信用风险度量模型综述

信用风险度量模型综述

作者：张赟格赵林海

来源：《中国市场》2014年第13期

[摘要] 美国次债危机的影响尚未远去，欧洲债务危机接踵而至。这一切都是以债务人违约所导致的信用风险为导火索。本文回顾信用风险度量模型的文献综述，最后分析各种方法的适用性。

[关键词] 信用风险；KMV模型；Credit Metrics 模型；Credit Risk+模型；Credit Portfolio View模型

中图分类号：F832 文献标识码：A

1 现代信用风险特点

信用风险由两个部分组成，首先是违约风险，指交易一方不能或不愿支付约定的款项致使交易对方蒙受损失的可能性；其次是信用价差风险，指由于信用标的品质的变化引起信用价差的变化而导致损失的可能性。因此将信用风险定义为：由于借款人或交易对手违约而造成损失的可能性，以及因为借款人的信用等级的变动或履约能力发生变化从而导致其债务市场价值的变动而引起损失的可能性。

根据新巴塞尔协议对银行的资本要求，允许有条件的银行采用内部模型度量信用风险。从20世纪90年代开始，脱媒效应的显现、公司倒闭的结构性增加、担保能力的下降、竞争的白热化、信息技术的飞速发展、金融衍生品的急剧膨胀等因素促进了对信用风险的研究，从而出现了现代信用风险度量模型。

2 现代信用风险度量模型介绍

2.1 基于VaR的Credit Metrics模型

由J.P.morgan公司1997年推出的Credit Metrics模型，其假设要解决的问题是：如果接下来一年是一个坏年景的话，商业银行的贷款组合价值将有可能遭受的损失有多大？它的基本思想是假设一个信用资产组合，根据信用评级机构提供的信用等级转移矩阵和违约率，应用模拟方法或解析方法得出一定时间后该项资产组合的价值分布，然后运用其价值分布计算出资产组合的在险价值（VaR）。在模型评估信用风险的过程中，它同时关注了违约发生和信用等级变动对信用资产质量的影响，采用了盯市模型（MTM）的方法，通过资产组合价值来度量信用风险，构造了一个通过模拟信贷资产所有违约波动以及潜在变化的复合计量框架。

模型假设：（1）每个信用等级均对应一条零息收益率曲线；（2）模型中唯一的变量是信用等级的变化，债券未来市场风险和价值由其远期利率分布曲线决定；（3）信用风险不但包

括债务人到期没有能够偿还债务，还可以指因为债务人信用等级下降所导致的债券市场价值的下跌；（4）信用等级是离散的，同一信用等级的债券具有相同的违约概率和转移矩阵，转移概率是稳定性的，实际违约概率与历史违约概率相等。

模型的主要步骤：（1）确定信贷组合中的各个产品风险暴露的分布；（2）计算出每个产品价值的波动率；（3）计算各个产品之间的相关系数，将单个信贷产品的波动率计算信贷组合的波动率；（4）再根据组合波动率计算组合VaR。

2.2 基于保险精算的Credit Risk+模型

1997年，瑞士信贷发布信用风险附加模型Credit Risk+。该模型的主要思路是假设在不相同的时间段内违约人之间相互独立，服从泊松分布，与公司的资产结构无关；将贷款损失分为若干个频段，因为每一频段违约率均值相同，这样就可以计算出在一定置信水平下的每个频段的贷款损失，将各个频段的损失加总就是总损失。Credit Risk+模型的思想源于保险精算学，它是一个只考虑违约风险而不考虑评级降低风险的模型。与KMV、Credit Metrics等模型不同，Credit Risk+模型假设违约与企业的资本结构无关，同时它对引发违约的原因没有做任何说明。

Credit Risk+模型的主要假设有：（1）信贷敞口组合中，单项资产的违约概率都很小；（2）违约概率与公司资本结构在时间序列上彼此独立，而且服从泊松分布。

Credit Risk+模型的主要步骤如下：（1）通过泊松分布模拟出违约事件分布，计算出违约事件的频率；（2）然后通过对敞口区间划分，将违约事件的分布转化为违约损失的分布，计算损失的可能性；（3）最后，Credit Risk+模型利用在违约损失之间推导得出的递推关系式，计算组合的违约损失分布。

2.3 基于信贷组合的Credit Portfolio View模型

Credit Metrics模型假定信用等级转移概率在经济发展的不同时期是稳定的，然而信用等级的转移对经济周期是非常敏感的。为修正这一偏差，麦肯锡公司开发出宏观模拟模型——CPV 模型，该模型的主要思想是通过建立一个多元经济计量模型来模拟出宏观经济运行状态，然后将宏观经济因素与信用评级转移概率之间的关系模型化，通过假设出宏观经济对模型的“冲击”，来模拟各个国家各个产业类别的信用等级转换的跨时变化情况，并以图示的方法表明损失分布。CPV模型认为，信贷组合的系统性风险是不能通过分散化来化解的，而系统性风险则主要取决于宏观经济的运行状况，信用评级转移和违约事件都与宏观经济运行紧密相关。所以，CPV模型的输入变量主要是一系列的宏观经济变量，如利率、失业率、经济增长率、储蓄率和政府支出等，然后对各个国家不同产业间的信用等级转移概率和违约概率的联合条件分布进行模拟。假如数据充分，这种方法可用于预测所有国家、各个产业的不同债务人的违约率。

模型假设：（1）信用等级在不同时期的转移概率不是固定不变的，而受到诸如国别、经济周期、失业率、GDP增长速度、长期利率水平、外汇汇率、政府支出、总储蓄率、产业等因素的影响；（2）宏观经济变量服从二阶自相关，解决了Credit Metrics模型中利用历史数据带来的时滞。

2.4 基于期权定价原理的KMV模型

默顿的期权定价模型[24]是KMV模型的基础，通过企业资产回报率、企业自身的财务结构以及企业资产的当前市场价值（而非信用评级）来推导出预期违约率，预测企业的违约可能性。模型将资产分为两种状态：违约和不违约，而发生违约时则造成信用损失。为了计算资产相对应的信用风险，将企业相应的标的资产视为买入一个期权，利用期权定价的方法，通过债务的账面价值、到期日、股票市值、股票波动率以及无风险利率来计算企业的资产价值及资产波动率。然后得出企业的资产市值、资产波动率，加上债务面值来计算违约距离。最后，利用KMV公司的历史统计数据，通过历史上违约和破产率数据建立的违约距离和违约概率间的对应关系表，将违约距离映射为相对应的预期违约概率。

3 信用风险模型的选择

通过对现代信用风险度量模型的一般比较分析，可以看出不同类型的模型在其适用对象、获得数据的难易程度及计量结果的可靠性等方面是存在差别的。同时，由于金融发展水平、经济制度、以及信用风险管理技术等方面有差异，上述四种模型是否适用于我国信用风险管理实践，还需要根据实际情况进行分析。否则，模型的误用会由于模型风险人为的高估和低估信用风险。在金融危机持续蔓延，银行信用风险收到广泛关注的背景下，结合我国的具体情况，对这些模型进行比较和分析，对加强国有商业银行的信用风险管理具有现实意义。

参考文献：

[1]米歇尔·科罗赫，丹·加莱，罗伯特·马克著.风险管理[M]. 曾刚，罗晓军，卢爽，译.北京：中国财政经济出版社，2005.

[2]郭柳，朱敏.我国证券市场风险的度量——基于VaR方法的实证研究[J].华南农业大学学报，2004（3）.

[3]徐振东.银行家的全面风险管理：基于巴塞尔Ⅱ追求银行股东价值增值[M].北京：北京大学出版社，2010.

[4]KMV Corporation.EDF and Corporate Bond Pricing[J].San Francisco，1995.