金融機構(gòu)信用管理教學(xué)課件第二篇金融機構(gòu)信用管理的量化基礎(chǔ)第六章現(xiàn)代信用風(fēng)險度量模型

第二篇金融機構(gòu)信用管理的量化基礎(chǔ)金融機構(gòu)信用管理第六章

現(xiàn)代信用風(fēng)險度量模型金融機構(gòu)信用管理章前導(dǎo)言金融機構(gòu)需要建立典型的信用風(fēng)險組合模型，由于單個資產(chǎn)間的違約相關(guān)性，組合內(nèi)所有單個資產(chǎn)的意外損失的加總不等于組合的意外損失，準確度量組合的信用風(fēng)險十分重要。近年來，基于分析模型的資產(chǎn)組合信用風(fēng)險的度量引起了廣泛關(guān)注。原因之一是日益發(fā)展的結(jié)構(gòu)性金融產(chǎn)品市場的參與者很大程度上依賴于對不同風(fēng)險暴露的信用風(fēng)險相關(guān)性的估計。金融監(jiān)管當(dāng)局在實施新資本協(xié)議時，為保證監(jiān)管資本與信用風(fēng)險密切相關(guān)，也對這些估值表示出濃厚興趣。本章知識結(jié)構(gòu)圖現(xiàn)代信用風(fēng)險度量模型經(jīng)典信用評級模型Credit

Metrics模型KMV模型Credit

Risk+模型Credit

Portfolio

View模型銀行信用組合風(fēng)險度量模型漸進單風(fēng)險因子模型多因素模型信用風(fēng)險因素模型股票收益的因素模型信用風(fēng)險的一般因素模型第一節(jié)

經(jīng)典信用評級模型一、Credit

Metrics模型二、KMV模型三、Credit

Risk+模型四、Credit

Portfolio

View模型第一節(jié)經(jīng)典信用評級模型一、Credit

Metrics模型1997年4月初，美國J.P.摩根財團與德意志摩根建富、美國銀行、瑞士銀行、瑞士聯(lián)合銀行和BZW共同研究，推出了世界上第一個評估銀行信貸風(fēng)險的模型——CreditMetrics模型。這個模型借助于借款人的信用評級、評級轉(zhuǎn)移矩陣（歷年評級發(fā)生變化的概率）、違約貸款收回率和信用風(fēng)險價差，綜合就算出貸款的市場價值和波動性，進而個別貸款和貸款組合的VAR值。第一節(jié)經(jīng)典信用評級模型一、Credit

Metrics模型CreditMetrics模型不僅可以對單個信用資產(chǎn)風(fēng)險價值進行計算，還可以運用該模型對信用資產(chǎn)組合的信用風(fēng)險進行度量。對于組合信用風(fēng)險的度量，有兩個可供選擇的方法。第一種方法是測算出貸款組合的聯(lián)合信用等級轉(zhuǎn)換概率，并確定貸款組合在一年期的每一個可能的聯(lián)合信用等級轉(zhuǎn)換概率下的貸款價值量，從而最終求出貸款組合的均值和標(biāo)準差。第二種方法是通過求解資產(chǎn)組合方差的標(biāo)準方式并做適當(dāng)?shù)恼{(diào)整來最終估計資產(chǎn)組合的方差和標(biāo)準差。第一節(jié)經(jīng)典信用評級模型一、Credit

Metrics模型模型評價CreditMetrics假設(shè)等級轉(zhuǎn)移概率服從穩(wěn)定的馬爾可夫過程，但是實際的歷史數(shù)據(jù)表明，一筆貸款過去如果發(fā)生過違約事件，那么它目前等級下降的概率要比那些沒有發(fā)生過違約行為的貸款要高。在計算貸款或債券的VAR時，假設(shè)等級轉(zhuǎn)移概率矩陣是穩(wěn)定的，而實際上，行業(yè)因素、國家因素以及商業(yè)周期等因素會對等級轉(zhuǎn)移矩陣產(chǎn)生重要的影響。在生成債券的信用等級轉(zhuǎn)移概率矩陣時所使用的債券組合也會對矩陣的準確性產(chǎn)生影響。模型度量信用風(fēng)險是一種基于歷史數(shù)據(jù)的向后看的方法。第一節(jié)經(jīng)典信用評級模型二、KMV模型KMV模型是由KMV公司研究開發(fā)的運用期權(quán)定價理論建立起來的違約預(yù)測模型。該模型的出發(fā)點是運用期權(quán)理論來估計違約間距DD（DistancetoDefault），進而求出違約的期望頻率值EDF（ExpectedDefaultFrequency）。KMV模型認為，實際違約概率和歷史平均違約概率的差異較大，并且對相同信用等級的企業(yè)而言也存在很大差異。第一節(jié)經(jīng)典信用評級模型二、KMV模型第一節(jié)經(jīng)典信用評級模型二、KMV模型模型研究方法計算違約間距第一節(jié)經(jīng)典信用評級模型二、KMV模型模型研究方法計算違約概率

第一節(jié)經(jīng)典信用評級模型二、KMV模型模型評價優(yōu)點：首先，KMV可以充分利用資本市場上的信息，對所有公開上市企業(yè)進行信用風(fēng)險的量化和分析；其次，由于該模型所獲取的數(shù)據(jù)來自股票市場的資料，其預(yù)測能力更強、更及時，也更準確；再次，KMV模型建立在當(dāng)代公司理財理論和期權(quán)理論的基礎(chǔ)之上，具有很強的理論基礎(chǔ)做依托。缺陷：首先，由于沒有公開數(shù)據(jù)，對非上市公司的分析往往要借助一些會計信息或其它能夠反映借款企業(yè)特征值的指標(biāo)來替代模型中一些重要變量，在一定程度上會降低計算的準確性。其次，此類模型中沒有對公司長期債務(wù)結(jié)構(gòu)進行區(qū)別分析。最后，分析時假定公司的債務(wù)結(jié)果是靜態(tài)不變的。第一節(jié)經(jīng)典信用評級模型三、CreditRisk+模型CreditRisk+是一種典型的違約模型，它對違約的成因不作任何假設(shè)，認為違約是一種隨機行為，且違約事件彼此獨立，所以違約事件個數(shù)服從泊松分布。該模型先用泊松分布刻畫違約事件個數(shù)分布，然后通過頻帶劃分，把違約事件個數(shù)分布轉(zhuǎn)換為違約損失分布，最后利用貸款損失分布的遞推關(guān)系式，計算貸款組合損失分布，進而計算貸款組合的非預(yù)期損失。假設(shè)條件：第一，假設(shè)貸款組合內(nèi)的每筆貸款違約與否是隨機的；第二，假設(shè)每筆貸款的違約概率很??；第三，假設(shè)每筆貸款間的違約概率相互獨立。第一節(jié)經(jīng)典信用評級模型三、CreditRisk+模型模型研究方法貸款分類確定違約事件分布頻帶劃分給定置信水平第一節(jié)經(jīng)典信用評級模型三、CreditRisk+模型模型評價CreditRisk+可以有效地計量信貸組合的非預(yù)期損失且可提高我國商業(yè)銀行經(jīng)濟資本管理效率。CreditRisk+模型在銀行信貸組合信用風(fēng)險管理方面會有廣泛的應(yīng)用前景。在使用CreditRisk+模型計量貸款組合信用風(fēng)險時，具有很強的科學(xué)性，而且可以增加CreditRisk+模型計量信貸組合預(yù)期損失與非預(yù)期損失的準確性。CreditRisk+模型計量經(jīng)濟資本的精確性高度依賴于貸款違約率、違約損失率數(shù)據(jù)的準確性，所以銀行應(yīng)該盡快構(gòu)建自己的違約數(shù)據(jù)庫和信用風(fēng)險評價體系。第一節(jié)經(jīng)典信用評級模型四、CreditPortfolioView模型在CreditMetrics方法中，轉(zhuǎn)移概率是不隨借款人與商業(yè)周期變動的。但信用等級較低的債券違約率對于商業(yè)周期的敏感度很高。且經(jīng)濟狀態(tài)對于信用等級轉(zhuǎn)移概率矩陣的影響很大，經(jīng)濟衰退期的違約率要比經(jīng)濟繁榮期的高出許多。麥肯錫咨詢公司提出了CreditPortfolioView模型。該模型是離散時間多因素模型，認為違約率是宏觀經(jīng)濟變量（如失業(yè)率、經(jīng)濟增長率和利率）的函數(shù)。因此直接對轉(zhuǎn)移概率與宏觀經(jīng)濟因子之間的關(guān)系建立模型，然后用它模擬產(chǎn)生轉(zhuǎn)移概率。第一節(jié)經(jīng)典信用評級模型四、CreditPortfolioView模型模型研究方法違約預(yù)測模型條件轉(zhuǎn)移概率矩陣第一節(jié)經(jīng)典信用評級模型四、CreditPortfolioView模型模型評價CreditPortfolioView模型提出了聯(lián)系宏觀經(jīng)濟變量因素和違約及轉(zhuǎn)移概率的方法。模型的校驗必須使用每個國家及每個國家內(nèi)每個行業(yè)可靠的違約數(shù)據(jù)。模型的一個局限是尚不清楚CreditPortfolioView模型調(diào)整轉(zhuǎn)移矩陣的特殊方法是否好于簡單的貝葉斯模型（該模型中轉(zhuǎn)移矩陣的修正是根據(jù)銀行信貸部門累積的內(nèi)部專業(yè)知識及內(nèi)部對銀行信貸資產(chǎn)組合的評價）。第二節(jié)銀行信用組合風(fēng)險度量模型一、漸進單風(fēng)險因子模型ASRF模型ASRF模型使用閉合逼近法，估計包括N個風(fēng)險暴露的資產(chǎn)組合的違約損失概率分布。近似值的準確度與資產(chǎn)組合中風(fēng)險暴露數(shù)目成正比，與最大風(fēng)險暴露的權(quán)重成反比。在這些假設(shè)下，資產(chǎn)組合就可以看作是具有完美分散度的。第二節(jié)銀行信用組合風(fēng)險度量模型一、漸進單風(fēng)險因子模型模型研究方法（一）違約損失概率分布推導(dǎo)（二）模型假設(shè)變更第二節(jié)銀行信用組合風(fēng)險度量模型一、漸進單風(fēng)險因子模型模型評價即使模型有詳細的解釋，ASRF模型的校驗誤差仍會影響組合信用風(fēng)險的評估，校驗誤差主要是對風(fēng)險暴露之間的信用風(fēng)險相互依賴性的校驗誤差。由于校驗誤差發(fā)生于ASRF模型受限情況下，校驗誤差獨立于分散性效應(yīng)；鑒于單因子近似方法的特征（其不同于多因子效應(yīng)），校驗誤差效應(yīng)與平均相關(guān)性誤差相分離。第二節(jié)銀行信用組合風(fēng)險度量模型二、多因素模型信用風(fēng)險因素模型（一）門限模型（二）資產(chǎn)收益模型股票收益的因素模型（一）統(tǒng)計因素模型（二）宏觀經(jīng)濟或指數(shù)因素模型（三）基本因素模型信用風(fēng)險的一般因素模型本章小結(jié)CreditMetrics模型是世界上第一個評估銀行信貸風(fēng)險的模型。該模型幾乎覆蓋了所有的信貸產(chǎn)品，包括傳統(tǒng)的商業(yè)貸款、固定收入證券、商業(yè)合同如貿(mào)易信貸、信用證和承付書和應(yīng)收賬款以及由市場驅(qū)動的信貸產(chǎn)品如掉期合同、期貨合同和其他衍生品等。組合信用風(fēng)險漸進單風(fēng)險因子模型主要是針對資產(chǎn)組合信用風(fēng)險的漸進單風(fēng)險因子模型（英文簡稱ASRF）。該模型為新資本協(xié)議內(nèi)部評級法提供了理論支持。根據(jù)該模型，每個風(fēng)險暴露對資產(chǎn)組合信用風(fēng)險價值升水（對于一定期限內(nèi)給定概率下最大的違約損失）的貢獻度與其他風(fēng)險暴露的特征不相關(guān)。關(guān)鍵名詞VAR方法信用風(fēng)險度量CreditMetrics模型KMV模