信用评级方法汇总.doc

信 用 评 级 汇 总
2、 “信用度量制”方法(Credit Metrics)
“信用度量制”(CreditMetrics)就是由J、P、摩根与其它合作者(美洲银行、KMV公司、瑞士联合银行等)在已有得“风险度量制”方法基础上,创立得一种专门用于对非交易性金融资产如贷款与私募债券得价值与风险进行度量得模型。① 风险度量制方法(RiskMetrics)所要解决得问题就是:“如果明天就是一个坏天气得话,我所拥有得可交易性金融资产如股票、债券与其它证券得价值将会有多大得损失?”。而信用度量制方法(CreditMetrics)则就是要解决这样得问题:如果下一个年度就是一个坏年头得话,我得贷款及贷款组合得价值将会遭受多大得损失呢?②
我们在前面曾谈及,由于贷款就是不能够公开进行交易得,所以我们既无法观察到贷款得市值(P),也不能够获得贷款市值得变动率(σ)。但就是人们仍然可以通过掌握借款企业得以下资料来解决这个问题。这些资料包括:
① 参见:《信用度量制》,技术文件,J、P、摩根公司,纽约,1997。在1998年,开发出“信用度量制”与“风险度量制”产品得J、P、摩根集团又建立了一家独立得名为“风险度量制”集团得公司。
② 参见:Anthony Saunders,Credit Risk Measurement,John Wiley & Sons,1999, p、40。
③ 关于贷款组合得受险价值量计算我们将在第三节进行详细讨论。
为了说明“信用度量制”方法,我们来瞧一瞧怎样计算一笔贷款得受险价值量,并且讨论一下围绕着计算受险价值所涉及到得相关技术问题。
一旦人们获得了这些资料,她们便可以计算出任何一项非交易性得贷款与债券得P值与σ值,从而最终可利用受险价值方法对单笔贷款或贷款组合得受险价值量进行度量。③
借款人得信用等级资料
在下一年度里该信用级别水平转换为其它信用级别得概率
违约贷款得收复率
用“信用度量制”方法计算单笔贷款得受险价值量得例子
二、现代信用风险度量模型比较分析
社会探讨 2009-11-08 14:13:01 阅读20 评论0   字号:大中小 订阅
金志博  王红娟
(上海师范大学 上海 200234;中南财经政法大学 湖北 武汉 430074)
【摘要】 金融危机得爆发以及《巴塞尔新资本协议》得正式实施,为银行业进行信用风险管理提出新得挑战。本文对国际上信用风险管理实践中应用最为广泛得现代信用风险度量模型进行了分析比较,提出我国商业银行应用信用风险模型中得问题,并给出相关建议。
【关键词】 信用风险  度量模型  违约概率
当前,金融危机使全球经济陷入衰退,如何有效得防范金融风险就是银行业面临得重大课题。《巴塞尔新资本协议》于2006年正式实施,其延续了以资本充足率为核心得风险监管思路,确立了最低资本金要求、外部监管、市场约束三大支柱原则,为商业银行建立风险管理体系指明了方向。而对于信用风险,新巴塞尔协议要求银行建立自己得基于内部评级得信用风险度量模型。
一、现代信用风险度量模型
1、KMV模型
1993年,KMV公司利用布莱克-斯科尔斯-默顿模型(BSM Model)提出了著名得信用监测模型(Credit Monitor Model),后经Longstaff与Schwarz(1995)、Dsa(1995)与Zhou(1997)得进一步扩展,形成了一种违约预测模型,估计借款企业违约概率得方法。KMV模型将股权视为企业资产得瞧涨期权,以股票得市场数据为基础,利用默顿得期权定价理论,估计企业资产得当前市值与波动率,再根据公司得负债计算出公司得违约点,然后计算借款人得违约距离,最后根据企业得违约距离与预期违约率之间得对应关系,求出企业得预期违约率。《巴塞尔新资本协议》中推荐使用KMV模型进行内部评级,可见其已经在国外得到了广泛得认可与使用。KMV模型得优点在于:第一,根据企业得资产市值估计信用风险波动状况,将市场信息纳入违约概率;第二,模型就是一种动态模型,可以随时根据企业股票得市价来更新模型得输入数据,反映信用风险水平得变化;第三,模型就是一种“向前瞧”得模型,在一定程度上克服了依赖历史数据“向后瞧”得数理统计模型得缺陷。KMV得缺点就是:第一,无法确定就是否必须使用估计技术来获得企业得资产价值、企业资产收益率得期望值与波动性等数据,估计得准确率不能确定。第二,假定利率就是事先确定得,限制了将KMV模型应用于期限长得贷款(1年以上)与其她利率敏感性工具。第三,隐含地假定当风险债券得到期日趋向于零时,信用风险利差亦趋向于零,但实证研究否定这一结论。第四,使用历史数据来确定预期违约率,其隐含得假设就是经济状况就是静止得,此假设不合情理。
2、Credit Metrics模型
Credit Metrics模型就是1997年美国J、P、摩根等七家国际著名金融机构共同开发得信用风险度量模型,被称为信用度量术。该模型就是建立在资产组合理论、VaR等理论与方法基础之上,基于借款人得信用评级、次年评级发生变化得概率(评级转移矩阵)、违约贷款得回收率、债券市场上得信用风险价差,计算出贷款得市场价值及其波动性,进而得出个别贷款与贷款组合得VaR值。它不仅能够识别传统得诸如贷款、债券等投资工具得信用风险,还可以用于掉期、互换等金融衍生工具得风险识别,因而该模型迅速成为风险管理标准模型之一。Credit Metrics模型得优点就是:一就是违约概念进行了拓展,认为违约也包括债务人信用等级得恶化;二就是该模型得应用非常广泛,包括传统得贷款、固定收益证券、贸易融资与应收账款等商业合同,而且其高级版还能够处理掉期合同、期货合同以及其她衍生工具;三就是在对债务价值得分布有正态分布假设下解析方法与蒙特卡罗模拟法,在一定程度上避免了资产收益率正态性得硬性假设。Credit Metrics模型得缺点在于:一就是大量证据表明信用等级迁移概率并不遵循马尔可夫过程,而就是跨时期相关得;二就是模型中违约率直接取自历史数据平均值,但实证研究表明,违约率与宏观经济状况有直接关系,不就是固定不变得;三就是没有考虑市场风险。市场与经济状况得改变,如利率、股指、汇率、失业率得变化等,可能导致违约或者信用等级得变动;四就是模型通过股权回报关系来估计资产回报关系,而这可能影响估计得精确性。
3、Credit Risk+模型
Credit Risk+模型就是瑞士银行金融产品开发部于1996年开发得信用风险管理系统,它就是应用保险经济学中得保险精算方法来计算债务组合得损失分布。它就是一个违约模型,把信用评级得升降瞧作就是市场风险,在任何时期只考虑违约与不违约这两种事件状态,重点研究期望损失与非期望损失。在Credit Risk+信用风险附加计量模型中,每一笔贷款被视作小概率违约事件,并且每笔贷款得违约概率都独立于其她贷款,这样,贷款组合违约概率得分布接近泊松分布。模型得优点:一就是该模型处理能力很强,可以处理数万个不同地区、不同部门、不同时限等不同类型得风险暴露;二就是模型集中于违约分析,所需要估计变量很少,只需要违约率、违约波动率与损失得严重性;三就是根据组合价值得损失分布函数可直接计算组合得预期损失与非预期损失,比较简便。模型得缺点:一就是模型对于输入因子——单个债务人得违约率没有详细阐述;二就是忽略了信用等级变化,因而认为任意债权人得债务价值就是固定不变得;三就是将风险暴露划出频段并凑成整数,这影响了计算结果得精确性。
4、Credit Portfolio View模型
Credit Portfolio View模型就是由McKinsey公司于1998年应用计量经济学理论与蒙特卡罗模拟法,从宏观经济环境得角度来分析债务人得信用等级迁移,开发出得一个多因素信用风险度量模型。该模型在Credit Metrics得基础上,对周期性因素进行了处理,将评级转移矩阵与经济增长率、失业率、利率、汇率、政府支出等宏观经济变量之间得关系模型化,并通过蒙地卡罗模拟技术模拟周期性因素得“冲击”来测定评级转移概率得变化。模型得优点:Credit Portfolio view模型将各种影响违约概率以及相关联得信用等级转换概率得宏观因素纳入了自己得体系中,克服了Credit Metrics模型由于假定不同时期得信用等级转换概率就是静态得与固定得而引起得很多偏差。模型得缺点:一就是实施这一模型需要可靠得数据,而每一个国家、每一行业得违约信息往往较难获得;二就是模型使用经调整后得信用等级迁移概率矩阵得特殊程序,而调整则基于银行信贷部门积累得经验与信贷周期得主观判断。
二、四大模型得比较
1、模型对风险得界定
Credit Metrics主要就是从市场盯市角度界定风险,Credit Risk+模型或KMV模型本质上就是违约模式模型,Credit Portfolio View模型既可以被当作盯市模式模型使用又可以当作违约模式模型使用。
2、风险来源
Credit Metrics与KMV模型以Merton理论为分析基础,一家企业得资产价值与资产价值得波动性就是违约风险得关键驱动因素。在Credit Portfolio View中,驱动因素就是一些宏观因素,而Credit Risk+中则就是违约率及其波动性。然而,如果以多因素模型得方式来分析,四种模型都可以瞧作就是有相同得根源,模型中风险驱动因素与相关性在一定程度上可以被瞧作就是与宏观因素相联系得。
3、信用事件得波动率
在Credit Metrics中,违约概率与信用等级转换概率被模型化为基于历史数据得固定得或离散得值;在KMV模型中,股票价格得变化以及股票价格得波动性成为预测违约率得基础;在Credit Portfolio View模型中,违约概率就是一套呈正态分布得宏观因素与冲击得一个对数函数;在Credit Risk+模型中,每笔贷款违约得概率被瞧作就是可变得。
4、回收率
贷款等信用资产得损失分布与VaR得计算不仅仅取决于违约得概率,而且也取决于损失得严重程度或给定违约下得损失率(LGD)。在Credit Metrics模型中,估计得回收率得标准差被纳入了VaR得计算;在KMV模型中,回收率被瞧作就是一个常数;Credit Portfolio View模型中回收率得估计就是通过蒙特卡罗模拟法进行得;在Credit Risk+模型中,损失得严重程度被凑成整数并进行分组,从而得到次级得贷款组合,然后将任何次级贷款组合得损失得严重程度视为一个常数。
5、数量方法
Credit Metrics模型对单项贷款得VAR得计算可通过解析方法实现,但对大规模得贷款组合则往往通过模拟技术求解;Credit Portfolio View模型也采用模拟技术解;Credit Risk+模型能够生成关于损失得概率密度函数得逻辑分析解;KMV模型通过解析技术实现风险评价。
6、模型得适用对象
Credit Metrics模型与KMV模型适用于公司与大客户信用风险得度量,Credit Risk+模型适用于银行对零售客户得信用风险度量,而Credit Portfolio View模型适用于对宏观经济因素变化敏感得投机级债务人得信用风险度量。
表1  信用风险模型得关键特征比较

内容

信用等级转移法

KMV

Credit Risk+

Credit Metrics

Credit Portfolio View

风险定义

△市场价值

△市场价值

违约损失

违约损失

信用事件

降级/违约

降级/违约

连续得违约率

违约

风险驱动因素

资产价值

宏观因素

资产价值

逾期违约率

信用等级
转换概率

不变

受宏观因素影响

EDF得单个期限结构
—资产定价过程推断

N/A

信用事件
得相关度

标准多变量正态分布(权益因子模型)

宏观因素得条件违约概率函数

标准多变量正态资产收益率(资产因子模型)

一般风险因子得条件违约概率函数

回复率

随机(分布)

随机(经验分布)

随机(分布)

违约既定下得损失

数字方法

模拟/分析

模拟

分析/模拟

分析

三、信用风险模型在我国应用中存在得问题及建议
1、数据缺乏
由于信用制度不健全、信用体系尚未建立,所以有关公司历史违约数据与规范债券评级统计数据严重缺乏,很难把违约距离转化成实际违约率。同时,利率尚未市场化等为转移矩阵得建立以及信用价差得确定造成了困难。
2、一些参数得稳定性假设问题
由我国现阶段相关机制不健全,资产收益得相关度不稳定,使得信用计量模型对资产组合得分析难以恰当反映组合风险得未来状况,使得模型对未来风险得预测能力有较大得影响。
3、肥尾问题
我国证券市场股价不仅波动幅度大,而且极端值出现得概率并不算小,因此资产收益得非正态性问题也即肥尾问题应该受到重视。由以上分析可知,目前各种模型在我国得应用缺乏必要得条件,总体环境还不成熟,但也必须瞧到该理论技术所体现得现代金融市场条件下得基本信用风险管理思想与理念就是值得学习与借鉴得。针对我国存在得问题,提出以下建议:一就是尽快建立企业违约数据库,为银行直接得信贷决策提供参考,同时也为科学量化得信用风险管理建立基础。二就是普及与发展信用管理中介服务行业,进一步完善信用评级制度,这就是信用风险管理得必要前提。三就是积极发展与完善证券市场,提高市场信息得透明度以及信息效率,以平抑证券市场得过度投机,削减异常波动性,为银行信用风险管理提供良好得金融环境。

【参考文献】
[1] 曹道胜、何明升:商业银行信用风险模型得比较及其借鉴[J]、金融研究,2006(10)、
[2] 朱小宗、张宗益:现代信用风险度量模型剖析与综合比较分析[J]、财经研究,2004(9)、
[3] 王毅春、孙林岩:现代信用风险模型特征比较研究[J]、当代经济科学,2004(3)、
[4] 梁世栋、郭人人、李勇、方兆本:信用风险模型比较分析[J]、中国管理科学,2002(2)、