信用风险管理课件

1、本章内容安排：第一节 信用风险概述第二节 信用风险度量方法第三节 信用风险管理方法第八章 信用风险管理1本章内容安排：第八章 信用风险管理1第一节 信用风险概述本节内容安排：一、信用风险的概念二、信用风险的特征三、信用风险管理的特点四、现代信用风险的成因2第一节 信用风险概述本节内容安排：2一、信用风险的概念1、传统的观点认为信用风险是指债务人未能如期偿还其债务造成违约而给经济主体经营带来的风险。传统的信用风险主要来自于商业银行的贷款业务，主要产生于信贷业务；资产业务中借款人不按时还本付息引起的资产质量恶化负债业务中存款人大量提取形成挤兑，加剧支付困难表外业务中的交易对手违约引起或有负债转化为

2、表内负债然而，随着金融市场的发展，越来越多的企业发行公司债券(企业债),因此影响发债人的信用事件发生，如信用等级下降，盈利能力下降，造成债券跌价，给投资者带来损失；因此信用风险的概念产生了变化。3一、信用风险的概念1、传统的观点认为信用风险是指债务人未能如2、现代意义上的信用风险不仅包括直接的违约风险，还包括由于借款人或市场交易对手信用状况和履约能力的变化导致其债务的市场价值变动而引起损失的可能性。一方面导致所发行债券价格变动；另一方面，在信用衍生品市场上的信用产品的市值价格变动42、现代意义上的信用风险不仅包括直接的违约风险，还包括由于借二、信用风险的特征与市场风险相比，信用风险具有以下特点

3、：1、风险概率分布的可偏性2、悖论(credit paradox)现象3、信用风险数据的获取困难5二、信用风险的特征与市场风险相比，信用风险具有以下特点：51、风险概率分布的可偏性 企业违约的小概率事件以及贷款收益和损失的不对称，造成了信用风险概率分布的偏离。 市场价格的波动是以其期望为中心的，主要集中于相近的两侧，通常市场风险的收益分布相对来说是对称的，大致可以用正态分布曲线来描述。 相比之下，信用风险的分布是不对称的，而是有偏的，收益分布曲线的一端向左下倾斜，并在左侧出现肥尾现象。61、风险概率分布的可偏性6这种特点是由贷款信用违约风险造成的：贷款的收益是固定和有上限的，它的损失则是变化的

4、和没有下限的。另一方面，银行不能从企业经营业绩中获得对等的收益，贷款的预期收益不会随企业经营业绩的改善而增加，相反随着企业经营业绩的恶化，贷款的预期损失却会增加。银行在贷款合约期限有较大的可能性收回贷款并获得事先约定的利润，但贷款一旦违约，则会使银行面临相对较大规模的损失，这种损失要比利息收益大很多。7这种特点是由贷款信用违约风险造成的：72、悖论(credit paradox)现象与市场风险相比，信用风险管理存在着信用悖论现象。理论上讲，当银行管理存在信用风险时应将投资分散化，多样化，防止信用风险集中。然而在实践中由于客户信用关系，区域行业信息优势以及银行贷款业务的规模效应，使得银行信用风险

5、很难分散化。82、悖论(credit paradox)现象83、信用风险数据的获取困难由于信用资产的流动性较差，贷款等信用交易存在明显的信息不对称性以及贷款持有期长、违约事件频率少等原因，导致信用风险数据获取困难，进而导致信用风险定价模型有效性检验的困难。正是因为这些特点，信用风险的衡量比市场风险的衡量困难得多，信用风险的定价研究滞后于市场风险量化研究。93、信用风险数据的获取困难9三、现代信用风险的成因信用风险的成因是信用活动中的不确定性。不确定性包括“外在不确定性”和“内在不确定性”两种。外在不确定性来自于经济体系之外，是经济运行过程中的随机性、偶然性的变化或不可预测的趋势，如宏观经济走势

6、、市场资金供求状况、政治局势等（系统性风险）内在不确定性来自于经济体系之内，由行为人主观决策及获取信息的不充分性等原因造成，带有明显的个性特征。如，企业的管理能力、产品的竞争能力、生产规模等都直接关系到其履约能力（非系统性风险）10三、现代信用风险的成因信用风险的成因是信用活动中的不确定性。 信用风险的广泛存在是现代金融市场的重要特征 金融事件1994年，墨西哥政府将其货币贬值40%；1994年，法国里昂信贷银行从事房地产产业的投机亏损达到123亿法郎，出现500亿法国法郎的呆账和坏账；2019年，日本大和银行约纽分行从事美国国债期货失败，损失11亿美元； 巴林银行事件。新加坡交易员从事日经指

7、数期货交易失败，导致百年老店关门倒闭；2019年东南亚金融危机，首先由泰国泰铢贬值引起，其次传染到马来西亚，非律宾，印尼，韩国，日本；2019年，俄罗斯宣布延期偿还到期的德国债务，导致德国长期国债利率上升，因此导致著名的LTCM(长期信用资本管理公司)倒闭；11 信用风险的广泛存在是现代金融市场的重要特征11中国的金融市场上信用风险 国内事件2019年2月，中国农村发展信托有限公司由于经营违规，亏损巨大，被中央银行宣布解散；2019年6月，海南发展银行由于不良贷款较高，使得银行难以继续经营；2019年2月，广东国际信托投资公司被清算；“广国投”的破产至少说明：由政府统制金融并对金融实行“大包大

8、揽”的时代已经正式宣告结束，而中国金融业的所有制改革和结构调整也将真正由此开始。这宗案件是我国首宗非银行金融机构破产案；中航油事件(新加坡)，这家新加坡上市公司因石油衍生产品交易总计亏损5.5亿美元。净资产不过1.45亿美元的中航油(新加坡)因之严重资不抵债，已向新加坡最高法院申请破产保护。国内外债权银行数10家牵涉其中。12中国的金融市场上信用风险 国内事件12信用风险与利率风险、汇率风险的显著区别？ 是否产生意外收益利率风险和汇率风险是因为利率、汇率的波动性导致的损失，是可以带来收益的； 信用风险的一般不会带来收益，而且损失是巨大的；汇率变化或利率风险可能导致信用风险发生；13信用风险与利

9、率风险、汇率风险的显著区别？13信用风险与信贷风险的区别？两者主体一致，均是由债务人信用状况发生变动给银行经营带来的风险；不同点在于其所包含的金融资产的范围，贷款风险、还包括表内、表外业务，如贷款承诺、证券投资、金融衍生工具中的风险。14信用风险与信贷风险的区别？14四、信用风险造成的损失 信用风险可能给交易者带来直接的损失 贷款不能按时回收； 贷款的利息不能按时回收； 贷款延迟还款；信用风险可能给交易者带来潜在的损失 由于信用风险损失巨大，遭到严厉监管； 信用风险损失巨大，银行自己的股票价格或者债券价格下降遭受的损失； 信用风险损失巨大，导致自己评级下降，从而影响自己形象等；15四、信用风险

10、造成的损失 信用风险可能给交易者带来直接的损失1第二节 信用风险度量方法本节内容安排：一、传统的信用风险度量方法（一）专家系统（二）信用评级方法（三）信用评分方法二、现代信用风险度量模型（一）信用监控模型（credit monitor model,KMV）（二）CreditMetrics模型（三）宏观模拟方法（麦肯锡模型）（四）保险方法（五）基于神经网络的模型（六）现代风险度量模型方法的比较16第二节 信用风险度量方法本节内容安排：16传统信用分析方法5C分类法评级方法现代信用计量模型围绕违约风险建模Creditmetrics围绕公司价值建模KMV模型评分方法定性定量17传统信用分析方法5C分

11、类法评级方法现代信用计量模型围绕违约风传统的信用风险度量方法主要包括以下三种方法：（一）专家系统（二）信用评级方法（三）信用评分方法18传统的信用风险度量方法主要包括以下三种方法：18（一）专家系统专家系统是一种最古老的信用风险分析方法，是商业银行在长期的信贷活动中所形成的一种行之有效的信用分析和管理制度。最大的特征：银行信贷的决策权是由该机构经过长期训练、具有丰富经验的信贷人员所掌握，并由他们作出是否贷款的决定。因此信贷官的专业知识、主观判断以及某些要考虑的关键因素权重均为最主要的决定因素。19（一）专家系统专家系统是一种最古老的信用风险分析方法，是商业1、专家系统主要内容 在该系统下，尽管

12、各商业银行对贷款申请人进行信用分析所涉及的内容不尽相同，但大多集中在借款人的“5C”，即：（1）品德与声望（Character）：对企业声誉的一种度量，考察其偿债意愿和偿债历史。基于经验可知，一家企业的年龄是其偿债声誉的良好替代指标。201、专家系统主要内容20（2）资格与能力（Capacity）：具体考察借款人是否具有申请贷款及签署贷款协议的资格及合法权利，其次是经营管理能力和还款能力。还款能力可通过借款人的收益变动状况考察，即使在一段时间里还款稳定，但若收益状况变化很大的话，就可能会有一些时期还款能力受到影响。（3）资金实力(Capital or Cash)：主要指借款人资财的价值、性质、

13、变现能力等。1.要注重借款人在还本付息期间、是否有足够的现金流量来偿还贷款；2.要考察借款人股东的股权分布状况及财务杠杆状况，这些可作为反映借款人能否倒闭的重要预警指标，如高杠杆性意味着比低杠杆有更高的破产概率。21（2）资格与能力（Capacity）：具体考察借款人是否具有（4）担保（Collateral）：主要指抵押品和保证人。1，对抵押品，应特别注意其价值、已使用年限、专业化程度、市场流动性、是否担保等，如技术上已过时、专业化程度高、不易出售转让，则价值有限；2，对保证人，应考察其是否具有担保资格、其资金实力及其提供的抵押品等（5）经营条件和商业周期（Condition）：主要指企业自身

14、经营状况和其外部的经营环境。企业所处的商业周期，是决定信用风险损失的一项重要因素，特别是对于那些受周期决定和影响的产业而言。为此，银行应注意收集并建立有关档案，以便掌握产业及整个商业周期的变动情况，好采取必要措施应变准备22（4）担保（Collateral）：主要指抵押品和保证人。11、专家系统主要内容也有些银行将信用分析的内容归纳为“5W”或“5P”。“5W”是指借款人（who）、借款用途(why)、还款期限（when）、担保物（what）、如何还款（how）；“5P”是指个人因素（personal）、目的因素（purpose）、偿还因素（payment）、保障因素（protection）、

15、前景因素（perspective）。231、专家系统主要内容232、专家制度存在的缺陷和不足主要表现在：（1）需要相当数量的专门信用分析人员，分析过程成本高，效率低下。（2）实施效果很不稳定。（依赖具有专门知识的信贷官)（3）与银行在经营管理中的官僚主义方式紧密相联，大大降低了银行应对市场变化的能力。 （4）加剧了银行在贷款组合方面过度集中的问题，使银行面临着更大的风险。（5）对借款人进行信用分析时，难以确定共同遵循的标准，造成信用评估的主观性、随意性和不一致性。(每个C的权重有很大差异） 242、专家制度存在的缺陷和不足主要表现在：24（二）信用评级方法信用评级法又叫OCC法，是因为这一方法

16、是由美国货币监理署（OCC）最早开发出来的。美国货币监理署（OCC）的评级方法将现有的贷款组合归入五类： 贷款级别损失准备金率（%）低质量级别特别关注的其他资产0未达标准的资产20可疑资产50损失资产100高质量级别合格/可履约025（二）信用评级方法信用评级法又叫OCC法，是因为这一方法是由多年以来，银行家已扩展了OCC的评级方法，开发出内部评级方法。更细致地进一步划分合格/可履约贷款的评级类别。在任何给的的时刻，一些合格的或可履约的贷款总是有可能违约的，所以应该针对这些贷款持有一些准备金，即使很低（0.2%）。目前信用评级法一般将企业贷款信用分为19或110个级别。 它是根据企业相关指标的

17、好坏将企业贷款信用分为若干等级。 1-6级对应于OCC的合格级别26多年以来，银行家已扩展了OCC的评级方法，开发出内部评级方法贷款评级与债券评级的对应贷款级别债券评级风险程度1AAA最小2AA温和3A平均（中等）4BBB可接受5BB可接受但要予以关注6B管理性关注7CCC特别关注8CC未达到标准9C可疑10D损失27贷款评级与债券评级的对应贷款级别债券评级风险程度1AAA最小该方法的主要缺陷是：基本局限于定性分析，虽然也运用了许多财务分析指标，但指标的风险权重等没有明确，没有建立多变量指标的不同权重评价体系。28该方法的主要缺陷是：基本局限于定性分析，虽然也运用了许多财务（三）信用评分方法信

18、用评分方法主要包括两种模型1、Z评分模型2、ZETA评分模型29（三）信用评分方法信用评分方法主要包括两种模型291、Z评分模型 Z评分模型的主要内容：美国纽约大学斯特商学院教授阿尔特曼提出的Z评分模型是根据数理统计中的辨别分析技术，对银行过去的贷款案例进行统计分析，选择一部分最能够反映借款人的财务状况，对贷款质量影响最大、最具预测或分析价值的比率，设计出一个能最大程度地区分贷款风险度的数学模型（也称之为判断函数），对贷款申请人进行信用风险及资信评估。301、Z评分模型30理论基础：贷款企业的破产概率大小与其财务状况高度相关。Z计分模型的本质：破产预测模型方法：复合判别分析（Multiple

19、Discriminant Analysis，MDA）。基本思想：判别MDA能将贷款企业区分为不会破产和破产两类。31理论基础：贷款企业的破产概率大小与其财务状况高度相关。31Z模型建模步骤(1)、选取一组最关键的、最具有区别能力的财务指标，即这些指标具有如下性质在还本付息组和呆滞、呆账组之间差异显著指标稳定性好，在组内没有差异(2)、从银行过去的贷款资料中收集过去已还本付息和呆滞、呆账的企业的有关财务数据（比率），每大类可按行业或贷款性质、贷款方式再细分(3)、根据各行业实际情况，科学地确定每一比率的权重，权重主要根据该比率对借款还本付息的影响程度确定32Z模型建模步骤(1)、选取一组最关键的

20、、最具有区别能力的财务(4)、建立判别方程（线性）若ZZ0（某一预先确定的Z值），判定该公司财务状况良好或其风险水平可被银行接受；否则意味着该公司可能无法按时还本付息，甚至破产Z值越大，资信越好；Z值越小，风险越大33(4)、建立判别方程（线性）若ZZ0（某一预先确定的Z值）阿尔特曼确立的分辨函数为：Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5 或 Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5其中，X1：流动资本/总资产（WC/TA）；X2：留存收益/总资产（RE/TA）；X3：息前、税前收益/总资产（EBIT/TA）； X4：股权市

21、值/总负债帐面值（MVE/TL）；X5：销售收入/总资产（S/TA）。这两个公式是相等的，只不过权重的表达形式不同，前者用的是小数，后者用的是百分比，第五个比率是用倍数来表示的，其相关系数不变。数据：33家破产组，33家非破产组最初设计模型时列举了22个变量，最好经过反复筛选确立了5个34数据：33家破产组，33家非破产组最初设计模型时列举了22个阿尔特曼经过统计分析和计算最后确定了借款人违约的临界值：Z0=2.675。如果Z2.675，借款人被划入违约组；如果Z2.675，则借款人被划为非违约组。当1.81Z2.99结论：可以给该企业贷款。36例：某申请贷款的企业主要财务比率如下：365个指

22、标的解释：X1：流动资金/总资产。用来衡量一家公司在一定数量的总资本下其流动性资金数量大小的指标，反映其流动性状况。其中的流动资金是流动资产和流动负债的差额X2：留存收益/总资产。反映一家公司累积的盈利能力。该比率会出现对新企业排斥的问题（寿命短），但新企业也易倒闭X3：息前、税前收益/总资产。测定企业资产盈利水平的指标，它不受税收和财务杠杆因素的制约，可用来说明企业是否能够长期稳健地生存下去。375个指标的解释：37X4：股权市值/总负债账面值。反映借款人负债额超过其资产额之前以及破产之前，公司资产价值（股权市值+债务额）能够下降的程度。如，一家公司有1000美元的股权市值和500美元的债务

23、额，则在破产之前有其2/3的资产价值下降空间（资产总额=1000美元+500美元，其2/3为1000美元）X5：销售收入/总资产。又称资本周转率，说明该公司产生销售收入的能力，同时也反映公司管理层应对市场、参与竞争的能力38X4：股权市值/总负债账面值。反映借款人负债额超过其资产额之私人控股企业的Z评分模型由于私人控股企业与大众公司在各方面存在很大差距，故阿尔特曼对原始Z评分模型进行了修改 Z=0.717X1+0.847X2+3.107X3+0.420X4+0.998X5X4的分子股权市值改成股权的账面值未知区域为1.232.939私人控股企业的Z评分模型39对非制造业企业适用的Z评分模型没有

24、X5变量的4变量模型，即： Z=6.56X1+3.26X2+6.72X3+1.05X4X4的分子股权市值改成股权的账面值40对非制造业企业适用的Z评分模型402、ZETA评分模型的主要内容：ZETA信用风险模型（ZETA Credit Risk Model）是继Z模型后的第二代信用评分模型 ，变量由原始模型的五个增加到了7个，适应范围更宽，对不良借款人的辨认精度也大大提高。模型中的7个变量是：资产收益率（息前、税前收益/总资产）、收益稳定性指标(资产收益率在5年或10年中变化的标准差) 、债务偿付能力指标（息前、税前收益/总利息支付额）、累计盈利能力指标（留存收益/总资产)、流动性指标（流动资

25、产/流动负债）、资本化程度的指标（普通股5年平均市场价值/长期资本总额）、规模指标（企业总资产的对数）。412、ZETA评分模型的主要内容：413、Z评分模型和ZETA评分模型存在的主要问题（1）两个模型都依赖于财务报表的帐面数据，而忽视日益重要的各项资本市场指标，这就必然削弱预测结果的可靠性和及时性；（2）由于模型缺乏对违约和违约风险的系统认识，理论基础比较薄弱，从而难以令人信服；4242（3）两个模型都假设在解释变量中存在着线性关系，而现实的经济现象是非线性的，因而也削弱了预测结果的准确程度，使得违约模型不能精确地描述经济现实；（4）两个模型都无法计量企业的表外信用风险，另外对某些特定行业

26、的企业如公用企业、财务公司、新公司以及资源企业也不适用，因而它们的使用范围受到较大限制。4343二、现代信用风险度量模型（一）信用监控模型（KMV）（二）信用风险的矩阵模型（三）宏观模拟方法（麦肯锡模型）（四）保险方法（五）基于神经网络的模型（六）现代风险度量模型方法的比较44二、现代信用风险度量模型（一）信用监控模型（KMV）44（一）信用监控模型（KMV）1、 KMV模型期权推理分析法期权推理分析法(Option-theoretic approach)指利用期权定价理论对风险债券和贷款的信用风险进行度量 。最典型的就是美国旧金山市KMV公司创立的违约预测模型信用监测模型(Credit Mo

27、nitor Model)。KMV模型适用于上市公司和上市银行的信用风险预测45（一）信用监控模型（KMV）1、 KMV模型期权推理分析该模型使用了两个关系：其一，企业股权市值与它的资产市值之间的结构性关系；其二，企业资产市值波动程度和企业股权市值的变动程度之间关系。通过这两个关系模型，便可以求出企业资产市值及其波动程度。一旦所有涉及的变量值被算出，信用监测模型便可以测算出借款企业的预期违约频率(EDF)。46该模型使用了两个关系：46企业股权市值与它的资产市值之间的结构性关系是由贷款与期权的关系决定的。企业股权作为期权买权的损益情况见下图：“有限责任”保护着股东，使其损失不会超过 E0Ev1E

28、0v2FVO1.1 一般方法1.1.1估计公司资产的总市值及其波动率OF:企业从银行的借款额V：资产价值E：股权价值47企业股权市值与它的资产市值之间的结构性关系是由贷款与期权的关借款企业股东的股权市值头寸看作是持有一份以企业资产市值为标的的买权。正象古典布莱克-斯可尔斯-默顿模型中股票买权定价的五变量一样，企业股权可由下式来估价出：其中V表示资产市值，F是向银行借款数，r指的是无风险利率，V表示该企业的资产市值的波动性，T指的是股票买权的到期日或在贷款的情形下指的是贷款期限(或违约期限)。E、r 、F、T都可以从市场上直接观察到。4848这里公司资产价值V是要求的目标，但是公司资产价值的标准

29、差也未知，故无法求得方程的解。49这里公司资产价值V是要求的目标，但是公司资产价值的标准差也未对B-S方程两边根据伊藤引理求导， 得到再取期望值，由于 可以由股票价格的波动率直接估计得到，如采用GARCH模型估计其条件方差。50对B-S方程两边根据伊藤引理求导， 得到由于 可以未知数V和 ，两个方程解两个未知数，假设满秩是可以解出来的。这个解只有数值解，需要通过迭代得到，常用的迭代法：不动点法和牛顿法51未知数V和 ，两个方程解两个未知数，假设满秩是可1.1.2 计算违约概率（EDF）通过上面的计算步骤，我们可以得到企业资产价值V（下文记为V0）及其波动性V，以及企业的负债F，假定贷款的期限为

30、T年，现在要问企业T年内违约的概率有多大？521.1.2 计算违约概率（EDF）通过上面的计算步骤，我们可若假设公司资产的总市值total value of a firm（有别于股东权益的市值股票市值）在t时刻为Vt (贷款签约日设定为0时刻），它服从几何布朗运动53若假设公司资产的总市值total value of a fi5454则可以认为，当期末资产价值低于负债时，违约就会发生。55则可以认为，当期末资产价值低于负债时，违约就会发生。551.1.3 KMV的违约点问题（Default Point）在期权定价框架中，违约行为发生于资产市场价值小于企业负债之时，但实际生活中违约并不等于破产，

31、就是说，资产价值低于债务总值的概率并不是对EDF的准确量度。KMV 公司通过观测几百个公司样本，认为当资产价值达到总债务和短期债务之间的某一点，即违约点时，企业才发生违约。KMV 公司认为违约点DPT 大约等于企业短期债务加上长期债务的一半。561.1.3 KMV的违约点问题（Default Point）5757可以根据前面公式计算得到理论DD58可以根据前面公式计算得到理论DD58实证分析利用2019年和2019年的ST公司样本来检验KMV模型。由于所选的样本公司都是已经在2019 年发生了违约行为，因此这些样本公司的理论违约率越接近于1，模型趋向于更有效。模型的计算公式参照非简化的公式59

32、实证分析利用2019年和2019年的ST公司样本来检验KMV6060以上我们所推导和计算出的只是借款企业理论预期违约频率，它与现实生活中实际所发生的预期违约频率之间存在着很大差异。因此，KMV公司就利用其自身优势建立起了一个全球范围企业和企业违约信息数据库，计算出了各类信用等级企业经验预期违约频率，从而产生了以这种经验预期违约频率为基础的信用分值来。61以上我们所推导和计算出的只是借款企业理论预期违约频率，它与现1.2 基于违约距离的预期违约率（EDF）由于公司资产价值不一定服从几何布朗运动，公司资本结构的简化也会导致估测的失真，所以KMV公司给出了一个直接计算违约距离的方法，即STD 短期债

33、务, LTD 长期债务,DPT 违约点：STD+ 1/2LTD,DD :T时的预期资产价值621.2 基于违约距离的预期违约率（EDF）由于公司资产价值不要使得企业违约的可能性小，必须同时满足绝对违约距离大，即企业市值越大或者贷款越少；标准差（波动性）越小，即企业经营的稳定性越好；上述两个因素必须联合起来共同判定违约的可能性。基于（*）式违约距离计算EDF的更一般方法有两种：基于资产价值分布（如正态分布）的EDF计算，称为理论EDF基于历史违约数据的EDF计算，称为经验EDF63要使得企业违约的可能性小，必须同时满足631.2.1 理论EDF的计算例子：假设某企业资产价值V0100万，到期（1

34、年）债务价值DPT80万，若未来1年资产价值服从均值为100万（=V0），标准差(波动率)V10万的正态分布，那么，该企业违约距离是多少？计算违约距离（default distance），由例子可得641.2.1 理论EDF的计算64 +A -At0t1E(V)100万DPT 80万违约区域绝对违约距离65 +A -At0t1E(V)100万DPT在本例中、预期的或平均的资产价值没有增长，但是把增长因素考虑进来也是很容易的。举例说来、如果我们计划，企业的资产价值再下一年里增长10%，那么，相应的DD值会更高。该模型对于在同一市场上的所有企业使用一个不变的资产增长假定，即预期的市场整体增长率。这

35、一假定的合理性是，在一个有效的市场上，市场和个别企业增长率的差异已被纳入企业的股票价格（并因此纳入资产价值）之中。因而，在均衡时，在个别企业和市场的增长之间不存在差异。对这一不变的（全面的）资产增长率的唯一其他调整是企业具体的支出，如发放红利或偿还利息。随之，调整后的数字被用作计算违约距离公式中暗含的现行资产价值。66在本例中、预期的或平均的资产价值没有增长，但是把增长因素考虑使用大样本企业违约（样本中包括那些已经违约的企业）的历史信息，可以估计出每一个期限内在给定级别（比如DD=4）的情况下，在一年后，实际发生违约的企业比例数。这个比例，比如40个基本点或者0.4%。就是图中的经验EDF。4

36、0个基本点DD经验EDF1.2.2 经验EDF的计算67使用大样本企业违约（样本中包括那些已经违约的企业）的历史信息68686969EDFS 和评级EDFS 和风险评级公司EDF标准普尔穆迪CIBC国民银行瑞士银行集团2-4个基本点=AA=Aa21AAAC14-10个基本点AA/AA12AAC210-19个基本点A/BBB+Baa13AC319-40个基本点BBB+/BBB-Baa34A/BBC470EDFS 和评级EDF标准普尔穆迪CIBC国民银行瑞士银行集2、KMV公司信用监测模型的缺陷：（1）模型的使用范围受到了限制,不适用于非上市公司（2）在现实中,并非所有借款企业都符合模型中资产价值

37、呈正态分布的假定（3）该模型不能够对长期债务的不同类型进行分辨 （4）在KMV模型的应用过程中，一直假定公司的债务结构是静态不变，与事实不完全相符712、KMV公司信用监测模型的缺陷：71(二）信用风险度量制模型Creditmetrics（译为“信用计量”）是由J.P 摩根公司联合美国银行、KMV公司、瑞士联合银行等金融机构于2019年推出的信用风险定量模型。它是在1994年推出的计量市场风险的Riskmetrics（译为“风险计量”）基础上提出的，旨在提供一个可对银行贷款等非交易资产的信用风险进行计量的VaR框架。Creditmetrics试图回答的问题：“如果下一年是个坏年份，那么，在我的

38、贷款或贷款组合上会损失掉多少？”72(二）信用风险度量制模型Creditmetrics（译为“信VaR定义按某一确定的置信度，对某一给定的时间期限内,不利的市场变动可能造成投资组合的最大损失的一种估计。更通俗地说VaR是要在给定的置信度（典型的置信度为95、97.5、99等等）下,衡量给定的资产或负债（即投资组合）在一段给定的时间内（针对交易活动的时间可能选取为一天，而针对投资组合管理的时间则可能选取为一个月）可能发生的最大（价值）损失。VaR 是一种对可能实现的价值损失的估计, 而不只是一种“账面”损失估计。 73VaR定义73VaR：金融风险的“天气预报”例如：A银行2019年12月1日公

39、布其持有期为10天、置信水平为99%的VaR为1000万元。这意味着如下2种等价的描述：1、A银行从12月1日开始，未来10天内资产组合的损失大于1000万元的概率小于1%；2、以99的概率确信：A银行从12月1日起未来10天内的损失不超过1000万元。74VaR：金融风险的“天气预报”例如：A银行2019年12月1由定义可知，要完整的表述一个资产的VaR需要两个要件：1、置信水平：即可信度或可靠性，通常为99%（BCBS）或95（JP Morgan）。置信水平越高，VaR越大，则资产的损失大于VaR的可能性越小，可靠性越高！ 2、持有期：计算VaR的时间范围通常是1天1个月；BCBS在资产充

40、足性条款中规定：持有期为10个交易日；由于时间越长风险越大，所以持有期越长，VaR越大。75由定义可知，要完整的表述一个资产的VaR需要两个要件：75VaR的优点 1、精确性：借助于数学和统计学工具，VaR以定量的方式给出资产组合下方风险（Downside Risk）的确切值。 2、综合性：将风险来源不同、多样化的金融工具的风险纳入到一个统一的计量框架，将整个机构的风险集成为一个数值。可实施集中式的风险管理系统，提高风险管理的效率。76VaR的优点 1、精确性：763、通俗性：货币表示的风险，方便公众、银行、监管机构之间的沟通，充当信息披露工具。起源：JP Morgan的CEO Weathst

41、one要求每天4.15 报告只产生一个数字：计量不同交易工具，不同部门综合后的风险。截止到2019年，BCBS监管下的71家银行中有66家对公众披露VaR。 773、通俗性：货币表示的风险，方便公众、银行、监管机构之间的沟VaR的数学表示C是置信水平78VaR的数学表示C是置信水平78由VaR的定义：资产组合在未来一段时间内可能的最大损失，有两种损失定义若以绝对损失定义VaR，则称为绝对VaR。适合较短的时间期限；若以回报的均值为参照来定义损失，即相对损失，则称为相对VaR。适合较长的时间度量。79由VaR的定义：资产组合在未来一段时间内可能的最大损失，有两信用度量制是通过掌握借款企业的资料如

42、：（1）借款人的信用等级资料； （2）下一年度该信用级别水平转换为其它信用级别的概率； （3）违约贷款的收复率。计算出非交易性的贷款和债券的市值P和市值变动率，从而利用受险价值方法对单笔贷款或贷款组合的受险价值量进行度量的方法。80信用度量制是通过掌握借款企业的资料如：80Creditmetrics基本假设1 信用评级有效。信用状况可由债务人的信用等级表示；2 债务人的信用等级变化可能有不同的方向和概率例如， 上一年AAA的贷款人有90（概率）的可能转变为AA级（方向）。把所有的可能列出，形成所谓的“评级转移矩阵”。3 贷款的价值由信用等级（价差）决定由期初的信用等级得到贷款的初始价值；由评级

43、转移矩阵估计期末贷款的价值；由二者的差额就可以计算VaR。81Creditmetrics基本假设1 信用评级有效。信用状况Creditmetrics的总体框架信用评级信用价差优先权信用转移概率残值回收率债券现值信用风险估计82Creditmetrics的总体框架信用评级信用价差优先权信计量模型需要的数据需要利用的数据：借款人当前的信用评级数据信用等级在一年内可能改变的概率违约贷款的残值回收率债券的（到期）收益率注：以上这些资料可以公开得到83计量模型需要的数据需要利用的数据：83计量信用风险的步骤1 估计信用转移矩阵2 估计违约回收率3 债券估值4 计算信用风险84计量信用风险的步骤84步骤1

44、 估计信用转移矩阵根据历史资料得到，期初信用级别为AAA的债券，1年后的信用等级的概率如下AAAAAA，90.81AA，8.33A，0.68BBB，0.06BB，0.12CCC，0D，085步骤1 估计信用转移矩阵根据历史资料得到，期初信用级别AAAA，0.09AA，2.27A，91.05BBB，5.52BB，0.74CCC，0.01D，0.06注意：A级别债券有0.06的概率在下一年度转移到D级，即A级债券仍有违约的可能。86AAAA，0.09AA，2.27A，91.05BBB，构建信用转移矩阵以上给出了AAA和A级债券的转移概率，同样可以得到其他级别，如AA、BBB、C等信用级别的转移概率

45、。将债券所有级别的转移概率列表，就形成了所谓的“信用转移矩阵”。87构建信用转移矩阵以上给出了AAA和A级债券的转移概率，同样可级别AAAAAABBBBBBCCC违约AAA90.818.330.680.060.12000AA0.7090.657.790.640.060.140.020A0.092.2791.055.520.740.260.010.06BBB0.020.335.9586.935.301.170.120.18BB0.030.140.677.7380.538.841.001.06B00.110.240.436.4883.464.075.20CCC0.2200.221.302.3811

46、.2464.8619.79（资料来源：标准普尔，2019）示例：信用转移矩阵88级别AAAAAABBBBBBCCC违约AAA90.818.3步骤2 估计违约回收率由于ACCC债券有违约的可能，故需要考虑违约时，坏账（残值）回收率。企业破产清算顺序直接关系回收率的大小。有担保债高于无担保债优先高于次级，次级高于初级89步骤2 估计违约回收率由于ACCC债券有违约的可能，9090次级额外债务今天你购买了一张债券，到了明天，你可能会苦恼地发现该公司未偿还的债务已扩大为原来的三倍。这也意味着投资者的债券的质量与他昨日购买时相比已降低了。为了阻止公司以这种方式损害债券持有人的利益，次级条款（subord

47、ination clauses）的规定限制了发行者额外借款的数额。原始债务优先，额外债务要从属于原始债务。也就是说，如遇公司破产，直到有优先权的主要债务被付清，次级债务的债权人才可能被偿付。因此，具有优先级的债券信用高于次级。91次级额外债务今天你购买了一张债券，到了明天，你可能会苦恼地发违约回收率统计表债券级别回收率(面值)标准差()优先担保债券 53.8026.86优先无担保债券51.1325.45优先次级债券38.5223.81次级债券32.7420.18初级次级债券17.0910.90例：BBB级债券在下一年违约概率为0.18,若它是优先无担保债券，则其一旦违约，面值100元可回收51

48、.13元。92违约回收率统计表债券级别回收率(面值)标准差()优先担保步骤3 债券估值由于债券信用级别上升（下降）到新的级别，因此，需要估计每个级别下的市值。估计市值采取的方法是贴现法利用市场数据得到，不同级别债券的利率期限结构（Term-structure）93步骤3 债券估值由于债券信用级别上升（下降）到新的级别，每个信用级别的贴现率(%)级别1年(%) 2年(%)3年(%)4年(%)AAA3.604.174.735.12AA3.654.224.785.17A3.724.324.935.32BBB4.104.675.255.63BB5.556.026.787.27B6.057.028.03

49、8.52CCC15.0515.0214.0313.5294每个信用级别的贴现率(%)级别1年(%) 2年(%)3年(%例 子假设BBB级债券的面值100元，票面利率为6。若第1年末，该债券信用等级由BBB 升至A 级，则债券在第1年末的市值可以根据上表得到以上计算的是BBB债券转移到A级后的市值。若该债券转移到其它信用等级，可以同理类推计算其它市值！95例 子假设BBB级债券的面值100元，票面利率为6。以上计BBB级债券一年后可能的市值（包含面值）年末债券级别 市值（元）AAA109.37AA109.19A108.66BBB107.55BB102.02B98.01CCC83.64违约51.1

50、396BBB级债券一年后可能的市值（包含面值）年末债券级别 市值步骤4 计算信用风险年末债券级别 市值（元）转移概率(%)AAA109.370.02AA109.190.33A108.665.95BBB107.5586.93BB102.025.36B98.101.17CCC83.640.12违约51.13 0.18BBB债券的价值分布，例如若转移到AAA，则价值为109.37，概率为0.02，其他情况可以类似地计算出。97步骤4 计算信用风险年末债券级别 市值（元）转移概率由债券价值的分布，容易得到其价值的均值和方差由此就可以采用解析法计算得到VaR。但是由于债券组合并非正态分布，用这种方法计算

51、存在比较大的误差。估计债券市值的均值和标准差98由债券价值的分布，容易得到其价值的均值和方差由此就可以采用解BBB债券持有1年、99的VaR由债券市值的概率分布可知市值大于98.10美元的概率为98.53市值大于83.64美元的概率为99. 7债券级别市值概率累计概率B98.101.17 1.47 CCC83.640.12 0.3 违约51.13 0.18 99BBB债券持有1年、99的VaR由债券市值的概率分布可知债利用线性插值法可以计算99%概率下的市值，设该值为x说明：该面值为100元的BBB债券，一年后以99的概率确信其市值不低于92.29美元。100利用线性插值法可以计算99%概率下

52、的市值，设该值为x说明：该 由于该债券的均值为107.90美元，根据相对VaR的定义， VaRR 107.09-92.29=14.80 (美元) 说明：我们可以以99的概率确信，该债券在1年内的损失不超过14.80美元。101 由于该债券的均值为107.90美元，根据相对VaR的定义对Creditmetrics模型的评述优点：动态性：适用于计量由债务人资信变化而引起资产组合价值变动的风险。可预见性：不仅包括违约事件，还包括债务人信用评级的升降；不仅能评估预期损失，还能估计VaR，这对于银行特别具有意义。102对Creditmetrics模型的评述102缺点：对信用评级的高度依赖，一般地，信用评

53、级只是对企业群体的评估，而非个性化，所以，对个别企业评估不准确；信用评级主要是依靠历史上的财务数据，是一种“向后看”的方法。本模型假定了信用等级的转换概率在不同的借款人之间，以及在商业周期不同阶段都是稳定的，现实条件很难满足这一假设。此外，基于VaR的CreditMetrics法测度信用风险时还存在对极端损失估计不足，需要人为加大标准差的值；模型需要假定转移概率服从Markov过程等问题，与现实中信用评级的转移有跨期自相关性不相符。103103（三）宏观模拟方法（麦肯锡模型）麦肯锡模型则在CreditMetrics的基础上，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

54、、政府支出等宏观经济变量之间的关系模型化，并利用蒙地卡罗模拟技术，模拟周期性因素的影响，来生成信用评级转移概率在未来时期的情景值。麦肯锡模型可以看成是对CreditMetrics的补充，它克服了CreditMetrics中不同时期的评级转移矩阵不变的缺点。104（三）宏观模拟方法（麦肯锡模型）麦肯锡模型则在CreditM（四）保险方法财产保险方法模型：即CreditRisk+模型CreditRisk+是瑞士信贷金融产品公司(CSFP)开发的信用风险模型，采用保险精算的科学框架推导债券贷款组合的损失分布，建立只考虑违约不考虑降级风险的模型。与信用度量模型(CreditMetrics)、KMV等不

55、同，违约与企业的资本结构无关。 CreditRisk+是信用违约风险的统计模型，该模型对引发违约的原因不作假设。模型将违约率作为一个连续的随机变量，并认为违约频率的不确定性和损失严重性的不确定性都会影响损失的分布。模型使用的违约率是从违约事件的统计数据中推算出来的。105（四）保险方法财产保险方法模型：即CreditRisk+模型该模型假定(1)违约是一种随机行为，债务人违约的概率为P，不违约的概率为1-P(2)对大量债务人而言，违约的概率很小；(3)在一个时期的违约数量与另一时期的违约数量无关；(4)在给定时期内违约企业数量的概率分布服从泊松分布；(5)对于一笔贷款来说，不同时期的违约概率是

56、相等的，每一笔贷款的违约概率均很小，并且相互独立。106该模型假定106在计算过程中，该模型将资产的风险暴露划分为不同的小频段，由于风险暴露的各个频段被假设为相互独立的，从而各频段贷款组合的违约概率可用泊松分布来描述。 在这些假设下，首先来看在一定时期内(如一年)违约次数的概率分布。假定贷款组合由N笔贷款组成，已知借款人A一定时期内的违约率是PA，不违约的概率是1PA。为分析整个贷款组合的信用风险，先构造具有辅助变量z的概率生成函数：107在计算过程中，该模型将资产的风险暴露划分为不同的小频段，由于108108 单个借款人A期末只有违约和不违约两种状态，所以相应的概率生成函数为：假定不同借款人

57、之间的违约事件是相互独立的，则整个贷款组合的概率生成函数是单个借款人概率生成函数的乘积，109 单个借款人A期末只有违约和不违约两种状态，所以相应的概率生110110从上面的推导可以看出，在满足假定条件的情况下，在一定时期内违约次数的概率服从泊松分布。111从上面的推导可以看出，在满足假定条件的情况下，在一定时期内违由于不同贷款的违约损失额不同对于整个贷款组合来说，损失分布将不再遵循泊松分布。为了求得整个贷款组合的损失分布，该模型先将贷款组合中每笔贷款风险暴露按大小分组，每一组贷款的风险暴露近似地等于某个数值。这时，每一组的损失分布将遵循泊松分布，然后将各组的损失汇总，就可以得到整个贷款组合的

58、损失分布。112由于不同贷款的违约损失额不同对于整个贷款组合来说，损失分布113113模型的最后是计算整个组合的损失分布，这需要通过下述3个步骤。首先由于违约数服从泊松分布，根据概率生成函数的定义，每一组的概率生成函数为：114模型的最后是计算整个组合的损失分布，这需要通过下述3个步骤。其次，由于假定贷款组合中每一组的贷款都是相互独立的，所以整个贷款组合的概率生成函数G(z)为其中m为级段的总数。由此可得整个贷款组合的损失分布为115其次，由于假定贷款组合中每一组的贷款都是相互独立的，所以整个运用泰勒级数及莱布尼兹公式等，最后得到：这样就可以得贷款组合的损失分布曲线，从而可以求出整个贷款组合在

59、不同置信度下的信用损失。以上对一个时期的违约损失的分析还可以扩展到多个时期。116运用泰勒级数及莱布尼兹公式等，最后得到：116该模型的优点是应用起来相对容易一些。首先债券或贷款资产组合损失概率可以通过方程求解出来，不需要对历史数据的估计，使得该方法在计算方面有一定的优越性。另外，每个债务人的边际风险贡献计算起来也比较容易。其次，该模型只考虑债务人违约，而不讨论信用等级转移，这样一来，需要估计的参数就非常之少，每个债务只需估计其违约概率和敞口。117该模型的优点是应用起来相对容易一些。117当然这种方法的缺点是就不可避免了。首先，它与其他两种方法一样，都是假定不存在市场风险。另外它也忽视了信用

60、等级转移风险，而是假设每个债务人的敞口固定不变，与债务发行人的最终信用状况的变化无关，也不受利率波动的影响。118当然这种方法的缺点是就不可避免了。118（五）现代风险度量模型方法的比较四种模型方法的比较比较的维度模型1模型2模型3模型4信用度量制信用组合观点Credit Risk+KMV模型(JP摩根)(Tom Wilson)(瑞士信贷)(KMV公司)1.风险定义MTMMTM或DMDMMTM或DM2.风险驱动因素资产价值宏观因素预期违约率资产价值3.信用事件的波动性不变可变可变可变4.信用事件的相关性多变量正态资产收益因素负载独立假定或与预期违约率相关多变量正态资产收益5.收复率随机随机在频