(精品)信用风险.ppt

《(精品)信用风险.ppt》由会员分享，可在线阅读，更多相关《(精品)信用风险.ppt（30页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、LOGO 信用风险信用风险 信用风险的概念从狭义上讲，信用风险一般是指借款人到期不能或不愿履行借款协议、偿还本息从狭义上讲，信用风险一般是指借款人到期不能或不愿履行借款协议、偿还本息而使银行遭受损失的可能性。而使银行遭受损失的可能性。从广义上说，信用风险还包括由于各种不确定因素对银行信用的影响，使银行经从广义上说，信用风险还包括由于各种不确定因素对银行信用的影响，使银行经营实际结果与预期目标发生背离，从而导致银行造成潜在损失的可能性。营实际结果与预期目标发生背离，从而导致银行造成潜在损失的可能性。信用风险可以分为两种情况信用风险可以分为两种情况:一是借款人或债务人没有能力或者没有意愿履行还款义

2、务而给债权人造成损一是借款人或债务人没有能力或者没有意愿履行还款义务而给债权人造成损失的可能性失的可能性;另一个是指由于债务人信用等级或信贷资产评级的下调、信贷利差另一个是指由于债务人信用等级或信贷资产评级的下调、信贷利差的扩大导致资产的经济价值或者市值下降的可能性（主权债务危机）。的扩大导致资产的经济价值或者市值下降的可能性（主权债务危机）。前者主要着眼于贷款是否违约，称为违约风险前者主要着眼于贷款是否违约，称为违约风险;后者则强调信贷资产质量价值后者则强调信贷资产质量价值的潜在变化，所以通常称为信贷利差风险的潜在变化，所以通常称为信贷利差风险。1999年巴塞尔委员会发布的研究报告信用风险模

3、型化:目前的实践和应用中，根据信用风险定义的不同，将银行业使用的信用风险模型分为两大类:违约式模型(DefauhModel)和盯住市场式模型(Mark一to-MarketModel)。DM模型只考虑违约与不违约两种信用状态，而MTM模型除了考虑违约与不违约两种信用状态以外，还要考虑到信用质量的变化，比如信用等级的升降或转移，在此意义下MTM模型是DM模型的一种推广。信用风险的特征2.道德风险与信息不对称对信用风险的形成具有重要作用。道德风险与信息不对称对信用风险的形成具有重要作用。债权人与债务人的信用交易通常是在信息不对称的条下进行的。债权人经常对债务人的信息掌握缺乏或者掌握错误信息，在信息掌

4、握失衡的情况下，债务人为了实现自身的利益最大化，道德风险发生的可能性变大，即产生违约倾向，最终形成信用风险。1.非系统性与系统性。非系统性与系统性。借款人的还款能力和还款意愿受多种因素的影响，一方面债务人自身的财务状况、投资策略和经营能力等因素决定了其能否期履约还款。而另一方面，除了借款人自身的非系统风险之外，系统风险也会对债务人违约产生影响，如宏观经济状况(经济周期)、行业发展状态(行业生命周期)和政策法律等因素。非系统性与系统性的复合增加了信用风险的复杂性和多变性。3.信用风险收益的非对称性。信用风险收益的非对称性。与市场风险收益的近似对称分布不同，信用风险收益的分布具有典型的非对称性，如

5、图所示，信用风险分布的偏峰厚尾特征决定了简单的应用均值和方差来衡量风险的大小是不充分的,信用风险作用于银行信贷经营的全过程，只有及时、准确地发现信用风险的诱导因素并系统、连续地掌握信用风险的特征、大小、属性及变动趋势，能防范和化解风险。信用风险的特征4.信用风险的难以进行准确的测量信用风险的难以进行准确的测量对于商业银行来讲，信用风险的量化分析比较困难，其首要原因是贷款的持有期限一般较长，在贷款的存续期内存在过多的不确定因素。其次，由于信息的不对称，直接观察信用风险的变动较为困难。5.信用悖论现象信用悖论现象信用悖论是商业银行授信分散化的理论要求与信贷集中现象相互矛盾的现象。由于对客户信用状况

6、的了解主要来源于长期的业务关系，因此银行倾向于将贷款投向并集中于有限的老客户。这样，一方面，银行会在贷款管理上得益于其对客户情况的了解和把握，即比较优势。另一方面，又将其信用风险暴露过分集中于某一特定的客户群体，一旦发生违约，可能带来巨大损失。信用风险的成因信用风险的成因从经营的业务范围来说，商业银行存在信用风险有其一般性的成因从经营的业务范围来说，商业银行存在信用风险有其一般性的成因(1)信用风险的广泛存在性。信用风险的广泛存在性。现代经济是契约式经济。随着金融的不断发展，金融产品不断创新，导致了信用的不断扩展。由于现代信用的大量使用，信用风险存在于各种各样的经济活动中。信用风险产生于市场经

7、济中交易的双方，当交易双方采用非现金交易时，即采用了信用的支付方式，同时面临着交易对手违约的风险，所以说信用风险具有社会的普遍存在性。(2)信用活动的不确定性。信用活动的不确定性。信用风险形成的根本原因主要还是源于信用活动的不确定性。现代经济活动存在着各种各样的偶然性导致人类进行社会活动时存在着许多的不确定性。社会活动的不确定性是形成风险的主要原因。在信用活动中，不确定性包括外在不确定性和内在不确定性两种。外在不确定性来自于经济体系之外，是经济运行过程中的随机性、偶然性的变化或不可预测的趋势，如宏观经济走势、市场资金的供求状况、政治局势、技术和资源条件等等。信用风险的成因(3)交易双方的信息非

8、对称性。交易双方的信息非对称性。信息非对称性是指交易的双方信息了解的程度不一致，其中某一方知道另外一方未知或无法知道的信息。在金融投资活动中，对称信息是相对的，信息非对称是普遍的，由于存在信息搜寻成本和监督成本的问题，不论是在发达国家还是发展中国家，银行都不可能对企业的经营状况充分了解，即掌握企业经营状况的完全信息，因而各国都存在由于信息不对称产生的技术性不良贷款。一般来说，外在不确定性对整个市场都会带来影响，所以，外在不确定性导致的信用风险等金融风险又称为系统风险。内在不确定性来自于经济体系之内，它是是由行为人主观由行为人主观决策及获取信息的不充分等原因造成的，带有明显的个性特征。例如，企业

9、管理能力、产品竞争能力、生产规模、财务状况、信用品质等的变化都直接关系着其履约能力。内在不确定性产生的风险又称为非系统风险。信用风险的成因 另外一种：信用风险是借款人因各种原因未能及时、足额偿还债务或银行贷款而违约的可能性。发生违约时，债权人或银行必将因为未能得到预期的收益而承担财务上的损失。所以信用风险是由两方面的原因造成的。经济运行的周期性；在处于经济扩张期时，信用风险降低，因为较强的赢利能力使总体违约率降低。在处于经济紧缩期时，信用风险增加，因为赢利情况总体恶化，借款人因各种原因不能及时足额还款的可能性增加。对于公司经营有影响的特殊事件的发生；这种特殊事件发生与经济运行周期无关，并且与公

10、司经营有重要的影响。例如：产品的质量诉讼。举一具体事例来说：当人们知道石棉对人类健康有影响的的事实时，所发生的产品的责任诉讼使Johns-Manville公司，一个著名的在石棉行业中处于领头羊位置的公司破产并无法偿还其债务。信用风险的传统计量方法一、专家系统一、专家系统(Expertsystems)方法方法二、二、Z评分模型评分模型三、神经网络法三、神经网络法专家系统专家系统(Expertsystems)方法方法专家系统方法：是一种在许多领域都有广泛使用的考核与评估的简单定量方法。在信用风险分析的起步阶段，银行机构中具有丰富经验、经过长期训练的信贷人员根据所获的数据资料和自身经验积累，对是否做

11、出放贷进行决定。可见在信贷决策的过程中，信贷人员的专业知识和主观意识在信用风险的评定中具有非常重要的作用。在专家系统中，各商业银行虽然存在自身条件的差异，对贷款申请人进行信用分析所涉及的内容也不尽相同。但是大多数银行对借款申请人的资格考查放在五个方面:即品德与声望品德与声望(character)、资本状况资本状况(cpatial)、资格与能力资格与能力(capacity)、担保担保(Collateral)以及周期或经济条件周期或经济条件(衡cycle/economic Conditions)。通过对这五个指标加以合适的权重，来最终确定贷款决策。这就是有名的5C信用评级法信用评级法。在实际操作中

12、许多银行也因地制宜地对考核指标做适当的修改，以便对风险状况做出更准确的判断。上述五个指标的具体解释如下:专家系统专家系统(Expertsystems)方法方法(1)品德与声望，其主要衡量借款人(如企业)的声誉，还款意愿和偿还贷款记录。特别地是通常用企业的生存年龄来衡量期还贷信誉。(2)资本状况，主要衡量所有者权益贡献和杠杆比率等，这个指标非常有助于预测企业的破产可能性。(3)资格与能力，衡量借款人的还款能力，反映出借款人收益的波动性。(4)担保，如果借款人发生违约，银行将对借款人提供的担保行使追索权。银行追索的优先权越高，担保物的市场价值也就越高，从而贷款的风险敞口也就越小。(5)周期或经济条

13、件，经济周期或商业周期的阶段是影响信贷风险敞口的一个 重要因素，特别是对那些受经济周期影响较大的行业。此外，还有一些银行在5C的基础上提出借款人条件审查的其他指标方法:如5w指标方法，即借款人(Who)、借款用途(Why)、还款期限(When)、担保物 (what)、如何还款(How);5P指标方法，即个人因素(Personal)、目的因素(Purpose)、偿还因素(payment)、保障因素(protection)、前景因素(perspective)。这些方法虽然从不同的角度对借款人的状况进行评价，但是其基本思想是一致的。专家系统专家系统(Expertsystems)方法方法 专家制度法的

14、实质是结合采用企业金融比率的主观分析法。它的核心是利用企业财务报表，借助优秀的分析师的经验和判断，对某一经济实体或金融产品的信用质量作出评估。专家制度发类似于评级公司的专家评级法。世界两大评级公司标准普尔和穆迪投资公司多年来一直延续使用专家评级法，并且各自具有一套严格的评级程序，以保证信用风险度量和信用评级的准确性。以标准普尔公司的评级程序为例：接到评级申请后，公司指派分析小组，进行基本研究工作，即分析小组研究人员将认真评价企业财务报表反映的各项财务比例，结合企业宏观经济环境的关系来预测企业的未来经营前景，然后将结果提交评级委员会审议。当评级程序结束后，评级公司一般会将评级对象划入某一信用等级

15、，这些等级是离散的，用序数表示，它们反映了评级对象的信用质量。专家系统方法的局限性专家系统方法的局限性尽管专家系统在银行的信用风险分析中发挥着积极的重要作用，然而实践证明专家系统存在着很多难以克服的缺点和不足。专家制度的基本局限性是其只在于定性分析专家制度的基本局限性是其只在于定性分析，虽然其中也可能运用到许多财务会计信息。例如，信用分析师可以将潜在借款人的各种关键性财务比率与同类企业相应比率的标准值和趋势进行比较，从而对该借款人的信用状况做出判断。但是这种分析属于一种单变量的测定方法，其最大的缺点在于它不能对不同的财务比率的重要性进行排序，例如在单变量测定法中的盈利性指标、流动性指标以及偿付

16、能力指标均为重要的指标，但是在这些指标中究竟哪一个最为重要，怎样按照其重要性进行排序就不得而知了。同时，单变量测定方法对借款人的强比率和弱比率之间怎样进行综合分析也无能为力。对于专家系统中使用的评定指标，信用评定专家可能对不同的借款人使用不同的权重。信用评定专家可能对不同的借款人使用不同的权重。这就使信用评级与信贷决定的可比性变得非常困难。结果会导致在同一个银行内部，信用评级人员对相似类型的借款人使用不同的标准。信用评级人员对相似类型的借款人使用不同的标准。虽然银行采用了贷款委员会制度和多重签名认证等手段来避免该问题，但是在实践中还是很难实现评定标准的合理化。这就不得不促使人们去寻求更加客观，

17、更为有效的度量信用风险的方法和手段，来提高银行信用风险评估的能力和准确性。Z评分模型评分模型 信用评分法中非常著名的就是奥特曼奥特曼(Altman)提出的Z评分模型，早在1968年Altman就将多元判别分析方法应用于财务危机、公司破产及违约风险分析中，他对美国破产和非破产企业进行观察，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。1977年Altman又对该模型进行了修正和扩展，建立了第二代模型ZETA模型.奥特曼的两个评分模型是根据数理统计中的判别分析技术，对银行过去的贷款案例进行统计分析，选择一部分最能够反映借款人的财务状况，对贷款质量影响最大、最具有预测或分

18、析价值的比率，设计出一个划分贷款风险度的数学模型，对贷款申请人进行信用风险及资信评估。具体步骤如下具体步骤如下:1.选取一组最能反映借款人财务状况、还本付息能力的财务指标，比如流动性比率、资产收益率、偿债能力指标等。2.从银行过去的贷款资料中分类收集样本。样本数据基本分为两大类:一类是能正常还本付息的案例，另一类是呆滞、呆帐案例。每一类还可以按照行业或贷款性质、贷款方式再细分。3.根据各行业的实际情况，利用统计分析技术科学地确定每一比率的权重。权重的确定主要是根据该比率对借款还本付息的影响程度。4.将每一比率乘以相应权重，然后相加便可以得到一个Z或ZETA。5.对一系列所选样本的Z进行分析，可

19、得出一个衡量贷款风险度的Z值或值域。Z评分模型评分模型Z评分模型的表达式为评分模型的表达式为:Z=l.2X+l.4X+3.3X+0.6X+0.999X其中，X=营运资本/总资产；X=留存收益/总资产；X=税前收益/总资产；X=市场价值/总债务的账面值；X=销售收入/总资产。Z值低，表明借款人的财务状况较差，存在较大的破产危险；而Z值高，表明借款人的财务状况较好，发生破产的可能性较小。Altman运用统计样本测算出了借款人Z值的临界值，当借款人的Z值低于1.81时，商业银行应拒绝提供贷款；当借款人的Z值高于2.99时，商业银行可以考虑给它提供贷款，1.81到2.99之间的Z值范围被称为灰色区域，

20、这个区域的判断失误较大。Altman还对该模型的有效性进行了检验，发现该模型可以以95%的准确率提前一年预测到企业的破产风险，以82%的准确率提前两年预测到企业破产的风险。Z评分模型评分模型 但是在实践中，Z评分模型和ZETA评分模型也表现出了许多缺点和不足，这使其预测能力大大的折扣，限制了模型功效的发挥。Z评分法和ZEAT评分法存在的主要问题在于:首先，两个模型方法都依赖于财务报表的帐面数据，而忽视了日益重要的各项资本市场指标，这必然削弱了模型的预测结果的可靠性和及时性;其次，由于模型缺乏对违约和违约风险的系统认识，理论基础比较薄弱，从而难以令人信服;再次，两个模型都假设在解释变量中存在着线

21、性关系，而现实经济现象不是线性的，因而也削弱了预测结果的准确程度，使得违约模型不能精确地描述经济现实;最后，两个模型都无法计量企业的表外信用风险。神经网络法神经网络法 神经网络在信用风险分析中的应用始于20世纪90年代，神经网络模型的提出是为了解决专家系统存在的问题，它的原理就是模拟人脑的认知过程。在数据信息比较混乱或者不健全的情况下，神经网络模型做出的决策要优于专家系统，因为神经网络可以给出较为合理的猜测。神经网络系统具有高度并行计算能力、自学能力和容错能力。神经网络分析试探性地发掘出解释变量之间的隐含关系，然后把具有解释能力的变量输入非线性模型，从而优化模型的预测能力。神经网络能独立处理复

22、杂的非线性问题，不限定于严格的前提假设条件。此外，该方法不完全依据对问题的经验知识和规则，具有自适应功能，对于弱化权重确定中的人为因素十分有益。但是神经网络方法工作的随机性较强，而且要得到一个较好的神经网络结构非常耗费人力和时间。针对神经网络的不足，许多学者作了大量有益的尝试，如通过采用改进算法使由于局部无穷小、收敛速度慢等原因导致神经网络的一些问题得到结果，另外通过引入模糊逻辑、误差函数的偏导数等方法增强了神经网络的解释能力。20世纪世纪90年代发展起来的信用风险度量方法年代发展起来的信用风险度量方法 一、一、Credit metrics模型模型二、二、KMV模型模型四、四、Credit P

23、ortfollo View模型模型 在商业银行发展的早期，对信用风险的研究还局限于定性分析，量化分析不论从重视程度上还是从技术方法上都很缺乏。20世纪70年代以后，银行债务危机甚至银行破产现象时有发生，其后国际银行业纷纷加强了对量化信用风险的研究和探讨。三、三、Credit Risk+模型模型 90年代以来，由于银行业的激烈竞争和表外衍生产品交易的快速发展以及新巴塞尔资本协议的推动，国际上出现了以J.P摩根银行等金融机构为代表开发的新兴信用风险量化模型。目前国际上比较有影响的信用风险量化模型主要有四个:J.P摩根银行的信用度量术模型(CreditMetrics)，KMV公司的KMV模型、瑞士银

24、行金融产品开发部的信用风险附加模型(Credit risk+)和麦肯锡公司的信用组合观点模型(Credit portfollo View)。其中Credit Metries模型和KMV模型是基于默顿的期权定价理论，Credit risk+是应用保险经济学中的保险精算理论的违约式模型，而CreditPortfolioView模型则采用了将宏观经济变量和单个债务人的信贷质量联系在一起的计量经济学方法。Credit metrics模型模型 J.P.摩根在1997年提出的Credit Metrics方法来对信用风险进行衡量，这是它1994年提出的riskMetrics方法后又一重要的风险管理系统。ri

25、skMetrics是一个基于Var方法的市场风险管理模型，而Credit Metrics方法是基VAR方法的信用风险管理模型,CreditMetrics方法在盯市(market-to-market)基础上估计个别证券或投资组合的信用风险Var，估计Var时充分考虑了信用等级升降和违约等信用事件，也考虑了投资组合的风险分散作用。因为该模型注意到了对资产按市价估值时信用风险分散化效果的重要性，J.P摩根等金融机构所提出的方法是对巴塞尔协议的很好补充。Credit Metrics模型以信用评级为基础，计算某项贷款或某组贷款违约的概率，然后计算上述贷款同时转变为坏帐的概率。Credit Metrics

26、模型开创了商业银行信用风险内部管理模型的先河，而且在新巴塞尔协议框架下，有能力的商业银行通过建立内部模型来管理风险已经成为了现梅实，Credit Metrics模型通过VaR的数值计算用以反映出银行某项贷款或贷款组合一旦面临信用级别变化或拖欠风险时应准备的资本金数值，同时也为预测借款人和衍生工具交易对手的违约风险暴露提供了更好的方法。Credit metrics模型模型 由于商业银行的贷款不能公开进行直接交易，所以既不能观察到贷款的市场价值(P)，也不能观察到贷款价值在观察期内的波动性(a)。然而，Credit Metries模型利用可得到的借款人的信用评级、下一年信用评级发生变化的概率、违约

27、贷款的回收率和贷款市场上的信用风险价差和收益率这些变量可以为任何非交易性贷款计算出一组贷款的市场价值(P)和波动率(a)，进而计算出单笔贷款和贷款组合的VaR值。CreditMetries模型的计算方法:图3一1给出了 CreditMetrics模型的大致流程。整个 CreditMetrics的计算过程大致分为5个环节。Credit metrics模型模型(l)设定信用评级系统。CreditMetries模型认为信用风险直接来源于信用等级变化，并假定信用评级体系是有效的.。每一个债务人都必须被赋予一个信用评级，评级的来源可以是公认的外部评级结果，也可以是内部评级结果。J.P.摩根CreditM

28、etrics模型的外部信用评级都以标准普尔和穆迪公司的评级体系为基础。(2)设定信用评级转换矩阵(transactionmatrix)。转换矩阵给出了债务人在一定的风险期限内由当前评级状态转换到所有其他信用状态的概率。(3)银行贷款的估值是指在考虑信用级别转移的基础上，估算各种信用转移可能性的贷款市场价值，即根据债务人信用等级变化和相应等级债务的利率，计算资产价值。当债务人下一年的信用等级变动后，其资产价值就要按相应等级债券的利率来折现。由于贷款不能交易，不能盯市，确定市场价值的具体方法是对贷款在剩余期限内所有现金流量与特定信用等级相适应的远期收益率进行贴现。远期收益率等于基准收益率和信用风险

29、溢价之和。借款人信用等级的升降会直接影响贷款未来期限内的信用风险溢价，因此也会影响贷款潜在的市场价值。如果借款人信用等级下降，信用风险溢价便会升高，则对银行而言这笔贷款的现值便会下降;反之，如果借款人信用等级上升，则贷款的现值也会上升。（贷款现值的计算贷款现值的计算）Credit metrics模型模型(4)单一贷款vaR的计算。根据信用等级转换的概率和贷款不同信用等级转换后的现值，在假定贷款信用风险值正态分布的情况下，就可以求出该笔贷款在下一年度的均值、方差和标准差。在不同的置信度情况下，可以直接求出该笔贷款的VaR值。(5)贷款组合的VaR计算。资产价值模型和企业违约相关概率，Credit

30、Metrics用企业的股票回报率来代替。根据Merton(1974)理论，企业未来资产市值可以假设为服从标准几何布朗运动过程；再利用Merton(1974)公司债务的期权定价模型，Credit Metries模型假定公司资产的价值低于债务值时发生违约。由此可得，企业标准化报酬率；假设两笔资产回报率的相关性已知，那么就很容易计算出两级别公司之间的共同违约概率；通过蒙特卡罗模拟，CreditMetricS模型确定整个贷款组合在其各种信用工具不同信用等级变化下价值分布。另外，由于信用风险也存在系统性因素，即借款人信用等级的变化甚至违约的发生并非完全独立的。因此，需要估计各种贷款因信用事件引起其价值变

31、化的相关系数，建立相关系数矩阵。在计算得出每种联合概率情况下的贷款价值和相关系数，即可求得贷款组合的均值和方差，然后在正态假定下，即可求得贷款组合的VaR值。KMV模型模型 KMV模型的理论基础是Black-Scholes(1973)和Merton(1974)的期权定价理论。该模型通过对上市公司股价波动的分析来预测股权公开交易的公司发生违约的可能性。KMV模型假设:当公司的资产大于负债时，股东则行使该看涨期权，即偿还债务，继续拥有公司;如果资产小于负债，股东则选择使公司破产，公司所有者将公司资产出售给债权的持有人，即债权人拥有公司。因此，企业的股权价值可以使用Black-Scholes期权定价

32、模型来定价。基于Merton提出的违约证券估价模型，KMV建立了一个基于公司资产结构的违公司资产结构的违约概率约概率、违约概率转移矩阵违约概率转移矩阵计算框架的公司信用风险度量模型。由于Merton期权定价理论确定的违约概率与实际违约概率具有一定的差距，为区分理论违约概率(Q)与实际违约概率，KMV引入了期望违约率期望违约率(Expected Default Frequene 又EDF)的概念。对EDF的度量分三步进行:首先,估计公司资产价值和公司资产波动率 其次,计算违约距离DD(Distance-to-Default)，它是用指标形式表示的违约风险值;最后,使用KMV违约数据库将DD转化为

33、EDF。KMV模型模型（1）首先对资产价值和资产收益率波动性进行估计）首先对资产价值和资产收益率波动性进行估计:KMV假设企业是一家上市公司，公司的资本结构中包含短期债券、长期债券、可转换债券和优先股以及普通股，股权的价值等同以公司资产为标的看涨期权的价值 其中，E表示公司股权价值，可以从股票市场直接获得;V作为未知数,表示公司资产;表示资产波动性;Dp表示违约点，即公司可能发生违约的最小资产价值;T为各种负债的到期日;c为公司支付的平均息票利率;r表示无风险利率。同样得到股权波动率的公式为:表示股票价格波动率。联立解上面两方程，即可求出表示股票价格波动率。联立解上面两方程，即可求出公司资产公

34、司资产和和资产波动性资产波动性。KMV模型模型(2)其次，计算违约距离其次，计算违约距离DD(distance to default)决定违约概率的三个主要因素有：公司总资产价值，即公司资产的市场价值；资产风险，用来衡量公司资产价值的不确定性或风险；财务杠杆，是指公司资产中合约化负债所占的比例。KMV模型以违约点表示公司违约的分界点。违约点指公司可能发生违约的最小资产价值。当资产的价值接近公司负债的市场价值时，公司的违约风险也在上升，直到最终资产达到违约点，公司不能支付其债务，此时违约发生。违约距离是企业资产价值和违约临界值之间的标准偏差。（其中V表示公司资产，Dp马表示违约点,表示资产价值波

35、动率）违约点：Dp=STD(短期债务)+LTD（长期债务）假设公司资产服从log正态分布，利用下式V0为公司资产当前市场值，Dp是在T时的违约点，u产为期望资产回报率。为资产年波动率。KMV模型模型(3)计算预期违约概率计算预期违约概率(EDF)KMV运用违约概率的经验分布来推算预期违约频率(EDF)。根据大量公司违约的历史数据，在违约距离和违约率之间建立起映射关系，即通过观察在一定违约距离水平上的公司(其初始资产高于负债)在一定时期(如一年)内有多少比例的公司破产，来衡量具有同样违约距离的公司的违约频率。KMV公司为此建造了规模巨大的公司(及公司违约)的数据库以方便计算各种违约距离下的EDF

36、值。(4)估计贷款的预期违约损失与非预期违约损失估计贷款的预期违约损失与非预期违约损失:KMV模型是一种基于违约模式的信用风险度量模型，在只考虑贷款违约或不违约的情况下，通过预期违约概率就可以计算出贷款的预期违约损失和非预期违约损失。计算公式如下:预期违约损失=风险暴露xEDFx(1一补偿率)由于借款人要么违约，要么不违约，所以可以假定违约概率为二项分布，则可以得到:KMV模型信息含量完全依赖于股票市场，且其数据条件对很多银行而言较为苛刻Credit Portfollo View模型模型 1998年，麦肯锡(MCKinsey)公司利用基本动力学的原理提出的CreditportfolioView

37、模型是一个用于分析贷款组合风险和收益的多因素模型，它根据诸如失业率、GDP增长率、长期利率水平、政府支出等宏观因素，运用经济计量学和蒙特卡罗技术来对每个国家不同行业中不同等级的违约和转移概率的联合条件分布进行模拟。模型中的违约概率和转移概率都与宏观经济状况紧密相联。与CreditMetrics应用的转移概率和违约率不同，不是以历史等级转移和违约的数据来估计，而是以当期的经济状态为条件来计算债务人的等级转移概率和违约率。当经济状况恶化时，降级和违约增加;反之，则减少。麦肯锡(MCKinsey)公司的信用风险组合观点模型不像其他方法那样以历史数据的平均为基础，而是以经济状态为条件来求损失的分布。此

38、模型的不足之处在于实施这一模型需要可靠的数据。CPV方法可以看成是对CreditMetrics的补充，它克服了后者不同时期的评级转移矩阵固定不变的缺点。该模型与CreditMctricS应用的转移概率和违约率不同，不是以历史等级转移和违约的数据来估计，而是以当期的经济状态为条件来计算债务人的等级转移概率和违约概率。但是为了得到转移矩阵，该模型对经济衰退和扩张时期的违约概率进行了调整。Credit Risk+模型模型 CreditRisk+模型是由瑞士信贷金融产品公司(Credit SuiSSe FinancialProduct，简称CSFP)推出的一个违约风险的统计模型。它视违约率为一个连续的

39、随机变量，还考虑了违约率的波动性，目的是为了表示违约率的不确定特征。同KMV模型相同，CreditRisk+模型也是以期权定价模型作为理论背景，但是CreditRisk+模型是以保险行业中的对人寿保险或者是财产保险定价时所用到数学模型建立起来的。CreditRisk+模型中每笔贷款的违约概率被认为是可变的随机变量，而不是一个绝对不变的数值。违约概率随着时间而变动，变动情况由标准差表示。违约相关性主要是由经济情况等外部因素引起的。CSFP主张违约相关性难以观测并且很不稳定。CreditRISk+模型并没有试图把相关性准确地模型化，而是用违约率的波动性来表示违约相关性的影响。模型也有其不足之处，表

40、现为:首先，CreditRISk+模型忽视了利率的随机期限结构在长期内会影响信用风险头寸，因为它假设风险头寸是事先确定的常数。其次，在CreditRISk+模型中，违约概率依赖于一些随机变量，模型未解释风险头寸的变化与这些随机变量的关系。最后，CreditRisk+模型忽略了具有非线性信用风险的产品，如期权、货币互换等。现代信用风险测量方法比较 CreditMetrics、KMV、Credit几sk+、CPV是当前理论界和实践中讨论最为热烈的四种信用风险资本度量模型。其中前两种模型是以默顿理论为基础，即公司违约与公司的资本结构有关。当公司的资产价值下降到某一临界值以下时，违约就会发生。而Cre

41、dit形Sk+模型利用了保险行业常用的损失分布建模的数学技术。借款人的联合违约行为是通过把违约率视为对多个借款人都相同的一个随机变量体现出来。卖肯锡的CPV模型则是将每个借款人(或借款人所属部门)的违约行为与某个正态分布的宏观经济指数联系在一起。各种模型之间的区别是非常明显的。CreditMerticS与KMV模型是以默顿模型为基础，采用微观经济方法，将每个债务人的违约概率与各自资产的市场价值联系在一起，因此它们都是在单个资产水平上计量信用风险的模型。它们之间的区别在于前者使用的是历史数据，而后者使用的是实际数据。Credit形sk+模型意味着将相似风险特征(如信用等级、敞口大小、地理位置、期限等)的债务构成一个次资产组合，信用风险在这些次资产组合的基础上进行计量。CPV尽管和KMV方法一样，都是将它们的模型建立在相同的实证观察基础之上一违约概率和信用等级转移概率随时间变化，但是CPV在建模过程中采用了宏观经济的经济计量方法，即将宏观经济因素与违约和信用等级转移概率联系起来，因此该模型的计算需要每个国家，也可能是每个行业部门可靠的违约数据。Credit metrics模型模型返回关于现实中的信用风险案例关于现实中的信用风险案例1.次贷危机次贷危机2.欧洲债务危机欧洲债务危机