商業(yè)銀行管理2014k07

1、商業(yè)銀行經(jīng)營(yíng)管理(gunl)研究Fall 2014共六十頁(yè)信用風(fēng)險(xiǎn)定量分析(dnglingfnx)及控制CreditmMetrics 模型，案例(n l)分析共六十頁(yè)主要(zhyo)內(nèi)容簡(jiǎn)介信用度量法CreditMetrics模型簡(jiǎn)介風(fēng)險(xiǎn)估值 VaRVaR與CreditMetricsCreditMetrics模型框架及說(shuō)明(shumng)CreditMetrics在風(fēng)險(xiǎn)管理中的作用CreditMetrics 計(jì)算方法案例CreditMetrics的技術(shù)問(wèn)題3共六十頁(yè)信用度量技術(shù)(jsh)發(fā)展背景介紹信用風(fēng)險(xiǎn)度量技術(shù)一直是國(guó)外金融機(jī)構(gòu)研究的重點(diǎn)。從穆迪公司的創(chuàng)始人John Moody 對(duì)鐵路債券

2、進(jìn)行評(píng)級(jí)開始， 到現(xiàn)在信用風(fēng)險(xiǎn)測(cè)量已走過(guò)了近100 年1909 年，John Moody 在其正式出版的鐵路投資分析年刊（Railway Annual Investment Analysis）中，首度引入信用評(píng)級(jí)（Credit Rating）概念，將鐵路公司發(fā)行的債券給予Aaa 至c 等級(jí)，信用等級(jí)的不同(b tn)表示品質(zhì)的不同(b tn)以此為標(biāo)志，信用風(fēng)險(xiǎn)度量技術(shù)逐漸發(fā)展起來(lái)4共六十頁(yè)信用度量法模型背景(bijng)介紹在險(xiǎn)價(jià)值法, CreditMetrics, 模型是J.P.摩根在1997年推出的用于量化信用風(fēng)險(xiǎn)的風(fēng)險(xiǎn)估值法合作開發(fā)機(jī)構(gòu)包括美國(guó)銀行, KMV,瑞士信貸銀行等自1999年

3、以來(lái)世界各國(guó)銀行和金融機(jī)構(gòu)已經(jīng)將CreditMetrics用作信用風(fēng)險(xiǎn)計(jì)量的主要(zhyo)工具5共六十頁(yè)什么(shn me)是CreditMetrics模型?一種信用度量方法, 涵蓋廣泛的金融產(chǎn)品, 包括(boku)傳統(tǒng)的貸款, 信用證, 證券, 商業(yè)合同, 及衍生品(including traditional loans, commitments and letters of credit; fixed income instruments; commercial contracts such as trade credits and receivables; and market-dri

4、ven instruments such as swaps, forwards and other derivatives )CreditMetrics要解決的問(wèn)題：如果下一個(gè)年度是一個(gè)壞年頭的話，我的貸款及貸款組合的價(jià)值將會(huì)遭受多大的損失?6共六十頁(yè)什么(shn me)是CreditMetrics模型?Credit Metrics 模型是通過(guò)在險(xiǎn)價(jià)值（VAR）來(lái)對(duì)貸款和非交易資產(chǎn)進(jìn)行估價(jià)和風(fēng)險(xiǎn)計(jì)算。該模型是基于借款人的信用評(píng)級(jí)、評(píng)級(jí)轉(zhuǎn)移概率、回收率、債券市場(chǎng)上的信用風(fēng)險(xiǎn)價(jià)差計(jì)算出貸款的市場(chǎng)價(jià)值及其波動(dòng)性， 進(jìn)而得出個(gè)別(gbi)貸款和貸款組合的VAR值Credit Metrics 模型認(rèn)為影

5、響信貸資產(chǎn)價(jià)值的除了違約概率，還包括信貸質(zhì)量的變化采取盯市來(lái)計(jì)算信用風(fēng)險(xiǎn)值風(fēng)險(xiǎn)暴露、由于信用事件所導(dǎo)致的單個(gè)風(fēng)險(xiǎn)暴露的價(jià)值波動(dòng)、計(jì)算不同信貸資產(chǎn)彼此變化的相關(guān)性7共六十頁(yè)什么(shn me)是風(fēng)險(xiǎn)估值 VaR?VaR value at risk: 在正常的市場(chǎng)環(huán)境下, 給定(i dn)時(shí)間(一周, 5個(gè)營(yíng)業(yè)日等)和置信區(qū)間(95%, 97.5%, 99%等), 計(jì)量最大預(yù)期損失的方法最大預(yù)期損失被稱為VaRe.g. - 如果每天的VaR在99%置信度水平是$3500萬(wàn), 表示在100個(gè)交易日內(nèi), 只存在一天其損失超過(guò)$3500萬(wàn)的可能性8共六十頁(yè)風(fēng)險(xiǎn)(fngxin)估值 VaR參數(shù)置信區(qū)間選擇

6、置信度越高, VaR值越大持有期相對(duì)主觀, 高流動(dòng)性資產(chǎn)組合可采用一天, 投資組合可采用90天一般以投資組合進(jìn)行(jnxng)清算所需最長(zhǎng)時(shí)間為準(zhǔn)9共六十頁(yè)風(fēng)險(xiǎn)估值 VaR影響(yngxing)因素Daily VaR (DEAR) = 風(fēng)險(xiǎn)頭寸的市值 P * 價(jià)格的波動(dòng)性e.g. 某一股票價(jià)格$50, 為正態(tài)分布. 98% 置信(+2.33, -2.33). 該股票價(jià)格有1%可能性在次日上漲(shngzhng) 50 + 2.33*5 =61.65; 反之, 下降50 - 2.33*5 =38.35 DEAR = 50 - 38.35 =11.65N 天的風(fēng)險(xiǎn)估值 VaR = DEAR * N

7、 0.510共六十頁(yè)VaR 與 CreditMetrics11共六十頁(yè)VaR 與 CreditMetricsVaR 輸入是市值及波動(dòng)性, 對(duì)于(duy)不可交易的貸款, 計(jì)算有一定困難貸款沒(méi)有交易, 市值P估算較難P無(wú)時(shí)間序列數(shù)據(jù)風(fēng)險(xiǎn)分布”肥尾”明顯CreditMetrics 同樣使用VaR, 但定義為 VaR = P * 1.65 * - 貸款價(jià)格變動(dòng)的標(biāo)準(zhǔn)差 P 貸款資產(chǎn)的市場(chǎng)價(jià)值12共六十頁(yè)VaR 與 CreditMetricsP 和可以通過(guò)以下信息計(jì)算借款人評(píng)級(jí)(png j)借款人在未來(lái)一年或多年評(píng)級(jí)遷移違約貸款的回收率債券市場(chǎng)上信用風(fēng)險(xiǎn)差價(jià)和收益率13共六十頁(yè)14CreditMetr

8、ics框架結(jié)構(gòu)CreditMetrics敞口信用風(fēng)險(xiǎn)價(jià)值相關(guān)性資產(chǎn)組合市場(chǎng)波動(dòng)性敞口分布信用評(píng)級(jí)債項(xiàng)優(yōu)先順序信貸利率溢價(jià)評(píng)級(jí)轉(zhuǎn)移概率違約回收率債券再定價(jià)信用評(píng)級(jí)序列股票序列相關(guān)性模型信用評(píng)級(jí)的聯(lián)合變化單個(gè)敞口信用變化的標(biāo)準(zhǔn)差信用風(fēng)險(xiǎn)組合(zh)的風(fēng)險(xiǎn)值共六十頁(yè)15CreditMetrics敞口信用風(fēng)險(xiǎn)價(jià)值相關(guān)性計(jì)算每一資產(chǎn)的風(fēng)險(xiǎn)敞口計(jì)算信用遷移引起的市值波動(dòng)計(jì)算相關(guān)性信用風(fēng)險(xiǎn)VaR共六十頁(yè)CreditMetrics框架(kun ji)說(shuō)明影響信貸資產(chǎn)價(jià)值的因素即有違約事件,也有信貸資產(chǎn)質(zhì)量變化敞口或內(nèi)部頭寸 - 數(shù)據(jù)通常都保存在金融機(jī)構(gòu)一系列的系統(tǒng)當(dāng)中,包括投資組合數(shù)據(jù)、交易(jioy)賬簿數(shù)

9、據(jù)以及表外項(xiàng)目數(shù)據(jù)等只要頭寸數(shù)據(jù)的基礎(chǔ)是一致的, reditMetrics就能區(qū)分出不同投資種類之間的風(fēng)險(xiǎn)差別16共六十頁(yè)CreditMetrics框架(kun ji)說(shuō)明信用(xnyng)事件所導(dǎo)致的單個(gè)敞口的價(jià)值波動(dòng)信用事件包括違約事件以及評(píng)級(jí)變動(dòng)在計(jì)算整個(gè)組合的信用風(fēng)險(xiǎn)之前,需要先計(jì)算單個(gè)頭寸的信用風(fēng)險(xiǎn)不同信貸資產(chǎn)彼此變化的相關(guān)性包括違約的相關(guān)性和評(píng)級(jí)轉(zhuǎn)移的相關(guān)性17共六十頁(yè) CreditMetrics框架(kun ji)說(shuō)明回收率不確定性 The model takes account of volatility of recovery rates敞口(chn ku)不確定性In ma

10、rket-driven instruments, revaluation of positions at the risk horizon is complicated by the interaction between credit and market risk模擬 18共六十頁(yè)CreditMetrics 輸出(shch)Standard deviation (volatility)measure of symmetrical dispersion about the mean (average) portfolio value.Percentile levelsreflect the

11、likelihood that the portfolio value will fall below a specified level19共六十頁(yè)CreditMetrics在風(fēng)險(xiǎn)管理中的作用(zuyng)集中度風(fēng)險(xiǎn)管理model creates a framework to consider and stress-test concentrations along almost any dimension (by industry sector, rating category, country or instrument type)風(fēng)險(xiǎn)額度( d)管理make credit lines

12、a function of marginal portfolio volatility風(fēng)險(xiǎn)投資決策風(fēng)險(xiǎn)準(zhǔn)備計(jì)量應(yīng)對(duì)市場(chǎng)產(chǎn)品推陳出新20共六十頁(yè)CreditMetrics 計(jì)算方法CreditMetrics模型度量是以信用評(píng)級(jí)轉(zhuǎn)移為基礎(chǔ)根據(jù)已知?dú)v史數(shù)據(jù)估計(jì)的轉(zhuǎn)移概率,用公司的債券市場(chǎng)或股票市場(chǎng)數(shù)據(jù)替代公司資產(chǎn)價(jià)值直接導(dǎo)出評(píng)級(jí)分類的相關(guān)性計(jì)算貸款的組合的價(jià)值遠(yuǎn)期分布,直接估計(jì)一般(ybn)信用損失分布對(duì)應(yīng)某個(gè)置信水平分位數(shù)作為資產(chǎn)信用風(fēng)險(xiǎn)值21共六十頁(yè)信用風(fēng)險(xiǎn)敞口 - 單一(dny)債券或貸款通過(guò)(tnggu)求單項(xiàng)貸款價(jià)值概率分布來(lái)確定單項(xiàng)貸款的風(fēng)險(xiǎn) 假設(shè): 固定利率、不可提前償還的中長(zhǎng)期貸款,

13、等額償還，直到最后一次償還時(shí)結(jié)清貸款本息 償還貸款額現(xiàn)值計(jì)算的基本模型如下: 22共六十頁(yè)信用風(fēng)險(xiǎn)敞口(chn ku)23 V債券價(jià)值 C每年的利息M到期(do q)的本金r貼現(xiàn)率（報(bào)酬率）n債券到期前的年數(shù) 共六十頁(yè)信用風(fēng)險(xiǎn)敞口 - 組合債券(zhiqun)或貸款 公司資產(chǎn)(zchn)價(jià)值 計(jì)算24共六十頁(yè)信用風(fēng)險(xiǎn)敞口 - 組合(zh)債券或貸款P_Def債務(wù)人違約概率V_Def違約時(shí)資產(chǎn)價(jià)值Zt N(0,1), t時(shí)間預(yù)期限值服從(fcng)對(duì)數(shù)分布 N(g)是一個(gè)標(biāo)準(zhǔn)累積正態(tài)分布d2為違約距離 25共六十頁(yè)信用(xnyng)評(píng)級(jí)及變動(dòng)違約是由于債務(wù)人的信用評(píng)級(jí)下降, 由此可建立一個(gè)信用遷

14、移矩陣評(píng)級(jí)可以從信用評(píng)級(jí)機(jī)構(gòu)取得, 如標(biāo)準(zhǔn)普爾的評(píng)級(jí)AAA、AA、A、BBB、BB、B 和CCC,除了(ch le)以上7個(gè)信用評(píng)級(jí)外,還考慮表示“違約”的吸收狀況D,共計(jì)8種狀態(tài)26共六十頁(yè)27表1 一年內(nèi)年末評(píng)級(jí) %原始評(píng)級(jí)AAAAAABBBBBBCCC違約AAA90.818.330.680.060.120.000.000.00 AA0.7090.657.790.640.060.140.020.00 A0.092.2791.055.520.740.260.010.06 BBB0.020.335.9586.935.301.170.120.18 BB0.030.140.677.7380.538

15、.841.001.06 B00.110.240.436.4883.464.075.20 CCC0.2200.221.302.3811.2464.8619.79共六十頁(yè)聯(lián)合(linh)評(píng)級(jí)初始評(píng)級(jí)為BBB和A級(jí) 資產(chǎn)價(jià)值對(duì)數(shù)收益(shuy)rBBB和rA服從標(biāo)準(zhǔn)正態(tài)分布聯(lián)合正態(tài)分布的密度函數(shù) f( )資產(chǎn)最終評(píng)級(jí)的聯(lián)合概率 P( ) 28共六十頁(yè)29表2 不同級(jí)別(jbi)客戶多年累計(jì)平均違約率(%) 期限1234571015 AAA0.000.000.070.150.240.661.401.40 AA0.000.020.120.250.430.891.291.48 A0.060.160.270

16、.440.671.122.173.00 BBB0.180.440.721.271.782.994.344.70 BB1.063.486.128.6810.9714.4617.7319.91 B5.2011.0015.9519.421.8825.1429.0230.65 CCC19.7926.9231.6335.9740.1542.6445.145.10 共六十頁(yè)聯(lián)合(linh)違約概率債務(wù)人1 和債務(wù)人2的違約事件分別(fnbi)為Def1和Def2資產(chǎn)收益相關(guān)性是兩個(gè)債務(wù)人違約概率分別為P_1(Def_1)和P_2(Def_2)違約的聯(lián)合概率P1(Def1,Def2)r1和r2表示債務(wù)人1和

17、債務(wù)人2標(biāo)準(zhǔn)資產(chǎn)收益和分別為違約距, N2(x,y,)表示兩變量的標(biāo)準(zhǔn)正態(tài)累積函數(shù)，是x和y之間的相關(guān)系數(shù) 30共六十頁(yè)估值確立轉(zhuǎn)移矩陣確立時(shí)間段確立遠(yuǎn)期定價(jià)(dng ji)模型計(jì)算將來(lái)組合價(jià)值變化的分布計(jì)算風(fēng)險(xiǎn)估值31共六十頁(yè)案例(n l)假設(shè)年利率為6% ,金額為1萬(wàn)元,期限為5年,高級(jí)未擔(dān)保的BBB 級(jí)不可提前償還(chnghun)的中長(zhǎng)期貸款計(jì)算信貸資產(chǎn)風(fēng)險(xiǎn)值32共六十頁(yè)信用評(píng)級(jí)(png j)遷移33初始級(jí)別一年后級(jí)別AAA AA A BBB BB B CCC違約 BBB0.020.33 5.95 86.935.301.170.120.18共六十頁(yè)一年期貸款遠(yuǎn)期(yun q)利率類別一

18、年二年三年四年 AAA3.64.174.735.12 AA6.654.224.785.17 A3.724.324.935.32 BBB4.14.675.255.63 BB5.556.026.787.27 B6.057.028.038.52 CCC15.0315.0514.0313.52 34共六十頁(yè)一年期貸款(di kun)現(xiàn)值VBBB = 600 + 600/(1+0.0410) + 600/(1+0.0467)2 + 600/(1+0.0525)3 (10000+600)/(1+0.0563)4 = 10753.09 35共六十頁(yè)36表3 各信用級(jí)別的一年遠(yuǎn)期價(jià)值年末評(píng)級(jí)價(jià)值A(chǔ)AAAAAB

19、BBBBBCCC違約10 935.29 10 917.24 10 864.30 10 753.09 10 200.64 9 808.59 8 362.34 5 113.00共六十頁(yè)37表4 不同債券回收率類別期望%方差%優(yōu)先擔(dān)保優(yōu)先無(wú)擔(dān)保中高級(jí)中級(jí)中低級(jí)53.8051.1338.5232.7417.0926.8625.4523.8120.1810.90共六十頁(yè)38表5 一年后貸款的價(jià)值變化年末評(píng)級(jí)概率%遠(yuǎn)期價(jià)值價(jià)值變化AAAAAABBBBBBCCC違約0.020.335.9586.935.301.170.120.1810 935.29 10 917.24 10 864.30 10 753.09

20、 10 200.64 9 808.59 8 362.34 5 113.00182.20164.15111.210-552.45-994.5-2 390.75-5 640.09共六十頁(yè)39BBB = pi vi= 0.02% 10 935.29 + 0.33% 10 917.24 +5.95% 10 864.30 + 86.93% 10 753.09 +5.3% 10 200.64 + 11.7% 9 808.59 +0.12% 8 362.34 + 0.18% 5 113= 10 706.93 (元)2BBB = pi ( v1 - ) 2= 0.02% (10 935.29 - 10 706

21、.93) 2 + 0.33% (10 917.24 - 10 706.93) 2 + 5.95% (101864.3 - 10 706.93) 2 + 86.93% (10753.09 - 10 706.93) 2 + 5.3% (10 200.64 -10 706.93) 2 + 1.17% (9 808.59 -10 706.93) 2 + 0.12% (8 362.34 - 10706.93) 2 + 0.18% (5 113 - 10 706193) 2= 89 431.94BBB = 299.05共六十頁(yè)風(fēng)險(xiǎn)(fngxin)估值結(jié)果在正態(tài)分布下,該筆BBB級(jí)貸款(di kun)的信用

22、風(fēng)險(xiǎn)估值如下:99%置信度的VaR = 2.33 299 = 697 (元)95%置信度的VaR = 1.65 299 = 493 (元)40共六十頁(yè)風(fēng)險(xiǎn)(fngxin)估值結(jié)果計(jì)算結(jié)果表明,在貸款價(jià)值為正態(tài)分布的假設(shè)條件下該筆貸款有1%的可能性在第二年的損失(snsh)超過(guò)697元有5%的可能性在第二年的損失超過(guò)493元反過(guò)來(lái)說(shuō),該筆貸款在第二年的損失有99%的可能性保證不超過(guò)697元,有95%的可能性保證不超過(guò)493元41共六十頁(yè)CreditMetrics的技術(shù)(jsh)問(wèn)題信用遷移矩陣假設(shè)條件同一信用等級(jí)的公司有相同違約率實(shí)際(shj)違約率與歷史違約率相同信用遷移是跨時(shí)自相關(guān)的樣本對(duì)矩

23、陣表有很大影響信用風(fēng)險(xiǎn)與利率正周期相關(guān), 將遠(yuǎn)期利率按隨機(jī)或非隨機(jī)計(jì)算影響VaR值同一信用等級(jí)的公司回收率不同42共六十頁(yè)案例分析：信貸(xndi)組合風(fēng)險(xiǎn)假設(shè)兩種不同的資產(chǎn)組合， 資產(chǎn)組合和資產(chǎn)組合資產(chǎn)組合包含被評(píng)級(jí)機(jī)構(gòu)評(píng)為AAA級(jí)的政府與公司債券和共同期限為1 個(gè)月的短期存款，交易對(duì)手的信用評(píng)級(jí)為A 級(jí)以上，由此可得出這種資產(chǎn)組合的信用風(fēng)險(xiǎn)較低資產(chǎn)組合包含62個(gè)債務(wù)人，其中6 個(gè)最大的債務(wù)人占有(zhnyu)50%的資產(chǎn)組合，比資產(chǎn)組合更加多樣化，并且有更高的修飾久期，其中債券評(píng)級(jí)最低的為B+/B143共六十頁(yè)案例(n l)分析：信貸組合風(fēng)險(xiǎn)模擬一組所有的參與者使用的普通參數(shù)一組或多組參與

24、者各自模型的參數(shù)模擬結(jié)果包括以下(yxi)輸出量：預(yù)期損失、非預(yù)期損失、在險(xiǎn)價(jià)值（VaR）、預(yù)期不足（ES）44共六十頁(yè)案例分析：信貸(xndi)組合風(fēng)險(xiǎn)45共六十頁(yè)案例分析：信貸(xndi)組合風(fēng)險(xiǎn)模擬資產(chǎn)組合假設(shè)40%回收率，24%的資產(chǎn)相關(guān)性利差來(lái)自(li z)Nelson-Siegel 曲線其中，零息債券的到期時(shí)間為t 的利率見（1）46共六十頁(yè)案例(n l)分析：信貸組合風(fēng)險(xiǎn)47共六十頁(yè)案例分析：信貸(xndi)組合風(fēng)險(xiǎn)假設(shè)資產(chǎn)組合中評(píng)級(jí)為AAA 的占80%，評(píng)級(jí)為AA 的占17%，評(píng)級(jí)為A 的占3%，權(quán)數(shù)分別(fnbi)乘以他們的違約率（分別(fnbi)設(shè)為1、4、10 個(gè)基點(diǎn)）和

25、違約損失LGD（1 減回收率），就得出違約損失假設(shè)存款為一年期限，違約損失為（0.8*0.0001 +0.17*0.0004 +0.03*0.0010）*0.6=1.148共六十頁(yè)案例分析(fnx)：信貸組合風(fēng)險(xiǎn)分析模擬結(jié)果產(chǎn)生的預(yù)期損失，分析由違約引起的比例和由評(píng)級(jí)轉(zhuǎn)移引起的比例是很重要的運(yùn)用相同的模擬系統(tǒng) 和相同的參數(shù)輸入， 并且除了轉(zhuǎn)移到違約一級(jí)的概率其他轉(zhuǎn)移概率設(shè)為0，評(píng)級(jí)保持不變的概率逐漸增加這樣(zhyng)，我們就可以把違約對(duì)于總體損失的貢獻(xiàn)獨(dú)立出來(lái)。49共六十頁(yè)案例分析(fnx)：信貸組合風(fēng)險(xiǎn)50共六十頁(yè)案例分析：信貸(xndi)組合風(fēng)險(xiǎn)表4說(shuō)明由于違約引起的預(yù)期損失3 倍于因

26、轉(zhuǎn)移而引起的預(yù)期損失在較低的置信水平， 評(píng)級(jí)的轉(zhuǎn)移是風(fēng)險(xiǎn)的重要來(lái)源(liyun)但隨著置信水平的增加，違約引起的風(fēng)險(xiǎn)變得相對(duì)重要在99.99%的置信水平下，幾乎所有的風(fēng)險(xiǎn)都來(lái)自違約VAR 和ES 在置信水平為99.9% 時(shí)還是較小的，但達(dá)到99.99%后，VAR 和ES顯著增加在置信水平為99.9% 時(shí)，信用的在險(xiǎn)價(jià)值CreditVAR 和市場(chǎng)風(fēng)險(xiǎn)相比是無(wú)關(guān)的一旦置信水平達(dá)到99.99%，信用風(fēng)險(xiǎn)就成為風(fēng)險(xiǎn)來(lái)源的主要部分51共六十頁(yè)案例分析：信貸組合(zh)風(fēng)險(xiǎn)對(duì)預(yù)期損失具有很大影響的違約概率的計(jì)算式，幾乎對(duì)ES 和VAR 沒(méi)有什么影響由于資產(chǎn)組合中短期信貸的權(quán)重較小， 收益率分布的尾部部分很

27、大程度上取決于大額發(fā)行者的違約程度這種結(jié)果的相似性隨著置信水平的提升而增加例如，在置信水平為99.99%時(shí)，ES 的最高值和最低值的比率為1.04， 而在置信水平為99.00%時(shí)，這種比率為2.16這個(gè)結(jié)論(jiln)對(duì)VAR 也成立。隨著置信水平的增加，違約或評(píng)級(jí)降級(jí)情況就會(huì)集聚，在極端的情況下（置信水平接近100%），所有的發(fā)行者都會(huì)違約52共六十頁(yè)案例(n l)分析：信貸組合風(fēng)險(xiǎn)模擬資產(chǎn)組合II資產(chǎn)組合中含有到期時(shí)間小于一年的資產(chǎn)的比例要比資產(chǎn)組合小但這些資產(chǎn)的平均到期時(shí)間大于一個(gè)月因此(ync)，這些資產(chǎn)由年度違約率向更短時(shí)期違約率轉(zhuǎn)變的相關(guān)性更小53共六十頁(yè)案例分析(fnx)：信貸組合風(fēng)險(xiǎn)54共六十頁(yè)案例分析：信貸組合(zh)風(fēng)險(xiǎn)表5結(jié)果資產(chǎn)組合包含平均違約率為0.22%的62 個(gè)信貸者至少一項(xiàng)資產(chǎn)違約的概率估計(jì)為：1-（1-0.22%）62=12.8%銀行1