第十章：风险管理4-信用风险度量讲解.ppt

第十章：风险管理—信用风险 房勇 2012年12月 主要内容 Altmann的Z-score模型 Merton的结构化模型 KMV模型 CreditMetrics模型 CreditRisk+模型 其他：人工神经网络 Z-score模型介绍 Z-score模型是Edwards Altmann1968年开发出来的预测企业在一到两年的时间内会不会破产的模型，以后又得到陆续的改进，至今仍然为广泛接受，作为一个基准。 这个模型主要采用一些财务指标，通过计算一个数值Z，用Z的大小来判别破产的可能性。 Z-score模型介绍 Z-score模型介绍 Z-score模型介绍 Z-score模型的一些问题 是根据美国数据做出来的，主要针对制造业。推广到其他国家和地区，或者推广到其他行业，有较大的问题。 只考虑了两个状态，违约和不违约，无法考虑企业信用品质的变化。 无法据此计算违约概率，更无法考虑清偿率。 Z-score模型介绍 Z-score模型的发展：原理简单，便于其他技术在其中的应用。 多元判别分析考虑多个状态。 支撑向量机(support vector machine). 数学规划 Classification and Regression Tree KMV模型介绍 KMV模型是KMV公司在Merton模型基础上建立起来的，试图克服Merton模型的缺点。 新的概念 VA: 公司资产的市场价值（market value of asset）。 D: 违约点(default point),违约时公司资产价值，相当于债券的本息，这里是一个要估计的量。 KMV模型介绍 违约距离（distance of default） DD = [VA – D]/(VAσA ) 。 即 违约距离 = [资产的市场价值减去违约点]/（资产的市场价值*资产的波动率） 违约概率： 理论上用N(-DD), 实际上是用历史数据建立DD与EDF（期望违约频率expected default frequency）的映射（mapping）得到. KMV模型介绍 资产的市场价值和波动率的估计 用Merton的模型。 D的估计根据负债结构。 KMV模型介绍 一个例子 CreditMetrics模型介绍 CreditMetrics是J.P.Morgan集团于1997年推出的一个信用风险度量模型，随即成为信用风险管理技术的一个样板（benchmark）。 CreditMetrics考虑资产组合中由于各个金融产品的信用的提高、降低甚至违约的变化而产生的风险，从整个资产组合的角度计算VaR。采用的盯市的办法（mark-to-market）。 开发CreditMetrics的协作机构： Bank of America, BZW, Deutsche Morgan Grenfell, Swiss Bank Corporation, and Union Bank of Switzerland, 以及 KMV Corporation。 CreditMetrics模型介绍 CreditMetrics是一个从方法、数据到软件的组合，有三块内容组成： 一套针对债务人信用品质变化估计资产组合信用风险VaR的方法。 一个可从网上自由下载的数据集。（美国的数据）。 一套实施CreditMetrics方法的软件包（CreditManager）。 CreditMetrics模型介绍 J.P. Morgan开发CreditMetrics的目的: 为信用风险度量创造一个样本，一个标尺。 促进信用风险的透明性，提供更好风险管理工具，改善信用产品的市场流动性。 促进监管资本能更贴近经济资本，避免监管资本套利。 为信用风险管理决策的其他方面提供补充，如定价、资产组合的优化等等。 CreditMetrics模型介绍 CrediMetrics基本思想是：（1）各种信用工具能否按时收回全部本金和利息的可能取决于债务人的信用状况。因此，信用工具的违约可能性取决于发行它的企业的信用级别，各种信用工具的违约概率可以用债务人的信用等级可能变化情况来刻画。（2）债务违约以后的损失取决于信用工具清偿时的优先级别。 CreditMetrics模型介绍 CreditMetrics模型介绍 CrediMetrics模型框架分为三大部分： 确定整个资产组合暴露在信用风险下的头寸分布； 对单个债项的信用风险进行度量； 通过资产价格变化和历史转移概率矩阵得到联合违约概率分布模型。 结合这三部分计算整个资产组合的VaR值和方差。 CreditMetrics模型介绍 对单个债项的信用风险进行度量 考虑如下的债券：面值100、信用评级BBB、优先无担保(决定债券违约时的清偿率)、期限为5年、年息6%；分析一年后这个债券