評估信用風(fēng)險管理

評估信用風(fēng)險管理第一頁，共一百四十頁，編輯于2023年，星期五第14章信用風(fēng)險管理14.1信用風(fēng)險14.2信用風(fēng)險識別14.3信用風(fēng)險靜態(tài)度量14.4信用評級轉(zhuǎn)移14.5信用組合風(fēng)險評估14.6信用風(fēng)險監(jiān)測14.7信用風(fēng)險管理2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉2第二頁，共一百四十頁，編輯于2023年，星期五14.3信用風(fēng)險度量2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉3第三頁，共一百四十頁，編輯于2023年，星期五信用風(fēng)險度量2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉4第四頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉514.3信用風(fēng)險度量信用風(fēng)險度量是現(xiàn)代信用風(fēng)險管理的基礎(chǔ)和關(guān)鍵環(huán)節(jié)。信用風(fēng)險度量經(jīng)歷了從專家判斷化、信用評分模型到違約概率模型分析三個主要發(fā)展階段《巴塞爾新資本協(xié)議》明確要求，商業(yè)銀行的內(nèi)部評級應(yīng)基于二維評級體系；一維是客戶評級；另一維是債項評級。第五頁，共一百四十頁，編輯于2023年，星期五單一資產(chǎn)+組合計量模型通過客戶評級、債項評級計量單一客戶/債項的違約率與違約損失率之后，商業(yè)銀行還必須構(gòu)建組合計量模型，用于計量組合內(nèi)各資產(chǎn)得相關(guān)性和組合的預(yù)期損失。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉6第六頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉71、基本概念：客戶信用評級是商業(yè)銀行對客戶償債能力和償債意愿的度量和評價，反映客戶違約風(fēng)險的大小。評價結(jié)果：信用等級與違約概率14.3.1客戶信用評級第七頁，共一百四十頁，編輯于2023年，星期五（1）違約的定義根據(jù)《巴塞爾新資本協(xié)議》，當下列一項或多項事件發(fā)生時，債務(wù)人即被視為違約。①商業(yè)銀行認定，除非采取追索措施，如變現(xiàn)抵押品（如果存在的話），借款人可能無法全額償還對商業(yè)銀行的債務(wù)。②債務(wù)人對于商業(yè)銀行的實質(zhì)性信貸債務(wù)逾期90天以上。若債務(wù)人超過了規(guī)定的透支限額或新核定的限額小于目前余額，各項透支將被視為逾期。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉8第八頁，共一百四十頁，編輯于2023年，星期五③以下情況將被視為可能無法全額償還債務(wù)銀行停止對貸款計息;在發(fā)生信貸關(guān)系后，由于信貸質(zhì)量出現(xiàn)大幅度下降，銀行沖銷了貸款或計提了專項準備金;銀行將貸款出售并相應(yīng)承擔(dān)了較大的經(jīng)濟損失;銀行同意消極債務(wù)重組，由此可能發(fā)生較大規(guī)模的減免或推遲償還本金、利息或費用，造成債務(wù)規(guī)模減少;就借款人對銀行的債務(wù)而言，銀行將債務(wù)人列為破產(chǎn)企業(yè)或類似的狀況;債務(wù)人申請破產(chǎn)，或已經(jīng)破產(chǎn)，或處于類似狀態(tài)，由此將不履行或延期償還銀行債務(wù)。

2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉9第九頁，共一百四十頁，編輯于2023年，星期五（2）違約概率違約概率是指借款人在未來一定時期內(nèi)發(fā)生違約的可能性。在《巴塞爾新資本協(xié)議》中，違約概率被具體定義為借款人內(nèi)部評級1年期違約概率與0.03%中的較高者。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉10第十頁，共一百四十頁，編輯于2023年，星期五違約概率的估計包括兩個層面：

一是單一借款人的違約概率;二是某一信用等級所有借款人的違約概率。常用方法有歷史違約經(jīng)驗、統(tǒng)計模型和外部評級映射三種方法。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉11第十一頁，共一百四十頁，編輯于2023年，星期五歷史違約率——統(tǒng)計估計歷史違約率是指評級機構(gòu)根據(jù)某一信用等級的債務(wù)人在過去一段時間內(nèi)違約的歷史數(shù)據(jù)信息，對該等級的債務(wù)人在未來一段時間內(nèi)的違約概率的統(tǒng)計估計量。累計違約率（CumulativeDefaultRate，CDR）與邊際違約率（MarginalDefaultRate，MDR）是最常用的歷史違約率。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉12第十二頁，共一百四十頁，編輯于2023年，星期五邊際違約率邊際違約率是指某一單位時間內(nèi)（如一年）處于某信用等級的債務(wù)人的違約數(shù)目與初始時該新藥等級債務(wù)人總數(shù)的比率。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉13第十三頁，共一百四十頁，編輯于2023年，星期五生存率債務(wù)人在N-1時還存活，但是在下一年違約的概率為2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉14第十四頁，共一百四十頁，編輯于2023年，星期五累積違約率一定時期內(nèi)的累積違約率CDR是指這段時間內(nèi)處于某信用等級的債務(wù)人的違約數(shù)目占這段時間內(nèi)該信用等級債務(wù)人總數(shù)的比率。累積違約率計算公式為：2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉15第十五頁，共一百四十頁，編輯于2023年，星期五根據(jù)累積違約率計算每年的平均違約概率：2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉16第十六頁，共一百四十頁，編輯于2023年，星期五KMV模型2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉17第十七頁，共一百四十頁，編輯于2023年，星期五KMV模型估計的違約率2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉18第十八頁，共一百四十頁，編輯于2023年，星期五（3）違約損失率客戶違約后給商業(yè)銀行帶來的債項損失包括兩個層面：一是經(jīng)濟損失，考慮所有相關(guān)因素，包括折現(xiàn)率、貸款清收過程中較大的直接成本和間接成本；二是會計損失，也就是商業(yè)銀行的賬面損失，包括違約貸款未收回的貸款本金和利息兩部分。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉19第十九頁，共一百四十頁，編輯于2023年，星期五違約損失率違約損失率（LossGivenDefault,LGD）是指給定借款人違約后貸款損失金額占違約風(fēng)險暴露的比例。其估計公式為損失/違約風(fēng)險暴露，必須以歷史回收率為基礎(chǔ)，參加至少7年、涵蓋一個經(jīng)濟周期的數(shù)據(jù)。違約風(fēng)險暴露是指債務(wù)人違約時的預(yù)期表內(nèi)表外項目暴露總和。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉20第二十頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉21（1）違約損失率的度量方法：市場價值法：通過市場上類似資產(chǎn)的信用價差（CreditSpread）和違約概率推算違約損失率。（3）違約損失率第二十一頁，共一百四十頁，編輯于2023年，星期五市場價值法：其假設(shè)前提是市場能及時有效反映債券發(fā)行公司的信用風(fēng)險變化，主要適用于已經(jīng)在市場上發(fā)行并且可交易的大公司、政府、銀行債券。根據(jù)所采用的信息中是否包含違約債項，市場價值又進一步細分為：市場法（采用違約債項度量非違約債項LGD）隱含市場法（不采用違約債項，直接根據(jù)信用價差度量LGD）。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉22第二十二頁，共一百四十頁，編輯于2023年，星期五回收現(xiàn)金流法：根據(jù)違約歷史清收情況，預(yù)測違約貸款在清收過程中的現(xiàn)金流，并計算出LGD，即：LGD=1－回收率=1－（回收金額－回收成本）/違約風(fēng)險暴露2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉23第二十三頁，共一百四十頁，編輯于2023年，星期五（2）一般LGD評估模型中的解釋變量產(chǎn)品因素公司因素行業(yè)因素地區(qū)因素宏觀經(jīng)濟周期因素2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉24第二十四頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉25第二十五頁，共一百四十頁，編輯于2023年，星期五（3）LGD度量建模步驟第一、數(shù)據(jù)轉(zhuǎn)換觀測并分析所有LGD解釋變量的歷史分布情況，模擬數(shù)據(jù)分布函數(shù)，并按分布函數(shù)將實際數(shù)值轉(zhuǎn)換為模型所需的標準分值。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉26第二十六頁，共一百四十頁，編輯于2023年，星期五第二、模型建立

在數(shù)據(jù)標準化轉(zhuǎn)換后，采用回歸分析技術(shù)聚合這些指標。采用回歸技術(shù)對解釋變量確定合適的權(quán)重。LGD預(yù)測模型一般形式為：2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉27第二十七頁，共一百四十頁，編輯于2023年，星期五第三、預(yù)測與修正

采用上述模型，輸出當期解釋變量的實際數(shù)值，按照模型算法得到債項的預(yù)測LGD；然后，根據(jù)銀行所有債項LGD的平均預(yù)測值對單筆債項的LGD進行統(tǒng)一修正。一般做法是在初始LGD的基礎(chǔ)上乘以一個系數(shù)，以保證預(yù)測的系統(tǒng)無偏性。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉28第二十八頁，共一百四十頁，編輯于2023年，星期五第四、模型驗證

當模型投入使用后一段時期，還須對模型表現(xiàn)做返回檢驗。模型檢驗?zāi)康氖牵海?）確定模型表現(xiàn)好壞；（2）保證模型沒有過度擬合，性能可靠且容易理解；（3）確認建模方法在信貸周期上呈現(xiàn)穩(wěn)健狀態(tài)2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉29第二十九頁，共一百四十頁，編輯于2023年，星期五對LGD模型而言，有兩個重要的檢驗度量指標：一是準確率，它反映了模型預(yù)測的LGD與負債實際損失率的偏差程度；二是有效性，就是模型預(yù)測的置信區(qū)間寬度，通常較窄的置信區(qū)間反映出較好的預(yù)測效果。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉30第三十頁，共一百四十頁，編輯于2023年，星期五“向前檢驗”法第1步，根據(jù)測算LGD的業(yè)務(wù)要求和有關(guān)監(jiān)管規(guī)則，確定數(shù)據(jù)庫結(jié)構(gòu)；按既定要求，經(jīng)過數(shù)據(jù)收集、數(shù)據(jù)整理、數(shù)據(jù)清洗等環(huán)節(jié)，最后形成完整的LGD基礎(chǔ)數(shù)據(jù)庫；第2步，選定某一年度時點，隨機地將該年度（含）之前的所有數(shù)據(jù)分為兩組，一組作為建立LGD模型的基礎(chǔ)數(shù)據(jù)，另一組作為同時點的檢測數(shù)據(jù)；2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉31第三十一頁，共一百四十頁，編輯于2023年，星期五“向前檢驗”法第3步，應(yīng)用主成分分析法或其他指標提取技術(shù)，確定模型結(jié)構(gòu)和參數(shù)，然后計算下一年LGD預(yù)測結(jié)果，并保存到預(yù)測結(jié)果集合；第4步，使用其后發(fā)生的實際損失數(shù)據(jù)對模型準確率和有效性進行全面檢驗；第5步，移動觀測窗口至下一年，并使用該年度之前的數(shù)據(jù)重新建模；第6步，重復(fù)步驟1到5，不斷增加新的LGD預(yù)測值到結(jié)果集；2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉32第三十二頁，共一百四十頁，編輯于2023年，星期五（4）信用損失

信用損失CL是指信用風(fēng)險所引起的損失。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉33第三十三頁，共一百四十頁，編輯于2023年，星期五預(yù)期信用損失ECL與預(yù)期信用損失率

2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉34第三十四頁，共一百四十頁，編輯于2023年，星期五非預(yù)期信用損失UCL與非預(yù)期信用損失率計算方法有兩種：（1）非預(yù)期損失的標準差法分三種情況討論：2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉35第三十五頁，共一百四十頁，編輯于2023年，星期五第一種情況，每種信用資產(chǎn)的違約損失率固定不變，違約標示變量獨立且都服從二項分布，違約損失率也獨立于違約標示隨機變量。此時有：2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉36第三十六頁，共一百四十頁，編輯于2023年，星期五第二種情況，每種信用資產(chǎn)的違約損失率固定不變，違約標示變量都服從二項分布但不一定獨立，違約損失率也獨立于違約標示隨機變量。此時有：2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉37第三十七頁，共一百四十頁，編輯于2023年，星期五第三種情況，每種信用資產(chǎn)的違約損失率可變，違約標示變量都服從二項分布但不一定獨立，違約損失率也獨立于違約標示隨機變量。此時有：2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉38第三十八頁，共一百四十頁，編輯于2023年，星期五（2）非預(yù)期損失的VaR法2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉39

非預(yù)期損失的VaR法是先求信用損失分布，然后求得給定置信度c下最大可能信用損失即VaR值，在計算預(yù)期信用損失，最后計算置信度c下的VaR值與預(yù)期信用損失的差額即為給定置信度c下的非預(yù)期損失。第三十九頁，共一百四十頁，編輯于2023年，星期五例：例：我們將100萬美元投資于A、B、C三種債券，為簡化計算，假設(shè)信用暴露為常數(shù)，違約回收率為0，即違約損失率為1，各違約事件相互獨立。信用風(fēng)險暴露與違約概率如表所示。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉40第四十頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉41債券信用風(fēng)險暴露（萬美元）違約率A250.05B300.10C450.20其中，0.684=（1－0.05）×（1－0.10）×（1－0.20）

0.036=0.05×（1－0.10）×（1－0.20）其他同理。第四十一頁，共一百四十頁，編輯于2023年，星期五VaR計算2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉42可能的違約情況違約損失違約概率累積概率概率加權(quán)損失概率加權(quán)的違約損失偏離均值的差額的平方無00.6840.6840.000120.085A250.0360.7200.9004.970B300.0760.7962.28021.323C450.1710.9677.695172.379A+B550.0040.9710.2206.972A+C700.0090.9800.63028.985B+C750.0190.9991.42572.448A+B+C1000.0011.0000.1007.526加總平均值13.25434.6875第四十二頁，共一百四十頁，編輯于2023年，星期五非預(yù)期損失根據(jù)風(fēng)險價值定義式，我們依據(jù)累積概率可以近似或利用插值法確定風(fēng)險價值。在置信度c=95%下，可以得到風(fēng)險價值的近似值45萬美元。非預(yù)期損失=45-13.25=31.75萬美元2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉43第四十三頁，共一百四十頁，編輯于2023年，星期五(5)信用損失分布

離散損失分布正態(tài)分布指數(shù)分布T分布Cauchy分布Gumbel分布Pareto分布2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉44第四十四頁，共一百四十頁，編輯于2023年，星期五（6）信用風(fēng)險價值CVaR2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉45第四十五頁，共一百四十頁，編輯于2023年，星期五(7)信用價差

信用價差是指為了補償違約風(fēng)險，債權(quán)人要求債務(wù)人在到期日提供高于無風(fēng)險利率的額外收益。其計算方法有兩種。第一種方法，基于風(fēng)險中性定價的信用價差2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉46第四十六頁，共一百四十頁，編輯于2023年，星期五第二種方法，基于KMV模型的信用價差把公司的權(quán)益價值看作是買入者的看漲期權(quán)。當前0時刻債務(wù)的市場價值為2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉47第四十七頁，共一百四十頁，編輯于2023年，星期五歐式賣出期權(quán)的價值為：2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉48第四十八頁，共一百四十頁，編輯于2023年，星期五T期平均收益率為:2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉49第四十九頁，共一百四十頁，編輯于2023年，星期五KMV信用價差為:

2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉50第五十頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉512.客戶信用評級的發(fā)展

（1）專家判斷法（2）信用評分法（3）違約概率模型第五十一頁，共一百四十頁，編輯于2023年，星期五專家判斷系統(tǒng)專家判斷系統(tǒng)是依賴高級信貸人員和信貸專家自身的專業(yè)知識、技能和豐富經(jīng)驗，運用各種專業(yè)性分析工具，在分析評價各種關(guān)鍵要素基礎(chǔ)上依據(jù)主觀判斷來綜合評定信用風(fēng)險的分析系統(tǒng)。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉52第五十二頁，共一百四十頁，編輯于2023年，星期五一般而言，專家系統(tǒng)在分析信用風(fēng)險時主要考慮兩方面因素。①與借款人有關(guān)的因素：聲譽（Reputation）。杠桿（Leverage）。收益波動性（VolatilityofEarnings）。②與市場有關(guān)的因素：經(jīng)濟周期（EconomicCycle）。宏觀經(jīng)濟政策（Macro－EconomyPolicy）。利率水平（LevelInterestRates）。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉53第五十三頁，共一百四十頁，編輯于2023年，星期五最常用的專家判斷系統(tǒng)——5Cs系統(tǒng)品德（Character），是對借款人聲譽的衡量。資本（Capital），是指借款人的財務(wù)杠桿狀況及資本金情況。還款能力（Capactiy）。抵押（Collateral）。經(jīng)營環(huán)境（Condition）。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉54第五十四頁，共一百四十頁，編輯于2023年，星期五5Ps系統(tǒng)包括：個人因素（PersonalFactor）資金用途因素（PurposeFactor）還款來源因素（PaymentFactor）保障因素（ProtectionFactor）公司前景因素（PerpectiveFactor）。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉55第五十五頁，共一百四十頁，編輯于2023年，星期五駱駝（CAMEL）分析系統(tǒng)包括：資本充足性（CapitalAdequacy）資產(chǎn)質(zhì)量（AssetQuality）管理水平（Management）盈利水平（Earnings）流動性（Liquidity）。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉56第五十六頁，共一百四十頁，編輯于2023年，星期五(2)信用評分法

信用評分模型是一種傳統(tǒng)的信用風(fēng)險量化模型，利用可觀察到的借款人特征變量計算出一個數(shù)值(得分)來代表債務(wù)人的信用風(fēng)險，并將借款人歸類于不同的風(fēng)險等級。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉57第五十七頁，共一百四十頁，編輯于2023年，星期五信用評分模型構(gòu)建的基本過程：

①首先，根據(jù)經(jīng)驗或相關(guān)性分析，確定某一類別借款人的信用風(fēng)險主要與哪些經(jīng)濟或財務(wù)因素有關(guān)，模擬出特定形式的函數(shù)關(guān)系式；②其次，根據(jù)歷史數(shù)據(jù)進行回歸分析，得出各相關(guān)因素的權(quán)重以體現(xiàn)其對這一類借款人違約的影響程度；③最后，將屬于此類別的潛在借款人的相關(guān)因素數(shù)值代入函數(shù)關(guān)系式諸出一個數(shù)值，根據(jù)該數(shù)值的大小衡量潛在借款人信用風(fēng)險水平、給予借款人相應(yīng)評級并決定貸款與否。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉58第五十八頁，共一百四十頁，編輯于2023年，星期五目前應(yīng)用最為廣泛的信用評分模型：

線性概率模型線性識別模型Probit模型Logit模型。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉59第五十九頁，共一百四十頁，編輯于2023年，星期五線性概率模型線性概率模型（LinearProbabilityModel）是以評判對象的信用狀況為被解釋變量，多個財務(wù)比率指標為解釋變量，利用最小二乘法回歸得出表示各解釋變量與企業(yè)違約率之間相關(guān)關(guān)系的線性回歸模型，然后利用模型預(yù)測企業(yè)未來的違約概率。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉60第六十頁，共一百四十頁，編輯于2023年，星期五線性概率模型的回歸形式2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉61第六十一頁，共一百四十頁，編輯于2023年，星期五對于多項排序選擇模型有：2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉62第六十二頁，共一百四十頁，編輯于2023年，星期五多項排序選擇模型2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉63第六十三頁，共一百四十頁，編輯于2023年，星期五線性識別模型線性多元判別模型是利用計量經(jīng)濟學(xué)方法從若干表示觀測對象特征的變量值(財務(wù)比率)中篩選出能提供較多信息的變量并建立判別模型。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉64第六十四頁，共一百四十頁，編輯于2023年，星期五其建立方法主要有三類：一是在已知總體分布的前提下求得平均誤判概率最小的分類判別函數(shù)，即貝葉斯判別函數(shù)；二是在不知道總體分布的前提下利用Fisher準則得到最優(yōu)線性判別函數(shù)；三是在不知道總體分布的前提下根據(jù)個體到各總體間的距離進行判別的距離判別函數(shù)。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉65第六十五頁，共一百四十頁，編輯于2023年，星期五Probit模型+Logit模型為了彌補線性概率模型使預(yù)測值落在區(qū)間[0，1]之外的缺陷，研究者假設(shè)違約事件發(fā)生的概率服從某種累積概率分布，使其預(yù)測值落在[0，1]。如果假設(shè)服從累積標準正態(tài)分布，則稱作Probit模型；如果假設(shè)服從累積Logistic分布，則稱作Logit模型。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉66第六十六頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉67第六十七頁，共一百四十頁，編輯于2023年，星期五（3）違約概率模型

違約概率模型分析屬于現(xiàn)代信用風(fēng)險度量方法。20世紀90年代以來，信用風(fēng)險量化模型在銀行業(yè)得到了高度重視和快速發(fā)展，涌現(xiàn)出一批能夠直接計算違約概率的模型。具有代表性的模型有：RiskCalc、CreditMonitor、KPMG的風(fēng)險中性定價模型、死亡率模型2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉68第六十八頁，共一百四十頁，編輯于2023年，星期五3、法人客戶評級模型

（1）Altman的Z計分模型和ZETA模型（2）RiskCalc模型（3）CreditMonitor模型（4）KPMG風(fēng)險中性定價模型（5）死亡率模型2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉69第六十九頁，共一百四十頁，編輯于2023年，星期五（1）Altman的Z計分模型和ZETA模型Altman（1968）認為，影響借款人違約概率的因素主要有五個：流動性（Liquidity）盈利性（Profitability）杠桿比率（Leverage）償債能力（Sovency）活躍性（Activity）。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉70第七十頁，共一百四十頁，編輯于2023年，星期五Z計分模型Z=0.012X1+0.01X2+0.033X3+0.006X4

+0.999X5式中：X1=（流動資產(chǎn)－流動負債）/總資產(chǎn)

X2=留存收益/總資產(chǎn)

X3=息稅前利潤/總資產(chǎn)

X4=股票市場價值/債務(wù)賬在價值

X5=銷售額/總資產(chǎn)。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉71第七十一頁，共一百四十頁，編輯于2023年，星期五判斷作為違約風(fēng)險的指標，Z值越高，違約概率越低。若Z低于1.81，則公司存在很大的破產(chǎn)風(fēng)險，應(yīng)被歸入高違約風(fēng)險等級。若企業(yè)的Z值高于2.99，那么就認為該企業(yè)財務(wù)狀況良好。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉72第七十二頁，共一百四十頁，編輯于2023年，星期五ZETA信用風(fēng)險分析模型，主要用于公共或私有的非金融類公司ZETA模型將模型考察指標由五個增加到七個，分別為：X1：資產(chǎn)收益率指標，等于息稅前利潤/總資產(chǎn)。X2：收益穩(wěn)定性指標，指公司資產(chǎn)收益率在5－10年變動趨勢的標準差。X3：償債能力指標，等于息稅前利潤/總利息支出。X4：盈利積累能力指標，等于留存收益/總資產(chǎn)。該指標能夠反映公司經(jīng)營壽命長短、股利政策、盈利歷史等信息，因此在對公司信用評估中非常重要。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉73第七十三頁，共一百四十頁，編輯于2023年，星期五X5：流動性指標，即流動比率，等于流動資產(chǎn)/流動負債。X6：資本化程度指標，等于普通股/總資本。其中，普通股一般用年間市場價值的平均值代入，總資本除了普通股之外，還包括優(yōu)先股、長期債務(wù)以及融資租賃資產(chǎn)。該比率越大，說明公司資本實力越強，違約概率越小。X7：規(guī)模指標，用公司總資產(chǎn)的對數(shù)表示。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉74第七十四頁，共一百四十頁，編輯于2023年，星期五（2）RiskCalc模型RiskCalc模型是在傳統(tǒng)信用評分技術(shù)基礎(chǔ)上發(fā)展起來的一種適用于非上市公司的違約概率模型。核心：通過嚴格的步驟從客戶信息中選擇出最能預(yù)測違約的一組變量，經(jīng)過適當變換后運用Logit/Probit回歸技術(shù)預(yù)測客戶的違約概率。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉75第七十五頁，共一百四十頁，編輯于2023年，星期五RiskCalc模型構(gòu)建的步驟：

①收集大量的公司數(shù)據(jù)，包括背景資料、財務(wù)報表、非財務(wù)信息、違約記錄等；②對數(shù)據(jù)進行樣本選擇和異常值處理，將樣本劃分為建模樣本、建模外樣本、時段外樣本，構(gòu)建盡可能多的、具有明確經(jīng)濟含義的風(fēng)險因素（50－100個），并對風(fēng)險因素進行秩變換、核變換等處理，將風(fēng)險因素原始值轉(zhuǎn)換為違約率；2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉76第七十六頁，共一百四十頁，編輯于2023年，星期五RiskCalc模型構(gòu)建的步驟：③逐一分析變換各風(fēng)險因素的單調(diào)性、違約預(yù)測能力及彼此間的相關(guān)性，初步選擇出違約預(yù)測能力強、彼此相關(guān)性不高的20－30個風(fēng)險因素；④運用Logit/Probit回歸技術(shù)從初選因素中選擇9－11個最優(yōu)的風(fēng)險因素，并確?；貧w系數(shù)具有明確的經(jīng)濟含義，各變量間不存在多重共線性。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉77第七十七頁，共一百四十頁，編輯于2023年，星期五RiskCalc模型構(gòu)建的步驟：⑤在建模外樣本、時段外樣本中驗證基于建模樣本所構(gòu)建模型的違約區(qū)分能力，確保模型的橫向適用性和縱向前瞻性；⑥對模型輸出結(jié)果進行校正，得到最終各客戶的違約概率。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉78第七十八頁，共一百四十頁，編輯于2023年，星期五（3）CreditMonitor模型

CreditMonitor模型是在Merton模型基礎(chǔ)上發(fā)展起來的一種適用于上市公司的違約概率模型。其核心在于把公司與銀行的借貸關(guān)系視為期權(quán)買賣關(guān)系，因此借貸關(guān)系中的信用風(fēng)險信息隱含在這種期權(quán)交易之中，從而通過應(yīng)用期權(quán)定價理論求解出信用風(fēng)險溢價和相應(yīng)的違約率，即預(yù)期違約頻率（ExpectedDefaultFrequency,EDF）。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉79第七十九頁，共一百四十頁，編輯于2023年，星期五（4）KPMG風(fēng)險中性定價模型風(fēng)險中性定價理論的核心思想是假設(shè)金融市場中的每個參與者都是風(fēng)險中立者，不管是高風(fēng)險資產(chǎn)、低風(fēng)險資產(chǎn)或無風(fēng)險資產(chǎn)，只要資產(chǎn)的期望收益是相等的，市場參與者對其的接受態(tài)度就是一致的，這樣的市場環(huán)境被稱為風(fēng)險中性范式。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉80第八十頁，共一百四十頁，編輯于2023年，星期五KPMG風(fēng)險中性定價理論KPMG公司將風(fēng)險中性定價理論運用到貸款或債券的違約概率計算中，由于債券市場可以提供與不同信用等級相對應(yīng)的風(fēng)險溢價，根據(jù)相同信用等級的期望收益相等的風(fēng)險中性定價原則，每一筆貸款或債券的違約概率就可以相應(yīng)計算出來。例題：2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉81第八十一頁，共一百四十頁，編輯于2023年，星期五（5）死亡率模型死亡率模型是根據(jù)貸款或債券的歷史違約數(shù)據(jù)，計算在未來一定持有期內(nèi)不同信用等級的貸款或債券的違約概率，即死亡率，通常分為：邊際死亡率（MarginalMortalityRate,MMR）累計死亡率（CumulatedMortalityRate，CMP）。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉82第八十二頁，共一百四十頁，編輯于2023年，星期五以等級為B的債券為例，可以使用下面的公式來計算邊際死亡率2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉83第八十三頁，共一百四十頁，編輯于2023年，星期五計算累計死亡率需要先計算出每年的存活率（SurvivalRates,SR）：

SR=1－MMR則n的累計死亡率：2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉84第八十四頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉85第八十五頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉864、個人客戶評分方法（1）信用局評分（2）申請評分（3）行為評分第八十六頁，共一百四十頁，編輯于2023年，星期五（1）信用局評分①風(fēng)險評分，預(yù)測消費者違約/壞賬風(fēng)險的大小；②收益評分，預(yù)測消費者開戶后給商業(yè)銀行帶來潛在收益；③破產(chǎn)評分，預(yù)測消費者破產(chǎn)風(fēng)險的大??；④其他信用特征評分。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉87第八十七頁，共一百四十頁，編輯于2023年，星期五（2）申請評分申請評分模型通過綜合考慮申請者在申請表上所填寫的各種信息。例如年齡、職業(yè)、學(xué)歷、收入、住房狀況以及申請者在信用局的歷史信用信息，對照商業(yè)銀行類似申請者開戶后的信用表現(xiàn)，以評分來預(yù)測申請者開戶后一定時期內(nèi)違約概率，通過比較該客戶的違約概率和商業(yè)銀行可以接受的違約底線來作出拒絕或接受的決定。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉88第八十八頁，共一百四十頁，編輯于2023年，星期五大部分申請評分模型根據(jù)客戶提供的信息將他們區(qū)分為好客戶和壞客戶。信用局風(fēng)險評分模型與申請評分模型具有互補性，可以組成二維或三維矩陣來進行信貸審批決策。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉89第八十九頁，共一百四十頁，編輯于2023年，星期五不同的是申請評分模型是商業(yè)銀行為特定金融產(chǎn)品的申請者量身定做的，能夠更準確、全面地反映商業(yè)銀行客戶的特殊性，而且可以利用更多的信息對客戶將來的信用表現(xiàn)進行預(yù)測；而信用局評分模型通常是對申請者在未來各種信貸關(guān)系中的違約概率作出預(yù)測。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉90第九十頁，共一百四十頁，編輯于2023年，星期五（3）行為評分行為評分被用來觀察現(xiàn)有客戶的行為，以掌握客戶及時還款的可信度。商業(yè)銀行在提供個人信貸產(chǎn)品之后，應(yīng)當不斷收集客戶的消費偏好、守信程度、付款能力等方面的信息，動態(tài)跟蹤客戶表現(xiàn)，靈活調(diào)整策略以控制風(fēng)險，挖掘收益，鞏固客戶忠誠度，增強產(chǎn)品和服務(wù)的競爭力，實現(xiàn)更好的信用風(fēng)險/賬戶管理。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉91第九十一頁，共一百四十頁，編輯于2023年，星期五5．客戶評級/評分的驗證（1）客戶違約風(fēng)險區(qū)分能力的驗證CAP曲線與AR值、ROC曲線與A值、KS檢驗、貝葉斯錯誤率（ER）、條件信息熵比率（CIER）、信息值IV、Brier得分等。（2）違約概率預(yù)測準確性的驗證（校正）二項分布檢驗卡方分布檢驗正態(tài)分布檢驗擴展的交通燈檢驗2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉92第九十二頁，共一百四十頁，編輯于2023年，星期五14.3.2債項評級基本概念債項評級方法貸款分類與債項評級2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉93第九十三頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉94（1）債項評級債項評級是對交易本身的特定風(fēng)險進行度量和評價，反映客戶違約后的債項損失大小。特定風(fēng)險因素包括抵押、優(yōu)先性、產(chǎn)品類別、地區(qū)、行業(yè)等。債項評級既可以只反映債項本身的交易風(fēng)險，也可以同時反映客戶信用風(fēng)險和債項交易風(fēng)險。1、基本概念第九十四頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉95基本概念（2）債項評級與客戶評級的關(guān)系（3）違約損失（4）違約風(fēng)險暴露（5）違約損失率第九十五頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉96對貸款的債項評級主要是通過度量借款人的違約損失率來實現(xiàn)的。（1）違約損失率的度量方法：市場價值法：通過市場上類似資產(chǎn)的信用價差（CreditSpread）和違約概率推算違約損失率。2、債項評級的方法——違約損失率第九十六頁，共一百四十頁，編輯于2023年，星期五市場價值法：其假設(shè)前提是市場能及時有效反映債券發(fā)行公司的信用風(fēng)險變化，主要適用于已經(jīng)在市場上發(fā)行并且可交易的大公司、政府、銀行債券。根據(jù)所采用的信息中是否包含違約債項，市場價值又進一步細分為：市場法（采用違約債項度量非違約債項LGD）隱含市場法（不采用違約債項，直接根據(jù)信用價差度量LGD）。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉97第九十七頁，共一百四十頁，編輯于2023年，星期五回收現(xiàn)金流法：根據(jù)違約歷史清收情況，預(yù)測違約貸款在清收過程中的現(xiàn)金流，并計算出LGD，即：LGD=1－回收率=1－（回收金額－回收成本）/違約風(fēng)險暴露2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉98第九十八頁，共一百四十頁，編輯于2023年，星期五（2）一般LGD評估模型中的解釋變量產(chǎn)品因素公司因素行業(yè)因素地區(qū)因素宏觀經(jīng)濟周期因素2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉99第九十九頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉100第一百頁，共一百四十頁，編輯于2023年，星期五（3）LGD度量建模步驟第一、數(shù)據(jù)轉(zhuǎn)換觀測并分析所有LGD解釋變量的歷史分布情況，模擬數(shù)據(jù)分布函數(shù)，并按分布函數(shù)將實際數(shù)值轉(zhuǎn)換為模型所需的標準分值。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉101第一百零一頁，共一百四十頁，編輯于2023年，星期五第二、模型建立

在數(shù)據(jù)標準化轉(zhuǎn)換后，采用回歸分析技術(shù)聚合這些指標。采用回歸技術(shù)對解釋變量確定合適的權(quán)重。LGD預(yù)測模型一般形式為：2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉102第一百零二頁，共一百四十頁，編輯于2023年，星期五第三、預(yù)測與修正

采用上述模型，輸出當期解釋變量的實際數(shù)值，按照模型算法得到債項的預(yù)測LGD；然后，根據(jù)銀行所有債項LGD的平均預(yù)測值對單筆債項的LGD進行統(tǒng)一修正。一般做法是在初始LGD的基礎(chǔ)上乘以一個系數(shù)，以保證預(yù)測的系統(tǒng)無偏性。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉103第一百零三頁，共一百四十頁，編輯于2023年，星期五第四、模型驗證

當模型投入使用后一段時期，還須對模型表現(xiàn)做返回檢驗。模型檢驗?zāi)康氖牵海?）確定模型表現(xiàn)好壞；（2）保證模型沒有過度擬合，性能可靠且容易理解；（3）確認建模方法在信貸周期上呈現(xiàn)穩(wěn)健狀態(tài)2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉104第一百零四頁，共一百四十頁，編輯于2023年，星期五對LGD模型而言，有兩個重要的檢驗度量指標：一是準確率，它反映了模型預(yù)測的LGD與負債實際損失率的偏差程度；二是有效性，就是模型預(yù)測的置信區(qū)間寬度，通常較窄的置信區(qū)間反映出較好的預(yù)測效果。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉105第一百零五頁，共一百四十頁，編輯于2023年，星期五“向前檢驗”法第1步，根據(jù)測算LGD的業(yè)務(wù)要求和有關(guān)監(jiān)管規(guī)則，確定數(shù)據(jù)庫結(jié)構(gòu)；按既定要求，經(jīng)過數(shù)據(jù)收集、數(shù)據(jù)整理、數(shù)據(jù)清洗等環(huán)節(jié)，最后形成完整的LGD基礎(chǔ)數(shù)據(jù)庫；第2步，選定某一年度時點，隨機地將該年度（含）之前的所有數(shù)據(jù)分為兩組，一組作為建立LGD模型的基礎(chǔ)數(shù)據(jù)，另一組作為同時點的檢測數(shù)據(jù)；2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉106第一百零六頁，共一百四十頁，編輯于2023年，星期五“向前檢驗”法第3步，應(yīng)用主成分分析法或其他指標提取技術(shù)，確定模型結(jié)構(gòu)和參數(shù)，然后計算下一年LGD預(yù)測結(jié)果，并保存到預(yù)測結(jié)果集合；第4步，使用其后發(fā)生的實際損失數(shù)據(jù)對模型準確率和有效性進行全面檢驗；第5步，移動觀測窗口至下一年，并使用該年度之前的數(shù)據(jù)重新建模；第6步，重復(fù)步驟1到5，不斷增加新的LGD預(yù)測值到結(jié)果集；2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉107第一百零七頁，共一百四十頁，編輯于2023年，星期五3、貸款分類與債項評級信貸資產(chǎn)風(fēng)險分類通常是指信貸分析和管理人員或監(jiān)管當局的檢查人員，綜合能夠獲得的全部信息并運用最佳判斷，根據(jù)信貸資產(chǎn)的風(fēng)險程度對信貸資產(chǎn)質(zhì)量作出評價。信貸資產(chǎn)風(fēng)險分類實際上是判斷借款人及時足額歸還貸款本息的可能性。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉108第一百零八頁，共一百四十頁，編輯于2023年，星期五考慮的主要因素包括借款人的還款能力（這是一個綜合概念，包括借款人的現(xiàn)金流量、財務(wù)狀況、影響還款能力的非財務(wù)因素等）借款人的還款記錄借款人的還款意愿貸款的擔(dān)保貸款償還的法律責(zé)任等。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉109第一百零九頁，共一百四十頁，編輯于2023年，星期五貸款五級分類①正常：借款人能夠履行合同，沒有足夠理由懷疑貸款本息不能按時足額償還。②關(guān)注：盡管借款人目前有能力償還貸款本息，但存在一些可能對償不定期產(chǎn)生不利影響的因素。③次級：借款人的還款能力出現(xiàn)明顯問題，完全依靠其正常營業(yè)收入無法足額償還貸款本息，即使執(zhí)行擔(dān)保，也可能會造成一定損失。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉110第一百一十頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉111④可疑：借款人無法足額償還貸款本息，即使執(zhí)行擔(dān)保，也肯定要造成較大損失。⑤損失：在采取所有可能的措施或一切必要的法律程序之后，本息仍然無法收因，或只能收回極少部分。第一百一十一頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉112貸款分類綜合考慮了客戶信用風(fēng)險因素和債項交易損失因素，實際上是根據(jù)預(yù)期損失對信貸資產(chǎn)進行評級主要用于貸后管理，更多地體現(xiàn)為事后評價第一百一十二頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉113債項評級通常僅考慮影響債項交易損失的特定風(fēng)險因素，客戶信用風(fēng)險因素由客戶評級完成?？赏瑫r用于貸前審批、貸后管理，是對債項風(fēng)險的一種預(yù)先判斷債項評級與客戶評級構(gòu)成的二維評級能夠?qū)崿F(xiàn)更為細化的貸款分類。例如，包含10個等級的債項和12個等級的客戶評級可將貸款分為10×12=120類，并具體估算出每類貸款的預(yù)期損失（PD×LGD），以準確計提每筆貸款的風(fēng)險撥備第一百一十三頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉114

對于組合信用風(fēng)險的度量，在評估單個債務(wù)人的違約概率和違約損失率之后，還應(yīng)當在組合層面上計量不同債務(wù)人或不同債項之間的相關(guān)性。1、違約相關(guān)性及其度量（1）相關(guān)系數(shù)（2）連接函數(shù)14.2.3組合信用風(fēng)險度量第一百一十四頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉115相關(guān)系數(shù)假定X、Y分別有觀測值x1，……，xn及y1，……yn則可以計算的樣本估計值r:第一百一十五頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉116對于非線性相關(guān)的度量：

秩相關(guān)系數(shù)（Spearman）坎德爾系數(shù)（Kendall）第一百一十六頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉117秩相關(guān)系數(shù)秩相關(guān)系數(shù)采用兩個變量的秩而不是變量本身來度量相關(guān)性，反映了不同變量排序的線性相關(guān)性：第一百一十七頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉118坎德爾系數(shù)坎德爾系數(shù)通過兩個變量之間變化的一致性反映兩個變量之間的相關(guān)性：第一百一十八頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉119相關(guān)系數(shù)的Excel計算相關(guān)系數(shù)的Excel計算函數(shù)為CORREL（）函數(shù)；CORREL返回單元格區(qū)域array1和array2之間的相關(guān)系數(shù)。使用相關(guān)系數(shù)可以確定兩種屬性之間的關(guān)系。例如，可以檢測某地的平均溫度和空調(diào)使用情況之間的關(guān)系。CORREL(array1,array2)中的Array1為第一組數(shù)值單元格區(qū)域。Array2為第二組數(shù)值單元格區(qū)域。Excel也為數(shù)據(jù)相關(guān)分析提供了相關(guān)分析工具。第一百一十九頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉120連接函數(shù)第一百二十頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉1212、信用風(fēng)險組合模型

根據(jù)原理上的差異，信用風(fēng)險組合模型可以分為兩類：（1）解析模型。通過一些簡化假設(shè)，對信貸資產(chǎn)組合給出一個“準確”的解。解析模型能夠快速得到結(jié)果，但缺點是需要建立在對違約風(fēng)險因素諸多苛刻的假定基礎(chǔ)上。（2）仿真模型。用大量仿真實驗（情景模擬）所產(chǎn)生的經(jīng)驗分面來近似代替真實分布。仿真模型具有很大的靈活性，但是對信息系統(tǒng)的計算能力要求很高。第一百二十一頁，共一百四十頁，編輯于2023年，星期五2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉122常用的組合信用風(fēng)險模型1、CreditMetrics模型：CreditMetrics模型本質(zhì)上是一個VaR模型，目的是為了計算出在一定的置信水平下，一個信用資產(chǎn)組合在持有期限內(nèi)可能發(fā)生的最大損失。CreditMetrics模型的創(chuàng)新之處正是在于解決了計算非交易性資產(chǎn)組合VaR這一難題。

第一百二十二頁，共一百四十頁，編輯于2023年，星期五2、CreditPortfolioView模型（仿真模型）麥肯錫公司提出的CreditPortfolioView模型直接將轉(zhuǎn)移概率與宏觀因素的關(guān)系模型化，然后通過不斷加入宏觀因素沖擊來模擬轉(zhuǎn)移率的變化，得出模型中的一系列參數(shù)值。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉123第一百二十三頁，共一百四十頁，編輯于2023年，星期五3、CreditRisk+模型（解析模型）CreditRisk+模型是根據(jù)針對火災(zāi)險的財險精算原理，對貸款組合違約率進行分析的，并假設(shè)在組合中，每筆貸款只有違約和不違約兩種狀態(tài)。與此相類似，CreditRisk+模型認為，貸款組合中不同類型的貸款同時違約的概率是很小的且相互獨立，因此，貸款組合的違約率服從泊松分布。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉124第一百二十四頁，共一百四十頁，編輯于2023年，星期五信用組合違約率模型的特征比較（1）依據(jù)的原理與分析方法（2）違約測度與盯市測度（3）違約驅(qū)動因素（4）測度的條件性（5）測度的離散性與連續(xù)性（6）風(fēng)險中性測度與自然測度表14-4違約率的主流測度方法的特征比較2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉125第一百二十五頁，共一百四十頁，編輯于2023年，星期五3．組合損失的壓力測試壓力測試是一種風(fēng)險管理技術(shù)，用于評估特定事件或特定金融變量的變化對金融機構(gòu)財務(wù)狀況的潛在影響。壓力測試主要采用敏感性分析和情景分析方法。實踐中，商業(yè)銀行可以對信用風(fēng)險模型中的每一個變量進行壓力測試。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉126第一百二十六頁，共一百四十頁，編輯于2023年，星期五敏感性分析=情景分析？敏感性分析用來測試單個風(fēng)險因素或一小組密切相關(guān)的風(fēng)險因素的假定運動（如收益曲線的平移）對組合價值的影響；著重分析特定風(fēng)險因素對組合或業(yè)務(wù)單元的影響。情景分析情景分析模擬一組風(fēng)險因素（如股權(quán)價格、匯率和利率）的多種情景對組合價值的影響。情景分析評估所有風(fēng)險因素變化的整體效應(yīng)，更頻繁地用于機構(gòu)范圍內(nèi)的壓力測試。2023/6/25風(fēng)險管理上海師范大學(xué)金融學(xué)院王周偉127第一百二十七頁，共一百四十頁，編輯于2023年，星期五4、國家風(fēng)險評級國家風(fēng)險是指經(jīng)濟主體在與非本國居民進行國際經(jīng)貿(mào)與金融往來時，由于別國經(jīng)濟、政治和社會等方面的變化而遭受損失的風(fēng)險。國家風(fēng)險不僅包括一個國家政府未能履行其債務(wù)所導(dǎo)致的風(fēng)險(主權(quán)風(fēng)險)，也包括主權(quán)國家以直接或間接方式影響債務(wù)人履行償債義務(wù)的能力和意愿。對國家風(fēng)險的計量可以通過主權(quán)評級來實現(xiàn)。20