商業(yè)銀行信貸風(fēng)險(xiǎn)度量與管理-資料下載頁
2025-08-15 21:27本頁面
【正文】 有 1%的機(jī)會(huì)降至 80美元 。前面我們?cè)俣?σ為 10美元，因此該股票價(jià)格有 1%的機(jī)會(huì)降至 元或者更低的水平。換言之，該股票持有人價(jià)值損失少于80美元 = 99%。就是說在置信水平 99%的情況下， 量 (VaR)。同時(shí)這里還隱含著這樣一個(gè)事實(shí)：明天有 1%的機(jī)會(huì)股票價(jià)格的損失額可達(dá) 。由于我們假定股票價(jià)格是呈正態(tài)分布狀，因此，每一百天所出現(xiàn)的那個(gè)壞天氣均會(huì)使股票價(jià)格處于圖 線以下那片陰影區(qū)域內(nèi)的某一點(diǎn)，并會(huì)造成相應(yīng)的股價(jià)損失額。 ? 由此可見，計(jì)算可交易金融資產(chǎn)受險(xiǎn)價(jià)值的關(guān)鍵輸入變量是該項(xiàng)金融資產(chǎn)的 市值 (P)和它的市值變動(dòng)率或標(biāo)準(zhǔn)差 (σ)； 在給定的風(fēng)險(xiǎn)時(shí)段和所要求的置信水平下 (如 99%)，一項(xiàng)金融資產(chǎn)的受險(xiǎn)價(jià)值 (VaR)便可以直接計(jì)算出來。 ? VaR方法特別適用于對(duì) 可交易 的金融資產(chǎn)受險(xiǎn)價(jià)值的計(jì)量，因?yàn)槿藗兛梢院苋菀椎貜馁Y本市場(chǎng)中獲取這類資產(chǎn)的市值和它們的標(biāo)準(zhǔn)差。 ? 但是，若將這種方法直接用于度量非交易性金融資產(chǎn)如貸款的受險(xiǎn)價(jià)值時(shí)則會(huì)遇到如下問題： ? 首先 ， 一筆貸款當(dāng)前的市值 P不能夠直接觀察到 ， 因?yàn)榻^大多數(shù)貸款是不能直接進(jìn)行交易的 。 ? 第二 ， 由于貸款的市值不能夠觀察 ， 因而也就沒有一個(gè)時(shí)間序列來計(jì)算出貸款的方差 σ,即貸款市值的變動(dòng)率 。 ? 第三 ， 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(shí)際分布是大體吻合的 。 但是對(duì)于貸款而言 ， 它的價(jià)值分布離正態(tài)分布狀偏差較大 ， 正如我們?cè)谇懊嫠懻撨^的貸款的收益是固定在一定水平之下 ， 而它的風(fēng)險(xiǎn)則很大 。 因此 ， 即使我們能夠測(cè)定出貸款的市值和它的變動(dòng)率 ， 我們?nèi)匀恍枰紤]貸款收益的非對(duì)稱性問題 。 “信用度量制”方法(CreditMetrics) ? “信用度量制” (CreditMetrics)是由 者 (美洲銀行、 KMV公司、瑞士聯(lián)合銀行等 )在已有的“風(fēng)險(xiǎn)度量制”方法基礎(chǔ)上，創(chuàng)立的一種專門用于對(duì) 非交易性金融資產(chǎn) 如貸款和私募債券的價(jià)值和風(fēng)險(xiǎn)進(jìn)行度量的模型。 ? 風(fēng)險(xiǎn)度量制方法 (RiskMetrics)所要解決的問題是：“如果明天是一個(gè)壞天氣的話，我所擁有的可交易性金融資產(chǎn)如股票、債券和其它證券的價(jià)值將會(huì)有多大的損失 ?”。 ? 而信用度量制方法 (CreditMetrics)則是要解決這樣的問題：“如果下一個(gè)年度是一個(gè)壞年頭的話，我的貸款及貸款組合的價(jià)值將會(huì)遭受多大的損失呢 ?”。 ? 我們?cè)谇懊嬖劶埃捎谫J款是不能夠公開進(jìn)行交易的，所以我們既無法觀察到貸款的市值 (P)，也不能夠獲得貸款市值的變動(dòng)率 (σ)。但是人們?nèi)匀豢梢酝ㄟ^掌握借款企業(yè)的以下資料來解決這個(gè)問題。這些資料包括： –借款人的信用等級(jí)資料 –在下一年度里該信用級(jí)別水平轉(zhuǎn)換為其它信用級(jí)別的概率 –違約貸款的收復(fù)率 ? 一旦人們獲得了這些資料，他們便可以 計(jì)算出任何一項(xiàng)非交易性的貸款和債券的 P值和 σ值， 從而最終可利用受險(xiǎn)價(jià)值方法對(duì)單筆貸款或貸款組合的受險(xiǎn)價(jià)值量進(jìn)行度量。
高考資料相關(guān)推薦
鄂ICP備17016276號(hào)-1