信用风险模型及其适用性分析
来源:用户上传
作者: 王顺,赵擎
摘要：随着美国2007年金融危机的传播和蔓延，信用风险越来越受到学者的关注与重视。在现代金融风险管理中，信用风险已经成为首要管理对象。原来定性的管理方法已经难以符合时代的要求，定量准确计量已经成为大势所趋。根据不同的假设与数理基础引入了4种主流的信用风险管理模型，并对其适用性进行了分析，以期对我国的信用风险管理与世界主流趋势接轨有所帮助。
关键词：信用风险；信用风险量化模型；Credit Metrics模型；KMV模型；Credit Risk+模型
中图分类号：F83 文献标志码：Ａ文章编号：１６７３－２９１Ｘ（２０10）32－０130－02
金融是现代经济的核心，银行则是现代金融的支柱。现代商业银行在社会经济发展过程中，发挥着筹集融通资金、引导资产流向、提高资金运用效率和调节社会总需求的作用，是国民经济的“总枢器”和“调节器”。然而商业银行从诞生时起，就经受着金融风险的威胁。巴塞尔银行监管委员会在1997年9月公布的《有效银行监管的核心原则》中，将银行业面临的主要风险归纳为8个方面，即信用风险、国家和转移风险、市场风险、利率风险、流动性风险、操作风险、法律风险和声誉风险。其中，信用风险占有特殊的地位。世界银行对全球银行危机的研究表明，导致银行破产的最常见原因就是信用风险。信用风险是金融市场中最古老的也是最重要的金融风险形式之一，它是金融机构、投资者和消费者所面临的重大问题，直接影响着现代经济生活中的各种活动，也影响着一个国家的宏观决策和经济发展，甚至影响全球经济的稳定发展。
信用风险可以从广义和狭义两个方面来理解，狭义的信用风险是指信贷风险，广义的信用风险是指所有因违约而发生的风险，如融资业务中租赁人不按约定及时支付租金导致对方资产状况。在现代的金融风险管理领域里，信用风险越来越被人们所重视，人们对信用风险的管理也从最初的定性模型到如今的定量的精确管理。
现在主流的比较有影响力的信用风险量化模型主要有以下4个：摩根的信用度量模型（Credit Metrics）、KMV公司的KMV模型、瑞士银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 PortfolioRisk）。
一、四大信用风险模型概述
（一）信用度量模型（Credit Metrics）
Credit Metrics模型主要运用Var的思想来度量信用风险。Var方法就是计算在一定的概率水平下，一项资产的最大损失。可见，运用这种方法必须要对不同资产的损失分布有一个清晰的认识，这也是运用Var方法最核心的部分。Credit Metrics模型就是为解决考虑到信用风险时损失分布的计算问题。计算时用到的主要工具是信用转移矩阵和远期风险贴现期限结构。信用转移矩阵是由评级公司开发的，通过对宏观经济状况、企业经营和市场的情况综合分析，得出具体企业的信用得分，并计算企业从一个信用等级转到另一个信用等级的概率。远期风险贴现期限结构可以根据市场上发行流通的债券计算得出，不同信用等级的资产由于其风险不同，他们的风险贴现期限结构也是不同的。根据此期限结构我们可以在不同的信用等级下，把企业资产的未来现金流贴现，计算资产现值。最后根据信用风险转移矩阵就可以计算出不同信用得分水平下资产现值的概率分布，并得到Var数值。
（二）KMV模型
KMV模型主要运用的是期权定价的思想，以莫顿（Moten）模型为基础开发出的信用风险计量模型。它把企业的股权价值看作是一个欧式看涨期权，利用B-S期权定价模型计算出违约距离，预期违约率。对于应用B-S模型时有些系数难于得到的问题，KMV公司也给出了关键指数的经验算法。例如，当公司资产价值少于短期债务加上50%长期债务时，债务人就会违约；违约距离DD=（VT-VDEF）/σ，式中，VT表示T期公司价值，VDEF表示公司违约时的临界价值，σ为T时段内的资产价值波动系数；经验的预期违约率等于违约距离为DD的公司中发生违约的公司数量除以所有违约距离为DD的公司数量。这些经验方法更方便了KMV模型在实际领域的应用。
（三）Credit Risk+模型
Credit Risk+模型是瑞士信贷银行金融产品部（CSFP）依据财险思路而开发的。对于Credit Risk+来说，在任何时期，只考虑两种状态：违约或不违约。该方法的焦点是度量信用资产的预期损失和非预期损失，而不是像在信用度量模型下来度量信用资产的在险价值量。在Credit Risk+方法下，违约被模型化为一种有着一定概率分布的连续变量，它与住房火灾保险情况有着相似之处，如果一家的全部资产均已投保，那么，每处房屋被烧毁的概率是很小的，因而，在Credit Risk+方法之下，每一笔个别贷款被看做是有着小的违约概率，并且每一笔贷款的违约概率都独立于其他贷款的违约。这一假定使得贷款组合违约概率的分布像是一种泊松分布。Credit Risk+方法也纳入了严重程度不确定这一事实，由于难以在个别的逐笔贷款的基础上度量严重性，所以，损失的严重性或贷款的风险暴露数量被凑成整数和分出频段。违约率不确定性程度和损失的严重性、不确定性程度，为每一个风险暴露频段都带来一种损失的分布，加总这些不同风险暴露频段的损失可以得到贷款的损失分布。
（四）信用组合观点模型（Credit Portfolio Risk）
在信用度量制方法中，人们假定信用等级的转换概率在不同的借款人之间，以及在商业周期不同阶段之间都是稳定的，但这一假定与现实不符。有实证研究结果表明，资产的信用等级的转换通常取决于经济状况好坏。由于经济周期的各种宏观因素对债务人的信用等级转换概率会产生重要的影响，因此，在计算信用资产的在险价值时，就要考虑到这些因素的存在以及它们对信用等级转换概率影响的程度。考虑到宏观经济的影响，人们就把信用等级的转移概率同宏观经济变量相联系，构造出动态的信用风险转移概率。这就是Credit Portfolio Risk模型的主要思想。该模型将违约及信用等级转移概率与利率、经济增长率、失业率等宏观经济变量联系在一起。然后，用计量经济学模型，通过对历史数据的分析，计算出基于经济状况和风险期的组合损失分布，进而来生成违约（转移）概率分布。而经济资本则基于之前计算出的违约概率分布，用风险价值法来计算得出。
二、不同模型的适用性分析
Credit Metrics模型主要应用在以下几个方面：一是该模型以分析性框架为基础，可以计算组合价值的波动率和预期损失。二是运用蒙特卡洛模拟方法可以进一步估计资产组合的远期价值分布，从而可以确定信贷资产的信用风险价值。三是Credit Metrics的输出报告在风险管理以及建立对冲策略方面有着非常重要的应用，金融机构能够评估总体的风险规模，针对可能不利的情况设立相应的资本缓冲。信用度量制模型的主要缺点在于，在计量贷款的在险价值时，信用度量制模型假设信用等级转换概率矩阵是稳定的，也就是说，假定不同借款人之间、不同时期之间的信用等级转换概率是不变的。然而实际上，行业因素、国家因素以及商业周期因素均会对信用等级转换概率产生重要影响。
Credit Risk+实施起来相对简便，可以推导出完善的债券、贷款资产组合的损失概率。Credit Risk+模型计算相对容易，计算债务人的边际风险也相对容易。该模型将注意力集中在违约事件上，因此，只需要相对较少的估计量和输入数据，对于每一种债务工具来说，只需要违约和风险暴露值就足够了。Credit Risk+的主要局限性在于，假设信用风险同市场风险水平没有关系。此外，该模型忽略了信用转移风险因素，在这个模型中，每个债务人的风险暴露都是固定的，并且对该发行人信用质量在将来可能发生的变化不敏感，或者对远期利率的变动不敏感。最后，Credit Risk+模型在处理诸如期权和外汇互换等非线性产品上也不令人满意。
KMV是建立在现代公司财务理论和期权理论上的一种信用检测模型。由于有很强的理论基础为依托，所以，得出的预期违约概率有很强的说服力。KMV模型是一种具有前瞻性的方法，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。KMV模型所提供的预期违约概率EDF指标来自于股票市场价格实时行情分析，而股票市场行情不仅反映了该企业历史的和当前的发展状况，更重要的是反映了市场投资者对该企业信用状况未来发展趋势的判断。KMV模型的缺陷在于，首先，该模型基本上属于一种静态模型，一旦将企业的债务结构确定下来，无论其资产价值增长多少，企业的债务结构也不会变动。其次，模型中的假设之一是企业的资产价值呈正态分布，现实中并不是所有企业资产的价值都呈正态分布。最后，该模型不能分辨企业长期债务的不同类型。在实际中，企业债务可以按照其优先偿还顺序、能否转换、有否担保及有否契约等进行分类，不同的企业债务对企业的资产质量和违约造成的影响不同。
Credit Portfolio Risk模型的优点，一是较为充分地考虑了宏观经济环境对信用等级转移的影响，而不是用无条件的历史上的违约概率的平均值来代替。二是信用等级转移概率具有盯市性，因而它与信用度量术结合起来可以提高信用风险度量的准确性。三是该模型既可以适用于单个债务人，也可以适用于群体债务人，如银行个人业务的零售组合。Credit Portfolio Risk的局限性主要在于它的数据依赖于一国的很多宏观经济数据，因而数据处理与计算较为繁杂。实施这一模型需要可靠的数据，然而每一行业的违约信息往往较难获得。另外，在使用经过调整后的信用等级转移矩阵，但是调整的过程要基于银行信贷部门经验的积累和对形势的判断，所以具有很大的主观性。这个模型也不能处理期权等非线性产品。
参考文献：
[1] 戴国强．VaR方法对我国金融风险管理的借鉴及应用[J].金融研究，2000，（1）．
[2] 刘宇飞．VaR模型及其在金融监管中的应用[J].经济科学，1999，（1）
[3] 管七海，冯宗宪．信用违约概率测度研究：文献综述与比较[J].世界经济，2004，（11）．
[4] 武剑，王健．新资本协议中违约概率模型的研究与应用[J].世界经济，2003，（9）．
[5] 吴军，张继宝．信用风险量化模型比较分析[J].国际金融研究，2004，（8）．
转载注明来源:https://www.xzbu.com/2/view-396014.htm
