第十章信用风险管理.pptVIP

KMV模型 默顿·米勒在1974年就曾指出，一笔银行贷款的损益可以看作是与以借款企业资产为标的所卖出的一笔卖权等值的，也即图2.1与图2.2中的损益是等值的。 A2 资产价值 B A1 0 损益额($) 损益额($) + O x 股票价格（S） - 图2.1 放款银行贷款损益图 图2.2 股票卖权的卖方损益图 KMV模型 KMV 公司建立的信用监测模型的目的在于为了解决银行贷款的信用风险问题。该模型使用了两个关系： 其一，企业股权市值与它的资产市值之间的结构性关系； 其二，企业资产市值波动程度和企业股权市值的变动程度之间关系。 通过这两个关系模型，便可以求出市场上无法直接观测到的两个变量：企业资产市值及其波动程度。一旦所有涉及的变量值被算出，信用监测模型便可以测算出借款企业的预期违约频率(EDF)。 KMV模型示意图 现代信用风险计量方法 KMV模型计算步骤 估计公司的资产价值及其波动性 计算公司违约距离DD 确定EDF值 KMV 模型 银行发出一笔贷款，其得到的支付（或者报酬）类似与卖出一份借款企业资产的看跌期权。利用期权定价模型，风险贷款的价值取决于5个类似的变量价值： 其中，A为资产价值，E为企业股权价值，B为向银行的借款数，r为短期利率， 为该企业的资产市值的波动性， 为贷款期限。 KMV 模型 企业股权市值的波动性与它的资产市值波动性之间存在理论关系： 以上两式联立，可得到资产价值A及其波动性 KMV 模型 设定 A为资产价值，B为违约点 KMV 模型 例：估计意见发行债券企业的预期违约频率： 　　资产当前市值　1000 每年资产的期望净增长　20% 一年后资产的期望值 1200 年度资产波动性 100 违约点 800 则违约距离 DD = （1200-800）/100 = 4 KMV 模型 假定在某一时间点具有违约距离为 4 的企业总体共有 5000个，一年后实际违约的有20个，则预期违约频率为 EDF = 20/5000 = 0.4% 根据下表可应该类企业的信用评级为 BBB- KMV 模型 标准普尔评级与ＫＭＶ的EDF值得影射 KMV信用监测模型的优劣分析 与传统的以会计资料为基础的信用评分模型和信用评级机构的信用评级相比，KMV的信用检测模型具有更强的违约预测能力。 图 对IBM公司所做的KMV预期违约频率和信用评级机构对其所做的信用评级结果 图 对泰国银行所做的KMV预期违约频率和信用评级机构对其所做的信用评级结果 现代信用风险计量方法 KMV模型的优缺点 优点 KMV模型通过对该企业股票市场价格变化的有关数据的分析企业信用风险，所以KMV模型能够连续、迅速、有效地进行违约概率的计算和信用等级评定。 KMV模型假定市场有效，所有有关公司的信息都会及时反应在公司股票价格中，所以KMV模型的违约预测具有前瞻性。 缺点 KMV模型利用企业股票市场价格进行违约概率的计算，限制了模型的使用范围，只能运用在对上市企业的信用风险度量。 理论上的EDF依赖于资产正态收益的假定，但在实际中，信用风险收益并不符合正态分布，其分布是有偏和肥尾的。 没有区别不同类型的长期债券。 因为Merton模型假设，一旦管理人员采用了合适的债务结构，即使企业资产价值发生倍增，它也不会变化，所以该模型是“静态的”。 现代信用风险计量方法 Credit Metrics模型 Credit Metrics模型以期权理论为理论基础，利用通过分析贷款和债券类金融产品等资产组合的价值变化的远期分布得到的信贷资金的在险价值（VaR）来反映贷款或贷款组合的信贷风险的大小。 Credit Metrics模型对任一债券或贷款组合的价值建立了完全分布模型，并且认为信贷资产价值的变化不仅要受到违约的影响，而且资产等级的变化也对其价值产生影响，债券或贷款组合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。 现代信用风险计量方法 Credit Metrics模型计量信用风险的基本步骤 用户资产组合 市场波动状况 风险暴露分布 用户资产组合 市场波动状况 风险暴露分布 信用评级 债项优先性 信用利差 评级迁移概率 单个敞口信用变化导致的价值波动的标准差 违约回收率 债券重估现值 风险暴露 信用风险价值 相关性 资产组合的信用风险价值 现代信用风险计量方法 Credit Metrics模型 利用信用迁移矩阵，了解借款企业信用等级转换的概率 对信用等级变动后的贷款市值估价 计算受险价值