多变量信用风险判别模型

《多变量信用风险判别模型》由会员分享，可在线阅读，更多相关《多变量信用风险判别模型（4页珍藏版）》请在金锄头文库上搜索。

1、多变量信用风险判别模型多变量信用风险判别模型是以特征财务比率为解释变量，运用数量统计方法推导而建立 起的标准模型。运用此模型预测某种性质事件发生的可能性，及早发现信用危机信号,使经营 者能够在危机出现的萌芽阶段采取有效措施改善企业经营，防范危机;使投资者和债权人可 依据这种信号及时转移投资、管理应收帐款及作出信贷决策。目前国际上这类模型的应用是 最有效的，也是国际金融业和学术界视为主流方法。概括起来有线性概率模型、Logi t、Probit 模型和判别分析模型。其中多元判别分析法最受青睐,Logit模型次之。多元判别分析法是研究对象所属类别进行判别的一种统计分析方法;判别分析就是要从 若干表明

2、观测对象特征的变量值(财务比率)中筛选出能提供较多信息的变量并建立判别函 数，使推导出的判别函数对观测样本分类时的错判率最小。率先将这一方法应用于财务危机、 公司破产及违约风险分析的开拓者是美国的爱德华阿尔特曼博士(Edwardl.Altman)。他早 在1968年对美国破产和非破产生产企业进行观察，采用了 22个财务比率经过数理统计筛选 建立了著名的5变量Z-score模型和在此基础上改进的“Ze-ta”判别分析模型2。根据判 别分值,以确定的临界值对研究对象进行信用风险的定位。由于模型简便、成本低、效果 佳,Zeta模型己商业化，广泛应用于美国商业银行，取得了巨大的经济效益。美国还专门成立

3、 了一家Zeta服务有限公司，著名美林证券也提供Z值统计服务。受美国影响，日本开发银行、 德国、法国、英国、澳大利亚、加拿大等许多发达国家的金融机构,以及巴西都纷纷研制了 各自的判别模型。虽在变量上的选择各有千秋，但总体思路则与阿尔特曼如出一辙。Logit模型是采用一系列财务比率变量来预测公司破产或违约的概率;然后根据银行、 投资者的风险偏好程度设定风险警界线、以此对分析对象进行风险定位和决策3。Logit 模型与多元判别分析法的本质区别在于前者不要求满足正态分布，其模型采用Lo-gistic函 数。由于Logistic回归不假定任何概率分布，不满足正态情况下其判别正确率高于判别分析 法的结果

4、。5以资本市场理论和信息科学为支撑的新方法随着资本市场的迅速发展、融资的非中介化、证券化趋势以及金融创新工具的大量涌现, 信用风险的复杂性也日益显著。人们认为以财务比率为基础的统计分析方法不能反映借款人 和证券发行人的资产在资本市场上快速变化的动态价值;鉴于此,一系列信用风险衡量的新 方法相继提出。5.1期权定价型的破产模型期权定价型的“破产模型”。这类模型的理论依据在很多方面与Black-Scholes(1973)4, Merton(1974)以及Hull 和White(1995)5的期权定价模型相似。因此也称作信用风险的期权定价模型。 Black-Scholes-Mer ton系列定价模型

5、表明一家公司的破产概率取决于公司资产相对于其短 期负债时的初始市场价值和资产(股票)市价的波动率。当公司资产的市场(清算)价值低于其 短期负债价值，即资不抵债时,那么该公司实质上已经破产。1993年KMV公司研究提出的期 望违约率(ExpectedDefaultFrequency , EDF)模型也是基于这一理论6。模型的结构包含两 种理论联系。其一是将股票价值看成是建立在公司资产价值上的一个看涨期权;其二是公司 股票价值波动率与公司资产价值变化之间的关系。在实践中，通过观察在一定标准差(资产市 价与偿债价值的标准差)水准上的公司(其初始资产高于负债)在一年内有多少比例的公司破 产；以此来衡量

6、任一具有同样标准差公司的违约概率。由于资产市值的估算又取决于股价波 动率的估算，因此令人质疑的是估算的股价波动率是否可作为公司资产价值估算的可信指标。5.2债券违约率模型和期限方法阿尔特曼研究的债券违约模型(Mortalityratmodel)7和Asquith、Mullins(1989)的 期限方法(Ag-ingapproach)8 是按穆迪和标准普尔的信用等级和债券到期年限，采用债券 实际违约的历史数据建立的违约概率经验值。对各类信用等级和期限债券的违约风险的衡量。 美国穆迪(1990)和标准普尔(1991)两家著名评级公司修正了这一模型并作为他们的常规金 融分析工具。此类模型有望扩展到贷

7、款违约风险分析中。但目前的障碍是银行无法收集到足 够的贷款违约历史数据供建立一个非常稳定的违约概率数据库。因此美国许多大型银行正致 力于建立一个全国贷款违约和违约损失率的共享数据库。5.3神经网络分析系统虽然神经网络的理论可追溯到40年代，但在信用风险分析中的应用还是90年代的新生 事物。神经网络是从神经心理学和认识科学研究成果出发，应用数学方法发展起来的一种并 行分布模式处理系统，具有高度并行计算能力、自学能力和容错能力。神经网络的结构是由 一个输入层、若干个中间隐含层和一个输出层组成。国外研究者如Altman,Marco和 Varetto(1995)对意大利公司财务危机预测中应用了神经网络

8、分析法9 Coats,Fant(1993)、 Trippi 和 Turban,Kevin、KarYanTan 和 MdodyY.Kiang(1992)10采用 了神经网络分析法分 别对美国公司和银行财务危机进行了预测，取得了一定的效果。我国学者杨保安、王春峰等 (1998)11也在此领域进行了初探。然而神经网络的最大缺点是其工作的随机性较强。因为 要得到一个较好的神经网络结构，需要人为地去调试，非常耗费人力与时间，因此应用受到了 限制。Altman(1995)在对神经网络法和判别分析法的比较研究中得出结论“神经网络分析方 法在信用风险识别和预测中的应用，并没有实质性的优于线性判别模型”。另 外

9、,Cha tfield(1993)在国际预测杂志发表的题为“神经网络:预测的突破还是时髦”一 文中对神经网络方法也只作了一般性的评述12。但神经网络作为一门崭新的信息处理科学 仍然吸引着众多领域的研究者。6衍生工具信用风险的衡量方法衍生工具是指其价值依赖于基本标的资产价格的金融工具如远期、期货、期权、互换 等。80年代以来，金融市场风起云涌、变幻莫测、市场风险与日俱增。衍生工具因其在金融、 投资、套期保值和利率行为中的巨大作用而获得了飞速的发展，尤其充实、拓展了银行的表 外业务。然这些旨在规避市场风险应运而生的衍生工具又蕴藏着新的信用风险。如利率互换 和货币互换虽能减少利率风险，但却要承担互换

10、对方的违约风险。如果银行只是作为互换的 中间人和担保人介入互换业务，互换中的任何一方违约都将由银行承担。另外，场外市场的期 权交易，其违约风险也日益增加。因此，衍生工具的信用风险的管理也日益受到各国金融监管 当局的重视。原则上，前面讨论的方法对衍生工具信用风险的预测仍有用武之地。因为，引起 合同违约的一个重要因素,仍通常是对方陷入财务困境。尽管如此，在贷款、场外交易和表外 衍生工具的违约风险上仍存有许多细微的区别。首先，即使对方陷入财务困境,也只可能对虚 值合同(履约带来负价值的合同)违约而会力求履行所有的实值合约(履约带来正价值的合 同)。其次，在任一违约概率水准上，衍生工具违约遭受的损失往

11、往低于贷款违约的损失。鉴 于此，研究者相继提出许多其他方法，不过主要集中在期权和互换两类衍生工具上，最具代表 性的有下列三种。6.1 风险敞口等值法(Riskequivalen texposure,REE)风险敞口等值法(REE )是贯穿于衍生工具信用风险衡量的核心方法。这类方法是以估测 信用风险敞口价值为目标，考虑了衍生工具的内在价值和时间价值，并以特殊方法处理的风 险系数建立了一系列REE计算模型。既有以衍生工具交易的名义本金和合同价值为基础的 REE模型,也有以衍生工具类别和组合策略为基础的REE模型。其中风险系数是衍生工具交 易的名义本金转化为风险敞口等同值的核心工具。依据投资者的风险

12、偏好,可计算4种概念 的风险敞口等同值;即到期风险敞口等同值、平均风险敞口等同值、最坏情况风险敞口等同 值和期望风险敞口等同值以度量信用风险的高低。6.2模拟法模拟是一种计算机集约型的统计方法。采用蒙特卡罗模拟过程模拟影响衍生工具价值的 关键随机变量的可能路径和交易过程中各时间点或到期时的衍生工具价值。经过成千上百次 的反复计算得出一个均值。衍生工具的初始价值与模拟平均值之差是对未来任一时间点和到 期信用风险敞口值的一个度量。6.3敏感度分析法衍生工具交易者通常采用衍生工具价值模型中的一些比较系数，如 Delta,Gamme,Vega和Theta来衡量和管理头寸及交易策略的风险。敏感度分析法就

13、是利用 这些比较值通过方案分析(scenarioanalysis)或应用风险系数来估测衍生工具价值。其中 Delta用于衡量衍生工具证券价格对其标的资产价格变动的敏感度;Gamme是衡量该衍生证 券的Delta值对标的资产价格变化的敏感度;它等于衍生证券价格对标的资产价格的二阶偏 导数，也等于衍生证券的Delta对标的资产价格的一阶偏导数。Vega用来衡量衍生证券的价 值对标的资产价格波动率的敏感度;Theta用于衡量衍生证券的价值对时间变化的敏感度。 敏感度分析法最终目的仍是估算出风险敞口等同价值(REE)。只是估算中采用的系数不同。 如0ng(1996)主要采用Delta和Gamme来估算

14、REE,Mark(1995)则使用上述所有的系数，并运 用方案分析以获得衍生工具的新价值。7信用集中风险的评估系统前面所述的方法绝大多数都只是衡量单项贷款或投资项目的信用风险而很少注重信用 集中风险的评估。信用集中风险是所有单一项目信用风险的总和。金融市场的全球化和风险 的多样化使人们越来越认识到“不能把鸡蛋放在一个篮子里”的重要性。金融机构和投资者 们采用贷款组合、投资组合来达到分散和化解风险的目的。那么如何来衡量这些组合及所有 个别加组合汇集起来的信用集中风险又成为一个新的课题。目前在这一课题上最为人们所关 注的是J.P摩根1997年推出的信用计量法(Credi tMet ricsTM )

15、和瑞士信贷金融产品信用风险 +法(CSFP)13。这两大信用风险评估系统都是为了评估信用风险敞口亏损分布以及为弥补 风险所需的资本，但使用的方法有所不同。信用计量法是以风险值(VAR)为核心的动态量化风 险管理系统。它集计算机技术、计量经济学、统计学和管理工程系统知识于一体，从证券组 合、贷款组合的角度全方位衡量信用风险。分析的面广，包括证券、贷款、信用证、贷款承 诺、衍生工具、应收帐款等方面的信用风险的估测。具体操作是依据与动态信用事件（信用 等级的变迁，违约等）相关的基本风险来估测集中信用风险的风险值。集中信用风险值是指在 未来一定时间内，因信用事件引起证券或贷款组合资产价值的潜在变化量。

16、风险管理者依据 这一风险值调整头寸和决策以防范损失。信用风险+法是在信用评级框架下计算每一级别或 分数下的平均违约率及违约波动。将这些因素与风险敞口综合考虑从而算出亏损分布与所 需资本预测数。8结束语综观国际上这一领域的研究和实际应用，信用风险分析方法从主观判断分析法和传统的 财务比率评分法转向以多变量、依赖于资本市场理论和计算机信息科学的动态计量分析方法 为主的趋势发展。目前我国的信用分析和评估技术仍处于传统的比率分析阶段。银行机构主 要使用计算贷款风险度的方法进行信用风险评估。信用风险的分析仍然是以单一投资项目、 贷款和证券为主，衍生工具、表外资产的信用风险以及信用集中风险的评估尚属空白。更没 有集多种技术于一体的动态量化的信用风险管理技术。随着我国经济体制的改革深入、市场 机制的建立与完善以及资本市场、银行业的迅速发展，现行的信用评估体制与方法赶不上经 济改革发展的需要。我们应博采众长、引入科学方法来确定有效指标并建立准确的定量模 型