262,377
次編輯
變更
创建页面，内容为“ '''信用风险度量模型'''是中国的文化术语。 目前，世界上只有两种文字，一种是方块文字，如汉字<ref>[https://www.sohu.c…”
'''信用风险度量模型'''是中国的文化术语。
目前，世界上只有两种文字，一种是方块[[文字]]，如汉字<ref>[https://www.sohu.com/na/455650946_100034039 日文是怎么来的，日本人是如何把汉文，改换成他们自己文字的]，搜狐，2021-03-15</ref>、日文和韩文，还有历史上曾经出现过的西夏文<ref>[https://history.sohu.com/a/603679073_121174827 与汉文同宗同源的西夏文，国人看它如天书，俄罗斯人却如数家珍]，搜狐，2022-11-09</ref>、契丹文，喃字等；另外一种是字母文字，主要包括拉丁[[字母]]文字、阿拉伯字母文字、粟特字母文字等。
==名词解释==
信用风险(credit risk)是指由于借款人或市场交易对方违约而导致损失的可能性，以及由于借款人的信用评级的变动和履约能力的变化导致其债务的市场价值变动而引起的损失的可能性。从该定义可以看出。信用风险由两部分组成，一是违约风险，指交易一方不愿或无力支付约定款项致使交易另一方遭受损失的可能性；二是信用价差风险，指由于信用品质的变化引起信用价差的变化而导致的损失。新巴塞尔[[协议]]对[[银行]]的资本要求允许各国银行可以采用内部模型来度量信用风险。由于20世纪90年代里，公司倒闭的结构性增加、脱媒效应的显现、竞争的白热化、担保能力的下降、金融衍生品的急剧膨胀、信息技术的飞速发展等因素促使人们加强对信用风险的研究，从而涌现出了现代信用风险度量模型。
信用风险度量模型的类别
目前国际上运用较多的现代信用风险度量模型主要有：KMV公司的KMV模型、JP摩根的信用度量术模型(ceditmetrics mode1)、麦肯锡公司的宏观模拟模型(credit portfolio view)、瑞士信贷银行的信用风险附加法模型(cridetrisk+)、死亡率模型(mortality rate)等。在巴塞尔新资本协议即将实施的背景下，结合国有商业银行的具体情况，对这些模型进行适用性分析，对加强国有商业银行的风险管理具有重大意义。
(一)KMV模型
KMV模型是由KMV公司利用默顿的期权定价理论开发的一种违约预测模型，模型的核心分析工具是预期违约频率EDF(expected delinquency frequency)，它的原理是银行贷款相当于向债务人卖出一个看跌期权，当企业资产的市场价值超过企业的负债时，企业有动力偿还贷款，当企业资产的市场价值低于债务时，企业会行使期权，选择违约。KMV模型根据借款公司的股票价格波动计算EDF，通过EDF来计算违约损失额LGD。有如下公式：
1．计算EDF。理论上知道企业资产的变动性就可得出其违约的概率(EDF)，但实际操作中并不知道企业资产的市场价值在整年中的确定概率。为此，模型引入了距违约触发点的距离(DD)的概念。假设A企业在t年里，企业的资产市值为V(A)，资 产的变动性为σA ，DD的公式如下：
DD=\frac{V(A)-DPT_A}{\sigma_A}(当t=1时)
DD=\frac{V(A)-DPT_A}{\sqrt {\sigma_A t}} (当t>l时)
其中，DPT 表示企业债务的面值，式中有两个未知变量：资产价值和资产变动性σA 。
计算资产变动性和资产价值。按照默顿对布莱克-斯科尔斯模型V(A)的修正公式，利用公司股票市场价格的历史观测值，采用迭代法，可以求出资产价值V(A)和资产变动性σA 。
EDF的计算。根据资产价值和变动性，就可以求出DD值。根据DD值与EDF值的经验对应数据，求出企业在一定DD值下的EDF值。
2．计算违约损失额LGD和预期损失EL。LGD=(1-预期收回率)×贷款的面值，预期收回率由各银行根据历史经验进行假设。
EL=EDF×LGD EL为预期损失；UL为非预期损失；AIS为总溢价，指在银行收取的利息部分中，不含基准利率的部分，AIS=EL+ES(预期回报)。
3．对单个信贷资产风险计算：E1i=EDF×LGD ULi = LGD * (EDF * (1 − EDF))1 / 2 。
4．组合风险的计算。对组合风险的计算主要问题是资产相关性。KMV公司根据多年的经验，将所有行业分为6l类，建立了庞大的资产相关性数据库，利用数据库就可以算出不同企业的资产相关性。
(二)信用度量术模型
该模型由JP摩根公司主持开发并于1997年推出，属于盯市类(MTM)模型。模型的核心思想是组合价值的变化不仅受到债务人违约的影响，而且还会受到债务人信用等级转移的影响。该模型通过求解信贷资产在信用品质变迁影响下的价值分布，计算信用风险的VaR值，即在给定的置信区间上、在给定的时间段内，信贷资产可能发生的最大价值损失。
1．单笔贷款信贷风险测算。
第一步：通过构建概率转移矩阵计算借款人的期末信用等级转概率P。转移概率可利用历史数据得到。
第二步：估算未来不同信用等级下的贷款远期价值。计算贷款的现值公式为：
\mu=R+\sum_{i=1}^{n-1} \frac{R}{(1+r_i+s_i)^i}+\frac{R+F}{(1+r_n+s_n)^n}
式中：R为固定年利息，F为贷款金额，n是贷款剩余年限，ri为第i年远期零息票国库券利率(无风险利率)，si为特定信用等级贷款的i年度信用风险价差。
第三步：得出贷款价值的实际分布。将第一步得出的概率及从第二步得出的价值相结合，即可得到贷款价值在年末的非正态的实际分布。
均值为：\mu=\sum_{i=1}^sp_iu_i
标准差为：\sigma=[\sum_{i=1}^sp_i(u_i^2+\sigma_i^2)-\mu^2]^{1/2}
其中σi为各折现值的标准差
第四步：求出VaR值。可利用信用等级转移概率和与之相对应的贷款价值表，近似地计算出不同置信度下的VaR值。
2．贷款组合信贷风险测算。JP摩根将单项资产模型加以扩展，使之成为组合风险计量模型。与单个信贷资产风险的计算相比，计算组合资产风险时将各组合资产的相关性考虑进去，用各资产的联动概率替代单个资产的评级调整概率。
(三)宏观模拟模型
基于经济周期的各种宏观因素会对债务人的信用等级转移产生重要的影响，麦肯锡公司借用Wilson的建模思想，将宏观因素与转移概率间的关系模型化，建立了宏观模拟模型，以有条件转移矩阵取代以历史数据为基础的无条件转移矩阵，并求出对经济周期敏感的VaR值。
具体步骤：
设Yt为一定宏观因素所构成的经济状态，Xt为系统宏观变量(包括GDP增长率、失业率等)的集合，vt为非系统宏观变量(指经济体系受到的随机冲击或创新)的集合。Yt与Xt、vt的关系可以表示为：Yt= g(Xt，vt)。转移概率Pt和宏观因素Yt的关系可表示为：Pt= f(Yt)
由于Xt已知，vt可用蒙特卡罗模拟法求出，Pt的模拟值就可求出。按照该思路，对转移矩阵中所有的其他元素进行调整，估算出以宏观经济状态为条件的未来各期的转移概率模拟值，进而得到未来各期的有条件的模拟转移矩阵，计算出对经济周期敏感的未来各期的VaR值。
(四)信用风险附加法模型
该模型是瑞士信贷银行金融产品开发部于1997年开发的，其基本思路是运用保险经济学中的保险精算方法，将风险暴露划分成不同的频段，以提高风险度量的精确程度。具体步骤如下：
第一步：将银行持有的全部贷款按照单笔贷款的风险暴露额划分为若干频段，并求出各频段的违约概率分布(假定贷款组合违约概率近似于泊松分布)。
p(n)=\frac{\mu^ue^{-u}}{n!} (n=0，1，2? ? )
式中：μ表示单位时间内平均违约次数。
第二步：计算各频段的损失分布。该频段的预期损失一平均违约次数×每笔贷款的风险暴露。
第三步：将各频段的损失分布加总就可以得到组合损失分布。
(五)死亡率模型
美国学者Altman等借鉴寿险精算的思想开发出债券的边际和累计死亡率表，俗称死亡率模型 ，基本思路是利用历史违约数据，估计贷款寿命周期内每一年的边际违约率MMR和累计违约率CMR，将违约率与LGD结合就可得到预期损失的估计值，进一步可得到预期之外损失的估计值。
该模型认为各债券违约相互独立，即不存在相关效应和连锁反应，相同信用等级的债券违约情况相同，而不同债券类型的违约下的损失率不同且相互独立，但同一债券类型的违约下的损失率基本相同，这些与信用度量术有相同之处，但两种模型在处理上有明显不同。
事实上，该模型是用历史数据统计不同信用等级下债券的边际死亡率和累计死亡率，同时，也可以统计出不同信用等级下的LGD，所以该方法比较容易理解，但应用也存在较大难度，主要是对数据量要求很大，许多单个商业银行无法提供如此大的数据库，如对有7个信用等级的债券的损失进行比较精确测算，则样本要达到 7万多个，这对一般商业银行是不可能的。
==参考文献==
[[Category:800 語言學總論]]