CreditMetrics模型相关性处理改进.docxVIP

CreditMetrics模型相关性处理改进

一、引言

信用风险是金融机构开展信贷投放、债券投资、信用衍生品交易等业务过程中面临的核心风险类型，准确计量组合层面的信用风险水平，是金融机构计提风险准备金、配置经济资本、制定授信策略、开展压力测试的核心基础。早期的信用风险计量多聚焦单笔资产的违约概率、违约损失率、风险暴露等个体参数，随着现代投资组合理论在信用风险管理领域的渗透，从业者逐渐意识到，组合整体的信用风险水平并不是单笔资产风险的线性加总，不同债务人之间信用质量变化的联动关系也就是相关性，是决定组合分散化效应、集中度风险水平以及极端损失规模的核心变量。如果对相关性的判断出现偏差，即便单笔资产的风险参数计量足够准确，最终得到的组合风险结果也可能和实际情况出现显著偏离，要么高估风险造成资本冗余与效率损失，要么低估风险导致风险抵御能力不足。

二十世纪九十年代末，由国际大型金融机构牵头开发的CreditMetrics模型首次将受险价值思路引入信用风险计量领域，搭建了组合信用风险量化的完整框架，成为全球金融业应用最广泛的信用风险计量工具之一。该模型从诞生之初就将相关性处理作为组合计量的核心环节，但受限于当时的数据积累、计算能力以及对信用风险传导规律的认知，原初框架中的相关性处理方法存在一系列和实际市场运行规律不匹配的缺陷，长期以来都是学术界和实务界优化调整的核心方向。本文将从CreditM