1第三章銀行風險管理之一:信用風險管理本章內容安排：第一節信用風險概述第二節信用風險度量方法第三節信用風險管理方法2第一節信用風險概述本節內容安排：一、信用風險的概念二、信用風險的特征三、信用風險管理的特點四、現代信用風險的成因3一、信用風險的概念1、傳統觀點認為，信用風險是指債務人未能如期償還其債務造成違約而給經濟主體經營帶來的風險。隨著現代風險環境的變化和風險管理技術的發展，傳統的定義已經不能反映現代信用風險及其管理的本質。2、現代意義上的信用風險是指由于借款人或市場交易對手違約而導致的損失的可能性；更為一般地講，信用風險還包括由于借款人的信用評級的變動和履約能力的變化導致其債務的市場價值變動而引起的損失可能性。4二、信用風險的特征與市場風險相比，信用風險具有以下特點：1、風險概率分布的可偏性2、悖論(creditparadox)現象3、信用風險數據的獲取困難51、風險概率分布的可偏性P262圖企業違約的小概率事件以及貸款收益和損失的不對稱，造成了信用風險概率分布的偏離。市場價格的波動是以其期望為中心的，主要集中于相近的兩側，通常市場風險的收益分布相對來說是對稱的，大致可以用正態分布曲線來描述。相比，信用風險的分布不是對稱的，而是有偏的，收益分布曲線的一端向左下傾斜，并在左側出現肥尾現象。這種特點是由于貸款信用違約風險造成的，即銀行在貸款合約期限有較大的可能性收回貸款并獲得事先約定的利潤，但貸款一旦違約，則會使銀行面臨相對較大規模的損失，這種損失要比利息收益大很多。換句話說，貸款的收益是固定和有上限的，它的損失則是變化的和沒有下限的。另一方面，銀行不能從企業經營業績中獲得對等的收益，貸款的預期收益不會隨企業經營業績的改善而增加，相反隨著企業經營業績的惡化，貸款的預期損失卻會增加。

62、悖論(creditparadox)現象與市場風險相比，信用風險管理存在著信用悖論現象。理論上講，當銀行管理存在信用風險時應將投資分散化，多樣化，防止信用風險集中。然而在實踐中由于客戶信用關系，區域行業信息優勢以及銀行貸款業務的規模效應，使得銀行信用風險很難分散化。73、信用風險數據的獲取困難由于信用資產的流動性較差，貸款等信用交易存在明顯的信息不對稱性以及貸款持有期長、違約事件頻率少等原因，信用風險不像市場風險那樣具有數據的可得性，這也導致了信用風險定價模型有效性檢驗的困難。正是由于信用風險具有這些特點，因而信用風險的衡量比市場風險的衡量困難得多，也成為造成信用風險的定價研究滯后于市場風險量化研究原因。8三、我國信用風險管理的特點20世紀90年代末到21世紀初，我國開始進入了信用風險全面爆發時期。不僅國有商業銀行的不良資產處置舉步維艱，日常生活中也出現了諸多信用風險問題；甚至因為一些信用風險的巨大影響，導致整個地區背上了無信的黑鍋，使得當地的經濟出現明顯的負增長。

我國信用風險的管理的幾個特點：1、信用問題引起各個部門的高度重視，從中央領導三番五次地強調信用的重要性，到人大、政協的多次提案，到地方政府的高度重視，都表明我國已經認識到這個問題的重要性了。9我國信用風險的管理的幾個特點：2、有關地方政府開始著手建設本地區的信用體系，尤其是建設當地的信用網。無論這些信用體系的建設是多么的初步，這畢竟是中國政府走出的關鍵性的第一步。著手建設本地信用體系的地方政府通常分為兩個類型：一是曾經嘗到信用風險苦頭的地方，比如溫州、汕頭，他們有著重新樹立形象的強烈沖動，因此在本地信用網、相關信用體系建設、甚至在輿論造勢方面不遺余力。二是意識比較先進，總能開全國風氣之先的地方，比如北京、上海和廣州等。10我國信用風險的管理的幾個特點：3、參照國外的相關信用立法，以美國為例，多達10幾部，但是我國迄今關于信用方面沒有一部專門法，即使散見于其他相關法中的條款也有比較零散、邏輯不連貫、規定不細致等問題。鑒于此，中國的立法部門開始摸索中國信用立法的道路，信用立法有望提到中國的立法日程中來，這可能是這個時期中國信用問題管理的最大進步。4、著名學者積極探索我國信用問題管理的途徑，全面管理中國信用問題的整體方案開始逐漸浮出水面。11四、現代信用風險的成因1、信用風險的成因是信用活動中的不確定性。2、不確定性包括“外在不確定性”和“內在不確定性”兩種。3、信用風險也是金融市場的一種內在的推動和制約力量。12信用審批過程貸款動機風險回報率是否可接受？償還能力企業發展計劃,管理能力資產負債平衡表審查資金流檢驗管理能力審查競爭力審查定價分析定量分析準則信用評級法律審評等等審批通過支撐資金貸款組合初期審察定量檢驗貸款定價審批通過后期管理13敞口計算信譽評估信譽變化破產概率破產損失相關性其它因素=

f信用解析過程14第二節信用風險度量方法本節內容安排：一、傳統的信用風險度量方法（一）專家系統（二）信用評級方法（三）信用評分方法二、現代信用風險度量模型（一）信用監控模型（creditmonitormodel,KMV）（二）CreditMetrics模型（三）宏觀模擬方法（麥肯錫模型）（四）保險方法*（五）基于神經網絡的模型*（六）現代風險度量模型方法的比較*15一、傳統的信用風險度量方法傳統的信用風險度量方法主要包括以下三種方法：（一）專家系統（二）信用評級方法（三）信用評分方法16一、傳統的信用風險度量方法（一）專家系統專家系統是一種最古老的信用風險分析方法，其最大的特征是銀行信貸的決策權是由該機構經過長期訓練、具有豐富經驗的信貸人員所掌握并由他們作出是否貸款的決定。1、專家系統主要內容在該系統下，盡管各商業銀行對貸款申請人進行信用分析所涉及的內容不盡相同，但大多集中在借款人的“5C”，即：（1）品德與聲望（Character）：對企業聲譽的一種度量，考察其償債意愿和償債歷史。基于經驗可知，一家企業的年齡是其償債聲譽的良好替代指標。17（2）資格與能力（Capacity）：即還款能力，反映借款者收益的易變性。如果按照債務合約還款以現金流不變的方式進行下去，而收益是不穩定的，那么就可能會有一些時期企業還款能力受到限制。（3）資金實力(CapitalorCash)：所有者的股權投入及其對債務的比率（杠杠性），這些被視為預期破產的可能性的良好指標，高杠杠性意味著比低杠杠更高的破產概率。18（4）擔保（Collateral）：如果發生違約，銀行對于借款人抵押的物品擁有要求權。這一要求權的優先性越好，則相關抵押品的市場價值就越高，貸款的風險損失就越低。（5）經營條件或商業周期（Condition）：企業所處的商業周期，是決定信用風險損失的一項重要因素，特別是對于那些受周期決定和影響的產業而言。也有些銀行將信用分析的內容歸納為“5W”或“5P”。“5W”是指借款人（who）、借款用途(why)、還款期限（when）、擔保物（what）、如何還款（how）；“5P”是指個人因素（personal）、目的因素（purpose）、償還因素（payment）、保障因素（protection）、前景因素（perspective）。19（一）專家系統2、專家制度的缺陷：（1）需要相當數量的專門信用分析人員。（2）實施的效果很不穩定。（3）與銀行在經營管理中的官僚主義方式緊密相聯，大大降低了銀行應對市場變化的能力。（4）加劇了銀行在貸款組合方面過度集中的問題，使銀行面臨著更大的風險。（5）對借款人進行信用分析時，難以確定共同遵循的標準，造成信用評估的主觀性、隨意性和不一致性。20一、傳統的信用風險度量方法（二）信用評級方法信用評級法又叫OCC法，是因為這一方法是由美國貨幣監理署（OCC）最早開發出來的。它是根據企業相關指標的好壞將企業貸款信用分為若干等級。目前信用評級法一般將企業貸款信用分為1～9或1～10個級別。拓展的OCC法對貸款組合分為正常、關注、次級、可疑、損失等5類，并要求對不同的貸款提取不同比例的損失準備金以彌補貸款損失。該方法的主要缺陷是：基本局限于定性分析，雖然也運用了許多財務分析指標，但指標的風險權重等沒有明確，沒有建立多變量指標的不同權重評價體系。22在我國，1998年以前各商業銀行貸款分類的方法一直沿用財政部《金融保險企業財務制度》的規定，把貸款分為正常、逾期、呆滯、呆賬四類，后三類合稱不良貸款，簡稱“一逾兩呆法”。這一方法低估了不良貸款，因為它沒包括仍支付利息尚未展期的高風險貸款。1998年我國開始借鑒國際監管經驗，對貸款分類進行改革，按照風險程度將貸款劃分為正常、關注、次級、可疑、損失五類，即五級分類方法。2003年12月中國銀監會發布文件決定自2004年1月1日起，我國所有經營信貸業務的金融機構正式實施貸款五級分類制度。23一、傳統的信用風險度量方法（三）信用評分方法信用評分方法主要包括兩種模型1、Z評分模型2、ZETA評分模型(θ評分模型)24一、傳統的信用風險度量方法（三）信用評分方法1、Z評分模型Altman1968年提出的以財務比率為基礎的多變量模型。Z評分模型的主要內容：美國紐約大學斯特商學院教授愛特曼提出的Z評分模型是根據數理統計中的辨別分析技術，對銀行過去的貸款案例進行統計分析，選擇一部分最能夠反映借款人的財務狀況，對貸款質量影響最大、最具預測或分析價值的比率，設計出一個能最大程度地區分貸款風險度的數學模型（也稱之為判斷函數），對貸款申請人進行信用風險及資信評估。25一、傳統的信用風險度量方法（三）信用評分方法1、Z評分模型Z評分模型的主要內容：愛特曼確立的分辨函數為：Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5或Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5其中，X1：流動資本/總資產（WC/TA）；X2：留存收益/總資產（RE/TA）；X3：息前、稅前收益/總資產（EBIT/TA）；X4：股權市值/總負債帳面值（MVE/TL）；X5：銷售收入/總資產（S/TA）。這兩個公式是相等的，只不過權重的表達形式不同，前者用的是小數，后者用的是百分比，第五個比率是用倍數來表示的，其相關系數不變。26一、傳統的信用風險度量方法（三）信用評分方法1、Z評分模型Z評分模型的主要內容：愛特曼經過統計分析和計算最后確定了借款人違約的臨界值：Z0=2.675。如果Z<2.675，借款人被劃入違約組；如果Z≥2.675，則借款人被劃為非違約組。當1.81<Z<2.99時，判斷失誤較大，稱該重疊區域為“未知區”（ZoneofIgnorance）或稱“灰色區域”(grayarea)。27一、傳統的信用風險度量方法（三）信用評分方法2、ZETA評分模型的主要內容：ZETA信用風險模型（ZETACreditRiskModel）是繼Z模型后的第二代信用評分模型，變量由原始模型的五個增加到了7個，適應范圍更寬，對不良借款人的辨認精度也大大提高。模型中的7個變量是：資產收益率、收益穩定性指標、債務償付能力指標、累計盈利能力指標、流動性指標、資本化程度的指標、規模指標。28一、傳統的信用風險度量方法（三）信用評分方法3、Z評分模型和ZETA評分模型存在的主要問題（1）兩個模型都依賴于財務報表的帳面數據，而忽視日益重要的各項資本市場指標，這就必然削弱預測結果的可靠性和及時性；（2）由于模型缺乏對違約和違約風險的系統認識，理論基礎比較薄弱，從而難以令人信服；（3）兩個模型都假設在解釋變量中存在著線性關系，而現實的經濟現象是非線性的，因而也削弱了預測結果的準確程度，使得違約模型不能精確地描述經濟現實；（4）兩個模型都無法計量企業的表外信用風險，另外對某些特定行業的企業如公用企業、財務公司、新公司以及資源企業也不適用，因而它們的使用范圍受到較大限制。29一、傳統的信用風險度量方法(四)判別分析法(DiscriminantAnalysis)*判別分析法(DiscriminantAnalysis，簡稱DA)是根據觀察到的一些統計數字特征，對客觀事物進行分類，以確定事物的類別。它的特點是已經掌握了歷史上每個類別的若干樣本，總結出分類的規律性，建立判別公式。當遇到新的事物時，只要根據總結出來的判別公式，就能判別事物所屬的類別。DA的關鍵就在于建立判別函數。目前，統計學建立判別函數常用方法有：一是未知總體分布情況下，根據個體到各個總體的距離進行判別的距離判別函數；二是已知總體分布的前提下求得平均誤判概率最小的分類判別函數，也稱距離判別函數，通常稱為貝葉斯(Bayes)判別函數；三是未知總體分布或未知總體分布函數前提下的根據費歇爾(Fisher)準則得到的最優線性判別函數。30一、傳統的信用風險度量方法(五)多元判別分析法(MultivariateDiscriminantAnalysis)*多元判別分析法(MDA)是除美國外的其他國家使用最多的統計方法。多元線性判別分析法，可以具體為一般判別分析(不考慮變量篩選)和定量資料的逐步判別分析(考慮變量篩選)。但應用多元判別分析(MDA)有三個主要假設：

變量數據是正態分布的；各組的協方差是相同的；每組的均值向量、協方差矩陣、先驗概率和誤判代價是已知的。該種方法的不足之處是必須建立在大量的、可靠的歷史統計數據的基礎之上，這在發展中國家如中國是難以具備的前提條件。31一、傳統的信用風險度量方法(六)logit

分析判別方法*

Logit

分析與判別分析法的本質差異在于前者不要求滿足正態分布或等方差，從而消除了MDA模型的正態分布假定的局限性。其模型主要采用了logistic函數。該模型的問題在于當樣本點存在完全分離時，模型參數的最大似然估計可能不存在，模型的有效性值得懷疑，因此在正態的情況下不滿足其判別正確率高于判別分析法的結果。另外該方法對中間區域的判別敏感性較強，導致判別結果的不穩定。32一、傳統的信用風險度量方法(七)神經網絡分析法（ArtificialNeuralNetwork，簡稱ANN）*

神經網絡分析法是從神經心理學和認知科學研究成果出發，應用數學方法發展起來的一種具有高度并行計算能力、自學能力和容錯能力的處理方法。它能有效解決非正態分布、非線性的信用評估問題，其結果介于0與1之間，在信用風險的衡量下，即為違約概率。神經網絡分析方法應用于信用風險評估的優點在于其無嚴格的假設限制且具有處理非線性問題的能力。Altman、Marco和Varetto（1994）在對意大利公司財務危機預測中應用了神經網絡分析法；Coats及Fant（1993）Trippi采用神經網絡分析法分別對美國公司和銀行財務危機進行預測，取得較好效果。然而，要得到一個較好的神經網絡結構，需要人為隨機調試，需要耗費大量人力和時間，加之該方法結論沒有統計理論基礎，解釋性不強，所以應用受到很大限制。33一、傳統的信用風險度量方法(八)聚類分析法(ClusterAnalysis)*

聚類分析(ClusterAnalysis)屬于非參數統計方法。信用風險分析中它根據由借款人的指標計算出的在樣本空間的距離，將其分類。這種方法一個主要優點是不要求總體的具體分布；可對變量采用名義尺度，次序尺度，因此該方法可用于定量研究，也可對現實中的無法用數值精確表述的屬性進行分析。這很適用于信用風險分析中按照定量指標(盈利比、速動比等)和定性指標(管理水平、信用等級等)對并不服從一定分布特性的數據信息分類的要求。例如，Lundy運用該方法對消費貸款申請者的典型信用申請數據及年齡、職業、婚否、居住條件進行處理分成6類并對每類回歸評分，它不僅將借款人進行有效的分類而且幫助商業銀行確定貸款方式策略。34一、傳統的信用風險度量方法(九)k近鄰判別法(kNearestNeighbor)

*k近鄰判別法在一定距離概念下按照若干定量變量從樣本中選取與確定向量距離最短k個樣本為一組，適用于初始分布和數據采集范圍限制較少時，減小了以函數形式表達內容的要求。另外，kNN

通過將變量在樣本整體范圍內分為任意多決策區間，而近似樣本分布。

Tametal將之用于信用風險分析，取馬氏距離，從流動性、盈利性、資本質量角度選出的19個變量指標，對樣本分類，經比較其分類結果的準確性不如LDA、LG以及神經網絡。原因在于在同樣的樣本容量下，若對具體問題的確存在特定的參數模型并可能找出時，非參數方法不及參數模型效率高。35一、傳統的信用風險度量方法(十)層次分析法（AHP）*該方法強調人的思維判斷在決策過程中的作用，通過一定模式使決策思維過程規范化，它適用于定性與定量因素相結合、特別是定性因素起主導作用的問題，企業信用等級綜合評價就是這種定性因素起主導作用的問題。

AHP法的基本步驟是：建立遞階層次結構，構造判斷矩陣，求此矩陣的最大特征根及其對應的特征向量，確定權重，并進行一致性檢驗。(十一)其他方法*此外還存在著其他眾多的方法：probit

法、因子-logistic法、模糊數學方法、混沌法及突變級數法、灰色關聯熵、主成分分析綜合打分法、主成分分析與理想點的結合方法、原蟻群算法、數據包絡判別法等等。36一、傳統的信用風險度量方法37一、傳統的信用風險度量方法38二、現代信用風險度量模型二、現代信用風險度量模型（一）信用監控模型（KMV）（二）信用風險的矩陣模型（三）宏觀模擬方法（麥肯錫模型）（四）保險方法*（五）基于神經網絡的模型*（六）現代風險度量模型方法的比較*39二、現代信用風險度量模型（一）信用監控模型（KMV）1、KMV模型——期權推理分析法期權推理分析法(Option-theoreticapproach)指利用期權定價理論對風險債券和貸款的信用風險進行度量。最典型的是美國舊金山市KMV公司創立的違約預測模型——信用監測模型(CreditMonitorModel)。該模型使用了兩個關系：其一，企業資產市值A與它的股權市值E之間的結構性關系；其二，企業資產市值波動程度σA與它的股權市值波動程度σE之間關系。通過這兩個關系模型，便可以求出企業資產市值及其波動程度。一旦所有涉及的變量值被算出，信用監測模型便可以測算出借款企業的預期違約頻率(EDF)。40二、現代信用風險度量模型（一）信用監控模型（KMV）1、KMV模型——期權推理分析法企業股權市值與它的資產市值之間的結構性關系是由貸款與期權的關系決定的。企業股權作為期權買權的損益情況見下圖：資產價值A-LOA1BA2股權價值E41二、現代信用風險度量模型（一）信用監控模型（KMV）1、KMV模型——期權推理分析法借款企業股東的股權市值頭寸看作是持有一份以企業資產市值為標的的看漲期權（買權）。如同B-S期權定價模型中買權定價的五變量一樣，企業股權價值E可由下式來估價：其中，A為資產市值，B為向銀行借款數，r指的是短期利率，σA表示該企業的資產市值的波動性，τ指的是股票買權的到期日或在貸款的情形下指的是貸款期限(或違約期限)。變量上方加短杠表示可以從市場上直接觀察到。42二、現代信用風險度量模型公式(1)代表了企業股權市值與它的資產市值之間的結構性關系。如果能夠得到企業的資產市值的波動性σA

，那么就可以算出企業資產的市值A，結合二者得到借款企業的理論預期違約率，對貸款的信用風險做出評價。股權市值的波動性σE與它的資產市值波動性σA

的關系：

股權市值的波動性可以在市場上直接觀察到，故聯立(1)(2)式，就可到出所有相關變量。代入公式：如果借款企業的資產市值呈現正態分布的話，我們能夠知道違約的概率。43二、現代信用風險度量模型（一）信用監控模型（KMV）1、KMV模型——期權推理分析法以上推導和計算出的只是借款企業理論預期違約頻率，它與現實生活中實際所發生的預期違約頻率之間存在著很大差異。KMV公司利用其自身優勢建立起了一個全球范圍企業和企業違約信息數據庫，計算出了各類信用等級企業經驗預期違約頻率，從而產生了以這種經驗預期違約頻率為基礎的信用分值來。44二、現代信用風險度量模型2、KMV模型的缺陷：（1）模型的使用范圍受到了限制,不適用于非上市公司；（2）在現實中,并非所有借款企業都符合模型中資產價值呈正態分布的假定；（3）該模型不能夠對長期債務的不同類型進行分辨；（4）該模型基本上屬于一種靜態模型，但實際情況并非如此。45二、現代信用風險度量模型（二）信用風險矩陣模型J.P.Morgan繼1994年推出以VaR為基礎的風險矩陣（RiskMetrics）后，1998年又推出了信用矩陣（CreditMetrics）；瑞士信貸銀行推出另一類型的信用風險量化模型（CreditMetrics+）。因此信用風險矩陣模型主要包括：1、受險價值(VaR)方法：RiskMetrics模型2、信用度量制方法：CreditMetrics模型3、火災保險方法：CreditMetrics+模型46二、現代信用風險度量模型（二）信用風險矩陣模型1、受險價值(VaR)方法：RiskMetrics模型受險價值模型就是為了度量一項給定的資產或負債在一定時間里和在一定的置信度下其價值最大的損失額。47二、現代信用風險度量模型（二）信用風險矩陣模型1、受險價值(VaR)方法：RiskMetrics模型

VaR方法度量非交易性金融資產如貸款的受險價值時則會遇到如下問題：因為絕大多數貸款不能直接交易，所以市值P不能夠直接觀察到。由于貸款的市值不能夠觀察，也就無法計算貸款市值的變動率σ。貸款的價值分布離正態分布狀態偏差較大48二、現代信用風險度量模型（二）信用風險矩陣模型2、信用度量制方法：CreditMetrics模型VaR模型是在給定的置信區間內，度量給定的資產在一定時間內的最大損失額。而信用矩陣是希望提供一個運行風險估值的框架，用于非交易性資產的估值和風險計算。通過信用矩陣模型，可以估測在一定置信區間內，某一時間貸款和貸款組合的損失。雖然，貸款的市場價值具有波動性，但利用借款人的信用評級、評級轉移矩陣、違約貸款回收率等可計算出市場價值Ｐ和標準差σ。49二、現代信用風險度量模型2、信用度量制方法：CreditMetrics模型信用度量制是通過掌握借款企業的資料如：（1）借款人的信用等級資料；（2）下一年度該信用級別水平轉換為其它信用級別的概率；（3）違約貸款的回收率。（4）債券(或貸款)市場上的信用風險價差和收益率就有可能為任何非交易性貸款和債券計算出一組假想的市值P和市值變動率σ，進而計算出單筆貸款或貸款組合的VaR值。50二、現代信用風險度量模型（二）信用風險矩陣模型2、信用度量制方法：CreditMetrics模型一年期信用等級轉換矩陣P251年初信用等級年底時的信用評級轉換概率（%）AAAAAABBBBBBCCC違約AAA90.818.330.680.060.12000AA0.790.657.790.640.060.140.020A0.092.2791.055.520.740.260.010.06BBB0.020.335.9586.935.361.170.120.18BB0.030.140.677.7380.538.8411.06B00.110.240.436.4883.464.075.2CCC0.2200.221.32.3811.2464.8619.7951

邊際違約概率與企業信用等級貸款級別52535455二、現代信用風險度量模型（二）信用風險矩陣模型2、信用度量制方法：CreditMetrics模型不同信用等級下貸款市值狀況(包括第一年息票額)P252一年結束時信用等級市值金額(百萬美元)AAA109.37AA109.19A108.66BBB107.55BB102.02B98.1CCC83.64違約51.1356二、現代信用風險度量模型（二）信用風險矩陣模型2、信用度量制方法：CreditMetrics模型評價本模型假定了信用等級的轉換概率在不同的借款人之間，以及在商業周期不同階段都是穩定的，現實條件很難滿足這一假設。此外，基于VaR的CreditMetrics法測度信用風險時還存在對極端損失估計不足，需要人為加大標準差的值；模型需要假定轉移概率服從Markov過程等問題，與現實中信用評級的轉移有跨期自相關性不相符。57二、現代信用風險度量模型（二）信用風險矩陣模型3、火災保險方法：CreditMetrics+模型瑞士信貸銀行金融產品部開發的信用風險附加CreditRisk+模型運用家庭火險財產承保的思想，把違約事件模型化為有一定概率分布的連續變量，每一筆貸款都有著極小的違約概率并且獨立于其他貸款。組合的違約概率的分布類似于泊松分布，因此根據泊松分布公式，可計算違約的概率。利用各個頻度的違約概率分布加總后得出貸款組合的損失分布。CreditRisk+中沒有違約原因的假設，所以不能像CreditMetrics或KMV那樣用違約要素之間的相關性來代替違約本身的相關性。58二、現代信用風險度量模型（二）信用風險矩陣模型3、火災保險方法：CreditMetrics+模型CreditMetrics+模型與作為盯市模型（MTM）的CreditMetrics不同，它是一個違約模型（DM），它不把信用評級的升降和與此相關的信用價差變化視為一筆貸款的VAR（信用風險）的一部分，而只看作是市場風險，它在任何時期只考慮違約和不違約這兩種事件狀態，計量預期到和未預期到的損失，而不象在CreditMetrics中度量預期到的價值和未預期到的價值變化。59二、現代信用風險度量模型（三）宏觀模擬方法（麥肯錫模型）麥肯錫模型則在CreditMetrics的基礎上，對周期性因素進行了處理，將評級轉移矩陣與經濟增長率、失業率、利率、匯率、政府支出等宏觀經濟變量之間的關系模型化，并利用蒙地卡羅模擬技術，模擬周期性因素的影響來測定評級轉移概率的變化。麥肯錫模型可以看成是對CreditMetrics的補充，它克服了CreditMetrics中不同時期的評級轉移矩陣不變的缺點。60二、現代信用風險度量模型（三）宏觀模擬方法（麥肯錫模型）宏觀模擬模型在計算信用資產的在險價值量時，將各種影響違約概率以及相關聯的信用等級轉換概率的宏觀因素納入體系。克服了信用度量制方法由于假定不同時期的信用等級轉換概率是靜態的和固定的而引起的很多偏差，被視為信用度量制方法的重要補充。解決和處理經濟周期性因素常用方法是直接將信用等級轉換概率與宏觀因素之間的關系模型化，如果模型是擬合的，就可以通過制造宏觀上的對于模型的“沖擊”來模擬信用等級轉換概率的跨時演變狀況。61二、現代信用風險度量模型（四）保險方法1、死亡率模型(Mortalitymodel)死亡率模型最早是由愛特曼(Altman)和其他學者開發的貸款和債券的死亡率表而得名的，因為愛特曼所運用的思想和模型與保險精算師在確定壽險保險費政策時所運用的思想和模型是相似的。該模型以貸款或債券組合以及它們在歷史上違約經歷為基礎，開發出一張表格，用該表來對信用資產一年的或邊際的死亡率(mrginalmortalityrate,MMR)及信用資產多年的或累積的死亡率(cumulativemortalityrate,CRM)進行預測。將上面的兩個死亡率與違約損失率(LGD)結合起來，就可以獲得信用資產的預期損失的估計值。2、財產保險方法模型：即前面講的CreditMetrics+模型62二、現代信用風險度量模型（五）基于神經網絡的模型有學者提出以非線性方法（例如類神經網絡或模糊理論）作為信用風險分析的工具。在神經網絡概念下，允許各因素之間存在復雜的關系，以解決傳統計分方法的線性問題。而非線性方法面對的最大問題是：需要考慮多少個隱蔽關系？考慮太多的隱蔽關系有時會給模型產生過分擬合的問題。并且，使用神經網絡來決策的一個缺陷是解釋能力缺乏。當它們能產生高的預測精度時，獲取結論的推理卻還不存在。故需要一套明確的和可理解的規則，有人評價對比了幾種神經網絡的規則提取（neuralnetworkruleextraction）技術，并用決策表（decisiontable）來代表提取規則。他們得出結論，神經網絡的規則提取和決策表是有效的和有力的管理工具，可以為信用風險評估構建先進的和友好的決策支持系統。63二、現代信用風險度量模型（六）現代風險度量模型方法的比較四種模型方法的比較比較的維度模型1模型2模型3模型4

信用度量制信用組合觀點CreditRisk+KMV模型

(J·P·摩根)(TomWilson)(瑞士信貸)(KMV公司)1.風險定義MTMMTM或DMDMMTM或DM2.風險驅動因素資產價值宏觀因素預期違約率資產價值3.信用事件的波動性不變可變可變可變4.信用事件的相關性多變量正態資產收益因素負載獨立假定或與預期違約率相關多變量正態資產收益5.收復率隨機隨機在頻段內不變不變或隨機6.數字方法模擬或分析模擬分析分析64第三節信用風險管理方法本節內容安排：一、傳統的信用風險管理方法二、現代信用風險的管理手段65一、傳統的信用風險管理方法傳統信用分析主要分析企業的資產負債狀況和現金流狀況。對企業的信用分析是一個程序化的、勞動密集型的工作，主要包括以下幾個步驟：1、分析企業需要這筆貸款的用途，要運用其所了解的企業基本情況，根據銀行的現代政策和“喜惡特征”分析該企業的貸款申請。2、對企業的資產負債及損益表進行詳細分析，用以發現該企業在各階段的發展趨勢以及業務上的波動情況。3、對測試表進行分析。4、對賬目進行調整以符合用于趨勢分析與推測的標準格式。66一、傳統的信用風險管理方法5、根據預計現金流對該筆貸款的目的進行評價，放貸者要尋找出第一退出途徑和第二退出途徑6、確定較松和較嚴的假設前提，并進行壓力測試7、分析行業結構，特別是正在出現的發展趨勢、公司在行業中的地位及監管活動的潛在影響。8、對公司管理高層及現行戰略進行評價；同時負責生產、庫存、定價和銷售系統的部門經理也要進行評價。9、準備貸款的保證文件，包括：提款條件、債務約束條件、質押和投資、財務比率和契約、母公司/子公司擔保及違約條款。67二、現代信用風險的管理手段現代信用風險的管理手段主要包括：（一）交易所和清算所（二）信用衍生產品（三）信用證券化68二、現代信用風險的管理手段（一）交易所和清算所銀行、衍生工具交易商及其他金融機構參與者之間有大量的交易，在他們每天交易的過程中都要承擔信用風險，交易所和清算所是降低這些風險的結構化手段。交易所和清算所實施了以下一些規章措施來防止信用風險：1、保證金要求2、逐日盯市制度：即每日清算收入或損失。3、頭寸限制4、有組織的清算所69二、現代信用風險的管理手段（二）信用衍生產品

1、利用期權對沖信用風險利用期權對沖信用風險的原理：銀行在發放貸款時，收取一種類似于貸款者資產看跌期權的出售者可以得到的報酬。這是因為，銀行發放貸款時，其風險等價于出售該貸款企業資產看跌期權的風險。這樣，銀行就會尋求買入該企業資產的看跌期權來對沖這一風險。為保證償還貸款，小麥農場主被要求從芝加哥期權交易所購買小麥看跌期權，以這一期權作為向銀行貸款的抵押。如果小麥價格下降，那么小麥農場主償還全部貸款的可能性下降，從而貸款的市場價值下降；與此同時，小麥看跌期權的市場價格上升，從而抵消貸款市場價值的下降。買入小麥看跌期權71二、現代信用風險的管理手段圖1顯示了小麥看跌期權具有抵消性效應。如圖所示，當小麥價格為A時，農場主的資產（小麥）價值恰好保證能償還銀行貸款，同時小麥看跌期權的價值為零；當小麥價格從A下降時，銀行貸款的報酬下降，但是同時小麥看跌期權的價值上升；當小麥價格從A上升時，銀行貸款的報酬保持不變，同時小麥看跌期權的價值進一步下降。但是，小麥看跌期權是由農場主購買的，作為貸款的抵押，因此銀行貸款的報酬并不發生變化。此時，農場主的最大借貸成本是購買小麥看跌期權的價格。0支付或報酬小麥看跌期權的價值借款人資產A對農場主貸款的報酬72二、現代信用風險的管理手段（二）信用衍生產品1、利用期權對沖信用風險上述對沖方法看上去很完美，但是存在兩個問題：(1)農場主可能由于個人的原因(生病或離婚)，而不是因為小麥價格的下降而違約。也就是說，這種方法只保證了貸款者的還款能力，但是對于貸款者的還款意愿卻沒有任何的保證。可是從前面我們知道，信用風險的產生是還款能力和還款意愿這兩者共同作用的結果。(2)農場主要想獲得貸款必須購買看跌期權，從而必須支付一定的期權費，使得農場主貸款的成本上升。從農場主的角度來看，他肯定不愿意這樣做。如果銀行強迫農場主購買期權就有可能會損害銀行和農場主的關系，農場主也可以不選擇這家銀行貸款。73二、現代信用風險的管理手段（二）信用衍生產品1、利用期權對沖信用風險違約期權：這種期權在貸款違約事件發生時支付確定的金額給期權購買者，從而對銀行予以一定補償的期權。銀行可以在發放貸款的時候購買一個違約期權，與該筆貸款的面值相對應。當貸款違約事件發生時，期權出售者向銀行支付違約貸款的面值；如果貸款按照貸款協議得以清償，那么違約期權就自動終止。因此，銀行的最大損失就是從期權出售者那里購買違約期權所支付的價格。這類期權還可以出現一些變體，比如，可以把某種關卡性的特點寫入該期權合約中。如果交易對手的信用質量有所改善，比如說從B級上升到A級，那么該違約期權就自動中止。作為回報，這種期權的出售價格應該更低。74二、現代信用風險的管理手段（二）信用衍