慮違約風(fēng)險，還要考慮違約導(dǎo)致公司資產(chǎn)價值變化的市場風(fēng)險；信用風(fēng)險的限額取決于總體風(fēng)險，即對于每一個在法律上明確界定的交易方的總風(fēng)險或凈風(fēng)險；市場風(fēng)險的時間比較短，而信用風(fēng)險通常時間比較長；2023/7/209信用風(fēng)險的轉(zhuǎn)移沒有市場風(fēng)險等方便；貸款的流動性比較差；大多數(shù)是柜臺交易；信用風(fēng)險的法律約束比較強，沒有固定的模式；信用風(fēng)險涉及的概念比較多；例如信用事件延期還款破產(chǎn)清償模式此外，同市場風(fēng)險相比，信用風(fēng)險具有以下特征：1、風(fēng)險概率分布的左偏性

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。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。信用風(fēng)險為左尾分布的主要原因在于：在最好的情況下，交易對手不違約，損失為零，銀行獲得利息；但在最壞的情況下，交易對手違約，違約損失可能是整個交易總價值，故信用風(fēng)險類似于賣出一個看跌期權(quán)（SellaPutOption）的報酬。

信用風(fēng)險的分布不是對稱的，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。這種特點是由于貸款信用違約風(fēng)險造成的，即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。換句話說，貸款的收益是固定和有上限的，它的損失則是變化的和沒有下限的。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。

信用風(fēng)險與市場風(fēng)險分布2、悖論(creditparadox)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(dāng)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)險很難分散化。3、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，信用風(fēng)險不像市場風(fēng)險那樣具有數(shù)據(jù)的可得性，這也導(dǎo)致了信用風(fēng)險定價模型有效性檢驗的困難。正是由于信用風(fēng)險具有這些特點，因而信用風(fēng)險的衡量比市場風(fēng)險的衡量困難得多，也成為造成信用風(fēng)險的定價研究滯后于市場風(fēng)險量化研究原因。二、信用風(fēng)險的測量Page

165C要素分析法5W、5P等方法盈利能力比率財務(wù)風(fēng)險比率流動性比率經(jīng)營能力比率信用度量制模型KMV模型信用風(fēng)險附加計量模型信用組合觀點模型神經(jīng)網(wǎng)絡(luò)分析系統(tǒng)專家制度財務(wù)比率綜合分析多變量信用風(fēng)險判別模型現(xiàn)代信用風(fēng)險度量模型多元判別分析法（Z-score模型）廣義線性模型Logit模型Probit模型2023/7/20171、專家系統(tǒng)專家系統(tǒng)是最古老的信用分析方法，使商業(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。最大特征是：銀行信貸的決策權(quán)是由該機構(gòu)哪些經(jīng)過長期訓(xùn)練、具有豐富經(jīng)驗的信貸官所掌握，并由他們做出是否貸款的決定。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)重最主要的決定因素。2023/7/2018專家系統(tǒng)：（1）“5C”分析目前所使用的專家系統(tǒng)，雖然有各種各樣的架構(gòu)設(shè)計，但其選擇的關(guān)鍵要素都基本相似。其中，對企業(yè)信用分析的5Cs系統(tǒng)使用最為廣泛:品德品質(zhì)（Character）還款能力（Capacity）資本（CapitalorCash）抵押（Collateral）經(jīng)營環(huán)境和商業(yè)周期（ConditionandCycle）“5C”分析品德(Character)，是對借款人聲譽的衡量。如國借款人是個人，則主要指其工作作風(fēng)、生活方式和品德；如果借款人是企業(yè)，則指其負責(zé)人的品德、經(jīng)營管理水乎、資金運用狀況、經(jīng)營穩(wěn)健性以及償還愿望等。不論借款人是個人還是企業(yè)，信用記錄對其品德的判斷都有重要意義資本(Capital)，是指借款人的財務(wù)杠桿狀況及資本金情況。資本金是經(jīng)濟實力的主要標(biāo)志，也是企業(yè)承擔(dān)信用風(fēng)險的最終資源。財務(wù)杠桿高就意味著資本金較少，債務(wù)負擔(dān)和違約概率也較高。金融風(fēng)險管理，1.19還款能力（Capacity）主要從兩個方面進行分析：一方面是借款人未來現(xiàn)金流量的變動趨勢及波動性；另一方面是借款人的管理水平，銀行不僅要對借款人的公司治理機制、日常經(jīng)營策略、管理的整合度和深度進行分析評價，還要對其各部門主要管理人員進行分析評價。抵押（Collateral）。借款人應(yīng)提供一定的、合適的抵押品以減少或避免商業(yè)銀行貸款損失，特別是在中長期貸款中，如果沒有擔(dān)保品作為抵押，商業(yè)銀行通常不予放款。商業(yè)銀行對抵押品的要求權(quán)級別越高，抵押品的市場價值越大，變現(xiàn)能力越強，則貸款的風(fēng)險越低金融風(fēng)險管理，1.20經(jīng)營環(huán)境(Condition)。主要包括商業(yè)周期所處階段、借款人所在行業(yè)狀況、利率水平等因素。商業(yè)周期是決定信用風(fēng)險水平的重要因素，尤其是在周期敏感性的產(chǎn)業(yè)；借款人處于行業(yè)周期的不同階段以及行業(yè)的競爭激烈程度，對借款人的償債能力也具有重大影響；利率水平也是影響風(fēng)險水平的重要環(huán)境因素。除5Cs系統(tǒng)外，使用較為廣泛的專家系統(tǒng)還有針對企業(yè)信用分析的5Ps系統(tǒng)，包括個人因素(PersonalFactor)、資金用途因素(PurposeFactor)、還款來源因素:在(PaymentFactor)、保障因常(ProtectionFactor)、企業(yè)前景因素：（PerspectiveFactor）金融風(fēng)險管理，1.212023/7/2022專家系統(tǒng)的缺陷與不足需要大量專門信用分析人員，分析過程成本高，效率低下。系統(tǒng)過于依賴分析人員個人素質(zhì)與經(jīng)驗，實施效果不穩(wěn)定。降低銀行應(yīng)對市場變化的能力。加劇了銀行信貸組合過度集中的問題，使銀行面臨更大風(fēng)險。難以確定共同遵循的標(biāo)準(zhǔn)，造成信用評估的主觀性、隨意性和不一致性。2023/7/2023（2）評級方法信用評級法又叫OCC法，是因為這一方法是由美國貨幣監(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(zhǔn)備金率（%）低質(zhì)量級別特別關(guān)注的其他資產(chǎn)0未達標(biāo)準(zhǔn)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024根據(jù)企業(yè)相關(guān)指標(biāo)的好壞將企業(yè)貸款信用分為若干等級。目前信用評級法一般將企業(yè)貸款信用分為1～9或1～10個級別。專家法的主要缺陷是：基本局限于定性分析，雖然也運用了許多財務(wù)分析指標(biāo)，但指標(biāo)的風(fēng)險權(quán)重等沒有明確，沒有建立多變量指標(biāo)的不同權(quán)重評價體系。2023/7/2025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(biāo)準(zhǔn)9C可疑10D損失2023/7/20263、信用評分方法：Z-Score模型信用評分的基本思路：事先確認(rèn)某些決定違約概率的關(guān)鍵因素，然后將它們加以聯(lián)合考慮或加權(quán)計算得出一個數(shù)量化的分?jǐn)?shù)。1968年Altman教授提出Z-Score模型；1977年進行修正和擴展，建立第二代模型Zeta模型。2023/7/2027Altman的兩個評分模型時根據(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，選擇一部份最能夠反映借款人的財物狀況、對貸款質(zhì)量應(yīng)該最大、最具預(yù)測分析價值的比率，涉及處一個能最大限度地區(qū)分貸款風(fēng)險度的數(shù)學(xué)模型，對貸款申請人進行信用風(fēng)險及資信評估。1、建立Z評分模型的步驟①選取一組最能反映借款人財物狀況等的財務(wù)比率②從銀行過去的貸款資料中收集樣本，分兩類，破產(chǎn)組與非破產(chǎn)組。③根據(jù)各行業(yè)實際情況確定每一比率權(quán)重。④將比率乘以相應(yīng)權(quán)重并加總，得到Z⑤對一系列樣本進行Z分析，可得衡量貸款風(fēng)險的Z值或Z域Z評分模型的主要內(nèi)容：金融風(fēng)險管理，1.29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。Z評分模型的違約臨界值阿爾特曼經(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=1.81，2.675。如果Z≥2.675，則借款人被劃為非違約組。則表明企業(yè)的財務(wù)狀況良好，發(fā)生破產(chǎn)的可能性就??；如果Z<2.675，借款人被劃入違約組；當(dāng)1.81<Z<2.675時，稱該區(qū)域為“灰色區(qū)域”(grayarea)：說明企業(yè)的財務(wù)狀況極為不穩(wěn)定。當(dāng)Z值小于1.81時，則表明企業(yè)潛伏著破產(chǎn)危機金融風(fēng)險管理，1.302、ZETA評分模型的主要內(nèi)容：ZETA信用風(fēng)險模型（ZETACreditRiskModel）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(rèn)精度也大大提高。模型中的7個變量是：資產(chǎn)收益率、收益穩(wěn)定性指標(biāo)、債務(wù)償付能力指標(biāo)、累計盈利能力指標(biāo)、流動性指標(biāo)、資本化程度的指標(biāo)、規(guī)模指標(biāo)金融風(fēng)險管理，1.31ZETA模型與Z模型準(zhǔn)確性比較2023/7/2033信用評分方法的缺陷（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(biāo)，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(rèn)識，理論基礎(chǔ)比較薄弱，從而難以令人信服；（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(zhǔn)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)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。2023/7/20344、信用度量制模型：

VaRVaR的復(fù)習(xí)VaR定義指一項給定的資產(chǎn)或者負債在一定時間內(nèi)和在一定的致信度下其損失的最大額度。VaR方法特別適用于可交易的金融資產(chǎn)受險價值的計算，因為人們很容易得到資產(chǎn)價格變化情況。2023/7/2035但是用于非交易性金融資產(chǎn)特別是信用資產(chǎn)時，會有如下問題：信用資產(chǎn)屬于非柜臺交易，因此貸款的市值不容易計算；由于市值不能被觀察，因此貸款市值變化的波動率無法得到；在VaR中，人們假定交易的金融資產(chǎn)是正態(tài)分布的，但是對于組合貸款而言，其資產(chǎn)或者是價值分布并非正態(tài)的；CreditMetrics模型ＶａＲ模型是在給定的置信區(qū)間內(nèi)，度量給定的資產(chǎn)在一定時間內(nèi)的最大損失額。而信用矩陣是希望提供一個運行風(fēng)險估值的框架，用于非交易性資產(chǎn)的估值和風(fēng)險計算。類似于市場風(fēng)險，考慮的問題時：如果一筆貸款遭受損失，那么會遭受多大的損失？金融風(fēng)險管理，1.362023/7/2037信用度量方法信用矩陣模型，可以估測在一定置信區(qū)間內(nèi)，某一時間貸款和貸款組合的損失。雖然人們不能度量貸款的市值和波動性，但是人們可以掌握借款人的信用等級資料，也就是從某個級別轉(zhuǎn)移到其他信用級別的概率，違約貸款的回收率。雖然，貸款的市場價值具有波動性，但利用借款人的信用評級、評級轉(zhuǎn)移矩陣、違約貸款回收率等可計算出市場價值Ｐ和標(biāo)準(zhǔn)差σ。2023/7/2038三個步驟

利用信用遷移矩陣，了解借款企業(yè)信用等級轉(zhuǎn)換的概率對信用等級變動后的貸款市值估價計算受險價值2023/7/2039信用遷移矩陣年初信用等級年底時的信用評級轉(zhuǎn)換概率（%）AAAAAABBBBBBCCC違約AAA90.818.330.680.060.12000AA0.790.657.790.640.060.140.020A0.092.2791.055.520.740.260.010.06BBB0.020.335.9586.935.361.170.120.18BB0.030.140.677.7380.538.8411.06B00.110.240.436.4883.464.075.2CCC0.2200.221.32.3811.2464.8619.792023/7/2040貸款市價估計問題:5年期的固定貸款利率，年貸款利率為6%，貸款總額為100(百萬美元),企業(yè)的信用等級為BBB，那么現(xiàn)值多少？考慮信用等級變化對貸款市值估價；信用等級的上升或者下降必然影響到貸款余額的現(xiàn)金流量所要求的信用風(fēng)險利差。如果信用等級下降，那么信用利差就會增加，因而其貸款的市值就會相應(yīng)下降；信用等級上升，那就反之。因此貸款的市值公式為2023/7/2041設(shè)債券遠期利率期限結(jié)構(gòu)(%)期限第１年第２年第３年第４年ＡＡＡ3.604.174.735.12ＡＡ3.654.224.785.17Ａ3.724.324.935.32ＢＢＢ4.104.675.255.63ＢＢ5.556.026.787.27Ｂ6.057.028.038.25ＣＣＣ15.0515.0514.0313.522023/7/2042

一年后為Ａ級的債券遠期價格為那么得到不同信用等級下貸款市值狀況(風(fēng)險定價)信用等級概率（%）市值金額信用等級概率（%）市值金額AAA0.02109.37BB5.30102.02AA0.33109.19B1.1798.10A5.59108.66CCC0.1283.64BBB86.95107.55Default0.1851.132023/7/2043VaR的計算步驟計算貸款市值均值等于每一信用等級下的貸款市值乘以借款人的轉(zhuǎn)移概率，再加權(quán)即得107.09；計算方差得到var=8.9477百萬美元，相應(yīng)的標(biāo)準(zhǔn)差為2.99百萬美元；計算貸款的VAR值

首先，求貸款未來價值的均值和方差

E貸款未來價值=

Vi：每一信用等級下的貸款市值Pi：借款人信用等級轉(zhuǎn)換到不同信用等級下的概率

其次，求VAR值。

VAR等于一定的置信度上，年末可能的貸款價值與貸款預(yù)期平均價值間的差距，即貸款的價值損失。

①假設(shè)貸款價值服從正態(tài)分布，則置信度為95％的VAR值為1．65×σ；置信度為99％的VAR值為2．33×σ。

②若基于貸款價值的實際分布，可利用轉(zhuǎn)移概率矩陣和對應(yīng)的貸款價值表近似計算不同置信度下的VAR值。貸款VAR值=貸款均值－給定置信度水平上年末可能的貸款價值

接前例：我們計算得出貸款市值的均值為107.09百萬美元，貸款市值的標(biāo)準(zhǔn)差為2.99百萬美元。①根據(jù)正態(tài)分布該貸款95%置信度下的受險價值為：

1.65×2.99=4.93百萬美元該貸款99%置信度下的受險價值為：

2.33×2.99=6.97百萬美元

②根據(jù)實際分布，計算VAR2023/7/2048根據(jù)公式得到在5%的受險價值VaR=1.65*2.99=4.93百萬美元；同樣1%的受險價值為VaR=2.33*2.99=6.97百萬美元；2023/7/2049比較表，我們得到看到信用等級下的貸款價值低于102.02百萬美元的概率為6.77%(=5.3%+1.17%+0.12%+0.18%);意味著可能遭受的損失達到107.09-102.02=5.07百萬美元；同時分析貸款價值低于98.10百萬美元的概率為1.47%(=1.17%+0.12%+0.18%);意味著可能遭受的損失達到107.09-98.10=8.99百萬美元；因此這些方法低估了VaR；2023/7/2050比較準(zhǔn)確的方法由貸款市值的概率分布可知線性插值方法1.47%對應(yīng)于98.10；0.3%對應(yīng)于83.64；那么得到1%對應(yīng)于92.29百萬美元；因此1%的受險價值為107.90-92.29=14.80百萬美元；債券級別市值概率％累計概率B98.101.17％1.47％CCC83.640.12％0.3％違約51.130.18％利用線性插值法可以計算1%概率下的貸款市值，設(shè)該值為x說明：100百萬美元的貸款，一年后以99％的概率確信其市值不低于92.29美元。由于該貸款的均值為107.90美元，根據(jù)VaR的定義，

VaR＝107.09-92.29=14.80(美元)即我們可以以99％的概率確信，該貸款在1年內(nèi)的損失不超過14.80美元。2023/7/2052可以看到信用度量方法計算出的貸款受險價值可以比較準(zhǔn)確的反映不同信用等級和不同期限的貸款在未來發(fā)生的價值損失值；同時，以受險價值來確定防范信用資產(chǎn)風(fēng)險的最低資本量可以保證銀行在遭受信用風(fēng)險的情況下能夠繼續(xù)生存下去。2023/7/2053問題和挑戰(zhàn)關(guān)于信用等級的遷移問題對于貸款金融資產(chǎn)進行風(fēng)險管理關(guān)鍵之一是要得到信用轉(zhuǎn)移概率，從而可以計算受險價值；但是要求之一是要求數(shù)據(jù)期限比較長；二來很多假設(shè)限制；人們假定信用等級遷移概率服從穩(wěn)定的馬爾科夫過程。而馬氏過程的一個重要特點是目前的信用等級轉(zhuǎn)換至其他信用等級的概率不依賴于過去；2023/7/2054信用轉(zhuǎn)移矩陣是穩(wěn)定的，也就是意味著不同借款人、不同時期之間的信用等級轉(zhuǎn)換不變化；人們使用的債權(quán)組合也會對矩陣的準(zhǔn)確性產(chǎn)生影響；也即是債券的新舊程度對債券信用等級轉(zhuǎn)換概率有著明顯的影響；人們對使用債券等級轉(zhuǎn)換概率矩陣來對貸款進行估價會出現(xiàn)偏差。貸款的結(jié)構(gòu)；信用轉(zhuǎn)移矩陣的計算很難。練習(xí)題有一筆2年期固定利率為8%的1000萬元的貸款資產(chǎn)（利息每年末償還一次），其當(dāng)前的信用級別為A級，在第一年末時，考察其信用等級變動概率及相應(yīng)的零息企業(yè)債券收益率如下表：假設(shè)該筆貸款的價值服從正態(tài)分布，請計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。年初信用等級年末信用等級AAAAAABBBBBA0.09%2.27%91.05%5.52%1.07%未來零息企業(yè)債券收益率3.6%3.8%4.1%4.5%5.50%年初信用等級年末信用等級AAAAAABBBBBA0.09%2.27%91.05%5.52%1.07%零息企業(yè)債券年收益率3.6%3.8%4.1%4.5%5.50%80萬元1080萬元CreditRisk+模型瑞士信貸銀行金融產(chǎn)品部開發(fā)的信用風(fēng)險附加CreditRisk+模型運用家庭火險財產(chǎn)承保的思想，把違約事件模型化為有一定概率分布的連續(xù)變量，每一筆貸款都有著極小的違約概率并且獨立于其他貸款。組合的違約概率的分布類似于泊松分布，因此根據(jù)泊松分布公式，可計算違約的概率:e=2.71828,m為貸款組合平均違約率*100，n為實際違約的貸款數(shù)量；金融風(fēng)險管理，1.58違約損失=違約損失率LGD*風(fēng)險敞口；把具有相近違約損失率的貸款劃為一組，利用一定方法（風(fēng)險暴露頻段分級法）計算該組貸款的預(yù)期損失和非預(yù)期損失，獲得違約損失分布；將每組數(shù)據(jù)匯總，獲得全部的損失分布，再通過確定尾部分布，就可計算出對應(yīng)置信水平下組合的風(fēng)險值。CreditRisk+中沒有違約原因的假設(shè)，所以不能像CreditMetrics或KMV那樣用違約要素之間的相關(guān)性來代替違約本身的相關(guān)性金融風(fēng)險管理，1.59CreditRisk+

模型1、回顧泊松分布：

泊松分布：描述單位時間內(nèi)（或指定范圍內(nèi)）隨機事件發(fā)生次數(shù)的概率分布。

當(dāng)一個隨機事件（例如到達某公共汽車站等車的乘客、保險公司的索賠次數(shù)，等等）以固定的平均速率λ隨機且獨立地出現(xiàn)，那么這個事件在單位時間內(nèi)出現(xiàn)的次數(shù)就近似地服從泊松分布。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事件；單筆貸款的違約概率都不大；各貸款違約是相互獨立的。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2023/7/20634、信用監(jiān)控模型（creditmonitormodel）:KMV模型美國KMV公司利用期權(quán)定價理論創(chuàng)立了違約預(yù)測模型—信用監(jiān)控模型，用來對上市公司和上市銀行的信用風(fēng)險（特別是他們的違約狀況）進行預(yù)測。E股票價格收益/利潤看跌期權(quán)多頭利潤看跌期權(quán)多頭收益看跌期權(quán)空頭利潤看跌期權(quán)空頭收益股票價格＜執(zhí)行價格實值期權(quán)，應(yīng)行權(quán)多頭收益：E-St股票價格＞執(zhí)行價格虛值期權(quán)，不行權(quán)多頭收益為零

企業(yè)是否違約可看作是其向債權(quán)人購買的一份看跌期權(quán)，其收益為：

R=Max[E-ST,0]。

該期權(quán)以企業(yè)的所有資產(chǎn)為標(biāo)的資產(chǎn)（ST），以債務(wù)的金額為執(zhí)行價格（E），期權(quán)賦予了企業(yè)到期時是否按執(zhí)行價格將全部資產(chǎn)賣給債權(quán)人。E（債務(wù)價格）資產(chǎn)價值ST收益看跌期權(quán)多頭收益看跌期權(quán)空頭收益ST＜E行權(quán)，即違約ST＞

E不行權(quán)，即償還債務(wù)2023/7/2065KMV模型KMV模型使用兩個關(guān)系：企業(yè)股權(quán)價值與它的資產(chǎn)市值之間的結(jié)構(gòu)性關(guān)系企業(yè)資產(chǎn)市值波動和企業(yè)股權(quán)市值變動程度之間的關(guān)系使用以上關(guān)系，測算借款企業(yè)的預(yù)期違約頻率（EDF）2023/7/2066KMV模型推導(dǎo)違約概率的過程：估計企業(yè)資產(chǎn)的市場價值及其波動性計算違約風(fēng)險的指數(shù)度量—違約距離（DD）利用違約數(shù)據(jù)庫將違約距離成比例地轉(zhuǎn)換成預(yù)期違約頻率(EDF)2023/7/2067KMV模型銀行發(fā)出一筆貸款，其得到的支付（或者報酬）類似與賣出一份借款企業(yè)資產(chǎn)的看跌期權(quán)。利用期權(quán)定價模型，風(fēng)險貸款的價值取決于5個類似的變量價值：其中，E為企業(yè)股權(quán)價值，A為資產(chǎn)價值，B為向銀行的借款數(shù)，r為短期利率，為該企業(yè)的資產(chǎn)市值的波動性，為貸款期限。變量上方的橫杠表可通過市場直接觀察到看跌期權(quán)價值=風(fēng)險貸款的價值=

S-標(biāo)的資產(chǎn)價格，X期權(quán)執(zhí)行價格，r-無風(fēng)險利率，σS標(biāo)的資產(chǎn)價格的波動率，τ-看跌期權(quán)的到期期限變量上方的橫杠表可通過市場直接觀察到。A-企業(yè)資產(chǎn)市值，B-債務(wù)數(shù)額，r-無風(fēng)險利率，σA企業(yè)資產(chǎn)價值的波動率，τ-到期期限（=到期日-當(dāng)前時刻=T-t）變量上方的橫杠表可通過市場直接觀察到。2023/7/2069KMV模型第一步:企業(yè)股權(quán)市值的波動性與它的資產(chǎn)市值波動性之間存在理論關(guān)系：以上兩式聯(lián)立，可得到資產(chǎn)價值A(chǔ)及其波動性第二步：根據(jù)企業(yè)負債計算違約點B根據(jù)違約實證分析，違約點的資產(chǎn)市值=流動負債+長期負債*50%；第三步：計算違約距離利用違約點B、資產(chǎn)市值A(chǔ)及其波動性，可計算出違約距離DD違約距離DD=（資產(chǎn)市值A(chǔ)-違約點B）/資產(chǎn)市值的波動率第四步：計算預(yù)期違約概率EDF（ExpectedDefaultFrequency理論EDF：基于資產(chǎn)價值分布（如正態(tài)分布）計算，表位于違約點以下的面積大小。如假設(shè)資產(chǎn)價值服從正態(tài)分布，違約概率EDF=經(jīng)驗EDF：假設(shè)擁有大量的企業(yè)違約與不違約的歷史數(shù)據(jù)和信息，可估計出期初在某給定違約距離DD的所有企業(yè)重中，在期末T時刻后發(fā)生企業(yè)的比例，即金融風(fēng)險管理1.70KMV建立了一個包含6萬個公共機構(gòu)和280萬個私人企業(yè)的數(shù)據(jù)庫，其中有6000個公共機構(gòu)和22萬個私人企業(yè)的違約和破產(chǎn)案例2023/7/2072KMV模型設(shè)定A為資產(chǎn)價值，B為違約點，為資產(chǎn)價值的波動性。2023/7/2073KMV模型例：估計意見發(fā)行債券企業(yè)的預(yù)期違約頻率：資產(chǎn)當(dāng)前市值1000

每年資產(chǎn)的期望凈增長20%

一年后資產(chǎn)的期望值1200

年度資產(chǎn)波動性100

違約點800則違約距離DD=（1200-800）/100=4+σA-σAt＝0t＝1E(V)＝100萬F＝80萬違約區(qū)域違約距離×σ2023/7/2075KMV模型假定在某一時間點具有違約距離為4的企業(yè)總體共有5000個，一年后實際違約的有20個，則預(yù)期違約頻率為EDF=20/5000=0.4%根據(jù)下表可應(yīng)該類企業(yè)的信用評級為BBB-2023/7/2076KMV模型標(biāo)準(zhǔn)普爾評級與ＫＭＶ的EDF值得影射標(biāo)普評級ＫＭＶ的ＥＤＦ值(%)標(biāo)普評級ＫＭＶ的ＥＤＦ值(%)ＡＡＡ(0.00,0.02]ＢＢ(0.86,1.43]ＡＡ＋(0.02,0.03]ＢＢ－(1.43,2.03]ＡＡ(0.03,0.04]Ｂ＋(2.03,2.88]ＡＡ－(0.04,0.05]Ｂ(2.88,4.09]Ａ＋(0.05,0.07]Ｂ－(4.09,6.94]Ａ(0.07,0.09]ＣＣＣ＋(6.94,11.78]Ａ－(0.09,0.14]ＣＣＣ(11.78,14.00]ＢＢＢ＋(0.14,0.21]ＣＣＣ－(14.00,16.70]ＢＢＢ(0.21,0.31]ＣＣ(16.70,17.00]ＢＢＢ－(0.31,0.52]Ｃ(17.00,18.25]ＢＢ＋(0.52,0.86]Ｄ(18.25,20.00]金融風(fēng)險管理1.77金融風(fēng)險管理，1.78金融風(fēng)險管理，1.79§3信用風(fēng)險的控制一、信用風(fēng)險的分散化與信用風(fēng)險組合管理二、以信用衍生產(chǎn)品管理信用風(fēng)險一、信用風(fēng)險的分散化與信用風(fēng)險組合管理信用風(fēng)險一般屬于個體風(fēng)險（非系統(tǒng)風(fēng)險），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)險小于單個資產(chǎn)的風(fēng)險。信用風(fēng)險悖論與單個金融機構(gòu)的系統(tǒng)性信用風(fēng)險

信用風(fēng)險悖論paradoxofcredit：貸款機構(gòu)往往忽視信用風(fēng)險的分散化，常常將貸款集中在一個特定的行業(yè)或地區(qū)范圍內(nèi)，這就導(dǎo)致違約風(fēng)險的相關(guān)性更高。

單個金融機構(gòu)的系統(tǒng)性信用風(fēng)險：一個金融機構(gòu)對某些行業(yè)或地