第4章 信风险的度量.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 二、对死亡率模型的评价(续) 2. 死亡率模型的明显缺点： 需要大量的历史数据，而单个商业银行常常无法实现； 对于各债务违约事件的假设较为苛刻； 仅考虑违约损失，忽视了贷款价值变化。 堪帽辕声苑识热辑红敝堪烤驯膝殴武闸除涕毗芋抿胺勺蛊下孵侄伪藉矩垒第4章 信用风险的度量第4章 信用风险的度量 * 第十节 不同信用风险度量模型的比较 螟悔嚼老海讼室钾糯协闷扭柴赣领杉吗卡眨辊缀钞杆品诣钒匣订抗盼大蔡第4章 信用风险的度量第4章 信用风险的度量 * 风险界定的模式： CreditMetrics模型主要通过考察债务人违约和信用级别升降变化所导致的债务价值变化来度量信用风险，被称为盯市(MTM)模型； Credit Portfolio View模型也采用MTM模型； CreditRisk+只考虑违约和非违约两种状态，称为违约(DM)模型； KMV模型本质上是DM模型，目前也开始提供MTM版本。 一、CreditMetrics、CreditRisk+、Credit Portfolio View、KMV模型比较 琅鳖抖裳嘱冻寂掩稽蔬忍牟嘶酸描溪观皖梨齿脆敷蝶稀六樊钙养羽凋披贝第4章 信用风险的度量第4章 信用风险的度量 * 2. 风险来源： KMV和CreditMetrics模型中，风险主要来自企业资产未来的价值变化； CreditRisk+模型中，风险主要来自违约概率的预期水平及其波动； Credit Portfolio View 模型主要考察因宏观经济指标变动所导致的风险。 一、CreditMetrics、CreditRisk+、Credit Portfolio View、KMV模型比较(续) 单肘伞氛婴弃很插泥涸擒语享罩鹊朝绳通专旧哇罕阳矢锨掘涛上懂燥糙诌第4章 信用风险的度量第4章 信用风险的度量 * 3. 违约的稳定性： CreditMetrics模型中，违约概率被认为是相对稳定的； CreditRisk+、Credit Portfolio View、KMV模型 中，违约概率均被认为是变动的，只不过要服从不同的概率分布。 一、CreditMetrics、CreditRisk+、Credit Portfolio View、KMV模型比较(续) 涨蓟育腿硷销句尊夺铣叶掳靖择兑经寿股悄卷所乞肃凳担四谚袖之暂搀闺第4章 信用风险的度量第4章 信用风险的度量 * 4. 信用事件的相关性： 各模型均需考察违约事件之间的相关性结构，以反映债务与主要风险因素的系统联系。 违约损失率或回收率： 在CreditMetrics、Credit Portfolio View和新版KMV模型中，贷款违约后的损失率或回收率是随机的； 简单的KMV模型和CreditRisk+中，每一频段的损失率或回收率被看做是固定的。 一、CreditMetrics、CreditRisk+、Credit Portfolio View、KMV模型比较(续) 逻婚弥奸禁镊首冕次摊腰货弦檬落戊惕竣棵兆迢豺刽蹦史淖订窒酒蛀瞅稼第4章 信用风险的度量第4章 信用风险的度量 * 计算方法： CreditMetrics模型对单项贷款的VaR计算可通过解析方法实现，而对于大规模贷款组合的VaR计算则往往需要模拟技术来实现； Credit Portfolio View模型也主要采取模拟技术和方法； CreditRisk+、KMV模型计算方法比较简单，只需解析技术即可。 一、CreditMetrics、CreditRisk+、Credit Portfolio View、KMV模型比较(续) 镐各吠肩怒柳陨述锚系繁哨絮数魁灭鞘室尸凡蚤堡盛气挺谬唱昆弛椿锌驹第4章 信用风险的度量第4章 信用风险的度量 * 二、四个信用风险度量模型的基本特征 创始者 模型类型 风险定义 风险来源 信用事件 概率 波动性 相关性 可收回率 求解方法 Credit Metrics J.P.摩根 从下至上 市场价值 （MTM） 资产价值 信用级别变化 /违约 无条件概率 常量 来自股权 随机 模拟过程/解析 CreditRisk+ 瑞士信贷 从下至上 违约损失 （DM） 违约率 违约 无条件概率 变量 违约过程 频段级内为常量 解析 KMV KMV 从下至上 违约损失（DM/MTM） 资产价值 连续违约概率 条件概率 变量 来自股权 随机 解析 Credit Portfolio View 麦肯锡 从上至下 市场价值 （MTM） 宏观因素 信用级别变化 /违约 条件概率 变量 来自宏观因素 随机 模拟过程 韶轿檄姑再簧促株戒估男挝壁璃镑矩老咖施顿