基于credit portfolio view的信用风险度量模型研究.PDF

第27卷第3期 V01．27，No．3 2008年3月 工业技术经济 总第173期 Portfolio 基于Credit View的 信用风险度量模型研究 李建华1韩岗2韩晓普3 1(吉林大学，长春130025)2(国家开发银行大连市分行，大连116001) 3(国家开发银行风险管理局，北京 100037) Porffofio [摘要)结合我国贷款企业的特点，Credit View模型的转移矩阵中信用等级违约概率除 了受宏观经济因素影响外，还受到行业因素、地区因素、规模因素以及企业所有制性质等因素影响。这 Portfolio 些因素使得同一信用等级下的企业历史违约率统计出现差异。笔者对Credit View模型违约因素 做了宏观、行业、地区三个维度的扩展，并采用LoOt模型与随机模拟相结合的方法，对模型参数进行 了估计。 ， (关键词】 CreditPorffofioView信用风险度量模型 。 (中图分类号)F224．0[文献标识码】A CreclitPortfolio View模型在概率转移矩阵当中引入了生违约相关性的基础。如下图所示： 宏观经济因素。结合我国贷款企业的特点，模型的转移 矩阵中各个信用等级违约概率除了受宏观经济因素影响 外。处在同一信用等级下的企业群还受到行业因素、地 区因素、规模因素以及企业所有制性质等因素影响，这 些因素使得同一信用等级下的企业历史违约率统计出现 差异。这些统计差异将导致不能准确地衡量企业实际的 违约状况。所以仅凭笼统的信用等级违约概率不足以说 图1 影响企业违约的因素分解 明贷款企业的实际违约率情况，有必要对信用等级违约 率进行行业维度、地区维度、规模维度和企业所有制性 宏观、行业和地区因素是形成违约相关性的决定因 质维度等的扩展。 素。国家的宏观经济运行情况对全国的企业的违约状况 相比于国际上比较流行的一些组合信用风险模型如 都有影响，造成所有信贷资产之间的违约相关性；同样． nⅣ模型和CrexJit 整个行业的发展前景或者所处地区的社会经济环境对处 Risk+模型，笔者认为：Logit模型与 实际情况更为符合，模型参数估计可以通过成熟的计量 在这个行业或地区的企业的发展也有影响，从而形成信 方法进行估计，通过模拟得到组合资产的V-．uR以及单个用风险的相关性。我们可根据历史数据，针对行业特点 资产的边际Va_R等其他风险度量，模拟的参数可以自行建立违约模型，估计各项参数。然后通过模拟的方法计 选定，使用方便，即使要改变违约影响因素的概率分布 算出一定期限内信贷组合的违约损失分布。 随机模拟也比较容易实现。 模型的整体框架类似于标准的Merton模型，但我们 l 以ro#t模型为基础。对违约概率进行建模 将企业价值和各项客观因素联系在一起，而不是直接假 我们认为决定企业违约率的因素包含：企业自身因 设企业价值的运动过程。假设有N家企业。为简化计每 素、宏观、行业、地区等4个因素。这四个因素对不同 家企业对应一项债务Bi。我们首先考虑单期模型。企业 的企业的影响是不一样，这样就造成了不同的企业的违