Credit Metrics模型及其对我国商业银行适用性的思考.docVIP

Credit Metrics模型及其对我国商业银行适用性的思考 　　中图分类号：F83文献标识码：A 文章编号：1002－6908（2007）1120010-01 　　 　　1997年4月初，美国JP摩根财团与其他几个国际银行共同推出了世界上第一个评估信用风险的量化度量模型Credit Metrics。该模型以资产组合理论、VaR(Value at Risk)理论等为依据，以信用评级为基础，不仅可以识别贷款、债券等传统投资工具的信用风险，而且可用于互换等现代金融衍生工具的风险识别，已运用于发达国家大银行的信贷风险管理中，迅速成为行业标准模型之一。 　　 　　一、Credit Metrics模型的基本思想 　　 　　Credit Metrics方法是基于信用转移分析，它对任一债券或贷款组合的价值建立了完全分布模型，并且其价值的变化只与信用转移有关，它通过在险价值来衡量风险，而这一在险价值即是在指定置信水平下这一分布的百分位数。在Credit Metrics中，价值变化与债务人信用质量的最终转移相联系，这种转移既包括升级也包括降级和违约。因此，信用风险不仅由债务人的违约风险引起，也会因债务人的信用等级降级而引起潜在的市场价值损失。 　　Credit Metrics的准确性依赖于两个关键的假设：①处于同一等级的所有公司具有相同的违约率；②实际违约率等于历史平均违约率。这两个假设也运用于其他的转移概率，换言之，信用等级变化和信用质量变化是同一的，且信用等级和违约率也是同义的，即当违约率调整时，等级也变化，反之亦然。 　　Credit Metrics评估信用风险的基本步骤如下： 　　①确定风险期的长度，按习惯通常设定为1年。因为评级机构的违约概率数据每年公布一次，银行对客户的授信通常也是每年审核一次。 　　②确定信用评级系统，每一债务人被赋予一个信用评级，可采用权威中介机构的评级结果，也可以是内部评级结果。 　　③确定债务人信用评级转移矩阵，即债务人在风险期信用评级转移至其他所有状态的概率，转移概率通常由历史数据统计得出。 　　④确定信贷利差溢价，以计算贷款或债券在不同评级上的现值；Credit Metrics采用合同现金折现流量法（DCCF）来计算贷款将来价值，如贷款评级调整，贷款的现值就不是合同约定的将来现金流量的价值，而是其回收价值。 　　⑤确定不同评级级别债券的违约回收率。Credit Metrics假设不同借款人的违约回收率的相关性为零，同时假设同一借款人不同种类借款的违约回收率的相关性为零。 　　⑥估计资产之间变化的相关性。由于资产价值不能够直接观测到，所以对那些上市公司而言，可以用股价作为替代变量来计算资产相关系数。对于一个大规模的债券与债务组合来说，需要计算一个相当大的相关系数矩阵。为了减少这个估计问题的维数，Credit Metrics模型使用了多因素分析的方法。 　　⑦估计资产之间的联合违约概率以及联合转移概率。Credit Metrics选择股票价格作为公司资产价值的替代变量来推导公司之间的违约相关系数，进而推导转移概率与违约概率。 　　⑧计算贷款或债券组合的信用风险值。 　　 　　二、对Credit Metrics模型的评价 　　 　　作为世界上第一个评估银行信贷风险的量化度量模型，Credit Metrics的出现标志着风险管理在精确性及主动性方面取得了巨大进步，它与其他度量信用风险的方法相比，该模型第一次用一个统一的、综合的架构形式来考虑信用资产的信用质量转换、违约概率、违约回收率以及相关性等问题，尤其对信用资产信用质量相关性的处理方法独具特色。具体表现在以下两个方面：①在该模型中达到了用传统的期望和标准差来度量资产信用风险的目的，可以在确定的置信水平上计算出信用资产的在险价值量（VaR）。②将单一信用工具放入资产组合中衡量其对整个组合风险状况的作用，使用了边际风险贡献的概念，可以清楚地看出各种信用工具在整个组合的信用风险中的作用。通过该模型能够精确的识别风险源，最优安排降低风险的举措的顺序，为新的贷款的审批提供依据。另外，它也能指导银行的管理者最优使用“经济资本”。正是因为Credit Metrics模型有这些优点，使得该模型推出之后便备受业内人士的好评，并积极提倡引入我国的商业银行风险管理之中。 　　由于该模型运用仍处在初创阶段，在许多方面还不成熟，还存在若干尚需解决的技术问题： 　　①信用矩阵模型中信用级别变动概率符合稳定马尔科夫过程，它意味着债券或贷款本期信用级别变动与以前信用级别变动无关。然而，有证据表明，信用级别变动是自相关的。通常，债券或贷款的信用级别在前一期发生降级，则在本期发生降级的可能性较大。这意味着两阶或更高阶的马尔科夫过程可能可以更好地对