03-3信用風(fēng)險度量制模型-展示頁
2025-01-20 02:33本頁面
【正文】 信用評級體系是有效的 ， 即企業(yè)投資失敗 、利潤下降 、 融資渠道枯竭等信用事件對其還款履約能力的影響都能及時恰當?shù)赝ㄟ^其信用等級的變化而表現(xiàn)出來 。第五章 信用風(fēng)險管理 第一節(jié) 信用風(fēng)險概述 第二節(jié) 信用風(fēng)險的度量 第三節(jié) 信用監(jiān)控模型 ? 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 信用度量制模型 1. CreditMetrics模型基本原理 2. 計算單項貸款的 VAR值的步驟 3. CreditMetrics模型與巴塞爾協(xié)議 4. CreditMetrics模型的優(yōu)缺點 ? VaR方法作為市場風(fēng)險測量的最佳方法已被廣泛使用； ? VaR方法是否也可以用來度量信用風(fēng)險？ ? JP摩根 ? 美洲銀行 ? 瑞士銀行 ? 瑞士聯(lián)合銀行 信用風(fēng)險的 度量制模型 1. Creditmetrics（信用度量制）模型的基本原理 ? 計算 信用風(fēng)險的 VAR值 （ 即在給定的置信區(qū)間上 、 給定時段內(nèi) ， 信貸資產(chǎn)可能發(fā)生的最大價值損失 ） 。 ? 信用風(fēng)險取決于債務(wù)人的信用狀況 ， 而企業(yè)的信用狀況由被評定的信用等級表示 。 ? 信用度量制模型的基本方法就是信用等級變化分析 。 ? 5年期固定利率貸款 ， 年貸款利率為 6%， 貸款總額為100(百萬美元 )。 （ 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前市值產(chǎn)生影響。 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 ? 若借款人在第一年結(jié)束時信用等級從 BBB級上升為 A級，那么這 100百萬美元貸款 (帳面值 )的市值可上升為 2 3 46 6 6 1066 108 .66( 372 ) ( 432 ) ( 493 ) ( 532 )P ? ? ? ? ? ?不同信用等級下貸款市值狀況 借款人信用等級轉(zhuǎn)換后貸款市值的概率分布分布情況 =均值 概率 貸款市值（百萬美元） 5年期 BBB級貸款的市值實際分布情況 ????81iii PVVi：每一信用等級下的貸款市值 Pi：借款人信用等級轉(zhuǎn)換到不同信用等級下的概率 （ 3）計算貸款的 VAR值 ? 首先，求貸款未來價值的均值和方差 E貸款未來價值 ?????81iii P)(V22 Eσ貸款未來價值 其次，求 VAR值 ? VAR等于一定的置信度上，年末可能的貸款價值與貸款預(yù)期平均價值間的差距，即貸款的價值損失。 ② 若基于 貸款價值的實際分布 ，可利用轉(zhuǎn)移概率矩陣和對應(yīng)的貸款價值表近似計算不同置信度下的 VAR值。 ? ? 貸款市值（百萬美元） 2992471130471 648310981098 .).(.. ... ?????1%的百分位數(shù) ＝ ? 1%的 VaR=?=（ 百萬美元） =均值 概率 5年期 BBB級貸款的市值實際分布情況 % % 1% P（ V≤） ≥1% 線性插值法 ? ? =均值 概率 貸款市值（百萬美元） 5年期 BBB級貸款的市值實際分布情況 771006761676471 0210210981098 .).(.. ... ?????5%的百分位數(shù) ＝ % % 5% P（ V≤） ≥5% ? 5%的 VaR=?=（ 百萬美元） ? 對于信用等級為 BBB的企業(yè)，同樣的 100萬美元的貸款，同樣的 99％的置信度 ? 在正態(tài)分布下為的 VAR值為 ? 基于貸款價值的實際分布， VAR值為 美元。 ? 事實上，利用信用度量制方法所計算出的貸款受險價值量可以較為準確地反映出 不同信用等級 和 不同期限 的貸款在未來可能發(fā)生的價值損失量。 因此人們將貸款的受險價值視為它的 經(jīng)濟資本 （ econo
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1