第5章-信用風(fēng)險管理

第5章信用風(fēng)險管理討論1、信用風(fēng)險是怎么產(chǎn)生的？2、信用風(fēng)險有哪些特征？第一節(jié)信用風(fēng)險概述第二節(jié)信用風(fēng)險的度量第三節(jié)信用風(fēng)險的控制

一、基本概念1.信用：是指在交換過程中，交易一方以將來償還的方式獲得另一方的財、物或服務(wù)的能力。2.信用風(fēng)險：是指由于交易對手（債務(wù)人）信用狀況和履約能力上的變化導(dǎo)致債權(quán)人資產(chǎn)價值發(fā)生變動而遭受損失的可能性。

第一節(jié)信用風(fēng)險概述二、信用風(fēng)險案例分析美國次級抵押貸款危機(jī)自2007年8月全面爆發(fā)。該危機(jī)發(fā)端于美國次級抵押貸款市場的信用違約，后演變?yōu)橄砣蚪鹑谑袌龅南到y(tǒng)性危機(jī)。

第一節(jié)信用風(fēng)險概述2000-1至2003-6月連續(xù)13次降息利率從6.5%降至1%房地產(chǎn)市場進(jìn)入牛市美國10個城市的房價指數(shù)由100上升至226金融管制放松次級信用借款人借次級抵押貸款2004-6至2006-6連續(xù)17次升息，利率從1%上調(diào)至5.25%

第一節(jié)信用風(fēng)險概述二、信用風(fēng)險案例分析次貸危機(jī)爆發(fā)始末2006-7開始房價指數(shù)開始下跌，至2009-3房價指數(shù)從226跌至153次級貸款的違約率迅速飆升次貸危機(jī)全面爆發(fā)三、信用風(fēng)險的成因1.經(jīng)濟(jì)活動中的外在不確定性產(chǎn)生的信用風(fēng)險，如經(jīng)濟(jì)運(yùn)行的隨機(jī)性、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”;

第一節(jié)信用風(fēng)險概述三、信用風(fēng)險的成因2.經(jīng)濟(jì)活動中的內(nèi)在不確定性產(chǎn)生的信用風(fēng)險：行為人的主觀決策以及信息不對稱原因?qū)е碌男庞蔑L(fēng)險，如企業(yè)的管理能力，產(chǎn)品的競爭能力、生產(chǎn)規(guī)模,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”;

第一節(jié)信用風(fēng)險概述

四、信用風(fēng)險的特征1.風(fēng)險概率分布的左偏性

信用風(fēng)險的分布不是對稱的，而是有偏的。這種特點(diǎn)是由貸款信用違約風(fēng)險造成的，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。

第一節(jié)信用風(fēng)險概述

四、信用風(fēng)險的特征

第一節(jié)信用風(fēng)險概述

四、信用風(fēng)險的特征2.信用悖論(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：即理論上講，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(shí)踐中，由于對客戶信用狀況的了解主要來源于長期的業(yè)務(wù)關(guān)系，因此，銀行常常傾向于將貸款投向有限的老客戶，使得銀行信用風(fēng)險很難分散化。

第一節(jié)信用風(fēng)險概述

四、信用風(fēng)險的特征3.信用風(fēng)險數(shù)據(jù)的獲取難度大由于信用資產(chǎn)的流動性較差，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。

第一節(jié)信用風(fēng)險概述

四、信用風(fēng)險的特征3.信用風(fēng)險數(shù)據(jù)的獲取難度大這一特征導(dǎo)致：①信用風(fēng)險定價模型有效性檢驗(yàn)的困難。②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)險量化研究的原因。

第一節(jié)信用風(fēng)險概述

四、信用風(fēng)險的特征信用風(fēng)險與市場風(fēng)險的比較

第一節(jié)信用風(fēng)險概述

一、信用風(fēng)險的定性度量方法傳統(tǒng)的信用風(fēng)險管理方法主要運(yùn)用定性方法。1.專家制度法是由一些富有經(jīng)驗(yàn)的專家憑借自己的專業(yè)技能和主觀判斷，對貸款企業(yè)的一些關(guān)鍵因素權(quán)衡以后，評估其信用風(fēng)險，做出相應(yīng)的信貸決策的方法。

第二節(jié)信用風(fēng)險的度量

一、信用風(fēng)險的定性度量方法傳統(tǒng)的信用風(fēng)險管理方法主要運(yùn)用定性方法。1.專家制度法最常見的就是5C分析法：主要從借款人的道德品質(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）五個方面定性分析以判別借款人的還款意愿和還款能力。

第二節(jié)信用風(fēng)險的度量

一、信用風(fēng)險的定性度量方法2.信用風(fēng)險評級法信用風(fēng)險評級是常用的信用風(fēng)險評估方法。本質(zhì)上，評級體系依靠的是對所有因素的全面考慮以及分析人員的經(jīng)驗(yàn)，而不是數(shù)學(xué)建模。換言之，評級結(jié)果在一定程度上依賴于評級人員的主觀判斷。

第二節(jié)信用風(fēng)險的度量

一、信用風(fēng)險的定性度量方法2.信用風(fēng)險評級法西方市場常用的幾種評級方法：（1）OCC的評級方法。信用評級法又叫OCC法，是因?yàn)檫@一方法是由美國貨幣監(jiān)理署（OCC）最早開發(fā)出來的。

第二節(jié)信用風(fēng)險的度量2023/2/119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(dá)到標(biāo)準(zhǔn)9C可疑10D損失二、信用風(fēng)險的定量度量方法1.信用度量制模型（CreditMetrics）CreditMetrics模型是由JP摩根、美國銀行、KMV和瑞士銀行等金融機(jī)構(gòu)于1997年合作推出的一種專門用于對非交易性金融資產(chǎn)，如貸款和私募債券的價值和風(fēng)險進(jìn)行度量的模型。

第二節(jié)信用風(fēng)險的度量二、信用風(fēng)險的定量度量方法1.信用度量制模型（CreditMetrics）CreditMetrics模型在應(yīng)用時，本質(zhì)上是根據(jù)債務(wù)人信用質(zhì)量、信用等級轉(zhuǎn)移以及違約事件來確定資產(chǎn)的市場價值分布，并基于信用資產(chǎn)價值分布來計算VaR.

第二節(jié)信用風(fēng)險的度量二、信用風(fēng)險的定量度量方法1.信用度量制模型（CreditMetrics）該模型要解決的問題是：如果下一個年度是一個壞年頭的話，我們的貸款及貸款組合的價值將會損失多少？

第二節(jié)信用風(fēng)險的度量二、信用風(fēng)險的定量度量方法1.信用度量制模型應(yīng)用實(shí)例5年期的固定利率貸款，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，該企業(yè)一年后的貸款現(xiàn)值為多少？

第二節(jié)信用風(fēng)險的度量二、信用風(fēng)險的定量度量方法1.信用度量制模型應(yīng)用實(shí)例第一步：確定借款企業(yè)信用等級轉(zhuǎn)換的概率關(guān)于借款人信用評級級別在未來轉(zhuǎn)換的概率情況可以從大的信用評級公司中獲取。下面就是由標(biāo)準(zhǔn)—普爾公司所提供的一張借款人在一年期里信用等級轉(zhuǎn)換概率的矩陣表。

第二節(jié)信用風(fēng)險的度量二、信用風(fēng)險的定量度量方法1.信用度量制模型應(yīng)用實(shí)例第一步：確定借款企業(yè)信用等級轉(zhuǎn)換的概率

表1一年期信用等級轉(zhuǎn)換矩陣

第二節(jié)信用風(fēng)險的度量二、信用風(fēng)險的定量度量方法1.信用度量制模型應(yīng)用實(shí)例第二步：對信用等級變動后的貸款市值進(jìn)行估價貸款信用等級下降,對貸款所要求的信貸風(fēng)險加息差就應(yīng)當(dāng)提高，因而其貸款的市值也就相應(yīng)下降。信用等級上升，則會出現(xiàn)相反的效應(yīng)。

第二節(jié)信用風(fēng)險的度量二、信用風(fēng)險的定量度量方法1.信用度量制模型應(yīng)用實(shí)例第二步：對信用等級變動后的貸款市值進(jìn)行估價

可以依據(jù)下列公式計算出該筆貸款的市值(百萬美元為單位)。

上式中，ri為財政零息債券的無風(fēng)險利率；Si是每年的信用加息差。

第二節(jié)信用風(fēng)險的度量二、信用風(fēng)險的定量度量方法1.信用度量制模型應(yīng)用實(shí)例第二步：對信用等級變動后的貸款市值進(jìn)行估價

第二節(jié)信用風(fēng)險的度量二、信用風(fēng)險的定量度量方法1.信用度量制模型應(yīng)用實(shí)例第二步：對信用等級變動后的貸款市值進(jìn)行估價

現(xiàn)在我們假定：借款人在第一年中的信用等級從BBB級上升的A級,那么對于發(fā)放貸款的金融機(jī)構(gòu)來說它所發(fā)放的這筆貸款的第一年結(jié)束時的現(xiàn)值或市值便是：

第二節(jié)信用風(fēng)險的度量二、信用風(fēng)險的定量度量方法1.信用度量制模型應(yīng)用實(shí)例第二步：對信用等級變動后的貸款市值進(jìn)行估價

由上式可知，若借款人在第一年結(jié)束時信用等級從BBB級上升為A級，那么這100百萬美元貸款(帳面值)的市值可上升為108.66百萬美元。運(yùn)用同樣的方法，可以獲得借款人信用等級轉(zhuǎn)換到其它評級后的貸款市值金額。表2向人們展示了若借款人信用等級變化所導(dǎo)致貸款市值變化的情況。

第二節(jié)信用風(fēng)險的度量二、信用風(fēng)險的定量度量方法1.信用度量制模型應(yīng)用實(shí)例第二步：對信用等級變動后的貸款市值進(jìn)行估價

表2不同信用等級下貸款市值狀況

第二節(jié)信用風(fēng)險的度量二、信用風(fēng)險的定量度量方法1.信用度量制模型應(yīng)用實(shí)例第二步：對信用等級變動后的貸款市值進(jìn)行估價圖1：5年期BBB級貸款的市值實(shí)際分布狀況

第二節(jié)信用風(fēng)險的度量二、信用風(fēng)險的定量度量方法1.信用度量制模型應(yīng)用實(shí)例第二步：對信用等級變動后的貸款市值進(jìn)行估價

圖1展示了借款人信用等級轉(zhuǎn)換后貸款市值的概率分布狀況?？芍J款市值的概率分布并不是完全呈正態(tài)分布狀的。因此，在這種概率分布條件下，人們在運(yùn)用信用度量制方法計算貸款受險價值時就要計算出兩種受險價值量(VaR)：第一，按照貸款市值呈正態(tài)分布狀時,計算出該貸款的受險價值是多少；第二，按照貸款的實(shí)際分布狀況,計算出該貸款的受險價值是多少。

第二節(jié)信用風(fēng)險的度量二、信用風(fēng)險的定量度量方法1.信用度量制模型應(yīng)用實(shí)例第三步：計算受險價值量(VaR)表3展示了在5%和1%最壞情景下(如大的災(zāi)年發(fā)生后)，如何圍繞著貸款市值均值(期望值)計算出兩種概率分布情況下的貸款受險價值。

第二節(jié)信用風(fēng)險的度量

表3：BBB級貸款受險價值計算表

第二節(jié)信用風(fēng)險的度量二、信用風(fēng)險的定量度量方法

第二節(jié)信用風(fēng)險的度量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。二、信用風(fēng)險的定量度量方法1.信用度量制模型（CreditMetrics）創(chuàng)新之處：第一次將信用等級的轉(zhuǎn)移、違約率、回收率、違約相關(guān)性納入到一個統(tǒng)一的框架，全面考慮對信用風(fēng)險的度量，適用于幾乎所有的信貸產(chǎn)品。

第二節(jié)信用風(fēng)險的度量二、信用風(fēng)險的定量度量方法1.信用度量制模型（CreditMetrics）局限性：該模型高度依賴于銀行的內(nèi)部評級系統(tǒng)或著名外部評級機(jī)構(gòu)的評級結(jié)果。

第二節(jié)信用風(fēng)險的度量二、信用風(fēng)險的定量度量方法2.信用監(jiān)控模型(KMV模型)美國的KMV公司利用期權(quán)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)險進(jìn)行預(yù)測。

第二節(jié)信用風(fēng)險的度量二、信用風(fēng)險的定量度量方法2.信用監(jiān)控模型該模型使用了兩個關(guān)系：第一，企業(yè)股權(quán)市值與它的資產(chǎn)市值之間的結(jié)構(gòu)性關(guān)系；第二，企業(yè)資產(chǎn)市值波動程度和企業(yè)股權(quán)市值變動程度之間的關(guān)系。

第二節(jié)信用風(fēng)險的度量二、信用風(fēng)險的定量度量方法2.信用監(jiān)控模型通過上述兩個關(guān)系模型，可以求出企業(yè)資產(chǎn)市值及其波動程度。一旦所有涉及的變量值被算出，信用監(jiān)測模型便可以測算出借款企業(yè)的預(yù)期違約頻率（EDF）.

第二節(jié)信用風(fēng)險的度量二、信用風(fēng)險的定量度量方法3.信用風(fēng)險量化模型（creditrisk+）該模型由瑞士信貸銀行金融產(chǎn)品部開發(fā)。基本思想源于保險業(yè)，即保險損失源自被保事件的發(fā)生頻率和事件發(fā)生后損失的價值。該模型適用于由小筆貸款組成的貸款組合。

第二節(jié)信用風(fēng)險的度量一、貸款定價策略二、資產(chǎn)分散化策略三、貸款證券化四、風(fēng)險資本比率約束機(jī)制

第三節(jié)信用風(fēng)險的控制貸款證券化1.貸款證券化的含義

貸款證券化是運(yùn)用各種結(jié)構(gòu)化交易技術(shù)，將貸款組合組成貸款池，并對貸款池未來預(yù)期現(xiàn)金流進(jìn)行分割，轉(zhuǎn)換為資本市場可交易的、具有不同風(fēng)險/收益特征的證券。

第三節(jié)信用風(fēng)險的控制貸款證券化2.貸款證券化的作用從發(fā)起人的角度：可以增強(qiáng)資產(chǎn)流動性，拓寬收入來源；從投資者的角度：提供了多樣化的投資選擇，出現(xiàn)更多的合規(guī)投資；從金融市場角度：提供了新的筒子途徑，提升了金融系統(tǒng)的安全性。

第三節(jié)信用風(fēng)險的控制計算貸款的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(shí)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(shí)際分布，計算VAR2023/2/150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；2023/2/151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(dá)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(dá)到107.09-98.10=8.99百萬美元；因此這些方法低估了VaR；2023/2/152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。2023/2/154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。2023/2/155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(jìn)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(diǎn)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；2023/2/156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(jìn)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(yùn)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(dú)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(shí)際違約的貸款數(shù)量；金融風(fēng)險管理，1.60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，1.61CreditRisk+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(jī)事件發(fā)生次數(shù)的概率分布。

當(dāng)一個隨機(jī)事件（例如到達(dá)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(jī)且獨(dú)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(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2023/2/1654、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(jìn)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(shí)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)2023/2/167KMV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）2023/2/168KMV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)2023/2/169KMV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。2023/2/171KMV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(fù)債計算違約點(diǎn)B根據(jù)違約實(shí)證分析，違約點(diǎn)的資產(chǎn)市值=流動負(fù)債+長期負(fù)債*50%；第三步：計算違約距離利用違約點(diǎn)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(diǎn)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(diǎn)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(yàn)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1.72KMV建立了一個包含6萬個公共機(jī)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(jī)構(gòu)和22萬個私人企業(yè)的違約和破產(chǎn)案例2023/2/174KMV模型設(shè)定A為資產(chǎn)價值，B為違約點(diǎn)，為資產(chǎn)價值的波動性。2023/2/175KMV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(diǎn)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×σ2023/2/177KMV模型假定在某一時間點(diǎn)具有違約距離為4的企業(yè)總體共有5000個，一年后實(shí)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-2023/2/178KMV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1.79金融風(fēng)險管理，1.80金融風(fēng)險管理，1.81§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(jī)構(gòu)的系統(tǒng)性信用風(fēng)險

信用風(fēng)險悖論paradoxofcredit：貸款機(jī)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(jī)構(gòu)的系統(tǒng)性信用風(fēng)險：一個金融機(jī)構(gòu)對某些行業(yè)或地區(qū)的信用達(dá)到一定程度而出現(xiàn)的信用風(fēng)險集中現(xiàn)象。當(dāng)這類風(fēng)險集中到一定程度時，就可能會給該金融機(jī)構(gòu)造成巨大損失，甚至導(dǎo)致其無法正常運(yùn)行，比如美國的次貸危機(jī)。金融衍生工具1、信用違約互換（CreditDefaultSwap）--（實(shí)質(zhì)上是一種信用違約保險而非真正意義上的互換）