信用評級模型課件

1第六章信用評級模型1第六章信用評級模型2信用模型發(fā)展的歷史背景促使信用風(fēng)險度量和管理技術(shù)演變發(fā)展有兩個重要的因素。一是近年來計算機(jī)和網(wǎng)絡(luò)系統(tǒng)以及信息技術(shù)的快速發(fā)展為量化和管理信用風(fēng)險提供了強(qiáng)大的技術(shù)條件和信息條件。二是統(tǒng)計科學(xué)、計量經(jīng)濟(jì)學(xué)在金融理論的深化和廣泛應(yīng)用為信用風(fēng)險的量化作出了積極的貢獻(xiàn)。2信用模型發(fā)展的歷史背景3廣義上的信用模型是指一切度量信用風(fēng)險、信用等級的方法體系。狹義上的信用模型是指通過對一些參數(shù)和指標(biāo)進(jìn)行數(shù)學(xué)分析和運算來度量信用風(fēng)險的數(shù)學(xué)模型。3廣義上的信用模型是指一切度量信用風(fēng)險、信用等級的方法體系。4信用模型按其在控制和衡量風(fēng)險中的運用可以分為對單個信用資產(chǎn)的模型和應(yīng)用于資產(chǎn)組合方面的模型兩大類別。4信用模型按其在控制和衡量風(fēng)險中的運用可以分為對單個信用資產(chǎn)5信用評級模型

5信用評級模型6一、風(fēng)險度量的專家制度

6一、風(fēng)險度量的專家制度7專家制度的主要內(nèi)容

借款人的5C1.Character2.Capacity3.Capital4.Collateral5.Condition7專家制度的主要內(nèi)容借款人的5C8專家制度的缺陷

需要相當(dāng)數(shù)量的專門信用分析人員實施的效果很不穩(wěn)定降低了應(yīng)對市場變化的能力加劇了在貸款組合方面過度集中的問題容易造成信用評估的主觀性和隨意性8專家制度的缺陷需要相當(dāng)數(shù)量的專門信用分析人員9

二、Z評分模型和ZETA評分模型

9二、Z評分模型和ZETA評分模型10

(一)Z評分模型的主要內(nèi)容

Z評分模型是根據(jù)數(shù)理統(tǒng)計中的辨別分析技術(shù)，對過去的案例進(jìn)行統(tǒng)計分析，選擇一部分最能夠反映評級對象的財務(wù)狀況，對信用質(zhì)量影響最大、最具預(yù)測或分析價值的比率，設(shè)計出最大程度地區(qū)分信用風(fēng)險程度的數(shù)學(xué)模型，對評級對象進(jìn)行信用風(fēng)險及資信的評級。10(一)Z評分模型的主要內(nèi)容Z評分模型是根據(jù)數(shù)理統(tǒng)計中11

(一)Z評分模型的主要內(nèi)容

Altman判別方程為：Z=0.012（X1）+0.014（X2）+0.033（X3）+0.006（X4）+0.999（X5）或：Z=1.2（X1）+1.4（X2）+3.3（X3）+0.6（X4）+0.999（X5）其中，X1：營運資本/總資產(chǎn)

X2：留存收益/總資產(chǎn)

X3：息稅前利潤/總資產(chǎn)

X4：股權(quán)市值/總負(fù)債

X5：銷售收入/總資產(chǎn)11(一)Z評分模型的主要內(nèi)容Altman判別方程為：12臨界值違約的臨界值Z0=2.675如果Z<2.675，被劃入違約組。如果Z≥2.675，被劃為非違約組。當(dāng)1.81<Z<2.99時，判斷失誤較大，未知區(qū)或灰色區(qū)域12臨界值違約的臨界值Z0=2.67513(二)ZETA評分模型

ZETA信用風(fēng)險模型是繼Z模型后的第二代信用評分模型，變量由Z模型的5個增加到了7個，適應(yīng)范圍更寬，對不良借款人的辨認(rèn)精度也有很大提高。13(二)ZETA評分模型ZETA信用風(fēng)險模型是繼Z模型14(二)ZETA評分模型

7個變量：資產(chǎn)收益率、盈利能力穩(wěn)定性指標(biāo)、債務(wù)償付能力指標(biāo)、累積利潤率指標(biāo)、流動性指標(biāo)、資本化程度指標(biāo)、規(guī)模指標(biāo)14(二)ZETA評分模型15

(三)Z評分模型和ZETA評分模型存在的問題

依賴財務(wù)報表數(shù)據(jù)，削弱了預(yù)測結(jié)果的可靠性和及時性；假設(shè)解釋變量存在線性關(guān)系，現(xiàn)實的經(jīng)濟(jì)現(xiàn)象是非線性的，削弱了預(yù)測的準(zhǔn)確程度；兩個模型適用特定行業(yè)，使用范圍受到較大限制。

15(三)Z評分模型和ZETA評分模型存在的問題依賴財16三、EDF模型16三、EDF模型17EDF模型即“預(yù)期違約率模型”,是衡量違約風(fēng)險的基本工具。17EDF模型即“預(yù)期違約率模型”,是衡量違約風(fēng)險的基本工具18主要由三大因素決定

資產(chǎn)價值資產(chǎn)風(fēng)險債務(wù)水平18主要由三大因素決定19公司凈值＝公司的資產(chǎn)市值－違約點違約距離＝(資產(chǎn)市值－違約點）/（資產(chǎn)價值*資產(chǎn)波動率）19公司凈值＝公司的資產(chǎn)市值－違約點信用評級模型課件21四、KMV模型

21四、KMV模型22公司股東向公司債權(quán)人買進(jìn)一個買權(quán)，而該買權(quán)的標(biāo)的資產(chǎn)價格相當(dāng)于公司資產(chǎn)價值，履約價格可視為公司負(fù)債。所以當(dāng)負(fù)債到期時，若公司資產(chǎn)價值高于負(fù)債，則股東會履行買權(quán)，也就是會清償債務(wù)；但若公司資產(chǎn)價值低于負(fù)債，則因無力償還負(fù)債，就會選擇違約。公司違約概率就是當(dāng)公司資產(chǎn)價值低于負(fù)債價值的機(jī)率。工作原理

22公司股東向公司債權(quán)人買進(jìn)一個買權(quán)，而該買權(quán)的標(biāo)的資產(chǎn)價格估計企業(yè)違約概率的步驟：第一步，估計公司市場價值及其波動性由于無法直接觀察公司資產(chǎn)價值及波動性，KMV借用期權(quán)定價原理推算。公司股權(quán)價值的公式：（1）E是股權(quán)價值，A是公司資產(chǎn)市場現(xiàn)值，σA是公司資產(chǎn)價值波動性，D是負(fù)債價值，r是無風(fēng)險利率，τ是時間范圍。估計企業(yè)違約概率的步驟：企業(yè)股權(quán)價值波動性σE與企業(yè)資產(chǎn)價值波動性間存在理論上的關(guān)系：

（2）在公式（1）和（2）中，已知變量有：E，可在股票市場上觀察到；σE，利用歷史數(shù)據(jù)估算；D，違約實施點或觸發(fā)點；τ，一般設(shè)為1年；r，可觀察到。在公式（1）和（2）中余下兩個未知數(shù)：資產(chǎn)價值A(chǔ)及其波動性σA將（1）（2）兩個等式聯(lián)立，可求出兩個未知數(shù)。

企業(yè)股權(quán)價值波動性σE與企業(yè)資產(chǎn)價值波動性間存在理論上的關(guān)系第二步，計算違約距離資產(chǎn)或負(fù)債價值時間t=0t=1違約區(qū)域資產(chǎn)價值分布曲線負(fù)債線AD

違約概率相當(dāng)于企業(yè)資產(chǎn)價值分布曲線位于負(fù)債線以下的區(qū)域，它表示企業(yè)資產(chǎn)價值在一年內(nèi)降到D以下的概率，即企業(yè)一年內(nèi)違約的概率。

假定公司未來資產(chǎn)價值圍繞其現(xiàn)值呈正態(tài)分布，均值為A，標(biāo)準(zhǔn)差為σA，則可利用下面的公式計算公司距離違約的違約距離ＤＤ(Distance-to-Default)：違約實施點(為企業(yè)1年以下短期債務(wù)的價值加上未清償長期債務(wù)賬面價值的一半)第二步，計算違約距離資產(chǎn)或負(fù)債價值時間t=0t=1違約區(qū)域資第三步，估算違約概率若假定資產(chǎn)價值是正態(tài)分布，就可根據(jù)違約距離直接求得違約概率。基于資產(chǎn)價值正態(tài)分布假定計算出的是EDF的理論值，由于該假定不一定與現(xiàn)實相符，為此KMV還利用歷史數(shù)據(jù)求EDF的經(jīng)驗值。假設(shè)公司的違約距離為2σA，經(jīng)驗EDF的計算公式為：第三步，估算違約概率27模型的特點

其一，從企業(yè)股權(quán)持有者的角度考慮償還的動力問題，并利用公開的股市信息為債務(wù)信用風(fēng)險度量服務(wù)。

其二，違約模型考察違約概率，不考慮信用等級變化。27模型的特點其一，從企業(yè)股權(quán)持有者的角度考慮償還的28模型的優(yōu)點與局限優(yōu)點：動態(tài)模型局限：技術(shù)上假定公司債務(wù)結(jié)構(gòu)靜態(tài)不變,對不同類型的債務(wù)缺乏細(xì)分?；谫Y產(chǎn)價值正態(tài)分布假設(shè)。實用中僅著重于違約預(yù)測；能否適用于發(fā)展中國家的新興股票市場；無法預(yù)測非上市公司。28模型的優(yōu)點與局限優(yōu)點：動態(tài)模型29五、LossCalc模型29五、LossCalc模型30LossCalc模型的基本思路是根據(jù)歷史數(shù)據(jù)在債務(wù)的違約損失率(LossGivenDefault)和一組解釋變量之間建立起一個多元統(tǒng)計模型。30LossCalc模型的基本思路是根據(jù)歷史數(shù)據(jù)在債務(wù)的違約31由于違約損失率的大小不僅受到負(fù)債企業(yè)因素影響，而且還同債務(wù)項目的具體設(shè)計密切相關(guān)。31由于違約損失率的大小不僅受到負(fù)債企業(yè)因素影響，而且還同債32影響違約損失率的決定因素主要包括：債項因素宏觀因素與經(jīng)濟(jì)周期行業(yè)因素企業(yè)因素32影響違約損失率的決定因素主要包括：信用評級模型課件信用評級模型課件35六、CreditMetrics模型

35六、CreditMetrics模型36CreditMetrics模型Creditmetrics是由J.P摩根公司聯(lián)合多家金融機(jī)構(gòu)于1997年推出的信用風(fēng)險度量模型。模型不僅考慮違約事件引發(fā)的價值變動，而且同時考慮信用等級升降的影響。Creditmetrics試圖回答的問題：“如果下一年是個壞年份，那么，債務(wù)會損失掉多少？”36CreditMetrics模型Creditmetric37CreditMetrics模型用來測定信用資產(chǎn)組合價值和風(fēng)險。估算由于信用資產(chǎn)質(zhì)量變化(包括違約)而導(dǎo)致的組合價值的波動以及價值的分布狀況，并最終計算出信用資產(chǎn)組合的在險價值量(VaR)。37CreditMetrics模型用來測定信用資產(chǎn)組合價值38在險價值(VaR)

在險價值(VaR)就是為了度量一項給定的資產(chǎn)或負(fù)債在一定時間里和在一定的置信度下價值最大的損失額。

38在險價值(VaR)在險價值(VaR)就是為了度量一項給39Creditmetrics基本假設(shè)信用評級有效。信用狀況可由債務(wù)人的信用等級表示。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8.33％的可能轉(zhuǎn)變?yōu)锳A級。把所有的可能列出，形成所謂的“評級轉(zhuǎn)移矩陣”。39Creditmetrics基本假設(shè)信用評級有效。信用狀況40模型需要的數(shù)據(jù)需要利用的數(shù)據(jù)：當(dāng)前的信用評級數(shù)據(jù)信用等級在一年內(nèi)發(fā)生改變的概率違約的殘值回收率債券的（到期）收益率40模型需要的數(shù)據(jù)需要利用的數(shù)據(jù)：41步驟1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，90.81％AA，8.33％A，0.68％BBB，0.06％BB，0.12％CCC，0D，041步驟1信用轉(zhuǎn)移矩陣根據(jù)歷史資料得到，期初信用級別為A42AAAA，0.09％AA，2.27％A，91.05％BBB，5.52％BB，0.74％CCC，0.01％D，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。42AAAA，0.09％AA，2.27％A，91.05％BB43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。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”。43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44級別AAAAAABBBBBBCCC違約AAA90.818.330.680.060.12000AA0.7090.657.790.640.060.140.020A0.092.2791.055.520.740.260.010.06BBB0.020.335.9586.935.361.170.120.18BB0.030.140.677.7380.538.841.001.06B00.110.240.436.4883.464.075.20CCC0.2200.221.302.3811.2464.8619.79信用轉(zhuǎn)移矩陣44級別AAAAAABBBBBBCCC違約AAA90.81845步驟2違約回收率由于A～CCC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45步驟2違約回收率由于A～CCC債券有違約的可能，故需46違約回收率統(tǒng)計表債券級別回收率(％面值)標(biāo)準(zhǔn)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51.13元。46違約回收率統(tǒng)計表債券級別回收率(％面值)標(biāo)準(zhǔn)差(％)優(yōu)先47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)47步驟3債券估值由于債券信用級別上升（下降）到新的級別，48每個信用級別的貼現(xiàn)率(%)級別1年(%)2年(%)3年(%)4年(%)AAA3.604.174.735.12AA3.654.224.785.17A3.724.324.935.32BBB4.104.675.255.63BB5.556.026.787.27B6.057.028.038.52CCC15.0515.0214.0313.5248每個信用級別的貼現(xiàn)率(%)級別1年(%)2年(%)3年49例子假設(shè)BBB級優(yōu)先無擔(dān)保債券(5年期)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。49例子假設(shè)BBB級優(yōu)先無擔(dān)保債券(5年期)的面值100元，50BBB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51.1350BBB級債券一年后可能的市值（包含面值）年末債券級別51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51.130.18BBB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。51步驟4計算信用風(fēng)險年末債券級別市值（元）轉(zhuǎn)移概率52估計債券市值的均值和標(biāo)準(zhǔn)差由債券價值的分布，容易得到其價值的均值和方差52估計債券市值的均值和標(biāo)準(zhǔn)差由債券價值的分布，容易得到其價53BBB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51.130.18％53BBB債券持有1年、99％的VaR由債券市值的概率分布可54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。54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55

由于該債券的均值為107.90美元，根據(jù)相對VaR的定義，等于一定的置信度上，年末可能的價值與預(yù)期價值間的差距，即價值損失。

VaR＝107.09-92.29=14.80(美元)

說明：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。55由于該債券的均值為107.90美元，56對Creditmetrics模型的評述優(yōu)點：動態(tài)性：適用于計量由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。多狀態(tài)模型，能更精確地計量信用風(fēng)險的變化和損失值。提出資產(chǎn)組合信用風(fēng)險的度量框架。缺點：對信用評級的高度依賴。56對Creditmetrics模型的評述優(yōu)點：57七、Creditrisk+模型基本思路：違約率的不確定性和違約損失的不確定性都很顯著，應(yīng)按風(fēng)險暴露大小將貸款組合劃分成若干頻段，以降低不精確的程度。其后，將各頻段的損失分布加總，可得到貸款組合的損失分布

。

57七、Creditrisk+模型基本思路：58對違約率不確定性的描述借鑒財產(chǎn)火險理論，每處房屋遭遇火災(zāi)可視作獨立事件，且概率很小，假定每筆債券的違約概率較小，且違約事件相互獨立，分布近似于泊松分布。對違約損失不確定性的描述仍借用火險理論，房屋失火的損毀程度可能會有很大區(qū)別，債券的違約損失程度同樣很不確定。由于逐筆度量損失程度較困難，可按債券的風(fēng)險暴露將債券組合劃分為若干頻段。58對違約率不確定性的描述借鑒財產(chǎn)火險理論，每處房屋遭遇火災(zāi)59具體步驟

第一步，將債券組合按每個債券的風(fēng)險暴露劃分為各個頻段第二步，求出各頻段的違約概率分布首先，根據(jù)歷史數(shù)據(jù)確定某頻段的平均違約率其次，將平均違約率代入泊松分布函數(shù)中，可求得頻段中違約次數(shù)的概率然后，將違約次數(shù)和相應(yīng)的概率結(jié)合，可得到該頻段違約次數(shù)的概率分布曲線。59具體步驟第一步，將債券組合按每個債券的風(fēng)險暴露劃分為各60第三步，計算各頻段的損失分布

預(yù)期損失＝平均違約次數(shù)×單個債券風(fēng)險暴露；實際損失值=實際違約次數(shù)×單個債券風(fēng)險暴露

將違約損失值與對應(yīng)的違約概率結(jié)合，可得到該頻段的損失分布曲線第四步，將各頻段的損失分布加總得到組合損失分布60第三步，計算各頻段的損失分布61——模型的優(yōu)點只考慮違約事件，要估計的變量少，數(shù)據(jù)要求較簡單——模型的缺點忽略信用等級變化關(guān)于違約次數(shù)服從泊松分布的假定可能與實際不完全吻合未考慮市場風(fēng)險61——模型的優(yōu)點62八、宏觀模擬模型62八、宏觀模擬模型63

基本思路：研究信用等級轉(zhuǎn)移概率與宏觀因素間的關(guān)系

直接將轉(zhuǎn)移概率與宏觀因素之間的關(guān)系模型化。6364

具體步驟宏觀因素與轉(zhuǎn)移概率間的關(guān)系可用函數(shù)式描述：Pt＝f（yt）這里將Pt設(shè)定為時間t上未來一年內(nèi)債券從C級轉(zhuǎn)移D級的概率（PCD），該概率對商業(yè)周期尤為敏感yt表示時間t上的一整套宏觀因素所構(gòu)成的經(jīng)濟(jì)狀態(tài)(宏觀經(jīng)濟(jì)指數(shù))yt由系統(tǒng)宏觀因素和非系統(tǒng)宏觀因素驅(qū)動，前者包括GDP增長率、失業(yè)率等，后者指經(jīng)濟(jì)體系受到的隨機(jī)沖擊或創(chuàng)新。系統(tǒng)宏觀因素受其歷史值影響，也對當(dāng)期受到的沖擊敏感。函數(shù)具體形式：64具體步驟函數(shù)具體形式：65模型的特點考慮總體經(jīng)濟(jì)環(huán)境對轉(zhuǎn)移概率的影響。模型的優(yōu)點將宏觀因素納入模型中，修正信用度量的偏差。模型的局限技術(shù)上，模型對轉(zhuǎn)移矩陣的調(diào)整過程是否優(yōu)越還有待驗證。應(yīng)用上，模型需要有國家甚至各行業(yè)的違約數(shù)據(jù)作為基礎(chǔ)。65模型的特點66九、死亡率模型（Mortalityrate）

基本思想：借鑒保險精算確定壽險保費的思想，對各信用等級債券和貸款違約率作專門研究?；静襟E：首先，利用歷史違約數(shù)據(jù)，估計債券壽命周期內(nèi)每一年的邊際死亡率MMR(marginalmortalityrate)

i=1，2，……，n

66九、死亡率模型（Mortalityrate）基本思想67然后，計算累積死亡率CMR(cumulativemortalityrate)，即債券（貸款）在N年內(nèi)會違約的概率。

其后，將死亡率與違約損失率結(jié)合，得到預(yù)期損失的估計值。

（SRi：存活率，survivalrate

）67然后，計算累積死亡率CMR(cumulativemo68模型的優(yōu)點思路相對簡單，操作難度相對較低。模型的局限簡單地依靠歷史數(shù)據(jù)預(yù)測違約損失。要保證測算的精度，需要大規(guī)模的包括各等級債權(quán)工具的歷史觀測值樣本。68模型的優(yōu)點69現(xiàn)代信用評級

模型方法分析

69現(xiàn)代信用評級

模型方法分析傳統(tǒng)信用分析方法5C分類法現(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傳統(tǒng)信用分析方法5C分類法現(xiàn)代信用計量模型圍繞違約風(fēng)險建模圍71（一）Creditmetrics模型1.優(yōu)點通過計算信用工具在不同信用等級上的市場價值，達(dá)到用傳統(tǒng)的期望和標(biāo)準(zhǔn)差來度量資產(chǎn)信用風(fēng)險的目的，并將VaR方法引入到信用風(fēng)險管理中來。71（一）Creditmetrics模型1.優(yōu)點722．缺點（1）利率期限結(jié)構(gòu)固定的假設(shè)不適于零息票債券和信用衍生品。（2）假設(shè)違約概率與宏觀經(jīng)濟(jì)狀況無關(guān)。（3）計算復(fù)雜。

722．缺點（1）利率期限結(jié)構(gòu)固定的假設(shè)不適于零息票債券和信73（二）KMV模型

優(yōu)點將市場信息納入了違約概率是一種動態(tài)模型是一種“向前看”的模型可以反映風(fēng)險水平差異的程度73（二）KMV模型優(yōu)點74KMV模型缺點必須使用估計技術(shù)來獲得資產(chǎn)價值、企業(yè)資產(chǎn)收益率的期望值和波動性。利率事先確定的假定限制了將KMV模型對利率敏感性工具的應(yīng)用。假設(shè)經(jīng)濟(jì)狀況是靜止的。74KMV模型缺點75現(xiàn)代信用風(fēng)險度量模型中，最為流行的是KMV模型和CreditMetrics模型。KMV模型和CreditMetrics模型中的風(fēng)險定義、關(guān)鍵風(fēng)險驅(qū)動因素、信用事件的波動性、信用事件的相關(guān)性等特征各不相同，因此在度量信用風(fēng)險時各有優(yōu)勢，同時也都存在著一些問題。75現(xiàn)代信用風(fēng)險度量模型中，最為流行的是KMV模型和Cred76信用資產(chǎn)組合可以有效的分散風(fēng)險，但其信用風(fēng)險的度量和管理更為復(fù)雜。貸款價值實際分布是非對稱的，因此計算出的在險價值量略高于正態(tài)分布下計算的結(jié)果。76信用資產(chǎn)組合可以有效的分散風(fēng)險，但其信用風(fēng)險的度量和管理77信用評級是從財務(wù)數(shù)據(jù)的數(shù)量分析開始的。指標(biāo)計算、變動趨勢等基本的統(tǒng)計分析工具已普遍應(yīng)用于信用風(fēng)險分析中。77信用評級是從財務(wù)數(shù)據(jù)的數(shù)量分析開始的。78再好的分析模型，效果在相當(dāng)程度上取決于模型的樣本數(shù)據(jù)。由于影響違約的因素隨時間變化，基于歷史數(shù)據(jù)對未來預(yù)測的模型準(zhǔn)確性有待考證。基于歷史財務(wù)信息的多元統(tǒng)計分析模型的前提是有一定的違約記錄。78再好的分析模型，效果在相當(dāng)程度上取決于模型的樣本數(shù)據(jù)。79信用風(fēng)險是復(fù)雜的經(jīng)濟(jì)現(xiàn)象，受諸多外部因素的影響，任何一種基于假設(shè)或簡化的數(shù)學(xué)模型都會在一定程度上偏離現(xiàn)實。雖然出現(xiàn)了許多基于不同原理及數(shù)據(jù)基礎(chǔ)構(gòu)建的信用風(fēng)險模型，由于信用風(fēng)險的復(fù)雜性，各種模型都在一定程度上存在一定的局限。79信用風(fēng)險是復(fù)雜的經(jīng)濟(jì)現(xiàn)象，受諸多外部因素的影響，任何一種80第六章信用評級模型1第六章信用評級模型81信用模型發(fā)展的歷史背景促使信用風(fēng)險度量和管理技術(shù)演變發(fā)展有兩個重要的因素。一是近年來計算機(jī)和網(wǎng)絡(luò)系統(tǒng)以及信息技術(shù)的快速發(fā)展為量化和管理信用風(fēng)險提供了強(qiáng)大的技術(shù)條件和信息條件。二是統(tǒng)計科學(xué)、計量經(jīng)濟(jì)學(xué)在金融理論的深化和廣泛應(yīng)用為信用風(fēng)險的量化作出了積極的貢獻(xiàn)。2信用模型發(fā)展的歷史背景82廣義上的信用模型是指一切度量信用風(fēng)險、信用等級的方法體系。狹義上的信用模型是指通過對一些參數(shù)和指標(biāo)進(jìn)行數(shù)學(xué)分析和運算來度量信用風(fēng)險的數(shù)學(xué)模型。3廣義上的信用模型是指一切度量信用風(fēng)險、信用等級的方法體系。83信用模型按其在控制和衡量風(fēng)險中的運用可以分為對單個信用資產(chǎn)的模型和應(yīng)用于資產(chǎn)組合方面的模型兩大類別。4信用模型按其在控制和衡量風(fēng)險中的運用可以分為對單個信用資產(chǎn)84信用評級模型

5信用評級模型85一、風(fēng)險度量的專家制度

6一、風(fēng)險度量的專家制度86專家制度的主要內(nèi)容

借款人的5C1.Character2.Capacity3.Capital4.Collateral5.Condition7專家制度的主要內(nèi)容借款人的5C87專家制度的缺陷

需要相當(dāng)數(shù)量的專門信用分析人員實施的效果很不穩(wěn)定降低了應(yīng)對市場變化的能力加劇了在貸款組合方面過度集中的問題容易造成信用評估的主觀性和隨意性8專家制度的缺陷需要相當(dāng)數(shù)量的專門信用分析人員88

二、Z評分模型和ZETA評分模型

9二、Z評分模型和ZETA評分模型89

(一)Z評分模型的主要內(nèi)容

Z評分模型是根據(jù)數(shù)理統(tǒng)計中的辨別分析技術(shù)，對過去的案例進(jìn)行統(tǒng)計分析，選擇一部分最能夠反映評級對象的財務(wù)狀況，對信用質(zhì)量影響最大、最具預(yù)測或分析價值的比率，設(shè)計出最大程度地區(qū)分信用風(fēng)險程度的數(shù)學(xué)模型，對評級對象進(jìn)行信用風(fēng)險及資信的評級。10(一)Z評分模型的主要內(nèi)容Z評分模型是根據(jù)數(shù)理統(tǒng)計中90

(一)Z評分模型的主要內(nèi)容

Altman判別方程為：Z=0.012（X1）+0.014（X2）+0.033（X3）+0.006（X4）+0.999（X5）或：Z=1.2（X1）+1.4（X2）+3.3（X3）+0.6（X4）+0.999（X5）其中，X1：營運資本/總資產(chǎn)

X2：留存收益/總資產(chǎn)

X3：息稅前利潤/總資產(chǎn)

X4：股權(quán)市值/總負(fù)債

X5：銷售收入/總資產(chǎn)11(一)Z評分模型的主要內(nèi)容Altman判別方程為：91臨界值違約的臨界值Z0=2.675如果Z<2.675，被劃入違約組。如果Z≥2.675，被劃為非違約組。當(dāng)1.81<Z<2.99時，判斷失誤較大，未知區(qū)或灰色區(qū)域12臨界值違約的臨界值Z0=2.67592(二)ZETA評分模型

ZETA信用風(fēng)險模型是繼Z模型后的第二代信用評分模型，變量由Z模型的5個增加到了7個，適應(yīng)范圍更寬，對不良借款人的辨認(rèn)精度也有很大提高。13(二)ZETA評分模型ZETA信用風(fēng)險模型是繼Z模型93(二)ZETA評分模型

7個變量：資產(chǎn)收益率、盈利能力穩(wěn)定性指標(biāo)、債務(wù)償付能力指標(biāo)、累積利潤率指標(biāo)、流動性指標(biāo)、資本化程度指標(biāo)、規(guī)模指標(biāo)14(二)ZETA評分模型94

(三)Z評分模型和ZETA評分模型存在的問題

依賴財務(wù)報表數(shù)據(jù)，削弱了預(yù)測結(jié)果的可靠性和及時性；假設(shè)解釋變量存在線性關(guān)系，現(xiàn)實的經(jīng)濟(jì)現(xiàn)象是非線性的，削弱了預(yù)測的準(zhǔn)確程度；兩個模型適用特定行業(yè)，使用范圍受到較大限制。

15(三)Z評分模型和ZETA評分模型存在的問題依賴財95三、EDF模型16三、EDF模型96EDF模型即“預(yù)期違約率模型”,是衡量違約風(fēng)險的基本工具。17EDF模型即“預(yù)期違約率模型”,是衡量違約風(fēng)險的基本工具97主要由三大因素決定

資產(chǎn)價值資產(chǎn)風(fēng)險債務(wù)水平18主要由三大因素決定98公司凈值＝公司的資產(chǎn)市值－違約點違約距離＝(資產(chǎn)市值－違約點）/（資產(chǎn)價值*資產(chǎn)波動率）19公司凈值＝公司的資產(chǎn)市值－違約點信用評級模型課件100四、KMV模型

21四、KMV模型101公司股東向公司債權(quán)人買進(jìn)一個買權(quán)，而該買權(quán)的標(biāo)的資產(chǎn)價格相當(dāng)于公司資產(chǎn)價值，履約價格可視為公司負(fù)債。所以當(dāng)負(fù)債到期時，若公司資產(chǎn)價值高于負(fù)債，則股東會履行買權(quán)，也就是會清償債務(wù)；但若公司資產(chǎn)價值低于負(fù)債，則因無力償還負(fù)債，就會選擇違約。公司違約概率就是當(dāng)公司資產(chǎn)價值低于負(fù)債價值的機(jī)率。工作原理

22公司股東向公司債權(quán)人買進(jìn)一個買權(quán)，而該買權(quán)的標(biāo)的資產(chǎn)價格估計企業(yè)違約概率的步驟：第一步，估計公司市場價值及其波動性由于無法直接觀察公司資產(chǎn)價值及波動性，KMV借用期權(quán)定價原理推算。公司股權(quán)價值的公式：（1）E是股權(quán)價值，A是公司資產(chǎn)市場現(xiàn)值，σA是公司資產(chǎn)價值波動性，D是負(fù)債價值，r是無風(fēng)險利率，τ是時間范圍。估計企業(yè)違約概率的步驟：企業(yè)股權(quán)價值波動性σE與企業(yè)資產(chǎn)價值波動性間存在理論上的關(guān)系：

（2）在公式（1）和（2）中，已知變量有：E，可在股票市場上觀察到；σE，利用歷史數(shù)據(jù)估算；D，違約實施點或觸發(fā)點；τ，一般設(shè)為1年；r，可觀察到。在公式（1）和（2）中余下兩個未知數(shù)：資產(chǎn)價值A(chǔ)及其波動性σA將（1）（2）兩個等式聯(lián)立，可求出兩個未知數(shù)。

企業(yè)股權(quán)價值波動性σE與企業(yè)資產(chǎn)價值波動性間存在理論上的關(guān)系第二步，計算違約距離資產(chǎn)或負(fù)債價值時間t=0t=1違約區(qū)域資產(chǎn)價值分布曲線負(fù)債線AD

違約概率相當(dāng)于企業(yè)資產(chǎn)價值分布曲線位于負(fù)債線以下的區(qū)域，它表示企業(yè)資產(chǎn)價值在一年內(nèi)降到D以下的概率，即企業(yè)一年內(nèi)違約的概率。

假定公司未來資產(chǎn)價值圍繞其現(xiàn)值呈正態(tài)分布，均值為A，標(biāo)準(zhǔn)差為σA，則可利用下面的公式計算公司距離違約的違約距離ＤＤ(Distance-to-Default)：違約實施點(為企業(yè)1年以下短期債務(wù)的價值加上未清償長期債務(wù)賬面價值的一半)第二步，計算違約距離資產(chǎn)或負(fù)債價值時間t=0t=1違約區(qū)域資第三步，估算違約概率若假定資產(chǎn)價值是正態(tài)分布，就可根據(jù)違約距離直接求得違約概率。基于資產(chǎn)價值正態(tài)分布假定計算出的是EDF的理論值，由于該假定不一定與現(xiàn)實相符，為此KMV還利用歷史數(shù)據(jù)求EDF的經(jīng)驗值。假設(shè)公司的違約距離為2σA，經(jīng)驗EDF的計算公式為：第三步，估算違約概率106模型的特點

其一，從企業(yè)股權(quán)持有者的角度考慮償還的動力問題，并利用公開的股市信息為債務(wù)信用風(fēng)險度量服務(wù)。

其二，違約模型考察違約概率，不考慮信用等級變化。27模型的特點其一，從企業(yè)股權(quán)持有者的角度考慮償還的107模型的優(yōu)點與局限優(yōu)點：動態(tài)模型局限：技術(shù)上假定公司債務(wù)結(jié)構(gòu)靜態(tài)不變,對不同類型的債務(wù)缺乏細(xì)分?；谫Y產(chǎn)價值正態(tài)分布假設(shè)。實用中僅著重于違約預(yù)測；能否適用于發(fā)展中國家的新興股票市場；無法預(yù)測非上市公司。28模型的優(yōu)點與局限優(yōu)點：動態(tài)模型108五、LossCalc模型29五、LossCalc模型109LossCalc模型的基本思路是根據(jù)歷史數(shù)據(jù)在債務(wù)的違約損失率(LossGivenDefault)和一組解釋變量之間建立起一個多元統(tǒng)計模型。30LossCalc模型的基本思路是根據(jù)歷史數(shù)據(jù)在債務(wù)的違約110由于違約損失率的大小不僅受到負(fù)債企業(yè)因素影響，而且還同債務(wù)項目的具體設(shè)計密切相關(guān)。31由于違約損失率的大小不僅受到負(fù)債企業(yè)因素影響，而且還同債111影響違約損失率的決定因素主要包括：債項因素宏觀因素與經(jīng)濟(jì)周期行業(yè)因素企業(yè)因素32影響違約損失率的決定因素主要包括：信用評級模型課件信用評級模型課件114六、CreditMetrics模型

35六、CreditMetrics模型115CreditMetrics模型Creditmetrics是由J.P摩根公司聯(lián)合多家金融機(jī)構(gòu)于1997年推出的信用風(fēng)險度量模型。模型不僅考慮違約事件引發(fā)的價值變動，而且同時考慮信用等級升降的影響。Creditmetrics試圖回答的問題：“如果下一年是個壞年份，那么，債務(wù)會損失掉多少？”36CreditMetrics模型Creditmetric116CreditMetrics模型用來測定信用資產(chǎn)組合價值和風(fēng)險。估算由于信用資產(chǎn)質(zhì)量變化(包括違約)而導(dǎo)致的組合價值的波動以及價值的分布狀況，并最終計算出信用資產(chǎn)組合的在險價值量(VaR)。37CreditMetrics模型用來測定信用資產(chǎn)組合價值117在險價值(VaR)

在險價值(VaR)就是為了度量一項給定的資產(chǎn)或負(fù)債在一定時間里和在一定的置信度下價值最大的損失額。

38在險價值(VaR)在險價值(VaR)就是為了度量一項給118Creditmetrics基本假設(shè)信用評級有效。信用狀況可由債務(wù)人的信用等級表示。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8.33％的可能轉(zhuǎn)變?yōu)锳A級。把所有的可能列出，形成所謂的“評級轉(zhuǎn)移矩陣”。39Creditmetrics基本假設(shè)信用評級有效。信用狀況119模型需要的數(shù)據(jù)需要利用的數(shù)據(jù)：當(dāng)前的信用評級數(shù)據(jù)信用等級在一年內(nèi)發(fā)生改變的概率違約的殘值回收率債券的（到期）收益率40模型需要的數(shù)據(jù)需要利用的數(shù)據(jù)：120步驟1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，90.81％AA，8.33％A，0.68％BBB，0.06％BB，0.12％CCC，0D，041步驟1信用轉(zhuǎn)移矩陣根據(jù)歷史資料得到，期初信用級別為A121AAAA，0.09％AA，2.27％A，91.05％BBB，5.52％BB，0.74％CCC，0.01％D，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。42AAAA，0.09％AA，2.27％A，91.05％BB122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。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”。43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123級別AAAAAABBBBBBCCC違約AAA90.818.330.680.060.12000AA0.7090.657.790.640.060.140.020A0.092.2791.055.520.740.260.010.06BBB0.020.335.9586.935.361.170.120.18BB0.030.140.677.7380.538.841.001.06B00.110.240.436.4883.464.075.20CCC0.2200.221.302.3811.2464.8619.79信用轉(zhuǎn)移矩陣44級別AAAAAABBBBBBCCC違約AAA90.818124步驟2違約回收率由于A～CCC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45步驟2違約回收率由于A～CCC債券有違約的可能，故需125違約回收率統(tǒng)計表債券級別回收率(％面值)標(biāo)準(zhǔn)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51.13元。46違約回收率統(tǒng)計表債券級別回收率(％面值)標(biāo)準(zhǔn)差(％)優(yōu)先126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)47步驟3債券估值由于債券信用級別上升（下降）到新的級別，127每個信用級別的貼現(xiàn)率(%)級別1年(%)2年(%)3年(%)4年(%)AAA3.604.174.735.12AA3.654.224.785.17A3.724.324.935.32BBB4.104.675.255.63BB5.556.026.787.27B6.057.028.038.52CCC15.0515.0214.0313.5248每個信用級別的貼現(xiàn)率(%)級別1年(%)2年(%)3年128例子假設(shè)BBB級優(yōu)先無擔(dān)保債券(5年期)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。49例子假設(shè)BBB級優(yōu)先無擔(dān)保債券(5年期)的面值100元，129BBB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51.1350BBB級債券一年后可能的市值（包含面值）年末債券級別130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51.130.18BBB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。51步驟4計算信用風(fēng)險年末債券級別市值（元）轉(zhuǎn)移概率131估計債券市值的均值和標(biāo)準(zhǔn)差由債券價值的分布，容易得到其價值的均值和方差52估計債券市值的均值和標(biāo)準(zhǔn)差由債券價值的分布，容易得到其價132BBB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51.130.18％53BBB債券持有1年、99％的VaR由債券市值的概率分布可133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。54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134

由于該債券的均值為107.90美元，根據(jù)相對VaR的定義，等于一定的置信度上，年末可能的價值與預(yù)期價值間的差距，即價值損失。

VaR＝107.09-92.29=14.80(美元)

說明：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。55由于該債券的均值為107.90美元，135對Creditmetrics模型的評述優(yōu)點：動態(tài)性：適用于計量由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。多狀態(tài)模型，能更精確地計量信用風(fēng)險的變化和損失值。提出資產(chǎn)組合信用風(fēng)險的度量框架。缺點：對信用評級的高度依賴。56對Creditmetrics模型的評述優(yōu)點：136七、Creditrisk+模型基本思路：違約率的不確定性和違約損失的不確定性都很顯著，應(yīng)按風(fēng)險暴露大小將貸款組合劃分成若干頻段，以降低不精確的程度。其后，將各頻段的損失分布加總，可得到貸款組合的損失分布

。

57七、Creditrisk+模型基本思路：137對違約率不確定性的描述借鑒財產(chǎn)火險理論，每處房屋遭遇火災(zāi)可視作獨立事件，且概率很小，假定每筆債券的違約概率較小，且違約事件相互獨立，分布近似于泊松分布。對違約損失不確定性的描述仍借用火險理論，房屋失火的損毀程度可能會有很大區(qū)別，債券的違約損失程度同樣很不確定。由于逐筆度量損失程度較困難，可按債券的風(fēng)險暴露將債券組合劃分為若干頻段。58對違約率不確定性的描述借鑒財產(chǎn)火險理論，每處房屋遭遇火災(zāi)138具體步驟

第一步，將債券組合按每個債券的風(fēng)險暴露劃分為各個頻段第二步，求出各頻段的違約概率分布首先，根據(jù)歷史數(shù)據(jù)確定某頻段的平均違約率其次，將平均違約率代入泊松分布函數(shù)中，可求得頻段中違約次數(shù)的概率然后，將違約次數(shù)和相應(yīng)的概率結(jié)合，可得到該頻段違約次數(shù)的概率分布曲線。59具體步驟第一步，將債券組合按每個債券的風(fēng)險暴露劃分為各139第三步，計算各頻段的損失分布

預(yù)期損失＝平均違約次數(shù)×單個債券風(fēng)險暴露；實際損失值=實際違約次數(shù)×單個債券風(fēng)險暴露

將違約損失值與對應(yīng)的違約概率結(jié)合，可得到該頻段的損失分布曲線第四步，將各頻段的損失分布加總得到組合損失分布60第三步，計算各頻段的損失分布140——模型的優(yōu)點只考慮違約事件，要估計的變量少，數(shù)據(jù)要求較簡單——模型的缺點忽略信用等級變化關(guān)于違約次數(shù)服從泊松分布的假定可能與實際不完全吻合未考慮市場風(fēng)險61——模型的優(yōu)點141八、宏觀模擬模型62八、宏觀模擬模型142

基本思路：研究信用等級轉(zhuǎn)移概率與宏觀因素間的關(guān)系

直接將轉(zhuǎn)移概率與宏觀因素之間的關(guān)系模型化。63143

具體步驟宏觀因素與轉(zhuǎn)移概