信用風(fēng)險(xiǎn)評(píng)估與管理(完整版)
【正文】 ? 客戶的信用識(shí)別 ? 信用風(fēng)險(xiǎn)指標(biāo) ? 商業(yè)銀行的信貸風(fēng)險(xiǎn)管理 UESTC 3 第二部分 信用風(fēng)險(xiǎn)管理的模型與方法 ? 信用風(fēng)險(xiǎn)模型概述 ? Altman的 Z計(jì)分模型 ? ZETA模型 ? 估計(jì)違約概率模型 ? Logistic回歸模型 ? 因子分析模型 ? 判別式分析 ? 神經(jīng)網(wǎng)絡(luò)模型 ? EDF（ Expected Default Frequency，預(yù)期違約頻率 ） 模型 ? VaR（ Value at risk方法 ) UESTC 4 第一部分 信用風(fēng)險(xiǎn)管理的現(xiàn)狀與發(fā)展 UESTC 5 引 言 ? 經(jīng)濟(jì)活動(dòng)中的信用是金融活動(dòng)不斷衍生和發(fā)展的基礎(chǔ) 。 為了吸引客戶 ， 銀行開始向儲(chǔ)戶支付租用資金的費(fèi)用 — 利息 ， 并賺取價(jià)差利潤 。 表外衍生信用風(fēng)險(xiǎn)增加 。 ?在我國 ， 其一由于信用制度沒有建立；財(cái)務(wù)造假已成公害 ， 難以通過財(cái)務(wù)狀況較精確的預(yù)測(cè)客戶現(xiàn)金流量 。 ? 就全球而言 ， 主要有 穆迪 （ Moody） 、 標(biāo)準(zhǔn)普爾（ Standard amp。 UESTC 16 信用評(píng)級(jí)機(jī)構(gòu)（續(xù)） ?Trans Union公司 總部設(shè)在芝加哥。 ?2， 客戶的行業(yè)特征 如行業(yè)的產(chǎn)品周期 、 行業(yè)的競爭程度 、 行業(yè)利潤水平等 。 ?IRB法將資本充足率與銀行面臨的各類風(fēng)險(xiǎn)有機(jī)結(jié)合 ， 反映了現(xiàn)代銀行業(yè)務(wù)的多樣性 ， 系統(tǒng)性和精確性 ， 代表國際銀行業(yè)風(fēng)險(xiǎn)管理的發(fā)展趨勢(shì) 。其中經(jīng)濟(jì)資本根據(jù)信用風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)和市場(chǎng)風(fēng)險(xiǎn)綜合計(jì)算的 意外損失 。目前，國內(nèi)商業(yè)銀行正在進(jìn)行數(shù)據(jù)清洗和補(bǔ)錄工作，以及內(nèi)部評(píng)級(jí)系統(tǒng)的開發(fā)，以全面提高國內(nèi)商業(yè)銀行風(fēng)險(xiǎn)管理水平。 UESTC 34 信用風(fēng)險(xiǎn)模型 （續(xù)） ?由于信用風(fēng)險(xiǎn)是貸款承諾 、 資金使用以及貸款償還等各個(gè)環(huán)節(jié)所面臨的風(fēng)險(xiǎn)與市場(chǎng)風(fēng)險(xiǎn)相結(jié)合的結(jié)果 ，因此信用風(fēng)險(xiǎn)是一種難以對(duì)沖的小概率大影響事件 ，對(duì)其各方面的學(xué)術(shù)研究具有十分重要的現(xiàn)實(shí)意義 。 UESTC 38 信用風(fēng)險(xiǎn)模型 （續(xù)） ? 目前這類模型被國際金融業(yè)和學(xué)術(shù)界視為主流方法，常用的有線性概率模型、 Logit、 Probit 模型和判別分析模型等等。 ? 隨著巴西經(jīng)濟(jì)的開放、通貨膨脹被有效抑制，經(jīng)濟(jì)狀況趨于穩(wěn)定，以后模型預(yù)測(cè)準(zhǔn)確率降低。 進(jìn)行分析時(shí)需從諸多影響因子中篩選出主要影響因子 。 ? 神經(jīng)網(wǎng)絡(luò)模型有三層神經(jīng)元 ， 分別為輸入層 、 隱層以及輸出層 ， 隱層將權(quán)重與輸入值結(jié)合進(jìn)行非線性轉(zhuǎn)換產(chǎn)生輸出信號(hào) ， 不斷反復(fù)訓(xùn)練直到達(dá)到預(yù)定的誤差界 ， 最后輸出信號(hào)即是信用評(píng)級(jí)結(jié)果 。 UESTC 54 預(yù)期違約頻率 （續(xù)） ? 債券違約率模型是按穆迪和標(biāo)準(zhǔn)普爾的信用等級(jí) ， 采用債券違約歷史數(shù)據(jù)建立起來的違約概率經(jīng)驗(yàn)值 ， 對(duì)各類信用等級(jí)和期限債券的違約風(fēng)險(xiǎn)進(jìn)行度量 。 ?究竟應(yīng)配備多少資本才既能保證銀行風(fēng)險(xiǎn)得到控制，又不影響銀行現(xiàn)有盈利能力，這是銀行管理層關(guān)心的問題。 UESTC 60 VaR方法（續(xù)） ?VaR方法指在一定概率水平 （ 置信度 ） 下 ，某一金融資產(chǎn)在未來特定一段時(shí)間內(nèi)的最大可能損失 ， 表示為： ?其中 ?P為金融資產(chǎn)在持有期內(nèi)的損失； VaR為置信水平 c下處于風(fēng)險(xiǎn)中的價(jià)值。 UESTC 62 VaR方法（續(xù)） ?VaR是一種基于統(tǒng)計(jì)基礎(chǔ)的風(fēng)險(xiǎn)度量技術(shù) ， 其原理是根據(jù)資產(chǎn)價(jià)值變化的統(tǒng)計(jì)分布 ， 尋找與置信度對(duì)應(yīng)的分位數(shù) ， 該分位數(shù)即為 VaR值 。 UESTC 58 VaR方法 （續(xù)） ? VaR又稱 “風(fēng)險(xiǎn)價(jià)值”或“在險(xiǎn)價(jià)值”。 ? 目前該方法應(yīng)用的障礙是：銀行沒能收集到足夠多的貸款違約歷史數(shù)據(jù) ， 還無法建立穩(wěn)定的違約概率數(shù)據(jù)庫 。 UESTC 51 神經(jīng)網(wǎng)絡(luò)模型（續(xù)） ?神經(jīng)網(wǎng)絡(luò)模型是近年發(fā)展起來的一種信用分析模型 。 由于對(duì)違約概率估計(jì)不需考慮所有影響因素 ， 因此 ， 運(yùn)用主成分分析可從變量相互影響關(guān)系中提取主要變量 ， 并根據(jù)其所含信息量確定權(quán)重 。 用公司的賬面價(jià)值取代市場(chǎng)價(jià)值 ， 得到 ? Z’=++++ ?特別對(duì)具有多種融資渠道且不進(jìn)行資本租賃活動(dòng)的非制造性行業(yè) ， 可刪除銷售的影響 ， 得到 ? Z``=+++ UESTC 44 ZETA模型 ?隨著破產(chǎn)公司的平均規(guī)模不斷增大， 1977年 Altman等將 Z計(jì)分模型進(jìn)行擴(kuò)展應(yīng)用于破產(chǎn)前 2年資產(chǎn)規(guī)模在 1億美元的大型公司上，建立 ZETA模型，在公司破產(chǎn)前 5年即可作出預(yù)警。 UESTC 39 Altman的 Z計(jì)分模型 ?主要依賴于財(cái)務(wù)指標(biāo)，根據(jù)大量的數(shù)據(jù)樣本，從 22個(gè)原始財(cái)務(wù)指標(biāo)中通過其相關(guān)性的評(píng)估篩選，選出
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1