现代信用风险度量模型幻灯片.ppt

均值——方差模型（Mean-Variance Model） 1．单一资产的风险度量 资产的预期收益 ： 资产的风险 ： 2．资产组合的风险度量 由两种资产组成的资产组合的预期收益率 由两种资产组成的资产组合的风险 σAB=ρABσAσB N种资产构成的资产组合的预期收益率： N种资产构成的资产组合的风险： 信用风险的界定 ——交易对手（债务人）不能正常履行合约或信用品质发生变化而导致交易另一方（债权人）遭受损失的潜在可能性 一、贷款信用风险模型化的困难 其一，贷款作为债权工具，其收益（损失）分布具有独特性 贷款的收益（损失）分布具有负偏斜，且损失区域的概率密度曲线呈“肥尾状”（附图 ） 其二，借贷双方存在显著的信息不对称，产生道德风险问题 其三，贷款是非公开交易，相关数据不易收集 正态分布 若一个（连续型）随机变量服从正态分布，则其分布曲线具有以下性质： 1）围绕均值μ呈对称分布； 2）曲线下的面积约有68%位于μ±σ之间；约有95%的面积位于μ±2σ之间；约有97.7%的面积位于μ±3σ之间 3）正态分布曲线的形状依赖于参数μ （均值）和σ（标准差），给定两参数，就可利用正态分布的概率密度函数估算出随机变量落入某一区间的概率 贷款损失分布概率密度曲线 二、现代信用风险度量模型的创新与分类 现代信用风险度量模型的基本类型 违约模型（DM） ——只考虑是否违约（两状态模型：违约/不违约） 盯住市场模型（MTM） ——考虑信用等级变化对债权资产的（理论）市场价值的动态影响（多状态模型） 四、Creditmetrics（信用度量术）模型 JP.摩根于1997年推出 基本原理：计算信用风险的VAR值（即在给定的置信区间上、给定时段内，信贷资产可能发生的最大价值损失。） 模型主要由两大模块组成: 单项资产VaR值 资产组合VaR值 计算单项贷款的VAR值的步骤： 1、预测借款人信用等级的变动，得出信用等级转移概率矩阵（ Transition Matrix ） 假定借款人一年后有8种可能的信用状态，即从AAA级到D级（违约），则一年后借款人由初始信用等级转移到各种可能等级的概率称为信用等级转移概率，∑转移概率＝1。 （假定前提： 同一信用等级内债务人的资信状况相同，即具有相同的转移概率； 实际信用等级转移概率等于历史平均转移概率） 一年期信用等级转换矩阵 各信用等级对应的折现率（风险价差）（％） ——贷款组合信用风险的VAR值测算 假设组合由两笔贷款形成，估算组合VAR值的具体步骤如下 ：…… 两贷款组合一年后64种可能出现的组合价值 第二步，求出在不同信用状态下贷款组合的市场价值 求出单笔贷款在未来每种信用状态下的价值，再将组合中每笔贷款价值加总即得到组合的价值。最终得出一个8×8贷款组合价值矩阵 第四步，求出贷款组合基于实际分布或正态分布的VAR值。 已知贷款组合在不同信用状态下的价值及相应的联合转移概率，可得到组合价值的实际分布，利用联合转移概率矩阵和贷款组合价值矩阵可以估出组合在实际分布下的VAR值。 组合VAR值=组合均值－给定置信度水平上第1年末可能的组合价值 为简化计算，如果假定组合价值服从正态分布，则99%置信度上的VAR值为2．33×组合价值标准差 具体步骤： 宏观因素与转移概率间的关系可用函数式描述： Pt＝f（yt） 这里将Pt设定为时间t上未来一年内借款人从C级移往D级的概率（PCD），该概率对商业周期尤为敏感，其变化与同一行中其它转移概率相互补偿 yt表示时间t上的一整套宏观因素所构成的经济状态 (宏观经济指数 ) yt由系统宏观因素和非系统宏观因素驱动，前者包括GDP增长率、失业率等，后者指经济体系受到的随机冲击或创新。系统宏观因素受其历史值影响，也对当期受到的冲击敏感。 yt =g（Xit，Vt） yt由系统宏观因素Xit和非系统宏观因素Vt驱动，前者包括GDP增长率、失业率等，后者指经济体系受到的随机冲击或创新。 系统宏观因素受其历史值影响，也对当期受到的冲击敏感 由此，可得到 （六）CSFP信用风险附加法（Creditrisk+模型） 基本思路： 违约率的不确定性和违约损失的不确定性都很显著，应按风险暴露大小将贷款组合划分成若干频段，以降低不精确的程度。其后，将各频段的损失分布加总，可得到贷款组合的损失分布 对