金融風(fēng)險(xiǎn)管理9

1RiskManagementinFinancialInstitutionsZhengRongnianSectionCreditrisk:Standalone2SectionCreditrisk:Standalone導(dǎo)言信用質(zhì)量問題貸款的種類貸款收益的計(jì)算零售和批發(fā)貸款決策信用風(fēng)險(xiǎn)的計(jì)量違約風(fēng)險(xiǎn)模型新的信用風(fēng)險(xiǎn)計(jì)量和定價(jià)模型3一、導(dǎo)言FI的作用：信用中介本章探討對(duì)單項(xiàng)貸款的信用或違約風(fēng)險(xiǎn)進(jìn)行分析和計(jì)量的各種方法。4二、信用質(zhì)量問題20世紀(jì)80年代，向欠發(fā)達(dá)國家提供的銀行貸款2007年，次貸中國對(duì)地方政府平臺(tái)貸款的擔(dān)心現(xiàn)在，信用風(fēng)險(xiǎn)狀況不斷改善然而，信用風(fēng)險(xiǎn)并非僅局限于傳統(tǒng)的貸款和債券投資，已出現(xiàn)新的信用風(fēng)險(xiǎn)（如對(duì)手風(fēng)險(xiǎn)）5三、貸款的種類FI提供貸款的種類及特點(diǎn)有很大的差別工商業(yè)貸款短期、長期（辛迪加貸款）擔(dān)保、無擔(dān)保固定利率、浮動(dòng)利率貸款承諾商業(yè)票據(jù)6三、貸款的種類房地產(chǎn)貸款住房抵押貸款個(gè)人（消費(fèi)）貸款汽車貸款循環(huán)貸款（信用卡）其他貸款農(nóng)業(yè)，其他的銀行，非銀行類金融機(jī)構(gòu)，政府貸款，主權(quán)政府7與市場(chǎng)風(fēng)險(xiǎn)相比，信用風(fēng)險(xiǎn)具有以下特點(diǎn)：1、風(fēng)險(xiǎn)概率分布的有偏性2、悖論(creditparadox)現(xiàn)象3、信用風(fēng)險(xiǎn)數(shù)據(jù)的獲取困難8企業(yè)違約的小概率事件以及貸款收益和損失的不對(duì)稱，造成了信用風(fēng)險(xiǎn)概率分布的偏離。市場(chǎng)價(jià)格的波動(dòng)是以其期望為中心的，主要集中于相近的兩側(cè)，通常市場(chǎng)風(fēng)險(xiǎn)的收益分布相對(duì)來說是對(duì)稱的，大致可以用正態(tài)分布曲線來描述。相比之下，信用風(fēng)險(xiǎn)的分布不是對(duì)稱的，而是有偏的，收益分布曲線的一端向左下傾斜，并在左側(cè)出現(xiàn)肥尾現(xiàn)象。這種特點(diǎn)是由于貸款信用違約風(fēng)險(xiǎn)造成的，即銀行在貸款合約期限有較大的可能性收回貸款并獲得事先約定的利潤，但貸款一旦違約，則會(huì)使銀行面臨相對(duì)較大規(guī)模的損失，這種損失要比利息收益大很多。換句話說，貸款的收益是固定和有上限的，它的損失則是變化的和沒有下限的。另一方面，銀行不能從企業(yè)經(jīng)營業(yè)績(jī)中獲得對(duì)等的收益，貸款的預(yù)期收益不會(huì)隨企業(yè)經(jīng)營業(yè)績(jī)的改善而增加，相反隨著企業(yè)經(jīng)營業(yè)績(jī)的惡化，貸款的預(yù)期損失卻會(huì)增加。9與市場(chǎng)風(fēng)險(xiǎn)相比，信用風(fēng)險(xiǎn)管理存在著信用悖論現(xiàn)象。理論上講，當(dāng)銀行管理存在信用風(fēng)險(xiǎn)時(shí)應(yīng)將投資分散化，多樣化，防止信用風(fēng)險(xiǎn)集中。然而在實(shí)踐中由于客戶信用關(guān)系，區(qū)域行業(yè)信息優(yōu)勢(shì)以及銀行貸款業(yè)務(wù)的規(guī)模效應(yīng)，使得銀行信用風(fēng)險(xiǎn)很難分散化。10由于信用資產(chǎn)的流動(dòng)性較差，貸款等信用交易存在明顯的信息不對(duì)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(xiǎn)不像市場(chǎng)風(fēng)險(xiǎn)那樣具有數(shù)據(jù)的可得性，這也導(dǎo)致了信用風(fēng)險(xiǎn)定價(jià)模型有效性檢驗(yàn)的困難。正是由于信用風(fēng)險(xiǎn)具有這些特點(diǎn)，因而信用風(fēng)險(xiǎn)的衡量比市場(chǎng)風(fēng)險(xiǎn)的衡量困難得多，也成為造成信用風(fēng)險(xiǎn)的定價(jià)研究滯后于市場(chǎng)風(fēng)險(xiǎn)量化研究原因。11四、貸款收益的計(jì)算貸款定價(jià)是信貸管理過程中的一個(gè)重要環(huán)節(jié)包括根據(jù)對(duì)借款人信用風(fēng)險(xiǎn)和違約風(fēng)險(xiǎn)的判斷以及貸款的費(fèi)用和抵押擔(dān)保等因素來對(duì)利率進(jìn)行調(diào)整。傳統(tǒng)的資產(chǎn)收益法12四、貸款收益的計(jì)算貸款的合約承諾收益貸款利率與貸款相關(guān)的所有費(fèi)用貸款的信用風(fēng)險(xiǎn)溢價(jià)貸款的抵押擔(dān)保其他非價(jià)格條件（尤其是補(bǔ)償余額和準(zhǔn)備金要求）補(bǔ)償性余額（Compensatingbalances）是貸款中借方不能實(shí)際使用的部分13四、貸款收益的計(jì)算某金融機(jī)構(gòu)一筆貸款的利率定價(jià)：基礎(chǔ)利率=12%=L風(fēng)險(xiǎn)溢價(jià)=2%=mL+m=12%+2%=14%基本貸款利率（L）反映了銀行的邊際資金成本，如商業(yè)票據(jù)利率，聯(lián)邦基金利率或倫敦銀行同業(yè)拆借利率（LIBOR）等；另外，它也反映了銀行的優(yōu)惠貸款利率（primelendingrate）。優(yōu)惠利率通常用于對(duì)較長期貸款的定價(jià)，而聯(lián)邦基金利率則通常用于短期貸款的定價(jià)。14四、貸款收益的計(jì)算與貸款相關(guān)的直接間接費(fèi)用：1、收取f=0.125%的貸款發(fā)生費(fèi)用。2、要求b=10%的補(bǔ)償性余額，作為無利息的活期存款。（不能立即用于支出的一部分貸款）3、保留R=10%的法定準(zhǔn)備金。（對(duì)補(bǔ)償性余額也要收取法定準(zhǔn)備金）更高的費(fèi)用、更高的補(bǔ)償余額以及更多的抵押擔(dān)保等，都可以彌補(bǔ)貸款信用風(fēng)險(xiǎn)。15這筆貸款的總收益率為K，每借出一元的收入F:直接費(fèi)用，L：基礎(chǔ)利率，M信用風(fēng)險(xiǎn)溢價(jià)B:補(bǔ)償余額，R存款準(zhǔn)備金要求16假設(shè)某銀行：未來一筆貸款利率為14%（12%+2%）收取0.125%的貸款啟動(dòng)費(fèi)要求借款人以非生息活期存款的形式持有10%的補(bǔ)償余額按存款額的10%在央行持有準(zhǔn)備金求利息收益？1718特殊情況下:f=0,b=01+k=1+(L+m)基礎(chǔ)利率確定,信用風(fēng)險(xiǎn)溢價(jià)成了決定貸款收益的風(fēng)險(xiǎn)因素.19貸款預(yù)期收益由于違約風(fēng)險(xiǎn)的存在，貸款的承諾收益可能會(huì)與貸款的預(yù)期收益和實(shí)際收益大不相同。

預(yù)期收益與承諾收益的關(guān)系：E(r)=p(1+k)-1P是客戶履約概率。違約風(fēng)險(xiǎn)一般都存在，因此P＜1。這意味金融機(jī)構(gòu)經(jīng)營者必須(1)確定充足的風(fēng)險(xiǎn)溢價(jià)（m）；(2)認(rèn)識(shí)到較高的風(fēng)險(xiǎn)溢價(jià)、費(fèi)用和基礎(chǔ)利率都會(huì)實(shí)際降低貸款償還的概率（p）。也就是K和P并非不相關(guān)。事實(shí)上在一定范圍內(nèi)它們可能是負(fù)相關(guān)的。金融機(jī)構(gòu)因而需要從兩方面考慮控制信用風(fēng)險(xiǎn)：價(jià)格(合同收益1+k)和貸款數(shù)量(信貸的可獲性)

20一般情況下，控制零售貸款的信用風(fēng)險(xiǎn)更多從數(shù)量方面而不是從價(jià)格方面著手。21五、零售和批發(fā)貸款決策零售貸款決策在FI總體投資組合中占規(guī)模較小，而收集信息成本高，多是要么接受，要么否決。被接受者多是繳納相同的利率，意味著信用風(fēng)險(xiǎn)溢價(jià)是相同的。多是信用控制，而不是一定范圍內(nèi)的利率和價(jià)格浮動(dòng)。批發(fā)貸款決策使用利率和數(shù)量來控制風(fēng)險(xiǎn)。很高的契約利率實(shí)質(zhì)上減少了金融機(jī)構(gòu)的預(yù)期回報(bào)，因?yàn)楦呃蕦?dǎo)致貸款流向高風(fēng)險(xiǎn)項(xiàng)目，從而加大了違約風(fēng)險(xiǎn)。

2223貸款預(yù)期收益率%貸款合約承諾收益率%六、信用風(fēng)險(xiǎn)的計(jì)量是否能準(zhǔn)確衡量違約可能性，在很大程度上取決于該金融機(jī)構(gòu)所掌握的借款人財(cái)務(wù)信息量的多少

對(duì)于零售貸款，該類信息的大部分需要從內(nèi)部或外部信用機(jī)構(gòu)收集。對(duì)于批發(fā)貸款，該類信息來源于公開可獲得的信息，如已公證的帳目表，股票和債券價(jià)格，分析家們的報(bào)告等等。

在本質(zhì)上債券和貸款都是承諾在將來支付定期的固定或隨指數(shù)調(diào)整的報(bào)酬的一份契約，并且在借款公司經(jīng)營失敗時(shí)，貸方和債券持有人都有比股東更優(yōu)先的請(qǐng)求權(quán)。同時(shí)，貸款和債券都含有契約條款（covenants）來限制或鼓勵(lì)公司的各種行為，以保證償本付息的可能性。

24七、違約風(fēng)險(xiǎn)模型可以使用多種不同的模型來評(píng)估違約風(fēng)險(xiǎn)。模型并非相互排斥，可以使用一個(gè)以上的模型進(jìn)行貸款定價(jià)和限額決策。主要討論三種模型：定性模型信用評(píng)分模型新模型25定性模型收集信息收集到信息的數(shù)量取決于潛在的債務(wù)風(fēng)險(xiǎn)的大小與信息收集的成本。進(jìn)行決策的關(guān)鍵因素：與借款人相關(guān)的信息與市場(chǎng)相關(guān)的信息依賴于主觀判斷，經(jīng)常稱作專家系統(tǒng)26借款人所特有的因素：聲譽(yù)

借款人的聲譽(yù)包括該信貸申請(qǐng)人的借貸歷史杠桿比率大量的債務(wù)，如債券和貸款提高了借款人的利息費(fèi)用以及其現(xiàn)金流量中用于償債的比例。相對(duì)較低的杠桿比率可能不會(huì)嚴(yán)重影響到償債的可能性收入的不穩(wěn)定性收入的大幅度變動(dòng)會(huì)提高了借款人在任何資本結(jié)構(gòu)中無法按期償本付息的可能性抵押品

27與市場(chǎng)相關(guān)的信息商業(yè)周期

金融機(jī)構(gòu)在評(píng)估借款人違約可能性時(shí)，一個(gè)很重要的因素是必須考慮經(jīng)濟(jì)正處于商業(yè)周期的哪一階段

經(jīng)濟(jì)不景氣時(shí)，生產(chǎn)的耐用消費(fèi)品部門的公司，其業(yè)績(jī)一般會(huì)比生產(chǎn)煙草和食品的非耐用消費(fèi)品部門的公司差利率水平高利率預(yù)示著實(shí)行了緊縮的貸幣政策。不僅籌資成本增高、籌資來源減少，而且高利率一般與高信用風(fēng)險(xiǎn)成正相關(guān)。高水平的利率會(huì)刺激借款人從事過量的風(fēng)險(xiǎn)活動(dòng)，也只能鼓勵(lì)風(fēng)險(xiǎn)較大的顧客前來借款

28專家系統(tǒng)的不足教材P236專門人員實(shí)施的效果很不穩(wěn)定，主觀性隨意性和不一致性29信用評(píng)分模型

定量模型，通過運(yùn)用所觀察的有關(guān)借款人特征的資料來計(jì)算其違約概率的分?jǐn)?shù)，或把借款人歸入不同的違約風(fēng)險(xiǎn)等級(jí)中。作用：以量化形式確定哪些因素對(duì)于解釋違約風(fēng)險(xiǎn)是重要的分析這些因素的相對(duì)重要性；改進(jìn)違約風(fēng)險(xiǎn)的定價(jià)；更好地辨別高風(fēng)險(xiǎn)貸款申請(qǐng)者；更好地來計(jì)算出未來預(yù)期貸款損失而需的準(zhǔn)備金。

30主要好處：貸款人不必使用更多的資源就可以較準(zhǔn)確地預(yù)測(cè)出借款人的業(yè)績(jī)。平均準(zhǔn)確率為85%。使貸款人面臨更少的違約和資產(chǎn)沖銷。必須確定反映借款人風(fēng)險(xiǎn)的客觀指標(biāo)和財(cái)務(wù)指標(biāo)：對(duì)消費(fèi)貸款而言，客觀特征包括收入、資產(chǎn)、職業(yè)、年齡、職業(yè)和居住地對(duì)于商業(yè)貸款，關(guān)鍵在于現(xiàn)金流信息和財(cái)務(wù)比率31CreditRatingSystems對(duì)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。外部評(píng)級(jí)與內(nèi)部評(píng)級(jí)32外部評(píng)級(jí)Moody’s,Standard&Poor’s,大公信用評(píng)級(jí)是公司在相關(guān)風(fēng)險(xiǎn)因子基礎(chǔ)上，對(duì)某個(gè)債務(wù)人償付特定債務(wù)工具或其他債務(wù)能力的看法。評(píng)級(jí)中，有的關(guān)注違約可能性，有的關(guān)注預(yù)期損失。發(fā)行人評(píng)級(jí)，發(fā)行人債項(xiàng)評(píng)級(jí)33發(fā)行人評(píng)級(jí)對(duì)手評(píng)級(jí)，公司信用評(píng)級(jí)和主權(quán)評(píng)級(jí)對(duì)債務(wù)人債務(wù)償付能力的總體評(píng)價(jià)發(fā)行人債項(xiàng)評(píng)級(jí)對(duì)單個(gè)授信項(xiàng)目進(jìn)行評(píng)估，著眼于個(gè)別風(fēng)險(xiǎn)，考慮抵押、擔(dān)保等保全手段及授信期限。343536線性概率模型和Logit模型

線性概率模型將以往的數(shù)據(jù)，例如財(cái)務(wù)比率，放入模型中說明以前貸款償還的經(jīng)驗(yàn)。用來說明過去償付貸款表現(xiàn)的各因素的相對(duì)重要性，可以用來預(yù)測(cè)新貸款的還款概率p舊貸款(i)分成兩個(gè)觀察組，即違約的(PDi=1)和沒有違約的(PDi=0)。然后，用線性回歸將這些觀察值與有j個(gè)數(shù)據(jù)的一組原因變量(Xij)相聯(lián)系，這些原因變量反映了第i個(gè)借款人的杠桿比率或收益之類的數(shù)量信息37βj是我們所估計(jì)的第j個(gè)變量(杠桿比率)在解釋過去償還貸款上的重要性。如果我們將這些估計(jì)值βj與某一預(yù)期借款人的Xij相乘，就可以求出該借款人的PDi的期望值，這個(gè)值可解釋為該借款人的違約概率。E(PDi)=(1-pi)=預(yù)期違約的概率，pi為償還貸款的概率。38例如，假設(shè)有兩個(gè)因素影響借款人過去的違約行為：杠桿比率（D/E）和銷售額資產(chǎn)比率（S/A）?；谝郧暗倪`約經(jīng)驗(yàn)，線性可能性模型可以估計(jì)成：

PDi=0.5（D/Ei）+0.1（S/Ai）假設(shè)一個(gè)預(yù)期借款者的D/E=03，S/A=2.0。預(yù)期違約可能性（Zi）估計(jì)為：PDi=0.5（0.3）+0.1（2.0）=0.35

致命弱點(diǎn)：預(yù)測(cè)的違約可能性會(huì)落在0—1區(qū)間之外。Logit模型則把預(yù)期違約可能性限制在0和1之間，從而克服了線性可能性模型的弱點(diǎn)

F（Zi）=1/（1+e-Zi）39線性判別式模型

Probit與Logit對(duì)PD進(jìn)行預(yù)測(cè)，而判別式模型則根據(jù)借款人的觀察特征值（Xj）將他們分入或高或低的潛在違約風(fēng)險(xiǎn)級(jí)別E.I.Altman為美國公開交易制造業(yè)公司所做的判別式分析模型。Z是違約風(fēng)險(xiǎn)級(jí)別的總的衡量標(biāo)準(zhǔn)，Z是根據(jù)借款人不同的財(cái)務(wù)比率值(Xj)及其重要性權(quán)數(shù)得出的，重要性權(quán)數(shù)是由基于判別式分析模型得出的違約、非違約借款人的觀察經(jīng)驗(yàn)而得到的。

Altman的判別式函數(shù)如下所示：

Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5Z的值越高，借款人的違約風(fēng)險(xiǎn)級(jí)別越低403.0及以上從財(cái)務(wù)數(shù)據(jù)來判斷，是安全的，當(dāng)然，有些因素可能會(huì)造成難以預(yù)見的問題2.7-3.0從預(yù)測(cè)破產(chǎn)的角度，可能是安全的，但處于灰色區(qū)域中1.8-2.7可能在兩年內(nèi)破產(chǎn)。處于灰色區(qū)域，要幸存，必須采取較大變革1.8以下很可能正在走向破產(chǎn)41X1=營運(yùn)資本/總資產(chǎn)比率

X2=保留盈余/總資產(chǎn)比率X3=除息稅前盈余/總資產(chǎn)比率X4=凈資產(chǎn)市場(chǎng)價(jià)值/長期負(fù)債的帳面價(jià)值比率X5=銷售額/總資產(chǎn)比率42假?zèng)]一潛在的借款公司的金融比率值如下：X1=0.2X2=0X3=-0.20X4=0.10X5=2.0X2等于0和X3為負(fù)數(shù)表明該公司在近期的收入為負(fù)或發(fā)生了損失。同樣，X4也表明借款人的杠桿比率很高，X1=0.2和X5=2.0表明該公司的流動(dòng)性是適當(dāng)?shù)?，并且銷售也較穩(wěn)定。

Z=1.2(0.2)+1.4(0)+3.3(-0.20)+0.6(0.10)+1.0(2.0)Z=0.24+0-0.66+0.06+2.0Z=1.64

根據(jù)Altman的信用評(píng)分模型，任何Z的分值低于1.81的公司將被置于高違約風(fēng)險(xiǎn)區(qū)

43ZETA信用風(fēng)險(xiǎn)模型（ZETACreditRiskModel）是繼Z模型后的第二代信用評(píng)分模型，變量由原始模型的五個(gè)增加到了7個(gè)，適應(yīng)范圍更寬，對(duì)不良借款人的辨認(rèn)精度也大大提高。模型中的7個(gè)變量是：資產(chǎn)收益率、收益穩(wěn)定性指標(biāo)、債務(wù)償付能力指標(biāo)、累計(jì)盈利能力指標(biāo)、流動(dòng)性指標(biāo)、資本化程度的指標(biāo)、規(guī)模指標(biāo)。44判別式分析模式存在的問題

這一模型只區(qū)別借款人行為的兩個(gè)極端例子：違約與不違約。但是，現(xiàn)實(shí)世界中違約情況是多層次的

沒有理由可以預(yù)期判別式函數(shù)中的權(quán)數(shù)是常數(shù)忽略了一些在違約和非違約決策中起決定性因素作用的難以量化的因素。例如屬于借款人所特有因素的聲譽(yù)及含蓄的長確借款關(guān)系、宏觀環(huán)境因素中的商業(yè)周期等

不存在違約商業(yè)貸款的集中數(shù)據(jù)庫

45新的信用風(fēng)險(xiǎn)模型利用金融理論和更廣泛的金融市場(chǎng)數(shù)據(jù),推測(cè)貸款和債務(wù)工具的違約概率.這是FI正大力研究的一個(gè)領(lǐng)域.信用風(fēng)險(xiǎn)期限結(jié)構(gòu)方法失敗率方法RAROC方法期權(quán)模型（不涉及）信用計(jì)量模型信用風(fēng)險(xiǎn)+模型46信用風(fēng)險(xiǎn)期限結(jié)構(gòu)的推導(dǎo)以市場(chǎng)為基礎(chǔ)來評(píng)估信用風(fēng)險(xiǎn)和違約概率的方法之一,就是對(duì)相同風(fēng)險(xiǎn)級(jí)別借款者的公司債務(wù)所包含的風(fēng)險(xiǎn)溢價(jià)進(jìn)行分析.47八、新的信用風(fēng)險(xiǎn)計(jì)量和定價(jià)模型481年2年公司債券長期國債收益率期限10%11%15.8%18%上述相同期限的債券,我們可以根據(jù)實(shí)際市場(chǎng)利率信息來推算出應(yīng)有的信用風(fēng)險(xiǎn)溢價(jià)和潛在的違約概率.收益之差反映了公司借款者未來不同時(shí)間付款的信用風(fēng)險(xiǎn).金融機(jī)構(gòu)可以根據(jù)現(xiàn)有債務(wù)的信用風(fēng)險(xiǎn)概率,來決定是否向特定信用風(fēng)險(xiǎn)的借款人提供額外的資金.49例子:一年期債務(wù)工具的違約概率假設(shè)FI要求一年期公司債券的預(yù)期收益率至少等于一年期國債的無風(fēng)險(xiǎn)收益.p為公司債券本息全額償還的概率，1-p是違約的概率.假設(shè)違約,FI一無所獲.一年期公司債合約承諾收益為1+k,一年期無風(fēng)險(xiǎn)國債收益為1+I有50假設(shè)一年期國債和一年期公司債券的市場(chǎng)利率分別為10%和15.8%,則市場(chǎng)認(rèn)為債券還款概率為:1.1/1.158=0.95違約概率為0.05在這一例子中,公司債券5%的違約概率使FI將其所要求的風(fēng)險(xiǎn)溢價(jià)確定為5.8%(Φ=15.8-10),很顯然,當(dāng)還款概率p下降及違約概率1-p上升,金融機(jī)構(gòu)要求的利差Φ=k-i也會(huì)上升.51現(xiàn)實(shí)中,即使借款人破產(chǎn),FI也能獲得部分還款.以γ代表貸款違約時(shí)可收回的本息所占的比重.有第一項(xiàng)為借款人違約時(shí),金融機(jī)構(gòu)預(yù)期將獲得的收益.52按前面的假設(shè),i=10%,p=0.95,γ=0.9,則,風(fēng)險(xiǎn)溢價(jià)為0.6%注意上面的式子,γ和p完全可以相互替代.53長期債務(wù)工具的違約概率風(fēng)險(xiǎn)經(jīng)理必須以第一年違約情況為基礎(chǔ)估計(jì)第二年的違約概率.債券在任何一年的違約概率就是指這一年的邊際違約概率,即第t年的違約概率為1-pt利用邊際違約概率,可計(jì)算兩年內(nèi)的累計(jì)違約概率54例:某風(fēng)險(xiǎn)經(jīng)理想知道一種兩年期債券的違約概率.第一年邊際違約概率為0.05,第二年邊際違約概率為0.07,則1-0.95*0.93=0.1165違約概率為11.65%,還款的概率為88.35%下面的問題是:如何算出下一年的邊際違約概率?55首先通過國債收益曲線算出一年遠(yuǎn)期利率.等式左邊是兩年期的國債收益,右邊是兩次投資一年期國債的收益.可求出f1用同樣的方法求出公司債未來的預(yù)期利率c156即可求出第二年的預(yù)期還款概率,其他依此類推5758優(yōu)點(diǎn)與缺點(diǎn):能反映市場(chǎng)情況,以市場(chǎng)預(yù)期為基礎(chǔ),但要求有一個(gè)流動(dòng)性的市場(chǎng).59八、新的信用風(fēng)險(xiǎn)計(jì)量和定價(jià)模型RAROC模型

RAROC（risk-adjustedreturnoncapital）模型由銀行家信托公司首創(chuàng)

模型的核心思想是它不是衡量一筆貸款的實(shí)際或者承諾的年收益率ROA，即凈利息收入和費(fèi)用除以貸款總額，而是貸款管理者使預(yù)期利息收入和費(fèi)用收入同貸款的風(fēng)險(xiǎn)保持平衡。因此，不是用貸出的資產(chǎn)除以貸款收入，而是用資產(chǎn)（貸款）風(fēng)險(xiǎn)的某種測(cè)量去除貸款收入：

RAROC=貸款一年的收入/貸款（資產(chǎn)）風(fēng)險(xiǎn)或風(fēng)險(xiǎn)資本一筆貸款只有它的RAROC相對(duì)于銀行資本的基準(zhǔn)成本足夠高時(shí)才能被批準(zhǔn)

60當(dāng)一筆已放貸款的RAROC跌到低于銀行的基準(zhǔn)RAROC時(shí)，貸款管理者必須試圖調(diào)整貸款的條款使貸款再次變成“有利可圖的”

估計(jì)RAROC的一個(gè)問題是貸款風(fēng)險(xiǎn)的測(cè)量

61同樣的概念可以應(yīng)用到這里，只是受利率影響改為受信用質(zhì)量（信用風(fēng)險(xiǎn)溢價(jià)）影響

用公司債券市場(chǎng)的數(shù)據(jù)去估計(jì)這個(gè)溢價(jià)。標(biāo)準(zhǔn)普爾（S&P）對(duì)借款人評(píng)定了信用等級(jí)（AAA，AA，A等等）。因此，我們可以分析在各個(gè)特定等級(jí)內(nèi)的債券在過去一年的風(fēng)險(xiǎn)溢價(jià)變化。在RAROC等式中的△R等于

62△（Ri-RG）是i信用等級(jí)公司債券的收益率（Ri）和與其持續(xù)期相匹配的國庫券的收益率（RG）的差額在過去一年的變化

63假設(shè)現(xiàn)在AAA級(jí)債券的平均利率水平（R）為10%，估計(jì)的貸款（或資本）風(fēng)險(xiǎn)是：△L=-DL（△R/1+R）=-（2.7）×（$1,000,000）×（0.011/1.1）=-$27,000因此，當(dāng)貸款的面值是一百萬美元時(shí)，由于信用質(zhì)量的下降而導(dǎo)致的風(fēng)險(xiǎn)量或者說貸款市場(chǎng)價(jià)值的變化是2.7萬美元64為了決定這筆貸款是否值得做，要對(duì)估計(jì)的貸款風(fēng)險(xiǎn)和貸款的收入（即該金融機(jī)構(gòu)的資金成本加上貸款費(fèi)用上的差額）進(jìn)行比較。假設(shè)估計(jì)的（一年的）差額加上費(fèi)用如下：差額=0.2%×$1,000,000=$2,000費(fèi)用=0.1%×$1,000,000=$1,000$3,000這個(gè)貸款的RAROC是：RAROC=貸款一年的收入/貸款風(fēng)險(xiǎn)（或者資本風(fēng)險(xiǎn)）=$3,000/$27,000=11.1%65這個(gè)計(jì)算可以用于向前看(forwardlooking)，將下一年的貸款的預(yù)期收入和△L比較；也可以用于向后看(backwardlooking)將過去一年所產(chǎn)生的收入和△L比較。如果11.1%高于銀行內(nèi)部的基準(zhǔn)RAROC（基于銀行本身的資金成本），這項(xiàng)貸款會(huì)被通過。如果它較低，這筆貸款會(huì)立即被拒絕或者借款人會(huì)被要求較高的費(fèi)用以及（或者）更高的利率差額，將RAROC提高到可接受的水平

66信用計(jì)量模型CreditMetrics1997,摩根及其合作者（TheBankofAmerican)在VAR價(jià)值框架下，對(duì)貸款和私募債券等不可交易資產(chǎn)的風(fēng)險(xiǎn)進(jìn)行估價(jià)。我們前面所學(xué)的VAR,是回答下列問題：如果明天對(duì)我不利，那么我們可交易的資產(chǎn)會(huì)遭受多大的損失？Creditmetrics要回答的問題:如果下一年對(duì)我不利，我的貸款和貸款資產(chǎn)組合將遭受多大損失？67貸款不能公開交易，因此既不能觀察到P(貸款的市場(chǎng)價(jià)值），也不能觀察到然而，根據(jù)借款的信用級(jí)別信息該信用級(jí)別下一年變化的概率違約貸款的回收率債券市場(chǎng)的利差可以計(jì)算出任何一種不可交易的貸款或債券在假設(shè)條件下的P和，并因此而計(jì)算出單項(xiàng)貸款和貸款組合的VAR.68一年期信用等級(jí)轉(zhuǎn)換矩陣69年