第5章-信用風險管理

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

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、物或服務的能力。2.信用風險：是指由于交易對手（債務人）信用狀況和履約能力上的變化導致債權人資產(chǎn)價值發(fā)生變動而遭受損失的可能性。

第一節(jié)信用風險概述二、信用風險案例分析美國次級抵押貸款危機自2007年8月全面爆發(fā)。該危機發(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。

第一節(jié)信用風險概述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)信用風險概述二、信用風險案例分析次貸危機爆發(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全面爆發(fā)三、信用風險的成因1.經(jīng)濟活動中的外在不確定性產(chǎn)生的信用風險，如經(jīng)濟運行的隨機性、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)性風險”;

第一節(jié)信用風險概述三、信用風險的成因2.經(jīng)濟活動中的內(nèi)在不確定性產(chǎn)生的信用風險：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)生的風險又稱為“非系統(tǒng)性風險”;

第一節(jié)信用風險概述

四、信用風險的特征1.風險概率分布的左偏性

信用風險的分布不是對稱的，而是有偏的。這種特點是由貸款信用違約風險造成的，貸款收益和損失的不對稱，造成了信用風險概率分布的偏離。

第一節(jié)信用風險概述

四、信用風險的特征

第一節(jié)信用風險概述

四、信用風險的特征2.信用悖論(creditparadox)現(xiàn)象與市場風險相比，信用風險管理存在著信用悖論：即理論上講，當銀行管理存在信用風險時應將投資分散化，多樣化，防止信用風險集中。然而在實踐中，由于對客戶信用狀況的了解主要來源于長期的業(yè)務關系，因此，銀行常常傾向于將貸款投向有限的老客戶，使得銀行信用風險很難分散化。

第一節(jié)信用風險概述

四、信用風險的特征3.信用風險數(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，信用風險不像市場風險那樣具有數(shù)據(jù)的可得性。

第一節(jié)信用風險概述

四、信用風險的特征3.信用風險數(shù)據(jù)的獲取難度大這一特征導致：①信用風險定價模型有效性檢驗的困難。②信用風險的衡量比市場風險的衡量困難得多，也成為造成信用風險的定價研究滯后于市場風險量化研究的原因。

第一節(jié)信用風險概述

四、信用風險的特征信用風險與市場風險的比較

第一節(jié)信用風險概述

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

第二節(jié)信用風險的度量

一、信用風險的定性度量方法傳統(tǒng)的信用風險管理方法主要運用定性方法。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)信用風險的度量

一、信用風險的定性度量方法2.信用風險評級法信用風險評級是常用的信用風險評估方法。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，而不是數(shù)學建模。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)信用風險的度量

一、信用風險的定性度量方法2.信用風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，是因為這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)信用風險的度量2023/2/119貸款評級與債券評級的對應貸款級別債券評級風險程度1AAA最小2AA溫和3A平均（中等）4BBB可接受5BB可接受但要予以關注6B管理性關注7CCC特別關注8CC未達到標準9C可疑10D損失二、信用風險的定量度量方法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險進行度量的模型。

第二節(jié)信用風險的度量二、信用風險的定量度量方法1.信用度量制模型（CreditMetrics）CreditMetrics模型在應用時，本質(zhì)上是根據(jù)債務人信用質(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)信用風險的度量二、信用風險的定量度量方法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)信用風險的度量二、信用風險的定量度量方法1.信用度量制模型應用實例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)信用風險的度量二、信用風險的定量度量方法1.信用度量制模型應用實例第一步：確定借款企業(yè)信用等級轉(zhuǎn)換的概率關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。下面就是由標準—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)信用風險的度量二、信用風險的定量度量方法1.信用度量制模型應用實例第一步：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)信用風險的度量二、信用風險的定量度量方法1.信用度量制模型應用實例第二步：對信用等級變動后的貸款市值進行估價貸款信用等級下降,對貸款所要求的信貸風險加息差就應當提高，因而其貸款的市值也就相應下降。信用等級上升，則會出現(xiàn)相反的效應。

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

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險利率；Si是每年的信用加息差。

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

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

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)信用風險的度量二、信用風險的定量度量方法1.信用度量制模型應用實例第二步：對信用等級變動后的貸款市值進行估價

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致貸款市值變化的情況。

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

表2不同信用等級下貸款市值狀況

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

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

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)信用風險的度量二、信用風險的定量度量方法1.信用度量制模型應用實例第三步：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)信用風險的度量

表3：BBB級貸款受險價值計算表

第二節(jié)信用風險的度量二、信用風險的定量度量方法

第二節(jié)信用風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)風險的最低資本量可以保證銀行在遭受信用風險的情況下能夠繼續(xù)生存下去。二、信用風險的定量度量方法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、違約相關性納入到一個統(tǒng)一的框架，全面考慮對信用風險的度量，適用于幾乎所有的信貸產(chǎn)品。

第二節(jié)信用風險的度量二、信用風險的定量度量方法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)或著名外部評級機構(gòu)的評級結(jié)果。

第二節(jié)信用風險的度量二、信用風險的定量度量方法2.信用監(jiān)控模型(KMV模型)美國的KMV公司利用期權理論創(chuàng)立了違約預測模型——信用監(jiān)控模型，用來對上市公司和上市銀行的信用風險進行預測。

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

第二節(jié)信用風險的度量二、信用風險的定量度量方法2.信用監(jiān)控模型通過上述兩個關系模型，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)的預期違約頻率（EDF）.

第二節(jié)信用風險的度量二、信用風險的定量度量方法3.信用風險量化模型（creditrisk+）該模型由瑞士信貸銀行金融產(chǎn)品部開發(fā)?；舅枷朐从诒ｋU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、風險資本比率約束機制

第三節(jié)信用風險的控制貸款證券化1.貸款證券化的含義

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

第三節(jié)信用風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期平均價值間的差距，即貸款的價值損失。

①假設貸款價值服從正態(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際分布，可利用轉(zhuǎn)移概率矩陣和對應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，貸款市值的標準差為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%對應于98.10；0.3%對應于83.64；那么得到1%對應于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)風險的最低資本量可以保證銀行在遭受信用風險的情況下能夠繼續(xù)生存下去。2023/2/155問題和挑戰(zhàn)關于信用等級的遷移問題對于貸款金融資產(chǎn)進行風險管理關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；人們使用的債權組合也會對矩陣的準確性產(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的零息企業(yè)債券收益率如下表：假設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，在標準正態(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)的信用風險附加CreditRisk+模型運用家庭火險財產(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為實際違約的貸款數(shù)量；金融風險管理，1.60違約損失=違約損失率LGD*風險敞口；把具有相近違約損失率的貸款劃為一組，利用一定方法（風險暴露頻段分級法）計算該組貸款的預期損失和非預期損失，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，就可計算出對應置信水平下組合的風險值。CreditRisk+中沒有違約原因的假設，所以不能像CreditMetrics或KMV那樣用違約要素之間的相關性來代替違約本身的相關性金融風險管理，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)）隨機事件發(fā)生次數(shù)的概率分布。

當一個隨機事件（例如到達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隨機且獨立地出現(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：貸款組合由小額貸款組成；每筆貸款違約是隨機事件；單筆貸款的違約概率都不大；各貸款違約是相互獨立的。如果以上假設條件成立，則可認為貸款違約數(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公司利用期權定價理論創(chuàng)立了違約預測模型—信用監(jiān)控模型，用來對上市公司和上市銀行的信用風險（特別是他們的違約狀況）進行預測。E股票價格收益/利潤看跌期權多頭利潤看跌期權多頭收益看跌期權空頭利潤看跌期權空頭收益股票價格＜執(zhí)行價格實值期權，應行權多頭收益：E-St股票價格＞執(zhí)行價格虛值期權，不行權多頭收益為零

企業(yè)是否違約可看作是其向債權人購買的一份看跌期權，其收益為：

R=Max[E-ST,0]。

該期權以企業(yè)的所有資產(chǎn)為標的資產(chǎn)（ST），以債務的金額為執(zhí)行價格（E），期權賦予了企業(yè)到期時是否按執(zhí)行價格將全部資產(chǎn)賣給債權人。E（債務價格）資產(chǎn)價值ST收益看跌期權多頭收益看跌期權空頭收益ST＜E行權，即違約ST＞

E不行權，即償還債務2023/2/167KMV模型KMV模型使用兩個關系：企業(yè)股權價值與它的資產(chǎn)市值之間的結(jié)構(gòu)性關系企業(yè)資產(chǎn)市值波動和企業(yè)股權市值變動程度之間的關系使用以上關系，測算借款企業(yè)的預期違約頻率（EDF）2023/2/168KMV模型推導違約概率的過程：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。利用期權定價模型，風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價值=風險貸款的價值=

S-標的資產(chǎn)價格，X期權執(zhí)行價格，r-無風險利率，σS標的資產(chǎn)價格的波動率，τ-看跌期權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-債務數(shù)額，r-無風險利率，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)股權市值的波動性與它的資產(chǎn)市值波動性之間存在理論關系：以上兩式聯(lián)立，可得到資產(chǎn)價值A及其波動性第二步：根據(jù)企業(yè)負債計算違約點B根據(jù)違約實證分析，違約點的資產(chǎn)市值=流動負債+長期負債*50%；第三步：計算違約距離利用違約點B、資產(chǎn)市值A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-違約點B）/資產(chǎn)市值的波動率第四步：計算預期違約概率EDF（ExpectedDefaultFrequency理論EDF：基于資產(chǎn)價值分布（如正態(tài)分布）計算，表位于違約點以下的面積大小。如假設資產(chǎn)價值服從正態(tài)分布，違約概率EDF=經(jīng)驗EDF：假設擁有大量的企業(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，即金融風險管理1.72KMV建立了一個包含6萬個公共機構(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模型設定A為資產(chǎn)價值，B為違約點，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)的預期違約頻率：資產(chǎn)當前市值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具有違約距離為4的企業(yè)總體共有5000個，一年后實際違約的有20個，則預期違約頻率為EDF=20/5000=0.4%根據(jù)下表可應該類企業(yè)的信用評級為BBB-2023/2/178KMV模型標準普爾評級與ＫＭＶ的EDF值得影射標普評級ＫＭＶ的ＥＤＦ值(%)標普評級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]金融風險管理1.79金融風險管理，1.80金融風險管理，1.81§3信用風險的控制一、信用風險的分散化與信用風險組合管理二、以信用衍生產(chǎn)品管理信用風險一、信用風險的分散化與信用風險組合管理信用風險一般屬于個體風險（非系統(tǒng)風險），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）的風險小于單個資產(chǎn)的風險。信用風險悖論與單個金融機構(gòu)的系統(tǒng)性信用風險

信用風險悖論paradoxofcredit：貸款機構(gòu)往往忽視信用風險的分散化，常常將貸款集中在一個特定的行業(yè)或地區(qū)范圍內(nèi)，這就導致違約風險的相關性更高。

單個金融機構(gòu)的系統(tǒng)性信用風險：一個金融機構(gòu)對某些行業(yè)或地區(qū)的信用達到一定程度而出現(xiàn)的信用風險集中現(xiàn)象。當這類風險集中到一定程度時，就可能會給該金融機構(gòu)造成巨大損失，甚至導致其無法正常運行，比如美國的次貸危機。金融衍生工具1、信用違約互換（CreditDefaultSwap）--（實質(zhì)上是一種信用違約保險而非真正意義上的互換）