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

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

現(xiàn)代信用風(fēng)險(xiǎn)度量模型金融機(jī)構(gòu)信用管理章前導(dǎo)言金融機(jī)構(gòu)需要建立典型的信用風(fēng)險(xiǎn)組合模型，由于單個(gè)資產(chǎn)間的違約相關(guān)性，組合內(nèi)所有單個(gè)資產(chǎn)的意外損失的加總不等于組合的意外損失，準(zhǔn)確度量組合的信用風(fēng)險(xiǎn)十分重要。近年來(lái)，基于分析模型的資產(chǎn)組合信用風(fēng)險(xiǎn)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(chǎng)的參與者很大程度上依賴(lài)于對(duì)不同風(fēng)險(xiǎn)暴露的信用風(fēng)險(xiǎn)相關(guān)性的估計(jì)。金融監(jiān)管當(dāng)局在實(shí)施新資本協(xié)議時(shí)，為保證監(jiān)管資本與信用風(fēng)險(xiǎn)密切相關(guān)，也對(duì)這些估值表示出濃厚興趣。本章知識(shí)結(jié)構(gòu)圖現(xiàn)代信用風(fēng)險(xiǎn)度量模型經(jīng)典信用評(píng)級(jí)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(xiǎn)度量模型漸進(jìn)單風(fēng)險(xiǎn)因子模型多因素模型信用風(fēng)險(xiǎn)因素模型股票收益的因素模型信用風(fēng)險(xiǎn)的一般因素模型第一節(jié)

經(jīng)典信用評(píng)級(jí)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(píng)級(jí)模型一、Credit

Metrics模型1997年4月初，美國(guó)J.P.摩根財(cái)團(tuán)與德意志摩根建富、美國(guó)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(gè)評(píng)估銀行信貸風(fēng)險(xiǎn)的模型——CreditMetrics模型。這個(gè)模型借助于借款人的信用評(píng)級(jí)、評(píng)級(jí)轉(zhuǎn)移矩陣（歷年評(píng)級(jí)發(fā)生變化的概率）、違約貸款收回率和信用風(fēng)險(xiǎn)價(jià)差，綜合就算出貸款的市場(chǎng)價(jià)值和波動(dòng)性，進(jìn)而個(gè)別貸款和貸款組合的VAR值。第一節(jié)經(jīng)典信用評(píng)級(jí)模型一、Credit

Metrics模型CreditMetrics模型不僅可以對(duì)單個(gè)信用資產(chǎn)風(fēng)險(xiǎn)價(jià)值進(jìn)行計(jì)算，還可以運(yùn)用該模型對(duì)信用資產(chǎn)組合的信用風(fēng)險(xiǎn)進(jìn)行度量。對(duì)于組合信用風(fēng)險(xiǎn)的度量，有兩個(gè)可供選擇的方法。第一種方法是測(cè)算出貸款組合的聯(lián)合信用等級(jí)轉(zhuǎn)換概率，并確定貸款組合在一年期的每一個(gè)可能的聯(lián)合信用等級(jí)轉(zhuǎn)換概率下的貸款價(jià)值量，從而最終求出貸款組合的均值和標(biāo)準(zhǔn)差。第二種方法是通過(guò)求解資產(chǎn)組合方差的標(biāo)準(zhǔn)方式并做適當(dāng)?shù)恼{(diào)整來(lái)最終估計(jì)資產(chǎn)組合的方差和標(biāo)準(zhǔn)差。第一節(jié)經(jīng)典信用評(píng)級(jí)模型一、Credit

Metrics模型模型評(píng)價(jià)CreditMetrics假設(shè)等級(jí)轉(zhuǎn)移概率服從穩(wěn)定的馬爾可夫過(guò)程，但是實(shí)際的歷史數(shù)據(jù)表明，一筆貸款過(guò)去如果發(fā)生過(guò)違約事件，那么它目前等級(jí)下降的概率要比那些沒(méi)有發(fā)生過(guò)違約行為的貸款要高。在計(jì)算貸款或債券的VAR時(shí)，假設(shè)等級(jí)轉(zhuǎn)移概率矩陣是穩(wěn)定的，而實(shí)際上，行業(yè)因素、國(guó)家因素以及商業(yè)周期等因素會(huì)對(duì)等級(jí)轉(zhuǎn)移矩陣產(chǎn)生重要的影響。在生成債券的信用等級(jí)轉(zhuǎn)移概率矩陣時(shí)所使用的債券組合也會(huì)對(duì)矩陣的準(zhǔn)確性產(chǎn)生影響。模型度量信用風(fēng)險(xiǎn)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(píng)級(jí)模型二、KMV模型KMV模型是由KMV公司研究開(kāi)發(fā)的運(yùn)用期權(quán)定價(jià)理論建立起來(lái)的違約預(yù)測(cè)模型。該模型的出發(fā)點(diǎn)是運(yùn)用期權(quán)理論來(lái)估計(jì)違約間距DD（DistancetoDefault），進(jìn)而求出違約的期望頻率值EDF（ExpectedDefaultFrequency）。KMV模型認(rèn)為，實(shí)際違約概率和歷史平均違約概率的差異較大，并且對(duì)相同信用等級(jí)的企業(yè)而言也存在很大差異。第一節(jié)經(jīng)典信用評(píng)級(jí)模型二、KMV模型第一節(jié)經(jīng)典信用評(píng)級(jí)模型二、KMV模型模型研究方法計(jì)算違約間距第一節(jié)經(jīng)典信用評(píng)級(jí)模型二、KMV模型模型研究方法計(jì)算違約概率

第一節(jié)經(jīng)典信用評(píng)級(jí)模型二、KMV模型模型評(píng)價(jià)優(yōu)點(diǎn)：首先，KMV可以充分利用資本市場(chǎng)上的信息，對(duì)所有公開(kāi)上市企業(yè)進(jìn)行信用風(fēng)險(xiǎn)的量化和分析；其次，由于該模型所獲取的數(shù)據(jù)來(lái)自股票市場(chǎng)的資料，其預(yù)測(cè)能力更強(qiáng)、更及時(shí)，也更準(zhǔn)確；再次，KMV模型建立在當(dāng)代公司理財(cái)理論和期權(quán)理論的基礎(chǔ)之上，具有很強(qiáng)的理論基礎(chǔ)做依托。缺陷：首先，由于沒(méi)有公開(kāi)數(shù)據(jù)，對(duì)非上市公司的分析往往要借助一些會(huì)計(jì)信息或其它能夠反映借款企業(yè)特征值的指標(biāo)來(lái)替代模型中一些重要變量，在一定程度上會(huì)降低計(jì)算的準(zhǔn)確性。其次，此類(lèi)模型中沒(méi)有對(duì)公司長(zhǎng)期債務(wù)結(jié)構(gòu)進(jìn)行區(qū)別分析。最后，分析時(shí)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(píng)級(jí)模型三、CreditRisk+模型CreditRisk+是一種典型的違約模型，它對(duì)違約的成因不作任何假設(shè)，認(rèn)為違約是一種隨機(jī)行為，且違約事件彼此獨(dú)立，所以違約事件個(gè)數(shù)服從泊松分布。該模型先用泊松分布刻畫(huà)違約事件個(gè)數(shù)分布，然后通過(guò)頻帶劃分，把違約事件個(gè)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(jì)算貸款組合損失分布，進(jìn)而計(jì)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(jī)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(dú)立。第一節(jié)經(jīng)典信用評(píng)級(jí)模型三、CreditRisk+模型模型研究方法貸款分類(lèi)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(píng)級(jí)模型三、CreditRisk+模型模型評(píng)價(jià)CreditRisk+可以有效地計(jì)量信貸組合的非預(yù)期損失且可提高我國(guó)商業(yè)銀行經(jīng)濟(jì)資本管理效率。CreditRisk+模型在銀行信貸組合信用風(fēng)險(xiǎn)管理方面會(huì)有廣泛的應(yīng)用前景。在使用CreditRisk+模型計(jì)量貸款組合信用風(fēng)險(xiǎn)時(shí)，具有很強(qiáng)的科學(xué)性，而且可以增加CreditRisk+模型計(jì)量信貸組合預(yù)期損失與非預(yù)期損失的準(zhǔn)確性。CreditRisk+模型計(jì)量經(jīng)濟(jì)資本的精確性高度依賴(lài)于貸款違約率、違約損失率數(shù)據(jù)的準(zhǔn)確性，所以銀行應(yīng)該盡快構(gòu)建自己的違約數(shù)據(jù)庫(kù)和信用風(fēng)險(xiǎn)評(píng)價(jià)體系。第一節(jié)經(jīng)典信用評(píng)級(jí)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(dòng)的。但信用等級(jí)較低的債券違約率對(duì)于商業(yè)周期的敏感度很高。且經(jīng)濟(jì)狀態(tài)對(duì)于信用等級(jí)轉(zhuǎn)移概率矩陣的影響很大，經(jīng)濟(jì)衰退期的違約率要比經(jīng)濟(jì)繁榮期的高出許多。麥肯錫咨詢(xún)公司提出了CreditPortfolioView模型。該模型是離散時(shí)間多因素模型，認(rèn)為違約率是宏觀經(jīng)濟(jì)變量（如失業(yè)率、經(jīng)濟(jì)增長(zhǎng)率和利率）的函數(shù)。因此直接對(duì)轉(zhuǎn)移概率與宏觀經(jīng)濟(jì)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(píng)級(jí)模型四、CreditPortfolioView模型模型研究方法違約預(yù)測(cè)模型條件轉(zhuǎn)移概率矩陣第一節(jié)經(jīng)典信用評(píng)級(jí)模型四、CreditPortfolioView模型模型評(píng)價(jià)CreditPortfolioView模型提出了聯(lián)系宏觀經(jīng)濟(jì)變量因素和違約及轉(zhuǎn)移概率的方法。模型的校驗(yàn)必須使用每個(gè)國(guó)家及每個(gè)國(guó)家內(nèi)每個(gè)行業(yè)可靠的違約數(shù)據(jù)。模型的一個(gè)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(jiǎn)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(mén)累積的內(nèi)部專(zhuān)業(yè)知識(shí)及內(nèi)部對(duì)銀行信貸資產(chǎn)組合的評(píng)價(jià)）。第二節(jié)銀行信用組合風(fēng)險(xiǎn)度量模型一、漸進(jìn)單風(fēng)險(xiǎn)因子模型ASRF模型ASRF模型使用閉合逼近法，估計(jì)包括N個(gè)風(fēng)險(xiǎn)暴露的資產(chǎn)組合的違約損失概率分布。近似值的準(zhǔn)確度與資產(chǎn)組合中風(fēng)險(xiǎn)暴露數(shù)目成正比，與最大風(fēng)險(xiǎn)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(xiǎn)度量模型一、漸進(jìn)單風(fēng)險(xiǎn)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(xiǎn)度量模型一、漸進(jìn)單風(fēng)險(xiǎn)因子模型模型評(píng)價(jià)即使模型有詳細(xì)的解釋?zhuān)珹SRF模型的校驗(yàn)誤差仍會(huì)影響組合信用風(fēng)險(xiǎn)的評(píng)估，校驗(yàn)誤差主要是對(duì)風(fēng)險(xiǎn)暴露之間的信用風(fēng)險(xiǎn)相互依賴(lài)性的校驗(yàn)誤差。由于校驗(yàn)誤差發(fā)生于ASRF模型受限情況下，校驗(yàn)誤差獨(dú)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(yàn)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(xiǎn)度量模型二、多因素模型信用風(fēng)險(xiǎn)因素模型（一）門(mén)限模型（二）資產(chǎn)收益模型股票收益的因素模型（一）統(tǒng)計(jì)因素模型（二）宏觀經(jīng)濟(jì)或指數(shù)因素模型（三）基本因素模型信用風(fēng)險(xiǎn)的一般因素模型本章小結(jié)CreditMetrics模型是世界上第一個(gè)評(píng)估銀行信貸風(fēng)險(xiǎn)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(shū)和應(yīng)收賬款以及由市場(chǎng)驅(qū)動(dòng)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(xiǎn)漸進(jìn)單風(fēng)險(xiǎn)因子模型主要是針對(duì)資產(chǎn)組合信用風(fēng)險(xiǎn)的漸進(jìn)單風(fēng)險(xiǎn)因子模型（英文簡(jiǎn)稱(chēng)ASRF）。該模型為新資本協(xié)議內(nèi)部評(píng)級(jí)法提供了理論支持。根據(jù)該模型，每個(gè)風(fēng)險(xiǎn)暴露對(duì)資產(chǎn)組合信用風(fēng)險(xiǎn)價(jià)值升水（對(duì)于一定期限內(nèi)給定概率下最大的違約損失）的貢獻(xiàn)度與其他風(fēng)險(xiǎn)暴露的特征不相關(guān)。關(guān)鍵名詞VAR方法信用風(fēng)險(xiǎn)度量CreditMetrics模型KMV模