信用评级转移矩阵动态预测模型分析.docVIP

信用评级转移矩阵的动态预测模型分析 　　[摘 要] 信用评级转移矩阵反映了债务人信用质量的变动情况，预测信用评级转移矩阵已成为信用风险管理的重要内容。本文首先介绍了信用转移矩阵的相关知识，然后对现有的预测方法进行了分析评价，最后提出了提高信用评级转移预测模型有效性的动态建模方法。 　　[关键词] 信用评级；转移矩阵；预测模型 　　[中图分类号] F830．5 [文献标识码] A [文章编号] 1006-5024(2006)12-0159-02 　　[作者简介] 方锋锋，北京航空航天大学经济管理学院博士生，研究方向为管理科学与工程； 　　 任若恩，北京航空航天大学经济管理学院教授，博士生导师，研究方向为金融学、产业经济学； 　　 苏 博，北京航空航天大学经济管理学院博士生，研究方向为系统工程。(北京 100083) 　　 　　一、引言 　　 　　信用评级是通过一定的方法对借款人如期还本付息能力和意愿进行综合评价。信用评级的转移可用信用评级转移矩阵表示。信用等级转移矩阵(Credit Rating Migration Probability Matrix)反映了债务人信用在不同信用等级间的变动，揭示了债务人信用风险变化的趋势，出发点就是通过了解(预测)未来每一时间内一个金融机构所有可能的信用质量状况从而进行有效的信用风险管理。这个概念首先由摩根公司在1987年提出， 后来被标准普尔(S P) 和KMV 公司所采用。 　　 　　二、转移矩阵的主要预测模型及分析 　　 　　转移矩阵预测的模型主要有Altman模型、麦肯锡公司的宏观转移模型以及Probit模型。 　　1．Altman-Kao模型利用标准普尔历年评级变化的数据，来考察新发行债券的风险。其模型假定信用评级转移服Markov过程，即债务人下一时期的信用评级状态仅取决于上一期的信用评级状态，且信用等级变化服从同一转移矩阵Pt，Pt中各元素值 (各信用等级间的转移概率)为历史各期相应的观测数据的平均值(称为无条件转移矩阵)，而未考虑债券未来等级撤销(回购、赎回或未评级)等现象。这种方法在简便易行，但因为没有考虑到信用等级转移矩阵的跨期自相关以及行业、国家因素、周期等因素，因而易造成较大的预测失误。 　　2．麦肯锡公司的宏观经济转移模型，即信用???险组合观点(Credit Portfolio View，CPV)模型，属于多因素分析模型。该模型认为信用评级转移的概率在不同的时点(经济状态)下会有所不同。因此，随着宏观经济状态的变动，信用评级转移的概率将不再是简单的历史平均值，而是一组时间序列数据P→Pt。该模型较为充分地考虑了宏观经济环境对信用评级转移的影响，而不是无条件用历史上违约率的平均值来代替，提高信用风险度量的准确性；清晰地给出了实际的离散的损失分布模型，这个损失分布依赖于子组合中信用头寸的个数和大小；它既可以适用单个债务人，也可以适用于群体债务人，如零售组合。但是该模型的数据依赖于很多的宏观经济数据，因而数据处理与计算较为繁杂。 　　3．Nickell 等人的Probit模型。该模型假定债务人的信用等级取决于变量R，R=β′X+ε其中，X为变量向量，β为参数向量，随机误差向量εN(0，σ2)。一定程度上克服了样本数据缺乏给模型参数估计带来的困难。 　　上述转移矩阵模型都是在先验经济理论或对经济规律的先验假设的基础上来确立模型，以线性回归模型来构造经济指数，这隐含假定了信用评级转移过程属于平稳随机过程。因此，这些模型都隐含着以下一些风险：(1)由于建模时所依赖的经济理论可能与复杂的现实情况具有较大偏差从而导致模型设定误差；(2)对于模型中随机误差项假定为白噪声，即被解释变量和解释变量的线性组合具有长期稳定关系，但实际中变量间的这种长期稳定的关系并不是经常保持的，这可能会造成预测模型的失效；(3)当模型中的变量为非平稳时间序列时，传统的显著性检验所确定的变量间关系在事实上可能是不存在的，导致变量间的伪回归，使模型难以有效反映信用评级的动态变化的特征；(4)建立在对样本拟合优度上的模型有效性检验， 对于一些伪回归模型，同样可以具有很高的拟合优度，即使拟合优度检验可以证明模型估计为无偏估计，但很多情况下(如多重共线性)，估计量偏差可能依然很高，也同样难以说明模型的有效性。 　　 　　三、信用评级转移矩阵的动态建模 　　 　　动态建模的方法是基于约化理论，对变量的数据生成过程进行约化处理，并建立一个能代表数据生成过程的自回归分布滞后模型(ADL)，其一般形式为： 　　 　　然后逐步简化，最后得到一个包含变量间长期稳定关系的简单模型，即基于协整(cointegration)理论的误差修正模型。 　　协整关系反映的是非平稳时间序列之间