CreditMtrics模型在信用评级中应用.docVIP

CreditMtrics模型在信用评级中应用[摘　要]本文简要介绍CreditMetrics模型，引入运用CreditMetrics模型评估贷款信用等级的具体方法步骤，并详细说明各步骤的实现方法及需要注意的问题。最后简要说明数值计算及模拟方法。 [关键词]CreditMetrics模型　贷款　信用风险　资产组合　Monte Carlo模拟 一、Credit Metrics模型介绍 CreditMatrics模型由JP摩根公司于 1997 年推出，为市场提供一种可进行在险价值（VaR）计算的框架，可以用于贷款等非交易性资产的估价和风险计算。这一模型可以帮助我们探寻：“如果下一个年份是坏年份，在贷款和贷款组合上最大的损失是多大？”。由于贷款是在公开市场交易，因此无法获得相应的市场价值和波动率。而CreditMetrics模型则巧妙的以信用评级转移概率为基础，借助贷款的违约回收率，信用风险价差和收益率等，共同计算出非交易类型贷款的在险价值（VaR）。 CreditMetrics模型认为产生信用风险的原因应包括违约事件的发生和借款人的信用变化。为了捕获所有的信贷质量变化，CreditMetrics采取了盯市(Market to Market)的方法来计算信用风险价值，构造了一个模拟信贷资产所有潜在变化以及违约波动的组合计算框架。 经过归纳，根据CreditMetrics模型进行贷款（组合）在险价值测算时，将主要按照以下步骤进行： 步骤一、收集贷款（组合）基本数据，包括贷款（组合）期限、贷款金额、贷款利率以及贷款目标等级等。首先，要确定信用迁移的风险时长和相应的资产等级。 步骤二、构建贷款信用等级转移矩阵。在确定的风险时长下，展示某资产A在期末各级别的可能性。在有相应多期历史数据的情况下，包括外部评级机构的评级历史数据或是内部划分的级别的变动，基于该组数据是符合Markov过程的假设，在不考虑自相关性的情况下，推演出相应的转移矩阵。 步骤三、测算各个等级下，资产的价值情况，确定不同等级贷款（资产）远期收益率曲线。对于可预期未来现金流的资产，如固定收益类资产，可以使用零息远期利率作为折现率（避免税收政策不同的影响，同时还需要假设此无风险利率与债券息差相互独立，而违约与债券息差相关），将未来的预期现金流折现求得。如，在计算资产价值的时候，外币计价资产将由于外汇变动而产生价值变化；在成熟市场，掉期、远期等的敞口因市场波动而产生的收益损失在评估时被考虑。也正是如此，我们在度量时要注意区分信用风险和市场风险。 基于上两步，我们可以得到单个资产的期末价值及其可能性，从而获得其对应信用工具的价值分布曲线。 步骤四、计算贷款组合（资产组合）风险价值。 假设加入另一个资产B，由于不同的相关性会构造出不同的组合信用转移可能性表，我们需要测算在不同情况下其相关性。主要有以下几种手段： 1.直接基于级别变动的历史数据，推演出两个资产在期末时，各自在不同等级下的可能性。这种方法最为直接，但对数据的质量有一定要求。 2.对于公司债产品，可以使用息差变化的历史数据，因为其内涵了公司信用质量变化的信息。此方法在建立起信用变化与债券价值变化的模型后应用比较方便，且与其他的风险资产的模型有一定的相容性，但适用范围有限，且公司债的息差数据相当有限。 3.运用公司的资产价值建立模型，至于如何将债务公司的资产与评级相联系，基于Merton和Kealhofer+的期权理论模型的构想，可以将债务人的资产水平分为几个等级，每个等级的门槛值都是相应等级调整的触发值，以积分为数学手段，展现债务人的资产变动将影响评级。而以何种变量作为资产的统计口径，可以根据实际情况，选取可获得的且可被理解认知的变量进行操作，比如债务人的固定资产总量，资产回报率水平等，此方法对数据的数量要求不高，实际操作性较强。 结合两资产的期末价值的测算，我们便可得出资产组合价值的分布。通过实证检验，无论是从标准差还是置信水平的测量口径看，新加入组合的资产所产生的边际风险，总小于其本身独立的风险值，这便证明了两个资产之间具有相关性，同时说明了组合具有分散风险的作用。 当组合内的资产数量愈发增加的情况下，这样的数据处理方法的有效性出现局限，即便是仅含有三个资产的组合的组合信用转移可能性表（例：8×8×8=512）已经令人望而却步。因此，为了提高数据处理的效率，使用蒙特卡洛模拟方法，以模拟所有可能出现的信用变化而得到资产组合价值，并作出其分布曲线。蒙特卡洛模拟是通过对历史数据的分析计算，确定预期变量在以往的均值、方差、相关系数等统计特征，并生成符合这类统计特征的随机数，以这些构造的数据模拟相应情形，以此获得不同情形的出现概率水平，以及对应的观察值（如资产组合价值）的分布