金融風(fēng)險管理

1RiskManagementinFinancialInstitutionsZhengRongnianSectionCreditrisk:Standalone2SectionCreditrisk:Standalone導(dǎo)言信譽質(zhì)量問題貸款的種類貸款收益的計算零售和零售貸款決策信譽風(fēng)險的計量違約風(fēng)險模型新的信譽風(fēng)險計量和定價模型3一、導(dǎo)言FI的作用：信譽中介本章討論對單項貸款的信譽或違約風(fēng)險進(jìn)展分析和計量的各種方法。4二、信譽質(zhì)量問題20世紀(jì)80年代，向欠興隆國家提供的銀行貸款2007年，次貸中國對地方政府平臺貸款的擔(dān)憂如今，信譽風(fēng)險情況不斷改善然而，信譽風(fēng)險并非僅局限于傳統(tǒng)的貸款和債券投資，已出現(xiàn)新的信譽風(fēng)險〔如對手風(fēng)險〕5三、貸款的種類FI提供貸款的種類及特點有很大的差別工商業(yè)貸款短期、長期〔辛迪加貸款〕擔(dān)保、無擔(dān)保固定利率、浮動利率貸款承諾商業(yè)票據(jù)6三、貸款的種類房地產(chǎn)貸款住房抵押貸款個人〔消費〕貸款汽車貸款循環(huán)貸款〔信譽卡〕其他貸款農(nóng)業(yè)，其他的銀行，非銀行類金融機構(gòu)，政府貸款，主權(quán)政府7與市場風(fēng)險相比，信譽風(fēng)險具有以下特點：1、風(fēng)險概率分布的有偏性2、悖論(creditparadox)景象3、信譽風(fēng)險數(shù)據(jù)的獲取困難8企業(yè)違約的小概率事件以及貸款收益和損失的不對稱，呵斥了信譽風(fēng)險概率分布的偏離。市場價錢的動搖是以其期望為中心的，主要集中于相近的兩側(cè)，通常市場風(fēng)險的收益分布相對來說是對稱的，大致可以用正態(tài)分布曲線來描畫。相比之下，信譽風(fēng)險的分布不是對稱的，而是有偏的，收益分布曲線的一端向左下傾斜，并在左側(cè)出現(xiàn)肥尾景象。這種特點是由于貸款信譽違約風(fēng)險呵斥的，即銀行在貸款合約期限有較大的能夠性收回貸款并獲得事先商定的利潤，但貸款一旦違約，那么會使銀行面臨相對較大規(guī)模的損失，這種損失要比利息收益大很多。換句話說，貸款的收益是固定和有上限的，它的損失那么是變化的和沒有下限的。另一方面，銀行不能從企業(yè)運營業(yè)績中獲得對等的收益，貸款的預(yù)期收益不會隨企業(yè)運營業(yè)績的改善而添加，相反隨著企業(yè)運營業(yè)績的惡化，貸款的預(yù)期損失卻會添加。9與市場風(fēng)險相比，信譽風(fēng)險管理存在著信譽悖論景象。實際上講，當(dāng)銀行管理存在信譽風(fēng)險時應(yīng)將投資分散化，多樣化，防止信譽風(fēng)險集中。然而在實際中由于客戶信譽關(guān)系，區(qū)域行業(yè)信息優(yōu)勢以及銀行貸款業(yè)務(wù)的規(guī)模效應(yīng)，使得銀行信譽風(fēng)險很難分散化。10由于信譽資產(chǎn)的流動性較差，貸款等信譽買賣存在明顯的信息不對稱性以及貸款持有期長、違約事件頻率少等緣由，信譽風(fēng)險不像市場風(fēng)險那樣具有數(shù)據(jù)的可得性，這也導(dǎo)致了信譽風(fēng)險定價模型有效性檢驗的困難。正是由于信譽風(fēng)險具有這些特點，因此信譽風(fēng)險的衡量比市場風(fēng)險的衡量困難得多，也成為呵斥信譽風(fēng)險的定價研討滯后于市場風(fēng)險量化研討緣由。11四、貸款收益的計算貸款定價是信貸管理過程中的一個重要環(huán)節(jié)包括根據(jù)對借款人信譽風(fēng)險和違約風(fēng)險的判別以及貸款的費用和抵押擔(dān)保等要素來對利率進(jìn)展調(diào)整。傳統(tǒng)的資產(chǎn)收益法12四、貸款收益的計算貸款的合約承諾收益貸款利率與貸款相關(guān)的一切費用貸款的信譽風(fēng)險溢價貸款的抵押擔(dān)保其他非價錢條件〔尤其是補償余額和預(yù)備金要求〕補償性余額〔Compensatingbalances〕是貸款中借方不能實踐運用的部分13四、貸款收益的計算某金融機構(gòu)一筆貸款的利率定價：根底利率=12%=L風(fēng)險溢價=2%=mL+m=12%+2%=14%根本貸款利率〔L〕反映了銀行的邊沿資金本錢，如商業(yè)票據(jù)利率，聯(lián)邦基金利率或倫敦銀行同業(yè)拆借利率〔LIBOR〕等；另外，它也反映了銀行的優(yōu)惠貸款利率〔primelendingrate〕。優(yōu)惠利率通常用于對較長期貸款的定價，而聯(lián)邦基金利率那么通常用于短期貸款的定價。14四、貸款收益的計算與貸款相關(guān)的直接間接費用：1、收取f=0.125%的貸款發(fā)生費用。2、要求b=10%的補償性余額，作為無利息的活期存款?！膊荒芰⒖逃糜谥С龅囊徊糠仲J款〕3、保管R=10%的法定預(yù)備金?！矊ρa償性余額也要收取法定預(yù)備金〕更高的費用、更高的補償余額以及更多的抵押擔(dān)保等，都可以彌補貸款信譽風(fēng)險。15這筆貸款的總收益率為K，每借出一元的收入F:直接費用，L：根底利率，M信譽風(fēng)險溢價B:補償余額，R存款預(yù)備金要求16假設(shè)某銀行：未來一筆貸款利率為14%〔12%+2%〕收取0.125%的貸款啟動費要求借款人以非生息活期存款的方式持有10%的補償余額按存款額的10%在央行持有預(yù)備金求利息收益？1718特殊情況下:f=0,b=01+k=1+(L+m)根底利率確定,信譽風(fēng)險溢價成了決議貸款收益的風(fēng)險要素.19貸款預(yù)期收益由于違約風(fēng)險的存在，貸款的承諾收益能夠會與貸款的預(yù)期收益和實踐收益大不一樣。預(yù)期收益與承諾收益的關(guān)系：E(r)=p(1+k)-1P是客戶履約概率。違約風(fēng)險普通都存在，因此P＜1。這意味金融機構(gòu)運營者必需(1)確定充足的風(fēng)險溢價〔m〕；(2)認(rèn)識到較高的風(fēng)險溢價、費用和根底利率都會實踐降低貸款歸還的概率〔p〕。也就是K和P并非不相關(guān)?，F(xiàn)實上在一定范圍內(nèi)它們能夠是負(fù)相關(guān)的。金融機構(gòu)因此需求從兩方面思索控制信譽風(fēng)險：價錢(合同收益1+k)和貸款數(shù)量(信貸的可獲性)20普通情況下，控制零售貸款的信譽風(fēng)險更多從數(shù)量方面而不是從價錢方面著手。21五、零售和零售貸款決策零售貸款決策在FI總體投資組合中占規(guī)模較小，而搜集信息本錢高，多是要么接受，要么否決。被接受者多是交納一樣的利率，意味著信譽風(fēng)險溢價是一樣的。多是信譽控制，而不是一定范圍內(nèi)的利率和價錢浮動。零售貸款決策運用利率和數(shù)量來控制風(fēng)險。很高的契約利率本質(zhì)上減少了金融機構(gòu)的預(yù)期報答，由于高利率導(dǎo)致貸款流向高風(fēng)險工程，從而加大了違約風(fēng)險。2223貸款預(yù)期收益率%貸款合約承諾收益率%六、信譽風(fēng)險的計量能否能準(zhǔn)確衡量違約能夠性，在很大程度上取決于該金融機構(gòu)所掌握的借款人財務(wù)信息量的多少對于零售貸款，該類信息的大部分需求從內(nèi)部或外部信譽機構(gòu)搜集。對于零售貸款，該類信息來源于公開可獲得的信息，如已公證的帳目表，股票和債券價錢，分析家們的報告等等。在本質(zhì)上債券和貸款都是承諾在未來支付定期的固定或隨指數(shù)調(diào)整的報酬的一份契約，并且在借款公司運營失敗時，貸方和債券持有人都有比股東更優(yōu)先的懇求權(quán)。同時，貸款和債券都含有契約條款〔covenants〕來限制或鼓勵公司的各種行為，以保證償本付息的能夠性。24七、違約風(fēng)險模型可以運用多種不同的模型來評價違約風(fēng)險。模型并非相互排斥，可以運用一個以上的模型進(jìn)展貸款定價和限額決策。主要討論三種模型：定性模型信譽評分模型新模型25定性模型搜集信息搜集到信息的數(shù)量取決于潛在的債務(wù)風(fēng)險的大小與信息搜集的本錢。進(jìn)展決策的關(guān)鍵要素：與借款人相關(guān)的信息與市場相關(guān)的信息依賴于客觀判別，經(jīng)常稱作專家系統(tǒng)26借款人所特有的要素：聲譽借款人的聲譽包括該信貸懇求人的借貸歷史杠桿比率大量的債務(wù)，如債券和貸款提高了借款人的利息費用以及其現(xiàn)金流量中用于償債的比例。相對較低的杠桿比率能夠不會嚴(yán)重影響到償債的能夠性收入的不穩(wěn)定性收入的大幅度變動會提高了借款人在任何資本構(gòu)造中無法按期償本付息的能夠性抵押品27與市場相關(guān)的信息商業(yè)周期金融機構(gòu)在評價借款人違約能夠性時，一個很重要的要素是必需思索經(jīng)濟(jì)正處于商業(yè)周期的哪一階段經(jīng)濟(jì)不景氣時，消費的耐用消費品部門的公司，其業(yè)績普通會比消費煙草和食品的非耐用消費品部門的公司差利率程度高利率預(yù)示著實行了緊縮的貸幣政策。不僅籌資本錢增高、籌資來源減少，而且高利率普通與高信譽風(fēng)險成正相關(guān)。高程度的利率會刺激借款人從事過量的風(fēng)險活動，也只能鼓勵風(fēng)險較大的顧客前來借款28專家系統(tǒng)的缺乏教材P236專門人員實施的效果很不穩(wěn)定，客觀性隨意性和不一致性29信譽評分模型定量模型，經(jīng)過運用所察看的有關(guān)借款人特征的資料來計算其違約概率的分?jǐn)?shù)，或把借款人歸入不同的違約風(fēng)險等級中。作用：以量化方式確定哪些要素對于解釋違約風(fēng)險是重要的分析這些要素的相對重要性；改良違約風(fēng)險的定價；更好地域分高風(fēng)險貸款懇求者；更好地來計算出未來預(yù)期貸款損失而需的預(yù)備金。30主要益處：貸款人不用運用更多的資源就可以較準(zhǔn)確地預(yù)測出借款人的業(yè)績。平均準(zhǔn)確率為85%。使貸款人面臨更少的違約和資產(chǎn)沖銷。必需確定反映借款人風(fēng)險的客觀目的和財務(wù)目的：對消費貸款而言，客觀特征包括收入、資產(chǎn)、職業(yè)、年齡、職業(yè)和居住地對于商業(yè)貸款，關(guān)鍵在于現(xiàn)金流信息和財務(wù)比率31CreditRatingSystems對一切要素的全面思索以及分析人員的閱歷，而不是數(shù)學(xué)建模。外部評級與內(nèi)部評級32外部評級Moody’s,Standard&Poor’s,大公信譽評級是公司在相關(guān)風(fēng)險因子根底上，對某個債務(wù)人償付特定債務(wù)工具或其他債務(wù)才干的看法。評級中，有的關(guān)注違約能夠性，有的關(guān)注預(yù)期損失。發(fā)行人評級，發(fā)行人債項評級33發(fā)行人評級對手評級，公司信譽評級和主權(quán)評級對債務(wù)人債務(wù)償付才干的總體評價發(fā)行人債項評級對單個授信工程進(jìn)展評價，著眼于個別風(fēng)險，思索抵押、擔(dān)保等保全手段及授信期限。343536線性概率模型和Logit模型線性概率模型將以往的數(shù)據(jù)，例如財務(wù)比率，放入模型中闡明以前貸款歸還的閱歷。用來闡明過去償付貸款表現(xiàn)的各要素的相對重要性，可以用來預(yù)測新貸款的還款概率p舊貸款(i)分成兩個察看組，即違約的(PDi=1)和沒有違約的(PDi=0)。然后，用線性回歸將這些察看值與有j個數(shù)據(jù)的一組緣由變量(Xij)相聯(lián)絡(luò)，這些緣由變量反映了第i個借款人的杠桿比率或收益之類的數(shù)量信息37βj是我們所估計的第j個變量(杠桿比率)在解釋過去歸還貸款上的重要性。假設(shè)我們將這些估計值βj與某一預(yù)期借款人的Xij相乘，就可以求出該借款人的PDi的期望值，這個值可解釋為該借款人的違約概率。E(PDi)=(1-pi)=預(yù)期違約的概率，pi為歸還貸款的概率。38例如，假設(shè)有兩個要素影響借款人過去的違約行為：杠桿比率〔D/E〕和銷售額資產(chǎn)比率〔S/A〕?；谝郧暗倪`約閱歷，線性能夠性模型可以估計成：PDi=0.5〔D/Ei〕+0.1〔S/Ai〕假設(shè)一個預(yù)期借款者的D/E=03，S/A=2.0。預(yù)期違約能夠性〔Zi〕估計為：PDi=0.5〔0.3〕+0.1〔2.0〕=0.35致命弱點：預(yù)測的違約能夠性會落在0—1區(qū)間之外。Logit模型那么把預(yù)期違約能夠性限制在0和1之間，從而抑制了線性能夠性模型的弱點F〔Zi〕=1/〔1+e-Zi〕39線性判別式模型Probit與Logit對PD進(jìn)展預(yù)測，而判別式模型那么根據(jù)借款人的察看特征值〔Xj〕將他們分入或高或低的潛在違約風(fēng)險級別E.I.Altman為美國公開買賣制造業(yè)公司所做的判別式分析模型。Z是違約風(fēng)險級別的總的衡量規(guī)范，Z是根據(jù)借款人不同的財務(wù)比率值(Xj)及其重要性權(quán)數(shù)得出的，重要性權(quán)數(shù)是由基于判別式分析模型得出的違約、非違約借款人的察看閱歷而得到的。Altman的判別式函數(shù)如下所示：Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5Z的值越高，借款人的違約風(fēng)險級別越低403.0及以上從財務(wù)數(shù)據(jù)來判斷，是安全的，當(dāng)然，有些因素可能會造成難以預(yù)見的問題2.7-3.0從預(yù)測破產(chǎn)的角度，可能是安全的，但處于灰色區(qū)域中1.8-2.7可能在兩年內(nèi)破產(chǎn)。處于灰色區(qū)域，要幸存，必須采取較大變革1.8以下很可能正在走向破產(chǎn)41X1=營運資本/總資產(chǎn)比率X2=保管盈余/總資產(chǎn)比率X3=除息稅前盈余/總資產(chǎn)比率X4=凈資產(chǎn)市場價值/長期負(fù)債的帳面價值比率X5=銷售額/總資產(chǎn)比率42假沒一潛在的借款公司的金融比率值如下：X1=0.2X2=0X3=-0.20X4=0.10X5=2.0X2等于0和X3為負(fù)數(shù)闡明該公司在近期的收入為負(fù)或發(fā)生了損失。同樣，X4也闡明借款人的杠桿比率很高，X1=0.2和X5=2.0闡明該公司的流動性是適當(dāng)?shù)模⑶忆N售也較穩(wěn)定。Z=1.2(0.2)+1.4(0)+3.3(-0.20)+0.6(0.10)+1.0(2.0)Z=0.24+0-0.66+0.06+2.0Z=1.64根據(jù)Altman的信譽評分模型，任何Z的分值低于1.81的公司將被置于高違約風(fēng)險區(qū)43ZETA信譽風(fēng)險模型〔ZETACreditRiskModel〕是繼Z模型后的第二代信譽評分模型，變量由原始模型的五個添加到了7個，順應(yīng)范圍更寬，對不良借款人的識別精度也大大提高。模型中的7個變量是：資產(chǎn)收益率、收益穩(wěn)定性目的、債務(wù)償付才干目的、累計盈利才干目的、流動性目的、資本化程度的目的、規(guī)模目的。44判別式分析方式存在的問題這一模型只區(qū)別借款人行為的兩個極端例子：違約與不違約。但是，現(xiàn)實世界中違約情況是多層次的沒有理由可以預(yù)期判別式函數(shù)中的權(quán)數(shù)是常數(shù)忽略了一些在違約和非違約決策中起決議性要素作用的難以量化的要素。例如屬于借款人所特有要素的聲譽及含蓄的長確借款關(guān)系、宏觀環(huán)境要素中的商業(yè)周期等不存在違約商業(yè)貸款的集中數(shù)據(jù)庫45新的信譽風(fēng)險模型利用金融實際和更廣泛的金融市場數(shù)據(jù),推測貸款和債務(wù)工具的違約概率.這是FI正大力研討的一個領(lǐng)域.信譽風(fēng)險期限構(gòu)造方法失敗率方法RAROC方法期權(quán)模型〔不涉及〕信譽計量模型信譽風(fēng)險+模型46信譽風(fēng)險期限構(gòu)造的推導(dǎo)以市場為根底來評價信譽風(fēng)險和違約概率的方法之一,就是對一樣風(fēng)險級別借款者的公司債務(wù)所包含的風(fēng)險溢價進(jìn)展分析.47八、新的信譽風(fēng)險計量和定價模型481年2年公司債券長期國債收益率期限10%11%15.8%18%上述一樣期限的債券,我們可以根據(jù)實踐市場利率信息來推算出應(yīng)有的信譽風(fēng)險溢價和潛在的違約概率.收益之差反映了公司借款者未來不同時間付款的信譽風(fēng)險.金融機構(gòu)可以根據(jù)現(xiàn)有債務(wù)的信譽風(fēng)險概率,來決議能否向特定信譽風(fēng)險的借款人提供額外的資金.49例子:一年期債務(wù)工具的違約概率假設(shè)FI要求一年期公司債券的預(yù)期收益率至少等于一年期國債的無風(fēng)險收益.p為公司債券本息全額歸還的概率，1-p是違約的概率.假設(shè)違約,FI一無所獲.一年期公司債合約承諾收益為1+k,一年期無風(fēng)險國債收益為1+I有50假設(shè)一年期國債和一年期公司債券的市場利率分別為10%和15.8%,那么市場以為債券還款概率為:1.1/1.158=0.95違約概率為0.05在這一例子中,公司債券5%的違約概率使FI將其所要求的風(fēng)險溢價確定為5.8%(Φ=15.8-10),很顯然,當(dāng)還款概率p下降及違約概率1-p上升,金融機構(gòu)要求的利差Φ=k-i也會上升.51現(xiàn)實中,即使借款人破產(chǎn),FI也能獲得部分還款.以γ代表貸款違約時可收回的本息所占的比重.有第一項為借款人違約時,金融機構(gòu)預(yù)期將獲得的收益.52按前面的假設(shè),i=10%,p=0.95,γ=0.9,那么,風(fēng)險溢價為0.6%留意上面的式子,γ和p完全可以相互替代.53長期債務(wù)工具的違約概率風(fēng)險經(jīng)理必需以第一年違約情況為根底估計第二年的違約概率.債券在任何一年的違約概率就是指這一年的邊沿違約概率,即第t年的違約概率為1-pt利用邊沿違約概率,可計算兩年內(nèi)的累計違約概率54例:某風(fēng)險經(jīng)理想知道一種兩年期債券的違約概率.第一年邊沿違約概率為0.05,第二年邊沿違約概率為0.07,那么1-0.95*0.93=0.1165違約概率為11.65%,還款的概率為88.35%下面的問題是:如何算出下一年的邊沿違約概率?55首先經(jīng)過國債收益曲線算出一年遠(yuǎn)期利率.等式左邊是兩年期的國債收益,右邊是兩次投資一年期國債的收益.可求出f1用同樣的方法求出公司債未來的預(yù)期利率c156即可求出第二年的預(yù)期還款概率,其他依此類推5758優(yōu)點與缺陷:能反映市場情況,以市場預(yù)期為根底,但要求有一個流動性的市場.59八、新的信譽風(fēng)險計量和定價模型RAROC模型RAROC〔risk-adjustedreturnoncapital〕模型由銀行家信托公司首創(chuàng)模型的中心思想是它不是衡量一筆貸款的實踐或者承諾的年收益率ROA，即凈利息收入和費用除以貸款總額，而是貸款管理者使預(yù)期利息收入和費用收入同貸款的風(fēng)險堅持平衡。因此，不是用貸出的資產(chǎn)除以貸款收入，而是用資產(chǎn)〔貸款〕風(fēng)險的某種丈量去除貸款收入：RAROC=貸款一年的收入/貸款〔資產(chǎn)〕風(fēng)險或風(fēng)險資本一筆貸款只需它的RAROC相對于銀行資本的基準(zhǔn)本錢足夠高時才干被同意60當(dāng)一筆已放貸款的RAROC跌到低于銀行的基準(zhǔn)RAROC時，貸款管理者必需試圖調(diào)整貸款的條款使貸款再次變成“有利可圖的〞估計RAROC的一個問題是貸款風(fēng)險的丈量61同樣的概念可以運用到這里，只是受利率影響改為受信譽質(zhì)量〔信譽風(fēng)險溢價〕影響用公司債券市場的數(shù)據(jù)去估計這個溢價。規(guī)范普爾〔S&P〕對借款人評定了信譽等級〔AAA，AA，A等等〕。因此，我們可以分析在各個特定等級內(nèi)的債券在過去一年的風(fēng)險溢價變化。在RAROC等式中的△R等于62△〔Ri-RG〕是i信譽等級公司債券的收益率〔Ri〕和與其繼續(xù)期相匹配的國庫券的收益率〔RG〕的差額在過去一年的變化63假設(shè)如今AAA級債券的平均利率程度〔R〕為10%，估計的貸款〔或資本〕風(fēng)險是：△L=-DL〔△R/1+R〕=-〔2.7〕×〔$1,000,000〕×〔0.011/1.1〕=-$27,000因此，當(dāng)貸款的面值是一百萬美圓時，由于信譽質(zhì)量的下降而導(dǎo)致的風(fēng)險量或者說貸款市場價值的變化是2.7萬美圓64為了決議這筆貸款能否值得做，要對估計的貸款風(fēng)險和貸款的收入〔即該金融機構(gòu)的資金本錢加上貸款費用上的差額〕進(jìn)展比較。假設(shè)估計的〔一年的〕差額加上費用如下：差額=0.2%×$1,000,000=$2,000費用=0.1%×$1,000,000=$1,000$3,000這個貸款的RAROC是：RAROC=貸款一年的收入/貸款風(fēng)險〔或者資本風(fēng)險〕=$3,000/$27,000=11.1%65這個計算可以用于向前看(forwardlooking)，將下一年的貸款的預(yù)期收入和△L比較；也可以用于向后看(backwardlooking)將過去一年所產(chǎn)生的收入和△L比較。假設(shè)11.1%高于銀行內(nèi)部的基準(zhǔn)RAROC〔基于銀行本身的資金本錢〕，這項貸款會被經(jīng)過。假設(shè)它較低，這筆貸款會立刻被回絕或者借款人會被要求較高的費用以及〔或者〕更高的利率差額，將RAROC提高到可接受的程度66信譽計量模型CreditMetrics1997,摩根及其協(xié)作者〔TheBankofAmerican)在VAR價值框架下，對貸款和私募債券等不可買賣資產(chǎn)的風(fēng)險進(jìn)展估價。我們前面所學(xué)的VAR,是回答以下問題：假設(shè)明天對我不利，那么我們可買賣的資產(chǎn)會蒙受多大的損失？Creditmetrics要回答的問題:假設(shè)下一年對我不利，我的貸款和貸款資產(chǎn)組合將蒙受多大損失？67貸款不能公開買賣，因此既不能察看到P(貸款的市場價值〕，也不能察看到然而，根據(jù)借款的信譽級別信息該信譽級別下一年變化的概率違約貸款的回收率債券市場的利差可以計算出任何一種不可買賣的貸款或債券在假設(shè)條件下的P和，并因此而計算出單項貸款和貸款組合的VAR.68一年期信譽等級轉(zhuǎn)換矩陣69年初信用等級年底時的信用評級轉(zhuǎn)換概率（%）AAAAAABBBBBBCCC違約AAA90.818.330.680.060.12000AA0.790.657.790.640.060.140.020A0.092.2791.055.520.740.260.010.06BBB0.020.335.9586.935.301.170.120.18BB0.030.140.677.7380.538.8411.06B00.110.240.436.4883.464.075.2CCC0.2200.221.32.3811.2464.8619.79貸款的價值由信譽等級〔信譽價差〕決議。由期初的信譽等級得到貸款的初始價值。期末，不同信譽等級下貸款市值情況(包括第一年息票額)70一年結(jié)束時信用等級市值金額(百萬美元)AAA109.37AA109.19A108.66BBB107.55BB102.02B98.1CCC83.64違約51.1371信譽評級信譽價差優(yōu)先權(quán)信譽轉(zhuǎn)移概率殘值回收率債券現(xiàn)值信譽風(fēng)險估計Creditmetrics的總體框架72根據(jù)歷史資料得到，期初信譽級別為AAA的債券，1年后的信譽等級的概率如下AAAAAA，90.81％AA，8.33％A，0.68％BBB，0.06％BB，0.12％CCC，0D，0步驟1估計信譽轉(zhuǎn)移矩陣73AAAA，0.09％AA，2.27％A，91.05％BBB，5.52％BB，0.74％CCC，0.01％D，0.06％留意：A級別債券有0.06％的概率在下一年度轉(zhuǎn)移到D級，即A級債券仍有違約的能夠。步驟1估計信譽轉(zhuǎn)移矩陣以上給出了AAA和A級債券的轉(zhuǎn)移概率，同樣可以得到其他級別，如AA、BBB、C等信譽級別的轉(zhuǎn)移概率。將債券一切級別的轉(zhuǎn)移概率列表，就構(gòu)成了所謂的“信譽轉(zhuǎn)移矩陣〞。74步驟1估計信譽轉(zhuǎn)移矩陣75級別AAAAAABBBBBBCCC違約AAA90.818.330.680.060.12000AA0.7090.657.790.640.060.140.020A0.092.2791.055.520.740.260.010.06BBB0.020.335.9586.935.361.170.120.18BB0.030.140.677.7380.538.841.001.06B00.110.240.436.4883.464.075.20CCC0.2200.221.302.3811.2464.8619.79步驟1估計信譽轉(zhuǎn)移矩陣由于A～CCC債券有違約的能夠，故需求思索違約時，壞賬〔殘值〕回收率。企業(yè)破產(chǎn)清算順序直接關(guān)系回收率的大小。有擔(dān)保債高于無擔(dān)保債優(yōu)先高于次級，次級高于初級債券契約：次級一切在其之后的債券76步驟2估計違約回收率77債券級別回收率(％面值)標(biāo)準(zhǔn)差(％)優(yōu)先擔(dān)保債券53.8026.86優(yōu)先無擔(dān)保債券51.1325.45優(yōu)先次級債券38.5223.81次級債券32.7420.18初級次級債券17.0910.90例：BBB級債券在下一年違約概率為0.18％,假設(shè)它是優(yōu)先無擔(dān)保債券，那么其一旦違約，面值100元可回收51.13元。步驟2估計違約回收率由于債券信譽級別上升〔下降〕到新的級別，因此，需求估計每個級別下的市值。估計市值采取的方法是貼現(xiàn)法利用市場數(shù)據(jù)得到，不同級別債券的利率期限構(gòu)造〔Term-structure〕78步驟3債券估值79級別1年(%)2年(%)3年(%)4年(%)AAA3.604.174.735.12AA3.654.224.785.17A3.724.324.935.32BBB4.104.675.255.63BB5.556.026.787.27B6.057.028.038.52CCC15.0515.0214.0313.52步驟3債券估值假設(shè)BBB級債券的面值100元，票面利率為6％。假設(shè)第1年末，該債券信譽等級由BBB升至A級，那么債券在第1年末的市值可以根據(jù)上表得到80以上計算的是BBB債券轉(zhuǎn)移到A級后的市值。假設(shè)該債券轉(zhuǎn)移到其它信譽等級，可以同理類推計算其它市值！步驟3債券估值81年末債券級別

市值（元）AAA109.37AA109.19A108.66BBB107.55BB102.02B98.01CCC83.64違約51.13步驟3債券估值82BBB債券的價值分布，例如假設(shè)轉(zhuǎn)移到AAA，那么價值為109.37，概率為0.02，其他情況可以類似地計算出。年末債券級別

市值（元）轉(zhuǎn)移概率(%)AAA109.370.02AA109.190.33A108.665.95BBB107.5586.93BB102.025.36B98.101.17CCC83.640.12違約51.130.18步驟3債券估值由債券價值的分布，容易得到其價值的均值和方差83由此就可以采用解析法計算得到VaR。但是由于債券組合并非正態(tài)分布，用這種方法計算存在比較大的誤差。步驟4計算信譽風(fēng)險由債券市值的概率分布可知市值大于98.10美圓的概率為98.53％市值大于83.64美圓的概率為99.7％84債券級別