全球企业及投资银行业务部风险管理组合

Macroeconomic-basedApproachtoCreditLossForecasting基于宏观经济的信用损失预测方法GCIB-RiskManagementPortfolio全球企业及投资银行业务部风险管理组合,RiskRatingMigration,MacroeconomicIndicatorsconsistentwithCorporateTreasuryloanforecast.增加新的业务、余额变化、期限和其他资金流；与集团司库部的贷款预测相一致Step4:ForecasttheCreditLoss第4步：预测信用损失For“defaulted”loans,apply“SeverityofLoss”assumptions(orLossGivenDefault).对“违约”贷款，应用“损失严重度”假设（或违约损失）Produceaprojectionof“potentialcreditloss”forfuturetime-periods.得出远期“潜在信用损失”的预测值,LossForecastProcess损失预测流程,Step1:EstablishingtheFutureCreditEnvironment第1步：确立远期信用环境Step2:ApplyingtheCreditEnvironmenttotheBanksPortfolio第2步：对银行的信用组合应用信用环境Step3:ForecastingtheBanksCreditQuality第3步：预测银行的信用质量Step4:ForecasttheCreditLoss第4步：预测信用损失,CreditCycleIndex(CCI)信用周期指数(CCI),CCIindicatesthecreditstateofthefinancialmarketasawholeCCI反映金融市场的总体信用状况TheIndexisdesignedtobe:指数的设计原则“Positive”,forgoodtimes,indicatinglowerlevelsofdowngradinganddefaults,andahigherupgradingprobability,thanaverage在景气好的时期，指数为“正”，表明与平均水平相比，信用等级降低和违约处于较低水平，信用等级升高的可能性较高“Negative”,forbadtimes,implyinghigherlevelsofdowngradinganddefaults,andalowerupgradingprobability,thanaverage在景气不好的时期，指数为“负”，表明与平均水平相比，信用等级降低和违约处于较高水平，信用等级升高的可能性较低,WhatistheCCI?什么是CCI？,Howdoweconstructit?如何构造这个指数？,AsimplewaytoconstructtheCCIistocalculatethedefaultprobabilitiesofallcreditratedbonds.计算所有获得信用评级债券的违约概率，是构造CCI的一个简单方法。Highlyratedbondswereexcludedsincetheyhaveverylowdefaultprobabilities.高评级债券的违约概率非常低，因此不包括在内。AnormaldistributiontransformationofUSSpeculativeDefaultProbability,SDP(ratedequaltoorlowerthanMoodysBarating)isused.采用按正态分布形式表示的美国投机级债券的违约概率，简称SDP（等于或低于穆迪的Ba评级）。,Howdowemodelit?如何模拟这个指数？,AsaresultoftheirrelationshiptoSDP,andaftertestingeconomicdata,thefollowingvariablesareincludedintheCCImodel:考虑到这个指数与SDP的关系，在测试经济数据后，CCI模型中包含以下变量：TheGDPGrowthGDP增长Samigrationmatrixalsoknownasatransitionmatrix.可使用信用评级变动法来模拟商业组合的违约行为；变动矩阵也称为变化矩阵。Creditmigrationanalysistriestoanswerquestionslike信用变动分析试图回答以下这类问题-“Whatistheprobabilitythat以下事件的概率是多大.AAratedcompanygetsdowngradedtoAoverthenextyear?AA级公司明年降级为A？.BBBratedcompanydefaultsduringthenext5years?BBB级公司未来5年内违约？-Answer:AllmigrationinformationiscontainedinaTransitionMatrix答案：所有变动信息都报告在变化矩阵内AverageAnnualMoodysMigrationMatrix穆迪的平均年度变动矩阵,85.14%ofBaratedloansremainBa,while1.28%willmigratetothedefaultstateBa级贷款当中，有85.14%依然是Ba级，有1.28%将变动至违约状态,Forillustrativepurposesonly仅用于示意目的,起点状态,目标状态,违约,违约,EconomicIndexBasedMigration基于经济指数的变动,Modifyingtransitionanddefaultprobabilitiesalongthemodeledeconomicscenarios根据模拟的经济情境，修正变动概率和违约概率-AnIndexwhichreflectseconomicperformanceisconstructedsothatavalueof“0”representsaneutraleconomicperformance.(correspondingtomeanassetreturn=0)构造一个反映经济表现的指数，经济表现为中性时这个指数的值为“0”。（对应资产回报率均值=0）-Anaveragetransitionmatrix,correspondingtothe“neutraleconomy”scenariowasconstructed.与所构造的“中性经济”情境相对应的是平均变化矩阵。-Relativetothisaverage,in相对于这个平均值-Goodscenarios:thevalueoftheindexispositive(greaterthanzero)therearemoreupgradesandfewerdefaults.好情境：指数为正值（大于零）；信用升级增加，违约减少。-Badscenarios:thevalueoftheindexisnegative(lessthanzero)therearemoredowngradesandmoredefaults.坏情境：指数为负值（小于零）；信用降级增加，违约增加-Anychangeineconomicindexvaluesreflectschangesinthemeanassetreturnalongthescenarios.经济指数值的任何变化都反映资产回报率情境分布均值的变化。,Whatwewanttodohere我们要达到什么目的,Traditionally,anaverageofhistoricaldatahasbeenusedtoconstructthemigrationmatrix.传统上，使用历史数据的平均值来构造信用评级变动矩阵。Theprocedureoutlinedhereinincorporatesanimportantstepbeyondthis.这里介绍的方法包括一个传统方法里没有的重要步骤。Thelikelihoodofmigrationfromonecreditratingtoanotherisdefinedasafunctionofthestateoftheeconomy,asreflectedbytheCCI.从一个信用评级进入变为另一个信用评级的似然率被定义为CCI所代表的经济状况的函数。,ApproachforCalibratingtheBanksAvg.TransitionMatrix银行平均迁移矩阵的校正方法,Step1第1步,Full-periodBondMatrix全期间债券矩阵,1Q81,TruncatedBondMatrix截断的债券矩阵,2Q06,1Q99,Step2第2步,Step3第3步,TruncatedBankMatrix截断的银行矩阵,Step4第4步,Full-periodBankMatrix全期间银行矩阵,2Q06,1Q99,2Q06,2Q06,1Q81,PerformanceAcrossMultipleCycles多个周期的表现.Internalriskratingmigrationdataovermultiplebusiness/creditcyclesdonotexist不存在跨越多个商业/信用周期的内部风险评价迁移数据.Thefollowingapproachwasusedtoestablishabank-specificaverageriskratingtransitionmatrix:采用以下方法来建立针对具体银行的平均信用评级迁移矩阵1.Usingavailableinternalbankdataovertheperiod1Q99-2Q06,theaveragemigrationmatrixwascalculated.Thismatrixwasconsideredtobethetruncatedaveragemigrationmatrix.使用1999年1季度至2006年2季度这个期间内现有的银行内部数据，计算平均迁移矩阵。这个矩阵被视作截断的平均迁移矩阵2.UsingS&PBonddata,anaveragebondmatrixforeachquarterwascalculatedforthe1Q99-2Q06and1Q81-2Q06timeperiods.使用标准普尔的债券数据，计算1999年1季度至2006年2季度和1981年1季度至2006年2季度这两个期间内每个季度的平均债券矩阵3.Thecalculatedaveragebondmatriceswerethenmappedtothecorrespondingbankriskratings.然后，在计算得出的平均债券矩阵与相应的银行风险评级之间建立对应关系4.Thebankstruncatedaveragematrixwasthenextrapolatedto1Q81basedontherelationshipbetweenthefullandtruncatedbondmatricestoproduceafull-periodaveragebankmatrix.然后，根据全期间矩阵与截断债券矩阵之间的关系，将银行的截断平均矩阵外推至1981年1季度，获得银行的全期间平均矩阵,BanksAverageMigrationMatrix银行的平均变动矩阵,Thebankadjusted”averagetransitionmatrix,representingperformanceacrossmultiplecycles,waspresentedhere.此表为美国银行的“调整后”的平均变动矩阵，反映在多个周期内的表现。,Forillustrativepurposesonly仅用于示意目的,美国银行的平均变动矩阵（组合管理）,债券,信用评级,Schematic:IndexBasedMigration简要流程：基于指数的变动,Processallowstimedependentmigrationmatricestoberepresentedbyanindex这个流程允许使用一个指数来代表具有时间依赖性的变动矩阵,Indexhasanintuitiverepresentation-“0”=averagemigration-“+”=moreupgradesthanaverage-“-”=moredowngradesthanaverage,+,=,Indexhasanintuitiverepresentation指数的直观表述-“0”=averagemigration平均变动-“+”=moreupgradesthanaverage升级超过平均值-“-”=moredowngradesthanaverage降级超过平均值,平均变动矩阵,第1季度,第2季度,预测指数,第N季度,Basedonthehistoricaldata,theBank(GCIB)AverageMigrationMatrixwascalculatedandmappedtoS&PMigrationdata.根据历史数据，计算出美国银行（GCIB）的平均变动矩阵，然后与标准普尔的变动数据建立对应关系,UsingforecastedCCIascalculatedbasedoninternaleconomicprojections,theAverageMigrationMatrixisthenadjustedandthefutureperiodsRRmigrationwasproduced使用根据内部经济预测计算出的CCI预测值，对平均变动矩阵进行调整，得出远期的信用评级变动数据,FuturemigrationmatricesanddefaultratesbasedontheCCI基于CCI的远期变动矩阵和违约率,Migration&DefaultRates变动率及违约率,Tiltedtoreflect“recessionary”outcome对角数据序列反映出“衰退型经济”,Tiltedtoreflect“growtheconomy”outcome对角数据序列反映出“增长型经济”,ImpactLossForecastProcessAlternatives影响损失预测流程的选择,ForecastViewoftheCreditEnvironment对信用环境的预测看法,Economy-adjustedMigration&DefaultRates经济调整后的变动率与违约率,Forillustrativepurposesonly仅用于示意目的,LossForecastProcess损失预测流程,Step1:EstablishingtheFutureCreditEnvironment第1步：确立远期信用环境Step2:ApplyingtheCreditEnvironmenttotheBanksPortfolio第2步：对银行的信用组合应用信用环境Step3:ForecastingtheBanksCreditQuality第3步：预测银行的信用质量Step4:ForecasttheCreditLoss第4步：预测信用损失,ProjectingFutureExposureDistributionbyRiskRating预测风险暴露风险评级的远期分布,FutureperiodsDollarExposure远期风险暴露额Multiplycurrentdollarrisk-ratingdistributionbytheforecastedeconomy-adjustedtransitionmatrixtoarriveatfuturedollarrisk-ratingdistribution.用当期风险暴露分布乘以预测的经济调整后变化矩阵，得出远期的风险暴露风险评级分布Usingtheconditionedtransitionmatrix,alongwiththebeginning-ofthe-perioddata,theend-ofthe-periodexposuredistributionofeachriskratingwasthenforecasted.使用条件变化矩阵，以期初数据为初值，可预测每个风险评级的期末风险暴露分布。AdjustExposurelevelforFundFlows根据资金流调整风险暴露水平Theend-ofthe-periodexposuresarethenadjustedfornetflows:根据净流量调整期末风险暴露：Exitingbusiness(pay-offs,charge-offs)退出业务（全额还款、撇账）Balancechanges(draw-downs,increases,partialpayments)余额变化（动用额度、余额增加、部分还款）Sales/Purchases出售/收购Newbusiness新业务,LossForecastProcess损失预测流程,Step1:EstablishingtheFutureCreditEnvironment第1步：确立远期信用环境Step2:ApplyingtheCreditEnvironmenttotheBanksPortfolio第2步：对银行的信用组合应用信用环境Step3:ForecastingtheBanksCreditQuality第3步：预测银行的信用质量Step4:ForecasttheCreditLoss第4步：预测信用损失,NetCharge-offProjection预测净撇账,BasedonthehistoricalrelationshipbetweenNet-Charge-offs(NCO)andNon-PerformingLoans(NPL),futureNCOsareforecasted.根据净撇账（NCO）与不良贷款（NPL）之间的历史关系，预测NCO。AsaproxyforLossGivenDefault(LGD),theratioofNCOsasapercentageofNPLsisused.使用NCO占NPL的比例来代替违约损失（LGD）。AModelforSeverityofLossAssumption损失严重度模型的一个假设Motivation:假设的出发点：Recoveryratesaresensitivetothestateoftheeconomyanddifferacrosstheportfolios.回收率对经济状况具有敏感性，并且组合间存在差别Recoveryratestendtobehigherduringthebettercycleoftheeconomyandlowerduringtheworsecycleoftheeconomy.在经济周期的景气期，回收率往往较高；在经济周期的不景气期，回收率往往较低ToproduceamodelforLGD,thehistoricalrelationshipsbetweentherealizedLGDratiosandmacroeconomicvariableswereinvestigatedandapredictedvalueofLGDforsubsequentquarterswasproduced.为了构造LGD模型，对已实现LGD比例和宏观经济变量之间的历史关系进行了研究，得出了后续季度的LGD预测值ProjectionofNetCharge-offs净撇账的预测TheappropriateperiodprojectedLGDalongwiththeprojectednon-performingbalancesareusedtoforecastthefuturenetcharge-offs.相应期间的的预测LGD和预测不良贷款余额用于预测远期的净撇账。,OtherApplicationsoftheLossForecast损失预测的其他应用,Stress-testingscenarios压力测试情境Producetheprojectionoflossesunderdifferentscenariosoftheeconomy:得出不同经济情境下的损失预测-Most-likely(Base)最可几（基准）-HighGDPgrowthoftheeconomy(Bull)高GDP增长的经济（繁荣）-LowGDPgrowthoftheeconomy(Bear)低GDP增长的经济（萧条）-Anyalternativescenariooftheeconomy任何替代的经济情境-HighEnergyPrices(andInflation)能源价格（和通货膨胀）高企-Consumer-LeadRecession消费主导型衰退-etc.其他-“What-if”scenarios“假设型”情境ForwardLossSensitivity远期损失敏感度Asameasureoftheriskappetiteoftheportfolio,projectionsoflossesunderdifferentscenariosofeconomicrecessionswereproduced:作为组合的风险喜好衡量指标，预测了不同经济衰退情境下的损失：-MarketGreatestHits市场遭受最沉重的打击-Economicrecessionsof1980s,1990s,20011980年代、1990年代、2001年的经济衰退,ModelPros&Cons模型的优点和不足,Thecurrentset-upofthemodelhasthefollowingstrengthsandshortcomings:目前的模型配置有以下优点和不足之处：Pros优点-Mediumtolong-termaccuracy中长期准确性-Linksassetquali