金融风险管理-Ch8(简体)技术总结.pptVIP

* * 表8.5穆迪公布的累积违约机率 * * 累积违约机率与边际违约机率 在标准普尔与穆迪的信用评等表中所显示的违约机率是累积违约机率（Cumulative Probability of Default） 例如表8.5中显示Baa公司债十年的违约机率为4.53%，代表的是从债券开始发行到发行 十年之间，发行公司的累积违约机率。 若是指发行公司发债第十年当年的违约机率，则称为边际违约机率（Marginal Probability of Default）。 * * 累积违约机率与边际违约机率之关系 d1、d2分别代表发行公司第1年、第2年的边际违约机率，C2为公司债开始发行到发行2年的累积违约机率 。 则C2为发行公司第1年的违约机率d1加上在第1年存活的条件下第2年的违约机率，因此： * * 累积违约机率与边际违约机率之关系 由上式可以看出，公司两年的累积违约机率C2，其实是1减去公司两年的累积存活率（Survival Rate）S2 亦即: * * 累积违约机率与边际违约机率之关系 第N年才违约的机率可写为： ︰第N年的累积存活率 * * 累积违约机率与边际违约机率之关系 公司直到第N年才违约的机率kN SN-1=第N-1年的累积存活率 * * 违约机率计算实例 市场存在一个信用评等B级公司，d1 = 5%、d2 = 7%。请问公司两年的累积违约机率C2、2年的累积存活率S2、与直到第2年才违 约的机率K2分别为何? * * 解答 根据公式(8.10)、(8.11)与(8.13)，公司两年的累积违约机率C2、2年的累积存活率S2、与直到 第2年才违约的机率k2分别计算如下： * * 存活机率计算实例 小陈公司的违约机率每年均固定为30%，请问该公司3年后仍存活的机率S3为何? 根据公式(8.11)，公司存活3年的机率S3计算如下： * * 量化的传统信用风险模型信用分数(Credit Scoring)法 信用分数(Credit Scoring)法是根据公司与个人的信用风险特性打分数，将各项分数加权计算总分，藉 以判断其违约机率。 自然人的风险特性包括性别、年龄、教育程度、职业、婚姻状况等；在美国的信用市场里甚至会以申请人的种族与邮政编码来评估信用风险。 企业的风险特性包括各项财务比率，例如负债比率、流动比率、获利率等，以及企业特性，例如企 业成立时间长短、企业规模、员工人数等。 信用评等法广为银行所采用，美国有97%的银行采用信用评等法来审核小额企业贷款。 * * 信用分数法 银行分别就每个风险特性给予适当权重，这些权重则必须经由理论模型来决定。 风险特性权重的决定模型 线性机率模型（Linear Probability Model） Logit模型 Probit模型 区隔分析法（Discriminant Analysis） * * 线性机率模型 线性机率模型为一般的多元回归模型 自变数:风险特性变量 因变数:设定 为0与1 (违约与不违约) 以最小平方法估计模型参数，解决自变量不服从常态分配之问题 模型使用时不需将数据转换，使用相当容易 缺点 为只能做两种分类选择 实际操作时，模型所产生之估计值常落于0与1之外 * * Logit模型 改善线性模型之估计值可能落于0与1之外的缺失 解决自变量非常态的问题 可适用于非线性的情况 * * 罗吉斯回归模型 罗吉斯回归分析的Logit函数： P为客户的违约机率，Y为常数加上客户风险特性的加权总和： * * 罗吉斯回归模型 经由MLE决定的风险特性之权重值后，罗吉斯模型写成下式： MLE估计风险特性的权重时，概似函数 （Likelihood Function）如下： * * Probit模型 所求得之机率值落于0与1之间 解决自变量非常态的问题 可适用于非线性的情况 缺点为转换程序较为复杂 * * 区隔分析法 区隔分析法（或称为区别分析、判别分析） 依区隔方程式将样本区分为不同特性的组别(违约与不违约) 各组组间变异最大、且组内变异最小为原则 * * 区隔分析 区隔分数的计算是客户各信用风险特性变量的加权总合： 区隔分数Z＝ 是客户的各项风险特性， 则是各信用特性的权重 * * Z-Score模型 信用风险衡量技术中，采用上述区隔分析者最有名的是欧特曼（Edward Altman）在1968年所提出的 Z-Score模型。 欧特曼利用1946-1965年间的美国制造业数据，样 本中包含33家正常公司，33家破产公司。 欧特曼选出22个财务变数(财报比率)。这22个财务变量包括五类，分别为：流动性、获利性、杠杆程度、偿债能力、周转率。