【正文】 且現(xiàn)在相應(yīng)的配套計(jì)算機(jī)軟件也已經(jīng)很多。它能充分檢測金融資產(chǎn)對風(fēng)險來源的敞口性和市場逆向變化的可能性，以最簡單的方法將不同的市場因子不同市場風(fēng)險集成一個數(shù)，基本準(zhǔn)確的測量了不同風(fēng)險來源及其相互作用產(chǎn)生的潛在損失，較好的迎合了金融市場發(fā)展的動態(tài)性、復(fù)雜性、全球一體化趨勢。其二，VaR不具有次可加性，這將會誘導(dǎo)投資者做出錯誤判斷進(jìn)而產(chǎn)生錯誤的風(fēng)險規(guī)避策略即，一個包含多個金融部門的機(jī)構(gòu)若將其資產(chǎn)分別劃分給旗下各個部門，由各個部門分別計(jì)算VaR再求和，就能實(shí)現(xiàn)整個金融機(jī)構(gòu)風(fēng)險的降低。違背次可加性而給系統(tǒng)帶來的漏洞。很顯然，CVaR度量方法是基于VaR方法基礎(chǔ)之上建立起來的，自然比VaR方法更加理想與完善。但是作為新興的金融工具，CVaR也還存在多方面的不足有待改進(jìn)。其次，CVaR向后測試要比VaR復(fù)雜的多，VaR向后測試只需將實(shí)際損失超過VaR的頻率與置信水平比較即可，但CVaR的向后測試需要比較實(shí)際損失超過VaR的期望值與估算出的CVaR，通常損失超過VaR水平很低，需要更多的數(shù)據(jù)支持同時對期望值計(jì)算精度也大大的降低了，目前還沒有有效的方法來解決這些問題。 現(xiàn)有VaR與CVaR模型的計(jì)算方法 計(jì)算VaR的現(xiàn)有方法 參數(shù)方法假設(shè)收益率服從一定的分布，因?yàn)樵谟?jì)算機(jī)過程中往往需要估計(jì)參數(shù)的值，所以被稱為參數(shù)方法。當(dāng)假設(shè)不正確時，參數(shù)方法可能會有較大誤差。許多研究發(fā)現(xiàn)金融資產(chǎn)收益率時間序列不服從正太分布，具有尖峰厚尾的特性，其波動性具有聚集性和時變性（條件異方差性），并且還具有杠桿效應(yīng)，所以在正態(tài)分布和獨(dú)立同分布假設(shè)下所計(jì)算的VaR值，常常是低估實(shí)際風(fēng)險。　 歷史模擬法，其優(yōu)點(diǎn)是不需要正態(tài)分布等假設(shè)，簡潔、直觀、易于操作。它的缺點(diǎn)是缺乏活性。同時它不能提供比樣本點(diǎn)中最大損失還要壞的預(yù)期損失。 　　 分析方法的基本思想是利用證券組合的價值函數(shù)與市場因子間的近似關(guān)系，推斷市場因子的統(tǒng)計(jì)分布(方差 協(xié)方差矩陣)，進(jìn)而簡化VaR的計(jì)算。然而這種方法基于兩個基本的假定：即線性假定和正態(tài)分布假定。但是分析方法的假設(shè)條件與市場因子分布的厚尾和非對稱的實(shí)際情況不符，容易產(chǎn)生錯誤?！　onte Carlo 模擬法的基本步驟是：第一步:選擇隨機(jī)過程和隨機(jī)變量分布，并估計(jì)相應(yīng)參數(shù)。第三步:在該價格序列下估計(jì)組合價值及變化，可采用定價公式進(jìn)行全值估計(jì)，也可采用一階靈敏或高階靈敏度進(jìn)行近似估計(jì)。這樣得到組合價值變化分布,，可估計(jì)VaR。用公式可表示為： 　　 （）　　式中，為資產(chǎn)組合的損失額，即。評估VaR和CVaR的方法可以分為兩大類：一類是線性規(guī)劃方法，一類是根據(jù)參數(shù)法擬合出的收益率序列分布特征以及求出的VaR值，并求出相應(yīng)分布和置信水平的條件分位數(shù)，然后求出CVaR值。從對VaR模型分析中可以看到，用VaR模型測量風(fēng)險時，資產(chǎn)組合收益的概率密度函數(shù)可以用Delta正態(tài)分布法、DeltaGamma法、歷史模擬法以及Monte Carlo模擬法等不同的方法求得，這樣同樣的資產(chǎn)組合就可能計(jì)算出不同的，從而得到不同的VaR值。第二，VaR方法不是一致性風(fēng)險度量方法，而CVaR方法則是一致性風(fēng)險度量方法。用CVaR模型對資產(chǎn)組合進(jìn)行優(yōu)化必定存在唯一的最優(yōu)解。VaR模型雖然說明了一定置信水平下的最大損失，但它卻沒有排除損失高于VaR值的可能性，VaR模型所存在的這種風(fēng)險被國際清算銀行稱為“尾部風(fēng)險”。僅僅用VaR模型判斷資產(chǎn)組合的風(fēng)險有可能得出錯誤的結(jié)論。極值分析是建立在決策者主觀臆測的基礎(chǔ)之上的，因此其中的一些環(huán)境變量都是假設(shè)的，所以它只說明了事件的影響程度，但并沒有考慮事件發(fā)生的可能性，很難成為有用的決策依據(jù)；而CVaR是建立在一定的模型之上，通過數(shù)據(jù)不僅說明了損失的程度，而且說明了損失發(fā)生的概率，因此可用作決策者的決策依據(jù)。計(jì)算某特定投資組合的VaR,考慮一個信貸資產(chǎn)組合，假設(shè)為初始投資額價值，為持有期內(nèi)的投資回報率。這里預(yù)期收益與收益率的波動為和；如果在某一置信水平下的投資組合最小價值為。正是在這些假設(shè)前提下，推倒出了VaR的計(jì)算原理如下所示。信用度量模型（Credit Metrics）又稱DeIta加權(quán)正態(tài)模型。是這兩種產(chǎn)品的相關(guān)系數(shù),它表示兩種資產(chǎn)的相互關(guān)聯(lián)程度? 　　對于更多種產(chǎn)品,比如n種產(chǎn)品,…,的組合,我們?nèi)钥梢运愠銎渚岛头讲? 　　 　　 　　其中,是第種資產(chǎn)在總組合中所占的比例,?分別為第i種資產(chǎn)的均值和方差,是第種資產(chǎn)和第種資產(chǎn)的相關(guān)系數(shù)?與單種資產(chǎn)一樣,資產(chǎn)組合的總體方差越大,表示該組合的總體風(fēng)險越大。本文采用利用Credit Metrics模型求出VaR值再求出CVaR值。 第二步，有確定的信用轉(zhuǎn)移矩陣和其他必要參數(shù)計(jì)算出貸款市值。VaR的計(jì)算模型步驟參照（）. 第四步，在VaR值的基礎(chǔ)上通過對該指標(biāo)值求期望便得到CVaR值。那么CVaR可表示為： （） 同時，CVaR的概念以VaR概念為基礎(chǔ)，所以，公式可以變形為： （）其中是的累積分布函數(shù)故： ()公式（）代入公式（）可得： （）公式（）中為隨機(jī)變量的概率密度函數(shù)。 () 從數(shù)學(xué)意義上講，CVaR是指大于VaR的極端損失的平均部分，它反映了損失超過VaR值時投資組合可能遭受的潛在平均損失，因此，CVaR比VaR更能體現(xiàn)潛在的風(fēng)險價值。第3章 基于VaR和CVaR風(fēng)險測量實(shí)例分析實(shí)例就上市公司商業(yè)銀行的信用等級及企業(yè)的五年期貸款進(jìn)行實(shí)證測算和分析研究。一，數(shù)據(jù)說明（1） 表示所度量的信用風(fēng)險的時間間隔（通常是一年），且不妨假設(shè)衡量風(fēng)險的起始時刻為零，則該信用風(fēng)險時段的未端時刻為。（3） VaR值是在一定的置信水平下測定。（4）對于模型的有關(guān)數(shù)據(jù)，這里選用商業(yè)銀行公司年度報告的各信用等級，具體數(shù)據(jù)見附錄。這兩個假設(shè)對于其他的轉(zhuǎn)移概率同樣適用。第一步，確立轉(zhuǎn)移概率矩陣?轉(zhuǎn)移矩陣,轉(zhuǎn)移矩陣顯示出一年內(nèi)從一個信用級別轉(zhuǎn)變?yōu)榱硪粋€信用級別的概率?穆迪和標(biāo)準(zhǔn)普爾等公司均有這樣的數(shù)據(jù)積累（見表31）。p Credit week April 15，1996 第二步，確立時間段。 第三步，確定遠(yuǎn)期定價模型。如果發(fā)生違約，根據(jù)優(yōu)先償還程度，投資者可以得到部分清償，本例中，%，100萬元。用以上數(shù)據(jù)，可得出一年后貸款價值的分布曲線，然后可以求出該投資組合在一定置信水平下的VaR值。假設(shè)該筆貸款價值V服從正態(tài)分布，設(shè)貸款價值的均值為，標(biāo)準(zhǔn)差為。5%水平的萬元。 這里計(jì)算的VaR是基于貸款價值均值的相對VaR。反過來說，該筆貸款在第二年的損失有99%，有95%。假定有兩筆面值均為100萬元，高級期末擔(dān)保比可提前償還的中長期貸款，分別為： AA級 ，年利率為8%, 期限為5年； B級， 年利率為5%，期限為5年。表35 （%）借款人1（AA級）借款人2（B級）AAAAAABBBBBBCCC違約AAAAAABBBBBBCCC違約 假定資產(chǎn)收益率是服從正態(tài)分布的，即~，再假設(shè)，則公司發(fā)生違約是的概率為；其中，表示企業(yè)違約時的資產(chǎn)收益率，即違約時的臨界資產(chǎn)收益率。比如，%，則可以根據(jù)公式利用標(biāo)準(zhǔn)正態(tài)分布函數(shù)數(shù)值表（見附錄A）求得 同理可得B級轉(zhuǎn)向其他級別的臨界資產(chǎn)收益率，,。第二步，求聯(lián)合貸款價值。每種信用等級狀態(tài)下每筆貸款的市場價值可入前面計(jì)算單筆貸款的情形哪也去計(jì)算(貸款B級的價值見附錄A)。 表36 貸款組合的價值（萬元）債務(wù)人1（AA級）債務(wù)人2（B級）AAAAAABBBBBBCCC違約AAAAAABBBBBBCCC違約 如果一年后兩種貸款都升級到AAA級，同樣，如果兩筆貸款都違約，那么。如同單筆貸款。在64種可能的聯(lián)合概率和64種可能的貸款價值之下，貸款組合的均值及其方差可以計(jì)算： 均值萬元； 方差萬元； 標(biāo)準(zhǔn)差萬元；則貸款組合的VaR值可以計(jì)算得出：99%的萬元 95%的萬元在正態(tài)分布模型中，筆貸款的組合風(fēng)險取決于組合中每一對貸款組合的風(fēng)險，也取決于每筆貸款的個別風(fēng)險。在筆貸款組成的貸款組合中，對于每筆貸款，根據(jù)其給定的原始信用等級、移往其他級別的聯(lián)合轉(zhuǎn)移概率和這些貸款之間的相關(guān)系數(shù)等數(shù)據(jù)，我們可以模擬出中不同的借款人的資產(chǎn)價值。模擬的種貸款的價值交叉的相加，可以得到貸款組合的總共中不同的價值。 基于Credit Metrics模型計(jì)算CVaR實(shí)例分析 在得知VaR的請況下，我們就可以通過公式（）得出CVaR的值。反過來說，該筆貸款在第二年的損失有99%，有95%。所以，總體而言，CVaR是一種可以覆蓋更大范圍尾部風(fēng)險度量工具。再者，CVaR可以在有效覆蓋風(fēng)險的同時將成本控制在比較合理的水平上，使該選擇更具有現(xiàn)實(shí)意義及經(jīng)濟(jì)意義。 二，模型參數(shù)估計(jì)任務(wù)艱難 模型中所涉及的參數(shù)規(guī)模龐大，而且復(fù)雜。 三，模型所需要的歷史數(shù)據(jù)難獲得由于貸款具有周期較長的性質(zhì)，要獲得較為準(zhǔn)確的估計(jì)值，就必須擁有橫跨多個信用周期，歷時很多年的歷時數(shù)據(jù)，而這一條對于很多銀行來說都是不具備的。正是由于這種數(shù)據(jù)的制約，很多銀行在建立模型時多采用簡化問題假設(shè)和主觀判斷來解決。 在我國商業(yè)銀行應(yīng)用中的不足（1）Credit Metrics模型 從本文中Credit Metrics模型的應(yīng)用來看，使用Credit Metrics模型是有一定的前提的：第一，需要事先有信用評級系統(tǒng)，即存在公平客觀且標(biāo)準(zhǔn)統(tǒng)一的信用級別；第二，擁有豐富的信貸數(shù)據(jù)，據(jù)此才可以計(jì)算出各信用等級貸款的違約概率及移往其它級別的概率轉(zhuǎn)移矩陣。由于缺乏有效的歷史數(shù)據(jù)的緣故(某些銀行通過其所建立的數(shù)據(jù)庫收集了部分歷史數(shù)據(jù)，但數(shù)據(jù)的質(zhì)量較差)，我國商業(yè)銀行普遍沒有建立起定量信用評分的模型，大多數(shù)銀行只是根據(jù)自身情況建立了基于專家判斷法的信用評分模型，但由于此模型的預(yù)測能力沒有經(jīng)過系統(tǒng)的驗(yàn)證，導(dǎo)致這些模型在實(shí)際業(yè)務(wù)中的應(yīng)用實(shí)效大打折扣。據(jù)統(tǒng)計(jì),至2008年12月,。（1） 我國商業(yè)銀行信用風(fēng)險現(xiàn)狀我國商業(yè)銀行尚未形成正確的信用風(fēng)險管理理念。不能適應(yīng)新時期業(yè)務(wù)高速發(fā)展及風(fēng)險環(huán)境復(fù)雜的需要。我國銀行業(yè)的貸款人多集中在房地產(chǎn)或其它人型資產(chǎn)投資項(xiàng)目上，且數(shù)額巨大。一旦累積的信用風(fēng)險暴露出來，勢必會造成嚴(yán)重的信貸損失，對銀行的長遠(yuǎn)發(fā)展是極為不利的。目前,我國國有商業(yè)銀行的內(nèi)部信用評級普遍采用“打分法”,即通過選取一定的財(cái)務(wù)指標(biāo)和其他定性指標(biāo),通過專家判斷或其他方法設(shè)定每一指標(biāo)的權(quán)重,由評級人員根據(jù)事先確定的打分表對每一個指標(biāo)分別打分,再根據(jù)總分確定其信用級別。缺乏對現(xiàn)金流量的分析和預(yù)測。行業(yè)分析和研究明顯不足。內(nèi)部評級不完善，風(fēng)險揭示不充分。（二）針對我國現(xiàn)狀提出完善商業(yè)銀行信用風(fēng)險監(jiān)管的建議 　　第一，提高商業(yè)銀行信用風(fēng)險度量和管理技術(shù)水平。首先，各商業(yè)銀行應(yīng)積極開發(fā)以計(jì)算機(jī)為平臺的客戶信息系統(tǒng)，廣泛收集充分的客戶信息，建立起完善的數(shù)據(jù)庫。 　　第二，確立完善的商業(yè)銀行內(nèi)部控制體系。首先，通過授權(quán)管理、崗位制衡等手段防止操作風(fēng)險在業(yè)務(wù)環(huán)節(jié)中的出現(xiàn)。最后，通過不間斷的調(diào)整和改進(jìn)，不斷提高商業(yè)銀行的風(fēng)險管理水平，確保其經(jīng)營目標(biāo)的實(shí)現(xiàn)。一是加快風(fēng)險管理的信息化建設(shè)。我國商業(yè)銀行要迅速按照新巴塞爾資本協(xié)議框架要求,借鑒國際銀行業(yè)先進(jìn)經(jīng)驗(yàn)并運(yùn)用現(xiàn)代科技手段,從風(fēng)險組織流程、風(fēng)險計(jì)量模型、風(fēng)險數(shù)據(jù)庫和風(fēng)險管理信息系統(tǒng)等方面,建立科學(xué)的、符合國際銀行業(yè)標(biāo)準(zhǔn)的內(nèi)部評級系統(tǒng),逐步建立覆蓋所有業(yè)務(wù)風(fēng)險的監(jiān)控和評價預(yù)警系統(tǒng),進(jìn)行持續(xù)的監(jiān)控和評估,全面系統(tǒng)地為風(fēng)險管理提供決策依據(jù)。注重建設(shè)風(fēng)險管理的體系標(biāo)準(zhǔn)。搭建風(fēng)險管理機(jī)制。突出風(fēng)險的預(yù)警。要建立健全有關(guān)社會信用的法律體系，推進(jìn)信用文化建設(shè)。采取適時而進(jìn)的新方法，積極度量風(fēng)險，科學(xué)管理風(fēng)險，合理承擔(dān)風(fēng)險，才能獲取與之相匹配的收益回報。在此基礎(chǔ)上，對我國商業(yè)銀行信用風(fēng)險管理體系的構(gòu)建和完善提出相應(yīng)的政策建議。而且，由CVaR測算出來的商業(yè)信用風(fēng)險相對于VaR測算的風(fēng)險覆蓋范圍更廣，更能體現(xiàn)潛在的風(fēng)險。 （2）新構(gòu)建的Credit Metrics模型可以應(yīng)用于我國商業(yè)銀行信用風(fēng)險管理由以上實(shí)證分析可知，以Credit Metrics模型求的的VaR和CVaR值，通過適當(dāng)?shù)男拚梢詰?yīng)用與我國商業(yè)銀行信用風(fēng)險管理。其次，以Credit Metrics模型已經(jīng)被國際上許多銀行所采用，對于信用風(fēng)險的預(yù)測也給出了一個量化的VaR和C