信用风险中违约概率测算模型研究.docVIP

信用风险中违约概率的测算模型研究 　　摘要：巴塞尔新协议鼓励商业银行在内部评级法下对重要信用风险因素进行评估测算。其中，关于重要风险因素违约概率的测算，西方国家目前主要有三种模型。我国在运用时，在利用借款人信息和导致违约的因素方面比较欠缺。基于此，如果合理运用贝叶斯估计模型和逻辑斯蒂回归模型对违约概率进行预测，可以有效解决这个问题。 　　银行监管巴塞尔委员会公布了新资本协议(The New Basel Capital Accord，BaselⅡ)第三次征求意见稿(CP3)，新BaselⅡ的最主要创新之一是提出了测算信用风险的内部评级法(Internal Ratings―Based Approaches，IRB)，鼓励银行使用自己的内部模型计量信用风险，并把重大风险要素的内部估计值作为计算风险加权资本的主要依据。其中，重大风险要素为四个参数：风险暴露，违约概率，违约损失率，期限。其中，违约概率(Probability ofDefault，PD)是商业银行计算意外损失以及经济资本的必不可少的要素之一，并且，违约概率的准确测算为商业银行计算准备金和风险加权资产(Risk Weighted Assets，RWA)提供重要依据。在内部评级法下，采用内部模型对违约概率的准确计量是商业银行控制风险提高自身竞争力的关键。 　　 　　一、西方常见的违约概率测算模型述评 　　 　　针对违约概率，目前，西方较常用的测算违约概率的方法有三种：默顿(Merton)(1974)的公司结构式模型，美国KMV的信用监测模型(Credit Monitor Model)(1993)，还有根据信用等级历史资料，以历史违约概率的均值作为测算违约概率的模型。 　　默顿模型提出了关于公司结构的期权方法，在结构式模型中把违约事件与期权定价联系起来。在到期日来临时，如果公司资产大于负债，公司将有能力偿还贷款，若公司资产小于负债时，则公司存在潜在的违约。把违约与否看作为到期日时点公司资产与负债差额的函数，以布莱克与斯科尔斯(Black－Scholes)期权定价理论为基础，在风险中性的条件下，可以测算出违约概率。默顿的公司结构式方法假设市场无摩擦，无交易成本，不考虑税金[1](P326)，在现实中这样的市场不存在。另外，此模型适用于当时美国的信用管理，并且把违约与否看做期权的执行，模型主要适合对上市公司违约概率的测算，而我国目前银行客户并非主要为上市公司，照搬此模型建立我国信用风险管理体系是不完善的。 　　美国KMV的信用监测模型也是建立在默顿的结构式模型基础上，是一种向前看的动态模型。模型运用期权定价理论，把股权看做企业资产的看涨期权，比较适合于对上市公司的违约概率估计。具体测算时根据公司债务情况找出公司的违约点w，w=短期负债+0.5×长期负债，测算出违约距离(Distance to Default)。进而求出违约概率，该方法也是在风险中性的前提下展开。缺点是模型对担保人因素、公司财务状况、行业状况等因素考虑比较简单，以及资产价值的对数不一定服从正态分布等。 　　另外，历史违约概率均值模型，即商业银行和评级公司可根据长时间积累下来的信用等级历史资料，以历史违约概率的均值作为不同信用等级下交易对手对应的违约概率。最新的巴塞尔资本协议规定，为了估计违约概率，银行使用的数据历史观察期至少要5年。那么对于目前我国商业银行缺乏债务人相应资信水平的数据库资料来说，这个方法虽然测算比较简单，但数据难于收集，并且国内缺乏像美国惠誉、标准普尔那样的信用评级机构提供数据资料。所以，仅运用此方法，测算结果也相对较粗略。 　　笔者认为，西方对违约概率的测算模型都没有充分考虑影响违约概率的因素，在运用上述模型时没有充分收集样本空间，模型较片面地只考虑到了一部分因素对违约概率的影响。另外，模型大多根据美国金融市场状况得出，应用于我国金融市场模型是否显著还有待考证，所以，基于目前我国的金融环境、银行业信用风险管理状况，为了提高测算精度，提高预测结果的可信度，下面我们考虑在充分收集样本空间的基础上，运用贝叶斯(Bayes)估计和逻辑斯蒂(Logistic)回归模型对重要风险因素进行分析测算。 　　 　　二、影响违约概率的因素分析 　　 　　违约概率的大小主要受债务人的资信水平决定。通常，不同的风险类别，其违约概率的影响因素有可能不同。国内相关文献分析得出影响违约概率的因素主要为公司状况、市场前景、担保人状况等，但是，弗莱(Frye，2000)使用穆迪违约风险服务数据库1982～1997年间的数据进行了分析，结果显示公司债券的违约概率和违约损失率之间存在很强的负相关性[2]，而奥特曼(Ahman，2000)则发现违约概率和违约损失率之间存在很强的正相关性[3]，两者是不独立的。