第22.-.第1期湖北工业大学学报2007年02月 Journal of Hubei University of Tecbnol句0' [文'编每]1003 -4684{ 2007 )01-0060-03 信用风险模型研究一-Credit Metrics模型帅婿，刘伟，李文君〈武汉大学经济与管理学院技术经济a管理研究所，湖北武汉430072)[摘要]在金融环境复杂多变的今天，如何完善对信用风险的测定和管理是金融机构面对的最大挑战之一.首先阐述了信用风险的基本概念及其形成的原因.在此基础上，介绍了传统的与现代的各种信用风险模型，并对这些模型进行了比较分析.[关键词]信用风险F度量F计量模型[四"回分类号]F830. 5 [文赋标识码]:A 具的市场风险度量中应用非常广泛.2. 1 Credit Metri臼模型的基本思想1 借用凤险模型综述Credit Metrics模型的提出，引起了金融机构和信用风险是由于贷款客户违约行为造成贷款人监管当局的高度重视，是当今风险管理领域在信用债权的全部或部分损失的一种风险.信用风险具有风险量化管理方面迈出的重要一步[4]不经常发生，而一旦发生，其造成损失巨大的特1)信用风险取决于债务人的信用状况，而企业征∞.国际银行业面临的金融风险中，信用风险是最的信用状况由被评定的信用表示.信用计量模型认主要的风险，占银行总体风险的60%，市场风险和为信用风险直接源自企业信用等级的变化，并假定操作风险各占20%[2]. 信用评级体系是有效的，即企业投资失败、利润下信用风险管理在20世纪90年代取得了突破性降、融资渠道枯竭等信用事件对其还款履约能力的进展，主要表现在两个方面:一是信用衍生产品的出影响都能及时恰当地通过其信用等级的变化而表现现，为通过市场来对信用风险实行测度提供了有效出来.信用计量模型的基本方法就是信用等级变化的工具p二是以Creditmetrics和KMV模型为代表分析.的信用风险量化管理模型得到了很大的发展，为信2)信用工具(包括债券和贷款等)的市场价值取用VAR技术的应用创造了条件.现代信用风险管决于债务发行企业的信用等级，信用等级的变化会理也因此表现出由静态管理到动态管理的发展趋带来信用工具价值的相应变化.根据转换矩阵所提势.主要包括:KMV公司的KMV模型、瑞士信贷供的信用工具信用等级变化的概率分布，及不同信银行的CreditRisk +模型、麦肯锡公司的Credit用等级下给定的贴现率就可以计算出该信用工具在Portfolio View模型、lP摩根的信用度量制模型各信用等级上的市场价值(价格)，从而得到其市场一一CreditMetrics 价值在不同信用风险状态下的概率分布.这样就可用传统的期望和标准差来衡量资产信用风险，也可在确定的置信水平上找到该信用资产的信用值，从2 基于VAR的CreditMetrics模型而将VAR的方法引人到信用风险管理中来[5]VAR, p Value at Risk，为风险价值，是指在给3)信用计量模型的一个基本特点就是从资产组定的置信水平和目标时间内预期的最大损失.VAR合而并不是单一资产的角度来看待信用风险.根据方法能够简单清晰地表示市场风险的大小，又有严马相威茨资产组合管理理论，多样化的组合投资具谨系统的概率统计理论作为依托，在交易性金融工有降低非系统性风险的作用，信用风险很大程度上[收摘自期]2006-10-30 [作者简介]帅娟(1984-)，女，湖北十堪人，武汉大学硕士研究生，研究方向g风险管理.
第22卷第1期帅蜻等信用风险模型研究一-Credit Metrics模型61 是一种非系统性风险，因此，在很大程度上能被多样率称为信用等级转移概率.不同初始等级借款人向性的组合投资所降低.另一方面，由于经济体系中共所有可能等级转移的概率汇集起来构成一个8X8同因素〈系统性因素〉的作用，不同信用工具的信用转移概率矩阵(TransitionMatrix).矩阵中每一元状况之间存在相互联系，由此而产生的系统性风险素表示某借款人的期初信用等级在期末转移向另一是不能被分散掉的.个等级的概率.转移概率利用历史数据求得.4)信用计量模型将单-的信用工具放入资产组第二步，估算未来不同等级下的贷款远期价值.合中衡量其对整个组合风险状况的作用，不是孤立贷款的理论市价随信用等级变化而变化，若信用等地衡量某一信用工具自身的风险，该模型使用了信级下降，贷款剩余现金流量的信用风险价差(违约风用工具边际风险贡献这样的概念来反映单一信用工险〉就会上升，贷款价值(未来各期现金流折现值之具对整个组合风险状况的作用.边际风险贡献是指和)下降s若信用升级，则信用价差下降，贷款价值上在组合中因增加某一信用工具的一定持有量而增加升.贷款在一年之后的现值〈价值)的整个组合的风险(以组合的标准差表示).通过对石~R R+F P=R+ >: __ ,n ，，+-;:一一一一一比组合中各信用工具的边际风险贡献，进而分析每但(1+ r; + sY , (1 + r. + s.).. 种信用工具的信用等级、与其他资产的相关系数以R为固定年利息，F是贷款金额，n是贷款剩余年限，及其风险暴露程度等各方面因素，可以很清楚地看只为第i年远期零息票国库券利率(无风险利率),S; 出各种借用工具在整个组合的信用风险中的作用，为特定信用等级贷款的i年度信用风险价差.最终为投资者的信贷决策提供科学的量化依据.第三步，得出贷款价值的实际分布.将不同等级 用CreditMetrics模型度量借敷企业倩用凤险的年末贷款价值与转移概率结合，得到贷款价值在的基本步骤年末非正态的实际分布.第一步，获取借款企业信用等级转换的概率.第四步，计算贷款的VAR值.首先，计算贷款Credit Metrics模型不仅考虑到借款人违约所带来价值的均值.的信用风险，而且还考虑了借款人由于其信用等级贷款未来价值的均值=~未来不同等级下贷下降所带来的债务价值变动的信用风险.要确定不款价值×等级转移概率.同信用等级的信用工具在风险期限内由当前信用等接着，计算贷款价值的标准差.级变化到所有其他信用等级的概率.最后，求出VAR值.它等于在一定的置信度水第二步，对信用等级变动后的贷款市值估价.信平上年末可能的贷款价值与贷款预期价值间的差用等级的上升或下降必然会影响到一笔贷款余下的距.假设贷款价值服从正态分布，置信度为99%的现金流量所要求的信用风险息差〈或信用风险酬VAR值为σ.假设贷款价值服从实际分布，金)，因而也就必然会对贷款隐含的当前市值产生影可利用信用等级转移概率和与之对应的贷款价值响.根据借款企业信用等级的具体变化，参照信用等表，近似地计算出不同置信度下的VAR值.级转换矩阵可以计算出等级变化后的贷款市值. 贷敷组合僧用凤险测算第三步，计算风险价值量.为了计算贷款的lP摩根将单项资产模型加以延展，使之成为组VAR值，先要计算出贷款市值第一年的均值，它是合风险计量模型.第一年末每一可能的贷款价值乘以一年内它的转移假设组合由两笔贷款形成，估算组合VAR值概率之后的加总s然后按贷款市值分布呈正态分布的具体步骤如下z的假设来计算该贷款的不同置信水平下的VAR第一步，求出两笔贷款的联合信用等级转移概值s最后根据贷款市场价值的实际分布，计算基于实率矩阵.将借款公司资产价值波动性与借款人信用际分布的VAR值.运用CreditMetrics模型可以定量描述某一信等级变化相联系.假定企业资产价值变化幅度达到用工具对风险的边际贡献，从而判断是否将该工具一定程度时其信用等级就会改变，由此得到等级转引用组合}提高识别、衡量和管理风险的能力.移与企业资产价值变化间的映射关系.第二步，求出在不同信用状态下贷款组合的市 单笔贷款借用凤险测算第一步，求出借款人的期末信肩等级转移概率.场价值.求出单笔贷款在未来每种信用状态下的价假定借款人最初的信用等级已知，一年后有8种可值，再将组合中每笔贷款价值加总即得到组合的价能的信用状态，即从AAA级一D级〈违约)，则一年值.最终得出一个8X8贷款组合价值矩阵.后借款人由初始信用等级转移到其它信用等级的概第三步，求出贷款组合价值的均值与方差
62 湖北工业大学学报2007年第1期1)Credit Metrics十模型.该模型运用家庭火险贷款组合价值的均值=~PiVi' 财产承保的思想，把违约事件模型化为有一定概率分布的连续变量，每一笔贷款都有着极小的违约概贷款组合价值的方差=~Pin己一均值)2.率并且独立于其他贷款.组合的违约概率的分布类Pi是第i种可能的联合转移概率，Vi是第i种似于泊松分布，根据泊松分布公式可计算违约的概可能的组合价值.率.利用各个频度的违约概率分布加总后得出贷款第四步，求出贷款组合基于实际分布或正态分组合的损失分布.布的VAR值.已知贷款组合在不同信用状态下的2)麦肯锡模型.麦肯锡模型是在CreditMetrics 价值及相应的联合转移概率，可得到组合价值的实的基础上，对周期性因素进行了处理，将评级转移矩际分布，利用联合转移概率矩阵和贷款组合价值矩阵与经济增长率、失业率、利率、汇率、政府支出等宏阵可以估出组合在实际分布下的VAR值.观经济变量之间的关系模型化，并利用蒙地卡罗模组合VAR值=组合均值一拟技术，模拟周期性因素的影响来测定评级转移概给定置信度水平上第1年末可能的组合价值.率的变化.麦肯锡模型可以看成是对CreditMetrics 若假定组合价值服从正态分布，则99%置信度的补充，它克服了CreditMetrics中不同时期的评上的VAR值为组合价值标准差.级转移矩阵不变的缺点.若组合中贷款笔数较多，可利用蒙特卡罗模拟以上模型可以用于一定框架下信用风险绝对大法的分布抽样技术得到贷款组合价值的近似分布.小的度量，允许用户度量资产组合的信用风险，这个信息可以直接反映到对信用资产组合的管理中，如3 结论贷款定价和度量风险可调整的收益等.不同的模型表面上差别很大，但究其本质而言，3. 1 Credit Metrics模型的特征核心都是围绕发生违约的可能性，以及一旦违约发1)该模型利用求出的VAR值，可以计算出抵生，损失的规模有多大这两点.模型只是对风险的评御组合风险所需的经济资本，2)模型从组合的角度价方法和.考察指标的反映，我国商业银行建立自己衡量银行向某借款人发放贷款的边际风险贡献;3)的内部信用风险模型，既要学习借鉴国外的先进信该模型属于盯住市场模型(MTM)，也即盯住信用用风险模型，又要根据我国实际情况加以改进.等级变化对贷款理论市值的影响，并据此计算贷款信用风险的VAR值;4)该模型将组合管理理念引人信用风险管理领域;5)该模型是多状态模型，能够[ .考文献]更为精确地计量信用风险的变化和损失值，6)该模型率先提出资产组合信用风险的度量框架.[1J 程金林，周强.国际银行信用风险监管分析[J].南开经济研究，2001(1),21-27. 3. 2 Credit Metrics模型的局限性[2J Stephen Kealhofer. Portfolio Management of Default 1)模型假定等级转移概率遵循一个稳定的马尔Risk[J]. Net-exposurel, 1996(2) .81-95. 可夫过程，即某笔贷款未来的等级转移概率与其过[3J Wi1lia F Treacy, Mark Carey. Credit Risk Rating Sys›去的等级转移概率没有相关性.但实证研究表明，等tems at Large U. S Banks[JJ. Journal of Banking and 级转移与过去曾经出现的转移结果间有很高的相关Finance, 2000(24): 168-201. 性.2)假定转移概率在不同时期之间是稳定的，其信[4J 朱小宗.现代信用风险度量模型的实证比较与适用性用等级迁移概率直接取自历史数据平均值，未考虑分析[JJ.管理工程学报，2000，(1):88-92. 经济周期波动对信用等级变化的影响.3)假定企业[5J 方蔚华.信用风险管理方法综述口J.长沙大学学报，资产价值服从正态分布，但其实际分布有待研究.4)2006,20(1),18-20. 假定无风险利率是固定不变的，影响资产价值的只〈下转第69页)有各种信用事件，市场风险对于资产价值没有影响. 模型的扩展
第22卷第1期余新新主分量分析在经济效益指标分析中的应用研究69 [ .考文献]4 结论[IJ 张尧庭，方开泰.多元统计分析引论[MJ.北京z科学根据以上分析结果，港口企业管理人员在进行出版社，1982，322-328. 决策过程中，应重点围绕港口机械利用率、客运量、[2J 肯德尔M.多元分析[MJ.中国科学院计算中心概率统车船在港停留时间、生产性投资及总成本这5个关计组译.北京z科学出版社，1983，16一75.键性指标展开工作.以这5个方面为主体，根据实际[3J HE Xiang.基于多元分析和模糊规则的系统特征冗余情况作出进一步的改进及决策措施，达到其充分提度排序算法[JJ.上海交通大学学报，2001(1),22-25. 高经济效益的目的.An Application of Principal Component Analysis to the Analysis of Economic Efficiency Indexes YU Xin-xin (School 01 Sci. , Wuhan Univ. 01 Technology, Wuhan 430068, China) Abstract: By using the principal component analysis and factor analysis and taking the historical materials of a port as a reference, ten indexes rela’1:ed to economic efficiency are analyzed in this paper. Then, five key indexes are derived from the conclusion. The result affords business managers scientific basis. Keywords: principal component, factor; analysis; related matrix; characteristic root; characteristic vector, economic efficiency index [费任编辑:张岩芳]〈上接第62页〉The Study on the Models of Credit Risk Credit Metrics Model SHUAI Jin, LIU Wei, LI Wen-jun (Economics and Management School 01 Wuhan Univ, Wuhan 430068, China) Abstract: In present volatile financial environment, it will be a great challenge for inancial institutions to consider and study how to perfei::t and improve their credit risk measurement and management techniques. First, This paper expounds the basic definition of credit risk and the causes of leading credit risk. Then on the basis of the above, this paper explicitly introduces various of traditional and modern models and com›pares these models. Keywor由creditrisk; measurement; econometric models [责任编辑:张岩芳]
