【正文】 BB+/B 7 BB 二、內(nèi)部信用評(píng)級(jí)方法 —— (一 ) 評(píng)級(jí)方法與基本程序 (續(xù) ) 53 4. 內(nèi)部評(píng)級(jí)的主要步驟： (1) 估計(jì)借款人的財(cái)務(wù)狀況 —— 初始債務(wù)評(píng)級(jí)； (2) 在第一步基礎(chǔ)上得到債務(wù)人評(píng)級(jí)； (3) 在第二步基礎(chǔ)上進(jìn)一步得到貸款項(xiàng)目的評(píng)級(jí)。 二、內(nèi)部信用評(píng)級(jí)方法 —— (二 ) 評(píng)級(jí)程序解析 (續(xù) ) 59 (2) 行業(yè)分析： ? 對(duì)債務(wù)人所處的行業(yè)進(jìn)行分析、評(píng)級(jí)； ? 對(duì)債務(wù)人在其所處行業(yè)中的相對(duì)地位進(jìn)行分析、評(píng)級(jí)； ? 將以上兩者結(jié)合起來(lái)對(duì)初始信用評(píng)級(jí)進(jìn)行調(diào)整，得到債務(wù)人的行業(yè)分析與評(píng)級(jí)。 1ie? ? ? ?12,iie e j k?2ie? ? ? ?? ?12,11iinjk e e j kic ????65 一、信用等級(jí)轉(zhuǎn)移概率 (續(xù) ) (二 ) 信用等級(jí)轉(zhuǎn)移的概率 1. 假設(shè) 為隨機(jī)變量，條件概率分布為 其中 是信用等級(jí)從初始的 j 級(jí)轉(zhuǎn)移 到 k 的概率，即 信用等級(jí)轉(zhuǎn)移概率 。 67 一、信用等級(jí)轉(zhuǎn)移概率 —— (三 ) 信用等級(jí)轉(zhuǎn)移矩陣 (續(xù) ) 3. 例：標(biāo)準(zhǔn)普爾公司公布的 1年內(nèi)信用等級(jí)轉(zhuǎn)移矩陣 (%) 初始 等級(jí) 一 年 后 等 級(jí) AAA AA A BBB BB B CCC 違約 AAA 0 0 0 AA 0 A BBB BB 1 B 0 CCC 0 68 一、信用等級(jí)轉(zhuǎn)移概率 (續(xù) ) (四 ) 信用等級(jí)轉(zhuǎn)移概率變動(dòng)范圍的估計(jì) 1. 若信用等級(jí)轉(zhuǎn)移事件相互獨(dú)立： ? 是服從二項(xiàng)分布的隨機(jī)變量，即 ，那么 的標(biāo)準(zhǔn)差為 ? 可以用 來(lái)估計(jì) 變動(dòng)的范圍。 72 二、聯(lián)合信用等級(jí)轉(zhuǎn)移概率 —— (二 ) 兩筆貸款相關(guān)時(shí)聯(lián)合轉(zhuǎn)移概率的計(jì)算 (續(xù) ) 2. 例：計(jì)算信用評(píng)級(jí)分別為 A級(jí)和 BB級(jí)、并具有相關(guān)關(guān)系的兩筆貸款的聯(lián)合轉(zhuǎn)移概率 (1) 利用 Merton(1974)模型確定評(píng)級(jí)轉(zhuǎn)移臨界值的理論表達(dá)式； (2) 計(jì)算 A級(jí)和 BB級(jí)債務(wù)人 1年后的標(biāo)準(zhǔn)化資產(chǎn)收益率的臨界值； (3) 給定兩種貸款資產(chǎn)的標(biāo)準(zhǔn)化收益率的相關(guān)系數(shù)，可計(jì)算其標(biāo)準(zhǔn)化收益率的聯(lián)合分布密度； (4) 利用上述臨界值和聯(lián)合分布密度計(jì)算 A級(jí)和 BB級(jí)貸款的聯(lián)合轉(zhuǎn)移概率。 1tXDPP ?1tXDPP ?/1t XDPP ?/1t XDPP ?76 第五節(jié) 基于財(cái)務(wù)分析指標(biāo)的評(píng)分模型：Z值評(píng)分模型與 ZETA模型 77 一、 Z值 評(píng)分模型的基本原理與應(yīng)用 (一 ) Z值評(píng)分模型的基本原理 1. 基本原理： (1) 利用統(tǒng)計(jì)方法分析銀行過(guò)去的貸款案例，選擇出最合適的比率指標(biāo)； (2) 通過(guò)判別分析法設(shè)計(jì)出一個(gè)能最大程度的區(qū)分貸款風(fēng)險(xiǎn)度的數(shù)學(xué)模型； (3) 對(duì)借款者的信用風(fēng)險(xiǎn)及資信進(jìn)行評(píng)估、判別。 2. ZETA模型選取了七個(gè)判別財(cái)務(wù)變量： ? X1=息稅前利潤(rùn) /總資產(chǎn) ? X2= X1在 5~10年變化的標(biāo)準(zhǔn)差 ? X3=息稅前利潤(rùn) /總利息支付額 ? X4=留存收益 /資產(chǎn)總額 ? X5=流動(dòng)資產(chǎn) /流動(dòng)負(fù)債 ? X6=普通股權(quán)益 /總資本 ? X7=公司總資產(chǎn)的對(duì)數(shù) 81 二、改進(jìn)的 Z值評(píng)分模型： ZETA模型 (續(xù) ) 3. ZETA模型在變量選擇、變量穩(wěn)定性、樣本開發(fā)、統(tǒng)計(jì)方法應(yīng)用上，比 Z值評(píng)分模型有了長(zhǎng)足進(jìn)步。 85 一、 CreditMetrics模型的基本思想和應(yīng)用程序 (續(xù) ) (二 ) 模型應(yīng)用的基本程序 1. 評(píng)級(jí)體系的選擇與信用等級(jí)轉(zhuǎn)移矩陣的確定； 2. 信用期限長(zhǎng)度的確定； 3. 遠(yuǎn)期信用定價(jià)模型的確定； 4. 信用資產(chǎn)遠(yuǎn)期價(jià)值的分布與 VaR計(jì)算。 , 1 , 2 , 3 ,AB PUBIND PUBRE PUBCOMab ab ab? ? ? ?? ? ?,AB?二、信用資產(chǎn)組合的 CreditMetrics模型 —— (三 ) 基于多因素股票收益率模型的相關(guān)系數(shù)計(jì)算 (續(xù) ) 90 (四 ) 正態(tài)分布下兩筆信用資產(chǎn)組合的 VaR計(jì)算 1. 計(jì)算兩種信用資產(chǎn)收益率之間的相關(guān)系數(shù)； 2. 計(jì)算兩種信用資產(chǎn)的聯(lián)合信用等級(jí)轉(zhuǎn)移矩陣； 3. 計(jì)算每筆信用資產(chǎn)對(duì)應(yīng)期限的遠(yuǎn)期價(jià)值； 4. 確定每個(gè)聯(lián)合轉(zhuǎn)移概率所對(duì)應(yīng)的信用資產(chǎn)組合的價(jià)值 ； 5. 在正態(tài)假定下，直接得到信用資產(chǎn)組合對(duì)應(yīng)于置信度 c 下的 VaR： 。 2. 假設(shè)有一個(gè) N 項(xiàng)信用資產(chǎn)組合，其中一筆 X 級(jí)信用資產(chǎn)對(duì)組合的邊際風(fēng)險(xiǎn)等于：含某 X 級(jí)資產(chǎn)的N項(xiàng)信用資產(chǎn)組合的總風(fēng)險(xiǎn) 減去 不含 X級(jí)資產(chǎn)的余下 N1項(xiàng)信用資產(chǎn)組合的總風(fēng)險(xiǎn)。 2. 信用組合觀點(diǎn)模型主要適用于投機(jī)級(jí)債務(wù)人，而不太適合投資級(jí)債務(wù)人。)。 2. RULi反映了信用損失率的不確定性程度。 110 第八節(jié) 基于財(cái)險(xiǎn)精算方法的違約模型 (DM)： CreditRisk+模型 111 一、基本原理和模型 1. 基本原理： CreditRisk+模型的基本思想來(lái)源于財(cái)產(chǎn)保險(xiǎn)方法。 12, ,..., m? ? ?115 一、基本原理和模型 (續(xù) ) (四 ) 各個(gè)頻段級(jí)的貸款違約概率分布及損失分布 1. 假設(shè)處于 頻段級(jí)的貸款的平均違約數(shù)為 ，貸款數(shù)目為 Ni； 2. 求出處于 頻段級(jí)的 Ni 筆貸款中有 j 筆違約的概率 Pi(j)及其對(duì)應(yīng)的預(yù)期損失 ： i?i?i?( , )E L i j()!jiiiePjj???? ( , ) !jiiieE L i j jL j?? ??116 一、基本原理和模型 (續(xù) ) (五 ) N 筆貸款組合的違約概率和損失分布 1. 假設(shè) N筆貸款中處于 頻段級(jí)的違約數(shù)為 ni，根據(jù) Li=L i 可計(jì)算出風(fēng)險(xiǎn)暴露量為 2. 對(duì)應(yīng)于違約組合 的 N筆貸款組合的違約概率為 i?1 1 2 2 ... mmLn Ln Ln nL? ?? ?12( , ,..., )mn n nn 1 2 m1(n ,n , ,n )!mii iniiePn??????117 一、基本原理和模型 —— (五 ) N 筆貸款組合的違約概率和損失分布 (續(xù) ) 3. 令 G 表示滿足 的所有不同違約組合 ； 4. N 筆貸款組合的風(fēng)險(xiǎn)暴露或違約損失等于 nL的概率及其對(duì)應(yīng)的預(yù)期損失分別為： 122 ,..., mn n mn n? ? ? ?12( , ,..., )mn n n??? ?（ ）12n 1 2 m, , ,(損失 ) (n,n, ,n)mnn n GP nL P? ? ?(損失 )nEL nLP nL118 一、基本原理和模型 (續(xù) ) (六 ) N筆貸款組合的預(yù)期損失、未預(yù)期損失和資本 要求 1. 根據(jù)前文計(jì)算的違約概率和損失分布，可估計(jì)出N筆貸款組合的預(yù)期損失和給定置信度 c下的最大損失，即為未預(yù)期損失； 2. 置信度 c下的未預(yù)期信用損失與預(yù)期信用損失的差額即為經(jīng)濟(jì)資本。第一年和第二年的邊際死亡率MMR MMR2的計(jì)算方法分別為： 可依次得到 MMR3,…, MMRn。 127 二、對(duì)死亡率模型的評(píng)價(jià) (續(xù) ) 2. 死亡率模型的明顯缺點(diǎn)： ? 需要大量的歷史數(shù)據(jù)，而單個(gè)商業(yè)銀行常常無(wú)法實(shí)現(xiàn)； ? 對(duì)于各債務(wù)違約事件的假設(shè)較為苛刻； ? 僅考慮違約損失，忽視了貸款價(jià)值變化。 一、 CreditMetrics、 CreditRisk+、 Credit Portfolio View、 KMV模型比較 (續(xù) ) 132 4. 信用事件的相關(guān)性： ? 各模型均需考察違約事件之間的相關(guān)性結(jié)構(gòu)，以反映債務(wù)與主要風(fēng)險(xiǎn)因素的系統(tǒng)聯(lián)系。 2. 列舉度量信用風(fēng)險(xiǎn)時(shí)有可能涉及的主要參數(shù)，并闡述其含義和作用 。 6. 對(duì)持有一項(xiàng)包含兩種或兩種以上貸款的組合，給出計(jì)算該組合在一定時(shí)期內(nèi)等級(jí)轉(zhuǎn)移概率的方法和步驟 。 10. 通過(guò)與市場(chǎng)風(fēng)險(xiǎn)度量模型和方法的比較，說(shuō)明已有信用風(fēng)險(xiǎn)度量模型和方法所存在的問(wèn)題和未來(lái)發(fā)展的方向 。 8. 試述 CreditMetrics模型的 基本思想、應(yīng)用步驟，并說(shuō)明該模型的假設(shè)對(duì)應(yīng)用效果的影響 。 4. 簡(jiǎn)述如何運(yùn)用 Merton公司債務(wù) 定價(jià)模型計(jì)算某家上市公司的信用價(jià)差 。 一、 CreditMetrics、 CreditRisk+、 Credit Portfolio View、 KMV模型比較 (續(xù) ) 133 6. 計(jì)算方法： ? CreditMetrics模型對(duì)單項(xiàng)貸款的 VaR計(jì)算可通過(guò)解析方法實(shí)現(xiàn)，而對(duì)于大規(guī)模貸款組合的 VaR計(jì)算則往往需要模擬技術(shù)來(lái)實(shí)現(xiàn)； ? Credit Portfolio View模型也主要采取模擬技術(shù)和方法； ? CreditRisk+、 KMV模型計(jì)算方法比較簡(jiǎn)單，只需解析技術(shù)即可。 一、 CreditMetrics、 CreditRisk+、Credit Portfolio View、 KMV模型比較 130 2. 風(fēng)險(xiǎn)來(lái)源： ? KMV和 CreditMetrics模型中，風(fēng)險(xiǎn)主要來(lái)自企業(yè)資產(chǎn)未來(lái)的價(jià)值變化； ? CreditRisk+模型中，風(fēng)險(xiǎn)主要來(lái)自違約概率的預(yù)期水平及其波動(dòng)； ? Credit Portfolio View 模型主要考察因宏觀經(jīng)濟(jì)指標(biāo)變動(dòng)所導(dǎo)致的風(fēng)險(xiǎn)。 iMMR i?(1 )iiiM M R M M RN???i?125 一、基本原理和模型 (續(xù) ) (四 ) 信用損失的計(jì)算 1. 假定各債務(wù)違約事件相互獨(dú)立， 相同信用等級(jí)的債務(wù)違約情況相同，且不同類型債務(wù)的違約損失率也相互獨(dú)立； 2. 首先計(jì)算出某一信用評(píng)級(jí)中債務(wù)的死亡率； 3. 然后，根據(jù)債務(wù)對(duì)應(yīng)的違約率 LGD和風(fēng)險(xiǎn)暴露，算出某項(xiàng)債務(wù)或債務(wù)組合的預(yù)期、未預(yù)期信用損失。 120 二、 CreditRisk+模型適用范圍與 優(yōu)缺點(diǎn)評(píng)述 (續(xù) ) 2. CreditRisk+模型的局限性： ? 只考察違約所導(dǎo)致的信用資產(chǎn)組合的損失分布，而未關(guān)注信用資產(chǎn)組合的價(jià)值變化 ； ? 假定各頻段的違約率是固定的，忽視發(fā)生變化的可能性 ； ? 泊 松分布所得到的平均違約率較低，低估了違約率和損失 。 112 一、基本原理和模型 (續(xù) ) (一 ) 貸款違約事件的描述 1. 違約行為是隨機(jī)的，違約概率為 P； 2. 單個(gè)債務(wù)人違約的概率很小，而且每個(gè)債務(wù)人的違約行為與其他債務(wù)人的違約行為無(wú)關(guān)； 3. 所有債務(wù)人在一個(gè)時(shí)期發(fā)生的違約數(shù)量與另一時(shí)期的違約數(shù)量無(wú)關(guān)； 4. 給定期間內(nèi)，違約的概率分布服從泊松分布。 107 (四 ) 信用資產(chǎn)組合的風(fēng)險(xiǎn)計(jì)量與邊際風(fēng)險(xiǎn)貢獻(xiàn)量分析 1. 利用前文計(jì)算出的兩資產(chǎn)之間的相關(guān)系數(shù)，就可得到信用資產(chǎn)組合 X的協(xié)方差矩陣； 2. 進(jìn)而得到信用資產(chǎn)組合 X的風(fēng)險(xiǎn)或者未預(yù)期損失 UCL； 3. 第 i 種信用資產(chǎn)的邊際風(fēng)險(xiǎn)貢獻(xiàn)量 iiiU C LM R C xx???三、 KMV的信用資產(chǎn)管理方法 (續(xù) ) 108 四、 KMV模型適用范圍和優(yōu)缺點(diǎn)評(píng)