【正文】 CreditRisk+可應用于所有金融產(chǎn)品的信用敞口，包括公司貸款、消費貸款、金融衍生品和可交易債券，可以處理數(shù)萬個不同地區(qū)、不同部門、不同時限等不同類型的風險暴露，加上此模型只關(guān)心違約與否，只對違約率、違約波動率和風險暴露進行估計，所需估計變量較少，使得模型的處理能力很強，計算速度大。信用風險附加模型把信用評級的升降和與此相關(guān)的信用價差變化看作是市場風險，并不視為信用風險，因此該模型只考慮在違約和不違約兩種狀態(tài)下的預期到的損失或未預期到的損失模型用一個連續(xù)的隨機變量來對違約風險進行估計，這樣估計的違約概率分布不再是離散的，而是接近于泊松分布。同時，模型為了得到轉(zhuǎn)移矩陣，模型對經(jīng)濟衰退和擴張時期的違約概率進行了調(diào)整，而調(diào)整則基于銀行信貸部門積累的經(jīng)驗和信貸周期的主觀判斷。模型中違約和信用等級轉(zhuǎn)移概率都隨時間變化，對所有的風險暴露都采取盯市方法。模型最大的優(yōu)勢是將宏觀經(jīng)濟環(huán)境因素與違約和信用等級轉(zhuǎn)移概率聯(lián)系起來，認為在經(jīng)濟衰退時期，違約和降級概率要高于相應的歷史平均水平，而在繁榮期剛好相反。信用組合觀點模型（Credit Portfolio View）是McKinsey公司1998年開發(fā)出的一個用于分析貸款組合風險和收益的多因素信用風險管理模型。 度量信用風險的其它模型（CreditMetrics）,還有KMV公司開發(fā)的KMV模型、瑞士銀行金融產(chǎn)品開發(fā)部的信用風險附加模型（Credit Risk+）和麥肯錫公司的信用組合觀點模型（Credit Portfolio View）(Credit MonitorTM Model)，其理論基礎是Merton(1974)的期權(quán)定價模型，即假設公司的資產(chǎn)滿足一個動態(tài)的變化的隨機過程，并且當資產(chǎn)的價值低于某個違約閥值時違約發(fā)生，此模型依賴于公司的資本結(jié)構(gòu)，認為公司特有的資產(chǎn)分布及其資本結(jié)構(gòu)決定了公司的信用質(zhì)量特征。但是在我國，還沒有建立起這樣一個比較完善的管理體系。這與實際情況并不相符。該模型的主要的劣勢在于：模型假定同一信用級別中的債務人具有完全相同的轉(zhuǎn)移矩陣和違約概率,實際違約率等于歷史統(tǒng)計平均的違約率，信用等級轉(zhuǎn)移服從馬爾可夫過程，然而經(jīng)過研究，信用等級遷移概率是跨時自相關(guān)的，這會導致模型計算的結(jié)果與實際數(shù)據(jù)有差距；該模型使用歷史數(shù)據(jù)度量信用風險 ,屬于“向后看”的風險度量方法。其主要優(yōu)勢在于，該模型通過信用評級的方式計算信用風險的受險價值，在一定程度上避免了假設資產(chǎn)收益率服從正態(tài)分布的硬性假設；它是一種能夠考慮到債務價值的高端和低端的盯市信用風險度量模型，采取盯市模式估計資產(chǎn)價值和信用損失；模型引入了邊際受險價值（CVaR）的概念，能夠估算出新增加一筆貸款而增加的整個組合的風險；該模型不僅適用于線性產(chǎn)品，也適用于非線性產(chǎn)品，使用范圍廣泛。根據(jù)上式求得貸款組合的均值和方差，便可求出貸款組合的VaR值。在Credit Metrics模型假設中，信用等級的轉(zhuǎn)移和違約事件的發(fā)生是獨立的，但是由于信用風險也存在系統(tǒng)性因素，實際上并非獨立。我們用A級和BB級兩個債務人為例，其正態(tài)化以后的資產(chǎn)對數(shù)回報服從于一個聯(lián)合正態(tài)分布： （）則它們之間的共同違約概率為： （）其中，為BB級公司的違約邊界， A級公司的違約邊界，BB級企業(yè)標準化報酬率，為A級企業(yè)標準化報酬率。模型假設企業(yè)未來資產(chǎn)市值服從標準幾何布朗運動過程，則有： （）其中, ～N（0,1） ,、分別為公司資產(chǎn)收益率的均值與方差。在Credit Metrics中，資產(chǎn)價值模型和企業(yè)違約相關(guān)概率以企業(yè)的股票收益率來代替。置信度為95%時的=置信度為99%時的=從此例可以看出，用Credit Metrics模型計算VAR值有兩個重要數(shù)據(jù)，資產(chǎn)組合的市場價值和其市場價值的波動性或者標準差。根據(jù)式（）可以得到一年后信用等級遷移時貸款的現(xiàn)值，列出表43如下：表43 一年后信用等級遷移時貸款的現(xiàn)值年末借款人的信用等級AAAAAABBBBBBCCCDefault貸款市場價值（萬元）根據(jù)上述計算原理，估算貸款組合的未來價值分布，可以計算單個貸款在下一年度的均值、方差和標準差。下面舉一個度量信用風險的簡單例子。同時，巴塞爾委員會規(guī)定,為了保證計算出了VaR的準確度，必須采用回顧測試來檢驗估算結(jié)果與實際數(shù)據(jù)的擬合度。例如，在99%置信度下,對應的VaR值是，而在95%置信度下,對應的VaR值便是。那么，根據(jù)信用等級轉(zhuǎn)換的概率和貸款不同信用等級轉(zhuǎn)換后的現(xiàn)值,就可以求出該筆貸款在下一年度的均值、方差和標準差。因此，借款人信用等級的變化會直接影響估算出的貸款未來的市場價值。當債務人下一年的信用等級變動后,其資產(chǎn)價值就要按相應等級債券的利率來折現(xiàn)，即資產(chǎn)帶來的全部現(xiàn)金流在該時點上的折現(xiàn)值。表41 一年期信用等級轉(zhuǎn)移概率矩陣資料來源：CreditMetricsTMTechnicalDocument,Inc,1997.初始等級一年后的信用等級轉(zhuǎn)移概率AAAAAABBBBB BCCC違約AAA000AA0ABBBBB 1B0CCC0表42 不同信用等級的一年期零息票利率（%）資料來源：CreditMetricsTMTechnicalDocument,Inc,1997.信用等級第一年第二年第三年第四年AAA AA A BBB BB B CCC 。一般使用標準普爾和穆迪公司的評級體系。模型假定信用轉(zhuǎn)移概率服從馬爾可夫過程，那么我們根據(jù)歷史數(shù)據(jù)計算得到的一年期轉(zhuǎn)移概率相互獨立，求出這些數(shù)據(jù)的算術(shù)平均數(shù)即可得到一年期的信用等級轉(zhuǎn)移矩陣。 Metrics模型的外部信用評級使用的是標準普爾和穆迪公司的評級體系。債務人的信用等級是隨時間變化的，Credit Metrics模型認為信用風險直接來源于信用等級的變化,并將企業(yè)的信用等級的變化用違約概率表現(xiàn)出來。（三）計算方法：Credit Metrics模型計算的流程，如下圖。根據(jù)信用轉(zhuǎn)移矩陣得出單一債券的信用等級變化概率，其資產(chǎn)的市場價值等于該資產(chǎn)未來全部現(xiàn)金流的現(xiàn)值，即 （）其中，為在信用等級為的債務的現(xiàn)值；為第年的信用等級為時的凈現(xiàn)金流量；為第年信用等級為的債務的零息收益率。，還包括債務人信用等級的下降，且違約事件發(fā)生在債務到期時。由于評級機構(gòu)的轉(zhuǎn)移矩陣的期限為一年，因此一般將風險期限設為一年。模型把債務人按評級分成若干個信用等級，假定在同一信用級別中的債務人具有完全相同的信用轉(zhuǎn)移矩陣和違約概率,同時假定實際違約率等于歷史統(tǒng)計平均的違約率。CreditMetrics假設未來價值和風險由遠期分布曲線決定,沒有市場風險的存在, 信用是唯一的變量。模型的核心思想基于某一特定時間內(nèi)(通常為一年)資產(chǎn)組合價值的分布不僅受到債務人違約的影響，而且還會受到債務人信用等級轉(zhuǎn)移的影響。該模型界上第一個評估信用風險的量化度量模型，一經(jīng)公布立即引起了金融機構(gòu)和監(jiān)管當局的高度重視，是風險管理領(lǐng)域在信用風險量化管理方面邁出的重要一步。現(xiàn)代信用風險度量模型主要有KMV模型、CreditMetrics模型、麥肯錫模型和CSFP信用風險附加計量模型四種。傳統(tǒng)信用風險度量的方法雖然能夠在一定程度上控制和規(guī)避風險，但隨著金融市場的發(fā)展，信用風險不斷增加，傳統(tǒng)的度量方法難以確定一個共同遵循的標準，主觀性較強，難以適應市場變化，已不能滿足金融機構(gòu)的需求，亟待開發(fā)更加精確地的信用風險計量模型。1977年 又建立了第二代模型，稱為ZETA信用風險模型。 還給出了Z值的臨界值，若，則企業(yè)的財務狀況良好，發(fā)生破產(chǎn)的可能性較?。蝗?，則企業(yè)面臨很大的破產(chǎn)可能性。Z值模型是信用評分方法中最常見的。是指借款人持續(xù)經(jīng)營的可能性。主要是指借款人所在行業(yè)在整個經(jīng)濟中的經(jīng)營環(huán)境及趨勢，客戶的償債能力可能會受到經(jīng)營環(huán)境的不同的影響，如果產(chǎn)生強烈負面影響，則客戶的信用水平就將大打折扣。一旦借款人無力償還貸款，貸款人就有權(quán)通過處理抵押品獲得補償。　　(collateral)。(capital)。指借款人的的經(jīng)營能力、管理能力和償債能力。主要考察借款人的作風、觀念以及責任心等，同時由于每一筆信用交易，都反映了借款人的付款承諾，因此借款人的還款記錄是銀行判斷借款人品德的主要依據(jù)。由于這六個因素英文單詞都是以“C”開頭，因此被稱為“6C”評分法。表41 我國商業(yè)銀行不良貸款及占全部貸款比例情況表年份類別2004年2005年2006年2007年2008年9月余額占比余額占比余額占比余額占比余額占比不良貸款1717613134125491268412654其中:次級貸款30753336267521832302 可疑貸款88994990518946244294 損失貸款52024807468558776058 商業(yè)銀行傳統(tǒng)的信用風險度量方法主要有信貸決策的6C評分法和信用評分方法等。2002年全國商業(yè)銀行不良貸款余額高達26300億元，不良貸款率超過20%。 但是,基于我國金融市場發(fā)展狀況，這些主要是針對發(fā)達國家銀行業(yè)的模型不能直接在我國應用，需要在研究我國情況基礎上對模型進行改進。Morgan1997 年提出的信用度量術(shù)模型（Credit Metrics模型）、1997年CSFB 提出的信用風險附加計量模型（Credit Risk+模型）、1998年 Mckinsey公司提出的信用組合觀點模型（Credit Portfolio View模型）。九十年代以來一些大銀行開始認識到信用風險的重要性，開始致力于研究度量信用風險的內(nèi)部方法與模型。1999年6月3日，巴塞爾委員會發(fā)布關(guān)于BaselⅠ的征求意見稿。1988年《巴塞爾協(xié)議》通過對不同類型資產(chǎn)規(guī)定不同權(quán)數(shù)來量化風險，沒有對風險進行比較系統(tǒng)準確的量化分析，是對風險的一種比較籠統(tǒng)的分析方法。在經(jīng)濟繁榮時期，違約率較低，從而信用風險相應地降低；第二，對經(jīng)營有影響的事件的發(fā)生。 Metrics模型。巴塞爾新資本協(xié)議對于銀行賬戶中信用風險VaR的計算采用了高斯Copula違約時間模型。借款人由于各種原因未能及時、足額償還債務或銀行貸款而違約時，債權(quán)人或銀行就要承擔財務上的損失，即會產(chǎn)生信用風險?？梢哉f，只要市場經(jīng)濟存在，信用風險就不可避免。在這個例子中，投保的學生由于不完全承擔自行車被盜的風險后果，因而采取了對自行車安全防范的不作為行為。但該保險運作一段時間后，這幾個學生發(fā)現(xiàn)自行車被盜比率迅速提高到15%以上。諾貝爾經(jīng)濟學獎得主、前世界銀行首席經(jīng)濟學家斯蒂格里茨在研究保險市場時，發(fā)現(xiàn)了一個經(jīng)典的例子：美國一所大學學生自行車被盜比率約為10%，有幾個有經(jīng)營頭腦的學生發(fā)起了一個對自行車的保險，保費為保險標的15%。表34 模擬價格序列初始價隨機數(shù)模擬價格Y模擬價格Y升序1126502548452155413912246763631073612106491568812791643636304將模擬后的價格按升序重新排列，找出對應99%的分位數(shù)，即10001%=10個交易日對應的數(shù)值：，于是有VaR=|100萬（)247。然后計算模擬價格序列：模擬價格=P0+隨機數(shù)247。下面，我們利用EXCEL軟件做蒙特卡羅模擬，模擬次數(shù)為1000次：首先產(chǎn)生1000個隨機整數(shù)，考慮到股市漲跌停板限制，以樣本期最后一天的股價()為起點，即股價在下一天的波動范圍為(1232,1232)。Test critical values:1% level5% level10% level*MacKinnon (1996) onesided pvalues.Augmented DickeyFuller Test EquationDependent Variable: D(SER01)Method: Least SquaresDate: 11/28/09 Time: 09:20Sample (adjusted): 2 240Included observations: 239 after adjustments由于DF=，大于顯著性水平是10%，因此可知該序列是非平穩(wěn)的。因此，采用對數(shù)收益率的統(tǒng)計結(jié)果。簡單收益率的分布圖：.表32 簡單收益率統(tǒng)計特征對數(shù)收益率的分布圖：.表33 對數(shù)收益率統(tǒng)計特征通過對簡單收益率和對數(shù)收益率的統(tǒng)計分析可知，與正態(tài)分布相比，二者均呈現(xiàn)出“尖峰厚尾”的特征。即VaR=*100萬=。首先計算收益率，我們使用