《信用评级方法汇总》由会员分享，可在线阅读，更多相关《信用评级方法汇总（6页珍藏版）》请在金锄头文库上搜索。
1、信用评级汇总2、“信用度量制”方法(Credit Metrics)“信用度量制”(CreditMetrics)是由摩根与其它合作者(美洲银行、KMV公司、瑞士 联合银行等)在已有的“风险度量制”方法基础上，创立的一种专门用于对非交易 性金融资产如贷款和私募债券的价值和风险进行度量的模型。风险度量制方 法(RiskMetrics)所要解决的问题是：“如果明天是一个坏天气的话，我所拥有的可 交易性金融资产如股票、债券和其它证券的价值将会有多大的损失”。而信用度 量制方法(CreditMetrics)则是要解决这样的问题：如果下一个年度是一个坏年头 的话，我的贷款及贷款组合的价值将会遭受多大的损失呢
2、 我们在前面曾谈及，由于贷款是不能够公开进行交易的，所以我们既无法观察 到贷款的市值(P)，也不能够获得贷款市值的变动率(。)。但是人们仍然可以通过 掌握借款企业的以下资料来解决这个问题。这些资料包括： 参见：信用度量制，技术文件，.摩根公司，纽约，1997。在 1998年，开发出“信用度 量制”和“风险度量制”产品的.摩根集团又建立了一家独立的名为“风险度量制”集团的公司。 参见：Anthony Saunders，Credit Risk MeasurementJohn Wiley & Sons， 1999,。 关于贷款组合的受险价值量计算我们将在第三节进行详细讨论。 为了说明“信用度量制”方
3、法，我们来看一看怎样计算一笔贷款的受险价值量，并 且讨论一下围绕着计算受险价值所涉及到的相关技术问题。一旦人们获得了这些资料，他们便可以计算出任何一项非交易性的贷款和债券 的P值和Q值，从而最终可利用受险价值方法对单笔贷款或贷款组合的受险价 值量进行度量。 借款人的信用等级资料在下一年度里该信用级别水平转换为其它信用级别的概率 违约贷款的收复率用“信用度量制”方法计算单笔贷款的受险价值量的例子二、现代信用风险度量模型比较分析社会探讨2009-11-08 14:13:01阅读20评论0字号：大中小订阅金志博王红娟(上海师范大学上海200234；中南财经政法大学湖北武汉430074)【摘要】金融危
4、机的爆发以及巴塞尔新资本协议的正式实施，为银行业进行信用 风险管理提出新的挑战。本文对国际上信用风险管理实践中应用最为广泛的现代信用风险度 量模型进行了分析比较，提出我国商业银行应用信用风险模型中的问题，并给出相关建议。【关键词】信用风险度量模型违约概率当前，金融危机使全球经济陷入衰退，如何有效的防范金融风险是银行业面临的重大课 题。巴塞尔新资本协议于2006年正式实施，其延续了以资本充足率为核心的风险监管 思路，确立了最低资本金要求、外部监管、市场约束三大支柱原则，为商业银行建立风险管理体系指明了方向。而对于信用风险，新巴塞尔协议要求银行建立自己的基于内部评级的信用风险度量模型。一、现代信用
5、风险度量模型1、KMV模型1993 年, KMV公司利用布莱克-斯科尔斯-默顿模型(BSM Model)提出了着名的信用监测模型(Credit Monitor Model)，后经 Longstaff 和 Schwarz (1995)、Dsa (1995)和 Zhou (1997)的进一步扩展，形成了一种违约预测模型，估计借款企业违约概率的方法。KMV 模型将股权视为企业资产的看涨期权，以股票的市场数据为基础，利用默顿的期权定价理论,估计企业资产的当前市值和波动率，再根据公司的负债计算出公司的违约点，然后计算借款 人的违约距离，最后根据企业的违约距离与预期违约率之间的对应关系，求出企业的预期违
6、约率。巴塞尔新资本协议中推荐使用KMV模型进行内部评级，可见其已经在国外得到 了广泛的认可和使用。KMV模型的优点在于：第一，根据企业的资产市值估计信用风险波 动状况，将市场信息纳入违约概率；第二，模型是一种动态模型，可以随时根据企业股票的 市价来更新模型的输入数据，反映信用风险水平的变化；第三，模型是一种“向前看”的模 型，在一定程度上克服了依赖历史数据“向后看”的数理统计模型的缺陷oKMV的缺点是： 第一，无法确定是否必须使用估计技术来获得企业的资产价值、企业资产收益率的期望值和波动性等数据，估计的准确率不能确定。第二，假定利率是事先确定的，限制了将KMV模 型应用于期限长的贷款(1年以上
7、)和其他利率敏感性工具。第三，隐含地假定当风险债券 的到期日趋向于零时，信用风险利差亦趋向于零，但实证研究否定这一结论。第四，使用历 史数据来确定预期违约率，其隐含的假设是经济状况是静止的，此假设不合情理。2、Credit Metrics 模型Credit Metrics模型是1997年美国摩根等七家国际着名金融机构共同开发的信用风险度 量模型，被称为信用度量术。该模型是建立在资产组合理论、VaR等理论和方法基础之上， 基于借款人的信用评级、次年评级发生变化的概率(评级转移矩阵)、违约贷款的回收率、 债券市场上的信用风险价差，计算出贷款的市场价值及其波动性，进而得出个别贷款和贷款 组合的VaR
8、值。它不仅能够识别传统的诸如贷款、债券等投资工具的信用风险，还可以用 于掉期、互换等金融衍生工具的风险识别，因而该模型迅速成为风险管理标准模型之一。 Credit Metrics模型的优点是：一是违约概念进行了拓展，认为违约也包括债务人信用等级的 恶化；二是该模型的应用非常广泛，包括传统的贷款、固定收益证券、贸易融资和应收账款 等商业合同，而且其高级版还能够处理掉期合同、期货合同以及其他衍生工具；三是在对债 务价值的分布有正态分布假设下解析方法和蒙特卡罗模拟法，在一定程度上避免了资产收益 率正态性的硬性假设。Credit Metrics模型的缺点在于：一是大量证据表明信用等级迁移概率 并不遵循
9、马尔可夫过程，而是跨时期相关的；二是模型中违约率直接取自历史数据平均值, 但实证研究表明，违约率与宏观经济状况有直接关系，不是固定不变的；三是没有考虑市场 风险。市场和经济状况的改变，如利率、股指、汇率、失业率的变化等，可能导致违约或者 信用等级的变动；四是模型通过股权回报关系来估计资产回报关系，而这可能影响估计的 确性。3、Credit Risk+模型Credit Risk+模型是瑞士银行金融产品开发部于1996年开发的信用风险管理系统，它是 应用保险经济学中的保险精算方法来计算债务组合的损失分布。它是一个违约模型，把信用 评级的升降看作是市场风险，在任何时期只考虑违约和不违约这两种事件状态
10、，重点研究期 望损失和非期望损失。在Credit Risk+信用风险附加计量模型中，每一笔贷款被视作小概率 违约事件，并且每笔贷款的违约概率都独立于其他贷款，这样，贷款组合违约概率的分布接 近泊松分布。模型的优点：一是该模型处理能力很强，可以处理数万个不同地区、不同部门、 不同时限等不同类型的风险暴露；二是模型集中于违约分析，所需要估计变量很少，只需要 违约率、违约波动率和损失的严重性；三是根据组合价值的损失分布函数可直接计算组合的 预期损失和非预期损失，比较简便。模型的缺点：一是模型对于输入因子一一单个债务人的 违约率没有详细阐述；二是忽略了信用等级变化，因而认为任意债权人的债务价值是固定不
11、 变的；三是将风险暴露划出频段并凑成整数，这影响了计算结果的精确性。4、Credit Portfolio View 模型Credit Portfolio View模型是由McKinsey公司于1998年应用计量经济学理论和蒙特卡罗 模拟法，从宏观经济环境的角度来分析债务人的信用等级迁移，开发出的一个多因素信用风 险度量模型。该模型在Credit Metrics的基础上，对周期性因素进行了处理，将评级转移矩 阵与经济增长率、失业率、利率、汇率、政府支出等宏观经济变量之间的关系模型化，并通 过蒙地卡罗模拟技术模拟周期性因素的“冲击”来测定评级转移概率的变化。模型的优点： Credit Portfo
12、lio view模型将各种影响违约概率以及相关联的信用等级转换概率的宏观因素纳 入了自己的体系中，克服了 Credit Metrics模型由于假定不同时期的信用等级转换概率是静 态的和固定的而引起的很多偏差。模型的缺点：一是实施这一模型需要可靠的数据，而每一 个国家、每一行业的违约信息往往较难获得；二是模型使用经调整后的信用等级迁移概率矩 阵的特殊程序，而调整则基于银行信贷部门积累的经验和信贷周期的主观判断。、四大模型的比较1、模型对风险的界定Credit Metrics主要是从市场盯市角度界定风险，Credit Risk+模型或KMV模型本质上是 违约模式模型，Credit Portfoli
13、o View模型既可以被当作盯市模式模型使用又可以当作违约模 式模型使用。2、风险来源Credit Metrics和KMV模型以Merton理论为分析基础，一家企业的资产价值和资产价 值的波动性是违约风险的关键驱动因素。在Credit Portfolio View中，驱动因素是一些宏观因 素，而Credit Risk+中则是违约率及其波动性。然而，如果以多因素模型的方式来分析，四 种模型都可以看作是有相同的根源，模型中风险驱动因素和相关性在一定程度上可以被看作 是与宏观因素相联系的。3、信用事件的波动率在Credit Metrics中，违约概率和信用等级转换概率被模型化为基于历史数据的固定的
14、或离散的值；在KMV模型中，股票价格的变化以及股票价格的波动性成为预测违约率的基 础；在Credit Portfolio View模型中，违约概率是一套呈正态分布的宏观因素和冲击的一个对 数函数；在Credit Risk+模型中，每笔贷款违约的概率被看作是可变的。4、回收率贷款等信用资产的损失分布和VaR的计算不仅仅取决于违约的概率，而且也取决于损 失的严重程度或给定违约下的损失率（LGD）。在Credit Metrics模型中，估计的回收率的标 准差被纳入了 VaR的计算；在KMV模型中，回收率被看作是一个常数；Credit Portfolio View 模型中回收率的估计是通过蒙特卡罗模拟
15、法进行的；在Credit Risk+模型中，损失的严重程 度被凑成整数并进行分组，从而得到次级的贷款组合，然后将任何次级贷款组合的损失的严 重程度视为一个常数。5、数量方法Credit Metrics模型对单项贷款的VAR的计算可通过解析方法实现，但对大规模的贷款 组合则往往通过模拟技术求解；Credit Portfolio View模型也采用模拟技术解；Credit Risk+模 型能够生成关于损失的概率密度函数的逻辑分析解；KMV模型通过解析技术实现风险评价。6、模型的适用对象Credit Metrics模型和KMV模型适用于公司和大客户信用风险的度量，Credit Risk+模型 适用于银行对零售客户的信用风险度量，而Credit Portfolio View模型适用于对宏观经济因素 变化敏感的投机级债务人的信用风险度量。表1信用风险模型的关键特征比较内容信用等级转移法KMVCredit Risk+Credit MetricsCreditPortfolio View风险 定义市场价值市场价值违约损失违约损失信用 事件降级/违约降级/违约连续的违约率违约风险资产价值宏观因素资产价值逾期违约率驱动因素信用 等级转换概率不变受宏观因素影 响EDF的单个期限结构一资产定价过程推断N/A信用 事件的相关度标准多变量正态 分布（权益因子模型）宏观因素的条 件违约概率函数标准多变
