信用風險評估與管理-預覽頁
【正文】 開始提供全國消費者個人信用調查報告。 ?一般的信用評級應基于上述系統(tǒng)的評估結果 ， 非標準案例可由高級信貸人員進行專門評估 。 UESTC 20 信用風險指標 （續(xù)） ?3， 客戶財務信息的質量 相對而言 ， 應使用經(jīng)會計師事物所審計的財務報表 。 ?顯然 ， 對四大國有商業(yè)銀行的現(xiàn)有不良資產(chǎn)或新產(chǎn)生的不良資產(chǎn) ， 不能再采用此種方式進行剝離和消化 。 UESTC 25 我國商業(yè)銀行的信貸風險管理 （續(xù)） ?按照新巴塞爾資本協(xié)議和國外經(jīng)驗 ， 銀行信貸風險高低由其可能遭受的違約損失確定 ， 因此信貸風險應與違約損失一致 ， 被評價企業(yè)違約概率越大信用級別越低 。但對零散的大額貸款，要求必須選擇高級評級法進行組合評級。 UESTC 28 ?總而言之，內部評級系統(tǒng)將實現(xiàn)對銀行的全部信用風險進行多維度計量分析，制定完整的信貸政策組合，以及確定一段時期內重點支持和退出的業(yè)務領域。銀行采用違約率計算信用風險和對貸款評級 ， 便于將內部信用風險評級和外部評級進行匹配和對比 ， 以保證評級結果的準確性 。 UESTC 31 評級為企業(yè)帶來的經(jīng)濟效益 ?某企業(yè)如果擬發(fā)行債券 ， 發(fā)行額為 5000萬美元 （ 期限為 7年 ， 利率 14％ ） ， 其發(fā)行總成本為 99萬美元 ， 其中發(fā)行人支付兩個評級機構評級的費用為 3萬美元 。 ? 如大通銀行 、 美國國家銀行 、 花旗銀行等已經(jīng)開發(fā)出能夠不斷更新的信用風險分析的全球系統(tǒng) 。 ? 企業(yè)破產(chǎn)是信用風險極端情景 ， 這種二元情景：要么破產(chǎn)；要么不破產(chǎn) ， 已有較長歷史研究 。比弗 ,William Beaver），通過對同等資產(chǎn)規(guī)模的79個失敗企業(yè)和成功企業(yè)進行對比分析后提出，即通過個別財務比率走勢來預測企業(yè)的信用風險。其中最具代表性的是美國 Altman 在 1968年對美國破產(chǎn)和非破產(chǎn)生產(chǎn)企業(yè)進行觀察后，采用了 22個財務比率經(jīng)過數(shù)理統(tǒng)計篩選建立了著名的 5變量 Zscore模型和在此基礎上改進的“ ZETA”判別分析模型。 ?破產(chǎn)前一年識別的準確率達 94%，對 33個非破產(chǎn)樣本識別的錯誤率為 1%； ?破產(chǎn)前第二年，對破產(chǎn)樣本識別的準確率為 72%，非破產(chǎn)樣本識別的錯誤率為 6%。 UESTC 43 非上市公司 Z計分模型（續(xù)） ?1995年 Altman針對非上市公司對 Z計分模型中變量 x4進行了修正 。 UESTC 46 因子分析 （ factor analysis） 或主成分分析（ principal ponents analysis） ?將具有復雜關系的影響因子歸結為少數(shù)綜合影響因子的一種多變量統(tǒng)計分析方法 。 UESTC 47 主成分分析 （續(xù)） ?在現(xiàn)實經(jīng)濟生活中 ， 影響違約因素很多 ， 如企業(yè)經(jīng)營 、財務狀況 、 還款意愿 、 擔保品價值 、 政府干預等 ， 這些因素對違約發(fā)生有不同貢獻 。 ?好的判別準則可使以上五組的分布（就違約率而言）重迭較少 。 ? 簡言之 ， 該方法將一組信用數(shù)據(jù)輸入 ， 通過轉換 ， 產(chǎn)生出信用評價輸出 ， 在學習和訓練過程中 ， 權重被不斷調整 ，使理想輸出與實際輸出之間偏差最小 。 UESTC 52 神經(jīng)網(wǎng)絡模型（續(xù)） ?1993年 ， Coats和 Fant將神經(jīng)網(wǎng)絡模型應用于美國公司的危機預警； 94年 ， Altman和 Marco等用于意大利 公司； 96 年以后 ， CASA(Center for Adaptive Systems Applications， 適應系統(tǒng)應用中心 ， 位于 New Mexico新墨西哥州 )應用 1985~95年間的數(shù)據(jù)作為樣本開發(fā)出應用于大型公司信用風險管理的神經(jīng)網(wǎng)絡模型 。 穆迪 (1990)和標準普爾(1991)修正了該模型并作為其常規(guī)金融分析工具 。 UESTC 56 預期違約頻率 （續(xù)） ?長期以來，由于銀行忽略了股票市場價格在放貸決策中的作用， KMV在模型中融入了股票市場價格，認為當公司市場價值下降到某一水平之后，公司就會對其債務違約，由此將股權價值與信用風險有機聯(lián)系起來。 ?VaR方法在銀行信用風險度量、風險資本配置等方面已表示出重要的應用價值。在統(tǒng)計上反映具隨機變量特征的目標對其平均值的 離散 程度，可用方差、標準差等來描述。 cVa RPob ???? 1}{PrUESTC 61 VaR方法（續(xù)） ?如某投資機構持有某種金融資產(chǎn) ， 經(jīng)計算：在 95%的置信水平下 ， 該資產(chǎn)的日 VaR值為 500萬元 （ 損失額 ） ， 即該投資機構有 95%的把握認為該金融資產(chǎn)在未來 24小時內 ， 由市場價格波動所帶來的損失不會超過 500萬元 ， 或者說 ， 損失超過 500萬元的可能只有 5%。 UESTC 64
教學課件相關推薦
鄂ICP備17016276號-1