兩種銀行信貸風(fēng)險量化模型的應(yīng)用及對比

1、精選優(yōu)質(zhì)文檔-傾情為你奉上精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)專心-專注-專業(yè)精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)數(shù)學(xué)與應(yīng)用數(shù)學(xué)學(xué)年論文題目 兩種銀行信貸風(fēng)險量化模型的應(yīng)用 及對比 學(xué)號 姓名 秦紅波 教師評語：成 績 指導(dǎo)教師 摘要: 信貸風(fēng)險是我國銀行面臨的主要風(fēng)險,它構(gòu)成了我國銀行風(fēng)險管理的重點(diǎn)和難點(diǎn)，是銀行風(fēng)險管理的核心。近20年來，風(fēng)險計量領(lǐng)域最主要的進(jìn)展就是發(fā)展出了一套完整的模型體系，目前正式對外公布、有影響力的信用風(fēng)險量化模型主要有四個，其分別是GreditMetrics模型、KMV模型、CSFP GreditRisk+模型、CPV模型。文章首先對信貸風(fēng)險的概念和性質(zhì)

2、進(jìn)行了分析，然后在此基礎(chǔ)上對現(xiàn)代信用風(fēng)險量化模型進(jìn)行闡述與對比，指出各自的原理、優(yōu)缺點(diǎn)和適用范圍，為信貸風(fēng)險量化方法和模型的應(yīng)用或研究提供一定的幫助。關(guān)鍵字：信貸風(fēng)險、GreditMetrics模型、KMV模型、CSFP GreditRisk+模型、CPV模型 1、信貸風(fēng)險的相關(guān)概念分析1.1 信貸風(fēng)險的涵義 信貸風(fēng)險是商業(yè)銀行面臨的最基本、最古老也是危害最大的風(fēng)險。信貸風(fēng)險是指債務(wù)人由于各種原因不能完全履約而遭受損失的可能性, 隨著現(xiàn)代風(fēng)險環(huán)境的變化和信用衍生品市場的出現(xiàn), 使信貸風(fēng)險還包括由于信用事件引起的損失的可能性。 由以上信貸風(fēng)險的涵義我們可以看出, 現(xiàn)代信貸風(fēng)險得涵義主要包括兩個方

3、面:( 1) 信貸違約風(fēng)險。這是所有的銀行貸款都面臨的風(fēng)險。在借款企業(yè)不能夠按期歸還貸款的情況下, 銀行的收益將遭受的損失。信貸違約風(fēng)險并不考慮借款企業(yè)沒有發(fā)生違約情況下的損失, 借款人沒有發(fā)生違約就表示銀行不會遭受任何損失。但是, 一旦借款人選擇違約, 銀行就會遭受一定的損失, 損失的大小取決于借款人賠付率的大小。當(dāng)前情況下, 我國商業(yè)銀行面臨的主要信貸風(fēng)險就屬于信貸違約風(fēng)險。( 2) 信貸息差風(fēng)險。信貸息差風(fēng)險是銀行因?yàn)轱L(fēng)險暴露, 而向借款企業(yè)要求獲得的風(fēng)險補(bǔ)償。隨著金融產(chǎn)品的創(chuàng)新, 銀行持有企業(yè)的金融產(chǎn)品, 由于企業(yè)的信用變化而存在損失的可能性。信貸息差風(fēng)險考慮的是在企業(yè)貸款的期限內(nèi)由于

4、企業(yè)預(yù)期違約概率的增加, 銀行面臨的預(yù)期損失也會趨于增加。因此, 信貸息差風(fēng)險是對信貸違約風(fēng)險很好的補(bǔ)充。隨著證券市場的不斷發(fā)展和完善, 信貸息差風(fēng)險將成為信貸風(fēng)險考慮的主要部分。1.2 信貸風(fēng)險的特征分析。信貸風(fēng)險是客觀存在并且是一種非系統(tǒng)風(fēng)險。風(fēng)險是由于不確定性而產(chǎn)生的損失的可能性, 并且這種不確定性的存在是客觀存在的并不隨人的意志的改變而變化。因此, 銀行信貸風(fēng)險存在每一個借貸關(guān)系中即風(fēng)險無處不在、無時不在。人們在風(fēng)險管理中, 只能使風(fēng)險盡量減至最小而不能夠完全的消除。另外,信貸風(fēng)險有著非系統(tǒng)風(fēng)險的特性, 盡管貸款企業(yè)在經(jīng)營過程中會受到整體經(jīng)濟(jì)變化的影響。但是, 大多數(shù)情況下貸款企業(yè)的還

5、款能力還是取決于其財務(wù)狀況, 企業(yè)經(jīng)營的好壞以及還款意愿等個體因素。因此, 信貸風(fēng)險是一種非系統(tǒng)風(fēng)險。 信貸風(fēng)險收益率為非正態(tài)分布。對于銀行的信貸風(fēng)險來說, 在貸款能夠順利收回的情況下( 概率較大) 銀行可以得到正常的利息收入, 但是當(dāng)發(fā)生壞賬的時候(概率較小) 銀行的損失是整個的本息。這樣, 銀行在概率很小的事件發(fā)生時損失卻是最大, 銀行的收益和風(fēng)險損失就呈現(xiàn)非對稱性。因此, 信貸風(fēng)險的概率分布曲線向左傾斜, 并且在左側(cè)出現(xiàn)“肥尾”現(xiàn)象?，F(xiàn)代信用風(fēng)險量化模型概述2.1 GreditMetrics模型 Credit Metrics信用度量術(shù)。信用度量術(shù)(CreditMetrics) 是J. P

6、. 摩根銀行( JPM) 和一些合作機(jī)構(gòu)1997 年推出的, 第一個公開的銀行業(yè)用于投資組合信用風(fēng)險度量的方法?，F(xiàn)在該方法已經(jīng)成為當(dāng)今世界最為著名的信貸風(fēng)險度量模型之一。 該模型主要著眼于流動性非常好的債券市場或債券衍生品市場, 因此可以輕易收集廣泛的價格和評級數(shù)據(jù)。它對貸款和債券在給定的時間單位內(nèi)( 通常為一年) 的未來價值變化分布進(jìn)行估計, 并通過在險價值(Value atRisk, VaR) 來衡量風(fēng)險。這里, VaR 用來衡量投資組合風(fēng)險敞口的程度, 是指在正常的市場情況和一定的置信水平下, 在給定的時間段內(nèi)預(yù)期可能發(fā)生的最大損失。該方法在應(yīng)用中還需要對以下問題進(jìn)行探討: ( 1) 模

7、型中違約率直接取自歷史數(shù)據(jù)平均值, 但實(shí)證研究表明,違約率與宏觀經(jīng)濟(jì)狀況有直接關(guān)系, 并非固定不變; ( 2) 模型假定資產(chǎn)收益服從正態(tài)分布, 但實(shí)證研究表明, 實(shí)際分布呈現(xiàn)厚尾特征; ( 3) 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)仍有待進(jìn)一步的驗(yàn)證, 計算結(jié)果對于這一假定的敏感性很高; ( 4) 信用等級遷移矩陣未必是穩(wěn)定的, 它受到行業(yè)、國家、周期等因素影響; ( 5) 模型中假定無風(fēng)險利率是固定的, 但是現(xiàn)實(shí)中這是一個變化的量。此外, 模型的計算需要很多的數(shù)據(jù), 然而很多數(shù)據(jù)是不可能得到的。因此, 這就給模型計算的準(zhǔn)確度有了一定的影響。2.2、KMV模型 KMV

8、期權(quán)定價模型。KMV 模型的理論基礎(chǔ)是BlackScholes( 1973) 和Merton( 1974) 的期權(quán)定價理論。該模型通過對上市公司股價波動的分析來預(yù)測股權(quán)公開交易的公司發(fā)生違約的可能性。KMV 模型假設(shè): 當(dāng)公司的資產(chǎn)大于負(fù)債時, 股東則行使該看漲期權(quán), 即償還債務(wù), 繼續(xù)擁有公司; 如果資產(chǎn)小于負(fù)債, 股東則選擇使公司破產(chǎn), 公司所有者將公司資產(chǎn)出售給債權(quán)的持有人, 即債權(quán)人擁有公司。因此, 企業(yè)的股權(quán)價值可以用BlackScholes 期權(quán)定價模型來定價?；贛erton 提出的違約證券估價模型, KMV 建立了一個基于公司資產(chǎn)結(jié)構(gòu)的違約概率、違約概率轉(zhuǎn)移矩陣計算框架的公司信

9、用風(fēng)險度量模型。由于Merton 期權(quán)定價理論確定的違約概率與實(shí)際違約概率具有一定的差距, 為區(qū)分理論違約概率(Q) 與實(shí)際違約概率, KMV 引入了期望違約率(Expected Default Frequency, EDF) 的概念。對EDF的度量分三步進(jìn)行: 首先估計公司資產(chǎn)價值和公司資產(chǎn)波動率: 其次計算違約距離DD(DistancetoDefault) , 它是用指標(biāo)形式表示的違約風(fēng)險值; 最后使用KMV 違約數(shù)據(jù)庫將DD 轉(zhuǎn)化為EDF。該方法的主要優(yōu)點(diǎn): ( 1) 它可以被用于任何公開招股公司; ( 2) 由于以股票市場數(shù)據(jù)為基礎(chǔ), 該模型包含更多市場信息, 因而認(rèn)為能更好預(yù)測未來。

10、主要問題在于: ( 1) 由于資產(chǎn)市價的估算取決于股價波動率的估算, 用期權(quán)定價方法估算的股價波動率是否可作為公司資產(chǎn)價值估算的可信指標(biāo)是值得推敲的; ( 2) 為了能使用期權(quán)定價公式, 分析時假定公司債務(wù)結(jié)構(gòu)是靜態(tài)不變的, 這與實(shí)際相差甚遠(yuǎn)。( 3) 為求出EDF 值, 假設(shè)資產(chǎn)收益服從正態(tài)分布。2.3、CSFP GreditRisk+模型 Credit Risk+信用風(fēng)險附加法。信用風(fēng)險附加法是瑞士信貸第一波士頓銀行(CSFB) 于1996 年開發(fā)的信貸風(fēng)險管理系統(tǒng)。該系統(tǒng)利用保險業(yè)精算學(xué)的方法來求得債券或者貸款組合的損失分布。該模型是一種違約模型, 只考慮債券或者貸款是否違約并且假定違約

11、的發(fā)生服從泊松分布。經(jīng)過近十年的發(fā)展, 該模型已成為一種在數(shù)據(jù)缺乏情況下估算風(fēng)險資本要求的最好方法之一。 Credit Risk+假定違約率是隨機(jī)的, 可以在信用周期內(nèi)顯著地波動, 并且其本身是風(fēng)險的驅(qū)動因素。因而, CreditRisk+被認(rèn)為是一種“違約率模型”的代表。CSFB 認(rèn)為違約相關(guān)是不可觀察的而且是不穩(wěn)定的, 因此它不是直接通過模型模擬這種關(guān)系, 而是利用違約率的波動性來確定違約相關(guān)性的影響并進(jìn)一步生成貸款組合的損失分布。由于該模型給出的損失分布只是一個解析表達(dá)式, 而且只關(guān)心違約與否幾乎不需要什么估計什么量, 所需要的數(shù)據(jù)很少。因此, 該模型對于損失的計算速度很快。Credit

12、 Risk+的最大優(yōu)點(diǎn)是: ( 1) 相對于其他模型而言,模型僅需要輸入較少的數(shù)據(jù), 主要輸入的數(shù)據(jù)僅為貸款違約率、違約波動率和風(fēng)險暴露, 從而適應(yīng)了傳統(tǒng)業(yè)務(wù)中缺乏數(shù)據(jù)的狀況; ( 2)Credit Risk+對于債券組合或貸款組合的損失概率所得到的是閉形解, 使它在計算上很具吸引力。不足之處主要有: ( 1)Credit Risk+忽略了轉(zhuǎn)移風(fēng)險, 使得每一債務(wù)人的風(fēng)險是固定的, 且不依賴于信用質(zhì)量的最終變化以及未來利率的變動性; ( 2) 模型沒有考慮信用等級的變化, 因此貸款的風(fēng)險暴露在計算期間內(nèi)是固定不變的, 這與事實(shí)是不同的。2.4、CPV模型 CPV信貸組合模型。1998 年, 麥

13、肯錫(MC Kinsey)公司利用基本動力學(xué)的原理提出的Credit PortfolioView 模型是一個用于分析貸款組合風(fēng)險和收益的多因素模型, 它根據(jù)諸如失業(yè)率、GDP 增長率、長期利率水平、政府支出等宏觀因素, 運(yùn)用經(jīng)濟(jì)計量學(xué)和蒙特卡羅技術(shù)來對每個國家不同行業(yè)中不同等級的違約和轉(zhuǎn)移概率的聯(lián)合條件分布進(jìn)行模擬。模型中的違約概率和轉(zhuǎn)移概率都與宏觀經(jīng)濟(jì)狀況緊密相聯(lián)。與Credit Metrics 應(yīng)用的轉(zhuǎn)移概率和違約率不同, 不是以歷史等級轉(zhuǎn)移和違約的數(shù)據(jù)來估計,而是以當(dāng)期的經(jīng)濟(jì)狀態(tài)為條件來計算債務(wù)人的等級轉(zhuǎn)移概率和違約率。當(dāng)經(jīng)濟(jì)狀況惡化時, 降級和違約增加; 反之, 則減少。 麥肯錫(MC

14、 Kinsey) 公司的信用風(fēng)險組合觀點(diǎn)模型不像其他方法那樣以歷史數(shù)據(jù)的平均為基礎(chǔ), 而是以經(jīng)濟(jì)狀態(tài)為條件來求損失的分布。此模型的不足之處在于實(shí)施這一模型需要可靠的數(shù)據(jù)。CPV 方法可以看成是對CreditMetrics 的補(bǔ)充, 它克服了后者不同時期的評級轉(zhuǎn)移矩陣固定不變的缺點(diǎn)。該模型與Credit Metrics 應(yīng)用的轉(zhuǎn)移概率和違約率不同, 不是以歷史等級轉(zhuǎn)移和違約的數(shù)據(jù)來估計,而是以當(dāng)期的經(jīng)濟(jì)狀態(tài)為條件來計算債務(wù)人的等級轉(zhuǎn)移概率和違約概率。但是為了得到轉(zhuǎn)移矩陣, 該模型對經(jīng)濟(jì)衰退和擴(kuò)張時期的違約概率進(jìn)行了調(diào)整。該模型的優(yōu)點(diǎn)在于: ( 1) 充分的考慮了宏觀經(jīng)濟(jì)因素對信用等級遷移的影響;

15、 ( 2) 信用等級遷移概率具有盯市性, 與信用度量術(shù)結(jié)合起來可以提高信用風(fēng)險度量的準(zhǔn)確性; ( 3) 它即可以適合單個借款人也可以適合多個借款人。缺點(diǎn)主要體現(xiàn)在: ( 1) 使用的是很多的宏觀數(shù)據(jù), 因此處理起來特別的繁瑣; ( 2) 該方法不能處理非線性產(chǎn)品。3、我國銀行應(yīng)用信貸風(fēng)險量化模型的現(xiàn)實(shí)選擇 與國外銀行相比，中國銀行業(yè)風(fēng)險管理在外部環(huán)境和內(nèi)部管理等方面都存在著較大的差距，風(fēng)險管理方法中量化管理明顯不足。在風(fēng)險管理中非常重視風(fēng)險的定性分析，如在信用風(fēng)險管理中，重視貸款投向的政策性、合法性以及貸款運(yùn)行的安全性等。當(dāng)然，這些分析在風(fēng)險管理決策中非常重要，但如果缺乏量化分析，就難以在風(fēng)險

16、的識別、度量上精確掌握。建設(shè)中國的信用風(fēng)險的度量體系，對國外現(xiàn)有模型的借鑒及其中國化十分必要。通過上述對現(xiàn)代信用風(fēng)險量化模型的比較分析，四大模型各有優(yōu)缺點(diǎn)。下面我們對模型的可借鑒性進(jìn)行分析。 我們先來看看CreditRisk +模型和CPv模型在中國的實(shí)用情況。從上面敘述來看，CreditRisk+模型和CPv模型雖然有許多優(yōu)點(diǎn)，但是在中國應(yīng)用有一定的難度。CreditRisk+模型的重要假設(shè)前提是貸款之間的獨(dú)立性，而我國銀行貸款之間的關(guān)聯(lián)性較大，這就嚴(yán)重影響了模型在我國的應(yīng)用。CPV模型的實(shí)施需要可靠的數(shù)據(jù)，而每一行業(yè)的違約信息往往不容易取得，同時有關(guān)貸款的歷史價格和交易量等時間序列資料匱乏

17、，導(dǎo)致估計信用資產(chǎn)之間的相關(guān)性困難重重，這些都制約了該模型在我國的廣泛應(yīng)用。此外，還有一個重要原因就是CreditRisk 4-模型和CPV模型都只是CreditMetrics模型和KMV模型的補(bǔ)充，并不是當(dāng)前世界金融界信用風(fēng)險度量模型的主流。 相反，CreditMetrics模型和KMV模型則是目前國際金融界最流行的兩個信用風(fēng)險管理模型。兩者都為銀行和其他金融機(jī)構(gòu)在進(jìn)行貸款等授信業(yè)務(wù)時衡量授信對象的信用狀況，分析所面臨的信用風(fēng)險，防止集中授信，進(jìn)而為實(shí)現(xiàn)投資分散化和具體的授信決策提供了量化的和更加科學(xué)的依據(jù)，對以主觀性和藝術(shù)性為特征的傳統(tǒng)信用分析方法提供了很好的補(bǔ)充。然而，從上述的介紹和分析

18、中，我們又可以明顯地看到這兩個模型在建立的基本思路上又有相當(dāng)大的差異。這些差異主要表現(xiàn)在以下方面。 第一，KMV模型對企業(yè)信用風(fēng)險的衡量指標(biāo)預(yù)期違約率主要來自該企業(yè)股票市場價格變化的有關(guān)數(shù)據(jù)的分析，而CreditMetrics模型對企業(yè)信用風(fēng)險的衡量來自于該企業(yè)信用等級轉(zhuǎn)換及其概率的歷史數(shù)據(jù)的分析。 第二，由于KMV模型采用的是企業(yè)股票市場價格分析方法，這使得可以隨時根據(jù)該企業(yè)股票市場價格的變化來更新模型的輸人數(shù)據(jù)，得出及時反映市場預(yù)期和企業(yè)信用狀況變化的新的預(yù)期違約率。CreditMetrics模型采用的是企業(yè)信用評級指標(biāo)分析法。企業(yè)信用評級，無論是內(nèi)部還是外部，都不可能像股票市場是動態(tài)變化

19、的，而是相當(dāng)長的一段時間內(nèi)保持靜態(tài)特征。 第三，KMV模型被認(rèn)為是一種向前看(forwardlooking)的方法，其預(yù)期違約頻率指標(biāo)中包含了市場投資者對該企業(yè)信用狀況未來發(fā)展趨勢的判斷。CreditMetrics模型采用的主要是依賴信用狀況變化的歷史數(shù)據(jù)的向后看(backlooking)的方法。 第四，KMV模型與CreditMetrics模型所選擇的信用損失計量方法不同。對信用風(fēng)險損失的計量存在兩種不同的方法。KMV模型采用的是違約法，而JP摩根信用度量制模型采用的是盯市法。 第五，KMV模型與CreditMetrics模型對貸款的估計方法不同。CreditMetrics模型采用合同現(xiàn)金流

20、貼現(xiàn)法，就是對貸款合同中規(guī)定的未來現(xiàn)金流按照與該貸款的信用等級相適應(yīng)的貼現(xiàn)利率予以貼現(xiàn)。KMV模型采用的是風(fēng)險中性估計法，它是衍生金融工具估計中常用的方法，根據(jù)這種估計法，貸款被看作是在有限責(zé)任公司制度下基于借款人資產(chǎn)價值的或有要求權(quán)。 從以上KMV模型與CreditMetrics模型的比較來看，KMV模型在我國應(yīng)該有更大的應(yīng)用優(yōu)勢，但實(shí)際情況并不盡然。以下幾點(diǎn)原因阻礙了它在我國的應(yīng)用。 第一，由于我國股票市場的信息不對稱造成的價格扭曲現(xiàn)象，我國股票市場的價格信息被認(rèn)為大概只有60的成分才能反映真實(shí)的價格波動。因此使用股價數(shù)據(jù)計算的股權(quán)收益率和波動性是很不穩(wěn)定的，選取不同時間段的股價數(shù)據(jù)計算得

21、出的結(jié)果可能存在較大的差異。 第二，企業(yè)公布的資產(chǎn)負(fù)債表可能存在虛假的信息。我國對企業(yè)信息披露的準(zhǔn)確性和真實(shí)性的約束還不夠。 第三，缺少企業(yè)違約歷史數(shù)據(jù)庫，不能根據(jù)歷史的違約和破產(chǎn)頻率得出違約距離和違約概率之間的關(guān)系。相比之下，CreditMetrics模型具有兩個優(yōu)點(diǎn)，一是所計算出的貸款受險價值量可以較為準(zhǔn)確地反映不同信用等級和不同時期的貸款在未來可能發(fā)生的價值損失；二是以受險價值來確定防范信用資產(chǎn)風(fēng)險的最低資本量可以有效地保證銀行在遭受信用風(fēng)險損失的情況下能夠繼續(xù)生存下來。因此，在不久的將來，CreditMetrics模型可較好地用于中國商業(yè)銀行對信貸風(fēng)險進(jìn)行量化和管理。兩種銀行的信貸風(fēng)險

22、量化模型的具體分析4.1 A銀行KMV模型KMV模型的運(yùn)用步驟 首先，它利用Black-Scholes期權(quán)定價公式，根據(jù)企業(yè)資產(chǎn)的市場價值、資產(chǎn)價值的波動性、到期時間、無風(fēng)險借貸利率及負(fù)債的賬面價值估計出企業(yè)股權(quán)的市場價值及其波動性。 其次，根據(jù)公司的負(fù)債計算出公司的違約實(shí)施點(diǎn) (default exercise point，為企業(yè) 1年以下短期債務(wù)的價值加上未清償長期債務(wù)賬面價值的一半)，計算借款人的違約距離。 最后，根據(jù)企業(yè)的違約距離與預(yù)期違約率(EDF) 之間的對應(yīng)關(guān)系，求出企業(yè)的預(yù)期違約率。 KMV模型的理論基礎(chǔ) KMV模型的優(yōu)勢在于以現(xiàn)代期權(quán)理論基礎(chǔ)作依托，充分利用資本市場的信息而非

23、歷史賬面資料進(jìn)行預(yù)測，將市場信息納入了違約概率，更能反映上市企業(yè)當(dāng)前的信用狀況，是對傳統(tǒng)方法的一次革命。KMV模型是一種動態(tài)模型，采用的主要是股票市場的數(shù)據(jù)，因此，數(shù)據(jù)和結(jié)果更新很快，具有前瞻性，是一種“向前看”的方法。在給定公司的現(xiàn)時資產(chǎn)結(jié)構(gòu)的情況下，一旦確定出資產(chǎn)價值的隨機(jī)過程，便可得到任一時間單位的實(shí)際違約概率。其劣勢在于假設(shè)比較苛刻，尤其是資產(chǎn)收益分布實(shí)際上存在“肥尾”現(xiàn)象，并不滿足正態(tài)分布假設(shè)；僅抓住了違約預(yù)測，忽視了企業(yè)信用品質(zhì)的變化；沒有考慮信息不對稱情況下的道德風(fēng)險 ；必須使用估計技術(shù)來獲得資產(chǎn)價值、企業(yè)資產(chǎn)收益率的期望值和波動性；對非上市公司因使用資料的可獲得性差，預(yù)測的準(zhǔn)確

24、性也較差；不能處理非線性產(chǎn)品，如期權(quán)、外幣掉期等 。KMV模型的研究階段KMV模型自1993年推出以來,國外學(xué)術(shù)界對KMV模型的研究經(jīng)歷了兩個階段:第一階段將KMV模型的預(yù)測結(jié)果與實(shí)際的違約數(shù)據(jù)相比較,大多數(shù)研究結(jié)果表明,KMV模型能夠反映信用風(fēng)險的高低,并對信用風(fēng)險具有很高的敏感性第二階段國外學(xué)術(shù)界對模型的驗(yàn)證尋找到新的角度,并開發(fā)出多種驗(yàn)證模型有效性的方法和技術(shù)我國學(xué)者主要對模型在我國適應(yīng)性和參數(shù)調(diào)整方面進(jìn)行了許多探討,取得了一定的成果張林張佳林(2000)王瓊陳金賢(2002) 先后對KMV模型與其他模型進(jìn)行理論上比較,認(rèn)為更適合于評價上市公司的信用風(fēng)險薛鋒,街,劉冀云(2003)利用的

25、數(shù)據(jù),得出了應(yīng)中市場的v和E的關(guān)系函數(shù),并以一只股票為樣本進(jìn)行了實(shí)證分析喬卓等(2003)介紹了KMV模型的基本內(nèi)容,以及國外的應(yīng)用經(jīng)驗(yàn),但是并沒有進(jìn)行實(shí)證研究易丹輝,(2004年)對深市和滬市隨機(jī)抽取30家公司分行業(yè)計算違約距離和違約率并作比較,認(rèn)為借助違約距離衡量上市公司的信用風(fēng)險是可行的由于缺少大量違約公司樣本的歷史數(shù)據(jù)庫,因此,我國目前無法通過比較違約距離和破產(chǎn)頻率的歷史,擬合出代表公司違約距離的預(yù)期違約率函數(shù)本文嘗試使用上市公司在某國有商業(yè)銀行貸款不良率替代其違約率,并根據(jù)我國資本市場的特點(diǎn),選取KMV模型的相關(guān)參數(shù),同時采用某國有商業(yè)銀行 2001年12月31日的235家貸款客戶的

26、不良率來替代上市公司的違約率進(jìn)行實(shí)證分析,建立違約距離與不良率的函數(shù)關(guān)系 KMV模型的評價KMV是運(yùn)用現(xiàn)代期權(quán)定價理論建立起來的違約預(yù)測模型，是對傳統(tǒng)信用風(fēng)險度量方法的一次重要革命。首先，KMV可以充分利用資本市場上的信息，對所有公開上市企業(yè)進(jìn)行信用風(fēng)險的量化和分析；其次，由于該模型所獲取的數(shù)據(jù)來自股票市場的資料，而非企業(yè)的歷史數(shù)據(jù)，因而更能反映企業(yè)當(dāng)前的信用狀況，具有前瞻性，其預(yù)測能力更強(qiáng)、更及時，也更準(zhǔn)確；另外，KMV模型建立在當(dāng)代公司理財理論和期權(quán)理論的基礎(chǔ)之上，具有很強(qiáng)的理論基礎(chǔ)做依托。但是，KMV模型與其他已有的模型一樣，仍然存在許多缺陷。首先，模型的使用范圍由一定的局限性。通常，該

27、模型特別適用于上市公司的信用風(fēng)險評估，而對非上市公司進(jìn)行應(yīng)用時，往往要借助一些會計信息或其他能夠反映借款企業(yè)特征值的指標(biāo)來替代模型中一些重要變量，同時還要通過對比分析最終得出該企業(yè)的期望違約概率，在一定程度上就有可能降低計算的準(zhǔn)確性。其次，該模型假設(shè)公司的資產(chǎn)價值服從正態(tài)分布，而實(shí)際中企業(yè)的資產(chǎn)價值一般會呈現(xiàn)非正態(tài)的統(tǒng)計特征。再次，模型不能夠?qū)鶆?wù)的不同類型進(jìn)行區(qū)分，如償還優(yōu)先順序、擔(dān)保、契約等類型，使得模型的輸出變量的計算結(jié)果不準(zhǔn)確。北達(dá)公司根據(jù)過渡經(jīng)濟(jì)的資本市場的特點(diǎn)，開發(fā)具有中國特色的上市公司信用KMV模型目前在進(jìn)行壓力測試階段. 4.2 B銀行Creditmetrics模型Credit

28、metrics模型（信用計量模型）是J.P.摩根在1997年推出的用于量化信用風(fēng)險的風(fēng)險管理產(chǎn)品。與1994年推出的量化市場風(fēng)險的Riskmetrics一樣，該模型引起了金融機(jī)構(gòu)和監(jiān)管當(dāng)局的高度重視，是當(dāng)今風(fēng)險管理領(lǐng)域在信用風(fēng)險量化管理方面邁出的重要一步。 Creditmetrics模型的基本思想信用風(fēng)險取決于債務(wù)人的信用狀況，而企業(yè)的信用狀況由被評定的信用等示。因此，信用計量模型認(rèn)為信用風(fēng)險可以說直接源自企業(yè)信用等級的變化，并假定信用評級體系是有效的，即企業(yè)投資失敗、利潤下降、融資渠道枯竭等信用事件對其還款履約能力的影響都能及時恰當(dāng)?shù)赝ㄟ^其信用等級的變化而表現(xiàn)出來。信用計量模型的基本方法就是

29、信用等級變化分析。轉(zhuǎn)換矩陣（Transition Matrix一般由信用評級公司提供），即所有不同信用等級的信用工具在一定期限內(nèi)變化（轉(zhuǎn)換）到其他信用等級或維持原級別的概率矩陣，成為該模型重要的輸入數(shù)據(jù)。信用工具（包括債券和貸款等）的市場價值取決于債務(wù)發(fā)行企業(yè)的信用等級，即不同信用等級的信用工具有不同的市場價值，因此，信用等級的變化會帶來信用工具價值的相應(yīng)變化。根據(jù)轉(zhuǎn)換矩陣所提供的信用工具信用等級變化的概率分布，同時根據(jù)不同信用等級下給定的貼現(xiàn)率就可以計算出該信用工具在各信用等級上的市場價值（價格），從而得到該信用工具市場價值在不同信用風(fēng)險狀態(tài)下的概率分布。這樣就達(dá)到了用傳統(tǒng)的期望和標(biāo)準(zhǔn)差來衡

30、量資產(chǎn)信用風(fēng)險的目的，也可以在確定的置信水平上找到該信用資產(chǎn)的信用值，從而將Var的方法引入到信用風(fēng)險管理中來。信用計量模型的一個基本特點(diǎn)就是從資產(chǎn)組合而并不是單一資產(chǎn)的角度來看待信用風(fēng)險。根據(jù)馬柯威茨資產(chǎn)組合管理理論，多樣化的組合投資具有降低非系統(tǒng)性風(fēng)險的作用，信用風(fēng)險很大程度上是一種非系統(tǒng)性風(fēng)險，因此，在很大程度上能被多樣性的組合投資所降低。另一方面，由于經(jīng)濟(jì)體系中共同的因素（系統(tǒng)性因素）的作用，不同信用工具的信用狀況之間存在相互聯(lián)系，由此而產(chǎn)生的系統(tǒng)性風(fēng)險是不能被分散掉的。這種相互聯(lián)系由其市場價值變化的相關(guān)系數(shù)（這種相關(guān)系數(shù)矩陣一般也由信用評級公司提供）表示。由單一的信用工具市場價值的概

31、率分布推導(dǎo)出整個投資組合的市場價值的概率分布可以采取馬柯威茨資產(chǎn)組合管理分析法。 4、由于信用計量模型將單一的信用工具放入資產(chǎn)組合中衡量其對整個組合風(fēng)險狀況的作用，而不是孤立地衡量某一信用工具自身的風(fēng)險，因而，該模型使用了信用工具邊際風(fēng)險貢獻(xiàn)這樣的概念來反映單一信用工具對整個組合風(fēng)險狀況的作用。邊際風(fēng)險貢獻(xiàn)是指在組合中因增加某一信用工具的一定持有量而增加的整個組合的風(fēng)險（以組合的標(biāo)準(zhǔn)差表示）。通過對比組合中各信用工具的邊際風(fēng)險貢獻(xiàn)，進(jìn)而分析每種信用工具的信用等級、與其他資產(chǎn)的相關(guān)系數(shù)以及其風(fēng)險暴露程度等各方面因素，可以很清楚地看出各種信用工具在整個組合的信用風(fēng)險中的作用，最終為投資者的信貸決策

32、提供科學(xué)的量化依據(jù)。 Creditmetrics模型分析受險價值(VaR)方法：受險價值模型就是為了度量一項(xiàng)給定的資產(chǎn)或負(fù)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。VaR方法度量非交易性金融資產(chǎn)如貸款的受險價值時則會遇到如下問題：因?yàn)榻^大多數(shù)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。貸款的價值分布離正態(tài)分布狀偏差較大。 “信用度量制”方法(CreditMetrics)：信用度量制是通過掌握借款企業(yè)的資料如:借款人的信用等級資料（2）下一年度該信用級別水平轉(zhuǎn)換為其它信用級別的概率（3）違約貸款的收復(fù)率計算出非交易性的貸款和債券

33、的市值P和市值變動率，從而利用受險價值方法對單筆貸款或貸款組合的受險價值量進(jìn)行度量的方法。 4.3 兩種銀行量化模型的比較分析 KMV模型與是目前國際金融界最流行的兩個模型。兩者都為銀行和其它金融機(jī)構(gòu)在進(jìn)行貸款等授信業(yè)務(wù)時衡量授信對象的信用狀況，分析所面臨的信用風(fēng)險，防止集中授信，進(jìn)而為實(shí)現(xiàn)投資分散化和具體的授信決策提供量化的、更加科學(xué)的依據(jù)，為以主觀性和藝術(shù)性為特征的傳統(tǒng)信用分析方法提供了很好的補(bǔ)償。然而，從上述的介紹和分析中，我們又可以明顯地看到這兩個模型在建模的基本思路上又相當(dāng)大的差異，這些差異還主要表現(xiàn)在以下幾個方面。 1、KMV模型對企業(yè)信用風(fēng)險的衡量指標(biāo)edf主要來自于對該企業(yè)股票市場價格變化的有關(guān)數(shù)據(jù)的分析，而對企業(yè)信用風(fēng)險的衡量來自于對該企業(yè)信用評級變化及其概率的歷史數(shù)據(jù)的分析。這是兩者最根本的區(qū)別之一。2、由于KMV模型采用的是企業(yè)股票市場價格分析方法，這使得該模型可以隨時根據(jù)該企業(yè)