商业银行信用风险管理课程.ppt

商业银行信用风险管理 Chapter 3 信用风险的关键维度、PD估计与银行内部评级 一、Summary PD estimation in Option Pricing Framework Validation Rating practices in USA banking 期权方法 思想 ： 假设公司A有很简单的资本结构 四、Validation 模型充分性的检验 各变量的权重应不违背直觉 变量的设置不违背相关的法律，比如美国有反借贷歧视法，因此，年龄变量可用作模型的变量，但它不能使信用分数下降。 （Sufficiency Condition 1）至少要能够显著区别“好”与“不好” Kolmogorow-Smirmow（K-S）检验的例子 K-S统计量是对两个经验分布函数所观察到的最大纵标距差异（ordinate difference） 两个样本使用同样的分段区间，将累计频率F1和F2分别除以相对应的样本规模大小n1及n2，则可得到相应的K-S统计量为D为： 为了计算K-S统计量，将这些分数值按升序排序 计算出落入各个分段区间的分数值的频率数。例如对不良信用样本观察到的分数，落入到2~2.9区内的有4个，而良好信用观察到的分数落入到此区间的个数则为2。 两者差额绝对值的最大值为7/10，给定样本大小的K-S检验的拒绝域临界值（critical value） 模型的一致性检验 必须要回答的一个问题，哪个模型是好的？ 基于期权与基于会计信息信用模型的一致性研究 （石晓军、任若恩，2005） KMV：“Merton模型在预测违约方面普遍地优于Moody’s与基于会计指标的模型；Merton 模型已经包括了评级与会计指标中的信息。” Altman（2002）、我国台湾学者陈业宁、王衍智、和许鸿英（2004）却得出了相反的结论，都认为基于会计信息的Z记分模型的违约预测要优于Merton模型。 在我国，基于Merton方法的盯住市场的信用风险模型与基于会计信息的Z记分模型是否一致？ 本文以我国72家上市公司为样本，分9种情况，采用回归分析与ROC方法，分析这两类模型的一致性。 九种情况 无风险利率分别取0.0198、0.05、0.08；违约点中分别取0、0.5、1 信用风险计量与实证策略 在Merton模型中，本文采用了三个信用风险指标：、风险中性违约概率（如公式1所示）以及KMV的定义的违约距离（Distance to Default, DD） 在Z记分模型中，我们直接采用Z分值作为信用风险的度量指标，根据Altman建模的思路我们可知，Z分值越大表示信用风险就越小，反之则越大 表3、表4 一致性分析 直观分析 回归分析 ROC分析 Merton框架下的三种信用风险计量指标（d2、DD、RNDP）与Z-score的散点图 Z-score越大，它就越可能被判入不破产组，由此可见，Z-score越大，信用风险越小。从本文理论部分可知，d2、DD越大，违约的可能越小，信用风险也越小。 如果Merton模型与Z记分模型是一致的，那么d2、DD的计算结果应与Z-score的计算结果显著地正相关性；而RNDP的计算结果应与Z-score的计算结果显著地负相关性。 从图1可以看到，d2与Z-score有着较明显的正相关关系；而DD与Z-score的正相关关系不甚明显；RNDP与Z-score虽然存在着负相关的倾向，但不明显。从直观观察中，可以看到d2与Z-score的一致性是最高的。 线性回归分析 分9种情况进行。考虑到Z-score是公司数据的线性函数，而其他三个指标都是公司数据的非线性函数，因此我们取因变量为Z-score的倒数记为Z，自变量是d2、DD、RNDP。 表5 回归结果 基本结论 在我国，我们没有找到足够的证据支持基于期权的Merton模型与基于会计信息的Z记分模型之间的一致性。在Merton模型的中的三种信用风险指标中，只有d2与Z分值有一定的一致性，而更为常用、更为著名的违约距离（DD）、风险中性违约概率（RNDF）指标与Z记分之间的一致性，在本文的研究中则是可以拒绝的。 追问 为什么不一致？(No exact answers) 是模型设置的不同？是市场对股价高估，使得股价偏离实际价值？还是会计数据操纵使得会计信息不可靠？（Guess）  哪个更好？（No answer） Scott 1981、Altman 1994、考爱特等 2001的研究表明Z-score是一个相对稳健的信用风险度量指标。Merton模型与Z记分不一致是否意味着Merton模型是一个非稳健的信用模型，对外部变量的变化比较敏感呢？ 基于期权信用模型是直接盯住市场的模型，很自然地，