组合信用风险度量.docVIP

组合信用风险度量 　　摘要：文章在对组合信用风险度量的因子模型和Copula方法进行介绍的基础上，指出Copula函数复杂的参数估计和计算问题的解决方法正是因子模型，并运用蒙特卡洛模拟的方法，说明了两者的相同之处。因此，在近期的研究中，研究者经常将因子模型和copula方法等同。 　　关键词：信用风险；因子模型；copula方法 　　市场经济是一个有机的整体，在违约行为上，一个企业的违约可能造成相关的企业也随之违约。对于商业银行来说，贷款组合的信用风险度量必然要考虑违约相关性。在信用风险组合管理方面，以宏观经济因子作为违约相关性的影响因子，Vasicek（2002）和Gordy（2003）等发展了因子模型。正态单因子模型被用于Basel Ⅱ的资本计算公式中。除此之外，统计学中的连接函数——Copula函数被引入到违约相关性的度量中。本文在对因子模型和Copula方法进行介绍的基础上，指出Copula函数复杂的参数估计和计算问题的解决方法正是因子模型，并运用蒙特卡洛模拟的方法，说明了两者的相同之处。因此，在近期的研究中，研究者经常将因子模型和Copula方法等同，甚至直接称之为因子Copula模型（Factor Copula Model）。 　　一、 因子模型（Factor Models） 　　考察贷款组合内贷款公司的违约相关性时，无法通过历史违约数据来估计违约相关性，因为这些公司的违约之间有相关性，但实际上并未同时违约甚至并未违约，因此，一般用公司资产价值的相关性来替代违约相关性。以此为基础，因子模型的基本观点是：公司资产价值的相关性主要受到一些经济因素，如宏观经济因素Y的影响。假设Y服从正态分布，Vasicek（2002）提出了正态因子模型。放开这一假设，就得到其他分布因子模型。 　　1. 正态因子模型。Vasicek（2002）和Gordy（2003）综合阐述了正态因子模型的基本假设和基本原理。基于信用风险度量的结构模型，当公司资产价值下降到某一特定的违约边界以下时，违约发生。假设公司资产价值随时间的变动符合几何布朗运动，以Vi表示0时刻组合内第i家公司的资产价值，μi和σi分别表示该公司资产价值的漂移率和波动率，而Xi是标准布朗运动，服从均值为零，方差为时间间隔t的正态分布。那么，t时刻公司的资产价值可以表示为： 　　Vi（t）=Viexp[？滋it-1/2？滓i2t+？滓iXi] 　　当T时刻资产价值Vi（T）小于债务到期值Ki时，违约发生。给定债务期限为1年，违约概率表示为 　　PDi=P[Vi（1）Ki]=P[Xici]=N（ci） 　　正态单因子模型假定贷款组合充分分散，只受宏观经济一个因素的影响。在这一假设下，组合损失分布存在闭合解。若影响相关性的因子不止一个，即多因子模型，则不存在闭合解，只能采用蒙特卡罗模拟或数值方法求解。这一模型的另一个优点就是资本具有可加性。在这一模型下，对于银行来说，每个业务单元信用组合内的公司特有风险均已分散，业务单元经济资本之和等于全行经济资本，因此大大简化了资本计算的复杂性。 　　2. 其它分布因子模型。放开正态分布假设，其它分布下的因子模型主要包括Hull和White（2004）的双t因子模型、Kalemanova等（2005）的正态逆高斯因子模型，均用于债务抵押债券（CDO）的定价。Escobar，Frielingsdorf和Zagst（2012）总结了上述文章，在Xi与Zi、Y满足线性关系的情况下，假设Y与Zi均服从t分布和逆高斯分布（normal inverse Gaussian distribution）的情况，并提出了在Xi与Zi、Y非线性关系的情况下，Y与Zi均服从正态分布，而Xi服从t分布，即单t因子模型（Simple Student t Factor Model）。 　　在双t因子模型中，假设Y与Zi服从自由度为ν和ωi的t分布，而 　　Xi的均值为零，方差为1。在这一模型中，Xi的分布较难确定。Hull和White（2004）和Kalemanova等（2005）均指出，Xi的分布需通过数值分析的方法得出，Kalemanova等（2005）认为这一过程使计算的复杂性和计算的时间都大大增加，因此在这一模型不适合蒙特卡洛模拟。 　　在正态逆高斯因子模型中，Xi与Zi、Y均服从正态逆高斯分布（NIG）。 　　因为NIG分布的特点是可加性，所以，X也服从NIG分布。 　　在单t因子模型中，Xi与Zi、Y非线性关系，Y与Zi均服从正态分布，而Xi服从t分布， 　　W服从逆gamma分布，参数α=β=1/2ν。 　　二、 Copulas方法 　　Copula这个词来源于拉丁文，意思是“连接”，最早出现于1959年的一篇统计方面的文献Sk