信用風(fēng)險量化的4種模型(完整版)
【正文】 概率?！ P摩根信貸風(fēng)險資產(chǎn)組合模型——VAR1997年，JP摩根推出了信貸風(fēng)險資產(chǎn)的組合模型——信用矩陣，該模型引進(jìn)了新的風(fēng)險管理理念。應(yīng)用廣泛，可用于任何公開上市交易的公司； 根據(jù)經(jīng)驗定理，我們知道公司資產(chǎn)的價值有95％的可能性會在資產(chǎn)均值的加減2 內(nèi)變動，那么一年內(nèi)資產(chǎn)價值就有2．5％的可能性上漲(或下跌)超過2 。從而，對一個好公司的股票持有者的回報有一個有限的底線和一個無限延長的上限?！ MV實際上是一個度量違約風(fēng)險的期權(quán)模型，是由買入期權(quán)推演而來的。信貸風(fēng)險管理的信用評級方法 信貸風(fēng)險管理的新方法 信貸風(fēng)險管理是當(dāng)今金融領(lǐng)域的一個重要課題。 KMV扭轉(zhuǎn)了看待銀行貸款問題的視角，從借款企業(yè)的普通股持有者的視角來看貸款償還(回報)的激勵問題。KMV從貸款于期權(quán)之間的這種聯(lián)系之中得到了EDF模型（估計違約頻率模型）。在本例中，借款銀行就面臨著5％的估計違約頻率，即EDF。對市場環(huán)境的變化反應(yīng)敏感，EDF數(shù)據(jù)每季度更新； 即根據(jù)信用質(zhì)量的變動及時評級資產(chǎn)價值發(fā)生損失的可能性，它反映的主要問題是：如果明年情況不好，我的資產(chǎn)會有出現(xiàn)什么損失。如一個3B級的借款人，預(yù)計明年評分在3B的可能性是86．93％，信用升至A的可能性5．95％，降至3C的可能性是0．12％。利用該表的分布，可以看到，約有5．3％的可能性。 (2)信用矩陣模型存在的問題 用于債券可能會出現(xiàn)價值偏移。如果貸款被看做一種價值增值的話，銀行的資本就應(yīng)分配于該筆貸款。實際操作中，精確計算銀行的各項成本被證明是困難的。假設(shè)目前市場上有400支AAA級債券在交易，該筆AAA級貸款額為100萬元，持續(xù)期為2．7年。假定該筆貸款利差或貸款利率與籌資成本的差為0．2％(20個基點)，手續(xù)費率為0．15％，預(yù)期損失(風(fēng)險準(zhǔn)備金)為500。同時，EVA的計量也能應(yīng)用于公司內(nèi)的各盈利中心，它提供了一個在多層面上管理業(yè)績的衡量基準(zhǔn)。你進(jìn)行的每一項需要現(xiàn)金投入的經(jīng)營或投資活動，都必須時刻關(guān)注其產(chǎn)出能否彌補資金的成本。首先要確定對哪些項目進(jìn)行調(diào)整，發(fā)明EVA的Stern Stewart公司列出了多達(dá)上百個會計科目的調(diào)整，這些調(diào)整主要集中在推導(dǎo)稅后凈營業(yè)利潤與投入資本上?！ ∩鲜鏊膫€模型，從不同的角度闡述了信貸風(fēng)險管理的要點，側(cè)重點不同，對象不同，應(yīng)用方向和時間不同，但都是先進(jìn)的管理理念，理論基礎(chǔ)深厚，并且極富實際應(yīng)用價值，基本覆蓋了信貸風(fēng)險管理的整個過程。這樣做的好處是顯而易見的。T，Quaker Oats，Briggsamp。 根據(jù)以上計算結(jié)果，該筆貸款的RAROC值為： RAROC=3 000／27 000=11．1％ 如果該RAROC值超過該銀行的Hurdle Rate，則該筆貸款可以發(fā)放。如前所述，以400支債券未來一年內(nèi)的利率變化代替該筆貸款的利率變化，把這400支在全的利率變化情況繪制成頻率分布曲線?！ ★L(fēng)險調(diào)整后的資本等于貸款的市場價值在一年內(nèi)變化的最大值的相反數(shù)?！ urdle rate水平可以通過加權(quán)平均的資金成本代替。 (1)RAROC的概念 RAROC為每筆交易分配一種“資本費用”，其數(shù)量等于該交易在一年內(nèi)的預(yù)期最大損失(稅后，99％的置信水平)。因此建議用 MARKOV高級或第二公式來更好地反映超時的評分轉(zhuǎn)移。采用信用矩陣模型，可以有效解決不同借款人信用風(fēng)險之間的相關(guān)性模擬等信用組合的風(fēng)險量
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號-1