版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
第四章信用風(fēng)險管理
學(xué)習(xí)目的
1.信用風(fēng)險的含義、特點
2.違約概率、違約損失率和風(fēng)險敞口的含義和計算
3.信用風(fēng)險度量方法
第一節(jié)信用風(fēng)險和信用風(fēng)險管理
一、信用風(fēng)險的概念
隨著歷史的演進(jìn),對信用風(fēng)險的見解出現(xiàn)不同的觀點。傳統(tǒng)觀點認(rèn)為,信用風(fēng)險指的是
交易對象無力履約的風(fēng)險,即債務(wù)人未能如期償還到期債為導(dǎo)致違約,而給經(jīng)濟(jì)主體經(jīng)營帶
來的風(fēng)險?,F(xiàn)代觀點認(rèn)為,當(dāng)交易雙方不樂意或不能所有履行它們的合約責(zé)任時.,信用風(fēng)險
就會形成,既涉及違約風(fēng)險又涉及市場風(fēng)險。
隨著風(fēng)險環(huán)境的變化和風(fēng)險管理技術(shù)的發(fā)展,傳統(tǒng)的定義已經(jīng)不能反映現(xiàn)代信用風(fēng)險及
管理的本質(zhì)。從組合投資的角度出發(fā),信用資產(chǎn)組合不僅會由于交易對手(涉及借款人、債券
發(fā)行人等)的直接違約而發(fā)生損失,也會因交易對手履約也許性的變動而帶來的風(fēng)險。一方面,
一些影響交易對手信用概況事件的發(fā)生,如信用等級減少、賺錢能力下降,導(dǎo)致所發(fā)行債券
跌價,從而給銀行帶來風(fēng)險;另一方面,在信用基礎(chǔ)上發(fā)展起來的交易市場是貸款等流動性差
的資產(chǎn)價值可以得到更恰當(dāng)和及時的反映。如信用衍生品市場上,信用產(chǎn)品的市場價格是隨
著借款人的還貸能力的變化而不斷變動的,這樣,借款人信用狀況的變化也會隨時影響銀行
資產(chǎn)的價值,而不僅僅在違約發(fā)生時出現(xiàn)。正是從這兩個方面來看,現(xiàn)代意義上的信用風(fēng)險不
僅涉及違約風(fēng)險,還應(yīng)涉及由于交易對手(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)生變動遭受損失的風(fēng)險。
二、信用風(fēng)險的特性
信用風(fēng)險所注重的問題和市場風(fēng)險有很大的區(qū)別:
(1)信用風(fēng)險要在考慮違約風(fēng)險的同時,還要考慮因違約導(dǎo)致資產(chǎn)價值變化的市場風(fēng)險;
(2)市場風(fēng)險的風(fēng)險限額取決于交易組織(如業(yè)務(wù)單位、交易或投資組合),而信用風(fēng)險
的限額取決于總體的風(fēng)險,即對每一個在法律上明確界定的交易方的總風(fēng)險或者凈風(fēng)險;
(3)市場風(fēng)險通常以一個比較短的時間(天)作為時間尺度,但是對一潛在的違約等,通常
以一個比較長的時期(年)作為時間尺度;
(4)市場風(fēng)險可以通過套期套匯等避險方法得到徹底的消除,而信用等縣只能最大限度
地緩解,但是無法主線消除,因此必須加以審慎的管理;
(5)法律方面的規(guī)定在估測性用風(fēng)險方面也非常重要,但是在測量市場風(fēng)險方面卻幾乎不
予考慮。
三、信用風(fēng)險管理的重要性
四、信用風(fēng)險管理的特點
金融機(jī)構(gòu)的本質(zhì)是風(fēng)險的吸取者、調(diào)解人和征詢顧問,成功的金融機(jī)構(gòu)應(yīng)當(dāng)具有卓越的
平衡風(fēng)險一收益的技能和實力,需要建立強(qiáng)有力的信用文化。
(1)信用文化及對風(fēng)險的態(tài)度對風(fēng)險的管理至關(guān)重要
(2)隨時監(jiān)測公司所面臨的一切風(fēng)險并采用相應(yīng)對策
(3)在機(jī)構(gòu)設(shè)立上更加有助于信用風(fēng)險管理
第二節(jié)信用風(fēng)險的度量方法
總而言之,定性和定量兩類方法
信用風(fēng)險度量的參數(shù)
巴塞爾資本協(xié)議中度量信用風(fēng)險的參數(shù):
違約概率
違約損失率
風(fēng)險敞口
一、違約概率的(定量)度量方法
風(fēng)險價值(VaR)的概念來自市場風(fēng)險,通過數(shù)年的發(fā)展,已經(jīng)成為市場風(fēng)險最重要的標(biāo)
準(zhǔn)型的度量。
按照VaR的定義,其核心內(nèi)容是勾畫風(fēng)險的分布。按照分布類型,信用風(fēng)險VaR模型
可以分為損失(Loss)分布和盯市價值分布兩類。
基于損失分布的信用風(fēng)險VaR模型,如CSFP的CreditRisk+模型(CreditSu
isse,1997),是對于兩維評級框架的進(jìn)一步細(xì)化,參數(shù)PD和LGD自身都不再是常數(shù),而是
符合一定的分布,但是并沒有考慮信用利差風(fēng)險。
基于價值分布的信用風(fēng)險VaR模型,典型代表是JP摩根的CreditMetrics模型(Cr
editMetrics,1997)的核心是信用風(fēng)險評級的轉(zhuǎn)移概率矩陣,McKinsey的Cred
itPortfolioView模型(Wilson,1997a,1997b)建立宏觀經(jīng)濟(jì)違約模型,得到信用
風(fēng)險評級的條件轉(zhuǎn)移概率矩陣,而1(乂\『模型91'0狀€,1997)則基于1佰1'1:011模型框架,
運用公司股票的市場價格時間序列推演信用風(fēng)險分布。這些模型都考慮了信用利差風(fēng)險。
上述四個模型是信用風(fēng)險VaR模型的典型代表,H前在實業(yè)界的應(yīng)用都比較廣泛,特別
是CrediMetrics和KMV模型。一個很故意義的現(xiàn)象:這四個模型都有征詢公司推出的,
并且個征詢公司的模型白皮書都是在1997年初次發(fā)布的。
(一)判斷分析
1.專家評分
略
2.奧特曼Z-Score模型
EdwardAltman的Z得分公式(Z-Sc。reFormula)是一個多變量財務(wù)公式,用以
衡量一個公司的財務(wù)健康狀況,并對公司在2年內(nèi)破產(chǎn)的也許性進(jìn)行診斷與預(yù)測。研究表
白該公式的預(yù)測準(zhǔn)確率高達(dá)72%-80%。
紐約大學(xué)斯特恩商學(xué)院專家、金融經(jīng)濟(jì)學(xué)家愛德華?阿特曼(EdwardAltman)在1968
年就對美國破產(chǎn)和非破產(chǎn)生產(chǎn)公司進(jìn)行觀測,采用了22個財務(wù)比率通過數(shù)理記錄篩選建立
了著名的5變量Z—score模型
X5=銷售收入/資產(chǎn)總額,即總資產(chǎn)周轉(zhuǎn)率,公司總資產(chǎn)的營運能力集中反映在總資產(chǎn)的經(jīng)
營水平上。
假如公司總資產(chǎn)周轉(zhuǎn)率高.說明公司運用所有資產(chǎn)進(jìn)行經(jīng)營的成果好。反之,假如總資
產(chǎn)周轉(zhuǎn)率低,則說明公司運用所有資產(chǎn)進(jìn)行經(jīng)營活動的成果差.最終將影響公司的獲利能力。
Z-Score模型從公司的資產(chǎn)規(guī)模、變現(xiàn)能力、獲利能力、財務(wù)結(jié)構(gòu)、償債能力、
資產(chǎn)運用效率等方面綜合反映了公司財務(wù)狀況,進(jìn)一步推動了財務(wù)預(yù)警系統(tǒng)的發(fā)展。奧特曼
通過對Z—Score模型的研究分析得出Z值與公司發(fā)生財務(wù)危機(jī)的也許性成反比,Z值越
小。公司發(fā)生財務(wù)危機(jī)的也許行就越大,Z值越大,公司發(fā)生財務(wù)危機(jī)的也許性就越小。當(dāng)Z
V1.8時,公司屬于破產(chǎn)之列當(dāng)時;當(dāng)1.8vZv2.99時,公司屬于“灰色區(qū)域”,很難簡樸得出
公司是否肯定破產(chǎn)的結(jié)論;當(dāng)Z>2.99時,公司財務(wù)狀況良好,破產(chǎn)也許性極小。但由J?每個
國家的經(jīng)濟(jì)環(huán)境不同,每個國家值的判斷標(biāo)準(zhǔn)也各不相同,因而各國家公司值的臨界值也各
不相同。
⑵Z?Score模型的缺陷
僅考慮2個極端情況(違約與沒有違約),對于負(fù)債重整、或是雖然發(fā)生違約但是問收率
很高的情況就沒有做此外較具體的分類。
權(quán)數(shù)未必一直是固定的,必須經(jīng)常調(diào)整。
未考慮景氣循環(huán)效應(yīng)因了?的影響。
公司違約與否與風(fēng)險特性的關(guān)系事實,也許是非線性的。
缺少經(jīng)濟(jì)的理論基礎(chǔ),也就是為什么就這幾個財務(wù)變量值得考慮,難道其它因素(例如公
司治理變最)就沒有預(yù)測能力嗎?
對市場的變化不夠靈敏(運用的會計資料更新太慢)。
無法計算投資組合的信用風(fēng)險,由于Z-Score模型重要是針對個別資產(chǎn)的信用風(fēng)險進(jìn)行
評估,對整個投資組合的信用風(fēng)險無法衡量。
(3)Z-Score模型在制造業(yè)上市公司財務(wù)預(yù)警中的實證分析
1.樣本的選取。
以滬深兩市A股市場2023年因財務(wù)狀況異常被特別解決的公司作為研究樣本。由于
A股上市公司執(zhí)行國內(nèi)的會計準(zhǔn)則和會計制度,其對外財務(wù)信息容易收集也較完整,上市公
司被特別解決的特性較明顯,2023年2月22日中國證監(jiān)會根據(jù)《公司法》正式頒布了《虧
損上市公司暫停上市和終止上市實行辦法,建立了我國上市公司退市機(jī)制,使得這一研究對
象具有很高的關(guān)注度。對上市公司進(jìn)行準(zhǔn)確的預(yù)測和判斷.對于規(guī)范證券市場的運作、減少
投資風(fēng)險和保護(hù)投資者利益等具有重要的現(xiàn)實意義。
從2023年ST公司中界定12家上市公司作為研究樣本,再按照與之同時期、資產(chǎn)規(guī)模
相稱(相差不超過10%)的原則選取與其相相應(yīng)的12個正常上市公司。基于ST公司被“特
別解決”的前3年的資料,即假設(shè)上市公司在笫t年被實行ST.選取上市公司ST之前的第t
一2、t一2、t一3年財務(wù)數(shù)據(jù)為樣本建立模型。
樣本數(shù)據(jù)來源于證券之星、深滬證券交易所網(wǎng)站以及上市公司的年度報告,采用Excel2
023等軟件進(jìn)行數(shù)據(jù)解決。
2.指標(biāo)的適應(yīng)性設(shè)定。
鑒于我國股市非流通股無市場價格,在計算股權(quán)市價總值時采用的是每股股價與社會公
眾股股份數(shù)相乘的辦法.又考慮到計算息稅前利潤時需要用到利息費用,因此對Z計分模型
中的各項指標(biāo)的設(shè)定作以下調(diào)整:
X=(流動資產(chǎn)-流動負(fù)債)/資產(chǎn)總額;
X*(未分派利洞十盈余公積金)/資產(chǎn)總額;
X3=(稅前利潤十財務(wù)費用)/資產(chǎn)總額;
1=(每股市價*流通股數(shù)+每股凈資產(chǎn)*非流通股數(shù))/負(fù)債總額;
*5=主營業(yè)務(wù)收入/資產(chǎn)總額
按照Z—Score模型的規(guī)定收集整理財務(wù)數(shù)據(jù),運用Exce1計算得到不同年份制造業(yè)上市
公司的z值得分。見下表,
Z值
公司名稱
7年t-2年t-3年
sT建機(jī)(600984)1.482.0412.147
S*ST東方A(0007
-0.2650.4580.685
25)
ST自儀(60084
-0.076-0.56I0.133
8)
ST通科(600862)0.9631.8721.764
S*ST四環(huán)(00060
-0.8640.3871.087
5)
ST匯通(000920)0.8611.5421.695
ST中紡(600610)0.871.6951.793
ST三元(600429)2.8821.8191.78
ST金馬(000980)0.581.6762.76
ST天宇(000723)-0.371.121.37
ST常柴(000570)-0.0140.811.7
ST證星(600213)0.520.51.81
鼎盛天工(600335)1.8671.8731.942
經(jīng)緯紡機(jī)(000666)2.2461.9191.959
江鉆股份(000852)3.222.6821.994
青海華鼎(600340)1.9741.9693.453
北人股份(600860)1.2751.8792.262
全柴動力(600218)2.9921.7473.03
國祥股份(600340)3.673.784.14
北礦磁材(600980)2.8694.2036.129
思達(dá)高科(000676)3.051.852.55
氏征電器(600兒2)3.213.032.68
江淮動力(000816)1.72.922.73
輕工機(jī)械(600605)3.223.073.02
對ST公司的預(yù)測。由上表可以看出,ST公司在t-1年有11家Z值小于1.8(ST三元
除外),有的甚至己為負(fù)數(shù),這充足說明了公司在被特別解決前一年內(nèi)其財務(wù)狀況已經(jīng)發(fā)生
了嚴(yán)重的惡化.具有巨大財務(wù)危機(jī),預(yù)測準(zhǔn)確率高達(dá)91.7%;在T-2、t-3年有9家Z值小
于1-8,預(yù)測準(zhǔn)確率為75%;離ST的時間越短.預(yù)測的精度越高。前一年的預(yù)測精度較高.到
了前兩年、前三年其預(yù)測精度大幅度下降。同時可以看出ST公司在被特別解決前三年的會
計年度中,其Z值都在2.99以下,不存在Z值大于2.99的公司.并且Z值呈逐年減小的趨
勢.這說明ST公司在被特別解決前兩年乃至前三年,已經(jīng)顯現(xiàn)出財務(wù)惡化的隱患。
對非ST公司的預(yù)測.由上表可計算出二年中對非ST公司預(yù)測的準(zhǔn)確率平均比例為
93.94%(扣除江淮動力于2023年被特別解決的情況)。非ST公司Z值處在1.8?2.99(即
處在灰色地帶)之間的平均比例為49.5%,基本符合規(guī)律,非ST公司Z值大于2.99的
平均比例為44.46%,這說明我國制造業(yè)上市公司財務(wù)狀況基本良好,有一定的抵御風(fēng)險的
能力。
3.線性概率模型
(1)模型概述
Yj=a+EX.+b2X2i+b3iX3i4-b4iX4i4-b5iX5i+u(
其中,
Y.=f0,死亡
Tl,生存
Xi為奧特曼z-Score模型中的五個因素。
4.邏輯模型
(1)邏輯模型概述
Pi-l+exp(pX))
其中,
nj
中=而
pX=a+b^Xii+b2X2i+b3iX3i4-b4iX4i+b5iX5i
將方程(i)的變形為
In=a+bMii+bX+bX4-bX4-bX+.
\1-Pj/22i3i3i4i4i5i5i
(2)
方程(2)為邏輯模型。
(二)KMV模型
1.模型概述
KMV模型是美國舊金山市KMV公司于1997年建立的用來估計借款公司違約概率的方法。
該模型認(rèn)為,貸款的信用風(fēng)險是在給定負(fù)債的情況下由債務(wù)人的資產(chǎn)市場價值決定的。但資
產(chǎn)并沒有真實地在市場交易,資產(chǎn)的市場價值不能直接觀測到。為此,模型將銀行的貸款問
題倒轉(zhuǎn)一個角度,從借款公司所有者的角度考慮貸款歸還的問題。在債務(wù)到期口,假如公司
資產(chǎn)的市場價值高于公司債務(wù)值(違約點),則公司股權(quán)價值為公司資產(chǎn)市場價值與債務(wù)值之
間的差額;假如此時公司資產(chǎn)價值低于公司債務(wù)值,則公司變賣所有資產(chǎn)用以償還債務(wù),股權(quán)
價值變?yōu)榱恪?/p>
2.KMV模型的基本思想
KMV的基木思想來源于Morton(1974)的期權(quán)定價模型和風(fēng)險中性的思想。
一方面,它運用Black-Scholes期權(quán)定價公式,根據(jù)公司資產(chǎn)的市場價值、資產(chǎn)價
值的波動性、到期時間、無風(fēng)險借貸利率及負(fù)債的賬面價值估計出公司股權(quán)的市場價值及其
波動性。
另一方面根據(jù)公司的負(fù)債計算出公司的違約實行點(defaultexercisepoint,為公司
1年以下短期債務(wù)的價值加上未清償長期債務(wù)賬面價值的一半),計算借款人的違約距離。
最后,根據(jù)公司的違約距離與預(yù)期違約率(EDF)之間的相應(yīng)關(guān)系,求出公司的預(yù)期違約
率。
3.基于KMV模型違約概率的估計
盼望違約頻率EDF(TU)的估計歸結(jié)為資產(chǎn)價值未來分布的求解,則需要用到Vasice
k-Kea1h。fer(VK)模型。VK模型發(fā)展了Merton的期權(quán)定價模型并將其運用于信用風(fēng)
險的評估,是KMV模型EDF(TM)計量的基礎(chǔ)模型。
所有者權(quán)益可以當(dāng)作是?個看漲期權(quán),期權(quán)的標(biāo)的資產(chǎn)是該公司資產(chǎn),執(zhí)行價格為該公
司負(fù)債,也即當(dāng)資產(chǎn)小于負(fù)債,所有者權(quán)益為零,而當(dāng)資產(chǎn)大于負(fù)債,所有者權(quán)益等于資產(chǎn)減
去負(fù)債。
由于?需要使用股票價格,所以KMV重要用來計算上市公司的違約概率。
KMV模型定義違約舉例(Distance-to-Default)
E(%)-DPT
DD=—-------
0A
LTD
其中,E(V])是公司資產(chǎn)盼望價值,。A表達(dá)方差,DPT代表違約點,DPT=STD+/2,
STD表達(dá)公司的短期債務(wù),LTD表達(dá)公司長期債務(wù)。
4.優(yōu)點與缺陷
KMV模型的優(yōu)點非常突出:
(1)基于股票市場數(shù)據(jù),反映了是擦汗功能對于公司的結(jié)識信息,更能反映公司當(dāng)前的
違約狀況,預(yù)測能力更強(qiáng)、更準(zhǔn)確;
(2)建立在期權(quán)理論上的結(jié)構(gòu)性模型,得出的EDF具有較強(qiáng)的說服力;
(3)連續(xù)變化的、迅速有效的違約概率計算和信用等級評估,這一點是所有基于財務(wù)報
表的模型所無法比擬的。
KMV模型的缺陷:
(1)具有Morton模型的所有缺陷,涉及假定公司資產(chǎn)市值符合集合布朗運動假設(shè)、
違約發(fā)生到期假設(shè)、簡樸的債務(wù)結(jié)構(gòu)假設(shè)、公司資產(chǎn)流動性問題,以及違約觸發(fā)問
題;
(2)基于股票市場數(shù)據(jù)來估計資產(chǎn)市值分布,也帶來很多問題。例如股票市場是完全有
效市場嗎?市場信息永遠(yuǎn)標(biāo)準(zhǔn)嗎?假如股價沒能反映上市公司的實際情況,KMV
模型的基礎(chǔ)就倒塌了。運用股價計算資產(chǎn)價格,股票價格時刻在變,資產(chǎn)價格也時
刻在變嗎?此外,股票價格包含了對于公司未來賺錢能力的預(yù)期。
(3)假如不是上市公司,沒有股票價格怎么辦?當(dāng)然,KMV提供了一個私人公司
(PrivateCompany)的解決方案,在一定限度I:可以解決這個問題。
5.參考資料
【美】克里斯莫里森著湯大馬李松翻譯《金融風(fēng)險度量概論》,清華大學(xué)出版
社,2023
國信證券研發(fā)資料《KMV模型在公司債券市場的應(yīng)用》
(三)信用計量模型(CreditMetrics)
1.CreditMetrics模型的基本思想
CrcditMetrics模型的基本思想重要涉及:
(1)信用風(fēng)險取決于債務(wù)人的信用狀況,而公司的信用狀況由被評估的信用等級表達(dá),即模
型是離散的。CreditMetrics假定在同一信用級別中的債務(wù)人具有完全相同的轉(zhuǎn)移矩陣
和違約概率,世紀(jì)違約率等于歷史記錄平均的違約率。同時,假定信用評級體系是有效的,
即公司投資失敗、利澗下降、融資渠道枯竭等信用時間對其還款履約能力的影響都能及
時恰本地通過其信用等級的變化而表現(xiàn)出來。CreditMetric模型的基本風(fēng)險計量方
法就是對信用等級的變化進(jìn)行分析,信用等級的變化通過評級公司的信用級別轉(zhuǎn)移概率
絕陣表達(dá),這也是該模型重:要的輸入數(shù)據(jù)。
(2)CreditMetrics采用盯市方法(MarktoMarket)來計算信用風(fēng)險價值,信用產(chǎn)品
的市場價值取決于債務(wù)發(fā)行公司的信用等級,即不同信用等級的信用產(chǎn)品有不同的市場
價值,因此,信用等級的變化會帶來信用產(chǎn)品價值的相應(yīng)變化。根據(jù)轉(zhuǎn)換絕陣所提供的
信用產(chǎn)品等級變化的概率分布,同時根據(jù)不同信用等級下給定的收益率就可以計算該信
用產(chǎn)品在個信用等級下的市場價值,從而得到該信用產(chǎn)品市場價值在不同信用風(fēng)險狀態(tài)
下的概率分布,這樣就可以在擬定的置信水平上找到該資產(chǎn)的風(fēng)險價值,從而將VaR的
方法引入到信用風(fēng)險管理中來。
(3)從資產(chǎn)組合而不是單一資產(chǎn)角度來看待信用風(fēng)險。根據(jù)資產(chǎn)組合管理理論,多樣化的子
和投資具有減少非系統(tǒng)風(fēng)險的作用,信用風(fēng)險很大限度上是一種非系統(tǒng)性風(fēng)險,因此,
在很大限度上能被多樣性的組合投資所減少。此外,由于經(jīng)濟(jì)體系中共同的因素的作用,
不同信用產(chǎn)品的信用狀況之間存在互相聯(lián)系,由此而產(chǎn)生的系統(tǒng)性風(fēng)險是不能被分散的。
CreditMetries模型運用資產(chǎn)回報率的聯(lián)合分布來估計所有債務(wù)人兩兩之間信用變
化的相關(guān)系數(shù),而資產(chǎn)回報率的聯(lián)合分布則用股價收益率的分布來替代。
(4)將單一的信用產(chǎn)品放入資產(chǎn)組合中橫梁其對整個組合風(fēng)向狀況的作用,而不是孤立地衡
量某一信用產(chǎn)品自身的風(fēng)險,CreditMetries模型使用信用產(chǎn)品邊際風(fēng)險奉獻(xiàn)這樣
的概念來反映單一信用產(chǎn)品對整個組合風(fēng)險狀況的伶用。邊際風(fēng)險奉獻(xiàn)是指在組合中因
增長某一信用產(chǎn)品的一定持有量而增長的整個組合的風(fēng)險。通過對比組合中的各信用產(chǎn)
品的邊際風(fēng)險奉獻(xiàn),進(jìn)而分析信用產(chǎn)品的信用等級、與其他資產(chǎn)的相關(guān)系數(shù)以及其風(fēng)險
暴露限度等各方面因素,可以很清楚地看出各種信用產(chǎn)品在整個組合的信用風(fēng)險中的作
用,最終為投資者的信貸決策提供科學(xué)的量化依據(jù)。
2.CreditMetrics模型的基本框架
(1)CreditMetrics模型重要涉及:
敞口(內(nèi)部頭寸)
信用事件所導(dǎo)致的價值波動
相關(guān)限度
(2)計算流程:
(2-1)設(shè)定風(fēng)險期限長度,通常為1年
(2-2)設(shè)定信用評級系統(tǒng),為每一個債務(wù)人擬定信用評級
(2-3)設(shè)定信用評級轉(zhuǎn)移矩陣,轉(zhuǎn)移矩陣給出了債務(wù)人在風(fēng)險期內(nèi)從當(dāng)前評級狀態(tài)轉(zhuǎn)移到
其他所有評級狀態(tài)的概率
(2-4)設(shè)定信用利差溢價,等于當(dāng)前債券價格與同期無風(fēng)險利差之間的差,以計算債務(wù)在
不同評級時的現(xiàn)值
(2-5)擬定債券的LGD
(2-6)若不考慮相關(guān)性,加總按上述環(huán)節(jié)計算出所有債權(quán)價值分布,即得信用組合的價值
分布
(2-7)考慮相關(guān)性,估計資產(chǎn)之間的相關(guān)性
(2-8)估計資產(chǎn)之間兩和違約概率和聯(lián)合轉(zhuǎn)移概率,計算信用資產(chǎn)組合的VaR
(3)注意:
(3-1)在信用評級的變化之間也許會存在正的相關(guān)性。例如,經(jīng)濟(jì)環(huán)境總體上升,也許會導(dǎo)
致在這些年年末最初的評級為BBB和A的債券的評級都會上升。然而由于有一些
評級的變化在過去并不是經(jīng)常發(fā)生的,比如說一個最初評級為AAA或者BBB的債券
在1年內(nèi)便違約債券的也許性,因此這些相關(guān)系數(shù)的計算也許會促怎奈很大的不擬定
性。
(3-2)要任意選擇一個風(fēng)險時期,通常是1年,這樣獲得數(shù)據(jù)會具有可行性。
(3-3)當(dāng)債券的信用評級發(fā)生變化時,如何衡量這個債券價值的潛在變化。
3.單筆債務(wù)C-VaR的估計
3-1方法
假設(shè)可以獲得足夠數(shù)據(jù)的前提下,集中研究如何計算C-VaR。
注意:
度量一個C級債券的信用風(fēng)風(fēng)險的方法不適合衡量。級公司的銀行貸款的信用風(fēng)險。由
于債券的評級衡量的是這個C級公司的整體表現(xiàn),但是銀行貸款的信用風(fēng)險卻還要取決于貸
款抵押品等因素。
(1)準(zhǔn)備
假設(shè)使用標(biāo)準(zhǔn)差來準(zhǔn)確描述C-VaRo假設(shè)一個現(xiàn)在為B級的債券在第1年后只也許出現(xiàn)
三種狀態(tài)中的一種:這個債券的評級也許變化為A、違約或B,這三種情況的概率一致,用p,
表達(dá)。假設(shè)在這幾種不同狀態(tài)下年末債券的價值為匕。那么這份債券按得預(yù)期價值和標(biāo)準(zhǔn)
差(在第1年的年末)將分別為:
匕”=XPM
/=!
%=2?(匕一匕『=JSPM,一(匕〃r
V/=iI/=1
標(biāo)準(zhǔn)差對于這個債券在?年內(nèi)的信用風(fēng)險提供了?個度量(雖然在一定限度上來說是一個比
較粗略的量度)。不幸,不能認(rèn)為對于債券來說5%的分位點上的C-VaR的值是匕16/,,
由于信用風(fēng)險并不是正態(tài)分布的,然而每年的變化在一定限度上預(yù)示著信用風(fēng)險變化的
趨勢,由于在尾部的分布也許并不會發(fā)生主線性的變化,變化完全獨立于的變化。
(2)轉(zhuǎn)移和估值
為了計算相對簡化,假設(shè)只有三種也許的狀態(tài):A,E和違約D。
假設(shè)金融機(jī)構(gòu)持持有的是優(yōu)先償還債券,現(xiàn)在的息票利率是6%,距到期日尚有7年,并且
是一個現(xiàn)在的評級為A的債券。衡量信用風(fēng)險的時期是從現(xiàn)在開始到1年以后。用歷史數(shù)
據(jù)分別計算這個原本為A級的債券在未來1年里保持在A級或變?yōu)锽級或違約的比例。例
如在一個2023的期限內(nèi)通過每年得到1000個觀測數(shù)據(jù)的樣本,發(fā)現(xiàn)這個為A級的債券繼續(xù)
保持A級的比例大約是92%,變?yōu)锽級的比例大約為7%.而違約的比例大約為樣本的1%。
轉(zhuǎn)移矩陣(單一證券)
初始評級概率:年末的評級總和
ABD
A
PA.A=092PA.AB=007PA.D=001
1
明顯,最具有劫難性的事件是直接違約。然而,即使在這種情況下,投資者也能通過變賣公司
的資產(chǎn)來得到?定的支付,這些支付的多少重要取決于債券的優(yōu)先等級,關(guān)于“誰會得到什
么,以及以什么順序得到”的問題都會在債券條款中明確規(guī)定(即某種特定債券的基本法律
條件)。
違約后的回收率(用面值的比例計算)
優(yōu)先級別平均值標(biāo)準(zhǔn)差
優(yōu)先抵押5327
優(yōu)先無抵押5125
優(yōu)先次級3824
次級3320
低檔次級1711
上表給出了回收率的數(shù)字,表白優(yōu)先抵押債券的平均回收率是54%,而低檔次級債券的
回收率只有17%。還要注意到在這些平均的回收率之間存在著很大的不擬定性,這從標(biāo)準(zhǔn)
差可以看出(一般用它來描述C-VaR)。例如,假如一個最初評級為A的債券是從優(yōu)先未
抵押債券,那么它的回收率只有它的面值(假設(shè)是100美元)的51%.因此回收值是
匕。=51美元(每100美元的面值)。此外值得注意的是,尚有一些研究發(fā)現(xiàn)尚有一些回收
率可以高達(dá)80%,這乂一次說明了這些估計值存在極大的不擬定性。
第1年末債券的市場價值是它的未來息票流以及到期價值的現(xiàn)值。對于一個A級的債
券由一系列的遠(yuǎn)期利率(可以通過現(xiàn)在的公司債券即期利率計算得到)可供應(yīng)用。這些遠(yuǎn)期利
率可以看作是市場對于未來的即期利率的最佳預(yù)測(假設(shè)預(yù)期理論成立).下表給出了A級和
B級債券的情況。對于A級債券來說,遠(yuǎn)期利率要低于B級債券,這反映了A級債券的信用風(fēng)
險要比B級債券的信用風(fēng)驗小。
1年遠(yuǎn)期零息債券的曲線
fn7.4
信用評級工3
A3.74.34.9
B6.07.08.0
最初為A級的債券距到期日的時間是7年,假如假設(shè)這個A級債券保持為A,那么在第
1年末價值是多少?假設(shè)這個債券在第1年末支付6%的息票,此外尚有6次相同的息票支付
以及在到期日支付的面值100美元:
6美元6美元6美元100+6美元
V..=6美兀+-----+-----+------+---+------—
,1.0371.04321.04927(1+3)
其中,折現(xiàn)利率是工2=。937,力3=SM3等。然而,假如假定它的評級變化為B,那么價值就
會隨之變化為
匕廣6美元+警+里+冬+???+1()()+6美元
481.061.0721.082(l+f.7)2
其中所使用的利率是針對B級債券的利率假如債券的評級從A變化到B,那么價值將會下降,
由丁在計算PV的公式中使用了更高的利率折現(xiàn)因子。通過上面的假設(shè)計算得出:
匕八=109美元,VAB=107美元
⑶C-VaR的計算
單一債券
對于最初評級為A的做券,可以得到它的評級變化的概率/%以及在年末與之相關(guān)的債
券的數(shù)據(jù)就可以得到每種債券都不改變它們各自評及的概率(在這一年結(jié)束的時候)為:
評級轉(zhuǎn)移矩陣:/%(%)
年末評級
初始評級ABC合計
A9271100
B390710()
C00100100
注:假如信用評級從違約等級開始的話,便到其他評級的也許性是零,維持違約登記的概率是
100%,
最初評級為A的債券還維持在評級為A并且同時最初評級為B的債券還維持在評級為B
的聯(lián)合概率=評級為A的債券維持在評級為A的概率大評級為B的債券維持在評級為B
的概率
0.828=0.92*0.90
假如把評級為A的債券記為債券1,那么對/=1,2,3資格三種狀態(tài),評級轉(zhuǎn)移概率可以
表達(dá)為P,j=1,2,3)。類似,把評級為B的債券記為債券2,那么用p2j(j=1,2,3)來表達(dá)
評級轉(zhuǎn)移概率。假設(shè)信用等級的變化之間相關(guān)系數(shù)為零,那么其他的聯(lián)合概率分布同樣可以
計算出來,并且把結(jié)果列在下表,其中假設(shè)各種也許出現(xiàn)的評級變化之間的相關(guān)系數(shù)為零。
因此在中間的那個3*3矩陣中數(shù)據(jù)就是在相應(yīng)的行和相應(yīng)的列中的數(shù)字的簡樸乘積。例如,
在年末,兩種債券都處在違約等級的聯(lián)合概率為433=/%X〃23=1%X7%=().()7%。
聯(lián)合概率分布:A(%)
債務(wù)人(初始A級)債務(wù)人2(初始B級)
ABC
P21=PA,B=3P22=PB.B=90〃23=Pli,D=7
2.7682.86.44
AP11=PA,A=92
0.21630.49
BPi\~PA,H=/
0.030.90.07
CP31~PA.C~1
注:在中間這個3?3的矩陣中.所有聯(lián)合概率之和為1,并且聯(lián)合的信用的轉(zhuǎn)移概率為4狀=X“2/1其中.1代表
最初信用等級為A的債務(wù)人,2代表最初信用等級為B的債務(wù)人)。假設(shè)概率是互相獨立的,因此對于最下面的?行右端的情況
來說:乃33=〃13*〃23=0-07%5對每個概率都進(jìn)行記錄。最左端的數(shù)字等于這一行的數(shù)字的加總(例如,92=2.76
+82.8+6.44),頂端的數(shù)字等于?這一列的數(shù)字的加總(例如,3=2.76+0.21+0.03),
聯(lián)合概率分布的重要特點:
①最也許出現(xiàn)的狀態(tài)是每種證券都維持在最初的評級上(債券1維持評級為A
以及債券2維持評級為B,乃[2=PwxP22=PA.AxPB.B=82.8%)。
②變化后的評級偏離最初的評級越大,發(fā)生這種變化的也許性越小。
③每一行或者每一列的總和等于每種債務(wù)單獨存在時發(fā)生變化的概率。例如,
第3列的總和一定等于〃23=7%,也就是單獨考慮債務(wù)(最初評級為B)時,
它的違約(狀態(tài)3)的概率。
標(biāo)準(zhǔn)差
現(xiàn)在研究如何衡量有兩種債券組成的投資組合的C-VaR,這種情況下對于平均值和標(biāo)準(zhǔn)
差計算的節(jié)能方法與單一債券的方法相同,區(qū)別僅僅在于出現(xiàn)了9種也許的結(jié)果。因此公式
相應(yīng)的變化為
4”£為匕尸203.29美元
£(%匕)一匕;%=13.49美元
j.;=i_
其中,得指的是聯(lián)合概率分布,是在年末幾種也許出現(xiàn)的狀態(tài)相關(guān)的投資組合的價值。
注意這個聯(lián)合概率分布勺不同于轉(zhuǎn)移概率(例如乃3二凡2等),只是與它有一定的相關(guān)性。
投資組合價值的平均值為匕“=t%Mj=203.29美元,通過把債券A和B在單獨考慮
/?>=!
時的價值直接的加總得到匕“=匕+匕“不。但是投資組合的方差=13.49美元小于
兩個債券單獨的標(biāo)準(zhǔn)差的總和+%”=5.78+12.19=17.97美元,因素在于投資組合
具有一定的分散效果。
(4-分位點水平
用匕”來粗略地刻畫投資組合的C-VaR,然而,假如分布不是正態(tài)的,那么運用分位點來
衡量C-VaR也許是更好的方法,通常在CreditMetrics中使用的是1%的分位點。計算一些
特定的投資組合的價值,因此所有小于這個值得價值出現(xiàn)的也許性總和等于1%。原則上,
把“年末也許出現(xiàn)的價值(兩種債券)”表中的匕.8的價值從低到高進(jìn)行排序,聯(lián)合概率進(jìn)行
加總,直到達(dá)成1%。
VA+B={102美元,149美元,158美元,…,217美元}
乃.={0.07,0.9,0.49,0.03,???,2.76}
因此,在最近于1%的臨界點得到的價值是149美元,這時的C-VaR是54.29
美元(=匕“-149美元=203.29美元-149美元)。注意衡量C-VaR時進(jìn)行比較的是
在在年末的盼望價值而不是在t=0時可得最初的價值。知道債券的最初的評級,然后再來
計算C?vaR:
信用評級的轉(zhuǎn)移矩陣;
債務(wù)人(債券)違約時的價值(這重要取決于債券的優(yōu)先等級)
在任何一個新的信用評級之下債券的價值(其中具有息票支付的債券要通過相對于新的
信用評級的1年期的緣起利率來重新進(jìn)行估值);
或者可以計算年末的投資組合的標(biāo)準(zhǔn)差,或者是應(yīng)用一個特定的分位點水平。
丫-胃%=13.49美元
對于r.\/pR的標(biāo)準(zhǔn)美或者公待占
3-2.基于CreditMetrics模型的信貸資產(chǎn)風(fēng)險值的計算實例(供參考)
單一貸款或債券情況下的信用風(fēng)險估值運用上述Credit.Metries模型方法計算單一
情況下的信貸資產(chǎn)的風(fēng)險值。下面以一筆年利率為6%,金額為10000元,期限為5年,高
級未擔(dān)保的BBB級不可提前償還的中長期貸款為例來計算CreditMetrics模型的信貸
資產(chǎn)風(fēng)險值。
第一步,確立轉(zhuǎn)移矩陣。轉(zhuǎn)移矩陣意味著一年內(nèi)從一個信用等級轉(zhuǎn)變?yōu)榱硪粋€信川等級
的概率,穆迪和標(biāo)準(zhǔn)普爾等級均有這樣的數(shù)據(jù)積累(見表1)。
表1不同級別客戶一年期信用轉(zhuǎn)移矩陣(%)
始評級年末評級
AAAAAABBBBBBCCC違約
AAA90.818.330.680.060.120.000.000.00
AA0.7090.657.790.640.060.140.020.00
A0.092.2791.055.520.740.260.010.06
BBB0.020.335.9586.935.301.170.120.18
B+0.030.140.677.7380.538.841.001.06
B0.000.110.240.436.4883.464.075.20
CCC0.220.000.221.302.3811.2464.8619.79
與一年期轉(zhuǎn)移矩陣相相應(yīng),尚有數(shù)年期累計平均違約率記錄數(shù)據(jù)(見表2)
表2不同級別客戶數(shù)年累計平均違約率(%)
期限1234571015
AAA0.000.000.070.150.240.661.401.40
AA0.000.020.120.250.430.891.291.48
A0.060.160.270.440.671.122.173.00
BBB0.180.440.721.271.782.994.344.70
BB1.063.486.128.6810.9714.4617.7319.91
B5.2011.0015.9519.421.8825.1429.0230.65
CCC19.7926.9231.6335.9740.1542.6445.145.10
第二步,確立時間段。CreditMetrics模型中時間選取通常定為一年,這是出于會計
數(shù)據(jù)和財務(wù)報告得到的頻率而定的。
第三步,確立遠(yuǎn)期定價模型。信貸資產(chǎn)的估計可以從與貸款發(fā)行方評級相應(yīng)的信貸資產(chǎn)
得出。每個信用級別一年遠(yuǎn)期零曲線見表3。
表3每個信用等級的一年遠(yuǎn)期零曲線冊)
范疇一年二年三年四年
AAA3.64.174.735.12
AA6.654.224.785.17
A3.724.324.935.32
BBB4.14.675.255.63
BB5.556.026.787.27
B6.057.028.038.52
CCC15.0315.0514.0313.52
假如一年后借款人仍是BBB級,一年后的信貸資產(chǎn)價格為:
T/DDax600600
R=(1+。-。41。)1(1卜0.0467)2鬲—死簫=10.75309
(元)。
假如對每一級別反復(fù)同樣計算,可以得到一年后不同級別貸款的價值,見表4。
表4各信用級別的一年遠(yuǎn)期價值
年末評級價值
AAA10935.29
AA10917.24
A10864.3
BBB10753.09
BB10200.64
B9808.59
CCC8362.34
違約5113
第四步,得出將來組合價值變化的分布。假如發(fā)生違約,根據(jù)優(yōu)先償還限度,投資者可以
得到部分清償,本例題中,高級末擔(dān)保貸款的清償率約為51.13%,10000元的清償額為51
13美元。信貸資產(chǎn)質(zhì)量變化產(chǎn)生的一年期的債券價值變化的分布(見表5)。
表5一年后該筆貸款的價值及變化
年末評級評級變化的概率p(%)貸款價值(元)價值變化AV
AAA0.0210935.29182.2
AA0.3310917.24164.15
A5.9510864.3111.21
BBB86.9310753.090
BB5.310200.64-552.45
B1.179808.59-944.5
CCC0.128362.34-2390.75
違約0.185113-5640.09
假設(shè)該筆BBB級貸款吩值V服從正態(tài)分布,設(shè)貸款價值的均值為\mu,標(biāo)準(zhǔn)差為。,則:
□BBB=£P(guān)iVi=0.02%xl0935.29+0.33%xl0917.24+5.95%x10864.30+86.93
(元)。
=£9(%—
=0.02%X(10.935.29-10.706.93)2+0.33%X(10917.24-10706.93)2+86.93%X(10753.09-10706
U8Bb=299.05
我們可得出888貸款的價值表,見表6。
表6該筆貸款的信用風(fēng)險估值計算表
第一年末信用評級貸款價值概率、加權(quán)價價值與均值的偏概率加權(quán)的偏
信用評級概率閭(元)值阮)離(元)離的平方
AAA0.0210935.292228.3610.43
AA0.3310917.2436210.31145.6
A5.9510864.3646157.371473.54
BBB86.9310753.09934846.161852.26
BB5.310200.64541-506.2913585.47
B1.179808.59115-898.349442.07
CCC0.128362.3410-2344.596596.52
違約0.1851139-5593.9356325.7
因此,在正態(tài)分布下,該筆BBB級貸款的信用風(fēng)險估值如下:
99%置信度的VaR=2.33\times299=697(元)
95%置信度的VaR=L65\times299=493(元)
計算結(jié)果表白,在貸款價值為正態(tài)分布的假設(shè)條件下,該筆貸款有1%的也許性在次年的
損失超過697元,有5%的也許性在次年的損失超過493元。反過來說,該筆貸款在次年的
損失有99%的也許性保證不超過697元,有95%的也許性保證不超過493元。
4.資產(chǎn)組合C-VaR的估計
在計算信用資產(chǎn)組合的VaR時,由于考慮相關(guān)性而有所不同,CreditMetrics采用
Merton的期權(quán)定價方法,一方面估計不同債務(wù)人之間股票收益率的相關(guān)系數(shù),然后根據(jù)股
票收益率的聯(lián)合分布來推導(dǎo)信用質(zhì)量變化的相關(guān)系數(shù)。
為簡樸起見,假設(shè)一個戡行的公司貸款或債券組合只包含兩筆貸款或債券,該組合一筆貸
款或債券如上例所示BBE級貸款,第二筆貸款或債券假設(shè)為A級的貸款。下面以上述兩筆貸
款來計算組合情況下的信用風(fēng)險估值問題。
具體環(huán)節(jié)為:
(1)推導(dǎo)每一個評級分類的資產(chǎn)收益的閾值
(2)估計每對債務(wù)人資產(chǎn)收益之間的相關(guān)性
(3)估算組合價值
(,1)擬定組合未來價值的置佶水平分位數(shù)
5.CreditMetrics模型的重要應(yīng)用:
一是該模型以分析性框架為基礎(chǔ),可計算組合價值的波動率和預(yù)期損失,也可計算組合內(nèi)
債務(wù)人的邊際風(fēng)險奉獻(xiàn)及組合的多樣化效應(yīng)。
二是運用蒙特卡羅模擬方法可以進(jìn)一步估計資產(chǎn)組合的遠(yuǎn)期價值分布,從而擬定信貸資
產(chǎn)的信用風(fēng)險值。
三是CreditMetrics的輸出報告在風(fēng)險管理以及建立對沖策略方面有著非常重要的
應(yīng)用,金融機(jī)構(gòu)可以評估總體的風(fēng)險規(guī)模,針對也許的不利情況設(shè)立相應(yīng)的資本緩沖,以保
證自己可以在遭受不利的信貸事件時還能繼續(xù)生存下去所需的緩沖資本。
6.優(yōu)缺陷
CreditMetrics的重要優(yōu)點:
估計的PD是以每年的評級歷史數(shù)據(jù)進(jìn)行平均記錄,方法較簡樸,只要有若干年份評級
結(jié)果的歷史資料即可計算出各個信用等級的轉(zhuǎn)移概率與PD;
可以對資產(chǎn)組合進(jìn)行VaR分析?,又可以對邊際風(fēng)險進(jìn)行度量。
重要缺陷:
前提假設(shè)與實際不符,如(1)信用等級轉(zhuǎn)移概率遵循一個穩(wěn)定的馬爾科夫過程與現(xiàn)實不
符;(2)信用等級轉(zhuǎn)移概率矩陣的穩(wěn)定性假設(shè)與現(xiàn)實不符;(3)在生成
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 2024版二手房交易定金合同簽訂操作手冊及注意事項3篇
- 2024年度環(huán)境監(jiān)測地形圖測繪與污染源治理合同2篇
- 2024年企業(yè)辦公用品定制與文印服務(wù)合同3篇
- 2024年度財務(wù)顧問財務(wù)顧問專業(yè)培訓(xùn)合同2篇
- 2024年度安全文明外架施工勞務(wù)分包合同3篇
- 2024年度校車買賣合同:C學(xué)校向D汽車銷售公司購買五十臺校車3篇
- 2024年度加工承攬合同工作內(nèi)容與產(chǎn)品質(zhì)量條款3篇
- 2024年度醫(yī)療器械采購與技術(shù)培訓(xùn)服務(wù)合同范本3篇
- 2024年度農(nóng)業(yè)合作社蔬菜水果批發(fā)代理合同2篇
- 2024版單位水電工程節(jié)能改造與運維服務(wù)合同3篇
- 建設(shè)精神病醫(yī)院
- 荒漠區(qū)生態(tài)治理工程(尼龍網(wǎng)沙障、植物固沙)施工方案
- 人教版(2024年新教材)七年級上冊英語各單元語法知識點復(fù)習(xí)提綱
- 陜煤集團(tuán)筆試題庫及答案
- 33 《魚我所欲也》對比閱讀-2024-2025中考語文文言文閱讀專項訓(xùn)練(含答案)
- 2022年國防軍工計量檢定人員考試附有答案
- 民族醫(yī)藥學(xué)概論智慧樹知到期末考試答案章節(jié)答案2024年云南中醫(yī)藥大學(xué)
- (正式版)HGT 22820-2024 化工安全儀表系統(tǒng)工程設(shè)計規(guī)范
- 《中華民族共同體概論》考試復(fù)習(xí)題庫(含答案)
- NB-T 47013.15-2021 承壓設(shè)備無損檢測 第15部分:相控陣超聲檢測
- 復(fù)變函數(shù)論與運算微積智慧樹知到課后章節(jié)答案2023年下哈爾濱工業(yè)大學(xué)(威海)
評論
0/150
提交評論