(風(fēng)險(xiǎn)管理)商業(yè)銀行信用風(fēng)險(xiǎn)管理

7/7(風(fēng)險(xiǎn)管理)商業(yè)銀行信用風(fēng)險(xiǎn)管理銀行信用風(fēng)險(xiǎn)管理

一、比較分析現(xiàn)代信用風(fēng)險(xiǎn)度量模型的異同點(diǎn)及應(yīng)用時(shí)注意事項(xiàng)。（一）模型概述

1.信用監(jiān)測(cè)模型（CreditMonitorModel）

1993年，KMV公司利用布萊克—斯科爾斯－莫頓模型（BSMModel）提出了著名的信用監(jiān)測(cè)模型（CreditMonitorModel），并經(jīng)Longstaff和Schwarz（1995）、Dsa（1995）和Zhou（1997）對(duì)此作了進(jìn)一步的發(fā)展，現(xiàn)已基本成熟并成為當(dāng)今世界最為著名的信用風(fēng)險(xiǎn)度量模型之一。

由于該模型是在BSM基礎(chǔ)上建立起來的，因而有滿足BSM模型的基本假設(shè)，即公司股票價(jià)格是個(gè)隨機(jī)過程、允許賣空、沒有交易費(fèi)用和稅收、證券可分性、不存在套利機(jī)會(huì)、證券交易的連續(xù)性、無風(fēng)險(xiǎn)利率在借款人還清債務(wù)前保持不變。KMV模型認(rèn)為上市公司持有的資產(chǎn)分布及其資本結(jié)構(gòu)特征決定了借款人的信用質(zhì)量特征，并且借款人資本結(jié)構(gòu)只有所有者權(quán)益、短期債務(wù)、長(zhǎng)期債務(wù)和可轉(zhuǎn)化的優(yōu)先股。當(dāng)借款人資產(chǎn)價(jià)值小于違約點(diǎn)就可能違約，并認(rèn)為違約點(diǎn)在數(shù)量上是短期債務(wù)與半倍的長(zhǎng)期債務(wù)之和。由于假設(shè)上市公司市場(chǎng)價(jià)值服從布朗運(yùn)動(dòng)，并且借款人資產(chǎn)收益服從正態(tài)分布，這樣可以應(yīng)用到期權(quán)理論求出預(yù)期違約率，因?yàn)殂y行發(fā)放貸款所獲得的收益與賣出一份借款人企業(yè)資產(chǎn)的看跌期權(quán)是同構(gòu)的，因而還可以計(jì)算貸款的價(jià)差。顯然，該模型是用解析式來計(jì)算違約率的，它不像信用度量術(shù)和死亡模型是用統(tǒng)計(jì)的方法得出來的。

該模型的主要優(yōu)勢(shì)在于：它擁有強(qiáng)大的理論基礎(chǔ)，即現(xiàn)代公司理財(cái)和期權(quán)理論的“結(jié)構(gòu)性模型”；它采用的主要是股票市場(chǎng)的數(shù)據(jù)，因此，數(shù)據(jù)和結(jié)果更新很快，具有前瞻性；由于該模型將股權(quán)視為企業(yè)資產(chǎn)的看漲期權(quán)，所以它可以用于任何公開招股公司。然而，該模型也存在缺點(diǎn)：假設(shè)比較苛刻，尤其是資產(chǎn)收益分布實(shí)際上存在“肥尾”（fat-tailedness）現(xiàn)象，并不滿足正態(tài)分布假設(shè)；對(duì)于非上市公司，不得不采用歷史財(cái)務(wù)數(shù)據(jù)，數(shù)據(jù)的時(shí)效性大打折扣；沒有根據(jù)借款人信用品質(zhì)、擔(dān)保情況、可轉(zhuǎn)換性等區(qū)分長(zhǎng)期債券；它是違約式（Default-Mode,DM）模型，對(duì)企業(yè)的杠桿比率捕捉鈍化，具有靜態(tài)性；不能處理非線性產(chǎn)品，如期權(quán)、外幣掉期。

2.信用度量術(shù)（CreditMetrics）

1997年，J.P.摩根聯(lián)合當(dāng)時(shí)世界一流銀行和KMV公司共同開發(fā)出信用度量術(shù)（CreditMetrics），采用二階段法度量信用風(fēng)險(xiǎn)，此后，A.Nyfeler（2000）、LawreceR.Forest和KpmecpeatMarwick（2000），DavidJones和JohnMingo（2001）對(duì)此作了進(jìn)一步解釋和拓展，現(xiàn)已基本成熟并成為當(dāng)今世界最為著名的信用風(fēng)險(xiǎn)度量模型之一。

該模型計(jì)算起來比較復(fù)雜，也有很多假設(shè)：債券未來市場(chǎng)價(jià)值和風(fēng)險(xiǎn)完全由其遠(yuǎn)期利率分布曲線決定（相同信用等級(jí)的遠(yuǎn)期利率分布曲線是相同的），在模型中，唯一的變量是信用等級(jí)；信用等級(jí)是離散的，在同一級(jí)別的債券具有相同的遷移矩陣和違約率，遷移概率遵循馬爾可夫過程（MarkovProcess），同

時(shí)遷移概率具有穩(wěn)定性，且實(shí)際違約率等于歷史違約率；風(fēng)險(xiǎn)期限是固定的，一般為一年；不同債務(wù)人的信用等級(jí)的聯(lián)合分布是用兩者資產(chǎn)回報(bào)率聯(lián)合分布來估計(jì)的，資產(chǎn)回報(bào)率的聯(lián)合分布又用所有者權(quán)益收益率的聯(lián)合分布來代替；每個(gè)信用等級(jí)對(duì)應(yīng)一條零息票收益率曲線（相同信用等級(jí)的零息票收益率曲線是相同的）；違約的含義不僅指?jìng)鶆?wù)人到期沒有償還債務(wù)，還可指?jìng)鶆?wù)人信用等級(jí)的下降所導(dǎo)致的債券市場(chǎng)價(jià)值下跌，并且違約事件發(fā)生在債務(wù)到期。

該模型要應(yīng)用到利率期限結(jié)構(gòu)理論，并利用大量歷史統(tǒng)計(jì)數(shù)據(jù)，以計(jì)算不同年限跨度的信用等級(jí)遷移矩陣和違約率。因此，該模型考慮到債務(wù)人信用品質(zhì)變化所帶來的未來?yè)p失。該模型的組合方法有正態(tài)分布假設(shè)下的解析法和蒙特卡羅模擬法，通過均值、標(biāo)準(zhǔn)差、分位數(shù)、邊際貢獻(xiàn)等參數(shù)表達(dá)組合風(fēng)險(xiǎn)的特征。在資產(chǎn)價(jià)值服從正態(tài)分布下，可以根據(jù)信用等級(jí)遷移矩陣求出未來資產(chǎn)價(jià)值和方差，這樣就可以求出在一定置信水平下的資產(chǎn)最大損失。如采用蒙特卡羅模擬法，就得利用VaR方法計(jì)算債券可能的最不利的變化，即向較差信用等級(jí)遷移的可能性，用此方法來計(jì)算在一定置信水平下債券最大可能的損失。一般而言，蒙特卡羅模擬法相對(duì)正態(tài)分布假設(shè)下的解析法計(jì)算的準(zhǔn)確度高。

該模型的主要優(yōu)勢(shì)在于：對(duì)組合價(jià)值的分布有正態(tài)分布假定下的解析方法和蒙特卡羅模擬法（MonteCarloSimulation），在一定程度上避免了資產(chǎn)收益率正態(tài)性硬性假設(shè)，可以用資產(chǎn)價(jià)值分布和百分位求出資產(chǎn)損失；對(duì)“違約”的概念進(jìn)行了拓展，認(rèn)為違約也包括債務(wù)人信用等級(jí)惡化；它是一種盯市（Market-to-Market，MTM）信用風(fēng)險(xiǎn)度量模型，能將債務(wù)價(jià)值的高端和低端考慮到；該模型適用范圍非常廣泛，包括傳統(tǒng)的商業(yè)貸款、信用證和承付書、固定收益證券、貿(mào)易融資和應(yīng)收賬款等商業(yè)合同，而其高級(jí)版的信用風(fēng)險(xiǎn)度量術(shù)還能夠處理掉期合同、期貨合同及其他衍生產(chǎn)品；該模型提出了邊際風(fēng)險(xiǎn)貢獻(xiàn)的概念，很好地刻畫新增一筆債券/貸款的風(fēng)險(xiǎn)和收益及其取舍方法。該模型存在劣勢(shì)是：大量證據(jù)表明信用等級(jí)遷移概率并不遵循馬爾可夫過程，而是跨時(shí)自相關(guān)的；信用等級(jí)遷移矩陣未必是穩(wěn)定的，它受到行業(yè)、國(guó)家因素、周期因素等影響。

3.死亡模型（MortalityModel）

1997年，EwardI.Altman和Suggitt，Kishore開發(fā)出債券的邊際和累計(jì)死亡率表，俗稱死亡率模型。

該模型認(rèn)為各債券違約相互獨(dú)立，即不存在相關(guān)效應(yīng)和連鎖反應(yīng)，相同信用等級(jí)的債券違約情況相同，而不同債券類型的違約下的損失率不同且相互獨(dú)立，但同一債券類型的違約下的損失率基本相同，這些與信用度量術(shù)有相同之處，但兩種模型在處理上有明顯不同。

事實(shí)上，該模型是用歷史數(shù)據(jù)統(tǒng)計(jì)不同信用等級(jí)下債券的邊際死亡率和累計(jì)死亡率，同時(shí)，也可以統(tǒng)計(jì)出不同信用等級(jí)下的LGD，所以該方法比較容易理解，但應(yīng)用也存在較大難度，主要是對(duì)數(shù)據(jù)量要求很大，許多單個(gè)商業(yè)銀行無法提供如此大的數(shù)據(jù)庫(kù)，如對(duì)有7個(gè)信用等級(jí)的債券的損失進(jìn)行比較精確測(cè)算，則樣本要達(dá)到7萬(wàn)多個(gè)，這對(duì)一般商業(yè)銀行是不可能的。

該模型的主要優(yōu)勢(shì)：比較容易利用死亡率表來計(jì)算單個(gè)債券和債券組合的

預(yù)期損失及其波動(dòng)率，特別是計(jì)算債券組合很方便；死亡模型是從大量樣本中統(tǒng)計(jì)出來的一個(gè)模型，所以采用的參數(shù)比較少。該模型主要劣勢(shì)：沒有考慮不同債券的相關(guān)性對(duì)計(jì)算結(jié)果的影響；沒有考慮宏觀經(jīng)濟(jì)環(huán)境對(duì)死亡率的影響，因而需要時(shí)時(shí)更新死亡率表；數(shù)據(jù)更新和計(jì)算量很大；不能處理非線性產(chǎn)品，如期權(quán)、外幣掉期。

4.信用風(fēng)險(xiǎn)附加法（CreditRisk+Model）

信用風(fēng)險(xiǎn)附加法是瑞士波士頓第一銀行產(chǎn)品部（CreditSuisseFinancialProducts,CSFP）在1997年源于保險(xiǎn)精算學(xué)思想開發(fā)的。

該方法與信用度量術(shù)不同，它將價(jià)差風(fēng)險(xiǎn)看做市場(chǎng)風(fēng)險(xiǎn)而不是信用風(fēng)險(xiǎn)的部分，結(jié)果是，在任何時(shí)期，只有違約和不違約兩種狀態(tài)予以考慮，并且假定在不重疊的時(shí)間段內(nèi)違約人數(shù)相互獨(dú)立，服從泊松分布，與公司的資本結(jié)構(gòu)無關(guān)。由于該方法將貸款損失分為若干頻段，而每一頻段違約率均值是相同的，這樣可以計(jì)算在一定置信水平下的任何一個(gè)頻段貸款損失，每個(gè)頻段損失加總就是總的損失，所以這個(gè)方法的采用變量很少，處理能力很強(qiáng)。

該模型的主要優(yōu)勢(shì)體現(xiàn)在：易于求出債券及其組合的損失概率和邊際風(fēng)險(xiǎn)分布；模型集中于違約分析，所需估計(jì)變量很少，只需要違約和風(fēng)險(xiǎn)暴露的分布即可；該模型處理能力很強(qiáng)，可以處理數(shù)萬(wàn)個(gè)不同地區(qū)、不同部門、不同時(shí)限等不同類型的風(fēng)險(xiǎn)暴露；根據(jù)組合價(jià)值的損失分布函數(shù)可以直接計(jì)算組合的預(yù)期損失和非預(yù)期損失的值，比較簡(jiǎn)便。該模型的劣勢(shì)在于：與KMV模型一樣，只將違約風(fēng)險(xiǎn)納入模型，沒有考慮市場(chǎng)風(fēng)險(xiǎn)，而且認(rèn)為違約風(fēng)險(xiǎn)與資本結(jié)構(gòu)無關(guān)；沒有考慮信用等級(jí)遷移，因而任意債權(quán)人的債務(wù)價(jià)值是固定不變的，它不依賴于債務(wù)發(fā)行人信用品質(zhì)和遠(yuǎn)期利率的變化與波動(dòng)。盡管違約概率受到一些隨機(jī)因素的影響，但風(fēng)險(xiǎn)暴露并不受這些因素的影響；每一頻段違約率均值的方差并不完全相同，否則會(huì)低估違約率；不能處理非線性金融產(chǎn)品，如期權(quán)、外幣掉期。

5.信貸組合觀點(diǎn)（CreditPortfolioView）

1998年，麥肯錫（McKinsey）公司Saunders和Wilson等人利用基本動(dòng)力學(xué)的原理，從宏觀經(jīng)濟(jì)環(huán)境的角度來分析借款人的信用等級(jí)遷移，建立了信貸組合觀點(diǎn)，有時(shí)也稱麥肯錫模型。

該模型突破了信用度量術(shù)模型的假設(shè)，認(rèn)為遷移概率在不同借款人類型之間，以及不同商業(yè)周期之間不是穩(wěn)定的，而應(yīng)受到諸如國(guó)別、經(jīng)濟(jì)周期、失業(yè)率、GDP增長(zhǎng)速度、長(zhǎng)期利率水平、外匯匯率、政府支出、總儲(chǔ)蓄率、產(chǎn)業(yè)等因素的影響，并認(rèn)為這些宏觀變量服從二階自相關(guān)過程。一般而言，遷移概率在商業(yè)周期期間會(huì)變動(dòng)較大，而在衰退期間的變動(dòng)會(huì)比在擴(kuò)張期間更大。該模型有兩種方式處理周期性因素及其影響，一是將過去的樣本期間劃分為衰退年份和非衰退年份，并且計(jì)算兩個(gè)單獨(dú)的歷史上的遷移矩陣，即一個(gè)衰退矩陣和一個(gè)非衰退矩陣，以得到兩種分開的VaR計(jì)算結(jié)果；二是直接將遷移概率與宏觀因素之間的關(guān)系模型化，并且，如果模型是擬合的，就通過制造宏觀上的對(duì)于模型的“沖擊”來模擬遷移概率的跨時(shí)演變。顯然，該方法將無論是系統(tǒng)的還是非系統(tǒng)的宏觀因素納入模型中，以對(duì)遷移概率進(jìn)行調(diào)整，因此，它實(shí)際上是

對(duì)信用度量術(shù)的補(bǔ)充和深化。

該模型的優(yōu)勢(shì)在于：較為充分地考慮了宏觀經(jīng)濟(jì)環(huán)境對(duì)信用等級(jí)遷移的影響，而不是無條件用歷史上違約率的平均值來代替；信用等級(jí)遷移概率具有盯市性，因而它與信用度量術(shù)結(jié)合起來可以提高信用風(fēng)險(xiǎn)度量的準(zhǔn)確性；它清晰地給出了實(shí)際的離散的損失分布模型，這個(gè)損失分布依賴于子組合中信用頭寸的個(gè)數(shù)和大小；它既可以適用單個(gè)債務(wù)人，也可以適用于群體債務(wù)人，如零售組合。劣勢(shì)主要是：模型的數(shù)據(jù)依賴于一國(guó)很多宏觀經(jīng)濟(jì)數(shù)據(jù)，因而數(shù)據(jù)處理與計(jì)算較為繁雜；不能處理非線性產(chǎn)品，如期權(quán)、外幣掉期。

（二）模型異同分析比較

不同的模型具有各自不同的特點(diǎn)，現(xiàn)從如下幾個(gè)方面進(jìn)行比較：

1.風(fēng)險(xiǎn)的定義

一般說來，信用風(fēng)險(xiǎn)度量模型可以分為兩類：盯住信用等級(jí)變化對(duì)貸款理論市值影響的盯住市場(chǎng)模型（ＭＴＭ）以及不考慮信用等級(jí)的變化、只考慮違約概率的違約模型（DM）。ＭＴＭ模型在界定信用風(fēng)險(xiǎn)的范疇時(shí)，既考慮了信用等級(jí)的變化，也考慮了違約，并由此來計(jì)算貸款價(jià)值的損失和收益以及貸款的信用風(fēng)險(xiǎn)。而ＤＭ模型偏重于預(yù)測(cè)違約損失，只考慮兩種狀態(tài)：違約和不違約，不考慮信用等級(jí)的變化。

很明顯，KMV僅著重于違約預(yù)測(cè)，屬于DM模型。Credit?鄄Metrics是一種多狀態(tài)的模型，能夠較為精確地計(jì)量信用風(fēng)險(xiǎn)的變化和損失值，屬于MTM模型。麥肯錫模型既可以被看作MTM模型，也可以被看作DM模型。CreditRisk+是DM模型，沒有考慮信用等級(jí)與相關(guān)性。死亡率模型是DM模型。

2.風(fēng)險(xiǎn)的影響因素

MTM模型假定企業(yè)的資產(chǎn)價(jià)值和資產(chǎn)價(jià)值的波動(dòng)性是違約風(fēng)險(xiǎn)的主要影響因素，而DM模型假定的是違約率平均水平及其波動(dòng)性，即平均違約率是違約風(fēng)險(xiǎn)的主要影響因素。

在KMV法中，公司的資產(chǎn)價(jià)值服從正態(tài)分布，預(yù)期違約率（EDF）隨著新信息被納入股票價(jià)格而發(fā)生變化。股票價(jià)格的變化以及股票價(jià)格的波動(dòng)性成為KMV中預(yù)期違約率變化的基礎(chǔ)。在CreditMetrics中，違約概率以及信用等級(jí)的變化被模型化為基于歷史數(shù)據(jù)的信用轉(zhuǎn)移矩陣，不考慮市場(chǎng)風(fēng)險(xiǎn)，違約率被視為離散變量。在麥肯錫模型中，將宏觀因素納入到模型，違約率考慮了經(jīng)濟(jì)周期的影響，因而，風(fēng)險(xiǎn)的波動(dòng)受總體經(jīng)濟(jì)環(huán)境的影響。在CreditRisk+里，違約率被視為連續(xù)變量，并且違約次數(shù)服從泊松分布，沒有考慮市場(chǎng)風(fēng)險(xiǎn)，而且違約風(fēng)險(xiǎn)與資本結(jié)構(gòu)無關(guān)。在死亡率模型中，風(fēng)險(xiǎn)的測(cè)定與判斷只是基于歷史上的各因素對(duì)風(fēng)險(xiǎn)的影響情況，沒有考慮宏觀經(jīng)濟(jì)環(huán)境對(duì)死亡率的影響。

3.數(shù)據(jù)依據(jù)基礎(chǔ)

不同模型所依據(jù)的數(shù)據(jù)基礎(chǔ)不同。KMV模型以股票市場(chǎng)數(shù)據(jù)為基礎(chǔ)，包含

比較多的市場(chǎng)信息。CreditMetrics采用歷史數(shù)據(jù)，也就是“向后看”的方法。麥肯錫模型數(shù)據(jù)在一定程度上運(yùn)用了歷史值，但它同時(shí)又考慮了宏觀的因素，對(duì)商業(yè)周期也予以考慮，對(duì)當(dāng)期受到的沖擊也很敏感，因此能夠在一定程度上修正CreditMetrics的偏差。CreditRisk+中數(shù)據(jù)要求簡(jiǎn)單，需要輸入的數(shù)據(jù)少，基于歷史數(shù)據(jù)確定某頻段的平均違約率。死亡率模型是簡(jiǎn)單的依靠歷史數(shù)據(jù)預(yù)測(cè)違約損失，采用的參數(shù)比較少，但若要保證測(cè)算的精度，需要大規(guī)模的包括各等級(jí)的債權(quán)工具的歷史觀測(cè)值樣本。

4.回收率

損失的分布和VaR值的計(jì)算不僅取決于違約的概率，也取決于損失的嚴(yán)重程度或給定違約概率下的違約損失(LGD)。KMV法的簡(jiǎn)單模型中回收率被看作是常數(shù)，該模型新近的發(fā)展中允許回收率服從beta分布。CreditMetrics中，當(dāng)貸款市值服從正態(tài)分布時(shí)，估計(jì)的回收率的標(biāo)準(zhǔn)差可以用于VaR的計(jì)算；當(dāng)貸款市值為實(shí)際分布時(shí)，可以利用轉(zhuǎn)移概率矩陣和對(duì)應(yīng)的貸款價(jià)值表近似計(jì)算不同置信度下的VaR值和回收率。顯然，回收率是可變的。麥肯錫模型是在CreditMetrics的基礎(chǔ)上對(duì)轉(zhuǎn)移概率矩陣進(jìn)行了調(diào)整。如果它是用于計(jì)算對(duì)經(jīng)濟(jì)周期敏感的VaR值，那么，回收率是可變的；如果它是用于計(jì)算周期影響下的違約損失率，那么，回收率為常數(shù)。CreditRisk+中可按風(fēng)險(xiǎn)暴露將信貸組合劃分為若干頻段，在每個(gè)頻段中信貸組合的回收率可視為常數(shù)。死亡率模型為DM模型，回收率采用歷史統(tǒng)計(jì)數(shù)據(jù)的平均值，為常數(shù)。

5.模型的使用條件

各個(gè)模型由于理論假設(shè)、模型設(shè)計(jì)和數(shù)據(jù)基礎(chǔ)的不同而具有不同的使用條件。KMV模型要求有大量的上市企業(yè)，股票市場(chǎng)要發(fā)達(dá)、有效，股票的交易價(jià)格能夠反映企業(yè)資產(chǎn)的市場(chǎng)價(jià)值情況，還要有相當(dāng)長(zhǎng)時(shí)間的股價(jià)變動(dòng)歷史數(shù)據(jù)和企業(yè)信用狀況的歷史數(shù)據(jù)。該模型不能用于非上市公司。CreditMetrics模型要求有較為完善的內(nèi)、外部信用評(píng)級(jí)體系和積累的大量歷史數(shù)據(jù)，從而能夠建立信用等級(jí)轉(zhuǎn)移概率矩陣。另外，它還要求無風(fēng)險(xiǎn)利率是固定不變的。麥肯錫模型根據(jù)低信用等級(jí)的企業(yè)受宏觀經(jīng)濟(jì)環(huán)境影響較大的理論建立，一般適合對(duì)低信用等級(jí)的企業(yè)貸款的信用風(fēng)險(xiǎn)進(jìn)行度量。CreditRisk+能對(duì)多筆相互獨(dú)立的中小債務(wù)進(jìn)行管理，處理能力很強(qiáng)。它不考慮市場(chǎng)風(fēng)險(xiǎn)，不能處理非線性的金融產(chǎn)品。對(duì)于死亡率模型，由于要保證測(cè)算的精度，需要大規(guī)模的包括各等級(jí)的債權(quán)工具的歷史觀測(cè)值樣本。

6．模型的適用對(duì)象

CreditMetrics模型和KMV模型適用于公司和大客戶信用風(fēng)險(xiǎn)的度量，CreditRisk+模型適用于銀行對(duì)零售客戶的信用風(fēng)險(xiǎn)度量，而CreditPortfolioView模型適用于對(duì)宏觀經(jīng)濟(jì)因素變化敏感的投機(jī)級(jí)債務(wù)人的信用風(fēng)險(xiǎn)度量。

我們引用一個(gè)表格做一個(gè)說明：

信用風(fēng)險(xiǎn)模型的關(guān)鍵特征比較

*以上表格出自《現(xiàn)代信用風(fēng)險(xiǎn)度量模型比較分析》金志博王紅娟

（三）信用風(fēng)險(xiǎn)模型在我國(guó)應(yīng)用中存在的問題及建議

1、數(shù)據(jù)缺乏

由于信用制度不健全、信用體系尚未建立，所以有關(guān)公司歷史違約數(shù)據(jù)和規(guī)范債券評(píng)級(jí)統(tǒng)計(jì)數(shù)據(jù)嚴(yán)重缺乏，很難把違約距離轉(zhuǎn)化成實(shí)際違約率。同時(shí)，

利率尚未市場(chǎng)化等為轉(zhuǎn)移矩陣的建立以及信用價(jià)差的確定造成了困難。

2、一些參數(shù)的穩(wěn)定性假設(shè)問題

由我國(guó)現(xiàn)階段相關(guān)機(jī)制不健全，資產(chǎn)收益的相關(guān)度不穩(wěn)定，使得信用計(jì)量模型對(duì)資產(chǎn)組合的分析難以恰當(dāng)反映組合風(fēng)險(xiǎn)的未來狀況，使得模型對(duì)未來風(fēng)險(xiǎn)的預(yù)測(cè)能力有較大的影響。

3、肥尾問題

我國(guó)證券市場(chǎng)股價(jià)不僅波動(dòng)幅度大，而且極端值出現(xiàn)的概率并不算小，因此資產(chǎn)收益的非正態(tài)性問題也即肥尾問題應(yīng)該受到重視。由以上分析可知，目前各種模型在我國(guó)的應(yīng)用缺乏必要的條件，總體環(huán)境還不成熟，但也必須看到該理論技術(shù)所體現(xiàn)的現(xiàn)代金融市場(chǎng)條件下的基本信用風(fēng)險(xiǎn)管理思想和理念是值得學(xué)習(xí)和借鑒的。針對(duì)我國(guó)存在的問題，提出以下建議：一是盡快建立企業(yè)違約數(shù)據(jù)庫(kù)，為銀行直接的信貸決策提供參考，同時(shí)也為科學(xué)量化的信用風(fēng)險(xiǎn)管理建立基礎(chǔ)。二是普及和發(fā)展信用管理中介服務(wù)行業(yè)，進(jìn)一步完善信用評(píng)級(jí)制度，這是信用風(fēng)險(xiǎn)管理的必要前提。三是積極發(fā)展和完善證券市場(chǎng)，提高市場(chǎng)信息的透明度以及信息效率，以平抑證券市場(chǎng)的過度投機(jī)，削減異常波動(dòng)性，為銀行信用風(fēng)險(xiǎn)管理提供良好的金融環(huán)境。

（四）對(duì)信用風(fēng)險(xiǎn)度量模型的綜合評(píng)價(jià)

根據(jù)對(duì)違約定義的不同，可將以上模型分為盯市模型（MTM）與違約模型（DM），MTM模型和DM模型是銀行業(yè)普遍使用的兩大類信用風(fēng)險(xiǎn)度量模型。盯市模型是以資產(chǎn)市場(chǎng)價(jià)值變化為基礎(chǔ)計(jì)算VaR的模型；而違約模型是集中于預(yù)測(cè)違約損失，它只考慮了兩種情形：違約和不違約。盯市模型相對(duì)違約模型的一個(gè)顯著差異是前者它包括了價(jià)差風(fēng)險(xiǎn)，因?yàn)樗丝紤]違約與不違約兩種信用狀態(tài)以外，還要考慮到信用質(zhì)量的變化，比如信用等級(jí)的升降或下降，在此意義下MTM模型是DM模型的一種推廣。據(jù)此分析，信用度量術(shù)是個(gè)典型的MTM模型；死亡模型、信用風(fēng)險(xiǎn)附加法、貸款分析系統(tǒng)和信用監(jiān)測(cè)模型本質(zhì)是DM模型，但高級(jí)版的信用監(jiān)測(cè)模型也是MTM模型；而信貸組合觀點(diǎn)既是MTM模型，也是DM模型。由于MTM模型計(jì)算的貸款損失能時(shí)時(shí)更新，更有利于銀行進(jìn)行風(fēng)險(xiǎn)管理，也是銀行風(fēng)險(xiǎn)管理追求的目標(biāo)，因而在實(shí)際應(yīng)用中更受歡迎。

以上信用風(fēng)險(xiǎn)度量模型的一個(gè)重要差別是違約概率的波動(dòng)性。在信用監(jiān)測(cè)模型中，違約率隨著借款人股票市價(jià)變化而變化；在信用度量術(shù)和死亡率模型中，違約概率是基于歷史數(shù)據(jù)統(tǒng)計(jì)出來的固定的、離散的值；在信用風(fēng)險(xiǎn)附加法中，每筆貸款的違約率是可變的，違約率均值被模型化為一個(gè)有著伽馬分布（Gammadistribution）的變量；在信貸組合觀點(diǎn)中，違約概率是一套正態(tài)分布的受到宏觀因素沖擊的一個(gè)對(duì)數(shù)函數(shù)；貸款分析系統(tǒng)的違約率受利率或者借款人資產(chǎn)價(jià)值變化而變化。事實(shí)上，借款人違約行為是個(gè)復(fù)雜的過程，不僅受到企業(yè)自身的影響，也受到市場(chǎng)和國(guó)家宏觀經(jīng)濟(jì)政策的影響，因而可變的違約率更符合實(shí)際情況。

損失的分布和VaR的計(jì)算不僅取決于違約的概率，而且也取決于損失的嚴(yán)

重程度或違約下的損失率。經(jīng)驗(yàn)證據(jù)表明違約嚴(yán)重程度和貸款回收情況隨時(shí)間演變而有相當(dāng)大的波動(dòng)性，進(jìn)而，將變化的回收率（回收率在數(shù)量上是1與LGD之差）包括進(jìn)去有可能增加VaR或未預(yù)期的損失率。信用監(jiān)測(cè)模型假設(shè)回收率為一個(gè)常數(shù)，但高級(jí)版的信用監(jiān)測(cè)模型允許回收率遵循貝塔分布（Betadistribution）；在信用度量術(shù)模型和死亡模