對于Credit Portfolio View模型的適用性分析及改進(jìn)建議

1、對于Credit Portfolio View模型的適用性分析及改進(jìn)建議黃小鳳（哈爾濱工業(yè)大學(xué)建筑學(xué)院黑龍江哈爾濱150006）摘要：當(dāng)今國際社會中，關(guān)于信用風(fēng)險(xiǎn)的評估分析主要使用KMV模型，Credit Metrics模型，Credit Risk +模型和Credit Portfolio View模型。在這四個(gè)模型中，只有credit Portfolio View模型考 慮了宏觀經(jīng)濟(jì)因素對商業(yè)銀行信用風(fēng)險(xiǎn)的影響。筆者認(rèn)為宏觀經(jīng)濟(jì)因素對信用風(fēng)險(xiǎn)的影響是 非常大的，比如在經(jīng)濟(jì)蕭條期間，商業(yè)銀行發(fā)生的違約事件明顯多于經(jīng)濟(jì)良好的時(shí)間。所以， 認(rèn)為Credit Portfolio View模型相比于其

2、它模型更加合理。但該模型也有其漏洞，所以提出了 實(shí)際貸款過程中以Credit Portfolio View模型為主，混合使用另外其它模型的建議。關(guān)鍵詞：信用風(fēng)險(xiǎn)、Credit Portfolio View模型、違約、商業(yè)銀行一.Credit Portfolio View 模型概述1.1 Credit Portfolio View 模型定義Credit Portfolio View模型是由麥肯錫開發(fā)的一個(gè)多因子模型，可以用于預(yù)測仿真既定宏 觀因素取值下各個(gè)信用等級對象之間聯(lián)合條件違約分布和信用轉(zhuǎn)移概率。在觀測到失業(yè)率、 GDP增長率、長期利率水平、外匯水平、政府支出和國民儲蓄率等宏觀經(jīng)濟(jì)因子信息

3、時(shí)，計(jì) 算不同國家、不同行業(yè)、不同信用評級的違約和信用潛移概率的分布函數(shù)。Credit Portfolio View模型將觀測到的違約概率和信用潛移概率與宏觀經(jīng)濟(jì)因素聯(lián)系起來。 當(dāng)經(jīng)濟(jì)處于衰退期時(shí)，各信用主體信用降級和違約概率增加；與此相反，當(dāng)經(jīng)濟(jì)處于繁榮時(shí) 期時(shí)，各信用主體信用降級和違約概率減少。也就是說信用周期與經(jīng)濟(jì)周期密切相關(guān)。假定 能夠得到相關(guān)的數(shù)據(jù)，這一框架可以應(yīng)用到每一個(gè)國家，并可用到像制造業(yè)、金融業(yè)和農(nóng)業(yè) 等不同的部門和各種類型的信用個(gè)體。Credit Portfolio view模型的理論基礎(chǔ)是信貸質(zhì)量的變化是宏觀經(jīng)濟(jì)因素變化的結(jié)果，通 過多元經(jīng)濟(jì)計(jì)量模型來模擬宏觀經(jīng)濟(jì)狀態(tài)，然

4、后將經(jīng)濟(jì)狀態(tài)與協(xié)同的條件違約率和評級轉(zhuǎn)移 對應(yīng)，以此得出信貸組合的損失分布。相對于其他模型而言，該模型的輸人變量主要依靠一系 列的宏觀經(jīng)濟(jì)變量如失業(yè)率、利率、經(jīng)濟(jì)增長率、政府支出和儲蓄水平等，對每個(gè)國家不同行 業(yè)中的違約概率和信用等級轉(zhuǎn)移概率的聯(lián)合條件分布進(jìn)行模擬。當(dāng)經(jīng)濟(jì)條件惡化時(shí)，降級和 違約會增加;當(dāng)經(jīng)濟(jì)狀況好轉(zhuǎn)時(shí),降級和違約將減少。Credit Portfolio View模型的假設(shè)條件是每個(gè)債券的信用評級對整體的信用周期更敏感。1.2違約預(yù)測模型違約概率為一個(gè)Logit函數(shù)，其變量為一些宏觀經(jīng)濟(jì)變量的當(dāng)前值或滯后值構(gòu)造的綜 合評級指數(shù)，可表示為：其中，P表示國家或行業(yè)j中債券在時(shí)期t的

5、條件違約概率，7表示由宏觀經(jīng)濟(jì)變量 構(gòu)造的評級指數(shù)。注意上述Logit變換保證了計(jì)算得到的違約概率處于0與1之間。某一時(shí)期一個(gè)國家經(jīng)濟(jì)狀況的宏觀經(jīng)濟(jì)指數(shù)7可用下述的多因子模型來表示：j,其中，七n，為第j個(gè)國家、產(chǎn)業(yè)或級別的參數(shù)；X” = (XgXg ,為時(shí)期t第j個(gè)國家或行業(yè)的宏觀經(jīng)濟(jì)變量；V表示與宏觀經(jīng)濟(jì)向量X,獨(dú)立的殘差變量，并假設(shè)服從正態(tài)分布:v N(O,e)，和V-N(O, E )，這里，v表示殘差變量v的向量形式，工表示jxj的方差協(xié)方差矩陣：Vtj,tV對每一個(gè)國家來說，宏觀經(jīng)濟(jì)變量都是給定的。如果能夠得到足夠的數(shù)據(jù)，上述模型 就可以在國家或產(chǎn)業(yè)的水平上進(jìn)行計(jì)算，從而就可以估計(jì)出

6、相應(yīng)的違約概率P、違約概率 j 指數(shù)y和相應(yīng)的參數(shù)p。實(shí)際估計(jì)時(shí)，一般假設(shè)宏觀經(jīng)濟(jì)變量服從2階自回歸(AR2)過程：X = r + r X + r X + e (3) j,i,t j,i,0 j,i,1 j,i,t - 1 j,i,2 j,i,t - 2 j,i,t其中，X ，r X 表示宏觀經(jīng)濟(jì)變量X的一階和二階的滯后項(xiàng)；r = (r ,r ,r )表 j,i,t-1 j,i,2 j,i,t - 2jjj,i,0 j,i,1 j,i,2示需要估計(jì)的參數(shù)；e表示獨(dú)立同分布的殘差項(xiàng)；e -N(O,。)和e-N(O，E )。其中，e j,i,tj,i,tej,i,ttet表示殘差e的向量形式，工e

7、為(jxi)(jxi)的方差協(xié)方差矩陣。為了計(jì)算違約概率，需要考慮下面的幾個(gè)方程(4)：Pj * = 1 | eyjt= ./?/()卜給:iXg + 如Xj* + . + 島mXgt T 3ry ELJ心J,Ev,eX = r + r X + r X + e j,i,t j,i,0 j,i,1 j,i,t - 1 j,i,2 j,i,t - 2 j,i,t fl r E 其中殘差的向量E表示為 L ；_-N(O,)，這里 t 和Eev表示交叉的協(xié)方差陣。在計(jì)算了(4)的幾個(gè)方程后，可以通過以下步驟來計(jì)算違約概率：第一步：對協(xié)方差矩陣工進(jìn)行Cholesky分解，即：工=AA(5)第二步：產(chǎn)生標(biāo)

8、準(zhǔn)正態(tài)分布的隨機(jī)向量Z-N(0，I)，然后計(jì)算E =AZ，所得的結(jié)果就 是匕和。川，代入(4)的估計(jì)值就得到了 Y,t和P,t。t t1.3條件轉(zhuǎn)移矩陣為了推導(dǎo)條件信用轉(zhuǎn)移矩陣，使用根據(jù)穆迪(Moody)公司或標(biāo)準(zhǔn)普爾(Standard & Poor)公司的歷史數(shù)據(jù)計(jì)算的信用等級轉(zhuǎn)移矩陣(無條件的馬爾可夫轉(zhuǎn)移矩陣)，記做幣M。 之所以稱為無條件轉(zhuǎn)移概率，因?yàn)樗鼈兪腔?0年、跨越好幾個(gè)經(jīng)濟(jì)周期和產(chǎn)業(yè)的數(shù)據(jù) 之上推導(dǎo)的歷史平均數(shù)。非投資級的債務(wù)人在經(jīng)濟(jì)衰退時(shí)期的違約概率平均較高，此時(shí)信用降級的概率下降， 信用升級的概率上升，在經(jīng)濟(jì)擴(kuò)張時(shí)期，與此相反，即(6)：J、。廠經(jīng)濟(jì)衰退時(shí)偵、DP經(jīng)濟(jì)繁榮時(shí)

9、其中,SDP表示某級別債券的條件違約概率，SDP表示某級別債券的無條件違約概 t率。Credit Portfolio View利用(6)調(diào)整非條件違約概率矩陣得到以經(jīng)濟(jì)狀態(tài)為條件的信用轉(zhuǎn) 移矩陣：M = M(P,t / SDP)(7)當(dāng)經(jīng)濟(jì)衰退時(shí)，偵時(shí)，增加了債券信用降級和違約的概率：當(dāng)經(jīng)濟(jì)繁榮，頊.、。廠時(shí)，降低了債券信用降級和違約的概率。因?yàn)榭梢杂?jì)算出任何經(jīng)濟(jì)時(shí)期的轉(zhuǎn)移概率矩陣，那么也就可以得到多期的轉(zhuǎn)移矩陣：Mt= n一(8)對上式模擬很多次，就能得到任何時(shí)期，任何評級的條件違約概率的分布。二.Credit Portfolio View模型適用范圍、特點(diǎn)及局限性。2.1適用范圍信用組合觀

10、點(diǎn)模型主要適用于投機(jī)級債務(wù)人，而不太適合于投資級債務(wù)人。因?yàn)橥顿Y級 債務(wù)人的違約率相對穩(wěn)定，而投機(jī)級債務(wù)人的違約率會受周期性宏觀經(jīng)濟(jì)因素的影響而劇烈 變動，所以要根據(jù)宏觀經(jīng)濟(jì)狀況適時(shí)調(diào)整違約概率及其對應(yīng)的信用等級轉(zhuǎn)移矩陣。2.2特點(diǎn)根據(jù)模型對信用損失的不同定義，可以將模型分為兩類：以貸款的市場價(jià)值變化為基礎(chǔ) 的模型稱為盯市模型(Mark-to-Market Model),集中于預(yù)測違約損失的風(fēng)險(xiǎn)機(jī)制的模型稱為違 約模型(Default Model)。盯市模型在計(jì)算貸款價(jià)值的損失和收益中既考慮了違約因素，同時(shí) 也考慮了貸款信用等級上升或者下降以及由此發(fā)生的信用價(jià)差變化等因素。違約模型只考慮 兩種

11、狀態(tài)，即違約或者不違約。盯市模型和違約模型之間的關(guān)鍵差異是盯市模型包括了價(jià)差 風(fēng)險(xiǎn)。Credit Portfolio View模型既可以當(dāng)作盯市模型也可以當(dāng)作違約模型。Credit Portfolio View模型中風(fēng)險(xiǎn)驅(qū)動因素是一套系統(tǒng)的“國家范圍的”宏觀因素和非系 統(tǒng)的宏觀沖擊驅(qū)動著違約風(fēng)險(xiǎn)和借款人之間的違約風(fēng)險(xiǎn)的相關(guān)性。在關(guān)于信用事件的可變性方面，各個(gè)模型之間的關(guān)鍵差異在于，是為違約率建立模型， 還是為違約分布函數(shù)的概率建立模型。在Credit Portfolio view模型中，違約率是一套呈正態(tài) 分布的宏觀因素和沖擊的對數(shù)函數(shù)，因此，隨著宏觀經(jīng)濟(jì)的演變，違約率以及信用等級轉(zhuǎn)換 矩陣中

12、概率也會變化。關(guān)于信用風(fēng)險(xiǎn)因子的計(jì)算方法，Credit Portfolio View模型的違約損失率的估計(jì)是通過蒙 特卡羅模擬法進(jìn)行的。2.3局限性2.3.1該法要求每個(gè)國家、甚至每個(gè)國家內(nèi)的每個(gè)產(chǎn)業(yè)部門都要有完備可靠的違約數(shù)據(jù)， 這顯然是很難實(shí)現(xiàn)。即使能夠?qū)崿F(xiàn)，但如果模型中所包含的行業(yè)越多，關(guān)于違約事件的信息 就會相對變得越少，這也將不利于條件違約概率的確定，并影響模型的應(yīng)用效果。2.3.2模型沒有考慮諸如債務(wù)的剩余期限及其對債務(wù)償還情況等微觀經(jīng)濟(jì)因素的影響， 而是完全依賴宏觀經(jīng)濟(jì)因素來決定信用等級轉(zhuǎn)移概率，這有點(diǎn)過于武斷和片面。2.3.3模型對企業(yè)信用等級變化所進(jìn)行的調(diào)整，容易受銀行在信貸

13、方面積累的經(jīng)驗(yàn)和對 信貸周期的主觀認(rèn)識等人為因素的影響，從而有可能降低調(diào)整后模型的客觀性、可信性。2.3.4模型有可能受到調(diào)整信用等級轉(zhuǎn)移矩陣的特定程序的限制，而且也無法判定在實(shí) 踐中是否一定比簡單的貝葉斯模型表現(xiàn)更好。2.3.5 Credit Portfolio View模型對于轉(zhuǎn)移概率的調(diào)整帶有一定的任意性。2.3.6假設(shè)是利率和風(fēng)險(xiǎn)暴露不變，但這不符合實(shí)際情況。2.3.7沒有全面考慮到信用借款人具體情況如銀行授信、貸款合同擔(dān)保能力、債務(wù)期限 等因素，尤其是沒有考慮到借款人的道德風(fēng)險(xiǎn)而道德風(fēng)險(xiǎn)在我國是個(gè)較為普遍的現(xiàn)象。三.混合使用多個(gè)模型的建議Credit Portfolio View模型

14、是國際使用最多的幾大模型之一。另外還包括KMV模型， Credit Metrics模型，Credit Risk +模型。這幾個(gè)模型各有自己的優(yōu)劣，分別使用于不同的情 況。筆者認(rèn)為將這幾個(gè)模型的優(yōu)勢結(jié)合，同時(shí)去除各自的劣勢，將可以得到一個(gè)預(yù)測更加精 確的模型。但是每個(gè)模型的依據(jù)有很大的差別，將這幾個(gè)模型結(jié)合成一個(gè)預(yù)測更精確的模型 是難以實(shí)現(xiàn)的。所以，是否可以用另一種方法來提高預(yù)測的精確性，即在實(shí)際應(yīng)用中，將這 幾個(gè)模型混合使用。首先，要明確每個(gè)模型的使用范圍。KMV模型是以期權(quán)定價(jià)模型為技術(shù)核心，它的輸 人數(shù)據(jù)為公司股票交易數(shù)據(jù)和財(cái)務(wù)報(bào)表中的財(cái)務(wù)數(shù)據(jù)，因此它可以被用于任何股權(quán)公開交易 的上市公司

15、。并且KMV模型不要求有效市場假設(shè)，這在一些有效市場性較弱的國度是很有 用的。CeridtMetircs模型依賴于銀行的內(nèi)部評級系統(tǒng)，據(jù)此來計(jì)提壞賬準(zhǔn)備金以及衡量資本 充足率水平。該模型幾乎涵蓋了所有的信用產(chǎn)品，由于強(qiáng)調(diào)信用評級的一致性和一貫性，它 是典型的可以在不同行業(yè)之間比較的量化方法，可以跨行業(yè)比較信用風(fēng)險(xiǎn)管理。另 外,CeridtMeitrcs模型將VaR方法應(yīng)用于信用風(fēng)險(xiǎn)分析,這有利于衡量準(zhǔn)備金和經(jīng)濟(jì)資本。 CeridtiRsk十模型中一個(gè)重要假定是每一筆貸款為獨(dú)立的，而且，每筆獨(dú)立貸款發(fā)生違約的可 能性很小，貸款組合違約概率的分布符合泊松分布ceridtiRsk+模型在解決單個(gè)債務(wù)

16、人違約與 銀行整體客戶違約的概率關(guān)系問題上使用了聯(lián)合概率分布辦法，大大提高了準(zhǔn)確度，并可以推 導(dǎo)出由多項(xiàng)貸款組合的聯(lián)合違約概率分布及損失分布為計(jì)算VaR創(chuàng)造了條件。對于一筆代貸款，銀行可以分析貸款的具體請款分析它適用于哪一種模型評估。當(dāng)然， 只有極少數(shù)的貸款可以完全的用一種模型評估。大部分的貸款應(yīng)該難以判斷出用那種模型評 估。這樣的情況下，銀行可以用兩個(gè)貨兩個(gè)以上的模型對其進(jìn)行評估。對每一個(gè)模型評估得 出的分?jǐn)?shù)賦予一個(gè)權(quán)重，然后計(jì)算綜合得分。最后看綜合得分是否達(dá)到貸款的最低標(biāo)準(zhǔn)來確 定是否貸款。關(guān)于這個(gè)猜想的依據(jù)是：這四個(gè)模型幾乎包含了所有商業(yè)銀行信用風(fēng)險(xiǎn)的影響因子。 對四個(gè)模型的綜合使用，可

17、以避免幾乎所有的漏洞。但混合使用多個(gè)模型的關(guān)鍵在于，給每個(gè)模型的評估結(jié)果各自賦予多大的權(quán)重。賦予 不同的權(quán)重將直接影響到最終結(jié)果，也將直接影響到這種方法的精確性。對應(yīng)每一筆貸款， 賦予使用的模型各自的多大的權(quán)重，應(yīng)該是這筆貸款的具體情況而定。比如這筆貸款所處的 行業(yè)屬于現(xiàn)在波動性比較大的行業(yè)，而恰好該企業(yè)的質(zhì)量并不太好，則應(yīng)該賦予 CreditPortfolio View模型更多的權(quán)重；如果一筆貸款是在有效市場性比較弱的國家，那就應(yīng)該賦予KMV模型更大的權(quán)重。這需要銀行貸款負(fù)責(zé)人對每個(gè)模型各自的原理、適用等有一個(gè)精確 的了解，也應(yīng)該對請求貸款的企業(yè)或個(gè)人有一個(gè)而深入的調(diào)研。下面關(guān)于 KMV 模型，Credit Metrics 模型，Credit Risk + 模型，Credit Portfolio View 模型 的比較如下：CreditMetricsTM模型KMV模型CreditRisk + 模型CreditPortifolioViewTM模型信用損失定義盯市方法盯市方法或違