第15章信用风险定价.ppt

第15章 信用风险定价 15.1 信用评分模型 15.2 用期权定价模型计算违约概率 15.3 用期权定价模型计算信用风险溢价 15.1 信用评分模型 15.1.1 Z-得分模型 1968年，爱德华.奥特曼（Edward Altman）首先提出用公司的财务比率指标来预测违约率，称为Z-得分（Z-Score）模型。奥特曼利用企业的5个财务比率指标预测企业的违约率，这五个比率指标分别是： 为流动资金/总资产(working capital/total assets); 为留存收益/总资产(retained earnings/total assets); 为息税前利润/总资产(earnings before interest and taxes/total assets); 为股票市值/账面负债总额(market vale of equity/book value of total liabilities); 为销售收入/总资产(sales/total assets)。 Z-得分模型为： 当 时，公司违约的可能性很小； 当 时，应该对公司的信用保持警惕； 当 时，公司有一定违约的可能； 当 时，公司违约的可能性很大。 利用Z-得分模型，奥特曼对66家公司进行了实证研究，其中33家公司在一年内违约破产，另外33家公司得以生存。 得分模型自变量系数的选择没有理论根据，另外，根据经验判断企业的违约可能性，而得不到企业违约的概率。logistic模型可以给出企业违约的概率。 15.1.2 logistic模型 假设 是随机变量 的观测值。随机变量可以是得分模型中的财务比率指标，也可以其他影响企业违约的指标。例如，财务杠杆，资产利用率，盈利能力，流动性，规模大小，效率，资产负债表的结构。企业违约的概率为： 其中： 为企业违约的概率； 为常数； 为自变量 的权重； 为指标个数。 自变量的权重和常数项用极大似然估计。经过塔斯科（Tasche，2003)的实证研究，logistic模型明显优于得分模型。 为了反映自变量之间的相互作用，又提出二次logistic模型。 其中： 为自 变量二次项的权重。 二次logistic模型不仅反映了自变量的非线性关系，还反映了自变量之间的相互影响。自变量的权重和常数项用极大似然估计。利用统计软件SPSS中的逻辑回归可以求出常数 、 和 。 15.1.3 距离模型 距离模型是由达萨拉思（Dasarathy,1991）提出的，他的基本思想是：“判断一个人要依据他（她）所在的公司。”同理，判断一个公司是否会违约，要看距离该公司最近的公司是否会违约。自变量可以选用资产收益率、资产负债率等指标。公司的资产收益率越高、资产负债率越低，公司违约的概率就越低；反之，公司违约的概率就越高。我们的目的是用距离模型对一家新公司进行分类。 假设已经有 个样本公司，每个样本选取 个指标作为自变量（或解释变量）。公司 的指标为 ，公司 的指标为 。则公司 和公司 之间的欧式（Euclidean）距离为： 通过计算公司之间的距离，我们可以得到一个的距离矩阵。矩阵对角线上的元素均为零，因为公司与自身的距离为零。上下对称，共有 个距离元素。 距离把样本公司分成两类：非违约公司和违约公司。非违约公司之间的距离较近，违约公司之间的距离也较近，两类公司之间的距离较远。 如果要考察一家新公司是否会违约，我们必须考察与新公司距离最近的临近公司违约情况。如果临近公司均为违约公司，被考察公司违约的可能性较大；如果临近公司均为非违约公司，被考察公司违约的可能性较小。 选取临近公司的数量不能太多，也不能太少。如果临近公司太少，结果不稳定；如果临近公司太多，会丢失一些有价值的信息。乔伊（Choi,1986）认为临近公司的数量 ，比较合适。到目前为止，还没有一个公认的l值。 例如，如果样本容量为81家公司，就选择距新公司最近的3家公司作为临近公司。如果这3家临近公司全部为违约公司，新公司也为违约公司；如果这3家公司全部为非违约公司，新公司也为非违约公司；如果这3家公司既有违约公司，也有非违约公司，就很难断定新公司是否会违约。 如果用临近公司不能判断公司是否会违约，可以计