【正文】 況也不完全相符； ? 運(yùn)用該模型對經(jīng)驗(yàn) EDF的估計(jì)一般需要依賴大量違約的歷史數(shù)據(jù)； ? 該模型本質(zhì)上只考慮違約和非違約兩種狀態(tài)。 110 第八節(jié) 基于財(cái)險(xiǎn)精算方法的違約模型 (DM)： CreditRisk+模型 111 一、基本原理和模型 1. 基本原理： CreditRisk+模型的基本思想來源于財(cái)產(chǎn)保險(xiǎn)方法。 2. 瑞士信貸銀行金融產(chǎn)品部首先意識到了貸款違約事件與住房火災(zāi)保險(xiǎn)特點(diǎn)上的相似性，及貸款違約分布符合 Possion分布的特征，據(jù)此創(chuàng)立了CreditRisk+模型。 112 一、基本原理和模型 (續(xù) ) (一 ) 貸款違約事件的描述 1. 違約行為是隨機(jī)的，違約概率為 P； 2. 單個債務(wù)人違約的概率很小，而且每個債務(wù)人的違約行為與其他債務(wù)人的違約行為無關(guān)； 3. 所有債務(wù)人在一個時期發(fā)生的違約數(shù)量與另一時期的違約數(shù)量無關(guān)； 4. 給定期間內(nèi)，違約的概率分布服從泊松分布。 113 一、基本原理和模型 (續(xù) ) (二 ) 違約損失或風(fēng)險(xiǎn)暴露估計(jì) 1. 關(guān)于債務(wù)人違約后損失的嚴(yán)重程度，用違約損失或風(fēng)險(xiǎn)暴露來計(jì)量； 2. 違約損失或風(fēng)險(xiǎn)暴露 = 違約損失率 (LGD) 信用暴露 (CE) 114 一、基本原理和模型 (續(xù) ) (三 ) 風(fēng)險(xiǎn)暴露頻段分級法 1. 設(shè)定風(fēng)險(xiǎn)暴露頻段值，記為 L； 2. 用 N筆貸款中最大一筆貸款風(fēng)險(xiǎn)暴露值除以頻段值 L，取整后得到 m 個風(fēng)險(xiǎn)暴露頻段級，依次為 ； 3. 將每筆貸款的風(fēng)險(xiǎn)暴露數(shù)量除以頻段值 L，取整后將該筆貸款歸類到對應(yīng)的頻段級，類似地可將所有貸款歸類。 12, ,..., m? ? ?115 一、基本原理和模型 (續(xù) ) (四 ) 各個頻段級的貸款違約概率分布及損失分布 1. 假設(shè)處于 頻段級的貸款的平均違約數(shù)為 ，貸款數(shù)目為 Ni； 2. 求出處于 頻段級的 Ni 筆貸款中有 j 筆違約的概率 Pi(j)及其對應(yīng)的預(yù)期損失 ： i?i?i?( , )E L i j()!jiiiePjj???? ( , ) !jiiieE L i j jL j?? ??116 一、基本原理和模型 (續(xù) ) (五 ) N 筆貸款組合的違約概率和損失分布 1. 假設(shè) N筆貸款中處于 頻段級的違約數(shù)為 ni，根據(jù) Li=L i 可計(jì)算出風(fēng)險(xiǎn)暴露量為 2. 對應(yīng)于違約組合 的 N筆貸款組合的違約概率為 i?1 1 2 2 ... mmLn Ln Ln nL? ?? ?12( , ,..., )mn n nn 1 2 m1(n ,n , ,n )!mii iniiePn??????117 一、基本原理和模型 —— (五 ) N 筆貸款組合的違約概率和損失分布 (續(xù) ) 3. 令 G 表示滿足 的所有不同違約組合 ； 4. N 筆貸款組合的風(fēng)險(xiǎn)暴露或違約損失等于 nL的概率及其對應(yīng)的預(yù)期損失分別為： 122 ,..., mn n mn n? ? ? ?12( , ,..., )mn n n??? ?（ ）12n 1 2 m, , ,(損失 ) (n,n, ,n)mnn n GP nL P? ? ?(損失 )nEL nLP nL118 一、基本原理和模型 (續(xù) ) (六 ) N筆貸款組合的預(yù)期損失、未預(yù)期損失和資本 要求 1. 根據(jù)前文計(jì)算的違約概率和損失分布，可估計(jì)出N筆貸款組合的預(yù)期損失和給定置信度 c下的最大損失，即為未預(yù)期損失； 2. 置信度 c下的未預(yù)期信用損失與預(yù)期信用損失的差額即為經(jīng)濟(jì)資本。 119 二、 CreditRisk+模型適用范圍與 優(yōu)缺點(diǎn)評述 1. CreditRisk+模型的優(yōu)勢： ? 模型計(jì)算簡單，便于實(shí)施； ? 模型要求的估計(jì)量和數(shù)據(jù)輸入較少，應(yīng)用較為便捷； ? 該模型可完整地推導(dǎo)出債券、貸款等信用資產(chǎn)組合的違約概率和損失分布。 120 二、 CreditRisk+模型適用范圍與 優(yōu)缺點(diǎn)評述 (續(xù) ) 2. CreditRisk+模型的局限性： ? 只考察違約所導(dǎo)致的信用資產(chǎn)組合的損失分布，而未關(guān)注信用資產(chǎn)組合的價(jià)值變化 ； ? 假定各頻段的違約率是固定的，忽視發(fā)生變化的可能性 ； ? 泊 松分布所得到的平均違約率較低，低估了違約率和損失 。 121 第九節(jié) 基于壽險(xiǎn)精算方法的違約模型 (DM)：死亡率模型 122 一、基本原理和模型 (一 ) 邊際死亡率的計(jì)算 1. 以 B級債券為例。第一年和第二年的邊際死亡率MMR MMR2的計(jì)算方法分別為： 可依次得到 MMR3,…, MMRn。 1BMMRB?發(fā)行第一年里違約的級債券總價(jià)值發(fā)行第一年里未償還的級債券總價(jià)值2BMMRB?發(fā)行第二年里違約的級債券總價(jià)值發(fā)行第二年里未償還的級債券總價(jià)值123 一、基本原理和模型 (續(xù) ) (二 ) 累積死亡率的計(jì)算 1. 令 表示第 i 年發(fā)行的債券規(guī)模在 n年內(nèi)發(fā)行的債券總規(guī)模中所占的比例； 2. n年內(nèi) B級債券每年的平均邊際死 亡率： 3. n年累積死亡率為： iw1niiiM M R M M R w????11 (1 )nniiC M R M M R?? ? ??124 一、基本原理和模型 (續(xù) ) (三 ) 邊際死亡率估計(jì)值的標(biāo)準(zhǔn)差和穩(wěn)定性控制 1. 一筆債務(wù)或者死亡或者生存，第 i 年的邊際死亡率 的標(biāo)準(zhǔn)差 可用下式估計(jì)： 2. 標(biāo)準(zhǔn)差 反映了邊際死亡率估計(jì)值的穩(wěn)定性； 3. 為將邊際死亡率估計(jì)值的穩(wěn)定性保持在事先要求的置信區(qū)間內(nèi)，可通過增加債務(wù)數(shù)目來實(shí)現(xiàn)。 iMMR i?(1 )iiiM M R M M RN???i?125 一、基本原理和模型 (續(xù) ) (四 ) 信用損失的計(jì)算 1. 假定各債務(wù)違約事件相互獨(dú)立， 相同信用等級的債務(wù)違約情況相同，且不同類型債務(wù)的違約損失率也相互獨(dú)立； 2. 首先計(jì)算出某一信用評級中債務(wù)的死亡率； 3. 然后，根據(jù)債務(wù)對應(yīng)的違約率 LGD和風(fēng)險(xiǎn)暴露，算出某項(xiàng)債務(wù)或債務(wù)組合的預(yù)期、未預(yù)期信用損失。 126 二、對死亡率模型的評價(jià) 1. 死亡率模型的優(yōu)勢： ? 基于大樣本統(tǒng)計(jì)，采用的參數(shù)較少，違約概率可以通過查表直接得到； ? 應(yīng)用和操作甚至比 Credit Risk+模型還方便。 127 二、對死亡率模型的評價(jià) (續(xù) ) 2. 死亡率模型的明顯缺點(diǎn)： ? 需要大量的歷史數(shù)據(jù)，而單個商業(yè)銀行常常無法實(shí)現(xiàn)； ? 對于各債務(wù)違約事件的假設(shè)較為苛刻； ? 僅考慮違約損失，忽視了貸款價(jià)值變化。 128 第十節(jié) 不同信用風(fēng)險(xiǎn)度量模型的比較 129 1. 風(fēng)險(xiǎn)界定的模式： ? CreditMetrics模型主要通過考察債務(wù)人違約和信用級別升降變化所導(dǎo)致的債務(wù)價(jià)值變化來度量信用風(fēng)險(xiǎn)，被稱為 盯市 (MTM)模型 ； ? Credit Portfolio View模型也采用 MTM模型； ? CreditRisk+只考慮違約和非違約兩種狀態(tài)，稱為違約 (DM)模型 ； ? KMV模型本質(zhì)上是 DM模型，目前也開始提供MTM版本。 一、 CreditMetrics、 CreditRisk+、Credit Portfolio View、 KMV模型比較 130 2. 風(fēng)險(xiǎn)來源： ? KMV和 CreditMetrics模型中，風(fēng)險(xiǎn)主要來自企業(yè)資產(chǎn)未來的價(jià)值變化； ? CreditRisk+模型中，風(fēng)險(xiǎn)主要來自違約概率的預(yù)期水平及其波動； ? Credit Portfolio View 模型主要考察因宏觀經(jīng)濟(jì)指標(biāo)變動所導(dǎo)致的風(fēng)險(xiǎn)。 一、 CreditMetrics、 CreditRisk+、 Credit Portfolio View、 KMV模型比較 (續(xù) ) 131 3. 違約的穩(wěn)定性： ? CreditMetrics模型中，違約概率被認(rèn)為是相對穩(wěn)定的； ? CreditRisk+、 Credit Portfolio View、 KMV模型 中，違約概率均被認(rèn)為是變動的，只不過要服從不同的概率分布。 一、 CreditMetrics、 CreditRisk+、 Credit Portfolio View、 KMV模型比較 (續(xù) ) 132 4. 信用事件的相關(guān)性： ? 各模型均需考察違約事件之間的相關(guān)性結(jié)構(gòu)，以反映債務(wù)與主要風(fēng)險(xiǎn)因素的系統(tǒng)聯(lián)系。 5. 違約損失率或回收率： ? 在 CreditMetrics、 Credit Portfolio View和新版KMV模型中，貸款違約后的損失率或回收率是隨機(jī)的； ? 簡單的 KMV模型和 CreditRisk+中，每一頻段的損失率或回收率被看做是固定的。 一、 CreditMetrics、 CreditRisk+、 Credit Portfolio View、 KMV模型比較 (續(xù) ) 133 6. 計(jì)算方法： ? CreditMetrics模型對單項(xiàng)貸款的 VaR計(jì)算可通過解析方法實(shí)現(xiàn)，而對于大規(guī)模貸款組合的 VaR計(jì)算則往往需要模擬技術(shù)來實(shí)現(xiàn)； ? Credit Portfolio View模型也主要采取模擬技術(shù)和方法； ? CreditRisk+、 KMV模型計(jì)算方法比較簡單，只需解析技術(shù)即可。 一、 CreditMetrics、 CreditRisk+、 Credit Portfolio View、 KMV模型比較 (續(xù) ) 134 二、四個信用風(fēng)險(xiǎn)度量模型的基本特征 Credit Metrics CreditRisk+ KMV Credit Portfolio View 創(chuàng)始者 瑞士信貸 KMV 麥肯錫 模型類型 從下至上 從下至上 從下至上 從上至下 風(fēng)險(xiǎn)定義 市場價(jià)值 （ MTM） 違約損失 （ DM） 違約損失（ DM/MTM） 市場價(jià)值 （ MTM） 風(fēng)險(xiǎn)來源 資產(chǎn)價(jià)值 違約率 資產(chǎn)價(jià)值 宏觀因素 信用事件 信用級別變化 /違約 違約 連續(xù)違約概率 信用級別變化 /違約 概率 無條件概率 無條件概率 條件概率 條件概率 波動性 常量 變量 變量 變量 相關(guān)性 來自股權(quán) 違約過程 來自股權(quán) 來自宏觀因素 可收回率 隨機(jī) 頻段級內(nèi)為常量 隨機(jī) 隨機(jī) 求解方法 模擬過程 /解析 解析 解析 模擬過程 135 思考題 1. 簡述信用風(fēng)險(xiǎn)度量的三個發(fā)展階段的基本特點(diǎn)，并列舉每個階段的主要方法。 2. 列舉度量信用風(fēng)險(xiǎn)時有可能涉及的主要參數(shù)，并闡述其含義和作用 。 3. 通過舉例對累計(jì)違約率和邊際違約率進(jìn)行刻畫，并分析二者的作用和二者之間的關(guān)系 。 4. 簡述如何運(yùn)用 Merton公司債務(wù) 定價(jià)模型計(jì)算某家上市公司的信用價(jià)差 。 136 思考題 (續(xù) ) 5. 試述外部評級的評級程序與評級體系，并結(jié)合此次金融危機(jī)分析外部評級所存在的問題 。 6. 對持有一項(xiàng)包含兩種或兩種以上貸款的組合，給出計(jì)算該組合在一定時期內(nèi)等級轉(zhuǎn)移概率的方法和步驟 。 7. 簡述 Z值模型與 ZETA模型及其優(yōu)點(diǎn)與局限性 。 8. 試述 CreditMetrics模型的 基本思想、應(yīng)用步驟，并說明該模型的假設(shè)對應(yīng)用效果的影響 。 137 思考題 (續(xù) ) 9. 試選擇我國一家上市公司及其相關(guān)數(shù)據(jù)， 運(yùn)用KMV方法對該公司的信用風(fēng)險(xiǎn)狀況進(jìn)行實(shí)證評估 。 10. 通過與市場風(fēng)險(xiǎn)度量模型和方法的比較，說明已有信用風(fēng)險(xiǎn)度量模型和方法所存在的問題和未來發(fā)展的方向 。 138 演講完畢，謝謝觀看！