信用评级第六章概要.ppt

* 基本思路：研究信用等级转移概率与宏观因素间的关系 直接将转移概率与宏观因素之间的关系模型化。 * 具体步骤 宏观因素与转移概率间的关系可用函数式描述： Pt＝f（yt） 这里将Pt设定为时间t上未来一年内债券从C级转移D级的概率（PCD），该概率对商业周期尤为敏感 yt表示时间t上的一整套宏观因素所构成的经济状态 (宏观经济指数 ) yt由系统宏观因素和非系统宏观因素驱动，前者包括GDP增长率、失业率等，后者指经济体系受到的随机冲击或创新。系统宏观因素受其历史值影响，也对当期受到的冲击敏感。 函数具体形式： * 模型的特点 考虑总体经济环境对转移概率的影响。 模型的优点 将宏观因素纳入模型中，修正信用度量的偏差。 模型的局限 技术上，模型对转移矩阵的调整过程是否优越还有待验证。 应用上，模型需要有国家甚至各行业的违约数据作为基础。 * 九、死亡率模型（Mortality rate） 基本思想： 借鉴保险精算确定寿险保费的思想，对各信用等级债券和贷款违约率作专门研究。 基本步骤： 首先，利用历史违约数据，估计债券寿命周期内每一年的边际死亡率MMR (marginal mortality rate)  i=1，2，……，n * 然后，计算累积死亡率CMR (cumulative mortality rate)，即债券（贷款）在N年内会违约的概率。 其后，将死亡率与违约损失率结合，得到预期损失的估计值。 （SRi：存活率，survival rate ） * 模型的优点 思路相对简单，操作难度相对较低。 模型的局限 简单地依靠历史数据预测违约损失。 要保证测算的精度，需要大规模的包括各等级债权工具的历史观测值样本。 * 现代信用评级模型方法分析 传统信用分析方法 5C分类法 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 * （一）Credit metrics模型 1.优点 通过计算信用工具在不同信用等级上的市场价值，达到用传统的期望和标准差来度量资产信用风险的目的，并将VaR方法引入到信用风险管理中来。 * 2．缺点 （1）利率期限结构固定的假设不适于零息票债券和信用衍生品。 （2）假设违约概率与宏观经济状况无关。 （3）计算复杂。 * （二）KMV模型 优点 将市场信息纳入了违约概率 是一种动态模型 是一种“向前看”的模型 可以反映风险水平差异的程度 * KMV模型缺点 必须使用估计技术来获得资产价值、企业资产收益率的期望值和波动性。 利率事先确定的假定限制了将KMV模型对利率敏感性工具的应用。 假设经济状况是静止的。 * 现代信用风险度量模型中，最为流行的是KMV模型和Credit Metrics模型。 KMV模型和Credit Metrics模型中的风险定义、关键风险驱动因素、信用事件的波动性、信用事件的相关性等特征各不相同，因此在度量信用风险时各有优势，同时也都存在着一些问题。 * 信用资产组合可以有效的分散风险，但其信用风险的度量和管理更为复杂。 贷款价值实际分布是非对称的，因此计算出的在险价值量略高于正态分布下计算的结果。 * 信用评级是从财务数据的数量分析开始的。 指标计算、变动趋势等基本的统计分析工具已普遍应用于信用风险分析中。 * 再好的分析模型，效果在相当程度上取决于模型的样本数据。 由于影响违约的因素随时间变化，基于历史数据对未来预测的模型准确性有待考证。 基于历史财务信息的多元统计分析模型的前提是有一定的违约记录。 * 信用风险是复杂的经济现象，受诸多外部因素的影响，任何一种基于假设或简化的数学模型都会在一定程度上偏离现实。虽然出现了许多基于不同原理及数据基础构建的信用风险模型，由于信用风险的复杂性，各种模型都在一定程度上存在一定的局限。 * * * 由于违约损失率的大小不仅受到负债企业因素影响，而且还同债务项目的具体设计密切相关。 * 影响违约损失率的决定因素主要包括： 债项因素 宏观因素与经济周期 行业因素 企业因素 * 六、Credit Metrics模型 * Credit Metrics模型 Creditmetrics是由J.P 摩根公司联合多家金融机构于1997年推出的信用风险度量模型。 模型不仅考虑违约事件引发的价值变动，而且同时考虑信用等级升降的影响。 Creditmetrics试图回答的问题： “如果下一年是个坏年份，那么，债务会损失掉多少？” * Credit Metrics模型用来测定信用资产组合价值和风险。 估算由于信用资产质量变化(