现代信用风险计量模型研究与比较.docVIP

现代信用风险计量模型研究与比较 　　商业银行的信用风险是指借款人或交易对手未履行其财务性的或合约性的债务义务而使商业银行蒙受损失的风险。这里采用的是“未履行”而不是“未能履行”，意味着一种是能力不足，二是意愿不足，“不愿”履行义务[1]。既有客观上的原因，也有主观意义上的不愿意。金融工程者为如何识别，定性和定量的分析信用风险作出了很大的努力，信用风险模型主要有下面几类。 　　 　　一、传统方法 　　识别和分析信用风险的方法有很多，有古典的专家分析法，它对信用风险的评估来自于信贷专家的判断。依靠信贷专家运用自身的专业知识和丰富的经验做出的信贷决策。如5C评价法，5P系统等。这种评价在很多时候都是以对债务人的历史表现以及专家的主观判断，比较缺乏客观的评价分析。所以这种方法多数用于定性而少用于定量分析。也有由美国纽约大学Edward Altman教授对美国破产和非破产生产企业进行大量观察后提出的多元变量线性分析方法，开始对风险进行定量分析，如Z-SCORE模型和ZETA模型等。 　　 　　二、结构模型 　　（一）Credit Metrics模型 　　该模型由J.P.摩根于1997年推出，以信用评级转移为基础，信用级别可以是专业机构的评级，也可以是自己独立的评级，它根据已知历史数据估计的转移概率，用公司的债券市场或者股票市场的数据来代替公司资产直接导出评级分类的相关性，它计算贷款的组合价值的远期分部，直接估计出一般信用损失分部对应某个水平分位数作为资产信用风险值。 　　该模型认为信用风险源自于企业信用等级的变化，并假定信用评级体系是有效的，即企业投资失败、利润下降、融资渠道枯竭等信用事件对其还款履约能力的影响都能及时恰当地通过其信用等级的变化而表现出来。并且可以采用组合投资的分析方法，注重直接分析企业间信用状况变化的相关关系，因而更加与现代组合投资管理理论相吻合。也是适合中国现在国情的。 　　（二）KMV模型 　　KMV模型以Merton的期权定价理论为基础，它将公司的资本结构简化为只有所有者权益、短期债务（等效于现金）、长期债务（假定长期不变）和可转换优先股。 　　该模型以公司的公开市场上的数据以及会计数据为数据来源。KMV模型通过利用期权定价模型得出公司资产的价值以及资产的波动性，并提出了其特有的违约距离的概念。认为违约距离时资产市场价值的违约点的差是资产价值与波动性的积的倍数。而通过将这个违约距离映射到其特有的数据库就可以确定违约的概率。KMV模型也称为EDF模型，并认为EDF是一条连续的曲线，每个债务人都有特有的EDF（Expected Default Frequency）。由于模型以市场数据为来源所以模型的预测前瞻性较强。 　　KMV模型的局限于是需要有效的股票市场数据。而中国这类企业的比例非常小并且模型所推导的预期违约率与违约距离之间的函数关系主要是以美国本土公司的数据为基础的，但因其数据来源的限制，笔者认为不适合我国现状。 　　（三）CSFP CreditRisk+模型 　　该模型有瑞士信贷银行开发于1996年开发，它与前两个模型都不同，采用的是保险精算学分析框架。它假设每一笔贷款都是独立的，而且违约的可能性非常小，违约被模型化为有着一定概率分布的连续变量，通过假定贷款组合的分布为泊松分布，在对贷款损失划分频段的基础上，通过违约频率和损失大小就可以确定每一损失频段的分布，通过加总就可以求出贷款组合的损失分布。 　　其缺点在于每一笔贷款都是独立的设定在中国基本不可能，而它们却是模型的基本输入因子，因此并不适合中国现状。 　　（四）CreditPortfolioView模型 　　该模型McKinsey于1997年提出，该模型同CreditMetrics模型一样，关注评级转移概率，违约概率和资产组合的违约概率，而且加入了经济状态如联合分布随失业率、长期利率、GDP增长率、汇率、政府支出和总储蓄率等宏观变量来模拟违约事件的信用风险模型。因此它被用来模拟不同国家各个信用级别产品的违约概率和信用等级转换概率的联合条件分布。可以看成是对CreditMetrics 的扩展。但由于宏观经济因素的模拟非常困难，因此实际可操作性不强。 　　 　　三、简约模型 　　以上所介绍的结构型模型都或多或少存在着复杂和缺乏可操作性问题。数据来源有着很强的约束性，如公司财务信息，股票债券信息，宏观经济指数等等。在实际运用的时候，很难适合大多数企业。 　　而简约模型则是从另外一个视角解释了违约发生的本质，并且可以灵活的构造输入数据结构等优点。简约模型又叫“风险率”模型，该模型是利用了医学上疾病发作时预测统计法和随即过程数学发展过来的。该模型由一个或多个外生变量组成，并将结构模型中，公司的违约时刻由特定时刻改为任意