信用風(fēng)險(xiǎn)分析方法文檔良心出品

1、信用風(fēng)險(xiǎn)是指在金融交易中交易對(duì)手違約或信用品質(zhì)潛在變化而導(dǎo)致發(fā)生損失的可能性.從來(lái)源看,信用風(fēng)險(xiǎn)可以分為交易對(duì)手風(fēng)險(xiǎn)和發(fā)行者風(fēng)險(xiǎn)兩種類(lèi)型,前者主要產(chǎn)生于商業(yè)銀行的貸款和金融衍生交易中,后者主要是和債券相聯(lián)系.從組成上看,信用風(fēng)險(xiǎn)由兩局部組成,一局部是違約風(fēng)險(xiǎn),是指交易一方不愿或無(wú)力支付約定款項(xiàng)而致使交易另一方遭受損失 的可能性,在違約的情況下,根據(jù)合約簽定時(shí)的保護(hù)性條款的安排,一般來(lái)說(shuō),一局部債權(quán) 會(huì)得到受償,這一比率成為挽回率；另一局部是信用價(jià)差風(fēng)險(xiǎn),它是指由于信用品質(zhì)的變化引起信用價(jià)差的變化而導(dǎo)致的損失,具體由信用價(jià)差跳動(dòng)風(fēng)險(xiǎn)和信用價(jià)差波動(dòng)風(fēng)險(xiǎn)組成.信用風(fēng)險(xiǎn)的分析方法,根據(jù)分析技術(shù)和方法的

2、不同可分為古典信用分析方法和現(xiàn)代信用 或工程技術(shù)分析方法.兩者主要的區(qū)別和判斷標(biāo)準(zhǔn)主要是信用風(fēng)險(xiǎn)能否被單獨(dú)剝離和定價(jià).從時(shí)間的表現(xiàn)形式上,20世紀(jì)80年代中期以前為古典信用分析方法,20世紀(jì)80年代中期以后為現(xiàn)代信用分析方法.一、古典信用分析方法(一) 專(zhuān)家制度法專(zhuān)家制度是一種最古老的信用風(fēng)險(xiǎn)分析方法,其最大特征就是：銀行信貸的決策權(quán)是由該機(jī)構(gòu)那些經(jīng)過(guò)長(zhǎng)期練習(xí)、具有豐富經(jīng)驗(yàn)的信貸治理人員所掌握,并由他們做出是否貸款的決定.因此,在信貸決策過(guò)程中,信貸治理人員的專(zhuān)業(yè)知識(shí)、主觀判斷以及某些要考慮的 關(guān)鍵要素權(quán)重均為最重要的決定因素.在專(zhuān)家制度法下,絕大多數(shù)銀行都將重點(diǎn)集中在借款人的“5c上,即品德

3、與聲望(character)、資格與水平(capacity)、資金實(shí)力(capital or cash)、擔(dān)保(collateral)、經(jīng)營(yíng)條件或 商業(yè)周期(condition).也有些銀行將信用分析的內(nèi)容歸納為"5W或"5p："5W系指借款人(who)、借款用途(why)、還款期限(when)、擔(dān)保物(what)、如何還款(how) ; "5p系指?jìng)€(gè)人因 素(personal)、目的因素(purpose)、歸還因素(payment) 保證因素(protection) 前景因素 (perspective) o這種方法的缺陷是主觀性太強(qiáng),只能作為一種輔助性

4、信用分析工具.(二) 特征分析法特征分析模型是目前在國(guó)外信用治理模型中應(yīng)用較為普遍的一種新的信用分析工具,本質(zhì)上它也屬于傳統(tǒng)的信用分析和評(píng)價(jià)方法.該模型的主要用途就是對(duì)客戶(hù)的資信狀況做出綜合性的評(píng)價(jià),并以定量化的方式,對(duì)客戶(hù)的授信做出評(píng)定.它是從客戶(hù)的種種特征中選擇出對(duì)信用分析意義最大、直接與客戶(hù)信用狀況相聯(lián)系的假設(shè)干因素,將其編為幾組,分別對(duì)這些因素評(píng)分并綜合分析,最后得到一個(gè)較為全面的分析結(jié)果.目前,特征分析方法主要由信用 調(diào)查機(jī)構(gòu)和企業(yè)內(nèi)部信用治理部門(mén)使用.三貸款評(píng)級(jí)分類(lèi)模型貸款評(píng)級(jí)分類(lèi)模型是金融機(jī)構(gòu)在美國(guó)貨幣監(jiān)理署occ最早開(kāi)發(fā)的評(píng)級(jí)系統(tǒng)根底上拓展而來(lái),occ對(duì)貸款組合分為正常、關(guān)注、

5、次級(jí)、可疑、損失等 5類(lèi),并要求對(duì)不同的貸款提取 不同比例的損失準(zhǔn)備金以彌補(bǔ)貸款損失.在我國(guó),1998年以前各商業(yè)銀行貸款分類(lèi)的方法一直沿用財(cái)政部金融保險(xiǎn)企業(yè)財(cái)務(wù)制 度?的規(guī)定,把貸款分為正常、逾期、呆滯、呆賬四類(lèi),后三類(lèi)合稱(chēng)不良貸款,簡(jiǎn)稱(chēng)逾兩呆法.這一方法低估了不良貸款,由于它沒(méi)包括仍支付利息尚未展期的高風(fēng)險(xiǎn)貸款.1998年我國(guó)開(kāi)始借鑒國(guó)際監(jiān)管經(jīng)驗(yàn),對(duì)貸款分類(lèi)進(jìn)行改革,根據(jù)風(fēng)險(xiǎn)程度將貸款劃分為正 常、關(guān)注、次級(jí)、可疑、損失五類(lèi),即五級(jí)分類(lèi)方法.2003年12月中國(guó)銀監(jiān)會(huì)發(fā)布文件決定自2004年1月1日起,我國(guó)所有經(jīng)營(yíng)信貸業(yè)務(wù)的金融機(jī)構(gòu)正式實(shí)施貸款五級(jí)分類(lèi)制度.四信用評(píng)分方法信用評(píng)分方法是對(duì)反

6、映借款人經(jīng)濟(jì)狀況或影響借款人信用狀況的假設(shè)干指標(biāo)賦予一定權(quán) 重,通過(guò)某些特定方法得到信用綜合分值或違約概率值,并將其與基準(zhǔn)值相比來(lái)決定是否給予貸款以及貸款定價(jià),其代表為z計(jì)分模型.z計(jì)分模型是altman 1968年提出的以財(cái)務(wù)比率為根底的多變量模型.該模型運(yùn)用多元判別分析法,通過(guò)分析一組變量, 使其在組內(nèi)差異最小化的同時(shí)實(shí)現(xiàn)組間差異最大化,在此過(guò)程中要根據(jù)統(tǒng)計(jì)標(biāo)準(zhǔn)選入或舍去備選變量,從而得出z判別函數(shù).根據(jù) z值的大小同衡量標(biāo)準(zhǔn)相比,從而區(qū)分破產(chǎn)公司和非破產(chǎn)公司.1995年,對(duì)于非上市公司,altman對(duì)z模型進(jìn)行了修改,得到 z計(jì)分模型.altman、haldeman和narayannan

7、在1977年對(duì)原始的z計(jì) 分模型進(jìn)行擴(kuò)展,建立的第二代的zeta信用風(fēng)險(xiǎn)模型.該模型在公司破產(chǎn)前5年即可有效劃分出將要破產(chǎn)的公司,其中破產(chǎn)前1年準(zhǔn)確度大于 90 %,破產(chǎn)前5年的準(zhǔn)確度大于70 %.新模型不僅適用于制造業(yè),而且其有效性同樣適用于零售業(yè).上述兩種模型中,zeta分類(lèi)準(zhǔn)確度比z計(jì)分模型高,特別是破產(chǎn)前較長(zhǎng)時(shí)間的預(yù)測(cè)準(zhǔn)確度相對(duì)較高.由于方法簡(jiǎn) 便、本錢(qián)低、效果佳,上述方法應(yīng)用十分廣泛.值得注意的是該類(lèi)模型構(gòu)建中的數(shù)理方法,綜合以來(lái),主要有以下幾種：1 .判另U分析法 discriminant analysis判別分析法discriminant analysis,簡(jiǎn)稱(chēng)da 是根據(jù)觀察到

8、的一些統(tǒng)計(jì)數(shù)字特征,對(duì)客觀 事物進(jìn)行分類(lèi),以確定事物的類(lèi)別.它的特點(diǎn)是已經(jīng)掌握了歷史上每個(gè)類(lèi)別的假設(shè)干樣本,總結(jié)出分類(lèi)的規(guī)律性,建立判別公式.當(dāng)遇到新的事物時(shí), 只要根據(jù)總結(jié)出來(lái)的判別公式,就能判別事物所屬的類(lèi)別.da的關(guān)鍵就在于建立判別函數(shù).目前,統(tǒng)計(jì)學(xué)建立判別函數(shù)常用方法有：一是未知總體分布情況下,根據(jù)個(gè)體到各個(gè)總體的距離進(jìn)行判別的距離判別函數(shù)；二是總體分布的前提下求得平均誤判概率最小的分類(lèi)判別函數(shù),也稱(chēng)距離判別函數(shù),通常稱(chēng)為貝葉斯(bayes)判別函數(shù)；三是未知總體分布或未知總體分布函數(shù)前提下的根據(jù)費(fèi)歇(fisher)準(zhǔn)那么得到的最優(yōu)線(xiàn)性判別函數(shù).2. 多元判另1J分析法 (multiv

9、ariate discriminant analysis)多元判別分析法(mda)是除美國(guó)外的其他國(guó)家使用最多的統(tǒng)計(jì)方法.多元線(xiàn)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(yīng)用多元判別分析(mda)有三個(gè)主要假設(shè)：變量數(shù)據(jù)是正態(tài)分布的；各組的協(xié)方差是相同 的；每組的均值向量、協(xié)方差矩陣、先驗(yàn)概率和誤判代價(jià)是的.該種方法的缺乏之處是必須建立在大量的、可靠的歷史統(tǒng)計(jì)數(shù)據(jù)的根底之上,這在開(kāi)展 中國(guó)家如中國(guó)是難以具備的前提條件.3. logit分析判別方法logit分析與判別分析法的本質(zhì)差異在于前者不要求滿(mǎn)足正態(tài)分布或等方差,從而消除了mda模型的

10、正態(tài)分布假定的局限性.其模型主要采用了logistic函數(shù).該模型的問(wèn)題在于當(dāng)樣本點(diǎn)存在完全別離時(shí),模型參數(shù)的最大似然估計(jì)可能不存在,模型的有效性值得疑心,因此在正態(tài)的情況下不滿(mǎn)足其判別正確率高于判別分析法的結(jié)果.另外該方法對(duì)中間區(qū)域的判別敏感性較強(qiáng),導(dǎo)致判別結(jié)果的不穩(wěn)定.4. 神經(jīng)網(wǎng)絡(luò)分析法(artificial neural network,簡(jiǎn)稱(chēng) ann)神經(jīng)網(wǎng)絡(luò)分析法是從神經(jīng)心理學(xué)和認(rèn)知科學(xué)研究成果出發(fā),應(yīng)用數(shù)學(xué)方法開(kāi)展起來(lái)的一種具有高度并行計(jì)算水平、自學(xué)水平和容錯(cuò)水平的處理方法.它能有效解決非正態(tài)分布、非線(xiàn)性的信用評(píng)估問(wèn)題,其結(jié)果介于0與1之間,在信用風(fēng)險(xiǎn)的衡量下,即為違約概率.神經(jīng)網(wǎng)

11、絡(luò)分析方法應(yīng)用于信用風(fēng)險(xiǎn)評(píng)估的優(yōu)點(diǎn)在于其無(wú)嚴(yán)格的假設(shè)限制且具有處理非線(xiàn)性問(wèn)題的水平.altman、marco和varetto (1994)在對(duì)意大利公司財(cái)務(wù)危機(jī)預(yù)測(cè)中應(yīng)用了神經(jīng)網(wǎng)絡(luò)分析法；coats及fant (1993) trippi采用神經(jīng)網(wǎng)絡(luò)分析法分別對(duì)美國(guó)公司和銀行財(cái)務(wù)危機(jī)進(jìn)行預(yù)測(cè),取得較好效果.然而,要得到一個(gè)較好的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),需要人為隨機(jī)調(diào)試,需要消耗大量人力和時(shí)間,加之該方法結(jié)論沒(méi)有統(tǒng)計(jì)理論根底,解釋性不強(qiáng),所以應(yīng)用受到很大限制.5. 聚類(lèi)分析法(cluster analysis)聚類(lèi)分析(cluster analysis)屬于非參數(shù)統(tǒng)計(jì)方法.信用風(fēng)險(xiǎn)分析中它根據(jù)由借款人的指標(biāo)

12、計(jì)算出的在樣本空間的距離,將其分類(lèi).這種方法一個(gè)主要優(yōu)點(diǎn)是不要求總體的具體分布;可對(duì)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(duì)現(xiàn)實(shí)中的無(wú)法用數(shù)值精確表述的屬性進(jìn)行分析.這很適用于信用風(fēng)險(xiǎn)分析中根據(jù)定量指標(biāo)(盈利比、速動(dòng)比等)和定性指標(biāo)(治理水平、信用等級(jí)等)對(duì)并不服從一定分布特性的數(shù)據(jù)信息分類(lèi)的要求.例 如,lundy運(yùn)用該方法對(duì)消費(fèi)貸款申請(qǐng)者的典型信用申請(qǐng)數(shù)據(jù)及年齡、職業(yè)、婚否、居住條 件進(jìn)行處理分成6類(lèi)并對(duì)每類(lèi)回歸評(píng)分,它不僅將借款人進(jìn)行有效的分類(lèi)而且?guī)椭虡I(yè)銀行 確定貸款方式策略.6. k 近鄰判別法(k nearest neighbor)k近鄰判別法在一定距離概念下根

13、據(jù)假設(shè)干定量變量從樣本中選取與確定向量距離最短k個(gè)樣本為一組,適用于初始分布和數(shù)據(jù)采集范圍限制較少時(shí),減小了以函數(shù)形式表達(dá)內(nèi)容的要求.另外,knn通過(guò)將變量在樣本整體范圍內(nèi)分為任意多決策區(qū)間,而近似樣本分布.tametal將之用于信用風(fēng)險(xiǎn)分析, 取馬氏距離,從流動(dòng)性、盈利性、資本質(zhì)量角度選出的19個(gè) 變量指標(biāo),對(duì)樣本分類(lèi),經(jīng)比較其分類(lèi)結(jié)果的準(zhǔn)確性不如lda、lg以及神經(jīng)網(wǎng)絡(luò).原因在于在同樣的樣本容量下,假設(shè)對(duì)具體問(wèn)題確實(shí)存在特定的參數(shù)模型并可能找出時(shí),非參數(shù)方法不及參數(shù)模型效率高.7. 層次分析法(ahp)該方法強(qiáng)調(diào)人的思維判斷在決策過(guò)程中的作用,通過(guò)一定模式使決策思維過(guò)程標(biāo)準(zhǔn)化,它適用于定性

14、與定量因素相結(jié)合、特別是定性因素起主導(dǎo)作用的問(wèn)題,企業(yè)信用等級(jí)綜合評(píng)價(jià)就是這種定性因素起主導(dǎo)作用的問(wèn)題.ahp法的根本步驟是：建立遞階層次結(jié)構(gòu),構(gòu)造判斷矩陣,求此矩陣的最大特征根及其對(duì)應(yīng)的特征向量,確定權(quán)重,并進(jìn)行一致性檢驗(yàn).8. 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(shù)學(xué)方法、混沌法及突變級(jí)數(shù)法、灰關(guān)聯(lián)痼、 主成分分析綜合打分法、主成分分析與理想點(diǎn)的結(jié)合方法、原蟻群算法、數(shù)據(jù)包絡(luò)判別法等等.關(guān)于這些方法的應(yīng)用,將在后面的實(shí)證局部進(jìn)行探討.二、現(xiàn)代信用分析方法20世紀(jì)80年代以來(lái),受債務(wù)危機(jī)的影響,各國(guó)銀行普遍重視對(duì)信用風(fēng)險(xiǎn)的治理和防范,工程化的思維和

15、技術(shù)逐漸被運(yùn)用于信用風(fēng)險(xiǎn)治理的領(lǐng)域,產(chǎn)生了一系列成功的信用風(fēng)險(xiǎn)量化治理模型.現(xiàn)代信用風(fēng)險(xiǎn)的計(jì)量模型按其計(jì)量的風(fēng)險(xiǎn)層次分為三種類(lèi)型：一是單個(gè)交易對(duì)手或發(fā)行人的計(jì)量模型,二是資產(chǎn)組合層次的計(jì)量模型,三是衍生工具的計(jì)量模型.(一) 基于期權(quán)定價(jià)技術(shù)的風(fēng)險(xiǎn)計(jì)量模型.merton發(fā)現(xiàn)銀行以折現(xiàn)方式發(fā)放一筆面值為d的貸款所得到的支付和賣(mài)出一份執(zhí)行價(jià)格d的看跌期權(quán)所得到的支付相等.因此有風(fēng)險(xiǎn)貸款的價(jià)值就相當(dāng)于一個(gè)面值為d的無(wú)違約風(fēng)險(xiǎn)貸款的價(jià)值加上一個(gè)空頭賣(mài)權(quán).貸款的賣(mài)權(quán)價(jià)值取決于5個(gè)變量,即企業(yè)資產(chǎn)的市場(chǎng)價(jià)值、企業(yè)資產(chǎn)的市場(chǎng)價(jià)值的波動(dòng)性、貼現(xiàn)貸款的面值、貸款的剩余期限以及無(wú)風(fēng)險(xiǎn)利率.基于企業(yè)的市場(chǎng)價(jià)值和其波

16、動(dòng)性的不可觀測(cè)性,1995年美國(guó)kmv公司開(kāi)發(fā)了 kmv模型,該模型又稱(chēng)為預(yù)期違約概率模型(expected default frequency,簡(jiǎn)稱(chēng)edf ),模型使用企業(yè)股權(quán)的市場(chǎng)價(jià)值和資產(chǎn)的市場(chǎng)價(jià)值之間的結(jié)構(gòu)性關(guān)系來(lái)計(jì)算企業(yè)資產(chǎn)的市場(chǎng)價(jià)值；使用企業(yè)資產(chǎn)的波動(dòng)性和企業(yè)股權(quán)的波動(dòng)性之間的結(jié)構(gòu)關(guān)系來(lái)計(jì)算企業(yè)資產(chǎn)的波動(dòng)性,同時(shí)統(tǒng)計(jì)在一定標(biāo)準(zhǔn)差水平上的公司在一年內(nèi)破產(chǎn)的比例,以此來(lái)衡量具有同樣標(biāo)準(zhǔn)差的公司的違約概率.該模型是實(shí)際中應(yīng)用最為廣泛的信用風(fēng)險(xiǎn)模型之一.該模型理論依據(jù)在很多方面與black-scholes (1973), merton(1974)以及hull和white (1995)的期權(quán)

17、定價(jià)方法相似.其根本思想 是,當(dāng)公司的價(jià)值下降至一定水平時(shí),企業(yè)就會(huì)對(duì)其債務(wù)違約.根據(jù)有關(guān)分析,kmv發(fā)現(xiàn)違約最頻繁的分界點(diǎn)在公司價(jià)值等于流動(dòng)負(fù)債土長(zhǎng)期負(fù)債的50%時(shí).有了公司在未來(lái)時(shí)刻的預(yù)期價(jià)值及此時(shí)的違約點(diǎn),就可以確定公司價(jià)值下降百分之多少時(shí)即到達(dá)違約點(diǎn).要到達(dá)違約點(diǎn)資產(chǎn)價(jià)值須下降的百分比對(duì)資產(chǎn)價(jià)值標(biāo)準(zhǔn)差的倍數(shù)稱(chēng)為違約距離.違約距離=(資產(chǎn)的預(yù)期價(jià)值-違約點(diǎn))/資產(chǎn)的預(yù)期價(jià)值 溜產(chǎn)值的波動(dòng)性.該方法具有比較充分的理論根底,特 別適用于上市公司信用風(fēng)險(xiǎn).kmv模型的優(yōu)點(diǎn)在于其將違約與公司特征而不是公司的初始信用等級(jí)聯(lián)系在一起,使其 對(duì)債務(wù)人質(zhì)量的變化更加敏感；同時(shí),它通過(guò)股票價(jià)格來(lái)測(cè)算上市公

18、司的預(yù)期違約概率,因而市場(chǎng)信息也能被反映在模型當(dāng)中,使其具有一定的前瞻性,模型的預(yù)測(cè)水平較強(qiáng)；并且, 由于該模型使用的變量都是市場(chǎng)驅(qū)動(dòng)的,表現(xiàn)出更大的時(shí)變性,因此持有期的選擇比信用度量術(shù)模型更加靈活.(二) 基于風(fēng)險(xiǎn)價(jià)值 var的信用度量模型.var是指在正常的市場(chǎng)條件和給定的置信水平上,用于評(píng)估和計(jì)量金融資產(chǎn)在一定時(shí)期內(nèi)可能遭受的最大價(jià)值損失.在計(jì)算金融工具的市場(chǎng)風(fēng)險(xiǎn)的var時(shí),關(guān)鍵的輸入變量是金融資產(chǎn)目前的市場(chǎng)價(jià)格和波動(dòng)性.由于貸款缺乏流動(dòng)性,因此貸款的市場(chǎng)價(jià)值和波動(dòng)性不能觀測(cè).jp morgan (1997)銀行開(kāi)發(fā)了信用度量制(credit metrics tm)系統(tǒng),該系統(tǒng)解決了諸如

19、 貸款和私募等非交易性資產(chǎn)的估值和風(fēng)險(xiǎn)計(jì)算.該方法基于借款人的信用評(píng)級(jí)、信用轉(zhuǎn)移矩陣、違約貸款的回收率、 債券市場(chǎng)上的信用風(fēng)險(xiǎn)價(jià)差計(jì)算出貸款的市場(chǎng)價(jià)值及其波動(dòng)性, 斷個(gè)別貸款或組合的 var,從而對(duì)貸款和非交易資產(chǎn)進(jìn)行估價(jià)和信用風(fēng)險(xiǎn)評(píng)價(jià).信用度量制模型的優(yōu)點(diǎn)在于其第一次將信用等級(jí)轉(zhuǎn)移、違約率、違約回收率、違約相關(guān)性納入了一個(gè)統(tǒng)一的框架來(lái)度量信用風(fēng)險(xiǎn).該模型適用于商業(yè)信用、債券、貸款、貸款承諾、信用證、以及市場(chǎng)工具(互換、遠(yuǎn)期等)等信貸資產(chǎn)組合的風(fēng)險(xiǎn)計(jì)量.但該模型在應(yīng)用中存 在以下問(wèn)題：違約率直接取自歷史數(shù)據(jù)平均值,但實(shí)證研究說(shuō)明,違約率與宏觀經(jīng)濟(jì)狀況有直接關(guān)系,并非固定不變,假定資產(chǎn)收益服從正

20、態(tài)分布,但實(shí)證研究說(shuō)明實(shí)際分布多呈現(xiàn)厚尾特征；關(guān)于企業(yè)資產(chǎn)收益之間的相關(guān)度等于公司證券收益之間的相關(guān)度的假設(shè)有待驗(yàn)證方 法計(jì)算結(jié)果對(duì)于這一假定的敏感性很高.(三) 基于保險(xiǎn)精算的creditrisk +系統(tǒng).credit suisse first boston(csfb , 1997)銀行開(kāi)發(fā)的信用風(fēng)險(xiǎn)附加(creditrisk +)系統(tǒng)的主導(dǎo)思 想源于保險(xiǎn)精算學(xué),即損失決定于災(zāi)害發(fā)生的頻率和災(zāi)害發(fā)生時(shí)造成的損失或破壞程度,它不分析違約的原因,而且該模型也只針對(duì)違約風(fēng)險(xiǎn)而不涉及轉(zhuǎn)移風(fēng)險(xiǎn),特別適于對(duì)含有大量中小規(guī)模貸款的貸款組合信用風(fēng)險(xiǎn)分析.該方法基于這樣一些假設(shè)：貸款組合中任何單項(xiàng)貸款發(fā)生違約

21、與否是隨機(jī)的；每項(xiàng)貸款 發(fā)生違約的可能性是獨(dú)立的,因而這個(gè)方法假設(shè)貸款組合中單項(xiàng)貸款的違約概率分布服從 possion分布.信用風(fēng)險(xiǎn)附加模型的優(yōu)點(diǎn)在于,它只要求有限的輸入數(shù)據(jù),根本上只有貸款 組合中各組的貸款違約率、違約率波動(dòng)率和風(fēng)險(xiǎn)暴露,因此貸款損失很容易計(jì)算.(四) 以宏觀模擬為根底建立的creditportfolio view系統(tǒng).該信用組合觀點(diǎn)系統(tǒng)由mckinsey公司開(kāi)發(fā)(wilson , 1997),它是一個(gè)違約風(fēng)險(xiǎn)的宏觀經(jīng)濟(jì)模擬系統(tǒng).由于商業(yè)周期因素影響違約的概率,麥肯錫公司將周期性的因素納入計(jì)量模型中,該系統(tǒng)在credit metrics的根底上,對(duì)周期性因素進(jìn)行了處理,將評(píng)級(jí)

22、轉(zhuǎn)移矩陣與經(jīng)濟(jì)增 長(zhǎng)率、失業(yè)率、利率、匯率、政府支出等宏觀經(jīng)濟(jì)變量之間的關(guān)系方法化,并通過(guò)monte carlo法模擬周期性因素的沖擊來(lái)測(cè)定評(píng)級(jí)轉(zhuǎn)移概率的變化,分析宏觀經(jīng)濟(jì)形勢(shì)變化與信用違約 概率及轉(zhuǎn)移概率的關(guān)系,進(jìn)而分析不同行業(yè)或部門(mén)不同信用級(jí)別的借款人的信用風(fēng)險(xiǎn)程度.該模型的優(yōu)點(diǎn)在于其將各種影響違約概率和信用等級(jí)變化的宏觀因素納入了自己的體系 之中,并且給出了具體的損失分布,能夠刻畫(huà)回收率的不確定性和因國(guó)家風(fēng)險(xiǎn)帶來(lái)的損失； 對(duì)所有的風(fēng)險(xiǎn)暴露都采用盯市法,更適用于對(duì)單個(gè)債務(wù)人和一組債務(wù)人進(jìn)行信用風(fēng)險(xiǎn)度量. 其主要適用于對(duì)對(duì)宏觀經(jīng)濟(jì)因素變化敏感的投機(jī)級(jí)債務(wù)人的信用風(fēng)險(xiǎn)度量.現(xiàn)代資產(chǎn)組合理論 mpt說(shuō)明適當(dāng)?shù)乩觅Y產(chǎn)之間的相關(guān)關(guān)系可以有效地降低風(fēng)險(xiǎn)并改善資產(chǎn)組合的風(fēng)險(xiǎn)-收益狀況.然而流動(dòng)性很差的貸款和債券組合存在著收益的非正態(tài)性、收益和相關(guān)系數(shù)的不可觀測(cè)性等問(wèn)題,這使得資產(chǎn)組合理論不能簡(jiǎn)單地運(yùn)用這些組合中去.收益的非正態(tài)性使得基于兩矩均值和方差而構(gòu)建的資產(chǎn)組合理論只有增加偏度和峰度兩矩才能較好地進(jìn)行描述.歷史價(jià)格和交易數(shù)據(jù)的缺乏造成了使用歷史的時(shí)間序列數(shù)據(jù)計(jì)算收益率、方差以及收益之間的協(xié)方差和相關(guān)系