信用風(fēng)險管理度量值模型介紹(完整版)
【正文】 常見 的分布之一，大量的隨機現(xiàn)象都是服從或近似服從正態(tài)分布的。 假定貸款未來的等級轉(zhuǎn)移概率與其過去的轉(zhuǎn)移概率沒有相關(guān)性 。 （ 1） 預(yù)測借款人信用等級的變動 ， 得出信用等級轉(zhuǎn)移概率矩陣 ? 假定借款人一年后有 8種可能的信用狀態(tài)，即 AAA——D級（違約） ? 則一年后借款人由初始信用等級轉(zhuǎn)移到各種可能等級的概率稱為 信用等級轉(zhuǎn)移概率 ? ∑轉(zhuǎn)移概率＝ 1。 ?思考： VaR還有什么缺陷？ 缺點： ? 貸款的市值不能直接觀察到 ? 如果無法觀察到貸款市值的時間序列，那就無法計算貸款的方差 ? 在 VaR方法上，人們假定可交易性金融資產(chǎn)的收益分布是呈正態(tài)分布狀的，這與它們的實際分布是大體吻合的。 ： ? 置信水平越高，對于同樣的資產(chǎn)組合、在給定的持有期內(nèi)，則 VaR越大，即資產(chǎn)的損失大于 VaR的可能性越小，可靠性越高。 ? 假設(shè) 1個基金經(jīng)理希望在接下來的 10天時間內(nèi)，在 95%概率上其所管理的基金價值損失不超過 $1,000,000。第五章 信用風(fēng)險管理 第一節(jié) 信用風(fēng)險的成因 第二節(jié) 信用風(fēng)險的度量 第三節(jié) 信用組合風(fēng)險度量 ? 專家制度法 ? Z評分模型 ? ZETA評分模型 ? VAR方法 ? 信用度量制模型 1. VAR（ Value at Risk） ， 譯為在險價值或受險價值 ， 是以貨幣形式表示的風(fēng)險 。則我們可以將其寫作： 我們在 C的置信水平上，在接下來的 T個交易日中損失程度不會超過的金額。 ? 花旗銀行使用 %置信水平，美洲銀行與 JP摩根使用95%的置信水平，信孚銀行使用 99%的置信水平 總結(jié)： VaR的優(yōu)點 ：借助于數(shù)學(xué)和統(tǒng)計學(xué)工具 ， VaR以定量的方式給出資產(chǎn)組合下方風(fēng)險（ Downside Risk） 的確切值 。但是對于貸款而言，它的價值分布離正態(tài)分布狀偏差較大，具有非對稱性。 （ 1）一年期信用等級轉(zhuǎn)換矩陣 信用等級的上升或下降必然會影響到一筆貸款余下的現(xiàn)金流量所要求的信貸風(fēng)險加息差 (或信貸風(fēng)險酬金 )，因此也就必然會對貸款隱含的當(dāng)前市值產(chǎn)生影響。 假定轉(zhuǎn)移概率在不同時期之間是穩(wěn)定的 ， 未考慮經(jīng)濟(jì)周期的影響 。可以證明， 如果一個隨機指標(biāo)受到諸多因素的影響，但其中任何一個因素都不起決定性作用，則該隨機指標(biāo)一定服從或近似服從正態(tài)分布 ． ⑵ ．正態(tài)分布有許多良好的性質(zhì)，這些性質(zhì)是其它許多分布所不具備的。 標(biāo)準(zhǔn)正態(tài)分布的計算 ( ) () () ( )( )?????????????? ???????xxdttφdttφxXPxxx11)(x 0 )(x?x x 教科書上列出了標(biāo)準(zhǔn)正態(tài)分布表 ? 對于任意的 x，可查到相應(yīng)的 Φ（ x） ? 給定 Φ（ x）如 95%，可以查到相應(yīng)的 x 值為 。 實際應(yīng)用中： 利用歷史數(shù)據(jù)度量信用風(fēng)險 ， 屬于 “ 向后看 ” 的方法 。 假定： ? 借款人在第一年中的信用等級從 BBB級上升的 A級，那么對于發(fā)放貸款的金融機構(gòu)來說它所發(fā)放的這筆貸款的第一年結(jié)束時的現(xiàn)值或市值便是
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1